28.02.2013 Aufrufe

Sharing Knowledge: Scientific Communication - SSOAR

Sharing Knowledge: Scientific Communication - SSOAR

Sharing Knowledge: Scientific Communication - SSOAR

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

264 Christian Swertz<br />

sche Struktur zu entwerfen, um didaktische Relationen zu ergänzen und dann<br />

durch eine automatische Analyse festzustellen, welche der Modelle auch tatsächlich<br />

angeboten werden können.<br />

Umgekehrt kann eine Lernumgebung gezielt für vorher ausgewählte didaktische<br />

Modelle produziert werden. Wenn z.B. aufgabenorientiert-zielorientiertes<br />

Lernen ermöglicht werden soll, ist klar, welche Wissenseinheiten mit welchen<br />

Wissensarten für jedes Thema benötigt werden und welche Relationstypen bei<br />

der Vernetzung zu verwenden sind. Dadurch kann die didaktische Komplexität<br />

des hier vorgestellten Konzepts im Einzelfall reduziert und für Autorinnen und<br />

Autoren handhabbarer gemacht sowie institutionellen Rahmenbedingungen<br />

(z.B. Finanzierung) angepasst werden. Das soll kurz am Beispiel der derzeit laufenden<br />

Entwicklung einer Online-Lernumgebung zur Einführung in die Statistik<br />

im Diplomstudiengang Pädagogik skizziert werden, aus der auch der<br />

Bildschirmauszug in Abb. 8 entnommen ist:<br />

Eine Einführung in die Statistik im Diplomstudiengang Pädagogik wendet<br />

sich an eine Zielgruppe mit mathematischen Vorkenntnissen auf Abiturniveau.<br />

Ziel der Einführung ist es, zum einen ein Verständnis von statistischen Analysen<br />

zu erreichen, und zum anderen zur eigenen Anwendung von statistischen Verfahren,<br />

z.B. in Diplomarbeiten, zu befähigen. Ein Verständnis und die Fähigkeit<br />

zur eigenen Anwendung kann besonders gut mit beispielorientierten und handlungsorientierten<br />

Verläufen erreicht werden. Daher wurde die handlungsorientierte<br />

und die klassisch - beispielorientierte Mikrostrategie realisiert.<br />

Für die Wahl der Makrostrategie ist ausschlaggebend, dass die Studierenden<br />

nur geringe Vorkenntnisse haben. Ohne Vorkenntnisse kann ein Gebiet jedoch<br />

kaum selbst strukturiert werden. Es gilt, auch eine Übersicht über das Gebiet der<br />

Statistik zu erreichen. Dafür sind verschiedene Makrostrategien geeignet. Besonders<br />

geeignet ist das zielorientiert-induktive Modell, mit dem zum einen das<br />

Ziel einen Verständnisrahmen anbietet, zum anderen die Struktur des Bereichs<br />

in einer einfachen hierarchischen Ordnung erschlossen werden kann. Für fortgeschrittene<br />

Studierende soll zusätzlich das Netzwerkmodell angeboten<br />

werden.<br />

Das eng begrenzte Budget macht es unmöglich, unterschiedliche mediale<br />

Verläufe zu realisieren. Da für das Verständnis statistischer Analysen der Zusammenhang<br />

besonders relevant ist, wurde entschieden, das Orientierungswissen<br />

auch mit Animationen zu präsentieren. Daraus ergibt sich für jedes Thema<br />

folgende Wissensartenliste: Orientierungswissen (als Animation und als Text),<br />

Erklärung, Handlung, Beispiel, zwei Selbstkontrollaufgaben und Quellen (als<br />

Text). Die Themen müssen jeweils mindestens eine Ober- und eine Unterbegriffsrelation<br />

aufweisen und dort, wo das sachlich geboten ist, mit Assoziationsrelationen<br />

verbunden sein. Zu diesem Zweck wurde am Projektbeginn eine<br />

Gliederung der Themen in Form einer Wissenslandkarte entwickelt. Die hierarchischen<br />

Relationen ergeben sich unmittelbar aus der Wissenslandkarte. Zu-

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!