Tutorienarbeit vernetzt und nachhaltig gestalten
Das Projekt fördert und stärkt die Tutorienarbeit bundesweit und regional. Mit besserer Sichtbarkeit und größerer Reichweite des Netzwerkes kann Tutorienarbeit verankert und zu einem Must-have in der Hochschullandschaft werden. Netzwerkstrukturen werden konsolidiert und die Netzwerker:innen durch Weiterbildungsmaßnahmen stärker professionalisiert. Ein Train-the-Trainer-Kurs wird für wissenschaftliche Mitarbeitende und Tutor:innen etabliert. Ein Leitbild Tutorienarbeit und damit verbunden ein Leitfaden mit Handlungsempfehlungen für die Praxis, adressiert an Hochschulleitungen und Lehrende, sollen helfen, die Qualifizierung und Zertifizierung von Tutor:innen nachhaltig zu implementieren, um die Qualität von Studium und Lehre zu verbessern. Eine attraktive Webseite, eine Open-Access-Plattform für die langfristige Sicherung von Wissen sowie ein deutschlandweiter Tag der Tutorienarbeit werden aufgebaut. Regelmäßige (hybride) Netzwerktreffen sowie Klausurtagungen stärken eine innovative Kultur der Kommunikation nach innen und außen und optimieren Lehre auf Augenhöhe. Ausgewählte Netzwerker:innen (Sidekicks) tragen zukünftig gemeinsam mit Tutor:innen zur Skalierung dieser Aktivitäten bei.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Lehre vernetzt
Mit Lehre vernetzt Qualifizierung für Lehrende und Tutor:innen werden in Mecklenburg-Vorpommern hochschuldidaktische Weiterbildungsformate nachhaltig in bestehende Formate integriert und die landesweite Vernetzung und Kooperation der Hochschulen gestärkt. Der Verbund der sechs Hochschulen in Mecklenburg-Vorpommern, repräsentiert durch das Kompetenznetzwerk für Hochschul- und Mediendidaktik MV, will für hochschul- und mediendidaktische Kompetenzen qualifizieren und übergreifende Strukturen schaffen, z.B. ein landesweites Zertifikat für Hochschuldidaktik MV. Zudem hat die didaktische Grundausbildung von studentischen Tutor:innen für unseren Verbund einen hohen Stellenwert, weshalb die Entwicklung eines MV-Zertifikats für Tutor:innen in der Hochschullehre ein Kernanliegen dieses Projekts ist.Denn nicht selten sind Tutor:innen später als wissenschaftliche Mitarbeitende in der Lehre tätig. Unser Ziel ist es daher, Tutor:innen bestmöglich auf ihre Aufgaben in der analogen, hybriden und digitalen Lehre vorzubereiten und hochwertige Tutorien zu fördern. Darüber hinaus sollen Beispiele und Best Practices Guter Lehre landesweit sichtbar gemacht werden. Das Projekt verfolgt die vier Ziele 1.) landesweiter Zertifikatsprogramme, 2.) Stärkung der Community der didaktisch Interessierten 3.) Spezialisierungen und Zusatzzertifikate sowie 4.) evidenzbasierte Beforschung innovativer Lehr-Lernformate. Es richtet sich primär an die Zielgruppen der Lehrenden und studentischen Tutor:innen.
Projekt anzeigen
Open-Source-Projekte einführen und mit gestalten
Die Einführung und Nutzung von freien Open-Source-Projekten für die Hochschule erlaubt die Anpassung an hochschuleigene Bedarfe, eine Integration in bestehende Systeme und eine nachhaltige Nutzung auch nach Projektende. Das wird vor allem durch die Community eines Open-Source-Projektes gesichert, die gemeinsam die weitere Nutzung der Tools und die Mitgestaltung an der Software ermöglicht. Zudem wird die dauerhafte Finanzierung von Lizenzen hinfällig.
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