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
M16‒S18: Problemlösekompetenz in der beruflichen Bildung: Von der Aufgabenanalyse zur innovativen Messung
Zeit:
Mittwoch, 25.03.2020:
16:45 - 18:30

Ort: S18

Präsentationen

Problemlösekompetenzen in der beruflichen Bildung: Von der Aufgabenanalyse zur innovativen Messung

Chair(s): Susan Seeber (Georg-August-Universität Göttingen, Deutschland), Eveline Wuttke (Goethe-Universität Frankfurt)

DiskutantIn(nen): Karsten Wolf (Universität Bremen)

Ziel der beruflichen Erstausbildung ist der Erwerb beruflicher Handlungskompetenz, die neben dem beruflichen Fachwissen sowie Interessen und Bereitschaften situationsangemessen zu handeln auch Fähigkeiten einschließt, anspruchsvolle berufliche Anforderungen jenseits von klaren Algorithmen und Handlungsroutinen zu bewältigen. Da zukünftig ein immer größerer Bereich von beruflichen (Routine-)Tätigkeiten sowohl im gewerblich-technischen als auch im kaufmännischen Bereich digitalisiert wird, stehen beruflich Qualifizierte künftig vermehrt vor der Herausforderung, nicht-routinisierte, komplexe Aufgaben zu bewältigen (z. B. Darling-Hammond & Adamson, 2014). Ziele beruflicher Ausbildung werden sich daher künftig noch stärker als bisher auf die Förderung von beruflichen Problemlösekompetenzen ausrichten. Bereits aktuell spiegeln sich in einer Reihe beruflicher Curricula Ausbildungsziele wider, die auf die Herausbildung und Förderung komplexer Problemlösekompetenzen gerichtet sind. Allerdings zeigen empirische Studien, dass die bisherige Ausbildungs- und Prüfungspraxis noch weit davon entfernt ist, einen konsistenten Zusammenhang von Curriculum-Instruktion-Assessment (Pellegrino 2010) in der Förderung und Messung beruflicher Problemlösekompetenzen abzubilden.

Als „Problem” wird eine Situation verstanden, in der ein Individuum ein Ziel verfolgt, ohne dabei aktuell über die Mittel zu verfügen, den als unerwünscht bewerteten Ist-Zustand in einen erwünschten Zielzustand zu überführen (Dörner, 1987). Problemlöseprozesse werden meist in ideal­typischen Schritten beschrieben, die empirisch aber kaum identifizierbar und trennbar sind, sondern iterativ ablaufen: (1) Analyse und Bewertung der Ausgangslage, (2) Definition und Priorisierung von Handlungszielen, (3) Generierung von Handlungsplänen, (4) Bewertung von Handlungsalternativen, (5) Entscheidung und Durchführung sowie (6) Handlungskontrolle (Betsch, Funke & Plessner, 2011; Bransford & Stein, 1993; Wuttke & Wolf, 2007). Dieser Prozess ist, im Unterschied zu rein reproduktiven Vorgängen, mindestens in Teilen konstruktiver Natur (Funke, 2003).

Berufliche Problemlösekompetenzen sind domänenspezifisch. Unter einer Domäne werden im berufsbildenden Bereich die in einem Berufsfeld auffindbaren Bündel zusammengehöriger Realitätsbereiche verstanden (Achtenhagen, 2007), deren Grenzen von der jeweiligen Berufs- oder Fachgruppe definiert werden.

Im Symposium werden theoretische Modellierungen domänenspezifischer Problemlösekompetenz in gewerblich-technischen und kaufmännischen Berufen sowie deren Operationalisierungen in Messverfahren vorgestellt und Ergebnisse empirischer Erhebungen, insbesondere auch Aufschlüsse über die Ausprägung von Problemlösestrategien, diskutiert.

Der erste Vortrag richtet den Blick auf die bestehende Prüfungspraxis in der kaufmännisch-beruflichen Bildung. Anhand einer theoretisch begründeten Heuristik werden Prüfungsaufgaben der vergangenen Jahre für den Beruf Industriekaufmann/-kauffrau und den 2014 neu eingerichteten Beruf Kaufmann/Kauffrau für Büromanagement vor dem Hintergrund der kognitiven Anforderungen (Situations- und Aufgabenmerkmale i.e.S.) analysiert und klassifiziert. Der zweite Beitrag, ebenfalls bezogen auf den kaufmännischen Bereich, richtet den Blick auf nicht-kognitive Facetten beruflicher Problemlösekompetenzen. Hier steht deren prozessbezogene Messung und deren Erklärungsbeitrag zur erfolgreichen Bewältigung von Problemlöseaufgaben im Zentrum des Beitrags.

Die beiden Beiträge aus der gewerblich-technischen Domäne beziehen sich zum einen auf die Modellierung und Logfile-basierte Erfassung von Problemlösestrategien und zum anderen auf Diagnosestrategien - z.B. bei Störungen eines Fahrzeugs - von KfZ-Auszubildenden.

 

Beiträge des Symposiums

 

Zum Problemgehalt von Aufgaben beruflicher Abschlussprüfungen in kaufmännischen Berufen: Empirische Befunde der Aufgabenklassifikation

Susan Seeber1, Eveline Wuttke2, Carolin Greiwe1, Lütfiye Turhan2
1Georg-August-Universität Göttingen, 2Goethe-Universität Frankfurt

Ausgangslage und Theoretischer Hintergrund:

Die in den Projekten der Forschungsinitiative AS-COT entwickelten Instrumente und Messverfahren (für einen Überblick s. Beck, Landenberger & Oser, 2016) haben das Ziel verfolgt, realitätsnahe, komplexe Testformate zu entwickeln und Prob-lemlösekompetenzen zu testen. Die Befunde bei Auszubildenden am Ende der Ausbildungszeit haben gezeigt, dass zwischen curricularem Anspruch und Testleistungen eine erklärungsbedürfti-ge Lücke besteht, nur ein Teil der Probanden war in der Lage, komplexe Anforderungen zu bewäl-tigen (Seifried et al., 2016). Dieser Befund kann auf verschiedene Ursachen zurückgeführt wer-den; eine könnte darin liegen, dass die bestehende und vielfach kritisierte Prüfungspraxis, die immer noch überwiegend deklaratives Wissen statt komplexer beruflicher Handlungskompetenzen erfasst, nach wie vor einen „heimlichen Lehrplan“ darstellt und eine konsequente Umsetzung von anspruchsvollen curricularen Zielen in entsprechende Lernziele und Lernangebote nur dann sys-tematisch erreicht werden kann, wenn Curriculum, Instruktion und Assessment einer vergleichba-ren Komplexität folgen (Severing & Weiß, 2012). Ob die vielfältig geäußerte Kritik an den zentra-len Abschlussprüfungen berechtigt ist, wird im Beitrag exemplarisch für die Ausbildungsberufe Industriekaufmann/-kauffrau und Kaufmann/Kauffrau für Büromanagement untersucht.

Fragestellung:

Welchen Problemlösegehalt weisen die bislang in den Zwischen- und Abschlussprüfungen von Kaufleuten für Büromanagement (KBM) und Industriekaufleuten (IK) eingesetzten Aufgaben auf?

Methode:

Gegenstand der Analyse bilden die zugänglichen Zwischen- und Abschlussprüfungen der Jahr-gänge 2015/16 bis 2019, ausgewählte Prüfungstrainer und Lehrbücher sowie Leitfäden für Prü-fer/-innen. Im Beitrag fokussieren wir auf die Prüfungsaufgaben. Insgesamt wurden für die Indust-riekaufleute 997 Aufgaben, für die Kaufleute für Büromanagement 471 Aufgaben analysiert. Prü-fungsbereiche sind Geschäftsprozesse, kaufmännische Steuerung/Kontrolle sowie Wirtschafts- und Sozialkunde (Industriekaufleute) und informationstechnisches Büromanagement, Kundenbe-ziehungsprozesse und Wirtschafts- und Sozialkunde (Bürokaufleute).

Die Analyse erfolgte inhaltanalytisch mittels deduktiver Kategorienanwendung (Mayring, 2015). Das Kategoriensystem umfasst zwölf Kategorien, zehn beziehen sich auf die Problemhaltigkeit der Aufgaben, zwei auf Situationsmerkmale zur Analyse der Berufsrelevanz. Auf der Basis ein-schlägiger Merkmale (komplexer) Probleme (Funke, 2006) wurde bei der Klassifikation der Aufga-ben die Notwendigkeit der Analyse und Definition des Ausgangszustands und angestrebten Ziels, der Umfang der für die Generierung von Handlungsplänen abzugleichenden Informationen, die Relevanz der Informationen für die Aufgabenbearbeitung, Polytelie, kurz- und langfristige Auswir-kungen etwaiger Entscheidungen, die Offenheit der Lösung sowie die Notwendigkeit von Hand-lungskontrollen und Entscheidungsbegründung berücksichtigt. Situationsmerkmale zeigen auf, wie authentisch und berufsrelevant Aufgaben sind. Zu jeder Kategorie wurden Ratingskalen entwickelt und Ankerbeispiele aus dem Prüfungsmaterial identifiziert. 30% der Prüfungsaufgaben wurden doppelt kodiert, nach Anpassungen und Präzisierungen des Kodierleitfadens konnte bislang eine Intercoderreliabilität (Cohens Kappa) zwischen .59 und .99 erreicht werden.

Bisherige Ergebnisse:

Sowohl der Ist-Zustand (86 % bei den KBM; 85 % bei den IK) als auch das Ziel/die Ziele (99 % bei den KBM und fast 100 % bei den IK) sind in den Aufgabenstellungen nahezu immer genau vorgegeben. Informationen in Form von komplexen Anhängen müssen lediglich bei 2 % (KBM) bzw. 0,65 % der Aufgaben (IK) abgeglichen werden. Lediglich 6 % (KBM) bzw. 2 % (IK) der Auf-gaben erfordern strategisches Wissen, das sich auf das Unterbreiten von Vorschlägen und das Begründen dieser vor dem Hintergrund einer konkreten Anforderungssituation bezieht. Bei knapp 70 % (KBM) bzw. 75 % (IK) der Aufgaben ist keine eigenständige Lösungsentwicklung durch die Auszubildenden erforderlich. Zudem müssen in 98 % (KBM) bzw. 99 % (IK) der Aufgaben keiner-lei Neben- und Folgewirkungen von Entscheidungen bedacht werden. Der nach dem idealtypi-schen Problemlöseprozess notwendige Schritt der Handlungskontrolle ist ebenfalls kaum anzu-treffen, nur 5 % (KBM) bzw. 4,5 % (IK) der Aufgaben erfordern eine Begründung/eine Kontrolle der Handlung/des Ergebnisses. Im Hinblick auf die Situationsmerkmale kann festgestellt werden, dass alle Aufgaben einen klaren Berufsbezug aufweisen; die Authentizität der Aufgaben ist bei 25 % (KBM) bzw. 12 % (IK) gegeben.

Die bisherigen Befunde machen deutlich, dass die Prüfungsaufgaben nur wenig problemhaltig sind, vielmehr scheint es meist zu genügen, (auswendig) gelerntes Wissen wiederzugeben.

 

Zur Validität von Embedded Experience Sampling (EES) bei der Messung nicht-kognitiver Facetten domänenspezifischer Problemlösekompetenz

Andreas Rausch1, Kristina Kögler2, Jürgen Seifried1
1Universität Mannheim, 2Universität Hohenheim

Theoretischer Hintergrund

Problemlösekompetenz gilt als eine zentrale Zielvariable von Bildungsprozessen. Wenngleich Problemlösen als Zusammenspiel aus kognitiven, metakognitiven, emotionalen und motivationalen Prozessen verstanden wird (Dörner & Funke, 2017), beschränkt sich die Messung von Problemlösekompetenz in empirischen Studien häufig auf kognitive Facetten, d. h. auf die Reproduktion und Anwendung von Domänenwissen oder das Lösen domänenfreier Puzzle-Probleme. Im vorliegenden Beitrag wird der Ansatz des Embedded Experience Sampling (EES) als Methode zur Messung nicht-kognitiver Facetten der Problemlösekompetenz beschrieben und anhand mehrerer Studien auf ihre Validität überprüft (siehe Rausch, Kögler & Seifried, 2019).

Im Rahmen der ASCOT-Initiative des BMBF wurde ein Modell domänenspezischer Problemlösekompetenz entwickelt, das 13 Kompetenzfacetten umfasst, die vier Kompetenzkomponenten (1) Wissensanwendung (Kognition), (2) Handlungsregulation (Metakognition), (3) Selbstkonzept (Erwartungskomponente) und (4) Interessen (Wertkomponente) zugeordnet werden (Rausch & Wuttke, 2016; Rausch et al., 2016; Sembill et al., 2013). Die letztgenannten beiden Komponenten werden als nicht-kognitiv verstanden, auch wenn diese Trennung rein analytisch ist (Weinert, 1999). Sie spiegeln Erwartung-mal-Wert-Theorien der Motivation (Wigfield & Eccles, 2000) bzw. Kontroll-Wert-Theorien der Leistungsemotionen (Pekrun, 2006) wider und beinhalten Facetten wie das situationale Vertrauen in die eigenen Fähigkeiten, Ambiguitätstoleranz, die Aufrechterhaltung positiven Erlebens oder das Interesse an Lernchancen.

Die Messung nicht-kognitiver Kompetenzfacetten erfolgt i. d. R. fragmentarisch, d. h. losgelöst von der eigentlichen Leistung, meist in Form von Fragebögen zur allgemeinen Selbsteinschätzung (Sembill et al., 2013). Die situationsspezifische Problemlöseleistung und die globale Selbsteinschätzung weisen in Inhalt und Breite allerdings eine derartige Asymmetrie auf (siehe „Brunswik- Asymmetrie“, Wittmann & Süß, 1999 in Anlehnung an Brunswik, 1956), dass sich kaum empirische Zusammenhänge zwischen den Konstrukten zeigen. Embedded Experience Sampling (EES) ist eine Methode zur integrierten Messung nicht-kognitiver Kompetenzfacetten während der Leistungserbringung. Im Gegensatz zu klassischem Experience Sampling werden EES-Erhebungen in die ‚Storyline‘ der Problemszenarien eingebettet. EES-Ereignisse im Rahmen einer Büroarbeitssimulation ähneln dabei sozialen Interaktionen am Arbeitsplatz. Ein Kollege fragt bspw. nach, ob man sich zutraut, die aktuelle Aufgabe zu bewältigen (situationales Vertrauen in die eigenen Fähigkeiten). Ein geschlossenes Antwortformat erlaubt dabei den effizienten Einsatz in Large-Scale-Assessments.

Fragestellungen

Im vorliegenden Beitrag gehen wir den Fragen nach, wie Testteilnehmende EES erleben, ob soziale Erwünschtheit deren Antworten verzerrt und ob die interne Datenstruktur den theoretischen Annahmen entspricht (Multi-Trait-Multi-Method, MTMM und Kalibrierung eines Modells auf Basis der Item Response Theory, IRT). Zudem berichten wir ausgewählte Zusammenhänge mit anderen Konstrukten.

Methode

Im Rahmen eines Forschungsprojekts zur Entwicklung computerbasierter Kompetenzmessungen bei Industriekaufleuten wurde der EES-Ansatz entwickelt und in mehreren Studien implementiert: (1) Pilotstudie mit 77 angehenden Industriekaufleuten, (2) Validierungsstudie mit 21 angehenden Industriekaufleuten und (3) Hauptstudie mit 786 angehenden Kaufleuten (zur Kodierung der kognitiven Facetten siehe Rausch et al., 2016). In allen Studien arbeiteten die Teilnehmenden an domänenspezifischen Problemszenarien. Während der mindestens 30 Minuten Bearbeitungszeit pro Szenario traten bis zu vier EES-Ereignisse auf. Zusätzlich beantworteten die Teilnehmenden Fragebögen zu sozialer Erwünschtheit, ihrer Einschätzung der EES, ihrer Testmotivation und ihrem aktuellen Erleben während der Problembearbeitung (Continuous State Sampling, CSS) oder wurden im Nachgang zu ihrem Antwortverhalten interviewt.

Ergebnisse

In den retrospektiven Interviews zum Antwortverhalten bei den EES gaben die Teilnehmenden keine Hinweise auf soziale Erwünschtheit und berichteten zudem, dass die EES-Ereignisse interessant und realistisch seien. Zudem fanden sich keine Korrelationen mit dispositionalem Impression Management (sozialer Erwünschtheit), nur schwache Korrelationen mit situationalem Impression Management, aber erwartungsgemäß mittlere Korrelationen mit Testmotivation und dem aktuellen Erleben (CSS). MTMM-Analysen zeigten erwartungsgemäß stärkere Korrelationen zwischen gleichen Kompetenzfacetten über verschiedene Szenarien als zwischen unterschiedlichen Kompetenzfacetten innerhalb eines Szenarios. Korrelationen zwischen EES-basierten Kompetenzschätzern auf IRT-Basis und Daten aus üblichen retrospektiven Fragebögen korrelieren nur schwach. Alles in allem sprechen die Ergebnisse für die Validität des EES-Ansatzes zur Erfassung nicht-kognitiver Kompetenzfacetten. Weitere Studien zur externen Validität (bspw. Bezüge zum Erleben am Arbeitsplatz) sowie zur Validität in High-Stakes-Assessments wären hilfreich.

 

Diagnostisches Problemlösen in der Kfz-Domäne: Welche Strategien wenden Auszubildende unter welchen Bedingungen an und wie erfolgreich sind sie dabei?

Stephan Abele1, Matthias von Davier2
1TU Dresden, 2National Board of Medical Examiners, Philadelphia

Der Vortrag fokussiert Diagnosestrategien von Kfz-Auszubildenden und integriert Erkenntnisse technischer und medizinischer Domänen (z.B. Konradt 1995; Coderre et al. 2003). Diagnosestrategien sind in unterschiedlichen Berufen relevant: Kfz-Mechatroniker müssen die Ursachen von Störungen eines Fahrzeugs identifizieren, Lehrkräfte die Ursachen von Lernschwierigkeiten, Kauf-leute die Ursachen fehlerhafter Kalkulationen etc. Diagnosestrategien sind mentale Ressourcen, die benötigt werden, um diese Ursachen zu finden bzw. den diagnostischen Problemlöseprozess zu regulieren. Dieser Prozess erfordert es, problemrelevante Informationen mental zu repräsentie-ren, daran anknüpfend Ursachenhypothesen zu formulieren, diese Hypothesen zu prüfen und schließlich deren Gültigkeit zu evaluieren (Abele, 2018). Dafür sind aufeinander abgestimmte mentale Problemlöseaktivitäten und beobachtbares Problemlöseverhalten (z.B. elektrotechnische Messung) erforderlich und unterschiedliche Strategien anwendbar. Bei der computerbasierten Strategie werden zur Problemlösung externe Diagnoseanleitungen umgesetzt, die in einem com-puterbasierten Expertensystem verfügbar sind. Bei der fallbasierten Strategie werden frühere Di-agnosefälle auf ein aktuelles Diagnoseproblem angewandt. Diese Strategie beruht auf Musterer-kennung und wird v.a. bei Problemen genutzt, die in der Diagnosepraxis häufig vorkommen. Bei der modellbasierten Strategie werden mentale Modelle gebildet, die Ausschnitte relevanter Kfz-Systeme repräsentieren und eine systematische sowie relativ flexible Diagnose erlauben.

Fragestellung und Hypothesen

In der Studie wurden die beschriebenen Strategien erfasst und deren Anwendungsbedingungen und Erfolgsquoten untersucht. Es wurde vermutet, dass alle drei Diagnosestrategien bei der Bearbeitung von leichten und schwierigen Diagnoseproblemen vorkommen, die modellbasierte Stra-tegie allerdings im Vergleich zu den anderen Strategien seltener angewandt wird (H1). Der Grund hierfür wird im kognitiven Aufwand der Strategien gesehen, der bei der modellbasierten Strategie aufgrund mentaler Modellbildung vergleichsweise hoch ist. Erwartet wurde ferner, dass die mo-dellbasierte Strategie bei schwierigen Diagnoseproblemen trotz dieses Mehraufwandes häufiger auftritt als bei leichten Diagnoseproblemen (H2). Die fallbasierte und computerbasierte Strategie sind wenig flexibel und bei schwierigen Fällen oft nicht erfolgreich (Abele & von Davier, 2019), weshalb bei schwierigen Fällen mehr Auszubildende die modellbasierte Strategie verwenden sollten. Schließ-lich wird angenommen, dass die Erfolgsquoten der drei Strategien bei leichten Diagnoseproble-men ähnlich hoch sind (H3a), bei schwierigen Problemen die modellbasierte Strategie dagegen besonders erfolgreich ist (H3b).

Methode

Zur Hypothesenprüfung wurden Kfz-Auszubildende des dritten Ausbildungsjahrs getestet (N=370). Den Auszubildenden wurden zwei unterschiedlich schwierige Diagnoseprobleme mit ähnlichem Symptommuster vorgegeben. Basierend auf theoretischen Analysen wurde unterstellt, dass sich die Strategien in idiosynkratrischen beobachtbaren Problemlöseverhaltensmustern ma-nifestieren. Diese Verhaltensmuster wurden a priori theoretisch bestimmt. Das individuelle Prob-lemlöseverhalten wurde in Logfiles mit einer authentischen Kfz-Computersimulation erfasst (Abele & von Davier, 2019). Zur Strategieerfassung wurden die Verhaltensmuster mit verschiedenen psycho-metrischen Modellen (u.a. diagnostische Klassifikationsmodelle) analysiert (ebd.). Der Problemlöseerfolg wurde durch die Auswertung schriftlicher Probandendokumentationen er-mittelt (Interrater-Reliabilität: κ > 0,92).

Ergebnisse

Mithilfe der psychometrischen Analysen wurden Klassen identifiziert, die sich im Sinne der drei Strategien interpretieren lassen. Im Einklang mit H1 wurde beobachtet, dass alle Strategien an-gewandt wurden und die modellbasierte Strategie beim leichten Diagnoseproblem seltener auftrat als die anderen Strategien. Beim schwierigen Diagnoseproblem war die modellbasierte Strategie häufiger zu beobachten als beim leichten Problem (H2). Die Erfolgsquoten der Strategien waren beim leichten Diagnoseproblem durchgängig hoch, entgegen H3a war die computerbasierte Stra-tegie aber weniger erfolgreich als die anderen Strategien. Beim schwierigen Diagnoseproblem war die modellbasierte Strategie außerordentlich erfolgreich, die beiden anderen Strategien dagegen nur selten (H3b). Die Ergebnisse legen u.a. nahe, in der Ausbildung unterschiedliche Problemlö-sestrategien sowie deren flexiblen Einsatz zu fördern und dabei auf Bedingungen einzugehen, unter denen die Strategien anwendbar und erfolgreich sind. Beleuchtet werden in der abschlie-ßenden Diskussion ferner die Belastbarkeit der Ergebnisse sowie die Generalisierbarkeit der Stra-tegien auf andere Diagnosefälle und Domänen.

 

Analyse von Fehlerdiagnoseprozessen auf Basis von Logdaten- und papierbasierten Protokollen im Beruf des Elektroniker*in für Automatisierungstechnik

Felix Walker
TU Kaiserslautern

Theoretischer Hintergrund

Die Fehlerdiagnose stellt national als auch international im Beruf des EA ein hochrelevantes Tä-tigkeitsfeld dar (Nickolaus & Geißel, 2009; Zinke, Schenk & Kröll, 2014). Auszubildende sind auf-gefordert Symptom-Ursachen-Zusammenhänge zu erkennen und zur Störungsanalyse Strategien der systematischen Fehlersuche und -beseitigung anzuwenden (KMK, 2003, S. 29). Dem gegenüber stehen erste Ergebnisse zur Fehlerdiagnose, die aufzeigen, dass EA Schwierigkeiten haben die Fehlerursache korrekt zu identifizieren, womit folglich die curriculare Forderungen empirisch nicht eingelöst werden (Walker u.a., 2015). Ursachenanalysen für das Abschneiden bei der Fehlerdiagnose liegen bislang nicht vor, was insbesondere aus fachdidaktischer Perspektive (z.B. mit Blick auf Förderansätze) unbefriedigend erscheint.

Das bestehende Forschungsdefizit aufgreifend, wird ein Ansatz zur Diagnoseprozesserfassung präsentiert, der die Fehlerdiagnose in Anlehnung an arbeits- und kognitionspsychologische (Schaper & Sonntag, 1997a; Schaper & Sonntag, 1997b) sowie fachdidaktische (Benda, 2008) Arbeiten als Handeln in Suchräumen (Klahr & Dunbar, 1988) begreift. Dieser Ansatz ermöglicht eine theoriegeleitete Zuordnung von Diagnosehandlungen zu Suchräumen und dahinterliegenden Strategien, wobei, dem Stand der Forschung entsprechend (Konradt, 1995; Hoc, 2000), zwei Strategien für die Fehlerdiagnose besonders relevant sein dürften. Die symptomatische Strategie, welche an die Mustererkennungstheorie anschließt und auf der Anwendung von „vorgefertigten“ Wissensstrukturen, z.B. bekannte Fehlerdiagnoseskripts beruht und die topographische Strategie, bei der die zielführende Informationsverarbeitung und mentale Modellbildung zentral ist.

Liegen für die wirtschaftspädagogische Domäne (Rausch u.a., 2017) und den Kfz-Mechatroniker (Abele, 2018) bereits erste Ursachenanalysen vor, ist dies für den Elektroniker für Automatisie-rungstechnik nicht der Fall.

Fragestellung und Methode

Dieses Defizit greift der Beitrag auf und untersucht a) inwieweit sich die o.g. Strategien und ggf. Mischformen beim Diagnoseprozess identifizieren lassen, und b) welcher Zusammenhang zwi-schen Diagnoseprozess und Diagnoseergebnis besteht.

Methode

Hierfür kommen zwei Stichproben und diagnostische Zugänge zum Einsatz. Zunächst wird auf schriftliche Protokolle zurückgegriffen, in denen die Auszubildenden aufgefordert waren, parallel zur Fehlerbearbeitung den Diagnoseprozess und abschließend das Diagnoseergebnis zu doku-mentieren. Die untersuchten Auszubildenden (n=318) befanden sich im 3. Ausbildungsjahr und bearbeiteten drei Fehlerfälle mit einer ökologisch validen Computersimulation. Anschließend wer-den logfile Analysen einer weiteren Stichprobe von Auszubildenden (n=89) untersucht welche dieselben drei Fehlerfälle an der Computersimulation bearbeiteten. Die Datenauswertung erfolgt mit Hilfe von Clusteranalysen mittels Casdade Simple k-means Algorithmus (Calinski & Harabasz, 1974) in WEKA 3.7 und Classification via Clustering (Hall u.a., 2009).

Ergebnisse

Die Analyse der schriftlichen Protokolle ergab über die Fehler hinweg drei Clusterlösungen, die neben dem symptomatischen und topographische auch Mischtypen identifizierte. Bezogen auf den Fehlerdiagnoseerfolg zeigten sich erwartungskonform bei Anwendung einer topographischen Strategie sowie einem Strategiewechsel (symptomatisch dann topographisch) hohe und bei rein symptomatischen Strategieanwendung eine geringe Erfolgswahrscheinlichkeit.

Die Log file Analysen sind momentan noch nicht vollständig abgeschlossen, werden es aber bis zur Konferenz sein. In einer vorläufigen, auf einem Fehlerfall beruhenden Analyse lassen sich dieselben Cluster identifizieren wie in den schriftlichen Protokollen. Vertiefenden Log file Analysen sowie die Grenzen des theoretischen Ansatzes und des diagnostischen Zuganges werden abschließend diskutiert.