PyVo 2.0 – Durch PYthon begleitete VOrlesung im Fach Grundlagen Physik den flipped classroom unterstützen.

Die mit der Digitalen Transformation einhergehenden Kompetenzanforderungen, Programmcode zu verstehen, zu generieren und zu ändern sowie die Fähigkeit zur computergestützten graphischen Darstellung physikalisch-mathematischer Modelle soll durch PyVo 2.0 so früh wie möglich ins Studium integriert werden und die Ausbildung zum Ingenieur und Naturwissenschaftler optimal ergänzen. Die Einbindung der Programmierung soll durch Browser basierte Jupyter Notebooks (JN) in der Vorlesung und im Seminar realisiert werden. Die Struktur der JNs soll unabhängig vom Themenfeld immer gleich gestaltet werden und folgende Punkte beinhalten: 1. Physikalische Frage- oder Problemstellung, 2. Mathematisch-Physikalischer Lösungsansatz, 3. Realisierung im Python Programmcode, 4. Graphische Darstellung mittels Python Programmcode, 5. Parametervariation und Diskussion. Diese Struktur wird auf alle behandelten Themenfelder (Mechanik, Schwingungen und Wellen, Wärmelehre, Optik) abgebildet und zu einem Notebook-Katalog ausgebaut. Dieser Katalog ist in Zukunft beliebig erweiterbar. Um das Konzept gemeinsam mit den Studierenden zu realisieren und evtl. vorhandene Barrieren abzubauen, wird die Installation der Programmiersprache zusammen mit einem entsprechenden Compiler und Editor (z.B. für Python 2.7) erläutert. Das Konzept wird danach in der Vorlesung non·chalant eingeführt, genutzt und den Studierenden im Anschluss auf einer E-learning Plattform (z.B. OPAL oder Github) zur Verfügung gestellt. Das PyVo Konzept konzentriert sich darauf, Physik programmatisch in JNs zu visualisieren, ohne das Erlernent der Programmiersprache in den Vordergrund zu stellen; Konzepte der Programmierung sollen angewendet und vorgestellt werden, ohne dabei Programmierkenntnisse vorauszusetzen.

Details

Projektträger

Sächsisches Staatsministerium für Wissenschaft, Kultur und Tourismus (SMWK)

Lessons Learned

Was lief gut im Projektverlauf?

Nach anfänglicher Skepsis der Studierenden bei Vorstellung des Projekts, wurde dies jedoch im Laufe der Seminare immer positiver aufgenommen. Unter Anderem wurde die Anfrage einer Erweiterung von PyVo auf das Praktikum im Modul Grundlagen Physik von mehreren Studierenden geäußert, sodass PyVo im Rahmen der Lehrveranstaltung als Forschungspraktikum eingebaut werden könnte. Des Weiteren hat das Projekt sich um einige Teammitglieder erweitert: von Richard Börner als Initiator und Antragsteller über Felix Erichson als erstes Projektmitglied, hin zu Lynn Reuss, zuerst als wissenschaftliche Hilfskraft, nun als wissenschaftliche Mitarbeiterin und schlussendlich zu Eric Syrbe und Philipp Rebentrost als Beta-Tester.

Welche Herausforderungen ergaben sich bei der Projektdurchführung?

Nachdem physikalische Problemstellungen und Aufgaben identifiziert wurden, gestaltete sich die genaue, fehlerfreie und physikalisch richtige Umsetzung der physikalischen Problemstellungen in Python als Herausforderung. Dies liegt maßgeblich daran, dass der physikalische Lösungsweg eindeutig zu einem Ergebnis führt, jedoch nicht eineindeutig, sodass verschiedene Lösungswege möglich sein können. Daher kann in den JN nicht von einer Allgemeingültigkeit der umgesetzten Funktionen ausgegangen werden. Eine weitere Herausforderung war, die Begeisterung der Studierenden zu wecken und Ihnen aufzuzeigen, dass das Projekt über die akademische Einführung hinaus, dh. im späteren Berufsleben, Relevanz hat.

Traten unerwartete Schwierigkeiten auf? Wenn ja, welche?

Zu den unerwarteten Schwierigkeiten zählte einerseits der benötigte Zeitaufwand für die didaktische Einführung der Thematik ins Seminar, sowie allgemein die didaktische Realisierung. So war es vonnöten, im Seminar eine zusätzliche Person (zB. Tutor) bereitzustellen, welche den Studierenden die JN präsentiert. Vor allem in Zukunft, vor allem im Rahmen des flipped classrooms, muss eine solche Person finanziert werden, jedoch ist eine Finanzierung nicht vorgesehen. Andererseits ergaben sich Schwierigkeiten bei der Auseinandersetzung der Veröffentlichungsmöglichkeiten wie bspw. die Erstellung der GitHub Pages und bei der Programmierung. Letztere sollte möglichst so gestaltet sein, dass Studierende mit unterschiedlichen Programmierkenntnissen je nach Studienfachrichtung der Vorstellung der einzelnen JN gut folgen können (siehe ausführlichen Bericht zum Projekt PyVo 2.0).

Was würden Sie aus Ihren Erfahrungen heraus für ähnlich angelegte Projekte empfehlen?

Bei ähnlichen Projekten ist es von Vorteil, an wenigen Aufgaben das Prinzip deutlich darzustellen und durch zu exerzieren. Diese Aufgaben müssen eine thematische Relevanz aufweisen, sowohl für das Studium als auch für den späteren Berufsalltag der Studierenden an der Hochschule Mittweida, dh. in den angewandten Wissenschaften. Letzteres fördert die Nachnutzung und Motivation bei Studierenden. Des Weiteren soll das Projekt die Studierenden nicht überfordern, sondern ihnen als Hilfestellung dienen, mit welcher sie Thematiken verstehen und vertiefen können. Hierfür ist vor allem als Einstieg ein ausführliches Manual besonders hilfreich.

Weitere „Lessons-Learned“:

Das Projekt stellte sich als empfehlenswert heraus, da es eine breite, über die Physik hinausgehende Anwendung bietet. Einfacher, strukturierter Programmiercode und Tidy Data kann sowohl in allen MINT-Fächern als auch darüber hinaus verwendet werden. So sind Ergebnisse aus statistischen Auswertungen in Biologie, Psychologie, Medizin uvm. möglich.

Nachnutzungsmöglichkeiten

Alle erarbeiteten Materialien sind über die open access Plattform Github zugänglich gemacht. Dem potentiellen Anwender werden so nicht nur der verwendete Programmcode und damit die Aufgabenstellung, Lösung und deren graphische Darstellung übertragen, sondern auch das Konzept und dessen Implementierung in die Veranstaltungen in ansprechender Form näher gebracht. Github ermöglicht die Entwickler-unabhängige Verteilung des Inhaltes und garantiert die Verfügbarkeit des Inhaltes über einen langen Zeitraum >5 Jahre. Der Zugang auf nationaler und internationaler Ebene erhöht die Sichtbarkeit des Inhaltes, ermöglicht die unkomplizierte Erweiterung des Inhaltes durch andere Dozenten/Lehrende und stetige Weiterentwicklung.

Weitere Informationen

Generelles

Evaluation, Bericht und Vortrag: verfügbar auf Anfrage richard.boerner@hs-mittweida.de

Weiteres

Das Projekt PyVo 2.0 wurde das erste Mal am 14. September 2021 im Rahmen der Veranstaltung 17. Netzwerktreffen "Mathematik/Physik + E-Learning" vorgestellt. Ein Projekt-abschließender Vortrag wird am 19. September 2022 im Rahmen der Veranstaltung 19. Netzwerktreffen "Mathematik/Physik + E-Learning" vorgetragen. Da das Projekt PyVo 2.0 erstmalig im SoSe 2022 in die aktive Lehre eingebunden wurde, wurden zunächst die didaktischen Ansätze, Umsetzung und die Programmierung der Python-basierten Physikaufgaben und deren Implementierung in Jupyter Notebooks vorgestellt. Ein Erfahrungsaustausch und -bericht sowie eine Evaluation durch Studierende (Studiengang Maschinenbau und Elektrotechnik – Automation) und eingebundene Dozenten/Lehrkräfte der neuen didaktischen Ansätze/Konzepte ist im August 2022 erfolgt.

Kontakt

Prof. Dr. Richard Börner

Hochschule Mittweida

richard.boerner@hs-mittweida.de

https://www.inw.hs-mittweida.de/webs/boerner.html

Lynn Reuss

Hochschule Mittweida

reuss@hs-mittweida.de

https://www.hs-mittweida.de/

Felix Erichson

Hochschule Mittweida, Laserinstitut

erichson@hs-mittweida.de

03727 58-1842

https://www.hs-mittweida.de/