Projekt P

Projekt P

Projekt P untersucht Mischverteilungsmodellierung als Ansatz zur Modellierung von Merkmalen von Lernenden und ihren Lernprozessen, um deren Bedürfnisse zu identifizieren und simulationsbasiertes Lernen entsprechend zu personalisieren.

Kurzbeschreibung

Projekt P entwickelt und stellt eine übergreifende methodische Grundlage für Mischvreteilungsmodellierung bereit, um Lernendenmerkmale und Lernprozesse zu modellieren und Lernumgebungen durch die Identifikation und Umsetzung von Interventionen, die den Bedürfnissen der Lernenden am besten entsprechen, zu personalisieren. Die neu gewonnenen methodischen Erkenntnisse sollen den Zielen des Sonderforschungsbereichs (SFB) in allen Teilprojekten dienen, die den personenzentrierten methodischen Ansatz der Mischverteilungsmodellierung verwenden. Zu diesem Zweck führt Projekt P ein systematisches Literaturreview durch, um Forschungskontexte, Modellierungsansätze und empirische Befunde zu identifizieren, die Mischverteilungsmodellierung im simulationsbasierten Lernen charakterisieren. Darüber hinaus betreibt Projekt P methodische Forschung, beispielsweise Simulationsstudien, um Erkenntnisse über die vielversprechendsten analytischen Ansätze für Mischverteilungsmodellierung in diesem Kontext zu gewinnen. Außerdem integriert Projekt P die Ergebnisse innerhalb des CRC und entwickelt ein neues systematisches Rahmenkonzept, um durch personenzentrierte integrative Datenanalysen zum übergreifenden Theoriebildungsprozess beizutragen. Darüber hinaus bietet das Projekt thematische Weiterbildungen und statistische Beratung für Teilprojekte an.

Beteiligte

Wissenschaftliche Leitung

Kooperationspartner*innen

Ziel

Ziel von Projekt P ist es, die methodische Grundlage für den Einsatz von Mischverteilungsmodellierung systematisch zu entwickeln und bereitzustellen, um Lernendenmerkmale zu modellieren und das Lernen in, mit und aus Simulationen auf Grundlage der identifizierten Bedürfnisse der Lernenden zu personalisieren. Darüber hinaus trägt Projekt P zur Integration von Forschungsergebnissen aus anderen SHARP-Teilprojekten bei und berät Projekte, die Mischverteilungsmodellierung einsetzen oder Interesse an der Anwendung dieses methodischen Ansatzes haben. Dazu führt das Projekt eine Literaturübersicht und Simulationsstudien sowie theoretisch-methodische Arbeiten durch und entwickelt neue Modellierungsrahmen. Auf Grundlage der Arbeiten in Projekt P leisten wir einen personenzentrierten Beitrag zu einem übergreifenden theoretischen Modell des personalisierten simulationsbasierten Lernens in der Hochschulbildung.

Forschungsfragen

  • Welche Merkmale weisen Studien zum simulationsbasierten Lernen auf, die Mischverteilungsmodellierung einsetzen, um Profile von Lernvoraussetzungen, Lernprozessen und Lernergebnissen zu identifizieren?

  • Welche Fit-Statistiken und Modellierungsansätze eignen sich am besten, um Lernendenprofile zu identifizieren und diese mit Lernendenmerkmalen, Prozessmaßen und Variationen in den Effekten (nicht-)personalisierter Interventionen in Beziehung zu setzen?

  • Wie können wir die Generalisierbarkeit von Lernendenprofilen, ihren Prädiktoren und Ergebnissen sowie ihrer Wechselwirkungen mit instruktionalen Parametern über verschiedene Lernkontexte und Populationen von Lernenden hinweg feststellen?

  • Wie generalisierbar sind Ergebnisse zu Lernendenprofilen von Lernvoraussetzungen, Lernprozessdaten und Lernergebnissen sowie deren Beziehungen zu Prädiktorvariablen, Ergebnisvariablen und den Effekten von Scaffolding und Feedback über verschiedene Kontexte hinweg (wie sie durch SHARP-Projekte repräsentiert werden), und wodurch lässt sich die Variation dieser Ergebnisse vorhersagen?

Methodik

Projekt P entwickelt eine Methodik für Mixture-Modelling über alle SHARP-Projekte hinweg sowie für die Forschung zum simulationsbasierten Lernen im Allgemeinen. Zu diesem Zweck werden Ansätze systematischer Reviews eingesetzt und Log-, Prozess- sowie lernbezogene Verhaltensdaten analysiert. Ergänzt wird dies durch personenzentrierte Metaanalysen, statistische Simulationsstudien und die theoretische Entwicklung analytischer Rahmenkonzepte. Daten aus den SHARP-Projekten werden mithilfe von Ansätzen wie Latent Profile-, Latent-Transition-, Growth-Mixture- und Hidden-Markov-Modellierung sowie deren integrativen und metaanalytischen Erweiterungen analysiert, um dem übergeordneten Ziel einer integrierten Theoriebildung über Projekte innerhalb und außerhalb des CRC zu dienen.