SHARP C02
Professionelle Wahrnehmung bei der Diagnose von visuellen Problemlösestrategien für Graphen in Physik und Medizin
Professionelle Wahrnehmung bei der Diagnose von visuellen Problemlösestrategien für Graphen in Physik und Medizin
Das übergeordnete Ziel besteht darin, personalisierte Unterstützung für die Entwicklung professioneller Wahrnehmung in der medizinischen Ausbildung und der Physiklehrkräftebildung zu gestalten. Der Fokus liegt dabei auf der Erkennung möglicher Schwierigkeiten beim Verständnis von Graphen. Durch die Einbindung (fach-)didaktischer Konzepte und einen interdisziplinären Ansatz sollen neue adaptive Lernumgebungen entwickelt und deren Einsatz erforscht werden. Langfristig sollen die Ergebnisse die Lehrkräftebildung an Hochschulen verbessern.
Das Projekt untersucht den Einsatz von Blickdaten zur Erkennung von Verständnisschwierigkeiten bei Graphen. Dabei werden gezielte Unterstützungsmöglichkeiten (Scaffoldings) auf Basis der Blickdaten von Lernenden entwickelt. Die Simulationen enthalten unterschiedliche Arten von Scaffoldings: repräsentationale und Lernprozess-Scaffoldings. Mittels maschinellen Lernens sollen diese während der Bearbeitung diagnostischer Aufgaben personalisiert bereitgestellt werden, um Lernende im richtigen Moment zu unterstützen. Die Effektivität der Scaffoldings und Personalisierung wird anhand experimenteller Studien untersucht. Erfasst werden dazu unter anderem diagnostisches Wissen und Fähigkeiten anhand von Fragebögen, Wissenstests, Blick- und Logdaten sowie Think-Aloud-Fragen.
Das Teilprojekt ist Teil des von der Deutschen Forschungsgemeinschaft (DFG) geförderten Transregio-Sonderforschungsbereichs TRR 419 SHARP der LMU München und der TU München. SHARP untersucht, wie simulationsbasiertes Lernen an Hochschulen durch die Analyse von Lernprozessen personalisiert werden kann.
Dr. Verena Ruf, Ernest Nyande (DAM), Marlene Gehring
Prof. Dr. Jochen Kuhn, Dr. Nicole Heitzmann, Prof. Martin Fischer
Dr. Stefan Küchemann, Prof. Dr. Sarah Hofer, Prof. Dr. Andreas Obersteiner