Skip to content

Call for Participation: Deeper Learning in der Hochschullehre

Weitere Autoren: Britta Klopsch & David Lohner

Warum Deeper Learning die Hochschullehre transformiert

In einer zunehmend digitalisierten und vernetzten Welt reicht die bloße Wissensaneignung nicht mehr aus. Routinemäßige kognitive und manuelle Aufgaben werden zunehmend digitalisiert und verschwinden vom Arbeitsmarkt. Gleichzeitig gewinnen Kompetenzen wie Kritik, fortlaufende Lernprozesse, Kommunikation und Kooperation – die sogenannten 4K der 21st Century Skills – immer mehr an Bedeutung. Die Pädagogik des Deeper Learning, entwickelt von Anne Sliwka und Britta Klopsch, bietet einen Weg, die Hochschullehre so zu gestalten, dass Studierende zu aktiven Gestaltenden ihres Lernprozesses werden.

Die Digitalisierung wird hierbei als natürlicher Aspekt des Lernprozesses integriert, ohne explizit benannt zu werden. Lernprozesse vereinen dabei die Merkmale der Kultur der Digitalität: Gemeinschaftlichkeit, Referenzialität und Algorithmizität. Dies bedeutet, dass die Lernenden gemeinsame Werke oder Performanzen erschaffen, die auf bestehendem Wissen aufbauen und von anderen weiterentwickelt werden können.


Der Dreiklang des Deeper Learning

Das Modell basiert auf einem dreiphasigen Zyklus:

  • Phase I: Instruktion & Aneignung: Hier wird das fachwissenschaftliche Fundament gelegt. Dozierende und Expert:innen vermitteln das nötige Wissen, das auch digital gestützt sein kann. Studierende eignen sich so ein Wissensfundament an, das als Vorwissen für die nächste Phase dient.
  • Phase II: Ko-Konstruktion & Ko-Kreation: In dieser Phase vertiefen die Studierenden in Kleingruppen ihr Wissen, indem sie gemeinsam an weiterführenden Fragestellungen arbeiten. Dabei liegt der Fokus auf der Interaktion der vier Wissensdimensionen (deklaratives, prozedurales, konzeptuelles und metakognitives Wissen) und der Anwendung der 4K.
  • Phase III: Authentische Leistung: Am Ende des Prozesses steht ein authentisches Produkt oder eine Performanz. Die Leistung hat eine Wirkung über den Seminarraum hinaus und spricht ein reales Publikum an. Dies kann von einem wissenschaftlichen Vortrag über einen Podcast oder ein Video bis hin zu einer Informationsveranstaltung reichen.

Dozierende übernehmen dabei eine dynamische Rolle: Sie sind nicht nur Wissensvermittler, sondern auch Prozessbegleiter. Das Ziel ist es, Studierenden zu ermöglichen, eigene Erfahrungen zu machen, Selbstwirksamkeit zu erleben und gleichzeitig bei Bedarf Unterstützung zu erhalten.


Call for Participation: Beiträge für ein Sammelband

Wenn Sie bereits Erfahrungen mit diesem Ansatz gesammelt und Ihre Lehrveranstaltungen so transformiert haben, dass Studierende von passiven Rezipienten zu aktiven Produzenten wurden, laden wir Sie herzlich ein, Ihre Erkenntnisse mit der akademischen Gemeinschaft zu teilen.

Für unseren Herausgeberband „Deeper Learning in der Hochschuldidaktik“ suchen wir Dozierende, die in einem wissenschaftlich fundierten Beitrag ihre Lehrrealität schildern. Ihre Beiträge sollten eine Länge von 30.000 bis 40.000 Zeichen (inkl. Leerzeichen) haben.

Sie können sich an der folgenden Gliederung orientieren, die den Rahmen für eine umfassende Reflexion bietet:

  • 1. Einleitung: Kontextualisieren Sie Ihr Fachgebiet, die Art der Veranstaltung und die Einbettung in das Studium.
  • 2. Das Veranstaltungskonzept: Beschreiben Sie den didaktischen Aufbau Ihrer Lehreinheit.
  • 3. Durchführung der Lehreinheit: Berichten Sie detailliert, was tatsächlich in der Lehrveranstaltung passiert ist – von Herausforderungen und Überraschendem bis hin zu den Gelingensbedingungen.
  • 4. Reflexion und Diskussion: Fassen Sie die wichtigsten Punkte zusammen und diskutieren Sie die Implikationen für Ihre eigene Lehre und die Lernenden.
  • 5. Fazit: Deeper Learning als Hochschuldidaktische Vorgehensweise: Ordnen Sie Deeper Learning als eine zukunftsweisende Vorgehensweise ein.

Ihr Beitrag zählt!

Bitte melden Sie Ihr formloses Interesse bis zum 15.10.25 mit Angabe Ihrer Fachrichtung an britta.klopsch@kit.edu. Die finale Einreichung ist bis Ende Januar 2026 möglich.

Eine ausführlichere Darstellung des Konzepts von Deeper Learning finden Sie hier – den vollständigen Call im angehängten PDF.

Comments (0)

Schreiben Sie einen Kommentar

Ihre E-Mail wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Back To Top