METALADIN
Konzeptuelle Modellierung ist ein wichtiger Bestandteil aller MINT-Curricula. Der Erwerb von Modellierungsfähigkeiten erfordert personalisiertes und iteratives Üben. Aktuell ist es an der FernUniversität (FEU) nicht möglich, jedem Studierenden personalisierte, iterative Übungsmöglichkeiten orts- und zeitunabhängig anzubieten, da das Erstellen solcher Assessments aus Ressourcengründen manuell nicht realisierbar ist. Zur automatischen Erzeugung personalisierter Übungen zur konzeptuellen Modellierung nutzt METALADIN ALADIN (Generator für Aufgaben und Lösungshilfen aus der Informatik und angrenzenden Disziplinen), und erweitert diesen um KI und Metamodelle. Dazu wird eine Lehrveranstaltung in Microlearning-Einheiten (MLE) strukturiert, die jeweils Wissensvermittlung und Assessments (Kompetenzerwerb und Kompetenzprüfung) umfassen. Assessments werden passend zu Kompetenz und beruflichem Hintergrund des Lerners generiert und basierend auf der Kompetenzmessung Empfehlungen gegeben. An der FEU wird die Moodle-Erweiterung Adaptive Personalized Learning Environment (APLE) zur Darbietung von MLE mit nicht personalisierten, vorgegebenen Übungen eingesetzt. METALADIN integriert ALADIN mittels LTI in APLE. Mithilfe der Adaptionsregeln in APLE sollen zu Kompetenz und beruflichem Hintergrund passende Aufgaben vorgeschlagen werden.Dies ermöglicht wiederholtes Üben mit personalisierter Progression des Schwierigkeitsgrads und Passung zum beruflichen Hintergrund, was den Lernerfolg fördert.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Erfolgreicher Studieneinstieg mit LearnTeamCoaching
Der Übergang von der Schule zur Hochschule ist häufig problematisch, da sich Unterrichtsmethoden und Anforderungen unterscheiden. Dies trägt dazu bei, dass Studienanfänger häufig frustriert und überfordert sind. Das Projekt "ErstLTC" soll im ersten Studienjahr das Lernen mit Fokus auf die Mathematik unterstützen. "LearnTeamCoaching" (LTC) ist ein Format des Blended-learning, für das es an der htw saar erste Erfahrungen gibt. Um die Probleme in den Ingenieurwissenschaften anzugehen, soll dieses Konzept auf die Mathematik-Anfängervorlesungen übertragen werden. Das LTC eignet sich auch sehr gut für die Teilnahme von Schülern kurz vor dem Hochschulzugang, weshalb diese Gruppe zukünftiger Studierender ebenfalls angesprochen wird. LTC gestattet, Dank modernen Medien, auch eine Teilnahme fern ab der Hochschule. Im Projekt ErstLTC werden folgende Ziele angestrebt: - Steigerung der Motivation, Verbesserung des Lernverhaltens und Stärkung des kontinuierlichen Lernens - Bessere Studienerfolge und geringere Abbruchquoten im Ingenieursbereich - Steigerung der Kompetenzen der Studierenden in der Wissensanwendung - Anwendung moderner didaktischer Methoden und verbesserte Lehre und Wissensvermittlung - Steigerung der Attraktivität eines Ingenieursstudiums - Besser abgestimmter Übergang von Schule zur Hochschule
Projekt anzeigen
Lernfeedback durch Kontrafaktische Erklärungen
Die Maßnahme adressiert die Herausforderung, dass Lernende in digitalen Lernumgebungen stark hetero-gen in ihren selbstregulierten Lernfähigkeiten (SRL) sind und herkömmliches Feedback diese Unterschiede nicht berücksichtigt. Auf Basis der SRL-Theorie wurden Anforderungen an personalisiertes Feedback abge-leitet und mit Verfahren des Maschinellen Lernens sowie Erklärbare KI (XAI) umgesetzt. Dadurch konnten Lernverhalten und individuelle Charakteristika von Studierenden erfasst und mittels kontrafaktischer Er-klärungen in handlungsleitendes Feedback übersetzt werden. Eine universitäre Lehrveranstaltung diente als Testfeld, in dem signifikante Verbesserungen bei Plattformnutzung und Prüfungsergebnissen nachge-wiesen wurden.
Maßnahme anzeigen
Blended Learning und digitale Repräsentationen in der Religionslehrer:innenbildung
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen