LernWerkstatt – Beispiele¶
Vier mit der LernWerkstatt erzeugte Lerneinheiten. Jede ist eine einzelne HTML-Datei ohne externe Abrufe: Sie lässt sich im Browser öffnen, herunterladen und offline weitergeben.
Die ersten beiden behandeln dasselbe Themenfeld, entstanden aber aus unterschiedlichen Ausgangslagen — sie zeigen, wie Vorwissen und Lernziel die Behandlungstiefe jedes Konzepts steuern. Die letzten beiden wurden aus eigenem Quellmaterial erzeugt statt aus Modellwissen.
Hinweis
Alle Renderer-Bibliotheken sind eingebettet, Formeln liegen als MathML vor. Nach dem Herunterladen funktionieren die Dateien ohne Internetverbindung. Umfang je Datei rund 5 MB.
Statistische Ergebnisse kritisch interpretieren – ohne Rechnen¶
Für Studierende der Erziehungswissenschaft, die Studien lesen, aber nicht selbst rechnen wollen. p-Wert und Konfidenzintervall werden hergeleitet, die Teststatistik bleibt Definition. Der Schwerpunkt liegt darauf, wie belastbar ein berichteter Befund tatsächlich ist und woran sich fragwürdige Ergebnisdarstellungen erkennen lassen.
| Vorwissen | Mittelwert, Standardabweichung, Normalverteilung, Grundlagen von Signifikanztests |
| Quellen | Modellwissen |
| Umfang | 3 Kapitel, 8 Lektionen, 118 Blöcke |
| Glossar | 27 Einträge |
| Lernzeit | rund 133 Minuten |
Enthält unter anderem 14 Diagramme, 9 Quiz-Blöcke, 9 Vorhersageaufgaben, 8 Lückentexte, 7 Karteikartensätze, 6 Zuordnungsaufgaben und einen Simulator.
Multiple-Testing-Korrekturen¶
Dasselbe Themenfeld für Promovierende der Biologie mit Statistik-Routine in R. Die Grundlagen wandern ins Glossar; hergeleitet werden Family-Wise Error Rate, False Discovery Rate und der Benjamini-Hochberg-Algorithmus — bis hin zur Frage, wie sich die gewählte Korrekturmethode im Manuskript begründen und gegen Reviewer-Einwände verteidigen lässt.
| Vorwissen | t-Test, ANOVA, lineare Regression, Auswertung in R, Nullhypothese |
| Quellen | Modellwissen |
| Umfang | 3 Kapitel, 8 Lektionen, 85 Blöcke |
| Glossar | 22 Einträge |
| Lernzeit | rund 141 Minuten |
Enthält unter anderem 9 Diagramme, 8 Quiz-Blöcke, 7 Vorhersageaufgaben, 4 gesetzte Formeln und 2 Simulatoren.
RAG-Chatbots¶
Erzeugt aus hochgeladener Schulungsdokumentation. Token, Kontextfenster und Sampling als Grundlagen, dann der Aufbau einer Vektor-Wissensbasis, die Konfiguration in RAGflow und die typischen Limitationen des Ansatzes.
| Vorwissen | Grundlegendes KI-Verständnis, Anwendung von LLMs |
| Quellen | Eigene Unterlagen |
| Umfang | 4 Kapitel, 12 Lektionen, 123 Blöcke |
| Glossar | 44 Einträge |
| Lernzeit | rund 132 Minuten |
Diese Einheit zeigt die Betriebsart mit eigenem Quellmaterial: Terminologie und Aussagen richten sich nach den Unterlagen, werden gegen sie geprüft, und jedes Konzept trägt einen Provenienz-Vermerk. Enthält unter anderem 17 Diagramme, 12 Quiz-Blöcke, 10 Vorhersageaufgaben, 9 Tabellen und 2 Fehleranalysen.
AI Act Basics für die Hochschulpraxis¶
Für Beschäftigte in Verwaltung, Forschung und Lehre. Vermittelt wird, wann ein Arbeitsmittel überhaupt als KI-System im Sinne der Verordnung gilt, wie sich die eigene Rolle als Betreiber, Verwendende oder Dritte einordnet, und welche Konsequenzen die vier Risikostufen haben — bis zu einem Prüfschema für den Arbeitsalltag und der Frage, wann ein geplanter Einsatz eskaliert werden muss.
| Vorwissen | Digitale Arbeitsprozesse, eigene Rolle im Universitätsumfeld, Vertrautheit mit KI-Anwendungen, Compliance- und Datenschutzgrundlagen |
| Quellen | Eigene Unterlagen |
| Umfang | 3 Kapitel, 9 Lektionen, 84 Blöcke |
| Glossar | 27 Einträge |
| Lernzeit | rund 107 Minuten |
Ein Beispiel für regulatorische Inhalte, bei denen die Bindung an die Quellen besonders zählt: Aussagen werden gegen die hinterlegten Unterlagen geprüft. Enthält unter anderem 16 Diagramme, 9 Tabellen, 9 Quiz-Blöcke, 8 Vorhersageaufgaben, 7 Zuordnungsaufgaben und 6 Karteikartensätze.