Controlling-Analytics Challenge
Die Digitalisierung verändert die späteren beruflichen Anforderungen von Controlling-Studierenden in der Betriebswirtschaftslehre deutlich: So werden von Arbeitgebern datenanalytische Kenntnisse, Programmierfertigkeiten und statistisches Gespür gefordert; Kompetenzen, die aktives Lernen erfordern und schwer in Massenveranstaltungen vermittelbar sind. Im Projekt Controlling-Analytics Challenge soll daher die klassische Vermittlung methodischer Grundlagen um eine Wettbewerbskomponente ergänzt werden, in dem Studierende in Teams Lösungen zu controllingrelevanten datenanalytischen Fallstudien erarbeiten und einreichen. Die Jury besteht ebenfalls aus Studierenden, so dass der Peer-Review-Gedanke übertragen und Motivation wie Analysevermögen gestärkt werden; Dozierende stehen als Expertenrat zur Verfügung. Die Veranstaltung wird unterstützt durch einleitende Videosessions und begleitet durch Coaches. Neben universitären Dozierenden sollen Alumni eingebunden werden, die Case Studies aus der Praxis beisteuern und damit eine Simulation späterer Berufsaufgaben erlauben. In einer Ausbaustufe sind auch Entwicklungs-Teams aus Studierenden/Praktikern denkbar. Das Lehrprojekt verspricht (1) aktives Lernen, (2) Erwerb von Sozial- und Wertkompetenzen durch Arbeit im Team, (3) Aufbau von Handlungskompetenz, (4) Vertiefung des Controllingverständnisses, (5) Anwendungsexpertise in Datenanalyse und (6) Vorbereitung auf berufsrelevante Fertigkeiten.
Auf einen Blick
Kontakt
Fallstudienkurs Controlling Analytics Challenge
Studierende werden in die Programmiersprache R eingeführt und lernen anhand von Lernvideos und praktischen Übungen in einer Cloud-Umgebung Grundlagen und vertiefende Inhalte von Data Analytics mit Controlling-Bezug, etwa zur Regression oder Klassifikation. Die selbstständige Bearbeitung praxisnaher Fallstudien wird durch Online-Coachings begleitet. Ein entweder studentisches oder KI-gestütztes Peer Review ermöglicht den Studierenden eine Qualitätsverbesserung und simuliert zugleich den Begutachtungsprozess wissenschaftlicher Veröffentlichungen. Abschließend erstellen die Studierenden Präsentationen zu ihren Fallstudien und reichen diese als Video ein. Eine Jury aus Kursbetreuern und Unternehmensvertretern als Kooperationspartner wählen daraus die drei besten Teams aus, die in einer Abschlussveranstaltung in einem Wettbewerbsformat ihre Lösungen vorstellen und verteidigen. Die Jury zeichnet daraus unter Einbezug eines Studierenden-Votings die überzeugendste Lösung mit einem Preis aus.
Maßnahme anzeigen
Fallstudienkurs Controlling Analytics Challenge
Studierende werden in die Programmiersprache R eingeführt und lernen anhand von Lernvideos und praktischen Übungen in einer Cloud-Umgebung Grundlagen und vertiefende Inhalte von Data Analytics mit Controlling-Bezug, etwa zur Regression oder Klassifikation. Die selbstständige Bearbeitung praxisnaher Fallstudien wird durch Online-Coachings begleitet. Ein entweder studentisches oder KI-gestütztes Peer Review ermöglicht den Studierenden eine Qualitätsverbesserung und simuliert zugleich den Begutachtungsprozess wissenschaftlicher Veröffentlichungen. Abschließend erstellen die Studierenden Präsentationen zu ihren Fallstudien und reichen diese als Video ein. Eine Jury aus Kursbetreuern und Unternehmensvertretern als Kooperationspartner wählen daraus die drei besten Teams aus, die in einer Abschlussveranstaltung in einem Wettbewerbsformat ihre Lösungen vorstellen und verteidigen. Die Jury zeichnet daraus unter Einbezug eines Studierenden-Votings die überzeugendste Lösung mit einem Preis aus.
Maßnahme anzeigenDas könnte Sie auch interessieren
Innovative Zusammenarbeit und Selbstlernkompetenzen durch Working Out Loud fördern
Das Projekt erschließt Working Out Loud-Prozesse (WOL) für fächerübergreifende Hochschullehre, die gekennzeichnet sind durch selbstgesteuerte Lernorganisation, selbsttätige Entwicklung und Bearbeitung eines lehrveranstaltungsbezogenen Themas (Definition eigener Lernziele), Unterstützung des Lernprozesses durch einen Guide mit Übungen, (Video-)Lernmaterialien sowie den Austausch in einer Peer-Group (sog. WOL-Circle). Es handelt sich um einen strukturierten netzwerkbasierten Selbstlernprozess. Lehrveranstaltungen sind häufig noch stark strukturiert und bieten nur begrenzten Freiraum für selbsttätiges kollaboratives Lernen. Vor diesem Hintergrund beabsichtigt dieses Projekt, Lehrveranstaltungen konzeptionell neu zu denken und den Fokus auf Selbstlernprozesse und vernetztes Lernen auszurichten, indem eine fächerübergreifende Seminarform (Sozial-/Organisationspädagogik und Wirtschaftsinformatik) als Working Out Loud-Prozess etabliert wird. Das Projekt trägt selbst zur Innovation der WOL-Methode bei, indem didaktisch motiviert eine Integration mit dem Portfolio-Ansatz verfolgt wird. Das in den Projektgruppen gepflegte Portfolio ist geeignet, den gelebten Wissenstransfer im Projekt explizit sichtbar zu machen. Studierende dokumentieren in einem Portfolio ihre Lernreise als Gruppe (WOL-Circle) und reflektieren so die Prozesse der Kollaboration und Vernetzung inmitten ihrer Lebenswelt. Damit wird der Kompetenzerwerb auch für Dritte nachvollziehbar.
Projekt anzeigenEntwicklung des Stud.IP-Plugins „coLearn!“
Das Lernen in Kleingruppen bietet hervorragende Möglichkeiten zur Förderung studentischen Lernens. coLearn!, ein Stud.IP-Plugin, das an der Universität Augsburg entwickelt wurde, unterstützt Lehrpersonen darin, Kleingruppenarbeit strukturiert zu planen und in ihren Vorlesungen, Seminaren oder Übungen umzusetzen. coLearn! bietet Lehrenden – basierend auf Erkenntnissen der empirischen Lehr-Lernforschung - die folgenden Möglichkeiten: (a) Erstellen von Aufgaben, die von Studierenden gelöst werden sollen, (b) Bildung von Kleingruppen zur Bearbeitung von Aufgaben, (c) didaktische Strukturierung der Kleingruppenkooperation durch Vergabe von Rollen, Phasen und je spezifischen Anweisungen, (d) vielfältige Möglichkeiten zur Überwachung des Kooperationsprozesses für die Lehrperson.
Maßnahme anzeigen
GenAI-Chatbots as Debriefers: Investigating the Role Conformity and Learner Interaction in Counseling Training
Debriefing is essential for the effectiveness of simulation-based training but is generally considered resource-intensive. Generative Artificial Intelligence (GenAI)-based debriefing can be an alternative to human debriefers. However, there is no research yet whether GenAI chatbots can take up this role and how learners react to them. This paper presents a qualitative analysis of a debriefing following a counseling training conducted in Virtual Reality (VR) with the support of a GenAI chatbot. The debriefing helped students to analyze their experiences and application of consulting techniques. The analysis of the chatlogs (n = 22) are focused on the role conformity of the bot and the students’ ability to reflect their behavior within VR. The results revealed the chatbot’s strong role conformity but also its tendency for overly complimentary answers. However, this bias does not seem to influence students’ self-reflection. Instead, they maintained a self-critical attitude. Future research on AI-assisted debriefing could expand on these findings in related areas.
Publikation anzeigen