Ein Intelligentes Tutorensystem für Rekursive Programmierung. Fehlkonzepte identifizieren für zielgerichtetes Feedback
Auf einen Blick
Das könnte Sie auch interessieren
Qualität digital gestützter Lehre an bayerischen Hochschulen steigern
Für das Projekt QUADIS haben sich alle bayerischen Universitäten, das DiZ-Zentrum für Hochschuldidaktik der bayerischen HAWs und die Virtuelle Hochschule Bayern zusammengeschlossen, um in drei Projektsäulen die Qualität digital gestützter Lehre an bayerischen Hochschulen zu steigern. In der ersten Säule soll die hochschuldidaktische Weiterbildung um Blended Learning Seminare ergänzt werden. So soll Lehrenden ein Lernen am Modell ermöglicht und die Kapazität der Weiterbildung erhöht werden. Die Materialien sollen arbeitsteilig zweisprachig erstellt, als OER veröffentlicht und so über den Verbund hinaus nutzbar werden. In der zweiten Säule sollen bereits etablierte Formate zur Förderung des Diskurses zu digital gestützter Lehre intensiviert und auf alle Verbundpartner skaliert werden, um Lehrende zu inspirieren und Lehrinnovationen zu generieren. Dazu sollen Themenwochen durchgeführt und Fach-und Arbeitsgruppen Lehrender initiiert und begleitet werden. In der dritten Säule soll der Transfer von Lehrinnovationen in die Lehre durch Lehrwerkstätten unterstützt werden. Deren methodische Ausgestaltungen sollen miteinander verglichen und evaluiert werden, um nach Projektende eine Auswahl für zukünftige Transfermaßnahmen treffen zu können.
Projekt anzeigen
Entwicklung digitaler Mathematik-Atlas „matlas“
Mit matlas können Studierende alle wichtigen Themen der Mathematik im Grundstudium über eine digitale Wissenslandkarte interaktiv erkunden und sich Wissen ergänzend zu Vorlesungen selbstständig aneignen. Über einen zentralen Einstiegspunkt ist matlas hochschulweit zugänglich. Über Lerneinheiten sind sämtliche multimediale Lernmaterialien, wie z.B. Lehrvideos und Foliensätze, zugänglich.
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