
DiKuLe: Planning and decision-making guide for portfolios
Auf einen Blick
Das könnte Sie auch interessieren

Geostatistische Grundlagenbildung ko-kreativ
Das Projekt Geostatistische Grundlagenbildung ko-kreativ (GesoStat) knüpft an aktuelle gesellschaftliche Themen, indem es den wissenschaftlichen Nachwuchs bei der Bewältigung bestehender und kommender Herausforderungen bzgl geostatistischer Themen fördert. Probleme wie mangelnde Vorkenntnisse, studentische Beteiligung und Selbstlernkompetenzen zeigen sich u. a. in Studienabbruchquoten. Im Projekt werden gemeinsam mit Studierenden als Consultant, Lehrenden und Hochschuldidaktiker:innen innovative Wege und Lösungen gefunden, um diesen Herausforderungen zu begegnen. Das frühzeitige Erkennen von Lernhürden, die Stärkung der Kompetenzen des Selbstverantwortlichen Lernens und Statistikanalysekompetenzen werden durch einen an Design Based Research angelehnten Prozess gefördert, begleitet und analysiert, um so ko-kreativ konkrete Lösungen auf verschiedenen Ebenen für bessere Lernergebnisse zu entwickeln. Geprägt wird dieser Prozess durch Hinzunahme heterogener Perspektiven, Phasen der Problemerkundung, -erprobung, -überarbeitung und -reflektion, Entwicklung von Maßnahmen, Workshops und Schulungen. Zum Ende des Projektes erfolgt eine abschließende Auswertung des Projekts und der entwickelten Maßnahmen. Die Wirksamkeit der Projektmaßnahmen wird als Teil des DBR formativ überprüft. Die Ergebnisse werden begleitend dokumentiert, veröffentlicht und als Good Practice für die hochschulinterne wie externen Öffentlichkeit bereitgestellt.
Projekt anzeigen
Fallstudienkurs Controlling Analytics Challenge
Studierende werden in die Programmiersprache R eingeführt und lernen anhand von Lernvideos und praktischen Übungen in einer Cloud-Umgebung Grundlagen und vertiefende Inhalte von Data Analytics mit Controlling-Bezug, etwa zur Regression oder Klassifikation. Die selbstständige Bearbeitung praxisnaher Fallstudien wird durch Online-Coachings begleitet. Ein entweder studentisches oder KI-gestütztes Peer Review ermöglicht den Studierenden eine Qualitätsverbesserung und simuliert zugleich den Begutachtungsprozess wissenschaftlicher Veröffentlichungen. Abschließend erstellen die Studierenden Präsentationen zu ihren Fallstudien und reichen diese als Video ein. Eine Jury aus Kursbetreuern und Unternehmensvertretern als Kooperationspartner wählen daraus die drei besten Teams aus, die in einer Abschlussveranstaltung in einem Wettbewerbsformat ihre Lösungen vorstellen und verteidigen. Die Jury zeichnet daraus unter Einbezug eines Studierenden-Votings die überzeugendste Lösung mit einem Preis aus.
Maßnahme anzeigen
Neue digitale Lehr- und Lernmethoden für Technische Mechanik und Dynamik
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen