Innovation durch Kollaboration Lehren und Lernen in einer vernetzten Community
Baden-Württemberg, mit der Region Heilbronn-Franken, zählt zu den innovativsten Wirtschaftsregionen des Landes. Die Hochschule Heilbronn, als zentraler Wissensvermittler, hat sich zum Ziel gesetzt, die Innovations- und Gründungskultur aktiv zu fördern. Mit InduKo stärken wir die interdisziplinäre, fakultäts- und standortübergreifende Zusammenarbeit mit innovativen digitalen Werkzeugen sowie mit modernen, digital unterstützenden Ansätzen der Motivationsförderung und schaffen auf diese Weise Innovation durch Kollaboration. Dazu arbeiten wir aktiv mit Studierenden bei der Entwicklung zusammen. Nach erfolgreicher Beendigung von InduKo stehen folgende Kernelemente zur Verfügung: im Einsatz erprobte, übertragbare Konzepte für die digitale Lehre mit einem Fokus auf Innovation und Kollaboration sowie ein integratives Blended-Learning Studiengangskonzept für den Master Entrepreneurship, eine standortübergreifende Open Source Community-Plattform zum Austausch und für die Weiterentwicklung von innovativen Ideen, ein sicherer Open Source Messenger für den Hochschulbetrieb. Alle Projektbestandteile greifen ineinander, können aber auch einzeln und hochschulübergreifend eingesetzt werden.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Remote Lab Challenge mit Studierenden
Das Projekt Remote Lab Challenge mit Studierenden (ReLaCS) entwickelt ein innovatives Lehrkonzept, das Challenge-Based Learning mit der partizipativen Konzeption von Remote Labs verbindet. Ziel ist es, Studierende zu befähigen, ihre eigenen Lernprozesse aktiv mitzugestalten und den Erwerb von Fachkompetenzen als eigenverantwortliche und nachhaltige Lernerfahrung zu fördern.Zentrales Element sind zwei aufeinander aufbauende internationale Challenge-Formate, bei denen Studierende in interdisziplinären Teams technische Laborversuche für eine passende Remote Lab-Infrastruktur entwickeln. Spezielle Reflexionsformate und Peer-Feedback-Mechanismen unterstützen dabei den eigenverantwortlichen Lernprozess in der Projektarbeitsphase. Eine begleitende wissenschaftliche Evaluation untersucht die Wirkung des Challenge-Based Learning Formats auf Kompetenzerwerb, Motivation und langfristigen Lernerfolg der Studierenden.Das Projekt bindet Studierende konsequent in alle Phasen ein von der Konzeption über die Durchführung bis hin zur nachhaltigen Implementierung. Ein offener digitaler Wissenshub bündelt Erfahrungen, Best Practices und Schulungsmaterialien und fördert so den fachübergreifenden Austausch sowie den Transfer in Wissenschaft und Gesellschaft.ReLaCS schafft damit eine agile und praxisnahe Lernumgebung, die digitale Innovation mit Transformativem Lernen verbindet, internationale Hochschul-Kooperationen stärkt und barrierearmen Zugang zu experimenteller Lehre ermöglicht.
Projekt anzeigen
Umstrukturierung der Software-Architektur
"Durch die Umstrukturierung der Software-Architektur und den Wechsel der Programmiersprache von Matlab® auf den Open-Source-Code Python konnte eine Verringerung des Programmieraufwandes sowie eine Verbesserung der grafischen Oberfläche und der Bedienbarkeit erzielt werden."
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