Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Stand der Forschung Bedeutung der Hierarchie von Lerninhalten für Game Based Learning Neururer Plentner

Ähnliche Präsentationen


Präsentation zum Thema: "Stand der Forschung Bedeutung der Hierarchie von Lerninhalten für Game Based Learning Neururer Plentner"—  Präsentation transkript:

1 Stand der Forschung Bedeutung der Hierarchie von Lerninhalten für Game Based Learning Neururer Plentner Prietl LV: Forschungsmethodik III LV- Leiter: O. Univ.-Prof. Dr. Dietrich Albert

2 FM3Stand der Forschung2 Inhalt Überblick Game Based Learning Theoretischer Hintergrund Wissensraumtheorie Methoden zur Erfassung von Wissensstrukturen Praktische Anwendung ALEKS Ableitung der Fragestellung

3 FM3Stand der Forschung3 Lehren und Lernen mit Computerspielen (Klimmt, 2004) Seit den 1970er Jahren haben Computerspiele einen zunehmenden Einfluss auf die Freizeitgestaltung Mögliche positive Effekt von Computerspielen?

4 FM3Stand der Forschung4 Lehren und Lernen mit Computerspielen (Klimmt, 2004) Positive Effekte von Computerspielen Informell Ohne Intention der SpieleproduzentInnen und SpielerInnen Ergeben sich beiläufig bei der intensiven Nutzung von Computerspielen Verbesserung von Bewegungs- und Wahrnehmungsleistungen

5 FM3Stand der Forschung5 Lehren und Lernen mit Computerspielen (Klimmt, 2004) Positive Effekte von Computerspielen Explizite Intention Beruhen auf der sorgfältigen Gestaltung interaktiver Lernspiele Nach Erkenntnissen der Lernpsychologie gestaltet Game- Based- Learning

6 FM3Stand der Forschung6 Game Based Learning Definition: „ Die Anwendung von bildschirm-, computer- oder internetbasierten Spielen zu Lehr- und Lernzwecken“ (e-teaching, 2008) Lernen in einer virtuellen Umgebung Motivationsmethoden aus digitalen Unterhaltungsspielen

7 FM3Stand der Forschung7 Kennzeichen „guter Computerspiele“ (Schwan, 2006) Probleme sind vorstrukturiert Probleme sollten mit zunehmender Spieldauer und Routine der SpielerInnen komplexer werden Leichte Probleme  Lösungsprinzipien für spätere Aufgaben Probleme sollten so strukturiert sein, dass sie mit dem bereits erworbenen Wissen gelöst werden können

8 FM3Stand der Forschung8 Kennzeichen „guter Computerspiele“ (Schwan, 2006) Abgestufte Levels Probleme werden gelöst Ähnliche Probleme werden so lange geübt, bis der/die SpielerIn die Lösung beherrscht Danach „Aufstieg“ zu komplexeren Problemen Die Fähigkeiten für leichtere Levels werden in höheren Levels benötigt

9 FM3Stand der Forschung9 Wissensraumtheorie (KST) - Entwickelt von Doignon& Falmagne (1985,1999) Grundidee: - Strukturieren eines Wissensbereichs - Durch Voraussetzungsbeziehungen zwischen verschiedenen Aufgaben - Eingrenzung der möglichen Wissenszustände - Ökonomische Testung, Vermittlung von Wissen (Hockemeyer, 2002)

10 FM3Stand der Forschung10 Grundbegriffe Wissensraum (Knowledge space) Gekennzeichnet durch Q, Menge an Aufgabenstellungen an die Person Kann gelöst werden oder nicht Z.B. Q = {a, b, c, d, e}  n= 5 (Heller et. al, 2006; Stojke, 2002)

11 FM3Stand der Forschung11 Grundbegriffe Wissenszustand (Knowledge State) Teilmenge der von den ProbandInnen gelösten Aufgaben 2 n potentielle Wissenszustände (Bei Q = {a, b, c, d, e}  32 Wissenszustände Nicht alle Wissenszustände möglich  Surmise Relation  Prerequisite Relation (Heller et. al, 2006; Stojke, 2002)

12 FM3Stand der Forschung12 Grundbegriffe Surmise-Relations (Vermutungsbeziehungen) Innerhalb der Menge Q als binäre Relationen ≤ Z. B. a ≤ b… Aufgrund einer richtigen Lösung von b wird eine richtige Lösung von a vermutet Eigenschaften: Reflexivität, Transivität  Quasiordnung  Hasse Diagramm (Heller et. al, 2006)

13 FM3Stand der Forschung13 Grundbegriffe Hasse- Diagramm (Vermutungsbeziehung) Q= {a, b, c, d, e} (Heller et. al, 2006)

14 FM3Stand der Forschung14 Grundbegriffe Wissensstruktur (Knowledge Structure) Gekennzeichnet durch K Menge der Wissenszustände aus Q Menge aller Aufgabenkombinationen, einschließlich Ø und Q Beispiel: Q = {a, b, c, d, e} K = {Ø, {a}, {c}, {a, c}, {a, b}, {a, b, c}, {a, b, d}, {a, b, c, d}, {a, b, c, e}, Q}  10 Wissenszustände (Heller et. al, 2006; Stojke, 2002)

15 FM3Stand der Forschung15 Grundbegriffe Prerequisite- Relations (Voraussetzungsbeziehungen) „Eine oder mehrere Aufgaben a stellen notwendige Voraussetzungen für die erfolgreiche Bewältigung einer Aufgabe b dar“ Bsp.: 4*3= (Stojke, 2002)

16 FM3Stand der Forschung16 Methoden zur Erfassung von Wissensstrukturen Für effektive Wissensdiagnose, Informationspräsentation und -verwendung Darbietung der Information in einer Struktur  Voraussetzungsbeziehungen „Welche Information muss ich wissen, bevor ich neue Information verstehen und integrieren kann?“ (Albert & Kaluscha, 1997)

17 FM3Stand der Forschung17 Analyse erhobener Daten Sammlung der Antworten in einem definierten Wissensbereich von zahlreichen Personen Struktur: Häufigkeiten von Antwortmuster, A- posteriori Analysen Beispiel: Villano (1991; zitiert nach Albert & Kaluscha, 1997) (Albert & Kaluscha, 1997; Dösinger, 1999)

18 FM3Stand der Forschung18 Analyse erhobener Daten Nachteile Schwer durchführbar bei einer großen Anzahl an Items Abhängigkeit der resultierenden Wissensstrukturen von der Stichprobe Technik eignet sich gut, wenn Leichte Datenerhebung Wissensbereich mit wenigen Items (Albert & Kaluscha, 1997; Dösinger, 1999)

19 FM3Stand der Forschung19 Analyse von Curricula und Didaktik Verwendung des Wissens von Didaktiken und Analyse vorhandener Curricula Reihenfolge, in der Items gelehrt werden  Rückschlüsse über prerequisite-relations Beispiel: Item a wird nach Item b präsentiert  a kann keine Voraussetzung für b sein Keine wissenschaftliche Ausarbeitung (Albert & Kaluscha, 1997)

20 FM3Stand der Forschung20 Analyse von Anforderungen Anforderung kann Fähigkeit oder Wissen einiger Fakten sein Erhebung beispielsweise durch Inhaltsanalysen, didaktisches Wissen oder Analyse der zugrundeliegenden kognitiven Prozesse Beispiel: 1+2x3 Addieren natürlicher Zahlen Multiplizieren natürlicher Zahlen Wissen, dass Multiplizieren vor Addieren erfolgt (Albert & Kaluscha, 1997)

21 FM3Stand der Forschung21 Kompetenz und Performanz Erweiterung der Wissensstrukturtheorie durch Korossy (1993, 1997; zitiert nach Dösinger, 1999) KST: Wissen = Anzahl gelöster bzw. nicht gelöster Aufgaben Korossy: Fähigkeiten, um Aufgaben zu lösen Kompetenz Fähigkeiten oder Eigenschaften einer Person Ermöglichung der Lösung eines Problems können nicht direkt beobachtet werden (Albert & Kaluscha, 1997; Dösinger, 1999)

22 FM3Stand der Forschung22 Kompetenz und Performanz Performanz Verhalten (gegebene Antwort) kann beobachtet werden Kompetenz- und Performanzstruktur gleiche Eigenschaften wie Wissensstrukturen Vermutungs- und Voraussetzungsbeziehungen (Albert & Kaluscha, 1997; Dösinger, 1999)

23 FM3Stand der Forschung23 ExpertInnenbefragung Definierung des zu untersuchenden Wissensbereiches und Identifikation der relevanten Items in diesem Bereich Determinierung der Beziehung zwischen den Items Unterschiedliches ExpertInnenwissen für den 1. und 2. Schritt notwendig Beispiel Mathematik (Albert & Kaluscha, 1997; Dösinger, 1999)

24 FM3Stand der Forschung24 ExpertInnenbefragung Keine komplette Liste der Voraussetzungsbeziehungen durch ExpertenInnen möglich, daher Erhebung von surmise-realtions zwischen Aufgaben „Wenn eine Person die Aufgabe x falsch gelöst hat, ist es dann praktisch sicher, dass sie auch die Aufgabe y falsch gelöst hat?“ (Dösinger, 1999) (Albert & Kaluscha, 1997)

25 FM3Stand der Forschung25 Praktische Anwendung Beispiel aus dem Bereich des E- Learnings ALEKS (Assessment and LEarning in Knowledge Spaces) Adaptives Lernsystem basierend auf der Wissensraumtheorie Aufgaben werden an den Wissenszustand des/der Lernenden angepasst (http://www.aleks.com)

26 FM3Stand der Forschung26 Ableitung der Fragestellung Hierarchie des Wissens Voraussetzungen für spätere Anforderungen werden in früheren Lernstadien erworben Umsetzung in verschiedenen E- Learning Programmen (z. B. ALEKS) Überprüfung von Wissensstrukturen

27 FM3Stand der Forschung27 Fragestellung Kann auch bei spielbasierten Lernprogrammen eine hierarchische Struktur von Lerninhalten nachgewiesen werden? Gibt es einen Unterschied zwischen spielbasierten Lernprogrammen mit und ohne hierarchischer Struktur von Lerninhalten bezüglich der Anzahl richtig gelöster Aufgaben?

28 FM3Stand der Forschung28 Verständnisfragen Frage 1 Was ist ein Wissenszustand, was eine Wissensstruktur?

29 FM3Stand der Forschung29 Verständnisfragen Frage 2: Graphische Veranschaulichung einer Vermutungsbeziehung in einem Hasse-Diagramm Welche möglichen Wissenszustände (Wissensstruktur) ergeben (ergibt) sich?

30 FM3Stand der Forschung30 Literatur Albert, D. & Kaluscha, R. (1997). Adapting Knowledge Structures in Dynamic Domains. In C. Herzog (Ed.), Beiträge zum Achten Arbeitstreffen der GI–Fachgruppe 1.1.5/7.0.1 ``Intelligente Lehr–/Lernsysteme'', September 1997, Duisburg, Germany [Contributions of the 8th Workshop of the GI SIG „Intelligent Tutoring Systems''] (pp. 89–100). TU München. Dösinger, G. (1999). Empirische Untersuchung der Voraussetzungen des Rechnens im Vorschulalter unter Anwendung der Wissensraumtheorie. Unveröffentlichte Diplomarbeit, Karl- Franzens-Universität-Graz. Heller, J., Steiner, C., Hockemeyer, C., Albert, D. (2006). Competence-based knowledge structures for personalised learning. International Journal on E-Learning, 5(1), Hockemeyer, C. (2002). A Comparison of Non–Deterministic Procedures for the Adaptive Assessment of Knowledge. Psychologische Beiträge, 44, 495–503. Hockemeyer, C. (2003). Competence Based Adaptive E-Learning in Dynamic Domains. In F. W. Hesse & Y. Tamura (Eds.), The Joint Workshop of Cognition and Learning through Media– Communication for Advanced E-Learning (JWCL) (pp. 79–82). Berlin. Klimmt, C., Computer- und Videospiele. In: R. Mangold, P. Vorderer & G. Bente (Eds.), Lehrbuch der Medienpsychologie. – Göttingen: Hogrefe (2004). Stojke, C. (2002). Eine empirische Überprüfung von Strukturen im Bereich der kognitiven Stile und Lernstile mit Methoden der Wissensraumtheorie. Unveröffentlichte Diplomarbeit, Karl- Franzens-Universität-Graz.

31 FM3Stand der Forschung31 Literatur Schwan, S. (2006). Computerspiele in der Hochschullehre. teaching.org/didaktik/konzeption/methoden/lernspiele/game_based_learning/gamebasedlearning.pdf [Stand: ] [Stand: ] [Stand: ]


Herunterladen ppt "Stand der Forschung Bedeutung der Hierarchie von Lerninhalten für Game Based Learning Neururer Plentner"

Ähnliche Präsentationen


Google-Anzeigen