IGNITE

Projektbeschreibung

Erhebliche individuelle Unterschiede im Wissen und in den Fähigkeiten von Studierenden stellen eine Herausforderung dar, um Kursanforderungen zu erfüllen und programmuntergreifende Lernziele zu erreichen. Lehrveranstaltungen anzubieten, die sämtliches fehlendes Wissen vollständig abdecken, ist aufgrund begrenzter Lehrkapazitäten und Kreditbeschränkungen kaum praktikabel, während eine übermäßige Wiederholung bereits bekannter Inhalte die Attraktivität des Curriculums verringert. Besonders relevant ist dieses Problem beim Übergang von unterschiedlichen nationalen und internationalen Bachelorstudiengängen in ein Masterstudium.

Das Projekt begegnet dieser Herausforderung durch personalisierte Lehre innerhalb modularisierter Kurse, bei denen individuelle Wissenslücken durch eine bedarfsgerechte Zusammenstellung von Modulelementen für jeden Studierenden geschlossen werden. Wissensgraphen modellieren sowohl die Kompetenzen der Studierenden als auch die Abhängigkeiten zwischen den Modulelementen und ermöglichen dadurch Werkzeuge zur Generierung optimierter, individueller Lern- und Kursverläufe. Das Projekt wird sich auf verschiedene modulare Lehrveranstaltungen konzentrieren und eine experimentelle Evaluation mit Studierenden der Informatik sowie der Digital Health Sciences durchführen

Schwerpunkte des Projekts

• Personalisiertes Lernen: Generierung individueller Lern- und Kursverläufe basierend auf dem Vorwissen und den Lernzielen der Studierenden.
• Adaptives Curriculum: Unterstützung von Lehrenden bei der Anpassung von Lehrinhalten und der Reduktion von Redundanzen.
• Wissensgraphen: Einsatz semantischer Repräsentationen zur Modellierung von Kompetenzen und Inhalten für kohärente Lernpfade.