Innovative Konzepte für digitale Medien in der Lehre
„TUM eLearning-AWARD“ erstmals verliehen
23.05.2006, Press releases
„CIO - High Performance Business Simulation“, so heißt der erste Sieger des Wettbewerbs um den TUM eLearning-AWARD, den die TU München heute zum ersten Mal verliehen hat. Gewinner M.MD. Matthias Baume vom Lehrstuhl für Wirtschaftsinformatik der TUM (Prof. Helmut Krcmar) erhält ein Preisgeld in Höhe von 2.500 Euro.
Auf die Plätze zwei und drei wählte die Jury die eLearning-Angebote
„LNTwww – ein Lerntutorial für die Nachrichtentechnik im www“ und „Risk
Factory – Excellence in Education“. Sie erhalten 1.000 bzw. 500 Euro.
Das computerunterstützte Planspiel „CIO - High Performance Business
Simulation“ wurde im Jahr 2005 am Lehrstuhl für Wirtschaftsinformatik
gemeinsam mit der Unternehmensberatung Accenture konzipiert und
umgesetzt. Es greift besonders den komplexen Zusammenhang von IT- und
Unternehmensstrategie auf und bietet Studierenden die Möglichkeit, ohne
reales wirtschaftliches Risiko als Führungskräfte für mehrere
simulierte Jahre die Leitung einer Autobank mit hoher IT-Durchdringung
zu übernehmen. Durch ein Rollenkonzept werden dabei verschiedene
Perspektiven des Top Managements im Unternehmen abgebildet. Das
Planspiel wurde im Wintersemester 2005/2006 erstmalig und erfolgreich
bei den aktuellen Masterstudenten der Wirtschaftsinformatik eingesetzt.
„LNTwww – ein Lerntutorial für die Nachrichtentechnik im www“ von Prof.
Günter Söder und Dr. Klaus Eichin entstand am Lehrstuhl für
Nachrichtentechnik (Prof. Joachim Hagenauer) und ist ein über das
Internet frei zugängliches Lerntutorial (www.lntwww.de) für die
Informations- und Telekommunikationstechnik, insbesondere die
Nachrichtentechnik. Das Tutorial umfasst neben konventionellen Seiten
mit Texten, Herleitungen, Bildern und Beispielen zahlreiche
multimediale Lehr- und Lernelemente wie Videos, Audios und interaktiv
zu nutzende Berechnungs- und Simulationsmodule. Auch beinhaltet LNTwww
eine umfangreiche Aufgabensammlung mit detailliert ausgearbeiteten
Musterlösungen und einer benutzerspezifischen, lernadaptiven
Aufgabensteuerung.
Die „Risk Factory – Excellence in Education“ von Prof. Rudi Zagst,
Ordinarius am HVB-Stiftungsinstitut für Finanzmathematik, und M.Math.
Andreas Grau leistet einen wichtigen Beitrag zur Praxisnähe der
Finanz- und Wirtschaftsmathematikerausbildung. Sie besteht aus einem
Handelsraum mit einer Vielzahl an Datenzugängen, elektronischen
Nachschlagewerken, Simulations- und Analysewerkzeugen. Alle Werkzeuge
sind für den Nutzer über eine einheitliche Benutzeroberfläche
zugänglich gemacht und dokumentiert. Studenten, Diplomanden und
Mitarbeitern steht durch die Risk Factory eine mächtige Plattform
bereit, über die sie selbstständig oder begleitend zur Vorlesung lernen
und forschen können.
Die Idee des TUM eLearning-AWARD entstand im Rahmen des Projekts elecTUM,
dem eLearning-Großprojekt der TUM. „Mit elecTUM hat die TU München eine
einheitliche eLearning Plattform geschaffen, die seit dem
Wintersemester 2005/2006 bereits von über 2.500 Studierenden genutzt
wird“, erläutert TUM-Vizepräsident und CIO Prof. Arndt Bode. Ziel der
Ausschreibung des TUM eLearning-AWARD ist es, alle Mitarbeiter,
Wissenschaftler und Professoren der TUM zum Einsatz digitaler Medien in
der Lehre zu motivieren und dadurch die Entwicklung weiterer
eLearning-Angebote sowie die nachhaltige Verankerung von eLearning in
der Hochschullehre zu unterstützen. Insgesamt haben 12 Projekte an dem
Wettbewerb teilgenommen. Hauptkriterien bei der Auswahl der Gewinner
waren vor allem das didaktische Konzept, die multimediale Aufbereitung
sowie die Einbindung ins Curriculum. Als Sponsor für den TUM
eLearning-AWARD konnte die Firma Intel gewonnen werden, die zum Thema
multimediale Lehre eng mit der TU München zusammen arbeitet.
Kontakt:
Prof. Arndt Bode
Vizepräsident und CIO der TU München
E-Mail: bode@in.tum.de
Dr. Stephanie Kruis
Medienzentrum der TU München
Tel. (089) 289- 24242
E-Mail: s.kruis@tum.de
Kontakt: presse@tum.de
More Information
http://portal.mytum.de/iuk/electum/index_html