Kioskinhalte entdecken
KInternationalisierung von Studiengängen
Übergeordnetes Ziel des Projektes Kinternationalisierung von Studiengängen der Technischen Hochschule Lübeck (TH Lübeck) ist die Entwicklung eines Konzeptes, das bestehende deutschsprachige Studiengänge für internationale Studierende studierbar macht, um sie als Fachkräfte für den deutschen Arbeitsmarkt zu qualifizieren. Zielgruppe sind junge Menschen, die für ein Studium nach Lübeck kommen, über Deutschkenntnisse auf B1-Niveau verfügen, aber nicht auf ein Studium in Deutschland vorbereitet sind. Ein Portfolio KI-unterstützter Maßnahmen für die Lehre soll anhand eines Pilotprojektes entwickelt, getestet und evaluiert werden. Dazu gehören unter anderem die KI-gestützte Untertitelung von deutschen Vorlesungen auf Englisch, die Einbettung von Sprachqualifizierung in den Studiengang basierend auf technischem Material (z.B. KI erstellt aus Vorlesungsfolien, Videos, Transskripten, Übersetzungen, Wortschatz- und Grammatik-Übungen etc.), sowie der Einsatz digitaler und KI-gestützter Coaching-Angebote, die den auf den Studienerfolg ausgerichtet sind.
Projekt anzeigen
Innovative Lehrkonzepte: Bamberger Best Practices
In der Vortragsreihe Bamberger Best Practices in der Lehre stellen Dozierende der Otto-Friedrich-Universität Bamberg erfolgreich erprobte, innovative Lehrformen und -werkzeuge vor. Im Anschluss an eine Inputphase wird moderiert durch eine Hochschuldidaktikerin Raum für Austausch geschaffen. Pro Semester werden 4-5 Konzepte in einem einstündigen Format vorgestellt und im Nachgang mit den Teilnehmenden diskutiert. Ziel ist es, den fakultäts- und uniübergreifenden Diskurs zum Thema guter Lehre anzuregen und durch inhaltliche Impulse Dozierende bei der Weiterentwicklung ihrer Lehre zu unterstützen.
Maßnahme anzeigen
Open-Source Intelligent Tutoring System for Programming Exercises in Engineering Education
Implementing control and machine learning algorithms in MATLAB and Simulink is a critical competency in advanced control engineering. While immediate feedback is essential for fostering intuitive understanding, it is traditionally constrained to scheduled exercise sessions or consultation hours. To bridge this gap, this project introduces an open-source intelligent tutoring platform that provides continuous, on-demand feedback. To accommodate diverse solution strategies, the platform employs a hybrid evaluation strategy combining result-based and code-based metrics. This ensures that valid alternative solutions that differ from predefined sample solutions are not misclassified. In case of incorrect solutions, a Large Language Model, contextualized with sample solutions and task classification results, offers auxiliary support for students struggling to initiate or complete tasks. Instructional scaffolding is adaptively adjusted to guide students toward independent problem-solving. We position this platform as a supplementary tool designed to enhance, rather than replace, valuable interactions between students and human tutors. Built on open-source tools, the system is architected for reusability, enabling lecturers across engineering subjects to adapt the framework to their teaching needs easily.
Publikation anzeigen