Digitales Mikroskop
Die makroskopischen Eigenschaften von Maschinen und Anlagen werden durch das Gefüge und die Phaseneigenschaften bestimmt. In der täglichen Lehrpraxis zeigt sich, dass Studierende Schwierigkeiten haben, die auf der Mikroskala vorliegenden Gefüge und die damit verbundenen Eigenschaften auf der Makroskala zu übertragen, da dies ein hohes Maß an Abstraktionsvermögen erfordert. Diese Problematik wird dadurch befördert, dass dem Großteil der Studierenden aufgrund unterschiedlicher Einschränkungen in der Lehrpraxis kaum Zugang zu relevantem Equipment (Licht- und Rasterelektronenmikroskopen) gewährleistet werden kann, mit denen diese Zusammenhänge verstanden werden können. Diesen Zugang schafft dieses Projekt.Das Projekt schafft mit einem digitalen Mikroskop eine innovative, virtuelle Lernumgebung, um Studierenden die selbstgesteuerte Entwicklung von Abstraktionsvermögen zwischen Mikro- und Makroebene von Materie zu erleichtern. Dabei lernen sie, wie Materie auf den unterschiedlichen Ebenen aufgebaut ist und welche Gefügebestandteile auf welchen Größenskalen zu welchen Eigenschaften führen. Das Vorhaben greift somit ein Problem auf, das nicht nur im Maschinenbau, sondern auch in den Studiengängen der Physik oder Materialwissenschaften vorliegt. Das Mikroskop wird in die offene und digitale Infrastruktur der Universität eingebunden und kann von Studierenden anderer Fachrichtungen und Hochschulen genutzt werden.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Lehr- und Lernassistenzsystem für Studienerfolg
Mit dem übergeordneten Ziel der Erhöhung des Studienerfolgs soll aus Sicht der Verbundhochschulen der sich stetig verändernden Bildungslandschaft mit zwei maßgeblichen Shifts begegnet werden: Empowerment von Studierenden durch KI-unterstützte persönliche Ansprache, individuelle Reflexionsanlässe, regelmäßiges qualitatives Feedback zur Kompetenzentwicklung und zum Lernprozess sowie fortlaufende Motivation; Weiterentwicklung der Coaching-Rolle von Lehrenden hin zu einem akademischen Mentoring, das durch die Tool-Unterstützung eine wesentlich stärkere Interaktion mit Studierenden und individuelle Begleitung studentischen Lernens auch in Selbstlernphasen umfasst. Ziel des Projekts ist die Entwicklung und Integration eines KI-gestützten Lehr- und Lernassistenzsystems (lernKI). Es reflektiert die Notwendigkeit, Lehre in einer zunehmend KI-geprägten Welt zu transformieren, und berücksichtigt die sich verändernden Lerngewohnheiten der Studierenden. Die Ergänzung des Lehr-Lernprozesses um eine proaktive, digitale Coachingfunktion bedeutet einen strukturellen Wandel: Die Beziehung der Lehrenden und Studierenden wird ergänzt um eine beidseitig unterstützende, technisch simulierte Entität ("Third Educator"), die ein komplementäres Lehr-Lern-Szenario schafft. Damit gehen nachhaltige strukturelle und personenbezogene Haltungsänderungen einher, die einen tiefgreifenden Wandel bedeuten, dessen Initiierung und Begleitung essenzieller Bestandteil des Vorhabens ist.
Projekt anzeigen
Feedback zur Lernzeit und ablenkungsfreie Lernumgebung
In unserer Studie zielten wir darauf ab, mithilfe von verschiedenen Interventionen, Ablenkungen zu minimieren und das Zeitmanagement und die Zielplanung zu verbessern. Wir wollten eine optimale Lernumgebung schaffen, die an das Persönlichkeitsprofil des Nutzers angepasst ist. [Anm. StIL: Diese Maßnahme wurde in einer Vorgängerversion der Abfrage dokumentiert. Bei der Übertragung auf das aktuelle Format kann es vorkommen, dass die Antworten nicht hundertprozentig zur Frage passen.]
Maßnahme anzeigen
GenAI-Chatbots as Debriefers: Investigating the Role Conformity and Learner Interaction in Counseling Training
Debriefing is essential for the effectiveness of simulation-based training but is generally considered resource-intensive. Generative Artificial Intelligence (GenAI)-based debriefing can be an alternative to human debriefers. However, there is no research yet whether GenAI chatbots can take up this role and how learners react to them. This paper presents a qualitative analysis of a debriefing following a counseling training conducted in Virtual Reality (VR) with the support of a GenAI chatbot. The debriefing helped students to analyze their experiences and application of consulting techniques. The analysis of the chatlogs (n = 22) are focused on the role conformity of the bot and the students’ ability to reflect their behavior within VR. The results revealed the chatbot’s strong role conformity but also its tendency for overly complimentary answers. However, this bias does not seem to influence students’ self-reflection. Instead, they maintained a self-critical attitude. Future research on AI-assisted debriefing could expand on these findings in related areas.
Publikation anzeigen