Prof. Dr. Barbara Wieczorek

Professorin für Informatik

Momentan biete ich folgende Module an der EAH Jena an:

Informatik 1MT BaWiSe
Informatik 2MT BaSoSe
Informatik 3MT MaWiSe
Informatik für BiotechnologenBT BaWiSe/SoSe
Grundlagen des Maschinellen LernensET/IT BaSoSe
Grundlagen des Maschinellen LernensMT/BT BaWiSe

Lernmaterialien zu den einzelnen Modulen finden Studierende auf unserem Moodle-Server.

In den Modulen in der Studieneingangsphase (1. und 2. Bachelor-Semester) erfolgt die Vermittlung grundlegender Kompetenzen im Bereich der Programmierung. Programmierkonzepte werden dabei stets auch praktisch umgesetzt. Hierzu wird die Programmiersprache Python verwendet. Um den Übergang zur Hochschule in der Studieneingangsphase zu unterstützen, werden folgende didaktische Elemente in diesen Modulen umgesetzt:

  • Vorlesungen mit interaktiven Elementen:
    • Kurze Programmieraufgaben am Smartphone, wo Konzepte sofort praktisch erprobt werden können.
    • Multiple-Choice-Aufgaben, die per Klicker beantwortet und live ausgewertet werden.
    • In den Vorlesungsvideos sind die interaktiven Elemente ebenso integriert. Programmierübungen werden an der jeweiligen Stelle durchgeführt, Multiple-Choice-Fragen werden im Video gestellt sowie automatisiert ausgewertet. Je nach Antwort ist hierbei Text-Feedback hinterlegt.
  • Nachbereitungsaufgaben, die direkt an die jeweilige Vorlesung anknüpfen und die Inhalte vertiefen. Die Aufgaben sind im Moodle-Kurs und werden automatisiert ausgewertet. Zum Teil ist Text-Feedback hinterlegt, was je nach Antwort nochmals Hinweise oder Hilfestellungen gibt. Durch die Nachbereitungsaufgaben wird insbesondere Raum für die interaktiven Elemente in der Vorlesung geschaffen.
  • Praktika bzw. Übungen im Rechnerlabor, wo die praktische Umsetzung von Programmierkonzepten erfolgt:
    • Um die Zeit in Praktika bzw. Übungen bestmöglich nutzen zu können, gibt es für jeden Termin Vorbereitungsaufgaben. Diese sind von geringer Komplexität, sodass sie in der Regel gut im Selbststudium bearbeitet werden können. Es stehen zur Selbstkontrolle stets Lösungen bereit.
    • Um Problemlösefähigkeiten auszubauen, eigenständiges aktives Arbeiten zu fördern und Erfolgserlebnisse zu ermöglichen, werden gestufte Hilfen zu den Präsenzaufgaben zur Verfügung gestellt. Diese können Studierende eigenständig nutzen, wenn Probleme bei einer Aufgabe eintreten. 
  • Zur Prüfungsvorbereitung stehen sämtliche prüfungsrelevanten Lernziele als tabellarische Übersicht zur Verfügung. Hierbei sind ebenso die Ereignisse der Lehrveranstaltungen aufgeführt, die dem Erwerb der jeweiligen Kompetenzen dienen. Dabei sind auch alle Elemente des Selbststudiums (Nachbereitungsaufgaben zu den Vorlesungen, Vorbereitungsaufgaben zu Praktikum oder Übung) mit einbezogen. Zur Selbsteinschätzung und effizienten Prüfungsvorbereitung sind die prüfungsrelevanten Kompetenzen ebenfalls im Fragebogen-Format im Moodle-Kurs vorhanden. Dabei kann man jede Kompetenz anhand einer Skala bewerten. Somit können Lücken identifiziert und durch die zugehörigen Ereignisse effizient geschlossen werden.

Wieczorek, B., Salfer, M. (2024). Künstliche Intelligenz. In: Informatik 11 Gymnasium Bayern. Bamberg: C. C. Buchner

Borys, A., Wieczorek, B., Nicke, A., Walstab, J. (2023). Nutritional status of old-growth European beech (Fagus sylvatica L.) stands on calcareous versus acidic sites - long-term results of serial foliar analysis from 2009 to 2021. German Journal of Forest Research, 193, 30 -

Wieczorek, B. (2022). Objektbeziehungen. In: D. Bergmann (Hrsg), A. Greubel (Hrsg.). Informatik 10 Gymnasium Bayern. Bamberg: C. C. Buchner

Wieczorek, B. und Ulrich, I. (2022). Ereignisorientierte prüfungsrelevante Lernziele als Werkzeug im Sinne des Constructive Alignment: Konzeption, Umsetzung und Evaluation. die hochschullehre 8, 228–242.

Wieczorek, B. (2021). Datenschutz. In: D. Bergmann (Hrsg), B. Gramlich (Hrsg.), A. Greubel (Hrsg), Informatik 9 Gymnasium Bayern,  Bamberg: C. C. Buchner

Wieczorek, B.: Funktionale Modellierung (2021). In: D. Bergmann (Hrsg), B. Gramlich (Hrsg.), A. Greubel. Informatik 9 Gymnasium Bayern, Bamberg: C. C. Buchner

Wieczorek, B. und Morgenroth, C. (2021). Das Verhältnis von Didaktik und Recht im Kontext von Online-Prüfungen. Ordnung der Wissenschaft, 03/2021

Morgenroth, C. und Wieczorek, B. (2021). Zwischenbilanz zum Corona-Hochschulrecht aus Sicht der Hochschulpraxis, Teil I – Online-Lehre, Ordnung der Wissenschaft, 01/2021

Wieczorek, B. (2019). Anwendungsaufgaben für Informatik 6. In: D. Bergmann (Hrsg), Click & Teach 6. Digitales Lehrermaterial, Bamberg: C. C. Buchner

Wieczorek, B., Ribe, L., Class, C. und Brinkmeier, M. (2017). „Analogien für Programmierkonzepte: Ein Weg zum Computational Thinking“, in: Ira Diethelm (Hrsg.): Informatische Bildung zum Verstehen und Gestalten der digitalen Welt, Lecture Notes in Informatics (LNI), Bonn: Gesellschaft für Informatik, 349-358

Wieczorek, B. (2017). Trigonometrische Berechnungen, In: Kleine, M. (Hrsg), B. Skorsetz (Hrsg.), Mathe.Logo 10 Gymnasium Thüringen ,Bamberg: C. C. Buchner, 43-72

Wieczorek, B  (2016). Blockwise bootstrap of the estimated empirical process based on psi-weakly dependent observations, Stat. Inference Stoch. Process. Vol. 19, 111-129

Wieczorek, B.  (2014). Terme und Gleichungen (Lösungen). In: Kleine, M. (Hrsg.), Skorsetz, B. (Hrsg.), Mathe Logo 8 Gymnasium Thüringen Lehrerband, Bamberg: C.C.Buchner

Wieczorek, B. (2013). Modalwertschätzung in der nichtparametrischen Kurvenschätzung und Blockwise Bootstrap für den geschätzten empirischen Prozess, Dissertation, Friedrich-Schiller-Universität Jena

Wieczorek, B. (2010). On optimal estimation of the mode in nonparametric deconvolution problems, J. Nonparam. Stat. Vol. 22, 65-80

Wieczorek, B. und Ziegler, K. (2010). On optimal estimation of a non-smooth mode in a nonparametric regression model with alpha-mixing errors (2010). J. Statist. Plann. Inf. 140 Vol. 2, 406-418

Wieczorek, B. (2010). Blockwise Bootstrap for the estimated empirical process based on weakly dependent observations, Reports of the Department of Mathematics and Computer Science, Friedrich-Schiller-University Jena 10-10

Wieczorek, B. (2010). Model-based bootstrap for the estimated empirical process with weakly dependent observations, Reports of the Department of Mathematics and Computer Science, Friedrich-Schiller-University Jena 10-11

Wieczorek, B. (2007). Modalwertschätzung für Regressionsfunktionen mit nichtdifferenzierbarer Modalstelle im heteroscedastischen Fixed Design Modell, Diplomarbeit, Technische Universität Ilmenau