The expected participants are university instructors with some prior familiarity with ICAP. Attending Dr. Chi’s talk would provide sufficient familiarity, as would reading her ICAP papers.

The purpose of the workshop is to increase participants’ expertise in applying ICAP to upgrade learning activities. Although one of ICAP’s virtues is its simplicity, there are still many potential misconceptions, edge cases and nuances when applying it to specific learning activities. Moreover, ICAP typically illustrates a mode with simple examples, whereas authentic classroom activities, such as solving problems, often involve many factors that make them more difficult to classify into an ICAP mode. The difficulty of classifying some classroom activities is that many factors may come into play, and many of these factors can affect ICAP in ways that are not relevant or predicted by ICAP. For example, a student’s prior knowledge can affect the mode of a problem.

The workshop will have four phases. During the first phase of the workshop, the leader will present examples and non-examples of upgrades. For each one, participants will first vote on whether the pair of learning activities is an ICAP upgrade or not. Next, participants will discuss and defend their votes. Finally, the instructor will join the discussion.

During the second phase, the instructor will ask if any participants have already designed and implemented an upgrade. One or two such participants will be asked to briefly explain their upgrade to everyone, and feedback will be discussed.

During the third phase, participants will work individually on upgrading a learning activity that they have brought to the workshop. The instructor will circulate, answering questions while everyone is working.

During the fourth phase, selected participants will present the upgrade that they have designed, and answer questions from the participants. The instructor will select upgrades that are interesting and may provoke discussion.

Through these four phases, the participants should not only learn how to upgrade learning activities in their own subject matter, but also learn how others have upgraded their learning activities in different subject matters.

Um komplexe Konzepte wie Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) zugänglich und verständlich zu machen, wurde ein Workshop entwickelt, in welchem Klemmbausteine (z.B. LEGO®) als kreative und interaktive Lehrmethode eingesetzt werden. Im Rahmen der Hochschullehre an der Hochschule Hannover wird dieser Workshop verwendet, um Studierenden in verschiedenen Bereichen ein grundlegendes Verständnis von ML zu vermitteln. Diese Methode bietet nicht nur eine spielerische Herangehensweise, sondern ermöglicht auch eine Veranschaulichung sowie ein tieferes Verständnis abstrakter Themen, die in klassischen Lehrformaten oft schwer zu greifen sind. Die haptischen und interaktiven Eigenschaften der Bausteine fördern die aktive Teilnahme der Lernenden und tragen zu einem nachhaltigen Lernerfolg bei.

Ziel des Workshops ist es, grundlegende ML-Konzepte wie Klassifikation, Regression, Clustering und Anomalieerkennung verständlich und praxisnah zu vermitteln. Die Teilnehmenden lernen, wie diese Methoden auf verschiedene fachliche Kontexte übertragbar sind, und erhalten Zugang zu den Grundlagen des ML, auch ohne Vorkenntnisse oder IT-Bezug.

Im Workshop werden mithilfe der Bausteine Daten in Form von Merkmalen wie Form, Farbe, Gewicht und Struktur erarbeitet. Diese dienen als Basis, um die Prinzipien komplexer Algorithmen zu veranschaulichen. Die Teilnehmenden lernen dabei sowohl überwachte (supervised) als auch unüberwachte (unsupervised) ML-Methoden kennen. Im supervised learning, wie bei Klassifikation und Regression, werden Bausteindaten genutzt, um Kategorien vorherzusagen (z. B. „Lieblingsfigur“ vs. „Nicht-Lieblingsfigur“) oder numerische Werte wie das Gewicht der Bausteine zu berechnen. Im unsupervised learning, wie bei Clustering und Anomalieerkennung, helfen die Bausteine dabei, Gruppen ähnlicher Elemente zu bilden oder Ausreißer zu identifizieren. Der Workshop wird im Rahmen von Modulen rund um das Thema "Maschinelles Lernen" bereits in drei Fakultäten verschiedener Studiengänge für Studierende im 4. bis 6. Semester als Einstieg in das Thema durchgeführt. Durch den Workshop sollen sie ein erstes einordnendes Verständnis der ML-Methoden erlangen, auf das weiter im Kurs aufgesetzt werden kann. Die Methoden und Prinzipien des Workshops können aber auch auf andere Altersgruppen und Lernumgebungen übertragen werden, wie z.B. auf Schüler, Studierende anderer Fachrichtungen oder auf Mitarbeitende.

Der Workshop legt besonderen Wert auf aktive Beteiligung. Die Teilnehmenden arbeiten in Teams, um Aufgaben zu lösen, ML-Methoden anzuwenden und ihre Ergebnisse zu diskutieren. Durch den Wechsel zwischen den Teams können unterschiedliche Perspektiven auf die Methoden gewonnen werden. Zum Abschluss präsentieren die Gruppen ihre Ergebnisse, was den Austausch und die Reflexion der Ansätze fördert. Erste Evaluationen und Feedback aus bisherigen Durchführungen zeigen positive Ergebnisse und liefern Ansätze zur Weiterentwicklung des Konzepts.

1. Inhaltliche Zusammenfassung des Themas:

Dieser 90-minütige Beitrag bietet einen interaktiven Einblick in die Welt der MINT-Bildung durch praxisnahe Technik-Workshops. Im Mittelpunkt steht die Vorstellung des Konzepts der "Technik-Coaches", bei dem Studierende der Technischen Hochschule als Workshop-Leitende an Schulen und auf Messen agieren. Diese Studierenden, qualifiziert durch das Wahlpflichtfach "Technik-Coach", sind in der Lage, Schülerinnen und Schüler für Technik zu begeistern und einen idealen Einstieg in die MINT-Thematik zu ermöglichen. Der Workshop ist ein lebendiger Beweis für die Wirksamkeit dieses Ansatzes.

Der Fokus liegt auf der Vermittlung grundlegender technischer Fähigkeiten und dem spielerischen Umgang mit Technologie. Hierbei werden verschiedene, bereits in der Praxis erprobte Workshop-Formate vorgestellt. Die Teilnehmerinnen und Teilnehmer werden die Möglichkeit haben, in einem Stationenbetrieb verschiedene MINT-Bereiche selbst zu entdecken und zu erleben.

Zu den Inhalten des Stationenbetriebs gehören:

Robotik mit Lego Mindstorms (NXT): Die Teilnehmenden können die Grundlagen der Programmierung und Robotik spielerisch erlernen, indem sie eigene Roboter bauen und programmieren.

Einführung in die Welt der mBots: Die Teilnehmer erhalten eine Einführung in die Programmierung und Steuerung der mBots, was ihnen die Möglichkeit gibt, sich spielerisch mit Robotik zu beschäftigen.

Grundlagen des Lötens: Unter Anleitung erfahrener Technik-Coaches werden die Teilnehmenden die Grundlagen des Lötens erlernen und einfache elektronische Schaltungen realisieren.

Weitere Hands-on-Übungen: Je nach den konkreten Gegebenheiten werden ggf. weitere MINT-bezogene Übungen und Experimente angeboten, die auf die Interessen und Vorkenntnisse der Teilnehmenden abgestimmt sind.

2. Beschreibung des interaktiven Rahmens:

Dieser Workshop ist als praxisorientierter Stationenbetrieb konzipiert, bei dem die Teilnehmerinnen und Teilnehmer aktiv in den Lernprozess eingebunden werden. Die Teilnehmenden werden in Kleingruppen aufgeteilt und rotieren zwischen den einzelnen Stationen, wo sie von den Technik-Coaches angeleitet und betreut werden.

Die Studierenden der TH, die als Technik-Coaches fungieren, werden die verschiedenen Stationen betreuen und ihr Wissen und ihre Erfahrung aus dem Wahlpflichtfach "Technik-Coach" weitergeben. Durch diese Peer-to-Peer-Situation werden sowohl die Studierenden als auch die Workshop-Teilnehmerinnen und -Teilnehmer voneinander lernen und profitieren.

Der interaktive Charakter des Workshops wird durch den praktischen Umgang mit den Materialien und Geräten verstärkt. Die Teilnehmerinnen und Teilnehmer werden nicht nur zuschauen, sondern selbst Hand anlegen und aktiv mitgestalten. Durch den Stationenbetrieb wird es den Teilnehmerinnen und Teilnehmern ermöglicht, verschiedene MINT-Bereiche kennenzulernen und sich eigenständig mit diesen auseinanderzusetzen.

Experimentieren gilt in einem naturwissenschaftlichen Studium als unerlässlich und Laborveranstaltungen nehmen einen wichtigen und besonders betreuungsintensiven Teil der Lehre ein. Werden in einem Laborpraktikum ausschließlich fest vorgegebene (und meist langjährig erprobte) Versuche „abgearbeitet“, sind neben Wiederholungen physikalischer Theorien oft nur Grundkenntnisse im Umgang mit Messgeräten als Learning Outcomes erreichbar. Lehrende erleben dabei, dass die Betreuung an vorgegebenen Aufbauten und Aufgaben schnell einem „Vorkauen“ gleicht und Studierende eine umfassende Hilfe bei ihren Problemen beim Finden der einen richtigen Lösung durch Betreuende erwarten. Sind die Learning Outcomes für eine Laborveranstaltung höher, so sollten Studierende zusätzlich befähigt werden, physikalische Theorien zur eigenen Hypothesenbildung heranzuziehen und Ergebnisse in Bezug auf Unsicherheiten und Modellannahmen zu diskutieren.

Im Physiklabor der Fakultät Life Sciences der Hochschule für Angewandte Wissenschaften in Hamburg wird seit 2022 hierzu in den ingenieurwissenschaftlichen Studiengängen ein Lehr-Lern-Konzept verfolgt, das feste, aufeinander aufbauende Versuche mit dem selbstständigen Experimentieren verbindet. Das physikalische Praktikum ist unterteilt in eine Pflichtphase mit betreuten Versuchen, in denen die Grundlagen erlernt werden, und eine freie Phase, in der die Studierenden in Projektarbeit eigenständig eine Versuchshypothese formulieren, einen Versuch entwerfen und selbstständig durchführen und auswerten. Die Themenauswahl in der zweiten Phase steht den Studierenden frei, die Lehrenden wechseln von der Präsenzbetreuung in eine Coaching-Rolle. In der Pflichtphase wird der Lernerfolg der Studierenden anhand von Protokollen begleitet und rückgemeldet. Die Präsentation des Versuches aus der freien Phase dient als abschließende Prüfung, in der die Lehrenden beurteilen, ob die Studierenden das geforderte Niveau in den erworbenen Kompetenzen erreicht haben.

Seit der Einführung wird kritisch hinterfragt, welche Vor- und Nachteile sich durch diesen durchaus abrupten Wechsel des Betreuungsformats in der Mitte des Semesters ergeben. Haben die Studierende durch die selbstständige Laborarbeit die Kompetenzen erworben? Wird eine mögliche Überforderung durch das freie Experimentieren durch die vorbereitenden Versuche gemildert oder verstärkt? Im Workshop werden neben der Entwicklung des Praktikumskonzepts, die Erfahrungen der Lehrenden in best und worst practice-Beispielen, sowie die Ergebnisse von Studierendenumfragen und Lehrveranstaltungsevaluationen vorgestellt.

Im Anschluss an den Input können die Teilnehmenden selbst erleben, wie niederschwellig das Arbeiten mit freien Versuchen ist. In Kleingruppen wird eine einfache Hypothese formuliert, ein adäquater Versuchsaufbau entworfen und vor Ort mit Hilfe von Geräten und Materialien durchgeführt und bewertet.

Als Abschluss werden Ergebnisse und Erfahrungen ausgetauscht. Daran anknüpfend werden Ansätze für den Transfer in die eigene Lehre diskutiert.

Der Einsatz von ChatGPT und anderer LLMs in der Hochschullehre eröffnet ein Spannungsfeld zwischen didaktischen Potenzialen und Herausforderungen. Dieser Beitrag beleuchtet Chancen und Risiken der ChatGPT-Nutzung, insbesondere in der Programmierausbildung, und stellt konkrete Lösungsansätze vor.

Die Lehrveranstaltungen Programmieren 1 und 2 haben das Lehrziel, möglicherweise vollständig programmierunerfahrenen Studienanfängern die prozedurale und objekteorientierte Programmierung zu vermitteln. Vor der Verfügbarkeit von ChatGPT wurden durch ein Moodle-gestütztes Peer-Assessment-Praktikum über viele Jahre hinweg stabile und sehr gute Ergebnisse hinsichtlich der Bestehensquoten erzielt. Die Durchfallraten bei vier Studiengängen lagen einer Nichtantrittsquote von 33% bei lediglich 16-20%. Seit der Verfügbarkeit von ChatGPT verschlechterte sich diese Situation jedoch drastisch. Die Nichtantrittsquote stieg auf 66% und die Durchfallquoten auf 28-57%. Eine durchgeführte Untersuchung (N=166) bestätigte eine klare Korrelation zwischen der intensiven Nutzung von ChatGPT bei der Bearbeitung der Übungsaufgaben und diesen Durchfallquoten, insbesondere bei vollständigen Anfängerinnen und Anfängern.

Um diesen Herausforderungen zu begegnen, wurde ein neues Übungskonzept entwickelt, das strukturierte Lernprozesse, eine kompetenzorientierte Wissensvalidierung mit gezieltem Einsatz von LLMs kombiniert. Die Übungen sind in drei Blöcke à etwa vier Wochen gegliedert, die jeweils mit angekündigten kleinen Leistungsnachweisen abschließen. Diese Leistungsnachweise überprüfen das Lernverständnis des behandelten Stoffes. Zusätzlich haben die Studierenden in jedem der Blöcke eigene Projekte zu definieren, diese mit den Lernherausforderungen und schließlich das fertige Projekt zu präsentieren. Der Lernerfolg und die eigenständige Bearbeitung werden durch eine kompetenzorientierte Befragung sichergestellt. Studierende können mitgelieferte Prompts als Inspiration bei der Projektsuche nutzen.

Dies Ansatz stärkt nicht nur den Erwerb und die Anwendung von Wissen, sondern bereitet die Studierenden durch die vorlesungsbegleitenden Projekte auch auf die Praxisrelevanz der vermittelten Lehrinhalte vor. Erste Ergebnisse zeigen, dass dieser Ansatz die Motivation erhöht, dabei die Breite der Anwendbarkeit des behandelten Stoffs aufzeigt und qualitativ hochwertige Lernergebnisse erzielt.

Der interaktive Workshop zeigt Strategien für die didaktische Integration von LLMs in der Hochschullehre auf. Dabei wird auch dargestellt, wie sich negative Entwicklungen kontrollieren lassen. Ziel ist es, moderne Technologien nachhaltig in die Hochschullehre zu integrieren.

Workshop-Agenda

1. Einführung und Zielsetzung zum Einsatz von LLMs in der Lehre (5 Minuten)
2. Praktische Demonstration (15 Minuten)

• Generierung von Wissensfragen und Anwendungsbeispielen
• Anleitung: Formulierung von Prompts zur Projektideenfindung

• Entwurf eines eigenen Szenarios für die LLM-Integration
• Kurzpräsentationen