Hochschullehre postdigital : Lehren und Lernen neu gestalten
Bibliographic record
Abstract
Der Sammelband reflektiert die Transformationen aus der digitalen Lehre während der Coronapandemie und analysiert, wie durch die Erfahrungen und Erkenntnisse Lehr-Lern-Prozesse zukünftig neu gestaltet und innovative Lehrangebote entwickelt werden können.Die Beiträge der Autorinnen und Autoren sind in drei Kategorien unterteilt. Die erste Kategorie wird durch einen empirischen Forschungsansatz gekennzeichnet, mit dem Untersuchungsergebnisse zu digitalen Lehrangeboten erstellt wurden. Die Beiträge in Kategorie zwei legen den Fokus auf die Darstellung von Praxiskonzepten und reflektieren datenbasiert verschiedene Lehr-Lernprozesse. Abschließend werden in der dritten Kategorie Berichte aus der hochschuldidaktischen Praxis verschiedener Hochschulen präsentiert. Der Sammelband basiert auf den Ergebnissen der 50. Jahrestagung der Deutschen Gesellschaft für Hochschuldidaktik (dghd), die im September 2022 in Paderborn stattfand.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.004 | 0.016 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.023 | 0.017 |
| Open science | 0.012 | 0.028 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.016 | 0.035 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".