Graveler - Wissen spielerisch erfahrbar machen
Hochschullehre muss innovationsfähig sein, um sich in einer Welt ständiger Veränderungen an neue Bedarfe anpassen zu können und den Studierenden bestmögliches Lernen zu ermöglichen. Digitales Lehren und Lernen in interaktiven virtuellen Welten eröffnet neue Perspektiven und schafft neue Räume für Kreativität und Entdecken, in denen sich die Studierenden in praxisnahen Situationen ausprobieren und Wissen handelnd erfahren können. Basierend auf diesem erfahrungsorientierten Lernansatz wurde an der Universität Tübingen mit Graveler ein E-Learning Tool für die Integration von game-based learning in die Hochschullehre entwickelt. Dieses Tool gilt es nun in die Breite zu bringen und vielfältige Anwendungsbereiche zu erschließen. Dazu soll ein Weiterbildungskonzept entwickelt werden, das Lehrende und MultiplikatorInnen bei der Ausarbeitung und Erprobung von didaktischen Szenarien im eigenen Kontext unterstützt, und in die technischen Voraussetzungen und Besonderheiten von game-based learning einführt. Das Tool, das im Kontext der Global Awareness Education entwickelt und pilotiert wurde, kann insbesondere dazu beitragen, inter- und transdisziplinäre Perspektiven bei den Studierenden zu fördern und interkulturelle Kompetenz sowie Lösungskompetenz für die ökologischen und gesellschaftlichen Herausforderungen unserer Zeit zu vermitteln. Graveler ist Open Source und verbindet die Funktionalität von Lernmanagementsystem und Konferenzsoftware mit Virtual Reality-Multiplayerspiel.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
KI-basiertes Feedback für Freitexte und Diagramme
In diesem Projekt, welches auf dem Easy-Tutor Projekt von Freiraum 2022 aufbaut, soll unter Benutzung von Prompting-Technologien auf bekannten Sprachmodellen wie ChatGPT oder Mistral sowie eigenen KI-Modellen ein bestehendes intelligentes Tutorensystem (ITS) für SQL-, Excel- und Mathe-Aufgaben um die Feedback-Generierung für weitere Aufgabenarten erweitert werden: Textaufgaben mit wenigen Lösungsvarianten (z.B. Modellierungsaufgaben) und Freitextaufgaben sowie die Überprüfung von Seminar- und Abschlussarbeiten.Im ersten Fall erfolgt zuerst eine Harmonisierung und dann eine (semi)-automatische Klassifikation der Lösungsstrategien durch das ITS. D.h., wenn das ITS eine neue Lösungsstrategie entdeckt, reicht es diese zur Korrektur an Dozierende weiter. So lernt das ITS, neue Strategien zu bewerten. Mit der Zeit kann es dann immer selbstständiger den Studierenden Feedback geben, auch wenn sich die konkreten Formulierungen jedes Mal unterscheiden. Dieser Ansatz ist eine Verallgemeinerung des Ansatzes zur selbstlernenden Feedback-Generierung für SQL-Aufgaben [arXiv:2311.10730].Bei Seminar- und Abschlussarbeiten überprüft das ITS neben Formalkriterien (wie Zitierweise) die Struktur und den Aufbau der Arbeit (Ist eine Forschungsfrage erkennbar? Bauen die vom Sprachmodell erkannten Aussagen auf vorherigen Teilen der Arbeit auf? Gibt es ein Fazit, welches zur Forschungsfrage passt?). Dozierende können Feedback geben, nachdem viele strukturelle und formale Fehler schon beseitigt wurden.
Projekt anzeigen
Transfergeleitete Adaption eines Learning Designs
Die germanistische Mediävistik kann als herausforderndes, konservatives Umfeld gesehen werden, das dem Transfer digitaler Lehr-Lern-Tools zwischen Universitätsstandorten häufig skeptisch gegenübersteht. Die Zentrierung auf die Bedürfnisse der transfernehmenden Institution, Aufbau eines niedrigschwelligen Supportnetzes und Adaption des Learning Designs, hat den Transfer enorm erleichtert.
Maßnahme anzeigen
Kollaboratives Arbeiten in Lehre und Studium – Beiträge des Verbundprojektes Co3Learn beim Hochschulforum Digitalisierung
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen