Teilprojekt A03

Teilprojekt A03

Personalisierte Unterstützung zum Erwerb aufgabenbasierter Diagnose- und Interventionskompetenzen in Mathematik und Phsyik auf Basis von Blickbewegungen und Logdaten

Kurzbeschreibung

Wie lernen angehende Lehrkräfte, das Denken von Schülerinnen und Schülern zu diagnostizieren und angemessen darauf zu reagieren? In Projekt A03 untersuchen wir diese Frage im Kontext des Mathematikunterrichts. Lehramtsstudierende arbeiten in einer digitalen Simulation, in der sie authentische Fälle von Schülerinnen und Schülern analysieren und passende Lernaufgaben auswählen. Drei experimentelle Studien nutzen Eye-Tracking- und Logdaten, um die Kompetenz der Diagnose und Intervention von (angehenden) Lehrkräften zu untersuchen und zu fördern. Auf dieser Grundlage entwickelt das Projekt personalisierte, mikro-adaptive Unterstützung für den Kompetenzerwerb in diesem Bereich.

Beteiligte

Wissenschaftliche Leitung

Wissenschaftliche Mitarbeiter:innen

Kooperationspartner:innen

Ziel

Projekt A03 untersucht, wie angehende Mathematiklehrkräfte Diagnose- und Interventionskompetenz entwickeln. Das Projekt identifiziert, welches Wissen und welche Fähigkeiten effektives Diagnostizieren erfordert und wie personalisierte Unterstützung systematisch zur Kompetenzentwicklung beitragen kann.

Forschungsfragen

  • Welche Prozessprofile lassen sich bei Lehramtsstudierenden beim Diagnostizieren und Intervenieren in der Simulation auf Basis von Eye-Tracking- und Logdaten identifizieren?

  • Wie können Prozessprofile in Echtzeit auf Basis von Eye-Tracking- und Logdaten mit maschinellen Lernalgorithmen klassifiziert werden?

  • Wie hängen Prozessprofile mit dem Vorwissen und dem Ergebnis der Diagnose und Intervention zusammen?

  • Welche Wirkung haben adaptive Scaffolds auf den Prozess des Diagnostizierens und Intervenierens?

  • Welche Unterschiede gibt es zwischen den Arten von PCK-Scaffolds auf die diagnostischen Kompetenzen?

  • Haben personalisierte PCK-Scaffolds einen Einfluss auf diagnostische Kompetenzen?

Methodik

Im Projekt arbeiten Lehramtstudierende in einer digitalen Simulation, in der sie an authentischen Fällen Lösungen von Schülerinnen und Schüler zum Thema lineare Funktionen analysieren und passende Lernaufgaben auswählen. Eye-Tracking und Logdaten erfassen den Prozess der Diagnose und Intervention während der Bearbeitung. Ein Between-Subjects-Design prüft Effekte einer PCK-Intervention auf diagnostische Prozesse und Ergebnisse. Maschinelle Lernverfahren klassifizieren Prozessprofile und liefern auf deren Basis eine personalisierte Unterstützung in Form von Prompts. Die Auswertung erfolgt quantitativ und qualitativ, unter anderem über Varianzanalysen, Korrelationsanalysen, Sequenzanalysen und Clustering-Verfahren.

Rolle im Sonderforschungsbereich

  • A01, A03, A06: komplexes Problemlösen und dessen Interaktion mit domänenspezifischem Wissen

  • A03, A06: Bedeutung von PCK im Verhältnis zu allgemeinen kognitiven Fähigkeiten

  • Gemeinsame Datenerhebung mit Projekt M

  • A02, C04, C05: Fundierung des RCM und unter welchen Bedingungen transformieren Lernende pPCK in ePCK in simulationsbasierten Lernumgebungen

  • A02, C02: gemeinsame Konzeptualisierung diagnostischer und interventionsbezogener Fähigkeiten in Mathematik und Physik; Wirksamkeit von Wissensaktivierungsprompts

  • C01–C03, A04, A06 (koordiniert durch INF): Einsatz maschineller Lernmethoden in Eye-Movement-Tracking-Projekten (EMT)

  • A01, B01: Bereitstellung der Simulationen für B06

  • A02, A04, A05, B01, B02, C01–C05: theoretische Weiterentwicklung zur Salienz von Hinweisreizen und informationeller Komplexität für representationales Scaffolding

  • A05, A04, C01–C03, Projekt M: Personalisierung auf Basis visueller Prozessdaten

  • Projekt M: gemeinsame Datenerhebung, Datenbereitstellung und Aggregation von Prozessdaten

  • Projekt INF: Forschungsdatenmanagement (RDM) und Personalisierung der Simulation

Publikationen

2024

2023

2021

2020

2019