Detailanzeige
Aufsatz (Zeitschrift) zugänglich unter
URN: urn:nbn:de:0111-pedocs-342174
DOI: 10.25656/01:34217; 10.3224/zehf.v7i1.03
URN: urn:nbn:de:0111-pedocs-342174
DOI: 10.25656/01:34217; 10.3224/zehf.v7i1.03
| Originaltitel |
Lernaufgaben mit automatisiertem Feedback in einem digitalen Hochschultutorium zur Vorlesung der Allgemeinen Chemie als Angebot zur Binnendifferenzierung |
|---|---|
| Paralleltitel | Learning tasks with automatic adaptive feedback in a digital university tutorial for a lecture in general chemistry as a tool for internal differentiation |
| Autoren |
Trauten, Florian   ;
Eitemüller, Carolin ;
Walpuski, Maik |
| Originalveröffentlichung | Zeitschrift für empirische Hochschulforschung : ZeHf 7 (2023) 1, S. 13-33  |
| Dokument | Volltext (1.857 KB) |
| Lizenz des Dokumentes |
|
| Schlagwörter (Deutsch) | Feedback; Lehre; Multimediales Lernen; Chemie; Digitalisierung; Studium; Hochschuldidaktik; Studienanfang; Studienerfolg; Studienvorbereitung; E-Learning; Kriterium; Deutschland |
| Teildisziplin | Empirische Bildungsforschung Hochschulforschung und Hochschuldidaktik |
| Dokumentart | Aufsatz (Zeitschrift) |
| ISSN | 2367-3044; 2367-3052; 23673044; 23673052 |
| Sprache | Deutsch |
| Erscheinungsjahr | 2023 |
| Begutachtungsstatus | Peer-Review |
| Abstract (Deutsch): | 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. (DIPF/Orig.) |
| Abstract (Englisch): | High dropout rates in natural science and specifically in chemistry studies led us to provide online learning tasks for internal differentiation to foster freshmens’ study success in chemistry study programs. Deficits in content knowledge have to be compensated during the study entry phase, otherwise the likelihood of student dropout is fuelled (Heublein et al., 2017). Thus, based on a multiple-try feedback algorithm various online learning tasks had been developed to provide adaptive feedback based on the learners’ performance while processing the learning task. As preceding studies were not able to clarify the exact impact of prior content knowledge on the efficacy of guiding informative components on learning process, two types of feedback (elaborative vs. corrective) have been compared within a quantitative study with a pre-post comparison-group design. Here, the adaptive elaborated feedback was found to be significantly better for low-achieving students than corrective feedback alone. (DIPF/Orig.) |
| weitere Beiträge dieser Zeitschrift | Zeitschrift für empirische Hochschulforschung : ZeHf Jahr: 2023 |
| Statistik |  Anzahl der Zugriffe auf dieses Dokument
|
| Prüfsummen | Prüfsummenvergleich als Unversehrtheitsnachweis |
| Eintrag erfolgte am | 31.10.2025 |
| Quellenangabe | Trauten, Florian; Eitemüller, Carolin; Walpuski, Maik: Lernaufgaben mit automatisiertem Feedback in einem digitalen Hochschultutorium zur Vorlesung der Allgemeinen Chemie als Angebot zur Binnendifferenzierung - In: Zeitschrift für empirische Hochschulforschung : ZeHf 7 (2023) 1, S. 13-33 - URN: urn:nbn:de:0111-pedocs-342174 - DOI: 10.25656/01:34217; 10.3224/zehf.v7i1.03 |
Inhalt auf sozialen Plattformen teilen
Teile diese Seite:
