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.
Kategorien
Beschreibung
Herausforderung
Die auf dem Arbeitsmarkt geforderten Fertigkeiten haben sich drastisch gewandelt und erfordern zunehmend Kenntnisse in der selbstständigen, IT- bzw. KI-gestützten Datenanalyse und deren Anwendung zur Managementunterstützung. Der Aufbau dieser Fertigkeiten und eines tieferen Analyseverständnisses erfordert handlungsorientierte Lehrkonzepte, die den Schritt vom Kennen fachlicher Methoden und Lösungswege zum Umsetzungs-Können unterstützen und auf berufliches Handeln kompetenzorientiert vorbereiten.
Herangehensweise
Praxisnahe Fallstudien ermöglichen die direkte Anwendung der Lehrveranstaltungsinhalte mit Dekontextualisierung.
Modulare Lernvideos auf einer interaktiven Lernplattform vermitteln Statistik- und Programmierkenntnisse – Studierende lernen im eigenen Tempo.
LLMs können bei der Datenanalyse unterstützen. Das ursprünglich studentische Peer-Review-Element wurde zum KI-Review adaptiert, um gleichzeitig den kritischen Umgang mit KI zu vermitteln.
Während der Blended-Learning-Phase und der Fallstudienbearbeitung wurde subsidiäres Coaching angeboten, um Überforderung und Fehlprozesse zu vermeiden.
Studentische Video-Fallstudienpräsentationen wurden von einer Jury bewertet. Die besten Präsentationen nahmen am Fallstudienwettbewerb mit Studierenden-Voting teil: Stärken und Schwächen der Lösungen werden so im Plenum diskutiert und gleichzeitig herausragende Beispiele verdeutlicht.
Der Master-Prototyp-Kurs wurde komplexitätsreduziert für Bachelor-Studiengänge adaptiert und implementiert.
Zusammenhang
Das Projekt fokussierte zunächst auf den Master-Bereich und wurde nach einer komplexitätsreduzierenden Anpassung der Fallstudien und der Didaktik auch für Bachelor-Studiengänge umgesetzt.
Die Einschätzungen von Praxisvertretern und Studierenden wurden zur Anpassung auf Bachelorniveau genutzt. Eine detaillierte Befragung der Bachelor-Studierenden rundete die Erprobung der Maßnahme ab.
Voraussetzung
Technische Voraussetzungen
- Zugang zu einer Online-Plattform zur Bereitstellung einer einheitlichen Programmierumgebung für alle Studierenden
- Studierende verfügen über eigene Notebooks
Didaktische Voraussetzungen
- Entwicklung von Lernvideos zu Umsetzung der Blended-Learning-Inhalte
- Entwicklung anforderungsgerechter, praxisnaher und zugleich methodisch generalisierender Fallstudien
- Subsidiäre Coachings zur Unterstützung bei Problemen
Organisatorische Voraussetzung
- Integration des Angebots in das Curriculum einiger Studiengänge
- Personelle Unterstützung durch Assistenten
Eignung
Der Kurs wurde zweiteilig, pseudoanonymisiert evaluiert, um Veränderungen in den Einstellungen zu erfassen. Z. B.: Die flexible Vertiefungsmöglichkeit durch digitale Lernmaterialien wurde mit einer hohen Zustimmung (6,24 von 7 Punkten) bewertet, und die Kombination von Theorie und praktischen Aufgaben wurde als essenziell (6,18) für den Lernerfolg gewertet. Im Vergleich zur geringen Ausgangserfahrung mit R (2,89), fühlten sich die Studierenden nach dem Kurs sicher im Umgang mit R (5,65) und fähig zur selbstständigen Analyse mit R (5,88) bei hoher weiterer Anwendungsmotivation (6,0). Der Kompetenzerwerb wurde als sehr hoch eingeschätzt (6,24). Im Fragebogenfreifeld wurde insb. die hohe Praxisrelevanz sowie die gebotene Flexibilität und die Unterstützung bei der Aneignung der Kursinhalte hervorgehoben.
Das Feedback der Unternehmensvertreter war sehr positiv, ihre Mitwirkung sowie die Preisauslobung unterstreichen die Notwendigkeit eines entsprechenden Angebots.
Vorgehen/Schritte
- Keinesfalls auf Online-Lehre alleine vertrauen, die Lehrveranstaltung muss in Präsenz starten, damit für die späteren Coachings ein persönlicher Kontakt besteht.
- Entwicklung spezifischer Fallstudien in Abhängigkeit des thematischen Schwerpunkts (hier: Controlling)
- Lehrveranstaltung nicht zu stark zeitlich komprimieren, die Fallstudienbearbeitung durch die Studierenden erfordert Zeit.
- Bearbeitung der Fallstudien in abgeschlossen Teileinheiten, Abwechslung von Theorieinput und Fallstudienbearbeitung.
- Videopräsentationen der Studierenden hat sich (auch aus deren Sicht) als besonders wertvoll erwiesen: die Ergebnisse können besser analysiert und verglichen werden, die Studierenden können sich gut auf ihre End-Präsentation vorbereiten.
Hinweise
Effekte
Erwartete Effekte
- rascher Kompetenzaufbau in der Datenanalyse und in der Programmierung mit R im Speziellen
- Wahrnehmung und Wertschätzung der Praxisrelevanz durch die Studierenden
- Positive Resonanz von Praxisvertretern auf den Fallstudienwettbewerb
Unerwartete Effekte
- Rasche Entwicklung der KI; diese konnte jedoch in Form eines KI-Reviews anstelle eines studentischen Peer Reviews durch eine zeitliche Entlastung der Studierenden nutzbringend eingesetzt werden.
- Studierende haben teilweise Methoden, die über den Lehrstoff des Kurses hinausgehen, zur Lösung der Fallstudien eingesetzt.
Learnings
- Die Modularisierung der Fallstudien in kleinere Teile erleichterte die Bearbeitung für die Studierenden deutlich.
- Gerade für Grundlagen in Programmierung und Statistik ist Blended Learning hervorragend geeignet – Studierende können sich Inhalte in ihrem eigenen Tempo aneignen. In einer Präsenz-lehrveranstaltung würde man sich hier nur gegenseitig aufhalten.
- Praxisfallstudien erhöhen die Relevanz der Lehrveranstaltung aus Sicht der Studierenden deutlich
Empfehlung
Für den wirtschaftswissenschaftlichen Bereich ist die Anwendung von R zu empfehlen. Bei der Anwendung in technischen Studiengängen könnte eine Umsetzung des Konzepts mit Python sinnvoll sein.
Die Entwicklungen der künstlichen Intelligenz sollten bei zukünftigen Anwendungen mitberücksichtigt werden.
Tipps
- Da die Lehrinhalte stark von Entwicklungsstand der Software abhängen, sollten Lehrmodule möglichst in sich abgeschlossene, kleine Einheiten sein, damit spätere Anpassungen ohne Komplettüberarbeitung des ganzen Kurses auch auf kleineren Einheiten möglich sind.
- Die zahlreichen und didaktisch vielfältigen Lehrmethoden (Online, Präsenz, Coaching, Fallstudienbearbeitung, Wettbewerb, KI-Review) erfordern eine detaillierte organisatorische Vorberei-tung und Planung, verbunden mit einer guten Kommunikation mit den Studierenden.
Methoden
Empfohlen
Kontakt
Das könnte Sie auch interessieren
Errichtung eines Problem-basierten-Lern-Labors für innovative Ingenieursausbildung in der Elektrotechnik
Die Umgestaltung des Energietechniklabors nach dem Problem-Based-Learning (PBL) Konzept wird den Erwerb sowie die Vertiefung von Wissen und Arbeitsweisen für die Lösung komplexer Probleme mit vielen Einflussfaktoren ermöglichen. Diese sind im Ingenieurbereich häufig anzutreffen und für die aktuellen großen Herausforderungen unserer Gesellschaft nötig sind. Die Studierenden sollen hier nicht lediglich ein vorgegebenes Versuchsprogramm nach fester Anleitung abarbeiten, sondern mit einem komplexen praxisnahen Problem konfrontiert werden und selbst geeignete Konzepte entwerfen müssen. Diese sollen zu eigenen Teilversuchen führen, um das Gesamtproblem zu lösen. Für die Lösung der einzelnen Teile sollen Videos, schriftliche Unterlagen und/oder Simulationsmodelle zur Verfügung gestellt werden. In dem Projekt sollen alle benötigten Materialen (Dokumente, Videos, technisches Equipment usw.) konzipiert und realisiert werden. Die Problemstellungen sollen dabei komplexe Herausforderungen (regenerative Energieerzeugung, Transportkonzepte, etc.) behandeln und als Werkzeuge alle klassischen und neueren Techniken und Kompetenzen der Energietechnik nutzen (Maschinen, Transformatoren, Leistungselektronik, Photovoltaik, E-Mobilität, etc.). Für die Neukonzeption des Energietechniklabors sollen Studierende mit Ihren Erfahrungen und Erwartungen miteinbezogen werden. Im Rahmen des Projekts soll die Konzeptentwicklung und -evaluation erfolgen und erste Erkenntnisse publiziert werden.
Projekt anzeigen
Transferkarten als ein Instrument zur Verankerung
Die Maßnahme „Transferkarten“ diente der systematischen Verankerung und Verstetigung digitaler Innovationen sowie der hochschulweiten Vernetzung von Lehrenden. Ziel war es, die im Projektverlauf entwickelten oder identifizierten digitalen Tools, didaktischen Konzepte und Lehr-Lernszenarien in ein prägnantes, leicht zugängliches Format zu überführen. In Kooperation mit dem Referat Lehre und Weiterbildung wurden didaktische Kriterien erarbeitet, die eine einfache, zielgerichtete und transparente Darstellung dieser Inhalte ermöglichen. Die Transferkarten machen digitale Lehr-Lernszenarien und Tools sichtbar, indem sie deren didaktische Zielsetzungen, Einsatzszenarien, Rahmenbedingungen, weiterführende Materialien und Links sowie zentrale Hinweise und Kontaktinformationen der beteiligten Lehrenden bündeln. Um die Transferkarten als dauerhaftes Instrument an der Hochschule zu etablieren und die im D³-Projekt entstandenen Inhalte langfristig nutzbar zu machen, wurden weitere Lehrende aktiv e
Maßnahme anzeigen
E-Assessment-Aufgaben mit PyRope und Onyx erstellen – ein Use-Case
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen