arts-based learning im Innovationsmanagement
Im Projekt artINN sollen Ansätze des arts-based learnings systematisiert, aufbereitet sowie implementiert und gemeinsam mit Studierenden evaluiert werden. Durch die Integration von Ansätzen des arts-based learnings sollen Fachgrenzen überwunden und die Kompetenzentwicklung der Studierenden mit neuen Lehr- und Lernmethoden unterstützt werden. Im Mittelpunkt eines interdisziplinären Pilotmoduls im Themenfeld Innovationsmanagement steht, neben der Auseinandersetzung mit großen gesellschaftlichen Herausforderungen, die Ableitung und Erprobung von Lösungsansätzen mit Bezug zur ökologischen und ökonomischen Transformation. Dazu werden u. a. dialogorientierte Methoden aus dem Bereich von Kunst und Kultur, wie z. B. künstlerische Interventionen, Fotografie-/Theaterworkshops, Analyse von Kunstwerken, Erschaffung von Street Art oder temporären Installationen angewandt und die damit erzielten Ergebnisse reflektiert. Im Projekt werden Kooperationsbeziehungen mit Künstler*innen, Lehrenden und Forschenden an Kunsthochschulen sowie Organisationen der Kultur- und Kreativwirtschaft aufgebaut. Im Ergebnis des Projektes wird der Einsatz von arts-based learning Ansätzen an der TH Wildau (THWi) erwartet, insbesondere mit Bezug zum Innovations- und Technologiemanagement, im Bereich Transformationsmanagement sowie Nachhaltigkeitsmanagement und -marketing in betriebswirtschaftlichen sowie in den ingenieurwissenschaftlichen Studiengängen.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Implizite Vorurteile in der Medizin
Wissenschaftliche Befunde zeigen, dass implizite Vorurteile gegenüber Patient*innen, u.a. in Form von Stereotype und (geschlechtsbezogener) Diskriminierungen, die Qualität der medizinischen Behandlung negativ beeinflussen können bis hin zu fehlerhaften Diagnosen oder mangelhaften Therapien. Ärzt*innen sehen sich ebenfalls Diskriminierungen von Patient*innen und Kolleg*innen ausgesetzt, die die Arbeitszufriedenheit negativ beeinflussen können. Trotz der Bedeutsamkeit dieser Faktoren wird der Umgang mit impliziten Vorurteilen und Diskriminierung in der medizinischen Lehre bisher kaum thematisiert. Ziel dieses Projektes ist es daher, den Studierenden im Rahmen eines longitudinalen Curriculums im klinischen Abschnitt eigene implizite Vorurteile bewusst zu machen und Verhaltensweisen zu fördern, um auf diskriminierendes Verhalten von Kolleg*innen und Patient*innen adäquat reagieren zu können. Dabei werden zwei didaktische Ansätze verfolgt: (1) Patient*innenfälle, die die Grundlage diverser Lehrformate mit Simulationspersonen bilden und u.a. als Videofälle vorliegen, sollen hinsichtlich der Sichtbarmachung gesellschaftlich vorhandener Diversität überarbeitet bzw. neu entwickelt werden; (2) basierend auf dem psychologischen Nudging-Konzept sollen kleinere, aber wiederkehrende Stimuli in die Simulationen integriert werden, um implizite Vorurteile wiederholt sichtbar zu machen und Formen und Ursachen zu thematisieren. Die Wirksamkeit der Maßnahmen soll fortlaufend evaluiert werden.
Projekt anzeigen
STACK Talk am frühen Abend
Der STACK Talk am frühen Abend ist ein einstündiges Online-Event, das einmal pro Semester via BigBlue-Button stattfindet und vom Projekt STACK Net der OTH Amberg Weiden organisiert wird. Es dient der Erweiterung und stärkeren Vernetzung der deutschsprachigen STACK Community sowie dem erleichterten Einstieg neuer Interessierter in die STACK Welt. Die Maßnahme adressiert die Herausforderung, die rezeptiven Newsletterinhalte im interaktiven Austausch mit den Autor:innen und Teilnehmenden zu vertiefen.
Maßnahme anzeigen
Bot or Not? Differences in Cognitive Load Between Human- and Chatbot-Led Post-Simulation Debriefings
Understanding how different debriefing formats impact learner’s cognitive load is crucial for designing effective post-simulation reflection activities. This paper examines cognitive load after post-simulation debriefings facilitated either by a human instructor or a generative AI Chatbot. In a controlled study with N = 45 educational science students, 23 participants engaged in a lecturer-facilitated debriefing, while 22 completed a chatbot-guided session. Cognitive load was assessed across intrinsic, extraneous, and germane dimensions. Results revealed no statistically significant differences between the two debriefing methods. Future research should examine AI-led debriefings with larger samples and employ complementary measures of cognitive load to provide a more comprehensive understanding.
Publikation anzeigen