Lehrendenbefragung zur Zukunft der Lehre
Die Herausforderung bestand darin, nach der Covid-19-Pandemie herauszufinden, wie Lehrende an Hoch-schulen in Sachsen die Hochschullehre weiterentwickeln würden. Was von der Hochschullehre in der Pande-miezeit soll bleiben? Wohin soll sich die Hochschullehre entwickeln? Grundlage für die Erhebung bilden die Empfehlungen des Wissenschaftsrates zur zukunftsfähigen (digitalen) Gestaltung von Studium und Lehre.
Kategorien
Beschreibung
Herausforderung
Die Entwicklung von Lehr-Lern-Settings und die Gestaltung des Lernens in der Pandemiezeit, wurde stark durch äußere Bedingungen (z.B. Kontakteinschränkungen, Vorhandensein datenschutzkonformer digitaler Tools) geprägt. Unklar blieb, wie sich Lehrende die Zukunft der Hochschullehre unabhängig von äußeren Ein-flüssen wie der Covid-19--Pandemie wünschen bzw. vorstellen, und welche Maßnahmen sie selbstständig und welche gemeinsam mit der Hochschulleitung oder anderen Akteur*innen umsetzen können.
Herangehensweise
Um Antworten auf diese offenen Fragen zu finden, wurde eine verbundweite Lehrendenbefragung zusammen mit dem Zentrum für Qualitätsanalysen der TU Dresden durchgeführt. Diese Befragung basiert auf einem Online-Fragebogen mit geschlossenen und offenen Fragen und einem Befragungsumfang von 77 Items sowie einer Befragungszeit von etwa 20 Minuten.
Zusammenhang
Diese Maßnahme wurde im Rahmen eine Umfrage durchgeführt, zu der Lehrende per Mail von ihrer Hoch-schulleitung eingeladen wurden.
Voraussetzung
1. Die Zusammenarbeit mit einer Einrichtung, die im Bundesland für ihre Expertise mit großen Befra-gungen im Hochschulbereich bekannt ist, war sehr hilfreich
2. Die Zustimmung von und Abstimmung mit allen an der Befragung beteiligten Verbundhochschulen (Rektorate, Qualitätssicherung- und -entwicklung, Personalrat, Datenschutzbeauftragte etc.)
3. Das Vorliegen von möglichen Zukunftsszenarien für die Hochschullehre.
4. Ein Qualitätszirkel für die Entwicklung des Fragebogens, an dem alle Hochschulen und mehrere Sta-tusgruppen beteiligt waren, (Lehrende, Professor*innen, Studierende, Hochschulleitung, Hochschul- und Mediendidaktik, Qualitätssicherung...), wodurch mehrere Perspektiven eingeholt werden konn-ten.
5. Einen Fragebogen, der in allen Hochschultypen des Verbundes verständlich ist.
6. Das Vorliegen einer deutschen und englischen Version des Fragebogens.
Eignung
An der Beteiligung an der Umfrage von 10,78% (1187 Teilnehmende) der 11014 Befragten und dem Inte-resse an den Befragungsergebnissen über das Bundesland hinaus.
Die an der Lehrentwicklung in Sachsen beteiligten Akteur*innen (Stakeholder) kennen die Einstellungen der Lehre zu empfohlenen Vorhaben bezüglich der Zukunft der Lehre und wissen dadurch, wie sie Lehrende besser begleiten können.
Die Stakeholder kennen die Maßnahmen/Handlungsempfehlungen, die basierend auf den Befragungsergebnissen für die Lehrentwicklung in Sachsen abgeleitet wurden.
Vorgehen/Schritte
1. konkrete Zielstellung bzw. Fragestellungen der Befragung mit den Hochschulen klären, ggf. entsprechendes Landesministerium informieren
2. Eigene Kompetenzen klären und ggf. Kooperation suchen
3. Zeitplanung erstellen und kommunizieren
4. datenschutzkonforme Tools anschaffen: Online-Erhebungstools (Fragetypen prüfen), Auswertungstool (Lizenz auf kollaborative, hochschulübergreifende Zusammenarbeit prüfen)
5. Ggf. Befragung mit dem Personalrat/Gesamtpersonalrat des Bundeslandes abstimmen (Handelt es sich um eine Mitarbeitendenbefragung oder um ein Forschungsanliegen? CAVE: Mitarbeiterbefragun-gen sind mitbestimmungspflichtig! Auch bei Forschungsanliegen Personalrat informieren.
6. Fragebogen entwickeln. Entscheiden welche Übersetzungen notwendig sind und wann diese sinnvollerweise stattfinden.
7. Qualitätszirkel einbinden, um die Sicherstellung der Verständlichkeit und die Gewährleistung der eigentlichen Zielstellung (2. Feedbackschleife einplanen) zu garantieren
8. Versendung des Befragungslinks (hochschulübergreifend, hochschulintern, ggf. Anlegen von Verteilern) und die Anzahl der Erinnerungsmails klären
9. Testpersonen zur Ausfüllung des Fragebogens gewinnen, Fragebogen ausfüllen lassen, Think-Aloud Technik anwenden, Anpassungen vornehmen
10. Weitere Sprachversionen erstellen und , ggf. deutsche Version noch einmal anpassen (auch an das Anschreiben und die Mail an die Befragungsteilnehmenden denken)
12. Informationen zum Vorhaben an Zielgruppe kommunizieren (zentral und dezentral) und die Befragung ankündigen
13. Anschreiben des Fragebogens verfassen
14. Fragebogen erneut testen, ggf. erneut mit Think-Aloud Technik
15. Fragebogen versenden
16. Erinnerungsmail versenden
17. Datenauswertung starten, Datensatz bereinigen
18. Daten entlang der Fragestellungen auswerten
a. Daten zielgruppenspezifisch auswerten (z.B. spannend für Hochschulleitungen, für Hochschuldidaktik, für Studierende, Lehrende, Ministerium)
b. hochschulindividuelle Auswertung nur an die jeweilige Hochschule herausgeben, um Bench-Datenauswertung sowohl mit den Daten von jeder einzelnen Hochschule als auch von allen Hochschulen zusammen erstellen
c. Benchmarking durch Außenstehende zu verhindern
d. Berichte versenden, hochschulinterne Diskussionsveranstaltungen anbieten, hochschulübergreifende Veranstaltungen planen und durchführen.
Hinweise
Effekte
Unerwartet war, dass die einzelnen Hochschulen zum Zeitpunkt der Datenveröffentlichung relativ wenig Inte-resse an den Ergebnissen hatten, wohingegen von höherer Ebene (z.B. Ministerium) großes Interesse vorlag.
Unerwartet war ebenfalls, wie schwer es war, bei der Itemformulierung eine Sprache zu verwenden, die an allen Hochschulen gleichermaßen verstehbar ist(z.B. Strukturen sehr unterschiedlich, dadurch unterschiedli-che Funktions- und Strukturbezeichnungen).
Erfreulich ist, dass die Daten der Befragung eine geeignete Grundlage für weitere Anträge bieten.
Learnings
Es dauert immer länger als geplant
Weiteres siehe Publikationen -hier extra Artikel zu Learnings.
Empfehlung
Das Vorgehen ist bereits angepasst beschrieben
Ebenfalls denkbar wäre eine qualitative Befragung zu bestimmten Themen des Lehrens und Lernens, um den fachspezifischen Besonderheiten mehr Raum zu geben.
Tipps
Einen Fragebogen zu so einem Thema zu erstellen, bedarf ausreichend Sensibilität für die Datenhoheit der einzelnen Hochschule.
Das Teilen und Speichern von Daten muss zu Beginn geklärt werden – vor allem bei hochschulübergreifender Zusammenarbeit.
Das Vertrauen der einzelnen Institutionen in die umsetzende Einrichtung muss vorhanden sein.
DIe Anonymität der Daten muss gewährleistet werden.
Qualitätszirkel zur Fragebogenerstellung war sehr hilfreich.
Methoden
Empfohlen
Kontakt
Das könnte Sie auch interessieren
Marburger Lehrlabore: Mutig - Agil - Reflexiv
MAR|Labs zielt darauf, Verfahren und Prozesse in der Lehre der Philipps-Universität Marburg zu etablieren, die es ermöglichen, flexibel und Relevanz setzend auf Veränderungen, Disruptionen und Anforderungen zu reagieren. Damit sind gesellschaftliche Herausforderungen ebenso adressiert wie technologische Veränderungen. Eine nachhaltige Lehrarchitektur, die Potentiale dieser Veränderungen nutzbar macht, muss agil und reflexiv sein. Sie setzt den Mut voraus, mit neuen Entwicklungen neue Wege zu gehen und diese zur Grundlage von Anpassungen in der Architektur werden zu lassen. MAR|Labs erzielt dabei zwei wesentliche Effekte: In Pilotbereichen auf Fach-, Studiengangs- und Modulebene werden Lehrende und Studierende Lehrkonzepte in einem agilen und iterativen Vorgehen entwickeln, implementieren, überprüfen und weiterentwickeln. Zugleich schaffen sie damit die Grundlagen für neue Lehrentwicklungsprozesse und -standards an der Gesamtuniversität. Dieser Wandel von Prozessen geht, so erwarten wir, einher mit einem Wandel im Selbstverständnis der Lehrenden und Studierenden. MAR|Labs initiiert und begleitet dies im Sinne eines Change Managements. Ziel ist die Etablierung von Prozessen der Lehrentwicklung bis Ende der Projektlaufzeit, die auf allen Ebenen schnell und relevant auf Veränderung reagieren können.
Projekt anzeigen
Mikromodule („MiMos“)
Mikromodule (“MiMos”) sind 90-minütige, multimediale und interaktive Online-Selbstlerneinheiten. Sie enthalten Texte, interaktive Videos, Podcasts, Aufgaben/Quizze etc. Studierende können selbstständig wichtige überfachliche Kompetenzen für Studium und Berufsleben entwickeln, insbesondere in den Bereichen “Selbstorganisation” und “Umgang mit digitalen Medien und künstlicher Intelligenz”. Da sie als OER veröffentlicht werden, können Lehrende MiMos (bzw. einzelne Bestandteile) in ihrer Lehre einsetzen und anpassen, um zentrale fachunabhängige Kompetenzen zu fördern. Sie sind leicht über das Stud.IP-Lernmanagementsystem erreichbar und mit dem Courseware-Plugin bearbeitbar.
Maßnahme anzeigen
Too Positive to Be True? Sentiment Analysis of AI-Guided vs. Human-Led Debriefings in Virtual Reality Counseling Training
Debriefings are a crucial component of simulation-based learning, as they allow participants to critically reflect on their performance and translate experiences into knowledge. With the rise of artificial intelligence (AI), large language models (LLMs) are increasingly being explored as conversational agents in debriefings. However, concerns have been raised that AI debriefers may display sycophantic tendencies, characterized by overly positive sentiment and a lack of critical feedback. Such tendencies could affect learners' self-evaluations. In this study, 45 university students participated in a virtual reality (VR) counseling simulation, followed by either an AI-guided or a human-led debriefing. Sentiment analysis of 958 debriefing statements (350 AI, 608 human) was conducted using a German sentiment classification model. Results show that AI debriefers expressed significantly more positive sentiment and substantially fewer negative statements compared to human debriefers, corroborating the assumption of a sycophancy effect. However, sentiment was not found to predict self-rated counseling competence or self-efficacy. While AI debriefers provide consistent encouragement, their lack of critical feedback raises questions about their long-term effectiveness for professional skill development. Future research should explore hybrid approaches that combine AI scalability with human expertise in constructive reflection.
Publikation anzeigen