Veranstaltungsprogramm

Die fortschreitende Digitalisierung der Hochschullandschaft bietet Studierenden zahlreiche Möglichkeiten verschiedene Quellen zum Wissenserwerb zu nutzen. Diese Vielfalt führt zu einer Datenfragmentierung, die sich u.a. auf den Dokumententyp, die Aktualität und den Aufbewahrungsort der Materialien erstreckt. Medizinstudierende müssen zudem fakultätsinterne und externe Lernanforderungen synchronisieren. Dies stellt eine Herausforderung dar, da sie geeignete Quellen und Lernstrategien finden und flexibel anpassen müssen.

In diesem Kontext wird eine zentrale Lernanwendung entwickelt, die alle digitalen Lerninhalte bündelt und mit den Anforderungen harmonisiert. Sie soll das bestehende Curriculum mit konkreten Inhaltsquellen systematisch verknüpfen und individuelle Anforderungstransparenz schaffen.

In der ersten Phase des Projekts wurden technische Grundlagen geschaffen und Anforderungen durch Interessengruppengespräche erhoben. Eine dokumentenorientierte Webanwendung wurde entwickelt, die Lernmaterialien aus verschiedenen Quellen anbindet und durchsuchbar macht. In der zweiten Phase wurden Basisfeatures umgesetzt und Fokusgruppeninterviews geführt, um weiterführende Bedarfe der Studierenden zu ermitteln. Die Interviews zeigten ein heterogenes Nutzerverhalten und legten eine Systemorientierung an Lernprofile, Assessmentverhalten und Studienmanagementaspekten nahe. Die Anwendung wird nun schrittweise angepasst und Nutzungsdaten erhoben.

Die rasante Verbreitung von KI-Tools wie ChatGPT stellt Hochschulen vor neue Herausforderungen: Während Studierende diese Technologien zunehmend in ihren Arbeitsprozessen nutzen, fehlt es oft an didaktischen Konzepten, um den Umgang mit KI kompetent und reflektiert zu begleiten. Der Workshop setzt genau hier an und bietet Lehrpersonen praxisorientierte Ansätze, um ChatGPT sinnvoll in ihre Lehrveranstaltungen zu integrieren.

Im Fokus steht die Entwicklung didaktischer Szenarien, die auf die Förderung der KI-Medienkompetenz von Studierenden abzielen. Nach einer kurzen Einführung in die Potenziale und Grenzen von ChatGPT diskutieren die Teilnehmenden zentrale Fragestellungen wie die Rolle von KI in Lernprozessen oder die didaktische Einbettung solcher Tools. Unterstützt durch aktuelle Forschungsergebnisse wird ein didaktisches Beispiel vorgestellt, das zeigt, wie ChatGPT als Lernpartner eingesetzt werden kann.

Ein interaktiver Teil ermöglicht es den Lehrenden, in Kleingruppen Lehrszenarien zu entwickeln, die an ihre Fachrichtungen angepasst sind. Der Workshop bietet konkrete Impulse für den Einsatz von ChatGPT – von der Textarbeit bis zur Prüfungsvorbereitung – und schließt mit einer Diskussion der Ergebnisse. Ziel ist es, Lehrpersonen dazu zu befähigen, Studierende auf die Chancen und Herausforderungen einer durch KI geprägten Lernwelt optimal vorzubereiten.

This project explores how learning analytics can support autonomous vocabulary learning in a Business German course at a university in northern Spain. Given limited class time and students’ struggles with vocabulary acquisition, the project used the Leo app’s learning statistics to track individual progress.

Students created personal vocabulary lists and practiced words through app-based exercises. Learning progress was assessed via chapter tests (C-tests, vocabulary tests, writing tasks), and app data — word count, repetitions, and activity frequency — were statistically analysed.

Results showed that the number of repetitions correlated significantly with test scores in Chapter 1 but not Chapter 2. More clearly, activity frequency correlated with better results across most tests, while word count had no effect on performance.

The study highlights that effective vocabulary learning depends not on collecting words but on regular, active practice. Learning analytics thus provides insights into student progress and allows teachers to offer personalized support, helping learners reflect on and optimize their strategies.

Die fortschreitende Digitalisierung stellt neue Anforderungen an Gesellschaft und Hochschulen. So beinhaltet z. B. der AI Act der EU eine Pflicht zur KI-Weiterbildung. Hochschulen müssen ihre Mitglieder (Studierende, Lehrende, Forschende und Mitarbeitende in Technik und Verwaltung) gezielt darauf vorbereiten, diesen Herausforderungen im Studien- und Berufsalltag erfolgreich zu begegnen.

Um die spezifischen an Hochschulen benötigten digitalen Kompetenzen zu identifizieren, haben wir eine systematische Literaturrecherche und Interviews mit etwa 100 Personen aus den verschiedenen Statusgruppen durchgeführt.

Das daraus entwickelte Kompetenzmodell zeigt sowohl Überschneidungen mit bestehenden Frameworks als auch hochschulspezifische Aspekte . Beispielsweise ist digital vermitteltes Lehren v. a. für Lehrpersonal zentral, während digitales Verwalten primär für Verwaltungsmitarbeitende wichtig ist. Die Recherchekompetenz unterscheidet sich je nach Gruppe: Studierende, Lehrende und Forschende nutzen sie vorrangig für die Literaturrecherche, Beschäftigte in Technik und Verwaltung anders.

Basierend auf diesen Ergebnissen entwickeln wir ein Web-Tool zur Förderung digitaler Kompetenzen. Es umfasst ein Self-Assessment-Tool, einen Katalog mit vorhandenen Bildungsangeboten und einen Pfadfinder, der Empfehlungen basierend auf dem Ergebnis des Self-Assessments liefert. Die Interviews tragen hierbei maßgeblich dazu bei, dass das Angebot den Bedürfnissen der Hochschulmitglieder entspricht.

Die Arbeitsgruppe Generative KI in der Hochschullehre (AG:GKI) an der Goethe-Universität wurde im März 2023 auf Initiative des Präsidiums gegründet mit dem Ziel, die Integration von KI-Technologien in die Hochschulbildung zu fördern. Dazu gehören u.a. studien- und prüfungsrechtliche Anpassungen in Bezug auf die Verwendung von KI, die sowohl die Qualität der Lehre verbessern als auch den Studienerfolg fördern sollen. Weitere Aufgaben und Ziele sind die Qualifizierung von Lehrenden, die Bereitstellung von an die Bedürfnisse der Studierenden und Lehrenden angepassten Tools sowie der Ausbau universitätsinterner und universitätsübergreifender Infrastrukturen, um den digitalen Wandel an der Hochschule voranzutreiben.

Der Beitrag soll dazu dienen, den Umgang mit generischer KI an Hochschulen anhand eines Beispiels aufzuzeigen und einen Austausch darüber zu ermöglichen, wie Hochschulen mit Problemen und Herausforderungen umgehen.

Bildung für nachhaltige Entwicklung (BNE) soll Menschen befähigen, verantwortungsvoll und zukunftsorientiert zu handeln, um zu einer nachhaltigen Entwicklung im Sinne der Agenda 2030 beizutragen. Hierbei gilt es danach zu fragen, wie sich künstliche Intelligenz (KI) auf BNE auswirkt und wie diese Technologie für BNE genutzt werden kann. Vor diesem Hintergrund bietet das Poster einen systematischen Überblick über die Rolle generativer KI in der hochschulbezogenen BNE. Es werden Potenziale zur Förderung von BNE ebenso dargestellt wie Herausforderungen und Risiken, die sich hinsichtlich einer ökologisch verantwortlichen, sozial gerechten sowie gemeinwohlorientierten Nutzung ergeben. Anhand von Beispielen und Handlungsempfehlungen regt das Poster zur Diskussion über die zukünftige Gestaltung einer hochwertigen, nachhaltigen Bildung in der Hochschule an.

Tutor*innen, die als Bindeglied zwischen Studierenden und Lehrenden fungieren, können eine zentrale Rolle bei der verantwortungsvollen Integration von ChatGPT in der Lehre einnehmen. Diese Arbeit entwickelt Kriterien für eine ethische Orientierung in der Frage, ob ChatGPT in Tutorien verwendet werden sollte und wenn ja, welche Kriterien für einen verantwortungsvollen und zielführenden Einsatz in der tutoriellen Lehre zu berücksichtigen sind. Tutorien bieten Raum, um den verantwortungsvollen Umgang mit ChatGPT zu lehren, zu erproben, ethische Herausforderungen zu diskutieren und Regelungen zu vermitteln. Ein verantwortungsvoller Einsatz erfordert die Berücksichtigung ökologischer, sozialer, juristischer und normativer Aspekte. Dazu zählen etwa Datenschutz, Urheberrechte und die potenzielle Reproduktion von Vorurteilen durch verzerrte Trainingsdaten (AI Bias). Um ChatGPT sicher, effizient und kritisch reflektiert einzusetzen, sollten Tutor*innen in diesen Bereichen geschult werden.

Wie können Studierende grundlegende Datenkompetenzen entwickeln, um die Herausforderungen der datengetriebenen Welt zu meistern? Die Hochschule Mainz bietet mit dem Onlinekurs „Data Journey – Erste Schritte in der Datenwelt“ eine flexible Lernressource, die Studierende dabei unterstützt, essenzielle Data Literacy-Kompetenzen zu erwerben.

Der Kurs ist als Selbstlernangebot konzipiert und ermöglicht es Studierenden, in ihrem eigenen Tempo zentrale Themen wie Datensammlung, Analyse, Kommunikation und ethische Reflexion zu erlernen. Gleichzeitig können Lehrende den modularen Kurs flexibel als Blended-Learning-Element in ihre Lehre integrieren.

Die Postersession gibt Einblicke in die Kursinhalte, stellt Best Practices vor und zeigt, wie Hochschulen mit digitalen Lernformaten Data Literacy als Future Skill nachhaltig fördern können. Teilnehmende erhalten praxisnahe Anregungen und eine Ressource, die sie direkt für ihre eigene Hochschullehre nutzen können.

Das Poster untersucht die Nutzung von ChatGPT (Version 3.5) in generations- und geschlechtsgemischten Teams im Kontext sexueller Diskriminierung. Im Fokus steht die Frage, wie die Nutzung von ChatGPT die Benutzer*innenerfahrung beeinflusst. Es vergleicht Bedenken vor und nach der Nutzung von ChatGPT zur Lösung einer sexuell diskriminierenden Situation. Gestützt durch Ergebnisse von Skjuve et al. (2023) wird vermutet, dass relevanter und nützlicher Output sowie konkrete Hinweise die Benutzer*innenerfahrung positiv beeinflussen. Die Daten wurden in 2 Diversity-Workshops mit Studierenden und Beschäftigten im SoSe 2024 gesammelt. An den Workshops nahmen 29 Studierende und 8 Beschäftigte teil, die in generations- und geschlechtsgemischten Teams arbeiteten. Ziel war es, die Reaktionen auf eine sexuell diskriminierende Äußerung zu untersuchen und die Nutzung von ChatGPT zu evaluieren. Vor der Nutzung äußerten Studierende Bedenken hinsichtlich schlechter Ratschläge und der Beeinflussung durch die Programmierer. Nach der Nutzung wurde zwar die Nützlichkeit der Tipps anerkannt, jedoch auch die mangelnde Konkretheit kritisiert. Beschäftigte befürchteten vor der Nutzung ebenfalls eine Beeinflussung und unkritischen Umgang, nachher äußerten sie Bedenken zur Nutzung von ChatGPT als Ersatz für professionelle Hilfe. Das Poster initiiert einen generationen- und geschlechterübergreifenden Dialog zur Reaktion auf diskriminierendes Verhalten und zur zielgerichteten Nutzung von KI-Tools.

Higher Distance Education eröffnet Studierenden mit unterschiedlichem soziodemografischem Hintergrund (z. B. Geschlecht, Erstsprache) und studiumsbezogenen Fähigkeiten (z. B. Erfahrung mit wissenschaftlichem Lesen oder Online-Lernen) vielfältige Möglichkeiten. Computerunterstütztes kollaboratives Lernen (CSCL), bei dem Studierende in virtuellen Gruppen zusammenarbeiten, ist eine gängige Lehrmethode in der Fernlehre. Diese Studie untersucht Folgen der Stereotypisierung für Targets und Perceivers während der Kennenlern- und Kollaborationsphasen in CSCL-Gruppen, indem sie systematisch individuelle und Gruppenebene untersucht. N = 1938 Studierende in 286 CSCL-Gruppen nahmen an einer Längsschnittstudie im Einführungsmodul des BSc Psychologie an einer staatlichen Fernuniversität teil. Analysen zu präregistrierten Hypothesen replizierten frühere Befunde, dass CSCL-Gruppen mit hoher soziodemografischer und aufgabenbezogener Diversität eine geringere Gruppenkohäsion. Um diese Risikokonstellation für CSCL-Gruppen mit sehr diversen Mitgliedern zu erklären, wurde die Rolle von Targets bzw. Perceivers innerhalb der Gruppe untersucht. Bei Targets sagte die Bedrohung der sozialen Identität sowohl ein geringeres Zugehörigkeitsgefühl voraus und als auch eine geringere Motivation, soziale Beziehungen aufzubauen und zu pflegen. Darüber hinaus zeigten Targets eine höhere Bedrohung der sozialen Identität als Perceivers, unabhängig von der Diversität der Gruppe.

Student-facing learning analytics dashboards (LAD) aim to support students' learning awareness,

decision-making and action in specific learning contexts and scenarios through relevant learning

indicators. Most LADs are developed using data-driven or theory-driven approaches to meet both

stakeholder acceptance and pedagogical requirements. In contrast, psychometric measurement

instruments are validated with scientific rigor and using statistical analyses until they become

valid and reliable diagnostic tools. Similarly, the learning analytics indicators within LADs aim to

help students self-diagnose their learning and adapt based on self-feedback. However, learning analytics

indicators are mostly directly embedded and validated in experimental studies to investigate their

impact on learning outcomes, but evidence or generalization is still lacking. It remains unclear which

indicators are effective and why, when or how they are used and interpreted as feedback. Therefore, the

objectives of this research is to provide actionable evidence-based learning analytics indicators for higher

education and bridge the gap between indicator identification and validation through psychometric

optimization.

KI gewinnt in der Lehrer:innenbildung zunehmend an Bedeutung: Zukünftige Lehrkräfte sollen die Technologie nicht nur kompetent nutzen, sondern auch ihre Schüler:innen zu einem kritisch-konstruktiven Umgang befähigen. Die KMK (2024) fordert daher, KI-Kompetenzen bereits in der ersten Phase der Lehrer:innenbildung zu vermitteln, etwa für unterrichtliche Planungsentscheidungen. Diesen Ansatz verfolgte im SoSe 2024 ein Begleitseminar zum Allgemeinen Schulpraktikum an einer niedersächsischen Universität. Ziel war, die Planungs- und Reflexionskompetenz angehender Grund-, Haupt- und Realschullehrer:innen mithilfe KI-basierter Werkzeuge zu fördern. Das Seminar im Bachelor bereitet auf das sechswöchige Praktikum vor, in dem eigene Unterrichtsentwürfe entwickelt, erprobt und reflektiert werden. Das didaktische Konzept des Seminars umfasste drei KI-Nutzungsszenarien: 1. generierte die KI Unterrichtsverlaufspläne, die von den Studierenden nach fachspezifischen Kriterien evaluiert und optimiert wurden; 2. entwickelten sie gezielte Prompts, um KI-gestütztes Feedback zu erhalten und ihre Entwürfe iterativ zu verbessern; 3. wurde KI als Lerngegenstand fokussiert. Die hohe Relevanz des im Seminar umgesetzten Ansatzes bestätigt der universitäre Lehrpreis für „innovative Lehre mit Fokus auf KI“. In dem vorgeschlagenen Poster wird praxisnah veranschaulicht, wie das didaktische Konzept mithilfe von KI umgesetzt wurde, um die Planungs- und Reflexionskompetenz der Studierenden gemeinsam zu stärken

Um eine Prüfungsfrage korrekt und vollständig zu beantworten, muss nicht nur das erforderliche Wissen vorhanden sein, sondern der Studierende muss auch in der Lage sein, den Prüfungsoperator korrekt zu interpretieren und dies bei der Formulierung der Antwort angemessen berücksichtigen. Im Rahmen einer Masterarbeit wurde daher untersucht, inwieweit Sprachmodelle in der Lage sind, die Einhaltung von Prüfungsoperatoren zu beurteilen. Die Studie evaluiert die Leistung von vier verschiedenen Sprachmodellen (Llama 3.1 8B, Gemini 1.5 Flash, Gemini 1.5 Pro und GPT-4) bei der Beurteilung von Antworten in Bezug auf die Operatoren "nennen", "vergleichen" und "begründen". Unterschiedliche Temperatureinstellungen und Prompt-Engineering-Techniken wurden eingesetzt und deren Auswirkungen auf die Ergebnisse analysiert. Die Evaluation erfolgte manuell anhand eines Bewertungsschemas, das sowohl allgemeine (Strukturfokus, Textqualität, Nützlichkeit) als auch operatorspezifische Kriterien berücksichtigte. Die Ergebnisse zeigen, dass die meisten eingesetzten Sprachmodelle (mit Ausnahme von Llama 3.1 8B) die gewünschten Rückmeldungen gut bis sehr gut leisten konnten, wobei die Beurteilung des Operators "begründen" die anspruchsvollste Aufgabe darstellte. Ein auf den Ergebnissen basierend prototypisch entwickelter KI-Tutor soll zukünftig Studierende beim Erlernen des korrekten Umgangs mit Prüfungsoperatoren unterstützen.

Als Universität, die stark in der digitalen Lehre engagiert ist, haben wir gemäß des AI Acts Lernangebote für alle universitären Statusgruppen aufgebaut, die den Umgang mit KI vermitteln.

Mit dem Poster legen wir den Fokus auf die Qualifizierung von Studierenden, insbesondere auf die Qualifizierung von studentischen Beschäftigten als Multiplikator*innen und Expert*innen für KI in Studium und Lehre. Wir zeigen auf und möchten diskutieren,

• wie wir das etablierte Angebot der studentischen E-Learning-Friends weiterentwickeln, die Lehrende und Lehrstühle bei der Durchführung digitaler Lehr-Lernangebote unterstützen
• wie wir dafür verschiedene Qualifizierungsangebote effizient miteinander verzahnen
• in welch vielfältiger Weise die KI Elfen eingesetzt werden können, einerseits als Support für Lehrende, andererseits als Peer-Tutor*innen in den Qualifizierungsprogrammen für Studierende
• wie die KI Elfen bei der Weiterentwicklung des Qualifizierungsangebots für Studierende zum Thema KI einbezogen sind und aktiv mitwirken
• wie wir die Vernetzung zwischen den studentischen Multiplikator*innen fördern und wie die studentischen Beschäftigten zu einem Wissenstransfer zwischen den Lehrstühlen/Fakultäten sowie uns als zentraler Serviceeinheit beitragen
• unsere bisherigen Erkenntnisse und die konzeptionellen Anpassungen, die wir vorgenommen haben

Wir möchten mit der Community ins Gespräch über den Transfer unseres Konzepts kommen und erhoffen uns zugleich wertvolle Anregungen für unser Programm.

Der Open Resources Campus NRW - kurz ORCA.nrw - ist das offizielle Landesportal für Studium und Lehre. Wir bieten Lehrenden unter anderem einen großen Pool an qualitätsgeprüften, kostenlosen digitalen Bildungsmaterialien, Informations- und Vernetzungsangebote sowie rechtliche Unterstützung bei der Erstellung von Lehrmaterialien durch die ORCA.nrw- Rechtsinformationsstelle.

Wie begnen wir rückläufigen Studierendenzahlen? Wie begnen wir Studienleistungen unterhalb unserer Erwatungen? Wie schaffen wir es also, Quantität und Qualität unserer Studierendenschaft zu erhöhen? Wir müssen lernen, welche Studierenden in unseren Studiengängen gut bestehen, damit wir diese im Rahmen von Marketingkampagnen inklusive der Nutzung sozialer Medien gezielt ansprechen können. Im Rahmen des Posters soll ein Forschungsdesign vorgestellt werden, welches wir derzeit gezielt für die Analyse der Studierendenschaft im Studienfach der Volkswirtschaftslehre an der Universität Münster entwickeln. Wir versuchen, unsere Studierenden im Master "Economics" zu tracken und den Studienerfolg mit den Voraussetzungen am Beginn des Studiums abzugleichen, um zu ermitteln, welche Bachelorabsolventen wir in Zukunft gewinnen möchten, die gut durch das Studium bei uns kommen werden.