Living AI-ducation Dashboard
The rise of artificial intelligence (AI) is transforming education and calls for more research and trained experts. Our teaching project aims to develop and evaluate the course "Intelligent Learning: AI in Education" and to integrate it into our existing Educational Technology Master's program. Students, together with instructors, in the course will create a comprehensive learning and information resource called the Living AI-ducation Dashboard, which will keep students up-to-date on research and development in the field of AI in education. Interdisciplinary team teaching and project-based learning will be implemented to help students develop interdisciplinary thinking. The project will involve students of subsequent cohorts in developing, maintaining, and further improving the dashboard. In Phase 1 of the project, the project staff will and prepare basic content (e.g., educational AI applications, data visualization, methods of research syntheses, science communication) and work assignments for the course. During Phase 2, students of the first cohort will design a blueprint for the dashboard, which will be implemented with the support of the project staff. In Phase 3, the next cohort will gather data according to the blueprint and visualize it for publishing on the university website as the "Living AI-ducation Dashboard." Afterwards, the dashboard will be evaluated. In Phase 4, the next cohort will and improve the dashboard, and implement new features.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Lehre vernetzt
Mit Lehre vernetzt Qualifizierung für Lehrende und Tutor:innen werden in Mecklenburg-Vorpommern hochschuldidaktische Weiterbildungsformate nachhaltig in bestehende Formate integriert und die landesweite Vernetzung und Kooperation der Hochschulen gestärkt. Der Verbund der sechs Hochschulen in Mecklenburg-Vorpommern, repräsentiert durch das Kompetenznetzwerk für Hochschul- und Mediendidaktik MV, will für hochschul- und mediendidaktische Kompetenzen qualifizieren und übergreifende Strukturen schaffen, z.B. ein landesweites Zertifikat für Hochschuldidaktik MV. Zudem hat die didaktische Grundausbildung von studentischen Tutor:innen für unseren Verbund einen hohen Stellenwert, weshalb die Entwicklung eines MV-Zertifikats für Tutor:innen in der Hochschullehre ein Kernanliegen dieses Projekts ist.Denn nicht selten sind Tutor:innen später als wissenschaftliche Mitarbeitende in der Lehre tätig. Unser Ziel ist es daher, Tutor:innen bestmöglich auf ihre Aufgaben in der analogen, hybriden und digitalen Lehre vorzubereiten und hochwertige Tutorien zu fördern. Darüber hinaus sollen Beispiele und Best Practices Guter Lehre landesweit sichtbar gemacht werden. Das Projekt verfolgt die vier Ziele 1.) landesweiter Zertifikatsprogramme, 2.) Stärkung der Community der didaktisch Interessierten 3.) Spezialisierungen und Zusatzzertifikate sowie 4.) evidenzbasierte Beforschung innovativer Lehr-Lernformate. Es richtet sich primär an die Zielgruppen der Lehrenden und studentischen Tutor:innen.
Projekt anzeigen
Fallstudienkurs Controlling Analytics Challenge
Studierende werden in die Programmiersprache R eingeführt und lernen anhand von Lernvideos und praktischen Übungen in einer Cloud-Umgebung Grundlagen und vertiefende Inhalte von Data Analytics mit Controlling-Bezug, etwa zur Regression oder Klassifikation. Die selbstständige Bearbeitung praxisnaher Fallstudien wird durch Online-Coachings begleitet. Ein entweder studentisches oder KI-gestütztes Peer Review ermöglicht den Studierenden eine Qualitätsverbesserung und simuliert zugleich den Begutachtungsprozess wissenschaftlicher Veröffentlichungen. Abschließend erstellen die Studierenden Präsentationen zu ihren Fallstudien und reichen diese als Video ein. Eine Jury aus Kursbetreuern und Unternehmensvertretern als Kooperationspartner wählen daraus die drei besten Teams aus, die in einer Abschlussveranstaltung in einem Wettbewerbsformat ihre Lösungen vorstellen und verteidigen. Die Jury zeichnet daraus unter Einbezug eines Studierenden-Votings die überzeugendste Lösung mit einem Preis aus.
Maßnahme anzeigen
FeeDi: Typunabhängiges Diagramm-Assessment durch deklarative Diagrammspezifikation
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen