Digital Public Health SkillsLab
Ausgangslage: In den Masterstudiengängen Public Health und Epidemiologie und in der Ausbildung von Ärzt:innen an der LMU München werden methodische Grundlagen der Digitalisierung, KI und Data Science vermittelt. Für die Konzeption und Umsetzung innovativer digitaler Ideen und innovativer Projekte ("Digital Public Health") werden Skills benötigt, die bisher in der Lehre nicht vermittelt werden. Projektziele: Das Digital Public Health SkillsLab (DPH-SkillsLab) ist eine Lern-, Experimentier- und Trainingsumgebung für Studierende und Lehrende, in der Wissen, Fähigkeiten und Fertigkeiten zu Digital Public Health erworben werden können: KI, Gesundheits-Apps, Usability/UX, Cybersecurity, Projektmanagement u.v.m. Das SkillsLab soll einen Freiraum schaffen, in dem neue Digital-Public-Health-Ideen entwickelt und realisiert werden können. Es soll auch Digital Public Health in der Public Health-, Epidemiologie- und Medizin-Lehre fest etablieren. Projektvorhaben: 1. Einrichtung eines SkillsLab: Auf- und Ausbau inkl. Bereitstellung der Technologie sowie von betreuten Tutorien, Workshops, Projektathons; 2. Durchführung von Digital Public Health-Experimenten und -Projekten: Unterstützung von Studierenden bei der Planung, Durchführung und Evaluation von digitalen bzw. KI-Experimenten; 3. Einbettung in das Curriculum: Dauerhafte Verankerung des DPH-SkillsLab im Curriculum der Masterstudiengänge Public Health und Epidemiologie.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Kausale Inferenz, Maschinelles Lernen und Reproduzierbare Forschung
Das Projekt KMR strebt an, moderne empirische Verfahren der kausalen Inferenz, des maschinellen Lernens und der reproduzierbaren Forschung in große verpflichtende Lehrveranstaltungen der Ökonometrie in wirtschaftswissenschaftlichen Studiengängen zu tragen, hier zunächst konkret die Einführung in die Ökonometrie (Wintersemester, 6 ECTS) an der Universität Duisburg-Essen (UDE). Umfangreiche open source-Materialien machen die Projektergebnisse anderen Studierenden und Lehrenden zugänglich. Der Arbeitsplan des Projektes gliedert sich in die vier Arbeitspakete Identifikationsstrategien (AP1), Maschinelles Lernen (AP2), Implementierung empirischer Forschung (AP3) und einem open-source-Kompendium (AP4). AP1 macht moderne kausale empirische Strategien wie difference-in-differences oder regression discontinuity zugänglich für Bachelorstudierende. AP1 adressiert erfolgreiche prädiktive Verfahren wie decision und regression trees und random forests. AP3 widmet sich der Vermittlung von Kompetenzen zur reproduzierbaren Forschung. Hierzu gehören die Integration von Text und statistischer Analyse ("RMarkdown"), interaktive Präsentation ("Shiny"), Versionskontrolle ("Github") oder die Erstellung von Paketen. AP4 erstellt ein open source-Online Kompendiums (AP4), das die Inhalte des Moduls frei zugänglich veranstaltungsbegleitend, aber auch zum Selbststudium bereitstellt.
Projekt anzeigen
Roundtable OER: Barrierefreiheit, Diversity
OER eignet sich zur Dissemination der Teilprojekt-Resultate sehr gut. Für den Fokus auf Chancengerechtigkeit bot sich zum Roll-Out ein Roundtable an. Zentral war dabei die Beteiligung der Teilprojekte, die vorab Fragen einreichen konnten. Zu Veranstaltungsbeginn zeigten wir unsere Präsentation „Chancengerechtigkeit“ mit Ergänzung zu OER. Anschließend wurden die eingereichten Fragen in Gruppen diskutiert und die Ergebnisse im Plenum vorgestellt und kommentiert.
Maßnahme anzeigen
Be Students not Strangers Englisch Fragenset
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen