
Lehr-Escape-Rooms mit LowCode im Dungeon
Das Projekt L<ESC>rod will ein umfangreiches digitales Framework entwickeln, welches Lehrenden erlaubt, ohne Programmierkenntnisse digitale Escape-Rooms zu definieren. Damit sollen die Zufriedenheit und der Lernerfolg der Studierenden gestärkt werden und die Studierenden in der wichtigen Selbstlernphase besser unterstützt sowie das Erlernen und Vertiefen von Future-Skills gefördert werden. Für Lehrende soll eine einfach zu benutzende Schnittstelle (LowCode) entstehen. Diese ermöglicht die einfache Umsetzung didaktischer Konzepte als fachunabhängige digitale Escape-Rooms mit spannender Handlung und Gamification-Elementen, die zum spielerischen Lernen und Interagieren anregen und die dynamisch auf das Spielgeschehen reagieren können. Basis ist das existierende digitale Dungeon-Framework, mit dem digitale Lernspiele für Single-Player erstellt werden können. Diese wird im Projekt um zentrale Elemente aus dem Bereich analoger Escape-Rooms wie u.a. Multi-Player-/Multi-Team-Konzept, Hinweissystem, Gamification-Konzept, Bewertungskonzept, Narrativ und Puzzle-Elementeergänzt. Das gemeinsame spielerische Bearbeiten von fachlichen Aufgaben und die Identifizierung mit verschiedenen Rollen im Spiel sowie kooperative/kompetitive Anreize adressieren Dialog-, Konflikt- und Lösungsfähigkeit und stimulieren Kreativität und Missionsorientierung. Studierende und Lehrende sind fachübergreifend während des gesamten Projekts aktiv in Evaluation und Entwicklung eingebunden.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren

Statistik ohne Grenzen
In der heutigen digitalen Welt spielt ein Verständnis für Datennutzung und -verarbeitung im Allgemeinen und insbesondere im Kontext Künstlicher Intelligenz für alle Personen eine wesentliche Rolle. Statistische Kenntnisse sind dafür von grundlegender Bedeutung. Das Projekt konzentriert sich daher auf die Erstellung von modularen, in sich geschlossenen barrierefreien digitalen Lehrbausteinen zum Thema Statistik und Datenanalyse. Behandelte Themen sind Daten und Datenwelten, Wahrscheinlichkeiten, Statistische Maßzahlen, Statistische Modellierung und KI.Gemäß den Grundsätzen der UN?Behindertenrechtskonvention streben wir Barrierefreiheit in der Hochschullehre proaktiv an. Daher wird Barrierefreiheit von Anfang an bei Planung, Gestaltung und Organisation der Lehrbausteine berücksichtigt, damit auch Studierende mit Behinderungen und chronischen Erkrankungen chancengleich teilhaben können. Materialien wie Lehrvideos und Lernquizze werden unter der Maxime der barrierefreien Zugänglichkeit erstellt. Inhalte werden in deutscher und englischer Lautsprache mit und ohne Untertitelung, mit Audiodeskriptionen sowie in Gebärdensprache aufbereitet. Zusätzlich stehen beschreibende Transkripte zur Verfügung.So werden Barrieren, die einer konventionellen Vermittlung der Lerninhalte innewohnen, abgebaut. Dies führt zu einer tatsächlichen Zugänglichkeit der Inhalte für alle Studierenden und verbessert so die Qualität der Lehre für Studierende mit und ohne gesundheitliche Beeinträchtigungen.
Projekt anzeigen
Virtuelle Labore für ortsungebundenes Lernen
Virtuelle Laborrundgänge, in Kombination mit Branching Scenarios und virtuellen Experimenten werden genutzt, um Studierenden einen Einblick in eine neue Laborumgebung zu geben. Branching Scenarios beschreiben dabei eine Lernumgebung, in der entlang von Entscheidungspfaden Versuchsabläufe im Dialog und mit Unterstützung von Videos, Fotos und Multiple-Choice-Fragen erprobt werden können. Eingebettet sind die virtuellen Labore in einen digitalen 360° Rundgang der Fakultät für angewandte Naturwissenschaften und Mechatronik an der Hochschule München. Die Studierenden können orts- und zeitungebunden neue Laborlandschaften erkunden und selbständig Prozesse durchführen, die ihnen ansonsten nicht zugänglich wären. Ein vertieftes Verständnis von Anlagen und Prozessen insbesondere im Bereich der Nanotechnik wird so erlangt.
Maßnahme anzeigen
Studentische Partizipation zwischen Wunsch und Wirklichkeit: Ergebnisse einer empirischen Untersuchung
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen