Advertisement

Using Interactive Story Maps Enriched by Direct Knowledge Queries for the Development of E-Learning Modules on Climate Change

  • Detlef ThürkowEmail author
  • Anne-Kathrin Lindau
  • Gerd Schmidt
  • Patrick Illiger
  • Christopher Krause
  • Henning Gerstmann
  • Alina Schürmann
Article
  • 12 Downloads

Abstract

Predicted precipitation and temperature development for the lee area of the Harz Mountains increase the requirements for climate adaptation. Particularly sensitive to the effects of climate change is the agricultural sector in Central Germany, as reported in the Vulnerability Study for the Federal Republic of Germany. The e-learning platforms introduced in this paper, therefore, focus on sensitizing different educational and agricultural stakeholder to the regional and local impacts of climate change and necessary adaptation strategies. The aim is to combine the possibilities of conventional classroom learning with web-based learning units. Regional case studies serve as training objects, presented in web-based learning modules as well as in lecture series or science camps. Additionally, virtual landscape models and interactive maps are generated for selected processes in the context of climate change, supplemented by simplified simulations. The educational concept focuses not only on the visualization of directly perceptible structures such as snow cover, but also on the representation of non-observable processes (e.g., soil water). The results of the project are implemented as a Rich Internet application in a modular e-learning platform, that combines semantic web technologies and cross media ESRI Story Maps with R-based models, scenarios, and database-supported long climate measurement series. In addition, numerous immediate self-examination applications are integrated. The web-based teaching and learning methods are developed for a usage within blended learning models and to support individual learning under the consideration of previous knowledge.

Keywords

Climate change adaptation E-learning Rich Internet application Story Maps Self-examination tests R-applications 

Zusammenfassung

Die vorhergesagten Niederschlags- und Temperaturentwicklungen im Leebereich des Harzes erhöhen die Anforderungen an die Klimaanpassung. Laut der Vulnerabilitätsstudie für die Bundesrepublik Deutschland, ist der Agrarsektor in Mitteldeutschland besonders anfällig. Die in diesem Artikel vorgestellten E-Learning-Plattformen konzentrieren sich daher auf die Sensibilisierung verschiedener Bildungs- und Agrarakteure für die regionalen und lokalen Auswirkungen des Klimawandels und die notwendigen Anpassungsstrategien. Ziel ist es, die Möglichkeiten des konventionellen Präsenzlernens mit webbasierten Lerneinheiten zu kombinieren. Als Trainingsobjekte dienen regionale Fallstudien, die in webbasierten Lernmodulen sowie in Vortragsreihen oder Science Camps präsentiert werden. Darüber hinaus werden für ausgewählte Prozesse im Zusammenhang mit dem Klimawandel virtuelle Landschaftsmodelle und interaktive Karten erstellt, die durch vereinfachte Simulationen ergänzt werden. Der Schwerpunkt des Bildungskonzepts konzentriert sich nicht nur auf die Visualisierung direkt wahrnehmbarer Strukturen, wie der Schneebedeckung, sondern auch auf die Darstellung nicht beobachtbarer Prozesse (z. B. Bodenwasser). Die Ergebnisse des Projekts werden als Rich Internet Application in einer modularen E-Learning-Plattform umgesetzt, die crossmediale ESRI Story Maps mit R-basierten Modellen, Szenarien und datenbankgestützten Klimamessreihen kombiniert. Außerdem sind zahlreiche Tests zur Selbstkontrolle integriert. Die webbasierten Lehr- und Lernmethoden werden für den Einsatz in Blended-Learning-Modellen entwickelt und unterstützen das individuelle Lernen unter Berücksichtigung der Vorkenntnisse.

Schlüsselwörter

Klimawandelanpassung E-Learning Rich Internet Application Story Maps Tests zur Selbstkontrolle R-Anwendungen 

References

  1. Attali D (2018) shinyjs: easily Improve the User Experience of Your Shiny Apps in Seconds: R package version 1.0. https://CRAN.R-project.org/package=shinyjs. Accessed 9 July 2019
  2. Bernhofer C, Goldberg V, Franke J, Surke M, Adam J (2008) REKLI - Sachsen- Anhalt II, Regionale Klimadiagnose für Sachsen-Anhalt, Abschlussbericht zum Forschungsvorhaben des Landesamtes für Umweltschutz Sachsen-AnhaltGoogle Scholar
  3. Bofferding L, Kloser M (2015) Middle and high school students’ conceptions of climate change mitigation and adaptation strategies. Environ Educ Res 21:275–294.  https://doi.org/10.1080/13504622.2014.888401 CrossRefGoogle Scholar
  4. Böttcher F, Schmidt M, Hamberger S, Fischer F, Schmidt G, Müller E, Loibl B (2015) Direktsaat hilft Wasser sparen. Ergebnisse von Untersuchungen zu Bodenbearbeitung und Wasserhaushalt im Mittelsächsischen Hügelland und auf der Querfurter Platte. Landwirtschaft ohne Pflug:32–35Google Scholar
  5. Brasseur GP, Jacob D, Schuck-Zöller S (2017) Klimawandel in Deutschland. Springer, BerlinCrossRefGoogle Scholar
  6. Breiman L (2001) Random forests. Mach Learn 45:5–32.  https://doi.org/10.1023/A:1010933404324 CrossRefGoogle Scholar
  7. Bundesanstalt für Landwirtschaft und Ernährung (2017) Agrarmeteorologie, BonnGoogle Scholar
  8. Bundesministerium für Bildung und Forschung (2019) DigitalPakt Schule: Wissenswertes zum DigitalPakt Schule. https://www.bmbf.de/de/wissenswertes-zum-digitalpakt-schule-6496.html
  9. Chang W, Cheng J, Allaire JJ, Xie Y, McPherson J (2018) Shiny: web application framework for R. R package version 1.3.2. http://shiny.rstudio.com/. Accessed 17 July 2019
  10. Clifford NJ, Cope M, Gillespie T, French S (eds) (2016) Key methods in geography, 3rd edn. SAGE, LondonGoogle Scholar
  11. Deng H, Runger G (2012) Feature selection via regularized trees. In: The 2012 international joint conference on neural networks (IJCNN). IEEE, pp 1–8Google Scholar
  12. Döring J, Jörn M, Müller J (1995) Klimatische Kennzeichnung des mitteldeutschen Schwarzerdegebietes. In: Körschens M, Mahn E-G, Weschcke H (eds) Strategien zur Regeneration belasteter Agrarökosysteme des mitteldeutschen Schwarzerdegebietes, Wiesbaden, pp 534–567Google Scholar
  13. Döring J (2004) Zu den Klimaverhältnissen im östlichen Harzvorland. Hercynia N.F.:137–154Google Scholar
  14. ESRI (2012) Telling stories with maps: a white paper. http://storymaps.esri.com/downloads/Telling%20Stories%20with%20Maps.pdf. Accessed 9 July 2019
  15. ESRI (2017) ArcGIS proGoogle Scholar
  16. ESRI (2019) ArcGIS onlineGoogle Scholar
  17. Fabig I (2004) Die Niederschlags- und Starkregenentwicklung der letzten 100 Jahre im Mitteldeutschen Trockengebiet als Indikatoren möglicher Klimaänderungen: Dissertation. unveröffentlichtGoogle Scholar
  18. Gläßer C, Thürkow D (2004) Virtuelle Landschaften und Exkursionen – innovative Tools in der geowissenschaftlichen Aus- und Weiterbildung. Photogrammetrie - Fernerkundung – Geoinformation 391–398Google Scholar
  19. Gläßer C, Thürkow D (2007) Geomultimedia – neue Wege in der geowissenschaftlichen Aus- und Weiterbildung. Berichte zur deutschen Landeskunde 81(1):63–78Google Scholar
  20. Gossmann H, Fuest R, Albrecht V, Baumhauer R, Gläßer C, Glawion R, Nolzen H, Ries J, Sauer H, Schütt B (2003) Online-Lernmodule zur Physischen Geographie – Das Projekt WEBGEO. Geographische Rundschau:56–61Google Scholar
  21. H5P (2019) Installation & setup. https://h5p.org/installation. Accessed 17 July 2019
  22. Healey M, Jenkins A (2000) Kolb’s experiential learning theory and its application in geography in higher education. J Geogr 99:185–195.  https://doi.org/10.1080/00221340008978967 CrossRefGoogle Scholar
  23. Hendl M, Endlicher W (2003) Klimaspektrum zwischen Zugspitze und Rügen. In: Kappas M (ed) Klima, Pflanzen und Tierwelt. Nationalatlas Bundesrepublik Deutschland, 3. Heidelberg, Berlin, 32fGoogle Scholar
  24. Hope AP, Canty TP, Salawitch RJ, Tribett WR, Bennett BF (2017) Forecasting global warming. In: Salawitch RJ, Canty TP, Hope AP, Tribett WR, Bennett BF (eds) Paris climate agreement: beacon of hope. Springer, ChamGoogle Scholar
  25. IPCC (ed) (2015) Climate change 2014: synthesis report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, Pachauri RK, Meyer LA (eds)]. IPCC, Geneva, SwitzerlandGoogle Scholar
  26. Iturrioz Aguirre T, Gómez Barrón Sierra JP, Alcarria Garrido RP, Rodríguez Fernández C (2016) Creating story maps for learning purposes: the Black Death Atlas. In: Proceedings, 6th international conference on cartography and GIS, 13–17 June 2016, Albena, BulgariaGoogle Scholar
  27. Kerski JJ (2013) Understanding our changing world through web-mapping based investigations. J Read J Res Didact Geogr 2:11–26Google Scholar
  28. Kreienkamp F, Spekat A, Enke W (2013) Durchführung einer Untersuchung zu den Folgen des Klimawandels in Sachsen-Anhalt. Teilbericht Los 1.1 und 1.2: Klima und Extreme.: Climate and Environment Consulting Potsdam GmbH im Auftrage des Ministeriums für Landwirtschaft und Umwelt unter fachlicher Begleitung des Landesamtes für Umweltschutz Sachsen-Anhalt, Halle (Saale)Google Scholar
  29. Kropp J, Roithmeier O, Hattermann F, Rachimow C, Lüttger A, Wechsung F, Lasch P, Christiansen ES, Reyer C, Suckow F, Gutsch M, Holsten A, Kartschall T, Wodinski M, Hauf Y, Conradt T, Österle H, Walther C, Lissner T, Lux N, Tekken V, Ritchie S, Kossak J, Klaus M, Costa L, Vetter T, Klose M (2013) Vulnerabilitätsstudie 2009. Verletzlichkeiten gegenüber den Folgen des Klimawandels in Sachsen-Anhalt: Abschlussbericht des Potsdam-Instituts für Klimafolgenforschung (PIK). Berichte des Landesamtes für Umweltschutz Sachsen-AnhaltGoogle Scholar
  30. Kuhn M (2017) A short introduction to the caret package. https://cran.r-project.org/web/packages/caret/vignettes/caret.html. Accessed 17 July 2019
  31. Landesamt für Umweltschutz Sachsen-Anhalt (2013) Die Folgen des Klimawandels in Sachsen-Anhalt - Kurzfassungen der Studien 2009 und 2012Google Scholar
  32. Lindau A-K, Thürkow D, Jäger K, Dette C, Lindner M (2016) Entwicklung einer Methodendatenbank für die naturwissenschaftliche Aus- und Weiterbildung im Bereich Outdoor Education. In: Otto K-H (ed) Geographie und naturwissenschaftliche Bildung – Der Beitrag des Faches für Schule, Lernlabor und Hochschule: Dokumentation des 21. HGD-Symposiums im März 2015 in Bochum. Verlagshaus Monsenstein und Vannerdat OHG, MünsterGoogle Scholar
  33. Lindau A-K, Lindner M, Claus S, Schnorr C, Vetter S (2018) „The Bittersweet Journey of Chocolate“– eine virtuelle Exkursion als Beitrag zum Globalen Lernen 2.0 in der universitären Lehrerinnen- und Lehrerbildung. In: Brendel N, Schrüfer G, Schwarz I (eds) Globales Lernen im digitalen Zeitalter. Waxmann, Münster, pp 171–190Google Scholar
  34. Lindner-Fally M (2012) Lehren und Lernen neu: digitale Geo-Medien im Schulunterricht. Bildungsforschung 9:47–67Google Scholar
  35. MacDonald J (2006) Blended learning and online tutoring: a good practice guide. Gower, Aldershot, Hamps., England, Burlington, VTGoogle Scholar
  36. Mebis (2015) Digitale Medien im Geographieunterricht. https://bit.ly/1GNw5xU. Accessed 17 Apr 2019
  37. Ministerium für Bildung Sachsen-Anhalt (2016) Fachlehrplan Gymnasium Geographie. https://lisa.sachsen-anhalt.de/fileadmin/Bibliothek/Politik_und_Verwaltung/MK/LISA/Unterricht/Lehrplaene/Gym/FLP_Gym_Geographie_LTn.pdf. Accessed 9 July 2019
  38. Ministerium für Umwelt, Landwirtschaft und Energie des Landes Sachsen-Anhalt (2017) Beobachteter Klimawandel in Sachsen-Anhalt. Halle (Saale): Landesamt für Umweltschutz Sachsen-Anhalt (LAU)Google Scholar
  39. Ministerium für Wissenschaft und Wirtschaft des Landes Sachsen-Anhalts (2014) Regionale Innovationsstrategie Sachsen-Anhalt 2014-2020Google Scholar
  40. Mitchell A, Honore S (2007) Criteria for successful blended learning. Ind Commer Train 39:143–149.  https://doi.org/10.1108/00197850710742243 CrossRefGoogle Scholar
  41. Mukherjee F (2019) Exploring cultural geography field course using story maps. J Geogr High Educ 43:201–223.  https://doi.org/10.1080/03098265.2019.1597031 CrossRefGoogle Scholar
  42. Özgen N (2009) The functionality of a geography information system (GIS) technology in geography teaching: application of a sample lesson. Educ Sci Theory Pract 9:1879–1894Google Scholar
  43. R Development Core Team (2018) R: a language and environment for statistical computing. Vienna, AustriaGoogle Scholar
  44. ReKIS (2019) Regionales Klimainformationssystem für Sachsen, Sachsen-Anhalt und Thüringen. http://141.30.160.224/fdm/rekisViewer.jsp#menu-13. Accessed 17 July 2019
  45. Schmidt G, Frühauf M, Dammann S (2010) Regional adaptation to climate change—supporting land management decisions in the Central German dry region by geoecological research. Probl Landscape Ecol 28:111–122Google Scholar
  46. Serneels S, de Nolf E, van Espen PJ (2006) Spatial sign preprocessing: a simple way to impart moderate robustness to multivariate estimators. J Chem Inf Model 46:1402–1409.  https://doi.org/10.1021/ci050498u CrossRefGoogle Scholar
  47. Strachan C, Mitchell J (2014) Teachers’ perceptions of Esri story maps as effective teaching tools. Rev Int Geogr Educ Online 4:195–220Google Scholar
  48. Thürkow D, Cornelia G, Scheuer S, Schiele S (2009) Visualization of hydrological processes with GEOVLEX: introduction of an integrated methodical-technical online learning approach. In: König et al.: Tools and techniques for e-learning, international archives of photogrammetry, remote sensing and spatial information sciences, Vol. XXXVIII-6/W7 proceedings of the ISPRS working group VI/1–VI/2, June 17–19, 2009 Potsdam, BerlinGoogle Scholar
  49. Wendling U (2002) Das Klima der Stadt Halle (Saale) nach den Wetterbeobachtungen 1901 bis 2000. Klimastatusbericht 2001. Das Klima Deutschlands im 20. Jahrhundert: extreme Wetter- und Klimaereignisse im 20. Jahrhundert; aktuelle Ergebnisse des Klimamonitorings 240–249Google Scholar
  50. Zebisch M, Grothmann T, Schröter D, Hasse C, Fritsch U, Cramer W (2005) Klimawandel in Deutschland, Vulnerabilität und Anpassungsstrategien klimasensitiver Systeme. In UBA Forschungsbericht 20141253Google Scholar

Copyright information

© Deutsche Gesellschaft für Kartographie e.V. 2019

Authors and Affiliations

  1. 1.Institute of Geosciences and GeographyMartin Luther University Halle-WittenbergHalle (Saale)Germany

Personalised recommendations