Modelle und Algorithmen in der Cloud entwickeln
Simulation und Optimierung sind zentrale Bestandteile naturwissenschaftlich-technischer Studiengänge. Klassische Vorlesungs- und Übungsformate nutzen noch nicht die heutigen Möglichkeiten, Anwendungen zu integrieren und zum Selbststudium zu animieren.Die Veranstaltungen "Methoden zur Planung und Steuerung der Transportlogistik" und "Modellgestützte Analyse und Optimierung" haben das gemeinsame Ziel, dass Studierende Fähigkeiten in der Simulation und Optimierung u. a. in logistischen Systemen entwickeln. Während der Fokus in der Informatik auf methodischen Aspekten liegt, liegt er in der Logistik auf anwendungsbezogenen Inhalten.Bei der bisherigen Durchführung der Lehrveranstaltungen wurde viel Zeit für die Einarbeitung in Software benötigt und die Kooperation der Veranstaltungen fehlte.Eine cloud-basierte Plattform für die niederschwellige didaktische und methodische Integration von JupyterNotebooks soll genutzt werden, damit Studierende und Lehrende interdisziplinär an realen Anwendungsfällen arbeiten können.Durch projektbezogenes Lernen in einer Fallstudie sowie durch interdisziplinäres Lernen mit der Kooperation zwischen den Disziplinen und mit Unternehmen werden die Studierenden optimal auf ihre berufliche Praxis vorbereitet.Um dieses Projekt umzusetzen, kooperieren das Institut für Transportlogistik (ITL) der Fakultät Maschinenbau, der Lehrstuhl Modellierung und Simulation (Informatik 4) der Fakultät Informatik und das Zentrum für HochschulBildung (zhb) der TU Dortmund.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
HyFlex, HighTech & HighTouch (H³): Studienerfolg ermöglichen durch flexible Kompetenzentwicklung und Lehr-/Lernszenarien
Das Projekt H³ will Lehr-/Lernszenarien in Richtung hybrid-flexibler Varianten weiterdenken, personalisierte, digital unterstützte Lernpfade entwickeln, die Kompetenzentwicklung der Studierenden fokussieren, technische Innovationen nutzen und zu mehr Studienerfolg beitragen. Damit begegnen wir folgenden Problemlagen: 1.Die Teilnahme der berufstätigen Studierenden an Präsenz-Modulen ist nicht (immer) gesichert:aufgrund von Berufstätigkeit, familiären, persönlichen oder strukturellen Kontexten. 2.Dem Bedarf nach Austausch- und Interaktionsmöglichkeiten kann das Studium nicht immergerecht werden (insbesondere in Selbstlernphasen). 3.Studierende haben häufig Probleme, ihr Selbststudium zu organisieren und individuelle Lernprozesse fokussiert zu steuern. Diese Herausforderung gehen wir an, indem wir unsere Studiengänge der Sozialen Arbeit flexibilisieren: durch hybride Lehr-/Lernangebote, den Einsatz von innovativen Technologien und E-Coaching-/E-Assessment-Tools zur selbstgesteuerten Kompetenzentwicklung. Unsere langjährige Erfahrung in der Online-Lehre, verbunden mit mehrstufigen Evaluationsverfahren, garantiert die Qualität unserer Arbeit, die durch die Etablierung von Transferprozessen weit über das Projektumfeld hinauswirkt. Eine übergreifende und vergleichende Wirksamkeitsanalyse ist Teil des Gesamtprojektes.
Projekt anzeigen
Digitale Lehr- & Lerninfrastruktur: Weiterentwicklung des Lernmanagementsystems (LMS) OpenOLAT
Ziel der Maßnahme war die technische Weiterentwicklung des Lernmanagementsystems OpenOLAT, um die digitale Lehre besser zu unterstützen und Flexibilisierung und Individualisierung von Studium und Lehre besser gerecht zu werden. Dazu wurden neue Funktionen entwickelt, bestehende Bausteine verbessert und innovati-ve Kursangebote geschaffen werden.
Maßnahme anzeigen
KI-unterstützte Programmierung mittels ergebniszentrierter Fehlerklassifikation. Potenziale zur Schaffung neuer Lernräume
Programmierkenntnisse gewinnen in technischen Studiengängen zunehmend an Bedeutung. Jedoch stehen in Programmierübungen häufig zu wenige Tutor:innen zur Verfügung, die die Studierenden beim Lösen der Programmieraufgaben unterstützen. Deshalb wird ein KI-System entwickelt, das die Studierenden jederzeit und individuell beim Lösen der Programmierübungen unterstützt. Im Gegensatz zu klassischen Ansätzen analysiert das KI-System nicht den programmierten Code, sondern fokussiert sich auf die Zwischen- und Endergebnisse (z. B. erzeugte Daten, Plots). Anhand dieser gibt das KI-System Hinweise und Erklärungen, um das selbstständige Arbeiten und kritische Denken ohne Musterlösung zu fördern. Ein erster Prototyp wurde im Rahmen einer Programmierübung eingesetzt und mit positiver Resonanz evaluiert.
Publikation anzeigen