Fokusthemen
Es stehen folgende Themen für Ihren Innovedum Fokusprojektantrag zur Auswahl:
Digitalisierung von Lerneinheiten

Mit der verstärkten Digitalisierung von Lerneinheiten wird der Blended-Learning-Ansatz weitergeführt, bei dem traditionelle Präsenzlehre mit modernen Online-Lernmethoden kombiniert wird. Durch diverse Ansätze von Digitalisierung können Lerninhalte flexibel und ortsunabhängig zugänglich gemacht werden, was den Studierenden eine individuellere und anpassungsfähigere Lernerfahrung ermöglicht. Diese Methode fördert nicht nur die Selbstständigkeit und Eigenverantwortung der Studierenden, sondern unterstützt auch die Dozierenden dabei, ihre Unterrichtsmaterialien effizienter und interaktiver zu gestalten. Dabei können insbesondere Lerneinheiten mit grossen Studierendenzahlen von der Digitalisierung profitieren, um alle Studierenden gleichermassen zu erreichen und zu unterstützen.
In der Digitalisierung von Lerneinheiten liegt zudem die Möglichkeit, Lernressourcen in Echtzeit zu aktualisieren und zu erweitern. Dies gewährleistet, dass die Studierenden stets Zugang zu den neuesten Informationen und Entwicklungen in ihrem Fachgebiet haben. Auch können durch die Integration von Multimedia-Elementen und interaktiven Tools komplexe Themen anschaulicher und verständlicher vermittelt werden. Bildungsmedien können in Zusammenarbeit zwischen den Dozierenden, Studierenden und dem Media & Methods Lab (UTL) oder Multimedia Production (ID) entwickelt werden. Ein wichtiges Ziel dieser Kollaborationen ist es, nachhaltige Bedingungen zu schaffen, so dass die Medien in Zukunft unabhängig (weiter)entwickelt werden können.
Weiterführende Informationen finden Sie auf der Webseite Digitalisierung von Lerneinheiten.
Projektinspirationen:
- Digitale Lernplattformen wie Moodle unterstützen persönliche Lernprozesse durch eine Kombination von Selbstlern- sowie Präsenzaktivitäten. Dies wird gefördert durch eine Vielfalt von digitalen Elementen wie interaktive Lernmaterialien, online Übungen, Diskussionsforen und diverse Planungsfunktionen.
- Studierende wenden theoretisches Wissen direkt in Simulationen an, wie sie z.B. mit JupyterHub erstellt werden können, und sammeln so praktische Erfahrungen.
- Studierende tauchen in immersive, interaktive Umgebungen ein, die das Verständnis komplexer Konzepte erleichtern (z.B. durch den Einsatz von Virtual oder Extended Reality).
- Simulierte Experimente ermöglichen den Zugang zu teuren oder gefährlichen Materialien und erleichtern ein sicheres und flexibles Arbeiten.
- Studierende profitieren von automatisiertem Feedback und adaptiven Fragen in Selbsttests, die ihr individualisiertes Lernen unterstützen. Sie bearbeiten anspruchsvolle Fragestellungen aus Mathematik und Informatik im Selbststudium, z.B. durch die Integration von z.B. CodeExpert oder STACK in einen Moodle-Kurs. Dies entlastet die Übungsstunden.
- Authentische digitale Prüfungssettings sowie Selbsttests ermöglichen es Studierenden, ihre Kenntnisse und Fähigkeiten in realitätsnahen Situationen zu demonstrieren und zu vertiefen.
KI für Lehre und Lernen

Die Integration von KI in die Bildung bringt eine Reihe von Chancen und Herausforderungen für Studierende und Dozenten mit. Durch den effektiven Einsatz von KI-gestützten Tools und Technologien können Lehrkräfte individuellere und anregendere Lernerfahrungen für Studierende schaffen und sie gleichzeitig auf die KI-gesteuerte Welt vorbereiten, die sie erwartet. In erster Linie sind Projektanträge gefragt, die sich mit der Integration und Anwendung von vorhandenen KI-Tools in der Lehre beschäftigen.
Lehren mit KI
Durch den Einsatz vorhandener KI-gestützter Tools können Dozierende individuelle Lernerfahrungen für Studierende schaffen, die Kursgestaltung und die Erstellung von Inhalten optimieren und den Studierenden personalisiertes Feedback und Unterstützung bieten. Dies kann das Engagement und die akademischen Leistungen der Studierenden verbessern und zu einer effizienteren Nutzung der Studienzeit führen.
Lernen mit KI
KI-basierte und insbesondere generative KI-Tools können Studierenden die Möglichkeit bieten, Herausforderungen in einem projektbasierten, interdisziplinären Umfeld zu lösen. Dadurch können sie KI-spezifische Kompetenzen und übertragbare Fähigkeiten in der Anwendung von KI in Bezug auf Ethik, Daten(schutz)recht und soziale Auswirkungen erwerben.
Über KI lernen
KI ist ein sich schnell entwickelnder Bereich, und es ist wichtig, dass die Studierenden die notwendigen Fähigkeiten zum kritischen Denken und zur Problemlösung entwickeln, um in einer KI-gesteuerten Welt erfolgreich zu sein. Mit Hilfe von KI-basierten Werkzeugen können die Studierenden auf praktische Weise über KI lernen, indem sie reale Probleme lösen und KI-Konzepte auf reale Daten anwenden.
Weitere Informationen finden Sie in den FAQ auf unserer Webseite zum Thema KI in der Lehre.
Kompetenzbasierte Lehre

Kompetenzbasierte Lehre fokussiert sich darauf, dass Studierende nicht nur Wissen erwerben, sondern dieses auch in realen Situationen anwenden können. Der Unterricht zielt darauf ab, selbstständiges Lernen und Problemlösungsfähigkeiten zu fördern, indem er praxisnahe Aufgaben und aktive Lernmethoden einsetzt. Ein lernzielorientierter Unterricht unterstützt diesen Ansatz, indem er die zu erwerbenden Fähigkeiten und Kenntnisse klar definiert, die Planung erleichtert und den Lernerfolg messbar macht.
Ergänzend zum Fokus auf den Kompetenzerwerb in spezifischen Fachbereichen fördert dieser Ansatz basale Grundkompetenzen und überfachliche Kompetenzen. Dazu gehören Computational Competencies sowie soziale, methodische und persönliche Fähigkeiten. Dies bedeutet, dass Studierende nicht nur fachliches Wissen erwerben, sondern auch grundlegende Fähigkeiten in Bereichen wie Algorithmik, Datenanalyse und Künstlicher Intelligenz entwickeln. Darüber hinaus werden Kompetenzen in Teamarbeit, kritischem Denken und Problemlösung gefördert, die für ihre persönliche und berufliche Entwicklung essenziell sind.
Über das Fokusthema «Kompetenzbasierte Lehre» werden innovative didaktische sowie technologiegestützte Projekte unterstützt, welche den Kompetenzerwerb in den Vordergrund stellen und die Fähigkeiten und Kenntnisse in den unterschiedlichen Bereichen miteinander in Verbindung bringen.
Weiterführende Informationen:
- ETH Kompetenzraster
- ETH Computational Competencies: JupyterHub
- Download Kompetenzorientierte Lernziele formulieren (PDF, 37 KB)
Beispiele von Projekten:
- Ein projekt- und teambasiertes Lernumfeld, das speziell die Anpassungsfähigkeit thematisiert und den Umgang der Studierenden mit Veränderungen reflektiert.
- Integration von Programmieraufgaben im Fachunterricht zur Verknüpfung von Computational Competencies mit dem Anwendungsfach, z.B. mit Hilfe von JupyterNotebooks/JupyterHub, CodeExpert, etc.
- Entwicklung von Peer Feedback Lerngelegenheiten für Studierende und dazugehörigem Peer Grading.
- Einsatz von Leistungskontrollen, die erheben, ob eine Person sich kritisch und kreativ mit einer Problemstellung beschäftigt hat.
- Anwendung von Methoden und Techniken zur Verarbeitung und Analyse von fachspezifischen Daten (Beobachtungen, Labormesswerte, Beispieldatensätze, ...) , z.B. mit JupyterNotebooks, etc.
- ...
Weitere Anregungen:
- Umsetzungsbeispiele aus der ETH-Lehre: Competence View
