Mental Rotations Test (MRT): Papier-Bleistift- vs. Computerversion R. Schönfeld1,2, J. Ungewiß1, W. Lehmann2 & B. Leplow1 1 Institut für Psychologie, Martin-Luther-Universität Halle-Wittenberg 2 Institut für Psychologie I, Otto-von-Guericke-Universität Magdeburg

Related work MRT Testformen A und B (Peters et al., 1995) Computerversionen (Shiina et al., 1997,2001) VRSR-System (Rizzo et al., 1998; Parsons et al., 2005) Geschlechtsdifferenzen und Struktur des MRT Latent-Class-Analyse (Geisser 2004) Differenzierung durch Itemtypen (Voyer & Hou, 2006)

Methode – Mental Rotations Test Typ-I D1 D2 Typ-II

Methode – Mental Rotations Test Typ-I-Items Typ-II-Items Typ-III-Items MRT-A 1, 2, 5, 6, 9, 10, 11, 12, 15, 16, 19, 20 3, 4, 7, 8,13, 14, 17, 18, 21, 22, 24 23 MRT-B 1, 2, 3, 4, 7, 8, 9,11,12, 14, 16, 19, 22, 23, 24 5,6 10, 13, 15, 17, 18, 20, 21 Items mit Okklusion Items ohne Okklusion MRT-A 9, 10, 11, 14, 15, 17, 18, 19 1, 2, 3, 4, 5, 6, 7, 8, 12, 13, 16, 20, 21, 22, 23, 24 MRT-B 18, 24 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 19, 20, 21, 22, 23

Metthode - Computertest VR-Techniken (Licht, Schatten) Instruktionen am Bildschirm Besonderheit: Items werden einzeln präsentiert ! Wechsel zwischen den Items einer Testhälfte möglich

Stichprobe N N weiblich N männlich Gesamt 198 59 139 PBT 97 28 69 CT   N N weiblich N männlich Gesamt 198 59 139 PBT 97 28 69 CT 101 31 70 Schüler der 5.– 8. Klasse (10 – 15 Jahre) eines naturwissenschaftlich-technisches Gymnasiums

Versuchsplan Voruntersuchung Hauptuntersuchung MRT-A Computer- erfahrung PSB-R 6-13 (Reasoning) Alter Geschlecht Gruppe Papier-Bleistift-Test MRT-B (PBT) Parallelisierung Gruppe Computertest MRT-B (CT)

Geschlechtdifferenzen und Testwiederholung Papier-Bleistift- MRT-B 18,94 16,46 4 8 12 16 20 24 Punkte d=0.59 18,90 14,32 Computertest- d=0.91 Voruntersuchung 24 20 d=0.95 16 Punkte 12 8 4 Papier-Bleistift- MRT-A Jungen Mädchen

Automat. Klassifizierung der Antwortmuster Klassifizierung: Hierarchisches Consensus Clustering (Monti et al. 2003, Brunet et al. 2004) Distanzfunktion: sparse Non-negative Matrix Factorization (Gao & Church 2005) Iterativer Algorithmus zur Matrixfaktorisierung (Lee & Seung, 1999, 2001)

Non-negative Matrix Factorization V ~ M × H N  M N  k k  M Datenmatrix Koeffizienten Basisvektoren N : Anzahl Items M : Stichprobengröße k : Modelparameter Nicht-Negativitätsbedingung: vij≥0, wij≥0, hij≥0 Person j in Cluster i wenn hij = max( h*j ) Verwendung zur Klassifizierung:

Korrelationskoeffizient Consensus Clustering 1 if cluster(i)=cluster(j) 0 sonst cij = Conectivity Matrizen CI: Consensus Matrix: C = 1/50 ∑ CI k=3 50 100 150 k=2 Kophenetischer Korrelationskoeffizient 0.90 0.95 1.00 2 3 4 5

2-Cluster-Lösung – Itemprofile MRT-B 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 weiblich männlich Papier-Bleistift-Test Cluster I 15 34 49 Cluster II 13 33 46 korrigierte standardisierte Residuen 0.0 Computertest 10 59 21 42 3.0 -3.0

2-Cluster-Lösung - Interpretation Häufigkeit 0.0 0.2 0.4 0.6 0.8 1.0 * Okklusion ohne mit Typ-I Typ-II Typ-III

Fazit Clusteranalyse ergabt zwei Arten von Strategien: Computerretest führte zu schlechtere Leistung der Mädchen Clusteranalyse ergabt zwei Arten von Strategien: schnelles mentales Rotieren (I) langsames Analysieren der Figuren (II) Im Computertest: Strategie I vorw. bei Jungen, Strategie II vorw. bei Mädchen identifiziert Computertest verlang mögl. stärker mentales Rotieren