Partizipatives Offline Learning Analytics
Grundlagenveranstaltungen im MINT-Bereich sind oft Massenveranstaltungen mit sehr heterogenen Studierenden. Lehrende und TutorInnen haben dabei wenig Einblick in die Lernprozesse, insbesondere in analoge Aktivitäten wie Übungsbearbeitungen ohne Abgabe. Learning Analytics (LA) bietet zwar datenbasierte Einsichten, konzentriert sich aber meist auf digitale Formate. Studierende sind bei der Entwicklung oft kaum partizipativ eingebunden.Das Projekt entwickelt iterativ ein modulares, frei verfügbares Tool PaOLA, das analoge Lernprozesse sichtbar macht. Studierende erfassen selbst Daten (z.B. Lernzeiten, Fragen und Probleme), um ihr eigenes Lernen zu reflektieren. Ebenso erhalten Lehrende aggregierte Einblicke über ein Dashboard, um gezielter auf die Bedürfnisse der Studierenden eingehen zu können. Ziel ist es, die Lücke zwischen Lehrenden, TutorInnen und Lernenden zu schließen und die Selbstregulation der Studierenden zu fördern. Dabei stehen Datenschutz, einfache Integration in den Lernalltag (als mobile App/Web-App) und Motivation zur freiwilligen regelmäßigen Nutzung (z.B. durch Gamification und Zugang zu Zusatzmaterialien) im Fokus. Studierende, TutorInnen und Lehrende werden aktiv in die Entwicklung einbezogen. Das Projekt beantwortet die Frage, wie analoge Lernaktivitäten sinnvoll in Learning Analytics integriert werden können, welche Funktionen ein solches Tool bereitstellen sollte und wie daraus Impulse für Reflexion der Lernprozesse und Verbesserung der Lehre entstehen.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Mobiles Zivilcourage-Gym
Das mobile Zivilcourage-Gym ist ein Format, das Studierende und Lehrende befähigt, als kompetente demokratische Akteur*innen im akademischen Umfeld zu wirken. Das Projekt bietet dafür einen niedrigschwelligen Zugang zu Zivilcouragetrainings. Mit Hilfe eines erfahrungsbasierten Stationstraining werden drei Kernkompetenzen (Diskriminierungssensibilität, Interventions- und Präventionskompetenz) der Teilnehmenden gefördert. Der Lernerfolgt wird dabei über Follow-up-Befragungen und eine systematische Auswertung von in den Trainings integrierten Selbstreflexionsaufgaben evaluiert. Das Besondere: Das Gym verbindet dabei digitale und präsenzbasierte Lernmodi und ermöglicht so den mobilen Einsatz der Trainingsstationen und flexible Anpassung an räumliche und infrastrukturelle Besonderheiten der verschiedenen staatlichen sächsischen Hochschulen. Das modulare Stationsdesign berücksichtigt diverse Lernpräferenzen und fördert selbstgesteuertes Lernen nach dem Anti-Bias-Ansatz. An der Hochschuldidaktik Sachsen (HDS) als zentraler Einrichtung verankert, arbeitet das Projekt eng mit hochschulinternen und sachsenweiten Studierenden- und Betroffenenvertretungen zusammen. Die erarbeiteten Materialien werden in einen für sächsische Studierende und Lehrende fachübergreifend anrechenbaren Selbstlernkurs überführt und bundesweit als modulare OER bereitgestellt.
Projekt anzeigen
Entwicklung des Stud.IP-Plugins „getFeedback!“
Insbesondere in Großveranstaltungen ist es häufig schwierig, allen Studierenden prozessbezogenes Feedback auf ihre Lernprodukte (z.B. Aufgabenblätter) zu geben. Eine potenzielle Lösung liegt darin, tutorielles und/oder peer-basiertes Feedback umzusetzen. Wie die empirische Lehr-Lernforschung zeigt, muss dieser Feedbackprozess jedoch gut angeleitet werden, um erfolgreich zu sein. Wir haben daher das Stud.IP-Plugin „getFeedback!“ entwickelt, das es Lehrenden erlaubt, strukturierte tutorielle und/oder peer-basierte Lehr-Lernszenarien für ihre Lehrveranstaltungen zu entwickeln und diese entweder synchron oder asynchron (in jedem Fall aber anonymisiert) umzusetzen.
Maßnahme anzeigen
CoFacS – Simulating a Complete Factory to Study the Security of Interconnected Production
While the digitization of industrial factories provides tremendous improvements for the production of goods, it also renders such systems vulnerable to serious cyber-attacks. To research, test, and validate security measures protecting industrial networks against such cyber-attacks, the security community relies on testbeds to simulate industrial systems, as utilizing live systems endangers costly components or even human life. However, existing testbeds focus on individual parts of typically complex production lines in industrial factories. Consequently, the impact of cyber-attacks on industrial networks as well as the effectiveness of countermeasures cannot be evaluated in an end-to-end manner. To address this issue and facilitate research on novel security mechanisms, we present CoFacS, the first COmplete FACtory Simulation that replicates an entire production line and affords the integration of real-life industrial applications. To showcase that CoFacS accurately captures real-world behavior, we validate it against a physical model factory widely used in security research. We show that CoFacS has a maximum deviation of 0.11% to the physical reference, which enables us to study the impact of physical attacks or network-based cyber-attacks. Moreover, we highlight how CoFacS enables security research through two cases studies surrounding attack detection and the resilience of 5G-based industrial communication against jamming.
Publikation anzeigen