
Wir haben nie selbst „Dungeons and Dragons“ gespielt, aber beim Erstellen unseres Tutorials für das Projekt „DiSEA – Digitale Studiengänge: Analyse von Erfolgs- und Abbruchfaktoren“ haben wir uns ein wenig so gefühlt: Wir haben Charaktere entwickelt, Szenarien durchgespielt und unser Moodle-Dashboard durch ihre Augen erlebt. Okay, okay … vielleicht übertreiben wir ein wenig, wenn wir Personas, die Studierende der Virtuellen Fachhochschule (VFH) repräsentieren, mit Halblingen oder Elfen vergleichen. Aber dank ChatGPT konnten wir mit Dina, Seth und Alex chatten und sie einfach selbst fragen, wie sie unser Dashboard nutzen würden. Wie in einem guten Rollenspiel haben wir die Charaktere sorgfältig entwickelt. Ausgangspunkt war dabei eine Befragung der VFH-Studierenden 2022. Aus den Durchschnittswerten dieser Daten entstand Alex. Von hier aus sind wir in beide Richtungen der (nicht validierten) Schwierigkeiten-im-Studium-Skala gegangen: Dina ist unsere „rechtschaffende Zauberin“, ohne Belastungen neben dem Studium. Seth hingegen muss wohl eher ein „chaotischer Kämpfer“ sein, der mit vielen beruflichen und familiären Verpflichtungen jongliert und ein erhöhtes Risiko für einen Studienabbruch hat. Mit diesen Profilen haben wir ChatGPT ausgestattet, sodass die Chats uns von den „Abenteuern“ der drei erzählen konnten: Welche Funktionen helfen Dina, ihre perfekte Planung umzusetzen? Wie passt Seth das Dashboard an, um trotz seiner Belastungen die Kontrolle zu behalten? Und wie nutzt Alex es, um typische Herausforderungen im Studienalltag zu bewältigen? Diese Erkenntnisse flossen direkt in unser Tutorial ein, um Lehrenden und Angestellten in der Studienberatung einen anschaulichen Zugang zu den Funktionen des Dashboards zu bieten. In unserem Beitrag öffnen wir unsere „Spielhandbücher“: Wir zeigen, wie wir die Charaktere und Szenarien entworfen haben und wie KI-Tools wie wir ChatGPT und DALL-E bei der Erstellung des praxisnahen Tutorials nutzen konnten.
ChatGPT, persona, AI, dashboard, large language models, artificial intelligence, DiSEA
ChatGPT, persona, AI, dashboard, large language models, artificial intelligence, DiSEA
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
