Maßnahme Bühne
Zum Projekt

PyRope Demo, Tutorial, Tutor-Pakete, Aufgabenpool

PyRope ist eine relativ neue Python-Bibliothek, mit der man sehr leicht (z.B. via Jupyter-Notebooks) interaktives Lehrmaterial (inklusive E-Assessment-Elementen) erstellen und in Modulen einsetzen kann. Erstellt wurden für das in Python entwickelte E-Assessment-System PyRope (a) eine an potenzielle Nutzende und Interessierte aus dem Hochschulbereich adressierte Demo der Funktionalitäten, (b) ein Tutorial für Lehrende, das eine Step-by-Step-Einführung in die Aufgabenentwicklung mit PyRope (inkl. Codebeispielen) bietet und so den Einstieg in die Programmierung mit PyRope im Sinne agiler, iterativer Softwareentwicklung unterstützt, (c) mehrteilige Softwarepakete für in MINT-Studiengängen essenzielle mathematische Grundlagen in Form von Tutorien, welche neben randomisierten Aufgaben theoretische Passagen beinhalten und die sich hierdurch sowohl für die Einbindung in die Vorlesungen des Grundstudiums als auch für das Selbststudium eignen, (d) ein Pool von über 100 randomisierten Aufgaben

Kategorien

Bitte nennen Sie bis zu fünf Stichwörter, die den Inhalt Ihrer Maßnahme aussagekräftig beschreiben.
E-Assessment
Demos und Tutorials
Mathematik-Aufgabenpool
Aufgabenrandomisierung
Evaluation
Zielgruppe(n)
Studierende
Tutor:innen/stud. Mentor:innen
Lehrbeauftragte
Wissenschaftliche Mitarbeiter:innen/LfBA
Professor:innen
(Fach-)Öffentlichkeit
Handlungsfeld & Aktivität(en)
Supportangebote
Angebote für Lernbegleitung und Studienberatung entwickeln
Technisch-räumliche Infrastruktur
Softwarelösungen & technische Ausstattung entwickeln
Lernassistenz-/Monitoringsysteme entwickeln
Lehr-/Lernumgebungen entwickeln
Lehr-/Studienangebote
Prüfungsformen/(Self-)Assessments entwickeln
Lehrkonzepte/-formate entwickeln
Lehr-/Lernmaterialien entwickeln
Projektkoordination
Bedarfs-/Wirkungsanalysen entwickeln
Strukturelle Rahmenbedingungen
Anreizsysteme entwickeln

Beschreibung

Herausforderung

(a) stark divergierende, teils unzureichende Vorkenntnisse für MINT-Studiengänge möglichst schon im Vorfeld (Vorkurse), spätestens aber zu Studienbeginn auffangen

und so Frustrationen und daraus resultierenden vermeidbaren Studienabbrüchen begegnen,

(b) Bereitschaft und Fähigkeit der Studierenden zu eigenständiger, zeitlich und örtlich unabhängiger Wissensaneignung fördern,

(c) Aufwand für Lehrkräfte bei der Aufgabenerstellung reduzieren

Herangehensweise

Für Lehrkräfte ergibt sich aus dem PyRope-imanenten Grundprinzip “Coden statt Clicken” eine Fülle von Möglichkeiten, mittels der sehr leistungsfähigen, dennoch ein-

fach zu handhabenden freien Programmierung in der Programmiersprache Python Aufgaben individuell, randomisiert und dem jeweiligen Zweck (Übungen, Prüfungen) angepasst zu entwickeln, ohne sich mit Handling und Restriktionen herk¨ommlicher E-Assessment Tools wie z.B. Onyx befassen zu müssen.

Studierende können die Aufgaben und Tutorien von zu Hause aus, auch offline, z.B. über Jupyter-Notebooks, ohne zeitliche Beschränkungen und frei von Versagensängsten bearbeiten, auch dank der Randomisierung schwierige Passagen beliebig oft wiederholen und sich so schrittweise und im eigenen Lerntempo den Stoff erschließen. Ein lösungsabhängiges Feedback, das verbal, numerisch, grafisch und in Form von Weblinks gestaltet werden kann, gibt Auskunft über den Erfolg der Übungen und dient der Orientierung über den aktuellen Leistungsstand.

Zusammenhang

Das Tutorium zum Thema Stochastik wurde im Rahmen der entsprechenden bzw. darauf aufbauenden Vorlesung für BA-Studierende erprobt und evaluiert. Aus dem Aufgabenpool wurden einschlägige Aufgaben in die Vorlesung Nichtlineare Optimierung für MA-Studierende eingebunden sowie auch Aufgaben zu den mathematischen Grundlagen Analysis und Analytische Geometrie/ Lineare Algebra in Lehrveranstaltungen der Fakultät FDIT integriert.

Voraussetzung

An der HTWK haben die Lehrenden und die Studierenden der MINT-Studiengänge standardmäßig Zugriff auf einen Jupyter-Hub, auf dem PyRope bereits installiert ist, so dass hier die Einstiegshürden zur Python-Programmierung niedrig waren. Eine weitere wesentliche Voraussetzung war natürlich die inhaltliche Eignung der Lehrveranstaltungen, in denen die erwähnten Elemente der Maßnahme zum Einsatz kamen. Ferner sind eine möglichst große und bezüglich Kenntnisstand repräsentative Teilnehmerzahl in den betreffenden Lehrveranstaltungen geben sowie die Bereitschaft zur Teilnahme an der Evaluierung notwendig – die Ergebnisse wurden über einen Fragebogen erhoben, der auf die Situation ausgerichtet zunächst konzipiert werden musste.

Eignung

Hervorzuheben wäre als Alleinstellungsmerkmal die freie Programmierbarkeit, durch die eine hohe Flexibilität bei der Gestaltung der Aufgaben erreicht wird, die keines der auf dem Befüllen von Eingabemasken beruhenden E-Assessments bietet. Die scheinbare Hürde des Beherrschens der Programmiersprache Python wird mehr als durch den Vorteil aufgewogen, sich nicht mit der Bedienung – und den zahlreichen Restriktionen – einer speziellen Bedienoberfläche befassen zu müssen. Ein entscheidender Vorteil für die studentische Nutzung liegt im Unterschied zu herkömmlichen Aufgabensammlungen in nicht nur in den numerischen Werten, sondern, wo sinnvoll, auch bezüglich Funktionstypen, Operatoren, etc. randomisierten Aufgaben und der daraus sich ergebenden Möglichkeit, sich dem Thema in immer wieder neuen Varianten zu nähern, was sie, im Verein mit den in den Tutorien enthaltenen Theorieanteilen, zu einer sehr effektiven Ergänzung, wo nicht Alternative, zu Präsenzveranstaltungen macht.

Vorgehen/Schritte

  1. Via Demo einen ersten Überblick über die PyRope-Funktionalitäten gewinnen

  2. sich Grundkenntnisse in der Programmiersprache Python aneignen (Es sind keine fortgeschrittenen Skills erforderlich!)

  3. das 3-teilige Tutorial durcharbeiten und die darin enthaltenen Übungsaufgaben lösen

  4. aufbauend auf den im Tutorial enthaltenen Codebeispielen eigene, zunächst einfache, Aufgaben entwickeln (agile, iterative Softwareentwicklung)

  5. Aufgabenpool als variantenreiche Quelle von Anregungen/Beispielen zur Entwicklung eigener Aufgaben nutzen

Hinweise

Effekte

Die parallel laufende Entwicklung des Software-Pakets PyRope einerseits und des Aufgabepools andererseits hatte 2 sich wechselseitig beeinflussende Effekte:

(a) Durch die zyklisch immer wieder neu erforderliche Anpassung der Aufgaben an den aktuellen Stand und Funktionsumfang von Pyrope ergab sich eine schrittweise

Erweiterung sowie auch Verbesserung der Aufgaben;

(b) Durch die im Laufe der Aufgabenentwicklung zutage tretenden Anforderungen seitens der Aufgabenentwicklung an die Funktionalitäten von Pyrope wurden umge-

kehrt zahlreiche Impulse für die Entwicklung von PyRope gesetzt.

Learnings

Bei der Aufgabenentwicklung die Nützlichkeit

(a) einer ausführlichen Quelltext-Kommentierung, insbesondere bei häufig erforderlicher Ergänzung/Neubearbeitung;

(b) der Archivierung von Implementationsvarianten zur späteren Verwendung;

(c) der Protokollierung offener Fragen und Probleme bei der Umsetzung der Funktionalitäten;

(d) von Notizen zu (noch) nicht befriedigenden Lösungen

Empfehlung

Nein

Tipps

Neben den Learnings (s.o.) lässt sich – ungeachtet der Tatsache, dass bei der Softwareentwicklung eine individuelle, auf persönlichen Erfahrungen und Stärken beruhende Herangehensweise gefunden und befolgt werden sollte – vielleicht als ein weiterer allgemeingültiger Erfahrungswert festhalten, dass es besser ist, zunächst eine funktionierende, wenn auch nicht die optimale Lösung für ein Problem zu implementieren, um diese in der Folge nach Maßgabe neuer Erkenntnisse schrittweise zu verbessern, als sofort die ultimative Lösung anzustreben.

Sonstiges

Die Verwendung von Jupyter-Notebooks bietet Studierenden sehr viel Flexibilität bzw. Gestaltungsfreiheit, auch im Hinblick darauf, Ihren eigenen Lernfortschritt zu dokumentieren und zu reflektieren. Im Sinne des Student-as-Partners-Ansatz können Studierende auch selbst interessante Aufgaben erstellen, austauschen und peer-reviewen lassen und so einerseits ihre metakognitiven Fähigkeiten weiterentwickeln und andererseits zum Wachstum eines gemeinsam nutzbaren Aufgabenpools beitragen.

Methoden

Empfohlen

Formate
Python, Markdown
Technische Tools
Jupyter-Notebooks, Jupyter-Hub, Github

Kontakt

Bearbeiter:innen und Beteiligte
Keine Kontaktdaten vorhanden
Material
NameDownload / LinkBeschreibungLizenzFormatGröße
Demo-Video zu PyRopeLink aufrufen/Link/
Github-Seite von PyropeLink aufrufen/Link/
PyRope InstallationLink aufrufen/Link/
PyRope-DokumentationLink aufrufen/Link/

Das könnte Sie auch interessieren

Projekt 101032
Projekt

AIducator

AIducator ist ein auf künstlicher Intelligenz basierendes Tutorensystem für kompetenzorientierte Assessments in der konzeptuellen Modellierung. AIducator generiert personalisiertes Feedback in Echtzeit und stimmt es auf individuelle Bedürfnisse der Lernenden ab, wie z. B. Medienpräferenz, Sprache, Lernniveau und Personalität. AIducator erstellt Lernpfade für die Aufgabenbearbeitung unter Berücksichtigung vorgegebener Lernziele und gemessenen Lernfortschritts und ermöglicht skalierbare und effiziente Unterstützung der Lernenden.AIducator adressiert Lernende aller Bildungsschichten, Altersgruppen und Geschlechter, indem er den Lernenden personalisiertes, fachbezogenes und korrektes Feedback in Echtzeit bereitstellt. Das fördert die Motivation, vorgegebene Lernziele zu erreichen, und ein höheres Problemlösungsverständnis.AIducator erlaubt es Lehrkräften erstmalig, alle KursteilnehmerInnen optimal auf ihre individuellen Bedürfnisse abgestimmt zu betreuen, indem der Aufwand für Einzelbetreuungen reduziert und nachhaltig an AIducator übertragen werden. AIducator steigert die Qualität der Betreuung der Lernenden und ermöglicht effektives selbsttätiges orts- und zeitunabhängiges Lernen.Bildungsstätten profitieren langfristig von AIducator durch gesteigerte Abschlussquoten und institutionelle Reputation und können datengetriebene Analysen von Kompetenzdefiziten und Anpassungen der Lernmaterialien und Betreuung vornehmen.

Projekt anzeigen
Maßnahme 100131
Maßnahme

Transfertreffen im sächs. IngenieurInnen-Lehrnetzw

Die sächsische Professional Learning Community Ingenieurswissenschaften bringt Lehrende sachsenweit hochschulübergreifend zusammen. Ziel ist ein regelmäßiger fachspezifischer Austausch, bei dem die Bandbreite der Ingenieurwissenschaften abgebildet wird. Im Zentrum stehen Onlinetreffen mit Impulsbei-trägen, um den Transfer von Innovationen zu fördern.

Maßnahme anzeigen
Publikation 100133

Gemeinsam tiefer graben, Ideen spinnen und Kaffee trinken – wie drei ungewöhnliche Austauschformate die digitale Verbundarbeit verbessern.

[Kurzbeschreibung folgt (Anm. StIL)]

Publikation anzeigen