The app could not be started successfully!

Upgrade or use a different browser to experience this app.

Logo des Forschungsdatenzentrums des Deutschen Zentrum für Hochschul- und Wissenschaftsforschung

Die angeforderte Seite wurde nicht gefunden (404).

Datenpaket dipit2020

Details

Studienreihe:
Institution(en):
Humboldt-Universität zu Berlin; Otto-von-Guericke Universität Magdeburg
Gefördert von:
  • Bundesministerium für Bildung und Forschung (BMBF)
Projektmitarbeiter:innen:
Schulz, Sandra ORCID logo;
Berndt, Sarah;
Hawlitschek, Anja
Erhebungsdesign:
Querschnitt 
Erhebungsdatentyp:
Qualitative Daten
Daten verfügbar auf:
Deutsch
Datenkuratierung:
İkiz-Akıncı, Dilek ORCID logo;
Niebuhr, Johanna
DOI:
Version:
1.0.0 (veröffentlicht am 26.01.2023)
Weiterführende Links:

Datenpaketbeschreibung

Das Forschungsprojekt „Digitales Programmieren im Team“ (DiP-iT) untersucht, wie kollaboratives Lernen im Informatikstudium didaktisch weiterentwickelt und mit digitalen Medien unterstützt werden kann. Die Verwendung und Implementierung von Learning Analytics-Methoden steht bei dem Projekt im Vordergrund. Im DiP-iT-Projekt sollen didaktische und technische Unterstützungen im Informatikstudium für das Programmieren lernen im Team entwickelt werden. Um dieses Ziel zu erreichen, wurde in der Teilstudie „Gruppenarbeit beim Programmieren lernen“ (GAPL) zunächst eine Bestandsaufnahme der Ausgangslage an den drei Standorten der Verbunduniversitäten (TU Bergakademie Freiberg, Otto-von-Guericke Universität Magdeburg und Humboldt-Universität zu Berlin) durchgeführt. Zur Erhebung der Ausgangslage wurden Interviews mit Dozent*innen (Datenbestand 1) und Student*innen (Datenbestand 2) der drei beteiligten Universitäten durchgeführt. Erhoben wurde, inwieweit kooperative und kollaborative Methoden bereits in der Lehre zum Programmieren lernen genutzt werden. Im Anschluss kann u. a. abgeleitet werden, wie das kollaborative Programmieren lernen zukünftig unterstützt werden kann (technisch, didaktisch, organisatorisch etc.), wo ungenutzte Potentiale liegen und welche Hindernisse bei einer Implementation berücksichtigt werden müssen.
Die Dozent*innen halten Grundlagenveranstaltungen zum Programmieren lernen in der Informatik und wurden u.A. dazu befragt, inwieweit sie Gruppenarbeit in ihrer Veranstaltung nutzen und welche Chancen und Risiken sie in der Gruppenarbeit sehen. Die Studierenden der Informatik haben bereits an Grundlagenveranstaltungen zum Programmieren lernen in der Informatik teilgenommen oder nehmen in dem Semester des Interviews daran teil. Sie wurden u.A. dazu befragt, inwieweit sie Gruppenarbeit in der Veranstaltung nutzten, wie sie die Gruppenarbeit erlebt haben und welche Chancen und Risiken sie in der Gruppenarbeit sehen.

Materialien zu diesem Datenpaket

Datenpaket

Titel Beschreibung Dokumentensprache DOI Datei
Daten- und Methodenbericht des Datenpakets „Gruppenarbeit beim Programmieren lernen (GAPL)“  Der Bericht umfasst zentrale inhaltliche und methodische Informationen des Datenpakets.  Deutsch link_off dipit2020_Data-Methods_Report.de.pdf
Gruppenarbeit beim Programmieren lernen (GAPL)  Datenpaketübersicht  Deutsch link_off dipit2020_Overview_de.pdf
Group work in Learning Programming (GAPL)  Datenpaketübersicht  Englisch link_off dipit2020_Overview_en.pdf
Datennutzungshinweise  Datennutzungshinweise zum Datenpaket  Deutsch link_off dipit2020_DataUseInstructions_de.pdf
Release Notes  Die Release Notes enthalten Informationen zur aktuellen Version und zu Veränderungen im Vergleich zu vorherigen Versionen.  Deutsch link_off dipit2020_ReleaseNotes.md.txt

Verbundene Objekte

Erhebungen Instrumente Fragen Datensätze Publikationen (1) Konzepte
Sortiert nach
Relevanz
Einträge pro Seite
10
1 - 1 von 1
Exploring students' and lecturers' views on collaboration and cooperation in computer science courses - a qualitative analysis
Schulz, Sandra; Berndt, Sarah; Hawlitschek, Anja  (2022)
Schulz, S., Berndt, S. & Hawlitschek, A. (2021). Exploring students' and lecturers' views on collaboration and cooperation in computer science courses - a qualitative analysis. Computer Science Education. https://doi.org/10.1080/08993408.2021.2022361
Sortiert nach
Relevanz
Einträge pro Seite
10
1 - 1 von 1

Wir verwenden Cookies zur statistischen Auswertung der Besucherzugriffe. Wenn Sie auf dieser Seite weitersurfen stimmen Sie der Cookie-Nutzung zu. Weitere Informationen zu Cookies erhalten Sie in unserer Datenschutzerkärung.