
Datenbasierter Lernunterstützungsassistent
Aufbauend auf einer bestehenden digitalen Infrastruktur zielt unser Projektvorhaben darauf ab, den individuellen Studienprozess durch digitale Mentoren besser zu begleiten und damit auf eine Verringerung der Studienabbruchwahrscheinlichkeit hinzuwirken. Seit 2014 organisiert die Universität Bayreuth den Student Life Cycle mit einem innovativen, datenbasierten Campus-Management-System (CMS) mit vielen implementierten Schnittstellen. Die von uns heute schon im CMS und Lernmanagementsystem erhobenen studienbezogenen Daten können nach Analyse und Auswertung bessere Einblicke in Lehr- und Lernprozesse geben, gezielte Betreuungs- und Unterstützungsleistung anfordern und damit zur Verbesserung der Qualität der Hochschullehre beitragen. Unsere Innovationsidee integriert diese Perspektiven, indem sie in 3 zentralen Arbeitspaketen (1) die Lern-Situation der Studierenden in ausgewählten Lehrveranstaltungen im Sinne eines Constructive Alignment ausrichtet, (2) durch Learning Analytics datenschutzkonform Lerndaten auswertet und Studierende hinsichtlich der Studienabbruchgefahr einordnet und (3) gezielt diese Studierende mit einer digitalen Mentorin mit automatisierten, aber individualisierten Nachrichten aus dem Lernsystem heraus erreicht.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren

Hybrid Flexible Inverted Mathematics MOOC
Eine Herausforderung des Inverted-Classroom-Modells liegt in der Motivation der Studierenden zu kollaborativem Lernen sowohl während der Präsenzphasen als auch in den Vorbereitungsphasen. Dies ist umso schwieriger in hybriden Umsetzungen, wenn ein Teil der Studierenden ausschließlich synchron online und/oder in asynchronen Formaten teilnimmt.Das Projekt zielt darauf ab, in einer Lehramts-Mathematikvorlesung vielfältige Interaktionsanlässe durch die Einbindung zahlreicher externer Personen zu schaffen, die an Mathematik interessiert sind. Ziel ist die Entwicklung eines innovativen Lehrkonzepts, das Elemente des Inverted Classrooms, des HyFlex-Modells und eines Massive Open Online Courses (MOOC) kombiniert. Dadurch sollen Studierende motiviert werden, gemeinsam mit ihren Kommiliton*innen und mit Personen außerhalb der Hochschule mathematische Probleme zu lösen.Es wird eine innovative Lernumgebung für dieses Lehrmodell entworfen, die durch wiederholte Iterationen mittels eines Design-Research-Ansatzes evaluiert und optimiert wird. Studierende sind als Teilnehmende, Hilfskräfte und Feedbackgeber*innen eingebunden. Die Wirksamkeit des Projekts hinsichtlich Flexibilisierung, Motivation, Zufriedenheit und Lernerfolg wird durch umfassende Evaluationsmaßnahmen überprüft.
Projekt anzeigen
Gestaltung mobiler Interaktions- und Infoformate
Die umfassende Partizipation Studierender in der Lehre wird in der Praxis wenig umgesetzt. Gründe dafür können fehlendes Wissen, geringe Motivation sowie ein nicht klar erkennbarer Mehrwert für Lehrende und Hochschulen sein. Im Rahmen des Verbundprojekts D2C2 entwickelte die Community Kunst und Gestaltung ein innovatives Ausstellungs- und Interaktionsformat. Ziel war es, erfolgreiche Beispiele studentischer Mitge-staltung sichtbar und unmittelbar an Hochschulen erlebbar zu machen. Drei mobile Wagen, aufgebaut als Pop-up-Räume, boten Informationsflächen, Workshopbereiche und Präsentationen dieser partizipativen Lehrprojekte, die über 4 Jahre Forschungsarbeit entstanden. Durch niedrigschwelligen Zugang, Präsenz vor Ort, interaktive Formate und ein dreitägiges Workshopprogramm förderte die RoadShow Austausch, Vernet-zung und Bewusstseinsbildung über Partizipation. Die Präsentation erfolgte im Sommer 2025 an zehn Standorten, darunter Festivals, Tagungen und Hochschulveranstaltungen. Für di
Maßnahme anzeigen
GenAI-Chatbots as Debriefers: Investigating the Role Conformity and Learner Interaction in Counseling Training
Debriefing is essential for the effectiveness of simulation-based training but is generally considered resource-intensive. Generative Artificial Intelligence (GenAI)-based debriefing can be an alternative to human debriefers. However, there is no research yet whether GenAI chatbots can take up this role and how learners react to them. This paper presents a qualitative analysis of a debriefing following a counseling training conducted in Virtual Reality (VR) with the support of a GenAI chatbot. The debriefing helped students to analyze their experiences and application of consulting techniques. The analysis of the chatlogs (n = 22) are focused on the role conformity of the bot and the students’ ability to reflect their behavior within VR. The results revealed the chatbot’s strong role conformity but also its tendency for overly complimentary answers. However, this bias does not seem to influence students’ self-reflection. Instead, they maintained a self-critical attitude. Future research on AI-assisted debriefing could expand on these findings in related areas.
Publikation anzeigen