Die Zukunft des MINT-Lernens – Band 1

Der lernzielorientierte Einsatz digitaler Technologien im Mathematikunterricht stellt eine Anforderung an Lehrkräfte dar, die in der jüngeren Vergangenheit an Bedeutung gewonnen hat (Dede, 2010; Voogt & Roblin, 2012). Zugleich berichten viele Lehrkräfte in Deutschland, dass sie sich unzureichend auf die Erfüllung dieser Anforderung vorbereitet sehen (Autorengruppe Bildungsberichterstattung, 2020). Insbesondere im internationalen Vergleich zeigt sich, dass Lehrkräfte in Deutschland eine niedrige Selbstwirksamkeitserwartung bezogen auf den Einsatz digitaler Technologien aufweisen (Fraillon et al., 2019). Die vorliegende quantitative Studie knüpft an diese Befunde an und untersucht die Selbstwirksamkeitserwartung hinsichtlich des Einsatzes digitaler Technologien im Mathematikunterricht anhand der Aussagen von n = 249 Lehramtsstudierenden: Auf Grundlage der Control-Value Theory (Pekrun, 2006) werden die Effekte subjektiver Kontroll- und Werteinschätzung auf das Erleben von Freude beim Einsatz digitaler Technologien untersucht und aufbauend auf der Theorie von Bandura (1997) wird der Zusammenhang dieser drei Faktoren mit der Selbstwirksamkeitserwartung in den Blick genommen. Die Ergebnisse der Studie weisen darauf hin, dass der wahrgenommenen Kontrolle über digitale Technologien erheblich größere Bedeutung zukommt als der Beurteilung des Wertes und dass das Erleben von Freude zwischen diesen beiden Einschätzungen und der Selbstwirksamkeitserwartung vermittelt. Die Bedeutung der Ergebnisse für die Aus- und Fortbildung von Lehrkräften wird diskutiert.

Eyetracking bezeichnet die Erfassung und Analyse von Blickdaten und ermöglicht einen Einblick in die kognitiven Prozesse beim Lernen und damit die Identifikation von Lernhürden. Durch die Identifikation von Lernhürden eröffnet diese Methodik eine neuartige Möglichkeit zur Analyse und Verbesserung von Lernprozessen. In diesem Beitrag werden erste Ergebnisse einer Eyetracking-Studie zur Interpretation von linearen Funktionen vorgestellt, welche wesentlicher Bestandteil der schulischen, aber auch universitären MINT-Ausbildung sind. Ein kompetenter Umgang mit diesem Funktionstyp in unterschiedlichen Repräsentationsformen ist daher essenziell. Schülerinnen und Schüler haben jedoch häufig Schwierigkeiten mit der Interpretation linearer Funktionen, insbesondere in unterschiedlichen disziplinären Kontexten. Die hier beschriebene Studie basiert auf einem validierten Testinstrument von Ceuppens et al. (2019) und wurde mit N = 131 Schülerinnen und Schülern der gymnasialen Oberstufe durchgeführt. Das Testinstrument besteht aus Paaren von Mathematik- und Kinematik-Items, welche zueinander ähnlich sind und sich nur im Kontext der Aufgabenstellung und in den disziplinüblichen Bezeichnungen unterscheiden. Insbesondere ist zur Lösung das gleiche mathematische Verfahren (Bestimmung von Steigung und y-Achsenabschnitt) erforderlich. Die Grundvoraussetzung für die Lösung dieser Items stellen mathematische Fähigkeiten dar, beispielsweise die Bestimmung von Steigung und Ordinatenabschnitt. Die Analyse der Eyetracking-Daten eröffnet hierbei Einsichten in kognitive Prozesse bei der Anwendung mathematischer Prozeduren zur Lösung von Items im mathematischen und physikalischen Kontext.

Der Beitrag stellt die Ergebnisse einer Vorstudie und einer experimentellen Studie (N = 273) in der Sekundarstufe und der Universität im Kontext der Programmierung, genauer der Programmablaufverfolgung (Tracing), vor. Das Ziel ist die automatische Generierung von Items in einem adaptiven Testsystem, die bekannte Fehlvorstellungen sichtbar machen können. Verglichen werden dazu zunächst die empirisch unter Lernenden ermittelten Schwierigkeiten bekannter Items mit den Schwierigkeiten, die aus einem theoretischen Vorhersagemodell abgeleitet werden, sowie mit einem Rating von Experten. Darauf aufbauend werden Items anhand von einfachen Regeln generiert und in einer Hauptstudie deren durch die Regeln vorhergesagte Schwierigkeitsrangfolge empirisch überprüft. Die Ergebnisse zeigen, dass eine solche regelbasierte Generierung von Items vielversprechend ist. Bestimmte Programmkonstrukte sind hinsichtlich ihrer Schwierigkeit auf diese Weise gut klassifizierbar und können so für die automatisierte Itemkonstruktion genutzt werden. Praktisch erlauben solche adaptiven Testverfahren in kurzer Zeit die Diagnose von Fehlvorstellungen, die eine große Hürde in der Programmierausbildung darstellen. Aufgrund der Regeln und des Itemformats ist es darüber hinaus möglich, gezielt Feedback zu den Fehlvorstellungen an die Testerinnen und Tester, oder auch die Lernenden selbst, zu geben.