Lehrmuster aus der FächergruppeGesellschaftswissenschaften | RUB Lehrmuster - Seite 3
Weitere Lehrmuster:
KIbox – Kickbox-unterstütze Lösung von Nachhaltigkeits-Challenges durch den Einsatz künstlicher Intelligenz
13. April 2023
Das Lehrformat KIbox zeichnet sich durch seine Ausrichtung auf Nachhaltigkeitsherausforderungen aus, die mit Ansätzen Künstlicher Intelligenz (KI) gelöst werden sollen. Die Nachhaltigkeitsherausforderungen orientieren sich an den Sustainable Development Goals (SDGs) der Vereinten Nationen. Die KIbox als physische Box sowie deren Inhalte sind angelehnt an der von Adobe entwickelten Kickbox. Ein (...) WeiterlesenFächergruppen: Gesellschaftswissenschaften, Ingenieurwissenschaften, Interdisziplinär, Naturwissenschaften
Schlagwörter: Challenge, Forschungsmethoden, Innovation, Innovative Praxisprojekte, Künstliche Intelligenz, Nachhaltigkeit, Pitch, Praxis, SDGs, Teamarbeit
Schlagwörter: Challenge, Forschungsmethoden, Innovation, Innovative Praxisprojekte, Künstliche Intelligenz, Nachhaltigkeit, Pitch, Praxis, SDGs, Teamarbeit
Blue Engineering – soziale und ökologische Verantwortung von Ingenieur*innen
13. April 2023
Das Lehrformat „Blue Engineering“ findet im Rahmen eines bundesweiten Austausches von Lehrinhalten statt und ermöglicht Studierenden eine interdisziplinäre Ergänzung ihres Fachstudiums sowie eine (inter-)aktive Auseinandersetzung mit ihren eigenen Werten zu sozialer und ökologischer Verantwortung. Der Lehrprozess wird von den Studierenden aktiv mitgestaltet. WeiterlesenFächergruppen: Gesellschaftswissenschaften, Ingenieurwissenschaften
Schlagwörter: Gesellschaft, Ingenieure, Innovation, Innovative Praxisprojekte, Kreativität, Nachhaltigkeit, ökologische Verantwortung, Praxisaustausch, Praxisnah, soziale Verantwortung, Technik, Umwelt
Schlagwörter: Gesellschaft, Ingenieure, Innovation, Innovative Praxisprojekte, Kreativität, Nachhaltigkeit, ökologische Verantwortung, Praxisaustausch, Praxisnah, soziale Verantwortung, Technik, Umwelt
Globale Christentümer: Theologische und religionswissenschaftliche Perspektiven
14. März 2023
Das Modul wird von den Fächern Religionswissenschaft, Katholische Theologie und Evangelische Theologie sowie dem Institut für Diaspora- und Genozidforschung (IDG) gemeinsam entwickelt und bringt somit die religionsbezogenen Einrichtungen der Ruhr-Universität zusammen. Das IDG wird dabei Perspektiven der Diasporaforschung einbringen: Wie werden Globalität und Universalität von christlichen Gemeinschaften in der Diaspora (...) WeiterlesenFächergruppen: Geisteswissenschaften, Gesellschaftswissenschaften
Schlagwörter: Christentum, Interdisziplinär, Interdisziplinarität, interlecture, Religion
Schlagwörter: Christentum, Interdisziplinär, Interdisziplinarität, interlecture, Religion
GROW – Mit der Grounded Theory-Methodologie gemeinsam im Forschen wachsen
25. Januar 2023
In Grow werden Bachelor-, Master- und Promotionsstudierende der Erziehungswissenschaft vernetzt, um gemeinsam an aktuellen Fragestellungen zu forschen. Die Grounded Theory-Methodologie liefert dazu einen geeigneten Rahmen. Mit dem Projekt soll eine reflektierte Forschungshaltung inklusive Unsicherheits- und Frustrationstoleranz gefördert werden. Zentrale Technik dabei bildet das Schreiben von Memos. Doktorand*innen werden Role Models (...) WeiterlesenFächergruppen: Geisteswissenschaften, Gesellschaftswissenschaften
Schlagwörter: Forschendes Lernen, Grounded Theory
Schlagwörter: Forschendes Lernen, Grounded Theory
Data Science for Psychologists – Integration von Machine Learning in das Modul Multivariate Verfahren
19. Januar 2023
Im Zeitalter von Digitalisierung und Big Data werden Methoden zur Auswertung großer Datenmengen immer relevanter. Insbesondere Machine Learning wird für solche Analysen genutzt und auch in der Psychologie immer verbreiteter. Um dieser Entwicklung Rechnung zu tragen, wurden Bausteine für das Modul Multivariate Analyseverfahren (M.Sc. Psychologie) entwickelt, die Grundlagen des Machine (...) WeiterlesenFächergruppen: Gesellschaftswissenschaften
Schlagwörter: Big Data, Data Literacy, Data Science, Machine Learning
Schlagwörter: Big Data, Data Literacy, Data Science, Machine Learning