Medizinische Universität Graz
Auenbruggerplatz 2, 8036 Graz
Weitere Beispiele der Hochschule

Analyseverfahren

Ziele/Motive/Ausgangslage

AUSGANGSLAGE

Seit dem Beginn der Covid-19 Pandemie sind Gesundheitsinformationen präsenter denn je. Täglich werden international als auch national neue Gesundheitsinformationen veröffentlicht. Seien es die aktuellen weltweiten Zahlen im WHO Coronavirus Dashboard, österreichische Informationen über das AGES Dashboard COVID19, oder aber auch Informationen in den Medien oder in Sozialen Medien. Fundamental um Gesundheitsinformationen zu finden, zu beurteilen und zu interpretieren ist die Gesundheitskompetenz (engl. Health literacy) (Abel and Sommerhalder, 2015).

 

MOTIVATION

Die Beratung von Patient*innen und die Förderung Ihrer Gesundheitskompetenz sind als eine pflegerische Kernkompetenz gesetzlich verankert (Bundesministerium, 2022). Die Hauptvoraussetzung um Patient*innen erfolgreich beraten zu können und somit auch ihre Gesundheitskompetenz zu fördern, liegt in der Gesundheitskompetenz der Pflegepersonen selbst. Dabei stellen die numerische und grafische Gesundheitskompetenz (1) essentielle Aspekte der Gesundheitskompetenz dar (Liu et al., 2020) und (2) beeinflussen damit die gesundheitliche Versorgung (National Numeracy, 2015).

Numerische und grafische Gesundheitskompetenz subsummieren das Ausmaß, in dem Individuen in der Lage sind, auf numerische, quantitative, grafische, biostatistische und probabilistische Gesundheitsinformationen zuzugreifen, sie zu verarbeiten, zu interpretieren, zu kommunizieren und entsprechend zu handeln, um wirksame Gesundheitsentscheidungen zu treffen (Golbeck et al., 2005).

Insbesondere im Zuge der COVID-19 Pandemie, wurde die Bedeutung der Kommunikation von gesundheitsrelevanten Informationen wieder in den Fokus gerückt (Wegwarth et al., 2020). Hinsichtlich numerischer als auch grafischer Gesundheitskompetenz, beschreiben internationale Studien Lücken und damit Verbesserungspotenziale in der allgemeinen Bevölkerung als auch bei Pflegepersonen.

 

ZIELE

Zusammenfassend betrachtet stellen die numerische und grafische Kompetenz essenzielle Grundsteine der Gesundheitskompetenz dar (Dowding et al., 2018). Daraus ergibt sich die Notwendigkeit diese Kompetenzen durch praktische Anwendung und Auseinandersetzung zu fördern und zu stärken. Einerseits wird somit die Gesundheitskompetenz des diplomierten Gesundheits- und Krankenpflegepersonal gestärkt. Andererseits können Patient*innen ebenfalls davon profitieren, da durch numerischen und grafischen Kompetenzen eine evidenzbasierte Edukation von Patient*innen ermöglicht wird.

Daher werden die Studierenden in diesem Modul in die Datenanalyse bis hin zur Berichtslegung, als Teile des Forschungsprozesses, eingeführt.

Ziel dieses Moduls ist der Erwerb von numerischen und grafischen Kompetenzen. Dabei gilt es Kenntnisse zur Analyse von quantitativen Daten bspw. mittels SPSS zu erwerben. Des Weiteren werden die Studierenden befähigt die Forschungsergebnisse in unterschiedlichen Darstellungsformen lesen und interpretieren zu können.

Kurzzusammenfassung des Projekts in deutscher Sprache

Seit dem Beginn der Covid-19 Pandemie sind Gesundheitsinformationen präsenter denn je. Um Gesundheitsinformationen zu finden, zu beurteilen und zu interpretieren bedarf es ausreichender Gesundheitskompetenz (GK). Die numerische und grafische Kompetenz stellen essenzielle Grundsteine der GK dar. Internationale Studien zeigten Lücken hinsichtlich numerischer als auch grafischer GK bei Pflegepersonen auf.

 

Die wesentlichen Inhalte des Moduls „Analyseverfahren“ setzen sich mit der eigenständigen Analyse und Interpretation (numerische GK) sowie der grafischen Darstellung von quantitativen Daten (grafische GK), als Teil des Forschungsprozesses, auseinander. Die einzelnen Seminargruppensitzungen sind nach dem Prinzip des Micro-Learnings aufgearbeitet. Handlungsorientiertes Lernen durch Praxisbezug wird ermöglicht indem die anonymen Daten für die Hausarbeit ihre eigenen realen Berufsbedingungen unter der COVID-19 Pandemie widerspiegeln. Interaktive Quiz oder aber auch Multimediale Inhalte (z.B. YouTube, Online-Books) ermöglichen ortsunabhängige individuelle Lernzeiten und -geschwindigkeiten.

 

Durch dieses Modul wird die GK des diplomierten Gesundheits- und Krankenpflegepersonal gefördert. Patient*innen können ebenso davon profitieren, da durch die Verbesserung der numerischen und grafischen Kompetenzen von Pflegepersonen eine evidenzbasierte Edukation von Patient*innen ermöglicht wird.

Kurzzusammenfassung des Projekts in englischer Sprache

Since the onset of the Covid-19 pandemic, health information has been more present than ever. Finding, assessing, and interpreting health information requires sufficient health literacy (HL). Numerical and graphical literacy represent essential cornerstones of HL. International studies have shown gaps in both numerical and graphical literacy among nurses.

 

The main contents of the module "Analytical Methods" deal with independent analysis and interpretation (numerical HL) as well as graphical representation of quantitative data (graphical HL), as part of the research process. The individual seminar group sessions are structured according to the principle of micro-learning. Action-oriented learning through practical relevance is made possible by using anonymous data for the seminar paper that reflect the student’s real professional conditions under the COVID-19 pandemic. Interactive quizzes or multimedia content (e.g. YouTube, online books) enable location-independent individual learning times and speeds.

 

Through this module, the HL of the graduate nursing staff is promoted. Patients can also benefit from this module, as the improvement of numerical and graphical skills of nurses enables evidence-based education of patients.

Nähere Beschreibung des Projekts

VORSTELLUNG DES MODULS

Bereits im Jahr 2015 wurde das Modul Analyseverfahren gestartet. Zum damaligen Zeitpunkt, waren sowohl die Analyse und Interpretation von quantitativen als auch qualitativen Daten Inhalt des Moduls. Basierend auf den Evaluierungen und den Erfahrungen der Tutor*innen wurde das Modul weiterentwickelt und auf quantitative Daten fokussiert. Darüber hinaus wurde ein eigenes Wahlpflichtmodul entwickelt, welches sich mit der Erhebung, Analyse und Interpretation von qualitativen Daten beschäftigt. Um (1) den Bezug zur pflegerischen Praxis herzustellen und (2) die aktuelle Situation der COVID-19 Pandemie abzudecken, wurden für die Hausarbeit anonyme Daten zur pflegerischen Situation während der ersten und zweiten COVID-19-Welle in Österreich aus zwei Online-Umfragen genutzt.

 

INHALTE DES MODULS

Der Fokus dieses Moduls liegt auf der Vertiefung theoretischer Kenntnisse und der eigenständigen Durchführung einer quantitativen Datenanalyse anhand von „echten“ Daten sowie der Interpretation der Forschungsergebnisse (Seminar 1 bis 7). Zudem stellen die grafische Aufbereitung von quantitativen Daten sowie die laienfreundliche Darstellung von evidenzbasierten Ergebnissen weitere Schwerpunkte dieses Moduls dar (Seminar 8-11).

Die Beurteilung umfasst sowohl individuelle Beurteilungen als auch Beurteilungen in einer Kleingruppe. Die Kriterien zur Beurteilung sind im Modulbuch detailliert benannt und werden in der ersten Gruppensitzung ebenfalls erläutert.

 

AUFBAU UND STRUKTURIERUNG DES MODULS

Dieses Modul wird in Form von 12 Gruppensitzungen, welche im Wintersemester 2021/2022 in Präsenz (Seminar 1-4) als auch online (5-12) abgehalten wurden, durchgeführt und in zwei Schwerpunkte aufgeteilt:

 

Schwerpunkt Numerische Gesundheitskompetenz: Health literacy/Numeracy/Graphical literacy und SPSS; Vorbereitung der Daten; Deskriptive Statistik; Operationalisierung; Statistisches Testen; Weitere statistische Verfahren.

 

Schwerpunkt Grafische Gesundheitskompetenz: Datendarstellung in Tabellen; Datendarstellung in Abbildungen; Interpretation von Ergebnissen; Vorbereitung eines Posters; Gestaltung eines Posters.

 

In der letzten Gruppensitzung erfolgt die Posterpräsentation bei der die eigenständig berechneten Ergebnisse, laienfreundlich dargestellt werden. Der Unterricht erfolgt durch eine Tutor*in bei maximal 12 Teilnehmer*innen. Dadurch ist eine engmaschige, individuelle Betreuung der Studierenden gewährleistet. Durch das zeitnahe Feedback auf die individuellen Protokolle der vorangegangenen Sitzung, wird die Heterogenität der Studierenden hinsichtlich Vorwissen berücksichtigt. Durch die individuelle Bearbeitung der Aufgabenstellungen, können die Studierenden Ihr eigenes Lerntempo festsetzten. Dies entspricht einem eigenständigen Lernprozess, der die individuellen Lern- und Studienbedingungen berücksichtigt. Um auch bei der Hausarbeit einen kontinuierlichen Lernerfolg und eine engmaschige Betreuung zu gewährleisten, gibt es für die Studierenden nach den Gruppensitzungen 30 Minuten, in denen die Tutor*innen, Fragen und Probleme zur Hausarbeit abklären. Diese sind freiwillig und zählen nicht zur Anwesenheit.

 

DIDAKTISCHE METHODEN IM MODUL

Micro-Learning

Die einzelnen Gruppensitzungen sind nach dem Prinzip des Micro-Learnings, also Informationsvermittlung in kleinen Einheiten, aufgearbeitet. Dabei werden die Studierenden von einer Aufgabe zu einer weiteren darauf aufbauenden Aufgabe weitergeleitet. Nach der Absolvierung der ersten Aufgaben stellen die Tutor*innen zeitnah fest, ob der Lernerfolg gegeben ist. Anhand des nachfolgenden Beispiels aus der zweiten Gruppensitzung soll dies erläutert werden:

 

Übergeordnetes Ziel: Sie arbeiten für den Gesundheitsverbund „Sonnensystem“. Jährlich nehmen Sie an einer Erhebung zum Thema „Mangelernährung“ teil.

Aufgabe 1: Vorbereitung des Datensatzes

Nach der Erhebung erhalten Sie 3 Datensätze, wovon ein Datensatz irrtümlich in Excel gespeichert wurde. Formatieren Sie zu aller erst die Excel-Datei in eine SPSS-datei um. In weiterer Folge fügen Sie die drei Datensätze zu einem Datensatz zusammen.

Aufgabe 2: Einfügen von Variablen

Leider ist während der Erhebung ein Fehler passiert und Sie erhalten erst eine Woche später die Daten zum BMI für alle drei Einrichtungsarten. Fügen Sie diese Variable zu Ihrem Datensatz hinzu.

Aufgabe 3: Datenvorbereitung

Sie haben nun alle Variablen und Daten in einem Datensatz. Leider fehlen bei den Variablen die Dezimalangaben, die Beschriftung, Werte (z.B. Krankenhaus=1) und das Datenniveau). Fügen Sie diese nun hinzu.

Aufgabe 4: Datenbereinigung

Sehen Sie sich die Daten nun an. Es sind im Datensatz Werte angegeben, die keinen Sinnmachen (zu hoch/zu nieder), die Werte fehlen, oder es sind unschlüssige Angaben (Teilnahme=ja, sonst aber keine Daten vorhanden). Bereinigen Sie den Datensatz auf alle “Fehler”*.

 

*Diese „Fehler“ wurden sowohl in den Daten für die Gruppensitzungen als auch im Datensatz für die Hausarbeit bewusst von den Tutor*innen eingebaut. Damit sollen für die Studierenden nahezu reale Bedingungen geschaffen werden.

 

Handlungsorientiertes Lernen durch Praxisbezug

Beinahe alle Studierenden im Master Pflegewissenschaft an der Medizinischen Universität Graz sind bereits in der pflegerischen Praxis tätig. Hinzu kommt, dass viele bereits an der Pflegequalitätserhebung, einer jährlich durchgeführten Querschnittstudie, mitgewirkt haben. Dementsprechend, wurde sowohl für die Aufgaben in den Gruppensitzungen als auch für die Hausarbeit ein Rahmen entwickelt, um den Studierenden einen Praxisbezug zu ermöglichen.

Praxisbezug in den Gruppensitzungen: Sie arbeiten für den Gesundheitsverbund „Sonnensystem“. Jährlich nehmen Sie an einer Erhebung zum Thema „Mangelernährung“ teil. Sie haben in Ihrem Gesundheitsverbund sowohl Krankenhäuser, Pflegeheime als auch Hauskrankenpflegedienste. In ihrer Organisation sind Sie für die Aufarbeitung der Daten aus der Erhebung zum Thema Mangelernährung zuständig.

Praxisbezug bei der Hausarbeit: Den Studierenden wurden, für die Bearbeitung der Hausarbeit anonyme Daten aus zwei Online-Umfragen zur Verfügung gestellt. Da die Studierenden während der COVID-19 Pandemie in der Pflegepraxis arbeiteten, spiegelten diese beiden Online-Umfragen, auch Ihre persönlichen Erfahrungen und Erkenntnisse während dieser Zeit wieder. Im Sinne der Handlungsorientierung, konnten die Studierenden die Daten aus den beiden Online-Umfragen analysieren, interpretieren und grafisch aufarbeiten.

 

Interaktive Elemente

In den ersten drei Gruppensitzungen werden vier verschiedene Quizz zur Selbstevaluierung hinsichtlich numerischer /grafischer Kompetenz, Skalenniveaus sowie dem Lesen von Tabellen durchgeführt. Das Quizz zur numerischen Gesundheitskompetenz basiert auf einem Test, welcher an der „Universität Birmingham-Faculty of Health“ bei der Rekrutierung und Auswahl der Studierenden für den Bachelorstudiengang „Pflege“ eingesetzt wird. Das Quizz zur grafischen Kompetenz basiert auf der international anerkannten „Graph Literacy Scale“ (Galesic & Garcia 2011). Dadurch können die Studierenden bereits zu Beginn des Moduls eigene Stärken und Verbesserungspotenziale hinsichtlich numerischer und grafischer Kompetenz erkennen.

 

Multimedia Inhalte

Die Inhalte werden insbesondere durch zahlreiche YouTube-Tutorials erweitert. Die Nutzung von YouTube-Tutorials und Kanälen, ermöglicht den Studierenden zeitlich- und örtlich unabhängig Wissenslücken zu füllen und Ihre Kompetenzen zu vertiefen. Zudem kann dadurch eine Studierendenzentrierte Lernumgebung geschaffen werden.

 

Folien

Übersichtliche, in PowerPoint erstellte Folien dienen als Hilfsmittel für die Wiederholung und Vertiefung der Lerninhalte. Nach jedem Feedback werden Folien erstellt, auf denen die häufigsten Probleme und Fehler anonym inklusive der Lösungen präsentiert werden. Diese Feedback-Folien werden im Moodle der Medizinischen Universität Graz den Studierenden zur Verfügung gestellt.

 

Whiteboard/Flipcharts

Mit Hilfe eines Whiteboards/Flipcharts mit Markern in mehreren Farben können Erklärungen der Inhalte grafisch ergänzt und wiederholt werden. Insbesondere in der Gruppensitzung 4, erarbeiten die Studierende, wenn gewünscht auf dem Whiteboard/Flipcharts, die Operationalisierung der Variable „Prävalenz Mangelernährung“ selbst. Dies ermöglicht die einzelnen Schritte der Operationalisierung auf einem Blatt/Board durchzuführen und damit auf einen Blick Zusammenhänge zu erkennen.

 

Weitere Lehr- und Lernmittel

Um individuelle Lernzeiten und -geschwindigkeiten zu ermöglichen, werden drei Online-Books als Lehrmittel genutzt:

• Brosius F. (2017) SPSS 24 für Dummies, 1th edition, Weinheim, Wiley-VCH.

• Field, A. (2013) Discovering Statistics Using IBM SPSS Statistics, 4th edition, Los Angeles, Sage.

• Christel Weiß (2019), Basiswissen Medizinische Statistik, 7th edition, Berlin, Springer Verlag.

 

QUALITÄTSSICHERUNG

Entwicklung und regelmäßige Aktualisierung

Zur Sicherung hoher Qualitätsansprüche wurde der Inhalt des Kurses von zwei Pflegewissenschaftler*innen mit mehrjähriger Forschungserfahrung entwickelt und überprüft. Korrekturen und Aktualisierungen werden jährlich durchgeführt und Verbesserungsvorschläge, z.B. durch das Feedback der Studierenden, umgesetzt.

Strukturiertes Konzept & Modulbuch

Vor Beginn des Moduls wird das aktuelle Modulbuch über Moodle der Medizinischen Universität Graz zur Verfügung gestellt. Das Modulbuch beinhaltet detaillierte Informationen zu der Zielsetzung, den Voraussetzungen, dem Arbeitsaufwand, der Prüfungsform als auch die Inhalte und Aufgabenstellungen. Die Gruppensitzungen sind allesamt nach dem gleichen konklusiven Schema im strukturiert und der jeweilige Zeitaufwand beschrieben: Input (0.5 UE), Aufgabe 1: Definition & Variablen (0,5 UE); Aufgabe 2: Anpassung der Variablen (2 UE); Aufgabe 3: Berechnung Prävalenz von Mangelernährung.

Mehrwert

Durch verschiedenen didaktischen Methoden, die Studierendenzentrierung, sowie der Kompetenzorientierung und der simultanen eigenständigen Bearbeitung der Aufgabenstellungen in den Seminargruppensitzungen und der Hausarbeit, ergeben sich zahlreiche Vorteile:

Innovative Hochschuldidaktik

• Durch die Handlungsorientierung, wird theoretisches statistisches Wissen praktisch im Rahmen einer Datenanalyse, -interpretation und Ergebnisdarstellung verbunden,

• Zudem sind die Inhalte der Datenanalyse mit den Erfahrungen der Studierenden in der eigenen pflegerischen Praxis während der COVID-19 Pandemie verknüpft.

• Durch die Nutzung diverser Lehr-Lernmethoden werden den Studierenden Ihre Stärken und Verbesserungspotenziale Schritt für Schritt aufgezeigt. Dadurch können die Studierenden individuell an ihrem eigenen Lernfortschritt arbeiten.

Studierendenzentrierung & Heterogenität

• Zahlreiche Online-Ressourcen (E-Books/YouTube) ermöglichen den Studierenden sich zeitlich und örtlich unabhängig die Inhalte in ihrem individuellen, für sie passenden Tempo aneignen.

• Basierend auf dem individuellen Feedback nach jeder Sitzung, kann den einzelnen Studierenden zielgerichtete Hilfestellungen angeboten werden. Dementsprechend ist es möglich individuelle auf die Bedürfnisse der Studierenden einzugehen.

 

Kompetenzorientierung

• Ein strukturiertes Modulbuch wird vor Beginn des Moduls den Studierenden über Moodle zur Verfügung gestellt. Darin wird das Konzept des Moduls, strukturiert, detailliert und nachvollziehbar dargestellt.

• Ein besonderer Schwerpunkt in diesem Modul liegt auf der Verbindung von Theorie und praktischer Anwendung des Gelernten. Dabei werden theoretische statistische Grundlagen im Rahmen der Hausübung an echten Daten angewendet.

• Die genutzten Daten der Hausarbeit spiegeln die Erfahrungen und Erkenntnisse der pflegerischen Praxis während der COVID-19 Pandemie wieder. Dadurch entsteht ein Bezug zwischen der wissenschaftlichen Datenanalyse und der Berufspraxis der Studierenden.

• Durch diese Verknüpfung zwischen der Theorie, der eigenständigen praktischen Datenanalyse und der Berufspraxis der Studierenden während der COVID-19 Pandemie, kann eine tiefergehende Interpretation der Ergebnisse erreicht werden.

Europäische und internationale Ausrichtung

• Im Modulbuch (Teil I) sind die Voraussetzungen, Lehr- und Lernformen sowie der Arbeitsaufwand/Dauer für das gesamte Modul detailliert erläutert: Der Gesamtaufwand des Moduls beträgt 5 ECTS* (125 Stunden SIT) verteilt auf 45 Unterrichtseinheiten (UE) a 45 Minuten Präsenszeit (45 UE Seminargruppensitzungen*) an der Universität sowie 91,25 Stunden Selbststudium. *Im Wintersemester 2021/2022, wurden die Seminargruppensitzungen 5-12 aufgrund der COVID-19 Pandemie via Webex durchgeführt.

• Im Modulbuch (Teil II) sind, bei jeder einzelnen Gruppensitzung, der Arbeitsaufwand pro Aufgabenstellung in Unterrichtseinheiten angegeben.

 

Weitere Merkmale

Weitere Merkmale, welche das Modul auszeichnen sind:

• Individuelles Lehren und Lernen durch individuelle Feedbackschleifen. Ein besonderer Fokus liegt auf der kollegialen Atmosphäre und dem regen Austausch zwischen Tutor*innen und Studierenden.

• Pflegewissenschaftler*innen sind mit der Verschriftlichung und Publikation von pflegewissenschaftlichen Forschungsergebnissen ausgebildet. Demzufolge, können Sie Schwierigkeiten beim Schreiben eines Forschungsberichts besser nachvollziehen und damit auch einfacher Lösungsstrategien gemeinsam mit den Studierenden erarbeiten.

• Der Einsatz verschiedenster didaktischer Lehrmittel sowie neuer Medien.

Übertragbarkeit/Nachhaltigkeit

Dieses Modul baut auf einem Statistikseminar auf. Demzufolge liegt der Modulfokus auf der Vertiefung theoretischer und praktischer Grundlagen der quantitativen Datenanalyse, der Interpretation und Verschriftlichung von Forschungsergebnissen, sowie die praktische Anwendung anhand von „echten“ Daten. Zudem stellt die grafische Darstellung von quantitativen Daten einen weiteren Fokus dieses Moduls dar.

Die Herangehensweise, dass ein Modul dezidiert an einem vorangegangenen Modul anknüpft, eignet sich generell für ein breites Spektrum an Seminaren oder Modulen. Beispielsweise, könnten Themen in einem ersten Modul entwickelt und Literaturrecherchen durchgeführt werden. In einem weiteren Forschungsmodul, könnten basierend auf den identifizierten Forschungslücken, Forschungsprojekte entwickelt werden. Darauf aufbauend könnten in einem weiteren Modul, die Datenerhebungen selbst von Studierenden durchgeführt werden. Ein weiteres Modul könnte sich in weiterer Folge vertiefend mit der wissenschaftlichen Verschriftlichung der Ergebnisse beschäftigen, wodurch Publikationen für nationales als auch internationales Publikum entstehen könnten. Zudem könnte dieses Vorgehen auch den Studierenden in der Entwicklung Ihrer Masterarbeitsthemen hilfreich sein.

Durch die geringe Anzahl an Studierenden pro Tutor*in werden neue Möglichkeiten der Interaktion, des Wissensaustauschs sowie der Lehr- und Lernerfahrung eröffnet. Durch die Integration von praktischen Erfahrungen aus der Pflegepraxis, kann der Unterricht belebt und praxisorientierter gestaltet werden. Zudem wird das implizite Praxiswissen von Studierenden dadurch sichtbar gemacht. Demzufolge können wissenschaftliche Kompetenzen gefestigt und vertieft werden, kritisch reflexives Denken gefördert und die fachliche Expertise erweitert werden.

Aufwand

Da das Modul im Wintersemester 2021/2022 teilweise online durchgeführt wurde, kamen intensive Vorbereitungs- und Nachbereitungszeiten hinzu. Zudem wurde durch die intensive Betreuung insbesondere das Feedback auf die individuellen Protokolle der Seminargruppensitzungen 1-11, als auch kontinuierlichen Begleitung der Studierenden bei der Hausarbeit zusätzliche Stunden benötigt. Der genaue Arbeitsaufwand in Stunden ist nicht bekannt, beläuft sich aber bei Berücksichtigung der freiwilligen Tutorien (300 Minuten), Feedback auf Protokolle, Hausarbeitsbegleitung etc. sicherlich auf bis zu 20 Stunden.

Positionierung des Lehrangebots

Masterstudium Pflegewissenschaft, 3. Semester

Links zum Projekt
Links zu der/den Projektmitarbeiter/innen
Links zu Social Media-Kanälen
Das Beispiel wurde für den Ars Docendi Staatspreis für exzellente Lehre 2022 nominiert.
Ars Docendi
2022
Kategorie: Forschungsbezogene bzw. kunstgeleitete Lehre
Ansprechperson
Manuela Hoedl MSc, BSc Dr.
Institut für Pflegewissenschaft
0316 385 71651
Nominierte Person(en)
Manuela Hoedl MSc, BSc Dr.
Institut für Pflegewissenschaft
Selvedina Osmancevic MSc, BSc
Institut für Pflegewissenschaft
Themenfelder
  • Neue Medien
  • Didaktische Methode
Fachbereiche
  • Medizin und Gesundheitswissenschaften