Skip to main content

User account menu

  • Log in
DBS-Logo

Database Group Leipzig

within the department of computer science

ScaDS-Logo Logo of the University of Leipzig

Main navigation

  • Home
  • Study
    • Exams
      • Hinweise zu Klausuren
    • Courses
      • Current
    • Modules
    • LOTS-Training
    • Abschlussarbeiten
    • Masterstudiengang Data Science
    • Oberseminare
    • Problemseminare
    • Top-Studierende
  • Research
    • Projects
      • Benchmark datasets for entity resolution
      • FAMER
      • HyGraph
      • Privacy-Preserving Record Linkage
      • GRADOOP
    • Publications
    • Prototypes
    • Annual reports
    • Cooperations
    • Graduations
    • Colloquia
    • Conferences
  • Team
    • Erhard Rahm
    • Member
    • Former employees
    • Associated members
    • Gallery

Automatisierte Bewertung und Feedback-Generierung für grafische Modellierungen und Diagramme mit FeeDI

Breadcrumb

  • Home
  • Research
  • Publications
  • Automatisierte Bewertung und Feedback-Generierung für grafische Modellierungen und Diagramme mit FeeDI

Morawetz, E. ; Hahm, N. ; Thor, A.

Automatisierte Bewertung und Feedback-Generierung für grafische Modellierungen und Diagramme mit FeeDI

Proc. of 21. Fachtagung Bildungstechnologien der Gesellschaft für Informatik (DELFI)

2023

Andere

Futher information: https://doi.org/10.18420/delfi2023-18

Abstract

Dieser Beitrag präsentiert FeeDi (Feedback im Diagramm-Assessment), ein Web-basiertes System zur automatischen Bewertung und Feedback-Generierung für grafische Modellierungen und Diagramme. FeeDi verfolgt dabei einen generischen Ansatz, in dem es sowohl unterschiedliche Eingabeformate als auch Diagrammtypen prozessiert und Lehrenden die Möglichkeit gibt, Elemente ihrer Musterlösung einfach zu annotieren. Damit ermöglicht FeeDi ein effizientes E-Assessment insbesondere im MINT-Bereich, bei dem Diagramme wichtiger Bestandteil der Hochschullehre sind. Der Beitrag beschreibt die Graph-basierte Repräsentation der Diagramme sowie die Bewertung und Feedback-Generierung unter Verwendung von Graph-Matching. Darüber hinaus skizziert er die prototypische Entwicklung am Beispiel von Entity-Relationship-Diagrammen.

Recent publications

  • 2025 / 9: Generating Semantically Enriched Mobility Data from Travel Diaries
  • 2025 / 8: Slice it up: Unmasking User Identities in Smartwatch Health Data
  • 2025 / 6: SecUREmatch: Integrating Clerical Review in Privacy-Preserving Record Linkage
  • 2025 / 6: Leveraging foundation models and goal-dependent annotations for automated cell confluence assessment
  • 2025 / 5: Federated Learning With Individualized Privacy Through Client Sampling

Footer menu

  • Directions
  • Contact
  • Impressum