Postdigital Interpretation
Obwohl wir uns im postdigitalen Zeitalter befinden, in dem Digitalität unseren Alltag durchdrungen hat, sind für viele Musiker*innen im Bereich klassischer Konzerte cross-mediale Gestaltungsmittel in Kompositionen oder bei der Inszenierung von Konzerten noch ungewohnt, während aktuelle Komponist*innen bereits ganz selbstverständlich digitale Medien einsetzen. Bei der Vorbereitung und Durchführung von Proben und Konzerten kommen dadurch problematische Situationen auf, die durch sensible Vermittlung im Proben-Verlauf vermieden werden können. Künstlerische, proben- und aufführungsspezifische Herausforderungen im Umgang mit musikalischer Transdigitalität und Immersive Audio sollen im Projekt PODI für die Lehre analysiert und erörtert werden. Darauf basierend soll über den Zeitraum von 4 Semestern ein Leitfaden erarbeitet und dokumentiert werden, der Studierende und Lehrende, aber auch kulturelle Institutionen auf eine optimale Probenarbeit in diesem Kontext vorbereitet. Dadurch trägt PODI wesentlich und nachhaltig zur Professionalisierung Studierender aus den angesprochenen Bereichen bei. Über begleitende Vorträge von und Interviews mit spezialisierten Musiker*innen, Komponist*innen und Techniker*innen sowie über die Beobachtung aller Segmente der Vorbereitung von Konzert-Events mit verschiedenen cross-medialen Schwerpunkten werden die notwendigen Inhalte gewonnen und medial aufbereitet für die weitere Nutzung nach dem Abschluss des Projekts.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Interaktive Theorembeweiser im Mathematikstudium
Interaktive Theorembeweiser (ITB) sind innovative digitale Tools, die zum Beweisen von mathematischen Sätzen dienen und die sich aktuell in der Forschung als herausragendes digitales Werkzeug entwickeln. ITBs können auch gewinnbringend in der Hochschullehre verwendet werden, da sie Studierenden interaktives Feedback zu ihren Beweisen geben und weitere Stützen in Form von Übersichten und Hinweisen bieten. ITBs sind schon am Studienanfang zugänglich und haben dadurch auch das Potenzial, Probleme mit dem mathematischen Formalismus und dem Beweisen beim Übergang Schule-Hochschule abzumildern. Um Studierende in ITBs einzuführen, wollen wir in zwei Zyklen Lernumgebungen zu ITBs entwickeln und in der Regellehre erproben. Im ersten Zyklus soll die Lernumgebung die Vorlesung und den Übungsbetrieb der Mathematik-Erstsemestervorlesung Linearen Algebra 1 begleiten, im zweiten ein Masterseminar. Dazu wird Material in Form einer digitalen, online verfügbaren Lernumgebung entwickelt. Diese besteht sowohl aus Aufgaben, in denen man konkret mit dem ITB Lean arbeitet, als auch aus Anleitungen, Erklärungen, Videos, Hinweisen und schriftlichen Begleitaufgaben.
Projekt anzeigen
Förderung fachspezifischen Problemlösens (Physik)
Fast die Hälfte der Studierenden bricht das Physikstudium im Laufe der ersten vier Semester ab. Einer der Gründe ist die hohe Komplexität und Abstraktheit der Inhalte. Mit den Maßnahmen können die Studierenden das benötigte Fachwissen abhängig vom Vorwissen erlernen und so erfolgreicher Studieren. Die Materialien führen sie strukturiert durch den Erwerb fachspezifischer Problemlösefähigkeiten.
Maßnahme anzeigen
Too Positive to Be True? Sentiment Analysis of AI-Guided vs. Human-Led Debriefings in Virtual Reality Counseling Training
Debriefings are a crucial component of simulation-based learning, as they allow participants to critically reflect on their performance and translate experiences into knowledge. With the rise of artificial intelligence (AI), large language models (LLMs) are increasingly being explored as conversational agents in debriefings. However, concerns have been raised that AI debriefers may display sycophantic tendencies, characterized by overly positive sentiment and a lack of critical feedback. Such tendencies could affect learners' self-evaluations. In this study, 45 university students participated in a virtual reality (VR) counseling simulation, followed by either an AI-guided or a human-led debriefing. Sentiment analysis of 958 debriefing statements (350 AI, 608 human) was conducted using a German sentiment classification model. Results show that AI debriefers expressed significantly more positive sentiment and substantially fewer negative statements compared to human debriefers, corroborating the assumption of a sycophancy effect. However, sentiment was not found to predict self-rated counseling competence or self-efficacy. While AI debriefers provide consistent encouragement, their lack of critical feedback raises questions about their long-term effectiveness for professional skill development. Future research should explore hybrid approaches that combine AI scalability with human expertise in constructive reflection.
Publikation anzeigen