eLearning in Mathematik und Naturwissenschaften Berliner XML Tage 2005 eLearning in Mathematik und Naturwissenschaften Dr. Sabina Jeschke Dr. Thomas Richter

Hintergrund: TU-Berlin: etwa 30.000 Studierende Schwerpunkt: Ingenieurswissenschaften, ebenso Physik, Mathematik, Geisteswissenschaften HM für Ingenieure: ca. 1.500…2.000 Hörer, parallel in fünf Zügen Multimedia Zentrum für eLearning, eTeaching and eResearch „MuLF“ Eingebettet in die Fakultät für Mathematik und Naturwissenschaften

Veränderte Anforderungen an die Mathematische Ausbildung Impulse: Verfügbarkeit von Mathematischer Software Rasanter Wissenszuwachs Steigende Komplexität der Aufgabenbereiche Anforderungen: Verständnisorientierung Selbständigkeit im Lernprozess, Lebenslanges Lernen Interdisziplinarität & Soft Skills, Teamfähigkeit für Mathematiker für Anwender der Mathematik! UND

Generationen der eLTR-Technologie: Erste Generation: Informationsdistribution Dokumentmanagement Passive, statische Objekte „Simple“ Trainingsszenaríen Isolierte Kommunikationsanwendungen Elektronische Präsentationsumgebungen Dynamische Inhaltsverwaltung Modulare, flexible Wissensbausteine Hohe Interaktivität und Adaptivität Komplexe Trainingsszenarien Integrierte Kooperationsumgebungen Unterstützung aktiver, explorativer Lernprozesse Moderne Mensch-Maschine-Interfaces Next Generation: Virtuelle Labore Mumie Cinde- rella Applet Factory WebCT & Co. Aktueller Forschungs- & Entwicklungsgegenstand Einsatz an vielen nationalen und internationalen Universitäten, i.a. nicht durchgängig

Semantic Retrieval Bereich: Klassifikation von eLearning in vier Bereiche Content-Bereich: Übungsbereich: Content Training Kommunikation & Kooperation Semantic Retrieval Bereich: Virtual Lab Bereich: Retrieval VirtLabs

Content Content-Bereich Unterstützung der Präsenzlehre Zusammenstellung von Kurses aus elementaren Wissensatomen Nichtlineare Navigation innerhalb der Kurse Kurserstellung mittels Course-Creator Trennung Rolle Autor - Dozent LaTeX als Autorenwerkzeug, MathML zur Darstellung Visualisierungen von mathematischen Konzepten und Objekten Beinhaltet Multimedia-Elemente, Applet-Factory als Autorenwerkzeug Java-Application-Server, XML-Technologie Konzipiert von: Dr. Sabina Jeschke/ Prof. Ruedi Seiler TU Berlin

Mumie – Navigationsnetzwerk:

Mumie Content – der CourseCreator: Zuweisung von Inhaltsbausteinen an die Knoten Rohe Kursstruktur ohne Inhaltszuweisung

Übungs-Bereich Gliederung von Übungseinheiten entlang von Übungspfaden Training Übungs-Bereich Gliederung von Übungseinheiten entlang von Übungspfaden Interaktive, konstruktive Aufgaben Realisiert durch Java Applets eingebettet in Aufgabennetzwerke Engine: MathML, Java-Applets über Application-Server Konzipiert von: Dr. Sabina Jeschke/ Prof. Ruedi Seiler TU Berlin

Übungsbereich Beispiel: Hausaufgabe zu linearen Abbildungen Aufgaben zu einem Themengebiet Navigation im Kurs

Mumie (Übungsbereich) – Übungsnetzwerk: Status: im Aufbau Hausaufgabe: Löse die Differentialgleichung… Ingenieure: Sei y(t) = exp(wt)… Mathematiker: Sei z(t)=(y(t),y´(t))… Diagonalisiere A über…

Semantic Retrieval-Bereich Ausgangspunkt: Erstellen eines Lexikons aus bestehendem Material Aufbau von Wissensnetzen Darstellung fachspezifischer Zusammenhänge Halb-automatisches Parsen natursprachlicher Texte Quelltexte in LaTeX Entwickelt von: Dr. Nicole Natho & Sebastian Rittau TU Berlin

Tripel aus Objekten und Mumie Semantic Retrieval Bereich Ziel: Aufbau von Wissensnetzen zur Darstellung von Sachzusammenhängen auf Benutzeranfrage LaTeX Konvertierung nach TIE, Ausnutzung von LaTeX Annotationen Entitäten Theoreme, Lemmata Definitionen Aufbrechen in die Binnenstruktur Sätze Linguistische Analyse (Chomskys Transformationsgrammatik) Semantik Tripel aus Objekten und Relationen Knowledge Base Status: im Aufbau Retrieval

VirtLabs Virtuelle Labore Freiraum für selbstständige Experimente: Lernen durch Entdecken Zusammenstellung von Laborelementen zu Experimenten Integration von numerischen Tools und CAS Diverse Oberflächen verschiedener Komplexität für div. Einsatzzwecke Unterstützung kooperativer (u. Remote) Lernszenarien Integration intelligenter Assistenten (prototypisch) Entwickelt von: Dr. Thomas Richter TU Berlin

Begriffsklärung „Virtuelle Labore“ Definitionsversuch: Virtuelle Labore sind Umgebungen, die realen Laboren nachempfunden sind, und in denen – computergestützt – Experimente entworfen, „aufgebaut“ (erstellt) und durchgeführt werden können. Dabei werden Experimente i.a. nicht an realen Aufbauten, sondern an rechnerimplementierten abstrakten Algorithmen realisiert. Diese Algorithmen bilden dabei entweder reale Geräte und Gegenstände oder aber theoretische Konzepte und Objekte ab. Charakteristika/ Kriterien: Virtualität (Math./Fachl.) Komplexität Flexibilität Kompositionsfähigkeit

Einsatz Virtueller Labore In theoretischen Gebieten: In experimentellen Gebieten: Mathematik Theoretische Physik Theoretische Chemie Theoretische Gebiete der Ingenieurwissenschaften Experimentalphysik Experimentelle Chemie Experimentelle Gebiete der Ingenieurwissenschaften Experimenteller Zugang zu abstrakten Objekten Erfahrbarkeit abstrakter Konzepte Trial-and-Error-Zugang zu neuen Erkenntnissen Verfügbarkeit zusätzlicher Experimente ständige Zugangsmöglichkeit Steigerung Versuchskapazität Sicherheitsaspekte Effekt in „Reinform“ beobachtbar

Didaktische Anforderungen an Virtuelle Labore: Vermittlung von Problemlösekompetenz Unterstützung explorativen Lernens Adaption an individuelle Bedürfnisse der Benutzer(gruppen) Unterstützung kooperativer Lernszenarien Interdisziplinäre, fachübergreifende Verschränkungen Unterstützung MULTIPLER Einsatzszenarien: Motivation Demonstration, Vorführmode (Präsenslehre) Umgebung für (vor- und nachbereitende) Übungs- & Trainingsszenarien Teamarbeit & Projektarbeit Demo-Umgebung für (insb. mündliche) Prüfungen Selbstständiges, experimentierendes Entdecken

Konsequenzen für das Softwaredesign: Modularer Aufbau Trennung von Oberfläche und Rechenkern Bereitstellung mehrerer GUIs für versch. Einsatzzwecke Interface-Layer zur Verknüpfung von Experimenten Einsatz offener Standards Offene, dokumentierte Schnittstellen ermöglichen und unterstützen die Zusammenstellung von Laborelementen aus verschiedenen Quellen Netzwerk-basierte Komponenten („Groupware“) um kooperative/remote Lern-Szenarien umzusetzen Plattform-Unabhängigkeit

VideoEasel: Ein virtuelles Labor für Statistische Mechanik (DFG Zentrum MATHEON) Java-Oberfläche für Praktika und Demonstrationsexperimente Erstellung von Experimenten aus Laborkomponenten mittels Oorange Rechenkern hier: Ein programmierbarer zellulärer Automat implementiert die mikroskopische Dynamik und Messgeräte => Reichhaltiger Fundus von Experimenten: Ferromagnetismus und das Ising-Modell Gittergase Entropie und der zweite Hauptsatz der Termodynamik Bildentrauschung (nach Geman & Geman) Partielle Differentialgleichungen Bildverarbeitung durch Konvolutionsfilter

Kooperative Lernszenarien: Studierende Dozent/Kommilitonen Java Oberfläche Oorange & Maple

Architektur „Virtuelle Labore“ Benutzerverwaltung Integration externer Werkzeuge VideoEasel (Simulation & Berechung) Weiteres Labor Interfaces Assistenten Konnek- tor Konnek- tor CAS: Maple, Matlab etc… Status: im Aufbau Oberfläche Oberfläche Oberfläche Browser/ Interface Browser/ Interface Browser/ Interface Kooperation

Praxiserfahrung: Ein Kurs über das Ising-Modell Freie Energie f(h,T) Magnetisierung m(h,T) => m ~ ∂f/∂h

Das MuLF-Zentrum: TU-Medienzentrum für Lehre & Forschung Service & Beratung Multimedia-Schulung Multimedia-Testlabor Koordination Information Interdisziplinäre Multimedia-Forschung Multimedia-Lehre Softwareentwicklung Softwareintegration Inhaltsentwicklung Öffentlichkeitsarbeit Industriekooperation Drittmitteleinwerbung Service & Dienstleistungen Forschung, Entwicklung & Lehre Organisation & Management

(Softwarearchitektur, (Didaktik & Fachdidaktik, eLearning Aktivitäten an der TU-Berlin Von Konzeption ... ... bis Implementation Fachdisziplin (Mathematik, Naturwiss., Ing.) Informatik (Softwarearchitektur, Datenbankmodelle, Serverkonzepte, Portaltechnologien, Formale Sprachen, Algorithmen, ...) WAS WIE Einsatz, Nutzer (Didaktik & Fachdidaktik, Usability-Studies) WOZU

The End!