Socioeconomic status (SES) accounts for up to one-third of inequality in education (Martins & Veiga, 2010); the influence is particularly strong in Germany (Baumert & Schümer, 2001; Müller & Ehmke, 2015). Coming from a family with low SES is considered a risk for educational achievement (Sirin, 2005) because SES is strongly associated with various cognitive (e.g., attention, Hoyer et al., 2023) and non-cognitive variables (e.g., self-concept, Gujare & Tiwari, 2016) related to school success. These variables need to be considered to understand and address the issue of educational achievement as a function of SES by providing students with tailored instructional support.

Therefore, we examined prototypical profiles of low-SES students to investigate their different prerequisites. Next, we investigated which instructional scaffolds help them best in the context of mathematics since the performance gap between low- and high-SES students is especially pronounced in this subject (Ditton & Maaz, 2011; Hentges et al., 2019; Lubienski, 2002).

321 German 6th-grade students (academic track school: n = 190, non-academic track school: n = 131) participated in our intervention study. They were assigned to an intervention or control condition and worked through an e-textbook with four blocks of increasingly complex content in fractions. As intervention, they received different instructional scaffolds: adaptive task difficulty, process feedback, or animations. Everyone had to complete a pre- and post-knowledge test and work on test instruments to assess individual cognitive and affective variables.

We employed latent profile analyses (LPA) to identify distinct profiles based on nine cognitive and affective indicators and determine whether there are profiles that are systematically more likely to occur in low-SES students. Three profiles were identified: inattentive unfavorable, attentive unfavorable, and favorable. Low-SES students are more likely to be associated with the two unfavorable profiles, characterized by lower scores in attention, visuo-spatial abilities, general reasoning skills, math knowledge (pretest), interest, cognitive and behavioral engagement, self-concept, and higher scores in math anxiety and excessive demand. Both profiles are similar except for the attention scores. Secondly, we fitted a linear mixed model with profile affiliation, condition, and school type as fixed effects and class as random effect. Results indicated that students in the two unfavorable profiles answered the post-test less accurately than their peers. A significant interaction effect revealed that students in the inattentive unfavorable profile benefitted significantly from the adaptive task difficulty. Moreover, the school type played a relevant role: Students at the non-academic track schools performed worse than their peers at academic track schools and benefited notably from adaptive task difficulty.

The LPA shows the complex relationships between SES and cognitive and affective variables without presenting low-SES students through a deficit-based lens (Gorski, 2011; McKay & Devlin, 2016). Instead, results build a basis for deriving support measures. Low SES may be at the root of many educational difficulties (Tomul & Savasci, 2012), but understanding the interrelationships allows for intervention: Appropriate instructional support might mitigate or even compensate for the adverse effect of specific aptitudes and characteristics (Dietrichson et al., 2017). The finding that students in the two unfavorable profiles and students from non-academic track schools benefit from adaptive task difficulty is essential for designing math instruction that meets students where they are and shifts away from the "one fits all" model (Ohanian, 1999). Furthermore, the results point to the strong influence of school types. This raises, once more, the question of whether tracking after elementary school acts as a catalyst for educational inequity.

Summarized, the study highlights the need for a technology-supported adaptive approach for low-SES students, addressing their aptitudes (e.g., Arroyo et al., 2014; Stebler & Reusser, 2017) and promoting educational participation through appropriate instructional scaffolds.

Theoretischer Hintergrund: Beim forschenden Lernen handelt sich um einen selbstregulierten, offenen Lernansatz. Dies kann für unerfahrene Lernende kognitiv überwältigend sein (Kirschner, Sweller, & Clark, 2006). Daher sollten die Lernenden unterstützt werden (Furtak, 2006; Hmelo-Silver et al., 2007). Eine Meta-Analyse zeigt, dass Lernunterstützung eine wichtige Rolle beim forschenden Lernen spielt (Lazonder & Harmsen, 2016). Wie diese Unterstützung optimal aussehen sollte, ist Gegenstand aktueller Forschung (Rönnebeck et al., 2016). Eine Möglichkeit der individuellen Unterstützung sind gestufte Lernhilfen (Hänze, Schmidt-Weigand, & Stäudel, 2010). Sie bestehen aus mehreren Teilen und unterstützen die Lernenden auf unterschiedlichen Ebenen. In einer Studie zeigte sich, dass sie den Kompetenzerwerb beim Forschenden Lernen fördern und den Cognitive Load reduzieren können (Arnold, Kremer & Mayer, 2017). Jedoch hat sich auch gezeigt, dass sich der objektive Bedarf nicht mit der Hilfenwahl und -Nutzung deckt (Arnold, 2015). Dies kann darin begründet liegen, dass sich der objektive Bedarf nicht mit der subjektiven Einschätzung der Lernenden deckt.

Forschungsfrage: Daher wird in diesem Beitrag die Rolle des Fähigkeitsselbstkonzepts (FSK) bei der Wahl und Nutzung von gestuften Lernhilfen untersucht. Das FSK ist die subjektive Einschätzung der eigenen Fähigkeit (Stiensmeier-Pelster & Schöne, 2008). Es liegt anderen motivationalen Faktoren (z.B. Zielorientierungen und Kausalattributionen; Köller & Schiefele, 1998) zugrunde. Entsprechend beeinflusst das FSK das Hilfen-Nutzungs-Verhalten im selbstregulierten Lernen (Stiensmeier-Pelster & Schwinger, 2007).

Methode: Die gestuften Lernhilfen lagen in einem digitalen Lerntool zur Förderung der Experimentierkompetenzen vor. Den Lernenden standen unterstützend Hinweise, Beispiellösungen (instrumentelle Hilfen) und Lösungen (exekutive Hilfen) zur Verfügung. Vor und nach der Bearbeitung der Lernaufgaben bearbeiteten die Lernenden zwei Kompetenztests (Arnold, Kremer & Mayer, 2017; Arnold et al., 2018). Ausserdem wurden das FSK (Schöne et al., 2012), das Geschlecht, sowie die Anzahl und Art der genutzten Lernhilfen und die jeweilige Verweildauer (Log-Daten) erfasst. Die Lernenden wurden nach Gründen der Hilfenwahl, der Verständlichkeit und der Nützlichkeit der Hilfen befragt. Die Daten beziehen sich auf N = 422 (n_weiblich = 256, n_männlich = 161, n_divers = 5) Teilnehmende.

Ergebnisse: Das Fähigkeitsselbstkonzept in Bezug auf das Planen von Experimenten M = 1.85 (SD = 0.81) liegt unterhalb des Mittelwerts der Skala (M = 2.5). Männliche Probanden, berichten ein signifikant höheres FSK (M = 2.07, SD = 0.77) als weibliche (M = 1.70, SD = 0.80), t(395) = -4.618, p < .000; r = -.48. In Bezug auf den Zusammenhang zwischen FSK und Kompetenz fällt auf, dass sowohl im Pretest (r = .219, p < .000) als auch im Posttest (r = .306, p < .000) im mittleren Bereich liegt. Ferner zeigt sich, dass Lernende mit höherem FSK auch einen höheren Lernzuwachs haben (r = .154, p = .002).

Bei der Analyse der Hilfennutzung fällt auf, dass Lernende mit höherem FSK weniger Hilfen in Anspruch nehmen (r = -.113, p = .023) und insgesamt weniger Zeit bei den Hilfen verweilen (r = -.137, p < .006). Schaut man sich die Verweildauer pro Hilfe an, gibt es keinen Zusammenhang mehr zum FSK. Bei der Hilfenwahl fällt auf, dass das FSK keinen Zusammenhang mit der Nutzung von Beispielen oder Hinweisen hat. Jedoch nutzen Lernende mit höherem FSK weniger Lösungen (r = -.149, p < .003). Dieser Effekt ist zwar eher klein, lässt sich aber dadurch erklären, dass Lernende mit höherem FSK eher zu instrumentellen Hilfen tendieren.

Betrachtet man die tatsächliche Passung der Hilfen zu dem angegebenen Grund der Hilfenwahl, ist ebenfalls kein Zusammenhang zum FSK zu erkennen. Während Lernende mit höherem FSK die Hilfen als verständlicher einschätzen (r = .201, p < .000, N = 359), finden sie sie in ihrer Wahl nicht passender oder nützlicher als Lernende mit geringerem FSK.

Derzeit arbeiten wir an einem Strukturgleichunsgmodell zur Darstellung der Rolle des FSK.

Bayesianische Problemstellungen und deren Lösungen zeigen diverse Herausforderungen: Relevante numerische Informationen müssen gefunden, klassifiziert, in mathematische Formeln transformiert und mentale Darstellungen ausgebildet werden.

Eine Erleichterung durch die Angabe numerischer Informationen im Häufigkeitsformat ist gut belegt (Brase, 2021). Viele Studien bestätigen eine Unterstützung durch gegebene Visualisierungen. Besonders effektive Abbildungen stellen die Einflussgröße der genesteten Struktur dar, beispielsweise die Vierfeldertafel oder das Einheitsquadrat (Eichler et al., 2020). Die Vierfeldertafel zeigt durch Strukturierung der Daten eine elegante, unterstützende Möglichkeit (Binder et al., 2015). Das Einheitsquadrat bietet zusätzliche bildhafte Komponenten durch zu den Zahlen proportionale Flächen und hilft der Visualisierung bei der Transformation von Bedingungen in mathematische Formeln (Vogel et al., 2019). Dynamisches Verschieben von Flächenverhältnissen fördert intuitives Denken und kognitive Barrieren, welche das Lösen Bayesianischer Probleme erschweren, werden abgebaut (Böcherer-Linder et al., 2018; Eichler & Vogel, 2013).

Visualisierungen bieten eine Unterstützungsmöglichkeit, für die neben mentaler Verknüpfung der Aufbau kohärenter mentaler Repräsentation erforderlich ist (Kohärenzbildung, Seufert, 2003). Diese ist vielschichtig mit verschiedenen Ansätzen hierzu (vgl. Seufert & Brünken, 2006). Studien zeigen positive Effekte durch das Finden zusammenhängender Elemente (Schnaubert & Bodemer, 2017), beispielsweise unterstützend durch Farbgebung einzelner Elemente oder explizites Erklären der Beziehungen zwischen Repräsentationen (Vogt et al., 2020; Seufert, 2003). Die Kombination von Hervorhebung und Hilfe auf tieferer Ebene ist besonders hilfreich für den Lernerfolg und die Verringerung kognitiver Belastung (Seufert & Brünken, 2006).

Der vorliegende Beitrag untersucht die Unterstützung beim Lösen Bayesianischer Aufgaben anhand drei unterschiedlicher Visualisierungen Formel (von Bayes), Vierfeldertafel und Einheitsquadrat, sowie die notwendigen kognitiven Prozesse. Ziel der Studie ist die Untersuchung der Auswirkungen unterstützender Ansätze für die Performanz und die erlebte passive und aktive kognitive Belastung (Klepsch & Seufert, 2021).

Durch oben genannte Eigenschaften der Visualisierungen ergibt sich für die Performanz die Vermutung für folgende Reihenfolge der verwendeten Visualisierungen:
Formel < Vierfeldertafel < Einheitsquadrat (Hypothese 1).

Die räumliche Struktur der Vierfeldertafel und eine daraus resultierende bessere Übereinstimmung der äußeren und inneren Darstellung impliziert eine geringere passive kognitive Belastung im Vergleich zur Formel. Durch die bildliche Komponente im Einheitsquadrat ist eine weitere Verringerung der kognitiven Belastung anzunehmen:
Einheitsquadrat < Vierfeldertafel < Formel (Hypothese 2).

Demnach ergibt sich für die aktive kognitive Belastung das entgegengesetzte Muster:
Formel < Vierfeldertafel < Einheitsquadrat (Hypothese 3).

Es wurden insgesamt N = 30 Studierende der Psychologie befragt. Das Durchschnittsalter beträgt M = 22.17 (SD = 1.53, 83,3% weiblich). Die Befragungen erfolgten über die online-Plattform „Zoom“. Nach kurzer Einführung wurde das Vorwissen in Form einer bayesianischen Aufgabe ohne Hilfsmittel erfasst. Darauffolgend wurden die Teilnehmenden mittels standardisierter Prompts angeleitet, eigenständig eine Vierfeldertafel und ein Einheitsquadrat zu erstellen. Ein Erklärvideo rundete den instruktiven Teil ab. Sechs Bayesianische Textaufgaben mit jeweils einer der drei Visualisierungen und Abfrage über die aktive und passive Belastung folgten.

Erste Ergebnisse zeigen deutliche Unterschiede bezüglich der drei Visualisierungen (𝑀_Formel=.733, 𝑆𝐷_Formel=.365; 𝑀_{Vierfeldertafel}=.917, 𝑆𝐷_{Vierfeldertafel}=.201; 𝑀_{Einheitsquadrat}=.967, 𝑆𝐷_{Einheitsquadrat}=.086). Eine ANOVA zeigte signifikante Unterschiede (𝐹(2,58)=7.756, 𝑝<.001, 𝜂_𝑝²= .221). Kontrastanalysen zeigten deutlich einen signifikanten Unterschied sowohl zwischen Einheitsquadrat und Formel (𝐹(1,29)=11.866, 𝑝<.002, 𝜂_𝑝²=.290) als auch Vierfeldertafel und Formel (𝐹(1,29)=5.858, 𝑝=.022, 𝜂_𝑝²=.168).

Konträr zu zuvor getroffenen Annahmen war die passive kognitive Belastung beim Einheitsquadrat (𝑀=2,70, 𝑆𝐷=0,906) etwas höher als bei der Vierfeldertafel (𝑀=2.58, 𝑆𝐷=.891). Eine ANOVA zeigte signifikante Unterschiede (𝐹(2,58)=30,491, 𝑝<.001, 𝜂_𝑝²=0,513). In den Kontrastanalysen zeigten sich signifikante Effekte für den linearen Trend (𝐹(1,29)=38.872, 𝑝<.001, 𝜂_𝑝²=.573) und eine Bonferroni-korrigierte post-hoc Analyse ergab eine höhere passive Belastung bei der Formel von Bayes als bei der Vierfeldertafel (p<.001; M_Diff=1.167, 95% - 𝐶𝐼[. 726, 1.607]) und beim Einheitsquadrat (p<.001; M_Diff=1.050, 95% - 𝐶𝐼[. 622, 1.478]).

Die aktive kognitive Belastung war durchgängig sehr hoch, wies jedoch keine signifikanten Unterschiede bezüglich der drei Visualisierungen auf.

Kollaboratives Problemlösen ist in Bildung und Beruf bedeutsam (z.B. Zehner et al., 2017). Im Bereich der Kfz-Mechatronik erhöhen die zunehmende technische Komplexität und eine häufig dezentrale Informationsverteilung die Anforderungen und die Relevanz kollaborativer diagnostischer Problemlösung. Kollaboratives diagnostisches Problemlösen beschreibt die gemeinsame Anstrengung von mindestens zwei Personen, den aktuellen Zustand eines Systems (z. B. eines Kraftfahrzeugs) zu analysieren und die Ursache einer vorliegenden Störung zu identifizieren (Radkowitsch et al., 2022). Die Verbindung kollaborativer, d.h. interaktiver, und diagnostischer (inhaltlicher) Aktivitäten stellt dabei für Diagnostiker/innen eine doppelte kognitive Belastung dar (Kirschner et al., 2018). Aktuelle Forschungsergebnisse zeigen, dass Kfz-Mechatroniker/innen am Ende ihrer Ausbildung u.a. Schwierigkeiten haben für die Kollaboration relevante Inhalte zu identifizieren (Radkowitsch et al., eingereicht). Lösungsbeispiele können helfen Lern- und Problemlöseprozesse zu strukturieren und kognitive Belastung zu reduzieren (Renkl, 2014). Als weitgehend gesichert gilt, dass Selbsterklärungsaufgaben die Wirksamkeit von Lösungsbeispielen erhöht (Renkl & Eitel, 2019). Unklar ist, ob positive Effekte von Lösungsbeispielen bei kombinierter Förderung diagnostischer und kollaborativer Aktivitäten auftreten und wie stark Selbstklärungsaufgaben angeleitet sein müssen, um Lösungsbeispiele effektiv zu unterstützen. Im Beitrag untersuchen wir in einer Interventionsstudie die Auswirkungen des Einsatzes von Lösungsbeispielen mit unterschiedlich stark angeleiteten Selbstklärungsaufgaben auf den Austausch relevanter Inhalte, auf die Verteilung diagnostischer und kollaborativer Aktivitäten, auf den Diagnoseerfolg (diagnostische Genauigkeit) und auf die kognitive Belastung.

Wir untersuchten 77 Dyaden von Auszubildenden der Kfz-Mechatronik in einem Prä-Post-Kontrollgruppendesign mit Messwiederholung. Die Intervention beinhaltete eine für alle Teilnehmenden identische Strategieinstruktion und eine gruppenspezifische Trainingsphase. Die Strategieinstruktion umfasste die Erläuterung erfolgsversprechender Verhaltensweisen während der kollaborativen Störungsdiagnose. In der Trainingsphase erprobten die zwei Experimentalgruppen die gelernten Verhaltensweisen an zwei Lösungsbeispielen, die eine Chatkommunikation zu kollaborativen Kfz-Störungsdiagnosefällen darstellten. Die beiden Experimentalgruppen erhielten unterschiedlich stark angeleitete Selbsterklärungsaufgaben, die entweder zur Erklärung spezifischer Aktivitäten in den Lösungsbeispielen (27 Dyaden) oder zu einer wenig spezifischen Erklärung zum Gelingen oder Nichtgelingen der Kommunikation im Lösungsbeispiel aufforderten (24 Dyaden). Nach Bearbeitung erhielten beide Gruppen eine Musterlösung. Die Kontrollgruppe (26 Dyaden) erprobte die Strategie an zwei Kfz-Störungsdiagnosefällen in einer Kfz-Computersimulation (Gschwendtner et al., 2009), ohne Lösungsbeispiele oder Selbsterklärungsaufgaben. In der Kfz-Computersimulation, die auch für Prä- und Posttest verwendet wurde, übernahmen die Dyaden unterschiedliche Rollen (Werkstatt; Servicehotline) und tauschten sich über Textchats aus. Wir codierten ausgetauschte Textchats der Dyaden hinsichtlich des Auftretens relevanter Inhalte, diagnostischer und kollaborativer Aktivitäten. Die diagnostische Genauigkeit bewerteten wir anhand der Dyaden-Antworten auf einer Skala von „0“ (Inkorrekte Diagnose) bis „4“ (Vollständig korrekte Diagnose). Zur Erfassung der kognitiven Belastung setzten wir eine kontextangepasste Selbsteinschätzungsskala ein (Klepsch & Seufert, 2020). Die Analysen umfassten Varianzanalysen bzw. nicht-parametrische Alternativverfahren.

Alle Gruppen tauschten im Posttest signifikant mehr relevante Inhalte in den Dyaden aus als im Prätest (F(1,74) = 21,27, p =<.001, η²= .22). Der Effekt war signifikant größer, wenn Lösungsbeispiele verwendet wurden (F(2,74) = 3,82, p = .026, η²= .09), dabei machte es keinen Unterschied, ob stark oder schwach angeleitete Selbstklärungsaufgaben bearbeitet wurden (p = .732). Die Aktivitäten entwickelten sich in den Gruppen vergleichbar und blieben nah am Ausgangsniveau. Bezüglich der diagnostischen Genauigkeit zeigten sich keine signifikanten Veränderungen (V = 278, p = .190, r = .15) und keine signifikanten Gruppenunterschiede (p = .142). Teilnehmende der Kontrollgruppe berichteten eine signifikant höhere kognitive Belastung als Teilnehmende der Experimentalgruppen (F(2,151) = 4,05, p = .019, η²= .05).

Zusammenfassend zeigt sich, dass Lösungsbeispiele und Selbsterklärungsaufgaben den Lernprozess zum kollaborativen diagnostischen Problemlösen unterstützen können. Insbesondere scheinen sie den korrekten Austausch relevanter Inhalte in den Dyaden zu fördern, was eine besondere Herausforderung für Auszubildende darstellt und erfolgsrelevant zu sein scheint (Radkowitsch et al., eingereicht). Wir vermuten, dass ein gesteigerter Fokus auf relevante Inhalte, langfristige Auswirkungen auf die Aktivitäten und die diagnostische Genauigkeit der Auszubildenden haben kann, hierfür jedoch weitere Übungsmöglichkeiten erforderlich sind.

Einleitung

Seit einiger Zeit wird im Fach Sport der Frage nachgegangen, wie die Unterrichtsqualitätsdimension der kognitiven Aktivierung im Fach Sport ausgedeutet werden kann (u. a. Herrmann & Gerlach, 2020). Engelhardt et al. (2023) plädieren diesbezüglich für eine konstruktäquivalente Übertragung aus der empirischen Bildungsforschung in das Fach Sport, wonach die vertiefte mentale Auseinandersetzung mit dem Lerngegenstand im Vordergrund steht (Lipowsky, 2020). In einem Scoping Review konnten Engelhardt et al. (2023) aus empirischen Studien insgesamt fünf Zielkategorien kognitiver Aktivierung im Sportunterricht herausstellen: (gesundheitsbezogenes) Wissen, motorische Fertigkeiten, Spielverständnis und -fähigkeit, Reflexionsfähigkeit und Motivation. Bislang ist allerdings wenig über die Wirksamkeit eines kognitiv aktivierenden Sportunterrichts bekannt. Vor diesem Hintergrund folgt der vorliegende Beitrag der Frage, wie wirksam Interventionen zu einem kognitiv aktivierenden Sportunterricht hinsichtlich der Zielkategorien sind.

Methode

Um die aktuelle Forschungslage im deutsch- sowie englischsprachigen Raum zu erfassen, wurde ein systematischer Review durchgeführt (Page et al., 2021). Recherchiert wurde in nationalen sowie internationalen Datenbanken (BISp-Surf (SPOLIT), SPORTDiscus, FIS-Bildung, ERIC, Web of Science, Scopus) im Zeitraum von 2000-2022. Dabei kam ein breites Spektrum an deutsch- und englischsprachigen Suchbegriffen zum Einsatz, das die Idee der kognitiven Aktivierung abbilden sollte (z. B. Aufgabenkultur, Reflexion, instructional support, cognitive engagement). Titel-, Abstract- und Volltext-Screening (anhand definierter Ein- und Ausschlusskriterien: u. a. Prä-Post-Design) sowie die Datenextraktion und das Risk-of-Bias Assessment (Higgins et al., 2011) erfolgten durch zwei unabhängige Gutachtende. Zur Bewertung der studienübergreifenden Wirksamkeit wurde mit allen Studien im Kontrollgruppendesign eine Metaanalyse (Review Manager 5.4) durchgeführt.

Ergebnisse

Die Datenbanksuche lieferte 5639 Treffer. Nach Entfernen der Duplikate wurden insgesamt 3173 Treffer in den weiteren Reviewprozess einbezogen (Cohens Kappa: 0.74–0.93). 32 Interventionsstudien konnten nach Abschluss des Screening-Prozesses eingeschlossen werden. Die überwiegende Mehrheit der Studien stammte aus den USA und aus Spanien; zwei Studien wurden in Deutschland durchgeführt. Insgesamt zeigt sich ein heterogenes Bild hinsichtlich der Studiendesigns und der eingesetzten Erhebungsverfahren (z.B. in Bezug auf Inhalt und Testgüte). Lediglich die Hälfte der Studien (n=14) folgt einem Kontrollgruppendesign. Die Interventionsprogramme orientieren sich mehrheitlich an methodischen Ansätzen wie dem „Teaching Games for Understanding“ zur Förderung von Spielverständnis und Spielfähigkeit oder dem 5-E-Learning-Cycle zum Erwerb gesundheitsbezogenen Wissens. In den Studien lassen sich empirische Nachweise zu Lerngewinnen in vier der fünf Zielkategorien identifizieren: (gesundheitsbezogenes) Wissen (g=0.54), motorische Fertigkeiten (g=0.56), Spielverständnis und -fähigkeit (g=0.48) sowie Motivation (g=0.39). Die Zielkategorie Reflexionsfähigkeit wurde in keiner der Interventionsstudien empirisch erfasst.

Diskussion

Der deutschsprachige Diskurs um kognitive Aktivierung kann über internationale Befunde zur Wirksamkeit äquivalenter Ansätze bereichert und fundiert werden. In Ergänzung zu den Annahmen von Richartz und Kohake (2021) zeigt sich ein kognitiv aktivierender Sportunterricht dabei nicht nur wirksam im Bereich des verständnis- und bewertungsbezogenen Lernens, sondern auch hinsichtlich motorischer sowie spieltaktischer Zielkategorien. Dass Reflexionsfähigkeit als Zielkategorie bislang in Interventionsstudien nicht als Outcome untersucht wird, markiert jedoch ein relevantes Desiderat, insbesondere vor dem Hintergrund des sportunterrichtlichen Bildungsauftrags einer Handlungsfähigkeit im Sport. Hierzu bedarf es künftig der Entwicklung geeigneter Testinstrumente. Im Vergleich zu anderen systematischen Reviews (u. a. Carl et al., 2022) zeigen sich zudem Limitationen hinsichtlich des Umfangs der Datenlage. Vor dem Hintergrund eines noch jungen empirischen Diskurses um einen kognitiv aktivierenden Sportunterricht und der geringen Anzahl an Studien mit Kontrollgruppendesign, bedarf es weiterer Studien, um die Robustheit der metaanalytischen Befunde zu stärken.

Theoretischer Hintergrund

Medienbildung wird als fächerübergreifender Bildungsauftrag verstanden (KMK, 2017) und betrifft demnach alle Unterrichtsfächer – auch den Sportunterricht. Hier spielt Medienbildung oftmals (noch) eine untergeordnete Rolle. Aktuelle Studien zeigen, dass insbesondere intraindividuelle Faktoren den Einsatz digitaler Medien im Sportunterricht beeinflussen. So wird Einstellungen von Sportlehrkräften zu digitalen Medien eine relevante Rolle zugeschrieben (Gibbone, Rukavina & Silverman, 2009). Die internationale Forschungslage zur Frage, welche Einstellungen Sportlehrkräfte und Sportlehramtsstudierende zu digitalen Medien haben, ist schwer zu überblicken und wurde bislang nicht systematisch aufgearbeitet. Dies erschwert es, Bedarfe für weitere Forschung in diesem Bereich zu identifizieren und Evidenz zu generieren, auf deren Grundlage Maßnahmen für die Lehramtsausbildung oder auch mögliche Fortbildungsangebote für Sportlehrkräfte abgeleitet werden können.

Fragestellung

Im Rahmen des Vortrags wird diesem Desiderat nachgegangen, indem folgende Fragestellungen thematisiert werden:

1. Auf welche Stichproben und Untersuchungsdesigns wird in Studien zu Einstellungen von Sportlehrkräften und Sportlehramtsstudierenden zurückgegriffen, die nach 2006 durchgeführt wurden?
2. Welche thematischen Forschungsschwerpunkte lassen sich in den Studien zu Einstellungen von Sportlehrkräften und Sportlehramtsstudierenden zu digitalen Medien identifizieren?
3. Zu welchen Ergebnissen kommen die Studien in Bezug auf die Einstellungen von Sportlehrkräften und Sportlehramtsstudierenden?

Methode

Das methodische Vorgehen orientiert sich am PRISMA-Flow-Diagramm (Page et al., 2021). Um bisherige Studien zu Einstellungen von Sportlehrkräften zu digitalen Medien im Sportunterricht systematisch zu analysieren, wurde zunächst eine systematische Literaturanalyse deutsch- und englischsprachiger Studien der letzten 17 Jahre erstellt. Der Beginn des Zeitraums wurde auf 2006 datiert, da eine manuelle Recherche ergeben hat, dass in diesem Jahr erste für dieses Gebiet relevante Studien veröffentlicht wurden. Die Literaturrecherche wurde von 07/2023 bis 08/2023 in den Datenbanken Web of Science, ERIC, Sportdiskus, FIS-bildung, PsycInfo und SURF (BISP) durchgeführt. Zusätzlich wurden die Literaturlisten der eingeschlossenen Arbeiten gesichtet und Calls im sportwissenschaftlichen Kontext sowie manuelle Recherchen in relevanten Journals durchgeführt, um weitere Studien zu identifizieren. Eine Stichprobengröße von N = 11.499 Studien wurde zu Beginn des Kodierungsprozesses in die Analyse aufgenommen. Exkludiert wurden Studien u. a. aufgrund eines unpassenden Fokus (z. B. Konzeptionen von Lehrarrangements), Dokumententyps (z. B. Meta-Analysen, Praxisbeiträge) oder unpassenden Methode (z. B. Case Studies). Zwei Gutachter*innen beurteilten jeweils unabhängig voneinander, ob die Einschlusskriterien erfüllt wurden. Unstimmigkeiten wurden durch Diskussion oder durch Verweis auf dritte Gutachter*innen gelöst. Die Gesamtzahl aufgenommener Studien ergab N = 57, die anhand ihres vollständigen Textes mittels eines standardisierten, vorab erprobten Formulars hinsichtlich inhaltlicher Kriterien sowie ihrer wissenschaftlichen Qualität kategorisiert und bewertet wurden.

Ergebnisse

(1) Die Auswertung der Studien zeigt, dass in empirischen Erhebungen zu Einstellungen von Sportlehrkräften und Sportlehramtsstudierenden zu digitalen Medien vielfältige Methoden genutzt werden, wenngleich (quantitative) Fragebogenerhebungen dominieren, gefolgt von mixed methods Studien und schließlich (qualitativen) Interviewstudien. Zumeist werden Sportlehrkräfte der Sekundarstufe oder verschiedener Schulstufen befragt; selten hingegen Primarstufen-Lehrkräfte. Einen weiteren großen Anteil nehmen Studien ein, die Sport-Lehramtsstudierende fokussieren.

(2) Im Mittelpunkt der Studien stehen Fragen nach medialer Ausstattung bzw. Besitz, Nutzen bzw. Einsatz, Kompetenzen, Mehrwert und Hindernissen sowie allgemeinen Erfahrungen mit digitalen Medien. Konkrete Auswirkungen der Einstellungen (z. B. auf die Motivation der Schüler*innen), Fortbildungsbedarfe oder auch ableitbare praktische Implikationen sind bisher selten primärer Betrachtungsgegenstand. Es überwiegen Studien, die Informations- und Kommunikationstechnologien im Kontext von Sportunterricht an Schulen fokussieren, gefolgt von E-Learning Plattformen; selten werden Soziale Medien thematisiert.

(3) Die Mehrheit der Studien berichtet von eher positiven Einstellungen von Sportlehrkräften und Sportlehramtsstudierenden gegenüber digitalen Medien. Dabei konnten einzelne Studien Unterschiede in den Einstellungen in Abhängigkeit des Geschlechts, Alters und der Unterrichtserfahrung feststellen.

Die analysierten Studien weisen eine große Heterogenität auf in Bezug auf Zielgruppe, theoretischen Hintergrund, Untersuchungsdesign und -methode, untersuchte digitale Medien, Anwendungsgebiet, Ergebnisse und Studienqualität. Die systematische Literaturanalyse liefert dennoch Hinweise auf Forschungslücken, die zu füllen bedeutende Voraussetzung ist, damit Medienbildung im Sportunterricht eine relevante Rolle zugesprochen wird.

Während die Bedeutung der Einstellungen von Lehrkräften zum Medieneinsatz in Schule und Unterricht als Facette professioneller Kompetenzentwicklung zunehmend Beachtung findet (Knezek & Christensen, 2016; Prasse, 2012), dominieren für die Einstellungen von Schüler:innen gegenüber der Nutzung digitaler Medien in Schule und Unterricht oft noch verkürzte Vorstellungen (Schulmeister, 2009) – ihnen wird aufgrund der hohen und in den letzten zwei Jahrzehnten massiv gestiegenen Mediennutzungsdauer (Shell, 2019; mpfs, 2018; bitkom, 2019) unterstellt, dass sie Medien auch per se gerne zum Lernen nutzen würden. Für die Mediennutzung innerhalb und außerhalb schulischer Verwendungszusammenhänge sind die medienbezogenen Einstellungen von Schüler:innen jedoch ein relevantes Kriterium und daher sind sie auch Zielperspektive mediendidaktischer Bemühungen. In Anknüpfung an das Tagungsthema sind sie somit auch für die Partizipation aller Kinder und Jugendliche an mediengestützten Lernprozessen in Schule und Unterricht von Bedeutung. Außerdem sind sie für die Beurteilung potenzieller Wirkzusammenhänge beim Lernen mit digitalen Medien in Schule und Unterricht ein bisher kaum betrachtetes Kriterium. Daher wird das sozialpsychologische Konstrukt der Einstellung in seiner Multidimensionalität (kognitive, affektive und behaviorale Komponente) möglichst umfassend betrachtet (Zimbardo & Gerrig, 1996). Die zentralen Fragestellungen lauten hierbei, wie die Einstellungen von Schüler:innen zum Medieneinsatz im Sportunterricht ausgeprägt sind, welche Beziehungen zwischen Einstellungskomponenten postuliert werden können und anhand welcher externer Variablen positive Einstellungen gefördert werden können. Eine fachspezifische Besonderheit hinsichtlich der medienbezogenen Einstellung von Lehrkräften, liegt im Bewegungsprimat – der Überzeugung, dass Sportunterricht primär der Bewegung dienen soll (Roth, 2022) – und der Besorgnis, dass Medien für den Sportunterricht nicht lernförderlich gestaltet sind (Sweller et al., 2019).

Auf Basis des Technology Acceptance Models (Park, 2009) wurde ein Fragebogen zur Erfassung der Einstellung erstellt und anhand einer Erhebung an Achtklässler:innen (N = 202) validiert. Als Subskalen wurden dabei externe Variablen (schulische Sportaktivität, private Sportaktivität, Medienerfahrung, Selbst-Effektivität, Mediennorm, Nutzung im Sportunterricht), kognitive Einstellungsdimension (Nützlichkeit, Bedienbarkeit, Gestaltung der Medien, Bewegungsprimat), affektive Dimension (positive Evaluation, negative Evaluation) und behaviorale Dimension (Nutzungsintention) betrachtet. Die Skalen wurden mittels Reliabilitätsanalysen und konfirmatorischen Faktorenanalysen optimiert und validiert. Anhand der validierten Skalen und erhobenen Daten wurde ein kovarianzbasiertes Strukturgleichungsmodell berechnet, welches Effekte zwischen externen Variablen und Einstellungsdimensionen abbildet. Das prototypische Modell ist in Abbildung 1 dargestellt.

https://1drv.ms/i/s!AnDbKEWZCByFgtIk9kVZEOcPR5HOFg?e=VfmAWm

Abbildung 1. Theoretisches Modell zur Berechnung des Strukturgleichungsmodells

Das postulierte Modell hatte eine zufriedenstellende Modellgüte (RMSEA = .06; χ²/df ratio = 1.72; CFI = 0.90). Das Modell ist in Abbildung 2 dargestellt. Hierbei sind lediglich signifikante (p<.05) oder marginale (p<.10) Trends dargestellt, um die Lesbarkeit zu gewährleisten. Die relevanten Pfade werden hier noch einmal zusammengefasst. Es wird ersichtlich, dass die Nutzung der Medien im Sportunterricht und die damit verbundene Selbst-Effektivität im Lernen mit Medien sich positiv auf die kognitive Komponente der Einstellung auswirkt. So werden wahrgenommene Nützlichkeit und Usability erhöht, als auch potentielle Fehlvorstellungen bezüglich des Designs und Bewegungsprimats reduziert. Die kognitive Komponente der Einstellung hatte hierbei allerdings keinen direkten Einfluss auf die Nutzungsintention der Medien im Sportunterricht. Positive Effekte der kognitiven Komponente auf die Nutzungsintention werden vollständig durch die positive Evaluation des Medieneinsatzes mediiert. Erst durch eine positive affektive Bewertung, wird die Nutzungsintention von Medien im Sportunterricht gesteigert.

https://1drv.ms/i/s!AnDbKEWZCByFgtIlQ-e-JJnzQ-tbaw?e=Dli8Tn

Abbildung 2. Strukturgleichungsmodell. *p<.05; ⁽*⁾p<.10

Eine negative Einstellung bezüglich Medien im Sportunterricht kann unter anderem auf den fehlenden Zugang und damit einer zu geringen Selbst-Effektivität im Umgang zurückzuführen sein. Interventionen auf Schüler:innen- und Lehrer:innenebene sollten somit gezielt darauf abzielen, die Vorteile des mediengestützten Sportunterrichts didaktisch adäquat einzuführen, um Selbst-Effektivität zu steigern und negative Einstellungen zu reduzieren. Dasselbe Modell wird in Folgestudien auch auf Lehrer:innenebene validiert, um externe Variablen zu identifizieren, welche im Fokus gezielter Interventionen stehen können.

Einleitung

Agentic engagement beschreibt jene proaktiven Handlungen von Schüler:innen mit denen sie versuchen ihre Lernbedingungen zu verbessern, indem sie ihre Lehrerperson im Unterricht beeinflussen (Reeve, 2013). Diese können im Einklang mit den Zielen der Lehrperson stehen, aber auch Ausdruck von Widerstand und Opposition sein. (Mameli et al. 2023).

Wenn Lehrpersonen wechselseitig auf diese Handlungen reagieren und ihren Unterricht entsprechend anpassen, dann "bewegen sich Schüler:innen und Lehrpersonen gemeinsam in Richtung einer konstruktiven Synergie" (Jang et al. 2023, S. 30) und verbessern die Unterrichtsqualität. (vgl. Reeve & Tsang, 2011). Dies zeigte sich in einer verstärkt autonomie-unterstützenden Lehrweise, welche wiederum ein höheres Agentic Engagement zur Folge hat. (z.B. Matos et al. 2018; Jang et al. 2023).

Werden die Initiativen der Schüler:innen jedoch als störend für den Unterricht wahrgenommen, kann dies zu Fehlanpassungen führen und die Lehrpersonen zeigen ein erhöhtes Maß an Kontrolle und fordern Disziplin (z.B. Rajala et al. 2016, Patall et al. 2022).

Obwohl der Unterricht im Klassenzimmer weithin als gemeinsame Aktivität von Schülern und Lehrern angesehen wird (z.B. Vieluf et al. 2020), gibt es nur wenig Forschung über den gegenseitigen Einfluss, den Schüler:innen auf ihre Lehrpersonen ausüben. (vgl. Nurmi et al., 2015; Nurmi, 2012). Diese Studie nimmt die Agency der Schüler:innen und ihre Initiativen in den Fokus, und untersucht die Wechselwirkungen mit dem Lehrpersonenverhalten im Rahmen einer längsschnittlichen Analyse im Sportunterricht an der Primarschule.

Methode

Angehende Lehrpersonen (n = 34) und ihre Schüler:innen (n = 498) wurden in der ersten und vierten Woche eines Vollzeit-Praktikums, im letzten Semester der Ausbildung an der Pädagogischen Hochschule, mittels Fragebogens befragt. Dabei wurden Schüler:innen-Selbsteinschätzungen ihres agentic engagement (α = .70/.76) (Agentic Engagment Scale (AES); Reeve, 2013), ihres intrinsisch motivierte oppositionellen Verhaltens (α = .81/.84) (Eigenentwicklung in Anlehnung an Aelterman et al. (2016), sowie ihre Einschätzung der Unterstützung ihrer psychologischen Grundbedürfnisse im Sportunterricht erhoben (Autonomie: α = .56/.76; Kompetenz: α = .70/.71; Eingebundenheit: α = .64/.70) (Students’ motivation in Physical Education (SMoPE), Kohake & Heemsooth, 2021). Längsschnittliche reziproke Wechselwirkungen wurden über manifeste Cross-Lagged-Panel Modelle überprüft.

Ergebnisse

Die beiden Arten der Schüler:inneninitiativen, Agentic Engagement und intrinsisch motivierte Opposition, lassen sich als trennbare Konstrukte modellieren und zeigen keine siginifikanten Zusammenhänge. Hinweise auf den reziproken Einfluss von Agentic Engagement der Schüler:innen auf die Autonomieunterstützung der Lehrpersonen konnte gefunden werden (β = .114, SE = .059, p = .056). Positive reziproke Einflüsse zeigen sich jedoch auch auf die Kompetenzunterstützung (β = .118, SE = .047, p = .012), und die Unterstützung der Eingebundenheit (β = .099, SE = .037, p = .007). Eine (Fehl-)Anpassung des Lehrpersonenverhaltens als Reaktion auf oppositionelles Verhalten der Schüler:innen konnte andererseits nicht nachgewiesen werden.

Peer-Feedback hat sich in empirischen Studien als effektive Lernmethode erwiesen (z.B. Baker, 2016; Huisman et al., 2019). Die Vorteile von Peer-Feedback bestehen dabei darin, dass die Studierende sich aktiv am Lernprozess beteiligen und somit ihren eigenen Wissens- und Kompetenzerwerb steigern können (Double et al., 2020; Li et al., 2020). Der Peer-Feedback-Prozess besteht aus vier Schritten (Kollar & Fischer, 2010): Ausarbeitung, Feedbackgabe, Feedbackrezeption und Revision. Der Forschungsstand zeigt jedoch, dass Peer-Feedback instruktional unterstützt werden muss, damit die Potenziale dieses Ansatzes tatsächlich zum Tragen kommen (Carless & Boud, 2018; Lui & Andrade, 2022). Instruktionale Unterstützungsmaßnahmen können zum einen dahingehend unterschieden werden, ob sie bestimmte Peer-Feedback-Prozesse während des konkreten Lernprozesses prompten (z.B. in Form von Rubrics zur Bewertung erhaltenen Peer-Feedbacks) oder ob sie bereits vor dem Peer-Feedback-Prozess im Sinne eines Trainings präsentiert werden. Zudem kann unterschieden werden, ob instruktionale Maßnahmen mit oder ohne Hilfe von Online-Technologien realisiert werden, wobei Online-Technologien Potenziale insbesondere hinsichtlich einer asynchronen Nutzung und der Möglichkeit, die Aufgaben ohne Zeitdruck zu bearbeiten, zugeschrieben werden. Diese instruktionalen Unterstützungsmaßnahmen können positive Effekte auf die Feedbackqualität sowie auf die Leistung haben (z.B. Sluijsmans et al., 2002; Zheng et al., 2020). Es ist jedoch noch unklar, welche Art von instruktionaler Unterstützung (Scaffolding) für welche Phase des Peer-Feedback-Prozesses am effektivsten ist, um entsprechende Effekte zu erzielen. Vor diesem Hintergrund untersucht der vorliegende Beitrag mittels metaanalytischer Verfahren, inwiefern sich (a) die Effekte unterschiedlicher instruktionaler Unterstützungsmaßnahmen (Scaffolds) auf die Feedbackqualität, die Leistung und weitere für das Lernen bedeutsame Outcomes voneinander unterscheiden, inwiefern sich (b) die Effekte von Online-Technologien im Gegensatz zu Offline-Fördermaßnahmen unterscheiden, und inwiefern sich (c) ähnliche oder unterschiedliche Effekte einzelner Maßnahmen in Abhängigkeit von der jeweiligen Peer-Feedback-Phase zeigen, in der sie eingesetzt werden. Dabei stellen die Feedbackgabe und die Feedbackrezeption die Kernprozesse dar, weswegen der Fokus auf der Förderung dieser beiden Phasen gelegt wird.

Um passende Studien zur Beantwortung der Fragestellung zu finden, wurde eine systematische Literaturrecherche in mehreren Suchmaschinen (Web of Science, Psyndex, Pubmed, ERIC, PsycArticles, Mendeley, PubPsych) durchgeführt. Nach dem Ausschluss von Duplikaten, nicht-experimentellen Studien sowie Arbeiten, die nicht auf Englisch publiziert wurden, gingen N=54 Studien mit insgesamt N=5925 Lernenden in die Analysen ein. Diese Studien wurden mit Hilfe eines eigens für unsere Untersuchung konzipierten Analyseschemas daraufhin kodiert, welche Arten von instruktionaler Unterstützung in ihnen genutzt und in welcher Phase des Peer-Feedback-Prozesses sie eingesetzt wurden. Mit Blick auf die Arten instruktionaler Unterstützung wurde einerseits zwischen Prompts und Trainings unterschieden und zum anderen differenziert, ob die Maßnahmen mithilfe von Online-Technologien umgesetzt wurden oder nicht. In Anlehnung an Kollar und Fischer (2010) wurde zudem kodiert, welche Phasen des Peer-Feedback-Prozesses jeweils berücksichtigt wurden. 10% aller Studien wurden von zwei unabhängigen Kodiererinnen mit guter bis sehr guter Reliabilität beurteilt (Gwet‘s AC1 = 0.62 bis 1.00).

Erste deskriptive Ergebnisse zeigen, dass sich die Präsentation instruktionaler Unterstützung in 90,74% (n=49) der eingeschlossenen Studien auf den Prozess der Feedbackgabe bezog, aber nur in 51,85% (n=28) auf die Feedbackrezeption. Sowohl die Feedbackgabe (40,82%, n=20) als auch die Feedbackrezeption wurden hauptsächlich mithilfe von Online-Tools (71,43%, n=20) unterstützt. Für den Vergleich von Prompts und Trainings zeigt sich, dass die instruktionale Unterstützung in 42,86% (n=21) der Studien aus Prompts und in 22,45% (n=11) der Studien aus Trainingsmaßnahmen bestand. Außerdem zeigen erste explorative Analysen überwiegend positive Effekte der eingesetzten instruktionalen Maßnahmen auf die untersuchten abhängigen Variablen; allerdings ist hierbei eine recht hohe Varianz zwischenden Studien, den unterschiedlichen Arten instruktionaler Unterstützung und zwischen den durch die Maßnahmen angezielten Peer-Feedback-Phasen zu beobachten. Tiefergehende Analysen werden auf der Konferenz vorgestellt.

Die Bedeutung von Feedback für Lernprozesse von Schüler:innen konnte in zahlreichen Studien gezeigt werden (Hattie, 2009; Hattie & Timperley, 2007). Der Grad der Wirksamkeit hängt jedoch von der konkreten Ausgestaltung, wie z.B. der Darstellungsform und den Inhalten, ab (Marschner, 2011; Narciss, 2006, 2018). Die Einbindung von Feedback in digitalen Lernumgebungen wird seit zwei Jahrzehnten vermehrt untersucht, dennoch liegen zu dessen Gestaltung nur wenige Befunde vor (Maier & Klotz, 2022). Bisher konnte gezeigt werden, dass unmittelbares Feedback Lernprozesse besser unterstützt als verzögertes Feedback, jedoch zugleich den Lernprozess stört (Vasilyeva et al., 2007). Ob jedoch eine interne Evaluation, also von den Lernenden ausgehend (Nelson, Ehren & Godfrey, 2015), oder ein externes Feedback, z.B. also von externen Feedback-Quellen ausgehend (Hellrung & Hartig, 2013), wirksamer für den Lernprozess ist, bleibt offen.

Simulationen bieten im Rahmen von Lernprozessen die Möglichkeit, digitales Feedback zu integrieren. Sie werden zum Beispiel zur Analyse und Förderung von Fehlersuchprozessen in technischen Systemen eingesetzt (Abele, Behrendt, Weber & Nickolaus, 2016; Schaper, Hochholdinger & Sonntag, 2003; Walker et al., 2016). Mithilfe einer Simulation einer Automatisierungsanlage konnten Walker et al. (2016) zeigen, dass ein Drittel der Elektroniker:innen für Automatisierungstechnik im 3. Ausbildungsjahr, trotz vorhandenem Fachwissen, Schwierigkeiten beim analytischen Problemlösen (aPL) haben. Schaper et al. (2003) haben erfolgreich ein Konzept für die Förderung des Problemlösens von Auszubildenden, basierend auf dem Cognitive Apprenticeship Ansatz (Brown, Collins & Duguid, 1989) getestet, wobei ebenfalls eine Simulation eingesetzt wurde.

Basierend auf den Befunden der Feedback-Forschung ergibt sich die Frage, ob ein aktiv angefordertes Feedback, also basierend auf der Eigenwahrnemung von Unterstützungsbedarf das aPL stärker unterstützt als ein Feedback, dass von extern bestimmten Sollwerten ausgelöst wird.

Zu diesem Zweck wurde die bei Walker et al. (2016) zugrunde liegende Simulation SINA im Rahmen des Projekts TechKom (Prof. Dr. Felix Walker, UHH) u.a. um zwei Feedback-Varianten erweitert. Das anfrage-basierte Feedback (in Form von gestuften Lernhilfen) muss durch die Nutzer:innen eigenständg aufgerufen werden und ist demnach von internen Soll-Werten abhängig, während das trigger-basierte Feedback (in Form eines Chats) von ihren Aktionen, also von externen Soll-Werten, abhängig angezeigt wird. Im Rahmen des Projektes DEFINE wird der Einfluss der beiden Feedback-Modalitäten auf die Wirksamkeit von digitalem Feedback in Simulationen im Rahmen eines Diagnosetrainings für Auszubildende untersucht.

Zur Testung der Hypothese „Auszubildende, die anfrage-basiertes Feedback erhalten, erlangen höhere aPL-Kompetenzen als Auszubildende mit trigger-basiertem Feedback“ wurde ein Experimental-Kontrollgruppen-Pre-Post-Testdesign eingesetzt. Im Pre- und Posttest, sowie der Intervention erfolgte die Bearbeitung von jeweils drei Fehlerfällen von denen die Ursache je einmal im Programm, der Elektrik und der Mechanik lag. Feedback wurde lediglich in der Intervention bereitgestellt.

Im Rahmen dieses Beitrags wird eine Teilstichprobe von n = 74 Auszubildenden aus 4 Schulen betrachtet, die, randomisiert zwischen beiden Feedbackarten, an einem zweitägigen Training teilgenommen haben. Die Erhebung hat zwischen März und Juli 2023 stattgefunden, wobei das Training aus zwei Terminen je Schulklasse bestand, die innerhalb von zwei Wochen stattgefunden haben.

Erwartungskonform fiel der Gruppenvergleich im Eingangstest nicht signifikant aus (t (71) = 1.315, p > .05). Unabhängig von der Art des erhaltenen Feedbacks, zeigt sich eine Wirksamkeit des Diagnosetrainings (t (72) = 6.58, p < .001, d = .77). Doch die ersten Analysen zeigen, dass entgegen der angenommenen Hypothese „Auszubildende, die anfrage-basiertes Feedback erhalten, erlangen eine höhere aPLK als Auszubildende mit trigger-basiertem Feedback“ im Posttest kein Unterschied zwischen den Gruppen in der aPLK vorliegt (t (71) = 0.56, p = .29, d = .13). Vertiefende Analysen, z.B. getrennt nach Fehler-Art, stehen noch aus. Aufgrund der starken Indizien für die Wirksamkeit des Trainings, das die grundsätzliche Zuschreibung der Wirksamkeit von Feedback repliziert, bieten sich weitere Untersuchungen zu den Feedbackmodalitäten an.

Theoretischer Hintergrund

Schüler:innen zeigen in Experimentiersituationen, insbesondere bei der Anwendung der Variablenkontrollstrategie (VKS), Lernschwierigkeiten, welche angepasste Lernprozesse erfordern (Schwichow et al., 2016). Das Geben von schriftlichem Feedback hat sich in diesem Kontext als effektive Lernunterstützung erwiesen. Wollenschläger et al. (2011) konnten herausstellen, dass Feedback, welches die Kompetenzen der Schüler:innen anhand von Kriterien adressiert, wirksam ist. Hild et al. (2020) konnten belegen, dass Schüler:innen von Feedback zum aktuellen Leistungsstand profitieren. Ropohl und Scheuermann (2018) konnten zeigen, dass Feedback, welches Informationen zum Lernziel, zum Lernstand und zu den nächsten Schritten enthält zu einem Lernzuwachs bei den Schüler:innen führt. Dies zeigt, dass Feedback differentiell wirkt und keine Feedbackversion einer anderen grundlegend überlegen ist. Des Weiteren klingt an, dass kognitive Konstrukte, wie der Cognitive Load, beim Lernen mit Feedback eine wichtige Rolle für den Lernerfolg spielen (Sweller, 1988). Basierend auf dieser Annahme bietet die Cognitive Theory of Multimedia Learning (CTML; (Mayer, 2001) für die Entwicklung von Feedback im Sinne von Lernunterstützungsmaterial ein weiteres theoretisches Fundament. Laut der CTML steht ein Kanal für visuell/non-verbal (z.B. Bilder) und einer für auditiv/verbal (z.B. Text) präsentierte Informationen zu Verfügung. Durch die Verknüpfung von Text- und Bildpräsentationen wird die Kapazität des Arbeitsspeichers sensitiv behandelt, was sich positiv auf den Cognitive Load auswirkt.

Fragestellung

FF1: Welchen Effekt haben Nur-Text (NT), Nur-Bild (NB) und Text-Bild (TB) Feedback auf den wahrgenommenen Cognitive Load beim Planen von Experimenten unter Anwendung der VKS?

FF2: Inwiefern wird der Effekt von Feedback auf die Qualität der Experimentplanung unter Anwendung der VKS über den wahrgenommenen Cognitive Load mediiert?

Methode

Um die Forschungsfragen zu beantworten, wurde im Sommer 2023 eine Querschnittserhebung durchgeführt. Es haben N = 290 Schüler:innen aus 9. Klassen nordrhein-westfälischer Gymnasien teilgenommen. Nachdem die Schüler:innen eine fehlerhafte vorgeschriebene Experimentplanung gelesen haben sollte diese mit Hilfe von simuliertem Feedback neu geschrieben werden. Das Feedback wurde randomisiert zugeteilt. Danach wurde der Cognitive Load (Kalyuga et al., 1999; Paas, 1992) sowie diverse Kontrollvariablen erhoben.

Ergebnisse

Die ANOVA zeigt einen signifikanten Unterschied zwischen der eingesetzten Feedbackversion und dem wahrgenommenen Cognitive Load der Schüler:innen, F(3,286) = 10.774, p < .001, partielles η² = .102. Die Schüler:innen, die mit dem Nur-Bild- und Text-Bild-Feedback gearbeitet haben, nehmen einen signifikant niedrigeren Cognitive Load wahr verglichen mit den Schüler:innen, die mit dem Nur-Text oder Kontroll-Feedback gearbeitet haben. Im Rahmen der Mediationsanalyse wurde für die multikategoriale X-Variable eine Dummy-Kodierung (D1, D2, D3) vorgenommen. Die Ergebnisse zeigen, dass die Arbeit mit dem Nur-Bild (D2) und Text-Bild (D3) Feedback zu einem niedrigeren Cognitive Load im Vergleich mit dem Feedback der Kontrollgruppe führt (a₂ = -.68, p < .001; a₃ = -.73, p < .001). Der Cognitive Load der Schüler:innen, die mit dem Nur-Text (D1) Feedback gearbeitet haben unterscheidet sich nicht signifikant von der, der Kontrollgruppe (a₁ = -.22, p = .132). Außerdem liegt ein signifikanter direkter Effekt von Cognitive Load auf die Qualität der Experimentplanung vor (b = -.86, p < .001). Je geringer der Cognitive Load bei der Arbeit mit dem Feedback ist, desto höher ist die Qualität der Experimentplanung. Das Bootstrapping ergibt, dass der Effekt des Feedbacks in der Nur-Bild und Text-Bild Gruppe aber nicht in der Nur-Text Gruppe im Vergleich zum Feedback der Kontrollgruppe auf die Qualität der Experimentplanung partiell über den Cognitive Load vermittelt wird (D₁: a₁b = .19, p = .166, 95% KI [-.06, .48]; D₂: a₂b = .58, p = .002, 95% KI [.24, 1.02]; D₃: a₃b = .63, p = .001, 95% KI [.31, 1.00]) (Hayes, 2018).

Die Ergebnisse dieser Untersuchung zeigen, dass schriftliches Feedback aus einer Kombination von textlichen und bildlichen Informationen bestehen sollte, da seitens der Feedbackempfänger ein niedrigerer Cognitive Load wahrgenommen wird, welcher zudem eine mediierende Funktion ausübt.

Theoretischer Hintergrund

(Peer-)Feedback kann ein wertvoller Faktor für erfolgreiches Lernen und Leisten sein (Hattie & Timperley, 2007; Double et al., 2020), jedoch nur dann, wenn das Feedback effektiv aufgegriffen wird (Van der Kleij & Lipnevich, 2020). Nicht nur Charakteristika des Feedbacks sind dabei bedeutsam, sondern auch individuelle Unterschiede zwischen den Lernenden, die Feedback erhalten. Wie diese Unterschiede mit der Wahrnehmung und Nutzung von Feedback zusammenhängen, ist im Vergleich zu günstigen Charakteristika von Feedback noch wenig untersucht (Winstone et al., 2017). Insbesondere die Analyse von Unterschieden in der Lernmotivation ist ein vielversprechender Ansatz zur Erklärung, wie Lernenden erhaltenes Feedback wahrnehmen und nutzen (Fong & Schallert, 2023; Handley et al., 2011).

Zielorientierungstheorien (z.B. Urdan & Kaplan, 2020) sowie Erwartung-Wert-Theorien (z.B. Wigfield & Eccles, 2000) bieten vielversprechende Erklärungsansätze dafür, wie Lernende mit erhaltenem Peer-Feedback umgehen. Für die positive Wahrnehmung und effektive Nutzung von Feedback sind demnach Masterzielorientierungen (starke Lern- und Aufgabenziele) sowie hohe Wertzuschreibungen zur Aufgabe günstig. Lernende mit einer solchen günstigen Motivationsstruktur sollten mehr Freude in der Revision erleben (Huang, 2011), das Feedback als nützlicher erachten (Rakoczy et al., 2013) sowie adaptiver mit Fehlern umgehen, da sie ihre Fehler eher als Lernchancen betrachten statt als Bedrohung (Grassinger & Dresel, 2017). Zudem ist anzunehmen, dass Lernende mit starker Masterzielorientierung sowie hoher Wertzuschreibung sich bei der Umsetzung des Feedbacks mehr anstrengen (Wigfield et al., 2017).

Da Peer-Feedback qualitativ stark variieren kann (Bürgermeister et al., 2021), implementierten wir eine Intervention, in der ein Fokus auf die Erstellung von motivational günstigem Feedback gelegt wurde.

Fragestellung

Demnach untersuchten wir, welche Rolle individuelle, wertbezogene Charakteristika der Motivation (Lern- und Aufgabenziele, Wertzuschreibungen) für die Wahrnehmung und Nutzung von Peer-Feedback mit oder ohne Intervention für motivational günstiges Peer-Feedback spielen. Dabei untersuchen wir die Frage, welchen Einfluss die Motivation der Lernenden in der Feedbackrezeption jenseits der Intervention auf das Erleben und Verhalten beim Erhalt von Peer-Feedback hat.

Methode

Für diese Studie bearbeiteten 366 Studierende (294 weiblich, M_Alter = 20.2; SD_Alter = 2.55) in einem Feldexperiment schriftliche Aufgaben in einem Hochschulkurs und überarbeiteten diese mithilfe von Peer-Feedback. Nach einer Baseline-Befragung, in der Lern- und Aufgabenziele sowie Wertzuschreibungen für die wöchentlichen Aufgaben erfasst wurde, teilten wir die Studierenden randomisiert in zwei Gruppen ein (jeweils mit oder ohne Intervention mit Fokus auf motivationale Qualität im Peer-Feedback). Nachdem sie das Peer-Feedback erhalten und ihre Aufgabe überarbeitet hatten, gaben die Studierenden an, für wie nützlich sie das Feedback halten und inwiefern sie bei der Revision Freude empfanden (Feedbackwahrnehmung). Außerdem berichteten sie ihren adaptiven Umgang mit Fehlern und ihre Anstrengung in der Revision (Feedbacknutzung). Zudem erfassten wir das Ausmaß der Revisionen quantitativ mithilfe computerbasierter Vergleiche.

Ergebnisse

Strukturgleichungsmodelle zeigten, dass der motivationale Fokus des Feedbacks (d.h. die Zuordnung zur Experimental-/Kontrollgruppe) keinen Einfluss auf Feedbackwahrnehmung oder -nutzung hatte. Stattdessen zeigten Lern- und Aufgabenziele sowie intrinsischer, aufgabenbezogener und instrumenteller Wert der Aufgabe wie erwartet positive, statistisch signifikante Effekte auf die wahrgenommene Nützlichkeit des Feedbacks, die Freude während der Revision, den adaptiven Umgang mit Fehlern, die Anstrengung sowie das Ausmaß in der Revision.

Die Ergebnisse weisen darauf hin, dass im Einsatz von Peer-Feedback nicht (nur) die Qualität des Feedbacks gefördert werden sollte (Ansatz bei den Feedbackgebenden), sondern dass insbesondere individuelle Aspekte der Motivation der Studierenden, die das Feedback erhalten, in den Blick genommen und gefördert werden sollten, da sowohl das positive Erleben in der Revision als auch lernbezogene Aspekte (z.B. Umgang mit Fehlern) sowie die objektive Leistung (Revisionsumfang) von diesen beeinflusst werden. Dabei erscheint es hilfreich, Lern- und Aufgabenziele zu fördern, beispielsweise über ein Priming direkt vor dem Feedbackerhalt (Urdan, 2010). Insbesondere scheint es demnach empfehlenswert, für Studierende den Wert von Peer-Feedback und Überarbeitung für Lernen und Leisten hervorzuheben.

Hintergrund:

Sowohl in dualen Ausbildungsberufen als auch im Lehrerberuf sind aktuell viele Stellen schwer besetzbar: (1) 27% der Ausbildungsverträge werden vorzeitig gelöst, 13% scheinen zumindest zunächst ganz aus dem Ausbildungssystem auszuscheiden, teils verbunden mit prekären weiteren Berufsverläufen (BMBF 2023). (2) Bei der Versorgung mit Lehrpersonen sieht es für viele Schularten, besonders aber für die beruflichen Schulen kritisch aus. Bis 2035 kann hier der Einstellungsbedarf jährlich im Durchschnitt nur zu 62,3 Prozent gedeckt werden (KMK 2023). Jeweils stellt sich die Frage, welche Faktoren dazu beitragen können, Menschen (1) in die betroffenen Berufe zu bringen und sie (2) dort zu halten.

Ad (1): Berufswahltheoretisch präferieren Individuen schon frühzeitig Berufe, die sie als passend zu ihrem Selbstkonzept wahrnehmen (Gottfredson, 1981, 2005) oder streben in berufliche Umwelten, die möglichst zur eigenen Persönlichkeit kongruent sind (Holland, 1997). Darüber hinaus sind Berufe noch immer zentrale Definitionsräume sozialer Identität und gelten als Filter, durch die eine Person von außen wahrgenommen und taxiert wird (Gildemeister & Robert, 1987, S. 73). Dementsprechend bewegt sich Berufswahl im Spannungsfeld zwischen der Suche nach personaler Identität und dem Bedürfnis nach sozialer Anerkennung (Oeynhausen & Ulrich, 2020). Sowohl die Einmündung in einen Beruf als auch der Verbleib, dürfte davon abhängen, wie gut sich beide Bedürfnisse ausbalancieren lassen.

Ad (2): Ausgehend von der Social Identity Theory (Tajfel/Turner 1979, Mael/Ashforth 1992) können hohe Abbruchquoten auf eine fehlende Identifikation mit einem gewählten Beruf oder Unternehmen zurückgeführt werden. Eine ausgeprägte berufliche Identifikation, d. h. ein starkes Gefühl der Zugehörigkeit und des Engagements für den Beruf und mit dem (Ausbildungs-)Unternehmen kann dagegen zu erhöhter Bleibeabsicht beitragen (z. B. Avanzi et al., 2014; Hong, 2010; van Dick & Wagner, 2002). Zusätzlich geht eine hohe Identifikation mit Ausbildungs-/Arbeitszufriedenheit einher (Wuttke et al., eingereicht), diese wiederum unterstützt, dass Menschen in gewählten Berufen/Unternehmen/Institutionen verbleiben. Sowohl für Berufswahlentscheidungen als auch für die duale Berufsausbildung gibt es bisher noch wenige empirische Erkenntnisse zur beruflichen und betrieblichen Identifikation, deren Voraussetzungen und Wirkungen (Metzlaff, 2015; Kirchknopf/Kögler, 2020).

Gemeinsamkeiten der Beiträge:

Die Beiträge nehmen in verschiedenen Zugängen die Entscheidung für und den Verbleib in einem Beruf in den Blick. Zwei Beiträge betrachten dabei den Beruf der Lehrerin/des Lehrers (einmal im Querschnitt, einmal im Längsschnitt), ein Beitrag ist in der dualen beruflichen Bildung angesiedelt. Zwei Beiträge stützen sich – bei verschiedenen Berufsgruppen – auf die Theorie der sozialen Identifikation. Ein Beitrag ist sowohl berufswahl- als auch anerkennungstheoretisch fundiert.

Kurze Vorstellung der drei Beiträge:

Beitrag 1 (Weiß et al.) betrachtet im Längsschnitt und bei einer Stichprobe von Referendar:innen die Entwicklung der beruflichen Identifikation. Dabei werden insbesondere autonomiefördernde/-hemmende Einflussfaktoren berücksichtigt. Ziel der Studie ist es zu untersuchen, inwieweit die Identifikation mit dem Beruf angehender Berufsschullehrkräfte mit dem Bedürfnis nach Autonomie zusammenhängt und inwieweit die genannten Konstrukte wiederum die Absicht beeinflussen, im Berufsfeld zu verbleiben.

Im zweiten Beitrag (Heinrichs et al.) wird untersucht, (1) inwiefern Auszubildende in Deutschland und Österreich sich mit ihrem Beruf und Lehrbetrieb identifizieren, (2) welche Ausbildungsbedingungen mit der Identifikation zusammenhängen und (3) inwiefern sich die Ergebnisse der Länder unterscheiden. Die Befunde zeigen, dass die Identifikation insgesamt positiv ausgeprägt ist, sich die Identifikation zwischen den Ländern durchaus unterscheidet und dass die Fürsorglichkeit von Ausbilder:innen (insbes. in Österreich), deren Fachkompetenz (insbes. in Deutschland) sowie die Aufgabenvielfalt eine zentrale Rolle bei der Identifikationsentwicklung spielen.

Der dritte Beitrag (Ziegler et al.) nimmt die Berufswahlneigung zum Lehrberuf in den Blick und analysiert, in welcher Stärke unterschiedlicher Passungsfaktoren (personale, soziale sowie berufliche Rahmenbedingungen) die Neigung beeinflussen. Zudem werden Interaktionen zwischen den Einflussfaktoren untersucht und ein Gesamtmodell der Neigung berechnet. Als relevante Einflussfaktoren erweisen sich Interessenpassung, soziale Passung, die Passung zum Idealselbst und die Realisierbarkeitspassung. Interaktionseffekte zeigen sich u.a. zwischen der sozialen Passung und der Interessenpassung.

Gute Bildung braucht gut (aus-)gebildete Lehrkräfte. Neben der Ausbildung von Lehrkräften haben daher auch in der Lehrkräftebildung sowohl formelle als auch informelle Fortbildungsangebote eine besondere Bedeutung, um Lehrkräfte im Berufsleben fortwährend zu befähigen, Unterricht zu realisieren, der auf aktuellen Erkenntnissen der Bildungsforschung beruht und diesen kritisch zu reflektieren (Richter et al., 2011). In den letzten Jahren wurden daher national als auch international sogenannte Clearinghouses aufgebaut. Clearinghouses sind webbasierte Angebote der Wissenskommunikation und bieten durch verschiedene Transferformate informelle Lernsettings und Austauschmöglichkeiten zwischen Wissenschaft und Praxis. Auf den Clearinghouse-Plattformen werden empirische Forschungserkenntnisse gebündelt und adressatengerecht für die Praxis aufbereitet (Edovald & Nevill, 2021; Seidel et al., 2017). Damit soll es Personen aus der Praxis erleichtert werden, sich stetig hinsichtlich aktueller Forschungsevidenz fortzubilden und diese in Ihren Unterricht zu integrieren (Seidel et al., 2017). Bisher gibt es nur wenig empirische Forschung dazu, wie (angehende) Lehrkräfte und Lehrkräftebildende solche Clearinghouses wahrnehmen, wie die Plattformen genutzt werden und welche Gestaltungswünsche sie für die Transferformate und die Aufbereitung von Forschungserkenntnissen haben (z. B. Diery et al., 2020; Kerwer et al., 2021).

Ziel dieses Symposiums ist es, die Begleitforschung zu drei verschiedenen Clearinghouses zusammenzubringen und so umfassende Einblicke zu erhalten, welche Transferformate zur Vermittlung empirischer Evidenz für den Unterricht sich unterschiedliche Akteursgruppen (Lehrkräfte, Lehramtsstudierende, Lehrkräftebildende) wünschen, welche Bedarfe sie an Clearinghouses sehen, wie sie solche Plattformen wahrnehmen und wie sie deren Inhalte verarbeiten.

Im ersten Beitrag wird die Perspektive von Grundschullehrkräften bzgl. dem Transfer- und Partizipationsangebot der Wissenschaft sowie deren Transfer- und Gestaltungswünsche bzgl. der Bereitstellung von Forschungserkenntnissen auf Clearinghouse-Plattformen vorgestellt. Auch im zweiten Beitrag werden Perspektiven aus der Praxis aufgegriffen, indem mithilfe eines Design-Based Research Ansatzes ein konkretes Format (Rapid Reviews) für effektiven Wissenstransfer mit Lehrkräften und Lehrkräftebildenden erforscht wird. Wie Nutzungs- und Verarbeitungsprozesse von Lehramtsstudierenden und Lehrkräftebildenden in einer bereits entwickelten Clearinghouse-Plattform ablaufen, wird im dritten Beitrag anhand eines Mixed-Methods-Designs in den Blick genommen.

Das Symposium ermöglicht durch die drei Beiträge Perspektiven von unterschiedlichen Zielgruppen entlang der Lehrkräftebildungskette auf Clearinghouses. Die Befunde erlauben es, Handlungsempfehlungen für die zukünftige Entwicklung von Clearinghouses und die Gestaltung von Transferformaten zu geben, um (angehende) Lehrkräfte und Lehrkräftebildende bestmöglich bei der forschungsbasierten Unterrichtsgestaltung zu unterstützen.

Theoretischer Hintergrund und Fragestellung

Multimediaeffekte werden traditionell vor allem im Kontext des Lernens betrachtet (Mayer, 2005). Allerdings gibt es immer mehr empirische Arbeiten die zeigen, dass Bildelemente auch in Testsituationen einen bedeutsamen Einfluss auf kognitive, metakognitive und affektive Parameter haben. Analog zum Lernkontext wird eine Erhöhung der Antwortrate durch den Einsatz von Bildern in Testaufgaben auch als Multimedia-Effekt im Testkontext bezeichnet (Lindner et al., 2017). Allerdings haben nicht alle Bildelemente vergleichbare Effekte und so ist es relevant, die Auswirkungen der Nutzung verschiedener Bildtypen näher zur betrachten.

Unterschieden werden in der Forschung bisher vor allem dekorative Bilder, die höchstens lose mit dem Aufgabenkontext assoziiert sind. Repräsentationale Bilder hingegen visualisieren lösungsrelevante Textinformationen. Werden räumlich-strukturelle Informationen aus dem Text dargestellt, werden diese teils auch als organisationale Bilder bezeichnet. Informationale Bilder liefern dagegen Informationen, die über den Textinhalt hinausgehen und für die Lösung der Aufgabe essenziell sind. Studien haben gezeigt, dass vor allem repräsentationale Bilder die Testleistung, die Bearbeitungszeit, die Metakognition sowie die Testmotivation bedeutsam beeinflussen können (vgl. Lindner, 2021). Für einen empirisch fundierten Einsatz von Bildern in Testmaterialien ist jedoch differenzierteres Wissen über die Wirkung verschiedener Bildtypen erforderlich. In einer ersten Metaanalyse identifizierten Hu et al. (2021) insgesamt 23 relevante Studien, publiziert bis August 2018, und zeigten für Bilder mit verschiedenen Funktionen unterschiedliche Effekte auf Leistungsoutcomes.

Unsere Metaanalyse setzt an diesem Punkt an und erweitert die Datenlage substanziell für die zentralen Bildtypen. Auf Basis unserer Literatursuche (bis Dezember 2022) konnten wir folgende Fragen erstmals differenzierter für Bilder mit verschiedenen Funktionen untersuchen:

(1) Welche Rolle spielt die Bildfunktion für Multimediaeffekte auf die Testleistung, die Bearbeitungszeit, die Metakognition und auf affektiv-motivationale Variablen?

(2) Gibt es neben der Bildfunktion weitere relevante Moderatoren für Multimediaeffekte im Testkontext, wie beispielsweise das Antwortformat (Multiple-Choice vs. Open Response) oder das Testsetting (Computer-Based vs. Paper-Pencil)?

Methode

Als Basis unserer Metaanalyse wurden die Datenbanken ScienceDirect, PsycINFO und Web of Science systematisch durchsucht. In einem mehrteiligen Screening-Prozess, dem PRISMA-Schema folgend, wurden die identifizierten Studien anhand von definierten Ein- und Ausschlusskriterien hinsichtlich ihrer Relevanz für die Metaanalyse überprüft. Zwei zentrale Einschlusskriterien waren, dass Bilder in Testaufgaben integriert sind und eine adäquate Kontrollgruppe ohne Bilder (z.B. nur Text) untersucht wird. Insgesamt konnten wir 39 Forschungsarbeiten inkludieren, aus denen 113 Effektstärken geschätzt wurden. Anhand von Random-Effects Modellen wurden für drei verschiedene Bildtypen jeweils summative Effekte und Heterogenitätsmaße bestimmt.

Ergebnisse

Dekorative Bilder schienen, verglichen mit einer reinen Textbedingung, keinen Einfluss auf die Testleistung (g = 0.02; p = .369), die Bearbeitungszeit (g = -0.02; p = .51), die Metakognition (g = 0.18; p = .347) oder die Freude an der Bearbeitung (g = 0.03; p = .399) zu haben. Für repräsentationale/organisationale Bilder konnten wir signifikante und jeweils positive Effekte auf die Testleitung (g = 0.37; p < .001), die Metakognition (g = 0.26; p < .001) und die Freude an der Testbearbeitung (g = 0.21; p < .001) finden, wohingegen kein signifikanter Effekt bezüglich der Bearbeitungszeit vorlag (g = -0.01; p = .925). Die Datenlage zu informationalen Bildern war geprägt von großer Heterogenität (I² = 99.46 % für die Variable Testleistung) ohne klares Befundmuster. Weitere Forschung ist notwendig, um differenzielle Effekte essenzieller Bilder besser zu verstehen. Unsere Moderatoranalysen deuten in diesem Zusammenhang auf einen signifikanten Einfluss des Testsettings (Computer-Based vs. Paper-Pencil) und des Standorts der Forschungsgruppen (Europa vs. USA vs. Asien) hin.

Insgesamt zeigt unsere Metaanalyse, dass vor allem repräsentationale Bilder im Testkontext differenziert eingesetzt werden können, um beispielsweise Konstrukt-irrelevante Varianz zu reduzieren (z.B. Leseanforderungen in naturwissenschaftlichen Aufgaben) oder den Spaß an der Testbearbeitung in Low-Stakes-Assessments zu erhöhen. Dekorative Bilder erwiesen sich als nicht störend, aber entgegen der Erwartung von vielen Testkonstrukteuren und Lehrkräften auch nicht als motivationsförderlich.

Individualisierter, an Schüler:innen orientierter Unterricht, bedarf einer andauernden Erfassung des Lernstandes und individuellen Lernfortschritts (Jung et al., 2018). Diese sollte reliabel und valide, einfach zu handhaben, ohne großen Aufwand implementierbar, auf die Lehrinhalte abgestimmt (Lembke & Stecker, 2007) und zwischen Messzeitpunkten vergleichbar sein. Ein erfolgsversprechender Ansatz um individuelle Lernverläufe über die Zeit abzubilden, ist die Lernverlaufsdiagnostik. Diese beinhaltet wiederholte, kurze Tests desselben Inhalts, mit denen die individuellen Fortschritte von Schüler:innen gemessen und an Lehrkräfte (und ggf. Schüler:innen) zurückgemeldet werden können (Deno, 2003; Fuchs, 2004). Im Sinne einer formativen Beurteilung (Black & Wiliam, 2009) soll so eine effiziente, individuelle Förderung der Schüler:innen ermöglicht werden, da positive wie negative Leistungsentwicklungen zeitnah sichtbar werden und Lehrkräfte wie ggf. Schüler:innen sich daran orientieren können.

Bisherige Ergebnisse deuten darauf hin, dass Lernverlaufsdiagnostik einen positiven Effekt auf die akademische Leistung von Schüler:innen haben kann, gleichermaßen zeigt sich eine hohe Heterogenität (Fuchs & Fuchs, 1986; Stecker et al., 2005). So scheint dieser Effekt durch verschiedene Variablen moderiert zu werden (z.B. Adaption des Unterrichts, Stecker et al., 2005; Unterstützung der Lehrkraft, Jung et al., 2018). Aus bisherigen Untersuchungen lassen sich drei Bereiche für mögliche Einflussfaktoren auf die Effektivität von Lernverlaufsdiagnostik ausmachen: Aspekte des Settings (z.B. Eigenschaften der Schüler:innen), die Implementation der Lernverlaufsdiagnostik (z.B. Häufigkeit der Testungen) und die Handhabung der Ergebnisse (z.B. Unterstützung der Lehrkräfte). Eine Systematisierung und metaanalytische Betrachtung bisheriger Ergebnisse entlang dieser Bereiche scheint sinnvoll und richtungsweisend für zukünftige Forschung und Praxis im Bereich der Lernverlaufsdiagnostik.

In der präsentierten Metaanalyse werden daher folgende Fragestellungen untersucht: (i) Welchen Einfluss hat Lernverlaufsdiagnostik auf die Entwicklung schulischer Leistungen von Schüler:innen? (ii) Inwiefern variiert die Effektivität der Lernverlaufsdiagnostik basierend auf Aspekten des Settings, der Implementation und der Handhabung der Ergebnisse der Lernverlaufsdiagnostik?

Zur Beantwortung der Fragestellungen wurde eine systematische Literatursuche durchgeführt. Eingeschlossen wurden Studien, die die Effektivität von Lernverlaufsdiagnostik in einem (quasi-)experimentellen Design untersuchten und in einer begutachteten englischsprachigen Zeitschrift veröffentlicht wurden. 24 geeignete Studien mit insgesamt 6728 untersuchten Schüler:innen, 85 Gruppenvergleichen sowie 30 unabhängigen Effekten wurden von zwei unabhängigen Kodierer:innen identifiziert (Cohen’s Kappa κ = .71). Diese Studien wurden anhand eines deduktiv-induktiv entwickelten Kodierschemas hinsichtlich möglicherweise relevanter Einflussfaktoren kodiert (Cohens Kappa κ_mean = .92 [.70; 1]).

Bezüglich der ersten Forschungsfrage zeigt sich ein signifikanter, kleiner Haupteffekt von Lernverlaufsdiagnostik auf die schulischen Leistungen von Schüler:innen mit g = .32 (p < .001). Die Heterogenität zwischen den Studien ist moderat bis hoch (I² = 73.49; Q = 242.41, p < .001). Bezüglich der zweiten Forschungsfrage, zeigen Moderatorenanalysen insbesondere signifikante Unterschiede in der Effektivität durch die Implementation sowie durch die Handhabung der Ergebnisse. Bezogen auf die Implementation legen die Ergebnisse nahe, dass die Lernverlaufsdiagnostiktests mindestens wöchentlich durchgeführt werden sollten, um effektiv zu sein. Bezüglich der Handhabung der Ergebnisse zeigen die Analysen, dass der Effekt von Lernverlaufsdiagnostik auf die schulischen Leistungen größer ist, wenn (a) die Lehrkräfte während des Einsatzes der Lernverlaufsdiagnostik kontinuierlich beraten werden und (b) die Lehrkräfte datenbasierte Unterstützung bei der Adaption ihres Unterrichts erhalten.

Insgesamt zeigen die Ergebnisse, dass Lernverlaufsdiagnostik im Vergleich zu traditionellem Unterricht bessere Lernergebnisse von Schüler:innen erzielt. Demnach scheinen Lehrkräfte durch die Bereitstellung der Informationen zu den individuellen Lernverläufen der Schüler:innen in der Lage zu sein, Schüler:innen effektiver zu fördern. Ein entscheidender Aspekt bei der Umsetzung von Lernverlaufsdiagnostik besteht nicht nur darin, den Lehrkräften die Ergebnisse der Lernverlaufsdiagnostik zur Verfügung zu stellen, sondern sie dabei zu unterstützen, wie sie ihren Unterricht entsprechend der Ergebnisse anpassen können. Unsere Ergebnisse erweitern die bestehende Literatur, indem sie Bedingungen aufzeigen, unter denen Lernverlaufsdiagnostik besonders effektiv ist. Darüber hinaus werden Aspekte der Lernverlaufsdiagnostik und ihrer Implementation fokussiert, die bisher nur unzureichend untersucht wurden.

Theoretischer Hintergrund

Das aktive Abrufen von Informationen während des Lernprozesses, zum Beispiel durch formative Tests, hat einen positiven Einfluss auf Behaltens- und Verstehensprozesse (Dunlosky et al., 2013) und wurde als Testing-Effekt bekannt (engl. testing effect, auch retrieval-based practice, test-enhanced learning). Ergebnisse verschiedener Meta-Analysen zeigen, dass aktives Abrufen anderen Lerntechniken deutlich überlegen ist und, dass diese Effekte über verschiedene Wissensdomänen und auf verschiedene Arten von Wissen verallgemeinert werden können (Adesope et al., 2017; Pan & Rickard, 2018; Rowland, 2014; Yang et al., 2021). Trotz dieser umfangreichen Evidenz werden entsprechende Lernstrategien sowohl von Lehrenden als auch von Lernenden nur sehr begrenzt genutzt (Dunlosky & Rawson, 2015). Neue Impulse für eine intensivere Nutzung werden durch die Verwendung digitaler Technologien und Tools geschaffen. Diese vereinfachen die Erstellung, Verwaltung und Auswertung entsprechender Lernangebote. Ferner gibt es Vorteile durch die Möglichkeit automatisierter Bewertungen und dem Erhalt von Echtzeit-Feedback für die Lernenden. Im Bildungsbereich werden bereits vermehrt Learning Management Systeme genutzt, um formative Onlinetests zu gestalten (Schwerter et al., 2022). Noch einen Schritt weiter geht die vorliegende Arbeit mit der Nutzung algorithmisch generierter Aufgaben, in Form von parametrisierten Fragen (Michael, 2021) und versucht so die Nutzung des Testing-Effekts weiter zu stärken.

Fragestellung

Die vorliegende Studie befasst sich mit dem Einsatz parametrisierter Fragen in formativen Onlinetests und deren Auswirkungen auf Intensität der Nutzung durch Studierende sowie auf deren Lernerfolg. Parametrisiert meint dabei, dass die verwendeten Multiple-Choice-Fragen spezifische Leerstellen aufweisen, die beim Aufrufen der Frage jeweils mit verschiedenen Werten des zugeordneten Parameters gefüllt werden. Parameter können dabei sowohl Werte, einzelne Worte als auch ganze Sätze sein. Die Grundstruktur der Frage und das zu lernende Konzept ändern sich dabei nicht. So kann z.B. wiederholt die Berechnung des Medians oder die Identifikation von abhängiger und unabhängiger Variable in einem Abstract geübt werden, jedoch wird bei jeder Wiederholung eine andere Datenreihe bzw. ein anderer Abstract angezeigt.

Methode

In einem experimentellen Setting wurden Studierenden eines Kurses zu quantitativen Forschungsmethoden wöchentliche Onlinetests, entsprechend der sechs behandelten Themenkomplexe, angeboten. Die Studierenden wurden randomisiert zwei Gruppen zugeteilt. Von Thema zu Thema wechselten die Gruppen zwischen Kontroll- und Experimentalbedingung, so dass sowohl Between-Person als auch Within-Person-Vergleiche möglich sind (Split-Plot-Design). In beiden Bedingungen konnten die Multiple-Choice-Fragen beliebig oft wiederholt werden und es wurde unmittelbares, korrektives Feedback zur Verfügung gestellt. Die Onlinetests in der Kontrollbedingung bestanden aus statischen Fragen, so dass bei jeder Wiederholung identische Fragen zur Bearbeitung angezeigt wurden. In der Experimentalbedingung hingegen wurden die parametrisierten Fragen eingesetzt und die Fragen veränderten sich mit jeder Wiederholung etwas.

Ergebnisse

An der Studie nahmen 318 Studierende im Wintersemester 22/23 teil. Zur Analyse der Ergebnisse wurde aus den Logdaten der Fragen die Übehäufigkeit ermittelt und als weitere abhängige Variable die Ergebnisse in der Abschlussklausur differenziert nach Themenkomplex herangezogen. Die Auswertung erfolgte mit Bayesianischen verallgemeinerten Mehrebenenmodellen in der probabilistischen Programmiersprache Stan, unter Verwendung des R-Pakets brms (Bürkner, 2018). Die beste Modellpassung für die Analyse der Übehäufigkeit gelang mit einer zero-inflated negative binomial Regression (Mahmood & Xie, 2019). Der Effekt auf die Leistung konnte über eine zero-one-inflated Betaregression modelliert werden (Heiss, 2021). Erwartungskonform gehen parametrisierte Fragen mit einer intensiveren Nutzung der Onlinetests einher. Im Durchschnitt werden 13,9 (95%-CI: 10,9-17,0) mehr parametrisierte Fragen als in der Kontrollbedingung bearbeitet. Abweichend von den zuvor getroffenen Annahmen führen parametrisierte Fragen bei den vorliegenden Daten nicht direkt zu einer Steigerung der Lernleistung. Die Ergebnisse werden im Hinblick auf einen möglichen Grenznutzen zusätzlicher Übungseinheiten und im Hinblick auf praktische Implikationen für Lehrkräfte diskutiert.

Beispielbasiertes Lernen ist eine gut untersuchte Lernmethode für den Erwerb kognitiver Fähigkeiten in komplexen Domänen (Renkl, 2014). Fehlerhafte Lösungsbeispiele (sog. erroneous examples) sind ein vielversprechender Ansatz, die ablaufenden Lernprozesse auf konzeptuell relevante Aspekte zu lenken: Indem Fehler während der schrittweisen Erklärung einer Problemaufgabe expliziert werden, kann negatives Wissen (Oser & Spychinger, 2005) aufgebaut und das korrekte Verständnis gefördert werden. Unser Review zeigt kaum Untersuchungen zu den Bedingungen, unter denen fehlerhafte Lösungsbeispiele für Lernerfolg wirksam sind, und darüber hinaus, dass empirische Studien zu uneinheitlichen Befunden kommen (Dieterich et al., eingereicht).

Inwieweit fehlerhafte Lösungen lernförderlich sind, hängt davon ab, auf welche Weise Lernende die Information verarbeiten und in ihr Vorwissen integrieren. Hierbei spielen Faktoren auf Seiten des Instruktionsdesigns und der Lernenden eine Rolle.

Auf Seite des Instruktionsdesigns beeinflussen mehrere Faktoren das Lernen aus fehlerhaften Lösungsbeispielen. Insbesondere die Lernaktivität ist entscheidend: Das Lernen wird verbessert, wenn Lernende Fehler identifizieren, erklären und/oder korrigieren (Adams et al., 2014; Große & Renkl, 2007; Richey et al., 2019; Schmitz et al., 2017; Tsovaltzi et al., 2012; Yang et al., 2016). Diese Lernaktivitäten können durch Feedback und/oder Selbsterklärungs-Prompts unterstützt werden (Loibl & Leuders, 2019; Stark et al., 2011). Auch der Vergleich fehlerhafter und richtiger Lösungsbeispiele scheint den Lernerfolg zu unterstützen (Loibl & Leuders, 2019; Booth et al., 2013; Corral & Carpenter, 2020). Darüber hinaus ist unklar, inwieweit eine vorangehende Problemlösephase, in der eigene fehlerhafte Lösungen generiert werden, förderlich ist (PS-I Ansatz, Loibl et al., 2017).

Auf Seite der Lernenden beeinflussen Faktoren wie Vorwissen und kognitive Belastung die Lernergebnisse. Die Forschungsbefunde zum Vorwissen sind uneinheitlich: In einigen Studien profitierten insbesondere Lernende mit wenig Vorwissen von fehlerhaften Lösungsbeispielen (z.B. Barbieri & Booth, 2020), in anderen Studien nur Lernende mit hohem Vorwissen (Große & Renkl, 2007; Heemsoth & Heinze, 2014; Stark et al, 2011) und in weiteren Studien profitierten sowohl Lernende mit niedrigem als auch hohem Vorwissen (Adams et al., 2014; McLaren et al., 2012; McLaren et al., 2015). Diese Befundlage kann durch eine unterschiedliche kognitive Belastung erklärt werden: Studien berichten zwar eine Erhöhung der kognitiven Belastung durch fehlerhafte Lösungsbeispiele (Kopp et al., 2009; Stark et al., 2009; Yang et al., 2016), diese kann jedoch durch instruktionale Maßnahmen wie elaboriertes Feedback reduziert werden (Stark et al., 2009; 2011).

Die aktuelle Forschungslage unterstreicht die Notwendigkeit weiterer empirischer Studien zur Wirksamkeit fehlerhafter Lösungsbeispiele. Das Symposium stellt drei Beiträge vor, die verschiedene Bedingungen untersuchen, unter denen fehlerhafte Lösungsbeispiele lernförderlich sind.

Dieterich et al. untersuchten die Wirksamkeit fehlerhafter Lösungsbeispiele im Vergleich zu richtigen Lösungsbeispielen und einer Kombination beider in einer Prä-/Post-Erhebung im Fach Chemie zum Thema „chemische Bindung“ für Schüler:innen der Sekundarstufe I. Untersucht wurden neben den Lernergebnissen auch kognitive Belastung und der Einfluss des Vorwissens.

Brand et al. nutzten fehlerhafte Lösungsbeispiele als Vorbereitung auf den konzeptuellen Wissenserwerb in einer nachfolgenden Instruktion zum Thema „Varianz“ im Fach Mathematik der Sekundarstufe II. In einem randomisierten Klassenraumexperiment wurde mittels verschiedener fehlerhafter Lösungsbeispiele die relevante Vorwissensaktivierung manipuliert. Fehlerhafte Lösungsbeispiele, die auf die Aktivierung von Vorwissen zielen, bereiteten Schüler:innen auf das Lernen vor – unabhängig vom Ausmaß ihres Vorwissens und unabhängig davon, ob die fehlerhaften Lösungsbeispiele mehr oder weniger relevante Komponenten des Zielwissens beinhalteten.

Dikme et al. untersuchen zum Thema „Bruchvergleich“, inwieweit für einen erfolgreichen Konzeptwechsel beim Vergleich richtiger und fehlerhafter Lösungsbeispiele die Passung der fehlerhaften Lösungsbeispiele zu den eigenen Fehlkonzepten eine Rolle spielt (Chi, 2013). In einer computergestützten Lernumgebung generieren Schüler:innen ohne Vorwissen der Sekundarstufe I zunächst Lösungsansätze, die ihre Prä- und Fehlkonzepte aufzeigen. Anschließend erhalten sie entweder ein richtiges oder zusätzlich ein fehlerhaftes Lösungsbeispiel, das ihrem eigenen Lösungsansatz entspricht oder nicht entspricht. Unterschiede im Lernprozess und -ergebnis werden in einer experimentellen Prä-/Post-/Follow-Up Erhebung erfasst.

Theoretischer Hintergrund

Nicht allen Jugendlichen gelingt ein unmittelbarer Übergang in die Berufsausbildung, was folgenreich für ihren individuellen Lebensverlauf sein kann (Schoon, 2021). Zugleich bleiben zahlreiche Ausbildungsstellen unbesetzt (BIBB, 2021), wodurch auf gesellschaftlicher und betrieblicher Ebene Ressourcen verloren gehen. Beide Phänomene haben gemein, dass sie regional variieren und teils zeitgleich auftreten, was auf Passungsprobleme hindeutet (Matthes et al., 2014). Unversorgte Jugendliche sind somit oft gezwungen ihre beruflichen Orientierungen an die gegebenen Opportunitäten anzupassen und Kompromisse einzugehen (Schels & Abraham, 2023). Neben beruflichen Reorientierungen kann auch räumliche Mobilität eine Strategie darstellen, um einen erfolgreichen Übergang in Ausbildung zu ermöglichen (Jost et al., 2019). So hat bisherige Forschung gezeigt, dass Ausbildungsanfänger:innen mit längerer Suchdauer und aus ungünstigen Regionen eher mobil für die Ausbildung sind (Hoffmann & Wicht, 2023).

Nach der Circumscription and Compromise Theory (Gottfredson, 1981) entwickeln Jugendliche im Zuge ihrer Sozialisation eine „Zone akzeptabler Berufsalternativen“, die während der Ausbildungsplatzsuche mit den tatsächlichen Opportunitäten abgeglichen und angepasst wird. Im Falle längerer erfolgloser Ausbildungsplatzsuche sollten Bewerber:innen demnach ihre beruflichen Alternativen ausweiten, um ihr Erfolgschancen zu erhöhen. Person-environment Fit Theorien (Edwards et al. 2002; Holland 1997) betonen zudem die Passung zwischen individuellen beruflichen Orientierungen und regionaler Gelegenheitsstrukturen für Berufsentscheidungen. Bei mangelnder Passung in der Heimatregion gibt es zwei theoretische Adaptionsstrategien: Anpassung der beruflichen Orientierung an die regionale Lage oder Ausweitung der Mobilitätsbereitschaft (Windzio, 2008). Inwieweit solche Anpassungsprozesse im Kontext regionaler Gelegenheitsstrukturen stattfinden, ist bislang eine offene Frage. Für Politik und Praxis ist es wichtig, diese Frage zu beantworten, um geeignete Maßnahmen zur Integration von Jugendlichen in die Berufsausbildung zu entwickeln.

Fragestellung

Wir gehen zwei Fragen nach: (1) Verändern unversorgte Jugendliche während der Ausbildungsplatzsuche ihre Zone beruflicher Alternativen und/oder ihre Mobilitätsbereitschaft? (2) Welche Rolle spielen hierbei neben individuellen Ressourcen räumliche Gelegenheitsstrukturen?

Methode

Wir verwenden repräsentative Längsschnittdaten des Nationalen Bildungspanels (NEPS, Startkohorte 4) (Blossfeld & Roßbach, 2019), um das Ausbildungssuchverhalten unversorgter Jugendlicher bis zu drei Jahre zu analysieren. Die Mobilitätsbereitschaft und die Zone beruflicher Alternativen werden anhand jährlicher Informationen zum Bewerberverhalten (Entfernung; Anzahl unterschiedlicher Berufe) erfasst. Um Veränderungen im Bewerberverhalten über die Zeit zu analysieren, verwenden wir Wachstumskurvenmodelle. Neben individuellen Faktoren haben wir in vorläufigen Analysen Unterschiede zwischen Ausbildungssuchenden aus Ost- und Westdeutschland untersucht. Um jedoch die regionalen Gelegenheitsstrukturen genauer zu erfassen, werden wir in weiteren Analysen Indikatoren (u.a. zur Verfügbarkeit des Wunschberufes; Hoffmann & Wicht, 2023) auf der Ebene von Landkreisen und kreisfreien Städte heranziehen, die an die Individualdaten des NEPS herangespielt werden können. Des weiteren werden wir mittels Cross-lagged Panel-Modellen mögliche Wechselwirkungen der Veränderungen der Mobilitätsbereitschaft und der Zone beruflicher Alternativen über die Zeit analysieren.

Ergebnisse

Erste Ergebnisse zeigen, dass über alle Zeitpunkte hinweg eine durchschnittlich höherer Mobilitätsbereitschaft mit einer höheren Anzahl beruflicher Alternativen einhergeht und umgekehrt. Zudem steigt die Bereitschaft zur Mobilität mit der Dauer der erfolglosen Ausbildungsplatzsuche, unabhängig von der Anzahl beruflicher Alternativen. Bezüglich der Zone beruflicher Alternativen zeigt sich jedoch entgegen den Erwartungen eine Verringerung der Anzahl unterschiedlicher Berufe über die Zeit, unabhängig von der Mobilitätsbereitschaft. Es konnten keine Unterschiede in der Anzahl unterschiedlicher Berufe zwischen Bewerber:innen aus Ost- und Westdeutschland festgestellt werden. Bezüglich der Mobilitätsbereitschaft hingegen zeigt sich, dass Jugendliche aus Ostdeutschland zu Beginn der Ausbildungsplatzsuche eine höhere Mobilitätsbereitschaft aufweisen als Jugendliche aus Westdeutschland. Über die Zeit hinweg erhöhen Jugendliche aus Westdeutschland jedoch ihre Mobilitätsbereitschaft, während Jugendliche aus Ostdeutschland eine Verringerung der Mobilitätsbereitschaft nach längerer Suchdauer aufweisen.

Die vorläufigen Ergebnisse zeigen, dass bei längerer erfolgloser Ausbildungsplatzsuche Anpassungsprozesse im Bewerberverhalten über die Zeit stattfinden und ungünstige räumliche Gelegenheitsstrukturen entscheidend für die Mobilitätsbereitschaft ausbildungssuchender Jugendlicher sind. Die gegenläufigen Veränderungen in Ost- und Westdeutschland legen eine genauere Betrachtung der Wirkmechanismen regionaler Kontexteffekte nahe, insbesondere vor dem Hintergrund persistierender regionaler Passungsprobleme zwischen Ausbildungsangebot und -nachfrage.

Nicht nur der Rückgang der beruflichen Ausbildung von Fachkräften und die hohe Zahl an unbesetzten Ausbildungsstellen (BIBB, 2023) führt zu einem „Fachkräftenachwuchsmangel“ (f-bb, 2018), sondern auch der mit 27% hohe Anteil an vorzeitigen Lehrvertragsauflösungen (BIBB, 2023). Diese Dropouts erfolgen vorrangig im ersten Ausbildungsjahr, was mit hohen individuellen, wirtschaftlichen und gesellschaftlichen Kosten einhergeht (Stalder & Schmid, 2006). Zudem besteht für ca. 1/3 derjenigen, die ihre Ausbildung ohne Abschluss vorzeitig beenden, das Risiko, dauerhaft außerhalb des Bildungs- und Erwerbssystems zu bleiben (Michaelis & Richter, 2022). Für Lehrvertragsauflösungen und Ausbildungsabbrüche gibt es vielfältige Gründe und Motive, die auf verschiedenen Ebenen angesiedelt sind (Böhn & Deutscher, 2022). Dennoch liegt der Fokus oft auf den Auszubildenden (z.B. mangelnde Passung; Jüttler et al., 2020). Berufsspezifische und organisationale Bedingungen, wie die soziale Integration (Findeisen et al., 2022) oder die Ausbildungsqualität (Negrini et al., 2016), werden dagegen seltener betrachtet (Böhn & Deutscher).

Diesem Desiderat begegnen wir mit einer längsschnittlichen Untersuchung des Einflusses persönlicher, betrieblicher und berufsschulischer Faktoren auf die Abbruchintention von Auszubildenden nach Abschluss der Probezeit. Die Daten entstammen einem interdisziplinären Projekt, in dem deutschlandweit Auszubildende verschiedener Branchen längsschnittlich über den Ausbildungsverlauf app-basiert befragt werden: vor Ausbildungsbeginn im Sommer 2021, wöchentlich in den ersten 12 Wochen nach Ausbildungsbeginn, im Anschluss an die 12 Wochen alle drei Monate. Ergänzend wurden Ausbilder:innen und Mitarbeitende der Personalabteilung befragt. Die Analysen des vorliegenden Beitrags berücksichtigen Daten der Erhebung vor Ausbildungsbeginn (t0) und nach drei Monaten (t13). Die Stichprobe umfasst 266 Auszubildende (Alter: M=21.2 Jahre, SD=4.73; Geschlecht: 53% Männer; Migrationshintergrund: 46% 1. oder 2. Generation) aus 90 Betrieben des kaufmännischen Bereichs (43%), des Handwerks (37%) und des Bereichs Pflege/Medizin/Erziehung (20%). Als abhängige Variable wird die Abbruchintention nach 12 Wochen (t13; Einzelitem) verwendet. Als unabhängige Variablen (je 5-stufige Likertskala) fungieren die erwartete Passung Person-Ausbildung (t0; 3 Items, α=.60), das Vorwissen bezüglich der Ausbildung (t0; 1 Item), der Wunschberuf (t0; 1 Item), die Beziehung zu:m Ausbilder:in (t13; 6 Items, α=.88), die soziale Integration (t13; 4 Items, α=.89), die Diskriminierung (t13; 4 Items, α=.83), die organisationale Identifikation (t13; 4 Items, α=.76), die task mastery im Betrieb (t13; 3 Items, α=.64), die Zielerreichung im Betrieb (t13; 1 Item), die Leistungen in der Berufsschule (t13; 3 Items, α=.83), die physische Gesundheit (t0; 1 Item), die psychische Gesundheit (t0; 1 Item) sowie die Zufriedenheit mit der Ausbildung (t0; 1 Item).

Drei Monate nach Beginn der Ausbildung haben 42% bereits ernsthaft überlegt, die Ausbildung abzubrechen (n=264; M=1.62, SD=0.65). Regressionsanalytisch (R²=.41) zeigt sich hinsichtlich der Vorhersage der Abbruchintention unter Kontrolle von Alter, Geschlecht und Migrationshintergrund der Einfluss der Arbeitszufriedenheit (β=-.49; p<.001), der wahrgenommenen Diskriminierung (β=.15; p<.01) und der Identifikation mit dem Betrieb (β=-.13; p<.01). Das Vorwissen bezüglich der Ausbildung (β=-.10; p<.10) sowie mit kontraintuitivem Vorzeichen die erwartete Passung zwischen Person und Ausbildung (β=.13; p<.10) lassen sich nur gegen das 10%-Niveau absichern. Weitere persönliche Faktoren (Ausbildung im Wunschberuf, physische und psychische Gesundheit) betriebliche Faktoren (soziale Integration, Beziehung zu Ausbilder:in, task mastery, Zielerreichung) sowie die Leistungen in der Berufsschule weisen keine signifikanten Einflüsse auf. Weitergehende Befunde unter Einbezug einer zweiten Kohorte von Auszubildenden werden auf der Tagung vorgestellt.

Bereits kurz nach Beginn der Ausbildung sind somit betriebliche und tendenziell persönliche Faktoren für die Ausbildungsabbruchintention bedeutsam. Als besonders einflussreich erweist sich die Zufriedenheit mit der Ausbildung (auch Etzel & Nygy, 2021). Vor diesem Hintergrund und mit Blick auf die Frage der Passung zwischen Person und Ausbildung/Ausbildungsbetrieb (z.B. Findeisen et al., 2022; Nägele & Neuenschwander, 2014, 2015) besteht Handlungsbedarf, etwa durch eine adäquate Berufsorientierung im Vorfeld der Ausbildung, um über relevantes Vorwissen zur Ausbildung zu verfügen (Stalder & Schmid, 2006) und die „richtige“ Wahl treffen zu können, sowie hinsichtlich betrieblicher Unterstützung (z.B. onboarding) und Schutz vor Diskriminierung.

Der Erwerb beruflicher Kompetenzen steht im Zentrum der Berufsausbildung: Auszubildende sollen dort sowohl berufsspezifische(s) Fachwissen als auch Problemlösekompetenz erwerben, um ihre spätere berufliche Tätigkeit kompetent ausüben zu können. Um die Leistungsfähigkeit der Berufsausbildung feststellen, Handlungsbedarfe eruieren sowie die Berufsbildungspraxis entsprechend gestalten zu können, braucht es differenzierte Befunde zur Entwicklung dieser Dimensionen beruflicher Kompetenzen im Ausbildungsverlauf. Inwiefern sie sich in der Berufsausbildung entwickeln, welche Unterschiede zwischen Auszubildenden zu beobachten und Prädiktoren bedeutsam sind, ist mangels längsschnittlicher Analysen und angesichts diskrepanter Befunde bisher allerdings weitgehend unklar (z.B. Abele, 2014; Atik & Nickolaus, 2016; Nickolaus et al., 2010).

In unserem Beitrag untersuchen wir dies am Beispiel angehender Kfz-Mechatroniker:innen. Unsere Analysen basieren auf Daten der ManKobE-Studie (Retelsdorf et al., 2013). Das Fachwissen (n=473) und die Problemlösekompetenz der Auszubildenden – operationalisiert als Diagnosefähigkeit (n=198) – wurden am Ende des 2. und 3. Ausbildungsjahres (AJ) erhoben. In Latent Change Score Analysen untersuchten wir die mittlere intraindividuelle Entwicklung (μ_∆) sowie interindividuelle Entwicklungsunterschiede (σ²_∆). Als potenzielle Prädiktoren berücksichtigten wir (a) den Schulabschluss der Auszubildenden, (b) ihre kognitiven Voraussetzungen gemessen an fluider Intelligenz und Physikkompetenzen sowie (c) den sozialen Hintergrund, genauer den sozioökonomischen Berufsstatus der Eltern und Migrationshintergrund der Auszubildenden. Alle Prädiktoren wurden am Ausbildungsbeginn und mittels etablierter Instrumente erfasst.

Unsere Analysen zeigten einen mittleren Zuwachs im Fachwissen (μ_∆= .41, p≤ .001). Gleichzeitig fanden wir, dass sich Auszubildende signifikant in der Fachwissensentwicklung unterschieden (σ²_∆ = .89, p≤ .001). Der Wissenszuwachs erwies sich dabei umso ausgeprägter, je höher das Vorwissensniveau am Ende des 2. AJ war (β_2.AJ= .33, p≤ .001). Im Fachwissen leistungsstärkere Auszubildende zeigten also höhere Wissenszuwächse – die Leistungsunterschiede in der Kohorte nahmen zu, d.h. die Leistungsschere ging auf. Für die Diagnosefähigkeit stellten wir dagegen im Mittel keine Entwicklung fest (μ_∆= .13, p>.05). Aber auch hier fanden wir Unterschiede zwischen Auszubildenden (σ²_∆ = .77, p≤ .001). Das Ausgangsniveau am Ende des 2. AJ war ebenfalls prädiktiv, allerdings in entgegengesetzter Richtung: In der Diagnosefähigkeit leistungsstärkere Auszubildende zeigten eine geringere Entwicklung im 3. AJ (β_2.AJ = -.48, p≤ .001), Leistungsunterschiede in der Kohorte verringerten sich.

Von den untersuchten Prädiktoren erwiesen sich die kognitiven Voraussetzungen als bedeutsam: Fluide Intelligenz (β_fluid1= .19, p<.01) und Physikkompetenzen (β_phy1 = .36, p≤.001) beeinflussten das Fachwissensniveau am Ende des 2. AJ positiv. Zusätzlich zeigte sich die fluide Intelligenz prädiktiv für die Entwicklung im 3. AJ (β_phy∆ = .27, p<.01). Bei der Diagnosefähigkeit wirkten die Physikkompetenzen zwar ebenfalls prädiktiv auf das Niveau am Ende des 2. AJ (β_phy1= .27, p<.05), darüber hinaus aber nicht auf die weitere Entwicklung. Der Schulabschluss und soziale Hintergrund erwiesen sich unter Berücksichtigung der kognitiven Voraussetzungen weder für die Entwicklung des Fachwissens noch der Diagnosefähigkeit als bedeutsam.

Unsere Ergebnisse weisen auf differenzielle Entwicklungen der Kompetenzdimensionen und Leistungsunterschiede in der Berufsausbildung hin: Progression und Scherenentwicklungen im Fachwissen, Stagnation und Homogenisierung in der Diagnosefähigkeit. Die Studie legt in Übereinstimmung mit bisherigen Befunden nahe, dass die kognitiven Voraussetzungen der Jugendlichen auch im späteren Ausbildungsverlauf noch (indirekt) bedeutsam sind (z.B. Abele, 2014). Implikationen u.a. zur Gestaltung der Berufsbildungspraxis und Limitationen der Studie werden diskutiert.

Vom Fachkräftemangel sind insbesondere der ländliche Raum sowie natur- und technikwissenschaftliche Berufsgruppen betroffen (Kräußlich/Schwanz 2017). Bildungspolitik, Wirtschaft und Wissenschaft stehen in der Verantwortung, regionale Ressourcen und Potenziale aktiv zu nutzen und regionale Förderangebote für eine kontinuierliche Berufs- und Studienorientierung zu gestalten. Außerschulische kooperative Bildungsangebote, welche berufliche und arbeitsweltbezogene Praxiserfahrungen ermöglichen, haben sich dabei als besonders effektiv erwiesen (z. B. Driesel-Lange et al. 2011). Das Modellprojekt AbiturPLUS stellt in diesem Kontext ein regionales berufsbildendes Förderprogramm an einem allgemeinen Gymnasium dar, das neben dem Abitur den parallelen Erwerb eines vollwertigen beruflichen Abschlusses zum/zur Zerspanungsmechaniker*in ermöglicht.

Die vorliegende Untersuchung fokussiert das Forschungsdesiderat eines Beschreibungswissens, inwiefern derartige regionale Bildungsangebote wirksame Fördermaßnahmen zur beruflichen Orientierung gymnasialer Schüler*innen darstellen. Konkret interessieren die nachfolgenden Forschungsfragen:

FF1 Welches akademische Selbstkonzept und welche bereichsspezifischen sowie beruflichen Interessen charakterisieren die teilnehmenden Schüler*innen des regionalen Förderkonzepts?

FF2 Welche Unterschiede lassen sich im Vergleich zu nicht teilnehmenden Schüler*innen in Bezug auf die o. a. Merkmale identifizieren?

Den theoretischen Hintergrund bilden zentrale Determinanten der Berufsorientierung und der Berufswahl (Brüggemann et al. 2017), einschließlich des modernen Interessenskonstrukts (Krapp 1992), den beruflichen Interessensorientierungen gemäß des RIASEC-Modells (Holland 1997) und des akademischen Selbstkonzepts unter Bezugnahme auf das Erwartung x Wert-Modell (Eccles 2005).

Die Stichprobe umfasst insgesamt N = 79 (w = 37, m = 42) Schüler*innen eines allgemeinbildenden Gymnasiums in Baden-Württemberg, wovon n = 37 Projektteilnehmer*innen (AbiturPLUS) darstellten und n = 42 Schüler*innen die Vergleichsgruppe ohne Teilnahme bildeten. Das Untersuchungsdesign beinhaltet zwei Studien. Für die Fragebogenstudie wurden teilnehmende sowie nicht teilnehmende Schüler*innen zu ihren bereichsspezifischen und beruflichen Interessen, ihrem akademischen Selbstkonzept sowie den beruflichen Plänen befragt. Die zweite Studie ist eine leitfadengestützte halbstrukturierte Interviewstudie mit teilnehmenden Schüler*innen sowie Absolvent*innen, in welcher die subjektive Bewertung des Modellprojekts sowie wahrgenommene projektbedingte Veränderungen, insbesondere im Kontext schulischer Interessen, der Freizeit und beruflicher Aspirationen thematisiert wurden. Um Gruppenunterschiede zu identifizieren, wurde der Welch-Test oder der Mann-Whitney-U-Test herangezogen. Die Analyse der Interviews erfolgte mithilfe der strukturierten qualitativen Inhaltsanalyse nach Mayring (2015) mit der Software MAXQDA 12 (N = 277 Codes).

Die Befunde der Untersuchungen liefern erste Hinweise, dass sich das vorgestellte regionale Bildungsprojekt als berufsorientierende Maßnahme mit regionaler Bindungswirkung eignet. Im Vergleich zu nicht-teilnehmenden Schüler*innen erwerben die Projektteilnehmer*innen berufliche Kompetenzen. Aber auch das akademische Selbstkonzept, das Interesse für MINT-Fächer sowie für praktisch-handwerkliche Tätigkeitsfelder werden gestärkt und eine Berufswahlentscheidung im MINT-Bereich positiv beeinflusst. Die qualitativen Interviewdaten untermauern die Schlussfolgerung, dass die Arbeit im regionalen Ausbildungsunternehmen und die damit verbundenen praktischen Erfahrungen die Interessens- und Selbstkonzeptentwicklung der Projektteilnehmer*innen maßgeblich prägt. Besonders die kontinuierliche Auseinandersetzung mit berufsschulischen Themen, die Verknüpfung zwischen Gymnasium, Berufsschule und Betrieb sowie der praktische Anwendungsbezug scheinen eine vielversprechende Grundlage zu schaffen, um das fachspezifische Interesse zu fördern und die wahrgenommenen Fähigkeiten in den Fächern Mathematik und Physik zu steigern. Die Daten legen außerdem die Notwendigkeit einer demografiesensiblen Bildungspolitik nahe und untermauern deren Erfolgsaussichten. Geschlechtsspezifische Analysen zeigen, dass alle aufgeführten Gruppenunterschiede bei Schülern bestehen, während nahezu alle gruppenspezifischen Unterschiede bei alleiniger Betrachtung von Schülerinnen keine statistische Signifikanz aufweisen: Teilnehmende Schüler berichten ein höheres Fähigkeitsselbstkonzept in Mathematik und Physik, stärkere Interessen für MINT-Schulfächer sowie für praktisch-technische und intellektuell-forschende Tätigkeitsbereiche. Außerdem streben sie häufiger ein Studium oder einen Beruf im MINT-Bereich an. Teilnehmende Schülerinnen berichten lediglich von geringeren sprachlich-literarisch-künstlerischen Interessen und einer höheren praktisch-technischen Interessensorientierung im Vergleich zu nicht-teilnehmenden Schülerinnen.

Im Vortrag erfolgt die Einordnung der Ergebnisse ausgehend vom theoretischen Hintergrund und vom Forschungsstand sowie die Ableitung von Implikationen für die Anlage ähnlicher Förderprogramme in Bezug auf deren Administration und schulische Umsetzung.