Logo des Repositoriums

AVRiL Wettbewerb

https://dl.gi.de/handle/20.500.12116/37432
Wettbewerb des Arbeitskreises VR/AR-Learning
Auflistung nach:

Auflistung AVRiL Wettbewerb nach Autor:in "Blattgerste, Jonas"

1 - 2 von 2
  • Konferenzbeitrag
    Die Heb@AR App - Eine Android & iOS App mit Augmented Reality Trainings für selbstbestimmtes und curriculares Lernen in der hochschulischen Hebammenausbildung
    (Wettbewerbsband AVRiL 2022, 2022) Blattgerste, Jonas; Lewa , Carmen; Vogel, Kristina; Willmeroth, Tabea; Janßen, Sven; Franssen, Jannik; Behrends, Jan; Joswig, Matthias; Schäfer, Thorsten; Bauer, Nicola H.; Bernloehr, Annette; Pfeiffer, Thies
    Die Akademisierung der Hebammenausbildung bringt neue Herausforderungen mit sich. Die Heb@AR App ist eine innovative Augmented Reality (AR) Trainingsanwendung, um diesen Prozess nachhaltig zu unterstützen und die Umsetzung von erworbenem theoretischem Wissen in die Praxis zu fördern. Heb@AR wird derzeit für selbstgesteuertes und curriculares Lernen vor Ort in mehreren Hebammenstudiengängen in Deutschland eingesetzt. Ziel ist es, die praktischen Kompetenzen der Studierenden zu stärken, insbesondere in Notfallsituationen. Dabei ist die Heb@AR App kostenlos über Android & iOS App-Stores verfügbar und bietet derzeit fünf Hebammen-spezifische Trainingsszenarien inklusive supplementärem Material.
  • Konferenzbeitrag
    TrainAR: Ein Augmented Reality Training Autorensystem
    (Wettbewerbsband AVRiL 2022, 2022) Blattgerste, Jonas; Pfeiffer, Thies
    Dieser Beitrag beschreibt TrainAR, ein kostenloses Open-Source-Autorensystem mit dem prozedurale Smartphone-basierte Augmented-Reality-Trainings (AR-Trainings) mittels 3D-Scanning und visueller Programmierung erstellt werden können. Es soll Fachexperten befähigen, eigenständig interaktive AR-Trainings zu entwickeln und einzusetzen. TrainAR wurde bereits in mehreren Forschungsprojekten und aktiv in der Lehre an der Hochschule Emden/Leer eingesetzt, um AR-Trainings zu verwirklichen. Nach der Veröffentlichung, Entwicklung mehrerer Trainings und ersten Evaluationsergebnissen wird TrainAR zurzeit systematisch evaluiert.