Eberswalder Studienmodell:Vom Projekt zur Struktur
Die HNEE entwickelt mit dem Eberswalder Studienmodell (EStM) eine zukunftsweisende Lehr-Lernarchitektur mit dem sie ihr Nachhaltigkeitsprofil auch für die Lehre schärft. Im Mittelpunkt steht der integrative Erwerb von Schlüsselkompetenzen für nachhaltige Entwicklung in Verbindung mit Fach- und Methodenkompetenzen sowie intra- und interpersonalen Kompetenzen. Um dieses Modell systematisch in der HNEE zu verankern, werden drei Entwicklungslinien miteinander verwoben: (1) Die Verankerung einer kompetenzorientierten Hochschulbildung für nachhaltige Entwicklung in den Curricula aller Studiengänge, (2) die für deren Umsetzung erforderliche Gestaltung adaptiver physischer, digitaler und hybrider Lernumgebungen und (3) die Entwicklung und Erprobung neuer reflexiver Prozesse der Lernbegleitung. Damit einher geht ein Kulturwandel, der einerseits Lehrende im Sinne einer Scholarship of Teaching zur erfahrungsbasierten und reflektierten Weiterentwicklung von Lehre zu befähigt und andererseits alle Statusgruppen der Hochschule im Sinne eines Whole Institution Approach bei der Entwicklung einer unverzichtbaren Veränderungsaffinität unterstützt. Das EStM bietet anderen Hochschulen eine Blaupause für die Integration von Nachhaltigkeitskompetenzen in die Hochschulbildung. Die bereits erfolgte Erprobung einzelner Elemente und die neue School-Struktur der HNEE bieten ideale Voraussetzungen für eine erfolgreiche Implementierung dieses "großen Wurfs" einer zukunftsorientierten Hochschulbildung.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Find your way: with individual learning paths
An der Hochschule Zittau/Görlitz (HSZG) besteht erheblicher Bedarf an innovativen Formaten, um Studierende auf eine komplexe Arbeitswelt vorzubereiten. Das Projekt Find YOUR Way setzt hier an: Studierende wirken als Mitgestaltende bei der Entwicklung eines digitalen Lernprozessdesigns, das Future Skills wie Digital Literacy, kollaboratives Problemlösen und reflexives Lernen fördert. Ein Futureskill-Learning Space nutzt digitale Assistenzsysteme und flexible Learning Hubs, die an heterogenen Lernbedürfnissen der Studierenden angepasst werden. Interdisziplinäre kreative Pitches zur systematischen Bedarfsanalyse münden in maßgeschneiderte Lernangebote. Lehrende, Studierende sowie HD-Expert:innen und externe Partner:innen sind eng eingebunden, um praxisnahe Lehr- und Lernformate zu gewährleisten. Die Qualitätssicherung verknüpft einen systematischen Ansatz zur Kompetenzdiagnostik, Learning Analytics und Feedbackloops, die den Lernfortschritt messbar machen und stete Optimierungen ermöglichen. Das Projekt ist Wegbereiter für eine neue Lehr-Lern-Kultur, welche die Selbstwirksamkeit der Studierenden stärkt und eine institutionelle Transformation anstößt. Zentrales Element sind Kompetenz-Boosts für Lehrende zur Qualitätsentwicklung. Flankierend erfolgen Transfermaßnahmen, um die entwickelten Konzepte und Materialien als Open Educational Resources allen Interessierten zur Verfügung zu stellen und so eine nachhaltige Verbreitung sowie Weiterentwicklung der Ergebnisse zu fördern.
Projekt anzeigen
Tool zur Erstellung themenbezogener Lernräume
Lehrinhalte werden häufig im Kontext eines bestimmten Seminars oder Moduls erstellt und sind somit an die Teilnahme an diesem Seminar/Mpdul gebunden. Das Workspacetool soll die Zusammenstellung von Inhalten ermöglichen, die für Studierende unabhängig eines bestimmten Lehrangebots interessant sind. Dadurch kann Wissen gebündelt und für viele Personen ohne eine zeitliche Begrenzung zugänglich gemacht werden.
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