TPACK learning paths of pre-service teachers
Pre-service teachers (PST) need subject-specific, didactic and pedagogical knowledge for their future teaching practice, commonly described within the TPACK framework. The ‘Digital Competence Framework for Educators’ (DigCompEdu) emphasizes the importance of technical and digital skills for teachers in general. One way to address relevant knowledge facets for PST is through game development-based learning, which includes designing digital escape games. Yet, questions remain about which knowledge facets PST activate when designing a digital mathematical escape game (DIMEG) and how this develops throughout the design process. In this study, one group of primary school PST designs a DIMEG within a seminar. Each seminar session was videotaped, transcribed and coded towards TPACK knowledge facets. Findings from this study show that all knowledge facets were activated, except TCK, suggesting that DIMEG is a promising approach for teacher education.
Auf einen Blick
Das könnte Sie auch interessieren
Module zur Arzt-Patienten-Kommunikation
Das Projekt zielt darauf ab, die Arzt-Patienten-Kommunikation an der Universitätsmedizin durch innovative Lernmodule mit Künstlicher Intelligenz zu verbessern. Es adressiert insbesondere nichtmuttersprachliche Studierende. Hierfür werden speziell auf diese Bedürfnisse angepasste Lernmodule mit KI basierten Interaktionen in Form von Chatbots entwickelt, die die Kompetenzen der Studierenden im Kontext der Arzt-Patienten-Kommunikation sowie des Arzt-Arzt-Gesprächs fördern und sie somit auf das Praktische Jahr und den Berufseinstieg vorbereiten. Die Lernmodule werden in einem innovativen und dank der KI besonders interaktiven Lernmanagementsystem installiert und adressieren empathisches Verhalten, Schmerzabfrage, Verständnis von Symptomen und Aussagen sowie Dokumentation. Thematisiert werden in diesem Rahmen u. a. Arztbriefe, Nachtdienst-Protokolle, Anamnesegespräche, Patientenvorstellungen und deren Aufklärung sowie Interaktion mit dem Klinikpersonal. Der Lernprozess wird durch den Einsatz von generativen KI-Anwendungen wie ChatGPT maximal optimiert. Die Chatbots (virtueller Tutor) werden den Lernenden Empfehlungen, Erklärungen und Zusatzinformationen bereitstellen. Für einen personalisierten Lernprozess werden KI-Systeme auch passgenaue Feedbacks in Echtzeit geben und die Kompetenzen bewerten. Eine regelmäßige Lernstandserfassung ermöglicht zeitnahe Anpassungen durch kontinuierliche Wirkungsüberprüfung, die durch finale Erhebung und Evaluation ergänzt wird.
Projekt anzeigen
Das Paderborner Elektrotechnik AR Labor (PEARL)
Um unterschiedlichen Vorkenntnissen im Umgang mit Laborgeräten in der Elektrotechnik zu begegnen, wurde ein freiwilliges, orts- und zeitunabhängiges Vorpraktikum entwickelt. Die Maßnahme ermöglicht Studierenden mithilfe der Anwendung PEARL ein frühzeitiges, gezieltes Kennenlernen zentraler Geräte vor oder parallel zum Laborpraktikum. Auf diese Weise wird ein flexibler, individueller Kompetenzaufbau unabhängig von Präsenzzeiten im Labor unterstützt.
Maßnahme anzeigen
„Die Audio-Feedbacks waren eine totale Bereicherung.“: Direktes Feedback bei Unterrichtsvideoanalysen in der asynchronen Online-Lehre.
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen