Iterativer Crowd-Innovation Ansatz zur Etablierung von Mindfulness als innovatives Lehrmodul zur Förderung der Bildung für Nachhaltige Entwicklung
Ziel des Projekts InMind B-NEw ist die Gestaltung eines innovativen Lehrmoduls unter Anwendung des Crowd-Innovation Ansatzes, um die Bildung für Nachhaltige Entwicklung durch Mindfulness in den beteiligten Hochschulen zu implementieren & somit Studierende frühzeitig zu zukunftsfähigem Denken & Handeln zu befähigen. Die Integration des Crowd-Innovation Ansatzes bei der Gestaltung von Lehrmodulen ist in dieser Form neuartig. Damit soll gezielt von der traditionellen Wissensvermittlung durch passives Lernen Abstand genommen, die Erarbeitung für Stakeholder geöffnet & Open-Innovation mit einem Community-basierten Crowdsourcing verbunden werden. So entsteht eine kollaborative Schwarmintelligenz, wodurch externes Wissen vernetzt & nutzbar für die Konzeption des innovativen Lehrmoduls gemacht wird. Dieses Vorgehen ermöglicht 1) eine inhaltliche & 2) eine methodisch/didaktische Innovation. Das mit dem Crowd-Innovation Ansatz entwickelte Lehrmodul profitiert von einer nachhaltigen Konzeption, wobei sich die Projektziele an einem SCRUM-Prozess orientieren. Diverse Stakeholder werden in den Entwicklungsprozess eingebunden sowie bestehende Ressourcen wie CANVAS & Moodle zielführend genutzt & deren Potentialmaximierung im Rahmen der Implementierung eruiert. Nicht zuletzt setzen sich Studierende durch die Integration in der Konzeptionsphase frühzeitig mit den Lehrinhalten auseinander, wodurch der Lehrerfolg sowie die Identifikation mit dem Modul gefördert wird.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Intersektionalität im Lehren und Lernen
Die Diversität der Studierenden an der TU Dortmund wirkt sich stark auf ihre Lernbedürfnisse aus. Diese können nur adressiert werden, wenn Lehrende und Lernende situierte Intersektionalität gemeinsam konzeptualisieren und diese konstruktivistisch in die Lehrpraxis (Curricula, Prüfungen und Lernumgebungen) integriert wird. Das Projekt fokussiert die Herausforderungen der Studierenden in einem Modul des Bachelorstudiengangs Wirtschaftswissenschaften an der TU Dortmund. Unter Berücksichtigung der Heterogenität der Studierenden wird beabsichtigt, ihre wissenschaftlichen Fähigkeiten und Kompetenzen zu Diversität und Inklusion intersektional auf- und auszubauen.Hierbei werden folgende Projektaktivitäten und -ziele verfolgt: a) eine Bestandsaufnahme von Intersektionalität im Lernraum, b) die Zusammenstellung von Beispielen für Herausforderungen im Zusammenhang mit Intersektionalität in unterschiedlichen Arten von Organisationen, c) die Erstellung einer digitalen Lernumgebung zur Veranschaulichung dieser Herausforderungen, d) die Implementierung von herausforderungsbasiertem Lernen im Lernraum mittels Projekt- und Gruppenarbeit sowie, e) die Neugestaltung der Prüfung zur Berücksichtigung von situierter Intersektionalität. Um die Nachhaltigkeit des Projekts zu gewährleisten, werden Maßnahmen zum Wissenstransfer innerhalb der Fakultät Wirtschaftswissenschaften sowie auf universitätsweiter und -übergreifender Ebene durchgeführt.
Projekt anzeigen
Aufbau des Digital Object Learning Centre (DOLCE)
Das Digital Object Learning Centre (DOLCE) vermittelt disziplinübergreifend digitale Kompetenzen in der Arbeit mit Sammlungen am Beispiel der zentralen Sammlungsdatenbank der Goethe-Universität. Der aus aktuell neun Modulen bestehende DOLCE-Kurs kann entweder in Form eines Readers oder in Form von Video- oder Texttutorials auf Moodle benutzt werden. Er funktioniert sowohl als Selbstlern- als auch als Blended Learning Tool. DOLCE wurde bisher in der objektbezogenen Lehre genutzt und eignet sich darüber hinaus für den Kompetenzaufbau in der digitalen Sammlungsarbeit für Universitäten und GLAM-Institutionen.
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