Python für fast alle
Das Projekt verknüpft den inhaltlichen Fokus der Einführung eines breiten Adressatenkreises unter Studierenden verschiedener Studiengänge in eine verbreitete Programmiersprache mit einem innovativen strukturellen Ansatz. Dabei werden Pflichtveranstaltungen im sog. Nebenfachbereich, die von vielen, oft stark ausgelasteten Studierenden häufig eher als Last denn als Gewinn betrachtet werden, durch Wahlmöglichkeiten und Sinngebung für die Studierenden weiterentwickelt. Den Rahmen bieten i.d.R. verpflichtende Physik-Praktika, die Studierende vieler Studiengänge in ihrer mathematisch-naturwissenschaftlichen Grundausbildung in den Anfangssemestern besuchen müssen. Im Projekt wird anhand der Programmierung mit Python gezeigt, wie unter Berücksichtigung motivationspsychologischer Basiserkenntnisse eine solche Pflicht-Lehrveranstaltung im Nebenfach-Bereich so angereichert wird, dass Studierende darin wertvolle überfachliche Fähigkeiten erwerben und trainieren können. Es werden drei verschiedene Angebots-Bausteine entwickelt, die später im Lehrbetrieb durch die Studierenden optional wählbar sind. Hierzu zählen auch fächerübergreifende Mini-Projekte zum niederschwelligen Üben elementarer Programmierkenntnisse anhand von Themen aus einem durch die Studierenden festgelegten Pool. Weitere Arbeitspakete adressieren die Entwicklung geeigneter Evaluationsinstrumente und deren Einsatz, den Transfer der Ergebnisse auch an andere Hochschulen und die Sicherstellung ihrer nachhaltigen Nutzbarkeit.
Auf Einen Blick
Kontakt
Das könnte Sie auch interessieren
KI für das Ingenieurstudium nutzbar machen
Wir entwickeln das KI4ING-Tool, ein auf Systemen der Künstlichen Intelligenz (KI) basierendes, digitales Unterstützungssystem für das Lernen der Technischen Mechanik (TM). Dadurch machen wir KI für das Ingenieurstudium nutzbar. KI-Systeme sind weit verbreitet und werden von Studierenden für ihr Studium intensiv eingesetzt [3,9]. In KI4ING untersuchen wir, wie KI-Systeme für das fachspezifische Lernen im Ingenieurstudium dienlich sein können. Bestehende KI-Systeme sind in der Lage, fachspezifischen Output zu generieren. Dieser ist jedoch nicht immer korrekt und erfordert von Nutzenden einen kritischen Umgang. Eine Alternative können fachspezifische Aufgabenmaterialien sein, die mit KI-Systemen verknüpft werden. Durch diese Materialien sowie Vorgaben zur Gestaltung der Antworten können Outputs von KI-Systemen fachlich korrekt und lernförderlich sein. Im Zuge des Projekts KI4ING entwickeln wir Aufgabenmaterialien für das Fach TM und identifizieren lernförderliche Gestaltungsmerkmale für den Output von fachspezifisch angepassten KI-Systemen. Diese verknüpfen wir mit bestehenden KI-Systemen und implementieren diese KI-Systeme in eine KI-basierte, digitale Lernplattform für die TM (KI4ING-Tool). Wir verfolgen im Projekt KI4ING einen Entwicklungsansatz auf Basis des Design-Based Research und binden Expert*innen aus TM, KI und Bildungsforschung sowie Studierende ingenieurwissenschaftlicher Studiengänge aktiv in den Entwicklungsprozess ein.
Projekt anzeigen
