Wie können unterschiedliche Aspekte diagnostischer Kompetenz gefördert werden?
Drei Maßnahmen im Vergleich
Abstract
Zusammenfassung. Eine gut ausgebildete diagnostische Kompetenz von Lehrpersonen ist eine wesentliche Voraussetzung für gelingenden Unterricht und trägt maßgeblich zur akademischen und persönlichen Entwicklung von Schülern bei. Häufig sind Lehrpersonen jedoch nur bedingt dazu in der Lage, Schülermerkmale wie Leistung, Motivation oder Ängstlichkeit adäquat zu beurteilen. Eine Förderung der diagnostischen Kompetenz sollte bereits während des Studiums stattfinden, um Lehrpersonen früh auf diagnostische Situationen in der Schulpraxis vorzubereiten und negative Konsequenzen möglicher pädagogischer Fehlentscheidungen zu vermeiden. Dieser Beitrag vergleicht eine lehrendenzentrierte, eine problembasierte und eine digitale, simulationsbasierte Maßnahme zur Förderung unterschiedlicher Aspekte diagnostischer Kompetenz an einer Stichprobe von N = 166 Lehramtsstudierenden im Hinblick auf ihre Wirksamkeit. Es zeigen sich insbesondere Vorteile der simulationsbasierten Fördermaßnahme in den Bereichen intrinsische Motivation und Interesse sowie Nachteile der lehrendenzentrierten Maßnahme im Bereich des Wissens um das systematische Vorgehen im diagnostischen Prozess und der problembasierten Maßnahme im Bereich des Extraneous Cognitive Load. Die Ergebnisse werden insbesondere im Hinblick auf ihre praktischen Implikationen im Rahmen der Lehrerbildung und zunehmend digitalisierter Lehre diskutiert.
Abstract. A well-developed diagnostic competence is an essential prerequisite for successful teaching and significantly contributes to students' academic and personal development. However, teachers often fail to adequately assess student characteristics such as performance, motivation, or anxiety. Diagnostic competence should already be promoted during teacher education to prepare teachers early for real diagnostic situations and to avoid negative consequences of possible pedagogical mistakes. This paper compares a teacher-centered, a problem-based, and a digital simulation-based intervention for training different aspects of diagnostic competence in a sample of N = 166 preservice teachers regarding their effectiveness. We found advantages for the simulation-based intervention regarding intrinsic motivation and interest, disadvantages for the teacher-centered intervention regarding a systematic approach in the diagnostic process and disadvantages for the problem-based intervention regarding extraneous cognitive load. Results are discussed in particular in terms of their practical implications for teacher education and increasingly digital teaching.
Der diagnostischen Kompetenz von Lehrpersonen kommt eine große Bedeutung für den Lernprozess und die Persönlichkeitsentwicklung von Schülern zu. Bei der Unterrichtsplanung, aber auch bei der Entscheidung für Fördermaßnahmen oder einen Klassen- oder Schulwechsel sowie in Beratungssituationen müssen Lehrpersonen in der Lage sein, kognitive, motivationale und emotionale Lernvoraussetzungen ebenso wie die Leistungen ihrer Schüler adäquat einzuschätzen. Fehleinschätzungen der Lernvoraussetzungen und -leistungen können sich negativ auf die Schul- und Berufslaufbahn, das akademische Selbstkonzept und die Persönlichkeitsentwicklung von Schülern auswirken (Südkamp, Kaiser & Möller, 2012).
Vor diesem Hintergrund ist es Ziel dieses Beitrags zu untersuchen, wie verschiedene Aspekte diagnostischer Kompetenz im Sinne der professionellen Handlungskompetenz (Baumert et al., 2011) im Lehramtsstudium am effektivsten gefördert werden können. Dazu stellt der Beitrag drei unterschiedliche Maßnahmen vor und vergleicht sie anhand der Ergebnisse einer Längsschnittstudie in Hinblick auf ihre Vor- und Nachteile miteinander. Im Einzelnen werden eine lehrendenzentrierte, eine problembasierte und eine digitale, simulationsbasierte Fördermaßnahme auf ihre Wirksamkeit hinsichtlich der Förderung unterschiedlicher Aspekte diagnostischer Kompetenz wie Grundlagenwissen, Wissen um das systematische Vorgehen im diagnostischen Prozess und Motivation miteinander verglichen.
Theorie
Verständnis von diagnostischer Kompetenz in diesem Beitrag
Die diagnostische Kompetenz von Lehrpersonen ist sowohl im deutschsprachigen (Kaiser & Möller, 2017; Karing & Artelt, 2013; Spinath, 2005) als auch im internationalen Raum (Begeny, Eckert, Montarello & Storie, 2008; Lee & Reeve, 2012) als Forschungsgegenstand in den vergangenen Jahren zunehmend in den Fokus gerückt, wobei sowohl unterschiedliche Modellierungen diagnostischer Kompetenz (Südkamp & Praetorius, 2017) als auch empirische Untersuchungen der diagnostischen Kompetenz – beziehungsweise der Urteilsgenauigkeit von Lehrpersonen (für eine aktuelle Übersicht s. Urhahne & Wijnia, 2021) – Gegenstand der Auseinandersetzung sind.
In diesem Beitrag verstehen wir diagnostische Kompetenz in Anlehnung an das COACTIV-Modell professioneller Kompetenz sowie die Arbeiten der Forschungsgruppe um Loibl, Leuders und Dörfler (2020) zum DiaCoM-Modell als Ergebnis des Zusammenspiels kognitiver Aspekte wie Wissen – sowohl über den Urteilsgegenstand als auch allgemeines diagnostisches Wissen (Bartel & Roth, 2020; Baumert et al., 2011; Loibl et al., 2020; Urhahne & Wijnia, 2021) – metakognitiver Aspekte (Baumert et al., 2011) und Überzeugungen (Bartel & Roth, 2020; Loibl et al., 2020) sowie der Motivation von Lehrpersonen in Bezug auf diagnostisches Urteilen (Bartel & Roth, 2020; Prediger, 2010).
Wenngleich die Urteilsakkuratheit (Oerke, McElvany, Ohle, Ullrich & Horz, 2015; Schrader, 1989; Spinath, 2005; Urhahne & Wijnia, 2021), also die (hohe) Übereinstimmung der Einschätzung von Lernenden- oder Aufgabenmerkmalen durch Lehrpersonen mit den objektiv erfassten Lernenden- oder Aufgabenmerkmalen, als zentraler Indikator für diagnostisch kompetentes Handeln herangezogen werden kann, so ist sie nicht alleiniger Ansatzpunkt für die Förderung diagnostischer Kompetenz: Eine hohe Urteilsakkuratheit kann durch diverse Faktoren wie die Berufserfahrung der Lehrpersonen oder die Urteilssicherheit (Praetorius, Berner, Zeinz, Scheunpflug & Dresel, 2013) moderiert werden. Um Lehrpersonen in der Bildung akkurater Urteile zu fördern, scheint daher der Fokus auf Aspekte diagnostischer Kompetenz als etwaige Moderatoren, die im Sinne des Kompetenzbegriffs weiterentwickelt werden können, besonders sinnvoll.
Die Bedeutung diagnostischer Entscheidungen
Die diagnostische Kompetenz bildet die Grundlage für die Fähigkeit von Lehrpersonen, ihren Unterricht an die individuellen Voraussetzungen der Schüler anzupassen. Dieser sogenannten adaptiven Lehrkompetenz (Beck et al., 2007; Brühwiler, 2014) kommt eine enorme Bedeutung zu: Nur durch die Anpassung der Unterrichtshandlungen (Mikroadaption; vgl. Schrader & Helmke, 2001) und der Unterrichtsplanung (Makroadaption) können alle Klassenmitglieder optimal in ihrer Leistungs- und Persönlichkeitsentwicklung unterstützt werden. Mikroadaptive Entscheidungen basieren in erster Linie auf dynamischen Entwicklungen im Unterrichtsverlauf und werden kurzfristig während des Unterrichtsgeschehens getroffen. Dabei ist vor allem die korrekte Einschätzung individueller Merkmale der Lernenden von Bedeutung. Bei der Makroadaption sind hingegen vor allem durchschnittliche Merkmalsausprägungen größerer Lerngruppen ausschlaggebend für die Planung einer Unterrichtseinheit (Brühwiler, 2014).
Die diagnostische Kompetenz bildet zudem die Basis für das Treffen pädagogischer Entscheidungen wie der Bewilligung einer Fördermaßnahme. Urteile über Leistung, Lernvoraussetzungen und Verhalten wirken sich daher oft nicht nur auf die schulische Laufbahn, sondern auch auf die Entwicklung des akademischen Selbstkonzepts und der Persönlichkeit aus (Südkamp et al., 2012).
Wie diagnostisch kompetent sind Lehrpersonen?
Empirische Befunde zur diagnostischen Kompetenz zeigen, dass auch Beurteilungen durch erfahrene Lehrpersonen systematischen Tendenzen und Fehlern unterliegen (Karing & Artelt, 2013). Ein Problem besteht in der tendenziellen Überschätzung des Leistungsniveaus einer Klasse (Oerke et al., 2015; Stang & Urhahne, 2016; Urhahne & Wijnia, 2021). Ferner können Lehrpersonen motivationale Aspekte mit mittlerer Genauigkeit einschätzen, wohingegen ihnen die genaue Beurteilung affektiver Merkmale schwerfällt (Südkamp et al., 2012; C. Zhu & Urhahne, 2020). So wird etwa die Leistungsängstlichkeit eher überschätzt (M. Zhu & Urhahne, 2014). Der Einschätzung der Leistungsmotivation scheint hingegen ein Halo-Effekt zugrunde zu liegen (Urhahne & Wijnia, 2021): Bei leistungsschwächeren Schülern wird diese eher unterschätzt, bei leistungsstärkeren Schülern überschätzt (Urhahne, Timm, Zhu & Tang, 2013). Vor dem Hintergrund der weitreichenden Konsequenzen diagnostischer Entscheidungen verdeutlichen diese Probleme die Notwendigkeit der gezielten Förderung diagnostischer Kompetenz.
Förderung diagnostischer Kompetenz – worauf kommt es an?
Zentral in der Förderung diagnostischer Kompetenz ist die Förderung wesentlicher Aspekte und Dispositionen diagnostischer Kompetenz. Die Komplexität des Kompetenzbegriffs erfordert eine Adressierung kognitiver (z.B. Wissen über den Urteilsgegenstand), metakognitiver (z.B. Erlernen eines systematischen Vorgehens im diagnostischen Prozess) sowie motivationaler Aspekte (z.B. Interesse) und sollte die Entwicklung günstiger Überzeugungen gegenüber dem Bilden diagnostischer Urteile unterstützen. Zudem erscheinen bestimmte Rahmenbedingungen für die Förderung diagnostischer Kompetenz sinnvoll:
Die Förderung sollte bereits während der ersten Ausbildungsphase einsetzen, um angehenden Lehrpersonen neben diagnostischen Handlungen auch die angeleitete Reflexion dieser zu ermöglichen (Bartel & Roth, 2020; Hascher, 2008). Bereits in frühen Phasen des Studiums kann so eine Theorie-Praxis-Verbindung im Rahmen praxisorientierter Lerngelegenheiten erfolgen, wobei in einer späteren Phase der Ausbildung auch reale Praxiserfahrungen herangezogen werden können (Hascher, 2008).
Es scheint daher naheliegend, diagnostische Kompetenz möglichst früh zu fördern und Elemente aus der Schulpraxis in die Förderung zu integrieren. Inhaltlich sollte die Förderung diagnostischer Kompetenz insbesondere die einzelnen Aspekte diagnostischer Kompetenz fokussieren. Die im Zentrum dieses Beitrags stehenden drei Fördermaßnahmen setzen an diesen Punkten an.
Lehrendenzentrierte, problembasierte und simulationsbasierte Förderung von diagnostischer Kompetenz
Der Fokus aller drei Maßnahmen liegt auf der Förderung des Wissens über einen konkreten Urteilsgegenstand, des pädagogischen Wissens im Bereich der Diagnostik, des Erlernens einer systematischen Vorgehensweise im diagnostischen Prozess sowie der Motivation der Studierenden gegenüber dem Lerngegenstand. Zu diesem Zweck wurden eine lehrendenzentrierte, eine problembasierte und eine digitale, simulationsbasierte Fördermaßnahme entwickelt, die jeweils in zwei aufeinanderfolgenden Seminarsitzungen eingesetzt werden. Alle drei Maßnahmen sind dabei in großen Teilen parallel gestaltet, um mögliche Unterschiede zwischen den Maßnahmen auf die didaktischen Prinzipien der einzelnen Maßnahmen zurückführen zu können (s. Tabelle 1). Zentrale Unterschiede zwischen den Fördermaßnahmen bestehen insbesondere in der Adressierung der Lernziele Anwendung, Analyse und Evaluation (Anderson & Krathwohl, 2001) in der problembasierten und simulationsbasierten Maßnahme sowie der zunehmenden Annäherung an eine realistische diagnostische Situation von der lehrendenzentrierten über die problembasierte bis zur simulationsbasierten Förderung. Als diagnostische Situation aus dem Berufsalltag wurde das Auffallen von starken Problemen eines Schülers beim Lesen und Rechtschreiben zu Beginn der Sekundarstufe I gewählt. Die vorliegenden Probleme deuten auf eine mögliche Lese-Rechtschreibstörung (LRS) hin. Da das Unterrichtsfach Deutsch an der Universität Paderborn bei den Bachelor-Studierenden im Lehramt für Haupt-, Real-, Sekundar- und Gesamtschule das am häufigsten – im Lehramt für Gymnasien und Gesamtschulen das am dritthäufigsten – gewählte Unterrichtsfach ist (Universität Paderborn, 2020), wurde die Perspektive einer Deutschlehrperson eingenommen, um für möglichst viele Studierende eine nachvollziehbare Rahmung zu schaffen und die Realitätsnähe der problem- und simulationsbasierten Förderung zu erhöhen. Auch in den meisten anderen Unterrichtsfächern spielen Probleme beim Lesen und Rechtschreiben zudem eine wichtige Rolle.
Maßnahme 1: Lehrendenzentrierte Förderung. Vor dem empirischen Hintergrund, dass Grundlagenwissen tendenziell besser durch lehrendenzentrierte Lehrformate wie Vorlesungen verglichen mit lernendenzentrierten, aktivierenden Ansätzen erlernt und behalten werden kann (Taglieri et al., 2017; Zohrabi, Torabi & Baybourdiani, 2012), fokussiert die lehrendenzentrierte Fördermaßnahme deutlicher als die beiden anderen Maßnahmen die Vermittlung von Wissen über die LRS und im Bereich pädagogisch-psychologischer Diagnostik. Komponenten dieses Wissens sind Kenntnisse über den theoretischen Hintergrund der LRS, diagnostische Vorgänge und Maßnahmen ebenso wie über unterschiedliche Schülermerkmale, Lern- und Verhaltensauffälligkeiten.
Das lehrendenzentrierte Setting setzt sich aus zwei Bestandteilen zusammen: Das Wissen zu theoretischen Grundlagen sowie Diagnostik und Förderung der LRS wird zunächst mithilfe eines Lehrendvortrags vermittelt, an den sich eine Kleingruppenarbeit zur Vertiefung der Inhalte des Vortrags mithilfe einer online bereitgestellten Materialsammlung, in der Fachliteratur und Lehrvideos zum Thema LRS eingesehen werden können (s. ESM 1), anschließt. Dieselbe Materialsammlung wird auch in der problembasierten und der simulationsbasierten Maßnahme genutzt.
Maßnahme 2: Problembasierte Förderung. In problembasierten Lernsettings arbeiten Lernende in selbstregulierten Kleingruppen an der Lösung authentischer Problemstellungen. Dabei liegt der Fokus auf der Lernendenzentrierung, der Verbindung von Theorie und Praxis sowie der Wissensanwendung (Savery, 2015). Im Vergleich mit traditionellen Lehr-Lernsettings zeigen sich positive Effekte von problembasiertem Lernen in Bezug auf den Ausbau von Fähigkeiten (Carvalho, 2016), Problemlösen sowie Einstellungen und Motivation (Hwang & Kim, 2006; Klegeris & Hurren, 2011). Vor diesem empirischen Hintergrund trainiert die problembasierte Fördermaßnahme zusätzlich zum Grundlagenwissenserwerb das Wissen um das systematische Vorgehen im diagnostischen Prozess. Das Wissen umfasst dieselben Komponenten wie bei der lehrendenzentrierten Förderung und wird durch Erfüllung von sogenannten Arbeitsaufträgen erworben (s. ESM 2). Das systematische Vorgehen wird durch die enge Orientierung der Arbeitsaufträge am diagnostischen Prozess nach Hesse und Latzko (2011) abgebildet. Die Studierenden arbeiten in Kleingruppen mit einem Fallbeispiel in Textform (s. ESM 2). Die Arbeitsaufträge basieren auf dem für das problembasierte Lernen grundlegenden Konzept der Siebensprungmethode (Reusser, 2005), welche an den diagnostischen Prozess angepasst wurde: Die Studierenden lernen zunächst das Fallbeispiel kennen (1), beschreiben das Problem (2), bilden Hypothesen in Bezug auf mögliche Problemursachen (3), ordnen ihre Hypothesen und formulieren Ziele (4) für das Hinzuziehen von Hintergrundinformationen aus Fachliteratur im Selbststudium (5), synthetisieren die gesammelten Informationen und entwickeln eine Problemlösung (6), sichern abschließend ihre Ergebnisse und reflektieren den Lernprozess (7). Alle Arbeitsschritte werden gemeinsam in der Kleingruppe während der beiden Seminarsitzungen bearbeitet, ausgenommen das Selbststudium zwischen den beiden Seminarsitzungen. Die Arbeitsaufträge werden in Form eines Arbeitsblattes zur Verfügung gestellt. Die Materialien für das problembasierte Lernen – Fallbeispiel und Instruktionen – kamen bereits mehrfach in verschiedenen Seminaren zum Einsatz und haben sich in Inhalt und Aufbau bewährt. Den Studierenden steht zur Arbeit mit dem Fallbeispiel außerdem dieselbe online Materialsammlung zur Verfügung wie in der lehrendenzentrierten und der simulationsbasierten Maßnahme.
Maßnahme 3: Simulationsbasierte Förderung. Die Möglichkeiten des problembasierten Lernens werden ebenfalls in digitalen Simulationen geboten. Eine digitale Simulation ist eine vereinfachte Abbildung eines realen Systems, beispielsweise einer Schule, die die Komponenten des realen Systems auf physischer – z.B. die visuelle Darstellung eines Klassenzimmers – und informationsbezogener Ebene – z.B. Informationen über Schülerleistungen – beinhaltet und durch die Handlungen des Lerners beeinflusst werden kann (Sauvé, Renaud, Kaufman & Marquis, 2007). Ein großer Vorteil digitaler Simulationen liegt in der Möglichkeit, realitätsnahe Situation mehrfach zu durchlaufen, ohne dabei negative Konsequenzen fürchten zu müssen (Dieker, Rodriguez, Lignugaris/Kraft, Hynes & Hughes, 2014). Zudem zeigen einige Studien Vorteile in Bezug auf den Erwerb und das Behalten von Wissen (Sitzmann, 2011; Vlachopoulos & Makri, 2017). Weiterhin können digitale Lernumgebungen insbesondere auf intrinsischer Ebene motivierend wirken (Papastergiou, 2009; Tüzün, Yılmaz-Soylu, Karakuş, İnal & Kızılkaya, 2009). In der Lehrerbildung existieren mittlerweile diverse digitale Simulationen, die unterschiedliche inhaltliche Schwerpunkte wie das Erproben von Elterngesprächen (Sullivan, Hillaire, Larke & Reich, 2020) oder das Unterrichten (Christensen, Knezek, Tyler-Wood & Gibson, 2011) abdecken. Oft wurden solche vielversprechenden Simulationen jedoch lediglich im Rahmen kleiner Fallstudien evaluiert. Einzelne Ergebnisse aus Kontrollgruppenstudien zeigen, dass sich digitale Simulationen positiv auf die Selbstwirksamkeit sowie internale Kontrollüberzeugungen angehender Lehrpersonen auswirken können (Christensen et al., 2011). Vor diesem empirischen Hintergrund fokussiert die simulationsbasierte Maßnahme analog zur problembasierten Maßnahme zusätzlich zum Wissenserwerb und dem systematischen Vorgehen entlang des diagnostischen Prozesses nach Hesse und Latzko (2011) durch eine große Realitätsnähe die Motivation der Studierenden.
Die Simulation ist als dreidimensionale Schulumgebung angelegt und über gängige Internetbrowser zugänglich. Die Studierenden agieren als Klassenlehrer einer sechsten Klasse einer Gesamtschule. Sie erhalten zunächst eine kurze Einführung in die Simulation, in der ein Schüler als Fallbeispiel im Mittelpunkt steht, bevor sie in separaten virtuellen Räumen neun Arbeitsaufträge erarbeiten. Diese sind in die Lernumgebung integriert. Die abweichende Anzahl der Arbeitsaufträge im Vergleich mit dem problembasierten Setting ergibt sich aus der Anpassung der Siebensprungmethode an das digitale Medium. Zu jedem Arbeitsauftrag finden sich Verweise auf entsprechende Informationen und Medien in der Lernumgebung, die zur Bearbeitung des Arbeitsauftrags herangezogen werden können. Die Hauptaufgabe der Studierenden in der Simulation besteht im Sammeln und Systematisieren von Informationen über die Schüler, wobei unterschiedlichste Quellen wie Arbeitshefte, Eltern- und Schülergespräche oder die Beobachtung einer virtuellen Schulstunde herangezogen werden können (s. ESM 2). Die Arbeit mit dem authentischen Material stellt dabei einen zentralen Unterschied zum problembasierten Setting dar. Zudem ist das Hinzuziehen von Hintergrundinformationen aus Fachliteratur vorgesehen, die für die Studierenden in der bereits erwähnten online Materialsammlung bereitgestellt wird. Der Fokus in der vorliegenden Studie liegt auf der Arbeit mit einem Schüler, der Symptome der LRS zeigt.
Ziel der vorliegenden Studie
Ziel der vorliegenden Studie ist es, effektive Maßnahmen zur Förderung diagnostischer Kompetenz im Lehramtsstudium zu ermitteln. So soll die Frage beantwortet werden, wie unterschiedliche Aspekte diagnostischer Kompetenz am besten gefördert werden können. Im Fokus standen dabei Wissen über die LRS sowie pädagogisches Wissen im Bereich der Diagnostik und das Wissen um das systematische Vorgehen im diagnostischen Prozess sowie die Motivation, sich mit dem Lerngegenstand zu beschäftigen (konkret: situationale Motivation während der Förderung im Sinne verschiedener Regulationsstufen, s. Ryan & Deci, 2000). Außerdem soll explorativ die Ausprägung des Cognitive Load zwischen den drei Maßnahmen verglichen werden (Chang, Liang, Chou & Lin, 2017). Es wurden folgende Hypothesen formuliert:
H1: Die lehrendenzentrierte Förderung führt zu einem größeren Wissenszuwachs als die …
H1a: problembasierte Förderung.
H1b: simulationsbasierte Förderung.
H2: Die lehrendenzentrierte Förderung führt zu einem geringeren Zuwachs im Bereich des Wissens um das systematische Vorgehen im diagnostischen Prozess als die …
H2a: problembasierte Förderung.
H2b: simulationsbasierte Förderung.
H3: Die simulationsbasierte Förderung führt zu Formen selbstbestimmterer Motivation als die …
H3a: lehrendenzentrierte Förderung.
H3b: problembasierte Förderung.
Methode
Stichprobe
Die Stichprobe setzt sich aus insgesamt N = 166 Lehramtsstudierenden der Universität Paderborn im Bachelor of Education zwischen dem ersten und achten Fachsemester (M = 4.28, SD = 1.27) zusammen. Die Stichprobe bestand zu 80% aus Frauen (n = 133). Die Studierenden verteilten sich auf Lehramtsstudiengänge für die Schulformen Gymnasium/Gesamtschule (72%, n = 119), Haupt-/ Real-/Sekundar-/Gesamtschule (28%, n = 46) und Berufskolleg (1%, n = 1). Das Alter der Studierenden rangierte von 19 bis 43 Jahre (M = 21.47, SD = 2.37). Die Abiturnoten variierten zwischen 1.0 und 3.4 (M = 2.52, SD = .56). 82% gaben Deutsch als ihre Muttersprache an.
Alle Studierenden besuchten ein Pflichtseminar, in dem es um den Erwerb von Grundlagenwissen im Bereich pädagogisch-psychologische Diagnostik und Förderung ging. Die Gesamtstichprobe verteilte sich auf sieben Seminare von drei Hochschullehrern, wobei die Seminare einer Lehrperson jeweils einer Untersuchungsbedingung zugeordnet wurden. Daraus resultierten Subgruppen von n = 49 (lehrendenzentriert), n = 55 (problembasiert) und n = 62 (simulationsbasiert). Alle Lehrpersonen wurden vorab intensiv trainiert. Alle Seminare orientieren sich stringent an demselben Curriculum und sind daher inhaltlich sowie methodisch vergleichbar. Die Teilnahme an den Seminarsitzungen, in denen die Fördermaßnahmen eingesetzt wurden, war für alle Seminarteilnehmer obligatorisch. Alle Seminarsitzungen wurden aufgrund der Situation in der Corona-Pandemie während des Sommersemesters 2020 als Videokonferenzen realisiert.
Untersuchungsdesign und Ablauf der Untersuchung
Die Untersuchung war als längsschnittlicher, quasi-experimenteller Gruppenvergleich mit drei Messzeitpunkten angelegt (s. Abbildung 1). Alle drei Messzeitpunkte wurden als Online-Befragungen mit der Software LimeSurvey (LimeSurvey Project Team/Carsten Schmitz, 2012) realisiert. Die Studierenden erhielten vor jedem Messzeitpunkt einen personalisierten Link per E-Mail als Zugang zu den Online-Befragungen und konnten diese mit Ausnahme des Posttests, der unmittelbar nach der Fördermaßnahme während der Seminarzeit durchzuführen war, in einem Zeitraum von sieben Tagen selbstständig bearbeiten.
Während der insgesamt 13 Semesterwochen fanden wöchentliche, asynchron gestaltete Onlinesitzungen statt, indem den Studierenden Lernmaterialen über das Online-Lernmanagementsystem der Universität zur selbstständigen Erarbeitung zur Verfügung gestellt wurden. Dabei wurden zunächst auf Grundlage des standardisierten Curriculums in allen Untersuchungsgruppen dieselben pädagogisch-psychologischen Grundlagen sowie verschiedene Lernvoraussetzungen wie Intelligenz, Motivation sowie Lern- und Verhaltensauffälligkeiten behandelt (s. Abbildung 1). In den letzten beiden Semesterwochen fanden in allen Gruppen zwei aufeinanderfolgende, synchrone Onlinesitzungen über die Plattform BigBlueButton statt, in denen die jeweilige Fördermaßnahme eingesetzt wurde.
In den beiden Sitzungen wurden dieselben Inhalte je nach Untersuchungsgruppe methodisch unterschiedlich erarbeitet: Für die lehrendenzentrierte Gruppe wurde zunächst ein Impulsvortrag zum Thema gehalten, bevor die Studierenden die Inhalte anhand von bereitgestellter Literatur vertieften. Die problembasierte Gruppe erarbeitete die Inhalte anhand des textbasierten Fallbeispiels und die simulationsbasierte Gruppe nutzte ein inhaltlich vergleichbares, virtuell umgesetztes Fallbeispiel in einer digitalen Lernumgebung. In allen Untersuchungsbedingungen arbeiteten die Studierenden in zufällig generierten Kleingruppen in separaten Räumen in BigBlueButton
Messinstrumente
Wissen. Zur Erhebung des Wissens über die LRS und in pädagogisch-psychologischer Diagnostik wurden Multiple True-False Items (Brassil & Couch, 2019; Frisbie & Druva, 1986; Lahner et al., 2018) mit 15 Itemstämmen und 50 Wahr-Falsch-Optionen eines langjährig erprobten Verfahrens genutzt, das auf die Seminarinhalte zugeschnitten wurde. Neun der 50 Items wurden aufgrund zu geringer Schwierigkeiten aus den weiteren Analysen ausgeschlossen, sodass die verwendete Skala aus 41 Items bestand. Die Antwortoptionen werden jeweils mit „richtig“ oder „falsch“ bewertet. Die Items umfassen sowohl allgemeines pädagogisch-psychologisches Wissen als auch spezifisches Wissen zum Thema LRS und decken die Taxonomiestufen Erinnern und Verstehen (Anderson & Krathwohl, 2001) ab. Es handelt sich dabei um eine indexikalische Wissensmessung mit unbekannter Faktorenstruktur. Allen Items geht ein Itemstamm voran (z.B. „Was unterscheidet eine systematische Diagnostik von einer Alltagsdiagnostik?“). Die Itemschwierigkeiten waren über alle drei Messzeitpunkte hinweg zufriedenstellend (.20–.89). Cronbachs Alpha lag bei α T1 = .80, α T2 = .79 und α T3 = .81. Als Indikator für das Wissen wurde der Mittelwert verwendet.
Systematisches Vorgehen. Um das Wissen um das systematische Vorgehen im diagnostischen Prozess der Studierenden zu erheben, wurden drei Situational Judgement-Items entwickelt. Die Items orientieren sich an realitätsnahen Situationen aus dem Lehrerberuf und bilden die Schritte „Initiierung des diagnostischen Prozesses“, „Datenerhebung“ und „Vorgehen nach der Datenerhebung“ im diagnostischen Prozess ab. Ein Beispielitem findet sich im ESM 3. Die Items zeigten über die drei Messzeitpunkte hinweg eine insgesamt zufriedenstellende Schwierigkeit (.32–.78). Da jedes Item einen anderen Bereich des diagnostischen Prozesses und des Umgangs mit LRS-Symptomen abbildet, wurden die Items nicht zu einer Skala zusammengefasst.
Motivation. Das Interesse sowie unterschiedliche Regulationsstufen im Sinne der Selbstbestimmungstheorie (Ryan & Deci, 2000) wurden unmittelbar nach der Lerneinheit im Posttest mittels zweier Skalen erfasst. Da sich die situationale Motivation direkt auf die vorangegangenen Aufgaben im Rahmen der Fördermaßnahmen bezieht, wurde sie nur zum Posttest erfasst. Zum einen wurde die Subskala Interesse als eine Form der intrinsischen Motivation des Fragebogens zur Erfassung aktueller Motivation in Lern- und Leistungssituationen (FAM, Rheinberg, Vollmeyer & Burns, 2001) eingesetzt. Sie enthält vier Items (Beispielitem: „Ich mag diese Art von Aufgaben.“), welche auf einer 7-stufigen Likert-Skala von trifft nicht zu bis trifft zu beantwortet werden und wies eine gute interne Konsistenz auf (α = .79). Außerdem wurde die Situational Motivation Scale (SIMS, Guay, Vallerand & Blanchard, 2000) in die Befragung zum Posttest integriert. Die SIMS setzt sich aus 16 Items zusammen, welche situationale Motivation im Hinblick auf die Selbstbestimmungstheorie (Ryan & Deci, 2000) erfassen. Alle Items wurden zur Verwendung in dieser Studie von den Autoren ins Deutsche übersetzt. Der Itemstamm wurde zur besseren Passung leicht abgeändert und die Items entsprechend syntaktisch adaptiert. Aus der SIMS wurden die drei Subskalen intrinsische Motivation (Beispielitem: „Weil ich die Bearbeitung der Aufgaben interessant fand.“), identifizierte Regulation (Beispielitem: „Weil ich dachte, dass die Bearbeitung der Aufgaben gut für mich ist.“) und extrinsische Regulation (Beispielitem: „Weil ich die Aufgaben bearbeiten musste.“) verwendet, die auf einer 7-stufigen Likert Skala von trifft gar nicht zu bis trifft genau zu beantwortet werden. Die Subskalen wiesen insgesamt zufriedenstellende bis gute interne Konsistenzen auf (intrinsische Motivation: α = .87; identifizierte Regulation: α = .72; externale Regulation: α = .84).
Cognitive Load. Der Cognitive Load der Teilnehmenden wurde über sechs Items (Klepsch, Schmitz & Seufert, 2017), verteilt auf Intrinsic Cognitive Load (n = 2, „Diese Aufgabe war sehr komplex.“), Germane Cognitive Load (n = 2, „Es ging mir beim Bearbeiten der Aufgabe darum, alles richtig zu machen.“) und Extraneous Cognitive Load (n = 3, „Bei dieser Aufgabe ist es mühsam, die wichtigsten Informationen zu erkennen.“), erfragt. Alle Items wurden auf einer 7-stufigen Likert-Skala von komplett falsch bis absolut richtig beantwortet. Die interne Konsistenz der Subskalen lag für Intrinsic und Extraneous Cognitive Load zwischen α = .66 und α = .67, für den Germane Cognitive Load bei α = .39. Die Subskala Germane Cognitive Load wurde daher aus den weiteren Berechnungen ausgeschlossen.
Beschäftigung mit den Inhalten während der Selbststudiumsphase. Für alle drei Gruppen war zwischen der ersten und zweiten Seminarsitzung eine Selbststudiumsphase vorgesehen. Im Fragebogen des Posttests wurde anhand eines Items erfragt, wie intensiv die Studierenden sich ihrer Ansicht nach mit den vorgesehenen Inhalten während der Selbststudiumsphase auseinandergesetzt haben. Das Item wurde auf einer 5-stufigen Likert-Skala von gar nicht bis sehr intensiv beantwortet. Es wurde auf rein deskriptiver Ebene ausgewertet und nicht als Kovariate eingesetzt, da eine hohe Wahrscheinlichkeit für sozial erwünschtes Antwortverhalten besteht und Angaben der Studierenden daher nicht als verlässlich betrachtet werden können.
Datenauswertung
Um die Entwicklung des Wissens in den drei Untersuchungsgruppen zu bestimmen, wurden gemischte Kovarianzanalysen mit Messwiederholung (ANCOVA) berechnet. Multivariate Kovarianzanalysen (MANCOVA) wurden zum einen berechnet, um Gruppenunterschiede in Bezug auf die situationale Motivation und den Cognitive Load zu ermitteln und zum anderen, um die Entwicklung des Wissens um das systematische Vorgehen im diagnostischen Prozess anhand der drei Situational Judgement Items zwischen den Gruppen zu bestimmen. Fehlende Werte wurden in den Berechnungen per listenweisem Fallausschluss nicht berücksichtigt. Da sich in allen Gruppen jeweils über 40 Teilnehmer befanden, wurde von einer Normalverteilung ausgegangen (Field, 2011). Das Signifikanzniveau wurde auf p > .05 festgelegt. In allen Analysen wurde für die Abiturnote und das Fachsemester kontrolliert. Der mögliche Einfluss der Abiturnote ergibt sich aus den prädikativen Eigenschaften der Abiturnote für akademische Leistungen (Blömeke, Gustafsson & Shavelson, 2015; Schmidt-Atzert, 2005). Studierende in höheren Fachsemestern könnten potenziell bereits durch Praxisphasen und fachdidaktische Veranstaltungen mit Teilen der zu fördernden Inhalte vertraut sein.
Ergebnisse
Vergleichbarkeit der Untersuchungsgruppen
Die drei Gruppen unterschieden sich nicht in Bezug auf demographische Merkmale wie Geschlechterverteilung, F(2, 163) = 2.58, p = .08, Alter, F(2, 163) = 0.02, p = .99, Abiturnote, F(2, 163) = .70, p = .50 und Fachsemester, F(2, 163) = 2.14, p = .12 (s. Tabelle 2). Annähernd drei Viertel der Teilnehmer (72,9%) studierten im zweiten bis vierten Fachsemester, der Großteil davon (57,2%) im vierten Fachsemester. Die Gruppen unterschieden sich zur Zeit des Prätests nicht hinsichtlich des Wissens, F(2, 162) = 1.57, p = .21, und des Wissens um das systematische Vorgehen im diagnostischen Prozess in den Bereichen „Initiierung des diagnostischen Prozesses, F(2, 106.43) = 0.14, p = .87, „Datenerhebung“, F(2, 107.72) = 2.92, p = .06 und „Vorgehen nach der Datenerhebung“, F(2, 107.58) = 2.40, p = .10.
Deskriptive Analysen
In den Tabellen 3 und 4 finden sich die deskriptiven Statistiken für die abhängigen Variablen aller drei Gruppen für alle drei Messzeitpunkte. Nur in der lehrendenzentrierten Gruppe fand ein Wissenszuwachs zwischen dem ersten und zweiten sowie dem zweiten und dritten Messzeitpunkt statt. Das Wissen um das systematische Vorgehen im diagnostischen Prozess hingegen steigt in allen Gruppen im Bereich „Initiierung des diagnostischen Prozesses“ zwar zum zweiten Messzeitpunkt augenscheinlich stark an, fällt zum Follow-Up jedoch wieder leicht ab. In den Bereichen „Datenerhebung“ und „Vorgehen nach der Datenerhebung“ ist kein eindeutiges Muster zu erkennen. Die Motivation lag insgesamt im mittleren Bereich, wobei die Studierenden vor allem intrinsisch motiviert waren. Das Interesse an der Lerneinheit befand sich ebenfalls im mittleren Bereich. Die simulationsbasierte Gruppe zeigte über alle Motivationsformen inklusive des Interesses durchgängig höhere Werte als die beiden anderen Gruppen. Zum Cognitive Load fällt auf, dass der Extraneous Cognitive Load vergleichsweise gering war. Im Bereich Intrinsic und Extraneous Cognitive Load zeigt die problembasierte Gruppe zudem höhere Werte als die beiden anderen Gruppen.
In Hinblick auf die Intensität des Selbststudiums gaben über die Gruppen hinweg 5% der Studierenden an, gar keine Zeit in das Selbststudium investiert zu haben. 69% haben sich laut eigener Aussage mindestens mittelmäßig mit den Inhalten auseinandergesetzt. 3% der Befragten machten keine Angabe zum Selbststudium. Die problembasiert lernende Gruppe investierte dabei signifikant mehr Zeit in das Selbststudium als die beiden anderen Gruppen F(2, 163) = 3.88, p = .02, η p2 = 0.05.
Inferenzstatistik: Haupteffekte und Interaktionen
Wissen. Unter Kontrolle für Abitur und Fachsemester zeigt sich ein signifikanter Interaktionseffekt Zeit × Gruppe für das Grundlagenwissen (s. Tabelle 5). Die lehrendenzentrierte Gruppe erzielte zwischen dem ersten und dritten Messzeitpunkt einen größeren Wissenszuwachs sowohl als die simulations- als auch problemorientierte Gruppe. Die Haupteffekte für Zeit und Gruppe waren nicht signifikant. Jedoch profitierten Studierende in höheren Fachsemestern stärker von den Fördermaßnahmen als Studierende in niedrigeren Fachsemestern. Hypothese 1, die einen größeren Wissenserwerb in der lehrendenzentrierten Gruppe im Vergleich zu den beiden anderen Gruppen postulierte, konnte somit bestätigt werden.
Systematisches Vorgehen. Eine MANOVA mit Messwiederholung wurde mit den drei Items „Initiierung des diagnostischen Prozesses“, „Datenerhebung“ und „Vorgehen nach der Datenerhebung“ gerechnet. Varianzhomogenität war gemäß dem Levene-Test für alle Items gegeben (p > .05), mit Ausnahme des Items „Datenerhebung“ zum ersten Messzeitpunkt. Unter Kontrolle für Abitur und Fachsemester fanden sich bei allen Items signifikante Unterschiede zwischen den drei Gruppen in Abhängigkeit vom Messzeitpunkt. Auf multivariater Ebene zeigt sich eine signifikante Interaktion Zeit × Gruppe, F(12, 312) = 2.09, p = 0.02, η p2 = 0.07, Wilk's Λ = .86. Es fanden sich keine Haupteffekte für Zeit, F(6, 156) = 1.09, p = .37, Wilk's Λ = .96, und Gruppe, F(6, 318) = 1.65, p = .13, Wilk's Λ = .94.
Auf univariater Ebene fand sich die signifikante Interaktion Zeit × Gruppe nur für das Item „Vorgehen nach der Datenerhebung“, F(4, 322) = 3.29, p = .01, η p2 = 0.04. Demnach konnte sich die lehrendenzentrierte Gruppe nach einem Abfall zum Post-Test im Follow-Up-Test wieder an ihren Ausgangswert annähern, erzielte hier jedoch insgesamt schlechtere Ergebnisse als die anderen Gruppen. Hypothese 2, die postulierte, dass die simulationsbasierte Gruppe einen größeren Zuwachs im Bereich des Wissens um das systematische Vorgehen zeigt als (a) die lehrendenzentrierte Gruppe, konnte daher nicht bestätigt werden. Ein größerer Zuwachs im Vergleich zur problembasierten Gruppe (H2b) zeigte sich nicht.
Motivation und Cognitive Load. Um die Effekte der Maßnahmen auf die Motivation zu testen, wurde eine einfaktorielle MANCOVA mit allen AVs, die zum Posttest erhoben wurden, gerechnet. Die Ergebnisse zeigen einen signifikanten Unterschied auf multivariater Ebene zwischen den drei Gruppen unter Kontrolle von Abiturnote und Fachsemester, F(12, 312) = 2.25, p = .01, η p2 = 0.08, Wilk's Λ = .85.
Auf univariater Ebene waren nur die Unterschiede zwischen den Gruppen für die AVs Interesse, intrinsische Motivation und Extraneous Cognitive Load signifikant. Das Interesse in der Gruppe, die mit der Simulation lernte, war jeweils höher als in den anderen beiden Gruppen (problembasiert: p < .01 (MDiff = .57, 95%-CI[.17, .96]), lehrendenzentriert: p = .02 (MDiff = .49, 95%-CI[.10, .89])). Die intrinsische Motivation in der Gruppe, die mit der Simulation lernte, war höher als in der Gruppe, die problembasiert lernte, p < .01 (MDiff = .60, 95%-CI[.22, .97]). Hypothese 3, die eine größere selbstbestimmten Motivation in der simulationsbasierten Gruppe postulierte, konnte somit in Teilen bestätigt werden: Im Vergleich zur lehrendenzentrierten Gruppe zeigten sich höhere Werte für Interesse, nicht jedoch für intrinsische Motivation. Im Vergleich mit der problembasierten Gruppe (H3b) zeigten sich sowohl für Interesse als auch für intrinsische Motivation höhere Werte.
Die mentale Beanspruchung durch den Extraneous Cognitive Load war in der Gruppe, die problembasiert lernte, höher als in der Gruppe, die simulationsbasiert lernte, p < .01 (MDiff = .60, 95%-CI[.21, 1.00]).
Zusammenfassung der Ergebnisse
Die lehrendenzentrierte Gruppe zeigte einen signifikant größeren Wissenszuwachs sowohl als die simulations- als auch problembasierte Gruppe. Eine Verbesserung des Wissens um das systematische Vorgehen im diagnostischen Prozess zeigte sich mit einer Ausnahme für alle drei Gruppen vom Prä- zum Posttest nur auf deskriptiver Ebene. Allein die Interaktion Zeit × Gruppe für das Item „Vorgehen nach der Datenerhebung“ war signifikant und zeigte Nachteile der lehrendenzentrierten Förderung gegenüber den anderen beiden Gruppen. Augenscheinlich waren die Studierenden in der simulationsbasierten Gruppe in allen Bereichen am motiviertesten. Die inferenzstatistischen Analysen bestätigten dies zum Teil: Die simulationsbasierte Gruppe war intrinsischer motiviert als die problembasierte Gruppe und zeigte ein größeres Interesse an der Lerneinheit als beide anderen Gruppen. Im Bereich des Extraneous Cognitive Load zeigt die problembasierte Gruppe höhere Werte als die simulationsbasierte Gruppe.
Diskussion
Dieser Beitrag stellt drei Maßnahmen (lehrendenzentriert, problembasiert, simulationsbasiert) zur Förderung zentraler Aspekte diagnostischer Kompetenz vor. Im Gegensatz zu einer Fokussierung der Urteilsgenauigkeit als Gegenstand der Förderung als Ergebnis einer gut ausgebildeten diagnostischen Kompetenz wurden mit der Fokussierung auf die Aspekte Wissen und systematisches Vorgehen im diagnostischen Prozess die Grundlagen für die Urteilsgenauigkeit gefördert. Zudem wurde die Motivation der Studierenden in Hinblick auf die Auseinandersetzung mit dem Lerngegenstand untersucht.
Inferenzstatistische Ergebnisse zeigen einen größeren Wissenszuwachs in der lehrendenzentrierten Gruppe gegenüber den beiden anderen Gruppen und darüber hinaus die günstige Auswirkung der simulationsbasierten Maßnahme auf die Motivation der Studierenden. Zudem lassen die deskriptiven Ergebnisse vermuten, dass die Maßnahmen in Bezug auf die Aspekte diagnostischer Kompetenz unterschiedliche Stärken und Schwächen aufweisen. Nachfolgend werden alle Ergebnisse reflektiert.
Wissen
Ein lehrendenzentriertes Format mit anschließender Kleingruppenarbeit erwies sich im vorliegenden Beitrag als signifikant besser geeignet als eine problemzentrierte oder simulationsbasierte Maßnahme, um pädagogisch-psychologisches Grundlagenwissen nachhaltig zu fördern, wenn alle Formate online per Videokonferenz realisiert werden. Diese Befunde reihen sich ein in bisherige Ergebnisse zum Erwerb von Grundlagenwissen (Taglieri et al., 2017), allerdings konnten empirische Ergebnisse zu Vorteilen digitaler Simulationen im Bereich des Erwerbs und Behaltens von Wissen (Sitzmann, 2011; Vlachopoulos & Makri, 2017) nicht bestätigt werden. Ein möglicher Grund dafür könnte darin liegen, dass ein zentrales Merkmal in der lehrendenzentrierten Fördermaßnahme in der strukturierten Aufbereitung des Grundlagenwissens liegt. Im Gegensatz dazu steht in der problembasierten und simulationsbasierten Maßnahme die konstruktivistische Erarbeitung der Inhalte im Vordergrund, wodurch zwar eine tiefere Wissensverarbeitung angestrebt wird, die Wissenselemente jedoch schwerer zugänglich sind. Unterschiedliche Wissensbereiche – Fachwissen, fachdidaktisches Wissen und pädagogisches Wissen – sind zentrale Aspekte professioneller Handlungskompetenz von Lehrpersonen (Baumert et al., 2011) und essentiell für den Ausbau dieser Kompetenz, weshalb in der Kompetenzförderung neben praxisorientierten auch Methoden mit stärkerem Fokus auf die Wissensvermittlung zum Einsatz kommen sollten.
Systematisches Vorgehen im diagnostischen Prozess
Aus deskriptiver Sicht scheinen sich alle drei Fördermaßnahmen kurzfristig insgesamt positiv auf den Aufbau von Wissen um das systematische Vorgehen im diagnostischen Prozess auszuwirken, jedoch handelt es sich dabei nicht um einen nachhaltigen Effekt. Vermutlich hätte es weiterführende Lerngelegenheiten nach der Durchführung der Maßnahme für die Festigung des Wissens um das systematische Vorgehen bedurft.
Motivation
Beachtenswert sind die Ergebnisse aus dem Bereich Motivation: Die Studierenden der simulationsbasierten Gruppe zeigten sowohl größeres Interesse als die beiden anderen Gruppen als auch eine höhere intrinsische Motivation als die problembasierte Gruppe. Diese Befunde sind inferenzstatistisch abgesichert und decken sich mit bisherigen empirischen Ergebnissen, die digitalen Simulationen eine stärkere intrinsisch motivierende Wirkung zuschreiben als anderen Lernformen (Papastergiou, 2009; Tüzün et al., 2009).
Der Einsatz einer digitalen Simulation könnte so zu einem grundlegenden Interesse an der Auseinandersetzung mit diagnostischen Situationen und einer Offenheit gegenüber diagnostischen Informationen im Beruf beitragen (Prediger, 2010). Die Relevanz intrinsischer Motivation und ihre handlungssteuernde Funktion im Lehrberuf konnten bereits demonstriert werden (Krauss et al., 2004; Kunter & Pohlmann, 2009). Bisherige Studien haben häufig die motivationalen Orientierungen von Lehrpersonen als Teil der professionellen Handlungskompetenz untersucht (Bender, Schaper, Caspersen, Margaritis & Hubwieser, 2016; Berger & Lê Van, 2019; Kunter et al., 2013), die wiederum zur Motivation der Schüler beitragen können (Kunter et al., 2013; Sorge, Keller, Neumann & Möller, 2019). Es bleibt jedoch offen, wie angehende Lehrpersonen positive motivationale Orientierungen aufbauen können, zumal diese kaum curricular in Lehramtsstudiengängen verankert sind (s. Bender et al., 2016). Die Förderung einer interessierten und intrinsisch motivierten Haltung gegenüber zentralen pädagogischen Aufgaben wie dem diagnostischen Urteilen kann dabei helfen, angehende Lehrpersonen in der Entwicklung positiver motivationaler Orientierungen zu unterstützen. Eine digitale Simulation kann im Rahmen des Lehramtsstudiums an diesem Punkt ansetzen.
Cognitive Load
Der Extraneous Cognitive Load war in der problembasierten Gruppe signifikant höher als in der simulationsbasierten Gruppe. Dieses Ergebnis entspricht bisherigen Befunden zu geringerem Extraneous Cognitive Load in gamebasierten Lernumgebungen (Chang et al., 2017). Wenngleich in der digitalen Simulation eine große Anzahl unterschiedlicher Elemente gleichzeitig präsentiert wird, scheint die Gestaltung zugänglicher zu sein als das textbasierte Lernmaterial in der problembasierten Fördermaßnahme. In Bezug auf eine möglichst geringe mentale Beanspruchung durch den Extraneous Cognitive Load scheint eine simulationsbasierte Maßnahme vorteilhaft zu sein.
Zusammenfassend kann festgehalten werden, dass die simulationsbasierte Fördermaßnahme intrinsisch motivierender wirken und einen geringeren Extraneous Cognitive Load hervorrufen kann als eine problembasierte Fördermaßnahme. Eine lehrendenzentrierte Maßnahme bringt im Vergleich zu problem- und simulationsbasierten Maßnahmen hingegen Nachteile in Bezug auf den Aufbau von Wissen um das systematische Vorgehen mit sich.
Limitationen der vorliegenden Studie
Diese Ergebnisse müssen vor den Einschränkungen des Untersuchungsdesigns interpretiert werden. Zunächst ist hier zu nennen, dass es nur schwer möglich ist, professionelle Kompetenzen standardisiert zu erfassen. Auch im Rahmen dieser Studie mussten daher gewisse Einschränkungen hinsichtlich der abhängigen Variablen erfolgen. Wir haben uns dazu entschieden, nicht die Urteilsgenauigkeit der angehenden Lehrpersonen als Indikator für diagnostische Kompetenz zu erfassen, da diese von sich verändernden Merkmalen der Urteilenden und des Urteilsgegenstandes – beispielsweise eines Schülermerkmals – ebenso wie von der Wechselwirkung zwischen beiden abhängt (Kaiser & Möller, 2017). Eine Veränderung der Urteilsgenauigkeit könnte somit nicht eindeutig auf die Fördermaßnahme zurückgeführt werden. Stattdessen wurde die Wirksamkeit der Maßnahmen anhand der Veränderung zentraler Aspekte professioneller Handlungskompetenz ermittelt. So kann identifiziert werden, durch welche Maßnahmen welche Aspekte diagnostischer Kompetenz trainiert werden können. So ergibt sich eine hohe Relevanz für Ansätze zur Kompetenzförderung im Lehramtsstudium. Dennoch kann im Rahmen dieser Studie nicht von einer direkten Förderung diagnostischer Kompetenz, sondern vielmehr von der Förderung von Bedingungsfaktoren dieser gesprochen werden.
Die interne Validität ist aufgrund des quasi-experimentellen Design der Untersuchung eingeschränkt. Aufgrund der Studiumsbedingungen im ersten „Corona-Semester“ war eine randomisierte Zuweisung auf die drei Untersuchungsgruppen nicht möglich, da die Studierenden sich bereits vorab auf die Seminarzeiten der insgesamt sieben Seminare, die die Stichprobe umfasst, festgelegt hatten. Da sich jedoch keine signifikanten Unterschiede zwischen den Gruppen in Hinblick auf Alter, Fachsemester, Geschlechterverteilung, Abiturnote und Vorwissen zeigten, ist nicht davon auszugehen, dass diese Variablen die Ergebnisse verzerren. Wenngleich die Studierenden in verschiedensten Fachsemestern studierten, befand sich der Großteil (72,9%) maximal im vierten Fachsemester, wie nach Studienverlaufsplan zu erwarten war. Da es keine inhaltlich vergleichbaren parallelen oder vorangegangenen Veranstaltungen in den Studiengängen gibt, kann davon ausgegangen werden, dass die Studierenden über dasselbe Vorwissen in Bezug auf die Inhalte des Seminars verfügen. Zum Posttest gab die problembasierte Gruppe allerdings eine signifikant höhere Intensität des Selbststudiums an als die beiden anderen Gruppen. Daraus könnte sich ein Vorteil hinsichtlich des Wissenserwerbs ergeben; weiterhin könnte dies ein Anzeichen für eine höhere Motivation der problembasierten Gruppe sein. Beide Vermutungen ließen sich jedoch nicht bestätigen. Im Gegenteil: Die problembasierte Gruppe war signifikant weniger intrinsisch motiviert als die simulationsbasierte Gruppe. Der Extraneous Cognitive Load in dieser Gruppe war höher als in der simulationsbasierten Gruppe, sodass eine intensivere Auseinandersetzung mit dem Material unter Umständen notwendig war, um die Lerninhalte zu durchdringen, ohne dass der Lernertrag dabei höher gewesen wäre.
Eine weitere Einschränkung hinsichtlich des Untersuchungsdesigns liegt darin, dass die vorliegenden Ergebnisse aufgrund von zwei Faktoren nur eingeschränkt auf andere lehrendenzentrierte, problembasierte und simulationsbasierte Formate übertragen werden können. Zunächst ist hier die coronabedingte Gestaltung der Lernsettings als Videokonferenzen zu nennen. Die Mitarbeit aller Studierenden in den Kleingruppen konnte per Zoom nicht durchgängig geprüft werden; zudem können sich die häusliche Lernsituation oder technische Schwierigkeiten gegebenenfalls negativ auf die Mitarbeit ausgewirkt haben. Der zweite Faktor liegt in der kurzen Dauer der drei Maßnahmen. Vor allem die problem- und simulationsbasierte Fördermaßnahme könnten eventuell von einer längeren Dauer profitieren, indem den Studierenden mehr Zeit für die Wissensanwendung zur Verfügung gestellt wird.
In Bezug auf die Auswahl der abhängigen Variablen wurde in dieser Studie nicht die Praxisrelevanz der einzelnen Maßnahmen aus Sicht der Studierenden erfasst. Durch eine möglicherweise wahrgenommene höhere Praxisrelevanz der digitalen Simulation ließen sich jedoch potenziell die motivationalen Unterschiede zwischen den Gruppen erklären. Weiterhin wurde lediglich die situationale Motivation zum Posttest erfasst, jedoch die Motivation nicht über alle drei Messzeitpunkte gemessen. Es kann daher keine Aussage über zeitliche Veränderungen in der Motivation getroffen werden. Auch eventuelle motivationale Gruppenunterschiede zum Prätest konnten nicht berücksichtigt werden. Zukünftig könnte die zusätzliche Erfassung langfristiger Motivationstendenzen jedoch eine sinnvolle Ergänzung darstellen.
Theoretische und praktische Implikationen
Aktuell existieren nur wenige Maßnahmen zur Förderung der nicht fachspezifischen diagnostischen Kompetenz angehender Lehrpersonen, die sich insbesondere mit unterschiedlichen Aspekten der diagnostischen Kompetenz im Sinne der professionellen Handlungskompetenz von Lehrpersonen im Gegensatz zur Urteilsgenauigkeit, die eher als Ergebnis diagnostisch kompetenten Handelns betrachtet werden kann, befassen. Diese Studie schließt diese Lücke, indem sie konkrete Maßnahmen vorstellt, die zukünftig abhängig von konkreten Zielen der Förderung der Aspekte diagnostischer Kompetenz evidenzbasiert ausgewählt werden können. Somit sind die Ergebnisse vor allem von praktischer Relevanz.
Des Weiteren kommen die vorliegenden Ergebnisse der Erkenntnisgewinnung zur Wirksamkeit digitaler Simulationen zugute. So bringt die simulationsbasierte Fördermaßnahme Vorteile in den Bereichen Motivation und Cognitive Load mit sich. Die Kombination eines lehrendenzentrierten und eines digitalen, simulationsbasierten Ansatzes erscheint daher sinnvoll. Die Vorteile der Maßnahmen könnten im Rahmen einer fest in Studienordnungen verankerten Förderung genutzt werden. So könnten Lehramtsstudierende bereits zu Beginn ihres Studiums durch lehrendenzentrierte Anteile Grundlagenwissen aufbauen, welches im späteren Verlauf des Studiums nach ersten Praxiserfahrungen mithilfe simulationsbasierter Maßnahmen angewandt werden kann. Die Vorteile unterschiedlicher Maßnahmen können so gewinnbringend genutzt und nachteilige Auswirkungen – wie ein höherer Extraneous Cognitive Load in problembasierten Maßnahmen – gemieden werden. Hinsichtlich der zunehmend digital stattfindenden Lehre und den damit verbundenen Herausforderungen ermöglicht die digitale Simulation außerdem das selbstregulierte und problembasierte Lernen zuhause. Gerade vor dem Hintergrund der Corona-Pandemie scheint es außerdem umso wichtiger, Studierende durch ausgewählte didaktische Konzepte intrinsisch zu motivieren, wozu eine digitale Simulation offenbar besonders gut geeignet ist.
Elektronisches Supplement (ESM)
Das elektronische Supplement ist mit der Online-Version dieses Artikels verfügbar unter https://doi.org/10.1024/1010-0652/a000352
Literatur
(2001). A taxonomy for learning, teaching, and assessing. A revision of Bloom's taxonomy of educational objectives (Complete ed.). New York, Munich: Longman. Retrieved from https://eduq.info/xmlui/handle/11515/18345
(2020).
Video- und Transkriptvignetten aus dem Lehr-Lern-Labor – die Wahrnehmung von Studierenden . In B. Priemer J. Roth (Hrsg.), Lehr-Lern-Labore. Konzepte und deren Wirksamkeit in der MINT-Lehrpersonenbildung (S. 299–315). Wiesbaden: Springer Spektrum. https://doi.org/10.1007/978-3-662-58913-7_19(2011).
Professionelle Kompetenz von Lehrkräften, kognitiv aktivierender Unterricht und die mathematische Kompetenz von Schülerinnen und Schülern (COACTIV) – ein Forschungsprogramm . In J. Baumert W. Blum U. Klusmann S. Krauss M. Neubrand (Hrsg.), Professionelle Kompetenz von Lehrkräften. Ergebnisse des Forschungsprogramms COACTIV (S. 7–25). Münster: Waxmann.(2007). Adaptive Lehrkompetenz: Analyse und Struktur, Veränderung und Wirkung handlungssteuernden Lehrerwissens . Münster: Waxmann.
(2008). Teachers' perceptions of students' reading abilities: An examination of the relationship between teachers' judgments and students' performance across a continuum of rating methods. School Psychology Quarterly , 23 (1), 43–55. https://doi.org/10.1037/1045-3830.23.1.43
(2016). Identifying and formulating teachers' beliefs and motivational orientations for computer science teacher education. Studies in higher education , 41 (11), 1958–1973. https://doi.org/10.1080/03075079.2015.1004233
(2019). Teacher professional identity as multidimensional: mapping its components and examining their associations with general pedagogical beliefs. Educational Studies , 45 (2), 163–181. https://doi.org/10.1080/03055698.2018.1446324
(2015). Beyond dichotomies: Competence viewed as a continuum. Zeitschrift für Psychologie , 223 , 3–13. https://doi.org/10.1027/2151-2604/a000194
(2019). Multiple-true-false questions reveal more thoroughly the complexity of student thinking than multiple-choice questions: a Bayesian item response model comparison. International Journal of STEM Education , 6 (1). https://doi.org/10.1186/s40594-019-0169-0
(2014). Adaptive Lehrkompetenz und schulisches Lernen. Effekte handlungssteuernder Kognitionen von Lehrpersonen auf Unterrichtsprozesse und Lernergebnisse der Schülerinnen und Schüler (Pädagogische Psychologie und Entwicklungspsychologie, Bd. 91). Münster u.a.: Waxmann.
(2016). The impact of PBL on transferable skills development in management education. Innovations in Education and Teaching International , 53 (1), 35–47. https://doi.org/10.1080/14703297.2015.1020327
(2017). Is game-based learning better in flow experience and various types of cognitive load than non-game-based learning? Perspective from multimedia and media richness. Computers in Human Behavior , 71 , 218–227. https://doi.org/10.1016/j.chb.2017.01.031
(2011). SimSchool: An online dynamic simulator for enhancing teacher preparation. International Journal of Learning Technology , 6 (2), 201–220.
(2014). The Potential of Simulated Environments in Teacher Education. Teacher Education and Special Education: The Journal of the Teacher Education Division of the Council for Exceptional Children , 37 (1), 21–33. https://doi.org/10.1177/0888406413512683
(2011). Discovering statistics using SPSS (and sex and drugs and rock'n'roll) (3. Aufl.). Los Angeles, Kalifornien: Sage.
(1986). Estimating the Reliability of Multiple True-False Tests. Journal of Educational Measurement , 23 (2), 99–105.
(2000). On the assessment of situational intrinsic and extrinsic motivation: The Situational Motivation Scale (SIMS). Motivation and Emotion , 24 (3), 175–213.
(2008).
Diagnostische Kompetenzen im Lehrberuf . In C. Kraler M. Schratz (Hrsg.), Wissen erwerben, Kompetenzen entwickeln. Modelle zur kompetenzorientierten Lehrerbildung (S. 71–86). Münster u.a.: Waxmann.(2011). Diagnostik für Lehrkräfte . Opladen & Farmington Hills: Barbara Budrich.
(2006). A comparison of problem-based learning and lecture-based learning in an adult health nursing course. Nurse Education Today , 26 (4), 315–321. https://doi.org/10.1016/j.nedt.2005.11.002
(2017).
Diagnostische Kompetenz von Lehramtsstudierenden . In C. Gräsel K. Trempler (Hrsg.), Entwicklung von Professionalität pädagogischen Personals (S. 55–74). Wiesbaden: Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-07274-2_4(2013). Genauigkeit von Lehrpersonenurteilen und Ansatzpunkte ihrer Förderung in der Aus-und Weiterbildung von Lehrkräften. Beiträge zur Lehrerinnen- und Lehrerbildung , 31 (2), 166–173.
(2011). Impact of problem-based learning in a large classroom setting: student perception and problem-solving skills. Advances in Physiology Education , 35 (4), 408–415. https://doi.org/10.1152/advan.00046.2011
(2017). Development and validation of two instruments measuring intrinsic, extraneous, and germane cognitive load. Frontiers in psychology , 8 , 1997.
(2004). COACTIV: Professionswissen von Lehrkräften, kognitiv aktivierender Mathematikunterricht und die Entwicklung von mathematischer Kompetenz .
(2013). Cognitive Activation in the Mathematics Classroom and Professional Competence of Teachers . Boston, MA: Springer US. https://doi.org/10.1007/978-1-4614-5149-5
(2009).
Lehrer . In E. Wild J. Möller (Hrsg.), Pädagogische Psychologie (Springer-Lehrbuch, S. 261–282). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-88573-3_11(2018). Multiple true-false items: a comparison of scoring algorithms. Advances in Health Sciences Education , 23 (3), 455–463. https://doi.org/10.1007/s10459-017-9805-y
(2012). Teachers' estimates of their students' motivation and engagement: being in synch with students. Educational psychology , 32 (6), 727–747. https://doi.org/10.1080/01443410.2012.732385
LimeSurvey Project Team/Carsten Schmitz (2012). LimeSurvey: An Open Source survey tool, LimeSurvey Project . Verfügbar unter: http://www.limesurvey.org(2020). A Framework for Explaining Teachers' Diagnostic Judgements by Cognitive Modeling (DiaCoM). Teaching and Teacher Education , 91 , 103059. https://doi.org/10.1016/j.tate.2020.103059
(2015). Verbessert sich die diagnostische Urteilsgenauigkeit von Lehrkräften bei längerem Kontakt mit der Klasse? Psychologie in Erziehung und Unterricht , 63 (1), 34. https://doi.org/10.2378/peu2016.art04d
(2009). Digital Game-Based Learning in high school Computer Science education: Impact on educational effectiveness and student motivation. Computers & Education , 52 (1), 1–12. https://doi.org/10.1016/j.compedu.2008.06.004
(2013). Judgment Confidence and Judgment Accuracy of Teachers in Judging Self-Concepts of Students. The Journal of Educational Research , 106 (1), 64–76. https://doi.org/10.1080/00220671.2012.667010
(2010). How to develop mathematics-for-teaching and for understanding: the case of meanings of the equal sign. Journal of Mathematics Teacher Education , 13 (1), 73–93. https://doi.org/10.1007/s10857-009-9119-y
(2005). Problemorientiertes Lernen. – Tiefenstruktur, Gestaltungsformen, Wirkung. Beiträge zur Lehrerinnen-und Lehrerbildung , 23 (2), 159–182.
(2001). FAM: Ein Fragebogen zur Erfassung aktueller Motivation in Lern-und Leistungssituationen (Langversion, 2001). Diagnostica , 2 , 57–66.
(2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist , 55 (1), 68–78. https://doi.org/10.1037/0003-066X.55.1.68
(2007). Distinguishing between games and simulations: A systematic review. Educational Technology & Society , 10 (3), 247–256.
(2015).
Overview of problem-based learning: Definitions and distinctions . In A. Walker H. Leary C. Hmelo-Silver (Hrsg.), Essential readings in problem-based learning: Exploring and extending the legacy of Howard S. Barrows (Bd. 9, S. 5–15). Purdue University Press.(2005). Prädiktion von Studienerfolg bei Psychologiestudenten. Psychologische Rundschau , 56 (2), 131–133. https://doi.org/10.1026/0033-3042.56.2.131
(1989). Diagnostische Kompetenzen von Lehrern und ihre Bedeutung für die Gestaltung und Effektivität des Unterrichts . Frankfurt am Main: Lang.
(2001).
Alltägliche Leistungsbeurteilung durch Lehrer . In F. E. Weinert (Hrsg.), Leistungsmessungen in Schulen (Bd. 3, S. 45–58). Beltz.(2011). A meta-analytic examination of the instructional effectiveness of computer-based simulation games. Personnel Psychology , 64 (2), 489–528. https://doi.org/10.1111/j.1744-6570.2011.01190.x
(2019). Investigating the relationship between pre-service physics teachers' professional knowledge, self-concept, and interest. Journal of Research in Science Teaching , 56 (7), 937–955. https://doi.org/10.1002/tea.21534
(2005). Akkuratheit der Einschätzung von Schülermerkmalen durch Lehrer und das Konstrukt der diagnostischen Kompetenz. Zeitschrift für pädagogische Psychologie , 19 (1/2), 85–95. https://doi.org/10.1024/1010-0652.19.12.85
(2016). Wie gut schätzen Lehrkräfte Leistung, Konzentration, Arbeits-und Sozialverhalten ihrer Schülerinnen und Schüler ein? Ein Beitrag zur diagnostischen Kompetenz von Lehrkräften. Psychologie in Erziehung und Unterricht , 63 (3), 204–219.
(2012). Accuracy of teachers' judgments of students' academic achievement: A meta-analysis. Journal of Educational Psychology , 104 (3), 743–762.
(Hrsg.). (2017). Diagnostische Kompetenz von Lehrkräften. Theoretische und methodische Weiterentwicklungen (Pädagogische Psychologie und Entwicklungspsychologie, Bd. 94). Münster: Waxmann.
(2020). Using teacher moments during the COVID-19 pivot. Journal of Technology and Teacher Education , 28 (2), 303–313.
(2017). Comparison of long-term knowledge retention in lecture-based versus flipped team-based learning course delivery. Currents in Pharmacy Teaching & Learning , 9 (3), 391–397. https://doi.org/10.1016/j.cptl.2017.01.007
(2009). The effects of computer games on primary school students' achievement and motivation in geography learning. Computers & Education , 52 (1), 68–77.
Universität Paderborn (Hrsg.). (2020, August). Zahlenspiegel. Studierende und Abschlüsse 2020 . Paderborn. Verfügbar unter: http://www.uni-paderborn.de/zv/1-3/statistiken-studierende-absolventen/(2013). Sind unterschätzte Schüler weniger leistungsmotiviert als überschätzte Schüler? Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie , 45 (1), 34–43. https://doi.org/10.1026/0049-8637/a000079
(2021). A review on the accuracy of teacher judgments. Educational Research Review , 32 , 100374. https://doi.org/10.1016/j.edurev.2020.100374
(2017). The effect of games and simulations on higher education: a systematic literature review. International Journal of Educational Technology in Higher Education , 14 (1), 14–22. https://doi.org/10.1186/s41239-017-0062-1
(2020). Temporal stability of teachers' judgment accuracy of students' motivation, emotion, and achievement. European Journal of Psychology of Education , 36 , 319–337. https://doi.org/10.1007/s10212-020-00480-7
(2014). Assessing teachers’ judgements of students' academic motivation and emotions across two rating methods. Educational Research and Evaluation , 20 (5), 411–427. https://doi.org/10.1080/13803611.2014.964261
(2012). Teacher-centered and/or Student-centered Learning: English Language in Iran. English Language and Literature Studies , 2 (3). https://doi.org/10.5539/ells.v2n3p18
