Diversity sensitive assessment and fair grading - Training to enhance student teachers' assessment literacy
Das Projekt stammt aus der Erziehungswissenschaft mit dem Schwerpunkt Schulpädagogik. Die Antragsteller*innen Prof. Dr. Till Utesch und Prof. Dr. Karolina Urton adressieren damit die Verbesserung der Beurteilungskompetenz von Lehramtsstudierenden im Rahmen des bildungswissenschaftlichen Studiums. Die diagnostische Kompetenz von Lehrkräften stellt gerade auch mit Blick auf die individuelle Förderung einer heterogenen Schülerschaft einen zentralen Bereich der Lehramtsausbildung dar. Im Rahmen des Projektes werden digitale Module zum langfristigen Einsatz in der Lehrerbildung konzipiert und erprobt, die nehmen der Vermittlung von Wissen auch praktische Anteile enthalten, die u.a. auch eine Rückmeldung an die Studierenden hinsichtlich der Entwicklung ihrer persönlichen diagnostischen Kompetenz zulassen. Die digitalen Lehreinheiten ermöglichen, ergänzend zu den Veranstaltungen in Präsenz, ein vertieftes Selbststudium der Studierenden. Darüber hinaus wird das Lehrangebot durch Spotlight-Vorlesungen (inter-)nationale Wissenschaftler*innen ergänzt.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Kausale Inferenz, Maschinelles Lernen und Reproduzierbare Forschung
Das Projekt KMR strebt an, moderne empirische Verfahren der kausalen Inferenz, des maschinellen Lernens und der reproduzierbaren Forschung in große verpflichtende Lehrveranstaltungen der Ökonometrie in wirtschaftswissenschaftlichen Studiengängen zu tragen, hier zunächst konkret die Einführung in die Ökonometrie (Wintersemester, 6 ECTS) an der Universität Duisburg-Essen (UDE). Umfangreiche open source-Materialien machen die Projektergebnisse anderen Studierenden und Lehrenden zugänglich. Der Arbeitsplan des Projektes gliedert sich in die vier Arbeitspakete Identifikationsstrategien (AP1), Maschinelles Lernen (AP2), Implementierung empirischer Forschung (AP3) und einem open-source-Kompendium (AP4). AP1 macht moderne kausale empirische Strategien wie difference-in-differences oder regression discontinuity zugänglich für Bachelorstudierende. AP1 adressiert erfolgreiche prädiktive Verfahren wie decision und regression trees und random forests. AP3 widmet sich der Vermittlung von Kompetenzen zur reproduzierbaren Forschung. Hierzu gehören die Integration von Text und statistischer Analyse ("RMarkdown"), interaktive Präsentation ("Shiny"), Versionskontrolle ("Github") oder die Erstellung von Paketen. AP4 erstellt ein open source-Online Kompendiums (AP4), das die Inhalte des Moduls frei zugänglich veranstaltungsbegleitend, aber auch zum Selbststudium bereitstellt.
Projekt anzeigen
Hybride Lehre ermöglichen
Es wurden vier Lehrräume mit Medientechnik und Infrastruktur ausgestattet, sodass in diesen Räumen zuverlässig hochwertige hybride und digital unterstützte Lehrveranstaltungen stattfinden können. Zwei Räume wurden als Vorlesungsräume, für Frontalunterricht mit Fokus auf hybride Szenarien, und zwei Räume wurden als Gruppenarbeitsräume, mit je vier Tischinseln und einem Fokus auf das dy-namische Anzeigen von Inhalten, sowohl von als auch auf die jeweils ans den Tischinseln platzierten Monitore, konzipiert. In allen Räumen wurde dazu eine Mediensteuerung implementiert, mithilfe derer man mittels eines Touchscreens die entsprechenden Medientechnikgeräte, sowie deren Bildübertragung, intuitiv und dynamisch steuern kann. U.a. wurden Dokumentenkamera, digitale Flipcharts, Zei-chentablets, Tracking Kameras, sowie Clip- und Wurfmikrofone in den Räumen eingerichtet.
Maßnahme anzeigen
Künstliche Intelligenz für Lehrkräfte : eine fachliche Einführung mit didaktischen Hinweisen
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen