Feedback zur Lernzeit und ablenkungsfreie Lernumgebung
In unserer Studie zielten wir darauf ab, mithilfe von verschiedenen Interventionen, Ablenkungen zu minimieren und das Zeitmanagement und die Zielplanung zu verbessern. Wir wollten eine optimale Lernumgebung schaffen, die an das Persönlichkeitsprofil des Nutzers angepasst ist. [Anm. StIL: Diese Maßnahme wurde in einer Vorgängerversion der Abfrage dokumentiert. Bei der Übertragung auf das aktuelle Format kann es vorkommen, dass die Antworten nicht hundertprozentig zur Frage passen.]
Kategorien
Beschreibung
Herausforderung
Ablenkungsfreie Lernumgebung schaffen, Zeitmanagement und Zielplanung verbessern
z.B. verschiedene Social-Media-Dienste sorgen für Ablenkung
Auf heterogene Gruppen von Lernenden eingehen (Für wen sind Apps geeignet?)
z.B. unterschiedliche Persönlichkeit oder Lebensrealität Studierender
Werden Apps von Studierenden und Dozierenden gut angenommen?
z.B. gibt es Bedarf und Akzeptanz für diese Angebote
Voraussetzung
Bei flexiblem Vorlesungsmodell (in Präsenz oder als Videoaufzeichnung) ist Anwesenheit sehr gering. Es ist ratsam, solche Effekte einzukalkulieren bei der Stichprobengröße.
Technisch: Funktionieren der Apps auf allen Geräten und Betriebssystemen. Evaluationstechnisch: grundsätzliche Motivation Kooperationsbereitschaft von Seiten der Studierenden
Eignung
summativ (zum Abschluss)
Die Apps wurden mit quantitativen Methoden hypothesengeleitet und mit Hilfe etablierter Fragebögen untersucht. Hierin besteht eine Stärke der Professur Psychologie digitaler Lernmedien. Qualitative Forschung wurde in geringerem Maß durchgeführt in Form eines Interviews und Evaluationsfragen.
Hinweise
Effekte
Es kann sein, dass die Apps auch nach der Studie weiterverwendet werden, aber es sieht nicht danach aus. Gesammelte Erfahrungen können für zukünftige ähnliche Studien hilfreich sein.
Es gab Schwierigkeiten bei der Installation der Apps. Der Drop Out war hoch. Ease of Use nach Technology Acceptance Model ist zu schwierig.
Learnings
Tutorial Video wirkt. Bearbeitung von Lernaufgaben benötigt weniger Zeit, bei vorangegangenem Tutorial.
Empfehlung
Vorselektierte Stichprobe mit der festen Absicht, die angebotenen Apps weiterzuverwenden (z. B. Behavioral Intention nach Technology Acceptance Model), um Drop Out zu verhindern oder andere Maßnahmen.
Sicherstellen, dass die Apps auf allen Geräten und Betriebssystemen funktionieren (das war in unserem Fall gegeben, ist aber nicht selbstverständlich).
Tipps
Es gibt noch viele offene Fragen, z.B. Zeitmanagement in einer App
Learnings ernst nehmen, vielleicht sogar Pilotstudie vorausschicken.
Sonstiges
entweder Erwartungen verringern oder mehr Ressourcen investieren. Zuerst Popularität/Nutzungsbereitschaft von App(s) feststellen und dann Lernerfolg, metakognitive und motivationale Variablen messen (einfach anfangen).
Methoden
Empfohlen
Kontakt
Das könnte Sie auch interessieren
Bewegungen sehen verstehen vermitteln
Im Sportunterricht müssen Lehrkräfte in der Lage sein, eine Vielzahl motorischer Fertigkeiten bzw. Techniken zerlegen und vermitteln zu können, damit Lernende die entsprechende Fertigkeit vom Anfang bis zum Ende jeder Bewegung (im dynamischen Kontext) klar verstehen können. Die Qualität der Lehr-Lern-Kompetenz hängt dabei u.a. vom Wissen über sowie die Interpretation der Handlungsausführung ab. Im Lernprozess wirken sich bereits subtile Veränderungen jeder Bewegungskomponente auf das Verständnis der Fertigkeit bzw. Technik durch die Studierenden aus, die mit dem bloßen Auge nicht immer erkennbar sind. Neben dem inhaltlichen Wissen um die Unterrichtsdurchführung zögern viele Lehrkräfte jedoch immer noch, digitale Technologien (z. B. Sensoren, Tablet-Computer, Smart Fabrics) in den Unterricht und den Vermittlungsprozess mit einzubeziehen, die genau diese subtilen Schlüsselelemente von Fertigkeiten bzw. Techniken sichtbar machen können. Um sicherzustellen, dass Sportstudierende die zentralen Knotenpunkte verschiedenster Bewegungen für den Unterrichtsprozess erfassen können, entwickelt das hier anvisierte Vorhaben ein innovatives Feedback-System auf Basis von KI-Skelettbewegungsanalysen auf einfachen markerlosen Video-/Smartphoneaufnahmen in verschiedenen Bewegungsfeldern. Die Inhalte der detaillierten Bewegungsanalysen werden in Form einer Lehr-Lernplattform als ergänzender digitaler Unterricht an die zukünftigen Sportlehrkräfte weitergegeben.
Projekt anzeigen
OSA für laborpraktisches Arbeiten in der Chemie
Das OSA gibt Studierenden Rückmeldungen zu Teilbereichen ihrer praktischen Handlungskompetenz. Dazu werden sie nach Handlungsreihenfolgen in Bezug auf das praktische Arbeiten gefragt und erhalten ausdifferenzierte Aufgaben zu einzelnen Teilhandlungen (Skills). Die Rückmeldung soll als Orientierungshilfe für die gezielte weitere Vorbereitung dienen.
Maßnahme anzeigen
The good scientist: A blended-learning course on research integrity [OER]
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen