Digitale Literacy in der Lehre – Ein Kompetenzmodell zur Entwicklung von digitalen Kompetenzen von Studierenden – HessenHub

Der Umgang mit digitalen Technologien und Medien und die Auseinandersetzung mit dem digitalen Wandel der Gesellschaft sind eine zentrale Voraussetzung für die aktive Teilhabe und Mitgestaltung der digitalen Transformation durch Studierende. In unserem Beitrag diskutieren wir die bestehenden Kompetenzmodelle, die digitale Kompetenzen für Hochschullehrende in verschiedenen Dimensionen kategorisieren, um die Wichtigkeit der Entwicklung und Implementierung solcher Modelle in der Hochschullehre zu unterstreichen. Bestehende Kompetenzmodelle haben die Studierendenperspektive nur selten im Blick – es fehlen konkrete Ansätze, um die Kompetenzen von Studierenden bezüglich Digital Literacy zu erfassen.

Das von uns entwickelte Modell fokussiert die Perspektive der Studierenden, integriert Inhalte bestehender Modelle und ergänzt diese um essentielle Aspekte wie digitale Sicherheit und Ethik, um eine umfassende Digitalkompetenz zu fördern. Zudem wird die Anwendung einer feingliedrigen Lernziel-Taxonomie vorgeschlagen, um die Integration digitaler Kompetenzen in die Lehre zu vereinfachen. Das Modell bietet nicht nur eine theoretische Grundlage, sondern auch praktische Anwendungsmöglichkeiten, die zur Förderung einer digital kompetenten Hochschulgemeinschaft beitragen können. Der Beitrag zielt darauf ab, Lehrende und Hochschulmitarbeiter*innen zu unterstützen sowie zu motivieren, das Thema Digital Literacy in die Lehrpraxis zu integrieren und auf den eigenen Fachkontext zu übertragen.

Zum interaktiven Modell springen

Kurze Definition: Digital Literacy

Digital Literacy ist ein zentrales Konzept in der modernen Informationsgesellschaft, welches eine Vielzahl von Kompetenzen umfasst, von technischen Fähigkeiten bis hin zu fortgeschrittenen Informationskompetenzen. Diese Fähigkeiten ermöglichen, digitale Technologien ethisch verantwortungsbewusst einzusetzen. Zu den technischen Fertigkeiten zählen beispielsweise die Analyse und Interpretation komplexer Daten.

Ein bedeutender Aspekt der Digital Literacy ist das kritische und kreative Denken im Umgang mit digitalen Medien. Dies beinhaltet die Fähigkeit, digitale Informationen nicht nur zu konsumieren, sondern auch kritisch zu hinterfragen und kreativ zu nutzen. Eine gut entwickelte digitale Kompetenz befähigt Lehrende und Studierende dazu, aktiv und reflektiert in digitalen Räumen zu interagieren und diese kreativ mitzugestalten. Des Weiteren umfasst Digital Literacy spezifische Kompetenzen wie Computational Thinking, Data Literacy, Information Literacy und KI-Literacy.

Theoretische Hinführung: Unterschiede und Gemeinsamkeiten zwischen bestehenden Kompetenzmodellen für Studierende und Lehrende

Betrachtet man verschiedene Kompetenzmodelle, die sich mit Digital Literacy oder digitalen Kompetenzen befassen, wird deutlich, dass diese Modelle stets unterschiedliche Zielgruppen fokussieren. So beschäftigen sich Eichhorn, Müller und Tillmann (2017) mit digitalen Kompetenzen von Hochschullehrenden und wie diese mithilfe eines Kompetenzrasters systematisch zu erfassen sind. Die Notwendigkeit solch eines Kompetenzrasters wird durch die zunehmende Digitalisierung und den daraus resultierenden Herausforderungen für Lehren und Lernen an Hochschulen begründet (vgl. Eichhorn et al. 2017, S. 1). Digitale Kompetenz ist demnach erstmal nicht zwingend als Baustein der hochschulischen Ausbildung zu sehen, sondern gilt als wichtig und notwendig für alle Bürger*innen. In ihrem Modell fokussieren die Autoren jedoch zusätzlich die besonderen Belange von Hochschullehrenden und verwenden den Begriff der „akademischen Medienkompetenz“ (vgl. ebd. S. 2). Das Kompetenzraster wurde orientiert an den Dimensionen des Digital-Literacy-Frameworks des Joint Information Systems Commitee (JISC) entwickelt, welches sich ebenfalls explizit an Hochschullehrende richtet. Verschiedene digitale Kompetenzen werden hier in sieben Dimensionen unterteilt. Eichhorn et al. fügen in Ihrem Modell eine achte Dimension hinzu.

So beschreiben Eichhorn et al. folgende 8 Dimensionen:

bedienen und anwenden
digital informieren und recherchieren
digital kommunizieren und kooperieren
digitale Lehre
digitale Identität und Karriereplanung
digitale Wissenschaft
produzieren und präsentieren sowie
analysieren und reflektieren.

Diese Dimensionen werden als unabhängig von der jeweiligen Fachdisziplin beschrieben. Somit haben sie Aktualität und Relevanz für alle Lehrenden, unabhängig von der jeweiligen Profession. Zu den einzelnen Dimensionen wurden Kompetenzstufen entwickelt, die sich an Lernzieltaxonomien orientieren (vgl. Anderson und Krathwohl (2001) und das jeweilige Niveau einer Dimension kategorisiert.

So stellt die erste Stufe „Überblickswissen und Grundlagen“ dar, darauf aufbauend die zweite Stufe die „praktische Anwendung“ und die dritte Stufe bezieht sich auf die „Anleitung und Begleitung“.

Auch der europäische Rahmen für digitale Kompetenzen von Lehrenden (DigCompEdu) der EU fokussiert auf die digitalen Kompetenzen von Lehrenden. Im Kontrast zu den bereits genannten Modellen von Eichhorn et al. und des JISC, richtet sich dieses Modell an alle Lehrenden, so dass neben der Zielgruppe der Hochschullehrenden auch Lehrer*innen an Schulen und weiteren Bildungseinrichtungen wie beispielsweise Volkshochschulen adressiert werden. Folglich wird eine weitaus heterogenere Zielgruppe innerhalb des DigCompEdu beschrieben. Auch hier geht es darum, aufzuzeigen, über welche digitalen Kompetenzen Lehrende verfügen sollten, um Lernen und Lehren in einer digitalisierten Gesellschaft zu ermöglichen. Wie im zuvor beschriebenen Modell, wird mit Dimensionen und Kompetenzniveaus gearbeitet. So beschreibt der DigCompEdu insgesamt sechs Dimensionen auf sechs Niveaustufen (Newcomer, Explorer, Integrator, Expert, Leader, Pioneer).

Zudem gibt es ein weiteres Modell der Europäischen Union, welches sich ebenfalls mit digitalen Kompetenzen befasst. Das „Digital Competence Framework for Citizens“ (DigComp 2.2) wird als EU-weites Instrument beschrieben, um zur Verbesserung der digitalen Kompetenzen von Bürger*innen beizutragen. Auch hier werden insgesamt fünf Dimensionen beschrieben, die verschiedene Felder digitaler Kompetenzen abdecken.

Im Gegensatz zu den bisher beschriebenen Kompetenzrastern bezieht sich der DigComp 2.2 jedoch nicht auf Hochschullehrende oder Lehrende allgemein, sondern auf alle Bürger*innen der EU. Folglich ist die hier beschriebene Zielgruppe entsprechend größer und heterogener. So könnte man in diesem Kompetenzmodell sowohl Hochschullehrende als auch Studierende und andere Hochschulangehörige verorten. Fraglich bleibt dabei, ob diese Akteur*innen alle über die gleichen Kompetenzen verfügen können und wie dies im Kontext der Heterogenität zu ermitteln wäre.

Nachdem dargelegt wurde, dass es bereits einige Modelle zu digitalen Kompetenzen von Hochschullehrenden gibt, bleibt die Zielgruppe der Studierenden oft verkannt bzw. nicht explizit adressiert. Im Rahmen der Strategie der Kultusministerkonferenz “Bildung in der digitalen Welt” (2016) wird nur äußerst kurz auf Studierende und deren digitale Kompetenzen eingegangen. So sei es Aufgabe von Hochschulen und Lehrenden „Studierende auf Anforderungen vorzubereiten, die durch neue Kommunikations- und Arbeitsformen sowie durch den ständigen Zugriff auf Informationen und Wissen geprägt sind“ (KMK 2016, S. 42). Besondere Kompetenzen oder Dimensionen werden hier nicht thematisiert, sondern auf den Rahmen „Kompetenzen in der digitalen Welt“ verwiesen. Die dort beschriebenen Kompetenzen sollen innerhalb der Ausbildung an der Hochschule oder Universität vertieft und ausgebaut werden (vgl. ebd.). Der Kompetenzrahmen „Kompetenzen in der digitalen Welt“ beschreibt insgesamt sechs Bereiche (Suchen, Verarbeiten und Aufbewahren; Kommunizieren und Kooperieren; Produzieren und Präsentieren; Schützen und sicher agieren; Problemlösen und Handeln; Analysieren und Reflektieren).

Betrachtet man diese Kompetenzbereiche, sind durchaus Gemeinsamkeiten zu den Modellen von Eichhorn oder der EU zu erkennen. So thematisieren beispielsweise alle Modelle das digitale Kommunizieren und Kooperieren als wichtige digitale Kompetenz. Kernunterschied ist jedoch die Zielgruppe. „Kompetenzen in der digitalen Welt“ (KMK 2016) beschreibt mit seinen sechs Bereichen Kompetenzen, welche Schüler*innen vermittelt werden sollen. Folglich fokussiert sich dieser Rahmen auf die Institution Schule und deren Akteur*innen. Zwar schreibt die KMK, dass diese Kompetenzbereiche auch auf Studierende zu beziehen seien, verzichtet aber auf weitere Ausführungen. Ebenso unterschiedlich ist, dass die Modelle, welche Hochschullehrende oder Lehrende im Allgemeinen fokussieren, stets eine Komponente beinhalten, die beschreibt, Lernende anzuleiten, zu begleiten oder digitale Kompetenzen an andere weiterzugeben. Das Begleiten von Lernenden oder die Weitergabe einer Kompetenz an Andere fällt nicht in den „Aufgabenbereich“ von Schüler*innen, kann jedoch potentiell von Studierenden erwartet werden (beispielsweise von Tutor*innen o. ä.).

Im Rahmen des KMK-Papiers wird die Zielgruppe der Schüler*innen und Studierenden undifferenziert vermischt und nicht bezogen auf ihre individuellen Bedürfnisse, aber auch den jeweiligen Anforderungen betrachtet. Schulisches Lernen und Lehren und universitäres Lernen und Lehren scheint gleichgesetzt zu werden. Insgesamt kann festgestellt werden, dass die spezifische Zielgruppe der Studierenden in den Kompetenzmodellen bezüglich Digital Literacy wenig bis gar nicht repräsentiert ist. Sie sind entweder in Modellen zu verorten, die sich beispielsweise auf alle EU-Bürger*innen (vgl. DigComp 2.2) beziehen oder werden der Gruppe der Schüler*innen (vgl. KMK) zugeordnet.

Einen ersten Ansatz für ein Kompetenzmodell für Studierende haben May et al. (2019) angelehnt an das Modell von Eichhorn et. al. für Hochschullehrende (s.o.) entwickelt. Das Modell umfasst verschiedene Dimensionen der digitalen Medienkompetenz und zielt darauf ab, Studierende umfassend in den Bereichen digitale Identität, Karriereplanung, digitale Wissenschaft, IT-Kompetenz, Informationskompetenz, Kommunikation und Kollaboration, digitales Produzieren, sowie Analysieren und Reflektieren zu schulen.

Es gliedert sich in drei Stufen:

Überblickswissen & Grundlagen: In dieser Stufe werden Grundkenntnisse zu Themen wie Social Media, persönlichem Marketing, Datenschutz, Open Access, IT-Kenntnissen und Kommunikation vermittelt.
Praktische Anwendung: Hier geht es um die Anwendung von digitalen Medien in Lehre, Forschung und persönlichem Lernen. Die Studierenden lernen den Einsatz von Online-Tools, Medienproduktion, digitale Kommunikation und Zusammenarbeit sowie die Reflexion des eigenen Mediennutzungsverhaltens.
Weitergabe & Anleitung Anderer: Auf dieser Stufe werden die Studierenden befähigt, andere in der Auswahl und Nutzung geeigneter digitaler Werkzeuge und Plattformen zu beraten, Online-Lernszenarien zu entwerfen und digitale Lehrmaterialien zu erstellen.

Im Hinblick auf die Studierendenperspektive erweitert das Modell von May et al. bestehende Modelle unter anderem um die Kategorie „Digitales Lernen“ sowie „Digitales wissenschaftliches Arbeiten/forschendes Lernen“.

Zusammenfassend lässt sich jedoch feststellen, dass die speziellen Anforderungen und Bedürfnisse, welche sich im Rahmen einer Hochschulausbildung ergeben, bislang wenig beachtet werden. Studierende werden oftmals zur heterogenen Gruppe der Lernenden zugeordnet, zu denen aber sowohl Schüler*innen als auch jede Person gezählt werden kann, die sich durch informelles oder formelles Lernen Neues aneignet. Eigene Modelle, die sich mit den digitalen Kompetenzen Studierender befassen, sind bislang kaum vorhanden. Dies stellt nicht nur die Studierende selbst vor Herausforderungen, da keine konkreten Anforderungen an sie formuliert werden, sondern auch die Lehrenden, da sie nicht von einem allgemeinen Kenntnisstand der Studierenden in Bezug auf digitale Kompetenzen ausgehen können.

Konzeption eines Kompetenz-Modells für Studierende

Da bislang kaum spezifische Modelle für die Zielgruppe der Studierenden vorliegen, wurde im Rahmen der Fachgruppe Digital Literacy innerhalb des Netzwerks HessenHub ein Modellentwurf für die Zielgruppe der Studierenden konzipiert. Die Modellentwicklung erfolgte ausgehend von Kompetenzdimensionen des JISC-Modells, Eichhorn et al. sowie den Anpassungen von May et al. (2019), die erstmalig den Fokus auf die Studierendenperspektive setzen.

Mit Hilfe des Modells sollen Lehrende dabei unterstützt werden, Aspekte von Digital Literacy in die eigene Lehre zu integrieren. Mit zunehmender Digitalisierung geraten Lehrende in die Verantwortung, digitale Kompetenzen innerhalb Ihrer Lehrveranstaltungen zu vermitteln und bei Studierenden zu entwickeln. Dies muss über die professionsbezogenen Inhalte hinaus bzw. integriert erfolgen. Das stellt in Lehrende in vielerlei Hinsicht vor große Herausforderungen, da sie meist Expert*innen ihres Feldes, nicht aber im Kontext digitaler Kompetenzen sind.

Außerdem dient das Modell Hochschulmitarbeitenden als Hilfestellung bei der Beratung von Lehrenden. In diesen Beratungskontexten kann das Studierendenkompetenzmodell eingebunden werden, um Lehrenden die unterschiedlichen Aspekte von Digital Literacy aufzuzeigen und inwiefern sich diese auf den einzelnen Niveaustufeneinbinden lassen.

Im Folgenden wird kurz skizziert, wie bei der Entwicklung des Modells vorgegangen wurde und welche Besonderheiten das Modell im Hinblick auf die Zielgruppe der Studierenden aufweist.

Vorgehensweise

Im ersten Schritt der Konzeptionsphase wurden die Modelle der in May et al. (2019) modifizierten Studierendenvariante inhaltlich miteinander verglichen. Darüber hinaus wurden weitere Modelle (u.a. DigComp) zur Analyse herangezogen. Da die Aspekte Ethik, Problemlösungskompetenz und digitale Sicherheit in den bestehenden Modellen nur teilweise oder gar nicht enthalten waren, wurden diese in dem von der Fachgruppe entwickelten Modell um diese Dimensionen erweitert.

Diese Anpassungen wurden in der untenstehenden Tabelle entsprechend vermerkt. Das Modell wurde zudem auf Basis der theoretischen Erkenntnisse entsprechend weiterentwickelt.

Vorstellung des Modells

Das Modell besteht aus acht Kategorien:

IT-Grundlagen und (Cyber-)Sicherheit
Digitale (professionelle) Identität
Digitale Lern- und Prüfungsstrategien
Digitale Informations- und Problemlösekompetenz
Digitale Kommunikation, Kollaboration und Kooperation
Digitales wissenschaftliches Arbeiten
Medienproduktion & Präsentation
Reflexion digitalen Handelns

Die Fachgruppe hat beschlossen, für die Benennung der Inhaltskategorien Substantive anstelle von Verben zu verwenden. In bereits bestehenden Modellen heißen die Kategorien beispielsweise „Produzieren und Präsentieren“ oder „Bedienen und Anwenden“. Bei der Konzeption des vorliegenden Modells wurde entschieden, mit Substantiven und Nominalisierungen zu arbeiten. Verben sollten nur bei der Formulierung von Lernzielen verwendet werden (siehe Tabelle). Im Sinne des Constructive Alignment sind die Lernziele detailliert und kompetenzorientiert formuliert. Eine synonyme Verwendung bei den Kategorienbezeichnungen und bei der Lernzielformulierung sollte somit ausgeschlossen werden.

Zudem wurde aus Sicht der Autor*innen in den bereits bestehenden Modellen die Reflexion des individuellen Handelns nicht ausreichend fokussiert. Daher erfolgte die Umbenennung der Kategorie „Analysieren und Reflektieren“ in „Reflexion des digitalen Handelns“, um mit dieser Begrifflichkeit auch auf die Bedeutung des persönlichen Handelns und der (ethischen) Verantwortung des Individuums hinzuweisen.

Verschiedene Beispiele wurden anhand von Themenbereichen in den jeweiligen Kompetenzstufen benannt. Dies soll es Lehrenden und Hochschulmitarbeitenden erleichtern, konkrete Bedarfe aus den einzelnen Kategorien von Digital Literacy abzuleiten und zu vermitteln. In Anknüpfung an die Literatur und aktuelle technologische Entwicklungen (z. B. KI-Anwendungen) wurden außerdem für die jeweiligen Kompetenzstufen weitereThemenbereiche ergänzt.

Im Unterschied zur Konzeption von May et al. umfasst das hier vorliegende Digital Literacy Modell eine feingliedrigere Beschreibung von Lernergebnissen in Orientierung an die Lernzieltaxonomie von Krathwohl (siehe untenstehende Tabelle). Die Lernziel-Taxonomie nach Krathwohl ist ein bewährtes Modell, um kognitive Leistungen zu beschreiben und zu klassifizieren, welche Studierende am Ende einer Lehrveranstaltung oder eines Moduls beherrschen sollen. Die sechs Stufen kognitiver Komplexität bauen jeweils aufeinander auf und können durch spezifische Verben beschrieben werden. Diese Vorgehensweise bietet Lehrenden eine einfachere Orientierung, um digitale Kompetenzen auf den unterschiedlichen Kompetenzstufen in ihre Lehrveranstaltung zu integrieren. Darüber hinaus knüpft es an das Konzept des Constructive Alignment an, das Lehrende bei der Planung einer Lehrveranstaltung darin unterstützt, Lernergebnisse, Lehr- und Lernmethoden sowie Prüfungsform(en) aufeinander abzustimmen.

Es wird auch deutlich, dass bei einigen Kompetenzdimensionen nicht alle Studierenden sämtlicher Fachrichtungen die Niveaustufe 6 (Analyse) erreichen. Der Aspekt „IT-Grundlagen und Cybersicherheit“ ist beispielsweise in den höheren Stufen geknüpft an fachspezifische Kenntnisse. Studierende der Informatik sind beispielsweise nach Abschluss ihres Studiums in der Lage, KI-Algorithmen zu programmieren. Für Studierende vieler anderer Studiengänge reicht es, sich kritisch mit KI-Anwendungen auseinanderzusetzen und dabei sowohl ethische als auch datenschutzrelevante Aspekte zu berücksichtigen (Stufe 5).

Anwendung des Kompetenzmodells in der Lehrpraxis – Ideen zur Nutzung

Die Tabelle mit Lernergebnissen, die sich aus den verschiedenen Dimensionen von Digital Literacy zusammensetzt, bietet Lehrenden an Hochschulen eine Inspiration zur Gestaltung und Bewertung von Lehrinhalten. Hier finden Sie einige konkrete Möglichkeiten, wie Sie diese Tabelle effektiv nutzen können:

Curriculum-Design und -Anpassung: Lehrende können die in der Tabelle aufgeführten Lernergebnisse als Grundlage verwenden, um Lehrpläne zu entwickeln oder bestehende Kurse zu überarbeiten. Durch die Orientierung an den definierten Kompetenzstufen lassen sich Lehrziele und Lernergebnisse präziser formulieren und auf die spezifischen Bedürfnisse der Studierenden abstimmen.
Entwicklung von Lehrmaterialien und -methoden: Die Tabelle kann dazu dienen, passende Lehrmaterialien und -methoden zu entwickeln, die darauf abzielen, die festgelegten Lernergebnisse zu erreichen. Lehrende können auf dieser Grundlage entscheiden, welche digitalen Tools und Technologien eingesetzt werden sollten, um die Vermittlung der digitalen Kompetenzen zu unterstützen.
Bewertung und Feedback: Lehrende können die Tabelle nutzen, um Bewertungskriterien zu erstellen, die darauf abzielen, den Erwerb der in der Tabelle definierten Kompetenzen zu messen. Dies ermöglicht eine zielgerichtete Rückmeldung an die Studierenden und hilft dabei, deren Fortschritte im Bereich der Digital Literacy zu bewerten.
Förderung einer differenzierten Lernumgebung: Durch die Kenntnisse verschiedener Kompetenzstufen können Lehrende differenzierte Lehransätze entwickeln, die auf die unterschiedlichen Vorkenntnisse und Lerngeschwindigkeiten der Studierenden eingehen. Dies fördert ein Lernumfeld, in dem alle Studierenden entsprechend ihrer individuellen Fähigkeiten unterstützt werden können.
Professionelle Weiterbildung und Selbstreflexion: Lehrende können die Tabelle auch als Instrument zur Selbstreflexion und zur Planung ihrer eigenen professionellen Weiterbildung verwenden. Durch die Auseinandersetzung mit den verschiedenen Dimensionen digitaler Kompetenzen können sie Bereiche identifizieren, in denen sie selbst Weiterbildungsbedarf haben, um ihre Lehrkompetenz zu verbessern.

Diese vielfältigen Anwendungsmöglichkeiten machen die Tabelle mit Lernergebnissen zu einem zentralen Werkzeug für Lehrende, um die digitalen Kompetenzen ihrer Studierenden zu fördern. Durch Orientierung an Lernzieltaxonomien und die Verwendung von konkreten Lernzielen bzw. Lernergebnissen wird transparent, was Ziel der jeweiligen Lehrveranstaltung ist. Nehmen wir hierzu ein Beispiel, welches sich mit dem Verb „bewerten“ auf der fünften Taxonomiestufe befindet. Um die Lernenden dabei zu unterstützen, selbst eine Bewertung von Tools vorzunehmen, ist es notwendig, dass sie sich selbst aktiv damit auseinandersetzen – ein reiner Vortrag durch die Lehrperson kann diese Fähigkeiten nicht entwickeln, so dass die Lehrmethode angepasst werden muss, um dieses Lernergebnis zu erreichen.

Ausblick

Das konzipierte Modell bietet einen ersten Ansatz, um die Bedürfnisse der Zielgruppe der Studierenden mehr in den Blick zu nehmen. Hervorzuheben ist, dass sich die Konzeption auf theoretische Erkenntnisse aus verschiedenen Kompetenzmodellen sowie aktuellen technologischen Entwicklungen (KI) bezieht. Bislang wurde das Modell nur in einem Expert*innenkreis im Rahmen der Fachgruppe konzipiert und diskutiert. Zur Weiterentwicklung des Modells wäre es jedoch sinnvoll, die Zielgruppe der Studierenden empirisch zu befragen, inwiefern das Modell ihre Bedarfe abdeckt. Außerdem sollte erprobt werden, inwiefern das Modell und die Formulierung von Lernergebnissen zur praktischen Umsetzung von Digital Literacy in der Modul- und Curriculumentwicklung von Lehrenden als hilfreich empfunden wird und in ausreichendem Maße unterschiedliche Fachkontexte berücksichtigt. Darüber hinaus sollten die Themenbereiche des Modells fortlaufend überprüft und ggf. aktualisiert werden, da sich durch neue technologische Entwicklungen immer wieder Anpassungsbedarfe ergeben.

Literatur

Anderson, L. W., & Krathwohl, D. R. (2001). A Taxonomy for Learning, Teaching, and Assessing. A Revision of Bloom’s Taxonomy of Educational Objectives. Addison-Wesley.

DigComp framework. (2022). EU Science Hub. https://joint-research-centre.ec.europa.eu/digcomp/digcomp-framework_en

Eichhorn, M., Müller, R., & Tillmann, A. (2017). Entwicklung eines Kompetenzrasters zur Erfassung der ‚Digitalen Kompetenz‘ von Hochschullehrenden. In Bildungsräume: Proceedings der 25. Jahrestagung der Gesellschaft für Medien in der Wissenschaft (S. 209–219). Münster.

European framework for the digital competence of educators: DigCompEdu. (2017). Publications Office of the European Union.

HRK-Nexus. (o. J.). Lernergebnisse praktisch formulieren. Hrk-nexus.de. Abgerufen 21. August 2024, von http://www.hrk-nexus.de/fileadmin/redaktion/hrk-nexus/07-Downloads/07-02-Publikationen/nexus-Impuls-2-Lernergebnisse.pdf

Lohner, D., May, T., & Seithe, A. (2019). Akademische Digitale Medienkompetenz modular fördern. Poster präsentiert auf Tagung Junges Forum Medien und Hochschulentwicklung (JFMH 2019), Weingarten (Ravensburg), 29.–30. Juli 2019. https://publikationen.bibliothek.kit.edu/1000097492

Strategie Bildung in der digitalen Welt. (2016). https://www.kmk.org/themen/bildung-in-der-digitalen-welt/strategie-bildung-in-der-digitalen-welt.html

Anhang

Das Kompetenzmodell zur Entwicklung von digitalen Kompetenzen von Studierenden als PDF herunterladen

Kontakt

Bei Fragen und Anmerkungen wenden Sie sich bitte an Daniela Kamutzki, Nina Christ oder Lisa Ulzheimer.

Interaktives Modell

Kategorie auswählen

Digitale (professionelle) Identität

Themenbereiche

Digitale Profile
Identitätsmanagement
Persönlichkeitsrechte
Schutz persönlicher Daten

Stufe 1: Erinnern

Die Studierenden können…

… ausgewählte Social Media Plattformen auch in Hinblick auf die Relevanz für den Arbeitsmarkt benennen.
… Aspekte einer digitalen Identität benennen.
… benennen, welche Daten erfasst und verarbeitet werden und verschiedene Möglichkeiten zum Schutz persönlicher Daten im Netz beschreiben.

Stufe 2: Verstehen

Die Studierenden können…

… die Vor- und Nachteile verschiedener arbeitsmarktrelevanter Social Media Plattformen erläutern.
… Aspekte des Datenschutzes darstellen.

Stufe 3: Anwenden

Die Studierenden können…

… ausgewählte Social Media Plattformen auswählen und ein eigenes Profil für den beruflichen Kontext gestalten und verwalten.
… dabei die Richtlinien der DSGVO berücksichtigen und anwenden.

Stufe 4: Analysieren

Die Studierenden können…

… ausgewählte Social Media Plattformen kontrastieren sowie Vor- und Nachteile gegenüberstellen und analysieren.
… Aspekte der DSGVO gegenüberstellen und Auswirkungen von Datenschutzverletzungen analysieren sowie Konsequenzen erörtern.

Stufe 5: Beurteilen

Die Studierenden können evaluieren, inwiefern die gewählte Plattform für die jeweilige (berufsrelevante) Zielsetzung geeignet ist.

Stufe 6: Erschaffen

Die Studierenden können Guidelines zur Erstellung professioneller Social Media Accounts zum Self-Marketing im beruflichen Kontext aus den eigenen Erfahrungen ableiten und mit anderen teilen.

Digitales wissenschaftliches Arbeiten

Themenbereiche

Wissensmanagement
Open Access
Umgang mit (digitalen) Hilfsmitteln
Einsatz von generativer KI
Literaturverwaltung
Urheberrecht

Stufe 1: Erinnern

Die Studierenden können…

… grundlegende Definitionen der Begriffe Big Data und Open Access benennen.
… grundlegende Bestimmungen des Urheberrechts beschreiben.
… wissenschaftsrelevante Literaturverwaltungssysteme und deren Funktionen benennen.
… generative KI Tools mit ihren jeweiligen Anwendungsbereichen im Kontext des wissenschaftlichen Arbeitens benennen.

Stufe 2: Verstehen

Die Studierenden können…

… grundlegende Aspekte der Begriffe Big Data und Open Access erläutern.
… grundlegende Bestimmungen des Urheberrechts erklären.
… wissenschaftsrelevante Literaturverwaltungssysteme und deren Funktionen vergleichen.
… generative KI Tools mit ihren jeweiligen Anwendungsbereichen im Kontext wissenschaftlichen Arbeitens vergleichen.

Stufe 3: Anwenden

Die Studierenden können…

… grundlegende Bestimmungen des Urheberrechts anwenden, um wissenschaftliche Arbeiten zu verfassen.
… wissenschaftsrelevante Literaturverwaltungssysteme auswählen, im Kontext des wissenschaftlichen Arbeitens anwenden und den passenden Zitationsstil anwenden.
… generative KI Tools im Kontext des wissenschaftlichen Arbeitens auswählen, anwenden sowie die Nutzung korrekt kennzeichnen.

Stufe 4: Analysieren

Die Studierenden können…

… die zentralen Vor- und Nachteile der Konzepte Big Data und Open Access miteinander vergleichen.
… differenzieren, für welchen Kontext der Veröffentlichung welche Bestimmungen des Urheberrechts beim Verfassen von wissenschaftlichen Arbeiten einzuhalten sind und diese entsprechend in Literaturverwaltungssystemen zu beachten.
… generative KI Tools und deren Funktionsweise analysieren und Anwendungen miteinander vergleichen.

Stufe 5: Beurteilen

Die Studierenden können…

… die zentralen Vor- und Nachteile der Konzepte Big Data und Open Access reflektieren und beurteilen.
… beurteilen, welche Formate zur Veröffentlichung von Daten unter Berücksichtigung ethischer und rechtlicher Aspekte sinnvoll sind.
… generative KI Tools und deren Funktionsweise kritisch beurteilen sowie Potenziale und Risiken reflektieren.

Stufe 6: Erschaffen

Die Studierenden können…

… Richtlinien zur Nutzung generativer KI Tools für den persönlichen Gebrauch verfassen und mit anderen teilen.
… Richtlinien im Kontext des Urheberrechts formulieren und mit anderen teilen.

IT-Grundlagen und (Cyber-)Sicherheit

Themenbereiche

Cloud Computing
KI-Anwendungen & KI-Methoden
Cybersicherheit
IT-Infrastruktur

Stufe 1: Erinnern

Die Studierenden können…

… grundlegende IT-Begriffe (z. B. Browser, Hard- und Software, Betriebssysteme, MS Office) benennen.
… benennen welche Arten von KI-Anwendungen für welchen Einsatz in Frage kommen.
… grundlegende Sicherheitsrisiken (Phishing, Spam, Viren) im Netz benennen.

Stufe 2: Verstehen

Die Studierenden können…

… grundlegende IT-Begriffe (z. B. Browser, Hard- und Software, Betriebssysteme, MS Office) erläutern.
… KI-Anwendungen (Algorithmen, Daten) und KI-Methoden (z. B. Machine Learning, Deep Learning) erläutern.
… erklären, wie sie sich vor potentiellen Sicherheitsrisiken (Phishing, Spam, Viren) im Netz schützen können.

Stufe 3: Anwenden

Die Studierenden können…

… grundlegende IT-Kenntnisse (z. B. verschiedene Browser, Installation von Software, MS Office) anwenden.
… KI-Anwendungen mit unterschiedlichen Zielsetzungen anwenden.
… grundlegende Risiken und Maßnahmen zum Schutz vor Sicherheitsrisiken im Netz anwenden (z. B. Nutzung sicherer Passwörter, Umgang mit Spam…).

Stufe 4: Analysieren

Die Studierenden können…

… verschiedene Browser oder grundlegende MS Office-Produkte miteinander vergleichen.
… verschiedene KI-Anwendungen und KI-Methoden vor dem Hintergrund der Funktionen, Kontexte und Zielsetzungen analysieren.
… vergleichen, mit welchen Maßnahmen sie sich vor Sicherheitsrisiken besser schützen können.

Stufe 5: Beurteilen

Die Studierenden können…

… begründen, welche MS-Software sich für welchen Einsatzweck eignet.
… KI-Anwendungen unter Beachtung rechtlicher Grundlagen und ethischer Abwägungen hinsichtlich des Einsatzes nach transparenten Kriterien beurteilen.
… einschätzen, ob eine E-Mail / ein Download eine potentielle Gefahr darstellt und daraus Maßnahmen zur Gefahrenabwehr einleiten.

Stufe 6: Erschaffen

Die Studierenden können Strategien zum persönlichen Schutz vor Sicherheitsrisiken im Netz entwickeln und mit anderen teilen.

In dieser Phase können berufsspezifische Besonderheiten und Abweichungen auftreten, da die curriculare Einbindung fachlicher Inhalte zu berücksichtigen ist. Studierende im Bereich der Informatik werden voraussichtlich während ihres Studiums IT-Anwendungen selbst programmieren und entwickeln. Dies hängt jedoch maßgeblich vom jeweiligen Studienfach ab.

Digitale Informations- und Problemlösekompetenz

Themenbereiche

Problemlösestrategien im virtuellen Raum
Computational Thinking

Stufe 1: Erinnern

Die Studierenden können…

… verschiedene fachrelevante digitale Informationsquellen und Suchinstrumente sowie spezifische Datenbanken identifizieren und deren jeweilige Funktionen benennen.
… grundlegende Suchstrategien, wie z. B. Boolesche Operatoren, Phrasensuche, Wildcards und Filterfunktionen aufzählen.
… zentrale Problemlösestrategien, wie z. B. Brainstorming, Mind-Mapping benennen.
… die vier Hauptkomponenten des Computational Thinking (Dekomposition, Mustererkennung, Abstraktion, Algorithmisches Denken) definieren und Beispiele für jede Komponente anführen.

Stufe 2: Verstehen

Die Studierenden können…

… die Funktionsweise und die Unterschiede zwischen verschiedenen Suchinstrumenten, wie z. B. Bibliothekskatalogen und wissenschaftlichen Datenbanken, und Suchstrategien erklären und beschreiben, wie diese zur Lösung fachspezifischer Probleme eingesetzt werden können.
… erläutern, wie digitale Werkzeuge, wie z. B. cloud-basierte Projektmanagement-Tools, zur Lösung von Gruppenproblemen im virtuellen Raum genutzt werden können.
… erläutern, wie die Komponenten des Computational Thinking (Dekomposition, Mustererkennung, Abstraktion, Algorithmisches Denken) verwendet werden, um komplexe Probleme zu analysieren und zu strukturieren.

Stufe 3: Anwenden

Die Studierenden können…

… relevante Suchinstrumente und wissenschaftliche Datenbanken nutzen, um akademische Informationen zu spezifischen Forschungsthemen zu recherchieren.
… gezielt geeignete Suchstrategien, wie z. B. die Verwendung von Booleschen Operatoren oder die Nutzung spezifischer Filter, anwenden, um relevante Informationen für spezifische akademische Fragestellungen zu finden.
… digitale Werkzeuge nutzen, um Probleme im virtuellen Raum zu lösen.
… Computational Thinking- Methoden anwenden, um spezifische Probleme in ihrem Fachgebiet zu untergliedern und geeignete Lösungsansätze zu entwickeln, z. B. durch die Erstellung von Flussdiagrammen oder die Entwicklung einfacher Algorithmen.

Stufe 4: Analysieren

Die Studierenden können…

… die Effektivität unterschiedlicher Suchinstrumente und Suchstrategien, einschließlich KI-gestützter Methoden, analysieren, um das optimale Vorgehen für spezifische Informationsprobleme zu identifizieren.
… die Effektivität verschiedener Problemlösungsstrategien im virtuellen Raum, einschließlich KI-gestützter Moderationsmethoden, analysieren, um die geeignetsten Ansätze für verschiedene Problemlösungsanforderungen zu identifizieren.
… komplexe Probleme analysieren und in kleinere Einheiten untergliedern und Muster erkennen, um Lösungsansätze zu generalisieren.
… (ggf. KI-unterstützt) Datenanalysen durchführen und die Ergebnisse kritisch analysieren, um Trends zu erkennen und Problemlösungen zu entwickeln.
… Computational Thinking- Methoden und KI-gestützte Lösungen analysieren, um komplexe Daten effektiv zu interpretieren und nutzbare Informationen zu extrahieren.

Stufe 5: Beurteilen

Die Studierenden können…

… die durch KI-Anwendungen und digitalen Tools entwickelten Lösungen und Ergebnisse hinsichtlich ihrer Angemessenheit und Qualität kritisch bewerten.
… die Effektivität verschiedener digitaler Lösungsstrategien kritisch analysieren und bewerten.
… die Effektivität und Effizienz von Suchinstrumenten und -strategien, einschließlich KI-gestützter Methoden, kritisch bewerten, um die an den besten geeigneten Strategien für bestimmte Informationsbedürfnisse zu bestimmen.
… die Effizienz und Effektivität verschiedener Problemlösungsansätze im virtuellen Raum, einschließlich KI-gestützter Moderationsmethoden, bewerten und fundierte Entscheidungen über die besten Lösungen treffen.
… Computational Thinking- Methoden und KI-gestützte Lösungen bewerten, um die Angemessenheit und Effizienz verschiedener Lösungsansätze für spezifische Probleme zu beurteilen.

Stufe 6: Erschaffen

Die Studierenden können…

… innovative Suchinstrumente oder Erweiterungen bestehender Instrumente, einschließlich KI-basierter Werkzeuge, entwerfen, die spezifischen Informationsbedürfnisse in ihrem Fachkontext gezielter adressieren.
… neue und verbesserte Suchstrategien, einschließlich KI-gestützter Methoden, entwickeln, um komplexe Informationsprobleme effizienter zu lösen.
… neue digitale Werkzeuge und Plattformen, einschließlich KI-basierter Werkzeuge, entwickeln oder anpassen, um spezifische Problemlösungsanforderungen im virtuellen Raum effektiver zu erfüllen.
… innovative Lösungen für komplexe Probleme entwerfen, indem sie fortgeschrittene Computational Thinking-Fähigkeiten und KI-gestützte Methoden einsetzen, wie z. B. durch die Entwicklung neuer Algorithmen, die Kombination verschiedener Lösungsstrategien oder die Implementierung neuer Problemlösungsmodelle.

Digitale Kommunikation, Kollaboration und Kooperation

Themenbereiche

Online-Moderation
Digitale Workspaces
synchrone/asynchrone Kommunikation
Informations- und Datenaustausch
Netiquette

Stufe 1: Erinnern

Die Studierenden können…

… synchrone und asynchrone Kommunikationsmedien benennen.
… Möglichkeiten zum Datenaustausch benennen.
… Umgangsformen im digitalen Raum skizzieren und verschiedene digitale Kommunikations- und Kollaborationstools benennen.

Stufe 2: Verstehen

Die Studierenden können…

… Umgangsformen im digitalen Raum erläutern.
… Vor- und Nachteile für verschiedene Formate zum Datenaustausch erläutern.
… erläutern, welche digitalen Tools zu Kommunikations- und Kollaborationszwecken sich für synchrone bzw. asynchrone Arbeitsphasen eignen.

Stufe 3: Anwenden

Die Studierenden können…

… höfliche Umgangsformen im digitalen Raum anwenden und sich entsprechend in digitalen Settings verhalten.
… können verschiedene Formate zum Datenaustausch bedienen.
… Werkzeuge zur digitalen Kommunikation und Kollaboration nutzen und Inhalte mit anderen teilen.

Stufe 4: Analysieren

Die Studierenden können…

… Umgangsformen im digitalen und analogen Raum miteinander vergleichen und Unterschiede identifizieren.
… können verschiedene Formate zum Datenaustausch miteinander vergleichen.
… digitale Werkzeuge zu Kollaborations- und Kommunikationszwecken gegenüberstellen und im Sinne der persönlichen Nützlichkeit kategorisieren.

Stufe 5: Beurteilen

Die Studierenden können…

… Umgangsformen im digitalen Raum bewerten und Verstöße begründen.
… können verschiedene Formate zum Datenaustausch für unterschiedliche Einsatzzwecke begründen.
… Werkzeuge zu Kollaborations- und Kommunikationszwecken beurteilen und für oder gegen die Nutzung argumentieren.

Stufe 6: Erschaffen

Die Studierenden können…

… Umgangsformen im digitalen Raum zusammenstellen und Richtlinien entwerfen.
… digitale Kommunikations- und Kollaborationswerkzeuge zusammenstellen und anderen zur Verfügung stellen.

Digitale Lern- und Prüfungsstrategien

Themenbereiche

Digitale Studienorganisation
Bedarfsbezogener Einsatz von Lerntechnologien
Prüfungsszenarien

Stufe 1: Erinnern

Die Studierenden können…

… die Grundfunktionen von relevanten Lernmanagementsystemen (LMS) aufzählen, wie z. B. Kursmaterialien bereitstellen, Diskussionsforen einrichten und Online-Tests durchführen.
… die wichtigsten Arten digitaler Prüfungsformate (z. B. Multiple-Choice-Tests, Open Book, E-Portfolios) benennen.
… gängige Lerntechnologien und verschiedene Anwendungen von KI in der Bildung benennen.
… Methoden und Techniken zur Gestaltung von Selbstlernphasen beschreiben.

Stufe 2: Verstehen

Die Studierenden können…

… erläutern, welche Methoden und Tools sich für Selbstlernphasen eignen.
… die Funktionalitäten von relevanten Lerntechnologien, u. a. von Lernmanagementsystemen in Bezug auf die Organisation ihres Studiums erläutern.
… die Vor- und Nachteile von Online-Prüfungen im Vergleich zu Präsenzprüfungen diskutieren, z. B. in Bezug auf Flexibilität und technische Herausforderungen.
… den Einsatz von digitalen Whiteboards z. B. für kollaborative Gruppenarbeit erklären.
… die Prinzipien von KI-gestützten adaptiven Lernsystemen beschreiben, z. B. wie sie personalisierte Übungen generieren.

Stufe 3: Anwenden

Die Studierenden können…

… die von den Lehrenden zur Verfügung gestellten Plattformen für die Vorbereitung auf (digitale) Prüfungen nutzen.
… einen Studienplan mithilfe eines digitalen Organisationstools, wie z. B. Trello, erstellen, um ihre Aufgaben und Deadlines zu verwalten und das Pensum der Selbstlernphasen anhand der Kursstruktur zu planen.
… eine Online-Prüfung in Moodle ablegen, z. B. Multiple-Choice-Fragen.
… einen virtuellen Lernraum, wie z. B. Zoom, für eine interaktive Gruppenarbeit einrichten, z. B. indem sie Breakout-Räume für Diskussionen nutzen.
… KI-gestützte Anwendungen verwenden, um personalisierte Lernempfehlungen für einen Kurs zu erhalten.

Stufe 4: Analysieren

Die Studierenden können…

… differenzieren, inwiefern sich verschiedene Medienarten für die jeweilige Vor- bzw. Nachbereitung von Lehrveranstaltungen eignen (Lernmodule, Videos, Texte).
… verschiedene LMS-Tools vergleichen, um die am besten geeigneten für die eigene Studienorganisation auszuwählen.
… die Effektivität von verschiedenen digitalen Prüfungsformaten und Plattformen analysieren.
… die Interaktionsmöglichkeiten in verschiedenen virtuellen Plattformen bewerten.
… die Eignung von KI-gestützten Lernsystemen, wie z. B. Smart Sparrow und DreamBox, für unterschiedliche Lerntypen beurteilen.

Stufe 5: Beurteilen

Die Studierenden können…

… ausgehend vom vorgegebenen Lehrmaterial ihres Kurses durch eigene Recherche zusätzliches Onlinematerial (z. B. YouTube, OER-Material) zum Lernen auswählen.
… die Effektivität ihrer digitalen Studienorganisation kritisch beurteilen, indem sie ihre Studienleistungen und Zeiteffizienz analysieren.
… die Interaktivität und den Lernfortschritt sowie ihre Lernergebnisse in ihrer virtuellen Lernumgebung bewerten.
… die Anpassungsfähigkeit und Effektivität ihres KI-gestützten Lernprogramms bewerten.

Stufe 6: Erschaffen

Die Studierenden können…

… eine virtuelle Lernumgebung konzipieren, die auf die Bedürfnisse einer bestimmten Lerngruppe zugeschnitten ist, z. B. mit angepassten Zugriffsrechten und speziellen Diskussionsforen.
… ein KI-gestütztes Lernprogramm erstellen, das auf spezifische Lernziele abgestimmt ist, z. B. ein adaptives Mathematik-Tutorial für Studierende mit unterschiedlichen Kenntnisständen.
… eine umfassende digitale Strategie für ihre Studienorganisation entwickeln, die mehrere Tools kombiniert, z. B. für Aufgabenmanagement und Terminkoordination.

Medienproduktion & Präsentation

Themenbereiche

Bildbearbeitung
Podcasting
Videoproduktion
Digitales Mind Map
E-Portfolio
Präsentationstools

Stufe 1: Erinnern

Die Studierenden können Grundlagen der Medienproduktion, Tools zur Medienproduktion und Präsentationstechniken für Bildbearbeitung, Videoproduktion, Mind Maps, Portfolios und Präsentationen benennen.

Stufe 2: Verstehen

Die Studierenden können Grundlagen der Medienproduktion sowie passende Tools und Präsentationstechniken beschreiben.

Stufe 3: Anwenden

Die Studierenden können Grundlagen der Medienproduktion und Präsentationstechniken anwenden. Sie können eigene, kreative Medienprodukte (z. B. Videos) mit geeigneten Tools und Werkzeugen erstellen.

Stufe 4: Analysieren

Die Studierenden können…

… erstellte Medienprodukte kritisch analysieren.
… Präsentationen und Techniken gegenüberstellen und vergleichen.

Stufe 5: Beurteilen

Die Studierenden können…

… erstellte Medienprodukte beurteilen und dementsprechend anpassen.
… eigens erstellte Präsentationen und Elemente für den Studienerfolg wählen und einfügen.

Stufe 6: Erschaffen

Die Studierenden können…

… erstellte Medienprodukte organisieren und Richtlinien hierfür konzipieren.
… Präsentationen bzw. Richtlinien für “gute” Präsentationen konstruieren und für andere zusammenstellen.

Reflexion digitalen Handelns

Themenbereiche

Selbstkritischer Umgang mit Medien
Digitale Ethik
Digitale Selbstfürsorge
Digitale Mündigkeit

Stufe 1: Erinnern

Die Studierenden können…

… die grundlegenden Prinzipien für eine verantwortungsvolle (selbst)-kritische Mediennutzung beschreiben und Vorkehrungen zur digitalen Selbstfürsorge benennen.
… ethische Herausforderungen in Bezug auf die Mediennutzung (z. B. KI-Tools) benennen und die Konzepte der digitalen Ethik definieren.
… die Bedeutung der digitalen Selbstfürsorge und des Well-beings erklären, indem sie Ansätze wie “Digital Detox” und “Achtsamkeit im Umgang mit Technologien” beschreiben.
… die Merkmale der digitalen Mündigkeit und den Einfluss von KI auf digitale Kompetenzen benennen.

Stufe 2: Verstehen

Die Studierenden können…

… erklären, warum ein (selbst- )kritischer Umgang mit Medien wichtig ist, indem sie Beispiele für die Verbreitung von Fake News und deren Auswirkungen auf die Gesellschaft anführen.
… ethische Problemstellungen und Dilemmata im Kontext der Digitalisierung skizzieren (z. B. bzgl. Umgang mit personenbezogenen Daten).
… ethische Herausforderungen in Bezug auf die Mediennutzung (z. B. KI-Tools) erläutern.
… die Auswirkungen der digitalen Selbstfürsorge auf das Wohlbefinden anhand von übermäßigem Medienkonsum erläutern (z. B. Stress, Schlafprobleme).
… Kriterien für eine verantwortungsvolle Mediennutzung und Vorkehrungen zur digitalen Selbstfürsorge erklären.
… den Zusammenhang zwischen digitaler Mündigkeit und der Verwendung von KI-Technologien erläutern.

Stufe 3: Anwenden

Die Studierenden können…

… Kriterien für eine verantwortungsvolle Mediennutzung und Vorkehrungen zur digitalen Selbstfürsorge anwenden.
… Tools und Medien nach ethischen Kriterien bewerten.
… erläutern, welche Ursachen ethische Problemstellungen im Kontext der Digitalisierung zugrunde liegen.
… Regulierungen vornehmen, um ihre physische und psychische Gesundheit zu schützen.
… hinterfragen im Alltag Quellen und verwenden Faktenchecks.
… Prinzipien der digitalen Ethik auf aktuelle Probleme des digitalen Handels anwenden, indem sie reflektieren und bewerten, ob sie ihre Daten ausreichend geschützt haben.
… Strategien zur Verbesserung ihrer digitalen Selbstfürsorge und ihres Wohlbefindens umsetzen.
… digitale Mündigkeit demonstrieren, indem sie KI-Technologien bewerten.

Stufe 4: Analysieren

Die Studierenden können…

… ihre eigene Mediennutzung kritisch analysieren und bei Bedarf Vorkehrungen zum Schutz der eigenen psychischen und physischen Gesundheit treffen.
… ihre eigene Mediennutzung analysieren und reflektieren.
… Leitfragen ethischer Problemstellungen (Folgen für Mensch und Umwelt; Transparenz; Reflexion des persönlichen Handelns) diskutieren.
… die Herausforderungen und Risiken des selbstkritischen Umgangs mit Medien analysieren.
… ethische Dilemmata analysieren, indem sie Beispiele für algorithmische Diskriminierung oder Datenschutzverletzungen untersuchen.
… die Faktoren analysieren, die digitale Selbstfürsorge und Well-being beeinflussen.
… die Auswirkungen von KI-Technologien auf digitale Mündigkeit analysieren, indem sie den Einfluss von personalisierten Empfehlungen auf die individuelle Autonomie untersuchen.

Stufe 5: Beurteilen

Die Studierenden können…

… ihren eigenen Medienkonsum sowie das persönliche Handeln um Netz beurteilen und kritisch hinterfragen.
… ihr eigenes Verhalten in Bezug auf ethische Fragestellungen hinterfragen und Entscheidungen im digitalen Raum situativ moralisch angemessen treffen.
… bewerten, wie effektiv der selbstkritische Umgang mit Medien in verschiedenen Kontexten ist.
… die Angemessenheit verschiedener ethischer Leitlinien beurteilen.
… die Effektivität von Strategien zur Verbesserung der digitalen Selbstfürsorge und des Well-beings bewerten.
… die Wirksamkeit verschiedener Ansätze zur Förderung der digitalen Mündigkeit und des verantwortungsvollen Umgangs mit KI bewerten.

Stufe 6: Erschaffen

Die Studierenden können…

… Mechanismen und Strategien entwickeln, um ihre physische und psychische Gesundheit im digitalen Raum zu schützen. Diese können sie mit anderen teilen.
… Regeln für ein verantwortungsvolles Miteinander im Netz ableiten.
… für ausgewählte ethische Fragestellungen eigene Leitlinieren konzipieren.
… Strategien entwickeln, um den selbstkritischen Umgang mit Medien zu fördern, z. B. durch die Planung und Durchführung von Kampagnen zur Medienkompetenz mit Workshops und Informationsmaterialien.
… Richtlinien für ethisches Verhalten in verschiedenen Kontexten erstellen, z. B. indem sie Vorschläge für die verantwortungsvolle Nutzung von Kundendaten erarbeiten.
… einen Plan zur Förderung der digitalen Selbstfürsorge und des Well-beings entwickeln, indem sie ein Programm für Achtsamkeitsübungen und digitale Detox-Zeiten entwerfen.
… Vorschläge zur Verbesserung der digitalen Mündigkeit im Zusammenhang mit KI machen, indem sie Leitlinien für die transparente Nutzung von KI in sozialen Medien erstellen.