Personalisierte Übungsaufgaben und Lehrvideos zur Unterstützung und automatisierte Evaluierung des Lernerfolgs der Studierenden im Physik(-Lehramts)studium
Die mathematische Grundausbildung ist essenziell im Physikstudium und wird über Übungsaufgaben trainiert. Allerdings bedingt dies meist lange Korrekturzeiten, was als Feedback zum Lernerfolg inadäquat ist und zu den teils hohen Abbruchquoten in der Physik und MINT Fächern beiträgt. Wir adressieren dies mit digitalen Aufgaben im STACK-Format (System for Teaching and Assessment using a Computer algebra Kernel) und Lehrvideosequenzen. Mit STACK können komplexe Aufgaben mit randomisierten Zahlen, Parametern und Variablen erstellt und Zwischenschritte abgefragt werden. Rechenfehler werden automatisch erkannt und Probleme sind für Lehrende direkt einsehbar. Dies ermöglichen eine zeitnahe Adressierung der Lernlücken in den Lehrveranstaltungen und zielgerichteten Aufarbeitungen, wodurch Studierende besser Anschluss halten können. Zudem wird ein reines Abschreiben und die fehlende Auseinandersetzung mit den Lerninhalten unterbunden da Studierende individuelle Aufgabe durch die Randomisierung erhalten. Die Aufgaben werden zudem als Trainingskurse für das Selbststudium zur Verfügung gestellt und Studierende können das gleiche Rechenschema in immer neuen Fassungen üben. Der weitreichende Pool von Aufgaben verringert den Vorbereitungsaufwand für Dozierende und schafft zeitliche Freiräume für die Lehrveranstaltungen. Zusammenfassend führt dies zu einer höheren Stringenz innerhalb der Lehrveranstaltungen und Studierende können zielgerichteter an Aufgaben herangeführt werden.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Problembasiertes Lernen in der Computergestützten Mathemathischen Modellierung
Mathematische Modellierung ist ein Werkzeug, das in Ingenieur-, Natur- und Wirtschaftswissenschaften gleichermaßen verwendet wird. Im CAMMP Praxisprojekt lösen Studierende in interdisziplinären Teams Modellierungsfragen basierende auf echten Forschungsthemen selbstständig mit ihnen bekannten Methoden unter minimaler Anleitung in einer befristeten Zeit. Damit erfahren die Studierenden wie Forschung passiert, lernen ihre Stärken kennen und ihr schon vorhandenes Wissen zu nutzen. Die behandelten Fragestellungen basieren auf aktuellen und authentischen Forschungsfragen des Forschungszentrum Jülich (FZJ), den Arbeitsgruppen der RWTH oder der Wirtschaft. Wichtig ist die methodische Anwendbarkeit der mathematischen Modellierung, jedoch nicht eine inhaltliche Nähe zu den Studiumsschwerpunkten. Außerdem werden Themen gestellt, die so noch nicht in der Fachliteratur behandelt wurden, so dass die Studierenden problembasiert die Höhen und Tiefen der Forschungsarbeit kennenlernen, den Transfer von Methode zu Problemstellung erleben und ihre Selbstwirksamkeit erfahren können. Studierende arbeiten in interdisziplinären Teams, um im Rahmen einer einwöchigen Blockveranstaltung ihr Problem zu verstehen, zu modellieren, Lösungen zu entwickeln und zu implementieren. Die Woche wird durch Auftakt- und Abschlussveranstaltungen gerahmt. Für Rückfragen und fachlichen Input werden Ansprechpersonen gestellt. Zum Abschluss präsentieren die Studierenden ihre Ergebnisse mündlich und schriftlich.
Projekt anzeigen
Aufbau des Digital Object Learning Centre (DOLCE)
Das Digital Object Learning Centre (DOLCE) vermittelt disziplinübergreifend digitale Kompetenzen in der Arbeit mit Sammlungen am Beispiel der zentralen Sammlungsdatenbank der Goethe-Universität. Der aus aktuell neun Modulen bestehende DOLCE-Kurs kann entweder in Form eines Readers oder in Form von Video- oder Texttutorials auf Moodle benutzt werden. Er funktioniert sowohl als Selbstlern- als auch als Blended Learning Tool. DOLCE wurde bisher in der objektbezogenen Lehre genutzt und eignet sich darüber hinaus für den Kompetenzaufbau in der digitalen Sammlungsarbeit für Universitäten und GLAM-Institutionen.
Maßnahme anzeigen
Wer redet da mit mir? Studentische Kommunikation in der Online-Lehre
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen