Konzept für die Erstellung von Aufgaben und Tests in optes

Teil II: Digitale Unterstützung im Selbststudium

9.5 Konzept für die Erstellung von Aufgaben und Tests in optes

Der Diagnostische Einstiegstest dient zur Information, Kalibrierung und Vor-Strukturierung des Lernprozesses. Er umfasst das gesamte Themenspektrum des

Vorkurses und wird nur einmal durchgeführt. Jedes Themengebiet wird durch min-destens drei Aufgaben repräsentiert, damit Flüchtigkeitsfehler bei der Erstellung der Lernempfehlung nicht zu stark gewichtet werden. Die durchschnittliche Bear-beitungszeit pro Aufgabe sollte zwei Minuten nicht übersteigen. Die Aufgaben weisen wenig Komplexität auf, adressieren nur ein Thema und sind technisch ein-fach zu bedienen. Im Diagnostischen Einstiegstest (und damit auch im Abschluss-test) kommen ausschließlich niederschwellige Online-Fragetypen zum Einsatz, wie Single Choice oder numerische Eingabe.

Das Feedback fokussiert auf das Aussprechen von Lernempfehlungen. Auf die Ausgabe von Verifikationsfeedback und Musterlösungen wird verzichtet. Stattdes-sen erhalten die Teilnehmer*innen Links zu Lerninhalten und Hinweise zur Prio-risierung.

Hinweis: Trotz des Versuchs, das Feedback übersichtlich und einfach zu gestalten, kann es bei Lernenden mit sehr vielen Lernempfehlungen zu einem Gefühl der Überforderung kommen. Gerade Studienanfänger*innen mit geringer Fähigkeit zu selbstreguliertem Lernen könnten zusätzliche Unterstützung bei der Planung des Lernprozesses benötigen, die von einem E-Learning-System nicht geleistet werden kann (z. B. Azevedo 2005; Artino und Stephens 2009). Das heißt, an dieser Stelle sollte es möglich sein, Kontakt zu einer Lehrperson oder E-Mentor*innen aufzu-nehmen und Beratung bezüglich des weiteren Vorgehens einzuholen (siehe auch Kapitel 18).

B. Einstiegstest pro Kurs

Analog zum Diagnostischen Einstiegstest über alle Themen ist jedem einzelnen Kurs ein kurzer Selbsttest vorgeschaltet, der den Lernenden dabei hilft, die passen-den Lernmodule in diesem Kurs auszuwählen. So deckt der Kurs Arithmetik bei-spielsweise die Lernziele Rechnen mit ganzen Zahlen, Bruchrechnen und Term-umformungen ab. Je nach Ergebnis des Einstiegstests für diesen Kurs werden den Lernenden Lernmodule für ein, zwei oder alle drei Themen vorgeschlagen. Analog zum Diagnostischen Einstiegstest finden sich im Einstiegstest pro Kurs nur nieder-schwellige Fragetypen wie SC oder numerische Eingabe. Im Unterschied zu Ein-stiegstestfragen wird zu jeder Aufgabe eine Musterlösung gegeben, die in der Aus-wertung des Tests eingesehen werden kann.

Tabelle 2: Formatives E-Assessment im Verlauf des optes-Vorkurses Zeitpunkt Test Ziel der Interaktion Beginn /

Wissen über Lerninhalte / Kurscurriculum vermitteln, Abgleich Vorwissen mit Kurscurriculum, Lernemp-fehlungen (Vorauswahl) B Einstiegstest pro

Kurs

C Training Überprüfen des

Lerner-folgs pro Lernziel Abschluss des

Lernprozesses

D Abschlusstest pro Kurs

Evaluation Überprüfen des Lerner-folgs in einem Kurs / The-mengebiet

E Abschlusstest über Kurscurriculum

Überprüfen des Lerner-folgs insgesamt, Vergleich vorher / nachher

C. Training (und Übungsaufgaben im Lernmodul)

Wurde ein Lernmodul zur Bearbeitung empfohlen, gibt es während des Lernpro-zesses immer wieder die Möglichkeit, Übungsaufgaben zu bearbeiten und so das neu erlernte Wissen zu festigen. Viele Übungsaufgaben sind direkt im Lernmodul zu finden. Unabhängig davon kann zu jedem Lernziel ein Training absolviert wer-den. Aufgaben im Lernmodul oder im Training enthalten detaillierte Lösungswege für jede Aufgabe. Im Komplexitätsgrad adressieren Aufgaben im Training unter-schiedliche Niveaus, auch CAS-Items können hier zum Einsatz kommen. Nach vollständiger Bearbeitung eines Trainings erhalten die Lernenden entweder wei-tere Lernempfehlungen oder werden auf den Abschlusstest des Kurses verwiesen.

Einreichaufgabe (optional)

Da geschlossene oder halb offene Online-Aufgabenformate nur bedingt geeignet sind, komplexere Aufgabenstellungen und Rechenwege zu dokumentieren und zu bewerten, bietet sich die zusätzliche Arbeit mit Aufgaben an, die zwar online ge-stellt werden, aber von den Lernenden auf Papier oder mit Hilfe eines Text-Editors bearbeitet und dann hochgeladen werden. Über das ILIAS-Feature „Übung“ wer-den die Lernenwer-den aufgefordert, zu einem bestimmten Termin ihren ausgearbeite-ten Lösungsweg abzugeben.

Hinweis: Im Teilprojekt „Formatives E-Assessment und Propädeutika“ ist eine umfangreiche Sammlung an Einreichaufgaben erstellt und im Rahmen des „Be-treuten E-Learnings“ erprobt worden.

D. Abschlusstest

Für jedes Lernziel eines Lernzielorientierten Kurses existiert ein Abschlusstest, der die Erreichung des Lernziels und damit das Bestehen des Kurses attestiert. Dieser Test kann mehrmals durchgeführt werden. Das Feedback auf den Test umfasst eine Übersicht über die Zahl der korrekt / nicht korrekt beantworteten Aufgaben. Zu jeder Aufgabe wird eine Musterlösung gegeben, die in der Auswertung des Tests eingesehen werden kann.

E. Abschlusstest über alle Themengebiete

Analog zum Diagnostischen Einstiegstest umfasst der Abschlusstest des Vorkurses das gesamte Themenspektrum. Der Test vergleicht die Kenntnisse zu Beginn des Vorkurses mit denen am Ende, misst also den Lernerfolg. Dementsprechend sind die Aufgaben vergleichbar mit den Aufgaben im Einstiegstest (aber nicht gleich).

Auch beim Abschlusstest ist das Feedback auf das Aussprechen von Lernemp-fehlungen beschränkt und enthält kein Verifikationsfeedback und keine Musterlö-sungen. Wie der Diagnostische Einstiegstest wird auch dieser Test nur einmal durchgeführt.

Literatur

Artino, A. R. & Stephens, J. M. (2009). Academic motivation and self-regulation: A com-parative analysis of undergraduate and graduate students learning online. Internet and Higher Education, 12, 146–151.

Azevedo, R. (2005). Using Hypermedia as a Metacognitive Tool for Enhancing Student Learning? The Role of Self-Regulated Learning. Educational Psychologist, 40(4), 199–

209.

Black, P., Harrison, C., Lee, C., Marshall, B. & Wiliam, D. (2003). Assessment for Learn-ing. Putting it into practice. Open University Press.

Brennan, R. L. (Hrsg.) (2006). Educational Measurement. Westport: Praeger.

Dubs, R. (2008). Qualitätsvolle Aufgaben als Voraussetzung für sinnvolles Benchmarking.

In J. Thonhauser (Hrsg.), Aufgaben als Katalysatoren von Lernprozessen. Eine zentrale Komponente organisierten Lehrens und Lernens aus der Sicht von Lernforschung, all-gemeiner Didaktik und Fachdidaktik (S. 259–279). Münster/München/Berlin: Wax-mann.

Dweck, C. S. (1986). Motivational Processes Affecting Learning. American Psychologist, 41(10), 1040–1048.

Ebel, R. L. & Frisbie, D. A. (1991). Essentials of educational measurement (5. Aufl.). Eng-lewood Cliffs, NJ: Prentice Hall.

Gibbs, G. & Simpson, C. (2004). Conditions under which assessment supports student learning. Learning and Teaching in Higher Education, 1(1), 3–31.

Gronlund, N. E. (1998). Assessment of Students Achievement. Boston, MA: Allyn&Bacon.

Hancock, G. R. (1994). Cognitive complexity and the comparability of multiple-choice and constructed-response test formats. Journal of Experimental Education, 62(2), 143–157.

Heritage, M. (2007). Formative Assessment: What do teachers need to know and do? Phi Delta Kappan, 89(2), 140–145.

Hunt, D. P. & Hassmén, P. (1994). Human self-assessment in multiple choice. Journal of Educational Measurement, 31(2), 149–160.

Jacobs, B. (2008). Was wissen wir über die Lernwirksamkeit von Aufgabenstellungen und Feedback. In J. Thonhauser (Hrsg.), Aufgaben als Katalysatoren von Lernprozessen.

Eine zentrale Komponente organisierten Lehrens und Lernens aus der Sicht von Lern-forschung, allgemeiner Didaktik und Fachdidaktik (S. 99–114). Münster/München/

Berlin: Waxmann.

Kennedy, P. & Walstad, W. B. (1997). Combining Multiple-Choice and Constructed-Re-sponse Test Scores: An Economist's View. Applied measurement in education, 10(4), 359–375.

Klieme, E., Bürgermeister, A., Harks, B., Blum, W., Leiß, D. & Rakoczy, K. (2010). Leis-tungsbeurteilung und Kompetenzmodellierung im Mathematikunterricht. Projekt Co2CA. In E. Klieme, D. Leutner & M. Kenk (Hrsg.), Kompetenzmodellierung (S. 64–

74). Zeitschrift für Pädagogik, 56. Beiheft. Weinheim: Beltz.

Kluger, A. N. & DeNisi, A. (1996). Effects of feedback intervention on performance: A historical review, a meta-analysis, and a preliminary feedback intervention theory. Psy-chological Bulletin, 119(2), 254–284.

Lissitz, R. W. & Hou, X. (2008). Multiple Choice Items and Constructed Response Items:

Does It Matter? (Maryland Assessment Research Center for Education Success, Hrsg.).

University of Maryland.

Lissitz, R. W., Hou, X. & Slater, S. (2012). The contribution of constructed response items to large scale assessment: measuring and understanding their impact. Journal of Applied Testing Technology, 13(3), 1–50.

Martinez, M. E. (1999). Cognition and the Question of Test Item Format. Educational Psy-chologist, 34(4), 207–218.

Mayer, H. O., Hertnagel, J. & Weber, H. (Hrsg.). (2009). Lernzielüberprüfung im eLearn-ing. München: Oldenbourg.

Nicol, D. J. & Macfarlane-Dick, D. (2006). Formative assessment and self-regulated learn-ing: A model and seven principles of good feedback practice. Studies in Higher Educa-tion, 31(2), 199–218.

Renkl, A. (1991). Die Bedeutung der Aufgaben- und Rückmeldungsgestaltung für die Leis-tungsentwicklung im Fach Mathematik. Dissertation: Universität Heidelberg, Heidel-berg.

Rheinberg, F. (2002). Bezugsnormen und schulische Leistungsbeurteilung. In F. E. Weinert (Hrsg.), Leistungsmessungen in Schulen (2. unv. Aufl., S. 59–72). Wein-heim: Beltz.

Sangwin, C. (2013). Computer Aided Assessment of Mathematics Using Stack. Oxford: Ox-ford University Press.

Sangwin, C. & Jones, I. (2017). Asymmetry in student achievement on multiple-choice and constructed-response items in reversible mathematics processes. Educational Studies in Mathematics, 94(2), 205–222.

Shavelson, R. J., Young, D.B., Ayala, C., Brandon, P.R., Furtak, E.M., Ruiz-Primo, M.A., Tomita, M.K. & Yin, Y. (2008). On the impact of curriculum-embedded formative as-sessment on learning: A collaboration between curriculum and asas-sessment developers.

Applied measurement in education, (21), 295–314.

Snow, R. E. (1993). Construct Validity and Constructed-Response Tests. In R. E. Bennett

& W. C. Ward (Hrsg.), Construction versus choice in cognitive measurement: Issues in constructed response, performance testing, and portfolio assessment (S. 45–60). Hills-dale, NJ: Lawrence Erlbaum.

Traub, R. E. (1993). On the equivalence of the traits assessed by multiple-choice and con-structed-response tests. In R. E. Bennett & W. C. Ward (Hrsg.), Construction versus choice in cognitive measurement: Issues in constructed response, performance testing, and portfolio assessment (S. 75–106). Hillsdale, NJ: Lawrence Erlbaum.

Winne, P. H. (2004). Students’ calibration of knowledge and learning processes: Implica-tions for designing powerful software learning environments. International Journal of Educational Research, 41(6), 466–488.

Open Access Dieses Kapitelwirdunter der Creative Commons Namensnennung

4.0 International Lizenz ( )

veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofernSie den/die ursprünglichenAutor(en) und die Quelleordnungsgemäßnennen, einen Link zur Creative Commons Lizenzbeifügen und angeben, obÄnderungenvorgenommen-wurden.

Die in diesemKapitelenthaltenenBilder und sonstigesDrittmaterialunter-liegenebenfalls der genannten Creative Commons Lizenz, sofernsichaus der Abbildungslegendenichtsanderesergibt. Sofern das betreffende Material nicht-unter der genannten Creative Commons Lizenzsteht und die betreffendeHand-lungnichtnachgesetzlichenVorschriftenerlaubtist, istfür die obenaufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligenRechteinha-berseinzuholen.

http://creativecommons.org/licenses/by/4.0/deed.de

Miriam Weigel

Das Plug-in STACK (System for Teaching and Assessment using a Computer al-gebra Kernel) wurde ursprünglich 2004 von Chris Sangwin (University of Edin-burgh) für das Lernmanagementsystem (LMS) Moodle erstellt. Im Jahr 2013 wurde STACK dann im Auftrag von optes von Fred Neumann und Jesus Copado (FAU Erlangen) für das LMS ILIAS implementiert.

Für die Testteilnehmer*innen sind STACK-Fragen im Allgemeinen kaum von Lückentextfragen zu unterscheiden. Lediglich ein kleines Häkchen an der Einga-belücke, das zur Antwortüberprüfung dient, gibt einen Hinweis darauf, dass es sich um einen anderen Fragetyp handelt (siehe Abbildung 1). In das Eingabefeld einer STACK-Frage können im Unterschied zu numerischen Lückentextfragen nicht nur Zahlenwerte, sondern mittels ASCIIMATH-Syntax auch mathematische Terme und Formeln eingegeben werden (siehe Abbildung 1). Da die Eingabe solcher Terme sehr fehleranfällig ist, können die Teilnehmer*innen mit Hilfe des Häk-chen-Buttons die Syntax ihrer Eingabe überprüfen, ohne dass die Antwort bewertet wird. Erst wenn der Button „Rückmeldung anfordern“ ausgewählt wird, wird die Eingabe mit Hilfe des Computeralgebrasystems (CAS) Maxima auf ihre mathema-tischen Eigenschaften geprüft und abschließend bewertet. Durch diese Form der Antwortüberprüfung werden Fehleranalysen, Schritt-für-Schritt-Anleitungen und offene Fragestellungen mit beliebig vielen Lösungen ermöglicht (Weigel et al.

2018). Diese offenen Frageformate waren bisher in Online-Aufgaben nur sehr schwer oder gar nicht abbildbar.

Abbildung 1: STACK-Aufgabe mit Syntaxüberprüfung

R. Küstermann et al. (Hrsg.), Selbststudium im digitalen Wandel, https://doi.org/10.1007/978-3-658-31279-4_11

Für Aufgabenersteller*innen bietet der Fragetyp STACK durch die Anbindung an das CAS Maxima eine Vielzahl an Möglichkeiten.

Neben dem Einsatz von Zufallszahlen in der Aufgabenstellung wird auch die Manipulation der Rückmeldung und somit ein adaptives und aufschlussreiches Feedback ermöglicht (siehe Abbildung 2). Die Rückmeldung (korrekt / teilweise korrekt / nicht korrekt / Lösungsweg etc.) basiert auf der Eingabe des Teilnehmen-den und der zufällig erzeugten Variablen. Die Zufallszahlen können auf einen be-stimmten Wertebereich eingeschränkt werden, sodass ausschließlich realistische bzw. sinnvolle Zahlenwerte generiert werden. Somit müssen nicht mehrere Aufga-ben erstellt werden, um einen bestimmten AufgaAufga-bentyp ausreichend darzustellen, sondern es können mit einer STACK-Frage und geschickt gewählten Zufallsvari-ablen Dutzende Versionen erschaffen werden. Die Testteilnehmenden erhalten so bei jedem Aufruf des Tests eine andere Aufgabenvariante, wodurch der Übungs-effekt verstärkt und das Wiederholen des Tests gefördert wird.

Zudem können statische (mit Hilfe von Maxima oder HTML) und dynamische (mit Hilfe von JSX-Graph) Grafiken in den Fragetext oder die Rückmeldung ein-gebaut werden. Diese Grafiken können sich auf die Zufallswerte beziehen und so-mit automatisch an diese und die studentische Antwort angepasst werden (siehe Abbildung 2). Dies ermöglicht beispielsweise eine Gegenüberstellung der studen-tischen Antwort mit der Musterlösung in grafischer Form (Weigel et al. 2019).

Da die Werte einer Aufgabe immer wieder neu berechnet werden, sind STACK-Aufgaben ideal für den Einsatz im Übungsbereich (Sangwin 2013). Viele Studienanfänger*innen kennen die ASCIIMATH-Syntax von ihren grafikfähigen Taschenrechnern. Um jedoch Eingabefehler zu vermeiden, besitzt jede STACK-Frage in den optes-Kursen den Reiter „Wichtige Hinweise zur Eingabe-Syntax“

mit Erklärungen zur korrekten Eingabe der ASCIIMATH-Syntax (siehe Abbil-dung 1). Im optes-Teilprojekt „Formatives E-Assessment und Propädeutika“ wird bei der Entwicklung von Aufgaben für das Selbststudium je nach Lernziel und Anspruchsniveau über den Aufgabentyp entschieden. Zur Auflockerung des Lern-prozesses werden verschiedene Aufgabentypen gemischt. In den Trainings zu den Lernmodulen werden beispielsweise Single-Choice-, Lückentext-, Zuordnungs- und STACK-Fragen verwendet.

Seit 2014 werden an der DHBW Mannheim betreute E-Learning-Kurse ange-boten. Im Sommer 2018 wurde der Einsatz des Fragetyps STACK mit einer klei-nen Gruppe von Studienanfänger*inklei-nen (n = 19) pilotiert, die an fünf Präsenzter-minen an der DHBW Mannheim teilnahmen. Aufgrund der positiven Evalua-tionsergebnisse wurden anschließend 2019 im Mathematikvorkurs der Fakultät Technik der DHBW Mannheim in allen Trainings zu den Lernmodulen des optes-Kerncurriculums STACK-Fragen aufgenommen (siehe Abbildung 3). Für das Sommersemester 2020 ist der Einsatz von STACK-Fragen auch in Lehrveranstal-tungen geplant.

Abbildung 2: Rückmeldung zu der Eingabe aus Abbildung 1

Digitalisiertes Feedback ist zeit- und ortsunabhängig und daher von großem Nutzen für Lernende und Lehrende. Bei der Entscheidung, welcher Aufgabentyp zum Einsatz kommt, sind neben dem Lernziel sowie dem Komplexitäts- und Schwierigkeitsgrad der Aufgabenstellung auch die meta-kognitiven Anforderun-gen zu berücksichtiAnforderun-gen, die durch das technische Handling entstehen können. Die eher unflexiblen Multiple-Choice-Aufgaben sind aufgrund ihrer Niederschwellig-keit bei der Eingabe für unerfahrene E-Learning-Teilnehmer*innen von Vorteil.

Jedoch birgt das Aufgabenformat ein hohes „Raterisiko“ (Sangwin 2013). Abhilfe schaffen Aufgabenformate, bei denen ein mathematischer Ausdruck eingegeben werden muss (z. B. Lückentext- oder STACK-Aufgaben). Aufgaben, die die Ab-gabe ganzer Rechenschritte oder mathematischer Lösungsansätze verlangen, er-fordern die individuelle Korrektur und Rückmeldung einer Lehrperson, und sind daher nur im Rahmen betreuter Online-Vorkurse anwendbar.

Besonders wichtig für die Feedbackgestaltung von Online-Fragen ist es, die Ziele im Lernprozess zu definieren. Steht die Selbstkontrolle im Mittelpunkt, so reichen Frageformate mit einfachem und flachem Feedback aus. Wird ein qualita-tives Feedback mit Fehleranalyse benötigt, dann bietet der Fragetyp STACK her-vorragende Möglichkeiten für die Gestaltung von automatisiertem und adaptivem Feedback.

Abbildung 3: STACK-Aufgabe im Training Termumformungen (Kurs Arithmetik)

Literatur

Sangwin, C. (2013). Computer Aided Assessment of Mathematics Using Stack. Oxford: Ox-ford University Press.

Weigel, M., Hübl, R., Podgayetskaya, T. & Derr, K. (2018). Potential von STACK-Aufga-ben im formativen eAssessment: Automatisiertes Feedback und Fehleranalyse. In Fach-gruppe Didaktik der Mathematik der Universität Paderborn (Hrsg.), Beiträge zum Ma-thematikunterricht (S. 1419–1422). Münster: WTM.

Weigel, M., Derr, K., Hübl, R. & Podgayetskaya, T. (2019). STACK-Aufgaben im forma-tiven eAssessment: Einsatzmöglichkeiten des Feedbacks. In Contributions to the 1st In-ternational STACK conference 2018. Friedrich-Alexander-Universität, Nürnberg, Ger-many.

Open Access Dieses Kapitelwirdunter der Creative Commons Namensnennung

4.0 International Lizenz ( )

http://creativecommons.org/licenses/by/4.0/deed.de

Konzeption und Durchführung von E-Klausuren

Anja Richter, Manfred Daniel

11.1 Die Entwicklung von E-Klausuren im Projekt optes

Seit Beginn des optes-Projekts im Jahr 2012 werden an der Dualen Hochschule Baden-Württemberg (DHBW) Karlsruhe die technischen und organisatorischen Voraussetzungen für die Durchführung elektronischer Klausuren erforscht und in Lehrveranstaltungen umgesetzt.

In der ersten Förderphase stand vor allem die Erprobung und Anwendung der technischen Voraussetzungen und organisatorischer Abläufe rechtssicherer E-Klausuren im Vordergrund. So wurden beispielsweise verschiedene elektroni-sche Signaturverfahren getestet und Softwareentwicklungen im Bereich Test und Assessment der Lernplattform ILIAS unterstützt. Für die Durchführung der E-Klausuren wurde ein E-Klausur-Prozess definiert und im Studiengang Wirtschafts-informatik der DHBW Karlsruhe in der Lehrveranstaltung Mathematik pilotiert.

In der zweiten Förderphase im Jahr 2014 wurde eine E-Assessment Service Unit (EASU) konzipiert und zum Einsatz gebracht, die Lehrende an der DHBW Karlsruhe bei der Erstellung und Durchführung von E-Klausuren unterstützt und damit die Anwendung des E-Klausur-Prozesses auf weitere Fachbereiche aus-weitete.

Kennzeichnend für die Herausforderungen bei der Einführung von E-Klau-suren sind dabei die typischen Rahmenbedingen an kleineren Hochschul-einrichtungen. An der DHBW Karlsruhe studieren im Frühjahr 2020 3243 Stu-dierende in kleinen Gruppen von 25 bis 35 StuStu-dierenden pro Kurs. Ein Studien-gang setzt sich in der Regel aus mehreren Kursen, teilweise mit unterschiedlichen Studienschwerpunkten, zusammen.

Die E-Klausuren können derzeit in drei PC-Räumen durchgeführt werden, die mit geeigneten gleichwertigen Arbeitsplätzen für insgesamt 30 bis 40 Studierende pro Raum ausgestattet sind. Da in Klausuren nach Möglichkeit ein freier Platz zwischen zwei Studierenden eingerichtet werden sollte, liegt die maximale Anzahl von Studierenden, die gleichzeitig an einer E-Klausur teilnehmen können, ungefähr bei 70. Bei Studierendenzahlen von circa 140, wie beispielsweise E-Klausuren mit fünf Kursen der Wirtschaftsinformatik, hat sich eine zweizügige Durchführung der E-Klausur bewährt. Dabei wird ein erster Klausurdurchlauf mit

R. Küstermann et al. (Hrsg.), Selbststudium im digitalen Wandel, https://doi.org/10.1007/978-3-658-31279-4_12

70 Studierenden und unmittelbar im Anschluss ein zweiter Durchlauf mit einer etwas modifizierten Klausur angeboten. An der DHBW Karlsruhe lehren rund 700 Lehrbeauftragte und rund 70 hauptamtliche Professor*innen, die je nach Studien-fach und zeitlicher Verfügbarkeit unterschiedliche Erwartungen und Vorausset-zungen bei der Beratung, Konzeption und Durchführung von E-Klausuren mitbrin-gen.

11.2 Ziele und Aufgaben der E-Assessment Service Unit (EASU)

Im Dokument Selbststudium im digitalen Wandel (Seite 154-166)