Ko-Konstruktion Digitaler Lerndiagnostik
Das Projekt KoKo-DiL an der Bergischen Universität Wuppertal stärkt die Innovationskompetenz von Lehramtsstudierenden für das Berufskolleg in der Lehrer*innenbildung, indem es Studierenden ermöglicht, eine aktive, selbstbestimmte Rolle in schulischen Innovationsprozessen zu übernehmen. Die Studierenden bearbeiten im Rahmen des weiterentwickelten Moduls Forschungsprojekt eigenverantwortlich in kooperativen Teams authentische Entwicklungsaufträge von Berufskollegs und entscheiden im Sinne des eduSCRUM-Ansatzes eigenständig über Ziele und Vorgehen in iterativen Arbeitszyklen (Sprints). Durch die enge Kooperation mit Schulen und die Umsetzung praxisrelevanter digitaler Diagnosesysteme erwerben die Studierenden fundierte Innovationskompetenz und stärken ihre Selbstwirksamkeit, Kooperationsfähigkeit und Problemlösekompetenz zentrale Voraussetzungen für eine moderne Lehrerinnenrolle.Für die Lehrerinnenbildung entsteht so ein nachhaltiger Mehrwert: Die universitäre Lehre wird durch echte Praxis- und Entwicklungsaufgaben bereichert, neue Impulse für die Schulentwicklung werden gesetzt, und Schulen profitieren direkt von einsatzfähigen Lösungen. Die Wirksamkeit des Formats wird systematisch evaluiert und trägt dazu bei, die Lehrerinnenbildung zukunftsorientiert und partizipativ weiterzuentwickeln. KoKo-DiL liefert damit ein übertragbares Modell für eine handlungsorientierte, selbstverantwortliche Ausbildung angehender Lehrkräfte.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
KI-Kompetenz in der digitalen Bildung
Die Entwicklung der Künstlichen Intelligenz (KI) bedeutet für die Hochschullehre neben bahnbrechenden Chancen auch fundamentale Herausforderungen in allen Bereichen beim Lehren, Lernen und Prüfen. Damit sich Studierende und Lehrende gleichermaßen mit den Chancen und Anforderungen der KI beschäftigen, ist es unerlässlich, innovative Lehr- und Lernansätze zu entwickeln, die den aktiven Kompetenzaufbau und -austausch rund um KI in der Lehre fördern. Zudem gilt es, Studierende und Lehrende beim Erwerb von Medienkompetenzen ebenso wie Kompetenzen in der Arbeit mit KI zu unterstützen. Das modulare Blended Learning-Programm "KI-Kompetenz in der digitalen Bildung" (KIKomp) wird Studierende sowie (angehende) Lehrende dabei unterstützen, professionell mit den Chancen und Herausforderungen der KI-Nutzung umzugehen. Hierbei setzt KIKomp die Multidimensionalität des Themas aufgreifend auf einen "Co-Creation-Ansatz", der auf kollegialer Zusammenarbeit von Studierenden, Lehrenden und (externen) Expert:innen basiert und einen Fokus auf Co-Learning legt. Das Ziel besteht darin, gemeinsam Kompetenzen im Umgang mit KI zu erarbeiten, zu teilen und weiterzuentwickeln. Dabei werden die Prinzipien des projektbasierten, kollaborativen, problembasierten und reflexiven Lernens genutzt.Das Programm umfasst eine Lehrveranstaltung, eine Seminarreihe, einen Baukasten, offene Austauschformate sowie Forschungsergebnisse. Das Programm kann fach- und hochschulübergreifend genutzt werden.
Projekt anzeigen
Entwicklung einer CRUD-API für die Software Madek
Um die Software Madek zu modularisieren und zukunftssicher zu machen, hat das ORC die Entwicklung einer CRUD-API in Auftrag gegeben. Eine CRUD-API ermöglicht die Anbindung von Madek an andere Systeme und Applikationen. Mit der bis dahin vorhandenen API und aufgrund des teilweise monolithischen Codes der Software waren Lesezugriffe nur mit hohem Aufwand, Schreibzugriffe gar nicht möglich.
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