Forschend im Labor Lernen
Das natur- und ingenieurwissenschaftliche Labor ist ein Ort des Entdeckens, des Ausprobierens und der Kreativität. Während der Pandemie ließen sich Laborpraktika nur schlecht durch Onlineformate ersetzen. Laborarbeit ist damit zentraler Bestandteil des Präsenzstudiums. Leider entspricht die Studienwirklichkeit gerade in den ersten Semestern nicht diesem Ideal des entdeckenden kreativen Lernens. Vielmehr haben die Studierenden in klar vorgegebenen Schritten längst bekannte Sachverhalte nachzuvollziehen, was zu Unzufriedenheit, verringertem Lernerfolg und erhöhten Durchfallquoten führt. Um der Situation entgegenzuwirken wollen wir im ersten Schritt die bestehenden Laborpraktika erfassen und einen Information-Hub Labordidaktik aufbauen. Mit einem Fokus auf Lernzielorientierung und Kompetenzentwicklung in der Laborarbeit gestalten wir die Labordidaktik durch eine zentrale Koordinationsstelle gemeinsam mit Lehrenden neu. Dies führt zu einer Diversifizierung der Laborauswahl mit Hands-on-, hybriden, virtuellen und simulierten Formaten. Im zweiten Schritt erproben wir das Praktikumskonzept im Rahmen der Lehrveranstaltung Experimentalphysik für Ingenieure. Mit zentraler labordidaktischer Unterstützung werden wir offene Aufgabenstellungen entwickeln, welche die Studierenden selbstgesteuert und selbständig lösen können. Ergänzend dazu wird das neue Laborkonzept aus Sicht der Lehrenden und Lernenden evaluiert und die Übertragbarkeit auf weitere Fachrichtungen geprüft.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
ROS-LP Lehr- und Programmierplattform
Der Lehrstuhl für Individualisierte Produktion (IP) erforscht Digitalisierungs- und Automatisierungsansätze entlang der gesamten Wertschöpfungskette der Bauindustrie. Diesen Forschungsthemen folgend wurde 2020 der Masterstudiengang Construction and Robotics an der RWTH Aachen eingeführt. Das Hauptziel des Studiengangs ist die Entwicklung und der Einsatz von automatisierten Baumaschinen und der Robotik als Grundlage für innovative Bauprozesse auf Baustellen. Aktuell sind Studierende mit Bachelorabschlüssen aus ca. 30 verschiedenen Ländern und unterschiedlichen fachlichen Hintergründen eingeschrieben. Aufgrund der internationalen und interdisziplinären Zusammensetzung der Studierenden kommt den Grundlagenkursen eine essentielle Bedeutung zu. Durch das Projekt ROS-LP soll die Wissensvermittlung in einem weit verbreiteten Framework der Robotik, des Robot Operating Systems (ROS), vereinfacht werden. Der Einstieg in ROS ist eine große Herausforderung, besonders für Studierende ohne fachlichen Hintergrund in Informatik. Die Faktoren dafür sind eine Vielzahl von unterschiedlichen, nicht kompatiblen Versionen, das Aufsetzen einer geeigneten Betriebssystemumgebung (Linux) und hohe Hardwareanforderungen. Es soll daher eine betriebssystemunabhängigen Lehr- und Programmierplattform entwickelt werden, die als Browseranwendung für jeden Studierenden zugänglich ist, hinterlegte Kurse sollen durch die komplexen Themen führen ohne durch Versionierungsprobleme Frust zu erzeugen.
Projekt anzeigen
Open Science: Digitaler, systematischer Lehransatz
Obwohl Open Science fachlich zunehmend als Standard gilt, ist es im Psychologiestudium noch nicht systematisch verankert. Eine projektbegleitende Umfrage an drei sächsischen Universitäten zeigte großes studentisches Interesse bei gleichzeitig erheblichem Informationsbedarf. Das entwickelte Lehrkonzept integriert Open Science auf drei Ebenen: curricular durch studentische Vorträge im Modul „Wissenschaftliches Arbeiten“ und Präregistrierungs-Workshops für Abschlussarbeiten, extracurricular durch einen Journal Club und einen studentischen Instagram-Account. Begleitend durch diverse Veranstaltungen wie Podiumsdiskussionen, Workshops und Konferenzen. Die Kernidee besteht in der Verknüpfung von studentischen und dozierenden geleiteten Formaten mit digitaler Wissenschaftskommunikation zu einem studienbegleitenden Gesamtkonzept. Der partizipative Ansatz macht Studierende zu Open Science Multiplikatoren. Das Konzept ist auf andere Fachbereiche übertragbar.
Maßnahme anzeigen
Explanatory machine learning for sequential human teaching
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen