1917 lines
245 KiB
Plaintext
1917 lines
245 KiB
Plaintext
Pascal Klein · Nicole Graulich Jochen Kuhn · Maike Schindler Hrsg.
|
||
Eye-Tracking in der Mathematik- und Naturwissenschaftsdidaktik
|
||
Forschung und Praxis
|
||
|
||
Eye-Tracking in der Mathematik- und Naturwissenschaftsdidaktik
|
||
|
||
Pascal Klein · Nicole Graulich · Jochen Kuhn · Maike Schindler
|
||
(Hrsg.)
|
||
Eye-Tracking in der Mathematik- und Naturwissenschafts didaktik
|
||
Forschung und Praxis
|
||
|
||
Hrsg. Pascal Klein Fakultät für Physik, Institut für Dynamik komplexer Systeme, Physik und ihre Didaktik, Universität Göttingen Göttingen, Niedersachsen, Deutschland
|
||
Jochen Kuhn Fakultät für Physik Lehrstuhl für Didaktik der Physik Ludwig-Maximilians-Universität München München, Bayern, Deutschland
|
||
|
||
Nicole Graulich Institut für Didaktik der Chemie Justus-Liebig Universität Gießen Gießen, Hessen, Deutschland
|
||
Maike Schindler Department Heilpädagogik Universität zu Köln Köln, Nordrhein-Westfalen Deutschland
|
||
|
||
ISBN 978-3-662-63213-0
|
||
|
||
ISBN 978-3-662-63214-7 (eBook)
|
||
|
||
https://doi.org/10.1007/978-3-662-63214-7
|
||
|
||
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
|
||
|
||
© Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert an Springer-Verlag GmbH, DE, ein Teil von Springer Nature 2022 Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung des Verlags. Das gilt insbesondere für Vervielfältigungen, Bearbeitungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von allgemein beschreibenden Bezeichnungen, Marken, Unternehmensnamen etc. in diesem Werk bedeutet nicht, dass diese frei durch jedermann benutzt werden dürfen. Die Berechtigung zur Benutzung unterliegt, auch ohne gesonderten Hinweis hierzu, den Regeln des Markenrechts. Die Rechte des jeweiligen Zeicheninhabers sind zu beachten. Der Verlag, die Autoren und die Herausgeber gehen davon aus, dass die Angaben und Informationen in diesem Werk zum Zeitpunkt der Veröffentlichung vollständig und korrekt sind. Weder der Verlag, noch die Autoren oder die Herausgeber übernehmen, ausdrücklich oder implizit, Gewähr für den Inhalt des Werkes, etwaige Fehler oder Äußerungen. Der Verlag bleibt im Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutionsadressen neutral.
|
||
|
||
Planung/Lektorat: Caroline Strunz Springer Spektrum ist ein Imprint der eingetragenen Gesellschaft Springer-Verlag GmbH, DE und ist ein Teil von Springer Nature. Die Anschrift der Gesellschaft ist: Heidelberger Platz 3, 14197 Berlin, Germany
|
||
|
||
Vorwort der Herausgeber*innen
|
||
Liebe Leserinnen, liebe Leser, die Zahl an Eye-Tracking-Studien in der fachdidaktischen Forschung nimmt
|
||
seit einigen Jahren spürbar zu. Was können wir aus der Rekonstruktion von Blickbewegungen über das Lernen und Problemlösen aussagen? Wie bereichert die Erfassung visueller Aufmerksamkeit die bisherige mathematik- und naturwissenschaftsdidaktische Forschung? Inwiefern sind die Erkenntnisse auch für die Unterrichtspraxis relevant? In diesem Buch werden Beiträge einschlägiger Studien aus den verschiedenen Disziplinen aufgeführt, die einer Interessensgruppe die Anwendungsmöglichkeiten des Eye-Trackings in der didaktischen Forschung aufzeigen und einen Überblick über die Vielfalt der methodischen Herangehensweisen bei Eye-Tracking-Studien geben. Die Anwendungsszenarien reichen dabei von der Aufforderung, visuelle Stimuli sorgfältig zu betrachten und Muster zu erkennen, über das Lösen von Aufgaben bis zu Lernszenarien in Multimedia-Umgebungen. Die dabei verwendeten visuellen Stimuli spiegeln typische Unterrichtsmaterialien oder Repräsentationen der Biologie, Chemie, Informatik, Mathematik und Physik wider, wie z. B. Rechenrahmen, Textaufgaben, Programmcodes, Strukturformeln, elektrische Schaltungen, Diagramme und Versuchsaufbauten. In den Kapiteln wird dargestellt, wie die jeweilige Untersuchung umgesetzt und die Stimuli gestaltet und für die Analyse vorbereitet werden müssen, um aus den Eye-Tracking-Daten bedeutungsvolle Informationen zu gewinnen. Die tabellarische Übersicht am Ende dieses Vorworts charakterisiert das zentrale Forschungsanliegen der Kapitel kurz, nennt die disziplinäre Verortung und das untersuchte Lehr-/Lernszenario. Die Kapitel durchliefen vor der Publikation in diesem Herausgeberwerk einen anonymisierten Peer-Review-Prozess.
|
||
In Kap. 1 untersuchen Nicole Graulich et al. „idealtypische“ Blickmuster, die Expert*innen beim Problemlösen mit organisch-chemischen Repräsentationen zeigen. Diese Blickdaten werden dann zur Förderung schwächerer Studierender beim Lernen des gleichen Inhalts eingesetzt. Dazu wurde die visuelle Aufmerksamkeit von Studierenden und Expert*innen beim Lösen von Fallvergleichsaufgaben in der Organischen Chemie gemessen.
|
||
Wie das Blickverhalten beim Lernen in einer Multimedia-Umgebung überhaupt qualitativ beschrieben werden kann, untersuchen Marit Kastaun und Monique Meier in Kap. 2. Den Schüler*innen wurden bei der Planungsphase eines Biologieexperiments Unterstützungen durch statische und dynamische Repräsentationen
|
||
V
|
||
|
||
VI
|
||
|
||
Vorwort der Herausgeber*innen
|
||
|
||
geboten. Die Eye-Tracking-Daten geben einen Aufschluss darüber, wie mit diesen verschiedenen Repräsentationstypen beim Lernen umgegangen wird.
|
||
Dinah Reuter und Julia Bruns kombinieren in Kap. 3 Verbal- und EyeTracking-Daten, um Einblicke in die Muster- und Strukturerkennung potenziell mathematisch begabter Kinder zu gewinnen. Dabei wird die methodische Frage gestellt, welche Rückschlüsse die Eye-Tracking-Methode auf die Erkennung von Mustern und Strukturen erlaubt und ob diese kongruent mit den verbalen Erklärungen der Lernenden sind.
|
||
In Kap. 4 nutzen Bianca Watzka et al. die Eye-Tracking-Methode, um den Umgang mit visuell angebotenen Hilfen in verschiedenen Lernszenarien zu physikalischen Themen zu erforschen. In drei separaten Studien werden die Blickdaten der Lernenden analysiert, um den Einfluss des Vorwissens, der Darbietungsart und der Interaktivität auf das Lernen und Problemlösen zu untersuchen.
|
||
Kap. 5 von Maike Schindler und Florian Schindler widmet sich der Frage, wie die Förderung von Grundschüler*innen mit Schwierigkeiten im Rechnenlernen in der Schulpraxis gelingen kann. Dabei wird Eye-Tracking als Instrument genutzt, um die Wirkung einer schuljahresbegleitenden Intervention auf Prozessebene zu evaluieren. Dafür wird die visuelle Aufmerksamkeit bei der Bearbeitung verschiedener Aufgaben am Rechenrahmen erfasst.
|
||
In Kap. 6 von Sina Lenski und Jörg Großschedl wird die Informationsaufnahme aus Concept Maps zu den Themen Zellen und Viren im Biologieunterricht mit unterschiedlicher Map-Struktur untersucht. Das Hauptaugenmerk liegt dabei auf dem Einfluss eines intensiven Trainings zum Umgang mit dieser Darstellungsform auf die visuelle Aufmerksamkeit beim Arbeiten mit Concept Maps.
|
||
Anna Lisa Simon et al. untersuchen in Kap. 7, ob sich Schüler*innen mit Rechenschwierigkeiten von solchen ohne auch hinsichtlich der kognitiven Anforderungen eines anderen mathematischen Inhaltsbereichs – der Geometrie – unterscheiden. Dafür zeigten die Autor*innen den Kindern eine Serie geometrischer Figuren, bei denen die Lernenden beurteilen sollten, ob es sich um Dreiecke handelt oder nicht. Eye-Tracking wurde bei diesem Entscheidungsprozess genutzt, um neben der Fehlerrate Aufschluss über die Informationsentnahme zu erhalten.
|
||
In Kap. 8 von Kathrin Kennel et al. werden die Blickbewegungen von Schüler*innen der gymnasialen Oberstufe beim Bearbeiten von Aufgaben zum grafischen Ableiten untersucht. Mit dem Ziel, Blickdaten in adaptiven Lernszenarien zu nutzen, wird in der beschriebenen Studie eine Grundlage gelegt, indem Blickunterschiede zwischen korrekten und inkorrekten Lösungen analysiert werden. Ebenso versuchen die Autor*innen, typische Fehler und Lernschwierigkeiten mit den Blickdaten in Verbindung zu bringen.
|
||
Kap. 9 von Stefanie Lenzer und Andreas Nehring liefert zunächst einen Vorschlag, wie hypothesenprüfende Eye-Tracking-Studien in den Naturwissenschaftsdidaktiken konzipiert werden können. In einem zweiten Schritt wird vor dieser methodisch-konzeptionellen Arbeit eine konfirmatorische Eye-Tracking-Studie beschrieben, die untersucht, ob chemische Demonstrationsexperimente – mit oder ohne Berücksichtigung der Gestaltgesetze – von Schüler*innen visuell effektiver wahrgenommen werden.
|
||
|
||
Vorwort der Herausgeber*innen
|
||
|
||
VII
|
||
|
||
Saskia Schreiter et al. (Kap. 10) untersuchten Lehramtsstudierende, die die Schwierigkeit von Bruchrechenaufgaben beurteilen sollten. Zur Schwierigkeitsbeurteilung wurden die beiden Kategorien fachlich und instruktional unterschieden, wobei einer Studierendengruppe diese Kategorien explizit mitgeteilt wurden. Eye-Tracking wurde nun in Kombination mit Post-hoc-Interviews genutzt, um einerseits diejenigen Aufgabenmerkmale zu identifizieren, die die angehenden Lehrkräfte zur Beurteilung heranzogen, und um andererseits Unterschiede zwischen den beiden Studierendengruppen zu finden.
|
||
In Kap. 11 stellen Stefan Küchemann et al. einen Literaturüberblick zu EyeTracking-Studien mit Graphen dar. Darin werden 27 Publikationen identifiziert, die das Blickverhalten beim Lernen und Problemlösen mit Graphen thematisieren, wobei die Schwerpunkte auf drei Aspekten liegen: der Kombination von Graphen mit anderen Darstellungsformen, dem Einfluss von Kontext und Darstellungsart auf das Lernen und Problemlösen sowie den Einflüssen weiterer Charakteristika beim Lernen und Problemlösen mit Graphen.
|
||
Larissa Hahn et al. (Kap. 12) erfassten die visuelle Aufmerksamkeit von Studierenden, während sie Aufgaben zu Vektorfeldern lösten. Die Studierenden sahen Vektorfelddiagramme, denen die Autor*innen verschiedene Komplexitätsgrade zuschrieben, und mussten die jeweils passende symbolisch-formale Darstellung (Formel) identifizieren. Eye-Tracking wurde in diesem Szenario als ein Instrument zur Test- und Itemanalyse genutzt, indem die a priori definierten Aufgabenmerkmale mit den Indikatoren der Blickbewegungen abgeglichen wurden.
|
||
Jennifer Dröse et al. untersuchten, wie Fünftklässler*innen mathematische Textaufgaben lesen. Dabei wurde Eye-Tracking genutzt, um speziell die Verarbeitungsprozesse syntaktischer Strukturen in Textaufgaben zu untersuchen. In Kap. 13 wird die Annahme untersucht, ob die Bearbeitung von Textaufgaben im Allgemeinen sowie die Wahrnehmung und Interpretation syntaktischer Strukturen im Speziellen mit der Lesekompetenz und der Mehrsprachigkeit der Lernenden zusammenhängen.
|
||
Antje Boomgarden et al. (Kap. 14) ließen Fünftklässler*innen zunächst Aufgaben zum Bruchrechnen lösen und zeigten ihnen anschließend eine Musterlösung, die sie nachvollziehen und mit der sie ihr Ergebnis vergleichen konnten. EyeTracking wurde in dieser Phase eingesetzt, um Aufschluss über diese Fehlerverarbeitungsprozesse zu erhalten. Die aufgezeichneten Blickmuster wurden dann als Grundlage für ein stimuliertes Recall-Interview genutzt, um die Verbaldaten und die Blickdaten gemeinsam hinsichtlich der Verarbeitungsprozesse zu interpretieren.
|
||
In Kap. 15 untersuchen Phillip Kater und Jan Vahrenhold das Leseverhalten fortgeschrittener Studierender beim Arbeiten mit Programmen und Algorithmen. Die Autoren nutzen Eye-Tracking, um die Verweildauer auf Programmabschnitten unterschiedlicher Komplexität sowie auf Beweisskizzen zu untersuchen. Dies liefert Erkenntnisse über den Leseprozess von und über die Bearbeitungsunterschiede zwischen Programmen und Algorithmen.
|
||
Die Vielfalt der Kapitel zeigt auf, wie Eye-Tracking die bereits etablierten Forschungsmethoden ergänzen und welche Einblicke Eye-Tracking in die Lernprozesse ermöglichen kann, die in verschiedenen Altersstufen verortet sind: von der Grundschule über die Sekundarstufen 1 und 2 bis hin zu Studierenden.
|
||
|
||
VIII
|
||
|
||
Vorwort der Herausgeber*innen
|
||
|
||
Kapitel Disziplin und Zielgruppe
|
||
|
||
Szenario/ Anforderung
|
||
|
||
Aufgabentyp und Domäne
|
||
|
||
Zentrales Forschungsanliegen
|
||
|
||
1
|
||
|
||
Chemiedidaktik, Repräsentationen Fallvergleiche;
|
||
|
||
Identifikation von
|
||
|
||
Studierende
|
||
|
||
vergleichen
|
||
|
||
Organische Chemie Blickmustern
|
||
|
||
2
|
||
|
||
Biologiedidaktik, Lernen in einer Verarbeiten
|
||
|
||
Inhaltliche
|
||
|
||
Sek. 1
|
||
|
||
Multimedia-
|
||
|
||
verbaler/schrift-
|
||
|
||
Beschreibung von
|
||
|
||
Umgebung
|
||
|
||
licher Information, Blickmustern
|
||
|
||
Planungsphase
|
||
|
||
Experiment
|
||
|
||
(Variablenkontrolle)
|
||
|
||
3
|
||
|
||
Mathematik- Stimuli anschauen Indikatoraufgaben Erkennbarkeit von
|
||
|
||
didaktik, Grund- und erinnern
|
||
|
||
zur Struktur- und Muster- und Struktur-
|
||
|
||
schule
|
||
|
||
Mustererkennung, identifikation
|
||
|
||
Arithmetik
|
||
|
||
4
|
||
|
||
Physikdidaktik, 1) Repräsentationen 1) Elektrische
|
||
|
||
Einfluss verschiedener
|
||
|
||
Studierende und interpretieren und Schaltungen
|
||
|
||
Hilfen auf Aufmerk-
|
||
|
||
Sek. 2
|
||
|
||
verknüpfen, 2) manipulieren, 2)
|
||
|
||
samkeit und Wirksam-
|
||
|
||
Videoexperiment, Fachwissen zum
|
||
|
||
keit der Hilfen
|
||
|
||
3) Datenaufnahme Experiment, 3) Über-
|
||
|
||
tragen von Mess-
|
||
|
||
werten in Diagramm
|
||
|
||
5
|
||
|
||
Mathematik- Aufgaben lösen Anzahlerfassung, Förderung bei
|
||
|
||
didaktik, Über
|
||
|
||
Addition und Sub- Schwierigkeiten im
|
||
|
||
gang Grundschule/
|
||
|
||
traktion am Rechen- Rechnenlernen
|
||
|
||
Sek 1
|
||
|
||
rahmen
|
||
|
||
6
|
||
|
||
Biologiedidaktik, Visuelle Stimuli Concept Maps zu Einfluss eines
|
||
|
||
Sek. 1
|
||
|
||
betrachten,
|
||
|
||
Viren und Zellen Trainings auf den
|
||
|
||
Replikation von
|
||
|
||
Umgang mit Concept
|
||
|
||
Inhalt
|
||
|
||
Maps
|
||
|
||
7
|
||
|
||
Mathematik- Beurteilungsauf- Geometrie, Identi- Unterschiede zwischen
|
||
|
||
didaktik,
|
||
|
||
gabe lösen
|
||
|
||
fikation von Drei- Kindern mit und ohne
|
||
|
||
Übergang
|
||
|
||
ecken
|
||
|
||
Rechenschwierigkeiten
|
||
|
||
Grundschule/
|
||
|
||
identifizieren
|
||
|
||
Sek 1
|
||
|
||
8
|
||
|
||
Mathematik- Aufgabe lösen Grafisches Ableiten, Identifikation von
|
||
|
||
didaktik, Sek. 2
|
||
|
||
Analysis
|
||
|
||
Blickunterschieden
|
||
|
||
zwischen korrekten
|
||
|
||
und inkorrekten
|
||
|
||
Lösungen
|
||
|
||
9
|
||
|
||
Chemiedidaktik, Stimuli betrachten Beobachtungsauf- Prüfung der Wirk-
|
||
|
||
Sek. 1 und 2 (Momentauf-
|
||
|
||
trag, Versuch zum samkeit von Gestalt-
|
||
|
||
nahme zum Ver- Boyle-Experiment prinzipien auf
|
||
|
||
suchsaufbau)
|
||
|
||
Indikatoren der Blick-
|
||
|
||
bewegung
|
||
|
||
Vorwort der Herausgeber*innen
|
||
|
||
IX
|
||
|
||
Kapitel Disziplin und Zielgruppe
|
||
|
||
Szenario/ Anforderung
|
||
|
||
Aufgabentyp und Domäne
|
||
|
||
Zentrales Forschungsanliegen
|
||
|
||
10
|
||
|
||
Mathematik- Diagnostik
|
||
|
||
Schwierigkeits-
|
||
|
||
Aufmerksamkeit beim
|
||
|
||
didaktik, Lehr- von Aufgaben- erzeugende
|
||
|
||
Beurteilen von Auf-
|
||
|
||
amtsstudierende schwierig-
|
||
|
||
Merkmale identi- gaben; Unterschiede
|
||
|
||
keit mittels
|
||
|
||
fizieren, Bruch-
|
||
|
||
zwischen informierten
|
||
|
||
visueller Stimuli rechenaufgaben
|
||
|
||
und nichtinformierten
|
||
|
||
Studierenden
|
||
|
||
11
|
||
|
||
Übergreifend Literaturüberblick über die visuelle Aufmerksamkeit beim
|
||
|
||
Arbeiten mit Graphen
|
||
|
||
12
|
||
|
||
Physik-/
|
||
|
||
Aufgaben lösen Formel einem Dia- Einfluss des Komplexi-
|
||
|
||
Mathematik-
|
||
|
||
gramm zuordnen, tätsgrades von
|
||
|
||
didaktik,
|
||
|
||
Vektorfelder
|
||
|
||
Vektorfeldern auf die
|
||
|
||
Studierende
|
||
|
||
Blickdaten
|
||
|
||
13
|
||
|
||
Mathematik- Aufgaben lösen Textaufgaben,
|
||
|
||
didaktik, Sek. 1
|
||
|
||
Arithmetik
|
||
|
||
Wahrnehmen und Interpretieren syntaktischer Strukturen bei Kindern mit verschiedenen Sprachprofilen
|
||
|
||
14
|
||
|
||
Mathematik- Vergleich eigener Aufgabe zum Bruch- Identifikation von
|
||
|
||
didaktik, Sek. 1 Lösung mit
|
||
|
||
rechnen lösen, mit Fehlerbearbeitungs-
|
||
|
||
Musterlösung
|
||
|
||
Lösung abgleichen prozessen (nachvoll-
|
||
|
||
ziehen, vergleichen)
|
||
|
||
15
|
||
|
||
Informatik-
|
||
|
||
Umgang mit
|
||
|
||
Input-Output
|
||
|
||
Unterschiede im Lese-
|
||
|
||
didaktik,
|
||
|
||
Programmen,
|
||
|
||
(Programm); Lesen verhalten zwischen
|
||
|
||
Studierende
|
||
|
||
Programmieren und Fehlersuche
|
||
|
||
Programm und
|
||
|
||
und Beweisen, (Algorithmus)
|
||
|
||
Algorithmus
|
||
|
||
Fehlersuche
|
||
|
||
Eye-Tracking – ein Versprechen für die MINT-Bildung?
|
||
„Nihil est in intellectu quod non prius sit in sensu“, sagte schon der Theologe und Philosoph Thomas von Aquin und erklärte damit, dass wir das Wesen einer Sache nur dann erforschen können, wenn wir beachten, welche Sinnesempfindungen zu ihr geführt haben (Aquinas, n. d.). Möchten wir also den menschlichen Geist mitsamt seiner Entwicklung erforschen – kurzum das Lernen selbst –, so müssen wir unser Augenmerk darauf richten, welche Informationen die oder der Lernende aufnimmt und wie genau das vonstattengeht. Als Menschen verlassen wir uns in großem Maße auf den visuellen Sinn: unsere Augen. Die Informationsaufnahme über die Augen ist somit von zentraler Bedeutung für die Erforschung des Lernens an sich. Dies trifft besonders für MINT-Fächer zu, bei denen komplexe, wissenschaftliche Abbildungen eine große Rolle spielen. Die Methode zur Messung dieser visuellen Informationsaufnahme schlechthin ist Eye-Tracking (Blickerfassung; Holmqvist et al., 2011). Im Folgenden gehe ich kurz auf die wichtigsten Versprechen dieser Methode für die Zukunft der Bildung in MINT-Fächern ein, aber auch auf die Frage, wovor wir uns in Acht nehmen sollten.
|
||
Das am häufigsten verwendete Eye-Tracking-System besteht aus den folgenden Hardware- und Softwarekomponenten: Infrarotlicht(ern) mit Infrarotkamera(s) inklusive einer Bildverarbeitungssoftware. Des Weiteren werden oftmals Softwarepakete zur Darbietung von Stimuli sowie zur Weiterverarbeitung, Visualisierung und Analyse von Eye-Tracking-Daten angeboten. Diese Technologie dient der Messung von Bewegungen unserer Augäpfel im Verhältnis zu einem Stimulus – sei es eine digitale Mathematiklernumgebung auf dem Laptop, ein Informatikquiz auf dem Smartphone, eine Abbildung der Mechanik des Vogelfluges in einem Buch oder Schaltkreise, mit denen die Schüler*innen im Klassenraum arbeiten. Verschiedene Arten von Eye-Trackern erlauben es uns, in all diesen unterschiedlichen Situationen zu erfassen, wo eine Person hinschaut und wie lange ihr Blick dort verweilt. Darüber hinaus können wir erfassen, in welcher Reihenfolge diese Person verschiedene Elemente des Stimulus (z. B. bestimmte Teile einer Grafik sowie Teile eines dazugehörigen Textes) betrachtet und zu welchem Zeitpunkt das geschieht (z. B. im Verhältnis zur mündlichen Erklärung der Lehrkraft). Wir erfahren ebenfalls, welche Informationen der oder dem Lernenden entgangen sind. Basierend auf diesen Erkenntnissen können wir das Lern- bzw. Testmaterial oder gar den Kontext an sich so anpassen, dass es optimal der
|
||
XI
|
||
|
||
XII
|
||
|
||
Eye-Tracking – ein Versprechen für die MINT-Bildung?
|
||
|
||
menschlichen Informationsverarbeitung entspricht und somit zu effizientem Lernen oder aber validem Testen führt. Zu diesen Zwecken wird Eye-Tracking nunmehr seit über 20 Jahren erfolgreich in der Bildungsforschung eingesetzt (Alemdag & Cagiltay, 2018; Jarodzka et al., 2017; Lai et al., 2013). Dabei haben sich insbesondere vier Forschungsbereiche herauskristallisiert:
|
||
1. Eye-Tracking kann zur Beschreibung von Expertiseunterschieden in bestimmten Berufen und deren Ausbildung verwendet werden (Gruber & Jarodzka, 2018). Dazu zählen u. a. die Medizin (Gegenfurtner et al., 2011; Sheridan & Reingold, 2017), die Softwareprogrammierung (Emhardt et al., 2020), die Flugsicherung (Van Meeuwen et al., 2014) und die Zoologie (Jarodzka et al., 2010). In letzter Zeit eröffnet sich ein neues, besonders interessantes Forschungsgebiet für die Bildungswissenschaften, nämlich die visuelle Expertiseentwicklung von Lehrkräften (für zwei aktuelle Sonderhefte zu diesem Thema s. Jarodzka et al., 2021; Lachner et al., 2016). Dabei wird erforscht, welche Rolle die Fähigkeit die Schüler*innen zu beobachten, diese Beobachtungen im Kontext der Lehrsituation zu interpretieren und entsprechend zu reagieren, für die Klassenführung spielt.
|
||
2. Mittels Eye-Tracking können wir verstehen, wie Lernende die im Lern- oder Testmaterial angebotenen Informationen verarbeiten. Dies ist von zentraler Bedeutung für unseren Forschungszweig, da es dazu beitragen kann, bestehende Lehr- und Lerntheorien (Cognitive Theory of Multimedia Learning: Mayer, 2005; Cognitive Load Theory: Sweller et al., 2019) zu überprüfen und weiterzuentwickeln (Kirschner et al., 2016). Das wiederum erlaubt es uns, jenes Material dementsprechend anzupassen und somit die konkreten Designrichtlinien, die sich aus diesen Theorien ergeben, direkt auf ihre Wirksamkeit zu überprüfen (Alemdag & Cagiltay, 2018; Lindner, 2020).
|
||
3. Eye-Tracking kann dazu verwendet werden, die momentane Auslastung des Arbeitsgedächtnisses beim Lernen und Testen objektiv zu erfassen, z. B. durch Pupillenweitenmessung (Korbach et al., 2017; Szulewski et al., 2017).
|
||
4. Eye-Tracking ermöglicht es, direkt durch die Augen eines Experten zu schauen mittels sog. Eye Movement Modeling Examples (Van Gog et al., 2009). Dabei werden die Blickbewegungen einer Lehrperson auf Lehrmaterial übertragen, während sie die Aufgabe erklärt, damit die Lernenden wissen, worauf die Lehrperson sich bei der mündlichen Erklärung bezieht (z. B. in der Zoologie: Jarodzka et al., 2013; in der Biologie: Mason et al., 2015; in der Informationssuche im WWW: Salmerón et al., 2020; in der Geometrie: Van Marlen et al., 2018).
|
||
Trotz aller Chancen dürfen wir die Augen vor Herausforderungen des EyeTrackings nicht verschließen. Insbesondere möchte ich auf zwei Punkte eingehen. Erstens dürfen wir nicht blind der Technik vertrauen (Kok & Jarodzka, 2017a, b). Eye-Tracking ist zum einen – trotz anders lautender Beteuerungen der Verkäufer – eine sehr komplizierte Apparatur, die nur von geschultem
|
||
|
||
Eye-Tracking – ein Versprechen für die MINT-Bildung?
|
||
|
||
XIII
|
||
|
||
Personal so bedient werden kann, dass die erhobenen Daten tatsächlich reliabel und valide sind. Zum anderen können durch mangelnde Erfahrung sehr leicht falsche Schlüsse aus der Erhebung gezogen werden, selbst wenn Daten durch erfahrene Versuchsleiter erhoben wurden. Wir müssen uns immer wieder vor Augen führen, dass Eye-Tracking wirklich nur die Bewegung der Augäpfel, der Pupillen sowie der Lider misst. Jedwede weiterführende Interpretation der Daten bezüglich der kognitiven Weiterverarbeitung der angeschauten Informationen muss mit entsprechender Vorsicht vorgenommen werden (Orquin & Holmqvist, 2018). Zweitens steht die Frage im Raum, inwiefern es sich um personenbezogene Daten handelt und wie mit diesen umgegangen werden kann. Bei Eye-Tracking-Daten handelt es sich z. T. durchaus um biometrische Daten, die auf eine Person zurückführbar sind. Eindeutige Fälle sind, wenn ein EyeTracker ein Bild oder gar ein Video der Iris der Versuchsperson erfasst oder wenn mittels einer mobilen Eye-Tracking-Brille ein Video von einem Klassenraum mit (gar minderjährigen) Schülern aufgenommen wird. Weniger eindeutig ist die Lage bei den Rohdaten im Textformat. Auf den ersten Blick scheint es sich um anonymisierte Datensätze zu handeln (vorausgesetzt, es werden keine Klarnamen der Versuchspersonen verwendet). Wenn man allerdings bedenkt, dass es sich um unglaublich reiche Datensätze handelt (zwischen 30 und 1000 Hz binokularer xund y-Koordinaten inklusive Pupillenweite), und man um die idiosynkratischen Eigenschaften von Blickbewegungen weiß (Andrews & Coppola, 1999) und dabei noch die wachsenden Möglichkeiten der Big Data und AI-Algorithmen berücksichtigt, kann die Anonymität dieser Datensätze durchaus in Zweifel gezogen werden. Darüber hinaus muss man beachten, dass Tech-Giganten wie Facebook, Microsoft, Apple etc. seit einigen Jahren in Eye-Tracking investieren. Deswegen plädiere ich dafür, Eye-Tracking-Daten als personenbezogene Daten zu betrachten, was sich zwar nachteilig auf einen Open-Science-Ansatz zum Datensharing auswirkt, aber unsere Versuchspersonen und deren Daten maximal schützt.
|
||
Zusammenfassend kann man sagen, dass Eye-Tracking bereits jetzt viele bisher der Forschung nicht zugängliche, Forschungsfragen rund um individuelle Lern-, Lehr- und Testprozesse beantworten kann. In Anbetracht der schnellen technologischen Entwicklungen und des rasanten Anstiegs der Eye-Tracking-Nutzung in der MINT-Bildungsforschung (aber nicht nur!) ist zu erwarten, dass uns diese Technologie noch viele interessante Einsichten bringen wird. Gerade wegen dieses Potenzials müssen wir aber den Einsatz des Eye-Trackings in der Praxis stets kritisch reflektieren.
|
||
|
||
Halszka Jarodzka Departement für Online-Lehre und Instruktion an der Open Universiteit
|
||
Heerlen, Niederlande
|
||
|
||
XIV
|
||
|
||
Eye-Tracking – ein Versprechen für die MINT-Bildung?
|
||
|
||
Literatur
|
||
|
||
Alemdag, E., & Cagiltay, K. (2018). A systematic review of eye tracking research on multimedia learning. Computers & Education, 125, 413–428. https://doi.org/10.1016/j. compedu.2018.06.023.
|
||
Andrews, T. J., & Coppola, D. M. (1999). Idiosyncratic characteristics of saccadic eye movements when viewing different visual environments. Vision Research, 39(17), 2947–2953.
|
||
Aquinas, T. (n. d.). Quaestiones disputatae de veritate. http://www.corpusthomisticum.org/ qdv02.html.
|
||
Emhardt, S. N., Kok, E. M., Jarodzka, H., Brand‐Gruwel, S., Drumm, C., & Gog, T. (2020). How experts adapt their gaze behavior when modeling a task to novices. Cognitive Science, 44(9). https://doi.org/10.1111/cogs.12893.
|
||
Gegenfurtner, A., Lehtinen, E., & Säljö, R. (2011). Expertise differences in the comprehension of visualizations: A meta-analysis of eye-tracking research in professional domains. Educational Psychology Review, 23(4), 523–552. https://doi.org/10.1007/s10648-011-9174-7.
|
||
Gruber, H., & Jarodzka, H. (2018). Expertise als Forschungsgebiet. In D. H. Rost, J. R. Sparfeldt, & S. R. Buch (Hrsg.), Handwörterbuch Pädagogische Psychologie (S. 185–192). Beltz.
|
||
Holmqvist, K., Nyström, M., Andersson, R., Dewhurst, R., Jarodzka, H., & Van de Weijer, J. (2011). Eye tracking: A comprehensive guide to methods and measures. Oxford University Press.
|
||
Jarodzka, H., Scheiter, K., Gerjets, P., & Van Gog, T. (2010). In the eyes of the beholder: How experts and novices interpret dynamic stimuli. Learning and Instruction, 20(2), 146–154. https://doi.org/10.1016/j.learninstruc.2009.02.019.
|
||
Jarodzka, H., Van Gog, T., Dorr, M., Scheiter, K., & Gerjets, P. (2013). Learning to see: Guiding students’ attention via a model’s eye movements fosters learning. Learning and Instruction, 25, 62–70. https://doi.org/10.1016/j.learninstruc.2012.11.004.
|
||
Jarodzka, H., Holmqvist, K., & Gruber, H. (2017). Eye tracking in educational science: Theoretical frameworks and research agendas. Journal of Eye Movement Research, 10(1), 1–18. https://doi.org/10.16910/jemr.10.1.3.
|
||
Jarodzka, H., Skuballa, I., & Gruber, H. (2021). Eye-tracking in educational practice: Investigating visual perception underlying teaching and learning in the classroom. Educational Psychology Review, 33(1), 1–10. https://doi.org/10.1007/s10648-020-09565-7.
|
||
Kirschner, P. A., Park, B., Malone, S., & Jarodzka, H. (2016). Toward a Cognitive Theory of Multimedia Assessment (CTMMA). In M. J. Spector, B. B. Lockee, & M. D. Childress (Hrsg.), Learning, Design, and Technology (S. 1–23). Springer. https://doi.org/10.1007/9783-319-17727-4_53-1.
|
||
Kok, E. M., & Jarodzka, H. (2017a). Before your very eyes: The value and limitations of eye tracking in medical education. Medical Education, 51(1), 114–122. https://doi.org/10.1111/ medu.13066.
|
||
Kok, E. M., & Jarodzka, H. (2017b). Beyond your very eyes: Eye movements are necessary, not sufficient. Medical Education, 51(11), 1190–1190. https://doi.org/10.1111/medu.13384.
|
||
Korbach, A., Brünken, R., & Park, B. (2017). Measurement of cognitive load in multimedia learning: A comparison of different objective measures. Instructional Science, 45(4), 515– 536. https://doi.org/10.1007/s11251-017-9413-5.
|
||
Lachner, A., Jarodzka, H., & Nückles, M. (2016). What makes an expert teacher? Investigating teachers’ professional vision and discourse abilities (editorial to Special Issue). Instructional Science, 44(3), 197–203. https://doi.org/10.1007/s11251-016-9376-y.
|
||
Lai, M.-L., Tsai, M.-J., Yang, F.-Y., Hsu, C.-Y., Liu, T.-C., Lee, S. W.-Y., Lee, M.-H., Chiou, G.-L., Liang, J.-C., & Tsai, C.-C. (2013). A review of using eye-tracking technology in exploring learning from 2000 to 2012. Educational Research Review, 10, 90–115. https://doi. org/10.1016/j.edurev.2013.10.001.
|
||
|
||
Eye-Tracking – ein Versprechen für die MINT-Bildung?
|
||
|
||
XV
|
||
|
||
Lindner, M. A. (2020). Representational and decorative pictures in science and mathematics tests: Do they make a difference? Learning and Instruction, 68, 101345. https://doi. org/10.1016/j.learninstruc.2020.101345.
|
||
Mason, L., Pluchino, P., & Tornatora, M. C. (2015). Eye-movement modeling of integrative reading of an illustrated text: Effects on processing and learning. Contemporary Educational Psychology, 41, 172–187. https://doi.org/10.1016/j.cedpsych.2015.01.004.
|
||
Mayer, R. E. (2005). Cognitive theory of multimedia learning. The Cambridge Handbook of Multimedia Learning, 41, 31–48.
|
||
Orquin, J. L., & Holmqvist, K. (2018). Threats to the validity of eye-movement research in psychology. Behavior Research Methods, 50(4), 1645–1656. https://doi.org/10.3758/s13428017-0998-z.
|
||
Salmerón, L., Delgado, P., & Mason, L. (2020). Using eye‐movement modelling examples to improve critical reading of multiple webpages on a conflicting topic. Journal of Computer Assisted Learning. https://doi.org/10.1111/jcal.12458.
|
||
Sheridan, H., & Reingold, E. M. (2017). The holistic processing account of visual expertise in medical image perception: A review. Frontiers in Psychology, 8. https://doi.org/10.3389/ fpsyg.2017.01620.
|
||
Sweller, J., Van Merriënboer, J. J. G., & Paas, F. (2019). Cognitive architecture and instructional design: 20 years later. Educational Psychology Review, 31(2), 261–292. https://doi. org/10.1007/s10648-019-09465-5.
|
||
Szulewski, A., Kelton, D., & Howes, D. (2017). Pupillometry as a tool to study expertise in medicine. Frontline Learning Research, 5(3), 55–65. https://doi.org/10.14786/flr.v5i3.256.
|
||
Van Gog, T., Jarodzka, H., Scheiter, K., Gerjets, P., & Paas, F. (2009). Attention guidance during example study via the model’s eye movements. Computers in Human Behavior, 25(3), 785– 791. https://doi.org/10.1016/j.chb.2009.02.007.
|
||
Van Marlen, T., Van Wermeskerken, M., Jarodzka, H., & Van Gog, T. (2018). Effectiveness of eye movement modeling examples in problem solving: The role of verbal ambiguity and prior knowledge. Learning and Instruction, 58, 274–283. https://doi.org/10.1016/j. learninstruc.2018.07.005.
|
||
Van Meeuwen, L. W., Jarodzka, H., Brand-Gruwel, S., Kirschner, P. A., de Bock, J. J. P. R., & Van Merriënboer, J. J. G. (2014). Identification of effective visual problem solving strategies in a complex visual domain. Learning and Instruction, 32, 10–21. https://doi.org/10.1016/j. learninstruc.2014.01.004.
|
||
|
||
Inhaltsverzeichnis
|
||
1 Gibt es ideale Blickbewegungsmodelle zur Förderung der Lernenden beim Lösen organisch-chemischer Aufgaben?. . . . . . . . . 1 Nicole Graulich, Marc Rodemer, Julia Eckhard und Sascha Bernholt 1.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Forschungsfragen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.4 Material und Methode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.6 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen und dynamischen Repräsentationen im naturwissenschaftlichen Erkenntnisprozess. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Marit Kastaun und Monique Meier 2.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.3 Zielsetzung und Forschungsfragen . . . . . . . . . . . . . . . . . . . . . . . 22 2.4 Material und Methode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.6 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
|
||
3 Muster- und Strukturerkennungsprozesse bei potenziell mathematisch begabten Grundschulkindern untersuchen – Das Potenzial von Eye-Tracking und retrospektivem Interview im Vergleich. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 Dinah Reuter und Julia Bruns 3.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 3.2 Muster- und Strukturerkennung im Kontext von Begabung . . . . 42 3.3 Erfassung der Muster- und Strukturerkennung . . . . . . . . . . . . . . 43 3.4 Forschungsfragen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.5 Material und Methode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.6 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
|
||
XVII
|
||
|
||
XVIII
|
||
|
||
Inhaltsverzeichnis
|
||
|
||
3.7 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
|
||
4 Eye-Tracking als Methode zur Analyse der Wirkung unterstützender Hinweise in digitalen Lernumgebungen. . . . . . . . . . 59 Christoph Hoyer, Bianca Watzka, Maleen Hurzlmeier, Bernhard Ertl und Raimund Girwidz 4.1 Einleitung und Forschungslage. . . . . . . . . . . . . . . . . . . . . . . . . . 60 4.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 4.3 Beschreibung der Experimente . . . . . . . . . . . . . . . . . . . . . . . . . . 62 4.4 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.5 Resümee. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
|
||
5 Förderung der strukturierten Anzahlerfassung bei Kindern mit Schwierigkeiten im Rechnenlernen: Eine explorative Eye-Tracking Studie zur Evaluation schulischer Förderung in Klasse 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 Maike Schindler und Florian Schindler 5.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 5.2 Theoretischer Hintergrund und vorherige Forschung . . . . . . . . . 76 5.3 Das Förderprojekt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 5.4 Die Begleitforschung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 5.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 5.6 Diskussion und Ausblick. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
|
||
6 Biologie lernen mit Concept Maps – Lässt sich die Expertise im Umgang mit Concept Maps von den Augen ablesen?. . . . . . . . . . . . . 91 Sina Lenski und Jörg Großschedl 6.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 6.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 6.3 Hypothesen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 6.4 Material und Methode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 6.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 6.6 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
|
||
7 Haben Kinder mit Rechenschwierigkeiten auch Schwierigkeiten im Bereich Geometrie? – Eine Eye-Tracking-Studie zur Identifikation von Dreiecken bei Schüler*innen im inklusiven Kontext . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 Anna Lisa Simon, Benjamin Rott und Maike Schindler 7.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 7.2 Theoretischer Hintergrund und Forschungsfrage. . . . . . . . . . . . . 108 7.3 Studie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 7.4 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
|
||
|
||
Inhaltsverzeichnis
|
||
|
||
XIX
|
||
|
||
7.5 Diskussion und Ausblick. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
|
||
8 Blickbewegungen beim grafischen Ableiten – Lassen sich Fehler durch Eye-Tracking-Daten vorhersagen und elaborieren? . . . . . . . . 125 Kathrin Kennel, Sebastian Becker, Pascal Klein, Stefan Küchemann, Jochen Kuhn und Stefan Ruzika 8.1 Einleitung und Forschungslage. . . . . . . . . . . . . . . . . . . . . . . . . . 125 8.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 8.3 Forschungsfragen und Hypothesen. . . . . . . . . . . . . . . . . . . . . . . 129 8.4 Material und Methode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 8.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 8.6 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
|
||
9 Eye-Tracking als Methode hypothesenprüfender Forschung in den Naturwissenschaftsdidaktiken – Neue Einblicke in die Effekte von Demonstrationsexperimenten. . . . . . . . . . . . . . . . . . . . . . 145 Stefanie Lenzer und Andreas Nehring 9.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 9.2 Planung und Durchführung einer konfirmatorischen EyeTracking-Studie – Von der Fragestellung bis zur Auswertung. . . 147 9.3 Ausblick: Eye-Tracking in der konfirmatorischen Modellierung von Lernangebot, -prozessen und -produkten. . . . 154 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
|
||
10 Fachlich vs. instruktional: Welche Aufgabenmerkmale werden bei der Schwierigkeitseinschätzung von Bruchrechenaufgaben identifiziert und evaluiert? – Eine Studie mit Eye-Tracking Stimulated Recall Interviews. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 Saskia Schreiter, Markus Vogel, Markus Rehm und Tobias Dörfler 10.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 10.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160 10.3 Forschungsfragen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164 10.4 Material und Methode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165 10.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168 10.6 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 10.7 Fazit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
|
||
11 Blickverhalten beim Lernen und Problemlösen mit Graphen – Ein Literaturüberblick bis 2020 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 Stefan Küchemann, Nils Cullmann, Sarah Kovac, Sebastian Becker, Pascal Klein, Kathrin Kennel, Stefan Ruzika und Jochen Kuhn 11.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178 11.2 Theorie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
|
||
|
||
XX
|
||
|
||
Inhaltsverzeichnis
|
||
|
||
11.3 Forschungsfragen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180 11.4 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 11.5 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
|
||
12 Wechsel zwischen Diagramm und Formel im Kontext von Vektorfeldern – Einfluss der Aufgabenkomplexität auf Indikatoren visueller Aufmerksamkeit. . . . . . . . . . . . . . . . . . . . . . . . . 193 Larissa Hahn, Stefan Halverscheid, Jochen Kuhn und Pascal Klein 12.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194 12.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195 12.3 Forschungsfrage. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198 12.4 Material und Methode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198 12.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201 12.6 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
|
||
13 Eye-Tracking in der Mathematik- und Naturwissenschaftsdidaktik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209 Jennifer Dröse, Philipp Neugebauer, Renate Delucchi Danhier und Barbara Mertins 13.1 Einleitung und Forschungslage. . . . . . . . . . . . . . . . . . . . . . . . . . 209 13.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211 13.3 Forschungsfragen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215 13.4 Material und Methode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215 13.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220 13.6 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
|
||
14 Blickbewegungen als Indikator für den Lernerfolg? – Nachvollziehen und Vergleichen beim Lösungsvergleich . . . . . . . . . . 227 Antje Boomgaarden, Timo Leuders und Katharina Loibl 14.1 Einleitung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227 14.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229 14.3 Forschungsfragen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 14.4 Material und Methode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 14.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234 14.6 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
|
||
15 Unterschiede im Leseverhalten von Algorithmen und Programmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245 Philipp Kather und Jan Vahrenhold 15.1 Einleitung und Forschungslage. . . . . . . . . . . . . . . . . . . . . . . . . . 245 15.2 Theoretischer Hintergrund. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 246
|
||
|
||
Inhaltsverzeichnis
|
||
|
||
XXI
|
||
|
||
15.3 Forschungsfragen und Hypothesen. . . . . . . . . . . . . . . . . . . . . . . 247 15.4 Material und Methodik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250 15.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255 15.6 Diskussion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258 Literatur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
|
||
|
||
Herausgeber- und Autorenverzeichnis
|
||
Über die Herausgeber
|
||
Dr. Pascal Klein ist Professor für Physik und ihre Didaktik an der Georg-AugustUniversität Göttingen. Er nutzt Eye-Tracking als Forschungsmethode, um das Lernen von Physik empirisch zu untersuchen. Seine Schwerpunkte liegen dabei in der Studieneingangsphase Physik, multiplen Repräsentation und digitalen Medien.
|
||
Dr. Nicole Graulich ist Professorin für Chemiedidaktik am Institut für Didaktik der Chemie der Justus-Liebig-Universität Gießen. Sie forscht zum fachlichen Lernen mit Repräsentationen in der Chemie an der Hochschule und nutzt Eye-Tracking Methoden zur qualitativen Beschreibung von Lernprozessen.
|
||
Dr. Jochen Kuhn ist Universitätsprofessor und Leiter der Arbeitsgruppe Didaktik der Physik an der TU Kaiserslautern. Seine Forschungsschwerpunkte sind Lernen mit multiplen Repräsentationen in multimedialen Lernumgebungen in Physik und prozessbasierte Analyseverfahren – wie z. B. Eye-Tracking-Analysen beim Lernen und Problemlösen.
|
||
Dr. Maike Maike ist Universitätsprofessorin an der Universität zu Köln. Ihre Forschung hat zwei zentrale Schwerpunkte: Empirisch wird das Mathematiklernen – v. a. bei Kindern und Jugendlichen mit Lernschwierigkeiten und sonderpädagogischen Förderbedarfen – untersucht, methodisch steht die Nutzung und Entwicklung neuer Technologien (z. B. Eye-Tracking) im Kontext von Mathematiklernen im Fokus.
|
||
Autorenverzeichnis
|
||
Jun.-Prof. Dr. Sebastian Becker-Genschow Digitale Bildung, Department Didaktiken der Mathematik und der Naturwissenschaften, Universität zu Köln, Köln, Deutschland
|
||
Dr. Sascha Bernholt Didaktik der Chemie, IPN – Leibniz-Institut für die Pädagogik der Naturwissenschaften und Mathematik, Kiel, Deutschland
|
||
XXIII
|
||
|
||
XXIV
|
||
|
||
Herausgeber- und Autorenverzeichnis
|
||
|
||
Antje Boomgaarden Institut für Mathematische Bildung, Pädagogische Hochschule Freiburg, Freiburg, Deutschland
|
||
|
||
Jun.-Prof. Julia Bruns Institut für Mathematik (Mathematikdidaktik), Universität Paderborn, Paderborn, Deutschland
|
||
|
||
Nils Cullmann Didaktik der Physik, Fachbereich Physik, Technische Universität Kaiserslautern, Kaiserslautern, Deutschland
|
||
|
||
Dr. Renate Delucchi Danhier IdSuL, Technische Universität Dortmund, Dortmund, Deutschland
|
||
|
||
Dr. Jennifer Dröse Fachgruppe Didaktik der Mathematik, Universität Paderborn, Paderborn, Deutschland
|
||
|
||
Prof. Dr. Tobias Dörfler Pädagogische Hochschule Heidelberg, Heidelberg, Deutschland
|
||
|
||
Julia Eckhard Institut für Didaktik der Chemie, Justus-Liebig-Universität Gießen, Gießen, Deutschland
|
||
|
||
Prof. Dr. Bernhard Ertl Erziehungswissenschaft mit dem Schwerpunkt Lernen und Lehren mit Medien, Universität der Bundeswehr München, München, Deutschland
|
||
|
||
Prof. Dr. Raimund Girwidz Lehrstuhl für Didaktik der Physik, LudwigMaximilians-Universität München, München, Deutschland
|
||
|
||
Prof. Dr. Nicole Graulich Institut für Didaktik der Chemie, Justus-Liebig-Universität Gießen, Gießen, Deutschland
|
||
|
||
J-Prof. Dr. Jörg Großschedl Institut für Biologiedidaktik, Universität zu Köln, Köln, Deutschland
|
||
|
||
Larissa Hahn Physik und ihre Didaktik, Fakultät für Physik, Georg-August-Universität Göttingen, Göttingen, Deutschland
|
||
|
||
Prof. Dr. Stefan Halverscheid Fachbereich Mathematik und Informatik, GeorgAugust-Universität Göttingen, Göttingen, Deutschland
|
||
|
||
Christoph Hoyer Lehrstuhl für Didaktik der Physik, Ludwig-Maximilians-Universität München, München, Deutschland
|
||
|
||
Maleen Hurzlmeier Erziehungswissenschaft mit dem Schwerpunkt Lernen und Lehren mit Medien, Universität der Bundeswehr München, München, Deutschland
|
||
|
||
Herausgeber- und Autorenverzeichnis
|
||
|
||
XXV
|
||
|
||
Marit Kastaun Didaktik der Biologie, Universität Kassel, Kassel, Deutschland
|
||
|
||
Philipp Kather M.Sc. Institut für Informatik, Westfälische Wilhelms-Universität Münster, Münster, Deutschland
|
||
|
||
Kathrin Kennel Wirtschafts- und Schulmathematik, Fachbereich Mathematik, Technische Universität Kaiserslautern, Kaiserslautern, Deutschland
|
||
|
||
Prof. Dr. Pascal Klein Physik und ihre Didaktik, Fakultät für Physik, GeorgAugust-Universität Göttingen, Göttingen, Deutschland
|
||
|
||
Sarah Kovac Didaktik der Physik, Fachbereich Physik, Technische Universität Kaiserslautern, Kaiserslautern, Deutschland
|
||
|
||
Prof. Dr. Jochen Kuhn Lehrstuhl für Didaktik der Physik, Fakultät für Physik, Ludwig-Maximilians-Universität München, München, Deutschland
|
||
|
||
Dr. Stefan Küchemann Lehrstuhl für Didaktik der Physik, Fakultät für Physik, Ludwig-Maximilians-Universität München, München, Deutschland
|
||
|
||
Sina Lenski M.Sc. Institut für Biologiedidaktik, Universität zu Köln, Köln, Deutschland
|
||
|
||
Stefanie Lenzer Institut für Didaktik der Naturwissenschaften, Fachgebiet Didaktik der Chemie, Leibniz Universität Hannover, Hannover, Deutschland
|
||
|
||
Dr. Timo Leuders Institut für Mathematische Bildung, Pädagogische Hochschule Freiburg, Freiburg, Deutschland
|
||
|
||
Dr. Katharina Loibl Institut für Mathematische Bildung, Pädagogische Hochschule Freiburg, Freiburg, Deutschland
|
||
|
||
Dr. Monique Meier Didaktik der Biologie, Universität Kassel, Kassel, Deutschland
|
||
|
||
Prof. Dr. Barbara Mertins IdSuL, Technische Universität Dortmund, Dortmund, Deutschland
|
||
|
||
Prof. Dr. Andreas Nehring Institut für Didaktik der Naturwissenschaften, Fachgebiet Didaktik der Chemie, Leibniz Universität Hannover, Hannover, Deutschland
|
||
|
||
Philipp Neugebauer IEEM, Technische Universität Dortmund, Dortmund, Deutschland
|
||
|
||
XXVI
|
||
|
||
Herausgeber- und Autorenverzeichnis
|
||
|
||
Prof. Dr. Markus Rehm Pädagogische Hochschule Heidelberg, Heidelberg, Deutschland
|
||
|
||
Dr. Dinah Reuter Institut für Mathematische Bildung Freiburg, Pädagogische Hochschule Freiburg, Freiburg im Breisgau, Deutschland
|
||
|
||
Marc Rodemer Didaktik der Chemie, Universität Duisburg-Essen, North RhineWestphalia, Deutschland
|
||
|
||
Prof. Dr. Benjamin Rott Universität zu Köln, Köln, Deutschland
|
||
|
||
Prof. Dr. Stefan Ruzika Wirtschafts- und Schulmathematik, Fachbereich Mathematik, Technische Universität Kaiserslautern, Kaiserslautern, Deutschland
|
||
|
||
Florian Schindler Gesamtschule Wulfen, Dorsten, Deutschland
|
||
|
||
Prof. Dr. Maike Schindler Department Heilpädagogik und Rehabilitation, Universität zu Köln, Köln, Deutschland
|
||
|
||
Saskia Schreiter Pädagogische Hochschule Heidelberg, Heidelberg, Deutschland
|
||
|
||
Anna Lisa Simon Universität zu Köln, Köln, Deutschland
|
||
|
||
Prof. Dr. Jan Vahrenhold Institut für Informatik, Westfälische Wilhelms-Universität Münster, Münster, Deutschland
|
||
|
||
Prof. Dr. Markus Vogel Pädagogische Hochschule Heidelberg, Heidelberg, Deutschland
|
||
|
||
Dr. Bianca Watzka Didaktik der Physik, Otto-von-Guericke-Universität Magdeburg, Magdeburg, Deutschland
|
||
|
||
Gibt es ideale Blickbewegungsmodelle zur
|
||
|
||
1
|
||
|
||
Förderung der Lernenden beim
|
||
|
||
Lösen organisch-chemischer
|
||
|
||
Aufgaben?
|
||
|
||
Nicole Graulich, Marc Rodemer, Julia Eckhard und Sascha Bernholt
|
||
|
||
Inhaltsverzeichnis
|
||
1.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Theoretischer Hintergrund . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Forschungsfragen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.4 Material und Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.6 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
|
||
|
||
1.1 Einleitung
|
||
Das Lernen in visuell komplexen Domänen stellt Lernende häufig vor Herausforderungen. So zeigen AnfängerInnen häufig ein langsameres und weniger zielorientiertes Erfassen der Informationen, während ExpertInnen schnell
|
||
|
||
N. Graulich (*) Institut für Didaktik der Chemie, Justus-Liebig-Universität Gießen, Gießen, Deutschland E-Mail: Nicole.Graulich@didaktik.Chemie.uni-giessen.de
|
||
M. Rodemer Didaktik der Chemie, Universität Duisburg-Essen, North Rhine-Westphalia, Deutschland E-Mail: marc.rodemer@uni-due.de
|
||
J. Eckhard Institut für Didaktik der Chemie, Justus-Liebig-Universität Gießen, Gießen, Deutschland E-Mail: Julia.Eckhard@didaktik.Chemie.uni-giessen.de
|
||
S. Bernholt Didaktik der Chemie, IPN – Leibniz-Institut für die Pädagogik der Naturwissenschaften und Mathematik, Kiel, Deutschland E-Mail: bernholt@ipn.uni-kiel.de
|
||
|
||
© Der/die Autor(en), exklusiv lizenziert durch Springer-Verlag GmbH, DE, ein Teil
|
||
|
||
1
|
||
|
||
von Springer Nature 2022
|
||
|
||
P. Klein et al. (Hrsg.), Eye-Tracking in der Mathematik- und
|
||
|
||
Naturwissenschaftsdidaktik, https://doi.org/10.1007/978-3-662-63214-7_1
|
||
|
||
2
|
||
|
||
N. Graulich et al.
|
||
|
||
Entscheidungen auf Grundlage ihrer Interpretation komplexer Visualisierungen treffen und in ihre Problemlösung einbinden (vgl. Grant & Spivey, 2003; van Meeuwen et al., 2014). In der Chemie müssen beispielsweise Spektren analysiert und der passenden chemischen Struktur zugeordnet werden (Cullipher & Sevian, 2015; Topczewski et al., 2017). Bei der Interpretation dieser Repräsentationen spielen unterschiedliche Wahrnehmungs- und Interpretationsprozesse eine Rolle, um die gegebenen Informationen adäquat zu verarbeiten. Mithilfe von EyeTracking lässt sich untersuchen, inwiefern sich ExpertInnen und AnfängerInnen in ihrem Wahrnehmungsverhalten bei der Verarbeitung visueller Repräsentationen beim Problemlösen unterscheiden. Im Vergleich zu AnfängerInnen haben ExpertInnen im Allgemeinen kürzere Fixationsdauern und häufige Fixationen auf aufgabenrelevante Bereiche. ExpertInnen zeigen zudem längere Sakkaden und kürzere Zeiten, um relevante Informationen zu fixieren (Gegenfurtner et al., 2011). Aus diesen Beobachtungen heraus lässt sich die Annahme ableiten, dass Lernende durch die Blickbewegungen von ExpertInnen in einer Domäne geleitet und damit beim Erschließen visuell komplexer Repräsentation unterstützt werden könnten (vgl. Gegenfurtner et al., 2011, 2013; Grant & Spivey, 2003). Dabei stellt sich jedoch die Frage, ob und wie sich aus unterschiedlichen Expertisegruppen (z. B. Dozierenden, fortgeschrittenen Studierenden) ein bestimmtes Blickbewegungsmodell als ideales Modell für AnfängerInnen identifizieren lässt.
|
||
|
||
1.2 Theoretischer Hintergrund
|
||
Blickverhalten von Lernenden beim Lösen von Aufgaben in der Chemie
|
||
Lernende zeigen, je nach Vorwissen, sowohl unterschiedliche Problemlösestrategien als auch unterschiedliche Blickbewegungsmuster und unterscheiden sich letztlich auch im Erfolg beim Lösen von Aufgaben (vgl. Gegenfurtner et al., 2011, 2013; Grant & Spivey, 2003; Tang et al., 2016; Topczewski et al., 2017). In der Chemie steht die Analyse der Blickbewegungen von Lernenden, meist Studierenden, noch am Anfang. Studien zum Umgang mit chemischen Repräsentationen fokussierten vorrangig auf die Integration mehrerer Repräsentationsarten wie submikroskopisch-symbolischer oder strukturell-diagrammatischer Abbildungen. Tang und Pienta (2012) beobachteten, dass beim Lösen stöchiometrischer Aufgaben (textlicher Aufgabenstamm und Symboldarstellung) nicht erfolgreiche Lernende länger auf dem Text und der Aufgabenstellung verweilen. Die Autoren verknüpften die höhere Fixationsdauer des Aufgabenstammes mit der empfundenen kognitiven Belastung der Lernenden. Bei der Integration zwischen Spektren und der dazugehörigen chemischen Struktur sind ExpertInnen erfolgreicher und fokussieren zielgerichteter auf die richtige Antwort und auf spezifische Merkmale eines Spektrums, während die Fixationen der Lernenden fast gleichmäßig auf alle AOIs verteilt sind (Topczewski et al., 2017). Baluyut und Holme (2019) haben das Blickverhalten von Lernenden
|
||
|
||
1 Gibt es ideale Blickbewegungsmodelle zur Förderung der Lernenden …
|
||
|
||
3
|
||
|
||
mit unterschiedlichen Repräsentationen, z. B. Text, Symbol- und Teilchendarstellungen, untersucht und ebenfalls festgestellt, dass erfolgreiche Lernende sich von den nicht erfolgreichen Lernenden unterscheiden. Die erfolgreichen Lernenden hatten im Schnitt mehr Fixationen auf die Teilchendarstellungen und im Mittel häufigere Transitionen zwischen den AOIs. Die nicht erfolgreichen Lernenden hingegen zeigten über alle Aufgaben geringere Fixationen und Transitionen. Übergreifende Befunde im chemischen Kontext lassen sich dahingehend zusammenfassen, dass nicht erfolgreiche Lernende tendenziell eine Aufmerksamkeitsverteilung über alle AOIs hinweg zeigen, viele Wechsel zwischen AOIs vornehmen und weniger zielgerichtet fokussieren.
|
||
|
||
Modellieren von Blickbewegungen
|
||
Der Befund einer hohen Wirksamkeit von Modellbeispielen aus der Forschung zum Problemlösen (Renkl, 2014; van Gog & Rummel, 2010) wurde auch im Kontext der Verarbeitung komplexer Repräsentationen aufgegriffen. So haben beispielsweise van Gog et al. (2009) die Blickbewegungen von ExpertInnen mithilfe eines Eye-Trackers aufgenommen und diese als Hervorhebungen genutzt, z. B. als farbige Kreise oder durch Abschwächung der restlichen Abbildung, um so den Erschließungsprozess der jeweiligen Expertin oder des jeweiligen Experten zu modellieren und dadurch die Aufmerksamkeit der Lernenden zeitlich und räumlich auf relevante Merkmale der Repräsentation zu lenken. Dieser Instruktionsansatz zur Unterstützung einer authentischen und simultanen Blickführung hat sich in unterschiedlichen Domänen als lernförderlich herausgestellt (Jarodzka et al., 2012, 2013, 2017).
|
||
Die Modellierung von Handlungsabläufen durch Blickbewegungen beim Problemlösen ist jedoch nicht trivial. Der visuelle Erschließungsprozess beim Bearbeiten einer Aufgabe lässt sich über Eye-Tracking Methoden sichtbar machen, andere kognitive Prozesse sind jedoch von außen nicht beobachtbar. Zusätzlich ist es fraglich, ob Lernende nach dem Betrachten eines visuellen Modells in der Lage sind, das modellierte Blickverhalten inhaltlich zu deuten und ihr eigenes Blickverhalten dadurch zu reflektieren und bewusst an das modellierte Muster anzupassen (Kok et al., 2017).
|
||
Obwohl ExpertInnen optimierte Blickbewegungen beim Lösen von domänenspezifischen Problemen zeigen (vgl. Reingold & Sheridan, 2011) und dies dafür spricht, dass es das „ideale“ Blickbewegungsmodell für visuell komplexe Aufgaben gibt, können ExpertInnen untereinander deutliche Unterschiede in ihrem Blickverhalten aufweisen (van Gog et al., 2005). Bei der Auswahl des geeigneten Modells zur Erstellung von Exe Movement Modeling Examples (EMMEs) wird in vielen Studien versucht, diesem Problem dahingehend zu begegnen, dass neben der durch den Berufsstand und die Arbeitstätigkeit zertifizierten Expertise als weiteres Kriterium häufig eine langjährige Lehrerfahrung in dem entsprechenden Fachbereich angeführt wird. Bei der technischen Erstellung der EMMEs werden ExpertInnen dann angewiesen, sich „didaktisch“ zu verhalten,
|
||
|
||
4
|
||
|
||
N. Graulich et al.
|
||
|
||
d. h. bezogen auf eine Zielgruppe zu erklären, welche relevanten Aspekte in der Repräsentation vorliegen, um neben den inhaltlichen Informationen auch eine zielführende Blickbewegung bei der Aufgabenbearbeitung zu vermitteln (Jarodzka et al., 2012; Richardson & Dale, 2005). Darüber hinaus gibt es Ansätze, in denen diese Vermittlung von Inhalt und Blickbewegung durch vorstrukturierte Skripte sichergestellt werden soll. Diese Skripte bilden dann das Drehbuch, auf dessen Grundlage die Blickbewegungen einer geschulten Person mithilfe eines EyeTrackers aufgenommen werden (vgl. Krebs et al., 2019).
|
||
Hinsichtlich des Einflusses dieser verschiedenen Erstellungswege von EMMEs auf deren Wirksamkeit oder des Einflusses der Auswahlkriterien für die Blickbewegungsmodelle gibt es keine systematischen Untersuchungen. Der Rückgriff auf „ausgewiesene“ ExpertInnen unterliegt jedoch zumindest implizit der Annahme, dass es ein prototypisches und damit für eine Vermittlung relevantes Vorgehen der Aufgabenbearbeitung gibt.
|
||
|
||
Gibt es ein ideales Blickverhalten?
|
||
Im Idealfall lässt sich durch den Vergleich des Blickverhaltens des Modells und der Lernenden untersuchen, ob es für die Lösung eines domänenspezifischen Problems eine visuell „optimale“ Herangehensweise gibt und inwiefern sich diese von den Lernenden unterscheidet oder dieser ähnelt (Gegenfurtner et al., 2011). So zeigte sich im Kontext von FluglotsInnen, dass zum einen die Problemlösungen von ExpertInnen einander ähnlicher waren als die Lösungen von BerufsanfängerInnen und zum anderen die Problemlösungen von BerufsanfängerInnen wiederum einander ähnlicher waren als die Lösungen von Personen zu Beginn der Ausbildung (basierend auf Sequenzanalysen von AOIFixationen und sog. Levenshtein-Distanzen) (van Meeuwen et al., 2014). Mit Blick auf die Ähnlichkeit der Lösungen von ExpertInnen fügen die AutorInnen an, dass, wenn überhaupt Unterschiede auftreten, diese geringfügig sind und auf persönlichen Vorlieben basieren (van Meeuwen et al., 2014).
|
||
Demgegenüber stehen Befunde von Jarodzka et al. (2010), bei denen die ExpertInnen weniger ähnliche Problemlösestrategien verfolgten als AnfängerInnen. Die AutorInnen merken jedoch an, dass sich die Expertisegruppe sowohl aus fortgeschrittenen Promovierenden sowie ProfessorInnen zusammensetzte und diese Diversität womöglich zu einer höheren Vielfalt an Blickverhalten geführt haben könnte. Aus Sicht der AutorInnen führt dies jedoch auch zu der Schlussfolgerung, dass es sinnvoller sein könnte, die Wahrnehmungsprozesse eines sorgfältig ausgewählten Modells für die Erstellung von EMMEs zu verwenden, anstatt über mehrere ExpertInnen zu mitteln (Jarodzka et al., 2010). In ähnlicher Weise haben Litchfield et al. (2010) fünf ExpertInnen (RadiologInnen) gebeten, Lungenknoten auf Basis von Röntgenuntersuchungen zu identifizieren. Von diesen ExpertInnen wurde dann eine Person ausgewählt, die (auf Basis einer free-response receiver operating characteristic curve) die beste Performanz in der Aufgabenbearbeitung zeigte. Diese Person wurde dann angewiesen, während der
|
||
|
||
1 Gibt es ideale Blickbewegungsmodelle zur Förderung der Lernenden …
|
||
|
||
5
|
||
|
||
EMME-Aufnahme fiktiven Lernenden explizit die Herangehensweise bei der Aufgabenbearbeitung zu erläutern.
|
||
Während die Verwendung eines einzelnen (wenn auch nach bestimmten Kriterien ausgewählten) Modells zumindest das Auswahlproblem löst, stellt sich dennoch die Frage, inwieweit das entstandene EMME ein prototypisches oder ein durch individuelle Präferenzen gefärbtes Modell einer Problemlösung liefert. Während in klar strukturierten Problemstellungen (van Gog et al., 2009) eine optimale Strategie abstrakt angegeben werden kann, gibt es für Problemstellungen in visuell komplexen Domänen oftmals keine allgemeine Problemlösung. Vielmehr gibt es eine Palette unterschiedlicher Lösungen, die von suboptimal (oder falsch) bis optimal variieren können (Gronlund et al., 2005; Mumford et al., 2001). Bei AnfängerInnen ist anzunehmen, dass sie noch nicht ausreichend kognitive Schemata entwickelt haben, um komplexe Repräsentationen hinsichtlich spezifischer Problemlösungen zu klassifizieren. Bei der Bewältigung von derartigen Informationen müssen sie daher eine hohe Informationsdichte verarbeiten, was ihre Aufmerksamkeitssteuerung beeinträchtigt und zu unvollständigen oder fehlerhaften Problemlösungen führt, die situativ stark variieren können (Endsley, 1995). Umgekehrt steht ExpertInnen in der Regel ein Repertoire unterschiedlicher Schemata zur Verfügung, die bei konkreten Problemtypen zu spezifischen Problemlösestrategien führen (vgl. Reingold & Sheridan, 2011). Daher kann erwartet werden, dass diese „optimalen“ Problemlösungen personenübergreifend relativ ähnlich sind und bei ExpertInnen demnach eine geringere Varianz im Blickverhalten zu erwarten ist (van Meeuwen et al., 2014).
|
||
|
||
1.3 Forschungsfragen
|
||
Für die Auswahl eines geeigneten Modells zur Förderung von Lernenden im Umgang mit organisch-chemischen Aufgabenstellungen ist das Ziel der hier beschriebenen explorativen Studie zu untersuchen, inwiefern sich Expertisegruppen (ExpertInnen, fortgeschrittene Studierende, AnfängerInnen) beim visuellen Decodieren organisch-chemischer Repräsentationen, d. h. während des Problemlösens, unterscheiden und inwiefern sich das intuitive Blickverhalten beim mentalen Problemlösen (stilles Betrachten eines visuellen Stimulus und dessen Verarbeitung im Rahmen einer Problemstellung, jedoch ohne Erklären) von einem Blickverhalten während des Erklärens (im Sinne einer Laut-DenkenVerarbeitung desselben Stimulus im Rahmen derselben Problemstellung) unterscheidet.
|
||
Für die hier vorliegende Untersuchung haben wir Fallvergleiche als Aufgabenformat gewählt (Alfieri et al., 2013). Fallvergleichsaufgaben in der Organischen Chemie erfordern den Vergleich zweier chemischer Reaktionen anhand sowohl oberflächlich-visueller als auch implizit-chemischer Merkmale (Graulich & Schween, 2018). Ein ideales Blickbewegungsmodell könnte Lernende dabei unterstützen, derartige repräsentationsbasierte Fallvergleiche visuell zu erschließen, z. B. das Identifizieren der visuellen Ähnlichkeiten und Unterschiede.
|
||
|
||
6
|
||
|
||
N. Graulich et al.
|
||
|
||
Die explorative Studie gliedert sich in die folgenden drei Forschungsfragen:
|
||
|
||
1. Inwiefern unterscheiden sich die Blickbewegungen unterschiedlicher Expertisegruppen beim visuellen Decodieren organisch-chemischer Fallvergleiche?
|
||
2. Inwiefern sind die Blickbewegungen der unterschiedlichen Expertisegruppen konsistent beim Lösen mehrerer Fallvergleiche?
|
||
3. Inwiefern gibt es relative Ähnlichkeiten innerhalb der unterschiedlichen Expertisegruppen und über beide Bearbeitungsphasen hinweg?
|
||
|
||
Durch diese unterschiedlichen Vergleiche des Blickverhaltens von ExpertInnen, fortgeschrittenen Studierenden und AnfängerInnen lässt sich untersuchen, inwiefern sich die Blickbewegungen innerhalb und zwischen den Expertisegruppen ähneln oder voneinander abweichen, um Rückschlüsse zur Auswahl eines Modells zu ziehen.
|
||
|
||
1.4 Material und Methode
|
||
Stichprobe
|
||
An der Studie haben 46 ProbandInnen teilgenommen, davon 10 DozentInnen und ProfessorInnen (zwei weiblich) sowie 16 fortgeschrittene Studierende (neun weiblich) und 20 AnfängerInnen (13 weiblich) aus dem Bachelorstudiengang Chemie in ungefähr gleicher Verteilung von drei Universitätsstandorten. Die DozentInnen und ProfessorInnen hatten im Mittel 21 Jahre Erfahrung in der Lehre und wurden auf dieser Grundlage als ExpertInnen klassifiziert. Die Einteilung der Studierenden wurde anhand des Fachsemesters vorgenommen, wobei AnfängerInnen im 4. Semester aus der Veranstaltung Organische Chemie I und die fortgeschrittenen Studierenden im 6. Semester aus der Veranstaltung Organische Chemie II rekrutiert wurden.
|
||
|
||
Datenerhebung
|
||
Da die Daten zeitgleich an unterschiedlichen Standorten aufgenommen wurden, haben wir zwei unterschiedliche Eye-Tracker verwendet: einen mobilen Tobii Pro X3-120 (120 Hz, Accuracy bis 0.4°) mit der dazugehörigen Software Tobii Pro Studio und einem 25-Zoll-Monitor (Auflösung 1920 × 1080 Pixel) sowie einen SMI iView RED Eye-Tracker (120 Hz, Accuracy bis 0.4°) mit der Software iView X und einem 22-Zoll-Monitor (Auflösung 1680 × 1050 Pixel). Die Daten wurden mit beiden Geräten binokular aufgenommen mit einem mittleren Abstand von 65 cm zwischen Monitor und ProbandIn. Bei der weiteren Analyse wurden, um eine valide Trennung der Ereignisse zu erreichen, Fixationen auf der Basis eines I-VT-Klassifikators mit einer Geschwindigkeitsschwelle von 17°/s detektiert.
|
||
|
||
1 Gibt es ideale Blickbewegungsmodelle zur Förderung der Lernenden …
|
||
|
||
7
|
||
|
||
Benachbarte Fixationen wurden zusammengeführt, wenn die Zeit zwischen den Fixationen nicht mehr als 75 ms betrug und der Winkel zwischen den Fixationen kleiner als 0.5° war. Die Ereignisdaten wurden von beiden Systemen exportiert, zu einem Datensatz zusammengeführt und gemeinsam analysiert.
|
||
Die Aufgaben wurden den ProbandInnen an den Standorten in gleicher Weise präsentiert, jeweils mit den chemischen Strukturrepräsentationen auf weißem Hintergrund. Zu Beginn der Datenerhebung wurde eine Kalibrierung durchgeführt, und bei Werten über 0.5° Abweichung wurde nachkalibriert. Vor der Bearbeitung der acht Items wurde den ProbandInnen eine Beispielaufgabe präsentiert, um sie mit dem Ablauf und der Aufgabenstellung vertraut zu machen. Danach wurden die ProbandInnen instruiert, die Aufgabe in der ersten Phase der Aufgabenbearbeitung still zu betrachten und die Reaktion zu identifizieren, die am schnellsten abläuft (Phase: Mentales Problemlösen). Wenn die ProbandInnen sich entschieden hatten, wurden sie gebeten, entweder A oder B zu benennen; in diesem Moment wurde die Zeit gestoppt. Anschließend wurde die gleiche Aufgabe abermals präsentiert mit der Bitte, die Lösung der Aufgabe zu erklären (Phase: Lautes Denken).
|
||
|
||
Aufgaben
|
||
Für die Untersuchung haben wir acht Fallvergleichsaufgaben zum Reaktionsmechanismus der Substitutionsreaktion gestaltet, die sich in verschiedenen Merkmalen unterscheiden (Abb. 1.1). Die Aufgabenstellung war zu entscheiden, welche der beiden Reaktionen schneller verläuft (in Abb. 1.1 ist dies Reaktion B) Die farbige Hervorhebung zeigt die AOIs, die für die Auswertung festgelegt
|
||
|
||
Abb. 1.1 Beispiel einer Fallvergleichsaufgabe zweier Substitutionsreaktionen mit den vorab festgelegten AOIs und deren Benennung (die AOIs wurden während der Aufgabenbearbeitung nicht dargestellt)
|
||
|
||
8
|
||
|
||
N. Graulich et al.
|
||
|
||
wurden (Abb. 1.1). Diese ergeben sich aus den beiden Reaktionen sowie aus der Unterteilung der jeweiligen Edukte, Lösungsmittel und Produkte.
|
||
|
||
Datenanalyse
|
||
Für die Datenanalyse wurde auf zwei Blickbewegungsmaße zurückgegriffen. Eine zentrale Rolle spielen dabei Fixationen, die je nach Position auf dem Bildschirm als Fixationen innerhalb spezifischer, vorab definierter AOIs (Abb. 1.1) oder als außerhalb dieser AOIs (sog. white space) klassifiziert wurden. Auf Basis der AOIKlassifikation wurde die Dauer der einzelnen Fixationen pro AOI aufsummiert, um die gesamte Fixationszeit für jede AOI zu berechnen (Holmqvist et al., 2011). Diese Angaben geben die Zeit an, für die die Aufmerksamkeit auf die jeweiligen Bereiche der Abbildungen gerichtet wurde, bzw. die kumulierte Gesamtdauer aller AOI-Fixationen vom Beginn bis zum Ende der Aufgabe (vgl. Holmqvist et al., 2011). Alle Fixationszeiten werden in Sekunden angegeben. Für Gruppenvergleiche wurden die Maße auf Basis von Varianzanalysen (ANOVA) für Messwiederholungsdesigns ausgewertet.
|
||
Neben der Aufsummierung der Fixationsdauer wird auf die AOI-Sequenz als zweites Blickbewegungsmaß zurückgegriffen, d. h. auf die Reihenfolge, in der die ProbandInnen die unterschiedlichen AOIs nacheinander betrachten. Dieses Maß wird zum einen hinsichtlich der Transitionen untersucht, also der Übergänge von einer AOI zu einer anderen AOI. Dabei spielt weder die Dauer der einzelnen Fixationen noch die Anzahl der Refixationen innerhalb derselben AOI eine Rolle, sondern nur die Anzahl der Wechsel zwischen AOIs. Diese AOI- bzw. Transitionssequenz (exklusive Refixationen, also bspw. die Sequenz AE1-AE2AE1-BE1-BE2; Abb. 1.1), wird zum anderen dafür herangezogen, die Ähnlichkeit der Blickbewegungen zweier ProbandInnen während der Aufgabenbearbeitung zu vergleichen. Dazu wird die sogenannte Levenshtein-Distanz bestimmt, die angibt, wie viele Umsortierungen, Ergänzungen und Löschungen in der AOI-Sequenz minimal vorgenommen werden müssen, um zwei Sequenzen ineinander zu überführen (bspw. sind zwei Umsortierungen und eine Ergänzung notwendig, um die obige Sequenz in die Sequenz AE1-BE1-BE2-AE2 zu überführen). Um zwei Sequenzen unterschiedlicher Länge zu vergleichen, wird die Distanz auf Basis der maximalen Sequenzlänge normalisiert. Dieses normalisierte Distanzmaß kann Werte im Intervall 0 bis 1 annehmen, wobei 1 identische Sequenzen und kleinere Werte zunehmend unähnliche Sequenzen charakterisieren (Holmqvist et al., 2011). Die Distanzwerte werden zur Erstellung einer Adjazenz- bzw. Nachbarschaftsmatrix berechnet, d. h. einer Aufstellung der normalisierten Levenshtein-Distanzen für alle paarweisen Vergleiche der AOI-Sequenzen aller ProbandInnen (gemittelt über alle Aufgaben). Diese Matrixdarstellung wird auf Basis einer Hauptkomponentenanalyse auf zwei Dimensionen reduziert, was in erster Linie der visuellen Projektion der relativen Ähnlichkeit bzw. Unähnlichkeit der Transitionssequenzen der ProbandInnen untereinander dient (Mardia, 1978). Die Dimensionen haben als Ursprung den Mittelwert über alle paarweisen
|
||
|
||
1 Gibt es ideale Blickbewegungsmodelle zur Förderung der Lernenden …
|
||
|
||
9
|
||
|
||
Levenshtein-Distanzen, aber keine unmittelbare inhaltliche Bedeutung (bspw. korrelieren sie weder mit Bearbeitungsdauer, Fixationsdauer noch mit dem Lösungserfolg), sondern dienen der Darstellung des „Abstands“ zwischen den ProbandInnen, sodass ProbandInnen, die sich über die Aufgaben hinweg in ihren Transitionssequenzen ähneln, einen geringen Abstand aufweisen, während ProbandInnen mit sehr unterschiedlichen Transitionssequenzen weit voneinander entfernt abgebildet werden. Entscheidend ist demnach der relative Abstand der ProbandInnen untereinander, nicht die einzelne Verortung in der zweidimensionalen Fläche.
|
||
|
||
1.5 Ergebnisse
|
||
Beim Vergleich der unterschiedlichen Gruppen zeigt sich, dass sich in vielen Fällen das Blickverhalten der ExpertInnen von dem der fortgeschrittenen Studierenden und AnfängerInnen unterscheidet. Mit Blick auf die Bearbeitungszeit sind die ExpertInnen (M = 37.7 s, SD = 16.3) in unserer Stichprobe signifikant schneller als die AnfängerInnen (M = 61.9 s, SD = 34.9) und die fortgeschrittenen Studierenden (M = 46.8 s, SD = 39.4), während sich die Studierenden untereinander sehr ähnlich sind und die Aufgaben ähnlich schnell lösen. Dieses Muster findet sich sowohl in der Bearbeitungsphase des mentalen Problemlösens als auch in der Phase des lauten Denkens (ExpertInnen: M = 101.0 s, SD = 52.8; Fortgeschrittene: M = 126.0 s, SD = 70.4; AnfängerInnen: M = 221.0, SD = 113.0). Die schnellste Bearbeitungszeit eines Experten in der Stichprobe liegt bei 6 s und zeigt exemplarisch, wie schnell hier ein Experte in der Lage ist, die Repräsentationen (Abb. 1.1) zu erfassen.
|
||
Die dokumentierte Schnelligkeit der ExpertInnen im Vergleich zu den anderen beiden Gruppen spiegelt sich auch in der geringeren Fixationsdauer der AOIs wider, wiederum sowohl beim mentalen Problemlösen (F(2, 38) = 4.21, p = .022) als auch beim lauten Denken (F(2, 38) = 10.31, p < .001; Abb. 1.2). Auch in diesem Fall unterscheiden sich die ExpertInnen signifikant von den fortgeschrittenen Studierenden und den AnfängerInnen. Die Fixationsdauer dieser beiden letzten Gruppen ist nur beim lauten Denken signifikant unterschiedlich.
|
||
Es stellt sich nun die Frage, ob die ExpertInnen relevante AOIs, wie Edukte und Produkte, in der gleichen Reihenfolge fixieren oder ob sich schon beim Erschließen der Aufgabenmerkmale Unterschiede zwischen den Gruppen zeigen. Betrachtet man die Transitionen zwischen den AOIs (Abb. 1.3), sind die Unterschiede zwischen den Gruppen marginal. Das Aufgabenformat scheint in allen Gruppen ähnliche Transitionsmuster zwischen den AOIs hervorzurufen. Beispielsweise zeigen alle Expertisegruppen häufige Transitionen zwischen den Edukten beider Reaktionen (AE1 und BE1) und ausgehend von diesen Edukten Transitionen zu den Produkten beider Reaktionen. Auch die relative Verteilung der Transitionen, an denen die verschiedenen AOIs beteiligt sind, scheint in allen drei Gruppen vergleichbar zu sein.
|
||
|
||
10
|
||
|
||
Abb. 1.2 Gesamte Fixationsdauer über alle AOIs, unterteilt nach Expertisegruppe und Bearbeitungsphasen, Angabe der jeweiligen Gruppenmittelwerte sowie Signifikanzniveau der paarweisen Gruppenvergleiche (ANOVA mit Messwiederholung und Post-hoc-Vergleiche mittels Games-Howell-Test und Bonferroni-Korrektur)
|
||
|
||
N. Graulich et al.
|
||
|
||
1 Gibt es ideale Blickbewegungsmodelle zur Förderung der Lernenden …
|
||
|
||
11
|
||
|
||
AnfängerInnen
|
||
|
||
Fortgeschrittene
|
||
|
||
ExpertInnen
|
||
|
||
Mentales Problemlösen
|
||
|
||
Lautes Denken
|
||
|
||
Abb. 1.3 Visualisierung der Transitionshäufigkeiten zwischen den AOIs, gemittelt über alle Aufgaben und die drei Gruppen, AnfängerInnen (links), Fortgeschrittene (Mitte) und ExpertInnen (rechts), beim mentalen Problemlösen (obere Reihe) und beim lauten Denken (untere Reihe). Transitionen zwischen AOIs sind immer in der Farbe der Ausgangs-AOI dargestellt, wobei die Dicke der Verbindungen zwischen zwei AOIs der relativen Häufigkeit der entsprechenden Transition entspricht
|
||
Während die Transitionshäufigkeit zwischen den AOIs ein gröberes Maß darstellt, lassen sich die Ähnlichkeiten zwischen den konkreten Transitionssequenzen der drei Gruppen pro Aufgabe durch die Levenshtein-Distanz ermitteln. Vergleicht man für jede Aufgabe die mittleren Levenshtein-Distanzen aller Transitionssequenzen innerhalb der drei Expertisegruppen (Intragruppenvergleich; Abb. 1.4), so zeigt sich, dass die mittleren Distanzen der AnfängerInnen und der fortgeschrittenen Studierenden über alle Aufgaben relativ konstant sind, sowohl beim mentalen Problemlösen als auch beim lauten Denken. Der Mittelwert der ExpertInnen liegt in beiden Phasen etwas höher, wonach die Transitionssequenzen der ExpertInnen im Mittel untereinander ähnlicher sind als in den beiden anderen Gruppen. Allerdings ist die Streuung der mittleren Levenshtein-Distanzen in beiden Bearbeitungsphasen der ExpertInnen deutlich größer als in den beiden anderen Expertisegruppen, sodass die relative Ähnlichkeit der Transitionssequenzen der ExpertInnen von Aufgabe zu Aufgabe stärker variiert als bei den Studierenden.
|
||
Betrachtet man die mittlere Levenshtein-Distanz aller Transitionssequenzen pro Aufgabe (Intergruppenvergleich), zeigen sich z. T. sehr unterschiedliche Verläufe über die acht Aufgaben (Abb. 1.5). So sind die Konfidenzintervalle der
|
||
|
||
12
|
||
|
||
Abb. 1.4 Mittlere Levenshtein-Distanzen pro Expertisegruppe und Bearbeitungsphase. Bestimmung der Distanzwerte auf Basis paarweiser Vergleiche der Transitionssequenzen innerhalb jeder Gruppe und Aufgabe (Intragruppenvergleich; s. unter „Datenanalyse“ in Abschn. 1.4)
|
||
|
||
N. Graulich et al.
|
||
|
||
1 Gibt es ideale Blickbewegungsmodelle zur Förderung der Lernenden …
|
||
|
||
13
|
||
|
||
Abb. 1.5 Mittlere Levenshtein-Distanz (und 95 % CI) der Transitionssequenzen pro Aufgabe, unterteilt nach Expertisegruppen und Bearbeitungsphase. Bestimmung der Distanzwerte auf Basis paarweiser Vergleiche der Transitionssequenzen pro Aufgabe zwischen allen ProbandInnen (Intergruppenvergleich; s. unter „Datenanalyse“ in Abschn. 1.4)
|
||
Levenshtein-Distanzen bei den beiden Studierendengruppen sehr klein, und es zeigen sich fast konstante Mittelwerte der relativen Ähnlichkeit der Transitionssequenzen bei allen Aufgaben. Bei den ExpertInnen gibt es hingegen deutliche Abweichungen bei einzelnen Aufgaben, bei denen niedrige mittlere LevenshteinDistanzen und insgesamt auch größere Konfidenzintervalle auf Transitionssequenzen hindeuten, die je nach Aufgabe mehr oder weniger stark von den Transitionssequenzen der anderen ProbandInnen abweichen. Der Verlauf ist dabei zwischen den beiden Phasen des mentalen Problemlösens und des lauten Denkens relativ ähnlich, nur bei einer Aufgabe (Aufgabe 6) zeigt sich in beiden Bearbeitungsphasen eine deutlich höhere Ähnlichkeit der Transitionssequenzen der ExpertInnen und der beiden Studierendengruppen.
|
||
Auf Basis der normalisierten Levenshtein-Distanzen für alle paarweisen Vergleiche der AOI-Sequenzen aller ProbandInnen (gemittelt über alle Aufgaben) wurde eine Adjazenz- bzw. Nachbarschaftsmatrix erstellt, die die relative Ähnlichkeit der AOI-Sequenzen aller ProbandInnen untereinander abbildet. Dabei zeigen sich mit Blick auf die ExpertInnen recht unterschiedliche Cluster, also unterschiedliche Konstellationen von ExpertInnen, deren Transitionssequenzen sich stärker ähneln, bzw. unterschiedliche „Ausreißer“ von Personen, deren Transitionssequenzen deutlich von den Sequenzen der anderen ExpertInnen abweichen. Zur besseren Visualisierung dieser relativen Ähnlichkeit der ProbandInnen wurde auf Basis der paarweisen Distanzen eine Hauptkomponentenanalyse durchgeführt, die diese Distanzen auf zwei Dimensionen reduziert (s. unter „Datenanalyse“ in Abschn. 1.4), wodurch ProbandInnen mit (über alle Aufgaben hinweg) sehr ähnlichen Transitionssequenzen einen geringen Abstand aufweisen und ProbandInnen mit sehr unterschiedlichen Transitionssequenzen weit voneinander entfernt abgebildet werden. Dadurch gruppieren sich die ExpertInnen beim mentalen Problemlösen und beim Lauten Denken in mehrere, jedoch unterschiedlich besetzte Cluster (Abb. 1.6). Einzelne ExpertInnen weichen in ihren Transitionssequenzen sowohl beim mentalen Problemlösen als auch beim lauten Denken deutlich von den weiteren ProbandInnen ab. Einige ExpertInnen sind sich untereinander, aber auch zu vielen Studierenden deutlich
|
||
|
||
14
|
||
|
||
N. Graulich et al.
|
||
|
||
Abb. 1.6 Darstellung der relativen Ähnlichkeit der Transitionssequenzen aller ProbandInnen in beiden Bearbeitungsphasen
|
||
ähnlicher in ihren Transitionssequenzen, wobei die relative Ähnlichkeit zwischen den beiden Aufgabenbearbeitungsphasen variiert.
|
||
1.6 Diskussion
|
||
Basierend auf den Ergebnissen lässt sich festhalten, dass die drei Expertisegruppen sich nicht in allen Eye-Tracking-Maßen grundlegend unterscheiden. Die ExpertInnen unterscheiden sich etwas deutlicher von den AnfängerInnen, während die fortgeschrittenen Studierenden den AnfängerInnen ähnlicher sind. Betrachtet man die gesamte Fixationsdauer beim Lösen der Aufgaben, so ist festzustellen, dass in beiden Phasen die ExpertInnen deutlich schneller betrachten und erklären als die Studierendengruppen. Hier wären die fortgeschrittenen Studierenden in ihrem Blickverhalten, das im Mittel längere Fixationsdauern aufweist, unter Umständen geeigneter, um die AnfängerInnen als Blickbewegungsmodell durch die Aufgaben zu leiten.
|
||
Insgesamt zeigt sich, dass die ProbandInnen der Studierendengruppen ein ähnliches Blickverhalten zeigen. Dies lässt den Schluss zu, dass diese Art des Aufgabenformats ein eher einheitliches Blickverhalten erzeugt und eher wenige visuell unterschiedliche Blickbewegungen innerhalb der Studierendengruppe hervorruft. Der Vergleich der ExpertInnen untereinander zeigt jedoch auf, dass diese Gruppe in ihrem visuellen Blickverhalten weniger homogen ist als die Studierendengruppen. Hier sind die Blickbewegungsmuster sowohl im Vergleich der ExpertInnen untereinander als auch über den Verlauf der Bearbeitung der einzelnen Aufgaben heterogener. Die Hauptkomponentenanalyse zeigt ebenfalls auf, dass die relativen Ähnlichkeiten der einzelnen ProbandInnen in der Phase des mentalen Problemlösens wesentlich weiter streuen als in der Phase des lauten Denkens. Dieser Befund zeigt auf, dass sich die „Didaktisierung“, d. h. die Aufforderung zum Erklären, der ExpertInnen eignen könnte, um eine stärkere Ähnlichkeit zwischen den Studierenden und den ExpertInnen zu erzeugen. Inwiefern diese
|
||
|
||
1 Gibt es ideale Blickbewegungsmodelle zur Förderung der Lernenden …
|
||
|
||
15
|
||
|
||
stärkere Ähnlichkeit in der Phase des lauten Denkens mit anderen Variablen wie Löseerfolg und auch Qualität der parallel gegebenen Erklärung zusammenhängt, ist Bestandteil weiterer Untersuchungen.
|
||
Die Bildung unterschiedlicher Cluster von untereinander ähnlichen Transitionssequenzen im Rahmen der Hauptkomponentenanalyse wirft mit Blick auf die Identifizierung des idealen Modells die Frage auf, ob Lernende eher von einem ähnlichen oder einem unähnlichen Blickverhalten des Modells (im Vergleich zu dem eigenen Blickverhalten) profitieren würden bzw. wie groß letztendlich die Unähnlichkeit des modellierten Blickverhaltens sein darf, um noch lernförderlich zu sein. Die Varianz in der Ähnlichkeit der ExpertInnenlösungen wirft darüber hinaus die Frage auf, inwiefern eine ideale Kombination eines Modells und eines Lernenden auf andere Kontexte oder andere Repräsentationen innerhalb der Domäne übertragbar ist.
|
||
Eine neuere Studie weist daraufhin, dass Lernende mit geringem Vorwissen nicht per se von EMMEs profitieren, sondern nur in Fällen, in denen die AOI entry time ähnlich ist zum modellierten Blickverhalten (Chisari et al., 2020). Dies spricht dafür, dass eine Ähnlichkeit zwischen Lernenden und Modellierer gegeben sein muss, um die kommunizierte Information zu einem bestimmten Merkmal wahrzunehmen.
|
||
Neben der Diskussion um die Passung des Blickverhaltens schließt sich die Frage nach der kognitiven Verarbeitung der Repräsentationen an. Neben der reinen Blickführung spielt die konzeptuelle Verarbeitung ebenso eine große Rolle beim erfolgreichen Problemlösen wie das adäquate Entschlüsseln der Repräsentationen. Das explizite Strukturmerkmal der Repräsentation muss mit dem inhaltlichen Wissen verknüpft werden, was wiederum vom Vorwissen beeinflusst ist. In einer Studie haben Richardson et al. (2007) das Vorwissen von ProbandInnen vorab durch unterschiedliche Informationen variiert und dabei festgestellt, dass die Augenbewegungen in Dialogen eine größere Übereinstimmung mit dem Gegenüber zeigten, wenn sie zuvor die gleichen Informationen gehört hatten, im Vergleich zu abweichenden Informationen in der Vergleichsgruppe. Dies deutet darauf hin, dass Lernende mit geringerem Vorwissen möglicherweise nicht rechtzeitig die gleichen Merkmale wahrnehmen wie das Modell und damit die Passung zwischen Erklärung und Blickbewegungsmodell unter Umständen nicht förderlich ist. Auf der anderen Seite zeigt sich, dass mit höherem Vorwissen das Modellieren der Blickbewegung für die Lernenden redundant sein kann, da die Verknüpfung zwischen Begriff und Repräsentation für die Lernenden bereits gegeben ist (van Marlen et al., 2018). Trotz der positiven Befunde zum Einsatz von EMMEs bleiben viele Detailfragen noch offen. Besonders in visuell und konzeptuell komplexen Domänen ist der Einsatz noch unzureichend aufgeklärt.
|
||
Bezogen auf die Leitfrage zu diesem Kapitel lässt sich abschließend formulieren, dass sich anhand der herangezogenen Maße kein ideales Blickbewegungsmodell in unserer Stichprobe identifizieren lässt, das prototypisch die Blickbewegung bei der Aufgabenbearbeitung modelliert. Vielmehr zeigten sich starke Unterschiede in den Blickbewegungen, sowohl zwischen den ExpertInnen
|
||
|
||
16
|
||
|
||
N. Graulich et al.
|
||
|
||
als auch bei verschiedenen Aufgaben. Die Unterschiede zwischen den einzelnen Gruppen und insbesondere auch die vergleichsweise geringere Varianz in den Studierendengruppen unterstützen jedoch den Bedarf und auch das Potenzial in der Weiterentwicklung von visuellen Unterstützungsmöglichkeiten, die die visuelle Verarbeitung komplexer Repräsentationen unterstützen.
|
||
|
||
Literatur
|
||
Alfieri, L., Nokes-Malach, T. J., & Schunn, C. D. (2013). Learning through case comparisons: A meta-analytic review. Educational Psychology, 48(2), 87–113. https://doi.org/10.1080/004615 20.2013.775712.
|
||
Baluyut, J. Y., & Holme, T. A. (2019). Eye tracking student strategies for solving stoichiometry problems involving particulate nature of matter diagrams. Chemistry Teacher International Best Practices Chemistry Education, 1(1), 20180003. https://doi.org/10.1515/cti-2018-0003.
|
||
Chisari, L. B., Mockevičiūtė, A., Ruitenburg, S. K., van Vemde, L., Kok, E. M., & van Gog, T. (2020). Effects of prior knowledge and joint attention on learning from eye movement modelling examples. Journal of Computer Assisted Learning, 1–11. https://doi.org/10.1111/ jcal.12428.
|
||
Cullipher, S., & Sevian, H. (2015). Atoms versus bonds: How students look at Spectra. Journal of Chemical Education, 92(12), 1996–2005. https://doi.org/10.1021/acs.jchemed.5b00529.
|
||
Endsley, M. R. (1995). Toward a theory of situation awareness in dynamic systems. Human Factors, 37(1), 32–64. https://doi.org/10.1518/001872095779049543.
|
||
Gegenfurtner, A., Lehtinen, E., & Säljö, R. (2011). Expertise differences in the comprehension of visualizations: A meta-analysis of eye-tracking research in professional domains. Educational Psychology Review, 23(4), 523–552. https://doi.org/10.1007/s10648-011-9174-7.
|
||
Gegenfurtner, A., Siewiorek, A., Lehtinen, E., & Säljö, R. (2013). Assessing the quality of expertise differences in the comprehension of medical visualizations. Vocations and Learning, 6(1), 37–54. https://doi.org/10.1007/s12186-012-9088-7.
|
||
Grant, E. R., & Spivey, M. J. (2003). Eye movements and problem solving: Guiding attention guides thought. Psychological Science, 14(5), 462–466. https://doi.org/10.1111/14679280.02454.
|
||
Graulich, N., & Schween, M. (2018). Concept-oriented task design: Making purposeful case comparisons in organic chemistry. Journal of Chemical Education, 95(3), 376–383. https:// doi.org/10.1021/acs.jchemed.7b00672.
|
||
Gronlund, S. D., Dougherty, M. R. P., Durso, F. T., Canning, J. M., & Mills, S. H. (2005). Planning in air traffic control: Impact of problem type. The International Journal of Aviation Psychology, 15(3), 269–293. https://doi.org/10.1207/s15327108ijap1503_4.
|
||
Holmqvist, K., Nyström, M., Andersson, R., Dewhurst, R., Halszka, J., & van de Weijer, J. (2011). Eye tracking: A comprehensive guide to methods and measures. Oxford University Press.
|
||
Jarodzka, H., Scheiter, K., Gerjets, P., & van Gog, T. (2010). In the eyes of the beholder: How experts and novices interpret dynamic stimuli. Learning and Instruction, 20(2), 146–154. https://doi.org/10.1016/j.learninstruc.2009.02.019.
|
||
Jarodzka, H., Balslev, T., Holmqvist, K., Nyström, M., Scheiter, K., Gerjets, P., & Eika, B. (2012). Conveying clinical reasoning based on visual observation via eye-movement modelling examples. Instructional Science, 40(5), 813–827. https://doi.org/10.1007/s11251012-9218-5.
|
||
|
||
1 Gibt es ideale Blickbewegungsmodelle zur Förderung der Lernenden …
|
||
|
||
17
|
||
|
||
Jarodzka, H., van Gog, T., Dorr, M., Scheiter, K., & Gerjets, P. (2013). Learning to see: Guiding students’ attention via a model’s eye movements fosters learning. Learning and Instruction, 25, 62–70. https://doi.org/10.1016/j.learninstruc.2012.11.004.
|
||
Jarodzka, H., Holmqvist, K., & Gruber, H. (2017). Eye tracking in educational science: Theoretical frameworks and research agendas. Journal Eye Movement Research, 10(1), 1–18. https://doi.org/10.16910/jemr.10.1.3.
|
||
Kok, E. M., Aizenman, A. M., Võ, M. L. H., & Wolfe, J. M. (2017). Even if I showed you where you looked, remembering where you just looked is hard. Journal of Vision, 17(12), 1–11. https://doi.org/10.1167/17.12.2.
|
||
Krebs, M.-C., Schüler, A., & Scheiter, K. (2019). Just follow my eyes: The influence of modelobserver similarity on eye movement modeling examples. Learning and Instruction, 61, 126– 137. https://doi.org/10.1016/j.learninstruc.2018.10.005.
|
||
Litchfield, D., Ball, L. J., Donovan, T., Manning, D. J., & Crawford, T. (2010). Viewing another person’s eye movements improves identification of pulmonary nodules in chest x-ray inspection. Journal of Experimental Psychology Applied, 16(3), 251–262. https://doi.org/10.1037/ a0020082.
|
||
Mardia, K. V. (1978). Some properties of clasical multi-dimesional scaling. Communications in Statistics – Theory and Methods, 7(13), 1233–1241. https://doi.org/10.1080/03610927808827707.
|
||
Mumford, M. D., Schultz, R. A., & van Doorn, J. R. (2001). Performance in planning: Processes, requirements, and errors. Review of General Psychology, 5(3), 213–240. https://doi. org/10.1037/1089-2680.5.3.213.
|
||
Reingold, E. M., & Sheridan, H. (2011). Eye movements and visual expertise in chess and medicine. The Oxford handbook of eye movements (S. 523–550). Oxford University Press.
|
||
Renkl, A. (2014). Toward an instructionally oriented theory of example-based learning. Cognitive Science, 38(1), 1–37. https://doi.org/10.1111/cogs.12086.
|
||
Richardson, D. C., & Dale, R. (2005). Looking to understand: The coupling between speakers’ and listeners’ eye movements and its relationship to discourse comprehension. Cognitive Science, 29(6), 1045–1060. https://doi.org/10.1207/s15516709cog0000_29.
|
||
Richardson, D. C., Dale, R., & Kirkham, N. Z. (2007). The art of conversation is coordination: Common ground and the coupling of eye movements during dialogue. Psychological Science, 18(5), 407–413. https://doi.org/10.1111/j.1467-9280.2007.01914.x.
|
||
Tang, H., & Pienta, N. (2012). Eye-tracking study of complexity in gas law problems. Journal of Chemical Education, 89(8), 988–994. https://doi.org/10.1021/ed200644k.
|
||
Tang, H., Day, E., Kendhammer, L., Moore, J., Brown, S., & Pienta, N. (2016). Eye movement patterns in solving science ordering problems. Journal Eye Movement Research, 9(3), 1–13. https://doi.org/10.16910/jemr.9.3.6.
|
||
Topczewski, J. J., Topczewski, A. M., Tang, H., Kendhammer, L. K., & Pienta, N. J. (2017). NMR spectra through the eyes of a student: Eye tracking applied to NMR items. Journal of Chemical Education, 94(1), 29–37. https://doi.org/10.1021/acs.jchemed.6b00528.
|
||
van Gog, T., & Rummel, N. (2010). Example-based learning: Integrating cognitive and socialcognitive research perspectives. Educational Psychology Review, 22(2), 155–174. https://doi. org/10.1007/s10648-010-9134-7.
|
||
van Gog, T., Paas, F., & Van Merriënboer, J. J. G. (2005). Uncovering expertise-related differences in troubleshooting performance: Combining eye movement and concurrent verbal protocol data. Applied Cognitive Psychology, 19(2), 205–221. https://doi.org/10.1002/ acp.1112.
|
||
van Gog, T., Jarodzka, H., Scheiter, K., Gerjets, P., & Paas, F. (2009). Attention guidance during example study via the model’s eye movements. Computers in Human Behavior, 25(3), 785– 791. https://doi.org/10.1016/j.chb.2009.02.007.
|
||
|
||
18
|
||
|
||
N. Graulich et al.
|
||
|
||
van Marlen, T., van Wermeskerken, M., Jarodzka, H., & van Gog, T. (2018). Effectiveness of eye movement modeling examples in problem solving: The role of verbal ambiguity and prior knowledge. Learning and Instruction, 58, 274–283. https://doi.org/10.1016/j. learninstruc.2018.07.005.
|
||
van Meeuwen, L. W., Jarodzka, H., Brand-Gruwel, S., Kirschner, P. A., de Bock, J. J. P. R., & van Merriënboer, J. J. G. (2014). Identification of effective visual problem solving strategies in a complex visual domain. Learning and Instruction, 32, 10–21. https://doi.org/10.1016/j. learninstruc.2014.01.004.
|
||
|
||
Eine qualitative Analyse von Blickdaten bei statischen und
|
||
|
||
2
|
||
|
||
dynamischen Repräsentationen
|
||
|
||
im naturwissenschaftlichen
|
||
|
||
Erkenntnisprozess
|
||
|
||
Marit Kastaun und Monique Meier
|
||
|
||
Inhaltsverzeichnis
|
||
2.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.2 Theoretischer Hintergrund . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.3 Zielsetzung und Forschungsfragen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.4 Material und Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.6 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
|
||
2.1 Einleitung
|
||
Eine naturwissenschaftliche Fragestellung aufstellen, Variablen operationalisieren oder eine Fehleranalyse durchführen, können Lernende entlang des naturwissenschaftlichen Erkenntnisprozesses Schwierigkeiten bereiten (z. B. Meier, 2016). Lernunterstützungen hingegen können die fachmethodische und fachliche Komplexität im forschenden Lernprozess minimieren und die individuelle Wissensanwendung fördern (z. B. Arnold et al., 2014). Besonders effektiv sind jene Lernmaterialien/-unterstützungen, die hinsichtlich ihrer Ausgestaltung an das Niveau/an die Merkmale der Lernenden, wie bspw. das Vorwissen oder motivationale Einstellungen, angepasst sind (z. B. Schnotz & Rasch, 2005).
|
||
|
||
M. Kastaun (*) · M. Meier Didaktik der Biologie, Universität Kassel, Kassel, Deutschland E-Mail: m.kastaun@uni-kassel.de
|
||
M. Meier E-Mail: mmeier@uni-kassel.de
|
||
|
||
© Der/die Autor(en), exklusiv lizenziert durch Springer-Verlag GmbH, DE, ein Teil
|
||
|
||
19
|
||
|
||
von Springer Nature 2022
|
||
|
||
P. Klein et al. (Hrsg.), Eye-Tracking in der Mathematik- und
|
||
|
||
Naturwissenschaftsdidaktik, https://doi.org/10.1007/978-3-662-63214-7_2
|
||
|
||
20
|
||
|
||
M. Kastaun und M. Meier
|
||
|
||
Schülerspezifische Präferenzen im Umgang mit unterschiedlichen Darstellungsund Gestaltungsmodi des Lernmaterials (z. B. Bild-Text, Video), einhergehend mit der Ausprägung kognitiver Merkmale, wurden bislang wenig als Differenzierungsmöglichkeit in Betracht gezogen. Daher verfolgt das Projekt das Ziel, eine Individualisierung des experimentellen Lernprozesses mittels unterschiedlicher Repräsentationskombinationen und damit verbundener Gestaltungsmodi von Lernunterstützungen im naturwissenschaftlichen Erkenntnisprozess zu überprüfen. Einen zentralen Untersuchungsbereich bildet hierbei die Analyse des schülerspezifischen Blickverhaltens während der Nutzung der Lernunterstützungen, um mögliche Strategien im Umgang mit den Repräsentationskombinationen zu identifizieren und diese mit den individuellen Lernermerkmalen sowie der Lernleistung beim Experimentieren in Beziehung setzen zu können.
|
||
|
||
2.2 Theoretischer Hintergrund
|
||
Die unterrichtliche Umsetzung forschenden Lernens bspw. in der Planung und Durchführung eines Experiments setzt fachmethodisches und fachliches Wissen voraus (Aepkers & Liebig, 2002). Obwohl dem forschenden Lernen als kognitiver Problemlöseprozess ein hohes Potenzial zum Erwerb naturwissenschaftlicher Kompetenzen zugesprochen wird, kann die Komplexität jedoch auch zu schüler*innenspezifischen Schwierigkeiten (z. B. Hammann, 2004) führen und sich negativ auf den individuellen Lernweg auswirken. Sowohl die methodischen Anforderungen wie bspw. die Umsetzung der Variablenkontrollstrategie (Baur, 2018; Meier, 2016) als auch der konstruktivistische Ansatz des forschenden Lernens können in einer kognitiven Überlastung des Arbeitsgedächtnisses münden und somit den langfristigen Wissenserwerb minimieren (Kirschner et al., 2006; Furtak et al., 2009). Besonders der Planungsprozess verlangt von den Lernenden eine hohe Vernetzung der deklarativen und prozeduralen Wissensfacetten, da hier das gesamte experimentelle Vorgehen bereits kognitiv durchlaufen werden muss. In einem ständigen Zusammenspiel zum fachlichen Kontext müssen die Variablen identifiziert, operationalisiert, konstant gehalten oder variiert werden. Darüber hinaus beinhaltet der Planungsprozess die gezielte Materialauswahl sowie das Aufstellen eines Messkonzepts (z. B. Arnold et al., 2017; Klahr & Dunbar, 1988; Lederman et al., 2014).
|
||
Lernunterstützungen in Form von hard oder soft scaffolds (Wu & Pedersen, 2011; Brush & Saye, 2002; Puntambekar & Hubscher, 2005), die entweder auf Basis typischer Schüler*innenhürden entwickelt wurden (hard scaffolds: z. B. Prompts oder Lösungsbeispiele) oder individuelle Schwierigkeiten adaptiv aufgreifen (soft scaffolds: z. B. Feedback), können Prozesse der Encodierung anregen und negative Lernbelastungen verringern (Arnold et al., 2014; Kaiser et al., 2018; Wichmann & Leutner, 2009). Der generelle Effekt der kognitiven Entlastung ist aber nicht eindeutig beschrieben. Er ist von der Angebotsgestaltung, der Integration der Lernunterstützungen in die Lerngelegenheit sowie deren Nutzung und Wahrnehmung durch den Lernenden abhängig. Diese
|
||
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen …
|
||
|
||
21
|
||
|
||
zusammengefasste aktive Lernzeit wird beeinflusst durch die kognitiven (z. B. Repräsentationspräferenz, kognitiver Stil oder Vorwissen) und motivationalen Merkmale der Lernenden (Pashler et al., 2009; Höffler & Leutner, 2011; Koć‐ Januchta et al., 2019). Die Bereitstellung differenzierter Lernunterstützungen bspw. über die Variation der Repräsentationen stellt daher eine Möglichkeit dar, individualisierte hard scaffolds in den Erkenntnisprozess zu integrieren und somit die schüler*innenspezifischen Lernprozesse zu optimieren. Digitale Techniken eröffnen die Chance, vielfältige Repräsentationsformen zu konstruieren und einzusetzen (Irion & Scheiter, 2018). In digital gestützten Lernunterstützungen können multiple externe Repräsentationen nicht mehr nur aus analogen deskriptionalen und depiktionalen Repräsentationen (Ainsworth, 2006), sondern auch aus verbalsprachlichen Audiospuren oder symbolischen Texten in Verbindung mit statischen und dynamischen Bildern (Nitz et al., 2014; Weidemann, 2002) zusammengesetzt werden. Ob analog oder digital konstruierte Repräsentationskombinationen, für eine zielgerichtete und effektive Nutzung sollte auf kognitionspsychologische Gestaltungsprinzipien (Mayer, 2014; Sweller, 2005) zurückgegriffen werden, um die materialbezogenen Belastungen (extraneous loads; Sweller, 2005) innerhalb des Lernprozesses zu minimieren und freie Kapazitäten im Arbeitsgedächtnis zum Aufbau von Schemata und damit zum Lernen zu schaffen (Schmidt-Weigand et al., 2008). Folgt man diesen empirisch geprüften Gestaltungshinweisen, so werden Informationen effektiver verarbeitet und miteinander vernetzt, wenn sie den Lernenden u. a. multimedial und in Beziehung zueinander dargeboten werden (z. B. Multimedia-Prinzip, Kohärenzprinzip: Mayer, 2001; Split-AttentionEffekt: Sweller, 1999).
|
||
Wie die einzelnen Informationsträger, z. B. eine Bild-Text-Kombination, von den Lernenden genutzt und ob unterschiedliche Strategien zur Erschließung von multimodalen oder monomodalen Repräsentationskombinationen angewendet werden, wurde noch nicht repräsentationsübergreifend für einen inhaltlichen Kontext beschrieben (Lesestrategien: z. B. Philipp, 2015). Eine Möglichkeit, das Blickverhalten im Umgang mit Repräsentationskombinationen sichtbar zu machen, stellt der gezielte Einsatz von Eye-Tracking-Systemen dar (Holmqvist et al., 2011). Über die Indikatoren Fixationen und Sakkaden lässt sich das Ausmaß der visuellen (offenen) Aufmerksamkeit messbar machen, das selbst als ein Indikator der bewussten Wahrnehmung und somit der weiteren Informationsverarbeitung angesehen werden kann (Ansorge & Leder, 2011; Krejtz et al., 2016). Dies unterliegt der Annahme, dass durch das Fixieren einzelner visueller Elemente die räumliche Auflösung des Sehens erhöht wird und somit kognitive Ressourcen zur Reiz-/ Informationsverarbeitung zur Verfügung stehen (z. B. Luck & Ford, 1998). Im Zusammenhang mit Repräsentationen werden Eye-Tracking-Systeme vor allem für das Erfassen von Informationsverarbeitungsprozessen eingesetzt und die gesammelten Blickdaten quantitativ über unterschiedliche Metriken ausgewertet (z. B. Park et al., 2015; Krebs et al., 2019; Brückner et al., 2020; Richter et al., 2019). Besonders aus der Leseforschung ist bekannt, dass vorrangig die Fixationen und Sakkaden in Bezug auf die textgebundene, visuelle Aufmerksamkeit untersucht werden (z. B. Smyrnakis et al., 2017; Solheim & Uppstad,
|
||
|
||
22
|
||
|
||
M. Kastaun und M. Meier
|
||
|
||
2011). Hier zeigt sich u. a., dass schlechtere Leser*innen eine höhere Fixationsanzahl und Fixationsdauer gegenüber geübten Leser*innen aufzeigen (Kim & Lombardino, 2016; Nilsson Benfatto et al., 2016). Inwieweit eine qualitative Beschreibung des Blickverhaltens zu ergänzenden Aussagen in der Nutzung von Lernunterstützungen über die Identifikation von Mustern im Umgang mit den Repräsentationskombinationen führt, ist noch unklar.
|
||
|
||
2.3 Zielsetzung und Forschungsfragen
|
||
Die vorliegende Studie verfolgt daher das Ziel, das repräsentationsspezifische Blickverhalten während der Nutzung multimedialer Lernunterstützungen zu analysieren, um mögliche Muster und Strategien im Umgang mit statischen und dynamischen Repräsentationskombinationen und der damit einhergehenden Informationsverarbeitung zu identifizieren und zu beschreiben. Diese Muster im Blickverhalten können zukünftig genutzt werden, um Zusammenhänge zwischen der Ausprägung unterschiedlicher kognitiver Merkmale von Lernenden und dem Umgang mit unterschiedlichen Repräsentationskombinationen in Form von Lernunterstützungen zu untersuchen. Mit Blick auf das langfristige Forschungsziel, mögliche (Daten-)Triangulationen vornehmen zu können, soll zunächst entlang der folgenden zwei Forschungsfragen untersucht werden, ob Blickdaten aus methodischer Perspektive qualitativ erfasst und beschrieben werden können:
|
||
1. Inwiefern lässt sich das schüler*innenspezifische Blickverhalten von statischen und dynamischen Repräsentationskombinationen in Form von Lernunterstützungen beim Experimentieren (Planungsphase) mittels induktiver Kategorien zuverlässig qualitativ beschreiben?
|
||
2. Inwieweit lassen sich Muster im Blickverhalten unter Einbezug quantifizierender Eye-Tracking-Maße über eine qualitative Analyse von statischen und dynamischen Repräsentationskombinationen beschreiben und kategorisieren?
|
||
|
||
2.4 Material und Methode
|
||
Design und Studienablauf
|
||
Zur Untersuchung der Forschungsfragen wurde eine Interventionsstudie durchgeführt (für eine ausführliche Beschreibung des Studiendesigns s. Kastaun et al., 2018). In einem dreistündigen Experimentiermodul in der Experimentier-Werkstatt Biologie FLOX, einem Lehr-Lern-Labor der Universität Kassel, untersuchten Schüler*innen des 9. und 11. Jahrgangs (N = 73; ♀ = 66 %) den Einfluss der Temperatur auf die Aktivität von Hefezellen. Entlang des naturwissenschaftlichen Erkenntnisprozesses erarbeiteten sich die Lernenden in Kleingruppen das zuvor präsentierte Phänomen. Zu Beginn der Planungsphase wurden die Schüler*innen
|
||
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen …
|
||
|
||
23
|
||
|
||
angehalten, eigenständig in Einzelarbeit eine Lernunterstützung auszuwählen, diese zu betrachten und den Inhalt zu erfassen, um im Anschluss bspw. Variablen zu operationalisieren. Nach der Einzelintervention diskutierten die Lernenden ihre phasenbezogenen Ergebnisse und legten ihr weiteres gemeinsames, experimentelles Vorgehen fest.
|
||
|
||
Lernunterstützungen/Material
|
||
Die Lernunterstützungen wurden den Lernenden in vier unterschiedlichen Repräsentationskombinationen zur Verfügung gestellt. Die auf Basis kognitionspsychologischer Prinzipien (z. B. Mayer, 2014; Sweller, 2005) konstruierten Lernunterstützungen sind sowohl designspezifisch als auch inhaltlich identisch (Meier & Kastaun, 2021). Ohne fachlichen Bezug fassen sie das fachmethodische Wissen der jeweiligen Phase des Erkenntnisprozesses zusammen und stellen somit eine fach- und experimentübergreifende Unterstützung dar. Die Lernunterstützungen unterscheiden sich jedoch hinsichtlich ihrer Kombinationen an Einzelrepräsentationen. Die Bild-Text- sowie die Bild-Audio-Kombination umfassen die statischen Lernunterstützungen, die Animation, bewegtes Bild und Text, und das Video, bewegtes Bild und Audio, können als dynamische Repräsentationskombinationen zusammengefasst werden.
|
||
|
||
Methode
|
||
Zur Erfassung der Blickdaten wurden die Schüler*innen nach freier Auswahl einer Lernunterstützung gebeten, sich diese an einem Eye-Tracking-System, bestehend aus Bildschirm, Laptop und Eye-Tracker anzusehen (Kastaun et al., 2020). Zur Aufzeichnung wurde der monitorbasierte Eye-Tracker Tobii-Pro X3-120, verbunden mit einem 22-Zoll-Bildschirm (1920 × 1080), verwendet. Die Augenbewegungen (binokular) werden dabei in einer Frequenz von 120-mal pro Sekunde (120 Hz) durch die Reflexion des Infrarotlichtes im Auge aufgezeichnet. Das verwendete System hat zudem eine hohe Genauigkeit (<0.4°) und erlaubt es den Probanden, sich während der Aufnahme in einem Abstand von etwa 60–80 cm frei vor dem Bildschirm zu bewegen. Zur Durchführung und Auswertung der Eye-Tracking-Daten wurde die Software Tobii Studio in der Version 3.4.8 eingesetzt (Tobii AB, 2016). Vor jeder Aufzeichnung der Blickdaten erfolgte eine individuelle 9-Punkt-Kalibrierung.
|
||
|
||
Auswertung
|
||
Entsprechend der dieser Studie zugrunde liegenden qualitativen Forschungsausrichtung fiel die Entscheidung in der Auswertungsmethodik gegen die Anwendung
|
||
|
||
24
|
||
|
||
M. Kastaun und M. Meier
|
||
|
||
einer rein quantitativen Analyse der standardisierten Eye-Tracking-Metriken (Holmqvist et al., 2011). Über diese werden meist Selektions-, Organisationsund Integrationsprozesse von repräsentationsbedingten Informationen erfasst und analysiert (z. B. Scheiter et al., 2018; Takacs & Bus, 2016). Da das Interventionsmaterial, vor allem aber die monomedialen Lernunterstützungen, eine Fülle an textlichen Informationen aufweist, wurde eine Auswertung der Sakkaden, deren Längen und Richtungen, als weniger aussagekräftig eingestuft. Ausschließlich die absoluten Fixationsanzahlen innerhalb der Repräsentationskombinationen sowie die qualitativ gemessene Fixationsdauer wurden mit in die Datenauswertung einbezogen.
|
||
Im Rahmen dieser Studie wurde eine inhaltsanalytische, studienangepasste Auswertungsmethodik entwickelt und angewendet. Die Zusammenführung von Eye-Tracking als Messinstrument mit der Inhaltsanalyse als Auswertungsmethode repräsentiert den explorativen Charakter dieser Studie. Auf Basis der qualitativen Inhaltsanalyse nach Mayring (2016) erfolgte eine systematisierte Bearbeitung der Blickdaten, welche mittels induktiver Kategorienbildung beschrieben und analysiert wurden. Diese methodische Vorgehensweise, so Mayring (2016, S. 86), „strebt nach einer möglichst naturalistischen, gegenstandsnahen Abbildung des Materials ohne Verzerrungen durch Vorannahmen des Forschers“ und ermöglicht im Anschluss eine Quantifizierung der fallbasierten, übergeordneten Oberkategorien (Kuckartz, 2018; Mayring, 2016). Des Weiteren wurden methodische Elemente der quantitativen Inhaltsanalyse (Lamneck & Krell, 2016; Neuendorf, 2017) genutzt, die eine „Forschungstechnik zur Erstellung replizierbarer und valider Inferenzen von Texten oder anderen aussagekräftigen Botschaften auf den Kontext ihres Gebrauchs“ (Hutter, 2019, S. 3) darstellen. Mittels der Frequenzanalyse, einer Form quantitativer Inhaltsanalyse, werden ausgewählte Materialelemente, wie in der vorliegenden Studie Blickpunkte, ausgezählt und als Indikatoren für die individuelle, visuelle Aufmerksamkeit analysiert (Lamneck & Krell, 2016).
|
||
Der Auswertung vorangestellt fand eine Aufbereitung des blickdatenbasierten Materials in Form von Transkripten statt (Abb. 2.1). Zu diesem Zweck wurden zunächst die gesammelten, individuellen Blickdaten mittels der gaze plotsReplays und der prozentualen Kalibrierungsgenauigkeit gesichtet (0). Während dieser ersten Materialsichtung wurden drei Fälle der Bild-Text-Kombination und zwei der Animation aufgrund schlechter Kalibrierung ausgeschlossen. Auf Basis verbindlicher Transkriptionsregeln (Codebuch) wurde der Blickweg jedes Probanden verschriftlicht (I). Bei der Transkription handelt es sich „um einen theoriegeleiteten selektiven Prozess“ (Dresing & Pehl, 2020, S. 7), der im Zuge einer regelbasierten Verschriftlichung von Blickdaten bereits zur ersten Kategorisierung im Datenmaterial führt. Ausschlaggebend hierbei ist das Format der Daten, die nicht, wie in der qualitativen (Sozial-)Forschung üblich, auf Gesprächen oder Handlungsbeschreibungen beruhen (z. B. Regelsystem für qualitative Forschung von Dresing & Pehl, 2015). Die Erstellung der Transkripte (I) der monomedialen Lernunterstützungen (Animation und Bild-Text-Kombination) erfolgte mithilfe der gaze plot-Replays, die den Blickverlauf in seiner zeitlichen Reihenfolge und der
|
||
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen …
|
||
|
||
Abb. 2.1 Studienangepasstes Prozessmodell quantitativer (grau hinterlegt) und qualitativer Inhaltsanalyse von Blickdaten. (Angelehnt an Hutter, 2019; Lamneck & Krell, 2016; Mayring, 2016; Neuendorf, 2017)
|
||
|
||
25
|
||
|
||
26
|
||
|
||
M. Kastaun und M. Meier
|
||
|
||
Fixationsdauer wiedergeben. Dabei wurden alle Fixationspunkte bis zum Ende der Aufzeichnung transkribiert. Die Transkription der Bild-Text-Kombination erfolgte timebasiert und satzweise. Die Blickverläufe in der Animation wurden hingegen eventbasiert, also pro inhaltliches Event, bestehend aus dem Erscheinen des Textes und ggf. der dazugehörigen Visualisierung, vollzogen.
|
||
Im Anschluss der Transkription erfolgten eine inhaltlich-strukturierende, qualitative Inhaltsanalyse und eine Erweiterung des Codebuches mit dem dazugehörigen Sampling, Training und Codierung (Frequenzanalyse) (Abb. 2.1). Da der inhaltsanalytische Umgang mit Blickdaten ein exploratives Vorgehen darstellt, wurde das Datenmaterial in Form der transkribierten Blickverläufe in Gänze (Auswahleinheit) analysiert (kein Selektionskriterium, Auswahleinheit = Analyseeinheit). Die Codiereinheiten ergeben sich aus den Transkriptionselementen, die die jeweiligen Einzelrepräsentationen der Repräsentationskombination darstellen. So wurden das statische bzw. bewegte Bild und der gesamte Text bzw. die Textelemente zum einen nach formalen Kategorien, wie bspw. der Anzahl der Bild-Text-Verknüpfungen (Transitionen), und zum anderen nach inhaltlichen Kategorien, wie bspw. der Anzahl der Wortfixierungen auf Fachbegriffen, ausgewertet. Zu diesen wurde ein mittelhohes Abstraktionsniveau repräsentationsspezifisch festgelegt, d. h., es wurden nicht die Einzelfixationspunkte, sondern die Fixationssummen pro Einzelrepräsentation pro zeitliches oder eventbasiertes Ereignis betrachtet. Als Kontexteinheiten wurden die inhaltlichen Abschnitte der textlichen Informationen definiert. Demnach wurden je nach Repräsentationskombination entweder mehrere Satzabschnitte oder Events den übergeordneten inhaltlichen Kontexten, der Einführung, der Variablenoperationalisierung, dem Messkonzept und der Zusammenfassung zugeordnet, die als Hilfskonstrukte in die Inhaltsanalyse mit einbezogen wurden (Rössler, 2017). Im Anschluss daran erfolgte das Sampling (III 3.), indem anhand der Transkripte induktiv Kategorien gebildet wurden. Anhand der in den gewonnenen Hauptkategorien vorstrukturierten Blickdateninformationen wurden am Material Subkategorien in zwei weiteren kumulativen Materialdurchgängen mit dem kompletten Datensatz über Kategorienformulierung, Subsumption oder neuer Kategorienbildung sowie weitere Subsumption und Reduktion der Kategorienanzahl gebildet (III 4.). Nach der ersten Kategorienbildung wurden 50 % des Materials doppelt codiert und die Intercoderreliabilität ermittelt (IV). Mit dem überarbeiteten Kategoriensystem erfolgte ein finaler Materialdurchgang (V). Im letzten Schritt, der Kategoriensystementwicklung, wurde das gesamte Datenmaterial (100 %) von zwei Ratern doppelt codiert, um die Reliabilität zu prüfen, mittels interpersoneller, diskursiver Konsensbildung hinsichtlich der Kategorienbeschreibungen zu verbessern und das Kategoriensystem zu finalisieren (VI). Nach Abschluss der Kategorienbildung und Fallzuordnung wurde das Blickverhalten fallspezifisch beschrieben und es wurden die Häufigkeiten der Kategorien aufgeführt, um mögliche fallbezogene Gemeinsamkeiten und Unterschiede hinsichtlich der individuellen Subkategorien zu analysieren (VII) (Mayring, 2016).
|
||
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen …
|
||
|
||
27
|
||
|
||
2.5 Ergebnisse
|
||
|
||
Ergebnisse zu Forschungsfrage 1 Im Vordergrund der Entwicklung und Anwendung von induktiv gewonnenen Kategorien steht die inhaltsgetreue Beschreibung des Blickverhaltens von statischen und dynamischen Repräsentationen als Unterstützungsquelle beim Experimentieren. Auf Basis der Codiereinheiten können sowohl formale als auch inhaltliche text- und bildbezogene Kategorien aus dem Material abgeleitet und beschrieben werden, die übergreifend für beide Repräsentationskombinationen (Bild-Text und Animation) gültig sind (Tab. 2.1). Die kategoriale Zuordnung der Fälle (nBild-Text = 21; nAnimation = 13) zeigt eine sehr gute Zuverlässigkeit des zugrunde gelegten Systems (Bild-Text: 0.89 ≤ κ ≤ 1, p = .000; Animation: 0.91 ≤ κ ≤1, p = .000) (Bewertung nach Landis & Koch, 1977; Gwet, 2012).
|
||
Insgesamt konnten 14 repräsentationsübergreifende Kategorien identifiziert und über 39 Subkategorien näher beschrieben werden (Tab. 2.1). Darüber hinaus konnten weitere inhalts- und formalbezogene Kategorien spezifisch für jede Repräsentationskombination identifiziert werden, die sich durch die Eigenschaften der jeweiligen Einzelrepräsentation ergeben.
|
||
|
||
Weitere Kategorien zur Bild-Text-Kombination: Da die Bild-Text-Kombination eigenständig und selbstreguliert durch den Lernenden genutzt werden konnte, können die Kategorien in zwei zeitliche Abschnitte eingeteilt werden – den ersten und zweiten Leseprozess. Es werden sieben weitere Kategorien innerhalb der Bild-Text-Kombination identifiziert. Dazu zählen für den zweiten Leseprozess sechs formale und eine inhaltliche Kategorie in der Codiereinheit Text sowie die in Tab. 2.1 aufgeführten bildbasierten Kategorien zum zweiten Lesen (Tab. 2.2).
|
||
|
||
Weitere Kategorien zur Animation: Die Animation konnte im Gegensatz zur Bild-Text-Kombination nur bedingt selbstreguliert genutzt werden, da die Informationsdarstellung in ihrer zeitlichen Abfolge festgeschrieben ist. Durch das Erscheinen und Verschwinden einzelner Textelemente sowie durch das bewegte, aufbauende Bild wird die visuelle Aufmerksamkeit der Lernenden auf beide Einzelrepräsentationen gesteuert. Da durchschnittlich wesentlich mehr Bild-TextVerknüpfungen (Tansitionen) und Bilderschließungen vorliegen, werden hier die Fixationsanzahlen für jede Kategorie hinzugezogen. In der Folge werden zwei weitere Kategorien – Fixationsanzahl Bild-Text-Verknüpfung (κ = 1, p = .000) und Fixationsanzahl Bilderschließung (κ = 1, p = .000) induktiv aus dem Material gebildet.
|
||
|
||
Ergebnisse zu Forschungsfrage 2 Nach der kategorienbasierenden Beschreibung des Blickverhaltens erfolgt für jede monomodale Repräsentationskombination die Auswertung formatgestützter Muster im Blickverhalten mittels einer Fallzuordnung. Dazu werden zunächst
|
||
|
||
28
|
||
|
||
M. Kastaun und M. Meier
|
||
|
||
Tab. 2.1 Repräsentationsübergreifende formale und inhaltliche Kategorien und deren kategorienbezogene Beschreibung. SK = Subkategorie
|
||
|
||
Codiereinheit Oberkategorie
|
||
|
||
Codieranweisung
|
||
|
||
SK
|
||
|
||
Text Formal Formale Lesewiederholungen Ein Satz wird als wiederholt
|
||
|
||
3
|
||
|
||
Anzahl der Satzwiederholungen gewertet, wenn mindestens 1/3 über den gesamten Leseprozess der Wörter des jeweiligen Satzes
|
||
erneut gelesen wurden.
|
||
|
||
Formale Lesegenauigkeit
|
||
Intensität des Lesens bezogen auf die Anzahl der Wörter pro Satz im Verhältnis zur tatsächlichen Fixationsanzahl pro Satz
|
||
|
||
Es werden satzweise die Fixationsanzahlen ausgezählt und mit der absoluten Wortanzahl pro Satz ins Verhältnis gestellt.
|
||
|
||
2 (B-T) 3 (A)
|
||
|
||
Lesefluss
|
||
Durchschnittliche Lesegenauigkeit über den gesamten Leseprozess (Text oder Events)
|
||
|
||
Es wird die formale Lesegenauigkeit über den gesamten Text hin überprüft (konstante Lesegenauigkeit, wechselnde Lesegenauigkeit, max. in zwei Sätzen erhöhte Lesegenauigkeit).
|
||
|
||
3 (B-T) 2 (A)
|
||
|
||
Wortfixierungen nach Fixations- Eine Wortfixierung nach
|
||
|
||
3
|
||
|
||
anzahl
|
||
|
||
Fixationsanzahl wird angesehen,
|
||
|
||
Wortfixierungen nach Fixations- wenn mehr als zwei Fixationen
|
||
|
||
anzahl bezieht sich auf die
|
||
|
||
pro Silbenanzahl eines Wortes
|
||
|
||
Fixationshäufigkeit eines
|
||
|
||
gezählt werden konnten.
|
||
|
||
Wortes
|
||
|
||
Wortfixierungen nach Fixations- Ist ein Fixationspunkt im Ver- 3
|
||
|
||
dauer
|
||
|
||
hältnis zu dem durchschnitt-
|
||
|
||
Wortfixierungen nach Fixations- lichen Punktdurchmesser pro
|
||
|
||
dauer bezieht sich auf die Größe Satz mindestens doppelt so groß,
|
||
|
||
bzw. den Durchmesser einzelner so wird dies als Wortfixierung
|
||
|
||
Fixationspunkte
|
||
|
||
angesehen.
|
||
|
||
Gesamte Wortfixierungen
|
||
|
||
Es werden die Häufigkeiten der 3
|
||
|
||
Die Summe aus der Anzahl der Wortfixierungen nach Fixations-
|
||
|
||
Wortfixierungen nach Fixations- anzahl und Fixationsdauer
|
||
|
||
anzahl und Fixationsdauer
|
||
|
||
gezählt.
|
||
|
||
Fixationsanzahl Text
|
||
Alle Fixationspunkte pro textliches Element
|
||
|
||
Es werden alle Fixationen inner- 2 halb des textlichen Elementes gezählt.
|
||
|
||
Inhaltlich Inhaltliche Lesewiederholungen Es wird die Anzahl der Sätze in 4
|
||
|
||
Die Sätze (bezogen auf die Kontexteinheiten), die mehrfach im gesamten Text oder in einzelnen Events gelesen werden (Lesewiederholungen pro Kontexteinheit)
|
||
|
||
Bezug auf den jeweiligen Textabschnitt bzw. der jeweiligen Events inhaltsbezogen ausgewertet, welche mehrfach gelesen wurden (formale Lesewiederholung).
|
||
|
||
(Fortsetzung)
|
||
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen …
|
||
|
||
29
|
||
|
||
Tab. 2.1 (Fortsetzung)
|
||
|
||
Codiereinheit Oberkategorie
|
||
|
||
Codieranweisung
|
||
|
||
SK
|
||
|
||
Inhaltliche Lesegenauigkeit
|
||
|
||
Es wird die Anzahl der Sätze in 4
|
||
|
||
Die Sätze (bezogen auf die Kontexteinheiten), die eine erhöhte formale Lesegenauigkeit über den gesamten Text oder in den einzelnen Events aufweisen (Lesegenauigkeit pro Kontexteinheit)
|
||
|
||
Bezug auf den jeweiligen Textabschnitt bzw. der jeweiligen Events inhaltsbezogen ausgewertet, welche eine erhöhte Fixationsanzahl pro Satz als Wörter pro Satz aufweisen (formale Lesegenauigkeit).
|
||
|
||
Wortfixierungen nach Inhalt
|
||
Auf Basis der Wortfixierungen nach Fixationsanzahl und Fixationsdauer werden die fixierten Wörter inhaltsanalytisch beschrieben
|
||
|
||
Es werden die fixierten Wörter 4 auf Basis der Fixationsanzahl und der Fixationsdauer in Gruppe „Fachbegriffe“ oder „keine Fachbegriffe“ zugeordnet.
|
||
|
||
Bild Formal
|
||
|
||
Anzahl Bild-TextVerknüpfungen
|
||
Summe der absoluten Verknüpfungen zwischen beiden Einzelrepräsentationen (Transitionen)
|
||
|
||
Eine Bild-Text-Verknüpfung 3 wird dann gezählt, wenn innerhalb des Lesens Blicksprünge zur bildlichen Repräsentation und im Anschluss erneut auf den Text (auf die letzte oder nächstgelegene Textstelle) vorgenommen werden. Dabei wird der Blickweg wie folgt beschrieben: letzte Textstelle, bildliche Teilelemente, neue Textstelle.
|
||
|
||
Anzahl Bilderschließungen
|
||
Summe textungebundener Bildbetrachtung (alleiniges Betrachten der Elemente innerhalb des Bildes, keine Transitionen zum Text)
|
||
|
||
Eine Bilderschließung wird dann 2 gezählt, wenn keine Bild-TextVerknüpfungen (Transitionen) vorgenommen werden. Es wird der Blickweg über das Aufzählen der bildlichen Teilelemente dokumentiert.
|
||
|
||
Fixationsanzahl Bild
|
||
Alle Fixationspunkte pro bildliches Element
|
||
|
||
Es werden alle Fixationen inner- 2 halb des bildlichen Elementes gezählt.
|
||
|
||
Inhaltlich Anzahl inhaltlich korrekter Ver- Es werden die korrekten Ver- 3
|
||
|
||
knüpfungen
|
||
|
||
knüpfungen zwischen den
|
||
|
||
Prozentuale Auswertung der fachlich korrekten Bild-Text Verknüpfungen
|
||
|
||
Wörtern und/oder Sätzen und der bildlichen Elemente innerhalb der Einzelrepräsentation analysiert, ausgezählt sowie
|
||
|
||
prozentual ins Verhältnis zu
|
||
|
||
den Bild-Text Verknüpfungen
|
||
|
||
gestellt.
|
||
|
||
30
|
||
|
||
M. Kastaun und M. Meier
|
||
|
||
Tab. 2.2 Kategorien für das zweite Lesen bei der Bild-Text-Kombination (0.95 ≤ κ ≤ 1, p = .000). SK = Subkategorie
|
||
|
||
Codiereinheit
|
||
|
||
Oberkategorie
|
||
|
||
SK
|
||
|
||
Text Formal Zweites Lesen
|
||
|
||
2
|
||
|
||
Beginn zweites Lesen
|
||
|
||
2
|
||
|
||
Reihenfolge beim zweiten Lesen
|
||
|
||
2
|
||
|
||
Satzanzahl beim zweiten Lesen
|
||
|
||
3
|
||
|
||
Lesefluss zweites Lesen
|
||
|
||
3
|
||
|
||
Fixationsanzahl Text beim zweiten Lesen
|
||
|
||
3
|
||
|
||
Inhaltlich Inhaltsbezogene Lesewiederholung
|
||
|
||
3
|
||
|
||
Bild Formal Anzahl Bild-Text-Verknüpfungen beim zweiten Lesen
|
||
|
||
3
|
||
|
||
Anzahl der Bilderschließungen beim zweiten Lesen
|
||
|
||
2
|
||
|
||
Fixationsanzahl Bild zweites Lesen
|
||
|
||
2
|
||
|
||
Inhaltlich Anzahl inhaltlich korrekter Verknüpfungen beim zweiten Lesen 3
|
||
|
||
die formalen Kategorien genutzt, um repräsentationsbedingte Muster zu analysieren und Triangulationen mit repräsentationsbezogenen, schüler*innenspezifischen Merkmalsausprägungen (z. B. kognitiver Stil) zu ermöglichen (Kastaun et al., 2021). Basierend auf einer Auswahl formaler Kategorien werden vier Merkmalsräume für die einzelnen Repräsentationskombinationen gebildet (Tab. 2.3). Es erfolgt eine Zuordnung der Fälle (A-UBT) zu den einzelnen Zellen des Merkmalsraumes mittels der kategorienbasierten Beschreibungen. Über eine Fallkontrastierung, also den Vergleich aller Fälle innerhalb einer Zelle, wird die interne Homogenität geprüft, um die Abgrenzung zu den anderen gruppierten Fällen zu gewährleisten (externe Heterogenität) (Kelle & Kluge, 2010).
|
||
|
||
Tab. 2.3 Ein vierdimensionaler Merkmalsraum am Beispiel der formal-textbezogenen Kategorien der Bild-Text-Kombination (BT)
|
||
|
||
LESEFLUSS
|
||
|
||
Wechsel innerhalb des Leseflusses (1/2/0)
|
||
|
||
max. 2 Wechsel im Lesefluss
|
||
|
||
durchweg mehr Fixationen als Wörter pro Satz (2)
|
||
|
||
FORMALE LESEGENAUIGKEIT
|
||
|
||
FIXATIONSANZAHL TEXT (Erstes Lesen)
|
||
ZWEITES LESEN
|
||
|
||
200-350 Fixation
|
||
351-500 Fixationen
|
||
> 500 Fixationen
|
||
|
||
kein oder max. 1 Satz hat 20 Fixationen /
|
||
Satz als Wörter/ Satz
|
||
mehr
|
||
|
||
mind. 2 Sätze haben 20 Fixationen/ Satz als
|
||
Wörter/ Satz mehr
|
||
|
||
kein oder max. 1 Satz hat 20 Fixationen /
|
||
Satz als Wörter/ Satz
|
||
mehr
|
||
|
||
mind. 2 Sätze haben 20 Fixationen/ Satz als
|
||
Wörter/ Satz mehr
|
||
|
||
kein oder max. 1 Satz hat 20 Fixationen /
|
||
Satz als Wörter/ Satz
|
||
mehr
|
||
|
||
mind. 2 Sätze haben 20 Fixationen/ Satz als
|
||
Wörter/ Satz mehr
|
||
|
||
ja
|
||
|
||
JBT / KBT / PBT/ TBT / UBT
|
||
|
||
nein
|
||
|
||
LBT
|
||
|
||
Ja
|
||
|
||
RBT
|
||
|
||
nein
|
||
|
||
Ja
|
||
|
||
nein
|
||
|
||
HBT
|
||
|
||
IBT
|
||
|
||
GBT
|
||
|
||
BBT
|
||
|
||
DBT / FBT
|
||
|
||
NBT
|
||
|
||
EBT / QBT
|
||
|
||
CBT / MBT
|
||
|
||
OBT / SBT ABT
|
||
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen …
|
||
|
||
31
|
||
|
||
Unter Hinzunahme theoretischer und empirisch geprüfter Konzepte zum Umgang mit Texten und Bildern (z. B. Philipp, 2015; Schnotz & Lowe, 2003) wird eine Reduktion der Merkmalsräume vorgenommen, um die Gemeinsamkeiten und Unterschiede der Fallzuordnungen zu spezifizieren und größere Fallgruppen zu bilden. Dabei können zwölf unterschiedliche Strategien im Umgang mit den bildlichen und textlichen Informationen identifiziert werden (Tab. 2.4). Exemplarisch werden die formal-textbezogenen Strategien der Bild-Text-Kombination und die formal-bildbezogenen Strategien der Animation im Folgenden näher beschrieben.
|
||
|
||
Formal-textbezogene Strategien der Bild-Text-Kombination: Mittels der formaltextbezogenen Kategorien können drei unterschiedliche Strategien (Tab. 2.4) im Umgang mit der textlichen Repräsentation innerhalb der Bild-Text-Kombination herausgearbeitet werden. Anhand der Fälle JBT/KBT/PBT/TBT/UBT/LBT und RBT (Tab. 2.3) und deren gemeinsamer subkategorialer Ausprägungen in den Oberkategorien Lesefluss, Formale Lesegenauigkeit, der Fixationsanzahl Text beim ersten Lesen sowie Zweites Lesen wird die Strategie des selektiv-gezielten Lesens abgeleitet. Wie an den Beispielfällen JBT/KBT/TBT und UBT ersichtlich (Abb. 2.2), haben sie einen ständigen Wechsel innerhalb ihres Leseflusses beim ersten Leseprozess gemein, d. h., sie lesen die einzelnen Sätze des Textes mit einer stetig variierenden Lesegenauigkeit. Darüber hinaus haben sie mit einer Ausnahme (Fall RBT) keinen bzw. nur einen Satz mit einer wesentlich höheren Fixationsanzahl (mindestens 20 mehr) pro Satz als Wörter pro Satz gelesen. Bezieht man die Kategorien Fixationsanzahl Text beim ersten und zweiten Lesen mit ein, so weisen beide eine sehr geringe Fixationsanzahl (200–350 Fixationen/ Ausnahmefall RBT) und ein erneutes Lesen nach dem ersten Erfassen des Textes auf. Kontrastierend dazu stehen die Fälle DBT/FBT/CBT/MBT/OBT/ SBT und ABT (Abb. 2.2). Sie vereint ein intensiver Lesefluss, da die Anzahl der Fixationen beim ersten Lesen durchweg höher ist als die Anzahl der Wörter pro Satz. Mit Ausnahme der Fälle DBT und FBT können fallübergreifend mindestens zwei Sätze mit mehr als 20 Fixationen mehr als Wörter pro Satz in der Kategorie Lesegenauigkeit festgestellt werden. Im Gegensatz zu den selektiv-gezielten
|
||
|
||
Tab. 2.4 Formal-text- und bildbezogene Strategien im Umgang mit der Bild-Text-Kombination und der Animation (κ = 1, p = .000)
|
||
|
||
Strategien im Umgang mit Bild- Strategien im Umgang
|
||
|
||
Text-Kombination
|
||
|
||
mit Animation
|
||
|
||
Text Formal Selektiv-gezieltes Lesen
|
||
|
||
Extensiv-suchendes Lesen
|
||
|
||
Intensiv-umfassendes Lesen
|
||
|
||
Wiederholend-intensives Lesen
|
||
|
||
Partiell-detailliertes Lesen
|
||
|
||
Selektiv-wiederholendes Lesen
|
||
|
||
Bild Formal Bild-Text-Erschließung
|
||
|
||
Bild-Text-Erschließung
|
||
|
||
Selektive Bilderschließung und Text-Bild-Integration
|
||
|
||
Selektive Bilderschließung und Text-Bild-Integration
|
||
|
||
Text-Bild-Integration
|
||
|
||
Text-Bild-Integration
|
||
|
||
32
|
||
|
||
M. Kastaun und M. Meier
|
||
|
||
Abb. 2.2 Strategien: Selektiv-gezieltes Lesen (Fälle: JBT, UBT; links) und intensiv-umfassendes Lesen (Fälle: OBT, SBT; rechts) anhand der gaze plotVisualisierungen der Bild-Text-Kombination
|
||
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen …
|
||
|
||
33
|
||
|
||
Leserinnen und Lesern variieren diese Fälle in der Durchführung eines zweiten Leseprozesses und weisen im Durchschnitt eine wesentlich höhere Fixationsanzahl auf den Text beim ersten Lesen auf. Fußend auf diesen subkategorialen Ausprägungen werden diese Fälle als intensiv-umfassende Leserinnen und Leser zusammengefasst. Als weitere textbezogene Strategie kann das partiell-detaillierte Lesen identifiziert werden. Die zugeordneten Fälle eint ein Lesefluss mit maximal zwei Wechseln in der satzbezogenen Lesegenauigkeit und eine mittlere Fixationsanzahl Text beim ersten Lesen, sie variieren aber in ihren Ausprägungen innerhalb der Kategorien Formale Lesegenauigkeit und Zweites Lesen.
|
||
Formal-bildliche Strategien der Animation: Auf Basis der formal-bildlichen Kategorien können über Fallzuordnungen drei unterschiedliche Strategien im Umgang mit der dynamischen Bildrepräsentation ermittelt werden (Tab. 2.4). Über die Zuordnung der Fälle BA/DA/MA und NA in den Kategorien der Anzahl BildText-Verknüpfungen, der Anzahl Bilderschließungen sowie der Einbeziehung der Fixationszahl Bild werden fallübergreifende Gemeinsamkeiten hinsichtlich der Ausprägung in den Subkategorien identifiziert. Zusammengefasst als die Strategie der selektiven Bilderschließung und Text-Bild-Integration weisen diese Fälle eine geringe Anzahl an Bilderschließungen sowie Bild-Text-Verknüpfungen auf und somit eine geringe Gesamtfixationsanzahl auf dem bewegten Bild. Im Gegensatz dazu weisen die Fälle AA/GA/HA/IA eine geringe Anzahl an Bild-TextVerknüpfungen auf. Sie eint eine hohe Einbeziehung des Bildes innerhalb des Leseprozesses, teilen aber eine geringe Anzahl an Bilderschließungen. Die Anzahl der Fixationen auf dem Bild variiert jedoch fallspezifisch. Zusammengefasst lassen sich diese Fälle als Bild-Text-Integrierer beschreiben. Die Strategie der Bild-Text-Erschließung lässt sich über die subkategorialen Ausprägungen bezüglich einer hohen Anzahl an Bilderschließungen (Ausnahmefall: KA) und einer mittleren Anzahl an Bild-Text-Verknüpfungen beschreiben. Die Fälle EA/JA/KA/ FA und LA variieren jedoch ebenfalls hinsichtlich ihrer Gesamtfixationsanzahlen auf dem Bild (Abb. 2.3).
|
||
|
||
2.6 Diskussion
|
||
In der vorliegenden Studie wurde eine methodische Vorgehensweise (weiter-) entwickelt, Blickdaten qualitativ über kategoriale Beschreibungen des Blickverhaltens von Schüler*innen zu analysieren. Ein zentraler Befund stellt zunächst die Transkription der individuellen Blickdaten über das kategoriengestützte Auszählen und Summieren von Fixationspunkten auf bildlichen, symbolischen und textlichen Elementen dar. Auf Basis dieser Transkripte und unter Hinzunahme der methodischen Schritte der quantitativen und qualitativen Inhaltsanalyse (Hutter, 2019; Mayring, 2016) konnten (weitere) Kategorien induktiv aus dem Material übergreifend und spezifisch für die Bild-Text-Kombination und Animation abgeleitet und definiert werden. Über 14 repräsentationsübergreifende und elf (Bild-Text) bzw. zwei (Animation) spezifische Kategorien lässt
|
||
|
||
34
|
||
|
||
M. Kastaun und M. Meier
|
||
|
||
Abb. 2.3 Strategien: Selektive Bilderschließung und Text-Bild-Integration (Fälle: BA, MA; links) und Bild-Text-Erschließung (Fälle: JA, BA; rechts) anhand der gaze plotVisualisierungen der Animation
|
||
sich das Blickverhalten der einzelnen Probanden sowohl inhaltsbezogen als auch formal deskriptiv beschreiben (F1). Unter Hinzunahme theoretischer Konzepte, wie der Lesearten und -strategien (Leisen, 2010; Mayer & Marks, 2019; Philipp, 2015), empirischer (Eye-Tracking) Befunde aus der Leseforschung (z. B. Kim & Lombardino, 2016) sowie des indikatorischen Bildverstehens (z. B. Niegemann et al., 2008; Schnotz & Lowe, 2003) und der kategorienbezogenen Zuordnung der Fälle, konnten zwölf unterschiedliche Strategien im Umgang mit den textlichen und bildlichen Einzelrepräsentationen beschrieben werden (F2). Offen bleibt jedoch, ob das schülerspezifische Blickverhalten hinsichtlich der untersuchten monomedialen Lernunterstützungen auf unterschiedliche Ausprägungen kognitiver und motivationaler Merkmale basiert. Mögliche Einflüsse könnten auf Unterschiede in der individuellen Varianz des Vorwissens (z. B. Schnotz & Lowe, 2003; Weidenmann, 1993), der sprachlichen Fähigkeiten, der Repräsentationskompetenz (Mayer & Massa, 2003) oder des kognitiven Stils (Koć‐Januchta et al., 2019) zurückgeführt werden. Dies gilt es, zukünftig über (Daten-)Triangulationen inhaltlich zu untersuchen, um auch die (methodische) Aussagekraft der qualitativen Ergebnisse der hier vorliegenden Studie zu überprüfen. Neben den individuellen Merkmalen der Lernenden kann aber auch die Gestaltung der Lernunterstützungen selbst eine Ursache für das aufgezeichnete Blickverhalten sein. So liegt der visuellen Darstellungsweise der statischen und bewegten Bilder in den Lernunterstützungen keine fachliche Logik zugrunde, wie es bei der Erfassung von Diagrammen oder Schemata der Fall ist (z. B. Schnotz, 2002). Hier greifen attentive Regeln, welche u. a. eine Systematik in der Bildernutzung und eine größere mentale Anstrengung seitens der Lernenden verlangen (Niegemann et al., 2008).
|
||
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen …
|
||
|
||
35
|
||
|
||
Die textlichen Elemente der Lernunterstützungen sind dahingehend konzipiert, dass teilweise sprachlich ein direkter Bezug auf die Abbildungen gegeben und so das Bildverstehen unterstützt wird (Weidenmann, 1993). Ebenso ist die visuelle Aufmerksamkeitssteuerung der bewegten Bilder in die Interpretation der Ergebnisse mit einzubeziehen. So zeigt sich ein erheblicher Unterschied in der Nutzungshäufigkeit der bildlichen Darstellungen (z. B. gemessen über die Kategorie Anzahl Bild-Text-Verknüpfung, Anzahl Bilderschließung) zwischen der Bild-TextKombination und der Animation, welche sich auf die Dynamik zurückführen lässt.
|
||
Aufgrund der hohen Informationsdichte in der Planungsphase ist vor allem der Text in den Lernunterstützungen umfangreich und komprimiert. In der Zusammenführung der in dieser Studie eingesetzten Lernunterstützungen mit der EyeTracking-Mess- und Datenerfassungsmethodik haben sich insbesondere bei den textreichen Formaten methodisch-technische Grenzen gezeigt. Die Auswertung der Blickpunkte auf den textlichen Elementen stellte eine besondere Herausforderung dar, da teilweise an den Rändern des Bildschirmes bzw. der jeweiligen Lernunterstützungen Kalibrierungsfehler sichtbar wurden, d. h., die Blickpunkte verrutschten in den Satzzeilen oder lagen außerhalb des aufgenommenen Bereichs und erschwerten somit die eindeutige Transkription und demzufolge die qualitative Auswertung. Dies führte bei starker Ausprägung zum Fallausschluss. Zukünftig sollte in der Gestaltung von Lernmaterialien, die mittels einer Blickdatenanalyse untersucht werden sollen, darauf geachtet werden, dass diese auch an das genutzte Werkzeug, d. h. die technischen Voraussetzungen des Eye-TrackingSystems, angepasst sind.
|
||
Zusammenfassend lässt sich feststellen, dass die qualitative Analyse der Blickdaten eine neue Forschungsmöglichkeit liefert, das Verhalten von Lernenden während der Nutzung von Lernmaterialien zu analysieren. Gemessen an dem hohen zeitlichen Aufwand kann auch die Tragweite der hier dargelegten Auswertungsmethodik als umfassend beschrieben werden. Das hier gewählte methodische Vorgehen liefert Aufschlüsse über das individuelle Blickverhalten und bildet in einem hypothesengenerierenden Forschungsansatz Ausgangspunkt für sich vielfältig anschließende quantitative Forschungsfelder. Zukünftig sollten die gewonnenen methodischen Erkenntnisse auch in die (Weiter-)Entwicklung digitaler Möglichkeiten der qualitativen Analyse von Blickdaten einfließen bzw. Wege identifiziert werden, um über ökonomischere Auswertungen einen breiteren Zugang in die Eye-Tracking-Forschung zu realisieren. Aus Sicht der fachdidaktischen Forschung bieten die Ergebnisse der qualitativen Analyse besonders unter dem inhaltlichen Aspekt neue und erweiterte Förderperspektiven. Die über Fallzuordnungen identifizierten Muster und beschriebenen Strategien im Umgang mit den Repräsentationskombinationen zeigen individuelle Unterschiede, die sich formatspezifisch auf die jeweilige Einzelrepräsentation oder, inhaltsbezogen, auf den fachdidaktischen Kontext – die Inhalte der experimentellen Planungsphase – beziehen. Besonders Letzteres eröffnet Anknüpfungspunkte, individuelle Fördermaßnahmen zu erstellen und die experimentellen Kompetenzen der Schüler*innen sowie den Umgang mit Fachtermini und dem dazugehörigen konzeptionellen Verständnis zu stärken bzw. zu unterstützen.
|
||
|
||
36
|
||
|
||
M. Kastaun und M. Meier
|
||
|
||
Danksagung und Förderhinweis Hiermit möchten wir uns hinsichtlich der technischen Unterstützung ganz herzlich bei der AG von Prof. Dr. Jochen Kuhn der TU Kaiserslautern (bis 2021) bedanken, ohne die eine Umsetzung dieser Studie nicht möglich gewesen wäre. Das diesem Beitrag zugrunde liegende Vorhaben wurde von der Deutschen Telekom Stiftung im Rahmen des Programms Fellowship Fachdidaktik MINT gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autorinnen.
|
||
|
||
Literatur
|
||
Ansorge, U., & Leder, H. (2011). Wahrnehmung und Aufmerksamkeit. Springer Fachmedien. Aepkers, M., & Liebig, S. (2002). Entdeckendes, forschendes und genetisches Lernen.
|
||
Schneider-Verlag Hohengehren. Ainsworth, S. (2006). DeFT: A conceptual framework for considering learning with multiple
|
||
representations. Learning and Instruction, 16, 183–198. Arnold, J., Kremer, K., & Mayer, J. (2014). Understanding students’ experiments – What kind of
|
||
support do they need in inquiry tasks? International Journal of Science Education, 36, 2719– 2749. Arnold, J., Kremer, K., & Mayer, J. (2017). Scaffolding beim Forschenden Lernen – Eine empirische Untersuchung zur Wirkung von Lernunterstützungen. Zeitschrift für Didaktik der Naturwissenschaften, 23, 21–37. Baur, A. (2018). Fehler, Fehlkonzepte und spezifische Vorgehensweisen von Schüler*innen und Schülern beim Experimentieren: Ergebnisse einer videogestützten Beobachtung. Zeitschrift für Didaktik der Naturwissenschaften, 24(1), 115–129. Brush, T. A., & Saye, J. W. (2002). A summary of research exploring hard and soft scaffolding for teachers and students using a multimedia supported learning environment. The Journal of Interactive Online Learning, 1(2), 1–12. Brückner, S., Zlatkin-Troitschanskaia, O., Küchemann, S., Klein, P., & Kuhn, J. (2020). Changes in students’ understanding of and visual attention on digitally represented graphs across two domains in higher education: A postreplication study. Frontiers in Psychology, 11, 2090. Dresing, T., & Pehl, T. (2015). Praxisbuch Interview, Transkription & Analyse. Anleitungen und Regelsysteme für qualitativ Forschende (6. Aufl.). Marburg. www.audiotranskription.de/ praxisbuch. Dresing, T., & Pehl, T. (2020). Transkription. Implikationen, Auswahlkriterien und Systeme für psychologische Studien. In G. Mey & K. Mruck (Hrsg.), Handbuch Qualitative Forschung in der Psychologie (S. 1–20). Springer Fachmedien. Furtak, E. M., Seidel, T., Iverson, H., & Briggs, D. C. (2009). Recent experimental studies of inquiry-based teaching: A meta-analysis and review. Paper presented at the European Association for Research on Learning and Instruction, August 25–29, Amsterdam, Netherlands. Gwet, K. L. (2012). Handbook of inter-rater reliability: The definitive guide to measuring the extent of agreement among multiple raters. Advanced Analytics, LLC. Hammann, M. (2004). Kompetenzentwicklungsmodelle. Merkmale und ihre Bedeutung – dargestellt anhand von Kompetenzen beim Experimentieren. Der mathematische und naturwissenschaftliche Unterricht, 57(4), 196–203. Höffler, T. N., & Leutner, D. (2011). The role of spatial ability in learning from instructional animations. Computers in Human Behavior, 27, 209–216. Holmqvist, K., Nyström, M., Andersson, R., Dewhurst, R., Jarodzka, H., & Van de Weijer, J. (2011). Eye tracking: A comprehensive guide to methods and measures. Oxford University Press. Hutter, S. (2019). Quantitative Inhaltsanalyse. In C. Wagemann, A. Goerres, & M. M. Siewert (Hrsg.), Handbuch Methoden der Politikwissenschaft. Springer VS.
|
||
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen …
|
||
|
||
37
|
||
|
||
Irion, T., & Scheiter, K. (2018). Didaktische Potenziale digitaler Medien für den Grundschulunterricht. Der Einsatz digitaler Technologien aus grundschuldidaktischer und mediendidaktischer Sicht. Grundschule aktuell, 142, 8–11.
|
||
Kaiser, I., Malai, D., & Mayer, J. (2018). Self-generation in the context of inquiry-based learning. Frontiers in Psychology, 9, 2440.
|
||
Kastaun, M., & Meier, M. (2018). Kognitive Lernunterstützungen im naturwissenschaftlichen Erkenntnisprozess (Projektskizze). In D. Krüger (Hrsg.), Erkenntnisweg Biologiedidaktik 17 (S. 123–136). Köln.
|
||
Kastaun, M., Hunold, C., & Meier, M. (2020). Eye-Tracking – Visuelle Wahrnehmung sichtbar machen. Biologie in unserer Zeit, 3, 172–173.
|
||
Kastaun, M., Meier, M., Küchemann, S., & Kuhn, J. (2021). Validation of cognitive load during inquiry-based learning with multimedia scaffolds using subjective measurement and eye movements. Frontiers in Psychology, 12, 703857.
|
||
Kelle, U., & Kluge, S. (2010). Vom Einzelfall zum Typus – Fallvergleich und Fallkontrastierung in der qualitativen Sozialforschung. Springer Fachmedien.
|
||
Kim, S., & Lombardino, L. J. (2016). Simple sentence reading and specific cognitive functions in college students with Dyslexia: An eye-tracking study. Clinical Archives of Communication Disorders, 1(1), 48–61.
|
||
Kirschner, P. A., Sweller, J., & Clark, R. E. (2006). Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41(2), 75–86.
|
||
Klahr, D., & Dunbar, K. (1988). Dual space search during scientific reasoning. Cognitive Science, 12(1), 1–48.
|
||
Krebs, M.-C., Schüler, A., & Scheiter, K. (2019). Just follow my eyes: The influence of modelobserver similarity on eye movement modeling examples. Learning and Instruction, 61, 126– 137.
|
||
Krejtz, K., Duchowski, A. T., Krejtz, I., Kopacz, A., & Chrząstowski-Wachtel, P. (2016). Gaze transitions when learning with multimedia. Journal of Eye Movement Research, 9, 1.
|
||
Kuckartz, U. (2018). Qualitative Inhaltsanalyse. Methoden, Praxis, Computerunterstützung. Beltz Juventa.
|
||
Koć-Januchta, M. M., Höffler, T. N., Eckhardt, M., & Leutner, D. (2019). Does modality play a role? Visual-verbal cognitive style and multimedia learning. Journal of Computer Assisted Learning Psychology, 35(6), 1–11.
|
||
Lamneck, S., & Krell, C. (2016). Qualitative Sozialforschung. Beltz. Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical
|
||
data. Biometrics, 33, 1. Lederman, J. S., Lederman, N. G., Bartos, S. A., Bartels, S. L., Meyer, A. A., & Schwartz, R.
|
||
S. (2014). Meaningful assessment of learners’ understandings about scientific inquiry – The Views About Scientific Inquiry (VASI) questionnaire. Journal of Research in Science Teaching, 51(1), 65–83. Leisen, J. (2010). Handbuch Sprachförderung im Fach. Sprachsensibler Fachunterricht in der Praxis. Varus. Luck, S. J., & Ford, M. A. (1998). On the role of selective attention in visual perception. PNAS, 95(4), 825–830. Mayer, R. E. (2001). Multimedia learning. Cambridge University Press. Mayer, R. E. (2014). The Cambridge handbook of multimedia learning. Cambridge University Press. Mayer, A., & Marks, D.-K. (2019). Förderung des Textverständnisses durch die Vermittlung von Verstehensstrategien – Eine Metaanalyse zur Effektivität. Forschung Sprache, 1, 4–33. Mayer, R. E., & Massa, L. J. (2003). Three facets of visual and verbal learners: Cognitive ability, cognitive style, and learning preference. JoEP, 95(4), 833–846. Mayring, P. (2016). Qualitative Inhaltsanalyse. Beltz.
|
||
|
||
38
|
||
|
||
M. Kastaun und M. Meier
|
||
|
||
Meier, M. (2016). Entwicklung und Prüfung eines Instrumentes zur Diagnose der Experimentierkompetenz von Schüler*innen und Schülern. Logos.
|
||
Meier, M., & Kastaun, M. (2021). Lernunterstützungen als Werkzeug individualisierter Förderung im naturwissenschaftlichen Erkenntnisprozess. In M. Meier, C. Wulff, & K. Ziepprecht (Hrsg.), Vielfältige Wege biologiedidaktischer Forschung – Vom Lernort Natur zur Naturwissenschaftlichen Erkenntnisgewinnung in die Lehrerprofessionalisierung. Waxmann.
|
||
Neuendorf, K. A. (2017). The content analysis guidebook. Sage. Niegemann, H. M., Domagk, S., Hessel, S., Hein, A., Hupfer, M., & Zobel, A. (2008).
|
||
Kompendium multimediales Lernen. Springer. Nilsson Benfatto, M., Öqvist Seimyr, G., Ygge, J., Pansell, T., Rydberg, A., & Jacobson, C.
|
||
(2016). Screening for dyslexia using eye tracking during reading. PLoS ONE, 11, 12. Nitz, S., Ainsworth, S., Nerdel, C., & Prechtl, H. (2014). Do student perceptions of teaching
|
||
predict the development of representational competence and biological knowledge? Learning and Instruction, 31, 13–22. Park, B., Korbach, A., & Brünken, R. (2015). Do learner characteristics moderate the seductivedetails-effect? A cognitive-load-study using eye-tracking. Journal of Educational Technology & Society, 18(4), 24–36. Pashler, H., McDaniel, M., Rohrer, D., & Bjork, R. (2009). Learning styles – Concepts and evidence. Psychological Science in the Public Interest, 9(3), 105–119. Philipp, M. (2015). Lesestrategien. 2015 Bedeutung, Formen und Vermittlung. Beltz Juventa. Puntambekar, S., & Hubscher, R. (2005). Tools for scaffolding students in a complex learning environment: What have we gained and what have we missed? Educational Psychologist, 40(2), 1–12. Richter, J., Scheiter, K., & Eitel, A. (2018). Signaling text-picture relations in multimedia learning: The influence of prior knowledge. Journal of Educational Psychology, 110(4), 544– 560. Rössler, P. (2017). Inhaltsanalyse. UTB. Scheiter, K., Schubert, C., & Schüler, A. (2018). Self-regulated learning from illustrated text: Eye movement modeling to support use and regulation of cognitive processes during learning from multimedia. British Journal of Educational Psychology, 88, 80–94. Schmidt-Weigand, F., Franke-Braun, G., & Hänze, M. (2008). Erhöhen gestufte Lernhilfen die Effektivität von Lösungsbeispielen? Eine Studie zur kooperativen Bearbeitung von Aufgaben in den Naturwissenschaften. Unterrichtswissenschaft, 36(4), 365–384. Schnotz, W. (2002). Wissenserwerb mit Texten, Bildern und Diagrammen. In L. J. Issing & P. Klimsa (Hrsg.), Information und Lernen mit Multimedia und Internet (3. Aufl., S. 65–81). Psychologie Verlags Union. Schnotz, W., & Lowe, R. K. (2003). External and internal representations in multimedia learning. Learning and Instruction, 13, 117–123. Schnotz, W., & Rasch, T. (2005). Enabling, facilitating, and inhibiting effects of animations in multimedia learning: Why reduction of cognitive load can have negative results on learning. Educational Technology Research and Development, 53(3), 47–58. Smyrnakis, I., Andreadakis, V., Selimis, V., Kalaitzakis, M., Bachourou, T., Kaloutsakis, G., et al. (2017). RADAR: A novel fast-screening method for reading difficulties with special focus on dyslexia. PLoS ONE, 12, 8. Solheim, O. J., & Uppstad, P. H. (2011). Eye-tracking as a tool in process-oriented reading test validation. International Electronic. Journal of Elementary Education, 4(1), 153–168. Sweller, J. (1999). Instructional design in technical areas. ACER Press. Sweller, J. (2005). Implications of cognitive load theory for multimedia learning. In R. E. Mayer (Hrsg.), The Cambridge handbook of multimedia learning (S. 19–30). Cambridge University Press. Takacs, Z. K., & Bus, A. G. (2016). Benefits of motion in animated storybooks for children’s visual attention and story comprehension. An eye-tracking study. Frontiers in Psychology, 7, 1591.
|
||
|
||
2 Eine qualitative Analyse von Blickdaten bei statischen …
|
||
|
||
39
|
||
|
||
Tobii AB. (2016). Tobii Studio User’s Manual version 3.4.8 Stockholm: Tobii AB. https:// www.tobiipro.com/siteassets/tobii-pro/user-manu-als/tobii-pro-studio-user-manual.pdf. Zugegriffen: 6. März 2020.
|
||
Weidenmann, B. (1993). Informierende Bilder. In B. Weidenmann (Hrsg.), Wissenserwerb mit Bildern (S. 9–58). Huber.
|
||
Weidenmann, B. (2002). Abbilder in Multimediaanwendungen. In L. J. Issing & P. Klimsa (Hrsg.), Information und Lernen mit Multimedia und Internet: Lehrbuch für Studium und Praxis (3. Aufl., S. 83–96). Psychologie Verlags Union.
|
||
Wichmann, A., & Leutner, D. (2009). Inquiry learning: Multilevel support with respect to inquiry, explanations and regulation during an inquiry cycle. Zeitschrift für Pädagogische Psychologie, 23(2), 117–127.
|
||
Wu, H. L., & Pedersen, S. (2011). Integrating computer- and teacher-based scaffolds in science inquiry. Computers & Education, 57(4), 2352–2363.
|
||
|
||
Muster- und Strukturerkennungsprozesse bei
|
||
|
||
3
|
||
|
||
potenziell mathematisch begabten
|
||
|
||
Grundschulkindern untersuchen –
|
||
|
||
Das Potenzial von Eye-Tracking
|
||
|
||
und retrospektivem Interview im
|
||
|
||
Vergleich
|
||
|
||
Dinah Reuter und Julia Bruns
|
||
|
||
Inhaltsverzeichnis
|
||
3.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 3.2 Muster- und Strukturerkennung im Kontext von Begabung . . . . . . . . . . . . . . . . . . . . . . 42 3.3 Erfassung der Muster- und Strukturerkennung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.4 Forschungsfragen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.5 Material und Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.6 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 3.7 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
|
||
|
||
3.1 Einleitung
|
||
Muster- und Strukturerkennung beschreibt eine individuelle, konstruktive Tätigkeit aufgrund der Verarbeitung visueller Wahrnehmung (Lüken, 2012). Studienergebnisse stützen die angenommene hohe Bedeutung der Muster- und Strukturerkennung
|
||
|
||
D. Reuter (*) Institut für Mathematische Bildung Freiburg, Pädagogische Hochschule Freiburg, Freiburg im Breisgau, Deutschland E-Mail: dinah.reuter@ph-freiburg.de URL: https://home.ph-freiburg.de/reuter
|
||
J. Bruns Institut für Mathematik (Mathematikdidaktik), Universität Paderborn, Paderborn, Deutschland E-Mail: julia.bruns@uni-paderborn.de
|
||
|
||
© Der/die Autor(en), exklusiv lizenziert durch Springer-Verlag GmbH, DE, ein Teil
|
||
|
||
41
|
||
|
||
von Springer Nature 2022
|
||
|
||
P. Klein et al. (Hrsg.), Eye-Tracking in der Mathematik- und
|
||
|
||
Naturwissenschaftsdidaktik, https://doi.org/10.1007/978-3-662-63214-7_3
|
||
|
||
42
|
||
|
||
D. Reuter und J. Bruns
|
||
|
||
für die mathematische Entwicklung (Rittle-Johnson et al., 2019). Zusätzlich wird die Fähigkeit zur Muster- und Strukturerkennung als Merkmal mathematischer Begabung angesehen (z. B. Heinze, 2005; Käpnick, 1998, 2008; Singer et al., 2016). Dabei wird der Prozess des Erkennens von Mustern bzw. deren Struktur fokussiert (ebd.). Im Widerspruch dazu werden in vorliegenden Studien zur Muster- und Strukturerkennung größtenteils Produkte der Kinder, jedoch nicht der Erkennungsprozess betrachtet (Lüken & Sauzet, 2020). Studien zum Muster- und Strukturerkennungsprozess basieren häufig auf (Material-)Handlungen der Kinder zu Musterfolgen (z. B. Lüken & Sauzet, 2020). Im Kontext mathematischer Begabung werden mehrheitlich aufgabenbegleitende verbale Erklärungen genutzt. Dabei kommen auch Muster mit räumlicher Struktur zum Einsatz (z. B. Aßmus, 2017). Beide Zugänge zum Prozess der Muster- und Strukturerkennung – Handlungen und verbale Erklärungen – unterliegen Beschränkungen: Während der Zugang über Materialhandlungen nur bedingt auf Muster mit räumlicher Struktur anwendbar ist, ist der verbale Zugang durch metakognitive Kompetenzen sowie Verbalisierungsfähigkeiten der Kinder beeinflusst (Peter-Koop, 2002; Schindler & Lilienthal, 2019). Inwieweit das letztgenannte Argument auch die Validität der verbalen Aussagen mathematisch begabter Grundschulkinder gefährdet, die häufig über hohe metakognitive Kompetenzen verfügen, ist bislang unklar. Um sich dieser Frage zu nähern, kann Eye-Tracking als weiterer Ansatz herangezogen werden, da Eye-Tracking zusätzlich zu Interviews auch Prozessdaten zur Muster- und Strukturerkennung liefert (z. B. Schindler et al., 2019; Sprenger & Benz, 2020). Zentrales Erkenntnisinteresse der vorliegenden Studie ist daher die Untersuchung des Potenzials des Eye-Trackings zur Erfassung des Muster- und Strukturerkennungsprozesses mathematisch begabter Grundschulkinder.
|
||
|
||
3.2 Muster- und Strukturerkennung im Kontext von Begabung
|
||
Versteht man Mathematik als Wissenschaft der Muster (z. B. Devlin, 1998; Sawyer, 1955), da sie das Ziel verfolgt, Regelmäßigkeiten, Beziehungen und Zusammenhänge aufzuspüren und zu beschreiben, wird die Bedeutung der Muster- und Strukturerkennung als grundlegende mathematische Tätigkeit deutlich (Käpnick, 1998, 2008). Bei erkannten Strukturen handelt es sich um Deutungen (Lüken, 2012), die aufgrund der individuellen Interpretation unterschiedlich sein können (Steinweg, 2013).
|
||
Quantitative Studien zur Muster- und Strukturerkennung von jungen Kindern stellen Zusammenhänge zwischen der Muster- und Strukturerkennung und der kognitiven Flexibilität (Schmerold et al., 2017), dem Arbeitsgedächtnis (Fyfe et al., 2017; Schmerold et al., 2017) sowie den allgemeinen mathematischen Fähigkeiten (Lüken, 2012; Schmerold et al., 2017) heraus. Dabei erklärt die Fähigkeit der Muster- und Strukturerkennung über die kognitiven Fähigkeiten hinaus Varianz in der mathematischen Leistung (Schmerold et al., 2017). Qualitative Studien beschreiben die Ausprägung der Muster- und Struktur-
|
||
|
||
3 Muster- und Strukturerkennungsprozesse bei potenziell …
|
||
|
||
43
|
||
|
||
erkennung von Kindern sowie Unterschiede in der Muster- und Strukturerkennung in Abhängigkeit von der mathematischen Leistung (Lüken, 2012; Mulligan & Mitchelmore, 2009). Diese Ergebnisse deuten im Einklang mit den Ergebnissen quantitativer Studien darauf hin, dass ausgeprägte Fähigkeiten der Muster- und Strukturerkennung eng mit hohen mathematischen Leistungen zusammenhängen. Ergänzend zeigt sich in Studien, dass mathematisch begabte Kinder im Vergleich zu anderen Kindern in einem außergewöhnlichen Maß über die Fähigkeit der Muster- und Strukturerkennung verfügen, weswegen diese Fähigkeit als mathematisches Begabungsmerkmal eingestuft wird (z. B. Aßmus, 2017; Heinze, 2005; Käpnick, 1998, 2008; Kruteskii, 1976; Nolte & Kießwetter, 1996).
|
||
Die Fähigkeit der Muster- und Strukturerkennung umfasst das „Erkennen und das Bilden von Mustern bzw. Anordnungs- und Gliederungsprinzipien […] in gegebenen oder zu konstruierenden mathematischen Sachverhalten (z. B. geometrischen Figuren, Zahlen, Gleichungen)“ (Käpnick, 1998, S. 111). Dies beinhaltet die Fähigkeit, wichtige von unwichtigen Informationen trennen und zwischen den relevanten Informationen Beziehungen herstellen zu können. Kießwetter (1993) zufolge werden erkannte Strukturen zu größeren Einheiten, sog. Superzeichen, zusammengefasst. Die Fähigkeit zum Transfer und Verallgemeinern impliziert, dass erkannte mathematische Muster und Strukturen auf ähnliche Sachverhalte übertragen werden, um neue Probleme zu lösen. Ein entsprechender Rückgriff auf die Muster- und Strukturerkennung findet sich beim Merkmal Gedächtnisfähigkeit für mathematische Sachverhalte, bei dem erkannte Muster und Strukturen zum Speichern mathematischer Sachverhalte genutzt werden (Käpnick, 1998, 2008).
|
||
|
||
3.3 Erfassung der Muster- und Strukturerkennung
|
||
Obwohl der Forschungsstand auf eine zentrale Bedeutung der Muster- und Strukturerkennung insbesondere für den Kontext der mathematischen Begabung hinweist, zeigt sich die Schwierigkeit, den mentalen Prozess der Muster- und Strukturerkennung zu operationalisieren (z. B. Lüken & Sauzet, 2020). Bei diesem Wahrnehmungsprozess muss zwischen Wahrnehmung, der sensorischen Erfahrung, und Erkennen, der verliehenen Bedeutung, unterschieden werden (Goldstein, 2008; Guski, 2000). Verbale, schriftliche oder handelnde Zugänge zur Muster- und Strukturerkennung adressieren vornehmlich den Prozess des Erkennens. Die zugehörigen Wahrnehmungsprozesse können als weitere Informationsquelle bezüglich der Muster- und Strukturerkennung betrachtet werden. Dem Eye-Tracking wird das Potenzial zugeschrieben, diese Wahrnehmungsprozesse zu erfassen (Holmqvist et al., 2011; Just & Carpenter, 1976; Strohmaier et al., 2020). Bezüglich der Muster- und Strukturerkennung kann vermutet werden, dass einzelne Elemente eines Musters, zwischen denen Beziehungen hergestellt werden, gezielt und ggf. auch hintereinander wahrgenommen werden. Eye-Tracking wird daher in verschiedenen (mathematikdidaktischen) Kontexten genutzt, in denen die Wahrnehmung von Strukturen
|
||
|
||
44
|
||
|
||
D. Reuter und J. Bruns
|
||
|
||
bedeutsam ist (z. B. Schindler et al., 2019; Sprenger & Benz, 2020). Im Sinne der eye-mind assumption (Just & Carpenter, 1980), die davon ausgeht, dass Fixationen kognitive Verarbeitungsprozesse spiegeln, werden die Blickbewegungen als Indikator für kognitive Wahrnehmungsprozesse interpretiert. Verschiedene Autor*innen weisen auf die Grenzen der eye-mind assumption hin, indem sie betonen, dass nicht jede Fixation auf eine kognitive Verarbeitung der entsprechenden Information hindeutet (z. B. Schindler & Lilienthal, 2019; Strohmaier et al., 2020).
|
||
Während sich die Nutzung von Eye-Tracking zur Erfassung anderer Wahrnehmungsprozesse von Kindern mit Schwierigkeiten im Bereich Mathematik bereits als geeignet erwiesen hat (Simon & Schindler, 2020), wurde das Potenzial des Eye-Trackings zur Erfassung der Muster- und Strukturerkennungsprozesse mathematisch begabter Grundschulkinder bislang nicht betrachtet.
|
||
|
||
3.4 Forschungsfragen
|
||
Den mentalen Prozess der Muster- und Strukturerkennung zu operationalisieren, ist eine Herausforderung empirischer Forschung zur Muster- und Strukturerkennung (Lüken & Sauzet, 2020). Der verbale Zugang zu mentalen Prozessen ist – nicht nur im Kontext der Muster- und Strukturerkennung – begrenzt (s. oben). Eye-Tracking kann als weiterer Zugang zur Erfassung der Musterund Strukturerkennungsprozesse herangezogen werden, bei dem der Fokus auf den Wahrnehmungsprozess gelegt wird. Dabei interessiert, inwieweit EyeTracking Einblicke in die kognitiven Wahrnehmungsprozesse der Muster- und Strukturerkennung ermöglicht und inwiefern sich die auf Grundlage der EyeTracking-Daten angenommenen Muster- und Strukturerkennungsprozesse mit den angenommenen Muster- und Strukturerkennungsprozessen auf Grundlage retrospektiver Beschreibungen mathematisch begabter Grundschulkinder decken. Daraus ergeben sich folgende Forschungsfragen:
|
||
1. Welche Annahmen zur Muster- und Strukturerkennung mathematisch begabter Grundschulkinder ermöglicht die Methode des Eye-Trackings?
|
||
2. Welche Unterschiede bzw. Gemeinsamkeiten zeigen sich zwischen den Annahmen zur Muster- und Strukturerkennung, die aufgrund der Blickbewegungen mathematisch begabter Grundschulkinder getroffen werden, und den Annahmen zur Muster- und Strukturerkennung, die aufgrund ihrer verbalen Erklärungen getroffen werden?
|
||
|
||
3.5 Material und Methode
|
||
Zur Untersuchung der Forschungsfragen wurde eine qualitative multiple case study im Laborsetting durchgeführt (Yin, 2018). Dieser Ansatz ist gekennzeichnet durch exploratives Vorgehen mit einem kleinen Sample (Döring & Bortz, 2016).
|
||
|
||
3 Muster- und Strukturerkennungsprozesse bei potenziell …
|
||
|
||
45
|
||
|
||
Stichprobe
|
||
|
||
Die Gelegenheitsstichprobe1 besteht aus N = 10 (n = 6 männlich, n = 4 weiblich) Dritt- und Viertklässler*innen. Alle Schüler*innen wurden von ihren Lehrkräften als mathematisch begabt eingeschätzt und nahmen an einem Enrichment-Mathematikangebot an der PH Freiburg teil, wo sie durch ihre Lösungsprozesse auffielen. Da für keines der Kinder ein Begabungsnachweis vorliegt, wird von potenziell mathematisch begabten Kindern gesprochen.
|
||
|
||
Methode
|
||
Zur Erfassung der Muster- und Strukturerkennung wurden die Aufzeichnung der Blickbewegungen mittels Eye-Tracking und ein teilstandardisiertes Interview kombiniert.
|
||
Die Aufzeichnung der Blickbewegungen erfolgte durch einen stationären EyeTracker des Modells RED Dual Screen Setup von SensoMotoric Instruments monokular (rechtes Auge) mit der Software SMI Experiment CenterTM 2.0 und einer Frequenz von 120 Hz. Die maximale Abweichung für die Kalibrierung wurde mit 0.5° festgelegt. Vor jeder Aufgabe erfolgte eine Neukalibrierung. Die Aufgaben wurden auf einem 24-Zoll-Bildschirm mit einer Auflösung von 1920 × 1080 Pixeln dargestellt. Die Schüler*innen saßen im Abstand von 65–70 cm vor dem Bildschirm und wurden vor jeder Aufgabe darauf hingewiesen, sich an dem Stuhl anzulehnen, um diesen Abstand konstant zu halten.
|
||
Direkt nach Bearbeitung jeder einzelnen Aufgabe wurden die Kinder im Sinne eines teilstandardisierten Interviews (Helfferich, 2014) retrospektiv zu ihrem Bearbeitungsvorgehen befragt, ohne die aufgezeichneten Blickbewegungen zu visualisieren. Die Interviewfragen richteten sich dabei auf den Prozess der Musterund Strukturerkennung (z. B. „Wie hast du dir das so schnell gemerkt?“, „Was würdest du einem Kind in der ersten Klasse für einen Tipp geben, wenn es dieselbe Aufgabe bearbeiten muss?“).
|
||
|
||
Stimulus: Indikatoraufgaben nach Käpnick (1998)
|
||
Als Stimulus für die Datenerhebung dienen vier ausgewählte Indikatoraufgaben zur Diagnose potenziell mathematisch begabter Grundschulkinder nach Käpnick (1998). Die Aufgaben wurden so ausgewählt, dass sowohl geometrische (Aufgabe 1, 2) als auch arithmetische (Aufgabe 3, 4) Muster und Strukturen jeweils mit hohem (Aufgabe 1, 3) und niedrigerem Strukturgehalt (Aufgabe 2, 4) vertreten sind. Durch diese Auswahl ist die Grundanforderung für alle Aufgaben
|
||
|
||
1 Die Daten wurden in Zusammenarbeit mit Masterstudierenden im Rahmen von Abschlussarbeiten erhoben.
|
||
|
||
46
|
||
|
||
D. Reuter und J. Bruns
|
||
|
||
gleich, und es können Muster- und Strukturerkennungsprozesse in unterschiedlichen Inhaltsbereichen bzw. bei Aufgaben mit unterschiedlichem Strukturgehalt verglichen werden. In allen Aufgaben soll ein Stimulus nach einer Phase der Präsentation (10 bzw. 60 s) reproduziert werden. Der Auftrag lautete: „Du hast gleich XX Sekunden Zeit, dir zu merken, was du siehst, und dann sollst du genau aufzeichnen, was du gesehen hast.“
|
||
In der ersten Aufgabe (Zeichenfolge) werden drei geometrische Muster mit unterschiedlicher Struktur dargestellt (Abb. 3.1a). In der zweiten Aufgabe (Haus) ist eine aus geometrischen Figuren zusammengesetzte Figur dargestellt (Abb. 3.1b). Beide Aufgaben werden von Käpnick (1998) zur Untersuchung der Fähigkeit des Speicherns anschaulich-geometrischer Sachverhalte im Kurzzeitgedächtnis vorgeschlagen. In der dritten, Zahlenfeld (Abb. 3.1c), und vierten Aufgabe, Zahlenmauer (Abb. 3.1d), wird jeweils eine Zahlenanordnung präsentiert. Käpnick (1998) ordnet diese Aufgaben der Fähigkeit des Speicherns gesehener Zahlen im Kurzzeitgedächtnis ggf. unter Nutzung erkannter mathematischer Strukturen zu.
|
||
|
||
Datengrundlage und Auswertung
|
||
Für diese Studie ist von Interesse, inwiefern Schüler*innen Muster und Strukturen in den Stimuli wahrnehmen und erkennen. Unter Einsatz des Eye-Trackings soll beantwortet werden, welche Elemente des Stimulus in welcher Reihenfolge fokussiert werden. Diese Aspekte lassen sich mittels der Visualisierungen BeeSwarm und Scan-Path (Strohmaier et al., 2020) darstellen, die mithilfe der Software SMI BeGazeTM gewonnen wurden. In beide Visualisierungen gehen alle Blickbewegungen der Schüler*innen ein und nicht nur real fixations zwischen 200 und 300 ms (Holmqvist et al., 2011), da insbesondere die Reihenfolge der Fixationen interessiert. Dabei werden die Blickbewegungen – im Sinne der eyemind assumption (Just & Carpenter, 1980) – als Indikator für das Erkennen von
|
||
|
||
Abb. 3.1 Ausgewählte Aufgaben. (Nach Käpnick 1998, S. 144–147)
|
||
|
||
3 Muster- und Strukturerkennungsprozesse bei potenziell …
|
||
|
||
47
|
||
|
||
Muster und Strukturen interpretiert. Da kognitive Prozesse des Erkennens von Mustern und Strukturen untersucht werden, die eng mit dem Wahrnehmen des Stimulus zusammenhängen, scheint eine Interpretation der Daten nach der eyemind assumption vertretbar.
|
||
Die Analyse der Blickbewegungen der Schüler*innen beim Einprägen des Stimulus sowie die verbale Beschreibung des Vorgehens aus den leitfadengestützten, retrospektiven Interviews erfolgte mit der qualitativen Inhaltsanalyse (Mayring, 2015) und einem gemeinsamen Kategoriensystem. Die Codierung der Eye-Tracking-Daten erfolgte am Bee-Swarm-Video; die Daten aus den leitfadengestützten Interviews wurden ebenfalls am Video codiert. Die Codierung der Daten erfolgte anhand deduktiver, aus theoretischen Vorüberlegungen entwickelter Kategorien, die (mögliche) Vorgehensweisen bei der Einprägung des Stimulus beschreiben (z. B. für die Aufgabe Zahlenmauer: Fokussierung auf Zahlengruppen (mit operationalen Beziehungen); s. auch Käpnick, 1998, 2008). Als Analyseeinheit wurde für jede Aufgabe das Bee-Swarm-Video bzw. der Videoausschnitt des jeweiligen Interviewausschnitts festgelegt, als Codiereinheit die (angenommene) strukturelle Beziehung zwischen einzelnen Elementen eines Musters. Die Festlegung der Codiereinheit erfolgt demnach nicht a priori, sondern inhaltlichsemantisch durch die Codierenden. Die Abgrenzung der Codiereinheit kann in den Bee-Swarm-Daten bspw. durch mehrmaliges Fokussieren der gleichen Elemente des Stimulus in gleicher Reihenfolge erfolgen. In den Interviewdaten werden sie durch verbale Äußerungen der Probanden markiert (z. B. „Als Erstes habe ich …, und dann habe ich noch …“). Die Codierung der Daten erfolgte durch zwei unabhängige Personen. Dabei erwiesen sich insbesondere der Detailgrad der Codiereinheit sowie die Kürze der codierten Segmente als Gefahr für die Reliabilität. Dies führte zu einer Diskussion und Überarbeitung der Codierregeln. Abschließend wurde die Übereinstimmung der beiden Codierer*innen für 50 % der Daten geprüft. Dabei zeigte sich für die Aufgabe Haus bzw. die Aufgabe Zahlenmauer mit einer prozentualen Übereinstimmung von 72 % bzw. 79 % eine ausreichende Übereinstimmung für diese Art der Codierung (Wirtz & Caspar, 2002).
|
||
Nach der Codieung aller Daten erfolgte ein Vergleich der Codierungen der EyeTracking-Daten und der Interviewdaten.
|
||
|
||
3.6 Ergebnisse
|
||
Im Folgenden werden die Ergebnisse zweier Fälle zu den Aufgaben Zahlenfeld und Zahlenmauer dargestellt. Anschließend erfolgt eine zusammenfassende Darstellung der Ergebnisse aller Fälle.
|
||
|
||
Der Fall Tilda
|
||
Tilda durchläuft mit ihren Blickbewegungen nach einer Phase der Orientierung (Abb. 3.2), in der sich bereits erste Anzeichen für ein Erkennen von Abschnitten
|
||
|
||
48
|
||
Abb. 3.2 Überblick verschaffen
|
||
|
||
D. Reuter und J. Bruns
|
||
|
||
aus der Reihe der natürlichen Zahlen zeigen, die Zahlenreihe 6 bis 9 (Abb. 3.3). In den nächsten Sekunden betrachtet Tilda die erste und letzte Spalte (Abb. 3.4). Hier fokussiert sie nacheinander die Zahlen von 1 bis 4 in den Ecken des Quadrats. Im Anschluss erfolgt eine Fokussierung der Zahlenreihenabschnitte 1 bis 4 und 6 bis 9 (Abb. 3.5). Dabei springt die Blickbewegung direkt von der 4 auf die 6.
|
||
Nach etwa einer halben Minute wendet sich Tilda den beiden mittleren Spalten zu (Abb. 3.6). Auch hier fokussiert sie nacheinander Zahlen in der Reihenfolge der natürlichen Zahlen, jetzt allerdings rückwärts, beginnend mit der Zahl 19. Im Bee-Swarm fällt auf, dass Tilda beim Durchlaufen der Zahlenreihe nach der 16 unmittelbar die 14 fixiert. Zudem betrachtet Tilda jeweils die sowohl in der Tabelle
|
||
Abb. 3.3 Zahlenreihe 6 bis 9
|
||
|
||
Abb. 3.4 Spalten
|
||
|
||
Abb. 3.5 Zahlenreihe 1 bis 9
|
||
|
||
3 Muster- und Strukturerkennungsprozesse bei potenziell …
|
||
|
||
49
|
||
|
||
Abb. 3.6 Mittlere Spalten
|
||
|
||
als auch in der Zahlenreihe nebeneinanderliegenden Zahlen (z. B. 16 und 17 sowie 13 und 14) immer wieder abwechselnd. Es zeigt sich also ein strukturiertes Blickverhalten mit Bezug zu den Zahlenreihen 1 bis 9 und 19 bis 11. Sie fokussiert jeweils die Zahlen 4 und 6 sowie 16 und 14 unmittelbar nacheinander, was darauf hindeuten könnte, dass sie erkannt hat, dass sich in dem Zahlenquadrat keine Zahlen aus der Fünferreihe befinden.
|
||
In ihrer anschließenden Erklärung beschreibt Tilda ihre Entdeckungen über die Zahlenreihen 1 bis 4 und 6 bis 9 zunächst isoliert und anschließend in Verbindung zueinander, indem sie auch auf das Fehlen der Zahlen 5 und 10 hinweist.
|
||
36 T: […] ich habe halt erstmal nach der Zahlenreihenfolge eigentlich geschaut. Also eins, zwei, drei, vier (zeigt auf die linke obere, dann auf die rechte obere, anschließend auf die linke untere, dann auf die rechte untere Ecke), und das war schon gut mit den Ecken und dann mit den sechs, sieben, acht, neun (zeigt auf die entsprechenden Zahlen in der Zeichnung). So hier immer so in den Schlangenreihen (zeichnet mit den Fingern nochmal die Reihenfolge 6 bis 8 nach) […]. Und das Gleiche gab es bei mir auch hier (zeigt auf die zweite und dritte Spalte) mit den so (zeichnet mit den Fingern die Reihenfolge 11 bis 17 nach) und dann wieder hier hoch (geht von der 17 hoch zur 18), wie hier (zeigt mit den Fingern nochmal auf die Reihenfolge 6 bis 8).
|
||
37 I: Also du hast nach der Zahlenreihenfolge geguckt [...] eine Besonderheit bei der Zahlenreihenfolge gibt es aber da, oder?
|
||
38 T: (Geht mit den Fingern nochmal die Zahlen 1 bis 4 nach) Die Fünf und die Zehn ist nicht da.
|
||
Anschließend geht Tilda auf die Zahlenreihe 19 bis 11 sowie die unterschiedliche Anordnung der Nachbarzahlen 11 und 12 und 13 und 14 ein.
|
||
43 T: Also wie bei dem (zeigt auf 19, 18, 17, 16), nur andersrum und dass es halt richtig aneinander ist.
|
||
Dabei nutzt sie das Wort „richtig“ für die beiden Nachbarzahlen, die in der Tabelle wie in der Reihe der natürlichen Zahlen angeordnet sind.
|
||
Zusammenfassend lässt sich für diese Aufgabe festhalten, dass sich die aufgrund der Blickbewegungen aufgestellten Annahmen zu den Muster- und Strukturerkennungsprozessen von Tilda mit ihren anschließenden Erläuterungen zu ihren Entdeckungen decken.
|
||
|
||
50
|
||
|
||
D. Reuter und J. Bruns
|
||
|
||
In der Aufgabe Zahlenmauer lässt sich beobachten, dass Tilda ausschließlich die beiden oberen Reihen fokussiert (Abb. 3.7 bis Abb. 3.9).
|
||
In der ersten Hälfte der Bearbeitungszeit zeigt sich eine Orientierung auf die erste Reihe mit einer starken Fokussierung auf die Dreiergruppe 2–6–4 (Abb. 3.7). Die häufigen Sakkaden zwischen diesen drei Zahlen können darauf hindeuten, dass Tilda (operationale) Beziehungen zwischen diesen Zahlen herstellt. Gleichzeitig finden auch Blickbewegungen zu den Zahlen 3 und 5 und später auch zur 7 statt (Abb. 3.8 und 3.9); möglicherweise orientiert sie sich an der Reihenfolge der natürlichen Zahlen. In der zweiten Hälfte der Bearbeitungszeit fokussiert Tilda ausschließlich die Zahlen 3, 4, 5, 6 und 7. Dabei steuert ihr Blick die Zahlen in der Reihenfolge der natürlichen Zahlen an – wobei sie jeweils mit unterschiedlichen Zahlen beginnt. Diese Interpretation wird durch Tildas Erklärung gestützt, in der sie die Positionen der Zahlen mit Bezug zur Reihe der natürlichen Zahlen erläutert.
|
||
|
||
38 T: (lacht) Also ich habe mir irgendwie die beiden Reihen gemerkt (zeigt auf die zweite und erste Reihe). Also habe ich zwei, drei (zeigt auf das linke und rechte obere Kästchen), wie beim letzten Mal, und dann bin ich hierhin gegangen (zeigt auf die 4 im dritten oberen Kästchen), dann wusste ich, wenn ich hierhin (zeigt auf die 5 im ersten Kästchen der zweiten Reihe), und das konnte ich mir auch anders merken, dass die Fünf hier war. Wenn ich fünf, sieben (zeigt auf die 7 neben der 5), und dann dazwischen ist die Sechs (zeigt auf die 6 in der ersten Reihe), und dann habe ich hier (zeigt auf die 8 im letzten Kästchen in der zweiten Reihe) halt noch hingeschaut, ist die Acht, und dann weiß ich halt noch, ob da oder da (zeigt auf das dritte und vierte leere Kästchen der untersten Reihe) die Elf ist. Also ich habe, unten habe ich eigentlich überhaupt nicht geschaut.
|
||
|
||
Abb. 3.7 Scan-PathAusschnitt 1
|
||
|
||
Abb. 3.8 Scan-PathAusschnitt 2
|
||
|
||
Abb. 3.9 Scan-PathAusschnitt 3
|
||
|
||
3 Muster- und Strukturerkennungsprozesse bei potenziell …
|
||
|
||
51
|
||
|
||
Darüber hinaus verweist Tilda auf eine Gemeinsamkeit zur vorherigen Aufgabe: Sie beschreibt, dass die Zahlen 2 und 3, wie auch in Aufgabe 3, in den Ecken notiert sind. Zusammenfassend zeigt sich, dass Tildas Beschreibung sich zu großen Teilen mit den aufgrund der Blickbewegungen getroffenen Annahmen über die erkannten Muster und Strukturen decken. Zusätzlich lassen Tildas Blickbewegungen jedoch vermuten, dass sie weitere Zahlbeziehungen in der obersten Zeile erkannt haben könnte.
|
||
|
||
Der Fall Aylin
|
||
Aylins Blickbewegungen zeigen, dass sie zunächst die erste Spalte und anschließend die erste und zweite Spalte betrachtet (Abb. 3.10). Danach steht die dritte Spalte zunächst isoliert und anschließend in Verbindung mit der vierten Spalte im Fokus (Abb. 3.11). Dies deutet darauf hin, dass Aylin die erste Spalte mit der zweiten sowie die dritte Spalte mit der vierten verknüpft. Im Bee-Swarm zeigt sich, dass bei dieser zweispaltigen Fokussierung jeweils ausgewählte diagonale Zahlenpaare betrachtet werden, die die Gemeinsamkeit der Zehnerdifferenz aufweisen (9/19, 4/14, 6/16). In der zweiten Hälfte der Betrachtungszeit fixiert sie nur noch die Zahlen der ersten und dritten Spalte, indem diese Spalten immer wieder nacheinander von oben nach unten durchlaufen werden (Abb. 3.12). Dies kann darauf hindeuten, dass Aylin versucht, sich die Zahlen dieser Spalten einzuprägen.
|
||
Diese Vermutung wird in ihrer Erklärung bestätigt: Hier gibt Aylin an, dass sie sich „nur“ die erste und dritte Spalte gemerkt hat:
|
||
33 A: Also ich habe nur das hier und das hier mir gemerkt (zeigt auf die erste und dritte Spalte) […], und dann habe ich gemerkt, dass immer neun und dann hier neunzehn und hier die Eins und hier die Elf und hier die Siebzehn und hier die Sieben (zeigt immer auf die gesagten Zahlen in der Zeichnung). Also das hier und das hier habe ich mir überhaupt nicht gemerkt (zeigt auf die zweite und vierte Spalte). Ich habe einfach herausgefunden, dass ich hier dann eine Zehn dazu mache (zeigt auf die 1 und die 11) und hier auch (zeigt auf die 13), hier auch (zeigt auf die 17), hier auch (zeigt auf die 19). Und hier mache ich die Zehn weg (zeigt zwischen der 12 und 2 hin und her), hier auch (zeigt auf die 18 und die 8), hier auch (zeigt auf die 14 und die 4) und hier auch (zeigt auf die 16 und die 6).
|
||
|
||
Abb. 3.10 Erste und zweite Spalte
|
||
|
||
52
|
||
Abb. 3.11 Dritte und vierte Spalte
|
||
|
||
D. Reuter und J. Bruns
|
||
|
||
Abb. 3.12 Fokussierung der ersten und dritten Spalte
|
||
|
||
Außerdem verweist sie auf die von ihr erkannte Struktur der diagonalen Zahlbeziehung und erläutert dabei auch, dass sie sich die Zahlen in den beiden anderen Spalten über die erkannte Zahlbeziehung ±10 herleiten konnte. Sowohl die Erklärungen zu den erkannten Strukturen als auch zum „Auswendiglernen“ decken sich mit den aufgrund der Blickbewegungen aufgestellten Annahmen zu den Muster- und Strukturerkennungsprozessen von Aylin.
|
||
Bei der vierten Aufgabe lassen sich in Aylins Blickbewegungen insbesondere ein zeilenweises Fokussieren sowie ein Fokussieren der ersten Spalte erkennen (Abb. 3.13 bis 3.15).
|
||
In der ersten Sequenz werden die Zahlen der ersten Reihe, ergänzt durch die 5 aus der zweiten Reihe, in den Blick genommen (Abb. 3.13). Im folgenden Verlauf zeigt sich die Fokussierung mehrerer Dreiergruppen 5–7–11, 2–5–10 sowie 11–10–9 (ggf. ergänzt durch eine abschließende kurze Fokussierung der 1)
|
||
Abb. 3.13 Scan-PathAusschnitt 1
|
||
Abb. 3.14 Scan-PathAusschnitt 2
|
||
|
||
3 Muster- und Strukturerkennungsprozesse bei potenziell …
|
||
|
||
53
|
||
|
||
Abb. 3.15 Scan-PathAusschnitt 3
|
||
|
||
(Abb. 3.14 und 3.15). Dadurch lässt sich annehmen, dass sie vorwiegend zwischen den Zahlen einer Reihe sowie den Zahlen der ersten Spalte Beziehungen herstellt.
|
||
45 I: Aber warum hast du jetzt hier angefangen (zeigt auf die 5)? Wenn ich ein Buch lese, fange ich immer da oben an.
|
||
46 A: Ja, weil hier habe ich das zusammengemacht, also fünf plus sieben ist gleich zwölf, und dann habe ich mir die Zwölf gemerkt, und dann war da halt nur die Elf (zeigt auf die 11 im letzten Kästchen der zweiten Spalte).
|
||
47 I: Okay, und wie konntest du dir das unten merken? 48 A Weil zehn, neun, und dann kommt die Eins und dann erst eine Acht. 49 I: Okay, und was hat das miteinander zu tun? 50 A: Also ich meine, zehn, neun, acht, sieben, und so nur nach der Neun kommt eine
|
||
Eins
|
||
In Aylins Begründung wird die Vermutung der Fokussierung auf die Dreiergruppe 5–7–11 aufgrund eines Rückgriffs auf eine operationale Beziehung deutlich. Aylin hat diese drei Zahlen über die Rechnung 5 + 7 = 12 miteinander verknüpft und sich ergänzend gemerkt, dass statt der 12 eine 11 eingetragen ist. In der letzten Reihe gibt sie an, dass sie sich die Zahlen über eine Verknüpfung mit der rückwärtsgewandten Zahlenreihe gemerkt hat, und verweist hier nicht auf eine Verknüpfung mit der 11, sondern stattdessen auf die 8, die sich in den Eye-Tracking-Daten nicht zeigt. Auf die in den Eye-Tracking-Daten codierten Dreiergruppen 2–5–10 sowie 11–10–9 geht Aylin nicht ein. Zu den hier vermuteten Strukturierungen lassen sich durch die Verbalisierung keine Bezüge herstellen.
|
||
Einordnung der Ergebnisse aller Fälle
|
||
Am Beispiel der beiden Fälle Aylin und Tilda lässt sich eine hohe Übereinstimmung zwischen den auf Grundlage der Eye-Tracking-Daten (Bee-Swarm) getroffenen Annahmen und den verbalen Beschreibungen der Kinder erkennen – dies bestätigt sich in den übrigen Aufgaben und Fällen. Zusätzlich zeigen sich Abweichungen zwischen den aufgrund der unterschiedlichen Methoden gebildeten Annahmen zum Prozess der Muster- und Strukturerkennung. Vereinzelt wurden die Muster und Strukturen, die von den Kindern in die Darstellungen hineingedeutet wurden, nicht in den Eye-Tracking-Daten erkannt – wie bei Aylin und der Aufgabe Zahlenmauer (Verknüpfung der Zahlen 5, 7 und 11) dargestellt.
|
||
|
||
54
|
||
|
||
D. Reuter und J. Bruns
|
||
|
||
Dies zeigt sich insbesondere bei Aufgaben mit vergleichsweise wenig Struktur (Zahlenmauer, Haus). So berichten alle Kinder – bis auf Fall 6 und 8 –, in der Aufgabe Haus zunächst die Figur als Ganzes und anschließend Fenster und eine Tür gesehen zu haben. In den Blickbewegungen lassen sich jedoch kaum Fixationen auf den Außenlinien erkennen, sondern überwiegend auf den inneren Teilfiguren. In den strukturstärkeren Aufgaben zeigen sich dagegen höhere Übereinstimmungen. So beziehen sich in der Aufgabe Zahlenfeld neun der zehn Kinder im Interview auf ausgewählte Spalten; in den Eye-Tracking-Daten spiegelt sich diese spaltenweise Betrachtung außer bei den Fällen 5 und 10 wider. In der Aufgabe Geometrische Musterfolge argumentieren alle Kinder im Interview über markante Musterelemente. Hier finden sich – bis auf Fall 6 und 7 – die entsprechenden Fixationen auch in den Blickbewegungen.
|
||
Zusätzlich lassen sich sowohl bei den Aufgaben mit starker als auch bei Aufgaben mit weniger Struktur aufgrund der Blickbewegungen weitere Muster- und Strukturerkennungsprozesse vermuten, auf die in den verbalen Beschreibungen kein Bezug genommen wird – wie beispielsweise bei Tildas Bearbeitung der zweiten Aufgabe. Weitere Beispiele dieser Art finden sich bei dieser Aufgabe für die Fälle 1, 8, 9 und 10. Insgesamt lassen diese Beobachtungen annehmen, dass die verbalen Beschreibungen der Kinder eher spiegeln, welche Muster und Strukturen final in die Darstellungen hineingedeutet wurden, und sich weniger am Wahrnehmungsprozess orientieren.
|
||
|
||
3.7 Diskussion
|
||
Limitationen
|
||
Mit dem gewählten explorativen Forschungsansatz gehen verschiedene Limitationen einher, da potenziell beeinflussende Variablen nicht kontrolliert werden. Beispielsweise sind die Beschreibungen der Kinder insgesamt durch hohes sprachliches Niveau gekennzeichnet. Unabhängig von der mathematischen Begabung der Kinder könnte auch die hohe Verbalisierungsfähigkeit ursächlich für die Übereinstimmung zwischen den Annahmen über die Muster- und Strukturerkennung auf Grundlage der Eye-Tracking-Daten und den verbalen Beschreibungen der Kinder sein. Zusätzlich liegen für die Kinder zwar Indizien einer mathematischen Begabung, jedoch keine formalen Nachweise vor. Die Leistungen der Kinder könnten ebenso durch bspw. hohe Raumvorstellungsfähigkeiten bedingt sein. Mit Blick auf die vorrangig methodischen Fragestellungen scheinen diese Einschränkungen jedoch weniger zentral.
|
||
Eine weitere, zentrale Limitation ergibt sich aus dem Interviewleitfaden. Als Hauptimpuls zur verbalen Erklärung wurde die Frage „Wie hast du dir das so schnell gemerkt?“ gewählt. Dieser Impuls hat die Kinder zwar angeregt, ihr Vorgehen detailliert zu beschreiben, möglicherweise legt dieser Frageimpuls jedoch nahe, ausschließlich Muster und Strukturen zu beschreiben, die sich im Merkvorgang als hilfreich erwiesen haben. Da jedoch auch anschließende Aufforderungen,
|
||
|
||
3 Muster- und Strukturerkennungsprozesse bei potenziell …
|
||
|
||
55
|
||
|
||
weitere bemerkenswerte Aspekte der Aufgabe zu benennen, nicht genutzt wurden, um weitere Muster und Strukturen zu benennen, bleibt an dieser Stelle offen, welcher Impuls geeignet wäre, um detaillierte Beschreibungen aller erkannten Muster und Strukturen hervorzurufen.
|
||
|
||
Ergebnisdiskussion
|
||
Unter Berücksichtigung der Limitationen zeigt sich in dieser Studie das Potenzial des Eye-Trackings zur Ergänzung bisheriger Methoden zur Erfassung der Musterund Strukturerkennung (mathematisch begabter) Schüler*innen – wie bereits in ähnlichen Studien zu anderen Kontexten (z. B. Schindler et al., 2019; Sprenger & Benz, 2020) und mit Kindern mit mathematischen Schwierigkeiten (Simon & Schindler, 2020). Beispielsweise konnte bei allen potenziell mathematisch begabten Grundschüler*innen aufgezeigt werden, welche Teile der Stimuli in welcher Reihenfolge betrachtet wurden, sodass Annahmen über erkannte Muster und Strukturen aufgestellt werden konnten. Dabei ergaben sich Unterschiede mit Bezug auf die Aufgabenstellung: Während sich bei Aufgaben mit starker Strukturierung – trotz der hohen metakognitiven und sprachlichen Ansprüche (s. auch Peter-Koop, 2002) – hohe Übereinstimmungen zwischen den Annahmen zur Muster- und Strukturerkennung auf Grundlage der verbalen Beschreibungen und den diesbezüglich aus den Eye-Tracking-Daten abgeleiteten Annahmen zeigten, ergaben sich bei Aufgaben mit weniger Strukturgehalt Unterschiede. Möglich wäre, dass die Schüler*innen nur hilfreiche Muster und Strukturen verbal erklären oder dass nicht alle erkannten Muster und Strukturen bewusst zur Rekonstruktion der Darstellung genutzt werden. Zusätzlich ist nicht auszuschließen, dass Blickbewegungen, die als Muster- und Strukturerkennung gedeutet werden, eher Suchprozesse und keine Muster- und Strukturerkennung darstellen – also, dass die eye-mind assumption hier nicht zutrifft (s. auch Schindler & Lilienthal, 2019).
|
||
Gleichzeitig zeigen sich in dieser Studie Muster- und Strukturerkennungsprozesse, die nicht allein aufgrund der Blickbewegungen erkannt werden (können). So gibt es verbale Erklärungen, die keinen Bezug zu den Blickbewegungen aufweisen (z. B. Superzeichen Haus). Zusätzlich geben die verbalen Erklärungen Einblicke, wie die Kinder wichtige Informationen der Muster verbinden (Abschn. 3.3), und zu gleichen Blickbewegungen liefern Kinder unterschiedliche verbale Erklärungen. Diese deuten auf die starke Individualität der Muster- und Strukturerkennungsprozesse hin (s. auch Steinweg, 2013) und sind ein Hinweis auf die Validität und den Nutzen der retrospektiven Interviews.
|
||
Insgesamt stützt diese Studie die Annahmen verschiedener Autor*innen (Abschn. 3.3), dass mathematisch begabte Schüler*innen besondere Fähigkeiten zur Muster- und Strukturerkennung mitbringen: Alle Schüler*innen erkennen Muster. Auf Grundlage des Eye-Trackings konnten dabei insbesondere bei Aufgaben mit weniger Strukturgehalt Blickbewegungen ausgemacht werden, die als Suche nach Mustern und Strukturen gedeutet werden können (s. auch Käpnick, 1998, 2008). Unklar ist jedoch, inwieweit diese Suchprozesse Merkmal
|
||
|
||
56
|
||
|
||
D. Reuter und J. Bruns
|
||
|
||
mathematischer Begabung sind oder auch in Blickbewegungen von Kindern ohne mathematische Begabung erkennbar werden.
|
||
Zusammenfassend zeigt diese Studie das hohe Potenzial der Methode des Eye-Trackings zur Erfassung von Muster- und Strukturerkennungsprozessen – insbesondere in Kombination mit verbalen Erklärungen (s. auch Simon & Schindler, 2020). Zusätzlich stützt diese Studie für die hier untersuchte Stichprobe potenziell mathematisch begabter Grundschüler*innen die Validität von verbalen Erklärungen im Kontext der Muster- und Strukturerkennung – zumindest für Aufgaben mit starker Strukturierung. Weiterer Forschungsbedarf besteht für andere Stichproben sowie für Aufgaben mit weniger Strukturgehalt.
|
||
|
||
Literatur
|
||
Aßmus, D. (2017). Mathematische Begabung im frühen Grundschulalter unter besonderer Berücksichtigung kognitiver Merkmale. WTM.
|
||
Devlin, K. (1998). Muster der Mathematik: Ordnungsgesetze des Geistes und der Natur. Spektrum, Akademischer Verlag.
|
||
Döring, N., & Bortz, J. (2016). Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften. Springer.
|
||
Fyfe, E. R., Evans, J. L., Matz, L. E., Hunt, K. M., & Alibali, M. W. (2017). Relations between patterning skill and differing aspects of early mathematics knowledge. Cognitive Development, 44, 1–11. https://doi.org/10.1016/j.cogdev.2017.07.003
|
||
Goldstein, E. B. (2008). Wahrnehmungspsychologie. Spektrum. Guski, R. (2000). Wahrnehmung: eine Einführung in die Psychologie der menschlichen
|
||
Informationsaufnahme. Kohlhammer. Heinze, A. (2005). Lösungsverhalten mathematisch begabter Grundschulkinder – aufgezeigt an
|
||
ausgewählten Problemstellungen. Lit. Helfferich, C. (2014). Leitfaden- und Experteninterviews. In N. Baur & J. Blasius (Hrsg.), Hand-
|
||
buch Methoden der empirischen Sozialforschung (S. 559–574). Springer VS. https://doi. org/10.1007/978-3-531-18939-0_39 Holmqvist, K., Nyström, M., Andersson, R., Dewhurst, R., Jarodzka, H., & van de Weijer, J. (2011). Eye tracking: A comprehensive guide to methods and measures. Oxford Univ. Press. Just, M. & Carpenter, P. (1976). Eye fixation and cognitive processes. Cognitive Psychology, 8(4), 441–480. https://doi.org/10.1016/0010-0285(76)90015-3. Just, M. A., & Carpenter, P. A. (1980). A theory of reading: From eye fixations to comprehension. Psychological Review, 87(4), 329–354. https://doi.org/10.1037/0033295X.87.4.329 Käpnick, F. (1998). Mathematisch begabte Kinder. Modelle, empirische Studien und Förderungsprojekte für das Grundschulalter. Lang. Käpnick, F. (2008). Diagnose und Förderung mathematisch begabter Kinder im Spannungsfeld zwischen interdisziplinärer Komplexität und Bereichsspezifik. In C. Fischer, F. J. Mönks, & U. Westphal (Hrsg.), Individuelle Förderung: Begabungen entfalten – Persönlichkeit entwickeln (S. 3–23). LIT. Kießwetter, K. (1993). Vernetzung als unverzichtbare Leitidee für den Mathematikunterricht. mathematik lehren, 58, 5–7. Krutetskii, V. A. (1976). The psychology of mathematical abilities in schoolchildren. University of Chicago Press. Lüken, M. M. (2012). Young children’s structure sense. Journal Für Mathematik-Didaktik, 33(2), 263–285. https://doi.org/10.1007/s13138-012-0036-8
|
||
|
||
3 Muster- und Strukturerkennungsprozesse bei potenziell …
|
||
|
||
57
|
||
|
||
Lüken, M. M., & Sauzet, O. (2020). Patterning strategies in early childhood: A mixed methods study examining 3- to 5-year-old children’s patterning competencies. Mathematical Thinking and Learning, 22(3), 1–21. https://doi.org/10.1080/10986065.2020.1719452
|
||
Mayring, P. (2015). Qualitative Inhaltsanalyse: Grundlagen und Techniken. Beltz. Mulligan, J., & Mitchelmore, M. (2009). Awareness of pattern and structure in early
|
||
mathematical development. Mathematics Education Research Journal, 21(2), 33–49. Nolte, M., & Kießwetter, K. (1996). Können und sollen mathematisch besonders befähigte
|
||
Schüler schon in der Grundschule identifiziert und gefördert werden? ZDM, 5, 143–157. Peter-Koop, A. (2002). Kommunikation von Denk- und Lösungsstrategien: Aufgaben für
|
||
Forschung und Förderung. In A. Peter-Koop & P. Sorger (Hrsg.), Mathematisch besonders begabte Grundschulkinder als schulische Herausforderung (S. 142–149). Mildenberger. Rittle-Johnson, B., Zippert, E. L., & Boice, K. L. (2019). The roles of patterning and spatial skills in early mathematics development. Early Childhood Research Quarterly, 46, 166–178. https://doi.org/10.1016/j.ecresq.2018.03.006 Sawyer, W. W. (1955). Prelude to mathematics. Penguin. Schindler, M., & Lilienthal, A. J. (2019). Domain-specific interpretation of eye tracking data: Towards a refined use of the eye-mind hypothesis for the field of geometry. Educational Studies in Mathematics, 101(1), 123–139. https://doi.org/10.1007/s10649-019-9878-z. Schindler, M., Lilienthal, A. J., Schindler, F., & Schabmann, A. (2019). Quantity recognition in structured whole number representations of students with mathematical difficulties: An eye tracking study. Learning Disabilities: A Contemporary Journal, 17(1), 5–28. Schmerold, K., Bock, A. M., Peterson, M., Leaf, B., Vennergrund, K., & Pasnak, R. (2017). The relations between patterning, executive function, and mathematics. The Journal of Psychology, 151(2), 207–228. https://doi.org/10.1080/00223980.2016.1252708 Simon, A. L., & Schindler, M. (2020). A comparative analysis of eye tracking and thinking aloud in number line estimation tasks: A study on students with and without mathematical difficulties. In M. Inprasitha, N. Changsri, & N. Boonsena (Hrsg.), Interim proceedings of the 44th conference of the international group for the psychology of mathematics education (S. 537–545). PME. Singer, F., Sheffield, L., Freiman, V., & Brandl, M. (2016). Research on and activities for mathematically gifted students. Springer. https://doi.org/10.1007/978-3-319-39450-3_1 Sprenger, P., & Benz, C. (2020). Children’s perception of structures when determining cardinality of sets – Results of an eye-tracking study with 5-year-old children. ZDM, 52, 753– 765. https://doi.org/10.1007/s11858-020-01137-x Steinweg, A. S. (2013). Algebra in der Grundschule. Muster und Strukturen – Gleichungen – funktionale Beziehungen. Springer. Strohmaier, A. R., MacKay, K. J., Obersteiner, A., & Reiss, K. M. (2020). Eye-tracking methodology in mathematics education research: A systematic literature review. Educational Studies in Mathematics, 104(2), 147–200. https://doi.org/10.1007/s10649-020-09948-1 Wirtz, M., & Caspar, F. (2002). Beurteilerübereinstimmung und Beurteilerreliabilität. Methoden zur Bestimmung und Verbesserung der Zuverlässigkeit von Einschätzungen mittels Kategoriensystemen und Ratingskalen. Hogrefe. Yin, R. K. (2018). Case study research and applications: Design and methods. SAGE.
|
||
|
||
Eye-Tracking als Methode zur Analyse der Wirkung
|
||
|
||
4
|
||
|
||
unterstützender Hinweise
|
||
|
||
in digitalen Lernumgebungen
|
||
|
||
Christoph Hoyer, Bianca Watzka, Maleen Hurzlmeier, Bernhard Ertl und Raimund Girwidz
|
||
|
||
Inhaltsverzeichnis
|
||
4.1 Einleitung und Forschungslage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 4.2 Theoretischer Hintergrund . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 4.3 Beschreibung der Experimente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 4.4 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.5 Resümee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
|
||
|
||
C. Hoyer (*) · R. Girwidz Lehrstuhl für Didaktik der Physik, Ludwig-Maximilians-Universität München, München, Deutschland E-Mail: christoph.hoyer@lmu.de URL: https://www.didaktik.physik.uni-muenchen.de/die_arbeitsgruppe/personen/hoyer/ index.html
|
||
R. Girwidz E-Mail: girwidz@lmu.de
|
||
M. Hurzlmeier · B. Ertl Erziehungswissenschaft mit dem Schwerpunkt Lernen und Lehren mit Medien, Universität der Bundeswehr München, München, Deutschland E-Mail: maleen.hurzlmeier@unibw.de
|
||
B. Ertl E-Mail: bernhard.ertl@unibw.de
|
||
B. Watzka Didaktik der Physik, Otto-von-Guericke-Universität Magdeburg, Magdeburg, Deutschland E-Mail: bianca.watzka@ovgu.de
|
||
|
||
© Der/die Autor(en), exklusiv lizenziert durch Springer-Verlag GmbH, DE, ein Teil
|
||
|
||
59
|
||
|
||
von Springer Nature 2022
|
||
|
||
P. Klein et al. (Hrsg.), Eye-Tracking in der Mathematik- und
|
||
|
||
Naturwissenschaftsdidaktik, https://doi.org/10.1007/978-3-662-63214-7_4
|
||
|
||
60
|
||
|
||
C. Hoyer et al.
|
||
|
||
4.1 Einleitung und Forschungslage
|
||
|
||
Der Einsatz von Hinweisen (engl. cueings, signalings) in Multimedia-Anwendungen kann die Aufmerksamkeit lenken oder inhaltliche Aspekte akzentuieren. EyeTracking bietet Möglichkeiten, die Wirkung von Hinweisen auf die visuelle Aufmerksamkeit zu untersuchen. Dies wird anhand von drei unterschiedlichen Beispielen aus der Physik aufgezeigt. In diesem Kapitel wird deutlich gemacht, wie verschiedene Eye-Tracking-Metriken dabei helfen können, die Wirkung von unterschiedlichen unterstützenden Hinweisen zu analysieren.
|
||
|
||
• Im ersten Experiment wird analysiert, inwieweit sich Unterschiede im Vorwissen beim Lernen mit visuellen Hinweisen im Blickverhalten widerspiegeln. Hierzu werden die Blickpfade qualitativ ausgewertet.
|
||
• Im zweiten Experiment wird untersucht, welchen Einfluss Hinweise auf das Lernen mit Experimentiervideos und die visuelle Aufmerksamkeit der Lernenden haben. Dabei werden auch Modalitätseffekte berücksichtigt. Hier werden die Anzahl der Fixationen und die Blickdauer näher betrachtet.
|
||
• Im dritten Experiment werden verschiedene Hinweise zur Dokumentation von Messwerten in Diagrammen miteinander verglichen. Zur Interpretation der Ergebnisse werden Blicksakkaden in Abhängigkeit von ihrer Richtung, Länge und Häufigkeit analysiert.
|
||
|
||
4.2 Theoretischer Hintergrund
|
||
Bekannt ist, dass die kognitiven Verarbeitungsprozesse Selektieren, Organisieren und Integrieren durch aufmerksamkeitslenkende bzw. informierende Hinweise unterstützt werden können (vgl. van Gog, 2014; Richter et al., 2015; Schneider et al., 2018). Dabei spielen u. a. folgende Faktoren eine Rolle für die Wirkung von Hinweisen: Vorwissen, Präsentationsform des Lerninhalts (dynamisch vs. statisch) sowie Art und fachlicher Inhalt der Hinweise. Diese Faktoren sollen im Folgenden genauer betrachtet werden.
|
||
|
||
Vorwissen
|
||
Die Metastudie von Richter et al. (2016) untersuchte den Einfluss von relationalen Hinweisen zur Förderung der Integration von verbal und bildhaft präsentierten Informationen. Die Ergebnisse zeigen, dass diese Hinweise zum Verständnis beitragen, indem sie die Integration der Informationen anregen, vor allem bei Lernenden mit niedrigem Vorwissen.
|
||
Nach der Metaanalyse von Schneider et al. (2018) lassen sich jedoch diese Ergebnisse nicht verallgemeinern. Die Autoren zeigen einen positiven Effekt hohen Vorwissens auf die Wirkung der Signalisierung. Im Einzelfall sollte daher
|
||
|
||
4 Eye-Tracking als Methode zur Analyse der Wirkung …
|
||
|
||
61
|
||
|
||
überprüft werden, inwieweit sich die gegebenen Hinweise unter Berücksichtigung des Vorwissens auf den Lernerfolg auswirken. Um Unterschiede in der visuellen Wahrnehmung aufzudecken, können Eye-Tracking-Daten genutzt werden. Experiment 1 beschreibt ein mögliches qualitatives Vorgehen. Unterschiede im Blickverhalten zwischen Personen mit hohem und niedrigem Vorwissen beim Umgang mit visuellen Hinweisen zu elektrischen Schaltungen werden aufgezeigt.
|
||
|
||
Präsentationsform des Lerninhalts (dynamisch vs. statisch)
|
||
Lerninhalte können durch statische oder dynamische Repräsentationen dargeboten werden. Nach Höffler und Leutner (2007) sind dynamische Repräsentationen vor allem dann von Vorteil, wenn die Dynamik explizit zum Lerninhalt gehört. Berney und Bétrancourt (2016) konnten hingegen einen solchen Zusammenhang nicht nachweisen.
|
||
Untersuchungen zeigen, dass sich die Wirkung von Hinweisen in statischen Repräsentationen von der in dynamischen Repräsentationen unterscheidet (vgl. de Koning et al., 2009). So konnte durch Hinweise in Illustrationen und Texten beispielsweise die Selektion von Inhalten unterstützt werden, während gleichzeitig die Erinnerungsleistung an hervorgehobene Elemente sowie die Fähigkeit der Lernenden zum Problemlösen erhöht wurden. Für Animationen ließ sich eine lernförderliche Wirkung hingegen nicht immer nachweisen (z. B. de Koning et al., 2010; Kriz & Hegarty, 2007). Es ist daher nicht zwangsläufig zu erwarten, dass Hinweise, die sich in statischen Lernmaterialien als effektiv erwiesen, dieselbe positive Wirkung in dynamischen Lernmaterialien zeigen.
|
||
Bei der Beurteilung der Wirksamkeit von Hinweisen sollten weiterhin nicht nur die Lernergebnisse im Blickpunkt stehen, sondern auch die Lernprozesse, die zu diesen Ergebnissen führten. Durch Eye-Tracking können Aussagen über die visuelle Aufmerksamkeit der Lernenden bei der hinweisgestützten Bearbeitung von statischen und dynamischen Lernmaterialien getroffen werden.
|
||
In den Experimenten 2 und 3 werden entsprechende Vorgehensweisen zur Beurteilung der Wirkungen von Hinweisen in physikalischen dynamischen bzw. statischen Repräsentationen aufgezeigt.
|
||
|
||
Art und fachlicher Inhalt der Hinweise
|
||
Hinweise können genutzt werden, um auf Elemente des Lernmaterials aufmerksam zu machen. Ein Lenken der visuellen Aufmerksamkeit gelingt z. B. über Spotlights, d. h. durch hell hervorgehobene Bildelemente (z. B. de Koning et al., 2010; Jarodzka et al., 2013), oder Pfeile (z. B. Kriz & Hegarty, 2007).
|
||
Neben dieser Akzentuierung von Elementen der visuellen Oberflächenstruktur können durch Hinweise auch Elemente der Tiefenstruktur des Lerninhalts hervorgehoben werden. So kann auch die Verknüpfung von Elementen innerhalb einer Darstellung oder repräsentationsübergreifend über mehrere Darstellungen hinweg
|
||
|
||
62
|
||
|
||
C. Hoyer et al.
|
||
|
||
unterstützt werden. Zur Analyse, wie integrative Hinweise verarbeitet werden, kann eine Betrachtung von Blicksakkaden hilfreich sein. Während in manchen Untersuchungen eine erhöhte Anzahl an Sakkaden in Verbindung mit besseren Ergebnissen standen (Johnson & Mayer, 2012; Klein et al., 2019; Mason et al., 2013; O’Keefe et al., 2014), konnten andere Untersuchungen einen solchen Zusammenhang nicht nachweisen (Ott et al., 2018; Scheiter & Eitel, 2015; Schüler, 2017).
|
||
Hinweise können auch fachliche Informationen enthalten (z. B. durch textuelle oder gesprochene Erläuterungen) oder Hilfen zur kognitiven Verarbeitung geben, beispielsweise durch inhaltliche Anmerkungen zu einer Konvention oder zur Symbolik.
|
||
Bei einem überwiegend bildbasierten Lernmaterial haben vor allem Hinweise in Form gesprochener Texte positive Effekte auf den Lernerfolg (z. B. Glaser & Schwan, 2015). Eine Erklärung für die bessere Eignung gesprochener Texte im Vergleich zu geschriebenen gibt die Kognitive Theorie des Multimedialen Lernens (CTML: Mayer, 2001). Aufgrund der begrenzten Kapazität der Verarbeitungskanäle ist es demnach sinnvoll, Informationen auf den visuellen und den auditiven Verarbeitungskanal aufzuteilen.
|
||
Ergebnisse von Xie et al. (2019) zeigen, dass Kombinationen aus visuellen und auditiven Hinweisen den Lernerfolg erhöhen können. Die Autoren weisen dabei einen Zusammenhang moderater Effektstärke zwischen der Informationssuche und der Lernleistung nach. Eine kürzere Suchzeit nach relevanten Informationen ist verknüpft mit einer besseren Behaltens- und Transferleistung. Diese beiden Größen korrelierten weiterhin positiv mit der Dauer der Fixationen und der Anzahl der Fixationen auf lernrelevante Inhalte.
|
||
Dies zeigt, dass Eye-Tracking-Metriken die Wirksamkeit von Hinweisen indizieren können. In den Experimenten 2 und 3 wird die Wirksamkeit von Hinweisen in dynamischen und statischen physikalischen Repräsentationen untersucht. Dabei wird beschrieben, wie Fixationen (Experiment 2) und Sakkaden (Experiment 3) im Blickverhalten der Probandinnen und Probanden dazu genutzt werden können, die Lernergebnisse zu interpretieren.
|
||
|
||
4.3 Beschreibung der Experimente
|
||
Experiment 1: Unterschiede im Blickverhalten bei hohem bzw. niedrigem Vorwissen
|
||
In Experiment 1 wurde eine qualitative Analyse des Blickverhaltens beim Lernen mit visuellen Hinweisen zu elektrischen Schaltskizzen in Abhängigkeit vom Vorwissen durchgeführt. Dabei dienten die Hinweise dazu, die Integration zwischen den textuellen Erklärungen und den Elementen der Schaltskizzen zu unterstützen. Das resultierende Blickverhalten von Lernenden mit hohem Vorwissen wurde dem Blickverhalten von Lernenden mit niedrigem Vorwissen gegenübergestellt. Der Mehrwert qualitativer Analysen von Blickbewegungen soll dadurch aufgezeigt werden.
|
||
|
||
4 Eye-Tracking als Methode zur Analyse der Wirkung …
|
||
|
||
63
|
||
|
||
Forschungsfrage Inwieweit spiegeln sich Unterschiede im Vorwissen beim Lernen mit visuellen Hinweisen in den Blickpfaden wider?
|
||
|
||
Stichprobe In der betrachteten Stichprobe lernten 23 Probandinnen und Probanden (n = 6 weiblich, n = 17 männlich) mit einer Lernumgebung zu elektrischen Schaltungen. Das durchschnittliche Alter lag bei M = 22.34 Jahren (SD = 2.55). Die Teilnehmerinnen und Teilnehmer stammten fast alle aus dem bildungswissenschaftlichen Bereich, lediglich eine Person war einem technischen Bereich zuzuordnen.
|
||
|
||
Material und Methode Nach der Erhebung des Vorwissens folgten zwei Lernphasen zu elektrischen Schaltungen. In der ersten Lernphase wurden Bauteile und Schaltsymbole mit den entsprechenden Fachtermini (z. B. elektrischer Widerstand oder Spannungsmessgerät) bildgestützt präsentiert. In der zweiten Lernphase wurden acht Lernvideos mit jeweils unterschiedlichen Lernaufgaben gezeigt. Diese bezogen sich auf das Identifizieren einer physikalisch identischen Schaltung, auf das „Übersetzen“ einer Schaltskizze in eine andere Darstellungsform oder auf das Erkennen physikalisch relevanter Strukturen wie Knotenpunkte und Maschen (Abb. 4.1). In dieser Lernphase waren visuelle Hinweise (Pfeile der Textfelder) im Lernmaterial implementiert. Diese führten durch die einzelnen Schaltungen und verknüpften die in Textform beschriebenen Elemente mit den in den Skizzen enthaltenen Bauteilen, Schaltungstypen und etwaigen Verzweigungen. Die Hinweise hatten somit zweierlei Aufgaben: Zum einen sollten sie die Aufmerksamkeit der Lernenden auf relevante Elemente lenken, zum anderen sollten sie inhaltlich wichtige Elemente hervorheben.
|
||
|
||
Erhebungsinstrumente Erhebungsinstrumente waren ein Eye-Tracker der Marke SMI-RED (Teltow, Germany) sowie ein Vorwissenstest. Die hinweisbegleitete Lernumgebung (zweite Lernphase) wurde durch das SMI Experiment CenterTM präsentiert. Der verwendete Bildschirm hatte eine Größe von 15 Zoll und eine Auflösung von 1920 × 1080 Pixeln. Die Distanz zwischen Lernenden und Bildschirm betrug in etwa 60cm. Das Blickverhalten wurde mit einer Abtastfrequenz von 60 Hz und einer Genauigkeit von < 0.4 ◦ gemessen.
|
||
Das Vorwissen der Teilnehmenden wurde durch die Abfrage von grundlegenden Symbolen elektrischer Schaltskizzen (z. B. Schalter oder elektrischer Widerstand) erfasst. Insgesamt waren 6 Vorwissenspunkte möglich, von denen durchschnittlich M = 3.87 (SD = 2.18) Punkte erreicht wurden.
|
||
|
||
Datenauswertung Die aufgezeichneten Blickbewegungsdaten wurden mit der Software BeGaze Version 3.7 ausgewertet. Für die qualitative Analyse der Blickbewegungsdaten wurden für jede Person die Blickpfade untersucht. Die Datenauswertung erfolgte anhand einer deskriptiven Analyse von erkennbaren Besonderheiten im Blickverhalten. Dabei wurden ausschließlich Lernende der Extremgruppen im Vorwissen untersucht. Personen mit 0–1 Vorwissenspunkten wurden der Kategorie „niedriges Vorwissen“ (n = 5) und Personen
|
||
|
||
64
|
||
|
||
C. Hoyer et al.
|
||
|
||
Abb. 4.1 Darstellung von Blickpfaden (Zeitspanne: 10 s) während der Gabe von Hinweisen. a Detail- bzw. elementorientiertes Blickverhalten bei niedrigem Vorwissen. b Ganzheitlichesbzw. schaltungsorientiertes Blickverhalten bei hohem Vorwissen
|
||
mit 6 Vorwissenspunkten der Kategorie „hohes Vorwissen“ zugeordnet (n = 9 ). Eine derartige Unterteilung maximiert die Unterschiede und kann dadurch charakteristische Muster der Blickpfade besonders deutlich herausstellen. Die aktuellen Auswertungen beziehen sich auf 10-s-Intervalle im zweiten Drittel der Aufgabenbearbeitung. Ein 10-s-Ausschnitt wurde gewählt, um die Blickpfade nachvollziehbar und übersichtlich halten zu können; der gewählte Zeitpunkt umfasst Hinweisgaben zu Schaltung b und c (Abb. 4.1), sodass anfängliche
|
||
|
||
4 Eye-Tracking als Methode zur Analyse der Wirkung …
|
||
|
||
65
|
||
|
||
Orientierungsprozesse nicht mehr erfasst werden und primär die Wirkung der Hinweise betrachtet werden kann.
|
||
Ergebnisse von Experiment 1 Abb. 4.1a stellt das Blickverhalten einer Person mit niedrigem Vorwissen dar. Es traten überwiegend Blickpfade zwischen den textuellen Erklärungen und den dadurch adressierten Elementen der Schaltungen auf. Die Blickpfade orientieren sich deutlich an den Hinweisen. Weiterhin zeigen sich vergleichende Blickbewegungen zwischen den einzelnen Elementen innerhalb von Schaltung b, bevor der Blickpfad dem erscheinenden Hinweis auf Schaltung c folgt. Abb. 4.1b stellt die Blickpfade einer Person mit hohem Vorwissen dar und zeigt ein deutlich anderes Blickverhalten. Es traten ebenfalls Blickpfade zwischen den textuellen Erklärungen und den Elementen der Schaltung auf – allerdings ist die Wirkung der Hinweise weitaus weniger offensichtlich. So zeigt Abb. 4.1b verschiedene Blickpfade, die auch auf Vergleiche zwischen den Schaltungen a, b und c sowie auf Vergleiche zwischen der Aufgabenstellung (gelber Block) und den Schaltungen hinweisen. Personen mit niedrigem Vorwissen zeigten also ein detailbzw. elementorientiertes Blickverhalten, das auf differenzierte Übersetzungsprozesse zwischen den textuellen Erklärungen und der grafisch repräsentierten Schaltung schließen lässt. Bei Personen mit hohem Vorwissen sind solche Übersetzungsprozesse in deutlich geringerem Umfang nachvollziehbar. Die Vergleiche zwischen den einzelnen Schaltungen sowie mit der Aufgabenstellung wiesen darüber hinaus auf ein eher ganzheitliches bzw. schaltungsorientiertes Blickverhalten hin (weitere Ergebnisse siehe Hurzlmeier et al., 2021).
|
||
|
||
Experiment 2: Wirkung von Hinweisen in dynamischen Repräsentationen
|
||
Neben dem Vorwissen ist die Dynamik der zu verarbeitenden Repräsentation ein Faktor, der die Wirkung von Hinweisen auf das Lernen beeinflussen kann. Eine Analyse einzelner Blickpfade wird vor allem bei dynamischen Lernmaterialien und hohen Teilnehmendenzahlen sehr aufwendig. Es bietet sich daher an, EyeTracking-Metriken, wie die Blickdauer etc., zu nutzen. Experiment 2 untersuchte für das Lernen mit Experimentiervideos, in welchem Ausmaß Eye-TrackingMetriken Unterschiede in den Lernergebnissen aufklären, wenn die Aufmerksamkeit durch visuelle bzw. auditive Hinweise gelenkt wird.
|
||
Forschungsfrage Inwieweit erklären Eye-Tracking-Metriken und die Hinweismodalität Unterschiede im Lernergebnis beim Lernen mit Experimentiervideos?
|
||
Stichprobe 44 Studierende für das Lehramt Physik nahmen am Experiment teil. Das Durchschnittsalter der Teilnehmenden lag zwischen 21 und 30 Jahren. Die Studie war als Laborstudie umgesetzt und weist die beiden Bedingungen visuelle Hinweise bzw. auditive Hinweise auf. Die Teilnehmenden wurden zufällig auf die beiden Bedingungen verteilt.
|
||
|
||
66
|
||
|
||
C. Hoyer et al.
|
||
|
||
Material und Methode Die Lernmaterialien bestanden aus Videos, also dynamischen Repräsentationen. Diese zeigten den Aufbau und die Durchführung von zwei Standardexperimenten zum Thema Wirbelströme (Scheibenbremse und Waltenhofen-Pendel). Mit dem Lernmaterial wurde der Erwerb von deklarativem Wissen über den Aufbau und die Durchführung der gezeigten Experimente adressiert.
|
||
Die Videos variierten hinsichtlich der Hinweismodalität. In der Variante mit visuellen Hinweisen erschienen in den Videos synchron zur Handlung erklärende Textfelder und Hell-Dunkel-Kontraste zum jeweils relevanten Bildbereich. In den Videos mit auditiven Hinweisen wurden dieselben inhaltlichen Informationen und aufmerksamkeitssteuernden Anweisungen angeboten wie in den Videos der visuellen Bedingung. Allerdings wurden die auditiven Hinweise ausschließlich in gesprochener Form präsentiert. Fest vorgegebene Präsentationszeiten stellten eine konstante Lernzeit bei beiden Varianten sicher.
|
||
|
||
Erhebungsinstrumente Erhebungsinstrumente waren ein Eye-Tracker, ein Preund ein Posttest. Bei dem Eye-Tracker handelte es sich um einen EyeFollower von LC Technology mit einer Abtastrate von 120 Hz. Der verwendete Monitor hatte eine Größe von 24 Zoll und eine Auflösung von 1920 × 1200 Pixeln. Die Distanz zwischen Display und Kopf lag zwischen 46 und 97 cm. Die Blickbewegungen wurden mit einer Genauigkeit von < 0.4 ° erfasst. Zum Einsatz kamen vier Kameras, die Augenbewegungen und Kopfbewegungen erfassten. Durch die Berücksichtigung der Kopfbewegungen können Blickbewegungen auch dann präzise erfasst werden, wenn die Teilnehmenden ihren Kopf bewegen. So kann eine möglichst natürliche Bearbeitung der Übungseinheit ohne Einschränkungen durch das Eye-Tracking-System gewährleistet werden. Die Kalibrierung erfolgte mittels 9-Punkten. Die Blickbewegungen wurden durch die Software Nyan 2.0 ausgewertet. Diese nutzt den LC Fixation Detector zur Unterscheidung zwischen Fixationen und Sakkaden.
|
||
Der schriftliche Pretest fragte demografische Daten, Kontrollvariablen und das Vorwissen bezogen auf die gezeigten Versuchsmaterialien ab. Der schriftliche Posttest prüfte die Lernergebnisse durch offene Fragen zu folgenden Bereichen ab: a) Angabe der Geräte, b) fachsprachlich korrekte Bezeichnung der Geräte, c) beschriftete Skizze und verbale Beschreibung des Aufbaus sowie d) Beschreibung der Durchführung.
|
||
|
||
Datenauswertung Die Auswertung der Daten erfolgte auf der Basis hierarchischer Regressionsmodelle. Dazu gingen die Ergebnisse des Posttests als Gesamtmaß (über alle Subskalen hinweg) als abhängige Variable ein. Prädiktoren wurden schrittweise eingebunden. Die Variable „Hinweismodalität“ wurde dabei zuerst in das Modell aufgenommen, da anzunehmen ist, dass das Blickverhalten sehr stark von dieser Variable beeinflusst ist. Anschließend folgte die gemeinsame Aufnahme der Prädiktoren Blickdauer und Anzahl der Fixationen auf experimentelle Details.
|
||
|
||
4 Eye-Tracking als Methode zur Analyse der Wirkung …
|
||
|
||
67
|
||
|
||
Ergebnisse von Experiment 2 Die Eye-Tracking-Daten von vier Probandinnen und Probanden mussten aufgrund von Aussetzern des Eye-Tracking-Systems von der weiteren Analyse ausgenommen werden. So wurden die Eye-Tracking-Daten von 40 Studierenden ausgewertet.
|
||
Der Mittelwert der Posttestergebnisse über beide Bedingungen hinweg lag bei M = 64.34 % der maximal erreichbaren Punkte (SD = 12.89 %). Die Hinweismodalität erklärte fast 60 % der Varianzen im Posttestergebnis (p < .001 , korrigiertes R2 = 0.574, 95 %CI = [13.829, 24.743]). Beim gemeinsamen Hinzufügen der Blickdauer und der Anzahl der Fixationen auf experimentelle Details als Prädiktoren verbesserte sich das Modell signifikant (p < .001 ), und die Varianzaufklärung stieg auf insgesamt, R2 = 0.877 (korrigiert). Die standardisierten Regressionskoeffizienten des letzten Modells, in das alle Prädiktoren aufgenommen wurden, hoben die Rolle von folgenden zwei Prädiktoren hervor. Sowohl die Hinweismodalität (p < .001, stand.β = −20.035 , 95 %CI = [−28.816, −11.794]) als auch die Anzahl der Fixationen (p < .001 , stand.β = 1.545, 95 %CI = [1.077, 1.965]) erklärten signifikant Unterschiede im Lernergebnis. Für die Blickdauer (p > .10) konnte hingegen im Modell keine Signifikanz festgestellt werden.
|
||
Zusammengefasst zeigen die Ergebnisse, dass durch Eye-Tracking-Metriken (hier die Anzahl der Fixationen) ein beachtlicher Anteil der Varianzen in den Posttestergebnissen erklärt werden kann.
|
||
|
||
Experiment 3: Unterschiede in der Verteilung von Blicksakkaden bei der Bearbeitung verschiedener Hinweistypen
|
||
Nicht nur Eye-Tracking-Metriken, die mit Fixationen in Zusammenhang stehen, können für die Interpretation der Wirksamkeit von Hinweisen genutzt werden. Wie Experiment 3 zeigt, kann auch eine quantitative Analyse von Blicksakkaden Aufschlüsse geben. Im Experiment 3 wurde untersucht, mit welchen Hinweisen eine Übertragung von Messwerten vom Laborsystem des Experiments in das Koordinatensystem eines Diagramms am effektivsten geübt werden kann. Die Wirkungen dynamischer, interaktiver und statischer Hinweise auf eine spätere Dokumentationsaufgabe wurden miteinander verglichen (s. auch Hoyer & Girwidz, 2020). Zur Analyse der Blickbewegungen wurden Polardiagramme angefertigt, die eine kombinierte Sicht auf die Längen- und Richtungsverteilung der Sakkaden während des Trainings ermöglichen. In Ergänzung zur Arbeit von Hoyer und Girwidz (2020) werden die Unterschiede im Leistungszuwachs von Vor- zu Nachtest zwischen den Gruppen analysiert und unter Berücksichtigung der aufgezeichneten sakkadischen Blickbewegungen interpretiert.
|
||
|
||
68
|
||
|
||
C. Hoyer et al.
|
||
|
||
Forschungsfragen 1. Ergeben sich unterschiedliche Leistungszuwächse bei der Dokumentation von
|
||
Messwerten in Diagrammen, nachdem die Lernenden eines der folgenden drei Trainings durchgeführt haben: a) Training mit dynamischen Hinweisen, b) Training mit interaktiven Hinweisen oder c) Training mit statischen Hinweisen? 2. Gibt es für die verschiedenen Trainings charakteristische Blickbewegungen, in denen sie sich unterscheiden?
|
||
|
||
Stichprobe Am Experiment nahmen 119 Schüler*innen und Schüler aus acht verschiedenen elften Klassen teil. Die Teilnehmenden wurden zufällig auf die drei Versuchsbedingungen verteilt. Die Gruppe mit dynamischen Hinweisen umfasste Ndyn = 38, die Gruppe mit interaktiven Hinweisen Nint = 41 und die Gruppe mit statischen Hinweisen Nstat = 40 Schüler*innen und Schüler.
|
||
Material und Methode Die Anwendung, mit der die Probandinnen und Probanden während des Experiments arbeiteten, basierte auf einem virtuellen Labor, mit dem das Feld eines Permanentmagneten vermessen und die aufgenommenen Messwerte auf unterschiedliche Weise visualisiert werden können (vgl. Hoyer & Girwidz, 2018). Zur Übung der Dokumentation von Messwerten wurden in diese Anwendung Hinweise integriert. Sie sollten dabei helfen, Verknüpfungen zwischen dem Laborsystem und dem Koordinatensystem des Diagramms herzustellen, sind also den relationalen Hinweisen (de Koning et al., 2009) zuzuordnen. Die Wirkungen folgender Übungsphasen wurden miteinander verglichen:
|
||
|
||
• Dynamische Hinweise: Probandinnen und Probanden in dieser Übungsgruppe übten mit animierten Überblendungen, die zeigten, wie das Laborsystem in das Koordinatensystem des Diagramms überführt werden kann.
|
||
• Interaktive Hinweise: In der zweiten Übungsgruppe sollten die Probandinnen und Probanden den zur Messung passenden Ort im Diagramm finden. Nachdem sie den entsprechenden Ort mit einem Klick markierten, wurde sofort der korrekte Punkt in Rot im Diagramm gekennzeichnet.
|
||
• Statische Hinweise: In der dritten Übungsgruppe wurden den Probandinnen und Probanden Diagramme präsentiert, bei denen bereits der korrekte Punkt im Diagramm markiert war. Viele computergestützte Experimente zeigen ein ähnliches Verhalten. Dort werden aufgenommene Messwerte automatisiert korrekt in ein Diagramm dokumentiert. Daher wurde diese Gruppe als Referenzgruppe verwendet. In Bezug dazu wurden die Effekte der anderen beiden Trainingsgruppen verglichen.
|
||
|
||
Jede Teilnehmerin und jeder Teilnehmer absolvierten einzeln und nacheinander einen Pretest gefolgt von einer Übungsphase und einem abschließenden Posttest.
|
||
|
||
Erhebungsinstrumente Die Erhebungsinstrumente waren ein Pre- und ein Posttest, sowie der Eye-Tracker EyeFollower (zu Details s. Erhebungsinstrumente von
|
||
|
||
4 Eye-Tracking als Methode zur Analyse der Wirkung …
|
||
|
||
69
|
||
|
||
Experiment 2). Im Pre- und Posttest mussten die Teilnehmerinnen und Teilnehmer mit einem Klick möglichst genau den Punkt im Diagramm markieren, der zu einer vorgegebenen Messung im Labor gehörte. Die Präzision in der Bearbeitung dieser Aufgabe wurde mit einem Punktesystem bewertet. In Abhängigkeit vom Abstand zum korrekten Ort im Diagramm wurden jeweils zwischen 0 und 5 Punkten vergeben. Für die statistischen Analysen wurde die Gesamtpunktzahl von Pretest und Posttest herangezogen. Weiterhin wurden die Daten zu Blickbewegungen der Probandinnen und Probanden während der Übungsphase untersucht.
|
||
|
||
Datenauswertung Der Leistungszuwachs von Pre- zu Posttest wurde durch eine ANOVA ausgewertet. Die unabhängige Variable war die Hinweisgruppe.
|
||
Für die Analyse der Verteilung sakkadischer Blickbewegungen während der Intervention wurden für alle Teilnehmenden über ein Python-Skript-Polardiagramm angefertigt. Hierfür wurden die Bibliotheken NumPy, SciPy und Matplotlib genutzt. Das Skript ging wie folgt vor:
|
||
Zunächst wurden die Sakkaden entsprechend ihrer Richtung in Winkelfelder zu je 30 ◦ gruppiert. Für jede dieser Gruppen wurde eine Kerndichteschätzung durchgeführt, um die Wahrscheinlichkeitsdichte der Längenverteilung der Sakkaden im jeweiligen Winkelfeld abzuschätzen. Hierfür wurde ein Gaußkern genutzt, die Bandbreite wurde mithilfe der Regel von Scott berechnet. Im Anschluss wurden für jedes Winkelfeld die Sakkaden in Polardiagrammen dokumentiert; dabei wird die Länge der Sakkaden in Zentimeter durch den Abstand der Markierung zur Mitte des Polardiagramms dargestellt. Jede der Markierungen wurde farblich gekennzeichnet, wobei die Farbe den jeweiligen Wert der berechneten Wahrscheinlichkeitsdichte codiert.
|
||
|
||
Ergebnisse von Experiment 3 Es gab einen signifikanten Unterschied im Leistungszuwachs von Pre- zu Posttest zwischen den drei Übungsgruppen (F(2,116) = 3.86, p < .05; partial η2 = .062).
|
||
Geplante Kontraste zeigten, dass der Leistungszuwachs in der Gruppe mit interaktiven Hinweisen signifikant größer war als in der Gruppe mit statischen Hinweisen (t(116) = 2.692; p < .01; partial η2 = .059; r = 0.242; d = .499).
|
||
Der Leistungszuwachs in der Gruppe mit dynamischen Hinweisen unterschied sich hingegen nicht signifikant vom Zuwachs in der Gruppe mit statischen Hinweisen (t(116) = 0.747; p > .05).
|
||
Die Eye-Tracking-Daten von sechs Teilnehmenden waren wegen Aussetzern im Eye-Tracking-System unvollständig. Diese Datensätze wurden daher von der Analyse ausgenommen. Bei den verbleibenden Teilnehmenden konnten deutliche Unterschiede in der Sakkadenverteilung während der Übungsphase in den drei Trainingsgruppen festgestellt werden. Abb. 4.2 zeigt exemplarisch für jeweils eine Person aus der Trainingsgruppe mit dynamischen Hinweisen, interaktiven Hinweisen und statischen Hinweisen die Verteilung der Sakkaden während der Übungsphase. Die Sakkadenverteilungen der anderen Personen in der jeweiligen Übungsgruppe wiesen alle eine ähnliche Struktur auf.
|
||
|
||
70
|
||
a Dynamische Hinweise
|
||
|
||
b InterakƟve Hinweise
|
||
|
||
C. Hoyer et al.
|
||
c StaƟsche Hinweise
|
||
|
||
Abb. 4.2 Die Polardiagramme visualisieren jeweils für eine Person die Verteilung der Sakkaden während der Übung mit a dynamischen Hinweisen, b interaktiven Hinweisen und c statischen Hinweisen
|
||
In der Gruppe mit dynamischen Hinweisen enthielten die Blickmuster vermehrt kurze sakkadische Bewegungen, die in alle Raumrichtungen verteilt waren. Die längsten Sakkaden traten in der Horizontalen auf, die Auftretenswahrscheinlichkeit dieser langen Sakkaden war aber wesentlich geringer als die der kurzen Sakkaden. Dies zeigt, dass eine dynamische Animation vor allem zu kurzen Blickbewegungen führt, mit denen die Dynamik verfolgt wird, während repräsentationsübergreifende Blickbewegungen nur selten stattfinden. Das Blickverhalten in der Gruppe mit interaktiven Hinweisen und statischen Hinweisen zeichnet sich hingegen vor allem durch lange Sakkaden in der Horizontalen aus. Mit diesen Augenbewegungen führten die Probandinnen und Probanden einen repräsentationsübergreifenden Abgleich zwischen Laborsystem und Koordinatensystem durch.
|
||
4.4 Diskussion
|
||
In den drei vorgestellten Experimenten wurde die Wirkung verschiedener Hinweistypen in Arbeitsmaterialien zu unterschiedlichen physikalischen Themen untersucht. Eye-Tracking-Daten konnten dabei jeweils tiefgreifendere Einblicke in die Wirkung der gegebenen Hinweise liefern. Dabei kamen qualitative und quantitative Analysen zum Einsatz.
|
||
Im ersten Experiment wurden Ergebnisse einer qualitativen Studie vorgestellt. Dabei zeigt sich, dass qualitative Analysen mit dem Eye-Tracker tiefergreifende Erkenntnisse liefern können, die quantitativ nicht ohne Weiteres fassbar sind. So können für Gruppen von Lernenden charakteristische Blickmuster identifiziert werden, die sich bei der Bearbeitung von Aufgaben zu elektrischen Schaltungen zeigen.
|
||
Die gefundenen Unterschiede im Blickverhalten weisen auf unterschiedliche Aufmerksamkeitsverteilungen hin und legen damit auch eine unterschiedliche mentale Aktivität von Personen mit niedrigem und hohem Vorwissen nahe. Abgeleitet aus der Theorie der kognitiven Belastung (Sweller et al., 1998) sind
|
||
|
||
4 Eye-Tracking als Methode zur Analyse der Wirkung …
|
||
|
||
71
|
||
|
||
Personen mit niedrigem Vorwissen während der Informationsaufnahme und -verarbeitung mental grundsätzlich stärker belastet als Personen mit hohem Vorwissen. Bezogen auf die Blickpfade der Person mit niedrigem Vorwissen bedeutet das, dass die mentale Belastung primär auf die Übersetzung zwischen textueller Erklärung und Schaltungselementen zurückzuführen ist. Für darüber hinausgehende Vergleiche fehlen offensichtlich die Ressourcen. Die Person mit hohem Vorwissen verwendete deutlich weniger Aufmerksamkeit auf Übersetzungsprozesse. Dies lässt darauf schließen, dass sie deutlich schneller in der Lage ist, ein mentales Modell der einzelnen Schaltungen zu generieren und die Schaltungen dadurch ganzheitlicher erfassen bzw. bearbeiten kann. Die Blickbewegungen zwischen den Schaltungen untereinander und zwischen Schaltungen und Aufgabenstellung können ein zusätzlicher Indikator dafür sein.
|
||
Experiment 2 untersuchte, inwieweit beim Lernen mit Hinweisen in Videos die Modalität der Hinweise und die Maße der visuellen Aufmerksamkeit das Lernergebnis vorhersagen können. Ergebnisse der hierarchischen Regressionen zeigen zunächst, dass die Gruppe mit den auditiven Hinweisen bessere Lernergebnisse erzielt als die Gruppe mit den visuellen Hinweisen.
|
||
Es ist anzunehmen, dass in der Gruppe mit visuellen Hinweisen die visuelle Aufmerksamkeit zwischen den hell hervorgehobenen Bildelementen und den Textfeldern aufgeteilt werden muss. Dies führt im Vergleich zur Gruppe mit auditiven Hinweisen zu einer erhöhten kognitiven Belastung (vgl. Chandler & Sweller, 1992).
|
||
Aufgrund der aufgeteilten Aufmerksamkeit hat die Gruppe mit den visuellen Hinweisen die Bildelemente in den Videos insgesamt weniger oft und lange betrachtet, da sie zusätzlich die Textfelder verarbeiten musste. Bestätigt wird dies in der ergänzenden Analyse von Watzka et al. (2021).
|
||
Weiterhin zeigen die Ergebnisse, dass das Lernergebnis zu einem erheblichen Anteil über die Anzahl der Fixationen vorhergesagt werden kann. Dies kann als Maß für die Elaboration des Lernmaterials interpretiert werden (z. B. Alemdag & Cagiltay, 2018).
|
||
Die Ergebnisse der dritten Studie zeigen, inwieweit sich sakkadische Bewegungen bei der Wahrnehmung unterschiedlicher Hinweistypen unterscheiden. Bei der Analyse werden Unterschiede zwischen der Gruppe mit dynamischen Hinweisen und den Gruppen mit interaktiven und statischen Hinweisen deutlich. Dynamische Hinweise resultieren in kurzen Blickbewegungen, mit denen die Probandinnen und Probanden den Verlauf der Animation beobachten. In den anderen beiden Übungsgruppen sind vermehrt längere Sakkaden festzustellen. Interaktive und statische Hinweise regten also einen repräsentationsübergreifenden Abgleich zwischen den Darstellungen im Laborsystem und im Diagramm an. In Ergänzung zur Arbeit von Hoyer und Girwidz (2020) zeigte sich außerdem, dass für die untersuchte Anwendung eine Übung mit interaktiven Hinweisen zu den größten Leistungszuwächsen führt.
|
||
Aus den Ergebnissen lassen sich Schlussfolgerungen für die Entwicklung computergestützter Übungseinheiten ableiten. Es konnte gezeigt werden, dass sich dynamische Hinweise vor allem dazu eignen, die Aufmerksamkeit der Lernenden
|
||
|
||
72
|
||
|
||
C. Hoyer et al.
|
||
|
||
auf die Dynamik zu konzentrieren. Zur Leistungsverbesserung in der untersuchten Aufgabe haben hingegen die Informationen stärker beigetragen, die die Lernenden durch die repräsentationsübergreifenden Sakkaden in der Übung mit interaktiven Hinweisen wahrgenommen haben.
|
||
|
||
4.5 Resümee
|
||
Eye-Tracking-Systeme liefern für Untersuchungen zur Wirkung von Hinweisen in Lernmaterialien eine Vielzahl von Daten, die auf unterschiedliche Arten ausgewertet werden können. Die drei vorgestellten Experimente geben hierzu einen Einblick. Je nach Fragestellung sind qualitative und/oder quantitative Analysen von Eye-Tracking-Daten geeignet. Es zeigt sich, dass Eye-Tracking ein sehr vielseitiges Verfahren ist, das für die Analyse der Wirksamkeit unterschiedlicher Arten von Hinweisen in Arbeitsmaterialien zu verschiedenen Fachinhalten eingesetzt werden kann.
|
||
|
||
Literatur
|
||
Alemdag, E., & Cagiltay, K. (2018). A systematic review of eye tracking research on multimedia learning. Computers & Education, 125, 413–428.
|
||
Berney, S., & Bétrancourt, M. (2016). Does animation enhance learning? A meta-analysis. Computers & Education, 101, 150–167.
|
||
Chandler, P., & Sweller, J. (1992). The split-attention effect as a factor in the design of instruction. British Journal of Educational Psychology, 62(2), 233–246.
|
||
de Koning, B. B., Tabbers, H. K., Rikers, R. M. J. P., & Paas, F. (2009). Towards a framework for attention cueing in instructional animations: Guidelines for research and design. Educational Psychology Review, 21, 113–140.
|
||
de Koning, B. B., Tabbers, H. K., Rikers, R. M. J. P., & Paas, F. (2010). Attention guidance in learning from a complex animation: Seeing is understanding? Learning and Instruction, 20(2), 111–122.
|
||
Glaser, M., & Schwan, S. (2015). Explaining pictures: How verbal cues influence processing of pictorial learning material. Journal of Educational Psychology, 107(4), 1006–1018.
|
||
Höffler, T. N., & Leutner, D. (2007). Instructional animation versus static pictures: A meta-analysis. Learning and Instruction, 17(6), 722–738.
|
||
Hoyer, C., & Girwidz, R. (2018). A remote lab for measuring, visualizing and analysing the field of a cylindrical permanent magnet. European Journal of Physics, 39(6), 65808.
|
||
Hoyer, C., & Girwidz, R. (2020). Animation and interactivity in computer-based physics experiments to support the documentation of measured vector quantities in diagrams: An eye tracking study. Physical Review Physics Education Research, 16, Article 020124.
|
||
Hurzlmeier, M., Watzka, B., Hoyer, C., Girwidz, R. & Ertl, B. (2021). Lernergebnisse und individuelle Prozesse des Physiklernens mit auditiven und visuellen Hinweisen. Zeitschrift für Pädagogische Psychologie, 1–18. https://doi.org/10.1024/1010-0652/a000331.
|
||
Jarodzka, H., van Gog, T., Dorr, M., Scheiter, K., & Gerjets, P. (2013). Learning to see: Guiding students’ attention via a model’s eye movements fosters learning. Learning and Instruction, 25, 62–70.
|
||
Johnson, C. I., & Mayer, R. E. (2012). An eye movement analysis of the spatial contiguity effect in multimedia learning. Journal of Experimental Psychology: Applied, 18(2), 178–191.
|
||
|
||
4 Eye-Tracking als Methode zur Analyse der Wirkung …
|
||
|
||
73
|
||
|
||
Klein, P., Viiri, J., & Kuhn, J. (2019). Visual cues improve students’ understanding of divergence and curl: Evidence from eye movements during reading and problem solving. Physical Review Physics Education Research, 15, Article 010126.
|
||
Kriz, S., & Hegarty, M. (2007). Top-down and bottom-up influences on learning from animations. International Journal of Human-Computer Studies, 65(11), 911–930.
|
||
Mason, L., Tornatora, M. C., & Pluchino, P. (2013). Do fourth graders integrate text and pictures in processing and learning from an illustrated science text? Evidence from eye-movement patterns. Computers & Education, 60(1), 95–109.
|
||
Mayer, R. E. (2001). Multimedia learning. Cambridge University Press. O’Keefe, P. A., Letourneau, S. M., Homer, B. D., Schwartz, R. N., & Plass, J. L. (2014).
|
||
Learning from multiple representations: An examination of fixation patterns in a science simulation. Computers in Human Behavior, 35, 234–242. Ott, N., Brünken, R., Vogel, M., & Malone, S. (2018). Multiple symbolic representations: The combination of formula and text supports problem solving in the mathematical field of propositional logic. Learning and Instruction, 58, 88–105. Richter, J., Scheiter, K., & Eitel, A. (2016). Signaling text-picture relations in multimedia learning: A comprehensive meta-analysis. Educational Research Review, 17, 19–36. Scheiter, K., & Eitel, A. (2015). Signals foster multimedia learning by supporting integration of highlighted text and diagram elements. Learning and Instruction, 36, 11–26. Schneider, S., Beege, M., Nebel, S., & Rey, G. D. (2018). A meta-analysis of how signaling affects learning with media. Educational Research Review, 23, 1–24. Schüler, A. (2017). Investigating gaze behavior during processing of inconsistent text-picture information: Evidence for text-picture integration. Learning and Instruction, 49, 218–231. Sweller, J., Van Merriënboer, J. J. G., & Paas, F. G. (1998). Cognitive architecture and instructional design. Educational Psychology Review, 10(3), 251–296. van Gog, T. (2014). The signaling (or cueing) principle in multimedia learning. In R. E. Mayer (Hrsg.), The Cambridge handbook of multimedia learning (2. Aufl., S. 263–278). Cambridge University Press. Watzka, B., Hoyer, C., Ertl, B., & Girwidz, R. (2021). Wirkung visueller und auditiver Hinweise auf die visuelle Aufmerksamkeit und Lernergebnisse beim Einsatz physikalischer Lernvideos. Unterrichtswissenschaft, 49, 627–652.https://doi.org/10.1007/s42010-021-00118-7. Xie, H., Mayer, R., Wang, F., & Zhou, Z. (2019). Coordinating visual and auditory cueing in multimedia learning. Journal of Educational Psychology, 111(2), 235–255.
|
||
|
||
Förderung der strukturierten Anzahlerfassung bei Kindern mit
|
||
|
||
5
|
||
|
||
Schwierigkeiten im Rechnenlernen:
|
||
|
||
Eine explorative Eye-Tracking
|
||
|
||
Studie zur Evaluation schulischer
|
||
|
||
Förderung in Klasse 5
|
||
|
||
Maike Schindler und Florian Schindler
|
||
|
||
Inhaltsverzeichnis
|
||
5.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 5.2 Theoretischer Hintergrund und vorherige Forschung . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 5.3 Das Förderprojekt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 5.4 Die Begleitforschung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 5.5 Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 5.6 Diskussion und Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
|
||
|
||
5.1 Einleitung
|
||
Schwierigkeiten im Rechnenlernen sind ein zentrales Thema in der mathematikdidaktischen Praxis und Forschung – nicht zuletzt durch die wachsende Bedeutung inklusiver Bildung (Moser Opitz et al., 2018). Lehrkräfte wie auch Forschende sind bemüht, Kinder und Jugendliche mit Schwierigkeiten im Rechnenlernen individuell und adäquat zu unterstützen (Moser Opitz et al., 2017; Scherer et al., 2016). Dabei hat sich gezeigt, dass Interventionen teilweise erfreuliche Effekte auf Mathematikleistungen haben (vgl. Chodura et al., 2015; Kroesbergen & Van Luit, 2003). Jedoch zeigte sich auch, dass Interventionen in der Schulpraxis mitunter
|
||
|
||
M. Schindler (*) Department Heilpädagogik und Rehabilitation, Universität zu Köln, Köln, Deutschland E-Mail: maike.schindler@uni-koeln.de URL: https://www.hf.uni-koeln.de/39025
|
||
F. Schindler Gesamtschule Wulfen, Dorsten, Deutschland E-Mail: schindler@gs-wulfen.de
|
||
|
||
© Der/die Autor(en), exklusiv lizenziert durch Springer-Verlag GmbH, DE, ein Teil
|
||
|
||
75
|
||
|
||
von Springer Nature 2022
|
||
|
||
P. Klein et al. (Hrsg.), Eye-Tracking in der Mathematik- und
|
||
|
||
Naturwissenschaftsdidaktik, https://doi.org/10.1007/978-3-662-63214-7_5
|
||
|
||
76
|
||
|
||
M. Schindler und F. Schindler
|
||
|
||
keine oder sogar negative Effekte auf die Mathematikleistungen von Lernenden mit Schwierigkeiten haben können (vgl. Kvande et al., 2019; Moser Opitz et al., 2018).
|
||
Mit dem übergeordneten Ziel, Förderung für Kinder mit Schwierigkeiten im Rechnenlernen zu gestalten, die in der Schulpraxis effektiv ist, wurde ein Kooperationsprojekt im Sinne partizipativer Forschung (Von Unger, 2014) durchgeführt. Partizipative Forschung ist charakterisiert durch das Anliegen, soziale Wirklichkeit partnerschaftlich zu erforschen und zu verändern und geht davon aus, dass „die Wirksamkeit von Maßnahmen … unter Praxisbedingungen nachgewiesen werden [muss]“ (ebd., S. 7). Hierin eingebettet ist die vorgestellte explorative Studie, bei der eine Förderung durch eine qualifizierte und erfahrene Lehrkraft in der Schulpraxis durchgeführt wurde. Die wissenschaftliche Begleitung erfolgte durch den universitären Akteur. Im Rahmen der Begleitforschung wurde die Förderung von n = 8 Kindern mit Schwierigkeiten im Rechnenlernen – im Vergleich zu einer Kontrollgruppe – evaluiert. Die Begleitforschung erfolgte durch ein Prä-Post-Test Design (Beginn/Ende des Schuljahres) und fokussierte die strukturierte Anzahlerfassung am Hunderter-Rechenrahmen. Hierbei kam Eye-Tracking zum Einsatz: In vorherigen Studien hatte sich gezeigt, dass Eye-Tracking – insbesondere die Analyse von Blickbewegungsvideos – als „hochauflösendes“ Forschungsinstrument bei der strukturierten Anzahlerfassung großes diagnostisches Potenzial aufwies (Schindler, 2019; Schindler & Lilienthal, 2018; Schindler et al., 2019).
|
||
Ziel der im Beitrag dargestellten explorativen Studie war es, mögliche Fortschritte der geförderten Kinder in der strukturierten Anzahlerfassung über das Schuljahr hinweg zu erfassen. Hierzu wurden Fehlerraten, Bearbeitungszeiten und die aus Blickbewegungsvideos rekonstruierten Vorgehensweisen der geförderten Kinder zu Beginn und Ende des Schuljahres erhoben, Veränderungen über das Schuljahr hinweg ermittelt und mit jenen von Kindern ohne Förderung verglichen.
|
||
|
||
5.2 Theoretischer Hintergrund und vorherige Forschung
|
||
Mit Schwierigkeiten im Rechnenlernen sind im vorliegenden Beitrag Schwierigkeiten in den mathematischen Basiskompetenzen gemeint, das heißt „diejenigen mathematischen Inhalte und Lernziele …, von welchen aufgrund von empirischen Studien, theoretischen Erkenntnissen und praktischen Erfahrungen angenommen wird, dass sie für einen gelingenden arithmetischen Lernprozess unabdingbar sind“ (Moser Opitz & Schmassmann, 2016, S. 270). Im Zentrum stehen hierbei Kenntnisse und Fähigkeiten im Umgang mit natürlichen Zahlen, das Verständnis von Rechenoperationen und des Stellenwerts – sowie Schwierigkeiten hierin (Gerster & Schulz, 2004; Wartha & Schulz, 2011). In verschiedenen Studien zeigte sich, dass Kinder auch zu Beginn der Sekundarstufe, ab Klasse 5, teilweise noch große Schwierigkeiten hierin aufweisen – vor allem Kinder an Gesamtschulen (vgl. Ehlert et al., 2013; Pitters, 2019; Schindler et al., 2019).
|
||
Eine Förderung von Kindern mit Schwierigkeiten im Rechnenlernen sollte an den mathematischen Basiskompetenzen – v. a. dem Verständnis natürlicher Zahlen, der Rechenoperationen sowie des Stellenwerts – ansetzen (vgl. Moser
|
||
|
||
5 Förderung der strukturierten Anzahlerfassung bei Kindern …
|
||
|
||
77
|
||
|
||
Opitz et al., 2018; Wartha & Schulz, 2011). Dies gilt insbesondere für eine Förderung an der wichtigen Transition von Grundschule zu weiterführender Schule (Wartha, 2009). Für die Förderung des Zahlverständnisses ist etwa das Teil-Ganze-Konzept bedeutsam: das Verständnis, dass Mengen in Teilmengen zerlegt und wieder zusammengesetzt werden können (Gerster & Schulz, 2004; Krajewski & Schneider, 2009). Neben dem Strukturieren kleinerer Mengen ist das strukturierte Erfassen größerer Mengen in ihren Teilmengen bedeutsam (Gaidoschik et al., 2017; Gerster & Schulz, 2004). Um dies zu fördern, kommen strukturierte Arbeitsmittel wie das Hunderterfeld und der Rechenrahmen zum Einsatz (Schipper, 2005; Wartha & Schulz, 2011). Empirische Studien haben aufgezeigt, dass Kinder mit Schwierigkeiten im Rechnenlernen im Umgang mit strukturierten Arbeitsmitteln eher zählend vorgehen und die Strukturen, wie den 50er, weniger nutzen als Kinder ohne Schwierigkeiten im Rechnenlernen (Rottmann & Schipper, 2002; Schindler et al., 2019). Dies weist auf die Bedeutung einer Förderung in diesem Bereich hin.
|
||
Förderprogramme, die an den mathematischen Basiskompetenzen ansetzen, zeigen teilweise positive Wirkungen (z. B. Moser Opitz et al., 2017). Jedoch deuten Studienergebnisse darauf hin, dass eine Umsetzung der Förderung durch Lehrkräfte in der Schulpraxis schwierig ist und mitunter nicht mit positiven Effekten einhergeht. In einer Interventionsstudie zum Ablösen vom zählenden Rechnen, in der eine Förderung mit hoher ökologischer Validität durch Lehrkräfte selbst durchgeführt wurde, zeigten sich etwa keine signifikanten Effekte (Moser Opitz et al., 2018). In einer groß angelegten Längsschnittstudie in Norwegen zeigte sich zudem, dass sonderpädagogische Förderung in der Schulpraxis negative Effekte auf die mathematischen Fähigkeiten der geförderten Kinder haben kann (Kvande et al., 2019). Obwohl Gründe hierfür weitestgehend unerforscht sind, werden als mögliche Ursachen fehlende Qualifikationen von Lehrkräften sowie unzureichende Verknüpfungen von Forschung und Bildungspraxis diskutiert (ebd.).
|
||
|
||
5.3 Das Förderprojekt
|
||
Das partizipative Forschungsprojekt adressierte Kinder mit Schwierigkeiten im Rechnenlernen zu Beginn der fünften Jahrgangsstufe, da Forschungsergebnisse und Praxiserfahrungen aufzeigen, dass Kinder die Grundschule teilweise mit unzureichenden mathematischen Basiskompetenzen verlassen und dass Kinder in dieser wichtigen Phase der Transition aufgefangen und angemessen gefördert werden müssen. Das Projekt erfolgte in Kooperation einer inklusiven Gesamtschule in NRW sowie insbesondere einer erfahrenen und auf Schwierigkeiten im Rechnenlernen spezialisierten sonderpädagogischen Lehrkraft auf der einen Seite und dem universitären Partner auf der anderen Seite. Die Gesamtschule hatte etwa 180 Fünftklässler*innen, die von 16 abgebenden Grundschulen zur Gesamtschule gewechselt waren. Unter diesen Fünftklässler*innen wurden jene Kinder mit Schwierigkeiten im Rechnenlernen identifiziert und anschließend gefördert.
|
||
|
||
78
|
||
|
||
M. Schindler und F. Schindler
|
||
|
||
Die Lehrkraft Die Förderung der Kinder mit Schwierigkeiten im Rechnenlernen erfolgte in der Schule durch eine Fachlehrperson: eine Lehrperson für sonderpädagogische Förderung mit einer Schulerfahrung von zehn Jahren. Sie hatte an einem Zertifikatskurs für Förderung bei Schwierigkeiten im Rechnenlernen teilgenommen und seitdem seit sechs Jahren individuelle Diagnostik und Förderung bei Kindern mit Schwierigkeiten im Rechnenlernen (in Anlehnung an Wartha & Schulz, 2011, 2017) durchgeführt. Diese Lehrperson war für die Koordination und Durchführung der Diagnostik und Förderung aller Kinder mit Schwierigkeiten im Rechnenlernen in der fünften Jahrgangsstufe zuständig, die eine Förderung in den mathematischen Basiskompetenzen benötigten, die über die curricularen Unterrichtsinhalte hinaus ging.
|
||
|
||
Die geförderten Kinder Von den 180 Kindern der Jahrgangsstufe 5 durchliefen jene Kinder, bei denen sich große Auffälligkeiten in den mathematischen Basiskompetenzen zeigten, eine qualitative Diagnostik bzgl. Schwierigkeiten im Rechnenlernen durch die Fachlehrkraft. Hierbei waren die mathematischen Basiskompetenzen – v. a. das Verständnis natürlicher Zahlen, der Rechenoperationen sowie des Stellenwerts (vgl. Moser Opitz et al., 2018; Wartha & Schulz, 2011) – zentral. Für die Diagnostik von Schwierigkeiten im Rechnenlernen waren die drei Hauptkriterien – das verfestigte zählende Rechnen, fehlenden Grundvorstellungen und ein unzureichendes Stellenwertverständnis (Wartha & Schulz, 2017) – ausschlaggebend. Die qualitative Diagnostik dauerte pro Kind etwa 40 min. Über den Zeitraum der fünften Jahrgangsstufe hinweg wurden von der Lehrkraft zwölf Kinder gefördert.
|
||
|
||
Inhalte der Förderung Die Kinder der Fördergruppe erhielten über den Zeitraum eines Schuljahres hinweg eine individuelle Förderung durch die Lehrkraft, die von der Lehrkraft geplant und durchgeführt wurde. Die Förderung umfasste verschiedene Themenblöcke, von denen die ersten drei in Tab. 5.1 dargestellt sind. Nach der Förderung von Grundlagen zur Zahlerfassung und zum Teile-Ganze-Konzept (Themenblock 1) erfolgte eine Förderung von Zahl- und Operationsvorstellungen am Rechenrahmen (Themenblöcke 2 und 3, vgl. Abb. 5.1).
|
||
In jedem Themenblock wurde einem Vierschritt im Hinblick auf die Arbeit mit und die Ablösung vom Material gefolgt (Wartha & Schulz, 2011):
|
||
|
||
1. Das Kind arbeitet mit dem entsprechenden Material und verbalisiert die Materialhandlung.
|
||
2. Das Kind verbalisiert die Materialhandlung mit Sicht auf das Material, während die Lehrkraft die Materialhandlung für das Kind ausführt.
|
||
3. Das Kind verbalisiert die Materialhandlung ohne Sicht auf das Material, welches sich hinter einem Sichtschutz befindet, wo die Materialhandlungen von der Lehrkraft ausgeführt werden.
|
||
4. Das Kind arbeitet mathematisch-symbolisch (vgl. ausführlich in Wartha & Schulz, 2011, 2017).
|
||
|
||
5 Förderung der strukturierten Anzahlerfassung bei Kindern …
|
||
|
||
79
|
||
|
||
Tab. 5.1 Inhalte des Förderprogramms (in Auszügen)
|
||
Nr Themenblock
|
||
1 Grundlagen • Simultane Zahlerfassung: Simultane und quasi-simultane Erfassung von Mengen bis 10. Strukturnutzung, z. B., „Kraft der 5“ • Teil-Ganze-Konzept: Zusammenfügen und Zerlegen von Mengen bis 10 Material: Holzwürfel, Finger, Papier und Bleistift
|
||
2 Zahlvorstellung und Strukturen am Rechenrahmen • Erkunden des Rechenrahmens: Strukturen wie 5er, 10er, 50er und 100er • Anzahlerfassung: Erfassen und Darstellen von Anzahlen am Rechenrahmen durch Strukturnutzung (5, 10, 50, 100). „Blitzsehen“ (mit kurzer Darbietungszeit) Material: Rechenrahmen, Papier und Bleistift
|
||
3 Addition und Subtraktion am Rechenrahmen • Auf und ab zum Zehner: Ergänzen bzw. Vermindern zum Zehner • Addition und Subtraktion: mit und ohne Zehnerübergang (z. B. 26 + 7, 46–9). Verbalisieren und notieren der Zwischenschritte (z. B. für 26 + 7: 26 + 3 = 30, 30 + 4 = 34) Material: Rechenrahmen, Papier und Bleistift
|
||
|
||
Abb. 5.1 Rechenrahmen (idealisiertes Bild) inklusive Beispiel
|
||
Dabei wurde das Ziel verfolgt, durch die Verinnerlichung der Arbeitsmittel mentale Vorstellungen von Zahlen und Operationen aufzubauen.
|
||
Die Kinder durchliefen die drei Themenblöcke in individuellem Tempo unterschiedlich schnell – wobei sie hierin je etwa 13 bis 20 Fördereinheiten erhielten. Es schloss sich bei allen Kindern eine Förderung mit Mehrsystemmaterial zum Operations- und Stellenwertverständnis an. Dies kann aus Platzgründen hier nicht eingehender dargestellt werden.
|
||
5.4 Die Begleitforschung
|
||
Ziel und Forschungsfragen Ziel der Begleitforschung war es, die möglichen Fortschritte der Kinder der Fördergruppe bei der strukturierten Anzahlerfassung am Rechenrahmen zu erfassen. Es wurde der folgenden Forschungsfrage nachgegangen:
|
||
Gibt es Veränderungen der Kinder der Fördergruppe in der strukturierten Anzahlerfassung am Rechenrahmen über das Schuljahr hinweg?
|
||
|
||
80
|
||
|
||
M. Schindler und F. Schindler
|
||
|
||
Design der Studie und Eye-Tracking Erhebung Aufgrund des explorativen Charakters der Studie und des Aufwands des Einsatzes von Eye-Tracking in der Schulpraxis wurde ein Prä-Post-Test Design mit Förder- und Kontrollgruppe (s. u.) gewählt: Die Kinder nahmen zu Beginn des Schuljahres, vor Beginn der Förderung, an einer Prä-Testung (t1) sowie am Ende des Schuljahres an einer Post-Testung (t2) teil (Abb. 5.2). Zum Zeitpunkt der PostTestung arbeiteten alle Kinder seit mindestens zehn Wochen nicht mehr aktiv mit dem Rechenrahmen. Somit erhielt keines der Kinder zum Zeitpunkt der Testungen aktiv eine Förderung am Rechenrahmen.
|
||
|
||
Teilnehmende Kinder Für die Kontrollgruppe, die keine Förderung erhielt, wurden zwölf Kinder ausgewählt. Es handelte sich um Kinder, die im Schulunterricht keine Schwierigkeiten im Rechnenlernen gezeigt hatten. Elf der zwölf Kinder (bzw. deren Erziehungsberechtigte) waren mit der Teilnahme einverstanden und nahmen entsprechend teil (Tab. 5.2). Von den 12 geförderten Kindern erklärten sich neun Kinder (bzw. deren Erziehungsberechtigte) einverstanden, an der Begleitforschung teilzunehmen, wobei ein Kind in der Post-Erhebung durch einen längeren Krankenhausaufenthalt ausfiel. Hierdurch werden bei der Begleitstudie acht teilnehmende Kinder in der Fördergruppe berücksichtigt (Tab. 5.2).
|
||
Mit allen Kindern der Förder- und Kontrollgruppe wurde zum Zwecke der Begleitforschung ein standardisiertes Verfahren zur Überprüfung der
|
||
|
||
Prätestung
|
||
|
||
Posttestung
|
||
|
||
Abb. 5.2 Design der Studie
|
||
|
||
Tab. 5.2 Teilnehmende Kinder. Angaben zu Alter, Geschlecht, Muttersprache und Rechenleistung
|
||
|
||
Alter: M (SD) Geschlecht: Mädchen Muttersprache: deutsch HRT T-Wert: M (SD)
|
||
|
||
Fördergruppe 10;9 (0;6) 6 von 8 5 von 8 26.0 (7.4)
|
||
|
||
Kontrollgruppe 10;5 (0;4) 4 von 11 9 von 11 48.4 (6.8)
|
||
|