Projekt Bühne
InTeLeGenS
Projekt
Zur Suche

Intelligent Teach + Learn: Generating Study Paths

Die Fachhochschule Erfurt (FHE) reagiert auf aktuelle tiefgreifende gesellschaftliche Veränderungen, die durch dynamische Krisen und digitale Transformation geprägt sind, mit einem Projekt, das Flexibilisierung, Kompetenzorientierung und multimodale Lehrformate sinnvoll miteinander verknüpft. Ziel ist es, den Studierenden individuelle Lernpfade und die Möglichkeit zur eigenverantwortlichen Gestaltung ihres Studienverlaufs zu bieten, um ihre vielfältigen Lebensrealitäten stärker zu berücksichtigen. Unter Einbezug aktueller technologischer und gesellschaftlicher Trends soll bewusst das gestärkt werden, was uns als Menschen ausmacht: Individualität und Gemeinschaft. Basierend auf user- und evidenzbasierten, iterativ stattfindenden Analysen werden starre Studienstrukturen durch flexible Modelle ersetzt. Die Idee ist hierfür FHExplore!-Semester zu entwickeln und zu erproben: diese bieten praxisnahe, interdisziplinäre Inhalte und fördern den Kompetenzerwerb über Fachgrenzen hinweg. Ein digitales Portfolio unterstützt die Reflexion und Dokumentation des Lernprozesses. Learning Analytics und KI-Tools begleiten die Studierenden mit technischen Möglichkeiten, während Bildungscoaches die persönliche Komponente stärken. Die Maßnahmen werden durch evidenzbasierte Forschung kontinuierlich weiterentwickelt und langfristig als Open Educational Resources (OER) bereitgestellt.

Auf einen Blick

Kontakt

Projektbeteiligte
Keine Kontaktdaten vorhanden

Das könnte Sie auch interessieren

Projekt 101304
Projekt

Eine gamifizierte Lern-App für die Höhere Mathematik

Die Lernanwendung „Mathe-Buddy“ ist eine interaktive und gamifizierte App für die höhere Mathematik im ersten Studienjahr. Studierende werden durch interaktives Training und Elemente des spielerischen Lernens motiviert, begleitet und individuell gefördert. Jedes Themengebiet wird durch prägnante, gut verständliche Texte eingeführt und enthält Beispiele, Abbildungen und Verweisen zum Praxisbezug. Ein automatisiertes Lernmanagement stellt abhängig vom Lernstand randomisierte Trainingsaufgaben unterschiedlicher Taxonomiestufen. Die Lernphase wird abgerundet durch kurze Spiele, wie zum Beispiel Schnellabfragen, Mathe-Rätsel und Formelfehlersuche. Das Erreichen von Meilensteinen wird durch Awards und Highscores belohnt. Studierende werden motiviert kontinuierlich auf die Lernziele hinzuarbeiten. Ein integrierter Chatbot beantwortet einfache Fragen und stellt kurze Trainingsaufgaben. Alle Kursbestandteile sind modular aufgebaut und können nichtlinear bearbeitet werden. Das niederschwellige Angebot ermöglicht den Studierenden fachliche Lücken eigenständig zu schließen. Mittels eines digitalen Zertifikats kann der erreichte Lernstand nachgewiesen werden. Die App ist Open-Source, kostenfrei und kann ohne zentrale Datenerhebung genutzt werden. Lehrende können selbst einfache Anpassungen und Erweiterung von Kursbestandteilen vornehmen.

Projekt anzeigen
Maßnahme 100049
Maßnahme

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
Publikation 100373

KI-unterstützte Programmierung mittels ergebniszentrierter Fehlerklassifikation. Potenziale zur Schaffung neuer Lernräume

Programmierkenntnisse gewinnen in technischen Studiengängen zunehmend an Bedeutung. Jedoch stehen in Programmierübungen häufig zu wenige Tutor:innen zur Verfügung, die die Studierenden beim Lösen der Programmieraufgaben unterstützen. Deshalb wird ein KI-System entwickelt, das die Studierenden jederzeit und individuell beim Lösen der Programmierübungen unterstützt. Im Gegensatz zu klassischen Ansätzen analysiert das KI-System nicht den programmierten Code, sondern fokussiert sich auf die Zwischen- und Endergebnisse (z. B. erzeugte Daten, Plots). Anhand dieser gibt das KI-System Hinweise und Erklärungen, um das selbstständige Arbeiten und kritische Denken ohne Musterlösung zu fördern. Ein erster Prototyp wurde im Rahmen einer Programmierübung eingesetzt und mit positiver Resonanz evaluiert.

Publikation anzeigen