Lablets für interdisziplinäre forschungsnahe Lehre
Die Universität zu Lübeck lebt bereits eine enge Verzahnung von Gesundheitswissenschaften/Medizin (GW/M) und MINT in der Forschung. Im Projekt Life Labs soll diese Interdisziplinarität durch die Öffnung modernster Forschungslabore (u. a. für Roboterchirurgie, KI-gestützte Bewegungstherapie, oder medizinische Diagnostik) strukturell über eine dezentrale Lehrnetzwerkarchitektur auch für forschungsnahe Lehre abgebildet werden. Methodisch werden in den Forschungslaboren verschiedene laborgestützte und forschungsnahe Lehreinheiten, sogenannte Lablets, konzipiert, die in gemeinsamen Lehrveranstaltungen und Formaten der interdisziplinären Verzahnung genutzt werden. Studierende werden so durch die praktische und kritische Auseinandersetzung mit innovativen Technologien zu forschungskompetenten, proaktiven Gestalter*innen eines zukunftsfähigen Ingenieur- und Gesundheitswesens ausgebildet. Die Interaktion zwischen GW/M- und MINT-Studierenden, Promovierenden und Forschenden erhöht den Grad einer präsenten, interdisziplinären Interaktion am Standort Lübeck nachhaltig. Die Querschnittsthemen Ethik und Studierendengesundheit sowie die Translation der Konzepterfolge werden zusätzlich berücksichtigt. Die wissenschaftlich-didaktische Leitung führt die räumliche Lehrarchitektur bestehend aus den Lehrlaboren strukturell-organisatorisch zu einem Lehrnetzwerk zusammen. Sie widmet sich neben dem Einbringen der didaktischen Expertise der Qualitätssicherung und Erfolgskontrolle.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Integration von Design Science und Positive Computing für eine Inklusive Welt Eine Service-Learning-Kooperation zwischen Universität und Fachhochschule
Obwohl Diversity ein zunehmend wichtigeres Schlagwort in der Informatik und angrenzenden Studiengängen geworden ist, werden nur selten die Perspektiven von Endnutzer:innen mit geistiger und/oder körperlicher Behinderung hinsichtlich Usability und User Experience berücksichtigt. Für diese Herausforderung entwickeln Prof. Dr. Christian Meske von der Ruhr-Universität Bochum (RUB) und Prof. Dr. Aysegül Dogangün von der Hochschule Ruhr-West (HRW) gemeinsam ein neues Lehr-Lernformat mit einem Service-Learning-Ansatz und begleitenden Symposien. Durchgeführt wird das Modul hochschulübergreifend in zwei Semestern mit Studierenden des M.Sc. Angewandte Informatik der RUB und HRW. Das Projekt verfolgt drei Hauptziele. Die Studierenden sollen 1) lernen, Perspektiven sowie Kontexte von Menschen mit Behinderungen durch die Nutzung partizipativer Methoden zu erfassen, um Aspekte der Inklusion und des Wohlbefindens in zukünftigen Design-Prozessen mitzudenken. 2) von einer Verbundkooperation profitieren, indem stärker theoretisch-konzeptionelle Design-Science-Vorgehensmodelle inkl. empirischer Datenerhebung (Prof. Meske) mit einer praxisorientierten Anwendung mit Bezug zu partizipativen Technikentwicklung und Positive Computing (Prof. Dogangün) kombiniert werden. 3) Dienst an der Gesellschaft leisten, indem sie reale Probleme bzgl. der Inklusion von Menschen mit Behinderungen im Rahmen der digitalen Transformation aufgreifen, erfahren und gemeinsam prototypisch lösen (Service Learning).
Projekt anzeigen
Ko-Kreative Entwicklung eines VR Demonstrators
Um die Integration von immersiven Technologien in der Hochschullehre zu fördern, wurde ko-kreativ mit Studierenden ein Virtual Reality Demonstrator konzipiert und entwickelt. Dieser wurde gemeinsam mit Studierenden in verschiedenen Formaten weiterentwickelt und in unterschiedlichen Lehrveranstaltungen getestet.
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