Implementierung digitaler Feedback-Methoden in das TESOL Research Colloquium
Das Lehrkonzept des Forschungskolloquiums wird überarbeitet und durch mehrere Feedbackschleifen bereichert, um eine bessere Lernbegleitung zu ermöglichen. Zu verschiedenen Phasen des Forschungsprozesses tauschen Masterstudierende und Doktorand:innen mithilfe von drei verschiedenen digitalen Methoden (Cloud-Feedback, aufgezeichnetes Audio-/Video-/Screencast-Feedback, Forum-Feedback) Kommentare zu ihren Forschungsvorhaben aus. [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
Verbesserung der Qualität der Abschlussarbeiten der Masterstudierenden und Doktorand:innen, die das „TESOL Research Colloquium“ besuchen.
Aufgrund personeller Kapazitäten und hoher Studienzahlen sind regelmäßige, lernprozessbegleitende Feedbackschleifen selten; Im Forschungskolloquium hatten die Studierenden zuvor lediglich die Möglichkeit, ihr Vorhaben zu präsentieren und im Anschluss an die Präsentation Feedback von den Mitstudierenden und der Lehrkraft zu erhalten. Wichtig ist jedoch, so frühz
Voraussetzung
Aufgrund des verspäteten Projektbeginns blieb keine Zeit, die Online-Fragebögen umfassend vorab zu pilotieren. Manche der Fragen in den Online-Surveys stellten sich somit im Nachgang als zu vage heraus und wurden für spätere Erhebungen abgeändert (z.B. in Matrix-Fragen umgewandelt). Das Bereitstellen von Handreichungen sowie die Veranschaulichung der Vorgehensweise war wichtig, damit die Studierenden die Funktionen verschiedener Plattformen und Software-Anwendungen kennenlernen und selbst nutzen können.
Eignung
formativ (projektbegleitend)
summativ (zum Abschluss)
Die Studierenden haben nach Nutzung jeder digitalen Feedback-Methode einen Online-Fragebogen ausgefüllt (insgesamt drei formative Fragebögen). In diesen wurden die vorherigen Kenntnisse zur Software bzw. Plattform und die allgemeine Zufriedenheit mit deren Nutzung sowie die Qualität des Feedbacks inkl. Begründungen abgefragt. Nach Ende des Kurses wurde zusätzlich ein Online-Fragebogen zur Kursevaluation eingesetzt. Dieser enthielt auch eine summative Abfrage zur nützlichsten digitalen Feedback-Methode aus Teilnehmendensicht.
Vorgehen/Schritte
Literaturrecherche zu digitalen Feedback-Methoden unter besonderer Berücksichtigung der Erfordernisse von Qualifikationsarbeiten (mehrere Wochen/ Monate)
Kurskonzept überarbeiten (digitale Feedback-Methoden integrieren) (mehrere Wochen)
Kursablaufplan schreiben (mit Aufgaben für Studierende) (mehrere Wochen)
Handreichungen zur Nutzung digitaler Feedback-Methoden zusammenstellen (mehrere Wochen)
Fragebögen erstellen (mehrere Wochen)
Kursdurchführung (Studierende nutzen digitale Feedback-Methoden & beantworten Fragebögen) (4-5 Monate)
Studierenden regelmäßig Feedback geben (jeweils mehrere Tage)
Feedbackprodukte und Fragebögen auswerten (mehrere Wochen/ Monate)
Ggfls. Überarbeitung des Kurskonzepts oder der Handreichungen (2-3 Wochen)
Erkenntnispräsentation (Poster, Publikation) (mehrere Wochen)
(ein Semester bis zu einem Jahr)
Hinweise
Effekte
Masterstudierende und Doktorand:innen haben durch drei verschiedene digitale Feedback-Methoden (Cloud-Feedback, Aufgezeichnetes Audio-/ Video-/ Screencast-Feedback, Forum-Feedback) Feedback zu ihren Abschlussarbeiten ausgetauscht. Die Studierenden und Doktorand:innen hatten bereits in einer frühen Phase ihres Forschungsprozesses (Themenfindung, Forschungsplanung) die Gelegenheit, ihre Ideen zu diskutieren. Sie hatten die Möglichkeit, verschiedenen digitale Feedbackmethoden kennenzulernen und zu reflektieren, was für ihren späteren Beruf als Lehrkraft sehr relevant ist. Durch positives und kritisch-konstruktives Feedback der Peers und der Lehrkraft wurden ihnen verschiedene Perspektiven auf ihre Abschlussarbeiten aufgezeigt. Dies führte zu einer tieferen Reflexion und höheren Motivation sowie zur Beschleunigung der Vorgehensweise beim Bearbeiten ihrer Qualifikationsarbeit. Die Bereitschaft zur Nutzung verschiedener digitaler Feedback-Methoden der Studierenden war sehr hoch, wodurch viel
Learnings
Reflektierte und detaillierte Forschungsexposés, die von den Teilnehmenden zum Abschluss des Kurses eingereicht worden sind. Zudem interessante Erkenntnisse aus der Analyse der Feedback-Produkte und Fragebögen, die zur Verfeinerung des Kurskonzepts und der Entwicklung der Feedback-Kompetenzen beitragen können.
Empfehlung
Gemeinsame Klärung des Feedbackverständnisses und vorangehendes Feedbacktraining (auch in verschiedenen Modi und Tools).
Peer-Feedback als sinnvolle Maßnahme, um Studierende zu aktivieren (Feedback geben und nehmen).
Konkrete Deadlines (inkl. Zeitpuffer) sowie Erinnerungsmails an die Studierenden, sodass die Fragebögen rechtzeitig ausgefüllt werden.
Tipps
Je nach fachspezifischem Kontext und Lernziel könnte eine Modifikation der Vorgehensweise sinnvoll sein. Sobald sich das neu entwickelte Kurskonzept bewährt hat, kann die Anzahl der eingesetzten Fragebögen reduziert werden. Je nach fachspezifischem Kontext und Lernziel könnte eine Modifikation der Vorgehensweise sinnvoll sein. Sobald sich das neu entwickelte Kurskonzept bewährt hat, kann die Anzahl der eingesetzten Fragebögen reduziert werden.
Sonstiges
Neben dem allgemeinen erfolgreichen Ablauf des Kurses sollten die Online-Fragebögen angepasst werden.
Methoden
Empfohlen
Kontakt
Das könnte Sie auch interessieren
Future Skills Applied
In dem Verbundprojekt Future Skills.Applied arbeiten die sechs großen niedersächsi¬schen Fachhochschulen in staatlicher Verantwortung zusammen. Der Markenkern der Anwendungsorientierung verlangt, dass Lehr- und Lernkonzepte laufend so weiterentwickelt werden, dass die Studierenden bestmöglich auf die Zukunft in einer zunehmend digitalisierten Arbeits- und Lebenswelt vorbereitet sind. Die dazu benötigten neuen Kompetenzen, hier future skills applied genannt, werden noch nicht ausreichend berücksichtigt. Gegenstand des Projekts ist die gemeinsame Konzeption, Entwicklung, Erprobung, Umsetzung, Übertragung und Evaluierung von Lehr- und Lernkonzepten zur Stärkung studentischer future skills applied. Im Innovationsverbund können sie effizienter, (breiten-)wirksamer und nachhaltiger gefördert werden als bei isoliertem Vorgehen. Die Hochschulen arbeiten an Maßnahmen in Teilprojekten, die einen zentralen Beitrag zum zukünftigen Studienerfolg leisten: die Stärkung studentischer überfachlicher Kompetenzen (TP 1), die Weiterentwicklung der Hochschuldidaktik (TP 2) sowie die Vernetzung von Lehr- und Lernorten (TP 3). Durch das Querschnittsprojekt entsteht der Innovationsverbund, in dem sich alle Partner vernetzen.
Projekt anzeigen
#myfirstresearchpaper
#myfirstresearchpaper ist ein Modul- bzw. Kursangebot, welches Studierende dabei begleitet und unter-stützt, hervorragende schriftliche Ausarbeitungen (bspw. Seminar-, Projekt-, Abschlussarbeiten) im Be-reich der Wirtschaftsinformatik in wissenschaftliche Arbeitspapiere so weiterzuentwickeln, dass diese einreichungsreif für eine wissenschaftliche Tagung (bspw. European Conference on Information Systems) oder eine wissenschaftliche Zeitschrift (bspw. Business & Information Systems Engineering) sind. Aktuell werden nur wenige der hervorragenden Arbeiten von Studierenden zu wissenschaftlichen Einreichungen weiterentwickelt, wodurch potenzielles Wissen ungenutzt bleibt. #myfirstresearchpaper bietet einen Rahmen und Hilfestellungen, um es Studierenden zu vereinfachen ihre im Studium erzielten wissenschaftlichen Erkenntnisse einem breiten wissenschaftlichen Publikum zugänglich zu machen. Gleichzeitig werden damit auch Studierende an die Wirtschaftsinformatik-Community herangeführt.
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