Digitalisierung entlang Lehren, Lernen und Forschen integrieren
Bislang wurde das Thema digitale Lehre an der Universität Hohenheim auf der Ebene der einzelnen Lehrveranstaltung betrachtet. Mit dem vorliegenden Vorhaben werden erstmals auch die Ebene der Studiengänge sowie die Ebene der Lehrkultur und Lehrorganisation systematisch bearbeitet. Gute digitale Lehre basiert dabei auf dem konzertierten Einsatz technischer Innovationen in Kombination mit didaktischen, curricularen und organisationalen Innovationen, die zusammen einen kulturellen Wandel in der Hochschule unterstützen. Dazu werden verknüpfte Maßnahmenbündel implementiert, die sich sowohl an Studierende als auch an Lehrende richten. Als Output am Ende des Projekts stehen Ergebnisse, die auch über den spezifischen Kontext hinaus relevant und in andere Hochschulsettings übertragbar sind: studiengangsbasierte, digitale Kompetenzprofile, good practices für die Integration digitaler Formate in Studiengänge, fachspezifische digitale Toolboxen für Lehrende, ein Konzept für die digitale Unterstützung Forschenden Lehrens und Lernens, ein KI-gestütztes Lernassistenzsystem, eine auf digitaler Texterkennung basierende Evaluationsmethode sowie wissenschaftlich abgesicherte Erkenntnisse zum Einsatz und zur Wirkung digitalen Lehrens und Lernens.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Motivation f Informatik u nachhalt. Digitalbildung
Das Projekt MIND² adressiert zum einen den kritischen Übergang von der schulischen zur hochschulischen Bildung im Informatik-Bereich, sowie die Vorbildung und das Interesse an diesen Themen bereits in der Schulzeit. Ziel ist es erstens, mittels eines bedarfsorientiert und partizipativ entwickelten, fakultätsübergreifenden Moduls die heterogenen informatischen Vorkenntnisse von Studienanfänger:innen an der htw saar zu homogenisieren und zweitens die Erkenntnisse bzw. Ergebnisse hier für Workshops etc. an Schulen zu nutzen. Innovativ dabei ist u. a. die partizipative Einbindung von Studierenden, die in Zusammenarbeit mit Lehrenden praxisnahe Demonstratoren entwickeln. Diese machen aktuelle technologische Themen wie KI, Robotik, Mikrocontroller und 3D-Druck in hands-on Formaten für Schüler:innen der Klassen 10 bis 12 erfahrbar und fördern so frühzeitig Interesse, Motivation und Kompetenzen im Bereich Informatik. Gleichzeitig stärken Studierende durch diese Co-Kreation wichtige fachliche und überfachliche Kompetenzen (Future Skills). Die entwickelten Inhalte und Materialien sind hybrid nutzbar und werden durch Evaluation kontinuierlich geprüft bzw. angepasst. Neben der Förderung informatischer Kompetenzen liegt ein besonderer Schwerpunkt auf der Reflexion digitaler Technologien, um deren Anwendung nicht nur zu ermöglichen, sondern auch kritisch zu hinterfragen. Alle Projektergebnisse werden nachhaltig als Open Educational Resources (OER) zur Verfügung gestellt.
Projekt anzeigen
Entwicklung des Stud.IP-Plugins „getFeedback!“
Insbesondere in Großveranstaltungen ist es häufig schwierig, allen Studierenden prozessbezogenes Feedback auf ihre Lernprodukte (z.B. Aufgabenblätter) zu geben. Eine potenzielle Lösung liegt darin, tutorielles und/oder peer-basiertes Feedback umzusetzen. Wie die empirische Lehr-Lernforschung zeigt, muss dieser Feedbackprozess jedoch gut angeleitet werden, um erfolgreich zu sein. Wir haben daher das Stud.IP-Plugin „getFeedback!“ entwickelt, das es Lehrenden erlaubt, strukturierte tutorielle und/oder peer-basierte Lehr-Lernszenarien für ihre Lehrveranstaltungen zu entwickeln und diese entweder synchron oder asynchron (in jedem Fall aber anonymisiert) umzusetzen.
Maßnahme anzeigen
Open-Source Intelligent Tutoring System for Programming Exercises in Engineering Education
Implementing control and machine learning algorithms in MATLAB and Simulink is a critical competency in advanced control engineering. While immediate feedback is essential for fostering intuitive understanding, it is traditionally constrained to scheduled exercise sessions or consultation hours. To bridge this gap, this project introduces an open-source intelligent tutoring platform that provides continuous, on-demand feedback. To accommodate diverse solution strategies, the platform employs a hybrid evaluation strategy combining result-based and code-based metrics. This ensures that valid alternative solutions that differ from predefined sample solutions are not misclassified. In case of incorrect solutions, a Large Language Model, contextualized with sample solutions and task classification results, offers auxiliary support for students struggling to initiate or complete tasks. Instructional scaffolding is adaptively adjusted to guide students toward independent problem-solving. We position this platform as a supplementary tool designed to enhance, rather than replace, valuable interactions between students and human tutors. Built on open-source tools, the system is architected for reusability, enabling lecturers across engineering subjects to adapt the framework to their teaching needs easily.
Publikation anzeigen