Nikol Rummel

← Zurück zur Campuslandkarte

Nikol Rummel ist Lehrstuhlinhaberin der Pädagogischen Psychologie und Bildungstechnologie an der Ruhr-Universität Bochum. Sie ist zudem adjunct professor am Human Computer Interaction Institute der Carnegie Mellon University (Pittsburgh, USA).

Gemeinsam mit ihrem Team untersucht Nikol Rummel inwiefern durch die Anpassung digitaler Instruktionsdesigns, lernrelevante Prozesse wie beispielsweise Problemlöse- oder Kooperationsprozesse trainiert bzw. optimiert werden können. Dabei wird immer ein Instruktionsdesign implementiert und dann empirisch beforscht, wobei auch zur Theoriebildung beigetragen werden soll. Beispielsweise wird die Rolle sozio-emotionaler Variablen, wie Soziale Eingebundenheit oder Nutzung sozialer Ressourcen, für den Studienerfolg untersucht (bspw. in dem Projekt ALSTER). Ein Fokus liegt dabei auf der Nutzung von Learning Analytics, um mit diesen Informationen Lernverläufe und die Kompetenzentwicklung zu optimieren (u. a. in den Projekten "ALICE" und "AFLEK) sowie auf der adaptiven Unterstützung von Lernprozessen durch KI (z. B. in dem Projekt "Human/AI co-orchestration of dynamically-differentiated collaborative classrooms). Nikol Rummel untersucht zudem Problemlöseprozesse und -strategien, deren Entwicklung über die Zeit und welche einflussnehmenden Faktoren auf Problemlöseprozesse einwirken (z. B. in den Projekten SecHuman 1 und 2).



Ein Schwerpunkt der Forschung an Nikol Rummels Lehrstuhl liegt im Bereich des kooperativen Lernens sowie dem - überschneidenden Themenfeld - Computer Supported Collaborative Learning. Inhalte der Instruktionen liegen dabei oft im STEM-Bereich. Ferner sind häufig hochschuldidaktische Settings Untersuchungsgegenstand (u. a. in dem Projekt "IKARion" oder "KoLiBRi"). Im Kontext der Hochschuldidaktik forschte sie auch in dem Projekt "KI:edu" dazu, wie Regeln, Konzepte, Prozesse und Technik für den Einsatz von Learning Analytics ausgestaltet werden können, um einen Beitrag zur Entwicklung einer „Datenkultur“ in den Hochschulen zu leisten, mit dem Ziel Studierende besser zu beraten, ihnen individuellere Lernsettings zu bieten und die Lehre lernwirksamer zu gestalten.

Zudem beschäftigt sich Nikol Rummel und ihr Team mit problem solving prior to instruction und Wissenschaftsvermittlung. In dem Projekt Lernen durch selbstständiges Experimentieren vs. Modelllernen im Schülerlabor wird bspw. interdisziplinär untersucht, welche Wirkung das eigenständige Experimentieren im Vergleich zu Lernen am Modell hat mit Blick auf die Authentizitätswahrnehmung, die metakognitive Urteilsgenauigkeit sowie den Lernerfolg von Schüler:innen.



Methodisch ist Nikol Rummel breit aufgestellt. So nutzt sie sowohl quantitative als auch qualitative Methoden und sieht ihren eigenen methodischen Schwerpunkt bei den unterschiedlichen Erhebungsmöglichkeiten von kooperativen Lern- und Arbeitsprozessen. Hierbei nennt sie vor allem die Analyse von Gesprächs- und Prozessdaten durch quantitative Methoden, Learning Analytics, aber auch qualitative, offen-kodierende Verfahren. Häufig verwendet sie auch Cued Retrospective Recall, eine Methode bei der Versuchsteilnehmer:innen ihr eigenes Verhalten kommentieren und erklären. Interviews werden zudem in Pilotierungsphasen vor einer quantitativen Erhebung eingesetzt.

Einordnung auf der Campuslandkarte

• Lernvoraussetzungen
  • Sozio-emotionale Lerner:inneneigenschaften
• Lernprozess - Instruktionsdesigns
  • Adaptive Förderung
  • Gestaltung individueller Lernprozesse
  • Kooperatives Lernen
  • Wissenschaftsvermittlung
• Kompetenzen
  • Problemlösen
  • Selbstreguliertes Lernen
• Digitalisierung / Digitalität
  • Digitale Lernsettings
    • Lernplattformen
    • Künstliche Intelligenz
• Non-formale und informelle Lernräume
  • Außerschulische Lernorte

Projektübersicht

• CASA 1 - Humans and Cryptography
• CASA 2 - New Directions in Hardware Security through Cognitive Obfuscation
• SecHuman 1 - Lernprozesse in der IT-Sicherheit
• SecHuman 2 - Kognitive Aspekte des Hackens
• ALICE - Learning Progression Analytics: Analyzing learning for individualized competence development in mathematics and science Education
• AFLEK - Analyse und Förderung von Lernverläufen zur Entwicklung von Kompetenzen
• WILLEN - "Weiterbildung mit intelligenter Lernunterstützung ist effizient und nachhaltig": Weiterbildungseffizienz durch aktivierende intelligente lernunterstützende Maßnahmen in nachhaltigen, berufsbegleitenden und hybriden Weiterbildungsprogrammen
• ViRaGe - Virtuelle Realitäten als Geschichtserfahrung
• KoLiBRi - Kooperieren Lernen im Bauingenieursstudium anhand digitaler 3D-Reäpräsentation von komplexen Informationen
• Human/AI co-orchestration of dynamically-differentiated collaborative classrooms
• ALSTER - Soziale Eingebundenheit und die Nutzung sozialer Ressourcen in der Studieneingangsphase
• IKARion - Intelligente Unterstützung für Kleingruppenarbeit in der online-gestützen Hochschullehre
• OILE - Orthography Instruction / Learning / Extinction
• Lernen durch selbstständiges Experimentieren vs. Modelllernen im Schülerlabor
• Prior Knowledge Activation in Problem Solving Prior Instruction
• KI:edu - Didaktik, Ethik und Technik von Learning Analytics und KI in der Hochschulbildung
• Online-gestütztes Problembasiertes Lernen mit strukturierter Gruppenarbeit im Kurs Maschinelles Lernen
• SeReLiDiS: Selbstreguliertes Lernen in digitalisierten Schulen
• Netzwerk: INTERACT! Neue Formen der sozialen Interaktion mit intelligenten Systemen
• DigiFit - Digitale Fitness für Bürgerinnen und Bürger - realistische Risikowahrnehmung, sichere Routinen