Building Responsible Interoperability
BRIDGE - Building Responsible Interoperability in Digital Health EducationDas Projekt "BRIDGE" schafft eine neuartige Lehr-Lern-Umgebung, die die Brücke zwischen technischer Interoperabilität und verantwortungsvollem Umgang mit Gesundheitsdaten schlägt. Der innovative Ansatz besteht in der Entwicklung eines dreidimensionalen Lernmodells, das technische, organisatorische und ethisch-rechtliche Dimensionen der Interoperabilität nicht nur parallel betrachtet, sondern deren Wechselwirkungen erfahrbar macht. Das didaktische Konzept wird partizipativ mit Studierenden aus den Bereichen Informatik, Gesundheitswirtschaft und Versorgungsforschung entwickelt.Die thematische Bearbeitung erfolgt durch drei spezialisierte Tools: Digital Health Data Journey zur Nachverfolgung von Gesundheitsdaten durch Systeme mit diversen technischen Standards wie HL7 FHIR, SNOMED CT und LOINC Organisational Impact Matrix, die Interoperabilitätsentscheidungen und deren Effekte auf Gesundheitswesen-Stakeholder darstellt, sowie den Decision-Consequence-Simulator, ein gamifiziertes Lernmodul, das nach dem Prinzip eines Dilemma-Kartenspiels ethisch-rechtliche Folgen von Datenentscheidungen simuliert. Studierende werden damit befähigt, Interoperabilitätsentscheidungen ganzheitlich zu bewerten und zu gestalten.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Inklusive Präsenz - Mittendrin statt nur dabei
Inklusive Präsenz - Mittendrin statt nur dabeiWährend der Pandemie wurden viele hochschulische Lehrangebote von Präsenz auf digitale Formate umgestellt, wodurch sich Barrieren für beeinträchtigte Studierende im Hinblick auf Inklusion und Chancengleichheit maßgeblich reduzierten. Die Rückkehr zum tradierten Lehrbetrieb wird von vielen Betroffenen als ein erneuter Ausschluss wahrgenommen. Selbst bei synchron hybriden Lehrveranstaltungen wirken sich mangelnde technische Voraussetzungen, medienpädagogische Kompetenzen der Lehrenden und langwierige formale Prozesse nachteilig aus. Über stationäre Videokonferenzsysteme sind Studierende faktisch anwesend jedoch sozial exkludiert; sie werden weder von den Studierenden noch von den Lehrenden bewusst wahrgenommen.Mit dem Projekt wird durch die Nutzung eines Telepräsenzroboters im Studium inklusiven Präsenz realisiert. Durch die Mobilität des Roboters werden die Studierende ein hohes Maß an Autonomie erleben und können in Lehrveranstaltungen sowie am sozialen Leben der Universität aktiv teilnehmen. Sie sind durch den Roboter physisch präsent, werden bewusst wahrgenommen und können mit allen Beteiligten interagieren. Sie sind mittendrin statt nur dabei.Diese Effekte sowie die Bedeutung von sozialer Inklusion im Hinblick auf die Lernmotivation und Lernerfolg bei Studierenden mit Beeinträchtigungen werden in der geplanten Studie untersucht, Gelingensbedingungen eruiert und die Umsetzung im hochschulischen Kontext nachhaltig verankert.
Projekt anzeigen
Selbstmanagementtraining PROFI
Das präventive Selbstmanagementtraining PROFI richtet sich an Lehramtsstudierende. Ziel ist es, Prokrastination bei der selbstregulierten Kompetenzentwicklung zu reduzieren und Intentionen zum Studienabbruch vorzubeugen. Um dies zu erreichen, werden Selbstreflexion und persönliche Zielsetzungen gefördert.
Maßnahme anzeigen
Open-Source Intelligent Tutoring System for Programming Exercises in Engineering Education
Implementing control and machine learning algorithms in MATLAB and Simulink is a critical competency in advanced control engineering. While immediate feedback is essential for fostering intuitive understanding, it is traditionally constrained to scheduled exercise sessions or consultation hours. To bridge this gap, this project introduces an open-source intelligent tutoring platform that provides continuous, on-demand feedback. To accommodate diverse solution strategies, the platform employs a hybrid evaluation strategy combining result-based and code-based metrics. This ensures that valid alternative solutions that differ from predefined sample solutions are not misclassified. In case of incorrect solutions, a Large Language Model, contextualized with sample solutions and task classification results, offers auxiliary support for students struggling to initiate or complete tasks. Instructional scaffolding is adaptively adjusted to guide students toward independent problem-solving. We position this platform as a supplementary tool designed to enhance, rather than replace, valuable interactions between students and human tutors. Built on open-source tools, the system is architected for reusability, enabling lecturers across engineering subjects to adapt the framework to their teaching needs easily.
Publikation anzeigen