
Zukunftskompetenz Interdisziplinarität. Didaktische Tools für die Technikfolgenabschätzung am Beispiel von grünen Technologien
Der bislang wenig erfolgreiche Versuch, Technikfolgen mit immer noch mehr Technik zu begegnen, zeigt dass die großen Probleme unserer Zeit wie der Klimawandel nun einmal nicht monodisziplinär gelöst werden können. Das liegt daran, dass keine Disziplin allein in der Lage ist, die Gesamtfolgen von Technologien einzuschätzen. Die Fähigkeit zur interdisziplinären Zusammenarbeit gilt deshalb als Schlüsselkompetenz für eine nachhaltige Entwicklung. Derzeit bieten die MINT-Curricula vieler Technischer Universitäten Studierenden kaum Gelegenheit, diese Schlüsselkompetenz zu entwickeln, sehen sie bestenfalls schwach interdisziplinäre Projekte (zwischen MINT-Studiengängen) vor, ohne Technik bspw. in ihrer gesellschaftlichen Komplexität zu betrachten oder die interdisziplinäre Zusammenarbeit durch die Studierenden reflektieren zu lassen. Nur so könnten sie aber aus der reinen Arbeitsform eine Kompetenz entwickeln, die sich auf andere Kontexte übertragen lässt. Das Projekt "Zukunft jetzt!" wagt ungewöhnliche didaktische Wege, um die Lernvorteile starker interdisziplinärer Zusammenarbeit (zwischen Technik-, Natur-, Geistes- und Sozialwissenschaften) zu ermöglichen - selbst da, wo diese Vielfalt in den Lerngruppen fehlt. Die Studierenden werden zu Beforschenden ihrer Selbst und entwickeln gemeinsam mit den Wissenschaftler*innen didaktische Methoden, um eine schwache interdisziplinäre Zusammensetzung der Lerngruppe zu kompensieren - das Ganze am Beispiel "Grüner Technologien".
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren

STEAM SPACE
STEAM SPACE, initiert vom Fach Design im Institut Kunst der Uni Osnabrück ermöglicht agile, mobile, kreative Lernformate wobei die MINT-Fächer um Kunst und Design zu MINKT (englisch STEAM) erweitert werden. Exploratives Gestalten in Verbindung mit weiteren Wissenschaftsbereichen begünstigt so ein Erfindungs- und Wissensreichtum, das für die Lösung komplexer Probleme der Gegenwart befähigt: Future Skills, Design Thinking, Reflexions-,Selbst und Zukunftskompetenzen (Kommunikation, Kollaboration und kritisches Denken) werden gefördert, um fu?r eine nachhaltige Entwicklung und eine zukunftsfähige Gestaltung unserer Welt hinsichtlich ökonomischer, ökologischer und soziokultureller Aspekte zu sensibilisieren. Inspiriert durch den Laboraufbau fu?r Experimente in den Naturwissenschaften bietet STEAM SPACE Raum fu?r interdisziplinäre Projektarbeit. Es wird ein institutioneller Freiraum fu?r sozio-technologische Lehre mit einer ästhetischen, transdisziplinären und transformierenden Ausrichtung ermöglicht, indem ai, Prototyping, Coding, Design Thinking, OER, Open Source, experimentelle Forschung, BioArt, Social Design, DIY, PopUp-Events, Hackathons, Science Talks u. BrownBag Lectures stattfinden. Ein transdisziplinärer, kooperativer sowie explorativer Wissenserwerb wird spielerisch um kognitive, soziale, ethische und ästhetische Kompetenzen erweitert. Die Ergebnisse werden als OER-Material zur Verfügung gestellt.
Projekt anzeigen
Lehrendenbefragung zur Zukunft der Lehre
Die Herausforderung bestand darin, nach der Covid-19-Pandemie herauszufinden, wie Lehrende an Hoch-schulen in Sachsen die Hochschullehre weiterentwickeln würden. Was von der Hochschullehre in der Pande-miezeit soll bleiben? Wohin soll sich die Hochschullehre entwickeln? Grundlage für die Erhebung bilden die Empfehlungen des Wissenschaftsrates zur zukunftsfähigen (digitalen) Gestaltung von Studium und Lehre.
Maßnahme anzeigen
Open-Source Intelligent Tutoring System for Programming Exercises in Engineering Education
Implementing control and machine learning algorithms in MATLAB and Simulink is a critical competency in advanced control engineering. While immediate feedback is essential for fostering intuitive understanding, it is traditionally constrained to scheduled exercise sessions or consultation hours. To bridge this gap, this project introduces an open-source intelligent tutoring platform that provides continuous, on-demand feedback. To accommodate diverse solution strategies, the platform employs a hybrid evaluation strategy combining result-based and code-based metrics. This ensures that valid alternative solutions that differ from predefined sample solutions are not misclassified. In case of incorrect solutions, a Large Language Model, contextualized with sample solutions and task classification results, offers auxiliary support for students struggling to initiate or complete tasks. Instructional scaffolding is adaptively adjusted to guide students toward independent problem-solving. We position this platform as a supplementary tool designed to enhance, rather than replace, valuable interactions between students and human tutors. Built on open-source tools, the system is architected for reusability, enabling lecturers across engineering subjects to adapt the framework to their teaching needs easily.
Publikation anzeigen