Architektur einer Interdisziplinären Zukunftslehre
Das Projekt Architektur einer Interdisziplinären Zukunftslehre (ARCHIPEL) an der Hochschule Neubrandenburg zielt auf eine Neugestaltung von Hochschulstrukturen und Studienangeboten ab. Im Mittelpunkt stehen flexible anwendungsbezogene Studienangebote, die auf gesellschaftliche Transformationen, neue Arbeitsmarktanforderungen, der fortschreitenden Digitalisierung sowie dem Fachkräftemangel in ländlichen Regionen reagieren (CHE, 2024; Destatis, 2024). Neben fachlichen Fähigkeiten werden interdisziplinäre Kompetenzen und Future Skills adressiert. So sollen ein Orientierungssemester für alle berufsqualifizierenden Bachelorstudiengänge implementiert und in den Masterstudiengängen inter- und transdisziplinäre Vertiefungsrichtungen angeboten werden. Die Reorganisation ist inspiriert von Erfahrungen anderer Hochschulen (Zingg, 2010) und beinhaltet die Überführung der Fachbereiche in Kompetenzfelder und flachere Hierarchien, um Agilität zu fördern und neue Zielgruppen anzusprechen. Die zehn Arbeitspakete, die diesen Prozess begleiten, beleuchten unterschiedliche Change-Management-Aspekte, welche die gesamte Hochschule in ihren Lehr- und Verwaltungseinheiten betreffen. Der Prozess zielt perspektivisch auf die Etablierung einer Matrixorganisation und fördert partizipative und co-kreative Prozesse in Bezug auf die Lehre. Die aktive Einbindung aller relevanten Stakeholder sowie die Verankerung zukunftsfähiger Angebote und Formate ist ein Grundpfeiler für die angestrebte Lehrarchitektur.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
KI für das Ingenieurstudium nutzbar machen
Wir entwickeln das KI4ING-Tool, ein auf Systemen der Künstlichen Intelligenz (KI) basierendes, digitales Unterstützungssystem für das Lernen der Technischen Mechanik (TM). Dadurch machen wir KI für das Ingenieurstudium nutzbar. KI-Systeme sind weit verbreitet und werden von Studierenden für ihr Studium intensiv eingesetzt [3,9]. In KI4ING untersuchen wir, wie KI-Systeme für das fachspezifische Lernen im Ingenieurstudium dienlich sein können. Bestehende KI-Systeme sind in der Lage, fachspezifischen Output zu generieren. Dieser ist jedoch nicht immer korrekt und erfordert von Nutzenden einen kritischen Umgang. Eine Alternative können fachspezifische Aufgabenmaterialien sein, die mit KI-Systemen verknüpft werden. Durch diese Materialien sowie Vorgaben zur Gestaltung der Antworten können Outputs von KI-Systemen fachlich korrekt und lernförderlich sein. Im Zuge des Projekts KI4ING entwickeln wir Aufgabenmaterialien für das Fach TM und identifizieren lernförderliche Gestaltungsmerkmale für den Output von fachspezifisch angepassten KI-Systemen. Diese verknüpfen wir mit bestehenden KI-Systemen und implementieren diese KI-Systeme in eine KI-basierte, digitale Lernplattform für die TM (KI4ING-Tool). Wir verfolgen im Projekt KI4ING einen Entwicklungsansatz auf Basis des Design-Based Research und binden Expert*innen aus TM, KI und Bildungsforschung sowie Studierende ingenieurwissenschaftlicher Studiengänge aktiv in den Entwicklungsprozess ein.
Projekt anzeigen
Stammtisch KI in der Lehre
Der Stammtisch KI in der Lehre versammelt Lehrende der HTW Berlin, die sich für Künstliche Intelligenz in der Hochschullehre interessieren. In lockerer Atmosphäre werden Erfahrungen, Fragen und Praxisbeispiele zu KI-Anwendungen in der Lehre ausgetauscht. Ziel ist es, Wissen zu teilen, Trends zu diskutieren und den kritischen Umgang mit KI zu fördern.
Maßnahme anzeigen
Enhancing Student-Centered Learning Environments: A Data-Driven Approach to Hybrid Lecture Room Classification and Resource Allocation
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen