
VR KidsScan - Simulation kindlicher Untersuchungen
Die medizinische Ausbildung befindet sich im Wandel Digitalisierung, technologische Innovationen und ein wachsender Anspruch an Praxisnähe erfordern neue Lehrkonzepte. Gerade in der Kinderradiologie besteht eine große Lücke zwischen theoretischem Wissen und praktischer Anwendung. Die Durchführung pädiatrischer Untersuchungen stellt Studierende oft vor große Herausforderungen: Geringe Verfügbarkeit pädiatrischer Patient*innen zu Ausbildungszwecken, stressreiche Untersuchungssituationen und fehlende Übungsmöglichkeiten führen dazu, dass wichtige Kompetenzen erst spät und unter Unsicherheit entwickelt werden.;;Das Projekt VR KidsScan zielt darauf ab, diese Lücke durch ein innovatives, praxisnahes Schulungskonzept zu schließen. Mittels Virtual Reality (VR) oder Augmented Reality (AR) werden Medizinstudierende in realitätsnahen Szenarien speziell für radiologische Untersuchungen bei Kindern ausgebildet. Die Kombination aus digitalen Fallstudien und physischen Simulationsmodellen (z.?B. eine Dummy-Puppe) ermöglicht ein tiefgreifendes, angst- und risikofreies Lernen. Langfristig soll das Projekt zu einer besseren Vorbereitung auf klinische Situationen beitragen, die Qualität der Versorgung verbessern und Ängste vor alltäglichen pädiatrischen Untersuchungen reduzieren.;
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren

Kausale Inferenz, Maschinelles Lernen und Reproduzierbare Forschung
Das Projekt KMR strebt an, moderne empirische Verfahren der kausalen Inferenz, des maschinellen Lernens und der reproduzierbaren Forschung in große verpflichtende Lehrveranstaltungen der Ökonometrie in wirtschaftswissenschaftlichen Studiengängen zu tragen, hier zunächst konkret die Einführung in die Ökonometrie (Wintersemester, 6 ECTS) an der Universität Duisburg-Essen (UDE). Umfangreiche open source-Materialien machen die Projektergebnisse anderen Studierenden und Lehrenden zugänglich. Der Arbeitsplan des Projektes gliedert sich in die vier Arbeitspakete Identifikationsstrategien (AP1), Maschinelles Lernen (AP2), Implementierung empirischer Forschung (AP3) und einem open-source-Kompendium (AP4). AP1 macht moderne kausale empirische Strategien wie difference-in-differences oder regression discontinuity zugänglich für Bachelorstudierende. AP1 adressiert erfolgreiche prädiktive Verfahren wie decision und regression trees und random forests. AP3 widmet sich der Vermittlung von Kompetenzen zur reproduzierbaren Forschung. Hierzu gehören die Integration von Text und statistischer Analyse ("RMarkdown"), interaktive Präsentation ("Shiny"), Versionskontrolle ("Github") oder die Erstellung von Paketen. AP4 erstellt ein open source-Online Kompendiums (AP4), das die Inhalte des Moduls frei zugänglich veranstaltungsbegleitend, aber auch zum Selbststudium bereitstellt.
Projekt anzeigen
Aufbau & Etablierung didaktischer Supportstruktur
Die Maßnahme zielte darauf ab, eine hochschulweite didaktische Supportstruktur aufzubauen, um die zuvor stark technikorientierte Perspektive der digitalen Lehre um fundierte didaktische Begleitung zu ergänzen und Lehrende systematisch zu qualifizieren. Der iterative Entwicklungsprozess integrierte vielfältige Zugangs- und Austauschformate – darunter Hospitationen, Coachings, Sprechstunden, Workshops, didaktische Hochschulveranstaltungen, Kurzvideos der Teilprojekte und Gremienarbeit – und ermöglichte eine Such- und Erprobungsphase mit kontinuierlichem Feedback aus der Lehrpraxis. Als besonders wirksam erwiesen sich die Formate Hospitation und Coaching, und die entwickelten Herangehensweisen, Kommunikationswege und Zugänge wurden nachhaltig in das Angebot des Referats Lehre und Weiterbildung überführt.
Maßnahme anzeigen
Planungs- und Entscheidungshilfe zum Einsatz von E-Portfolios in der Lehre [1]
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen