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.
Kategorien
Beschreibung
Herausforderung
Insbesondere in Großveranstaltungen verharren Studierende häufig in einer passiven Rolle. Zudem erhalten sie nur selten prozessbezogenes Feedback auf ihre Lernprodukte. Tutorielles und peer-basiertes Feedback kann helfen, diesen Problemen entgegenzuwirken.
Herangehensweise
Wir haben in einem interdisziplinären Team und in Kooperation mit einer Softwareentwicklungsfirma in einem agilen Softwareentwicklungsprozess das Stud.IP-Plugin „getFeedback!“ entwickelt. Dieses erlaubt die Erstellung und Strukturierung von synchron und asynchron nutzbaren tutoriellen und/oder peer-basierten Feedbackszenarien, die im Rahmen von Hochschulveranstaltungen eingesetzt werden können.
Zusammenhang
Die Maßnahme wurde in zahlreichen Lehrveranstaltungen aus einer großen Bandbreite an Studiengängen eingesetzt und systematisch evaluiert. Nachdem "getFeedback!" zunächst nur innerhalb von Veranstaltun-gen von Mitarbeitenden im KodiLL-Projekt erprobt wurde, wurde es schließlich auch im Stud.IP-Produktivsystem der Universität Augsburg nutzbar gemacht. Inzwischen steht "getFeedback!" allen Hoch-schulen zur Nutzung zur Verfügung, die Stud.IP als Learning Management System nutzen.
Voraussetzung
Sehr bewährt hat sich die Orientierung am agilen Softwareentwicklungsansatz. Zentrale Elemente waren dabei die Bildung eines interdisziplinären Teams, durch das die unterschiedlichen Designbedarfe artikuliert werden konnten, und die kontinuierlich-iterative Weiterentwicklung des Plugins, unter enger Zusammenarbeit mit einer externen Softwareentwicklungsfirma.
Eignung
Die umgesetzten Lehr-Lernszenarien wurden systematisch evaluiert, insb. auch hinsichtlich einer lernförderlichen Gestaltung von Lehr-Lernszenarien, die mit "getFeedback!" umgesetzt wurden. Zu dieser Frage sind zahlreiche Publikationen in wissenschaftlichen Fachzeitschriften entstanden. Zudem wurde auf Basis von Evaluationsergebnissen die Usability von "getFeedback!" über mehrere Iterationen hinweg kontinuierlich verbessert.
Für positiv evaluierte Lehr-Lernszenarien wurden auf der Projektwebseite Handreichungen veröffentlicht, die von interessierten Nutzer*innen als Modelle genutzt werden können. Zu diesen Szenarien liegen auch JSON-Dateien vor, die von anderen Lehrenden importiert und in Stud.IP weiterbearbeitet werden können.
Vorgehen/Schritte
Gewinnung einer externen Softwareentwicklungsfirma
Bildung eines interdisziplinären Teams
Regelmäßige Workshops zur Entwicklung von User Stories zur Anforderungsdefinition
Review-Meetings zur Inaugenscheinnahme und Diskussion des aktuellen Entwicklungsstands
Entwicklung und intensive Testung von Prototypen innerhalb von Lehrveranstaltungen
Evaluation der dabei entstandenen Lehr-Lernszenarien
Entwicklung von Handreichungen zu positiv evaluierten Lehr-Lernszenarien
Entwicklung von Unterstützungsmaterialien (u.a. Klickanleitungen, Kurzvideos) und deren Publikation auf der Projektwebseite
Zeitversetzte Publikation des Plugins auf einem geschützten Testsystem und dem universitätsweit ge-nutzten Produktivsystem
Anbieten von Schulungen
Bekanntmachung des Plugins in der Stud.IP-Community
Hinweise
Effekte
Durch die interdisziplinäre Zusammenarbeit sind innerhalb der Universität zahlreiche wechselseitige Kontakte entstanden, die für die Weiterentwicklung von Lehr-Lernszenarien, aber auch für die gemeinsame Verfolgung von Forschungsfragen (incl. Publikationen) nutzbar gemacht werden konnten. Parallel wurde ein zweites Stud.IP-Plugin innerhalb des Projekts (namens "coLearn!") entwickelt – zu diesem Teilprojekt ergaben sich zahlreiche Synergien, sowohl was die Gestaltung des Plugins selbst als auch was die Durchführung von Evaluationen und die Entwicklung von unterstützenden Materialien angeht.
Learnings
Die interdisziplinäre Zusammenarbeit war eminent wichtig, um die unterschiedlichen Bedarfe der beteiligten Fakultäten/Disziplinen bei der (Weiter-)Entwicklung von getFeedback! berücksichtigen zu können.
Regelmäßige Treffen zur Weiterentwicklung des Plugins sowie zur Erstellung von Unterstützungsmaterialien waren unerlässlich.
Beim Einsatz von "getFeedback!" in Lehrveranstaltungen ist darauf zu achten, dass die Nutzung des Plugins in irgendeiner Form prüfungsrelevant gemacht wird (z.B. als Teil eines Portfolios), da bei reiner Freiwilligkeit oft nur wenige Studierende das Plugin nutzen.
Empfehlung
Nein.
Tipps
Es sollten vielfältige Wege beschritten werden, um Plugins wie "getFeedback!" an der eigenen Hochschule, aber auch an anderen Hochschulen bekannt zu machen, die das Learning Management System nutzen. Hierfür sind Mailingaktionen, aber auch ein regelmäßiges Erscheinen auf der Entwicklertagung des LMS von großer Wichtigkeit.
Methoden
Empfohlen
Nicht empfohlen
Kontakt
Das könnte Sie auch interessieren
Easy Tutor - KI-gestütztes intelligentes Tutorensystem zur einfachen Erstellung und automatischen Korrektur komplexer E-Learning-Aufgaben
Sogenannte intelligente Tutorensystem (ITS) erlauben, komplexere Aufgaben automatisiert zu korrigieren und zu bewerten. Diese vergleichen die Abgaben der Studierenden häufig mit einem Pool an Musterlösungen der Dozierenden oder basieren auf sehr vielen Regeln. Somit ist das Feedback an die Studierenden entweder eingeschränkt oder die Erstellung ist für die Dozierenden zu zeitaufwändig. Ziel des Projektes Easy Tutor KI-gestütztes intelligentes Tutorensystem zur einfachen Erstellung und automatischen Korrektur komplexer E-Learning-Aufgaben ist es, dass Studierende hilfreiches Feedback erhalten, ohne dass Dozierende einen erhöhten Aufwand haben. Erstellt wird ein selbstlernendes System, das mit der Zeit von allein immer besser darin wird, Studierenden intelligentes Feedback zu deren Lösungen zu geben an-statt lediglich auf vorgefertigtes Feedback zurückzugreifen. Darüber hinaus wird die Aufgabenerstellung für die Dozierenden vereinfacht. Mithilfe von neuen Data-Mining-Methoden und künstlicher Intelligenz werden vorliegende Studierenden-Lösungen analysiert. So soll zukünftig möglich sein, dass das System automatisch Hilfestellungen an Studierende geben kann. Zum Beispiel können richtige Studierendenabgaben, welche nicht der Musterlösung der Dozierenden entsprechen, genutzt werden, um das System selbstständig und ohne Eingriffe der Dozierenden dazulernen zu lassen.
Projekt anzeigen
Produktion von authentischen Gesprächsvideos für die Lehre im Psychologie-/ Psychotherapiestudium
Im Rahmen des Projekts wurden Videos von psychotherapeutischen Gesprächen erstellt. Gesprächspartner waren je ein Schauspielpatient und ein realer Psychotherapeut. Damit möglichst authentische, praxisnahe Gesprächssituationen entstehen, erhielten die Schauspielpatienten kein vorgefertigtes Skript, sondern wurden zu einem Rollencharakter instruiert und agierten spontan in der Situation. Zudem wurde beim Dreh darauf geachtet, Hinweise auf das Drehsetting gering zu halten. [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
Enhancing the Peer-Feedback Process Through Instructional Support: A Meta-Analysis
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen