Viele Lehrveranstaltungen kranken an einer geringen kognitiven Aktivierung der Student*innen. Dem kann mit Übungsaufgaben begegnet werden, die die Student*innen in und/oder zwischen Sitzungen bearbeiten. Allerdings ist es gerade in größeren Veranstaltungen kaum effizient möglich, allen Student*innen adaptives, elaboriertes und prozessbezogenes Feedback auf die Bearbeitung der Aufgaben zu geben. Es wird daher ein generisches Stud.IP-Plugin entwickelt, das strukturierte Formen von Feedback durch Tutor*innen (inkl. der Dozent*innen) und Peers ermöglicht. Ausgehend von Befunden der Feedbackforschung sollen Dozent*innen mithilfe des Plugins bestimmen können, (a) wer wem auf welche Aufgabe Feedback gibt, (b) welche Kriterien dabei berücksichtigt werden sollen und (c) wie das Feedback von den Rezipient*innen weiterverarbeitet werden soll. Dabei werden fachspezifische Kataloge effektiven Feedbacks als Textbausteine entwickelt, die eine effiziente Feedbackpräsentation ermöglichen, die auch einer günstigen Fehlerkultur zuträglich sind. Zunächst sind die Fakultät für Angewandte Informatik, die Mathematisch-Naturwissenschaftlich-Technische und die Wirtschaftswissenschaftliche Fakultät beteiligt, da gerade hier große Vorlesungen angeboten werden, die von einem adaptiven und gleichzeitig effizienten Feedbacksystem profitieren. Der Transfer im dritten Projektjahr erfolgt auf die Philologisch-Historische, die Philosophisch-Sozialwissenschaftliche, die Juristische und die Medizinische Fakultät. Auf diese Weise entsteht im Projekt ein flexibel nutzbares und in Stud.IP integrierbares Feedbacktool samt einer großen Zahl disziplinspezifischer und anpassbarer Use Cases.

Sollten Sie Fragen zum Digicampus-Plugin getFeedback! haben, melden Sie sich gerne über die nachfolgende Mailadresse beim Support.

Stellen Sie hier Ihre Support-Anfrage.

Wir werden Ihre Anfrage schnellstmöglich bearbeiten!

2024

• Özbek, T., Daumiller, M., Roshany-Tabrizi, A., Mömke, T., & Kollar, I. (2024). Friendship or feedback?–Relations between computer science students’ goals, technology acceptance, use of an online peer feedback tool, and learning. Computers in Human Behavior Reports, 16, 100540. https://doi.org/10.1016/j.chbr.2024.100540

• Keller, M. V., Dresel, M., & Daumiller, M. (2024). Do achievement goals and self-efficacy matter for feedback use? Learning and Instruction, 93. https://doi.org/10.1016/j.learninstruc.2024.101948
• Greisel, M., Hornstein, J., Weidenbacher, A., Ott, J., & Kollar, I. (2024). Who wants to hear bad news? How the epistemic perspective determines the perception of peer feedback. In J. Clarke-Midura, I. Kollar, X. Gu, C. D'Angelo (Hrsg.), Proceedings of the 17th International Conference on Computer-Supported Collaborative Learning - CSCL 2024 (S. 221-224). Buffalo, IN: International Society of the Learning Sciences (ISLS). https://doi.org/10.22318/cscl2024.470012
• Hornstein, J., Greisel, M. & Kollar, I. (2024). Supporting Pre-Service Teachers’ Evidence-Informed Reasoning Through Peer-Feedback: Effects of Feedback Provision and Feedback Integration Scaffolds. In J. C. Midura, I. Kollar, X. Gu, & C. D‘Angelo (Hrsg.), Proceedings of the 17th International Conference of Computer-Supported Collaborative Learning – CSCL 2024 (S. 213-216). Buffalo: International Society of the Learning Sciences. https://doi.org/10.22318/cscl2024.961446
• Hornstein, J., Keller, M. V., Greisel, M., Dresel, M., & Kollar, I. (2024). Scaffolding the Peer-Feedback Process: A Meta-Analysis. In Lindgren, R., Asino, T. I., Kyza, E. A., Looi, C. K., Keifert, D. T., & Suárez, E. (Eds.), Proceedings of the 18th International Conference of the Learning Sciences - ICLS 2024 (pp. 2231-2232). International Society of the Learning Sciences. https://doi.org/10.22318/icls2024.833519

2023

• Bauer, E., Greisel, M., Kuznetsov, I., Berndt, M., Kollar, I., Dresel, M., Fischer, M. R., & Fischer, F. (2023). Using natural language processing to support peer-feedback in the age of artificial intelligence: a cross-disciplinary framework and a research agenda. British Journal of Educational Technology, 54(5), 1222-1245. https://doi.org/10.1111/bjet.13336

• Greisel, M., Bauer, E., Kuznetsov, I., Berndt, M., Dresel, M., Fischer, M., Kollar, I. & Fischer, F. (2023). How to use theory to implement natural language processing for peer-feedback. In C. Damsa, M. Borge, E. Koh, & E. Worsley (Hrsg.), Proceedings of the 16th International Conference of Computer-Supported Collaborative Learning – CSCL 2023 (S. 237-240). Montreal: International Society of the Learning Sciences. http://dx.doi.org/10.22318/cscl2023.108887

• Özbek, T., Mömke, T., Roshany, A. & Kollar, I. (2023). Friends or feedback? Computer science students’ goals and their intention to use a feedback tool. In P. Blikstein, J. van Aalst, R. Kizito, & K. Brennan (Hrsg.), Proceedings of the 17th International Conference of the Learning Sciences – ICLS 2023 (S. 2090-2091). Montreal: International Society of the Learning Sciences. https://doi.org/10.22318/icls2023.227736

Ehemalige Projektbeteiligte

• Prof. Dr. Jennifer Kunz
• Pascal Misch

• ​​​​​​ Lehrstuhl für Psychologie
• Lehrstuhl für Psychologie m.b.B.d. Pädagogischen Psychologie
• Prof. Dr. Jennifer Kunz: Controlling
• Professur für Geoinformatik
• Lehrstuhl für Materials Engineering
• DigiLLab - Zentrum für digitales Lehren und Lernen