Spec-Vorlage: Eine Teilaufgabe

Auf einen Blick

  • Zeit: 60 Minuten in Block 2
  • Ergebnis: Ausgefülltes Spec Sheet (drei Sektionen) für eine eigene Teilaufgabe
  • Format: Solo + Cross-discipline-Paar-Review
  • Leitfrage: Was muss in Köpfen passieren, damit deine Lernenden diese Aufgabe lösen?
NoteWas diese Vorlage ist

Du füllst diese Vorlage in Block 2 für eine einzelne Teilaufgabe aus einer deiner eigenen Aufgaben aus. Nicht die ganze Aufgabe, sondern einen einzelnen Teilschritt: zum Beispiel “Interpretiere den Regressionskoeffizienten \(b_1\) in einer multiplen Regression mit zwei Prädiktoren” innerhalb einer grösseren Aufgabe.

Das ausgefüllte Spec ist dein zentrales Workshop-Ergebnis. Es ist Werkzeug-unabhängig: du kannst dasselbe Markdown heute in das laufende Werkzeug von Block 3 einfügen und in zwei Jahren in ein dann noch unbekanntes Werkzeug.

Du arbeitest in Markdown, weil du in jedem Editor schreiben kannst und weil dasselbe Dokument in beliebige Werkzeuge eingefügt werden kann. Drei Möglichkeiten zum Ausfüllen: ausdrucken und handschriftlich; Markdown in einem Texteditor (VS Code, Obsidian, Notion, Word); direkt im Browser in den Notizfeldern.

Lernaufgabe (Kontext und Ziel)

Wortlaut: Schreibe die Teilaufgabe wortwörtlich aus deiner Aufgabenstellung ab. Ein bis drei Sätze.

(Hier eintragen)

Rahmen: In welchem Studiengang, in welchem Semester, mit welchen Vorkenntnissen begegnen Lernende dieser Teilaufgabe? Welche Module haben sie davor abgeschlossen?

(Hier eintragen)

Intendiertes Ergebnis: Was soll diese Teilaufgabe bei der Lernende entwickeln oder prüfen? Ein bis zwei Sätze, ohne Fachjargon.

(Hier eintragen)

Erforderliche Skills und Knowledge

Was hier rein gehört: die Skills und Knowledge Components, die eine Lernende haben muss, damit sie diese Teilaufgabe erfolgreich bearbeiten kann. Vier bis acht Einträge. Lieber wenige präzise als viele unscharfe.

Pro Eintrag:

  • Eine kurze Formulierung des Skills oder der Knowledge Component (ein bis zwei Sätze).
  • Eine charakteristische Fehlerform: was eine Lernende konkret schreibt oder tut, wenn diese Komponente fehlt.
  • Optional eine Erwerb-Markierung: vorausgesetzt (sollte aus früheren Modulen vorhanden sein) oder zu erwerben (wird in dieser Teilaufgabe gebaut). Diese Markierung hilft im Block 3: ein fehlender vorausgesetzter Baustein ist ein Voraussetzungsproblem, ein fehlender zu-erwerbender Baustein ist die Aufgabe in Bearbeitung. Bei Grenzfällen (Grundkonzept vorausgesetzt, präzisere Form zu erwerben) erlaubt der Tag einen Freitext-Zusatz, oder du splittest den Eintrag in zwei.

Tipp zur Granularität

Zu abstrakt (z.B. “Statistik-Theorie”) lässt sich der Eintrag im LLM-Werkzeug schlecht testen. Zu detailliert (z.B. “kennt die Formel für \(s\) in einer 3-Werte-Stichprobe”) liefert keine relevanten Unterschiede. Die richtige Stufe ist die, auf der ein LLM, das so tut, als hätte es diesen Skill nicht, eine erkennbar andere und schlechtere Antwort produziert.

Beispiel-Eintrag:

Deine Einträge:

(Hier eintragen, ein Eintrag pro Bullet)

Antizipierte Misconceptions

Was hier rein gehört: kohärente, aber falsche Modelle, die deine Lernenden haben könnten. Zwei bis vier Einträge.

Eine Misconception ist nicht ein zufälliger Fehler, sondern eine Sichtweise, die für die Lernende intern stimmig ist. Genau deshalb ist sie widerständig: man weist sie nicht durch eine korrekte Erklärung weg.

Pro Eintrag:

  • Eine Formulierung der Misconception (wie die Lernende sie selbst aussprechen würde).
  • Eine Vermutung über die intuitive Grundlage: woher kommt diese Sichtweise plausibel? Aus einer Alltagsintuition? Aus einer Übergeneralisierung eines früheren Lernschritts?

Beispiel-Eintrag:

  • Lernende konzeptualisieren das “Kontrollieren” als aktiven Eingriff in den Datensatz. Vermutete intuitive Grundlage: alltagssprachliche Konnotation des Begriffs “Kontrolle” als aktive Einflussnahme.

Deine Einträge:

(Hier eintragen, ein Eintrag pro Bullet)

Wenn dein Spec fertig ist

In Block 3 fügst du dein Markdown-Spec in das laufende Werkzeug ein und beobachtest, was es produziert. Wenn der Output nicht überzeugt, fehlt etwas im Spec.

Ein vollständig ausgefülltes Beispiel-Spec zum Worked Example (multiple Regression aus Block 1) findest du unter Beispiel: Multiple Regression.

Die theoretische Struktur hinter dieser Vorlage (Knowledge-Component-Theorie, KLI-Taxonomie, Falsifikationsnotiz als Take-Home, Pruning-Protokoll als optionale Validierungsschritt-Disziplin) ist in einem internen Dokument für die Workshop-Leitung festgehalten. Im Workshop selbst arbeitest du mit der vereinfachten Form: drei Sektionen, optionale V/B-Markierung pro Eintrag (vermutet / beobachtet), keine Pflicht-Pruning-Spalte.

Back to top