Dr. Sabina Jeschke Dr. Thomas Richter

Dr. Sabina JeschkeDr. Thomas Richter

Berliner XML Tage 2005

eLearning in Mathematik und

Naturwissenschaften

TU BerlinSabina Jeschke & Thomas Richter

Berliner XML Tage 2005eLearning in Mathematik und Naturwissenschaften

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 dieMathematische Ausbildung

für Mathematiker

für Anwenderder

Mathematik!

UND

Anforderungen:

• Verständnisorientierung

• Selbständigkeit im Lernprozess,

Lebenslanges Lernen

• Interdisziplinarität & Soft Skills,

Teamfähigkeit

Impulse:

• Verfügbarkeit von

Mathematischer Software

• Rasanter Wissenszuwachs

• Steigende Komplexität der

Aufgabenbereiche



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:

Aktueller Forschungs- &Entwicklungsgegenstand

Einsatz an vielen nationalen und internationalen Universitäten,

i.a. nicht durchgängig

WebCT& Co.

Virtuelle LaboreMumie Cinde-

rellaAppletFactory



Klassifikation von eLearning in vier Bereiche

Content-Bereich:

Semantic Retrieval Bereich:

Übungsbereich:

Virtual Lab Bereich:

Content

Retrieval

Training

VirtLabs

Kommunikation & Kooperation



• 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

Content

Konzipiert von:

Dr. Sabina Jeschke/

Prof. Ruedi Seiler

TU Berlin

Content-Bereich



Mumie – Navigationsnetzwerk:



Mumie Content – der CourseCreator:

Rohe Kursstruktur ohne

Inhaltszuweisung

Zuweisung von Inhaltsbausteinen an die Knoten



• Gliederung von Übungseinheiten entlang von Übungspfaden• Interaktive, konstruktive Aufgaben• Realisiert durch Java Applets• eingebettet in Aufgabennetzwerke• Engine: MathML, Java-Applets über Application-Server

Training

Konzipiert von:

Dr. Sabina Jeschke/

Prof. Ruedi Seiler

TU Berlin

Übungs-Bereich



ÜbungsbereichBeispiel: Hausaufgabe zu linearen Abbildungen

Aufgaben zu einem Themengebiet

Navigation im Kurs



Mumie (Übungsbereich) – Übungsnetzwerk:

Hausaufgabe: Löse die Differentialgleichung…Ingenieure: Sei y(t) = exp(wt)

…Mathematiker: Sei z(t)=(y(t),y´(t))…

Diagonalisiere A über…

Status:

im Aufbau



• Ausgangspunkt: Erstellen eines Lexikons aus bestehendem Material• Aufbau von Wissensnetzen• Darstellung fachspezifischer Zusammenhänge• Halb-automatisches Parsen natursprachlicher Texte• Quelltexte in LaTeX

Retrieval

Entwickelt von:

Dr. Nicole Natho &

Sebastian Rittau

TU Berlin

Semantic Retrieval-Bereich



Mumie Semantic Retrieval Bereich

LaTeX

EntitätenTheoreme, Lemmata

Definitionen

Sätze

SemantikTripel aus Objekten und

Relationen

Knowledge Base

Retrieval

Konvertierung nach TIE, Ausnutzung

von LaTeX Annotationen

Aufbrechen in die Binnenstruktur

Linguistische Analyse (Chomskys

Transformationsgrammatik)

Ziel: Aufbau von Wissensnetzen zur

Darstellung von Sachzusammenhängen auf

Benutzeranfrage

Status:

im Aufbau



• 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)

VirtLabs

Entwickelt von:Dr. Thomas RichterTU Berlin

Virtuelle Labore



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.

Virtualität

(Math./Fachl.) Komplexität

Flexibilität

Kompositionsfähigkeit

Charakteristika/

Kriterien:



Einsatz Virtueller Labore

In theoretischen Gebieten:

In experimentellen Gebieten:

Experimenteller Zugang zu abstrakten ObjektenErfahrbarkeit abstrakter KonzepteTrial-and-Error-Zugang zu neuen Erkenntnissen

Verfügbarkeit zusätzlicher Experimenteständige ZugangsmöglichkeitSteigerung VersuchskapazitätSicherheitsaspekteEffekt in „Reinform“ beobachtbar

• Mathematik• Theoretische Physik• Theoretische Chemie• Theoretische Gebiete der

Ingenieurwissenschaften

• Experimentalphysik• Experimentelle Chemie• Experimentelle Gebiete der

Ingenieurwissenschaften



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 AufbauTrennung von Oberfläche und RechenkernBereitstellung mehrerer GUIs für versch. EinsatzzweckeInterface-Layer zur Verknüpfung von Experimenten

Einsatz offener StandardsOffene, dokumentierte Schnittstellen

ermöglichen und unterstützen die Zusammenstellung von Laborelementen aus verschiedenen Quellen

Netzwerk-basierte Komponenten („Groupware“)um kooperative/remote Lern-Szenarien umzusetzen

Plattform-Unabhängigkeit



Erstellung von Experimenten aus Laborkomponenten mittels Oorange

Java-Oberfläche für Praktika und

Demonstrationsexperimente

VideoEasel: Ein virtuelles Labor für Statistische Mechanik (DFG Zentrum MATHEON)

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:

Oorange & Maple

Dozent/Kommilitonen

Studierende

Java Oberfläche



Konnek-tor

Konnek-tor

Oberfläche Oberfläche

Architektur „Virtuelle Labore“

VideoEasel(Simulation &

Berechung)

Benutzerverwaltung

InterfacesWeiteres

Labor

CAS:Maple,Matlabetc…

Integration externer Werkzeuge

Browser/ Interface

Browser/ Interface

Browser/ Interface

Kooperation

Assistenten

Oberfläche

Status:

im Aufbau



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

Beratung

Multimedia-Schulung

Multimedia-Testlabor

Koordination

Information

InterdisziplinäreMultimedia-Forschung

InterdisziplinäreMultimedia-Lehre

Softwareentwicklung

Softwareintegration

Inhaltsentwicklung

Öffentlichkeitsarbeit

IndustriekooperationDrittmitteleinwerbung

Service &Dienstleistungen

Forschung,Entwicklung & Lehre

Organisation &Management



eLearning Aktivitäten an der TU-Berlin

Von Konzeption ...

WASFachdisziplin(Mathematik,

Naturwiss., Ing.)

... bis Implementation

WIE

WOZU

Einsatz, Nutzer(Didaktik & Fachdidaktik,

Usability-Studies)

Informatik(Softwarearchitektur,Datenbankmodelle,

Serverkonzepte,Portaltechnologien,Formale Sprachen,

Algorithmen,...)



The End!

Documents

Dr. Sabina Jeschke Dr. Thomas Richter