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
M14–S13: Klassenmanagement
Zeit:
Mittwoch, 25.03.2020:
14:30 - 16:15

Ort: S13

Präsentationen

Die Professionelle Wahrnehmung von Klassenmanagement in Videos von Frontalunterricht und Gruppenarbeit – Eine Eyetrackingstudie

Rebekka Stahnke1, Sigrid Blömeke2

1Humboldt-Universität zu Berlin, Deutschland; 2Centre for Educational Measurement, Norway

Die Professionelle Wahrnehmung von Klassenmanagement beschreibt die situierte und handlungsnahe Fähigkeit von Lehrpersonen, in für das Klassenmanagement relevanten Situationen selektiv wahrzunehmen, wissensbasiert zu interpretieren und Handlungsalternativen zu formulieren (Gold & Holodynski, 2017; Barth, 2017). Diese Fähigkeit erwies sich in einigen Studien als ein stärkerer Prädiktor von tatsächlichem Klassenmanagementverhalten als das allgemein-pädagogische Wissen von Lehrpersonen (König & Kramer, 2016). Über die spontane selektive (visuelle) Wahrnehmung als grundlegendem Aspekt der Professionellen Wahrnehmung von Lehrpersonen ist bisher wenig bekannt. Expert*innen scheinen ihren Blick mehr auf Schüler*innen als auf den Lehrer im Video zu fokussieren (McIntyre, Jarodzka & Klassen, 2019; Wolff, Jarodzka, van den Bogert & Boshuizen, 2016) sowie ihre Aufmerksamkeit mehr auf verschiedene Schüler*innen zu verteilen als Noviz*innen (van den Bogert, van Bruggen, Kostons & Jochems, 2014; Wolff et al., 2016). Inhaltlich heben Expert*innen eher das Schüler*innenlernen und Möglichkeiten dieses zu fördern hervor, während Noviz*innen eher auf Ordnung und Disziplin zu achten scheinen (Wolff, Jarodzka & Boshuizen, 2017). Die genannten Befunde gelten jedoch lediglich für das Fehlverhalten von Schüler*innen in Frontalunterrichtsszenen. Der vorliegende Beitrag untersucht vergleichend die Wahrnehmung von Klassenmanagement in Frontalunterricht und Gruppenarbeit und legt dabei ein breites Verständnis von Klassenmanagement zugrunde, das neben dem reaktiven Umgang mit Störungen auch präventive Maßnahmen einschließt (vgl. Piwowar, Thiel & Ophardt ,2013). Die leitende Forschungsfrage ist, wie sich Noviz*innen und Expert*innen in ihrer Wahrnehmung von Klassenmanagement in Form von visueller Aufmerksamkeitsverteilung sowie der Anzahl und Art von benannten, für sie relevanten Ereignissen unterscheiden.

Dazu wurden Daten von jeweils 20 Lehramtsmasterstudierenden (Noviz*innen) und 20 erfahrenen Lehrpersonen (Expert*innen, definiert über mindestens 5 Jahre Berufserfahrung und Tätigkeiten in der Lehramtsausbildung) erhoben. Die Proband*innen betrachteten zwei Unterrichtsauschnitte jeweils zweimal: Beim ersten Ansehen wurden die Blickbewegungen aufgezeichnet und die Proband*innen aufgefordert zu klicken, wenn ein für sie relevantes Klassenmanagementereignis erscheint. Beim zweiten Ansehen wurde das Video jeweils an den markierten Stellen pausiert und die Lehrpersonen instruiert zu erläutern, was ihnen an dieser Stelle aufgefallen ist. Für insgesamt 40 Proband*innen liegen umfangreiche Blickbewegungsdaten (erstes Ansehen) und transkribierte verbale Daten (zweites Ansehen) für jeweils zwei Videos vor. Der Auswahl der Videosegmente liegt ein Expert*innenrating zugrunde. Die Videoszenen zeigen eine Reihe von sowohl präventiven als auch reaktiven Klassenmanagementereignissen in einer Frontalunterrichts- und einer Gruppenarbeitsphase. Die Blickbewegungsdaten wurden hinsichtlich der visuellen Aufmerksamkeit auf Schüler*innengruppen und auf die im Video sichtbare Lehrperson ausgewertet. Weiterhin wurden die verbalen Daten hinsichtlich der konkret benannten Ereignisse kodiert (Interraterreliabilität für 10 % des Materials: 𝜅1 = 0.81 (92.31%) für Video 1 und 𝜅2 = 0.87 (94.17%) Video 2) und in Bezug auf Art und Anzahl der wahrgenommenen Ereignisse ausgewertet. Bei Verletzung der Normalverteilung wurden non-parametrische Varianzanalysen (R-Paket nparLD; Noguchi, Gel, Brunner & Konietschke, 2012) und Mittelwertsvergleiche herangezogen.

Hinsichtlich der visuellen Aufmerksamkeit zeigten sich vor allem für die Gruppenarbeitsszene Expertiseeffekte: Während Noviz*innen den Lehrer im Video signifikant mehr betrachteten als Expert*innen (U = 119, z =-2.19, p = 0.028, d = 0.74), beachteten Expert*innen die Schülergruppen jeweils rechts (U = 297.00, z = 2.62, p = 0.008, d = 0.72) und links im Klassenraum mehr als Noviz*innen (t (38) = 2.08; p = 0.044, d = 0.66). Expert*innen benennen mehr Ereignisse, die sich auf Schüler*innen-Lernen und Verhalten beziehen als Noviz*innen (FExpertise(1,38) = 6.95, p = 0.012, hp2 = 0.16). Bei Ereignissen, die sich auf den Lehrer im Video beziehen, zeigt sich ein Interaktionseffekt: Während Noviz*innen in der Frontalunterrichtsszene mehr solcher Ereignisse benennen, ist dies für Expert*innen in der Gruppenarbeitsphase der Fall (FVideo*Expertise(1,38) = 5.00, p = 0.031, hp2 = 0.12). Insgesamt zeigen die Ergebnisse einerseits mehr Expertiseeffekte für die Gruppenarbeitsphase und andererseits einige Interaktionseffekte. Der Sozialform des Unterrichts kommt demnach eine wichtige Bedeutung in der professionellen Wahrnehmung von Klassenmanagement zu.



Lehrkraft oder Klasse? Die simultane Schätzung von Klassen- und Lehrkrafteffekten auf Schülerleistungen mittels Multiple Membership Cross Classified Random-Effect-Modellen

Wolfgang Wagner1, Nicolas Hübner1, Waltraud Schreiber2, Benjamin Nagengast1, Ulrich Trautwein1

1Universität Tübingen, Deutschland; 2KU Eichstätt

Theoretischer Hintergrund. Zahlreiche empirische Befunde verweisen auf die wichtige Rolle bezüglich der Lehrkraft für die Leistungsentwicklung der von ihr unterrichteten Schülerinnen und Schüler (Scheerens & Bosker, 1997; Seidel & Shavelson, 2007). Typischerweise basieren entsprechende Studien allerdings nicht auf randomisierten Designs, da diese nur schwer im realen Schulumfeld umsetzbar sind. Ohne Randomisierung ist mit einer Konfundierung der Effekte auf Individualebene (z.B. unterschiedliche Leistungen von Schülerinnen und Schülern zu Beginn des Schuljahres), auf Klassenebene (Kompositionseffekte; Dumont, Neumann, Maaz, & Trautwein, 2013) sowie seitens der Lehrkraft zu rechnen. In solchen Fällen können Designs hilfreich sein, bei denen jeweils mehrere Klassen pro Lehrkraft erhoben werden. Leistungsunterschiede auf Klassenebene innerhalb von Lehrkräften lassen sich dabei als nicht auf stabile Lehrkrafteffekte zurückführbare Variabilität identifizieren. In längsschnittlich angelegten Designs ist es zudem möglich, die Persistenz (also carryover-Effekte auf nachfolgende Schuljahre; Everson, 2017) von Klassenzugehörigkeit und Lehrkraft zu untersuchen. Weiterhin können auf Klassenebene variierende Wachstumsraten geschätzt und im Sinne unterschiedlicher Klassenkompositionen bezüglich zeitstabiler leistungsbezogener Schülermerkmale interpretiert werden. Sind diese mit Klasseneffekten (hoch) korreliert, so spricht dies für das Vorliegen der häufig diskutierten Klassenkompositionseffekte, wohingegen geringe Korrelationen für „spontane“ Effekte des Klassenkontexts (in Interaktion mit der jeweiligen Lehrkraft) sprechen (z.B. gutes Klima in Klasse, günstige Uhrzeit des Unterrichts). Im Rahmen der vorliegenden Studie wurde ein Multiple Membership Cross Classified Random Effect-Modell (MM-CCREM; Cafri, Hedeker, & Aarons, 2015) entwickelt, mit dessen Hilfe sich – auf Basis von Längsschnittdaten mit mehreren Klassen pro Lehrkraft und bei (häufig) neu zusammengesetzten Klassen – schuljahrspezifische und zeitstabile Lehrkrafteffekte sowie klassenspezifische Effekte auf Schülerleistungen und deren carryover-Effekte ermitteln lassen.

Fragestellung. Wie – und unter welchen Annahmen – lassen sich anhand des entwickelten MM-CCREMs Schüler-, Klassen- und Lehrkrafteffekte auf die Leistungsentwicklung separieren? Neben der allgemeinen Vorstellung des Modells sollen anschließend empirische Ergebnisse basierend auf einem entsprechenden Datensatz bezüglich Historischer Kompetenzen (HK) von Schülerinnen und Schülern präsentiert werden. Dabei wurden Effektschätzungen zur besseren Interpretierbarkeit als modellbasiert zu erwartende Varianzanteile auf Schüler-, Klassen- und Lehrkraftebene ermittelt.

Methode. Es wird ein MM-CCREM mit folgenden Spezifikationen vorgestellt: Auf Ebene 1 werden Leistungszuwächse der Schülerinnen und Schüler als lineares Wachstum repräsentiert, wobei die Wachstumsraten als über Klassen (Ebene 2) hinweg variierend betrachtet werden. Auf der Ebene 2 werden zeitpunktspezifische Klasseneffekte sowie Lehrkrafteffekte mithilfe kreuzklassifizierter Zufallseffekte mit entsprechender Gewichtung für die gewünschte Zufallseffekt-Designmatrix (carryover-Effekte) modelliert. Zur Schätzung von zeitstabilen Lehrkrafteffekten auf Ebene 2 wird zudem ein Zufallseffekt auf Basis eines Multiple Membership-Modells mit der erforderlichen carryover-Gewichtungsmatrix implementiert. Für den empirischen Teil der Studie wurden Daten der vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Mehrkohorten-Längsschnittstudie "Erklärung der Kompetenzentwicklung im Fach Geschichte mithilfe von Indikatoren zur Quantität und Qualität der Nutzung eines elektronischen Schulbuchs" (QQM; Schreiber, Trautwein, Wagner & Brefeld, 2019) an Schulen der Deutschsprachigen Gemeinschaft Belgiens verwendet. Dabei konnte klassenstufenübergreifend (Klassenstufen 9-12) auf Leistungsdaten aus standardisierten Tests (der Kompetenztest basierte auf Pilotversionen des HiTCH-Tests; Trautwein et al., 2017) von N = 3706 Schülerinnen und Schülern, die von insgesamt N = 42 Lehrkräften unterrichtet wurden, zurückgegriffen werden. Zunächst wurde das vollständige Modell geschätzt, das anschließend schrittweise mit sparsameren Modellen verglichen wurde, um die Modellparameter auf statistische Signifikanz zu prüfen.

Ergebnisse. Hinsichtlich der Frage nach persistenten Klassen- und Lehrkrafteffekten ergaben sich im Rahmen der MM-CCREMs Hinweise auf carry over-Effekte für die Klasse (carryover: 0.75), nicht aber für die Lehrkraft. Die Leistungsvarianzaufklärung für die zeitpunktspezifischen Lehrkrafteffekte (die hier für jede Lehrkraft von Jahr zu Jahr variieren konnte) lag im Bereich von 0.7 % bis 1.7 %, wohingegen die zeitstabilen Lehrkrafteffekte nicht statistisch signifikant waren. Deutlich größere Effekte zeigten sich für die Klassenzugehörigkeit, wo 6.6 % bis 11.4 % der Leistungsvarianz aufgeklärt wurden. Die verwendeten Modelle sowie die Ergebnisse werden im Hinblick auf potentielle Forschungsperspektiven diskutiert.



Klassenführungstraining mit Unterrichtsvideovignetten: Steigerung der Lernwirksamkeit durch Scaffolding

Rijana van Bebber1, Gerlinde Lenske2, Theresa Dicke3, Detlev Leutner1

1Universität Duisburg-Essen, Deutschland; 2Universität Koblenz-Landau, Deutschland; 3Australian Catholic University, Brisbane, Queensland

Theoretischer Hintergrund

Videovignetten können Unterrichtssituationen komplex und authentisch abbilden (Syring et al., 2015), weshalb sie sich zur Darstellung von Klassenführungsaspekten für die Lehrerbildung eignen. Noviz*innen fühlen sich jedoch häufig von der Simultanität und Multidimensionalität des realen Unterrichtsgeschehens kognitiv überfordert (ebd.). Instruktionsprinzipien, wie „Signaling“ (Wichtiges hervorheben) und „Segmenting“ (einen komplexen Prozess in kleinere Einheiten zerlegen; Mayer, 2014), stellen hier ein vielversprechendes Mittel zur Reduktion der Videokomplexität dar, indem sie eine instruktionale Unterstützung beim Lernen mit Unterrichtsvideovignetten bieten. Bleibt eine instruktionale Unterstützung bei voranschreitendem Wissenserwerb der Lernenden jedoch unnötig erhalten, kann sich die kognitive Belastung bei Lernenden erhöhen, da bereits erworbene Schemata nicht mehr angemessen unterstützt werden („Expertise Reversal“-Effekt; Kalyuga et al., 2003). Eine Abnahme von instruktionaler Unterstützung (Prinzip des Scaffoldings) bei Unterrichtsvideovignetten kann daher bei voranschreitendem Wissenserwerb der Lernenden als kognitiv entlastend und somit gewinnbringend für den weiteren Wissenserwerb gesehen werden.

Fragestellung & Hypothese

Die vorliegende Studie widmet sich der Fragestellung, inwieweit Scaffolding im Hinblick auf Signaling und Segmenting zu einer verbesserten Lernwirksamkeit im Wissen um Klassenführung führt.

Die Studie geht folgender Hypothese nach: Je stärker das Scaffolding – also die Abnahme instruktionaler Unterstützung von Signaling und Segmenting, umso geringer fällt die kognitive Belastung bei Lehramtsnoviz*innen aus und umso größer ist die Steigerung im Klassenführungswissen.

Methode

Die Interventionsgruppen (N = 90, weiblich = 84,4%) und die Kontrollgruppe (N = 19, weiblich = 89,5%) bestanden aus Bachelor-Studierenden (Lehramt für Haupt-, Real- und Gesamtschule). Während die Kontrollgruppe (SoSe 2018) ein Training zum Thema „Lernstrategien“ erhielt, wurden die Interventionsgruppen (WiSe 2018/2019) mit Unterrichtsvideovignetten trainiert (6 Stunden). Zum Pretest war dabei das Klassenführungswissen der Kontrollgruppe mit dem Klassenführungswissen der Interventionsgruppen vergleichbar.

In einem 2x2-experimentellen Design mit den Faktoren Signaling (konstant/abnehmend) und Segmenting (konstant/abnehmend) wurden die Studierenden der Interventionsgruppen vier Vergleichsgruppen randomisiert zugeordnet und mit Videovignetten trainiert, wobei sie, entsprechend dem experimentellen Design bei ansonsten konstanten Trainingsbedingungen, unterschiedliche Grade an instruktionaler Unterstützung erhielten. Innerhalb eines Pre-Post-Designs wurde das Klassenführungswissen mithilfe einer Vorversion eines extern entwickelten Wissenstests durchgeführt. Ein Item zur empfundenen mentalen Anstrengung ergänzte das Erhebungsmaterial.

Ergebnisse

Erwartungskonform konnte bei den Interventionsgruppen mithilfe des Klassenführungstests ein Zuwachs im Klassenführungswissen festgestellt werden (t(89) = -4.932, p < .001, d = 0.58), jedoch nicht bei der Kontrollgruppe (t(18) = ‑0.236, p = .816). Eine zweifaktorielle ANOVA – mit Klassenführungswissen (Posttest) als abhängige Variable, Signaling (konstant/abnehmend) und Segmenting (konstant/abnehmend) als Faktoren sowie Klassenführungswissen (Pretest) als Kovariate – zeigt einen Interaktionseffekt von Signaling und Segmenting auf das Klassenführungswissen (F(1,85) = 6.241, p = .014, partielles η2 = .068). Die Ergebnisse belegen, dass die gemeinsame Implementation von abnehmendem Signaling und abnehmendem Segmenting zu einem Lernzuwachs im Klassenführungswissen führte, die alleinige Implementation von abnehmendem Signaling oder abnehmendem Segmenting jedoch nicht. Möglicherweise ist hier das Level des Scaffoldings ausschlaggebend, welches bei der gemeinsamen Implementation von abnehmendem Signaling und abnehmender Segmenting wesentlich höher ausfällt als bei der alleinigen Implementation.

Eine weitere zweifaktorielle ANOVA mit mentaler Anstrengung (Posttest) als abhängige Variable, Signaling (konstant/abnehmend) und Segmentierung (konstant/abnehmend) als Faktoren sowie mentaler Anstrengung (Pretest) als Kovariate zeigt einen signifikanten Effekt für Segmenting (F(1,79) = 5.295, p = .024, partielles η2 = .063). Die Ergebnisse deuten auf einen Vorteil für diejenigen Interventionsgruppen hin, die mit abnehmender Segmentierung trainiert wurden.

Limitationen

Eine Limitation der Studie ist die geringe Stichprobengröße. Zudem wurden die Daten der Kontrollgruppe ein Fachsemester vor den Daten der Interventionsgruppen erhoben, wodurch sich das Fachsemester voneinander unterscheidet. Eine weitere Limitation ist die relativ kurze Interventionsdauer. Bei einer längeren Intervention könnten demnach abweichende Effekte auftreten. Ferner ermöglicht die vorliegende Studie keine Aussagen über andere Formen des Scaffoldings. Hier bedarf es weiterer empirischer Studien.



Alltagswissen über Klassenführung aus der eigenen Schulzeit – Struktur und Auswirkungen auf das Lösen unterrichtstypischer Fälle bei Lehramtsstudierenden

Franziska Baier, Mareike Kunter

Goethe-Universität Frankfurt, Deutschland

Theoretischer Hintergrund

Fest verankerte intuitive Überzeugungen/Alltagwissen von (angehenden) Lehrkräften aus ihrer eigenen Schulzeit darüber, wie Unterricht abläuft und funktioniert, werden/wird häufig als relativ stabil und handlungsleitend, dabei aber gleichzeitig als hinderlich für den Erwerb und die Anwendung von wissenschaftlichen Theorien angenommen (Hoekstra & Korthagen, 2011; Rothland, 2013). Nur selten wird die inhaltliche Güte dieser Überzeugungen aus der eigenen Schulzeit allerdings systematisch betrachtet und darüber hinaus untersucht, ob diese Überzeugungen tatsächlich handlungsleitend sind, d.h. ob sie beim Lösen von komplexen Unterrichtssituationen genutzt werden.

Vor allem Erfahrungen mit und Überzeugungen über effektive Klassenführung aus der eigenen Schulzeit wurden bislang wenig systematisch beschrieben und beforscht. Da die praktische Umsetzung effektiver Klassenführung von (angehenden) Lehrkräften immer wieder als Herausforderung benannt wird (Dicke et al., 2014), erscheint die Beforschung des Alltagswissens über effektive Klassenführung aus der eigenen Schulzeit lohnenswert.

Fragestellungen

Zunächst sollen in Fragestellung 1 Alltagswissen aus der eigenen Schulzeit über Klassenführung im Vergleich zu entsprechendem (wissenschaftlich-fundiertem) Wissen aus dem Studium inhaltlich analysiert und systematisiert werden. In Fragestellung 2 soll untersucht werden, ob und inwiefern sich die Aktivierung (priming) dieses Alltagswissens im Vergleich zur Aktivierung (priming) von Wissen, das an der Universität erworben wurde, auf die angemessene Lösung von schriftlichen Problemsituationen aus dem Bereich der Klassenführung auswirkt. Zu erwarten wäre, dass die Gruppe Wissen aus dem Studium mehr wissenschaftlich-fundierte Lösungen nennt.

Methode

An der quasi-experimentellen Untersuchung nahmen 100 Lehramtsstudierende aus zwei parallelen universitären Seminaren (Kurs A/B) zu Beginn des Wintersemester 16/17 teil; 44 in der Gruppe Wissen aus dem Studium (Kurs A) und 56 in der Gruppe Erinnerung an die eigene Schulzeit (Kurs B). Die Studierenden der beiden Gruppen unterschieden sich nicht in Bezug auf ihr selbstberichtetes Vorwissen und sozio-demografische Variablen.

Zunächst sollten die Studierenden entweder auf ihr Wissen aus der eigenen Schulzeit (in Bezug auf eine konkrete Lehrkraft) oder auf ihr Wissen aus dem Studium zurückgreifen, um einen effektiven Klassenmanager und seinen/ihren Umgang mit Unterrichtsstörungen/Konflikten zu beschreiben (Manipulation). Anschließend sollten die Studierenden zu drei textbasierten Fallbeispielen, die Problemsituationen aus dem Klassenmanagement beschrieben, Handlungsmöglichkeiten generieren.

Die Beschreibungen der Studierenden eines effektiven Klassenmanagers wurden anhand einer Kombination von qualitativer und quantitativer Inhaltsanalyse ausgewertet (Mayring, 2001). Es wurden sowohl induktiv als auch deduktiv relevante Kategorien extrahiert und die Auftretenshäufigkeit der einzelnen Kategorien festgehalten. Die Handlungsmöglichkeiten zu den Fallbeispielen wurden anhand eines deduktiv entwickelten Kodierschemas analysiert (Interraterreliabilitäten: κ1=.79, κ2=.70, κ3=.91). Die Teilnehmenden erhielten Punkte für jede korrekte, das heißt, dem aktuellen Forschungsstand entsprechende, Antwort.

Ergebnisse

Fragestellung 1

Die folgenden Kategorien zur Beschreibung eines effektiven Klassenmanagers wurden identifiziert: (1)Präventives Handeln (2)Reaktives Handeln: Verbale Zurechtweisungen (3)Bestrafung (4)Verstärkung (5)Kooperatives Verhalten (6)Dominanz (7)Fairness/Transparenz (8)Laissez-Faire (9)Andere Maßnahmen (10)Unkonkret/Nicht-kodierbar. Bedeutsam hierbei ist, dass alle Kategorien in beiden Gruppen vorkamen, bis auf Kategorie 7 (Fairness und Transparenz), die nur in der Gruppe Wissen aus dem Studium genannt wurde. Eine multinomiale logistische Regression mit Kategorie 10 als Referenzkategorie zeigte, dass sich die beiden Gruppen des Weiteren signifikant in der Häufigkeit der Nennung verbaler Zurechtweisung (19% Schulzeit, 4% Studium) und Kooperativer Verhaltensweisen (3% Schulzeit, 14% Studium) unterschieden.

Insgesamt zeigen die Ergebnisse, dass eine effektive Klassenführung anhand überwiegend derselben Kategorien basierend auf Überzeugungen aus der eigenen Schulzeit und dem Wissen aus dem Studium beschrieben wird. Bedeutsame Unterschiede zeigen sich allerdings in der inhaltlichen Schwerpunktsetzung (z.B. Reaktives Handeln).

Fragestellung 2

Die Ergebnisse zeigen zunächst, dass die Gruppe Wissen aus dem Studium über die drei Fallbeispiele hinweg deskriptiv mehr Punkte erreichte als die Gruppe Wissen aus der Schulzeit. Der Unterschied ist allerdings nicht signifikant auf dem 5%-Niveau: t(96)=-1.83, p= .07. Weiterführende Analysen, inwiefern konkrete, in Fragestellung 1 genannte, Strategien zur Bearbeitung der Fälle aufgegriffen wurden, werden bis zur Konferenz durchgeführt. Theoretische und praktische Implikationen der Befunde werden ebenfalls diskutiert.