Teilprojekt A02

Ziel

Ziel des Projekts A02 ist es, empirische Evidenz dafür bereitzustellen, wie das Anpassen von Fallmerkmalen und Lernunterstützung die Aktivierung und Anwendung professionellen Wissens in Simulationen unterstützt. Dabei wird das Zusammenspiel personaler, fallbezogener und instruktionaler Einflussfaktoren auf die Wissensaktivierung sowie auf diagnostische und interventionsbezogene Fähigkeiten angehender Mathematiklehrkräfte untersucht. Auf dieser Grundlage werden verschiedene Personalisierungsstrategien hinsichtlich der Förderung von Diagnose- und Interventionsfähigkeit miteinander verglichen. Langfristig zielt das Projekt darauf ab, evidenzbasierte Ansätze für die Gestaltung personalisierter, simulationsbasierter Lernumgebungen bereitzustellen.

Forschungsfragen

• Wie kann die Wissensaktivierung von Mathematiklehramtsstudierenden anhand von Logfile-Daten in Echtzeit erfasst werden und inwieweit sagt sie die Leistung der Lernenden in der Simulation vorher?
  

• Welche (gemeinsamen) Effekte haben Fallmerkmale (Salienz, Typikalität) und Lernunterstützung durch Cueing und Wissensaktivierungsprompts auf kognitive Lernprozesse (Wissensaktivierung), diagnostische und interventionsbezogene Prozesse sowie fallbezogene Leistung?
  

• Inwiefern moderieren Lernvoraussetzungen und die in vorherigen Fällen beobachtete Wissensaktivierung die Effekte von Fallmerkmalen und Lernunterstützung?
  

• Welche Strategien zur Personalisierung von Fallmerkmalen und zur Lernunterstützung
  tragen effektiver zur Entwicklung diagnostischer und interventionsbezogener Fähigkeiten bei?

Methodik

Im Projekt A02 werden simulationsbasierte Lernumgebungen in der mathematikdidaktischen Hochschulbildung eingesetzt, in denen Lernende diagnostische und interventionsbezogene Aufgaben zu unterschiedlichen Fällen bearbeiten, die sich systematisch in ihren Fallmerkmalen und in der Art der Unterstützung unterscheiden. Inhaltlich geht es in den Simulationen um die Unterstützung von Schülerinnen und Schülern bei mathematischen Lernaufgaben zur Bruchrechnung. Methodisch umfasst das Projekt die automatisierte Kodierung von Wissensaktivierung auf der Basis offener Textantworten mithilfe von NLP-Techniken und Machine-Learning-Modellen, experimentelle Designs mit Prä-, Prozess- und Postmessungen, um Effekte von Fallmerkmalen und Lernunterstützung zu untersuchen, sowie Interventionsstudien mit Prä-, Prozess- und Postmessungen, um unterschiedliche Personalisierungsstrategien zu vergleichen. Erfasst werden unter anderem Lernvoraussetzungen, Wissensaktivierung, diagnostische und interventionsbezogene Prozesse und Fähigkeiten sowie metakognitive und motivational-affektive Aspekte, unter Verwendung von Textantworten, Fragebögen, Wissenstests und Logdaten. Die Auswertung erfolgt größtenteils quantitativ, insbesondere mithilfe linearer Mischmodelle zur Analyse von Haupt- und Interaktionseffekten.

Rolle im Sonderforschungsbereich

• Datenerhebung zu gemeinsamen Maßen mit Projekt M
  

• Mit A01 und B03: Klärung der Auswirkungen von Aufgabenmerkmalen; Untersuchung der Personalisierung von Aufgabenmerkmalen (representational scaffolding auf Mesoebene)
  

• Mit A03–A05, B01, B02 und C01–C05: Gemeinsame Theorieentwicklung zur Salienz diagnostischer Informationen (representational scaffolding)
  

• Mit B04, C03, unterstützt durch INF: Nutzung von NLP zur Analyse schriftlicher Antworten in offenen Textfeldern
  

• Mit C04 und C06: Zusammenarbeit zur LLM-basierten Datenanalyse und Scaffolding
  

• Mit A03, C04, C05: Konkretisierung des Refined Consensus Model of Pedagogical Content Knowledge (RCM); Untersuchung, unter welchen Bedingungen Lernende ihr persönliches fachdidaktisches Wissen (pPCK) in Simulationen in handlungsbezogenes fachdidaktisches Wissen (ePCK) überführen
  

• Mit C02 und A03: Konzeptuelle Arbeit zu diagnostischen und interventionsbezogenen Fähigkeiten in Mathematik und Physik; Untersuchung der Wirksamkeit von Prompts zur Wissensaktivierung