TY - RPRT A1 - Apelojg, Benjamin T1 - Prozessorientierte Didaktik T1 - Process-Oriented Didactics BT - Persönliche Gedanken zur Weiterentwicklung von Lehren und Lernen : für den Cowboy, der auf einem guten Weg ist! BT - Ideas for the Advancement of Teaching and Learning For the cowboy on the right path! N2 - n diesem Beitrag finden Sie ein von mir entwickeltes Konzept zum Lehren und Lernen in der Schule1. Ich nenne dieses Konzept prozessorientierte Didaktik. Ich habe die Hoffnung, gemeinsam mit Ihnen als Lehrer oder Lehramtsstudierende, aber auch mit Eltern, Wissenschaftlern, Experten für Bildung und Schülern, einen Beitrag zur Verbesserung unserer Schulpraxis zu leisten. Dass Schule sich bereits im Wandel befindet und wunderbar gelingen kann, sieht man beispielsweise an den Preisträgern des Deutschen Schulpreises. Leider sind diese Schulen immer noch in der Minderheit. Dieses Verhältnis umzukehren ist eine unserer größten Bildungsaufgaben für die nächsten Jahrzehnte. KW - Prozessorientierte Didaktik KW - Fehler machen KW - Lernwiderstände Y1 - 2015 UR - https://www.uni-potsdam.de/de/meprooek/index/prozessorientierte-didaktik-im-ueberblick ER - TY - RPRT A1 - Hartmann, Niklas K. A1 - Jacob, Boris A1 - Weiß, Nadin T1 - RISE-DE – Referenzmodell für Strategieprozesse im institutionellen Forschungsdatenmanagement N2 - Mit RISE-DE liegt als FDMentor-Projektergebnis ein Referenzmodell für Strategieprozesse im institutionellen Forschungsdatenmanagement vor. RISE-DE bietet einen Bewertungsrahmen zur Selbstevaluation und Zielbestimmung und eignet sich als Werkzeug zur Gestaltung einer strukturierten, Stakeholder-orientierten Strategieentwicklung für das Forschungsdatenmanagement an Hochschulen und Forschungseinrichtungen. RISE-DE basiert auf dem lose an Reifegradenmodellen orientierten RISE-Framework des DCC (RISE v1.1), wurde aber für den Einsatz in partizipativen Prozessen deutlich überarbeitet sowie inhaltlich an den deutschen Wissenschaftskontext und Entwicklungen in der guten Praxis im FDM angepasst. Ein mit Hilfe von RISE-DE erarbeitete Strategie erfüllt zugleich die von der Hochschulrektorenkonferenz und der League of European Research Universities formulierten Anforderungen. KW - Forschungsdaten KW - Research Data Management KW - Strategy Process KW - Self-Evaluation KW - Higher Education Institutions KW - Research Institutions KW - Forschungsdatenmanagement KW - Strategieentwicklung KW - Selbstevaluation KW - Hochschulen KW - Forschungseinrichtungen Y1 - 2019 U6 - https://doi.org/10.5281/zenodo.2549344 ET - Version 0.9 ER - TY - RPRT A1 - Kienbaum, Janna A1 - Würfl, Katja A1 - Favella, Gianpiero T1 - Leitfaden für einen qualitativen Methoden- und Feldbericht N2 - Der Leitfaden für einen qualitativen Methoden- und Feldbericht ist im Rahmen des DFG-Verbundprojektes “FDNext” (2020-2023) entstanden und dient als Orientierungshilfe für die Dokumentation erhobener Daten mit dem Schwerpunkt auf die qualitative Bildungsforschung. KW - research data management KW - rdm in disciplines KW - data documentation KW - educational sciences KW - qualitative research data KW - Forschungsdatenmanagement KW - disziplinspezifisches FDM KW - Datendokumentation KW - Bildungswissenschaften KW - Qualitative Forschungsdaten Y1 - 2022 U6 - https://doi.org/10.5281/zenodo.7247993 ER - TY - RPRT A1 - Kalkuhl, Matthias A1 - Flachsland, Christian A1 - Knopf, Brigitte A1 - Amberg, Maximilian A1 - Bergmann, Tobias A1 - Kellner, Maximilian A1 - Stüber, Sophia A1 - Haywood, Luke A1 - Roolfs, Christina A1 - Edenhofer, Ottmar T1 - Auswirkungen der Energiepreiskrise auf Haushalte in Deutschland BT - sozialpolitische Herausforderungen und Handlungsoptionen Y1 - 2022 UR - https://www.mcc-berlin.net/fileadmin/data/C18_MCC_Publications/2022_MCC_Auswirkungen_der_Energiepreiskrise_auf_Haushalte.pdf PB - Mercator Research Institute on Global Commons and Climate Change (MCC) gGmbH CY - Berlin ER - TY - RPRT A1 - Kalkuhl, Matthias A1 - Amberg, Maximilian A1 - Bergmann, Tobias A1 - Knopf, Brigitte A1 - Edenhofer, Ottmar T1 - Gaspreisdeckel, Mehrwertsteuersenkung, Energiepauschale BT - wie kann die Bevölkerung zielgenau und schnell entlastet werden? Y1 - 2022 UR - https://www.mcc-berlin.net/fileadmin/data/C18_MCC_Publications/2022_MCC_Gaspreise_und_Entlastungsma%C3%9Fnahmen.pdf PB - Mercator Research Institute on Global Commons and Climate Change (MCC) gGmbH CY - Berlin ER - TY - RPRT A1 - Kellner, Maximilian A1 - Amberg, Maximilian A1 - Bergmann, Tobias A1 - Roolfs, Christina A1 - Kalkuhl, Matthias T1 - Entlastungspakete für Energiepreisanstiege BT - Auswirkungen und Nachbesserungsbedarf Y1 - 2022 UR - https://www.mcc-berlin.net/fileadmin/user_upload/Kalkuhl/2022_MCC_Entlastungspakete_fuer_Energiepreisanstiege_.pdf U6 - https://doi.org/10.5281/zenodo.6617130 PB - Mercator Research Institute on Global Commons and Climate Change (MCC) gGmbH CY - Berlin ER - TY - RPRT A1 - Kienbaum, Janna A1 - Fischer, Patryk A1 - Passmann, Sven T1 - Forschungsdatenmanagement bei personenbezogenen Daten BT - eine Handreichung N2 - Das Dokument "Forschungsdatenmanagement bei personenbezogenen Daten - eine Handreichung" versammelt zentrale Inhalte, Verweise und Vorgehensweisen für Forscher*innen, die in einer Studie personenbezogene Daten erheben und diese verarbeiten, archivieren oder veröffentlichen wollen. Die Handreichung verweist an den entsprechenden Abschnitten auf weiterführende Materialien wie insbesondere die Handreichung „Datenschutz“ des Rats für die Sozial-, Verhaltens-, Bildungs- und Wirtschaftswissenschaften (RatSWD). KW - research data management KW - personal information KW - General Data Protection Regulation KW - legal aspects KW - research data KW - discipline specific rdm KW - psychology KW - educational sciences KW - Forschungsdatenmanagement KW - Personenbezogene Daten KW - Datenschutzgrundverordnung KW - rechtliche Aspekte KW - Forschungsdaten KW - Disziplinspezifisches FDM KW - Psychologie KW - Bildungswissenschaften Y1 - 2023 U6 - https://doi.org/10.5281/zenodo.7428524 ER - TY - RPRT A1 - Angenendt, Steffen A1 - Koch, Anne A1 - Tjaden, Jasper T1 - Die Prognose ungeregelter Wanderungen BT - große Erwartungen, begrenzter Nutzen T2 - SWP-Studie N2 - Die deutsche und europäische Migrationspolitik befindet sich im permanenten Krisenmodus. Plötzliche Anstiege ungeregelter Zuwanderung nähren ein Gefühl von Kontrollverlust, das wiederum von populistischen Kräften instrumentalisiert wird. Daher hat die Politik großes Interesse an quantitativen Migrationsprognosen. Besondere Erwartungen wecken KI-gestützte Instrumente zur Vorhersage ungeregelter Wanderungsbewegungen, wie sie zurzeit entwickelt werden. Die Anwendungsfelder dieser Instrumente sind vielfältig. Sie reichen von einer Stärkung der Aufnahmekapazitäten in der EU über die präventive Verschärfung von Grenzschutzmaßnahmen und eine bedarfsgerechte Bereitstellung von Ressourcen in humanitären Krisen bis zur längerfristigen entwicklungspolitischen Programmplanung. Allerdings besteht eine deutliche Kluft zwischen den Erwartungen an die neuen Instrumente und ihrem praktischen Mehrwert. Zum einen sind die technischen Möglichkeiten begrenzt, und mittelfristige Vorhersagen zu ungeregelten Wanderungen sind methodisch kaum möglich. Zum anderen mangelt es an Verfahren, um die Ergebnisse in politische Entscheidungsprozesse einfließen zu lassen. Die hohe Nachfrage nach Prognosen erklärt sich aus den politischen Funktionen quantitativer Migrationsvorhersage - beispielsweise ihrem Potential für die politische Kommunikation, die Mitteleinwerbung und die Legitimierung politischer Entscheidungen. Investitionen in die Qualität der den Prognosen zugrunde liegenden Daten sind sinnvoller als die Entwicklung immer neuer Instrumente. Bei der Mittelvergabe für Prognosen sollten Anwendungen in der Nothilfe und der Entwicklungszusammenarbeit priorisiert werden. Zudem sollten die Krisenfrüherkennung und die Risikoanalyse gestärkt werden, und die beteiligten Akteure sollten sich besser vernetzen. KW - Migration KW - Migrationspolitik KW - Wanderungsprognosen KW - Vorhersage KW - Vorausschau KW - Displacement Forecasting KW - Krisenfrüherkennung KW - Risikoanalyse KW - Künstliche Intelligenz KW - maschinelles Lernen KW - Agentenbasierte Modellierung Y1 - 2023 U6 - https://doi.org/10.18449/2023S10 SN - 2747-5115 SN - 1611-6372 VL - 10 PB - Stiftung Wissenschaft und Politik (SWP) CY - Berlin ER -