Studierende folgen einer Lernpfad-Karte am Smartphone, Tablet oder Laptop. Falsch beantwortete Aufgaben kommen in der täglichen Wiederholung zurück, und die Motivationsfunktionen beruhen auf veröffentlichter Lernforschung.
Eine simulierte Tour durch AdaptIQ. Ein neues Quiz erscheint auf dem Lernpfad; eine Frage wird beantwortet und der QRS-Komplex in einem EKG markiert.
Studierende folgen Schritt für Schritt einer Lernpfad-Karte, am Smartphone, Tablet oder Laptop. Darunter steckt Lernforschung, die wirkt: aktives Abrufen, zeitlich verteiltes Wiederholen und ehrliches Feedback.
Aufgaben, die Studierende falsch beantwortet haben, und Lernkarten, die sie bewertet haben, kehren in wachsenden Abständen in einer täglichen Wiederholungsliste zurück.
Kurze Aufgaben direkt in der Lektion. Eine falsche Antwort taucht innerhalb eines Tages in der Wiederholungsliste wieder auf.
Die Trefferquote eines Themas über die letzten 30 bewerteten Antworten, erst ab 10 Antworten angezeigt. Bis dahin heißt es beim Thema: noch nicht genug Daten.
Jedes Übungsset hat eine Bestehensgrenze, und ein Thema kann eine Mindest-Trefferquote über eine Mindestzahl von Antworten verlangen, bevor das nächste freigeschaltet wird.
Der Lösungsschlüssel erreicht den Browser nie, bevor Studierende geantwortet haben. Zu jeder Aufgabe kann es eine Erklärung geben, die sie danach sehen.
Auf dem Smartphone eine Tab-Leiste am unteren Rand und Nachschlagewerkzeuge, die sich von unten einblenden. Auf Tablet und Laptop öffnen sich dieselben Werkzeuge als Seitenleiste.
Zwölf integrierte Typen, zwei aus dem 3D-Atlas-Modul und einer aus dem Biomechanik-Modul. Die elf mit dem Funken markierten Typen kann der KI-Assistent entwerfen. KI-Entwurf möglich
Fachmodule docken mit eigenen Aufgabentypen, Werkzeugen und Seiten an AdaptIQ an. Hier sehen Sie, was die von uns gebauten Module können.
Ein WebGL-Viewer mit 2.234 Meshes und 3.432 benannten Strukturen, durchsuchbar nach Namen. Er ist die Grundlage für zwei Aufgabentypen und öffnet sich direkt aus Lektionen und Übungen.
Basierend auf BodyParts3D, © The Database Center for Life Science (DBCLS), lizenziert unter CC BY 4.0.
Überschriften, Tabellen, in der Größe anpassbare Bilder mit Bildunterschrift, Zitate – und Formeln, gesetzt mit KaTeX, im Fließtext oder als eigener Block, eingefügt über einen Formeldialog.
Ein Inhaltspaket – Lektionen in Markdown plus Aufgaben – machen wir mit einem einzigen Befehl zu einem Modul, und Aktualisierungen erhalten den Lernfortschritt der Studierenden. Tiefergehende Module bringen eigene Aufgabentypen und Werkzeuge mit.
Jede Aufgabe wird aus einem Seed generiert, sodass alle Studierenden und jeder Versuch eigene Zahlen bekommen. Der Server baut die Aufgabe nach und berechnet die Bewertung neu; Antworten zählen innerhalb von ±1,5 %.
Find the vertical support reaction at A.
Find the vertical support reaction at A.
Motivation in AdaptIQ beruht auf veröffentlichter Lernforschung und verzichtet auf Dark Patterns: kein Verlust-Framing und keine Countdowns.
Studierende wählen ein Tagesziel und einen Wenn-dann-Plan, wann sie üben. Wer das Ziel erreicht, bekommt Bonus-XP.
XP messen Aktivität, verändern nie eine Bewertung und werden nie abgezogen. Eine Tagesgrenze hält das fair, und alle Studierenden sehen, wie ihre XP zustande kamen.
Die Serie zählt Übungstage, und Studierende können sie schützen, wenn etwas dazwischenkommt.
Etwa eine Stunde vor der selbst gewählten Planzeit, mit dem eigenen Plan als Zitat. Dazu Ruhezeiten und Abmeldung mit einem Klick. Formulierungen, die Schuldgefühle oder Zeitdruck erzeugen, sind im Code gesperrt.
Jede Mechanik lässt sich pro Person schalten, mit prozentualem Rollout und Messbericht. Die geschützte Serie und die Erinnerungen werden ausgeschaltet ausgeliefert, bis die Administration sie aktiviert.
Die Regeln dahinter lesen →Vereinbaren Sie eine Demo: Wir zeigen Ihnen den KI-Arbeitsbereich, die Ansicht der Studierenden und den Freigabeprozess – auf dem Smartphone und am Desktop.