Autor: Katrin Schröder

Kniffelix hat ein neues Rätsel. Pünktlich zum Start der Hamburger Sommerferien ist seit dem 25.06.2020 das Intro zum neuen Flugzeug Rätsel auf Kniffelix online (hier geht es direkt zum Flugzeug Rätsel ). Die weiteren Missionen des Rätsels wurden wöchentlich veröffentlicht. Die letzte Mission, Mission 3, erschien am 27.07.2020. Heute folgte dann auch der Exkurs zur Studien- und Berufsorientierung mit einem Interview mit einem Piloten in Ausbildung.

Seit heute gibt es das Flugzeug Rätsel nun auch als Lernangebot direkt hier auf der HOOU Plattform. Schaut gleich mal vorbei.

Kniffelix hat ein neues Rätsel. Pünktlich zum Start der Hamburger Sommerferien ist seit dem 25.06.2020 das Intro zum neuen Flugzeug Rätsel auf Kniffelix online (hier geht es direkt zum Flugzeug Rätsel ). Am 01. Juli folgte bereits Teil 1 der Mission 1. Die weiteren Missionen des Rätsels werden nach und nach veröffentlicht.

Wir freuen uns dieses Mal besonders, bei der Rätselentwicklung mit dem DLR-School Lab in Hamburg und seinem studentischen Mitarbeiter Christian Wermter zusammengearbeitet zu haben! Christian gibt uns einen wunderbaren Einblick in das Fliegen, sowohl am Flugsimulator als auch in der Realität.

Außerdem freuen wir uns auch wieder sehr über Unterstützung aus der Bevölkerung von Sebastian Krebs für die Erstellung von wirklich tollen 3D Animationen.

Wie ist das Rätsel aufgebaut?

Wir kommen von der Alltagsbeobachtung von Flugzeugen zu einer Fragestellung. Gemeinsam mit den Besuchern des Flugzeug Rätsels wollen wir herausfinden, was Flugzeuge eigentlich in der Luft hält. 

Das Rätsel wird in Form von aufeinander aufbauenden Missionen durchlaufen. Das kann im eigenen Tempo geschehen, da man immer wieder dort einsteigen kann, wo man aufgehört hat. In den Missionen gibt es verschiedene Videos, Quizze und Aufgaben. Außerdem gibt es die Möglichkeit seine Ergebnisse in der Community zu zeigen und sich auszutauschen. Man kann also online richtig mitarbeiten. Ebenfalls wird es einen Bereich zur Berufs- & Studienorientierung geben.

Worum geht es im Flugzeug Rätsel?

Im Flugzeug Rätsel geht es darum, dass Flugzeuge sehr groß und schwer sind und man sich daher fragen kann, was sie eigentlich in der Luft hält. Wir werden gemeinsam herauszufinden, was beim Fliegen eine Rolle spielt. Hierzu wird ein Flieger-Modell gebastelt und sein Flugverhalten beobachtet. Nachdem im Rätsel dann herausgefunden wurde, worauf es beim Flugzeug ankommt, wird dieses Modell noch einmal für den perfekten Flug modifiziert.

Für wen eignet sich das Rätsel und der Exkurs?

Wie alle bisherigen Kniffelix-Rätsel ist auch dieses allgemeinverständlich für alle Menschen ab Klasse drei, jedoch lernen auch Jugendliche & Erwachsene jede Menge dazu. In den Exkursen der Rätsel lernt man über Interviews verschiedene Menschen kennen, die über Berufs- und Studienmöglichkeiten aus ihrer persönlichen Erfahrung heraus berichten. Das Flugzeug Rätsel kann sowohl mit einer Klasse im Unterricht als auch alleine Zuhause durchgeführt werden.

In diesem Jahr findet das RUVIVAL Online-Planspiel bereits zum 5. Mal statt. Sei dabei, wenn erneut virtuelle Ökodörfer entstehen!

Damit ein Ökodorf geplant werden kann, sind im Planspiel unterschiedliche Teilnehmer*innen-Rollen vorgesehen. Als externe*r Teilenehmer*in spielst du die Rolle der Einwohnerin oder des Einwohners in einem der neu geplanten Dörfer. Damit bist du Teil der Entscheidungsfindungen im Planungsprozess.

Die Planungssprache im Spiel ist Englisch und der Spielzeitraum umfasst 8 Wochen. Das Maß an Engagement und die Zeit, die du im Spiel verbringst, wird durch dein Interesse bestimmt.

Wie kann ich teilnehmen?

Das Planspiel startet am 28. April 2020. Wenn du teilnehmen möchtest, registriere dich hier:

Am 23. April 2020 wirst du eine E-Mail mit der Einladung zu unserer Spielplattform HumHub bekommen. Wir empfehlen dir, von Anfang an dabei zu sein, um den gesamten Planungsprozess mitgestalten können! Verspätete Bewerbungen werden angenommen, wenn noch freie Plätze vorhanden sind.

Weitere Informationen

RUVIVAL Planspiel

TUHH – Pressestelle: Dein Zuhause, dein Hörsaal: TU Hamburg startet digital ins Sommersemester 2020

Als Reaktion auf die Ausbreitung des Corona-Virus feiert die NachwuchsCampus-Community im 7. Jahr anstelle der geplanten Abschlussveranstaltung an der TUHH (Technische Universität Hamburg) den Höhepunkt des Projektes nun mit einer DIGITALEN Abschlussfeier mit begleitender Social Media-Kampagne.

Der NachwuchsCampus ist ein Projekt von KINDERFORSCHER AN DER TUHH zur Berufs- und Studienorientierung in Form von Schul-TUHH-Unternehmenskooperationen. 15 Schulen sind mit 16 Unternehmen in 17 Kooperationen im letzten halben Jahr mit viel Offenheit, Flexibilität, Freude und Engagement zusammengetroffen und konnten den Jugendlichen einen besonderen Einblick geben in die Unternehmen, die Ausbildungsmöglichkeiten und die Besonderheiten der jeweiligen Branche. Es haben sich berufliche Perspektiven aufgetan und Berufswünsche wurden konkreter.

Nach einem Begrüßungs-Video auf der Startseite der digitalen Abschlussfeier findet man einen Lageplan. Mit einem Klick ist man schnell an dem Ort, den man sich genauer anschauen möchte. Es gibt viel zu entdecken: Filme zu den Kooperationen, Poster zu den Kooperationen, eine Azubi-Börse, eine Berufs-und Studienorientierung, Statements von Projektbeteiligten, Materialien von Schüler*innen und weiterführende Angebote.

Auch Kniffelix beteiligt sich an der diesjährigen digitalen Abschlussfeier. Anstelle eines Kniffelix-Standes an der TUHH stellt sich das Projekt online vor. Die Projektteilnehmer*innen sowie alle Interessierten können sich in der Kategorie „weiterführende Angebote“ über verschiedene digitale Angebote informieren, hierunter auch Kniffelix. Gerade in der jetzigen Zeit werden solche Angebote dringend benötigt.

Neben der allgemeinen Vorstellung von Kniffelix werden passend zum NachwuchsCampus Projekt die Exkurse zur Berufs- und Studienorientierung von Kniffelix in der gleichnamigen Kategorie der Veranstaltung noch detaillierter präsentiert. Hier erfährt man, welche Studiengänge und Berufe man über Interviews bereits näher kennenlernen kann.

Auf einer Präsenzveranstaltung geht es viel um den persönlichen Austausch. Das macht solche Veranstaltungen für die Weiterentwicklungen von Projekten sehr wertvoll. Auch wir von Kniffelix möchten uns stets weiterentwickeln und auch besonders die Berufs- und Studienorientierung noch erweitern. Damit der Austausch auch digital genauso fruchtbar ist wie in Präsenz, möchten wir dazu ermuntern sich mit Anregungen, Feedback, Kooperationsideen etc. über das Kniffelix-Kontaktformular mit uns in Verbindung setzen.

Wir wünschen viel Spaß auf der digitalen NachwuchsCampus-Abschlussfeier und freuen uns über regen Austausch.

Das HOOU Projekt „Lectures for Future (LFF)“ an der TUHH lädt dazu ein Themenvorschläge für einzelne Vorlesungen einzureichen, die in die digitale Ringvorlesungsreihe des Projektes integriert werden können. Ausgewählte Themen werden in Zusammenarbeit mit dem LFF Projektteam zu digitalen OER (Open Educational Resources) veröffentlicht und verbreitet. Die ausgewählten Beiträge sollen u.a. aufzeigen, welchen Einfluss das Thema auf das Erreichen der Ziele für nachhaltige Entwicklung (Sustainable Development Goals) hat. Da sich die Materialien an eine internationale Gemeinschaft von Lernenden richten, werden diese in englischer Sprache erstellt.

Folgende Themenschwerpunkte werden hier u.a. von besonderem Interesse sein und können aus unterschiedlicher fachlicher Perspektive eingebracht werden:

• (Ab)Wassermanagement
• Abfallressourcenmanagement
• Energiewende
• Nachhaltiges Konstruieren 
• Wertstoff(rück)gewinnung
• …

Themenvorschläge werden bis zum 12. April in Form der ausgefüllten und an uns (lecturesff@tuhh.de) zurückgeschickten Vorlage entgegengenommen. Die Vorlage kann hier heruntergeladen werden.

Nach der Auswahl durch das LFF Projektteam werden alle Beteiligten zu einem Workshop eingeladen, in dem aktuelle Formen der OER Produktion vermittelt werden. Es besteht die Möglichkeit Teilaspekte der Inhalte multimedial darzustellen, in Form von beispielsweise Stop Motion Videos, kurz Dokus und Animationen und somit eine Schlüsselvorlesung repräsentativ online zu stellen und bei dem Prozess unterstützt zu werden. Ein Beispiel für diese Darstellungsform basierend auf mit Ton unterlegten PPP ist hier zu finden:

https://www.ruvival.de/raw-earth-construction/

https://www.ruvival.de/groundwater-dams-arid-semi-arid-areas/

Die digitale Vorlesungsreihe wird Ende des Jahres 2020 online gehen.

Wir freuen uns auf zahlreiche Themenvorschläge und bereits vorab auf eine kreative Zusammenarbeit!

Mehr Informationen zum Projekt:

https://www.hoou.de/blog/start-lectures-for-future

Kontakt: lecturesff@tuhh.de

_{Written by Anna Lainé (contact)}

Motivation

Did you know that most of the hiring processes in big companies are complemented by some machine learning algorithms, in charge of pre-selecting the best resumes before handing them to a human? ⁽¹⁾ That some banks use machine learning to predict whether or not you will be able to reimburse a credit? ⁽²⁾ That most online customer support usually start the interactions with an intelligent agent rather than a human? ⁽³⁾ Because of the vast amount of applications we are confronted to in our daily life, a basic knowledge of data science is essential to understand how decisions are made and what we, as a member of society, can do to maximize the efficiency and minimise the risks of these processes.

That is why public awareness on the field of computer science technology is of great importance, and science enthusiasts should not be the only ones to be informed about these challenges and pitfalls. Education should offer learning opportunities to a broad audience, by creating resources that are understandable with no to little scientific background. With that in mind, we want to design an online course about machine learning that is accessible for everybody, with different levels of difficulty.

Technical content of the course

What is machine learning?

Machine learning describes the study or development of models (algorithms or statistical models) used by a computer to perform a task without explicit instructions. The computer is said to learn from the model, and the outcome or result of the model is the task the computer can perform from the model. The performance of the model represents the accuracy, correctness, or precision of the task performed by the computer, compared to what was expected.

A concrete scenario: say we want to build a model that can predict the weather of tomorrow, given the weather of today.
This particular problem is a classification problem (we want to classify the weather of tomorrow into the classes „sunny“, „rainy“, etc…), and the corresponding class („sunny“, „rainy“) is called a label.
Data from the days before are used and fed into the model, which will learn some pattern from the data: for example, if a day was sunny, the next day has high chances to be also sunny. From the data and the patterns learned, the model will compute some predictions for a particular day, given the current data („As today is a sunny day, tomorrow will be a sunny day.“). These predictions are the result, or the outcome of the model. If the prediction fits the real-world observation (tomorrow is, indeed, a sunny day), the performance of the model is considered good.

How are data used in machine learning?

In machine learning projects, the main effort is often focused on building a good model enhanced by the outcome of the learning, rather than on the data it is based on. But using training data of poor quality can also distort this outcome: as the algorithm learns from historical data, by nature, data is the central point of a machine learning model.

A classic machine learning process is built in two main steps (see Figure 1): first, using historical data gathered beforehand, a model is developed and learns to predict the labels from the data. Afterwards, this model is fed with new data for which we don’t know the outcome, and returns predictions.

Data are therefore used in two ways here: first, historical data are used to feed and train the model, then new data are used to make the prediction. If these data are of poor quality, with no surprise, the prediction will be affected. The quality of the data can be affected in several ways, for example:

• incomplete or missing data: some fields of the dataset are left empty (for example: we want to use geographic coordinates of a ship along its trip, but a whole part of the trip is missing).
• incorrect data: some values are wrong in the data (for example: we are using information about the length of a ship, but some values are expressed in meter, others in foot, so the comparison is not directly possible).
• biased data: the training data don’t correspond to the predictive data (for example: we use historical data to predict the estimated time of arrival of a ship on a commercial route, but the historical data are 20 years old and during that time, the traffic in the area doubled: the estimation is incorrect because it is based on data that are not representative of the current situation).

The reasons of these errors can be multiple: lack of understanding, sensor error, transmission error, context error, etc…

Concept of the learning arrangement

The base idea of this project is to raise or sharpen awareness on data quality problems in machine learning, for everyone, with or without prior knowledge in the area of computer science. For that, two levels of difficulty will be implemented:

• „beginner“: requiring neither background in machine learning nor coding skills, the participants of this level will be able to follow a lecture and play with online widgets (with H5P, see following) to assess the consequence of some actions/changes of values on the algorithms.
• „advanced“: targeting learners with basic coding skills. The participants will follow the lecture while working with interactive code cells (in Python, with Jupyter Notebook).

Example of an H5P widget:

Example of a Jupyter Notebook interactive cell (screenshot):

To better combine theoretical knowledge and applications to the real world, the course will be based on examples and data that are used in research. This way, the learner can instantly see and connect what is learned in the course with what is done in the world. For instance, in the first problem the students will have the chance to work on the problem of „trajectory prediction“ of ships, using AIS data (data sent by any ship at sea, containing various information about the location, speed, or status of the ship).

As data quality can vary much depending on the type of data, we chose to focus on 3 different types of data:

• numerical data: data containing mostly numerical values; the simplest type of data to be processed, in this case logistics data (such as AIS data).
• image data: a representation of the pixels constituting an image.
• text data: a harder task for evaluating data quality, where the information is expressed in natural language (sentences).

Each of these 3 types of data constitute a learning block, which ends with a quiz, allowing the learner to check the progress and how much was understood from the lecture. For the advanced level, an additional practical task is proposed, to be solved in Python.

The whole lecture is hosted online, for both the beginner and advanced levels. The students of the advanced level can work with interactive code cells inside the lecture: the language of teaching is Python, as we think it is the most suited language to work with machine learning, given that many open source libraries are available and the language itself is fairly easy to learn.

Context of the project

The project is developed by the Institute for Software Systems (STS) at the TUHH, under the supervision of Prof. Sibylle Schupp.
The STS institute specializes in the following research fields: model checking and abstract interpretation, software quality and verification, and data protection and machine learning.

The collaborators of QuaXP previously worked on a related project: MaLiTuP (Machine Learning in Theory and Practice), a collaboration between the Institute of Maritime Logistics (MLS) and the STS institute, which successfully developed a beginner course in machine learning for students in maritime logistics. With this project, we gained experience in teaching with Python and Jupyter Notebook, as well as in designing lectures and tasks for beginners in machine learning.

Key dates

The development of the 3 learning blocks is expected to take one year. The first part of the course, about numerical data, will be tested and refined with students internally at the TUHH in the summer semester of 2020.
Around October 2020, we expect to have the first two chapters (numerical and image data) openly available online. The last chapter is expected to be finished by the end of the year.

Related links

• „If Your Data Is Bad, Your Machine Learning Tools Are Useless“ by Thomas C. Redman (Harvard Business Review blog): https://hbr.org/2018/04/if-your-data-is-bad-your-machine-learning-tools-are-useless
• „The quest for high-quality data“ by Ihab Ilyas and Ben Lorica: https://www.oreilly.com/radar/the-quest-for-high-quality-data/
• More about AIS data:
  • http://www.imo.org/en/OurWork/Safety/Navigation/Pages/AIS.aspx
  • https://www.navcen.uscg.gov/?pageName=AISmain
• STS institute: https://www.tuhh.de/sts/institute.html
• MaLiTuP project:
  • https://www.tuhh.de/sts/research/data-protection-machine-learning/malitup.html
  • https://www.tuhh.de/alt/mls/research/current-projects/malitup.html
• (1) „Machine Learning for Recruiting and Hiring – 6 Current Applications“ by Kumba Sennaar (Emerj): https://emerj.com/ai-sector-overviews/machine-learning-for-recruiting-and-hiring/
• (2) „My Analysis from 50+ papers on the Application of ML in Credit Lending“ by Simeon Kostadinov (towardsdatascience blog): https://towardsdatascience.com/my-analysis-from-50-papers-on-the-application-of-ml-in-credit-lending-b9b810a3f38
• (3) „11 AI Usecases in Customer Service in 2020: In-depth Guide“ (AIMultiple blog): https://blog.aimultiple.com/customer-service-ai/

Als Reaktion auf die Ausbreitung des Corona-Virus feiert die NachwuchsCampus-Community im 7. Jahr anstelle der geplanten Abschlussveranstaltung an der TUHH den Höhepunkt des Projektes nun mit einer DIGITALEN Abschlussfeier mit begleitender Social Media-Kampagne.

Der NachwuchsCampus ist ein Projekt von KINDERFORSCHER AN DER TUHH zur Berufs- und Studienorientierung in Form von Schul-TUHH-Unternehmenskooperationen. 15 Schulen sind mit 16 Unternehmen in 17 Kooperationen im letzten halben Jahr mit viel Offenheit, Flexibilität, Freude und Engagement zusammengetroffen und konnten den Jugendlichen einen besonderen Einblick geben in die Unternehmen, die Ausbildungsmöglichkeiten und die Besonderheiten der jeweiligen Branche. Es haben sich berufliche Perspektiven aufgetan und Berufswünsche wurden konkreter.

Ab dem 23. März 2020 können Projektteilnehmer*innen sowie Interessierte auf der Homepage des NachwuchsCampus die Abschlussfeier und somit das Projekt digital erleben .

Mit seinen Exkursen zur Berufs- und Studienorientierung wird Kniffelix (das digitale Projekt von KINDERFORSCHER AN DER TUHH zusammen mit der HOOU) statt mit einem Stand nun ebenfalls digital Teil der NachwuchsCampus Abschlussfeier werden. Die Exkurse werden verlinkt und wir möchten gerne den persönlichen Austausch hierzu anregen. Hierbei soll es vor allem darum gehen, wie die Exkurse zur Berufs- und Studienorientierung auf Kniffelix noch erweitert werden können. Anregungen und Ideen können jederzeit über den folgenden Link an uns gesendet werden.

Was bietet die digitale NachwuchsCampus-Abschlussfeier?

• Poster und Filme zu allen Kooperationen
• Statements von Beteiligten und dem NachwuchsCampus-Team
• „Ausbildung 2020: Wir suchen DICH“: aktuelle Azubi-Börse der beteiligten Unternehmen
• externe Angebote (BiotechAll, Kniffelix, MINTsprechen, MikiE und RUVIVAL der HOOU)
• NachwuchsCampus goes Social Media: Regelmäßige Posts der Kooperationen, Austausch, Kommentare, Behind the Scenes

Wir freuen uns digital auf euch

das KINDERFORSCHER AN DER TUHH Team

Eine Einladung zum Ausdrucken mit weiteren Informationen findet ihr hier.

Nach dem Projektstart von Lectures for Future im Januar ist das Team um Kerstin Kuchta und Ruth Schaldach dabei eine digitale Ringvorlesung aufzubauen. Diese werden ab  Oktober 2020 als interaktive Vorlesungen in Form von OERs zu den  Themenfeldern Energie, Wasser und Böden unter Einbeziehung der  Abfallressourcenwirtschaft online gehen. 

Das Projekt Lectures for Future setzt sich zum Ziel digitale  Ringvorlesungen mit transdisziplinären Betrachtungen zu aktuellen  Umweltherausforderungen in der Universitätslandschaft als neue wissenschafltiche Kommunikationsform zu implementieren. Globale Herausforderungen brauchen transdisziplinäre Betrachtungen, um basierend auf Analysen Lösungsansätze zu entwickeln. Mit einer heterogenen wissenschaftlichen Community zu den Themen von Lectures for  Future zu arbeiten und OERs zu produzieren sehen wir als Chance eine Community  of Practice zu etablieren, die auch den Open Science Gedanken weiterträgt. Dies fördert die Digital Literacy und eröffnet neue Wege der wissenschaftlichen Kommunikation.

Vision: Durch die Etablierung einer Open Science Kultur, insbesondere Wissen für Lösungsansätze brennender Umweltherausforderungen zugänglich zu machen und so gemeinsam global Ansätze zu erarbeiten die lokale positive Veränderungen bewegen. 

Ausschreibung: Bis zum 12. April können Sie sich mit Ihrem Thema bewerben.

Verantwortlich
Prof. Dr.-Ing. Kerstin Kuchta
Dr. rer. pol. Ruth Schaldach
Tina Carmesin
Sascha Diedler
Carla Orozco Garcia

Kontakt: lecturesff@tuhh.de

Mit der Kick-Off-Veranstaltung am 05. Dezember 2019 sind die neuen HOOU-Projekte an der Technischen Universität Hamburg gestartet.

Bis Juli 2019 konnten Professor*innen und Mitarbeitende der TU Hamburg Anträge für die Entwicklung innovativer Lehr- und Lernprojekte einreichen. Dabei sollen neue Wege des Lehrens und Lernens im digitalen Raum beschritten werden. Ob es um das Experimentieren mit neuen didaktischen oder methodischen Formaten, das Entwickeln anderer Darstellungs- und Vermittlungsformen von Wissen, das Erproben von neuen Kollaborations- und Kooperationswegen oder das Ausprobieren neuer technischer Möglichkeiten geht – der Kreativität waren keine Grenzen gesetzt.

Bei dem Kick-Off stand die Vernetzung und der Austausch zwischen den bereits geförderten und den neu geförderten HOOU-Projekten im Vordergrund. In lockerer Atmosphäre wurden die unterschiedlichen Projektideen vorgestellt, Potenziale der Zusammenarbeit zwischen den Projekten gefunden und das neue HOOU-Jahr an der TU Hamburg eingeläutet.

Die neu geförderten Projekte können dabei unterschiedlicher nicht sein: von einer digitalen Ringvorlesung über ein selbstgesteuertes Lernangebot zur handlungsorientierten Reflektion von Digitalisierung und Nachhaltigkeit bis hin zu interaktiven Datenanalysen des maschinellen Lernens ist alles dabei. Somit sind die neuen HOOU-Projekte eine wunderbare Ergänzung für das HOOU-Portfolio an der TUHH. Eine Übersicht über alle HOOU-Projekte an der TUHH finden Sie unter https://hoou.tuhh.de/projekte/.

Wir werden an dieser Stelle auch weiterhin berichten, was in den verschiedenen Projekten passiert – Augen auf!

Am 21. Oktober 2019, dem „Tag der Kinderseiten 2019“, fand der erste Seitenstark Medientag in Erfurt statt. Eröffnet wurde dieser Tag von Helmut Holter (Thüringer Bildungsminister), Jochen Fasco (Direktor der Thüringer Landesmedienanstalt), Helga Kleinen (Geschäftsführerin von Seitenstark) und Tim Gailus (vom KiKA-Medienmagazin Timster). Neben verschiedenen Anbietern von Kinderseiten, war auch KINDERFORSCHER AN DER TUHH mit der digitalen Experimentierplattform Kniffelix mit Workshops und einem Stand mit dabei.

Schüler-Workshop

Knapp 16 Schüler*innen aus den 4. Klassen der Moritzschule kamen mit einer Lehrerin zu unserem Kniffelix-Workshop. Die Schüler*innen waren die ersten, die das brandneue Hubschrauber Rätsel kennenlernen und ausprobieren durften, das erst eine Woche vorher veröffentlicht wurde. In diesem Rätsel geht es darum herauszufinden, wie man von einer Idee zu einem Produkt kommt, und es wird das Zeichnen in 2D und 3D gelernt.

Der Workshop begann mit einer kurzen Vorstellung der Referentinnen Gesine Liese und Jennifer Lehmann. Danach folgte ein Überblick über die Kniffelix-Seite. Die Schüler*innen haben erfahren, welche Rätsel es dort aktuell gibt, wie sie sich auf der Seite zurechtfinden und was sie dort alles erleben und ausprobieren können. Sie konnten bereits das erste Video aus dem Hubschrauber Rätsel sehen. In dieser Runde konnten die Schüler*innen außerdem Ideen zu Fragen aus dem Hubschrauber Rätsels miteinander teilen. Anschließend haben wir gemeinsam mit den Schülern*innen herausgefunden, wie man sich in einer Community verhält. Danach ging es über zum praktischen Teil.

Um das Zeichnen in 2D (Vorder-, Seitenansicht und Draufsicht) und in 3D (perspektivische Zeichnung) leichter üben zu können, haben die Schüler*innen vorher ein Hubschrauber-Modell aus Legosteinen gebaut. Dieses Modell haben sie anschließend in der jeweiligen Ansicht, die sie zur Aufgabe hatten, gezeichnet.

Ihre fertigen Zeichnungen haben sie mit den zur Verfügung stehenden Tabletts fotografiert und in der Community gepostet. Sie konnten live erleben, wie ihre Kommentare bei uns ankommen und geprüft werden, bevor es zur Veröffentlichung kommt. Sie konnten sogar am Entscheidungsprozess, ob ein Post veröffentlicht werden darf, teilnehmen. Hierdurch haben sie gelernt zu erkennen, was ihre Posts auch bei anderen Personen bewirken. Das führte dazu, dass sie anschließend besser beurteilen konnten, ob ihr eigener Post so in Ordnung ist.

Lehrer-Workshops

Am Nachmittag gab es zwei Workshops für pädagogische Fachkräfte und Lehrer, in denen ihnen verschiedene Kinderseiten für ihren Unterricht vorgestellt wurden. Hierbei wurde Kniffelix von Jennifer Lehmann präsentiert.