Digitale Zwillinge für kolllaborative Remote-Labs
Laborarbeit ist essenziell für die Forschungskompetenz in MINT-Studiengängen, unterliegt jedoch Ressourcenbeschränkungen. Während Remote-Labs logistische Probleme lösen, fehlt ihnen oft die für effektives Lernen wichtige soziale Kollaboration, die Williams und Layman (2007) als zentral für die Berufswelt betonen. Unser Projekt entwickelt ein didaktisch fundiertes Konzept für digitale Zwillingslabore mit Fokus auf Kollaborationen im Labor. Anders als bisherige Ansätze, die nach Blackwell et al. (2024) meist nur traditionelle Lehrmethoden digitalisieren, fokussieren wir uns auf zwei neue Aspekte: die Anpassung von Instrumenten zur Identifikation individueller Kollaborationsschwächen und die Implementierung adaptiver Unterstützungssysteme im digitalen Zwilling. Die Verbindung von VR-Technologie mit evidenzbasierten didaktischen Konzepten schließt eine wichtige Forschungslücke. Der von Deiglmayr (2018) betonte Fokus auf adaptive Unterstützung zur Förderung der Selbstregulation ist ein Kernaspekt. In vier Arbeitspaketen entwickeln und erproben wir ein Modell zur Klassifikation von Kollaborationsanforderungen, erstellen individuelle Kollaborationsprofile, implementieren ein VR-gestütztes Zwillingslabor mit personalisierten Aufgaben und evaluieren die Wirksamkeit durch Vorher-Nachher-Messungen in realen Laborumgebungen. Das Projekt verbessert sowohl individuelle Kompetenzen als auch die Ressourceneffizienz der Laborlehre in MINT-Studiengängen.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
HyFlex, HighTech & HighTouch (H³): Studienerfolg ermöglichen durch flexible Kompetenzentwicklung und Lehr-/Lernszenarien
Das Projekt H³ will Lehr-/Lernszenarien in Richtung hybrid-flexibler Varianten weiterdenken, personalisierte, digital unterstützte Lernpfade entwickeln, die Kompetenzentwicklung der Studierenden fokussieren, technische Innovationen nutzen und zu mehr Studienerfolg beitragen. Damit begegnen wir folgenden Problemlagen: 1.Die Teilnahme der berufstätigen Studierenden an Präsenz-Modulen ist nicht (immer) gesichert:aufgrund von Berufstätigkeit, familiären, persönlichen oder strukturellen Kontexten. 2.Dem Bedarf nach Austausch- und Interaktionsmöglichkeiten kann das Studium nicht immergerecht werden (insbesondere in Selbstlernphasen). 3.Studierende haben häufig Probleme, ihr Selbststudium zu organisieren und individuelle Lernprozesse fokussiert zu steuern. Diese Herausforderung gehen wir an, indem wir unsere Studiengänge der Sozialen Arbeit flexibilisieren: durch hybride Lehr-/Lernangebote, den Einsatz von innovativen Technologien und E-Coaching-/E-Assessment-Tools zur selbstgesteuerten Kompetenzentwicklung. Unsere langjährige Erfahrung in der Online-Lehre, verbunden mit mehrstufigen Evaluationsverfahren, garantiert die Qualität unserer Arbeit, die durch die Etablierung von Transferprozessen weit über das Projektumfeld hinauswirkt. Eine übergreifende und vergleichende Wirksamkeitsanalyse ist Teil des Gesamtprojektes.
Projekt anzeigen
Erstellung eines Escapespiels für die Vorlesung[.]
Erstellung eines Escapespiels für die Vorlesung Allgemeine Chemie Wir haben für das Escapespiel Rätsel & eine Story konzipiert. Diese haben wir dann in Moodle und H5P realisiert. Anschließend haben wir das Spiel mit KollegInnen und Studierenden getestet. Das erhaltene Feedback haben wir direkt ins Spiel eingebaut. Jedes Foto, Video oder andere Medien haben wir selber erstellt, um das Spiel anschließend als OER zur Verfügung stellen zu können. [Anm. StIL: Diese Maßnahme wurde in einer Vorgängerversion der Abfrage dokumentiert. Bei der Übertragung auf das aktuelle Format kann es vorkommen, dass die Antworten nicht hundertprozentig zur Frage passen.]
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