Volltext-Downloads (blau) und Frontdoor-Views (grau)
  • search hit 3 of 4
Back to Result List

Diagnostische Urteile von Lehrkräften zur Schwierigkeit von Mathematikaufgaben. Eine prozessorientierte Untersuchung mit Eye-Tracking und Stimulated Recall Interviews.

  • Die Fähigkeit, Aufgabenschwierigkeiten für Lernende adäquat zu beurteilen, stellt eine wesentliche Facette der diagnostischen Kompetenz von Mathematiklehrkräften dar. Über ihre zentrale Bedeutung, zum Beispiel für die Anpassung von Unterricht entsprechend dem Fähigkeitsniveau der Schüler*innen, besteht in der Bildungsforschung ein breiter Konsens. Die Schwierigkeit von Mathematikaufgaben wird neben spezifischen fachlichen Aufgabenmerkmalen unter anderem auch von instruktionalen Merkmalen des Aufgabendesigns beeinflusst. Schwierigkeitsgenerierende Aufgabenmerkmale sollten von Lehrkräften identifiziert und hinsichtlich der Schwierigkeit für Schüler*innen adäquat evaluiert werden können. Der gegenwärtige Forschungsstand hinsichtlich solcher Informationsverarbeitungsprozesse beim Diagnostizieren, sowie potenzieller Einflussfaktoren auf den Urteilsprozess, wird jedoch als unbefriedigend angesehen. An diesem Forschungsbedarf setzt die vorliegende Dissertation an. Auf Basis eines Modells der Informationsverarbeitung wurden in drei Teilstudien Annahmen über Informationsverarbeitungsprozesse beim Diagnostizieren formuliert und experimentell geprüft. Hierbei wurden sowohl potenzielle Einflussfaktoren der Lehrkraft (Berufserfahrung, spezifisches Wissen) wie auch der Diagnosesituation (Inhaltsbereich der Aufgabe, schwierigkeitsgenerierende Aufgabenmerkmale, Prompt zur Sensibilisierung über diagnoserelevante Merkmalskategorien) in den Blick genommen. Als Diagnosegegenstände wurden Mathematikaufgaben aus den Inhaltsbereichen der Bruchrechnung und der Winkelberechnung eingesetzt. Um interne Informationsverarbeitungsprozesse beim Diagnostizieren zu untersuchen, wurden sowohl Ergebnisindikatoren über ein Paper-Pencil Test als auch direkte Prozessindikatoren mittels Eye-Tracking und Eye-Tracking Stimulated Recall Interviews herangezogen. Die Daten wurden in einem Mixed-Methods Ansatz sowohl qualitativ als auch quantitativ ausgewertet.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:Saskia Schreiter
Publishing Institution:Pädagogische Hochschule Heidelberg
Granting Institution:Pädagogische Hochschule Heidelberg, Fakultät für Natur- und Gesellschaftswissenschaften (Fak. III)
Date of final exam:2021/12/01
DDC classes:500 Naturwissenschaften und Mathematik / 510 Mathematik
Document Type:Doctoral Thesis
Language:German
URN:urn:nbn:de:bsz:he76-opus4-4398
Referee:Prof. Dr. Markus Vogel, Prof. Dr. Tobias Dörfler
Release Date:2022/04/27
Page Number:191
Institutes:Fakultät für Natur- und Gesellschaftswissenschaften (Fak. III) / Fach Mathematik
Licence (German):License LogoVeröffentlichungsvertrag mit Print-on-Demand