Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Tagung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.

 
Sitzungsübersicht
Sitzung
F9‒S23: Professionelle Unterrichtswahrnehmung: Wie blicken Lehrpersonen auf ihre Schülerinnen und Schüler?
Zeit:
Freitag, 27.03.2020:
9:00 - 10:45

Ort: S23

Präsentationen

Professionelle Unterrichtswahrnehmung: Wie blicken Lehrpersonen auf ihre Schülerinnen und Schüler?

Chair(s): Katharina Schnitzler (Technische Universität München (TUM), Deutschland), Patricia Goldberg (Universität Tübingen, Deutschland)

DiskutantIn(nen): Jasmin Decristan (Bergische Universität Wuppertral, Deutschland)

Die professionelle Unterrichtswahrnehmung wird als zentraler Aspekt professioneller Kompetenz von von Lehrpersonen betrachtet (Seidel & Stürmer, 2014). Unter anderem beinhaltet sie die Fähigkeit die Aufmerksamkeit auf relevante Ereignisse im Unterrichtsgeschehen zu richten, um entsprechendes Lehrhandeln darufhin auszurichten (Wolff, Jarodzka, van den Bogert, & Boshuizen, 2016). Studien konnten zeigen, dass Blickbewegungsmessungen eine vielversprechende Methode darstellen, solche Aufmerksamkeitsprozesse bei Lehrpersonen näher zu untersuchen (Cortina et al., 2015). Das vorliegende Symposium präsentiert vier Beiträge, die mit Hilfe der Eye-Tracking Technologie neue Einblicke in die professionelle Unterrichtswahrnehmung von Lehrpersonen in komplexen schulischen Kontexten liefern und der Frage nachgehen, wie (unerfahrene) Lehrpersonen Informationen wahrnehmen und ihre Aufmerksamkeit auf das Klassengeschehen fokussieren.

Durch einen neuen methodischen Ansatz untersucht Studie 1, durch welches Verhalten der Lernenden der Aufmerksamkeitsfokus von angehenden Lehrkräften gelenkt wird. Ausgangspunkt bildet bereits existierende Forschung, die nahelegt, dass die Aufmerksamkeit von unerfahrenen Lehrpersonen durch auffällige Reize, also bottom-up gesteuert wird (Cortina, Miller, McKenzie, & Epstein, 2015; Wolff et al., 2016). Zeitreihenanalysen ermöglichen es, den Zusammenhang von Schülerverhalten und Aufmerksamkeitsfokus der Lehrperson zu analysieren und geben Einblick in die Entwicklung über den Unterrichtsverlauf hinweg.

Studie 2 untersucht die Aufmerksamkeitsverteilung von Lehrarmstudierenden im Rahmen der Diagnose von Schülerprofilen, in welchen kognitive und motivational-affektive Lernvoraussetzungen zusammenspielen. Lehrpersonen müssen Schülerinnen und Schüler beobachten, um beispielsweise aus wahrgenommenem Verhalten das zugrundeliegende Schülerprofil zu schlussfolgern (Förster & Böhmer, 2017). Die Studienergebnisse zeigen, dass Studierende konsistente Profile akkurater diagnostizieren können als inkonsistente. Zudem weisen Studierende mit einer hohen Diagnoseakkuratheit für das starke, schwache und überschätzende Profil ähnliche Blickbewegungsmuster wie erfahrene Lehrkräfte mit kürzeren Fixationszeiten auf.

Studie 3 baut darauf auf, dass Experten im Vergleich zu Lehramtstudierenden kritische Ereignisse bei der Wahrnehmung von Unterricht besser identifizieren können (Seidel & Prenzel, 2008; Meschede et al., 2017). Mit einem mixed-methods-Ansatz, der Interviewdaten und Eye-Tracking Daten kombiniert, wird daher die professionelle Unterrichtswahrnehmung durch einen Vergleich von Lehramtsstudierenden und Hochschullehrenden, als Experten für Unterrichtsanalyse, tiefgehend untersucht. Die Ergebnisse zeigen, dass die Methode des Eye-Tracking dazu genutzt werden kann, Unterschiede in der professionellen Unterrichtswahrnehmung nachzuzeichnen.

Inwiefern die Blickbewegungen von Lehramtsstudierenden, Mathematiklehrkräften und Schulleitungen in der Betrachtung sehr kurz präsentierter Unterrichtsaufnahmen differieren, wird in Studie 4 basierend auf dem Holistic Processing Account (Sheridan & Reingold, 2017) evaluiert. Fixationszahl und -dauer, sowie die Verweildauer auf entweder Schülerinnen, Schülern, der unterrichtenden Lehrperson oder dem Instruktionsmaterial unterscheiden sich entsprechend dem Expertisestand der Lehrperson. Durch den dreifach-Vergleich von Lehramtsstudierenden, Mathematiklehrkräften und Schulleitungen wird zudem die bereits existierende Expertiseforschung erweitert.

Alle Studien verwenden die Eye-Tracking Methode um die professionelle Unterrichtswahrnehmung von Lehrpersonen zu untersuchen. Während Studie 1 das Blickverhalten in-action, also während des Unterrichtens untersucht, beziehen sich die Ergebnisse der Studien 2 bis 4 auf das Blickverhalten bei der Beobachtung von Unterrichtsvideos oder Screenshots (on-action). Dabei ergänzen sich die Studien in ihren Forschungsfragen und adressieren verschiedene Aspekte der professionellen Unterrichtswahrnehmung. Einerseits wird die Rolle des Verhaltens und der Lernvoraussetzungen von Schülerinnen und Schüler für die Aufmerksamkeitsprozesse untersucht (Studie 1 und 2). Andererseits geben Vergleiche von Experten und Novizen Aufschluss über deren Unterschiede in der Aufmerksamkeitsverteilung (Studie 3 und 4). Die Ergebnisse aller Studien verdeutlichen das Potenzial der Eye-Tracking Methode für die Untersuchung der professionellen Unterrichtswahrnehmung und ergänzen sich in ihren tiefgehenden Befunden, so dass ein umfangreiches Bild über die Aufmerksamkeitsprozesse von Lehrpersonen gewonnen wird.

 

Beiträge des Symposiums

 

Wie wird die Aufmerksamkeit von Lehramtsstudierenden beim Unterrichten durch das Verhalten der Lernenden beeinflusst?

Patricia Goldberg1, Jakob Schwerter1, Tina Seidel2, Katharina Müller3, Kathleen Stürmer1
1Universität Tübingen, Deutschland, 2Technische Universität München (TUM), Deutschland, 3Leibniz Universität Hannover, Deutschland

Eine zentrale Aufgabe von Lehrkräften ist es, das Klassengeschehen kontinuierlich im Blick zu behalten und visuelle Hinweise im Verhalten ihrer Schülerinnen und Schüler zu identifizieren (Wolff et al., 2016). Wenn Lehrkräfte erkennen können, ob ihre Schüler*innen in aktive Lernprozesse involviert sind, haben sie die Möglichkeit, die zur Verfügung stehende Zeit optimal zu nutzen und erfolgreiche Lernprozesse anzuregen.

Bisherige Forschung zeigt allerdings, dass insbesondere unerfahrene Lehrkräfte Schwierigkeiten darin haben, das Klassengeschehen kontinuierlich zu beobachten und lehr-lernrelevante Situationen zu identifizieren (Berliner, 2001). So zeigen beispielsweisen Untersuchungen mit mobilen Eye-Trackern, dass Lehramtsstudierende während des Unterrichts kaum in der Lage sind, alle Lernenden gleichmäßig im Blick zu behalten (Cortina et al., 2015; Stürmer, Seidel, Müller, Häusler, & Cortina, 2017). Zudem demonstrieren Studien mit stationären Eye-Trackern, dass unerfahrene Lehrkräfte häufig auffällige Verhaltensweisen der Lernenden, wie beispielsweise Störungen, fokussieren (Wolff et al., 2016). Dies legt die Vermutung nahe, dass die Aufmerksamkeitsprozesse von unerfahreneren Lehrkräften eher bottom-up, durch auffällige Reize gelenkt werden, als durch die Intention die kognitive Prozesse der Lernenden zu diagnostizieren (top-down; Schütz, Braun, & Gegenfurtner, 2011). Lipowsky, Rakoczy, Pauli, Reusser, and Klieme (2007) konnten außerdem zeigen, dass Lehrkräfte generell dazu tendieren, mehr mit starken und sich aktiv beteiligenden Schüler*innen zu interagieren. Das behaviorale Spektrum von Schüler*innen während des Unterrichts ist jedoch sehr vielfältig und hängt mit ihren individuellen Charakteristika zusammen (Jurik, Gröschner, & Seidel, 2014). Es ist daher notwendig, dass Lehrkräfte nicht nur auf auffälliges Verhalten reagieren, sondern auch unauffällige Hinweise auf Probleme und Schwierigkeiten in eher passiven Verhaltensweisen frühzeitig als solche erkennen.

Bisher ist wenig darüber bekannt, welche Faktoren die Aufmerksamkeit unerfahrener Lehrkräfte während des Unterrichtens beeinflussen. Die vorliegende Studie untersucht daher, ob bestimmte Verhaltensweisen von Lernenden die Aufmerksamkeit von Lehramtsstudierenden auf sich ziehen. Des Weiteren zeigen Studien aus der psychologischen Aufmerksamkeitsforschung, dass auffällige Reize die visuelle Aufmerksamkeit lenken (bottom-up), bevor intentionale Prozesse in die Steuerung eingreifen (top-down; Theeuwes, Atchley, & Kramer, 2000). Daher berücksichtigt die vorliegende Studie zudem, ob sich der Aufmerksamkeitsfokus von Lehramtsstudierenden im Verlauf der Instruktionszeit verändert.

Zur Beantwortung der Fragestellungen wurden N = 4 Videos mit insgesamt 3646 Sekunden re-analysiert, in welchen Lehramtsstudierende vier simulierte Lernende unter standardisierten Bedingungen unterrichten (Stürmer et al., 2017).

Die vorliegende Studie implementiert einen neuen methodischen Ansatz, welcher die bereits existierenden Eye-Tracking Daten der Lehramtsstudierenden (wobei Lernende hier jeweils als Area of Interest, AOI, definiert sind) mit einem kontinuierlichen Verhaltensrating der Lernenden synchronisiert. Das Verhaltensrating kombiniert die Differenzierung in On- und Off-Task-Verhalten (Helmke & Renkl, 1992; Hommel, 2012) mit bestehenden Instrumenten der Engagement-Literatur und nutzt das ICAP-Framework (Chi & Wylie, 2014) als Ansatz, um das behaviorale Spektrum von Lernenden weiter aufzugliedern (passiv, aktiv, (un)konstruktiv, interaktiv). Das Verhalten der Lernenden wurde auf einer symmetrischen Skala von -2 bis +2 bewertet, wobei Werte am äußeren Ende der Skala interaktives Verhalten bedeuten und Werte nahe 0 unauffälliges, passives Verhalten indizieren.

Der resultierende Datensatz spezifiziert für jede Sekunde, wie sich die Lernenden verhalten, worauf die Lehramtsstudierenden ihre Aufmerksamkeit fokussieren und was die Lehramtsstudierenden machen (z.B. Anweisungen geben, Fragen stellen, usw.). Anschließend wurden Zeitreihenanalysen anhand Multinomialer Regressionen (Mixed Models: alternativ-spezifische und unspezifische Variablen; Regressor: AOI der nächsten Sekunde) durchgeführt.

Die Ergebnisse zeigen, dass Lehramtsstudierende ihre Aufmerksamkeit mit höherer Wahrscheinlichkeit auf die Lernenden fokussieren, die aktives beziehungsweise interaktives, lern-relevantes Verhalten aufweisen (z.B. Fragen stellen oder Sachverhalte erklären). Die Wahrscheinlichkeit fokussiert zu werden sinkt, je weniger sich Lernende am Unterricht beteiligen, und nimmt durch unkonzentriertes und störendes Verhalten weiter ab. Zudem deuten die Ergebnisse darauf hin, dass das Verhalten der Lernenden schon früh im Instruktionsverlauf einen Einfluss auf die Aufmerksamkeit der Lehramtsstudierenden nimmt und der Effekt über die Zeit hinweg stabil ist.

 

Schülervoraussetzungen im Blick: Wie Lehramtsstudierende Schülerprofile wahrnehmen und diagnostizieren

Christian Kosel, Katharina Schnitzler, Doris Holzberger, Tina Seidel
Technische Universität München (TUM), Deutschland

Theoretischer Hintergrund

Schüler und Schülerinnen unterscheiden sich bezüglich des Zusammenspiels kognitiver (z.B. Vorwissen) und motivational-affektiver (z.B. Interesse) Voraussetzungen, welche wichtige Prädiktoren für erfolgreiche Lernprozesse darstellen (Lau & Roeser, 2008). Mithilfe latenter Klassenanalysen konnten fünf Schülerprofile identifiziert werden, welche zwei konsistente, z.B. stark (hohe kognitive und motivational-affektive Voraussetzungen), sowie drei inkonsistente Profile, z.B. unterschätzend (hohe kognitive und niedrige motivational-affektive Voraussetzungen) umfassen (Seidel, 2006). Um erfolgreich zu unterrichten, ist es daher unverzichtbar, dass Lehrkräfte ihren Unterricht adäquat an die Schülerprofile anpassen (Schrader, 2013). Dafür, bedarf es einer genauen Diagnose der Voraussetzungen von einzelnen Schülerinnen und Schülern. Hierbei ist die professionelle Unterrichtswahrnehmung entscheidend: Um Schülerprofile zu diagnostizieren, müssen Lehrkräfte zunächst Hinweise (engl. cues), beispielsweise im Verhalten der Schülerinnen und Schüler, wahrnehmen, um daraus verknüpft mit ihrem professionellen Wissen, das jeweilige Schülerprofil zu schlussfolgern (siehe Linsenmodell; Brunswik, 1956; Förster & Böhmer, 2017).

Die Wahrnehmung von Lehrkräften kann mit Blickbewegungsanalysen untersucht werden (Seidel & Stürmer, 2014). Bisherige Forschungsergebnisse verdeutlichen, dass erfahrene Lehrkräfte ihre Aufmerksamkeit durch häufigere Fixationen mit einer kürzeren durchschnittlichen Dauer gleichmäßig über Schülerinnen und Schüler verteilen (Gegenfurtner, Lehtinen, & Saljo, 2011).

Für das Schlussfolgern zeigte sich, dass Lehrkräfte vor allem die Leistung von Schülerinnen und Schülern einschätzen können, dass sie allerdings Schwierigkeiten haben, die inkonsistente Ausprägung von kognitiven und motivational-affektiven Voraussetzungen zu diagnostizieren (Südkamp, Praetorius, & Spinath, 2017).

Ungeklärt ist bisher, einerseits wie erfolgreich Lehramtsstudierende Schülerprofile durch ihr bereits erworbenes Wissen diagnostizieren können und andererseits, ob innerhalb der Lehramtsstudierenden einige bereits Wahrnehmungsmuster von erfahrenen Lehrkräften aufzeigen.

Fragestellungen

1. Können Lehramtsstudierende konsistente Schülerprofile akkurater diagnostizieren als inkonsistente?

2. Zeigen Lehramtsstudierenden mit einer hohen Diagnoseakkuratheit

a. weniger Fixationen

b. und kürzere durchschnittliche Fixationszeiten

als Lehramtsstudierenden mit einer geringen Diagnoseakkuratheit?

Methode

An der Studie nahmen 33 MINT-Lehramtsstudierende (MAlter = 23.43, SD = 1.27; 54% weiblich) aus dem vierten Fachsemester teil. Den Probanden wurden die fünf Schülerprofile (Seidel 2006) vorgestellt, um anschließend fünf markierte Schülerinnen und Schüler, je Profil ein Schüler/eine Schülerin, in einem Unterrichtsvideo (11 min., 8. Klasse Gymnasium, Mathematik) zu beobachten. Währenddessen wurden die Blickbewegungen der Teilnehmenden mit dem SMI Red 500 Eye-Tracker aufgezeichnet. Anschließend, diagnostizierten die Lehramtsstudierenden die Profile der fünf markierten Schülerinnen und Schüler.

Die Auswertung der Fixationshäufigkeit und Fixationsdauer fand in BeGaze 3.7 mit dynamischen Areas of Interest für die fünf markierten Schülerinnen und Schüler satt.

Für die Diagnoseakkuratheit wurden die korrekten Profile in einer latenten Klassenanalyse identifiziert. Für die einzelnen Profile erhielten die Studierenden zwischen null (falsche Diagnose) und einem (korrekte Diagnose) Punkt, so dass insgesamt null bis fünf Punkte für die fünf Schüler und Schülerinnen erreicht werden konnten. Aufgrund dieser Gesamtdiagnoseleistung wurden zwei Subgruppen mit hoher Diagnoseleistung (n = 13; MGesamtdiagnose = 4.04 Punkte, SD = 0.69) und mit niedriger Diagnoseleistung (n= 12; MGesamtdiagnose = 1.50 Punkte, SD = 0.71) gebildet.

Ergebnisse

Die Diagnoseakkuratheit unterschied sich statistisch signifikant für die Schülerprofile (F(2,160) = 6.33, p < .001). Tukey-HSD post-hoc Vergleiche zeigten das, dass uninteressierte Profil signifikant akkurater zugewiesen wurde als alle anderen Profile (M = 0.77; alle p < .05). Es zeigten sich keine signifikanten Unterschiede für das schwache (M = 0.68), das starke (M = 0.58) und das unterschätzende Profil (M = 0.45). Das überschätzende Profil wurde signifikant weniger akkurat diagnostiziert als alle anderen Profile (M = 0.32, alle p < .05).

Eine Reihe von ungepaarten t-Tests zeigte, dass Studierende mit hoher Diagnoseakkuratheit kürzere Fixationen für das starke (t(23) = 2.32, p = .029), schwache (t(23) = 2.23, p = .036), und überschätzende Profil (t(23) = 2.24, p = .035) aufwiesen. Für das unterschätzende und uninteressierte Profil zeigten sich keine signifikanten Unterschiede. Ebenso unterschied sich die Anzahl der Fixationen nicht signifikant.

 

Mit Eye-Tracking die “professional vision” beim Betrachten von Unterricht erforschen: Ergebnisse aus einer Studie mit Lehramtsstudierenden und Hochschullehrenden

Corinne Wyss1, Wolfgang Bührer2, Katharina Rosenberger3
1Pädagogische Hochschule der FHNW, Schweiz, 2Pädagogische Hochschule Zürich, Schweiz, 3Kirchliche Pädagogische Hochschule Wien/Krems, Österreich

Das Unterrichten ist eine komplexe und anspruchsvolle Aufgabe, da sich Lehrpersonen mit vielschichtigen Herausforderungen auseinandersetzen und mehrdeutige Situationen, in aller Regel unter Zeitdruck, meistern müssen. Hierzu benötigen sie professionelles Wissen, das es angemessen anzuwenden gilt (Fairbanks et al., 2010). In diesem Sinne fokussierte die Forschung zur LehrerInnenprofessionalität in den vergangenen Jahren unter anderem darauf, unterschiedliche Domänen dieses professionellen Wissens zu definieren, theoretisch zu fassen und empirisch zu untersuchen. Aktuelle Forschungsansätze (beispielsweise aus der Expertiseforschung) richten dabei etwa ihr Augenmerk auf das Konzept der «professional vision» (Goodwin, 1994; van Es and Sherin 2010; Todorova, Sunder, Steffensky & Möller, 2017). Eine Reihe an Studien konnte in diesem Zusammenhang grundlegende Unterschiede zwischen erfahrenen und nicht bzw. wenig erfahrenen Lehrenden (z.B. Lehramtsstudierenden) aufzeigen. So können etwa erfahrene Lehrkräfte kritische Unterrichtssituationen besser identifizieren, diese kategorisieren und dementsprechend interpretieren. Im Vergleich dazu tendieren Lehramtsstudierende eher dazu, den Fokus auf Oberflächenaspekte zu richten (Seidel & Prenzel, 2008; Meschede et al., 2017). In den letzten Jahren wurden diese Befunde mit Studien, die Eye-Tracking als Erhebungsmethode einsetzen, ergänzt und erweitert, sodass bereits einige aufschlussreiche Ergebnisse vorliegen (vgl. etwa Wolff et al. 2016; Stürmer, Seidel, Müller, Häusler & Cortina, 2017). Das Potential von Eye-Tracking als vergleichsweise neue Methode ist allerdings für die dargestellte Thematik noch nicht ausgeschöpft.

Das derzeit noch laufende Forschungsprojekt widmet sich einerseits der Suche nach Anhaltspunkten für pädagogische «professional vision» und andererseits der Methode des Eye-Trackings selbst. Dazu werden mit einem mixed-methods-Ansatz Eye-Tracking-Daten und Interviewdaten kombiniert. In der explorativen Studie stehen folgende Forschungsfragen im Zentrum des Interesses:

1. Inwiefern können auf «professional vision» hinweisende Unterschiede zwischen Lehramtsstudierenden und Hochschullehrenden beim Betrachten einer videografierten Unterrichtsszene, die ein «kritisches Ereignis» enthält, festgestellt werden?

2. Inwiefern wird die im Videoclip gezeigte kritische Situation von den Befragten als pädagogisches «kritisches Ereignis» auch verbalisiert?

3. Inwiefern unterscheiden sich die Eye-Tracking-Daten bei jenen Befragten, die das «kritische Ereignis» erwähnen von jenen, die das nicht tun?

Den 56 Studienteilnehmenden (28 Lehramtsstudierende und als Referenzgruppe 28 Hochschullehrende an einer Pädagogischen Hochschule, die alle Schulunterrichtserfahrung und/oder Erfahrung in der Analyse mit Unterrichtsvideos haben) wurde jeweils ein einminütiger Videoausschnitt einer realen Unterrichtssituation gezeigt, in dem ein kritisches Ereignis (vgl. Tripp, 1993) zu beobachten ist. Die Videosequenz stammt aus einem früheren Forschungsprojekt, in dem im Rahmen einer Feldstudie zahlreiche Unterrichtssituationen aufgezeichnet und qualitativ analysiert wurden (Hammerer, Kromer, Rosenberger & Wachter, 2018).

Das Blickverhalten der Teilnehmenden während des Videoschauens auf einem Computerbildschirm wurde mit einem GazePoint GP3HD Desktop Eye-Tracking-Gerät aufgezeichnet. Anschliessend wurden die Teilnehmenden in einer audioaufgezeichneten Befragung gebeten, zu verbalisieren, was sie in dem Videoausschnitt beobachten konnten. Die Eye-Tracking Daten wurden mit der GazePoint Analysis Software Prof. Edition v. 4.1.0 (x64) sowie statistischen Berechnungen in Python in Bezug auf drei definierte AOIs hinsichtlich des kritischen Ereignisses ausgewertet. Die Audioaufzeichnungen wurden transkribiert und in MAXQDA mit Hilfe eines Kategorienrasters analysiert, wobei der Fokus der Analyse auch hier auf dem kritischen Ereignis lag.

Die Ergebnisse offenbaren Unterschiede zwischen den beiden untersuchten Gruppen – sowohl im Eye-Tracking als auch in den Interviewdaten. Die Aussagen der Hochschullehrenden in der mündlichen Befragung sind im Allgemeinen gehaltvoller und das kritische Ereignis wurde ausschliesslich von Personen aus dieser Gruppe explizit erwähnt. Die Analysen des Eye-Trackings zeigen, dass sich das Blickverhalten dieser Gruppe von Hochschullehrenden in Bezug auf die definierten AOIs signifikant von den anderen Studienteilnehmenden unterscheidet. Die Ergebnisse belegen jene Unterschiede der «professional vision» zwischen NovizInnenen und erfahrenem Lehrpersonal, die auch schon in ähnlich gelagerten Studien (z.B. Wolff et al., 2016) aufgezeigt werden konnten. Bezugnehmend auf die methodologische Fragestellung zum Einsatz von Eye-Tracking weisen die Ergebnisse darüber hinaus darauf hin, dass Eye-Tracking-Daten dabei helfen können, Hinweise auf «professional vision» nachzeichnen zu können.

 

Expertise in der Unterrichtswahrnehmung: Eine Eye-Tracking-Studie mit Lehramtsstudierenden, Mathematiklehrkräften und Schulleitungen

Andreas Gegenfurtner1, Hans Gruber2, Doris Lewalter3, Erno Lehtinen4, Kenneth Holmqvist2, Tetiana Khmelivska3, Florian Hauser5, Jan D. Vermunt6
1Universität Passau, Deutschland, 2Universität Regensburg, Deutschland, 3Technische Universität München (TUM), Deutschland, 4University of Turku, Finland, 5OTH Regensburg, Deutschland, 6Eindhoven University of Technology, the Netherlands

Theoretischer Hintergrund

Forschungen belegen, dass erfahrene Lehrkräfte Unterrichtssituationen im Klassenzimmer anders wahrnehmen als unerfahrene Lehrkräfte (Sherin, Jacobs, & Philipp, 2011). Diese Fähigkeit des teacher noticing—die schnelle, selektive Informationswahrnehmung in komplexen schulischen Situationen—ist eine essentielle Komponente professioneller Unterrichtswahrnehmung (Seidel & Stürmer, 2014) und ein Indikator für Lehrexpertise (McIntyre & Foulsham, 2018). Expertiseforschung in verschiedenen Domänen zeigt, dass sich Unterschiede in professioneller Wahrnehmung in Augenbewegungsmustern widerspiegeln (Gegenfurtner et al., 2011). Sheridan and Reingold (2017) postulieren in ihrem Holistic Processing Account entsprechend, dass Expertise zu holistischer, parafovealer, selektiver und daher sehr schneller Wahrnehmung führt. Allerdings ist Informationswahrnehmung von Lehrkräften noch wenig untersucht. Noch weniger weiß man über die Informationsverarbeitung von Schulleitungen, die im Rahmen ihrer Tätigkeiten fremden Unterricht beobachten und evaluieren.

Fragestellung

Diese Studie untersuchte daher die Fragestellung, wie die Augenbewegungen von Lehramtsstudierenden, Mathematiklehrkräften und Schulleitungen in der Betrachtung sehr kurz präsentierter Unterrichtsaufnahmen differieren. Basierend auf dem Holistic Processing Account wurde vermutet, dass Mathematiklehrkräfte und Schulleitungen verglichen zu Lehramtsstudierenden weniger Fixationen (Hypothese 1a) von kürzerer Dauer (Hypothese 1b), eine geringere Verweilzeit (Hypothese 2), sowie längere Sakkadenamplituden (Hypothese 3a) von kürzerer Dauer (Hypothese 3b) zeigen. Zusätzlich wurde angenommen (Hypothese 4), dass sich Augenbewegungsunterschiede nach Area of Interest (Lehrkräfte, Schüler, Instruktionsmaterial) zeigen.

Methode

Teilnehmende

An der Studie partizipierten 75 Personen (43 weiblich) auf drei Expertisestufen: 25 Lehramtsstudierende, 25 Mathematiklehrkräfte und 25 Schulleitungen. Die Lehramtsstudierenden (16 weiblich) waren durchschnittlich 23.84 Jahre alt (±1.95) und studierten Mathematik seit 6.64 Semestern (±2.34). Die Mathematiklehrkräfte (16 weiblich) waren durchschnittlich 48.80 Jahre alt (±8.47) und unterrichteten am Gymnasium seit 17.94 Jahren (±9.44). Die Schulleitungen (11 weiblich) waren durchschnittlich 47.96 Jahre alt (±8.84) und unterrichteten seit 20.38 Jahren (±9.08).

Material und Messungen

Den Teilnehmenden wurden 51 Screenshots von validiertem Videomaterial von Mathematikunterricht der achten Jahrgangstufe präsentiert (Hugener, Krammer, & Reusser, 2007). Das Material zeigte eine Lehrkraft, weibliche und männliche Schüler, sowie Instruktionsmaterial wie Bücher, Tafel und Hefte. Die Screenshots wurden in randomisierter Reihenfolge für je 3 Sekunden (ein fünfsekündiges Fixationskreuz separierte die einzelnen Screenshots) auf einem 22-Zoll-TFT-Monitor mit einer Auflösung von 1680×1050 Pixeln gezeigt. Die Augenbewegungen wurden mit einem SMI RED 500 Eye Tracker aufgezeichnet und mit SMI BeGaze 3.0 ausgewertet. Die Screenshots wurden in vier Areas of Interest (Lehrkraft, Schülerin, Schüler, Instruktionsmaterial) segmentiert.

Ergebnisse

Fixationszahl

Eine two-way ANOVA mit den Faktoren Area of Interest (AOI) und Expertise zeigte einen Haupteffekt von AOI, F(3,288)=20.02, p<0.001, η𝑝2=0.17. Der Haupteffekt von Expertise und der Interaktionseffekt waren nicht-signifikant. Post-hoc ANOVAs zeigten, dass die Fixationszahl je AOI differierte bei Lehramtsstudierenden, F(3,96)=7.96, p<0.001, η𝑝2=0.20, Mathematiklehrkräften, F(3,96)=5.64, p=0.001, η𝑝2=0.15, und Schulleitungen, F(3,96)=6.52, p<0.001, η𝑝2=0.17, mit mehr Fixationen auf die Lehrkraft und das Instruktionsmaterial als auf Schülerinnen und Schüler. Die Fixationszahl auf Schüler war höher als auf Schülerinnen, dStudierende=0.51, dLehrkräfte=0.45 und dSchulleitungen=0.29.

Fixationsdauer

Eine two-way ANOVA zeigte einen Haupteffekt von AOI, F(3,288)=8.34, p<0.001, η𝑝2=0.07. Der Haupteffekt von Expertise und der Interaktionseffekt waren nicht-signifikant. Post-hoc ANOVAs zeigten, dass die Fixationsdauer je AOI differierte bei Lehramtsstudierenden, F(3,96)=2.65, p=0.05, η𝑝2=0.08, und Mathematiklehrkräften, F(3,96)=3.47, p=0.019, η𝑝2=0.10, sowie beinahe signifikant bei Schulleitungen, F(3,96)=2.51, p=0.06, η𝑝2=0.07, mit längeren Fixationen auf die Lehrkraft und das Instruktionsmaterial als auf Schülerinnen und Schüler.

Verweildauer

Eine two-way ANOVA zeigte einen Haupteffekt von AOI, F 3,288)=20.18, p<0.001, η𝑝2=0.18. Der Haupteffekt von Expertise und der Interaktionseffekt waren nicht-signifikant. Post-hoc ANOVAs zeigten, dass die Verweildauer je AOI differierte bei Lehramtsstudierenden, F(3,96)=7.22, p<0.001, η𝑝2=0.18, Mathematiklehrkräften, F(3,96)=5.61, p=0.001, η𝑝2=0.15, sowie Schulleitungen, F(3,96)=8.92, p<0.001, η𝑝2=0.22, mit längeren Verweildauern auf die Lehrkraft und das Instruktionsmaterial als auf Schülerinnen und Schüler. Interessanterweise verweilte der Blick von Schulleitungen auf dem Instruktionsmaterial signikant kürzer als der von Lehramtsstudierenden, d=0.54 und Mathematiklehrkräften, d=0.47.

Sakkaden

Sakkdenamplitude und -dauer differierten nicht-signifikant.