Metadaten-Plugin
Mit Amb-DidO verfügt das Portal über ein Plugin, über das die Beiträge mit Metadaten nach dem Standard des AMB versehen sind. So sind sie für einen darauf ausgerichteten Metasuchindex auffindbar.
Kategorien
Beschreibung
Herausforderung
Für den von der StIL geplanten Metasuchindex https://finder.stil.edufeed.org/discover?type=learning brauchte es eine Auszeichnung der LEHRELADEN-Inhalte mit Metadaten.
Herangehensweise
Das Plugin https://github.com/HoF-Halle-Wittenberg/amb-dido wurde dafür angepasst, weiterentwickelt und schließlich live gesetzt. Die Inhalte im Portal wurden z.T. über globale Einstellungen, z.T. über manuelle Einstellungen mit den Metadaten versehen.
Kontakt
Das könnte Sie auch interessieren
Digitales Flexibilisierungsprogramm für eine individualisierte Studieneingangsphase
Im bundesweiten Vergleich der Fachhochschulen haben die Studierenden der Westfälischen Hochschule ihre Studienberechtigung wesentlich häufiger über andere Schultypen als das Gymnasium erlangt. Die Eingangsvoraussetzungen für ein Studium sind hier mithin besonders heterogen. Ein standardisiertes Studienangebot wird diesen Herausforderungen nur noch teilweise gerecht. Um das aufzugreifen, wird in dem Vorhaben die Studieneingangsphase gestreckt, indem 180 Creditpoint-Bachelor-Studiengänge insgesamt auf 7 Semester ausgeweitet werden. In dem freigewordenen Raum wird ein hochschulweites Angebot digitalisierter Flexmodule strukturell in bestehenden Studiengängen verankert. Die digitalen Flexmodule sollen einerseits der möglichst guten Angleichung mathematischer und sprachlicher Kompetenzen sowie der Vermittlung studienrelevanter Schlüsselkompetenzen und andererseits der Vermittlung von Digital Skills dienen. Durch das zentrale Angebot und flankiert durch eine Lernbegleitung, die Studierende auf der Basis von Orientierungstests zur Ansteuerung der richtigen Flexmodule aus einem entsprechenden Auswahlportfolio berät, sollen Konstellationen für individualisierte Lernprozesse geschaffen und so der Studienerfolg erhöht werden.
Projekt anzeigen
KI-basiertes Feedback in simulierten Lernsettings
Aktuelle Machine-Learning-Ansätze sollen entwickelt werden, um menschliches Verhalten in ausgewählten Kommunikationssituationen anhand definierter Kriterien objektiv und reliabel zu erfassen. Aufbauend auf umfangreichen Vorarbeiten wurde ein Machine-Learning-Algorithmus weiterentwickelt, der Mimik im Hinblick auf definierte Kriterien auswertet. Studierende erhalten darauf basierend automatisiertes, KI-gestütztes Feedback zu ihrem kommunikativen Verhalten in digital angereicherten Präsenzsettings (z. B. Arzt-Patienten- oder Beratungsgespräche). Der Mehrwert liegt insbesondere in höherer Objektivität und Skalierbarkeit gegenüber rein menschlichem Feedback. Der Ansatz wurde pilotiert und auf die Grundschulpädagogik ausgeweitet. Für Eltern-LehrerInnen-Gespräche wurde ein strukturierender Leitfaden entwickelt, der als Grundlage für KI-gestützte Avatare als Gesprächspartner dient.
Maßnahme anzeigen
Be Students not Strangers Englisch Fragenset
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen