Formative Online-Evaluation für die Lehre
Das Projekt Formative Online-Evaluation für die Lehre (FOFL_UFR) hat sich zum Ziel gesetzt, quantitative Ergebnisse der Lehrveranstaltungsevaluation in einer Form zu erheben, die es erlaubt, studentisches Feedback unmittelbar in didaktische Reflexionen und Anpassungen einfließen zu lassen und die Ergebnisse gemeinsam mit den Studierenden produktiv für die Optimierung des Lehr-Lern-Prozesses zu nutzen. Seit 2013 koordiniert der Zentrale Evaluationsservice (ZES) die Durchführung der quantitativen Lehrveranstaltungsevaluation, allerdings gibt es bei Studierenden und Lehrenden den Wunsch nach mehr Flexibilität und Anpassungsmöglichkeiten. Das Projekt setzt auf zentrale Unterstützung, um Lehrenden zu ermöglichen, die Methodik und den Zeitpunkt der Feedbackeinholung individuell an den Lehrverlauf anzupassen. Durch QR-Codes und Echtzeit-Feedback sollen Lehrende befähigt werden, fundierte, flexible Feedbackgespräche auf Grundlage empirischer Daten zu führen, was eine dynamische und motivierende Lehrumgebung schafft. Lehrende und Studierende werden im Rahmen des Projekts sowohl methodisch als technisch unterstützt. Durch die konkreten Erfahrungen von Studierenden und Lehrenden sollen einerseits die Wirkung eines solchen Verfahrens auf die Evaluationsmotivation und die Qualität des Lehr-Lern-Prozesses sondiert werden, als auch mögliche Szenarien für ein Ausrollen des Verfahrens auf das gesamte Lehrangebot der Universität Freiburg erarbeitet werden.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
Partnerschaft für innovative E-Prüfungen. Projektverbund der baden-württembergischen Universitäten
Mit »PePP« verfolgen alle baden-württembergischen Universitäten gemeinsam das Ziel, bislang ungenutzte Potentiale elektronischer Prüfungen für Lernende & Lehrende systematisch zu erschließen sowie bestehende Erfahrungen breiter verfügbar zu machen. In der Corona-Pandemie haben elektronische Prüfungen an Relevanz hinzugewonnen. Jetzt geht es darum, erfolgreiche Ansätze in nachhaltige Lösungen zu überführen. Mit »PePP« werden in Reallaboren technisch-didaktische Innovationen (weiter-)entwickelt und an mehreren Universitäten ausgerollt, unter verschiedenen fachlichen, infrastrukturellen und organisatorischen Rahmenbedingungen erprobt sowie qualitätsorientiert weiterentwickelt und skaliert. Angestrebt werden eine Stärkung der Kompetenzorientierung, mehr Mobilität und Flexibilität sowie eine größere Lernendenzentrierung von Prüfungen. Querschnittscluster geben hochschuldidaktische Impulse, unterstützen die Qualifizierung Lehrender und generieren Feedback zur Güte von E-Prüfungen. Begleitend werden rechtliche Fragen sowie Chancengerechtigkeit, Inklusion und Akzeptanz reflektiert. Das alle Bereiche einschließende Qualitätsentwicklungs- und Supportkonzept sowie der verbundübergreifende Transfer runden das Gesamtvorhaben ab.
Projekt anzeigen
Didaktischer VR-Einsatz im Lehramtsstudium
Der 90-minütige Micro-Workshop sensibilisiert Lehramtsstudierende für den Einsatz von Virtual Reality (VR) in Lehr-Lernprozessen. In drei Phasen (Impuls, Erkundung, Debriefing) werden technologische Grundlagen vermittelt, VR-Szenarien ausprobiert und Einsatzmöglichkeiten für den zukünftigen Unterricht reflektiert. Ziel ist es, Lehramtsstudierende praxisnah an die Potenziale und Herausforderungen immersiver Lernumgebungen heranzuführen.
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