Digitaler Diversitätsdialog
Das Projekt Digitaler Diversitätsdialog Barrieren erkennen und abbauen (D3) entwickelt ein neuartiges, KI-gestütztes Feedbacktool für Studium und Lehre, das unterrepräsentierte Studierendenperspektiven sichtbar macht. Im Fokus stehen dabei Studierende, deren Studienalltag durch besondere Herausforderungen geprägt ist etwa durch Betreuungsverantwortung, (chronische) Beeinträchtigungen, internationale Herkunft, einen nicht-akademischen Familienhintergrund oder eine hohe Erwerbsbelastung. Ihre Sichtweisen fließen zu wenig in hochschulische Entwicklungsprozesse ein, wodurch strukturelle Barrieren oft unerkannt bleiben und Chancengerechtigkeit in Studium und Lehre nicht erfüllt werden kann.D3 begegnet diesem Problem durch einen mehrstufigen, technologiegestützten Ansatz: In narrativen Interviews werden die Studienrealitäten von vulnerablen Studierendengruppen aufgenommen. Diese qualitativen Daten werden mithilfe generativer KI in synthetische, lebensnahe Personas überführt. In einem interaktiven Chatbot-Tool dienen sie Lehrenden und Studiengangsverantwortlichen als Reflexionshilfe, um Barrieren in Lehr- und Studiengangsentwicklung zu identifizieren und didaktisch unterstützt zu adressieren.D3 schafft einen innovativen Zugang zur inklusiven Lehr- und Studiengangsentwicklung: Es verbindet qualitative Sozialforschung mit KI-Technologie, überführt reale Perspektiven in systematisches Handlungswissen und ermöglicht niedrigschwellige Impulse für eine gerechtere Hochschullehre.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Adaptives Feedback für klinische Kompetenzen
Studierende benötigen adaptive und individuelle Unterstützung beim Erwerb komplexer Kompetenzen, die sie nach Abschluss des Studiums selbständig im Berufsalltag anwenden können müssen. Für die Humanmedizin ist ein wichtiges Beispiel die Visitenkompetenz. Feedback ist eine effektive Methode zur Förderung komplexer arbeitsplatzbezogener Kompetenzen (sog. Entrustable Professional Activities, EPA) sowohl in Simulationsumgebungen als auch in Real-World-Szenarien mit Patientinnen und Patienten. Individuelles und qualitativ hochwertiges Feedback steht im Lernalltag aber häufig nicht ausreichend zur Verfügung, da Dozierende quantitativ und Peers qualitativ limitiert ist. AIdaptive unterstützt Studierende und Feedbackgebende beim Erwerb von Visitenkompetenz in drei Stufen: (1) Studierende trainieren am Computer Handlungswissen mit leitlininienbasierten, AI-adaptierten Visitenfällen und erhalten AI-generiertes Feedback. (2) Studierenden trainieren im Simulationszentrum in Rollenspielen Visitenkompetenz. Das Peer-Feedback wird durch AI-generierte Feedbackvorschläge unterstützt. (3) Studierende bereiten sich im Praxiseinsatz (Blockpraktikum, Famulatur, Praktisches Jahr) auf patientenindividuelle Visiten mit dem AI-basierten Visitentrainer vor. AIdaptive wird ins Pflichtcurriculum der Fakultät implementiert und anderen Fakultäten zur Verfügung gestellt. Nach Projektabschluss kann AIdaptive auf andere EPAs der Medizin und ggf. auch anderer Fächer erweitert werden.;;
Projekt anzeigen
Hybridprüfung im MINT-Bereich
Die Maßnahme begegnet der Herausforderung, Berechnungsaufgaben einer Klausur im MINT-Bereich effizient auszuwerten, indem papierbasierte Lösungen mit einer digitalen Ergebniseingabe kombiniert wer-den. Die Auswertung erfolgt automatisiert und wird bei Bedarf manuell nachkorrigiert. Das hybride Format ermöglicht eine Reduktion des Korrekturaufwands und eine didaktische Weiterentwicklung der Prüfungen.
Maßnahme anzeigen
Hybrid activity-oriented learning spaces to strengthen social-emotional learning processes in the social, therapeutic and health sciences
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen