Im Zusammenspiel von Forschung und Entwicklung neue Potenziale entdecken - SoTL als Ansatz zur Minderung von Frustration im Lehralltag.
Auf einen Blick
Autor:innen & Herausgeber:innen
Das könnte Sie auch interessieren
Creating Prototypes for Global Health
PRO-HEALTH ist ein innovatives Lehrprojekt der Universität Erfurt, das Masterstudierende der Gesundheitskommunikation und Photonics von der Friedrich-Schiller-Universität Jena in einem interdisziplinären Lernformat zusammenbringt. Gemeinsam entwickeln sie im Jenaer Makerspace Lichtwerkstatt frugale Innovationen für reale Problemstellungen im Bereich Global Health. Diese Challenges stammen vom Bernhard-Nocht-Institut für Tropenmedizin (BNITM) und umfassen Fragestellungen der klinischen Epidemiologie und Diagnostik. In der ersten Lehrveranstaltung (Innovation Lab) entwerfen interdisziplinär zusammengesetzte Teams nutzerzentrierte Prototypen sowie zielgruppengerechte Kommunikationsmaßnahmen. Grundlage sind partizipative Co-Creation-Prozesse mit Projektpartnern aus den betroffenen Ländern. In der zweiten Veranstaltung (Implementation Lab) wird ein ausgewählter Prototyp mit Anwender:innen vor Ort getestet und gemeinsam weiterentwickelt ein zentraler Bestandteil der Implementationsforschung. Studierende erwerben dabei technologische, sozialwissenschaftliche und methodische Kompetenzen, stärken ihre Innovationsfähigkeit und entwickeln ein Bewusstsein für kulturelle Sensibilität, soziale Verantwortung und globale Zusammenhänge.
Projekt anzeigen
Excel-Checker
Ziel ist es, Lernenden genauere Rückmeldungen über aufgetretene Fehler zu geben, damit sie ein besseres Verständnis für die notwendigen Korrekturen und eine Optimierung ihrer Excel-Fähigkeiten erlangen können. Dadurch erhalten Lernende präzise Hinweise, welche Aspekte ihrer Abgaben korrekturbedürftig sind. Dadurch werden praktischen Fähigkeiten im Umgang mit Excel vertieft. [Anm. StIL: Diese Maßnahme wurde in einer Vorgängerversion der Abfrage dokumentiert. Bei der Übertragung auf das aktuelle Format kann es vorkommen, dass die Antworten nicht hundertprozentig zur Frage passen.]
Maßnahme anzeigen
Explanatory machine learning for sequential human teaching
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen