Sehen lernen: Mensch und KI im Vergleich
Viele Studierende und Lehrende der Geisteswissenschaften sind vom digitalen Wandel überfordert und können sich den Einsatz von Künstlicher Intelligenz für Studium, Lehre und Beruf nicht vorstellen. Deshalb möchten wir ein entsprechendes, webbasiertes Schlüsselkompetenzangebot schaffen. Im Zentrum sollen menschliche und maschinelle Lernverfahren stehen, die auf dieselben Inhalte trainiert und getestet werden. Dabei soll ein Schwerpunkt auf der Interpretation visueller Medien liegen. Die Studierenden lernen an ausgewählten Beispielen regelbasiertes und intuitives Bildverstehen an sich selbst kennen, indem sie in mehreren Experimenten gegen Neuronale Netzwerke antreten. Diese Erfahrung wird jeweils als Ausgangspunkt genutzt, um Grundlagen des maschinellen Lernens und ihre Auswirkungen auf den (Studien)alltag auf leicht verständliche Weise zu vermitteln.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Individualisierung von Wirtschaftsinformatik-Übungen
Lernziel des Moduls Wirtschaftsinformatik ist die Fähigkeit, Aufgaben zum Thema Datenkompetenz mit Hilfe selbstgeschriebener Programme zu lösen. In Übungen lösen die Studierenden dazu Programmieraufgaben. Aufgrund der unterschiedlichen Vorkenntnisse der Studierenden trifft der Schwierigkeitsgrad der Aufgaben nur einen Teil der Studierenden. Für überforderte Studierende sind die Lernschritte zu groß, Aufgaben können nicht selbstständig gelöst werden, oft werden Musterlösungen ohne eigenen Lösungsversuch betrachtet. Die Kompetenz, eine Lösung selbst zu erstellen, wird nicht erreicht und die Studierenden verlieren die Motivation. Unterforderten Studierenden fehlt die Stimulation, über das minimale Lernziel hinaus Verständnis für die Verarbeitung von Daten zu gewinnen, um besser auf die Anforderungen der Digitalisierung vorbereitet zu sein. Den Studierenden sollen individuelle Übungsaufgaben entsprechend dem jeweiligen Lernfortschritt vorgeschlagen werden. Statt durch die Bereitstellung von Musterlösungen sollen sie durch eine kontinuierliche, automatische Bewertung ihrer Lösungen intrinsisch motiviert werden, an den Übungen teilzunehmen. Durch ein Bonussystem, mit dem die Studierenden eine Verbesserung der Modulbenotung erreichen können, soll eine zusätzliche extrinsische Motivation gegeben werden. Dazu soll ein ausreichend großer Aufgabenpool geschaffen werden, aus dem individuelle Aufgaben mit angepasstem Schwierigkeitsgrad generiert werden können.
Projekt anzeigen
Immersive Technologien in der Hochschullehre
Das Lehrlabor „Lab for Innovative Teaching“ bietet Lehrenden einen Raum, um immersive Technologien wie Virtual Reality, Augmented Reality, Mixed Reality, Extended Reality und 360°-Anwendungen für die eigene Lehre zu erproben. Da in der Hochschullehre häufig nur begrenzte Zeit und Ressourcen für experimentelle Methoden zur Verfügung stehen – trotz hoher Motivation und Engagement seitens der Lehrenden – setzt das Labor gezielt hier an. Durch die Bereitstellung der Technik und der qualifizieren Begleitung ermöglicht das Lab praxisnahes, eigenständiges Ausprobieren, schafft eine kollegiale, förderliche Lernatmosphäre und unterstützt Lehrende auf unterschiedlichen Kompetenzstufen. Zentrales Element ist eine gelebte Experimentier- und Fehlerkultur, die dazu ermutigt, Neues zu wagen und aus den Auseinandersetzungen mit Bildungstechnologien produktive Lernerfahrungen zu gewinnen. Entscheidend ist zudem die Berücksichtigung individueller Bedürfnisse, um Vorbehalte abzubauen und Technikskepsis e
Maßnahme anzeigen
Explanatory machine learning for sequential human teaching
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen