Kausale Inferenz, Maschinelles Lernen und Reproduzierbare Forschung
Das Projekt KMR strebt an, moderne empirische Verfahren der kausalen Inferenz, des maschinellen Lernens und der reproduzierbaren Forschung in große verpflichtende Lehrveranstaltungen der Ökonometrie in wirtschaftswissenschaftlichen Studiengängen zu tragen, hier zunächst konkret die Einführung in die Ökonometrie (Wintersemester, 6 ECTS) an der Universität Duisburg-Essen (UDE). Umfangreiche open source-Materialien machen die Projektergebnisse anderen Studierenden und Lehrenden zugänglich. Der Arbeitsplan des Projektes gliedert sich in die vier Arbeitspakete Identifikationsstrategien (AP1), Maschinelles Lernen (AP2), Implementierung empirischer Forschung (AP3) und einem open-source-Kompendium (AP4). AP1 macht moderne kausale empirische Strategien wie difference-in-differences oder regression discontinuity zugänglich für Bachelorstudierende. AP1 adressiert erfolgreiche prädiktive Verfahren wie decision und regression trees und random forests. AP3 widmet sich der Vermittlung von Kompetenzen zur reproduzierbaren Forschung. Hierzu gehören die Integration von Text und statistischer Analyse ("RMarkdown"), interaktive Präsentation ("Shiny"), Versionskontrolle ("Github") oder die Erstellung von Paketen. AP4 erstellt ein open source-Online Kompendiums (AP4), das die Inhalte des Moduls frei zugänglich veranstaltungsbegleitend, aber auch zum Selbststudium bereitstellt.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
KI-basiertes ePortfolio für Medizinstudierende
In der Studieneingangsphase stellen physikalische Inhalte Medizinstudierende vor große Herausforderungen. Gleichzeitig erhalten die Studierenden nur begrenzt Rückmeldung über ihren Lernfortschritt. Im Projekt AI4MED wird ein KI-basiertes, individualisiertes ePortfolio entwickelt, das Studierende der Tier-, Zahn- und Humanmedizin während der Physikvorlesungen und -praktika durch die Bereitstellung von wöchentlichen Kurztests und einem daran anschließenden KI-basierten Feedback begleitet. Inhalte und Format der Kurztests und des Feedbacks werden von einem Expert*innengremium bestehend aus Physikdidaktiker*innen, Medizindidaktiker*innen sowie Dozierenden der Medizinischen Physik und der Fachschaft der Medizinischen Fakultät entworfen. Das Feedback besteht aus einer gezielten Rückmeldung zu den Antworten sowie einer individuellen Liste mit konkreten Lernempfehlungen für den persönlichen Lernfortschritt. Damit erhalten Medizinstudierende eine regelmäßige und individuelle Rückmeldung über ihren Lernfortschritt und können somit ihren Lernstand bis zur Klausur nachverfolgen und verbessern. Anschließend unterstützt das ePortfolio in Kombination mit einer adressatengerechten Extended Reality (XR)-Umgebung die Studierenden in den physikalischen Laborpraktika. Unter Berücksichtigung der Fähigkeiten der Lernenden sowie ihrer Lernprozesse werden individualisierte XR-Visualisierungen zur Förderung experimenteller Kompetenzen und des Konzeptverständnisses physikalischer Inhalte angeboten.
Projekt anzeigen
Tool zur Erstellung themenbezogener Lernräume
Lehrinhalte werden häufig im Kontext eines bestimmten Seminars oder Moduls erstellt und sind somit an die Teilnahme an diesem Seminar/Mpdul gebunden. Das Workspacetool soll die Zusammenstellung von Inhalten ermöglichen, die für Studierende unabhängig eines bestimmten Lehrangebots interessant sind. Dadurch kann Wissen gebündelt und für viele Personen ohne eine zeitliche Begrenzung zugänglich gemacht werden.
Maßnahme anzeigen
Praxisleitfaden für den kombinierten Key-Feature-Ansatz der VAN
Diese Praxis-Handreichung der Virtuellen Akademie Nachhaltigkeit (VAN) stellt den kombinierten Key-Feature-Ansatz (kKF-Ansatz) als Methode für kompetenzorientierte digitale Lehr- und Prüfungsformate im Kontext der Bildung für nachhaltige Entwicklung (BNE) vor. Ziel des Ansatzes ist es, über reine Wissensabfragen hinauszugehen und insbesondere die Entscheidungs- und Handlungskompetenz von Studierenden zu fördern und sichtbar zu machen. Der Ansatz basiert auf dem aus der medizinischen Ausbildung bekannten Key-Feature-Verfahren, das standardisierte Prüfungsszenarien auf kritische Entscheidungssituationen in Problemlösungsprozessen fokussiert. Im Rahmen des von der Stiftung Innovation in der Hochschullehre (StIL) geförderten Projekts KeNobi wurde der Ansatz für den Einsatz in Nachhaltigkeitskontexten adaptiert und weiterentwickelt. Zentrale Elemente sind fallbasierte kKF-Threads, in denen ein Szenario geschildert wird, auf das zunächst Wissens- und Analysefragen folgen, bevor Studierende Entscheidungen treffen müssen. Ergänzt wird dies durch einen vorab klar definierten Erwartungshorizont sowie Feedback-Loops für nicht vollständig korrekte Antworten.
Publikation anzeigen