Lehrstuhl für Mathematik und ihre Didaktik Walter Olbricht, Doris ...
Lehrstuhl für Mathematik und ihre Didaktik Walter Olbricht, Doris ... Lehrstuhl für Mathematik und ihre Didaktik Walter Olbricht, Doris ...
Mittelwert 4,0 3,5 3,0 2,5 2,0 1,5 1,0 36 Der Vergleich der Klassenstufen liefert vor allem die Erkenntnis, dass die Befragten der 7. Klassen durchgehend negativer geantwortet haben als die übrigen. Tendenziell kann man außerdem noch feststellen, dass jüngere Schüler und Schülerinnen (6. und 8. Klasse) dem weiteren Einsatz von Lernsoftware und Mathematik/Geometrie im Vergleich positiver eingestellt sind. Mit dem gesteckten Zeitrahmen kommen die Befragten tendenziell besser zurecht je älter sie sind. Zusammenhang Betrachtet man die Resultate hinsichtlich der Kovariablen im Zusammenhang, so zeigen sich weitere bemerkenswerte Phänomene. Hinsichtlich Geschlecht und Mathematikzensuren sind die Auswirkungen in allen neun Skalen nahezu homogen. Bei Schulart und Anzahl der bearbeiteten Arbeitsblätter sind die Auswirkungen markanter und bei Klassenstufe am meisten ausgeprägt. Gerade bei den letzten drei Kovariablen wird man aber mit Vermengungen rechnen müssen. In allen Fällen beschränken sich die markanten Unterschied aber auf einige Skalen: Die Skalen 1, 2, 3 und 7 werden eigentlich stets einheitlich und unabhängig vom Status der Kovariable beantwortet. Bei Skala 6 zeigen sich moderierte Auswirkungen (vor allem wenn man von Klassenstufe 6 absieht). Bei den Skalen 4 und 5 sowie 8 und 9 kommen die Kovariablen Schulart, Anzahl der bearbeiteten Arbeitsblätter und Klassenstufe ins Spiel. Hier „scheiden sich dann die Geister“. Dabei scheint der Schlüssel darin zu liegen, ob es in einer Unterrichtsreihe gelingt, GEONExT zu einer positiven Erfahrung werden zu lassen – oder nicht. Diese Erfahrung hat aber wenig Auswirkungen auf generelle Haltungen zu Computern oder selbständigem Arbeiten: Sie wird eben von den Schülern durchaus spezifisch (auf die Unterrichtsreihe bezogen) wahrgenommen. Es scheint im weitesten Sinne die Klassensituation (umschrieben durch Klassenstufe, Anzahl der bearbeiteten Arbeitsblätter und Schulart) und weniger Geschlecht und Note zu sein, die dann zu unterschiedlichen Beurteilungen führen. Prägnant zusammenfassen lassen sich diese Überlegungen mittels der Kovariable Klassensatz, die im Grunde die anderen Kovariablen umgreift. Die entsprechende Graphik sieht dann so aus: Abbildung 16 Unterschiede nach Klassensatz Hieraus lässt sich unschwer erkennen: Unterschiede nach Klassensatz 1 2 3 4 5 Skala 6 7 8 9 Klassensatz1 Klassensatz3 Klassensatz4 Klassensatz5 Klassensatz6 Klassensatz7 Klassensatz8 Klassensatz9 Klassensatz11 Klassensatz12 Klassensatz14 Klassensatz15 Klassensatz16 Klassensatz17 Klassensatz20 Klassensatz21 Klassensatz22
1. GEONExT wird im Allgemeinen recht positiv bewertet – dies gilt selbst dann, wenn man in Rechnung stellt, dass durch die freiwillige Teilnahme an der Evaluation eine positive Verzerrung vorliegt. Der bestmögliche Mittelwert ist 1,0; der schlechtestmögliche 4,0. Wie leicht zu sehen ist, werden auf keiner Skala und in keiner Klasse Mittelwerte über 3,0 erreicht. 2. Die Skalen zerfallen im Wesentlichen in zwei Gruppen: Allgemeine Einstellungen zum Arbeiten mit Computern (Skalen 1, 2, 3 und 7) und spezielle Erfahrungen mit GEONExT (Skalen 4, 5, 6, 8, 9). In der ersten Gruppe hängen die Bewertungen wenig von Kovariablen (wie insbesondere Klassensatz) ab. Sie variieren zwar deutlich zwischen den Skalen, aber eben im „Gleichschritt“. In der zweiten Gruppe zeigen sich hingegen deutliche Unterschiede zwischen den Klassen: In einigen Klassen wird GEONExT zu einer sehr positiven Unterrichtserfahrung (durchgehende Linien), in anderen weniger (gestrichelte Linien). Entscheidend hierfür scheinen Lehrer- und Klasseneffekte. Hier ist anzusetzen, um das Potential von GEONExT voll auszuschöpfen. 3.5. Fazit Eine genaue inhaltliche Analyse der Skalen zeigt zunächst, dass und wie die einzelnen Items zu interpretierbaren Grundhaltungen zusammengefasst werden können. Allerdings offenbart sie – insbesondere auch in Verbindung mit einem kleinen Befragungsinstrument – auch einige Überlappungen und Unklarheiten. Darauf aufbauend können konkrete Empfehlungen zur Weiterentwicklung des Erhebungsinstrumentes gegeben werden. Eine datenbasierte Analyse der Antwortmuster zeigt einige interessante Strukturen innerhalb und zwischen den Skalen auf. Insbesondere liefert sie Hinweise, welche Items und Skalen besonders gut bzw. schlecht bewertet werden. Dies lässt sich durch die klassischen Kennzahlen aus Abschnitt 3.3. noch untermauern: GEONExT wird so gut bewertet, dass sich sogar einige Bodeneffekte zeigen. Allerdings war dies bei der Konzeption des Fragebogens nicht absehbar. Die Skaleneinteilung wird (gemessen in Cronbach's α) für die meisten Skalen als adäquat beurteilt. Auch hier ergeben sich wieder konkrete Resultate zur Verbesserung des Fragebogens. Betrachtet man die Resultate in den – mit einigen Einschränkungen abgesicherten – Skalen in Abhängigkeit von Kovariablen, so scheint vor allem die Klassensituation eine Rolle zu spielen. Sie beeinflusst die Rezeption von GEONExT, aber nicht allgemeinere Haltungen. Hier ist anzusetzen, um die an sich positiven Potentiale von GEONExT voll zum Tragen zu bringen. 37
- Seite 1 und 2: Lehrstuhl für Mathematik und ihre
- Seite 3 und 4: Inhalt 0. Vorbemerkung.............
- Seite 5 und 6: 0. Vorbemerkung Konzeption des Proj
- Seite 7 und 8: 80 70 60 50 40 30 20 10 0 Mathemati
- Seite 9 und 10: 2. Datenbasis In diesem Kapitel sol
- Seite 11 und 12: Abbildung 2 Überblick über Schuls
- Seite 13 und 14: schon möglich, deshalb gibt es unt
- Seite 15 und 16: Gesamtsd 1.6 1.4 1.2 1.0 0.8 0.6 0.
- Seite 17 und 18: sehr häufig, das Pendant „stimmt
- Seite 19 und 20: Anzahl auffälliger Skalen Row Klas
- Seite 21 und 22: 3. Untersuchung der Items In diesem
- Seite 23 und 24: dynamischen Arbeitsblättern zu arb
- Seite 25 und 26: Skala 1 Skala 2 Skala 3 Skala 4 Ska
- Seite 27 und 28: 3.2. Substrukturen (Datenbasierte S
- Seite 29 und 30: Chiquadratabstand zum Antioptimum 1
- Seite 31 und 32: ganz aus der Berechnung der Kovaria
- Seite 33 und 34: 3.4. Auswirkungen der Kovariablen i
- Seite 35 und 36: che im Umgang mit dem Computer durc
- Seite 37: diesen beiden Items verglichen mit
- Seite 41 und 42: Hintergrund: Boxplot und vergleiche
- Seite 43 und 44: Gesamtmittel 3.0 2.5 2.0 1.5 1.0 21
- Seite 45 und 46: Zensur Vorauszuschicken ist, dass d
- Seite 47 und 48: Bereinigtes Gesamtmittel Anfänger
- Seite 49 und 50: 4.3. Fazit Es lassen sich deutliche
- Seite 51 und 52: 1.7 Abbildung 24 Regressionsbaum mi
- Seite 53 und 54: deviance 30 35 40 45 50 Devianzabna
- Seite 55 und 56: Die voreingestellten Parameter wurd
- Seite 57 und 58: 2.4 1.9 1.4 0.9 0.4 -0.1 0 1 2 3 4
- Seite 59 und 60: 3 2 1 0 0 10 20 30 40 Items Klassen
- Seite 61 und 62: Hier zeigt sich in keiner Skala ein
- Seite 63 und 64: 6. Schlussfolgerungen In diesem Kap
- Seite 65 und 66: 6.3. Antworten auf die Ausgangsfrag
- Seite 67 und 68: 7. Abbildungsverzeichnis Abbildung
- Seite 69 und 70: 9. Literatur Baptist, Peter (Hrsg.)
- Seite 71: Den Themenschwerpunkt der Bayreuthe
1. GEONExT wird im Allgemeinen recht positiv bewertet – dies gilt selbst dann, wenn man in Rechnung<br />
stellt, dass durch die freiwillige Teilnahme an der Evaluation eine positive Verzerrung vorliegt.<br />
Der bestmögliche Mittelwert ist 1,0; der schlechtestmögliche 4,0. Wie leicht zu sehen ist, werden auf<br />
keiner Skala <strong>und</strong> in keiner Klasse Mittelwerte über 3,0 erreicht.<br />
2. Die Skalen zerfallen im Wesentlichen in zwei Gruppen: Allgemeine Einstellungen zum Arbeiten<br />
mit Computern (Skalen 1, 2, 3 <strong>und</strong> 7) <strong>und</strong> spezielle Erfahrungen mit GEONExT (Skalen 4, 5, 6, 8, 9).<br />
In der ersten Gruppe hängen die Bewertungen wenig von Kovariablen (wie insbesondere Klassensatz)<br />
ab. Sie variieren zwar deutlich zwischen den Skalen, aber eben im „Gleichschritt“. In der zweiten<br />
Gruppe zeigen sich hingegen deutliche Unterschiede zwischen den Klassen: In einigen Klassen wird<br />
GEONExT zu einer sehr positiven Unterrichtserfahrung (durchgehende Linien), in anderen weniger<br />
(gestrichelte Linien). Entscheidend hier<strong>für</strong> scheinen Lehrer- <strong>und</strong> Klasseneffekte. Hier ist anzusetzen,<br />
um das Potential von GEONExT voll auszuschöpfen.<br />
3.5. Fazit<br />
Eine genaue inhaltliche Analyse der Skalen zeigt zunächst, dass <strong>und</strong> wie die einzelnen Items zu interpretierbaren<br />
Gr<strong>und</strong>haltungen zusammengefasst werden können. Allerdings offenbart sie – insbesondere<br />
auch in Verbindung mit einem kleinen Befragungsinstrument – auch einige Überlappungen <strong>und</strong><br />
Unklarheiten. Darauf aufbauend können konkrete Empfehlungen zur Weiterentwicklung des Erhebungsinstrumentes<br />
gegeben werden. Eine datenbasierte Analyse der Antwortmuster zeigt einige interessante<br />
Strukturen innerhalb <strong>und</strong> zwischen den Skalen auf. Insbesondere liefert sie Hinweise, welche<br />
Items <strong>und</strong> Skalen besonders gut bzw. schlecht bewertet werden. Dies lässt sich durch die klassischen<br />
Kennzahlen aus Abschnitt 3.3. noch untermauern: GEONExT wird so gut bewertet, dass sich sogar<br />
einige Bodeneffekte zeigen. Allerdings war dies bei der Konzeption des Fragebogens nicht absehbar.<br />
Die Skaleneinteilung wird (gemessen in Cronbach's α) <strong>für</strong> die meisten Skalen als adäquat beurteilt.<br />
Auch hier ergeben sich wieder konkrete Resultate zur Verbesserung des Fragebogens. Betrachtet<br />
man die Resultate in den – mit einigen Einschränkungen abgesicherten – Skalen in Abhängigkeit von<br />
Kovariablen, so scheint vor allem die Klassensituation eine Rolle zu spielen. Sie beeinflusst die Rezeption<br />
von GEONExT, aber nicht allgemeinere Haltungen. Hier ist anzusetzen, um die an sich positiven<br />
Potentiale von GEONExT voll zum Tragen zu bringen.<br />
37
Change language