Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Abschlussreferat Bedeutung der Hierarchie von Lerninhalten für Game Based Learning 602.966 ES Forschungsmethodik III O. Univ.-Prof. Dr. Dietrich Albert.

Ähnliche Präsentationen


Präsentation zum Thema: "Abschlussreferat Bedeutung der Hierarchie von Lerninhalten für Game Based Learning 602.966 ES Forschungsmethodik III O. Univ.-Prof. Dr. Dietrich Albert."—  Präsentation transkript:

1 Abschlussreferat Bedeutung der Hierarchie von Lerninhalten für Game Based Learning ES Forschungsmethodik III O. Univ.-Prof. Dr. Dietrich Albert Gruppe 6 Neururer Plentner Prietl

2 FM3Abschlussreferat2 Inhalt Theoretischer Hintergrund Ableitung der Fragestellung und Hypothese Methode Ergebnisse Diskussion Verständnisfragen Literatur

3 FM3Abschlussreferat3 Game Based Learning Definition „Die Anwendung bildschirm-, computer- oder internetbasierten Spielen zu Lehr- und Lernzwecken“ (e-teaching, 2008) Kennzeichen „guter Computerspiele“ Probleme sind vorstrukturiert Abgestufte Levels (Schwan, 2006)

4 FM3Abschlussreferat4 Wissensraumtheorie Strukturierung eines Wissensbereiches durch Voraussetzungsbeziehungen Von Jean-Paul Doignon & Jean-Claude Falmagne 1985 entwickelt Adaptive Wissensdiagnose Ökonomische Testung (Hockemeyer, 2002)

5 FM3Abschlussreferat5 Wissensraumtheorie Wissensbereich (Knowledge Domain) Endliche, nichtleere Menge Q von Aufgaben Aufgaben können gelöst oder nicht gelöst werden (dichotom) (Falmagne et al., 1990)

6 FM3Abschlussreferat6 Wissensraumtheorie Prerequisite Relation Annahme von Abhängigkeiten zwischen Aufgaben eines Wissensbereiches Q  Prerequisite Relations Innerhalb der Menge Q als binäre Relation ≤ a ≤ b… Lösung der Aufgabe b beinhaltet die Lösung der Aufgabe a reflexiv, transitiv  Quasiordnung antisymmetrisch  Partialordnung (Falmagne et al., 1990)

7 FM3Abschlussreferat7 Wissensraumtheorie Beispiel: Q = {a, b, c, d, e} a)378 x 605 = ? b)58.7 x 0.94 = ? c)1/2 x 5/6 = ? d)What is 30% of 34? e)Gwendolyn is 3/4 as old as Rebecca. Rebecca is 2/5 as old as Edwin. Edwin is 20 years old. How old is Gwendolyn? (Falmagne et al., 1990)

8 FM3Abschlussreferat8 Wissensraumtheorie Wissenszustand (Knowledge State) Teilmenge K von Aufgaben aus Q, die gelöst werden können 2 n mögliche Wissenszustände {a, b, c}  Q  möglicher Wissenszustand {b, c, d}  Q  kein möglicher Wissenszustand (Falmagne et al., 1990)

9 FM3Abschlussreferat9 Wissensraumtheorie Wissensstruktur (Knowledge Structure) Sammlung K von Wissenszuständen innerhalb Q  Wissensstruktur K = { { }, {a}, {c}, {a, c}, {a, b}, {a, b, c}, {a, b, d}, {a, b, c, e}, {a, b, c, d}, Q} Eigenschaften: abgeschlossen bezüglich Mengenvereinigung und Mengendurchschnitt K, K’ einer Wissensstruktur  K  K’ und K  K’  Wissenszustände der Wissensstruktur (Falmagne et al., 1990)

10 FM3Abschlussreferat10 Wissensraumtheorie Methoden zur Erfassung von Wissensstrukturen Analyse erhobener Daten Analyse von Curricula und Didaktik Analyse von Anforderungen Analyse Kompetenz und Performanz ExpertInnenbefragung (Albert & Kaluscha, 1997)

11 FM3Abschlussreferat11 Wissensraumtheorie Überprüfung der Validität einer Wissensstruktur Correlation Agreement Coefficient (CA) Distance Agreement Coefficient (DA) Diskrepanz Index (DI) Analyse von Lösungshäufigkeiten

12 FM3Abschlussreferat12 Wissensraumtheorie Correlation Agreement Coefficient (CA) Überprüfung, welche der „konkurrierenden“ Strukturen mehr mit den empirischen Daten übereinstimmt Vergleich der beobachteten Korrelationen zwischen den Aufgaben mit den erwarteten Korrelationen Je höher der Wert, desto besser die Struktur und desto besser passt die Struktur zu den Daten (Van Leeuwe,1974; aus

13 FM3Abschlussreferat13 Wissensraumtheorie Distance Agreement Coefficient (DA) Vergleich der empirisch erhaltenen Antwortmustern mit den Zuständen des Wissensraums Gesucht wird die „minimale symmetrische Distanz“ d max = Q/ 2 Q…Anzahl der Aufgaben (Schrepp,1999; aus Diskrepanz Index durchschnittliche symmetrische Distanzen Je geringer mittlere Distanz, desto mehr Übereinstimmung (Kambouri et al., 1994; aus

14 FM3Abschlussreferat14 Wissensraumtheorie Analyse der Lösungshäufigkeiten (relativ und absolut) Codierung: 1 = Aufgabe gelöst 0 = Aufgabe nicht gelöst Aufgabennummer12345…….. Relative Häufigkeit ? ????? Absolute Häufigkeit?% (Schrepp,2001; aus

15 FM3Abschlussreferat15 Wissensraumtheorie Studie: „An empirical Test of a Process Model for Letter Series Completion Problems“ (Martin Schrepp,1999) Verbindung zwischen den Annahmen der Wissensraumtheorie und dem Prozessmodell, welches dem Lösen/Fortsetzen von Buchstabenreihenfolgen (LCS- Problemen), zugrunde liegt Empirische Überprüfung möglich, indem man Wissensstruktur erstellt und mit Antwortmuster vergleicht

16 FM3Abschlussreferat16 Wissensraumtheorie  20 Buchstabenreihenfolgen  Erstellung einer Surmise Relation mit aufsteigendem Schwierigkeitsgrad aufgrund der Annahmen des Prozess- modells  Versuchspersonen: 51 (25 Frauen, 26 Männer)  Aufgabe: - Fortsetzen der Buchstabenabfolge um 3 weitere Buchstaben

17 FM3Abschlussreferat17 Wissensraumtheorie Ergebnisse: Durchschnittliche Lösungshäufigkeit: 81% Berechnung der symmetrischen Distanzen d max = 10 Durchschnittliche Distanz: 0,92  Ergebnisse zeigen, dass die aus dem Prozessmodell hergeleitete Surmise Relation fähig ist die Schwierigkeit von Buchstabenreihenfolgen ausreichend vorherzusagen.

18 FM3Abschlussreferat18 Ableitung der Fragestellung Kennzeichen „guter Computerspiele“ (Schwan, 2006) Probleme sind vorstrukturiert abgestufte Levels Wissensraumtheorie Hierarchische Strukturierung eines Wissensbereiches (Falmagne et al., 1990) Empirische Überprüfung von Wissensstrukturen (

19 FM3Abschlussreferat19 Fragestellung Gibt es einen Unterschied bezüglich der Lernleistung zwischen Personen, die nach der vorgegebenen Reihenfolge der Levels von spielbasierten Lernprogrammen lernen und Personen, die nach einer zufällig ausgewählten Reihenfolge der Levels lernen?

20 FM3Abschlussreferat20 Forschungshypothesen Ho:Personen, die nach der vorgegebenen Reihenfolge der Levels eines spielbasierten Lernprogramms lernen, zeigen keine bessere Lernleistung als Personen, die nach einer zufällig ausgewählten Reihenfolge der Levels lernen.

21 FM3Abschlussreferat21 Forschungshypothesen H1:Personen, die nach der vorgegebenen Reihenfolge der Levels eines spielbasierten Lernprogramms lernen, zeigen eine bessere Lernleistung als Personen, die nach einer zufällig ausgewählten Reihenfolge der Levels lernen.

22 FM3Abschlussreferat22 Methode

23 FM3Abschlussreferat23FM3Planungsreferat23 Stichprobe Rekrutierung - Bekanntenkreis, PsychologiestudentInnen Umfang 24 Personen: 12 Frauen und 12 Männer Art der Stichprobe Maturaniveau zwischen 18 und 40 Jahren (M=25,58; SD=3,17) Untersuchungsort PC-Raum, am Institut für Psychologie, KFU Graz Entlohnung Versuchsschein

24 FM3Abschlussreferat24 Material Testheft Demographische Daten und Screening Instruktion Strukturiertes Interview Wissenstest

25 FM3Abschlussreferat25 Material Testheft Screening Wie gut kennen Sie die Namen der Regionen (und deren Hauptstädte) Mexikos? Gar nichtkaummittelmäßigziemlichAußerordentlich gut

26 FM3Abschlussreferat26 Material Testheft Wissenstest Acht Fragen in Papier-Bleistift-Form aus dem Lernprogramm Sheppard Hierarchische Struktur der Fragen Level 1: Fünf Fragen Level 2 bis 4: Jeweils eine Frage

27 FM3Abschlussreferat27 Material Testheft Strukturiertes Interview „Wie ist es Ihnen ergangen?“ „Hat Ihnen das Lernspiel Spaß gemacht?“ „Wie schätzen Sie die Schwierigkeit der Aufgaben ein?“ „Wäre eine andere Reihenfolge der Aufgaben leichter gewesen? Wenn ja, welche?“

28 FM3Abschlussreferat28 Material Apparatur 10 PCs (Pentium 4, 160 GB HD; 1 GB RAM) Windows Xp 17 Zoll TFT- Bildschirme (1280 x 1024 Pixel) Internetzugang (Mozilla Firefox)

29 FM3Abschlussreferat29 Material Software „Sheppard Software“ verschiedene Online- Lern- Spiele Themen: Chemie, Mathematik… Geographie  Mexiko (Hauptstädte ) (http://www.sheppardsoftware.com/)

30 FM3Abschlussreferat30 Material Software Tutorial: Aufgabe des/der SpielerIn ist es die Länder auf der Karte anzuklicken Der/die SpielerIn erfährt den Namen der Hauptstadt und weitere Informationen zum zugehörigen Land (http://www.sheppardsoftware.com)

31 FM3Abschlussreferat31 Material Software Nach dem Tutorial folgen verschiedene Levels, die nach aufsteigender Schwierigkeit geordnet sind Beginner: „Find and Click by Region“ Intermediate: „Find the correct capital for the country“ Expert: „Find the correct country for the capital“ Cartographer: „Type the first three letters of the name of the country's capital (http://www.sheppardsoftware.com/)

32 FM3Abschlussreferat32 Untersuchungsplan UV: Darbietung der Levels Vorgegebene Reihenfolge der Levels Zufällig gewählte Reihenfolge der Levels AV: Antwortmuster SV: Vorwissen (Ausschluss)

33 FM3Abschlussreferat33 Untersuchungsplan Vorgegebene Reihenfolge der Levels Tutorial Beginner Intermediate Expert Cartographer Zufällig gewählte Reihenfolge der Levels Tutorial Expert Intermediate Cartographer Beginner

34 FM3Abschlussreferat34 Auswertungsmethoden ePsyt ePsyt- electronic Psychology tools Online verfügbar Institut für Psychologie  Arbeitsbereich Allgemeine Psychologie  Knowledge Space Theory: Punkt „Software“ – „ePsyt“ Auf Grundlage der Wissensraumtheorie entwickelt (http://wundt.uni-graz.at/epsyt/epsyt/index.php)

35 FM3Abschlussreferat35 Auswertungsmethoden ePsyt Tools für Konstruktion eines Wissensraumes (Constr) Berechnen der symmetrischen Distanzen (distance) Berechnen des Correlation Agreement Coefficient u.a (http://wundt.uni-graz.at/epsyt/epsyt/index.php)

36 FM3Abschlussreferat36 Untersuchungsablauf Gruppe- srukturiert BegrüßungDatenblatt Screening Instruktion strukt. Spiel Strukturiertes Interview Wissenstest Verabsch. Gruppe- unstrukturietInstruktion unstrukt. ca. 5 min 20 min* ca. 5 min10 min * Tutorial: 5 min. Bearbeitung der Levels: 15 min Dauer gesamt: ca. 45 min

37 FM3Abschlussreferat37 Ergebnisse

38 FM3Abschlussreferat38 Ergebnisse Lösungshäufigkeiten Lösungshäufigkeiten strukturiert n=12 Aufgabe Ges. Absolute Häufigkeit Relative Häufigkeit33,358,316,758,341,7033,38,331,3

39 FM3Abschlussreferat39 Ergebnisse Lösungshäufigkeiten Lösungshäufigkeiten unstrukturiert n=12 Aufgabe Ges. Absolute Häufigkeit Relative Häufigkeit50,091,7083,350,016,750,0042,7

40 FM3Abschlussreferat40 Ergebnisse Lösungshäufigkeiten Strukturiert vs. Unstrukturiert

41 FM3Abschlussreferat41 Ergebnisse Basis Erstellen der Basis des Wissensraums Basiszustände: (a), (b), (c), (d), (e), (a,b,c,d,e,f), (a,b,c,d,e,f,g), (a,b,c,d,e,f,g,h)

42 FM3Abschlussreferat42 Ergebnisse Basis Basis des Wissensraums 8  Anzahl der Aufgaben 8  Anzahl der Basiszustände

43 FM3Abschlussreferat43 Ergebnisse Wissensraum Erstellung des Wissensraums mittels des ePsyt-Tools „constr“ aufgrund der Basis Es ergeben sich 35 mögliche Wissenszustände Vergleich der Antwortmuster der Vpn mit den Zuständen des Wissensraums! Anwendung des Tools „distance“

44 FM3Abschlussreferat44

45 FM3Abschlussreferat45 Ergebnisse Diskrepanzindex- strukturiert DistanzHäufigkeit Durchschnittliche Distanz: 0,5 Standardabweichung: 0,5

46 FM3Abschlussreferat46

47 FM3Abschlussreferat47 Ergebnisse Diskrepanzindex- unstrukturiert DistanzHäufigkeit Durchschnittliche Distanz: 0,6667 Standardabweichung: 0,6236

48 FM3Abschlussreferat48 Ergebnisse Simulation Vergleich der Antwortmuster mit gesamten Wissensraum (2 8 mögliche Wissenszustände) Strukturiert: Distanz = 1,417 SD = 1,255 Unstrukturiert: Distanz = 2,417 SD = 1,32

49 FM3Abschlussreferat49 Ergebnisse Simulation Vergleich der Antwortmuster mit einem zufällig konstruierten Wissensraum Strukturiert: Distanz = 1,417 SD = 0,493 Unstrukturiert: Distanz = 1,5 SD = 0,5

50 FM3Abschlussreferat50 Ergebnisse Reproduzierbarkeitskoeffizient Reproduzierbarkeitskoeffizient nach Guttman Gibt den Prozentsatz der Daten an, der durch das Modell erklärt werden kann Rep = 1 - [d / (a * n)] d… Anzahl der Fehler a… Anzahl der Items n… Anzahl der VPn/Gruppe ≥ 0,9  modellkonform Bortz & Döring (2003)

51 FM3Abschlussreferat51 Ergebnisse Reproduzierbarkeitskoeffizient Strukturiert: 1-[6/(8*12)] =0,9375 Unstrukturiert: 1-[8/(8*12)] =0,9167

52 FM3Abschlussreferat52 Ergebnisse Strukturiertes Interview Wie ist es Ihnen ergangen? Hat Ihnen das Lernspiel Spaß gemacht? StrukturiertUnstrukturiert gutmittelschlechtgutmittelschlecht 25%33.3%41.7%25%58.3%16.7% StrukturiertUnstrukturiert jamittelneinjamittelnein 66.7%16.7% 66.7%16.7%16,7%

53 FM3Abschlussreferat53 Ergebnisse Strukturiertes Interview Wie schätzen Sie die Schwierigkeit ein? Wäre eine andere Reihenfolge leichter gewesen? StrukturiertUnstrukturiert leichtmittelschwerleichtmittelschwer 8.3%33.3%58.3%0%33.3%66.7% StrukturiertUnstrukturiert janeinjanein 8.3%91.7%83.3%16.7%

54 FM3Abschlussreferat54 Diskussion

55 FM3Abschlussreferat55 Diskussion Zusammenfassung der Ergebnisse Diskrepanzindex: mittlere symmetrische Distanz Strukturiert: 0,5 Unstrukturiert: 0,667  Antwortmuster „strukturiert“: mehr Ähnlichkeit mit Wissensraum Reproduzierbarkeitskoeffizient nach Guttman Strukturiert: 0,9375 Unstrukturiert: 0,9167  Beide Bedingungen modellkonform

56 FM3Abschlussreferat56 Diskussion Zusammenfassung der Ergebnisse Relative Lösungshäufigkeiten Strukturiert: 31,3% Unstrukturiert: 42,7% Hypothese Personen, die nach der vorgegebenen Reihenfolge der Levels eines spielbasierten Lernprogramms lernen, zeigen eine bessere Lernleistung als Personen, die nach einer zufällig ausgewählten Reihenfolge der Levels lernen.  trifft nicht zu

57 FM3Abschlussreferat57 Diskussion Hasse Diagramm der 8 Aufgaben Aufgabeabcdefgh Strukt.33,3%58,3%16,7%58,3%41,7%0%33,3%8,3% Unstrukt.50,0%91,7%0%83,3%50,0%16,7%50,0%0%

58 FM3Abschlussreferat58 Diskussion Aufgabe c: Cuernavaca ist die Hauptstadt von? Dazugehöriges Land sehr klein Verwechslungsfehler

59 FM3Abschlussreferat59 Diskussion Aufgabe f: Toluca ist die Hauptstadt von? Länder waren nicht eingezeichnet

60 FM3Abschlussreferat60 Diskussion Aufgabe g: Die Hauptstadt von Chiapas ist? Antwortmöglichkeiten waren gegeben

61 FM3Abschlussreferat61 Diskussion Strukturiertes Interview: „ Wäre eine andere Reihenfolge leichter gewesen?“  Trotzdem: Lösungshäufigkeit „Unstrukturiert“ höher als „Strukturiert“ StrukturiertUnstrukturiert janeinjanein 8.3%91.7%83.3%16.7%

62 FM3Abschlussreferat62 Diskussion Allgemein/ Empfehlung für nachfolgende Studien Größere Stichprobe Zeitdruck Mehr Voruntersuchungen Studierende vs. Nicht-Studierende Sprache

63 FM3Abschlussreferat63FM363 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. Bortz, J., Döring, N. (2003). Forschungs- und Evaluationsmethoden für Human- und Sozialwissenschaftler. (3.Auflage) Berlin Heidelberg: Springer. Falmagne, J. C., Koppen, M., Villano, M., Doignon, J. P., & Johannesen, L. (1990). Introduction to knowledge spaces: How to build, test and search them. Psychological Review, 97, 201–224. Hockemeyer, C. (2002). A Comparison of Non–Deterministic Procedures for the Adaptive Assessment of Knowledge. Psychologische Beiträge, 44, 495–503. Schrepp, M. (1999). An Empirical Test of a Process Model for Letter Series Completion Problems. In D. Albert & J. Lukas (Eds.), Knowledge Spaces: Theories, Empirical Research Applications (pp. 133–154). Mahwah, NJ: Lawrence Erlbaum Associates.

64 FM3Abschlussreferat64 Literatur Schwan, S. (2006). Game Based Learning – Computerspiele in der Hochschule. Zugriff am , von teaching.org/didaktik/konzeption/methoden/lernspiele/game_based_learning/gameba sedlearning.pdf [Stand: ] teaching.org/didaktik/konzeption/methoden/lernspiele/game_based_learning [Stand: ] [Stand: ] [Stand: ]

65 FM3Abschlussreferat65 Verständnisfragen 1. Aus welchem Grund war die Berechnung des „Correlation Agreement Coefficient“ für unsere Untersuchung nicht relevant? 2. Wieso wurden Simulationen durchgeführt?


Herunterladen ppt "Abschlussreferat Bedeutung der Hierarchie von Lerninhalten für Game Based Learning 602.966 ES Forschungsmethodik III O. Univ.-Prof. Dr. Dietrich Albert."

Ähnliche Präsentationen


Google-Anzeigen