Nutzung eines großen Sprachmodells für automatische Fehleranalyse-basiertes Feedback in der Dolmetscherausbildung

Zusammenfassung Feedback ermöglicht es Lernenden, ihre Leistung zu verbessern, und Lehrenden, den Unterricht zu verfeinern. Mit den Fortschritten bei großen Sprachmodellen (LLMs) hat automatisches Feedback als effiziente und innovative Ergänzung zu traditionellen Quellen wie Lehrkräfte-, Peer- und Selbstfeedback an Bedeutung gewonnen. Diese Studie untersucht die Integration von durch ChatGPT-4o erzeugtem, auf Fehleranalyse basierendem Feedback in die Ausbildung von Chinesisch-Portugiesisch-Dolmetschern. Das Modell wurde dazu aufgefordert, Dolmetschfehler in ausgerichteten Satzpaaren zu erkennen und zu erklären sowie Referenzübersetzungen anzubieten. Anschließend bewerteten wir die Genauigkeit dieser Feedbackkomponenten und die wahrgenommene Nützlichkeit des Feedbacks durch einen Fragebogen, der an zwei Gruppen von Interessengruppen verteilt wurde: Dolmetschlehrende (als Feedbackgeber) und Dolmetschtrainees (als Feedbacknutzer). Die Ergebnisse zeigten, dass das vom LLM erzeugte Feedback für den verwendeten Testsatz von Sätzen als qualitativ hochwertig bewertet wurde und beide Evaluatorengruppen eine positive Haltung bezüglich seiner Nützlichkeit in der Dolmetscherausbildung äußerten. Diese Ergebnisse liefern vorläufige Belege dafür, dass LLM-basiertes Feedback eine wertvolle Ergänzung zum menschlichen Feedback in pädagogischen Kontexten sein kann.