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.;;
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Math.Edu.Tech
Das Projekt Math.Edu.Tech zielt auf die adaptive Förderung der mathematischen Argumentation in der regulären Lehre mit KI-basierten Bildungstechnologien. Dabei werden rein mathematisches und anwendungsnahes mathematische Argumentieren adressiert. Ziel ist es, für beide Arten des Argumentierens Bildungstechnologien, die KI-basiert Feedback zu Argumentationen geben, agil in Co-Konstruktion von Dozierenden, studentischen Übungsleitungen und Studierenden zu entwickeln, die orts-, zeit- und personenunabhängig adaptiv Argumentationsprozesse fördern können, diese in die Lehre zu integrieren und zu evaluieren.Math.Edu.Tech basiert auf der kooperativen Bündelung der Perspektiven von Mathematikdidaktik (A. Eichler), der Mathematik (A. Bley) und der informationstechnischen Gestaltung von Lehre (M. Söllner) sowie Vorarbeiten zur digitalen mathematischen Lehre im khdm (www.khdm.de) und ITeG der Universität Kassel.Die in Math.Edu.Tech entwickelten Bildungstechnologien sollen in mathematische Grundlagenveranstaltungen integriert werden, dort zu studentischen Argumentationen KI-basiert digitales Feedback generieren und mit Peer-Feedback anderer Studierender kombiniert werden. Im Lehramtsstudium wird zudem das Feedback der Bildungstechnologie vergleichend mit Feedback einer nicht spezifisch auf mathematische Argumentation gerichtete generative Sprach-KI analysiert. Das Projekt nimmt Forderungen der Nationalen KI-Strategie wie auch der Strategie der KMK zur Bildung in der digitalen Welt auf.
Projekt anzeigen
Schritt-für-Schritt-Ansatz
Nach Motivationsbildung und Kontexteinbettung, wird die Vermittlung technisch komplexer Inhalte in kleine, logisch aufeinander aufbauende Schritte gegliedert, um Überforderung bei der Zielgruppe zu vermeiden. Durch diese kleinschrittige Struktur können sich die Nutzenden systematisch in technische und didaktische Konzepte einarbeiten. Diese Maßnahme haben wir in einem Tutorial zur Erstellung von Open Educational Resources (OER) und im Rahmen eines Workshops angewandt, in dem die Teilnehmenden ihre eigene OERs für die Hochschullehre technisch implementieren sollen.
Maßnahme anzeigen
Sprachlernberatung im schulischen Kontext. Förderung der Kompetenzen im Lehramt
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen