Workflow für die Contenterstellung von Berufsvokabeln

Um den Workflow für die Contenterstellung der Vokabeln für die Lunes App abzubilden und mehrere Berufsbilder gleichzeitig bearbeiten zu können, nutzen wir ein Board bei OpenProject https://tasks.tuerantuer.org/projects/lunes/boards60.

Lunes Board

Jeder Beruf wird als eigener Task auf einer neuen Karte angelegt. Viele Berufe sind auch schon im „Job Backlog“ ganz links auf dem Board zu finden und können von dort auf den ersten Step „new job wordlist is created“ gezogen werden. Der Ablauf der Contenterstellung kann auf dem Board in OpenProject von links nach rechts, oder auf dem jeweiligen Beruf (Task) anhand einer Checkliste von oben nach unten nachvollzogen werden.

Die Fortschrittspalten

1. Beruf (Task) liegt auf dem Board beim Schritt „new job wordlist is created“ und beinhaltet folgende Aufgaben:

Vokabelliste wurde mit ChatGPT erstellt
Beispielsätze für die Vokabeln wurden mit ChatGPT generiert
Die Vokabelliste mit entsprechenden Beispielsätzen wurden als Tabelle exportiert (hier abgelegt)
Vokabelliste wurde inhaltlich geprüft und die Tabelle mit altem Content abgeglichen/erweitert
Für zusätzlich hinzugefügte Vokabeln wurden Beispielsätze mit ChatGPT generiert und in der Tabelle festgehalten

2. Beruf (Task) liegt auf dem Board bei Schritt „job is added to the CMS“ und beinhaltet folgende Aufgaben:

alle Vokabeln und Beispielsätze wurden im CMS eingepflegt
alle Audios für die Vokabeln und Beispielsätze wurden im CMS generiert (Prüfstatus „not confirmed“)
alle Bilder für die Vokabeln wurden im CMS mit der KI generiert (Prüfstatus „not confirmed“)

3. Beruf (Task) liegt auf dem Board bei Schritt „Job is reviewed in-house“ und beinhaltet folgende Aufgaben:

alle Vokabeln und Beispielsätze wurden im CMS intern geprüft
- alle Einheiten sind vorhanden und richtig benannt
- pro Einheit sind alle Vokabeln angelegt
- jede Vokabel hat einen Beispielsatz
- Audios aller Vokabeln und Beispielsätze sind geprüft (Prüfstatus „confirmed“); außer Audio schlecht, dann Status gelassen
- Bilder aller Vokabeln sind geprüft (Prüfstatus „confirmed“); außer die Bilder, die fachlich nicht bewertet werden können, dann Status gelassen

4. Beruf (Task) liegt auf dem Board bei Schritt „job is posted on social media“ und beinhaltet folgende Aufgabe:

Social Media Beitrag mit Aufruf zur Fachquellenprüfung wurde veröffentlicht

5. Beruf (Task) liegt auf dem Board bei Schritt „professional review of job“ und beinhaltet folgende Aufgabe:

alle Vokabeln und Beispielsätze, mit Prüfstatus „not checked“ wurden von einer externen Fachquelle geprüft und Verbesserungsvorschläge mitgeteilt

6. Beruf ist abgeschlossen und kann auf Schritt „done“ gezogen werden.

alle Verbesserungsvorschläge der externen Fachquelle wurden umgesetzt und der Beruf offiziell komplett geprüft

Task Labels

Anhand der Labels auf dem Task wird der aktuelle Stand in der jeweiligen Spalte angegeben:

Beispiel: Wir befinden uns in der Spalte „new job wordlist is created“. Die Vokabelliste für den Beruf „Bäcker:in“ ist bereits fertig erstellt (alle fünf Schritte dieser Spalte) und der Beruf kann auf dem Board einen Schritt weiter nach rechts wandern. Die Vokabelliste für den Beruf „Fachinformatiker:in“ wird gerade noch erstellt und ist noch nicht bereit für die nächste Spalte.

Checkliste für jeden Beruf (Task)

Alle Aufgaben der einzelnen Fortschrittspalten sind hier zu einer Checkliste zusammengefasst. Also sind die ersten fünf Punkte beispielsweise die Punkte der Fortschrittspalte „new job wordlist is created“. Diese komplette Checkliste wird in jeden Beruf (Task) eingefügt. So können auch Teilfortschritte innerhaln einer Spalte dokumentiert werden.

Vokabelliste wurde mit ChatGPT erstellt
Beispielsätze für die Vokabeln wurden mit ChatGPT generiert
Die Vokabelliste mit entsprechenden Beispielsätzen wurden als Tabelle exportiert (hier abgelegt)
Vokabelliste wurde inhaltlich geprüft und die Tabelle mit altem Content abgeglichen/erweitert
Für zusätzlich hinzugefügte Vokabeln wurden Beispielsätze mit ChatGPT generiert und in der Tabelle festgehalten
alle Vokabeln und Beispielsätze wurden im CMS eingepflegt
alle Audios für die Vokabeln und Beispielsätze wurden im CMS generiert (Prüfstatus „not confirmed“)
alle Bilder für die Vokabeln wurden im CMS mit der KI generiert (Prüfstatus „not confirmed“)
alle Vokabeln und Beispielsätze wurden im CMS intern geprüft
- alle Einheiten sind vorhanden und richtig benannt
- pro Einheit sind alle Vokabeln angelegt
- jede Vokabel hat einen Beispielsatz
- Audios aller Vokabeln und Beispielsätze sind geprüft (Prüfstatus „confirmed“); außer Audio schlecht, dann Status gelassen
- Bilder aller Vokabeln sind geprüft (Prüfstatus „confirmed“); außer die Bilder, die fachlich nicht bewertet werden können, dann Status gelassen
Social Media Beitrag mit Aufruf zur Fachquellenprüfung wurde veröffentlicht
alle Vokabeln und Beispielsätze, mit Prüfstatus „not checked“ wurden von einer externen Fachquelle geprüft und Verbesserungsvorschläge mitgeteilt
alle Verbesserungsvorschläge der externen Fachquelle wurden umgesetzt und der Beruf offiziell komplett geprüft

Der Worflow im Detail

1. Beruf (Task) liegt auf dem Board beim Schritt „new job wordlist is created“

 Vokabelliste wurde mit ChatGPT erstellt

Der Prompt wird bei ChatGPT auf der „Deep Research“- Funktion eingegeben.
Das xxx im Prompt wird durch die Berufsbezeichnung ersetzt (z. B. „Bäcker:in“).

Promt:

Für eine Vokabel-Lern-App, die Fachbegriffe vermittelt, bin ich auf der Suche nach Themen bzw. Sinneinheiten von Vokabeln für den Beruf xxx. Vokabeln sollen nach Tätigkeiten im Berufsalltag gegliedert sein. Zielgruppe sind Zugewanderte mit Deutsch als Fremdsprache, die Fachbegriffe mit der App lernen können, die in einem normalen Sprachkurs nicht vermittelt werden können. Stelle 15-20 Sinneinheiten mit jeweils etwa 10-15 bildlich darstellbaren Nomen zusammen, die sich auf typische Gegenstände und Tätigkeiten im Berufsalltag von xxx (alle Schwerpunkte) beziehen. Die Begriffe werden konkret oder abstrakt sein – vorausgesetzt, sie lassen sich visuell gut vermitteln – und es wird keine Dopplungen zwischen den Einheiten geben.

Die Antwort sollte schon nach Sinneinheiten sortiert sein und ungefähr so aussehen wie im Bild oben rechts. Je nachdem, wie viele Vokabeln generiert wurden, kann man ChatGPT nochmal nach weiteren Sinneinheiten und Vokabeln fragen:

Beispielsätze für die Vokabeln wurden mit ChatGPT generiert

Wenn genug Content erstellt wurde, soll für jedes Wort ein Beispielsatz generiert werden. Dafür diesen Prompt nutzen:

Für eine interaktive Übung in der Vokabel-Lern-App sollen nun die von dir gesammelten Vokabeln in Beispielsätze eingebettet werden. Jeder Fachbegriff soll einen Beispielsatz erhalten, indem diese Vokabel einmal vorkommt. Es können Aussagesätze, Fragesätze oder Aufforderungssätze sein. Der Fachbegriff soll nicht immer am Satzanfang stehen. Die Beispielsätze sollten aus dem Arbeitsalltag des vorher genannten Berufes stammen. Das Sprachniveau der Sätze soll hauptsächlich für Lernende mit Deutsch als Zweitsprache (B1) passen, aber es dürfen auch ein paar B2 Niveau Sätze sein. Sätze eher kürzer halten (5-10 Wörter). Erstelle mir nun eine Tabelle mit allen genannten Fachbegriffen nach Einheiten sortiert und füge die Beispielsätzen ein, die jeweils neben dem entsprechenden Fachbegriff stehen.

Die Vokabelliste mit entsprechenden Beispielsätzen wurden als Tabelle exportiert (hier abgelegt)

Die Liste als Excel-Datei herunterladen und im entsprechenden Nextcloud-Ordner für die Vokabellisten abspeichern: …Projects/Lunes Vokabeltrainer/L 6. Vokabelverwaltung/

Vokabelliste wurde inhaltlich geprüft und die Tabelle mit altem Content abgeglichen/erweitert

Die KI-Vokabelliste durchlesen und prüfen, ob alle Einheiten sinnvoll (relevant, gut benannt, logisch strukturiert) sind. Falls der Beruf bereits in der Lunes App vorhanden ist, sollte im CMS entsprechend gefiltert werden und der bestehende („alte“) Content mit dem KI-Content abgeglichen werden. Falls es aus dem bestehenden Content noch sinnvolle Einheiten und Vokabeln gibt, werde diese in der Tabelle ergänzt.

Die Tabelle sollte so strukturiert und formatiert sein, dass eine andere Person in der Lage ist, sie zu verstehen und die Vokabeln in das CMS einzupflegen.

Für zusätzlich hinzugefügte Vokabeln wurden Beispielsätze mit ChatGPT generiert und in der Tabelle 
festgehalten

Am Ende soll jede Vokabel in der Liste einen Beispielsatz neben sich stehen haben. Für zusätzlich ergänzten Content muss mithilfe des Prompts noch ein Beispielsatz generiert und in der Tabelle festgehalten werden.