Interaktive, skalierbare Lernumgebung für die Elektrotechnik
Im Projekt INSKALE soll erstmals eine interaktive, skalierbare Lernumgebung für die Elektrotechnik geschaffen werden. Sie soll u. A. die wichtigsten Prinzipien zur Berechnung von elektrischen Schaltungen mit Gleichspannung und Wechselspannung vermitteln sowie die Berechnung magnetischer Schaltkreise erlauben. Im Gegensatz zu existierenden Tools kann die Lernumgebung analytisch rechnen und ist damit universell für viele Probleme der Elektrotechnik einsetzbar. Insbesondere erlaubt sie das Herleiten und Darstellen von vereinfachten Schaltkreisen, einschließlich deren quantitativer Berechnung. Die Lernumgebung wird im Browser auf verschiedensten Endgeräten laufen, benötigt in der Standardausführung keine speziellen Server und kann von weiteren Hochschulen leicht und sicher adaptiert werden. Sie ist für viele Nutzer gleichzeitig skalierbar und hat das Ziel, die Lehre in der Elektrotechnik zu verbessern.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
DualHoch3: Innovative Ansätze im Dualen Studium
Im Zentrum von Dual³ stehen die drei zentralen Akteursgruppen – Studierende, Hochschulen sowie Unternehmen – die gemeinsam die Zukunft des Dualen Studiums gestalten und die Namensgebung des Projekts darstellen. Ziel des Projekts ist es, innovative Modelle und Best-Practice-Ansätze für bestehende und zukünftige duale Studienangebote zu entwickeln. Im Mittelpunkt steht dabei die Schnittstelle zwischen Theorie und Praxis. Dual³ nimmt insbesondere den Transfer zwischen den beiden Lernorten in den Blick und möchte informell und non-formal erworbene Kompetenzen der Studierenden sichtbar machen. Darüber hinaus soll der nationale Austausch über besondere Studienangebote und deren Anrechnung als hochschulische Leistung gestärkt werden. Zudem wird ein besonderer Fokus auf die Qualität und Wissenschaftlichkeit in der Praxisphase gelegt. Dual³ möchte neue Wege erproben, die das Duale Studium zukunftsfähig machen und Impulse für die gesamte Bildungslandschaft geben. Die Ergebnisse werden in einem aufzubauenden Transfer-Netzwerk von interessierten Hochschulen und Unternehmen disseminiert. Der Projektverbund ist ein bundeslandübergreifender Zusammenschluss unterschiedlicher Hochschularten: die Projektleitung liegt bei der DHBW, Projektpartner sind die Duale Hochschule Sachsen, die Hochschule Bielefeld sowie die Technische Hochschule Ostwestfalen-Lippe. Unterstützt wird der Projektverbund durch den Verband Duales Hochschulstudium Deutschland e.V. sowie den ILIAS open source e-Learning e.V.
Projekt anzeigen
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
Too Positive to Be True? Sentiment Analysis of AI-Guided vs. Human-Led Debriefings in Virtual Reality Counseling Training
Debriefings are a crucial component of simulation-based learning, as they allow participants to critically reflect on their performance and translate experiences into knowledge. With the rise of artificial intelligence (AI), large language models (LLMs) are increasingly being explored as conversational agents in debriefings. However, concerns have been raised that AI debriefers may display sycophantic tendencies, characterized by overly positive sentiment and a lack of critical feedback. Such tendencies could affect learners' self-evaluations. In this study, 45 university students participated in a virtual reality (VR) counseling simulation, followed by either an AI-guided or a human-led debriefing. Sentiment analysis of 958 debriefing statements (350 AI, 608 human) was conducted using a German sentiment classification model. Results show that AI debriefers expressed significantly more positive sentiment and substantially fewer negative statements compared to human debriefers, corroborating the assumption of a sycophancy effect. However, sentiment was not found to predict self-rated counseling competence or self-efficacy. While AI debriefers provide consistent encouragement, their lack of critical feedback raises questions about their long-term effectiveness for professional skill development. Future research should explore hybrid approaches that combine AI scalability with human expertise in constructive reflection.
Publikation anzeigen