Vertical Search Scenarios within a Digital Study Planning Assistant
Auf einen Blick
Das könnte Sie auch interessieren
Innovationscluster E-Assessment
Die Optimierung von Prüfungsbedingungen ist zentrales Thema für Hochschulen. Zugleich hat sich die Zahl durchgeführter E-Assessments unter Corona deutlich erhöht. Alleine die Verbundpartner führen aktuell >75.000 E-Abschlussprüfungen durch. NOVA:ea möchte akademische Bildung in allen biographischen Phasen mit studierendengerechten E-Asessments fördern. Es platziert Studie-rendendiversität im Zentrum der didaktischen/technischen/diagnostischen Gestaltung von E-Assessments. Leitprinzip ist die Verzahnung der studierendenzentrierten Innovierung mit technologi-scher Weiterentwicklung, die für an über 230 HS eingesetzte E-Prüfungssysteme als Open Source erfolgt. Zu den Entwicklungen zählen domänenspezifische Aufgabenformate sowie flexible On-Demand E-Assessments. Ein Prüfungscockpit gibt Lehrenden durch Assessment Analytics Hand-lungsempfehlungen zur iterativen Verbesserung. Besondere Aufmerksamkeit gilt der Akzeptanzför-derung bei der Einführung von E-Assessments. Besonderen Stärke des Projektverbunds ist der fest in der Projektstruktur verankerte Transfer zwischen komplementären Verbundpartnern. Austausch in andere HS soll durch ein OER E-Assessment-Toolkit für Lehrende & Serviceeinrichtungen erleichtert werden.
Projekt anzeigen
Standortübergreifendes Teamteaching
Im Projekt GeoTandems wurden durch standortübergreifendes Teamteaching Lehrinnovationen entwickelt, erprobt und weitergeben. Hochschullehre wird dadurch als Gemeinschaftsaufgabe verstanden. Mit allen GeoTandems wurden in zwei gemeinsamen Workshops die Gelingensbedingungen und Stolpersteine standortübergreifenden Teamteachings reflektiert und in einem gemeinsamen Sammelband publiziert.
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