Bewegungen sehen verstehen vermitteln
Im Sportunterricht müssen Lehrkräfte in der Lage sein, eine Vielzahl motorischer Fertigkeiten bzw. Techniken zerlegen und vermitteln zu können, damit Lernende die entsprechende Fertigkeit vom Anfang bis zum Ende jeder Bewegung (im dynamischen Kontext) klar verstehen können. Die Qualität der Lehr-Lern-Kompetenz hängt dabei u.a. vom Wissen über sowie die Interpretation der Handlungsausführung ab. Im Lernprozess wirken sich bereits subtile Veränderungen jeder Bewegungskomponente auf das Verständnis der Fertigkeit bzw. Technik durch die Studierenden aus, die mit dem bloßen Auge nicht immer erkennbar sind. Neben dem inhaltlichen Wissen um die Unterrichtsdurchführung zögern viele Lehrkräfte jedoch immer noch, digitale Technologien (z. B. Sensoren, Tablet-Computer, Smart Fabrics) in den Unterricht und den Vermittlungsprozess mit einzubeziehen, die genau diese subtilen Schlüsselelemente von Fertigkeiten bzw. Techniken sichtbar machen können. Um sicherzustellen, dass Sportstudierende die zentralen Knotenpunkte verschiedenster Bewegungen für den Unterrichtsprozess erfassen können, entwickelt das hier anvisierte Vorhaben ein innovatives Feedback-System auf Basis von KI-Skelettbewegungsanalysen auf einfachen markerlosen Video-/Smartphoneaufnahmen in verschiedenen Bewegungsfeldern. Die Inhalte der detaillierten Bewegungsanalysen werden in Form einer Lehr-Lernplattform als ergänzender digitaler Unterricht an die zukünftigen Sportlehrkräfte weitergegeben.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Entwicklung, Umsetzung und Integration hybrider Lehr-/Lern-Szenarien
In der Corona-Pandemie sind Studierende mit der Umstellung auf digitale Lehrformate überwiegend zufrieden. Sie berichten aber auch über mangelnde Motivation und Probleme bei der Selbststeuerung von Lernaktivitäten, die sie mit eingeschränkten Kommunikationsmöglichkeiten mit Mitstudierenden und Lehrenden begründen. Das Vorhaben greift diesen Befund auf und widmet sich der didaktisch begründeten Verzahnung von Präsenzlehre und digitaler Lehre in hybriden Formaten. Herausragende Merkmale des Vorhabens: Fokus auf adaptive digitale Lernmöglichkeiten in fachlichen Kernbereichen. Hochschuldidaktisch fundierte Konzeption und Realisierung der hybriden Formate. Integration der Formate in die vorhandenen Curricula. Es werden drei Best-Practice-Projekte und zwei Querschnittsprojekte durchgeführt: Die Best-Practices unterstützen in unterschiedlichen Fächern die Vermittlung grundlegenden Fachwissens und damit die Voraussetzungen weiteres fachliches Lernen. Das erste Querschnittsprojekt baut für alle Lehramtsstudierenden einen virtuellen Ort der professionsbezogenen Identifikation und Kommunikation auf; das zweite entwickelt und implementiert ein universitätsweites Weiterbildungsprogramm zur Vermittlung digitaler Kompetenzen für Lehrende.
Projekt anzeigen
Digitale Prüfungen evaluieren
Zur Optimierung der im Projekt ii.oo entwickelten, digitalen kompetenzorientierten Prüfungskonzepte (Good Practices) war es erforderlich, die Rückmeldungen der Studierenden zu den Prüfungen einzuholen, um Verbesserungspotentiale zu identifizieren und Studierenden faire und praxisnahe Prüfungsformate zu ermöglichen. Da es zum Start des Projekts 2021 noch keine Evaluationsinstrumente für digitale Prüfungen gab, weil das Thema durch Corona erst breit in die Hochschulen integriert wurde, ist ein eigenes Evaluationskonzept sowie ein Fragebogen entwickelt worden, der an verschiedenen Hochschulen und in verschiedenen Fachbereichen eingesetzt werden konnte.
Maßnahme anzeigen
Too Positive to Be True? Sentiment Analysis of AI-Guided vs. Human-Led Debriefings in Virtual Reality Counseling Training
Debriefings are a crucial component of simulation-based learning, as they allow participants to critically reflect on their performance and translate experiences into knowledge. With the rise of artificial intelligence (AI), large language models (LLMs) are increasingly being explored as conversational agents in debriefings. However, concerns have been raised that AI debriefers may display sycophantic tendencies, characterized by overly positive sentiment and a lack of critical feedback. Such tendencies could affect learners' self-evaluations. In this study, 45 university students participated in a virtual reality (VR) counseling simulation, followed by either an AI-guided or a human-led debriefing. Sentiment analysis of 958 debriefing statements (350 AI, 608 human) was conducted using a German sentiment classification model. Results show that AI debriefers expressed significantly more positive sentiment and substantially fewer negative statements compared to human debriefers, corroborating the assumption of a sycophancy effect. However, sentiment was not found to predict self-rated counseling competence or self-efficacy. While AI debriefers provide consistent encouragement, their lack of critical feedback raises questions about their long-term effectiveness for professional skill development. Future research should explore hybrid approaches that combine AI scalability with human expertise in constructive reflection.
Publikation anzeigen