
What is Attractive, Efficient and Has Appeal?
This article examines peer tutorials in the course Basics of Fluid Mechanics in Biochemical and Chemical Engineering. Tutorials take place in groups with two tutors each (dyad). Four types of tutors were selected: a higher-semester student with good performance, serving as a comparison group as this type is usually chosen, a student attending the course for the first time in the standard period of study, a student who had failed the exam several times, and alternating students from the tutees in each session. Each dyad included one conventional tutor. The comparison dimensions are effectiveness, efficiency, and appeal. Each unconventional design has specific advantages but no particular disadvantages compared to the comparison group. Especially for efficiency this is remarkable, since better clarification and increased discussions in the tutorial lead to fewer open questions, which have to be clarified in the office hours with the teachers. This overcompensates for the additional instructional effort to the tutors. The best exam results were achieved by the group with the failed tutor. The current student as tutor led to a massively increased exam writing rate, which reduced procrastination of the tutees. The effect sizes are not particularly large, which may be due to the time period studied at the beginning of the Corona pandemic. As at least small advantages without disadvantages were identified, this work recommends the testing of such unconventional tutorial designs.
Auf einen Blick
Autor:innen & Herausgeber:innen
Das könnte Sie auch interessieren

E-Tutor*innen-Qualifizierungsprogramm
Die Entwicklung und Implementierung eines E-Tutor*innen-Qualifizierungsprogramms ermöglicht für Studierende und Lehrende gleichermaßen eine große Multiplikator-Wirkung. Tutor*innen wirken bisher als Peers vor allem in Richtung der Studierenden. Als spezialisierte E-Tutor*innen können sie zur strukturierten Einführung und Begleitung von Studierenden in digital unterstützten Lehr-Lern-Settings beitragen. Sie können aber auch die Lehrenden bei der technischen und didaktischen Umsetzung digitalisierter Hochschullehre unterstützen. Zwischen beiden Gruppen können sie didaktisch fruchtbar vermitteln. Durch die Vergabe von ECTSP und eines Zertifikats kann die Qualifikation in das Studium eingebettet und später im Beruf genutzt werden. Als Bildungswissenschaftliche Hochschule verfügt die PH Ludwigsburg über wichtige Kompetenzen und Erfahrungen in den Bereichen Erwachsenenbildung/Weiterbildung, E-Learning, Medienpädagogik und Sonderpädagogik. Das zu entwickelnde Qualifizierungsprogramm wird auch inklusive Aspekte wie die Barrierefreiheit berücksichtigen. Über das Online-Repositorium ZOERR werden alle Programm-Materialien, vom Gesamt-Curriculum bis zu konkreten Lernsettings, anderen Hochschulen zur Verfügung gestellt.
Projekt anzeigen
ILIAS-basierter Selbstlernkurs zum Umgang mit generativer KI - "KI & Du" / "AI & You"
Im Rahmen des Projekts digit@L wurde ein Selbstlernkurs auf der Lernplattform ILIAS konzipiert. Die Maßnahme umfasst die didaktische Aufbereitung komplexer Themenfelder in modularer Form: einem Grundlagenmodul zu Funktionsweise, Ethik und rechtlichen Rahmenbedingungen von KI sowie einem anwendungsorientierten Modul mit flexibel aktualisierbaren Use-Cases. Studierende sollen nicht nur verstehen, wie KI funktioniert und beim wissenschaftlichen Schreiben, Lernen, Recherchieren oder Programmieren unterstützen kann, sondern auch kritisch reflektieren wo Chancen und Grenzen liegen. Dabei wird über interaktive Module mit kurzen Videos, praxisnahen Beispielen und Reflexionsfragen zum Entdecken, Nachdenken und Ausprobieren angeregt. Wer alle drei Lerneinheiten des Grundlagenmoduls inklusive der integrierten Wissensüberprüfungen absolviert, kann sich anschließend direkt den eigenen Leistungsnachweis in Höhe von 1 ECTS in ILIAS herunterladen.
Maßnahme anzeigen
KI in der Hochschulbildung: Nutzungspraxis, Kompetenzanforderungen und Transformationsdynamiken generativer KI
Dieser Forschungsbericht beleuchtet die Auswirkungen generativer Künstlicher Intelligenz (KI) auf Lehr-, Lern- und Prüfungsprozesse in der Hochschulbildung. Auf Grundlage einer KI-gestützten Literaturrecherche, ergänzt durch leitfadengestützte Experteninterviews und explorative Studien zur Leistungsfähigkeit von Large Language Models (LLM) in hochschulischen Kontexten, werden zentrale Nutzungsmuster, Kompetenzanforderungen sowie institutionelle Reaktionsbedarfe systematisch herausgearbeitet. Die Ergebnisse zeigen, dass generative KI bereits breit im Studienalltag angekommen ist und zunehmend als selbstverständlicher Bestandteil akademischer Arbeitsprozesse genutzt wird. Zugleich entstehen erhebliche Spannungsfelder hinsichtlich Lernwirksamkeit, akademischer Integrität, Verlässlichkeit KI-gestützter Leistungsbewertung und sozialer Qualität akademischen Lernens. Der Bericht entwickelt daraus eine strukturierte Perspektive auf die KI-Transformation der Hochschulbildung und identifiziert zentrale Entwicklungsbedarfe für Didaktik, Prüfungskultur, Kompetenzmodelle und institutionelle Governance.
Publikation anzeigen