Timo Kosiol, Stefan Ufer (LMU München)

Technologiebezogene fachdidaktische und fachliche Kompetenzen von Mathematik-Lehrkräften messen

Nach einem theoretischen Blick auf die Professionsforschung von Lehrkräften mit und ohne Technologiebezug möchte ich die Konzeption unseres Testinstruments vorstellen. Mit diesem Testinstrument haben wir das technologiebezogene fachliche und fachdidaktische Wissen von knapp 200 Sekundarschul-Lehrkräften erhoben, die Stichprobe setzt sich zu Teilen aus einer Gelegenheitsstichprobe und zu Teilen aus Lehrkräften im DigitUS-Projekt zusammen. Ich möchte Ergebnisse zu Gütekriterien sowie zur Dimensionalität des Wissens vorstellen.

Christian Schons, Andreas Obersteiner (TU München)

Aufgabenbasierte Diagnose mathematischer Fehlvorstellungen aus mathematikdidaktischer und psychologischer Perspektive

Das Beurteilen individueller Lernprozesse und -ergebnisse ist eine anspruchsvolle Aufgabe für Lehrkräfte. Im Mathematikunterricht nutzen Lehrkräfte häufig schriftliche Aufgaben, um Lernprozesse bei den Schülerinnen und Schülern anzuregen und zu beurteilen. Bislang gibt es allerdings nur wenige Erkenntnisse darüber, wie Lehrkräfte Aufgaben zum Diagnostizieren auswählen und deren Lösungen evaluieren. In diesem Vortrag wird eine Studie vorgestellt, in der die Diagnoseaktivitäten von N = 65 Lehramtsstudierenden in einer digitalen Simulation einer aufgabenbasierten Diagnosesituation analysiert wurden. Basierend auf Prozessdaten aus der digitalen Simulation wurden die Aufgabenauswahl (nach ihrem diagnostischen Potential) und die diagnostischen Aktivitäten (nach einem Modell für Argumentationsprozesse) während der Evaluation der Lösungen kodiert. Es konnten drei unterschiedliche Aktivitätsprofile identifiziert werden, die keine deutlichen Unterschiede im fachlichen und fachdidaktischen Vorwissen aufwiesen, sich aber in der Diagnosequalität unterschieden. Die Ergebnisse werden im Zusammenhang mit bisherigen Erkenntnissen zu Diagnoseprozessen diskutiert.

Aylin Thomaneck, Maike Vollstedt (Universität Bremen), Maike Schindler (Universität zu Köln)

Wie könne Eye-Tracking und Stimulated Recall Interviews dazu beitragen, die kognitiven Prozesse und Vorgehensweisen von Schüler*innen bei der Interpretation empirischer Graphen besser zu verstehen

In dem Vortrag steht die Methode des Eye-Tracking mit anschließenden Stimulated Recall Interviews im Fokus. Darin dient ein Video, das die Blickbewegungen der Schüler*innen zeigt, als Stimulus. Es wird darauf Bezug genommen, wie Blickbewegungen in der Domäne der Funktionen, insbesondere bei der Interpretation (kontextueller) Graphen, interpretiert werden können und welche domänenspezifischen aber auch domänenübergreifenden Phänomene für die Interpretation von Blickbewegungen von Bedeutung sind. Schließlich wird als Ausblick eine empirische Studie vorgestellt, die sich diese Erkenntnisse zu Nutze macht und mithilfe von Eye-Tracking und Stimulated Recall Interviews untersucht, welche Vorgehensweisen Schüler*innen bei der Erfassung der Änderung kontextueller Graphen nutzen.

Janina Krawitz, Stanislaw Schukajlow , Jonas Kanefke, Katharina Wiehe (WWU Münster), Katrin Rakoczy (JLU Gießen)

Offene Modellierungsaufgaben in einem selbständigkeitsorientierten Mathematikunterricht

Die Bearbeitung von offenen Modellierungsaufgaben im Schulunterricht soll Lernende darauf vorbereiten, ihr mathematisches Wissen im Alltag und im Beruf zu verwenden. Im Anschluss an Forschungen zum mathematischen Modellieren, zu offenen Aufgaben und selbständigkeitsorientierten Lehr-Lern-Formen wird im OModA-Projekt untersucht, welche Effekte (1) eine auf die Anforderungen der offenen Aufgaben zugeschnittene Instruktion und (2) der Unterricht mit offenen Modellierungsaufgaben auf kognitive und motivationale Faktoren hat.