Julia Kröcher
Berliner Zentrum für Hochschullehre (BZHL)
Berlin, Germany
Actions
Julia Kröcher ist Expertin für Online-Lehre am Berliner Zentrum für Hochschullehre und unterrichtet nebenberuflich an der Humboldt-Universität. Zuvor leitete sie das Qualifizierungsprogramm für studentische eAssistants an der Uni Potsdam und unterrichtete an einer „Digitalen Schule“. Sie hat das 2. Staatsexamen für das Lehramt, einen M.Ed. (HU Berlin) sowie einen M.A. in Anglistik abgeschlossen. Sie ist in der dghd AG "Psychologie und Lehr-Lernforschung" aktiv.
Area of Expertise
Topics
Digitale Selbstlernphasen gut gestalten - Erkenntnisse aus Psychologie und Lehr-Lernforschung
Digital gestaltete Selbstlernphasen sind zunehmend von Bedeutung (WR 2022), stellen aber einen deutlichen Mehraufwand für Lehrende dar. Deshalb ist es wichtig zu wissen, wann sich ihr Einsatz lohnt und wie sie bestmöglich gestaltet werden können. Dies ist auch relevant, weil Lehrende beklagen, dass viele Studierende insbesondere in der frühen Studienphase Schwierigkeiten mit selbstgesteuertem Lernen haben, was psychologische Erkenntnisse bestätigen (Dunlosky et al, 2013).
In diesem Beitrag zeigen wir anhand konkreter Beispiele auf, wie Lehrende Selbstlernphasen vor allem in stark wissensfokussierten Grundlagenveranstaltungen lernförderlich gestalten und dabei die vielfältigen Herausforderungen für die Studierenden (Chew & Cerbin, 2020) berücksichtigen können. In den Fokus stellen wir die Unterstützung der Selbstregulationskompetenz, die neben kognitiven und metakognitiven Strategien auch Aspekte der Motivation und Emotionsregulation umfasst (Panadero, 2017). Durch bewusst gewählte Aufgaben (generative and effective learning activities, Roelle, Nückles, 2021) und eine gezielte Feedbackstrategie (Narciss, 2020) können Studierende effektiv unterstützt werden. Hochwertiges Feedback hilft den Studierenden nicht nur dabei, die Abweichung des aktuellen vom angestrebten Leistungsstand zu erkennen, sondern trägt dazu bei, dass Studierende Regulationskompetenzen entwickeln (ebd.).
Mit diesem Beitrag möchten wir Lehrende und hochschuldidaktisch Tätige für die Nutzung evidenzbasierter Erkenntnisse zur Lehrgestaltung sensibilisieren und ihnen ausgewähltes Wissen für die Selbstlernphase kompakt an die Hand geben:
- Welche Aufgaben wähle ich aufgrund welcher Faktoren?
- Wer erstellt die Aufgaben (Lehrende, Studierende etc.)?
- Wer gibt Feedback (Lehrende, Peers, Learning Analytics etc.)?
- Wie motiviere ich Studierende zum Lernen in der Selbstlernphase?
- Wodurch wird Selbststeuerungsfähigkeit gefördert?
Lightning Talks: Lehre über und mit KI
"IKID – Interdisziplinäres KI-Exploratorium: Integrierte KI-Lehre mit Demonstratoren"
Janina Gabrian
Was kommt nach Case Studies und Planspielen?
Wir erforschen, ob und wie Demonstratoren Künstliche Intelligenz besser vermitteln können.
Wie in einem Science Museum machen wir Case Studies damit erlebbar.
In unserem interdisziplinären KI-Exploratorium möchten wir Künstliche Intelligenz für Studierende auf dem Campus zugänglich machen. Zentraler Bestandteil des Projekts sind physisch-virtuelle Demonstratoren, die verschiedene Anwendungsfälle und Einsatzgebiete von KI repräsentieren und zum Ausprobieren, Interagieren und Diskutieren einladen.
Geplant ist der Aufbau von insgesamt acht Demonstratoren jeweils in Form eines großen Touchscreens, integriert in thematisch gestaltete Messewände im Foyer der Hochschule. Diese können von allen Studierenden genutzt und ausprobiert werden.
Die so angerissenen Themen werden in der interdisziplinären Lehre des IKID-Projekts vertieft. Hierzu wird es einerseits Grundlagenveranstaltungen in den vertretenen Disziplinen Informatik, Wirtschaft, Recht und Ethik geben, vor allem aber werden konkrete KI-Anwendungsfälle in Projektmodulen in Form von Case Studies in die Lehre einbezogen. So sollen Studierende befähigt werden, Ziele und Denkweisen der Disziplinen multiperspektivisch nachzuvollziehen, Synergien zu nutzen und Interessenskonflikte zu meistern sowie KI-Use-Cases zu identifizieren und KI-Projekte erfolgreich umzusetzen.
Dieser Ansatz ist neuartig in der Hochschullandschaft und verändert nicht nur die Lehre von KI, sondern auch das Erleben von KI auf dem Campus.
"KI-gestützter Erwerb von Schreib- und Argumentationskompetenzen"
Sarah Großkopf, Veronika Hackl
Die Coronapandemie hat in den letzten Jahren gezeigt, dass sich Didaktik im Hochschulbereich nicht nur im aktuellen Wandel befindet, sondern dass dieser auch aktiv vorangetrieben werden muss, um die Zukunfts- und Wettbewerbsfähigkeit der Universitäten zu erhalten. Ein großer Bestandteil dessen ist die Digitalisierung und hierdurch die Nutzung innovativer Technik und Tools, um digitale Lehr- und Lernräume für die Studierenden von morgen zu schaffen. Hierbei soll das BMBF-geförderte Projekt DEEP WRITE unterstützen. Geplant ist ein KI-basiertes Tool, welches den Erwerb von Schreib- und Argumentationskompetenzen in den Fachbereichen Jura und Wirtschaft fördern soll. Dies ist vor allem deshalb notwendig, weil es sich bei den genannten Disziplinen um sogenannte Massenstudiengänge handelt, bei denen aufgrund des Betreuungsverhältnisses das Bedürfnis besteht, mehr individuelles Feedback zu geben. Aktuell arbeitet unser interkulturelles und interdisziplinäres Team an der Definierung von Use-Cases für Studierende und Lehrende, ethischen Fragestellungen zum Einsatz von KI in der Hochschullehre und der Ausgestaltung der Annotation im rechts- und wirtschaftswissenschaftlichen Bereich mit der nötigen Interraterreliabilität, um das korrekte Training der Künstlichen Intelligenz sicherzustellen.
"Upskilling the Community – KI in der (Hochschul)Lehre - ein Beispiel"
Julia Kröcher, Björn Kiehne, Martina Moerth, Anja Riedel
Wie kommt KI in Lehrveranstaltungen und in die Hochschuldidaktik? Wie stärken wir Lehrende bei der Verwendung der KI? Wie bilden wir uns als hochschuldidaktische Community zum Thema? Von der Wahrnehmung des Themas, über den ersten Denkimpuls bis zur konkreten Weiterbildungshandlung zeigt der Beitrag, wie Innovation in der Berliner Community von Lehrenden, Hochschulleitungen und hochschuldidaktischen ExpertInnen zu konkreten Angeboten und einem nachhaltigen Innovationsmanagement führt. Zum Beispiel konnte das BZHL durch die bereits vorhandenen Netzwerk-Knotenpunkt-Aktivitäten zum Thema KI die Diskussionen zu ChatGPT-Hype sofort aufgreifen und die Reihe "KI in der Hochschullehre" der dghd initiieren. Dabei wird, angelehnt an die Netzwerkanalyse (Gamper 2020), das Innovationsgeschehen mithilfe einer wachsenden interaktiven Grafik nachvollziehbar gemacht, in der ImpulsgeberInnen, AngebotsentwicklerInnen und Lehrende im Berliner Hochschulraum sichtbar werden.
Auf der Grundlage dieser Netzwerkgrafik wird folgende Frage gestellt: Wie können Innovationsprozesse gestaltet werden, um eine hohe Weitreiche und Nachhaltigkeit der Impulse zu erreichen? Basierend auf der Analyse der Innovationsprozesse zum Thema KI in der Lehre, werden Vorgehensweisen vorgeschlagen, die das eigene professionelle Handeln lernend begleiten, die Leistungen von hochschuldidaktischen Einrichtungen gegenüber ihren StakeholderInnen jenseits von reinen Zahlentabellen darstellen, sowie Wissen zu KI in der Lehre sichern und erweitern. Über diesen Beitrag hinaus laden die AutorInnen die KollegInnen ein, ihre Innovationsarbeit grafisch darzustellen und mit den AutorInnen gemeinsam bei einer kommenden Tagung der dghd vorzustellen. Die Intention ist, uns als Community mit Konzepten zur Integration und Begleitung von Innovationen zu KI zu empowern. So sendet dieser Beitrag Impulse zum Aufbau eines sensitiven, innovativen Netzwerk zur Künstlichen Intelligenz in der Hochschullehre über die Grenzen Berlins hinweg.
"Künstliche Intelligenz in der Hochschullehre: Konzeption eines Workshops mit Lehrenden"
Ricardo Knauer, Björn Kiehne, Raphael Wallsberger
Wöchentlich gibt es neue Innovationen im Bereich der Künstlichen Intelligenz (KI), die unseren Alltag in naher Zukunft nachhaltig verändern werden. Um einer breiten Menge an Studierenden die Grundlagen dieser disruptiven Technologie zugänglich zu machen, ist es essentiell, KI über verschiedene Fachdisziplinen hinweg fest in der Hochschullehre zu verankern. Dazu wird in Kooperation der KI-Werkstatt Interdisziplinär (KIWI) an der Hochschule für Technik und Wirtschaft Berlin (HTW) und des Berliner Zentrums für Hochschullehre (BZHL) ein Workshop konzipiert, der Lehrende aus der DACH-Region im Sinne des “Teach the Teacher”-Ansatzes befähigen soll, KI-Inhalte in die eigene Lehrpraxis zu integrieren. Als Entwicklungsraum für diesen Workshop dient das Berliner Zertifikat für Hochschullehre. Hier werden in einem Lehrinnovationsprojekt didaktische Expertise und fachliche Innovationen zusammengebracht und in ein konkretes Lernangebot übersetzt.
Wir sehen den Talk als Möglichkeit, erste Ergebnisse unserer Kooperation zu präsentieren und die Ideen der Teilnehmer:innen in die Entwicklung des Lehrangebots zu integrieren. Unser Beitrag ist wie folgt:
1) Wir präsentieren die Resultate aus 25 Interviews, bei denen wir Lehrende und Studierende aus verschiedenen Fachbereichen an der HTW sowie Unternehmen nach wichtigen Kompetenzen und Voraussetzungen für Lehrbausteine im Bereich KI befragt haben, und ordnen diese in die Fachliteratur zum Thema “Artificial Intelligence Literacy” ein.
2) Wir skizzieren unser bestehendes Lehrbaustein-Angebot und stellen aufbauend darauf unsere Planungsskizze für das geplante Lehrangebot vor.
3) Wir nutzen den Talk, um die Perspektiven der Teilnehmenden bei der Entwicklung unseres geplanten Workshops im Sinne eines Co-Creation-Ansatzes einzubinden.
Die Einbeziehung verschiedenster Stakeholder ermöglicht es uns, ein nachhaltiges Weiterbildungsangebot für Lehrende zu entwickeln, maßgeschneidert auf die Anforderungen und Bedürfnisse der Hochschullandschaft.
"Künstliche Intelligenz als Lerninhalt in interdisziplinären Lerngruppen"
Daniela Schmitz
Die Entwicklung künstlicher Intelligenz erfolgt interdisziplinär, zum Beispiel für Anwendungen in der Medizin als Zusammenarbeit der Disziplinen Medizin und Informatik. Damit Studierende bereits im Studium mit interdisziplinärer Zusammenarbeit vertraut werden, ist es Anliegen des Lightning Talks, aufzuzeigen, warum künstliche Intelligenz als interdisziplinären Lehr-/Lerninhalt dazu geeignet ist. Grundlage für interdisziplinäre Zusammenarbeit ist eine gemeinsame Wissensbasis, der so genannte Common Ground (Bromme et al. 2003). Je nach Vorwissen und disziplinenbezogenen Anknüpfungspunkten, werden unterschiedliche Strategien im Umgang mit dem Common Ground angewendet. Diese Strategien sind dadurch geprägt, vorwiegend Wissen aus dem Common Ground abzurufen und zu nutzen (Common Ground Nutzung), vermehrt das eigene (Erfahrungs-)wissen einzubringen (Common Ground Erweiterung) sowie stärker den interdisziplinären Austausch und Perpsektivabgleich anzustoßen (Commmon Ground Konstruktion, Schmitz et al. 2022). Die Strategien wechseln situativ je nach Inhalte und Gruppenzusammensetzung. Anhand des Modells für interdisziplinäre Lehre (Braßler 2018) werden bezogen auf KI als Lerninhalt, interdisziplinäre Lehr-/Lernziele, interdisziplinäre Lehr-/Lernmethoden sowie interdisziplinäre Prüfungsmethoden exemplarisch dargestellt. In interdisziplinären Lerngruppen ist zudem relevant, dass es Lernziele gibt, die alle Lernenden erreichen sowie disziplinenspezifische Lernziele, für Lernende einzelner Disziplinen (Thistlethwaite/Moran 2010). Bezogen auf KI bedeutet dies, dass Lernende individuelle Schwerpunktesetzungen vornehmen können, wie ethische oder ökonomische Aspekte.
Please note that Sessionize is not responsible for the accuracy or validity of the data provided by speakers. If you suspect this profile to be fake or spam, please let us know.
Jump to top