FAMULUS - Förderung von Diagnosekompetenzen durch adaptive Online-Fallsimulationen in Medizin- und Lehramtsstudium
Projekttitel:
FAMULUS - Förderung von Diagnosekompetenzen durch adaptive Online-Fallsimulationen in Medizin- und Lehramtsstudium
Projekttyp und Förderung:
BMBF gefördert
Laufzeit:
03/2017 - 02/2020
Projektleitung:
Projektbeschreibung:
Im Kontext digitaler Hochschullehre untersucht FAMULUS die Effekte von Online-Fallsimulationen auf das Lernen von diagnostischem Schlussfolgern und Argumentieren in der Lehrerbildung. Besonderes Interesse gilt dabei der Nutzung von KI-basierten Textanalysen zur Gestaltung automatisierten, adaptiven Feedbacks. Weitere Untersuchungen in dem Projekt beschäftigen sich mit der Lernwirksamkeit unterschiedlicher Fallformate und dem Einsatz kollaborativen Lernens. Das Projekt steht unter der Leitung von Prof. Dr. Frank Fischer. Projektmitarbeiter sind Dr. Michael Sailer und Elisabeth Bauer. Im Zeitraum von 03/2017 bis 06/2020 wird das Projekt vom BMBF finanziert. Vertiefende Auswertungen werden darüber hinaus vom Elitenetzwerk Bayern (ENB) unterstützt.
Fragestellung:
1. Welche Effekte haben unterschiedliche Online-Fallsimulationsformate (Whole Case vs. Serial Cue) auf epistemisch-diagnostische Prozesse und die Diagnosekompetenzen im Lehramtsstudium in Abhängigkeit vom Vorwissen der Lernenden?
2. Inwieweit können epistemisch-diagnostische Aktivitäten sowie die Diagnosekompetenzen von Studierenden bei der Bearbeitung von Online-Fallsimulationen im Lehramtsstudium mit ausreichender Qualität automatisch analysiert werden?
3. Welche Effekte hat adaptives automatisch generiertes Feedback im Unterschied zu statischem Expertenfeedback bei der Bearbeitung von Online-Fallsimulationen auf epistemisch-diagnostische Aktivitäten sowie die Diagnosekompetenzen von Studierenden im Lehramtsstudium?
4. Unterscheiden sich die Effekte adaptiven automatisch generierten Feedbacks bei der Bearbeitung von Online-Fallsimulationen auf epistemisch-diagnostische Aktivitäten sowie die Diagnosekompetenzen zwischen individuellem und dyadisch-kooperativen Lernen bei Studierenden im Lehramtsstudium?
5. Inwieweit lassen sich Effekte zum automatisierten Feedback und zur Sozialform des Lernens (individuell vs. dyadisch) bei der Bearbeitung von Online-Fallsimulationen auf die Diagnosekompetenzen bei Studierenden im Lehramtsstudium unter Feldbedingungen replizieren?
Kooperationspartner:
- Institut für Didaktik und Ausbildungsforschung in der Medizin am Klinikum der Ludwig-Maximilians-Universität München
- Ubiquitous Knowledge Processing (UKP) / Computer Science Department, TU Darmstadt, Prof. Dr. Iryna Gurevych
Ausgewählte Publikationen:
- Bauer, E., Fischer, F., Kiesewetter, J., Shaffer, D. W., Fischer, M. R., Zottmann, J. M., & Sailer, M. (2020). Diagnostic activities and diagnostic practices in medical education and teacher education: an interdisciplinary comparison. Frontiers in psychology, 11, 2787.
- Bauer, E., Sailer, M., Kiesewetter, Fischer, M. R., & Fischer, F. (2021). Pre-Service Teachers’ Argumentations in the Context of Assessment. ICLS 2021 Proceedings, 669- 672.
- Bauer, E., Sailer, M., Kiesewetter, J., Schulz, C., Pfeiffer, J., Gurevych, I., ... & Fischer, F. (2019). Using ENA to analyze pre-service teachers’ diagnostic argumentations: a conceptual framework and initial applications. In International Conference on Quantitative Ethnography (pp. 14-25). Springer, Cham.
- Bauer, E., Sailer, M., Kiesewetter, J., Shaffer, D. W., Schulz, C., Pfeiffer, J., ... & Fischer, F. (2020). Pre-Service Teachers’ Diagnostic Argumentation: What is the Role of Conceptual Knowledge and Cross-Domain Epistemic Activities?. ICLS 2020 Proceedings, 2399-2400.
- Kiesewetter, J., Sailer, M., Jung, V. M., Schönberger, R., Bauer, E., Zottmann, J. M., ... & Fischer, M. R. (2020). Learning clinical reasoning: how virtual patient case format and prior knowledge interact. BMC medical education, 20(1), 1-10.
- Pfeiffer, J., Meyer, C. M., Schulz, C., Kiesewetter, J., Zottmann, J., Sailer, M., ... & Gurevych, I. (2019). FAMULUS: interactive annotation and feedback generation for teaching diagnostic reasoning. arXiv preprint arXiv:1908.11254.
- Schulz, C., Meyer, C. M., Kiesewetter, J., Sailer, M., Bauer, E., Fischer, M. R., ... & Gurevych, I. (2019). Analysis of automatic annotation suggestions for hard discourse-level tasks in expert domains. arXiv preprint arXiv:1906.02564.
- Schulz, C., Sailer, M., Kiesewetter, J., Meyer, C. M., Gurevych, I., Fischer, F., & Fischer, M. R. (2017). Fallsimulationen und automatisches adaptives Feedback mittels Künstlicher Intelligenz in digitalen Lernumgebungen. e-teaching. org Themenspecial “Was macht Lernen mit digitalen Medien erfolgreich?”, 1-14.