
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
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
Via Demo einen ersten Überblick über die PyRope-Funktionalitäten gewinnen
sich Grundkenntnisse in der Programmiersprache Python aneignen (Es sind keine fortgeschrittenen Skills erforderlich!)
das 3-teilige Tutorial durcharbeiten und die darin enthaltenen Übungsaufgaben lösen
aufbauend auf den im Tutorial enthaltenen Codebeispielen eigene, zunächst einfache, Aufgaben entwickeln (agile, iterative Softwareentwicklung)
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
Kontakt
Das könnte Sie auch interessieren

KLUGstudieren! Erhöhung der Studienqualität und des Studienergebnisses durch Entscheidungskompetenztraining
Während des Studiums treffen viele Studierende unreflektierte, letztlich falsche Entscheidungen. Im schlechtesten Fall führen diese zum Studienabbruch und insg. zur suboptimalen Nutzung der Ressourcen im Hochschulwesen. KLUGstudieren! unterstützt Studierende dabei, durch die Vermittlung von Entscheidungskompetenz und Bereitstellung von Entscheidungshilfen bessere Entscheidungen zu treffen. Lehrangebote zur Entscheidungstheorie fokussieren zumeist auf das anwendungsferne (mathematische) Lösen vorgegebener Probleme und reine Wissensvermittlung. Die Neuheit von KLUGstudieren! liegt in der Entwicklung, Umsetzung und Verankerung einer an der htw saar für alle Studienrichtungen offenstehende Lehrveranstaltung, die den Future Skill Entscheidungskompetenz stärkt. Um die Reichweite und den Impact zu erhöhen, wird darauf aufbauend ein interaktiver, betreuter, frei zugänglicher Massive Open Online Course (MOOC) entwickelt. Die Lehrangebote werden in partizipativen Workshops mit Studierenden insbesondere an deren Bedarfe im Studium ausgerichtet. Entscheidungskompetenz ist jedoch universell einsetzbar und kann in vielen anderen Lehrkontexten einen klaren Mehrwert schaffen, da es in (fast) allen Fächern auch darum geht, inhaltlich aber eben auch entscheidungstheoretisch fundierte Entscheidungen zu treffen. Flankiert wird das Lehrangebot durch die Entwicklung anwendungsbezogener Entscheidungshilfen für die wichtigsten Entscheidungen während des Studiums in Zusammenarbeit mit Studierenden.
Projekt anzeigen
PartiPause
Die PartiPause ist ein Partizipationsformat für Studierende, das an der HAW Hamburg als Reaktion auf Herausforderungen mit studentischer Partizipation an Hochschulen entwickelt wurde. Studierende geben Zeitmangel, unzureichende Informationen über Partizipationsmöglichkeiten und das Gefühl wenig Einfluss zu haben, als Hürde im Zusammenhang mit studentischer Partizipation an. Dem begegnet die PartiPause als niedrigschwelliges Partizipationsformat, das den Studierenden ermöglicht ihre Perspektiven spontan und schnell einzubringen und damit Einfluss auf das Hochschulgeschehen zu nehmen. Die PartiPause ist ein Befragungsformat, das in Präsenz an stark frequentierten Orten der Hochschule stattfindet. Ein Stand mit kurzen, alltagsnahen Befragungen ermöglicht es den Studierenden “im Vorbeigehen” teilzunehmen und ohne großen zeitlichen Aufwand ihre Perspektive einzubringen. Die PartiPause verfolgt das Ziel, das Bewusstsein der Studierenden für ihre Partizipationsmöglichkeiten zu schärfen.
Maßnahme anzeigen
Effectiveness and Appeal of a Virtual Laboratories
This study investigates the integration of a smartphone-based virtual laboratory into a fourth-semester undergraduate fluid mechanics class on pump–piping systems. The virtual laboratory is designed according to constructive alignment and the SOLO taxonomy to foster deep learning. Students interact with realistic 3D system models, adjust component parameters, and receive real-time feedback based on physical simulations. To identify the effectiveness, a pre- and post-test with 26 paired responses showed a small overall improvement in general knowledge, with medium-to-large gains in specific methodological knowledge and selfassessed competence in handling real fluid systems. Student feedback was collected to assess the appeal of the teaching method. Students rate it highly positive (mean rating = 4.42/5), highlighting increased motivation, engagement, and active participation compared to conventional teaching. Future work will expand the app with additional levels targeting diverse learning objectives in fluid mechanics.
Publikation anzeigen