Dr. Robert Rockenfeller von der Universität in Koblenz mit Preis ausgezeichnet

Mit dem Ars legendi-Fakultätenpreis für exzellente Hochschullehre in Mathematik und den Naturwissenschaften 2019 wurde Dr. Robert Rockenfeller von der Universität Koblenz-Landau im Fach Mathematik prämiert. Der Preis wird an Wissenschaftler vergeben, die sich durch herausragende, innovative und wegweisende Leistungen in Lehre, Beratung und Betreuung auszeichnen.

Rockenfeller ist als  wissenschaftlicher Mitarbeiter am Mathematischen Institut des Campus Koblenz der Universität Koblenz-Landau tätig und befasst sich auch damit, die Vorteile digitaler Lernmethoden am Institut konkret, umfassend und nachhaltig umzusetzen.

So führte Rockenfeller in der Stochastik-Vorlesung das Konzept des Inverted Classroom ein: Er  bereitete die gesamte Vorlesung als 111 kurze Videosequenzen, die keine Vorlesungsmitschnitte waren, vor und stellte diese online. Die Studierenden hatten die Aufgabe, sich zu festgelegten Terminen bestimmte Videos anzusehen und deren Inhalte zu rezipieren. Anstelle einer Vorlesung wurde das so Erlernte in der Präsenzzeit intensiv vertieft, zum Beispiel mit Übungsaufgaben, Diskussionen oder Gruppenarbeiten. Diese Plenumsphasen starteten mit einer von Studierenden moderierten Frage- und Diskussionsrunde, in der alle Fragen an der Tafel gesammelt wurden. Anschließend arbeitet das gesamte Plenum an Lösungen.

Das Konzept der Projekt-orientierten Mathematik führte der Mathematiker in der Vorlesung „Modellieren/Simulieren“ ein: Mit Kollegen des European Consortium for Mathematics in Industry stellte Rockenfeller jeweils ein Realweltproblem vor, das anschließend von Studierendengruppen mit mathematischen Werkzeugen behandelt wurde. Vor Ort war der jeweilige Betreuer sowohl Ansprechpartner für die eigenen Studierenden als auch für die Gruppen, die das eigene Problem behandelten. Im Gegensatz zur klassischen Vorlesung stand der Lernstoff hier nicht fest. Die Studierenden waren aufgefordert, in Teamarbeit die zur Lösung nötigen mathematischen Grundlagen zu identifizieren, zu recherchieren und anzuwenden.

Parallel zur Umsetzung dieser Lernmethoden evaluierte Rockenfeller diese mit den Studierenden unter Unterstützung des universitären Methodenzentrums. Seine Veranstaltungen wurden mit gut bis sehr gut bewertet. Bereits dreimal wurde der wissenschaftliche Mitarbeiter daher mit dem Lehrpreis des Fachbereiches Mathematik/Naturwissenschaften der Universität Koblenz-Landau ausgezeichnet. Auf die Lehrpreise der Hochschuldidaktischen Arbeitsstelle, die ebenfalls für die Qualität der Lehre an der Universität Koblenz-Landau sorgt, bewarb er sich dreimal erfolgreich.

Als Mitglied des Fachbereichsrates Mathematik/Naturwissenschaften an der Universität in Koblenz, in dem auch Entscheidungen über die Qualität der Lehre gefällt werden, sowie als Mitglied der Fokusgruppen „Digitalisierung“, die sich um die Möglichkeiten, Perspektiven und Umsetzbarkeit der digital-unterstützten Lehre kümmert, unterstützt Rockenfeller den universitären Transformationsprozess in der Digitalisierung der Lehre.

Dieser starke Einsatz für eine exzellente Lehre fiel auch außerhalb der Universität auf: Die elfköpfige Fakultätenpreis-Jury aus Fachvertretern, Vertretern der Hochschuldidaktik sowie Studierenden war vom Umfang und der Tiefe des Engagements von Rockenfeller beeindruckt und zeigt mit seiner Ehrung jungen Mitarbeitern vor der Professur, dass sich das Engagement für exzellente Lehre lohnt. 

Der Preis wird vom Stifterverband, der Deutschen Mathematiker-Vereinigung, der Deutschen Physikalischen Gesellschaft, der Gesellschaft Deutscher Chemiker und dem Verband Biologie, Biowissenschaften und Biomedizin in Deutschland ausgelobt. Seit 2014 wird die Auszeichnung in den Kategorien Biologie, Chemie, Mathematik und Physik vergeben. Sie ist mit jeweils 5.000 Euro dotiert.

Dr. Birgit Förg Universität Koblenz-Landau – 13.03.2019

Schreibe einen Kommentar

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

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.