Personalisierbare Aufgaben & anonymer Peer Review
Studierende bekommen personalisierte Aufgaben zugeschickt und können ihre Lösung zur Korrektur einreichen. Dann begutachten sie sich anhand einer ebenfalls personalisierten Musterlösung gegenseitig.
Eckdaten
Kann Lösungsansätze für folgende Problemstellungen der Lehre bieten:
- Hohe Komplexität der Lerninhalte
- Passivität der Studierenden
- Begrenzte Möglichkeiten zum individualisierten Lernen
- Geringe Kompetenzorientierung in Prüfungs- und Bewertungsformen
Eignet sich für folgende Virtualisierungsgrade:
- Anreicherung
- Integration
- Virtualisierung
Nutzt folgende Medieneigenschaften zur Unterstützung des Lernprozesses:
Zum Durchdringen der Grundlagen der Elektrotechnik müssen Studierende viele Übungsaufgaben durchrechnen, um das Lösen komplexer ingenieurwissenschaftlicher Problemstellungen wie der Berechnung der Knotenspannung im Netzwerk (siehe Abbildungen) zu trainieren. Häufig lassen sich Studierende aber nur extrinsisch (z.B. durch Zusatzpunkte für die Prüfungszulassung) motivieren, schon während des Semesters und nicht erst kurz vor der Prüfung ihre Kompetenzen zu entwickeln. Handschriftliche Zusatzaufgaben sind zwar prüfungsnah, bergen aber die Gefahr des Abschreibens und erfordern einen großen Korrekturaufwand. Reine E-Learning-Aufgaben sind zwar personalisierbar und praktisch ohne Korrekturaufwand durchzuführen, bieten aber oft nur Multiple-Choice- oder Zahlenwert-und-Einheit-Aufgaben, bei denen kein Rechenweg abprüfbar ist.
Wir haben ein digitales Werkzeug entwickelt, bei dem die Studierenden jeweils eine eigene personalisierte Aufgabe per E-Mail zugeschickt bekommen und dann ihre Lösung über ein Lernmanagementsystem wie z.B. Moodle zur Korrektur einreichen können. Dann begutachten sich die Studierenden anhand einer ebenfalls personalisierten Musterlösung gegenseitig. Der Peer Review ist dabei doppelblind, d.h. die Studierenden wissen nicht, wessen Aufgaben sie jeweils korrigieren und auch nicht, von wem sie selbst korrigiert werden. Das Verfahren läuft automatisiert ab und ist gut skalierbar. Gegenüber reinen Multiple-Choice- oder Zahlenwert-Aufgaben lassen sich auch der in den Ingenieurwissenschaften so wichtige Rechenweg und Ansatz gut bewerten.
Die Aufgaben werden von den Studierenden sehr gut angenommen und mit hohen Rücklaufquoten bearbeitet. Die Herausforderung besteht darin, sich entsprechende Aufgabentypen auszudenken, bei denen die Aufgabenstellung und Musterlösung automatisch und personalisierbar generiert werden können.
Medieneigenschaften zur Unterstützung des Lernprozesses
Aktivierung der Studierenden sowie zeitnahe Rückmeldung durch Peer Review
bisher nicht vorgesehen, aber prinzipiell denkbar
Die Einreichung und Verteilung der Lösungen sowie die Einreichung und Verteilung der gegenseitigen Gutachten ist absichtlich asynchron angelegt.
freie Zeiteinteilung sowie freie Wahl der nötigen Rechen- und Simulationswerkzeuge
Lösungsansätze für Problemstellungen der Lehre
Für die folgenden Problemstellungen kann das Praxisbeispiel Lösungsansätze bieten:
- Hohe Komplexität der Lerninhalte:
verschiedene Diagramme und Schaltbilder können automatisch erzeugt werden
- Passivität der Studierenden:
Studierende rechnen Aufgaben, denken über Lösungsansätze sowie geeignete Methoden nach und dokumentieren ihren Lösungsweg
- Begrenzte Möglichkeiten zum individualisierten Lernen:
jede/r bekommt eine personalisierte Aufgabe, Studierende können nicht stumpf voneinander abschreiben, sich wohl aber gegenseitig bei ihren Lösungen beraten und unterstützen
- Geringe Kompetenzorientierung in Prüfungs- und Bewertungsformen:
Studierende bewerten sich gegenseitig und lernen typische Bewertungskriterien besser kennen
Virtualisierungsgrad
Der Virtualisierungsgrad beschreibt das Verhältnis von analogen und digitalen Elementen in einem Lehr-/Lernszenario. Das Praxisbeispiel unterstützt die folgenden Virtualisierungsgrade:
- Anreicherung
- Integration
- Virtualisierung
Ressourcen
Soft- und Hardware
- Moodle, MATLAB, LaTeX, GoogleMail
Weitere Informationen zum Praxisbeispiel
Kontakt
Sie möchten mehr über das Praxisbeispiel erfahren? Hier können Sie Kontakt zu den Autorinnen und Autoren aufnehmen:
Dr.-Ing. Mathias Magdowski
Universitätsplatz 2
D- 39106 Magdeburg
Mail: mathias.magdowski[at]ovgu.de
Mattermost: [at]mathias_magdowski
Home: https://www.linkedin.com/in/mathias-magdowski-1b7157133/