Publikation Bühne
Zum Projekt

Examining the regulation of motivational and comprehension-related problems during collaborative learning

Publikation
Autor:innen
Dr. Nadine MelznerProf. Dr. Markus Dreselet al.
Erscheinungsjahr2022
Kurzbeschreibung

Während des kooperativen Lernens können vielfältige Probleme auftreten, die es für Gruppen erforderlich machen, wirksame Regulationsprozesse einzusetzen. Bislang ist wenig darüber bekannt, (a) welche Arten von Strategien Lernende in solchen Gruppen typischerweise anwenden, um ihr Lernen zu regulieren, und (b) auf welchen sozialen Ebenen (Selbst‑ vs. Co‑ vs. geteilte Ebene) sie diese Strategien einsetzen, um unterschiedlichen Arten von Problemen Rechnung zu tragen, die während der Zusammenarbeit auftreten können. Um diese Fragen zu untersuchen, entwickelten wir vier Fallvignetten, die eine Lerngruppe bei der Prüfungsvorbereitung beschrieben, wobei Probleme systematisch in einem 2×2‑Within‑Subjects‑Design variiert wurden (Vorhandensein vs. Nicht‑Vorhandensein motivationaler bzw. verständnisbezogener Probleme). N = 278 Studierende wurden gebeten zu beschreiben (a) welche Strategien und (b) auf welchen sozialen Ebenen sie diese Strategien in jeder der vier Problemsituationen einsetzen würden. Die Ergebnisse zeigten, dass Studierende auf motivationale Probleme mit mehr motivationalen, jedoch weniger kognitiven Strategien reagieren und auf verständnisbezogene Probleme mit mehr kognitiven, aber einem ähnlich hohen Einsatz motivationaler Strategien. Damit scheinen Studierende motivationale Probleme in einer problemsensitiveren Weise anzugehen als verständnisbezogene Probleme – ein Befund, der sich auch über die verschiedenen sozialen Ebenen hinweg zeigte.

Auf einen Blick

Das könnte Sie auch interessieren

Projekt 101195
Projekt

KI-Assistierte TrAnsformation von LernsYSTemen

Das Potenzial innovativer Lehr- und Lernangebote an Hochschulen, insbesondere unter Verwendung von Künstlicher Intelligenz (KI), wird aktuell nicht ausreichend ausgeschöpft. Das spiegelt sich in einer wenig zukunftsorientierten Lehrarchitektur im Hochschulbereich wider. Anknüpfend daran wurde die Idee der KATALYST-Plattform entwickelt, die eine KI-Assistierte TrAnsformation von LernsYSTemen hin zu einer modernen Lehrarchitektur ermöglicht. KATALYST ist geplant als frei verfügbare Plattform, für Hochschulen und Universitäten zur personalisierten Unterstützung der Studierenden, zur Erstellung von qualitativ hochwertigen Lernmaterialien für die Lehrenden, zur Einführung neuer zukunftsfähiger Prüfungsformen undzur Verbesserung bestehender Prüfungsformen.Mittels generativer KI werden diese essenziellen Bereiche der Lehrarchitektur durchgängig transformiert und modernisiert. Das eröffnet den Lehrpersonen die Möglichkeit der Lehre mehr Raum zu geben. In Zeiten des Mangels an geeigneten Lehrenden und deren Ressourcenknappheit bietet die KATALYST-Plattform die Chance die bisherige Lehrarchitektur neu zu strukturieren und zu verbessern.Das interdisziplinäre Team mit pädagogischer und technischer Expertise hat sich zum Ziel gesetzt, die Plattform basierend auf aktuellen Forschungserkenntnissen zu entwickeln, in verschiedenen Bildungskontexten zu integrieren und allen Lehrenden und Lernendenim Hochschulbereichfach- und institutionsübergreifend zur Verfügung zu stellen.

Projekt anzeigen
Maßnahme 100040
Maßnahme

Lernfeedback durch Kontrafaktische Erklärungen

Die Maßnahme adressiert die Herausforderung, dass Lernende in digitalen Lernumgebungen stark hetero-gen in ihren selbstregulierten Lernfähigkeiten (SRL) sind und herkömmliches Feedback diese Unterschiede nicht berücksichtigt. Auf Basis der SRL-Theorie wurden Anforderungen an personalisiertes Feedback abge-leitet und mit Verfahren des Maschinellen Lernens sowie Erklärbare KI (XAI) umgesetzt. Dadurch konnten Lernverhalten und individuelle Charakteristika von Studierenden erfasst und mittels kontrafaktischer Er-klärungen in handlungsleitendes Feedback übersetzt werden. Eine universitäre Lehrveranstaltung diente als Testfeld, in dem signifikante Verbesserungen bei Plattformnutzung und Prüfungsergebnissen nachge-wiesen wurden.

Maßnahme anzeigen
Publikation 100248

E-Assessment in MINT-Fächern: Coden von Übungsaufgaben mit Python & Jupyter.

[Kurzbeschreibung folgt (Anm. StIL)]

Publikation anzeigen