Digitaler Zwilling durch Minimum Viable Product
In Anlehnung an agile Methoden wurde ausgehend von einem ersten lauffähigen Prototyp (MVP) des digitalen Zwillings schrittweise eine zunehmende Anzahl von Funktionen implementiert. Dadurch konnte der digitale Zwilling frühzeitig mit Studierenden getestet, evaluiert und optimiert werden. So wurde eine langwierige Entwicklung ohne zwischenzeitliches Feedback von Studierenden vermieden.
Kategorien
Beschreibung
Herausforderung
Durch lange technische Entwicklungszeiten besteht die Gefahr, dass die tatsächlichen Bedürfnisse der Studierenden aus den Augen verloren werden. Wenn die Evaluation erst am Ende des Projekts erfolgt, können unter Umständen größere Anpassungen erforderlich werden, die nicht mehr innerhalb der Projektlaufzeit umgesetzt werden können. Diese Problematik wird durch die Umsetzung des Projekts durch Fachexperten zusätzlich verstärkt, da diese den Bedarf der Studierenden nicht immer richtig einschätzen.
Herangehensweise
Dies geschieht durch die Entwicklung eines ersten einfachen Prototyps des digitalen Zwillings. Dieser Ansatz wird in der Produktentwicklung als Minimum Viable Product (MVP) bezeichnet. Er ermöglichte es, die grundlegenden Funktionen des digitalen Zwillings zu testen und frühzeitig Feedback von den Studierenden zu erhalten. Die Zusammenarbeit mit der Unterstützungsstruktur war entscheidend, um rechtzeitig Methoden zur Erhebung von Nutzeranforderungen und Evaluationsmöglichkeiten abzustimmen. Durch die Anwendung eines nutzerzentrierten Designs konnte sichergestellt werden, dass der Prototyp den tatsächlichen Bedürfnissen der Studierenden entsprach. Der iterative Entwicklungs- und Evaluationsprozess ermöglichte es, auf Feedback zu reagieren und Anpassungen vorzunehmen, sodass der Prototyp besser an die Anforderungen der Studierenden angepasst werden konnte. Dies erhöhte nicht nur die Akzeptanz des digitalen Zwillings, sondern auch seine Effektivität als Lehr- und Lernmedium.
Zusammenhang
Dieser Ansatz wurde die gesamte Laufzeit über im Teilprojekt „Digitaler Zwilling in Bioprozessen“ angewandt Die einzelnen Entwicklungsstufen wurden im Wahlpflichtfach „Bioprozessführung” regelmäßig von Studierenden getestet und evaluiert.
Ziel war die Entwicklung eines digitalen Zwillings für eine bioverfahrenstechnische Versuchsanlage zur Herstellung biologischer Produkte mit Mikroorganismen oder Zellkulturen und dessen Einbindung in Lehrveranstaltungen des Studiengangs „Biotechnologie".
Voraussetzung
Die Integration der übergreifenden Unterstützungsstruktur, die die einzelnen Teilprojekte in den Bereichen Didaktik, Konzeption, Evaluation sowie Medien- und IT-Technik unterstützt hat, war für die Umset-zung sehr wertvoll.
Eignung
Die mit agilen Methoden verbundenen kurzen Entwicklungszyklen unter Verwendung von nutzerzentrierten Gestaltungsrichtlinien und MVPs sind heute in der industriellen Produkt- bzw. Softwareentwicklung Standard. Durch diese Maßnahme konnte die grafische Benutzeroberfläche nutzerfreundlich gestaltet werden, was zu einer intuitiven Bedienung des digitalen Zwillings führte. Zudem konnte die Funktionalität des digitalen Zwillings schrittweise ausgebaut werden. Dies wurde von den Studierenden in mehreren Evaluationen besonders positiv bewertet.
Methoden
Empfohlen
Kontakt
Das könnte Sie auch interessieren
Kommunikationtraining per Medizin-ChatboT
An vielen medizinischen Fakultäten werden Unterrichtseinheiten zum Erwerb von Kommunikationskompetenz angeboten. Die anschließenden praktischen Prüfungen fallen in der Regel gut aus, was jedoch daran liegt, dass hier mit Hilfe allgemein bekannter Checklisten einzelne Teilaspekte der Kommunikation bewertet werden, so dass es auch ohne tatsächliche Kompetenz möglich ist, die Prüfung zu bestehen. Folglich findet das tatsächliche Training dann erst im realen Patientenkontakt statt, was für beide Seiten belastend sein kann. Da im Studium nicht ausreichend Gelegenheiten für ein individuelles Kommunikationstraining gegeben sind, soll in diesem Projekt eine Alternative geschaffen werden. Mit Hilfe eines spezifisch für die medizinische Nomenklatur trainierten Large Language Models und angeschlossener Audio-Schnittstelle üben Studierende der Medizin die allgemeine und fachspezifische Anamnese ein. Die Gespräche werden aufgezeichnet und danach bewertet, ob vorab definierte Inhalte und Fragetechniken darin abgebildet wurden. Auf dieser Grundlage wird ein automatisiertes Feedback erstellt, das die Studierenden bei ihrem weiteren Lernprozess unterstützen soll. Bei der Programmierung werden Studierende mit Informatik-Kenntnissen eingebunden. Die Wirksamkeitsprüfung erfolgt über das Instrument des CSA Gain und einen Vergleich der praktischen Prüfungsergebnisse aus der Zeit vor Verfügbarkeit des Chatbots mit der Zeit nach Einführung der Innovation.
Projekt anzeigen
Anwendung+Adaption v. WOL f.d. HS-Lehre z. Förd. v. Vernetzungs- u. Selbstorganisationskompetenzen
Für die Wirtschaft wurden mit Working Out Loud (WOL) und ähnlichen Methodenverbünden Angebote gestaltet, mit denen Fachkräfte ihre Vernetzungs- und Selbstorganisationskompetenzen weiterentwickeln. Aufgrund der Bedeutung dieser Kompetenzbereiche wurde WOL daraufhin untersucht, wie es sich im Hochschulkontext anwenden bzw. adaptieren lässt. [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
Zu einer digitalen Unterstützung für selbstreguliertes Lernen
Selbstreguliertes Lernen (SRL) stellt eine wesentliche Kompetenz zur Steuerung des individuellen Lernprozesses dar. Die Erfassung relevanter Lerndaten zur Analyse und Verbesserung des eigenen Lernprozesses ist herausfordernd, insbesondere in nicht-digitalen Umgebungen. Spezifische Tools werden von Studierenden kaum genutzt, da ein unmittelbarer Mehrwert oft unklar ist oder Anreize sowie Anleitung erforderlich sind. Dieser Demo-Beitrag stellt ein webbasiertes Unterstützungstool für SRL vor, welches Studierende insbesondere im Offline-Bereich unterstützen soll, Lerndaten selbstständig zu erfassen (z. B. Lernziele, offene Fragen, benötigte Zeit oder Selbsteinschätzungen). Anreize erfolgen u. a. durch Bearbeitungshinweise zu Übungsaufgaben oder Einblick in die eigenen Lerndaten. Erste Pilot-Ergebnisse des Tools werden vorgestellt und Ideen zur Verbesserung diskutiert.
Publikation anzeigen