DEV:GAMES Lernen durch eigene EdGames
Educational Games also solche Spiele, bei deren Spiel Student*innen fachspezifische Inhalte lernen halten in verschiedenen Formen (Simulationsspiele, Messenger Games, Brettspiele, Escape Rooms) Einzug in die Lehre. Diese Spiele werden hierfür von Dozent*innen oder anderen Bildungsexpert*innen entworfen und dann in der Lehrveranstaltung verwendet. Aber bereits am Design und an der Implementierung dieser Spiele lässt sich einiges lernen: Lehrstoff kann vertieft werden, verschiedene Ebenen des Verständnissen können entworfen und reflektiert werden und eben auch einiges über das nutzer*innenzentrierte Design solcher Spiele gelernt werden. Genau dies ist Ziel dieses Projekts: Student*innen entwerfen im Rahmen einer Lehrveranstaltung Educational Games, die dann von anderen Lernenden gespielt werden können. Im Projekt entwerfen wir hierfür Konzepte und notwendige Ressourcen und führen sowohl Spieldesign und entwicklung wie auch die Durchführung im Wintersemester 2022/23 und Sommersemester 2023 durch.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Intersektionalität im Lehren und Lernen
Die Diversität der Studierenden an der TU Dortmund wirkt sich stark auf ihre Lernbedürfnisse aus. Diese können nur adressiert werden, wenn Lehrende und Lernende situierte Intersektionalität gemeinsam konzeptualisieren und diese konstruktivistisch in die Lehrpraxis (Curricula, Prüfungen und Lernumgebungen) integriert wird. Das Projekt fokussiert die Herausforderungen der Studierenden in einem Modul des Bachelorstudiengangs Wirtschaftswissenschaften an der TU Dortmund. Unter Berücksichtigung der Heterogenität der Studierenden wird beabsichtigt, ihre wissenschaftlichen Fähigkeiten und Kompetenzen zu Diversität und Inklusion intersektional auf- und auszubauen.Hierbei werden folgende Projektaktivitäten und -ziele verfolgt: a) eine Bestandsaufnahme von Intersektionalität im Lernraum, b) die Zusammenstellung von Beispielen für Herausforderungen im Zusammenhang mit Intersektionalität in unterschiedlichen Arten von Organisationen, c) die Erstellung einer digitalen Lernumgebung zur Veranschaulichung dieser Herausforderungen, d) die Implementierung von herausforderungsbasiertem Lernen im Lernraum mittels Projekt- und Gruppenarbeit sowie, e) die Neugestaltung der Prüfung zur Berücksichtigung von situierter Intersektionalität. Um die Nachhaltigkeit des Projekts zu gewährleisten, werden Maßnahmen zum Wissenstransfer innerhalb der Fakultät Wirtschaftswissenschaften sowie auf universitätsweiter und -übergreifender Ebene durchgeführt.
Projekt anzeigen
Entwicklung digitaler Mathematik-Atlas „matlas“
Mit matlas können Studierende alle wichtigen Themen der Mathematik im Grundstudium über eine digitale Wissenslandkarte interaktiv erkunden und sich Wissen ergänzend zu Vorlesungen selbstständig aneignen. Über einen zentralen Einstiegspunkt ist matlas hochschulweit zugänglich. Über Lerneinheiten sind sämtliche multimediale Lernmaterialien, wie z.B. Lehrvideos und Foliensätze, zugänglich.
Maßnahme anzeigen
Too Positive to Be True? Sentiment Analysis of AI-Guided vs. Human-Led Debriefings in Virtual Reality Counseling Training
Debriefings are a crucial component of simulation-based learning, as they allow participants to critically reflect on their performance and translate experiences into knowledge. With the rise of artificial intelligence (AI), large language models (LLMs) are increasingly being explored as conversational agents in debriefings. However, concerns have been raised that AI debriefers may display sycophantic tendencies, characterized by overly positive sentiment and a lack of critical feedback. Such tendencies could affect learners' self-evaluations. In this study, 45 university students participated in a virtual reality (VR) counseling simulation, followed by either an AI-guided or a human-led debriefing. Sentiment analysis of 958 debriefing statements (350 AI, 608 human) was conducted using a German sentiment classification model. Results show that AI debriefers expressed significantly more positive sentiment and substantially fewer negative statements compared to human debriefers, corroborating the assumption of a sycophancy effect. However, sentiment was not found to predict self-rated counseling competence or self-efficacy. While AI debriefers provide consistent encouragement, their lack of critical feedback raises questions about their long-term effectiveness for professional skill development. Future research should explore hybrid approaches that combine AI scalability with human expertise in constructive reflection.
Publikation anzeigen