Wissenschaftliche Argumentationsgänge visualisieren
Viele Germanistikstudierende zeigen in ihren wissenschaftlichen Haus-, Bachelor- und Masterarbeiten, dass ihnen a) die vergleichende Rezeption wissenschaftlicher Texte und b) die Erarbeitung eines eigenen Argumentationsganges schwerfällt. Im Vergleich zu schulisch vermittelten Lesestrategien kommen im Studium neben der komplexen Wissenschaftssprache mit dem Erkennen komplexer Bezüge, dem kritischen Hinterfragen von Aussagen und der Entwicklung eines stringenten eigenen Argumentationsganges (meta-)kognitive Anforderungen höheren Grades hinzu, die mit dem exzerpierenden Verfahren der linear-kleinteiligen Reformulierung allein offensichtlich nicht ausreichend zu bewältigen sind. Im Projekt wird ein E-learning-Modul zur Vermittlung von Visualisierungskompetenz entwickelt, das Rezeptions- und Produktionsprozesse wissenschaftlicher Texte unterstützt.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Easy Tutor - KI-gestütztes intelligentes Tutorensystem zur einfachen Erstellung und automatischen Korrektur komplexer E-Learning-Aufgaben
Sogenannte intelligente Tutorensystem (ITS) erlauben, komplexere Aufgaben automatisiert zu korrigieren und zu bewerten. Diese vergleichen die Abgaben der Studierenden häufig mit einem Pool an Musterlösungen der Dozierenden oder basieren auf sehr vielen Regeln. Somit ist das Feedback an die Studierenden entweder eingeschränkt oder die Erstellung ist für die Dozierenden zu zeitaufwändig. Ziel des Projektes Easy Tutor KI-gestütztes intelligentes Tutorensystem zur einfachen Erstellung und automatischen Korrektur komplexer E-Learning-Aufgaben ist es, dass Studierende hilfreiches Feedback erhalten, ohne dass Dozierende einen erhöhten Aufwand haben. Erstellt wird ein selbstlernendes System, das mit der Zeit von allein immer besser darin wird, Studierenden intelligentes Feedback zu deren Lösungen zu geben an-statt lediglich auf vorgefertigtes Feedback zurückzugreifen. Darüber hinaus wird die Aufgabenerstellung für die Dozierenden vereinfacht. Mithilfe von neuen Data-Mining-Methoden und künstlicher Intelligenz werden vorliegende Studierenden-Lösungen analysiert. So soll zukünftig möglich sein, dass das System automatisch Hilfestellungen an Studierende geben kann. Zum Beispiel können richtige Studierendenabgaben, welche nicht der Musterlösung der Dozierenden entsprechen, genutzt werden, um das System selbstständig und ohne Eingriffe der Dozierenden dazulernen zu lassen.
Projekt anzeigen
Die App StudiSQ als Lehr- und Lernwerkzeug
Gamification-Strategien können die Lernmotivation nachhaltig steigern. Um diesen positiven Effekt zu nutzen und unter Beachtung datenschutzrelevanter Aspekte in den Hochschulalltag zu integrieren, ist im Rahmen des sachsenweiten Verbundprojektes „Digitalisierung der Hochschulbildung in Sachsen (D2C2)“ die App StudiSQ entstanden, die diesen Ansatz nutzt, indem die App Lehrinhalte als Quiz vermittelt und Gamification-Elemente wie Ranglisten und Abzeichen zur Förderung der Motivation einsetzt. Entwickelt wurde die App durch Studierende im Rahmen des Masterstudiengangs „Medieninformatik und Interaktives Entertainment“ an der Hochschule Mittweida in Zusammenarbeit mit Lehrenden. Im Unterschied zu vergleichbaren auf dem Markt existierenden Apps können die Lehrenden und Studierenden beim Einsatz von StudiSQ sicher gehen, dass keine Daten aus dem Hochschulkontext nach außen gelangen.
Maßnahme anzeigen
FeeDi: Typunabhängiges Diagramm-Assessment durch deklarative Diagrammspezifikation
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen