Die Studierenden haben die Spiele mit Unterstützung von KI Tools konzipiert und entwickelt. Jedes Spiel liegt als fertiges SCORM Paket vor.

Einfach SCORM Paket herunterladen und in Moodle einbinden. Keine Installation, kein eigener Server, kein Login. Mit SCORM werden Lernfortschritt und Punktestände automatisch erfasst. Alle Spiele sind frei verwendbar unter offener Lizenz (MIT für Code, CC BY 4.0 für Inhalte).

Anpassen SCORM Paket entpacken, HTML, CSS und JavaScript verändern, neu zippen und unter Namensnennung weiterverwenden. Alles erlaubt.

1. Auf der GitHub Seite des Spiels: Code → Download ZIP (oder die bereitgestellte SCORM ZIP direkt herunterladen)

2. In Moodle: Bearbeiten einschalten → Aktivität hinzufügen → Lernpaket (SCORM)

3. Name vergeben, die ZIP Datei in das Feld "Paket" ziehen

4. Unter Darstellung wählen, ob das Spiel im aktuellen Fenster oder in einem neuen Fenster geöffnet werden soll

5. Unter Bewertung je nach Wunsch Punkteerfassung aktivieren

6. Speichern und anzeigen

   
   

Die Lernenden sehen damit nicht nur das Spiel, sondern Moodle erfasst auch automatisch Lernfortschritt und Punkte

Inhalte: CC BY 4.0 – verwenden und anpassen. Autor/innen nennen.

Empfohlene Quellenangabe: „[Titel], erstellt von [Name], Hochschule Burgenland, 2026. Lizenz: MIT / CC BY 4.0."

Die transparente Dokumentation des KI-Einsatzes ist Teil guter wissenschaftlicher Praxis.

Nicht alle Spiele sind hier veröffentlicht. Nur jene Studierenden, die der Veröffentlichung ausdrücklich zugestimmt haben, sind mit ihrem Spiel vertreten. Die Entscheidung für oder gegen eine Veröffentlichung war freiwillig und hatte keinen Einfluss auf die Beurteilung der Lehrveranstaltung.

Von MUHAMED KAMAL ALYOUZBASHI

Erstellt komplette Offline-Lernspiele als eine HTML-Datei

Nach dem Spielen kennen sie die zentralen Prinzipien guter wissenschaftlicher Praxis beim Publizieren mit KI Unterstützung. Sie können Fragen zu Autorschaft, Doppelpublikation, Plagiat und der Offenlegung von KI Nutzung sicher beantworten, kennen die Elsevier Autorenrichtlinien in ihren Nuancen und erkennen typische ethische Stolperfallen im Publikationsprozess.

🎮 Wie wird gelernt

Pixelart Adventure: Lernende steuern eine Spielfigur durch eine animierte Welt, begegnen Charakteren, beantworten Quizfragen und erhalten differenziertes Feedback. Falsche Antworten werden nicht bloß als falsch markiert, sondern erklärt. Battle Sequenzen, Puzzles und ein Journal sorgen für Abwechslung und Fortschrittssichtbarkeit. Inhaltliche Grundlage ist der Kurs "Writing for Research" der Elsevier Researcher Academy.

👥 Autor:innen: René-Christian Foidl, Gunda Griessmann, Roman Hotz, Karin-Christina Spudich, Johanna Weishäupl

🛠️ Tools: Pixel Pro und YouTube Transcript (Transkription), Gemini (Inhaltsanalyse und Deep Research), Claude (Didaktisierung, Konzeption, Prototyp und SCORM Erstellung)

⬇️ SCORM Paket direkt herunterladen:

https://github.com/bgeHAW/lernspiele-wissenschaftliches-arbeiten/raw/main/ai-academy/ai-academy.zip

📂 Beschreibung und Quellcode auf GitHub:

https://github.com/bgeHAW/lernspiele-wissenschaftliches-arbeiten/tree/main/ai-academy

⚖️ MIT (Code) / CC BY 4.0 (Inhalte)

Nach dem Spielen kennen sie die wichtigsten Stationen des wissenschaftlichen Publikationsprozesses. In Level 1 erleben sie die Vorphase mit Themenfindung, Forschungsfrage, Literaturrecherche und Strukturierung eines Manuskripts. In Level 2 begleiten sie ein Manuskript durch Einreichung, Peer Review und den konstruktiven Umgang mit Gutachterfeedback bis zur finalen Annahme.

🎮 Wie wird gelernt

Zweistufiges Spiel mit Hub als Startpunkt. Lernende bewegen ihre Spielfigur durch atmosphärisch inszenierte Spielwelten, interagieren mit Objekten und Charakteren und treffen Entscheidungen, die den Fortschritt im Publikationsprozess widerspiegeln. Bildsprache und Musik stützen die Immersion und sind als didaktisches Werkzeug bewusst gestaltet.

👥 Autor:innen: Muhamed Alyouzbashi, Gabriele Dopler, Johannes Huber, Elisa Pilgram, Andreas Unterguggenberger

🛠️ Tools: Nano Banana 2 (Figuren und Hintergründe), Google Musik KI (Sound), Claude Opus Thinking 4.6 (Spielarchitektur, Plan, UX), Gemini 3.1 (Programmierung in Googles Antigravity)

⬇️ SCORM Paket direkt herunterladen:

https://github.com/bgeHAW/lernspiele-wissenschaftliches-arbeiten/raw/main/publication-quest/publication-quest.zip

📂 Beschreibung und Quellcode auf GitHub:

https://github.com/bgeHAW/lernspiele-wissenschaftliches-arbeiten/tree/main/publication-quest

⚖️ MIT (Code) / CC BY 4.0 (Inhalte)

Nach dem Spielen können sie erklären was ein Visual Abstract ist und welche Funktion er erfüllt. Sie kennen die sechs Design-Prinzipien eines guten Visual Abstracts und erkennen typische Qualitätsprobleme. Sie verstehen den Gestaltungs-Workflow vom wissenschaftlichen Artikel zum fertigen Visual Abstract und können erste eigene Skizzen strukturiert anlegen.

🎮 Wie wird gelernt

Dreistufiges Lernspiel mit dem Avatar Prof. Dr. Editor als narrativer Begleitfigur. Vor jeder Runde wird ein Theorie-Screen eingeblendet, der den nötigen Input liefert. Runde 1 (Verstehen): Visual Abstracts einordnen. Runde 2 (Anwenden): Qualitätsprobleme in einem Visual Abstract erkennen. Runde 3 (Builder): Einen eigenen Visual Abstract Schritt für Schritt zusammensetzen. Das Feedback ist erklärend statt nur bewertend. Inhaltliche Grundlage ist die Elsevier Reihe "From Article to Art".

👥 Autor:innen: Carina Kaindl, Svetlana Molodets, Alexander-Christian Kupfer, Michael Polomini-Gadolla, Stanislav Kapustin

🛠️ Tools: ChatGPT und ChatGPT Codex (erster Anlauf, abgebrochen wegen Kontrollverlust), Claude im Chat-Modus (finale Umsetzung inklusive SCORM Paket, Audio API, responsives Design, SVG Avatar), SCORM Cloud (Testing)

⬇️ SCORM Paket direkt herunterladen:

https://github.com/bgeHAW/lernspiele-wissenschaftliches-arbeiten/raw/main/visual-abstract-lab/visual-abstract-lab.zip

📂 Beschreibung und Quellcode auf GitHub:

https://github.com/bgeHAW/lernspiele-wissenschaftliches-arbeiten/tree/main/visual-abstract-lab

⚖️ MIT (Code) / CC BY 4.0 (Inhalte)

Nach dem Spielen können sie den Aufbau eines wissenschaftlichen Artikels nach IMRAD wiedergeben (Introduction, Methods, Results, Discussion). Sie unterscheiden wissenschaftlich anerkannte Manuskriptarten nach Elsevier-Standard (Full Article, Review Paper) von nicht-wissenschaftlichen Formaten und kennen die zentralen Funktionen von Literaturverwaltungstools wie Mendeley und EndNote.

🎮 Wie wird gelernt

Escape Room mit Countdown. Die Geschichte: 23:50 Uhr, die Deadline für das "Journal of Advanced Research" läuft in zehn Minuten ab, das Submission Portal hat das Manuskript gesperrt. Drei Sicherheits-Codes müssen geknackt werden, sonst bleibt der Account gesperrt. Protokoll 1 fordert die IMRAD-Reihenfolge, Protokoll 2 die korrekte Klassifizierung von Manuskripten, Protokoll 3 die Funktionen von Literaturverwaltungssoftware. Dramatische Terminal-Optik, roter Countdown, narrativer Druck.

👥 Autor:innen: Carina Janka, Yvonne Fuchs

🛠️ Tools: ChatGPT und Gemini (Direktvergleich, finale Wahl Gemini), manuelle HTML/CSS Eingriffe durch die Gruppe selbst

⬇️ SCORM Paket direkt herunterladen:

https://github.com/bgeHAW/lernspiele-wissenschaftliches-arbeiten/raw/main/submit-before-midnight/submit-before-midnight.zip

📂 Beschreibung und Quellcode auf GitHub:

https://github.com/bgeHAW/lernspiele-wissenschaftliches-arbeiten/tree/main/submit-before-midnight

⚖️ MIT (Code) / CC BY 4.0 (Inhalte)

Vier zentrale Bausteine des wissenschaftlichen Schreibens. Systematic Literature Review (Prinzipien und Schritte einer SLR), LaTeX (Grundbausteine der Auszeichnungssprache lesen und einordnen), Case Report (Aufbau eines wissenschaftlichen Fallberichts), Interdisciplinary Writing (sieben Strategien für fachübergreifendes Schreiben).

🎮 Wie wird gelernt

Lernen als Einkaufsbummel im Supermarkt. Eine Eule führt durch den Hub, in dem vier Regale zu vier Wissensbereichen einladen. Hinter jedem Regal steckt ein eigenes Minispiel: Regal 1 zur SLR, Regal 2 zu LaTeX-Feinkost, Regal 3 zum Case Report, Regal 4 zu Interdisciplinary Writing. Nach jedem absolvierten Minispiel landet eine Erkenntnis im Einkaufswagen. An der Kasse fasst ein Wissens-Bon den Lernerfolg zusammen. Inhaltliche Grundlage ist der Kurs "Writing for Research" der Elsevier Researcher Academy.

✨ Besonderheit: Modular einsetzbar. Jedes Minispiel funktioniert auch eigenständig, wenn in einer Lehrveranstaltung nur eines der vier Themen Thema ist.

👥 Autor:innen: Daniel Buchberger, Christoph Grießler, Alexandra Velikogne, Alfred Wöger

🛠️ Tools: Gemini Pro (Inhaltsanalyse Webinar, erste Lernziele), Claude und ChatGPT (Konzept und Codegenerierung), Vibe-Coding als Methode

⬇️ SCORM Paket direkt herunterladen:

https://github.com/bgeHAW/lernspiele-wissenschaftliches-arbeiten/raw/main/wissenssupermarkt/wissenssupermarkt.zip

📂 Beschreibung und Quellcode auf GitHub:

https://github.com/bgeHAW/lernspiele-wissenschaftliches-arbeiten/tree/main/wissenssupermarkt

⚖️ MIT (Code) / CC BY 4.0 (Inhalte)