Innovationsplattform Zukunftsrelevante Kompetenzen
Die Fähigkeit, Kompetenzen zu identifizieren und zu vermitteln, die unsere heutige und künftige, sich rasch verändernde Berufs- und Lebenswelt erfordern, entscheidet wesentlich über Attraktivität und Wert universitärer Bildung. Lehrenden stehen aber nach wie vor zu wenig Ressourcen zur Verfügung, um diesen gesteigerten Anforderungen an ihre Lehre zu begegnen. Unser Antrag zielt daher darauf, an der Universität zu Köln, zukunftsrelevante Kompetenzen zu identifizieren und analysieren, sie durch forschungsnahes Lehren und Lernen für Bildungskontexte zu erschließen und sie mit Learning Experience Design in kompetenzorientierte Lehr-Lernangebote umzusetzen. Dieser Prozess wird wissenschaftlich geleitet und begleitet. Gleichzeitig soll die vorhandene, bereichsübergreifende Expertise der Universität zu Köln mobilisiert werden, um das bestehende Innovations- und Erneuerungspotenzial in der Lehre freizusetzen und nachhaltig zu verankern. Hierfür gründen wir InZuKo - die Innovationsplattform für Zukunftsrelevante Kompetenzen. Im Zentrum der Plattform-Aktivitäten stehen zeitlich begrenzte Fokusthemenprogramme, in denen systematisch und strukturiert neue thematische Kompetenzfelder erschlossen und als Grundlage für innovative Lernformate genutzt werden. Die daraus gewonnenen Impulse, Ansätze und Umsetzungen fließen in Unterstützungsangebote für Lehrende ein. Die Ergebnisse der Plattformarbeit werden offen zugänglich einer breiten Zielgruppe zur Verfügung gestellt.
Auf einen Blick
Ausführliche Beschreibung
Kontakt
Das könnte Sie auch interessieren
Immersive Medical Practice and Competency Training
Das Projekt Immersive Medical Practice and Competency Training (IMPACT)entwickelt ein neuartiges Lernformat, das Mixed Reality, Peer Teaching und adaptives Training kombiniert, um medizinische Handlungskompetenz praxisnah und strukturiert zu fördern.;Ziel ist die Integration digitaler Lerninhalte mit real-haptischer Interaktion an einem physisch erweiterten Thoraxtrainer. Am Beispiel der Thoraxdrainage wird demonstriert, wie Studierende in einem immersiven, realitätsnahen Setting selbstständig und sicher invasive Notfalltechniken trainieren können. Das didaktische Konzept folgt einem dreistufigen Lernpfad (angeleitet selbstständig Quizmodus) und verbindet Peer-Feedback mit automatisiertem, sensorbasiertem Rückmeldeverfahren. Studierende lernen in klinisch authentischen Szenarien, erhalten direktes Feedback zu manuellen Fertigkeiten, Entscheidungswegen und Kommunikation und bauen auf diese Weise Handlungssicherheit, Clinical Reasoning und Teamfähigkeit gezielt aus.Der zentrale Mehrwert liegt in der Möglichkeit, komplexe Fertigkeiten risikofrei, standardisiert und wiederholbar einzuüben unabhängig von klinischen Ressourcen. Gleichzeitig entlastet die digitale Vorverlagerung der Grundlagen das medizinische Fachpersonal und erhöht die Effizienz der Lehre. IMPACT stärkt so die Qualität und Zukunftsfähigkeit der medizinischen Ausbildung durch digitale Innovation und nachhaltige Kompetenzorientierung.
Projekt anzeigen
Entwicklung des Stud.IP-Plugins „getFeedback!“
Insbesondere in Großveranstaltungen ist es häufig schwierig, allen Studierenden prozessbezogenes Feedback auf ihre Lernprodukte (z.B. Aufgabenblätter) zu geben. Eine potenzielle Lösung liegt darin, tutorielles und/oder peer-basiertes Feedback umzusetzen. Wie die empirische Lehr-Lernforschung zeigt, muss dieser Feedbackprozess jedoch gut angeleitet werden, um erfolgreich zu sein. Wir haben daher das Stud.IP-Plugin „getFeedback!“ entwickelt, das es Lehrenden erlaubt, strukturierte tutorielle und/oder peer-basierte Lehr-Lernszenarien für ihre Lehrveranstaltungen zu entwickeln und diese entweder synchron oder asynchron (in jedem Fall aber anonymisiert) umzusetzen.
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