Kontinuität im Workload durch inhaltliche Strukturierung von Selbstlernzeiten2
Studentischer Workload gilt als verbindliches Kriterium für die Akkreditierung und Planung von Studiengängen. Zumeist wird jedoch der geforderte Workload nicht erreicht oder ist stark diskontinuierlich verteilt. Die Strukturierung von Selbstlernzeiten kann dabei helfen, Workload besser zu verteilen und Lernen kontinuierlicher zu gestalten. Das Projekt setzt u. a. an strukturellen Bedingungen des Lehramtsstudiums an, z. B. an unzureichenden Mathematikkenntnissen in naturwissenschaftlichen Fächern (bspw. im Fach Chemie) sowie nicht ausreichenden Selbstlernkompetenzen der Studierenden und fokussiert die verbesserte Strukturierung von Selbstlernzeiten und -angeboten bezogen auf entsprechende Fachinhalte. Das Vorhaben entwickelt, erprobt und implementiert ein Lehrveranstaltungskonzept auf mehreren Maßnahmenebenen. Ziel ist es, durch Erarbeitung und Bereitstellung entsprechender Bausteine, Selbstlernzeiten bereits in Präsenzphasen zu strukturieren. Die Professionalisierung der Lehramtsstudierenden wird durch ein digital-unterstütztes studentisches Tandem-Konzept der Lernbegleitung (Peer-Tutoring) flankiert. Zudem wird die Erhöhung professioneller Lehrkompetenz von Hochschullehrenden durch die Begleitung bei der Implementation der neu entwickelten Veranstaltungskonzepte gefördert. Durch die Erstellung und Distribution eines Materialpools mit Handreichungen, Selbstlernmaterialien sowie einem evaluierten Lehrkonzept kann das Veranstaltungskonzept auf andere Themen transferiert werden.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren
KI-unterstütze Programmierübung
In technischen Lehrveranstaltungen werden Übungen häufig in Form von Programmieraufgaben durchgeführt. Zum einen, weil die Softwareentwicklung das größte Innovationspotenzial von technischen Systemen aufweist und zum anderen die Lehre möglichst anwendungsorientiert sein soll. Die selbstständige Bearbeitung der Aufgaben wird durch Tutoren unterstützt, sodass die Unterstützung mit der Anzahl der Tutoren skaliert. In der universitären Lehre zeigt sich, dass die finanziellen Lehremittel begrenzt sind, sodass nur eine geringe Anzahl an Tutoren zur Verfügung steht. Deshalb verfolgt die vorliegende Projektidee die Entwicklung eines KI-Systems, dass die Programmierergebnisse der Studierenden analysiert und entsprechend der identifizierten Fehler Hinweise gibt. Grundlegende Probleme und häufige Fragen der Studierenden sollen so mithilfe von Maschinellen Lernen geklärt werden, ohne den Einsatz eines Tutors. Die Tutoren können sich dann vor allem auf individuelle Fragestellungen bzw. auf Studierende mit größerem Unterstützungsbedarf konzentrieren. Darüber hinaus bietet eine KI-unterstützte Programmierübung das Potenzial, dass Studierende auch außerhalb der Präsenzzeit Unterstützung erhalten.
Projekt anzeigen
