Diversity Talk für angehende Lehrkräfte
Kommunikation über diversitätsbezogene Themen (Diversity Talk) ist für alle Beteiligten herausfordernd v.a. innerhalb divers zusammengesetzter Gruppen. Das Projekt DiTa zielt darauf ab, angehende Lehrkräfte mit Blick auf ihre spätere Berufspraxis mittels evidenzinformierter Ansätze zu konstruktivem Diversity Talk zu befähigen. Dafür werden Lehramtsstudierende kurz vor Eintritt in das Referendariat in die Entwicklung, Erprobung und Evaluation eines Seminarkonzepts eingebunden. Aufgebaut wird dabei auf wissenschaftlichen Erkenntnissen zu Faktoren, die sich hinderlich oder förderlich auf konstruktiven Diversity Talk auswirken. Die Erkenntnisse werden im Sinne des Constructive Alignments in Lehr-Lern-Formate mit den Lehr-Lern-Zielen Wissenserwerb, Kompetenzeinübung und Erkennen eigener Haltungen überführt. In zwei Schritten werden diese Formate in Teilen und schließlich komplett als geschlossenes Seminarkonzept erprobt und evaluiert. Das Seminarkonzept wird uniintern in Kooperation mit dem kollegialen Netzwerk Geschlechter- und Diversitätsforschung, Lehrservice und Gleichstellungsbüro in ein dauerhaftes Seminarangebot für Lehramtsstudierende überführt und in die Weiterbildung für Lehrende an der Leuphana Universität Lüneburg (LUL) integriert. Abschließend werden universitätsübergreifende Workshops sowie ein Seminar-Package angeboten, das als Open Educational Ressource (OER) dauerhaft für (Hochschul-)Lehrende, Fachkräfte der Lehrer:innenfortbildung und Studierende verfügbar ist.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
KI-Assistierte TrAnsformation von LernsYSTemen
Das Potenzial innovativer Lehr- und Lernangebote an Hochschulen, insbesondere unter Verwendung von Künstlicher Intelligenz (KI), wird aktuell nicht ausreichend ausgeschöpft. Das spiegelt sich in einer wenig zukunftsorientierten Lehrarchitektur im Hochschulbereich wider. Anknüpfend daran wurde die Idee der KATALYST-Plattform entwickelt, die eine KI-Assistierte TrAnsformation von LernsYSTemen hin zu einer modernen Lehrarchitektur ermöglicht. KATALYST ist geplant als frei verfügbare Plattform, für Hochschulen und Universitäten zur personalisierten Unterstützung der Studierenden, zur Erstellung von qualitativ hochwertigen Lernmaterialien für die Lehrenden, zur Einführung neuer zukunftsfähiger Prüfungsformen undzur Verbesserung bestehender Prüfungsformen.Mittels generativer KI werden diese essenziellen Bereiche der Lehrarchitektur durchgängig transformiert und modernisiert. Das eröffnet den Lehrpersonen die Möglichkeit der Lehre mehr Raum zu geben. In Zeiten des Mangels an geeigneten Lehrenden und deren Ressourcenknappheit bietet die KATALYST-Plattform die Chance die bisherige Lehrarchitektur neu zu strukturieren und zu verbessern.Das interdisziplinäre Team mit pädagogischer und technischer Expertise hat sich zum Ziel gesetzt, die Plattform basierend auf aktuellen Forschungserkenntnissen zu entwickeln, in verschiedenen Bildungskontexten zu integrieren und allen Lehrenden und Lernendenim Hochschulbereichfach- und institutionsübergreifend zur Verfügung zu stellen.
Projekt anzeigen
Wissenschaftliches Arbeiten erleben - Virtueller Konferenzbesuch
Wir ermöglichen den Studierenden Kontakt zur aktuellen Forschung im Rahmen eines virtuellen Konferenzbesuchs inkl. Vorstellung der Lieblings-Paper mit einer Digest-Slide. Die Studierenden verbringen (für alle Seiten unerwartet) viel Zeit mit dem Gucken von Videos: teilweise ganze Samstage! Wir steigern das Interesse am Thema und das Gefühl, "etwas relevantes, aktuelles" kennenzulernen. [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.]
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