谷歌浏览器插件
订阅小程序
在清言上使用

Lernaufgaben Mit Automatisiertem Feedback in Einem Digitalen Hochschultutorium Zur Vorlesung Der Allgemeinen Chemie Als Angebot Zur Binnendifferenzierung

Florian Trauten, Carolin Eitemuelle,Maik Walpuski

ZeHf – Zeitschrift für empirische Hochschulforschung(2023)

引用 0|浏览1
暂无评分
摘要
Die hohen Abbruchquoten in naturwissenschaftlichen Studiengängen im Allgemeinen und speziell in der Chemie wurden zum Anlass genommen, ein digitales, binnendifferenzierendes Förderangebot für Chemiestudierende im ersten Semester zur Erhöhung des Studienerfolgs zu entwickeln. Da die Überwindung von Vorwissensdefiziten entscheidend für den Verbleib im Studium ist (Heublein et al., 2017), wurden Online-Lernaufgaben entwickelt, die basierend auf der individuellen Performance in einem multiple-try Feedback Algorithmus automatisiert adaptives Feedback bereitstellen. In einem Prä-post-Vergleichsgruppendesign wurde zudem die Rolle des Vorwissens auf die Wirksamkeit der zwei adaptiven Feedback-Algorithmen (elaboriert vs. korrektiv) untersucht, da die aktuelle Befundlage diesbezüglich keine eindeutigen Schlüsse zulässt. Für Studierende, die zuvor keinen Chemie Leistungskurs belegt haben, konnte dabei ein signifikanter positiver Effekt für adaptives elaboriertes Feedback gefunden werden.
更多
查看译文
关键词
Chemistry Education,Cooperative Learning,Collaborative Learning,Student Performance,Active Learning
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要