Potenziale des Key-Feature-Ansatzes als digitales Prüfungsformat im Kontext von BNE
Dieser Beitrag beschreibt das Projekt »KeNobi« der Universität Bremen, das den Einsatz des Key-Feature-Ansatzes für digitale Prüfungen im Bereich der Bildung für nachhaltige Entwicklung (BNE) untersucht. Der Artikel erläutert einen adaptierten Key-Feature-Ansatz und diskutiert dessen Eignung als Lehrmaterial im Kontext von BNE.
Auf einen Blick
Autor:innen & Herausgeber:innen
Das könnte Sie auch interessieren
ELSI-Lab - HealthTech in Social Science
Die Digitalisierung wird als zentrales Element zur Entschärfung der bestehenden Belastungen im Gesundheitssystem betrachtet, wobei insbesondere die einrichtungs- und sektorenübergreifende Kommunikation, geteilte Dateninfrastrukturen sowie der Einsatz von Gesundheitsapps eine wesentliche Rolle spielen. Im Gesundheitssektor etablieren sich laufend junge Unternehmen (Start-ups), die mit ihren Anwendungen (digitale) Ansätze zur Unterstützung der Behandlung und Betreuung von Patient:innen anbieten. Während der Entwicklung spielen soziale und ethische Fragestellungen oftmals eine nachgeordnete Rolle, obwohl diese für die Usability und somit den Erfolg der Produkte am Markt ebenso von Bedeutung sind wie für die wissenschaftliche Folgenabschätzung und eine mögliche politische Regulation.Hier setzt das explorative Lehrkonzept an, welches Studierenden der Sozialwissenschaft sowie perspektivisch der Medizin die Gelegenheit geben soll, in Zusammenarbeit mit realen Start-ups interdisziplinär aktuelle Problemstellungen zu bearbeiten. Die Studierenden werden hierzu in Kleingruppen mit je einem Health-Tech-Start-up kooperieren, eigenständig Daten zu Konzept und Geschäftsmodell des Praxispartners erheben und daraus eine relevante Fragestellung ableiten, welche mithilfe partizipativer Methoden im Seminarkontext adressiert werden kann. Die dort erhobenen Daten stellen die Grundlage für eine Prüfungsleistung dar, welche die Aufbereitung und Auswertung der Ergebnisse umfasst.
Projekt anzeigen
Automatisiertes Feedback zu Diagrammen mit FeeDi
Die Fähigkeit, komplexe Inhalte in Diagrammen darzustellen, ist besonders in MINT-Fächern essenziell – etwa in UML-, Prozess-, Schalt- oder XY-Diagrammen. Doch in großen Lehrveranstaltungen mit bis zu 500 Studierenden ist eine individuelle Korrektur eingereichter Modellierungen kaum möglich. Selbst in kleineren Gruppen entsteht so ein hoher Bewertungsaufwand. In der Lehrveranstaltung Datenbanksysteme der HTWK Leipzig kam das E-Assessment-Tool FeeDi zum Einsatz: Lehrende hinterlegten eine Musterlösung, auf deren Basis Studierende automatisiert grafisches, numerisches und textuelles Feedback zu ihren ER-Diagrammen erhielten. Zudem wurden Bewertungsschemata und Feedbacktexte für typische Fehlerklassen vorbereitet. Ziel war es, Studierenden zeitnahes, prozessbezogenes Feedback zu geben und Lehrende zu entlasten. Die Studierenden erhielten direkt nach der Abgabe farblich markierte Rückmeldungen zu korrekten und fehlerhaften Elementen, numerische Bewertungen (absolut/prozentual) sowie text
Maßnahme anzeigen
Explanatory machine learning for sequential human teaching
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen