AMCS – Rätst Du noch oder weißt du es schon? – Wie gut kannst du dein eigenes Wissen einschätzen?

Demo

Worum geht es in diesem Projekt?

Lernaufgaben sind ein sinnvolles Mittel zur Prüfungsvorbereitung oder zur Wissenskontrolle während und nach der Vorlesung. Oft bestehen diese aus Single- oder Multiple-Choice-Aufgaben, welche viele Studierende eher ratend als wissend beantworten. Aus den lernpsychologischen Modellen des Selbst-regulierten Lernens wissen wir aber, dass es sehr wichtig für den Studierenden ist, das Selbstbildnis des eigenen Wissens mit dem eigentlichen Wissensstand abgleichen zu können, um so eventuell Anpassungen an der eigenen Lernstrategie vornehmen zu können. Deshalb hat es sich als sehr hilfreich erwiesen, die Studierenden während oder vor der Abgabe der Antwort nach ihrer Zuversicht (Confidence) zu fragen, dass sie die Aufgaben richtig lösen können. Divergieren Zuversicht und erzielte Leistung zu stark voneinander, sollte das ein Achtungszeichen geben, dass die Selbsteinschätzung und die Lernstrategie angepasst werden muss. Meist kommt diese Erkenntnis aber erst in der Klausur und damit zu spät. Mit Audience Response Systemen wie AMCS kann man Lernaufgaben auch in den Vorlesungsalltag integrieren und damit die Studierenden bei der Selbsteinschätzung und Selbstregulation unterstützen.

Auditorium Mobile Classroom Service (AMCS) ist ein an der TU Dresden entwickeltes Tool, welches Lehrende und Lernende in der Vorbereitung, Durchführung und Nachbereitung der Vorlesung unter Verwendung ihrer mobilen Endgeräte unterstützt, um die Anforderungen moderner Lehrveranstaltungen zu bewältigen. Das System bietet den Dozenten die Möglichkeit, in Vorbereitung ihrer Vorlesung Lernaufgaben und Umfragen zu erstellen sowie Nachrichten an Studierende zu generieren. In einer Weiterentwicklung des Systems wurden Möglichkeiten zur Zuversichtserfassung bei Lernaufgaben implementiert und evaluiert.

Placeholder Image

Autoren / Vortragende

Projektbeteiligte

Dr. Felix Kapp, M.Sc, Tommy Kubica

Lehrstuhl / Institution

Prof. Rechnernetze