|

Formative Evaluation und Datenanalysen als Basis zur schrittweisen Optimierung eines Online-Vorkurses Mathematik

pdf

Katja Derr, Reinhold Hübl, Tatyana Podgayetskaya

Zusammenfassung

1 Leave a comment on Absatz 1 0 In diesem Beitrag wird die Vorgehensweise beim Auf- und Ausbau eines Online-Vorkurses Mathematik für technische Studiengänge beschrieben, der jährlich auf Basis der Evaluationsergebnisse angepasst und erweitert wurde. Die Entwicklung der interaktiven Lernmaterialien und formativen E-Assessments erforderte die Kombination mathematik-, physik- und mediendidaktischer Kenntnisse. Umfangreiche Abfragen auf dem datenbankbasierten Lernmanagementsystem (LMS) ermöglichten die Analyse der Qualität und Wirksamkeit des Angebots; hier kamen insbesondere testtheoretische Methoden und Verfahren zum Einsatz. Die entwickelten Instrumente sowie Erkenntnisse über Vorwissen und Lernverhalten der angehenden Studierenden fließen in das Hochschulverbundprojekt optes ein. Im Gegenzug konnte die dort vorhandene Expertise im Bereich des E-Mentoring zum Aufbau eines Betreuungskonzepts genutzt werden. Die Evaluationsergebnisse des Jahrgangs 2014 werden vor dem Hintergrund der Frage dokumentiert, welche Betreuungsangebote für welche Lernenden geeignet erscheinen.

1     Einleitung

2 Leave a comment on Absatz 2 0 Vor- und Brückenkurse in Mathematik sind ein wichtiger Bestandteil der Vorbereitung auf technische Studiengänge und werden mittlerweile an fast allen Hochschulen angeboten. Dabei werden mathematische Grundlagen aus der Mittel- und Oberstufe in komprimierter Form wiederholt, um den StudienanfängerInnen den Einstieg in die Hochschulmathematik zu erleichtern. Angesichts der heterogenen Ausgangsvoraussetzungen und Lebenssituationen der TeilnehmerInnen bietet sich die Vermittlung dieser Lerninhalte über E- bzw. Blended-Learning-Formate an (Bausch et al., 2014). Im vorgestellten Projekt wurde im Jahr 2010 mit dem Aufbau eines Online-Vorkurses Mathematik für die Fakultät Technik der Dualen Hochschule Baden-Württemberg (DHBW) Mannheim begonnen, der sich zu einem interaktiven Lernraum mit Online-Betreuungsphasen entwickelt hat. Im Jahr 2012 wurde das Projekt in das BMBF-geförderte Verbundprojekt optes eingegliedert, in dem im Rahmen des Qualitätspakts Lehre Angebote zur Unterstützung der Studieneingangsphase konzipiert und erprobt werden.

3 Leave a comment on Absatz 3 0 Die sukzessive Entwicklung und Optimierung der Lernplattform hatte den Vorteil, dass die Lernenden schon zu einem relativ frühen Zeitpunkt auf die (noch nicht interaktiv aufbereiteten) Materialien zugreifen konnten. Unerwartete Probleme, Kritik und Wünsche der TeilnehmerInnen konnten dann beim weiteren Ausbau berücksichtigt werden. Darüber hinaus wurden die Daten genutzt, um die eingesetzten Instrumente zu evaluieren. Durch diesen offenen Ansatz konnte flexibel auf konzeptionelle, inhaltliche oder technische Unstimmigkeiten reagiert werden, das Untersuchungsdesign wurde parallel zu den Lernmaterialien überarbeitet und verbessert (Richey et al., 2004). Zur Triangulation der quantitativen Daten wurden außerdem in den Jahren 2011 und 2012 mehrere Gruppeninterviews mit StudienanfängerInnen zu ihrer Nutzung des Vorkursangebots geführt (Creswell & Plano Clark, 2011). Die Analyse der Datensätze der Jahrgänge 2011 und 2012 führte zu einer Reihe von Korrekturen, wie z.B. der Anpassung des Schwierigkeitsgrads, der Erweiterung bzw. Kürzung von Lerninhalten oder der Optimierung technischer Abläufe. In Bezug auf die Entwicklung der Instrumente und des didaktischen Designs wurden folgende zentrale Aufgabenstellungen für die weitere Arbeit formuliert:

4 Leave a comment on Absatz 4 0 1. Modularisierung: Die angehenden Studierenden unterscheiden sich in ihrer Wohn- und Lebenssituation zum Zeitpunkt des Vorkurses; um möglichst alle angehenden Studierenden ansprechen zu können, sollte das Angebot sowohl zeitlich als auch räumlich so flexibel wie möglich gestaltet sein. Die Vorkurs-TeilnehmerInnen haben unterschiedliche schulische und berufliche Hintergründe, auch ihre Vorkenntnisse in Mathematik differieren teilweise erheblich (Fischer & Biehler, 2011). Oft bestehen nur kleinere Wissenslücken in Mathematik, die problemlos im Selbststudium geschlossen werden können. Ein Teil der StudienanfängerInnen ist hingegen mit großen Defiziten im Grundlagenbereich konfrontiert oder verfügt nicht über die Fähigkeit, diese im Selbststudium zu bearbeiten. Für diese Gruppe werden zusätzliche Unterstützungsangebote erprobt und ausgewertet.

5 Leave a comment on Absatz 5 0 2. Formatives E-Assessment: Die in der Pilotphase eingesetzten Selbsttests werden im Hinblick auf Qualität und Aussagekraft des diagnostischen Feedbacks untersucht und optimiert. Über den zielgerichteten Einsatz von Selbsttests und Übungsaufgaben sollen Lernende außerdem in höherem Maße aktiviert und motiviert werden.

2     Qualitätskontrolle und Redesign

6 Leave a comment on Absatz 6 0 Das Basisangebot, das alle angehenden Studierenden der technischen Fakultät zur Studienvorbereitung nutzen können, besteht aus einem umfassenden Online-Selbsttest, dem darauf basierenden diagnostischen Feedback, interaktiven Lernmodulen sowie einem Kontrolltest zur Überprüfung des Lernerfolgs. Auf Basis der Kontrolltestergebnisse erhalten die StudienanfängerInnen dann Empfehlungen für die Teilnahme an Mathematik-Tutorien während des ersten Semesters.

7 Leave a comment on Absatz 7 0 image002.pngAbb. 1:   Online-Studienvorbereitung Mathematik: Basisangebot auf der Lernplattform (LMS) und optionale Zusatzangebote für den Jahrgang 2014/15

2.1  Überprüfung der Qualität der Instrumente

8 Leave a comment on Absatz 8 0 Die Instrumente zur Selbstdiagnose und Lernerfolgskontrolle wurden von Anfang an als Online-Tests bereitgestellt, damit die Möglichkeiten des automatisierten Feedback genutzt werden konnten. Bei der Testkonstruktion standen zunächst inhaltliche Fragen im Vordergrund, so sollte der diagnostische Selbsttest das Curriculum der Mittel- und Oberstufe abdecken (cosh, 2014) und den Lernenden dann möglichst passgenaue Empfehlungen zur Arbeit mit den Lernmodulen geben. Damit Flüchtigkeitsfehler nicht überbewertet werden, ist jedes der zehn Themengebiete durch mehrere Items repräsentiert, außerdem kommen nur niederschwellige Aufgabentypen wie Multiple Choice und numerische Eingabe zum Einsatz. Beide Tests wurden im Vorfeld durch drei ExpertenInnen geprüft (MathematiklehrerInnen eines Gymnasiums sowie Mathematik-Dozierende der Hochschule) und von Studierenden getestet, bevor sie im Vorkurs zum Einsatz kamen.

9 Leave a comment on Absatz 9 0 Die Testergebnisse des ersten Jahrgangs wurden genutzt, um die Qualität der beiden Tests und ihre Tauglichkeit zur Messung des Lernerfolgs zu überprüfen. Ziel war die Identifizierung von Aufgaben mit geringem Informationsgehalt (zu leicht, zu schwer) oder unerwarteten oder „unfairen“ Ergebnissen (Aufgaben, die für unterschiedliche Teilnehmergruppen unterschiedlich schwer sind). Neben Item-Test-Korrelationen wurden probabilistische Verfahren zur Analyse der Schwierigkeit auf Item- und Testebene eingesetzt (Rasch-Modell). Nicht „modell-konforme“ Items wurden überarbeitet oder ersetzt, so konnten die beiden Tests schrittweise optimiert und skaliert werden[1]. Ziel war die Angleichung des Schwierigkeitsgrads von Einstiegs- und Kontrolltest, zur Messung des Lernerfolgs sollten zwei vergleichbar schwere, aber nicht gleiche Tests zum Einsatz kommen (Kane, 2013). Während in den ersten beiden Jahren noch relativ viele Anpassungen vorgenommen werden mussten, lieferten die Tests 2013 zufriedenstellende Ergebnisse (Cronbachs _ zwischen .910 im Einstiegstest und .852 im Kontrolltest) und wurden 2014 unverändert eingesetzt. Die genannten Qualitätsanalysen werden auch im weiteren Projektverlauf durchgeführt.

2.2  Modularisierung

10 Leave a comment on Absatz 10 0 Nicht alle StudienanfängerInnen verfügen über angemessene Lernstrategien, um Lerninhalte im Selbststudium zu bearbeiten. Ein realistisches Zeitmanagement, die Schaffung eines lernförderlichen Umfelds, aber auch der Umgang mit Motivationsproblemen sind jedoch Voraussetzung für einen erfolgreichen Lernprozess (Zimmerman, 1989). Diese Fähigkeit zum „selbstregulierten Lernen“ korreliert oft mit fachlichem Vorwissen (Baumert et al., 2000). Lernenden mit guten Fachkenntnissen fällt es leichter, unterstützende Online-Tools effektiv für den Lernprozess einzusetzen (Renkl & Atkinson, 2003). Ein großer Prozentsatz der TeilnehmerInnen des Online-Vorkurses verfügte über solide fachliche und überfachliche Vorkenntnisse und schätzte die Möglichkeit, auf der Plattform selbständig und im eigenen Tempo zu lernen, während sich vor allem TeilnehmerInnen mit eher niedrigen Einstiegtestergebnissen Unterstützung bei der Einschätzung dieses Resultats und bei der Gestaltung des Lernprozesses wünschten.

11 Leave a comment on Absatz 11 0 Zusatzangebote: Präsenz. Insbesondere SchülerInnen mit Fachhochschulreife empfanden die Lernmodule als eher schwer und hatten oft Schwierigkeiten mit ihnen unbekannten mathematischen Ausdrücken oder zu knapp gehaltenen Lösungswegen im Aufgabenfeedback. Auch nach der Überarbeitung der Lernmodule im Hinblick auf diese Probleme waren die Lernerfolge dieser Gruppe am geringsten, so dass schon im Jahr 2012 zusätzliche Präsenzkurse für StudienanfängerInnen mit Fachhochschulreife angeboten wurden. Diese einwöchigen Kurse fanden jeweils im September statt und waren inhaltlich und konzeptionell auf die Online Lernmaterialien abgestimmt. Der Lernerfolg der TeilnehmerInnen konnte allerdings durch diese Kurse nicht signifikant angehoben werden. Die Evaluation ergab, dass nur wenige Lernende über die Präsenzphase hinaus auf der Lernplattform aktiv waren, sodass die investierte Lernzeit ganz offensichtlich nicht ausreichte, um die teilweise erheblichen Wissenslücken zu schließen. Angesichts knapper Ressourcen und wachsender Nachfrage wurden die Konzepte überarbeitet und die Präsenzangebote für alle StudienanfängerInnen geöffnet, können nun aber nicht mehr kostenfrei angeboten werden.

12 Leave a comment on Absatz 12 0 Zusatzangebote: Betreutes E-Learning. Zusätzlich wurde das Angebot 2014 um einen einmonatigen (kostenfreien) Kurs „betreutes E-Learning“ erweitert. Ziel dieses Angebots ist die stärkere Aktivierung und Motivierung der Lernenden durch den Kontakt zu einem Fachdozierenden bzw. zu E-MentorInnnen und einer Lerngruppe sowie eine stärkere Strukturierung des Lernprozesses. Bei der Entwicklung des Konzepts konnte auf Erfahrungen der Hochschule Ostwestfalen-Lippe, einer Partnerhochschule im Verbundprojekt, zurückgegriffen werden (Halm et al., 2013). Gemäß dem Prinzip der „minimalen Hilfe“ werden die Lerninhalte zunächst in Eigenregie bearbeitet, bei Bedarf werden dann Peers oder Lehrpersonen im Online-Forum um Tipps zur Lösung eines Problems gebeten (z.B. Aebli, 2011). In den vier Wochen Kursdauer werden vier von sechs grundlegenden Lernmodulen bearbeitet. Der zentrale Unterschied zum Selbststudium liegt in der höheren Verbindlichkeit. Die Kursteilnahme wird nur bestätigt, wenn ein Teilnehmer vier Aufgabenblätter rechtzeitig bearbeitet und eingereicht hat (ein Aufgabenblatt pro Thema und Woche). Dieses offene Aufgabenformat ermöglicht den Dozierenden einen Einblick in die einzelnen Rechenschritte der TeilnehmerInnen. Anders als bei geschlossenen oder halb offenen Online-Aufgabentypen können sie so nachvollziehen, ob und an welcher Stelle eines Lösungsansatzes eine Fehlkonzeption vorliegt und diese gezielt adressieren.

13 Leave a comment on Absatz 13 0 Aktivierung und Motivation. Als ein weiteres Handlungsfeld des Redesigns wurde der Aufbau eines Fragepools mit technischem Anwendungsbezug definiert. Vielen TeilnehmerInnen am Vorkurs fiel es schwer, sich über einen längeren Zeitraum für die Beschäftigung mit mathematischen Grundlagen zu motivieren. Über die Verbindung der mathematischen Verfahren mit physikalischen oder technischen Anwendungsbeispielen soll der Bezug zum eigentlichen Studieninteresse hergestellt und das Interesse an mathematischen Fragestellungen erhöht werden. Die Herausforderung bei diesem Ansatz ist es, Aufgaben zu finden, die gleichzeitig authentisch und mit dem Vorwissen der StudienanfängerInnen lösbar sind (Wolf & Biehler, 2014). Die Entwicklung von nachvollziehbaren und realistischen Beispielen ist zeitaufwändig und muss in Abstimmung mit ExpertInnen aus der Physik bzw. den ingenieurwissenschaftlichen Fakultäten erfolgen (Preißler et al., 2010). Für den Bereich des Selbststudiums werden Übungsaufgaben entwickelt, in denen die Praxisbeispiele als „Anker“ für das spätere Berufsziel dienen, während im betreuten E-Learning auch komplexere Problemstellungen zum Einsatz kommen, die dann im Austausch mit Peers oder Dozierenden schrittweise gelöst werden (Leutner et al., 2008).

3     Evaluationsergebnisse 2014

3.1  Erfasste Teilnehmerdaten

14 Leave a comment on Absatz 14 0 Am Online-Vorkurs können alle angehenden Studierenden der Fakultät Technik teilnehmen. Die Teilnehmerzahlen lagen im ersten Jahr des Projekts bei etwa 70% der StudienanfängerInnen und sind seither jedes Jahr leicht angestiegen, auf 84% im Jahr 2014 (603 von 722)[2]. Die sechs einwöchigen Präsenzkurse wurden im Zeitraum August bis November mit 119 TeilnehmerInnen durchgeführt, der vierwöchige Kurs „Betreutes E-Learning“ fand im September mit elf Gruppen und 132 TeilnehmerInnen statt. Zu Beginn des Vorkurses wurden persönliche und demografische Daten wie Alter, Bundesland, schulischer Hintergrund und Mathematiknoten der letzten Schuljahre erfasst, außerdem enthielt der Fragebogen Items zur Einstellung gegenüber Mathematik und Mathematiklernen (Kadijevich, 2006). Der Evaluationsfragebogen nach Abschluss des Vorkurses umfasste Fragen zum Schwierigkeitsgrad, zur technischen Performance sowie allgemeinen Zufriedenheit mit dem Angebot, außerdem wurden die TeilnehmerInnen nach der investierten Lernzeit und dem Einsatz von Lernstrategien gefragt (Schiefele & Wild, 1994). Der Evaluationsfragebogen wurde von 205 TeilnehmerInnen ausgefüllt, wobei die Rücklaufquote bei den TeilnehmerInnen am betreuten E-Learning mit 65% am höchsten war (Präsenzkurs: 37%, Selbststudium: 28%).

3.2  Vorkenntnisse: Ergebnisse im diagnostischen Einstiegstest

15 Leave a comment on Absatz 15 0 Im diagnostischen Einstiegstest wurden durchschnittlich 49,7 von 100 Punkten erzielt. Wie schon in den Vorjahren wiesen die Ergebnisse eine relativ starke Streuung auf (n: 603, min.: 7,06, max.: 92,9, Standardabweichung: 16,62). Die Analyse in Bezug auf die erhobenen persönlichen Variablen bestätigte schon bekannte Zusammenhänge zwischen schulischem Hintergrund, Einstellung und Mathematik-Leistungsmessung (z.B. Mullis, 2012). So bestand beispielsweise ein deutlicher Unterschied zwischen den Einstiegstestergebnissen der StudienanfängerInnen mit Abitur (MW: 51,8) und Fachhochschulreife (MW: 40,3). Einen ähnlich starken Einfluss auf das Einstiegstestergebnis hatten die Note im Schulabschlusszeugnis, die Mathematiknoten der letzten Schuljahre sowie die Einstellung dem Schulfach Mathematik gegenüber.[3]

3.3  Lernerfolg: Ergebnisse im Kontrolltest

16 Leave a comment on Absatz 16 0 Der Lernerfolg im Vorkurs wurde gemessen als Differenz zwischen den beiden Messpunkten „Einstiegstest“ (Termin frei wählbar, mindestens einen, höchstens fünf Monate vor Studienbeginn) und „Kontrolltest“ (Durchführung in der ersten Woche des Studiums in den Computerräumen der Hochschule). Insgesamt wurde eine Verbesserung von 49,7 auf 55 (von 100) Punkten festgestellt. Die Veränderung zwischen beiden Messpunkten ist signifikant (p < .001), allerdings ist auch hier eine starke Streuung zu beobachten. Im Unterschied zum Ergebnis im diagnostischen Einstiegstest war der Lernerfolg unabhängig von der Art der Hochschulzugangsberechtigung und der Mathematiknote, auch Geschlecht oder Alter hatten keinen Einfluss auf die Veränderung zwischen Pre- und Posttest. Deutlich war hingegen der Einfluss der Variablen zur Einstellung: Lernende mit einer positiven Einstellung dem Fach Mathematik und dem Mathematiklernen gegenüber hatten nicht nur bessere Einstiegstestergebnisse sondern auch einen stärkeren Lernzuwachs als Lernende mit einer indifferenten oder ablehnenden Haltung.

17 Leave a comment on Absatz 17 0 Die erfassten Variablen zum Lernverhalten brachten weniger eindeutige Ergebnisse. Zwar konnte gezeigt werden, dass sich TeilnehmerInnen des betreuten E-Learning, die viel Lernzeit investieren, auch stärker verbessern; dieser Effekt wurde aber erst bei sehr hohem Zeitaufwand sichtbar (15 und mehr Stunden pro Woche über einen Zeitraum von vier Wochen). Ein linearer und signifikanter Zusammenhang zwischen eingesetzter Zeit und Lernerfolg für alle VorkursteilnehmerInnen ließ sich nicht nachweisen, und auch andere Variablen zur Beschreibung des Lernverhalten (z.B. Erstellung und Einhalten eines eigenen Lernplans) wiesen zwar signifikante Zusammenhänge mit den einzelnen Testergebnissen, nicht aber mit dem Lernerfolg auf.

18 Leave a comment on Absatz 18 0 Interessant ist vor allem die Entwicklung der TeilnehmerInnen mit eher niedrigem Einstiegstestergebnis, die in den Zusatzangeboten besonders stark repräsentiert waren. Hier zeigte sich eine besonders deutliche Verbesserung der TeilnehmerInnen, die den Kurs „Betreutes E-Learning“ mit Zertifikat abgeschlossen, aber nicht an einem Präsenzkurs teilgenommen haben (n = 85). Diese Gruppe konnte sich von durchschnittlich 47,5 Punkten im Einstiegstest auf 54,2 im Kontrolltest verbessern. StudienanfängerInnen, die sich für beide Kursangebote entschieden haben (n = 28), konnten einen Lernzuwachs von 44,2 auf 53,3 erzielen. Im Vergleich dazu war der Lernerfolg der Präsenzkursteilnehmenden (n = 91) mit einer Verbesserung von 43,7 auf 47,3 geringer (siehe Abb.2). Durch die stärkere Verbindlichkeit und die Verlängerung der Kursdauer (und damit der Übungsphasen) im betreuten E-Learning konnte vor allem der Lernerfolg von Teilnehmenden mit einem schwachen Einstiegstestergebnis (< 50) verbessert werden. Einschränkend ist zu sagen, dass die Vorkenntnisse bzw. Einstiegstestergebnisse der Teilnehmenden an der E-Learning-Variante etwas besser waren als die der Präsenzkursteilnehmenden. Dieser größere Abstand ist durch einen einwöchigen Kurs offensichtlich nicht zu schließen. Die Gruppe, die das betreute E-Learning abgebrochen hat (n = 19), hatte in beiden Tests ein unterdurchschnittliches Ergebnis und konnte ganz offenbar kaum von dem Angebot profitieren.

20 Leave a comment on Absatz 20 0 Abb. 2:   Einstiegs- und Kontrolltestergebnisse 2014 in Prozent, Vergleich der Lernformen (Datenbasis: Teilnehmer an beiden Tests) (*in dieser Gruppe sind 6 Teilnehmer enthalten, die danach am Präsenzkurs teilgenommen haben)

21 Leave a comment on Absatz 21 0 Der Einsatz von mehr praxisbezogenen Aufgaben wurde positiv evaluiert, vor allem Teilnehmende mit schwächerem Einstiegstestergebnis bevorzugten diesen Aufgabentyp. Das Konzept der Einreichaufgaben wurde von 72% der Teilnehmenden als „hilfreich“ bzw. „sehr hilfreich“ bezeichnet. Ein Zusammenhang zwischen Lernerfolg und positiver Einstellung diesen Angeboten gegenüber konnte allerdings nicht beobachtet werden.

4     Fazit und Ausblick

22 Leave a comment on Absatz 22 0 Im vorgestellten Ansatz wurde eine Kombination unterschiedlicher Datenquellen, qualitativ und quantitativ, über einen längeren Zeitraum hinweg evaluiert, wobei die Instrumente zusammen mit den Lernmaterialien schrittweise optimiert wurden. Interdisziplinäre Schnittstellen ergaben sich in mehreren Bereichen des Projekts. Als Ausgangspunkt für die statistische Analyse waren umfangreiche jährliche Datenbankabfragen erforderlich, die über die Standardfunktionalität des LMS hinausgingen. Für die in Abschnitt 2.1 beschriebene Analyse des Pre-Postdesigns wurden Kenntnisse der Testtheorie und probabilistischer Verfahren benötigt, und auf inhaltlicher Ebene waren die Lehrpläne der Mittel- und Oberstufen in Baden-Württemberg und den angrenzenden Bundesländern zu berücksichtigen. Die Erstellung und Evaluation der interaktiven Lernmodule und Übungsaufgaben erforderte die Verknüpfung von mathematik- und mediendidaktischer Expertise sowie die Beschäftigung mit offenen und geschlossenen Aufgabenformaten. Für die Ergänzung der Lernmaterialien durch praxisbezogene Beispiele ergaben sich wiederum Schnittmengen mit den Ingenieurwissenschaften und der Physikdidaktik.

23 Leave a comment on Absatz 23 0 Die auf Basis der Datenanalyse entwickelte Strategie, die sehr heterogene Gruppe der StudienanfängerInnen durch ein modulares Angebot zu adressieren, hat sich bewährt. Während StudienanfängerInnen mit gutem und sehr gutem Einstiegstestergebnis kleinere Wissenslücken im Selbststudium schließen konnten, wurden insbesondere StudienanfängerInnen mit schwächeren Einstiegstestergebnissen zur Teilnahme an den Zusatzangeboten motiviert und konnten sich, mit den geschilderten Einschränkungen, im Kontrolltest teilweise deutlich steigern.

24 Leave a comment on Absatz 24 0 Insgesamt konnten Zusammenhänge zwischen Mathematikeinstellung und -leistung aufgezeigt werden, die schon in deutlich größeren Projekten (TIMSS, PISA) für SchülerInnen nachgewiesen wurden, sodass nun ein solides Datenmodell zur Verfügung steht, das auf die Gruppe der Ingenieursstudierenden angewandt werden kann. Ein Bedarf weitergehender Analysen besteht  im Hinblick auf die Variablen zum Lernverhalten, die bislang wenig zur Erklärung des Lernerfolgs beitragen konnten. Im weiteren Projektverlauf ist der Abgleich der Vorkursergebnisse mit dem Studienerfolg am DHBW-Standort Mannheim geplant, sowie der Vergleich der Vorkursergebnisse an den verschiedenen Partnerhochschulen im Verbundprojekt optes.

Literatur

25 Leave a comment on Absatz 25 0 Aebli, H. (2011). Zwölf Grundformen des Lehrens. Eine Allgemeine Didaktik auf psychologischer Grundlage. Stuttgart: Klett-Cotta.

26 Leave a comment on Absatz 26 0 Baumert, J. et al. (2000). Fähigkeit zum selbstregulierten Lernen als fächerübergreifende Kompetenz. Berlin: Max-Plack-Institut für Bildungsforschung.

27 Leave a comment on Absatz 27 0 Bausch, I. et al. (Hrsg.) (2014). Mathematische Vor- und Brückenkurse. Konzepte und Studien zur Hochschuldidaktik und Lehrerbildung Mathematik. Wiesbaden: Springer.

28 Leave a comment on Absatz 28 0 cosh cooperation schule:hochschule (2014). Mindestanforderungskatalog Mathematik (2.0) der Hochschulen Baden-Württembergs für ein Studium von WiMINT-Fächern, www.mathematik-schule-hochschule.de

29 Leave a comment on Absatz 29 0 Creswell, J.W. & Plano Clark, V.L. (2011). Designing and conducting mixed methods research. Los Angeles: Sage.

30 Leave a comment on Absatz 30 0 Fischer, P.R. & Biehler, R. (2011). Über die Heterogenität unserer Studienanfänger. Ergebnisse einer empirischen Untersuchung von Teilnehmern mathematischer Vorkurse. In GDM: Beiträge zum Mathematikunterricht.

31 Leave a comment on Absatz 31 0 Halm, L., Heubach, M., Mersch, A., Wrenger, B. (2013). Zwei Seiten des Online-Lernens in mathematischen Grundlagenveranstaltungen: Unterstützung Lehrender und Betreuung Studierender im Selbststudium. In Tagungsband zum 1. HD MINT Symposium (S. 177–183). Nürnberg.

32 Leave a comment on Absatz 32 0 Kadijevich, D. (2006). Developing trustworthy TIMSS background measures: A case study on mathematics attitude. The Teaching of Mathematics, 2, 41–51.

33 Leave a comment on Absatz 33 0 Kane, M.T. (2013). Validating the interpretations and uses of test scores. Journal of Educational Measurement, 50(1), 1–73.

34 Leave a comment on Absatz 34 0 Leutner, D. et al. (2008). Instruktionspsychologische und fachdidaktische Aspekte der Qualität von Lernaufgaben und Testaufgaben im Physikunterricht. In J. Thonhauser (Hrsg.), Aufgaben als Katalysatoren von Lernprozessen (S. 168–181). Münster: Waxmann.

35 Leave a comment on Absatz 35 0 Mair, P. & Hatzinger, R. (2007). CML based estimation of extended Rasch models with the eRm package in R. Psychology Science, 49(1), 26–43.

36 Leave a comment on Absatz 36 0 Mullis, I.V.S., Martin, M.O., Foy, P. & Arora, A. (2012) TIMSS 2011 International Results in Mathematics, http://timssandpirls.bc.edu/timss2011

37 Leave a comment on Absatz 37 0 Preißler, I. et al. (2010). Treibstoff für die Ingenieurausbildung – fachübergreifende Didaktik. Zeitschrift für Hochschulentwicklung, 5(3), 105–115.

38 Leave a comment on Absatz 38 0 Renkl, A. & Atkinson, R.K. (2003). Structuring the transition from example study to problem solving in cognitive skill acquisition: A cognitive load perspective. Educational Psychologist, 38(1), 15–22.

39 Leave a comment on Absatz 39 0 Richey, R.C., Klein, J.& Nelson, W. (2004). Developmental research: Studies of instructional design and development. In D. Jonassen (Hrsg.), Handbook of Research for Educational Communications and Technology (S. 1099–1130). Mahwah: Lawrence Erlbaum.

40 Leave a comment on Absatz 40 0 Schiefele, U. & Wild, K.P. (1994) Lernstrategien im Studium: Ergebnisse zur Faktorenstruktur und Reliabilität eines neuen Fragebogens. Zeitschrift für Differentielle und Diagnostische Psychologie, 15(4), 185–200.

41 Leave a comment on Absatz 41 0 Wolf, P. & Biehler, R. (2014). Entwicklung und Erprobung anwendungsorientierter Aufgaben für Ingenieurstudienanfänger/innen. Zeitschrift für Hochschulentwicklung, 9(4), 169–190.

42 Leave a comment on Absatz 42 0 Zimmerman, B.J. (1989). Models of self-regulated learning and academic achievement. In B.J. Zimmerman & D.H. Schunk (Hrsg.), Self-regulated learning and academic achievement: Theory, research and practice (S. 1–26). New York: Springer.



43 Leave a comment on Absatz 43 0 [1] Als Software wurde das R-Package eRm genutzt (Mair & Hatzinger, 2007).

44 Leave a comment on Absatz 44 0 [2] Als TeilnehmerInnen wurden StudienanfängerInnen gewertet, die am diagnostischen Einstiegstest und am Kontrolltest teilgenommen haben.

45 Leave a comment on Absatz 45 0 [3] ANOVA lieferte in den vier genannten Fällen ein signifikantes Ergebnis mit p < .001

Quelle:http://2015.gmw-online.de/186/?replytopara=38