Header

Suche

The Rector’s Impulse Fund

Ziel

Das Ziel ist es innovative Kurzzeitprojekte zu unterstützen, welche die Lehre anregen und verbessern. In der F?rderperiode 2023 fliessen die Gelder vollumf?nglich in den Ausbau von PBLabs, die F?rderung von überfachlichen Kompetenzen an der ETH durch projektbasierte und interdisziplin?re Lehre.

"Das Aufspüren von Ideen für Innovationen ist anspruchsvoll. Ich freue mich, durch den Rector’s Impulse Fund zukunftsweisende Impulse und Visionen unterstützen zu k?nnen."  Adrian Weiss
Vergr?sserte Ansicht: Historischer Buchausschnitt und JuypterNotebook für die Texterkennung
Mit den Juypter Notebooks k?nnen die Studierenden unter anderem die Texterfassung aus eingescannten historischen Dokumenten im Detail nachvollziehen und anpassen.

Digitale Methoden in der Lehre der Architekturgeschichte. Prof. Dr. Maarten Delbeke, Dr. Olya Nikolaeva, D-ARCH. Die mit den F?rdergeldern implementierten JupyterNotebooks wurden im Basisjahrunterricht eingesetzt, um die Studierenden mit Werkzeugen zur Erschliessung architekturgeschichtlicher Zusammenh?nge auf Basis historischer Bild- und Textquellen vertraut zu machen.

Vergr?sserte Ansicht: FORESEE Integrierte Entwicklungsumgebung und Embedded Hardware
Die Online Umgebung erlaubt Online Programmierung der Hardware, Monitoring des Hardware-Status und Online Code-?berarbeitung und -Feedback

FORESEE: Feedback for Embedded Systems Education Dr. Michele Magno, D-ITET Die vom Center for Project-Based Learning entwickelte, browserbasierte Integrierte Entwicklungsumgebung (IDE) unterstützt Studierende beim Vertiefen der F?higkeiten in Programmierung von Embedded Systems. Code-Implementierungen und Interaktionen mit der Hardware k?nnen gleichzeitig physisch und online durchgeführt und verfolgt werden. Dadurch ist zeitnahes Feedback durch die Betreuungspersonen bei grossen Studierendenzahlen auch ausserhalb der Laborzeiten m?glich.
 

Vergr?sserte Ansicht: DynErdeI_Rocktypes_Diagramm
In der Vorlesung zu Gesteinschemie und -entstehung visualisieren Studierende Datens?tze mithilfe von JupyterNotebooks aus verschiedenden Erdregionen und vertiefen dabei zus?tzlich zum Erwerb von Geologiewissen auch ihre F?higkeiten in der Programmierung und explorativer Datenanalyse.

"Computational Earth Sciences" Lehre an der ETH und weltweit Prof. Dr. Andreas Fichtner, Dr. Gregory De Souza, D-ERDW. Im BSc-Studiengang Erd- und Klimawissenschaften werden in 2-3 fachspezifischen F?chern pro Semester die Grundlagen von Programmierung und Datenwissenschaften kontinuierlich eingebaut und vertieft. Mit den F?rdermitteln wurde die Entwicklung von spezifischen JupyterNotebooks finanziert, welche die niederschwellige Einbettung von aktiven Lehrelementen mit Datenbezug durch eine Vielzahl von Dozierenden im Studiengang und über die ETH hinaus erm?glichen.

Vergr?sserte Ansicht: Lernpfade
Aus Vorlesungs-Belegungsdaten l?sst sich ermitteln, welche Vorlesungen von den Studierenden einer bestimmten Lehrveranstaltung (mitte) vorg?ngig (links) bzw. im Nachhinein oder gleichzeitig (rechts) in welcher H?ufigkeit (Farbcode) belegt werden. 

Vernetzung von Dozierenden am D-USYS Dr. Barbara Templ, Dr. Anouk N'Guyen, D-USYS In diesem Projekt analysiert und st?rkt eine Community Managerin das Netzwerk von Dozierenden mit Forschungs- und Lehrschwerpunkten in Data Science und Machine Learning. Zudem entwickelt sie ein Tool, das Studierenden-Lernpfade visualisiert. Dozierende k?nnen so das zu erwartende Vorwissen absch?tzen und Studieng?nge die Informationen bei der Curriculums- Planung einbeziehen.

Vergr?sserte Ansicht: Blattflächenindex einer Wiese im Jahresverlauf
Einlesen, Visualisieren (eingefügte Ausschnitte), Interpolieren, Vergleichen und Erkl?ren von zwei Jahresverl?ufen des Blattfl?chenindex einer Wiese mittels JupyterNotebook mit R.

Eine Aufgabenbibliothek für den Erwerb von "Computational Competencies" in den Agrarwissenschaften Prof. Dr. Nina Buchmann, Dr. Regine Maier, Dr. Iris Feigenwinter, D-USYS. Das Projekt initiiert den Auf- und Ausbau von forschungsnahen ?bungen und Datens?tzen in fachlichen Lehrveranstaltungen im Bachelor. JupyterNotebooks und R werden genutzt, um Datens?tze aus der jeweiligen Disziplin zu visualisieren, eigene Hypothesen zu bilden und bestehendes fachspezifisches Verst?ndnis zu hinterfragen und weiterzuentwickeln.

Vom Rector's Impulse Fund

  • Maschinelles Lernen für Pharmaziestudierende (D-CHAB)
  • Engineering Desing Optimierung mit maschinellem Lernen (EDO4ML) (D-MAVT)
  • Anwendung von maschinellem Lernen bei der Bewertung von Klimarisiken und Klimaanpassungsoptionen (D-USYS)
  • Datenwissenschaft für Lebensmittelsysteme: Interaktive ML-Tutorials für Lebensmittelwissenschaftler (D-HEST)
  • Quizze in JupyterNotebooks für interaktive Gruppenübungen (D-MAVT)
  • Einbettung von Computational Competencies in die Mathematikausbildung für LifeSciences (D-MATH, Service)

Von innovedum im Rahmen der Fokusthemen "Bildungsmedien für Visualisierung und Simulation" und " überfachliche Kompetenzen":

JavaScript wurde auf Ihrem Browser deaktiviert