
Inklusive Präsenz - Mittendrin statt nur dabei
Inklusive Präsenz - Mittendrin statt nur dabeiWährend der Pandemie wurden viele hochschulische Lehrangebote von Präsenz auf digitale Formate umgestellt, wodurch sich Barrieren für beeinträchtigte Studierende im Hinblick auf Inklusion und Chancengleichheit maßgeblich reduzierten. Die Rückkehr zum tradierten Lehrbetrieb wird von vielen Betroffenen als ein erneuter Ausschluss wahrgenommen. Selbst bei synchron hybriden Lehrveranstaltungen wirken sich mangelnde technische Voraussetzungen, medienpädagogische Kompetenzen der Lehrenden und langwierige formale Prozesse nachteilig aus. Über stationäre Videokonferenzsysteme sind Studierende faktisch anwesend jedoch sozial exkludiert; sie werden weder von den Studierenden noch von den Lehrenden bewusst wahrgenommen.Mit dem Projekt wird durch die Nutzung eines Telepräsenzroboters im Studium inklusiven Präsenz realisiert. Durch die Mobilität des Roboters werden die Studierende ein hohes Maß an Autonomie erleben und können in Lehrveranstaltungen sowie am sozialen Leben der Universität aktiv teilnehmen. Sie sind durch den Roboter physisch präsent, werden bewusst wahrgenommen und können mit allen Beteiligten interagieren. Sie sind mittendrin statt nur dabei.Diese Effekte sowie die Bedeutung von sozialer Inklusion im Hinblick auf die Lernmotivation und Lernerfolg bei Studierenden mit Beeinträchtigungen werden in der geplanten Studie untersucht, Gelingensbedingungen eruiert und die Umsetzung im hochschulischen Kontext nachhaltig verankert.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren

Lehr-Lern-Hub: Digital History
Stellen Sie sich vor: Angehende LehrerINNEN und MuseumspädagogINNen erlernen und erproben bereits im Studium, kreative und komplexe digitale Aufgaben für SchülerINNEN zu entwickeln. SchülerINNEN setzen sich mit und in digitalen Medien aktiv mit Geschichte auseinander und erwerben dabei forschungsorientierte und digitale Kompetenzen. Als gemeinsames Ergebnis entsteht eine öffentlich sichtbare kollektive 4D- Wissensressource. Das Lehr-Lern-Labor Digital History bezieht die bisher vor allem im MINT-Bereich erprobten Ansätze einer Verzahnung forschungsorientierter Schul- und praxisnaher Lehrerbildung sowie der digitalen Medien- und Technologiekompetenzentwicklung auf fachspezifische Ansprüchen und Ziele der Museums- und Geschichtsdidaktik. Dabei untersucht, entwickelt und erprobt das DHLabor Formate, um bspw. im Rahmen von Schulpraktika, Ganztagesangeboten oder außerschulischen Lernorten sowohl eine digitale als auch die praxisbezogene Kompetenz der Studierenden sowie die Fertigkeit zur forschungsorientierten Lehre im Schulunterricht zu befördern. Angehende Lehrende erlernen anhand von Beispielen digitale Forschungs- und Vermittlungsmethoden, erarbeiten auf dieser Basis Aufgaben für Schüler und erproben und reflektieren diese. Im Ergebnis entstehen sowohl ein Pool digitaler Aufgaben und Lehrangebote als auch eine auf den Beiträgen der SchülerINNEN aufbauende öffentlich sichtbare 4D-Wissensressource. Diese Ressourcen sind für Lehrende auch nach Abschluss des Studiums nutzbar.
Projekt anzeigen
Fertigung Versuchsaufbau-Komponenten mit 3D-Druck
Durch 3D-Druck konnten spezifische Komponenten bedarfsgerecht konstruiert und gefertigt werden, wodurch sich zeitintensive Entwicklungszyklen (Recherche, Beschaffung, Prüfung, Anpassung) deutlich verkürzten. Ein weiterer Vorteil des 3D-Drucks liegt darin, dass Anpassungen auf Basis bestehender Konstruktionsdaten schnell eingearbeitet oder defekte Teile bei Bedarf schnell ersetzt werden konnten.
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