Qualifizierungsangebot KI4Teachers und KI4Lecturers
Ein Selbstlernangebot, das Lehrenden einen strukturierten Einstieg in generative KI bietet: Grundlagen und Kompetenzrahmen, ein kuratierter KI-Werkzeugkoffer und ein Handbuch „KI in der Lehre“. Zuerst als Moodle-Kurs für Lehrkräfte entwickelt (KI4Teachers), dann auf Hochschullehrende übertragen (KI4Lecturers). Heute ist es als offener Kurs „Künstliche Intelligenz in der Lehre“ unter CC BY 4.0 auf baukompetenz.digital frei verfügbar.
Kategorien
Beschreibung
Herausforderung
Lehrende sind unsicher: Was darf ich, was nützt mir, wo fange ich an? Einzelne Schulungen und Toollisten helfen nur kurz. Gebraucht wurde ein strukturierter, niedrigschwelliger Einstieg, der zum eigenen Tempo passt.
Herangehensweise
Ein Selbstlernkurs mit vier Bausteinen: theoretische Grundlagen und Kompetenzrahmen (u.a. DigCompEdu, Medienkompetenzrahmen NRW), ein kuratierter KI-Werkzeugkoffer, das Handbuch „KI in der Lehre“ und ein Glossar. Der Kurs ist strukturorientiert statt toolorientiert angelegt: Er vermittelt, wann KI sinnvoll ist, wie man Ergebnisse prüft und was rechtlich zu beachten ist. Nach Projektende wurden die Inhalte als offener Kurs „Künstliche Intelligenz in der Lehre“ mit Foliensätzen und Lehrskripten auf baukompetenz.digital überführt.
Zusammenhang
Entstanden in einer Masterarbeit im Projektkontext (Lisa Hielscher, eingereicht Januar 2025), danach im Projekt KI4Edu an der Universität Duisburg-Essen aktualisiert und für Hochschullehrende angepasst. Aufwand für Nachnutzende: Übernahme und Anpassung geschätzt zwei bis drei Arbeitstage plus Aktualisierung der Werkzeugliste.
Voraussetzung
Eine Lernplattform (Moodle) oder die freie Fassung auf baukompetenz.digital und eine Person, die Werkzeugkoffer und Links regelmäßig pflegt. Für die Nachnutzung der offenen Fassung gilt CC BY 4.0.
Eignung
Geeignet für Hochschulen, Studienseminare und Berufskollegs. Das Angebot war ursprünglich nicht im Antrag vorgesehen; es wurde vorgezogen, weil sich die Qualifizierung Lehrender früh als Schlüsselfaktor zeigte. Seine Struktur trägt auch den Workshop im Zertifikat Didaktik IDEAL der UDE (eigene Maßnahme in diesem Projekt).
Vorgehen/Schritte
Bedarfsanalyse: Forschungsstand sichten, explorative Interviews mit Lehrenden führen, den Werkzeugmarkt sondieren.
Kursstruktur festlegen: theoretische Grundlagen und Kompetenzrahmen, KI-Werkzeugkoffer, Handbuch „KI in der Lehre“, Glossar.
Betatest mit Lehrkräften durchführen und den Kurs evaluieren (Fragebogen mit rund 30 Items).
Kurs überarbeiten und auf die Zielgruppe Hochschullehrende übertragen (KI4Lecturers).
Inhalte in eine offene Lernumgebung überführen (hier: Kurs „Künstliche Intelligenz in der Lehre“ auf baukompetenz.digital, CC BY 4.0).
Pflegeplan für Werkzeugkoffer und Links festlegen (mindestens einmal pro Semester).
Hinweise
Effekte
Das Angebot erweitert die Zielgruppen des Projekts über die eigenen Module hinaus. Seine Struktur trägt den Workshop „KI in der Hochschullehre“ im Zertifikat Didaktik IDEAL der UDE. Die offene Fassung auf baukompetenz.digital macht Foliensätze und Lehrskripte für andere Hochschulen, Studienseminare und Berufskollegs nachnutzbar.
Learnings
Professionalisierung gelingt nicht über Toollisten, sondern über Orientierung: Wann ist KI sinnvoll, wie prüfe ich Ergebnisse, was ist rechtlich zu beachten? Externe Links in Kursen veralten schnell; ein Pflegeplan gehört von Beginn an dazu.
Empfehlung
Den Selbstlernkurs mit einem Präsenzformat koppeln (zum Beispiel einem hochschuldidaktischen Workshop). Selbstlernen allein erreicht vor allem die ohnehin Interessierten.
Tipps
Den Werkzeugkoffer als verlinkte, datierte Datei führen, nicht als Kursseite. Evaluation von Beginn an einbauen, damit Wirkungsaussagen möglich werden.
Sonstiges
Methoden: Moodle, DigCompEdu, Medienkompetenzrahmen NRW; Evaluation per Moodle-Feedback. Publikationen: report fachdidaktik bau:technik Nr. 8 https://doi.org/10.17185/duepublico/85422 und Nr. 11 (Masterarbeit) https://doi.org/10.17185/duepublico/85451. Offener Kurs: baukompetenz.digital
Kontakt
Das könnte Sie auch interessieren
Kuratierte Methodenlehre für den "flipped classroom" im 21. Jahrhundert
Seit einigen Jahren stehen die Universitäten im Wettbewerb mit Online-Angeboten, z.B. in Form von Lernvideos, interaktiven Tools und kompletten Kursen (MOOCs). Gerade in der Statistik gibt es zahlreiche exzellente Lernressourcen online, da die Lerninhalte weltweit standardisiert sind. Vor diesem Hintergrund stellt sich die Frage nach dem Mehrwert der Präsenzuni, besonders in Zeiten von Corona, in denen viele Unis ihre Lehre zumindest zeitweise auf Online- oder Hybridformate umstellen mussten. In diesem Projekt soll es darum gehen, mittels einer umfänglichen Kuratierung digitaler Lernressourcen komplette Lernmodule in der sozialwissenschaftlichen Statistik zu erstellen, vorzugsweise mit frei lizensierten Inhalten. Dadurch werden die Lehrenden davon befreit, eigene digitale Lernressourcen bzw. Vorlesungen zu erstellen. Die dadurch entstehenden Ressourcen sollen dazu genutzt werden, im Rahmen intensiver Betreuung von Präsenzveranstaltungen, die durch digitale Lernressourcen zunächst theoretisch vermittelten Inhalte anhand praktischer Beispiele und Projekte einzuüben und zu vertiefen. Diese Kombination der besten verfügbaren digitalen Inhalte mit intensivem projekt- und forschungsbasiertem Lernen in Präsenz soll das beste beider Welten zusammenbringen und damit das Profil der Präsenzuni schärfen. Gleichzeitig ermöglicht das so geplanten Vorgehen eine bessere Differenzierung von Lehrplänen nach den Vorkenntnissen und Lernbedarfen verschiedener Studierendengruppen.
Projekt anzeigen
E-Learning Analytics Tool
Die Entwicklung zielt darauf ab, eine intuitive, webbasierte Auswertungsplattform zu erstellen, die Lehrkräften dient, um den Lernfortschritt effektiv zu visualisieren und zu verfolgen. Diese Plattform soll als zentrales Werkzeug dienen, um den Fortschritt der Studierenden in verschiedenen Bereichen zu überwachen und zu analysieren. Sie wird darauf ausgelegt sein, sowohl einfache als auch komplexe Daten über den Lernfortschritt zu erfassen, zu verarbeiten und darzustellen. [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
Be Students not Strangers Englisch Fragenset
In this series you will find the questionnaire Be Students not Strangers for direct use in class. You will also find further information on its development, as well as additional literature on student participation and sense of community in the tutorial file. The question set was developed by the Co3Learn project to facilitate students’ first steps in class and promote the creation of sustainable learning communities. The Students not Strangers question set includes methods for students to get to know each other, as well as check in with one another. The questions encourage dialogue in small groups, go beyond the usual small talk, and create a space for participants to connect, while encouraging self-reflection among participants. Employing these questions not only creates a sense of belonging that not only improves the in-class climate, but also supports learning and fosters active participation. The question set can be easily integrated into classes and provides an effective stimulus for collaborative and supportive learning.
Publikation anzeigen