Lehrlabor

Innovative Lehre fördern

Am Ende seiner Förderung kann das DDLitLab auf die erfolgreiche Realisierung einer wegweisenden Maßnahme zurückblicken: In den ersten beiden jeweils einjährigen Förderrunden wurden insgesamt 35 innovative Lehrprojekte unterstützt, die sich auf alle Fakultäten der Universität verteilten. In diesen Projekten wurden digitale und hybride Lehrinnovationen mit einem starken Fokus auf Data Literacy entwickelt, sei es in fachübergreifenden Kursen, fachspezifischen Modulen oder transferorientierten Formaten. Die Maßnahme verfolgte das Ziel, Data Literacy als eine Schlüsselkompetenz nachhaltig in die Curricula zu integrieren und Lehrenden Freiraum zu schaffen, ihre kreativen Lehrideen methodisch fundiert umzusetzen.

Mit der dritten Förderrunde wurde die Maßnahme zum Wintersemester 2024/2025 in enger Verbindung mit dem Hub of Computing & Data Science (HCDS) weiterentwickelt: Der Data Literacy Lehrlabor‑Ansatz wurde zum Cross‑Disciplinary Teaching Lab (CDTL), im Rahmen derer 10 Initiativen gefördert wurden. Diese Verbindung ermöglicht eine noch stärkere interdisziplinäre Kooperation und technikdidaktische Weiterentwicklung durch die Integration in das Studienökosystem „Data Literacy Education“. Über alle drei Förderrunden hinweg – mit 14 Lehrlaborprojekten in der ersten Runde, 21 in der zweiten sowie 10 CDTLs in der dritten – entstand so eine beeindruckende Vielfalt an 45 innovativen Lehrinitiativen, die Data Literacy sowohl fachspezifisch als auch interdisziplinär in der Lehre verankern.

Neben den Lehrprojekten und aufbauend auf dem DLE-Netzwerk hat sich im Laufe der Maßnahme ein lebendiges DDLitLab Fellow-Netzwerk etabliert. Dieses Netzwerk fördert den Austausch und die Zusammenarbeit unter den Lehrenden und hat digital- und datenbezogene Lehrinhalte und digital-didaktische Formate im Fokus. Die Bedingungen der digitalen Transformation als Chance zur Weiterentwicklung und Herausforderung vorhandener Strukturen zu begreifen ist dabei ein gemeinsamer Nenner vieler Fächer, Fachbereiche und Disziplinen an der UHH.

  • Freiräume für innovative, unkonventionelle Lehre durch Lehrlabor-Förderung
  • Peer-Coaching und Ergebnis-/Erfahrungsaustausch verschiedener Generationen von Fellows
  • Nachhaltige Verstetigung der Lehrformate, -materialien und -angebote
  • Didaktische Begleitung (Improvement der digital-didaktischen Skills) durch Fellow-Workshops und Lehrkonzeptwerkstatt
  • Regelmäßige Netzwerkformate und Community-Building

  Data Literacy als Schlüsselkompetenz

in 35 Lehrprojekten

in allen 8 Fakultäten

D2EduLoop

'Put Digital and Data Literacy in the Loop!': Strategic Integration of Digital and Data Literacy Education in Educational Science

Bild: Stablediffusion

D2EduLoop

'Put Digital and Data Literacy in the Loop!': Strategische Verankerung von Digital und Data Literacy Education in der Erziehungswissenschaft

Bild: Stablediffusion

DAforLing

(Advanced) Data Analysis for Linguists

Bild: glen carrie/unsplash

Repro

A Reproducible Paper

Bild: Scott Graham / unsplash

Interdisziplinäres NES

Algorithmische Optimierung in demokratischen Öffentlichkeiten - Interdisziplinäres Design eines Nachrichtenempfehlungssystems

Bild: Gül Isik / pexels

ADS-ControDisc

Applying Data Science to Controversial Discourses

Bild: napendra singh / unsplash

BreAkIng Bad: Hacking the AI Act

Berater:innen des Teufels – oder auch: Wie Studierende sich via „Ethical Hacking“ mit dem EU AI Act im Unternehmenskontext auseinandersetzen

Bild: UHH / Pawlowski

BreAkIng Bad

BreAkIng Bad – Hacking the AI Act

Bild: deepmind X / unsplash

BreAkIng Bad

BreAkIng Bad: Hacking the AI Act

Bild: deepmind x / unsplash

CfA

Computer-based formative Assessment in Science Education

Bild: stem t4l / unsplash

CROSPER

Crossing Perspectives: Medienökosysteme durch Architekturen illustrieren, analysieren und normativ bewerten

Bild: creative christians/unsplash

DLitAlgoDS

Data Literacy for Algorithmic Decision Support

Bild: ma joseph / unsplash

Data Literacy in der Medizin

Data Literacy in der Medizin - Daten analysieren und Literatur kritisch lesen

WiSo Data Science

Data Science for Social Scientists and Economists

Bild: Scott Graham / unsplash

DDSOEC2

Data Science for Socioeconomists 2.0

Bild: Scott Graham / unsplash

DDCo-Lab

Data-Driven Collab and Digital Lab

Bild: annie spratt / unsplash

D3 Innovation Lab

Data-Driven Digital Innovation Lab

Bild: Projektgruppe

D3 Innovation Lab

Data-Driven Digital Innovation Lab

Bild: ux indonesia / unsplash

D²S²C

Data-driven Solutions for the Smart City Hamburg

DDLE in der Schule

Daten und die digitale Welt – ein Thema für Schule und Unterricht!

Bild: stablediffusionweb.com

WS DSI

Datengetriebene wert-sensitive Digitale Soziale Innovationen

Bild: alexander sinn / unsplash

DLE Klimawandel

Datenkompetenz für Lehrkräfte - Ein interdisziplinäres Modul im Kontext Klimawandel

Desinformation

Desinformation und politische Gegenöffentlichkeiten auf Telegram

Bild: christian wiediger / unsplash

Mikropolis

Die digitale Transformation verstehen und nachhaltig gestalten

Digital Causality Lab

Digital Causality Lab - Dem „Warum“ in den Daten auf der Spur

Bild: UHH/Bach

Digital Humanities

Digital Humanities - Wie geht das?

Bild: https://stablediffusionweb.com: literature management software

DH und Didaktik

Digitale Literaturwissenschaft und Literaturdidaktik – Lehrkonzept zur Professionalisierung angehender Deutschlehrer:innen

Bild: teresa berndtsson letterword text taxonomy

PECE

Digitales Propädeutikum in den Geisteswissenschaften

Bild: Projektfoto

Workshop FDM

Early Education for Data Management Decisions = E²D²

Bild: markus spiske/unsplash

E2D2 Adapted

Early Education in Data Management Decisions an adapted Course

Bild: anna nekrashevich / pexels.com

EBM 2.0

EpiBioManual 2.0

Bild: National Cancer Institute / unsplash

MeinungDigital

Fake News, Informationsflut, Bots und Algorithmen – Meinungsbildung in einer digitalen Gesellschaft als Thema der Unterrichtsentwicklung

FemIntervention

Feministische Intervention in Nachrichtendistribution

Bild: https://stablediffusionweb.com: painting-of-diverse-women-with-smartphones-with-neon-colours

Innovation by Legal Design Thinking – Studentisches Digitalisierungslabor

Informatik und Jura passen nicht zusammen? Und ob! Wie Studierende mit Legal Design Thinking klickbare Prototypen entwickeln

Bild: UHH / Pawlowski

StudDigiLab

Innovation by Legal Design Thinking – Studentisches Digitalisierungslabor

Bild: patrick perkins / unsplash

StudDigiLab

Innovation by Legal Design Thinking – Studentisches Digitalisierungslabor

IbLDT

Innovation by Legal Design Thinking (IbLDT)

Bild: Patrick Perkins / unsplash

Teacher AID Lab

Interdisciplinary AI + Data Lab in Teacher Education

Bild: Vanessa Lohring / pexels

Kulturgutdigitalisierung

Kulturgutdigitalisierung: Analoge Dokumente digital erschließen und erforschen

Bild: Pexels

Queere Zugänge zur Korpus- und Diskurslinguistik

Make-up oder Demo? Wie man in der Queerlinguistik große Textmengen in den Griff bekommt und mit vertiefenden Analysen ergänzt

Bild: UHH / Pawlowski

Metadata Literacy Lab

Metadata Literacy Lab

Bild: ali shah lakhani/unsplash

Interdisciplinary AI + Data Lab in Teacher Education

Mit Pen und Paper Informatik lernen? Das geht! KI-Crashkurs für Lehramtsstudierende und Schüler:innen der 8. Klasse

Bild: UHH / Pawlowski

Kausale Inferenz für Alle!

Opening the „Digital Causality Lab“ – Kausale Inferenz für Alle!

Bild: UHH/Bach

PTI

Psychologie trifft Informatik – Von der Erhebung bis zur Auswertung komplexer Daten

Bild: Devon Divine / Unsplash

Psychologie trifft Informatik – Von der Erhebung bis zur Auswertung komplexer Daten

Psychologie trifft Informatik! Von tanzbaren Hörbüchern und „dornigen Chancen“

Bild: UHH / Pawlowski

QuZuKoDiLi

Queere Zugänge zur Korpus- und Diskurslinguistik

Bild: Alexander Grey / unsplash

Science Slam im Rahmen der UHH Sustainability Week

Science Slam

Bild: Alexander Sinn / unsplash

DCL Vol.3

The Digital Causality Lab Meets AI

Bild: UHH/Bach

Data Science for Socioeconomists

Über AirBnB-Daten und steile Lernkurven – oder auch: Gelungenes Frustrationsmanagement in der Data Science

Bild: UHH / Pawlowski

Git

Versionskontrolle von Code und Daten mit Git und DataLad

Bild: https://git-scm.com/ - https://www.datalad.org/

Versionskontrolle von Code und Daten mit Git und DataLad

Versionskontrolle: Können wir alle gebrauchen! Einstieg in Git für Studierende der Psychologie und Neurowissenschaften

Bild: UHH / Pawlowski

VolveD

Vorhersage von Lehrer:innenverhalten auf Basis großer Datensammlungen

Bild: kvalifik/unsplash

Hybrides Beratungsangebot

Weiterentwicklung der Bibliothekseinführung zu einem hybriden studiumsbegleitenden Beratungsangebot

Bild: von Wieding / UHH

Digital Causality Lab

Wie man Äpfel mit Äpfeln vergleicht – oder auch: Warum Kausale Inferenz für alle wichtig ist

Bild: UHH / Pawlowski