Open Access

Lehrveranstaltungen mit Möglichkeit zur Online-Teilnahme steigern die Flexibilität der Studierenden und können zugleich zukunftsrelevante Kompetenzen fördern. Dies gilt insbesondere für die hybride Gruppenarbeit, ein studierendenzentriertes und aktivierendes Lehrformat, bei dem Studierende in Präsenz und Online-Teilnehmende synchron in kleinen Teams interaktiv zusammenarbeiten. Damit der Lernerfolg von Online-Teilnehmenden dem der Präsenzteilnehmenden gleichwertig werden kann und das hohe Niveau einer rein in Präsenz wie beim SCALE-UP Raum- und Lehrkonzept durchgeführten Lehrveranstaltung erreicht, müssen anspruchsvolle technische und didaktische Voraussetzungen geschaffen werden. Im Rahmen des Projekts HigHRoQ wurde an der TH Rosenheim ein innovativer Lehrraum eingerichtet, der mit seiner hochwertigen technischen Ausstattung speziell auf die Anforderungen hybrider Lehrformate abgestimmt ist. Dieser Beitrag untersucht die aus Sicht der Studierenden und Lehrenden zugeschriebene Bedeutung, Nutzung sowie Funktionalität der im Raum realisierten audiovisuellen und kollaborativen Kommunikationskanäle für eine gelingende, effektive Zusammenarbeit in den hybriden Teams. Zudem werden die mittels studentischer Befragungen und Lehrveranstaltungsbeobachtungen untersuchte Wirkung hinsichtlich des ICAP-Frameworks vorgestellt und Vergleiche zum reinen Präsenzformat gezogen.

Auf der ICMBeyond 2023 wurde die Implementation von JiTT (Just-in-Time Teaching) an der TH Rosenheim in Physik und Mathematik vorgestellt, die in der Präsenzphase Peer Instruction, MINT-Tutorials und Whiteboard-Aufgaben in SCALE-UP-Räumen umfasst [Schäfle & Junker 2023]. Im Projekt FANTASTIC (Feedback based on Analytics of Teaching and Studying meets Individual Coaching) werden die aktivierenden Lehrmethoden ergänzt durch Learning Analytics und Peer-Coaching, um den Studierenden neben kontinuierlichen fachlichen Rückmeldungen auch personalisiertes Feedback und Prognosen zum möglichen Prüfungserfolg zu geben und dadurch das Studierverhalten und den Lernfortschritt zu fördern und Durchfallquoten zu reduzieren. Ein Machine-Learning-Modell prognostiziert den wahrscheinlichen Prüfungserfolg von Studierenden durch Vergleich ihrer Datenspuren mit Vorgängerkohorten. Zusätzlich erhalten sie Feedback-E-Mails über ihren aktuellen Leistungsstand in einem datenbasierten Dashboard sowie Lernempfehlungen. Präzisierte Lernziele, Online-Quiz mit detailliertem fachlichen Feedback und passende Lernaufgaben in der Lehrveranstaltung ermöglichen zielgerichtetes Lernen. Begleitet wird dies durch qualifizierte Peer-Coaches, die sowohl fachlich unterstützen also auch zur Verbesserung übergreifender Herausforderungen wie Zeitmanagement, Motivation und Selbstwirksamkeit beitragen. Durch regelmäßige studentische Befragungen partizipieren die Studierenden an der Verbesserung der Verwebung der 3 Elemente [Junker et al. 2025].