PHSZ: Qualitätskriterien

Etwas detaillierter werden die Merkmale für Qualität und förderliche Bedingungen eines BL-Lehr-Lern-Szenariums von Petko et al. am Beispiel BL in der Lehrerbildung an der Pädagogischen Hochschule Schwyz, die im Herbst 2005 startete, beschrieben (vgl. Petko et al. 2009). Die im ersten Schritt erarbeiteten und erprobten Module (Lehrinhalte) werden von einer hochschulinternen Qualitätskommission auf der Basis eines Kriterienkatalogs geprüft.

Wesentliche Kriterien waren dabei die Abstimmung

• der Dauer von Präsenz- und Online-Phasen sowie
• der Termine für die Abgabe von Arbeitsaufträgen (oder Leistungsanforderungen).
• Die Arbeitsaufträge sollten praxisnah und herausfordernd und die Leistungsanforderungen transparent und produktorientiert gestaltet sein, unterteilt nach verbindlich vs. optional sowie individuellen vs. kooperativen oder kollaborativen Arbeiten.
• Ebenso wichtig war das optimale Funktionieren der digitalen Lernplattformen, die den Lernenden nicht nur bekannt, sondern auch vertraut sein sollen.

Bei der Gestaltung der Lehrinhalte (Module) wurden nach Maßgabe mediendidaktischer Vorgaben multimediale Elemente eingesetzt. Die betreuenden Lehrkräfte verstanden sich als Coaches, die in unterschiedlichen kommunikativen Kanälen (on- und offline) den Lernenden zur Seite standen. Diese den Lernprozess stützenden Strukturen sollten im Sinne eines Cognitive-Apprenticeship-Modells schrittweise abgebaut werden, ohne die individuellen Lernwege zu vernachlässigen.

Zusammen­fassung

Im Rückblick beschreiben Petko et al. die förderlichen Bedingungen für dieses BL-Lehr-Lern-Szenariums wie folgt:

• Entschlossenheit der Hochschulleitung, BL zu einem Profilelement der Hochschule zu machen,
• Konsequente und relativ schnelle Umsetzung von BL an einer kleinen Hochschule,
• Didaktische Aufgeschlossenheit der Lehrenden gegenüber dem neuen, digitalen Format der Lehre,
• Wachsende Kompetenzen der Lehrenden durch interne Weiterbildung und Beratung,
• Gute technische Infrastruktur der Hochschule sowie der optimal geregelter Support. (Vgl. Petko et al. 2009, S. 193)

Blended Learning