Mobile Learning – Begriff, Modelle, Forschung

Der vorliegende Übersichtsartikel betrachtet Mobile Learning aus einer pädagogisch-psychologischen und didaktischen Perspektive. Mobile Learning (M-Learning), das seit Mitte der 1990er in unterschiedlichsten Kontexten Einzug in den Bildungssektor hielt, ist ein dynamisches und interdisziplinäres Feld. Dynamisch, weil M-Learning durch die rasche Entwicklung im Bereich der Informations- und Kommunikationstechnologie, wie kaum ein anderes Forschungsfeld, einem derart großen Wandel unterworfen ist. Interdisziplinär, weil durch das Zusammentreffen von mobiler Technik und Lernen auch unterschiedliche Fachdisziplinen betroffen sind. Die verschiedenen Sichtweisen und auch die Komplexität des Feldes haben dazu geführt, dass bis heute keine einheitliche Definition des Begriffs besteht. Ziel dieses Übersichtsartikels ist es, den aktuellen Forschungsstand aus didaktischer und pädagogisch-psychologischer Sicht aufzuzeigen. Dazu werden zunächst wichtige Komponenten des M-Learning-Begriffs herausgearbeitet und daran anschließend didaktisch bedeutsame theoretische Ansätze und Modelle vorgestellt sowie kritisch betrachtet. Basierend auf dieser theoretischen Ausgangslage wird dann ein Rahmen gezeichnet, der verdeutlichen soll, wo empirische Forschung aus didaktischer und pädagogisch-psychologischer Sicht ansetzen kann. Entsprechende empirische Studien werden ebenfalls vorgestellt, um einen Eindruck des aktuellen empirischen Forschungsstandes zu geben. Dies alles soll als Ausgangspunkt für den zukünftigen Forschungsbedarf dienen.

ModelDB in Computational Neuroscience Education - A research tool as interactive educational media

ModelDB's mission is to link computational models and publications, supporting the field of computational neuroscience (CNS) by making model source code readily available. It is continually expanding, and currently contains source code for more than 300 models that cover more than 41 topics. Investigators, educators, and students can use it to obtain working models that reproduce published results and can be modified to test for new domains of applicability. Users can browse ModelDB to survey the field of computational neuroscience, or pursue more focused explorations of specific topics. Here we describe tutorials and initial experiences with ModelDB as an interactive educational tool.