zum Inhalt springen
Titel
OrChemSTAR - Organic Chemistry Science Teaching and Learning with Augmented Reality
Projektleitung
Mitarbeitende
Projektbeschreibung

Die Strukturen chemischer Verbindungen können auf unterschiedliche Weisen dargestellt werden, welche wiederum jeweils unterschiedliche Aspekte chemischer Strukturen in den Vordergrund stellen. Das Lesen dieser Darstellungen, die Auswahl einer für einen bestimmten Zweck geeigneten Darstellungsform und das Schreiben der chemischen Formeln erfordern von Lernenden besondere Fähigkeiten. Während Experten gut zwischen den verschiedenen Darstellungsformen hin- und herübersetzen können, müssen Lernende die Gestaltungsregeln der verschiedenen Darstellungsformen erst erlernen.

Im Projekt OrChemSTAR wird untersucht, wie Lernende hierbei mithilfe einer Augmented-Reality-Lernumgebung unterstützt werden können.

Das Projekt verfolgt drei Hauptziele:

  1. die Entwicklung einer AR-App mit mehreren Funktionen zur adaptiven Unterstützung der Lernenden (Erkennen von chemischen Formeln in gedruckten oder handgeschriebenen Texten, zwei- und dreidimensionale Darstellung von chemischen Verbindungen sowie Unterstützung der Lernenden beim Lesen und Zeichnen von chemischen Strukturen),

  2. die Erprobung und Untersuchung der Gelingensbedingungen für ein erfolgreiches Lernen mit Augmented Reality im Chemieunterricht und

  3. die Untersuchung der Effektivität adaptiver Unterstützung beim Erlernen von Darstellungen chemischer Verbindungen sowie ausgewählter Inhalte der organischen Chemie.

Wissenschaftlicher und gesellschaftlicher Kontext

Das Projekt OrChemSTAR führt mit Künstlicher Intelligenz (KI) und Augmented Reality (AR) zwei Forschungszweige in der naturwissenschaftlich-technischen Bildung zusammen und erschliesst damit ein neues, besonders vielversprechendes Feld der naturwissenschaftlichen Bildungsforschung.

Laufzeit
10.2023 – 02.2026
Projektstatus
Laufend
Links
Finanzierung
Publikationen
Thoms, L.-J. (2025). OrChemSTAR Dataset – TAM Survey on Web-Based SMILES-to-3D Molecular Generator for Chemistry Education [Data set]. https://doi.org/10.5281/zenodo.17127946
Purandare, M., Rothlin, T., Loch, F., Huwer, J., & Thoms, L.-J. (2025). SMARE - Structure Matching and Recognition Engine for Hand-Drawn Chemical Formulas. In A. I. Cristea, E. Walker, Y. Lu, O. C. Santos, & S. Isotani (Eds.), Artificial Intelligence in Education: 26th International Conference, AIED 2025, Palermo, Italy, July 22–26, 2025, Proceedings, Part V (1. Auflage, pp. 124–132). Springer. https://doi.org/10.1007/978-3-031-98462-4_16
Thoms, L.-J. (2025). Hand-Drawn Chemical Formulas Captured During Field Testing of the OrChemSTAR App With and Without Annotations Gained Using the Structure Matching and Recognition Engine SMARE [Data set]. https://doi.org/10.5281/zenodo.15191839
Thoms, L.-J., Furrer, F., Rhiner, M., Bullock, M., Rothlin, T., Däullary, L., Purandare, M., Loch, F., & Huwer, J. (2025). OrChemSTAR – mit AR und KI Strukturformeln zeichnen lernen. In H. van Vorst (ed.), Entdecken, lehren und forschen im Schülerlabor: Gesellschaft für Didaktik der Chemie und Physik, Jahrestagung in Bochum 2024 (Issue 45, pp. 69–72). https://gdcp-ev.de/tagungsbaende/tagungsband-2025-band-45/
Thoms, L.-J., & Huwer, J. (2025). Das Projekt OrChemSTAR: Strukturformeln durch Augmented Reality zeichnen lernen. In J. Huwer, T. Wilke, & A. Banerji (eds.), Progress in Digitalisation in Chemistry Education 2024: Digitales Lehren und Lernen an Hochschule und Schule im Fach Chemie (pp. 113–124). Waxmann. https://doi.org/10.57668/phtg-000680
Thoms, L.-J., & Rothlin, T. (2024). Hand-Drawn Chemical Formulas Used to Train the Structure Matching and Recognition Engine SMARE [Data set]. https://doi.org/10.5281/zenodo.15191704
Thoms, L.-J., Rothlin, T., Purandare, M., Loch, F., & Huwer, J. (2024). ChemStrucLearn – KI-basierte Bilderkennung zur Diagnose von Schülerfehlern beim Zeichnen von Strukturformeln. In J. Huwer, S. Becker-Genschow, C. Thyssen, L.-J. Thoms, A. Finger, L. von Kotzebue, E. Kremser, M. Meier, & T. Bruckermann (eds.), Kompetenzen für den Unterricht mit und über Künstliche Intelligenz: Perspektiven, Orientierungshilfen und Praxisbeispiele für die Lehramtsausbildung in den Naturwissenschaften (1. Auflage, pp. 66–69). Waxmann. https://doi.org/10.57668/phtg-000574