
Feedbackgestützte Lernförderung in der Informatik
Überforderungssituationen und Unsicherheiten über den eigenen Lernstand treten häufig in der Studieneingangsphase auf. Im Informatikstudium münden Studierende mit einem sehr heterogenen Spektrum an Vorerfahrungen hinsichtlich des Programmierens ein, sodass häufig eine individuellere Rückmeldung zur Steigerung des Selbstwirksamkeitsempfindens nötig wäre als sich aufgrund der Größe der Eingangskohorten durch die Dozierenden realisieren ließe.Am Fachbereich Informatik der RPTU Kaiserslautern ist die Plattform ExClaim bereits ein etabliertes Tool, um Übungsaufgaben während des Semesters einzureichen und automatisiert zu prüfen. Gegenwärtig fehlt jedoch eine automatisierte Rückmeldung, die über die einfache Mitteilung des Ergebnisses (knowledge of performance) hinausgeht. Hier setzt das Projekt FLINK auf zwei Ebenen an: Auf der Ebene des Lernmaterials werden die Aufgaben entlang von objektiven Merkmalen (u.a. Textlänge, Integration von weiteren Repräsentationen (z.B. Schaubildern)) charakterisiert und ausgewertet; auf der Ebene des individuellen Bearbeitungsprozesses werden physiologische Marker (u.a. Herzfrequenz, Eyetracking) genutzt, um im Austausch mit den Studierenden Hürden der Aufgabenstellung zu erörtern. Die Befunde werden genutzt, um damit die Qualität der Aufgaben zu verbessern, den Studierenden gezielte Rückmeldungen, sowie Lehrenden Handreichungen zur Verfügung zu stellen und die Plattform ExClaim zu einer skalierbaren Lösung für das MINT-Studium weiterzuentwickeln.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren

Gemeinsam Lehrpersonen bilden Digitalität mit Informatik nachhaltig gestalten
Interaktive, kommunikative Lehrformate leben von vielfältigen Diskussionen, die aber mit kleinen Kohorten nur schwer erzielbar sind. Betrifft dies Studiengänge, in denen Kommunikations- und Diskursfähigkeiten zum Kompetenzerwerb gehören, ist dies besonders problematisch. Eine Lösung ist, Kohorten gleicher Studiengänge universitätsübergreifend zusammenzufassen, dazu digitale Werkzeuge einzusetzen und die notwendigen Lehr- und Forschungsexpertisen zu bündeln. Für die fachdidaktischen Veranstaltungen im Lehramt Informatik wird dies pilotiert. Digitalisierung wird hier schon lange in der Dualität Werkzeug Inhalt behandelt; für den Distanzunterricht bestehen kreative und interaktive best practice - Vorbilder. Die Kohortenmitglieder werden zudem zu Botschafter:innen der Digitalität für ihre Mitstudierenden. Aufgrund bundeseinheitlicher, klarer KMK-Vorgaben hinsichtlich der zu erwerbenden fachwissenschaftlichen und fachdidaktischen Kompetenzen sind die Studiengänge formal vergleichbar. Inhaltlich werden gemeinsame Veranstaltungen gestaltet, strukturell das Format über die Projektlaufzeit hinaus verankert, auch, um weiteren Universitäten die Beteiligung und damit das Lehramt Informatik in der Breite überhaupt erst zu ermöglichen.
Projekt anzeigen
Stammtisch KI in der Lehre
Der Stammtisch KI in der Lehre versammelt Lehrende der HTW Berlin, die sich für Künstliche Intelligenz in der Hochschullehre interessieren. In lockerer Atmosphäre werden Erfahrungen, Fragen und Praxisbeispiele zu KI-Anwendungen in der Lehre ausgetauscht. Ziel ist es, Wissen zu teilen, Trends zu diskutieren und den kritischen Umgang mit KI zu fördern.
Maßnahme anzeigen
Bot or Not? Differences in Cognitive Load Between Human- and Chatbot-Led Post-Simulation Debriefings
Understanding how different debriefing formats impact learner’s cognitive load is crucial for designing effective post-simulation reflection activities. This paper examines cognitive load after post-simulation debriefings facilitated either by a human instructor or a generative AI Chatbot. In a controlled study with N = 45 educational science students, 23 participants engaged in a lecturer-facilitated debriefing, while 22 completed a chatbot-guided session. Cognitive load was assessed across intrinsic, extraneous, and germane dimensions. Results revealed no statistically significant differences between the two debriefing methods. Future research should examine AI-led debriefings with larger samples and employ complementary measures of cognitive load to provide a more comprehensive understanding.
Publikation anzeigen