WIR SIND UMGEZOGEN:

Postanschrift / Postal address:
Geschwister-Scholl-Platz 1, 80539 München

Besuchsadresse / Visiting address:
Edmund-Rumpler-Str.13, 80939 München

!!! NEW JOB OFFERS !!!

Immer einen Schritt voraus: Reflexives Physiklernen mit digitalen Medien von heute und morgen

Physikunterricht und -studium gelten auch heute noch meist als "trocken" und abstrakt. Häufig werden Inhalte von Lernenden als artifiziell, wenig ihre Alltagswelt betreffend und ausschließlich für den Schulunterricht oder die Hochschullehre relevant angesehen. Multimediale Darstellungen können helfen, die Spannungsfelder zwischen abstrakt und phänomenologisch sowie alltagsbezogen und disziplinspezifisch zu überbrücken. So bieten mobile digitale Medien von heute (z.B. Smartphone, Tablet) und morgen (z.B. VR-/AR-Glasses) durch ihre vielfältigen Computer-Funktionalitäten und Konnektivitäten umfassende und differenzierte Zugänge zu naturwissenschaftlichen Phänomenen, Konzepten und Zusamenhängen.

Smartphones und Tablets können z.B. als kleine, transportable Messlabore unübersichtliche Versuchsanordnungen vereinfachen und sind aus dem Alltag gut bekannt, wodurch auch eine hohe Vertrautheit mit ihrer Bedienung besteht. Mit ihnen können naturwissenschaftliche Phänomene auch außerhalb von Unterricht und Lehrveranstaltungen erschlossen und abstrakte Zusammenhänge durch verschiedene Darstellungen adressatengerecht differenziert bereitgestellt werden. Mit Augmented und Virtual Reality Anwendungen können zudem unsichtbare Phänomene und Prozesse in verschiedenen Formen (und in Echtzeit) visualisiert werden.

Die Möglichkeiten solcher Zukunftstechnologien kombiniert mit der Frage nach deren Wirkung auf Lernen und Problemlösefähigkeiten sind Forschungsgegenstand des Lehrstuhls für Didaktik der Physik. Dazu werden neben moderner multimedialen Interaktionsmedien (wie AR-/VR-Smartglasses) auch physiologische Messverfahren wie z.B. die Analyse von Blickdaten (sog. Eyetracking-Analysen) verwendet und Lernerfolg durch Methoden der Künstlichen Intelligenz (insbes. Machine Learning) vorhergesagt.