Forschungsprojekte

Das Lernen mit interaktiven und neuen Technologien trägt zu Kreativität und Interaktion im Lernprozess bei und beeinflusst die Lernerfahrung, indem es den Lernenden ermöglicht, sich persönlich und immersiv mit dem Lerngegenstand auseinanderzusetzen. In der bisherigen Forschung konnten bereits positive Effekte von Augmented Reality (AR) sowie Game-Based Learning (GBL) auf das Interesse, die Motivation, das Engagement und den Wissenserwerb nachgewiesen werden, wobei die Kombination beider Bereiche bisher wenig Beachtung fand.

Entscheidend für den Einsatz von AR und Spielen im Bildungskontext ist die Gestaltung und die Kontextualisierung der Lernumgebung. Hierbei spielt bei AR insbesondere die Einbettung virtueller Informationen in die physische Umgebung eine zentrale Rolle. In GBL stellt das Narrativ ein zentrales Gestaltungselement dar. Es kann hier als Hintergrundgeschichte verstanden werden, die die Lernumgebung durch die Einbettung von Szenarien und Kontexten strukturiert und eine kohärente Verbindung verschiedener Spielelemente schafft. Dies führt zu intensiven Lernerfahrungen, die die Motivation steigern und die Spielende immer wieder zum Spiel zurückkehren lassen. Narrative in Spielen ermöglichen es, durch authentisch vermitteltes Lernmaterial, interaktive und kontextbezogene Lernumgebungen die Lernsituation und den Lerninhalt in eine Weise zu verknüpfen, die als sinnvoll und persönlich wertvoll empfunden wird. Narrativzentrierte Lernumgebungen können die Spieler durch fesselnde Charaktere, die sie als immersiv und real erleben, an andere Orte und in andere Zeiten versetzen. Sie können die Spielenden in eine aktive Rolle versetzen, in der sie handeln, Schlussfolgerungen ziehen und Emotionen erleben können, die das aktive Lernen fördern. Durch neue Möglichkeiten der Interaktion mit virtuellem 3D-Material, das in die physische Umgebung eingebettet ist, bietet ARGBL authentische Lernumgebungen, die in der Lage sind, abstrakte und komplexe Inhalte zu vermitteln und unsichtbare Informationen sichtbar zu machen. Auf diese Weise bietet ARGBL reichhaltige Lernerfahrungen, die in Kombination das Lernen effektiver zu fördern als einzeln.

Dieses Dissertationsprojekt beschäftigt sich mit der Frage, wie AR-Spiele im Bildungsbereich hinsichtlich ihrer narrativen und kontextuellen Zusammensetzung gestaltet werden sollten, um interaktives Lernen in verschiedenen Bereichen zu unterstützen.

Soziale Netzwerkanalyse und maschinelles Lernen zur Charakterisierung von Nutzenden und deren Aktivitäten in vernetzten Communities (Simon Krukowski)

Laufzeit: 01/2022 – 05/2025
Simon Krukowski

Wir interagieren täglich mit anderen Personen oder Entitäten, sei es beim Gespräch mit Mitstudierenden oder bei der Auswahl von Lerneinheiten in Content-Management Systemen wie Moodle. Solche Interaktionen können wir untersuchen, indem wir sie als Beziehungen zwischen Akteur:innen und Entitäten in einem Netzwerk modellieren, in welchem Knoten (Akteur:innen) über Kanten miteinander verbunden sind. Diese Idee steht im Zentrum der sozialen Netzwerkanalyse (SNA), durch welche wir Phänomene zeigen, und Erkenntnisse gewinnen können, die ohne eine solche Aggregation auf Netzwerkebene kaum oder nur schwer erkennbar wären. Hierbei führt der stetig wachsende Anteil an Online-Kommunikationen (bspw. in Online-Foren, Sozialen Netzwerkseiten) auch zu einem immer größer werdenden Datenschatz, der in Kombination mit maschinengestützten Analyseverfahren (bspw. Large Language Models (LLMs)) eine beispiellose Analyse und Aggregation von Interaktionen zwischen Nutzenden erlaubt, etwa um automatisierte Interventionen oder das Moderieren von Communities zu ermöglichen bzw. erleichtern.

Im Zentrum dieses Projekts steht eine solche Analyse von Interaktionen auf Netzwerkebene. Spezifisch wird dabei untersucht, inwiefern Nutzende in verschiedenen Settings auf Basis von deren Verhalten charakterisiert werden können, und wie zwischen verschiedenen Rollen unterschieden werden kann. Durch Aggregation der Daten über einen längeren Zeitraum können dann Entwicklungen und Veränderungen im Verhalten nachgewiesen werden. Dabei kann differenziert werden zwischen topologischen Informationen (bspw. Anzahl der Verbindungen), quantitativen Informationen (bspw. Eigenschaften der Akteure, Likes etc.) und qualitativen Informationen (bspw. Profilbeschreibungen, Inhalte der Kommentare). Durch Verwendung von state-of-the-art Verfahren wie Graph Embeddings können diese Informationen kombiniert werden, um domänenspezifische Fragestellungen zu beantworten. So können etwa die Interaktionen von verschiedenen Nutzendengruppen auf Twitter untersucht werden, um die Dynamik zu verstehen und Handlungsempfehlungen für effizientere Wissenschaftskommunikation abzuleiten. Ein weiterer Untersuchungsgegenstand ist die Analyse des Verhaltens von Freiwilligen in Citizen Science Foren und deren Entwicklung im zeitlichen Verlauf, durch die Rückschlüsse auf domänenspezifischen Wissenszuwachs oder den Erwerb wissenschaftlicher Fähigkeiten gezogen werden kann. Durch die Kombination verschiedener state-of-the-art Techniken und deren Anwendung auf bisher wenig erforschte Gebiete wie bspw. informelle Lernsettings wie Citizen Science, leistet dieses Projekt einen besonderen Beitrag zum Verständnis von Nutzendeninteraktionen und deren automatisierter Auswertung.

Quellengedächtnis und Partner Modeling in verschiedenen kollaborativen Lernkontexten: Analysen mittels multinomialer Verarbeitungsbaummodelle (Oktay Ülker)

Laufzeit: seit 04/2021
Oktay Ülker

Kollaboratives Lernen bestimmt zunehmend den Lernalltag. In verschiedenen Lernszenarien (z. B. Auswahl von Lernpartner*innen, gemeinsame Prüfungsvorbereitung oder nachträgliche Hilfesuche) unterstützen sogenannte Group Awareness Tools Lernende, indem das Wissen von (potenziellen) Lernpartner*innen darstellt wird. Solche Verknüpfungen können auch bei Interaktionen aufgeschnappt werden: Es könnte jemandem auffallen, dass bestimmte Mitstudierende in der Vorlesung besonders gut Fragen beantworten können. Bei der gemeinsamen Klausurvorbereitung könnte aber auch Auffallen, dass andere Mitstudierende eher Schwierigkeiten mit bestimmten Themen haben. Solche Verknüpfungen müssen manchmal im Langzeitgedächtnis gespeichert und im Nachhinein abgerufen werden (Partner Modeling). Dies kann beispielsweise bei der Suche nach geeigneten Lernpartner*innen für die gemeinsame Prüfungsvorbereitung relevant sein: Man muss überlegen, ob bestimmte Kommiliton*innen gut als Lernpartner*innen geeignet sind. Man könnte auch erneut mit den gleichen Kommiliton*innen lernen und sich dabei folgende Fragen stellen: „Wie war das nochmal, kennt sich mein*e Lernpartner*in gut mit dem Lernthema aus, sodass ich Fragen dazu stellen kann? Oder kennt sich die Person nicht so gut aus, sodass ich Fragen beantworten muss?“. In anderen Kontexten könnte man sich auch zunächst an eine bestimmte Information erinnern und muss dann eventuell rekonstruieren, wer die Information präsentiert hat (Quellengedächtnis): „Irgendjemand hat beim Lernen letztens gesagt, dass Dinosaurier aufgrund langanhaltender Vulkanausbrüche ausgestorben sind. Aber wer hat das nochmal gesagt? Wen kann ich also fragen, um mehr Informationen darüber zu erhalten? Und war das eine Person, die sich mit dem Thema gut oder schlecht auskennt: Ist die Information also glaubwürdig?“.

Vor allem die kognitiven Konstrukte Quellengedächtnis und Partner Modeling sollen in verschiedenen sozialen Lernkontexten (z. B. Auswahl von Lernpartner*innen oder kollaborativer Wissensaustausch) untersucht und im Rahmen des Promotionsprojekts integriert betrachtet werden. Paradigmen und Analysemethoden werden aus verschiedenen Forschungsbereichen (z. B. Werbepsychologie, evolutionäre Psychologie, mathematische Psychologie) auf den Lernkontext übertragen. Vor allem durch die Anwendung von multinomialen Verarbeitungsbaummodellen sollen Gedächtnisprozesse bereinigt von konfundierenden Rateprozesse untersucht werden. Solche mathematischen Modelle werden in der Forschung genutzt, um das Quellengedächtnis zu untersuchen und werden hier erstmals auch auf Partner Modeling Prozesse übertragen.

Es soll untersucht werden, wie gut Verknüpfungen zwischen Personen und Informationen je nach (Lern-)Kontext im Langzeitgedächtnis gespeichert werden und wie gut sie bei unterschiedlichen Abrufperspektiven (Personenzentriert: Partner Modeling vs. Informationszentriert: Quellengedächtnis) erinnert werden. Somit können die Erkenntnisse des Promotionsprojekts Aufschluss darüber geben, welche Gedächtnisprozesse besonders schwach sind (z. B. Erinnerung an Experten als Quellen oder an niedrige Wissensstände von bestimmten Lernpartner*innen) und wobei Lernende Unterstützung benötigen, um so soziale Lernprozesse und somit den Wissenserwerb zu optimieren.

Vergangene Projekte

Kognitive Belastung und metakognitive Verständnisüberwachung beim multimedialen Lernen (Schnaubert, Baars, Schneider)

Kooperationsprojekt: Dr. Lenka Schnaubert (Universität Duisburg-Essen), Dr. Martine Baars (Erasmus Universiteit Rotterdam, NL), Dr. Sascha Schneider (Technische Universität Chemnitz)

Da Selbstregulationsprozesse ein zentraler Bestandteil individueller Lernprozesse insbesondere in schwach strukturierten Lernumgebungen sind und die Integration multimedialer Lernmaterialien in Bildungsprozessen eine zunehmend größere Rolle spielt, soll in diesem Projekt in Kooperation mit Dr. Martine Baars (Erasmus Universiteit Rotterdam) und Dr. Sascha Schneider (TU Chemnitz) der Zusammenhang zwischen der Gestaltung digitaler Instruktionsmaterialien, mentaler Belastung und Anstrengung, sowie metakognitiver Überwachung und Steuerung von Lernprozessen untersucht werden. Ziel ist es dabei herauszufinden, wie Lernende kognitive Verarbeitungsprozesse und die damit verbundene Belastung als Indikatoren für metakognitive Überwachungsprozesse und damit zur Steuerung des Lernverhaltens nutzen. Dabei soll insbesondere untersucht werden, ob Lernende bei der Bildung metakognitiver Einschätzungen zwischen lernförderlichen und weniger lernförderlichen Arten mentaler Belastung differenzieren. In ersten Studien sollen hierbei gezielt Erkenntnisse über Gestaltungsprinzipien multimedialen Lernmaterials genutzt werden, um die kognitive Belastung zu manipulieren und zu untersuchen, inwiefern sich dies auf die Höhe und Genauigkeit von Metacomprehension, also die Überwachung und Beurteilung eigener Verstehensprozesse, auswirkt. Neben grundlegenden Erkenntnissen über die Bildung von Metacomprehension soll hierbei auch herausgefunden werden, unter welchen Umständen möglichst akkurate Überwachungsprozesse erfolgen. Solche Erkenntnisse können beispielsweise genutzt werden, um multimediale Lernmaterialien nicht nur an kognitive, sondern auch gezielt an metakognitive Anforderungen anzupassen. Weitere Studien sollen darauf aufbauend metakognitive Steuerungsprozesse miteinbeziehen sowie die Übertragbarkeit auf weitere metakognitive Überwachungsmaße (z.B. Judgments of Learning) prüfen.

Lernpartnermodellierung und Grounding-Prozesse beim kollaborativen Lernen (Lydia Harbarth)

Laufzeit: 02/2019 – 01/2022
Lydia Harbarth

Computerunterstützung bietet im Bereich kollaborativen Lernens viele Möglichkeiten, stellt Lernende jedoch auch vor verschiedene Herausforderungen. Eine Schwierigkeit besteht darin, dass Lernende nicht immer effektiv bei der Zusammenarbeit vorgehen. Tools können Lernende bei Interaktionsprozessen und zielorientiertem Vorgehen während der Kollaboration unterstützen. In diversen CSCL-Kontexten haben sich sowohl implizite Unterstützungsmaßnahmen (z.B. Group Awareness Tools) als auch explizite Unterstützungsmaßnahmen (z.B. Kollaborationsskripte) als hilfreich erwiesen. Kollaborationsskripte bieten Lernenden direkte Instruktionen, indem sie die Verteilung von Aufgaben oder Rollen, aber auch die Reihenfolge von Aktivitäten vorgeben, und unterstützen Lernende so bei Kommunikations- und Koordinationsprozessen. Durch Visualisierung wissensbezogener Informationen über den Lernpartner (z.B. aufgabenbezogenes Wissen, Meinungen, Annahmen) regen kognitive Group Awareness Tools implizit Verhaltensweisen an und unterstützen Lernende, indem sie Grounding-Prozesse und Lernpartnermodellierung erleichtern.

Die durch Group Awareness Tools dargestellten Informationen über den Lernpartner können als Basis für Grounding-Prozesse im Zuge der Kollaboration dienen. Durch die Darstellung von Partnerinformationen können Lernende Lernpartnermodelle voneinander entwickeln, also eine mentale Repräsentation über Wissen, Meinungen oder Annahmen des Lernpartners. Diese Informationen erleichtern Interaktionsprozesse, die zum Aufbau eines gemeinsamen Verständnisses (Common Ground) dienen. Beispielsweise können durch Vergleich der dargestellten Partnerinformationen Unterschiede im Wissensstand oder bezüglich Meinungen identifiziert werden und als Ausgangspunkt für Diskussion und Austausch dienen. Für spezifische Lernsituationen haben sich Group Awareness Tools im kurzfristigen Rahmen als hilfreich erwiesen, Langzeiteffekte sind allerdings noch unklar. In diesem Zuge stellen sich im Rahmen des Projekts folgende Fragen: 1. Gibt es eine „Kompetenz“ zu Lernpartnermodellierung und Grounding? 2. Wenn ja, wie kann diese durch explizite und implizite Unterstützungsmaßnahmen gefördert werden?

Zusammenspiel verschiedener Group Awareness-Informationen beim kollaborativen Lernen in Social Media (unter Einbezug von Eye-Tracking) (Lisa Ollesch)

Augmented Reality zur Unterstützung Individuellen und Kollaborativen Lernens – Eine Psychologische Perspektive auf eine Technologische Entwicklung (Jule Krüger)

Laufzeit: 02/2018 – 12/2022
Jule Krüger

Augmented Reality (AR) ist eine vielversprechende Technologie, deren Einsatz in unterschiedlichen, sowohl individuellen als auch kollaborativen, Lernsettings erforscht wird. Viele Forschungsarbeiten im Bereich „AR in Education“ behandeln jedoch die allgemeine Usability und den Wissenszuwachs bei der Nutzung von AR im Vergleich zu eher traditionellem Unterricht. Um eine systematisiertere Forschung zu den spezifischen Wirkmechanismen von AR im Lernkontext zu gewährleisten, basiert die Forschung in diesem Promotionsprojekt auf einer Definition von AR, die drei Eigenschaften im Besonderen hervorhebt:

1. Kontextualität: dadurch, dass AR-Nutzende die dargestellten virtuellen Elemente (z.B. Objekte, Bilder, Text) immer gleichzeitig mit der realen Welt wahrnehmen, bieten sich neue Möglichkeiten der Verknüpfung von realem Kontext und virtuellem Element als wenn die virtuellen Elemente die reale Welt komplett verdecken (VR) oder eindeutig von ihr getrennt sind (Bildschirme).

2. Interaktivität: dadurch, dass Elemente in der AR die interaktiven Möglichkeiten von virtuellen Elementen (z.B. die Eingabe von neuen Daten um Simulationen zu verändern; direktes Feedback bei Veränderung von Variablen; Steuerung mit Eingabegeräten) mit den interaktiven Möglichkeiten von realen Elementen (z.B. „echtes“ Anfassen; gestenbasierte Interaktion) kombinieren, entstehen neue Möglichkeiten der Interaktion für AR-Nutzende.

3. Räumlichkeit: dadurch, dass virtuelle Elemente in AR im Raum dargestellt und verankert werden, können Sie für AR-Nutzende ganz anders räumlich (dreidimensional) erscheinen als Elemente, die auf einem Bildschirm dargestellt werden.

Diese drei Eigenschaften von AR, ihre Möglichkeiten zur Unterstützung von Lernen, ihre Vorteile für Lernprozesse und -ergebnisse und ihr Zusammenspiel werden im Rahmen dieses Promotionsprojekts mithilfe von Studien sowohl in individuellen als auch in kollaborativen Lernsettings untersucht.

Einfluss von Group Awareness auf akademische Hilfesuche innerhalb von interaktiven Lernumgebungen (Christian Schlusche)

Laufzeit: 02/2018 – 01/2021
Christian Schlusche

Akademisches Hilfesuchverhalten ist eine Lernstrategie, die den Lernprozess sinnvoll befördern kann. Leider wird diese von Studierenden, insbesondere in der Eingangsphase ihres Studiums nur unzureichend angewendet. Wahrgenommene soziale Kosten und fehlendes Wissen über ihre Mitstudierenden könnten Erstsemesterstudierende hemmen Hilfe zu suchen, wenn sie gebraucht wird. Informationen über Mitstudierende innerhalb von digitalen Lernplattformen könnten diese es Studierenden in der Eingangsphase ihres Studiums erleichtern geeignete Ansprechpartner zu finden und emotionale Hemmnisse zu reduzieren.

Das nachfolgend beschriebene Promotionsprojekt versucht Erkenntnisse aus der Literatur zu akademischer Hilfesuche (HS) mit Ergebnissen aus der Group Awareness (GA) Forschung zusammen zu bringen und diese in die Entwicklung und Evaluation einer interaktiven Lernumgebung einfließen zu lassen. Die Forschung im Bereich akademischer Hilfesuche untersucht welche Eigenschaften von Hilfegebenden erfolgreiches Hilfesuchverhalten begünstigt. Passend dazu wird in der Group Awareness Forschung untersucht, wie Visualisierungen über Lernpartner die Lernprozesse innerhalb von interaktiven Lernumgebungen lenken können (etwa die Strukturierung der Auswahl von Ansprechpartnern). Die Untersuchung der Schnittmenge beider Perspektiven kann den Bedarf nach spezifischen Informationen während der Hilfesuche offenlegen und durch Bereitstellung der Informationen diesen Prozess effektiver gestalten. Die für den Hilfesuch-Prozess als relevant identifizierten Informationen sollen innerhalb einer neu-entwickelten Lernplattform für Studierende dargestellt werden. Die Bedienung soll so intuitiv sein, dass Studierende die Plattform regelmäßig zu ihrer Klausurvorbereitung heranziehen können. Durch die Erfassung von Daten während Studierende tatsächliche Hilfesuch-Episoden durchlaufen, wird es möglich sein motivationale Faktoren (z.B. wahrgenommene soziale Kosten), genauso wie Prozessvariablen (z.B. Beurteilung von einzelnen Hilfesuch-Episoden; Veränderung des Verhaltens im zeitlichen Verlauf) zu erfassen.

Steuerung des Wissensaustauschs beim kollaborativen Lernen: Mechanismen und Potenziale von Text Mining (Melanie Erkens)

Laufzeit: 04/2015 – 05/2019
Melanie Erkens

Die Digitalisierung der (Hoch-)Schulen stellt Lehrende vor die Aufgabe, nicht nur Lerninhalte, sondern auch soziale Interaktionen in digitalen Lernumgebungen neu zu gestalten. Neben den Herausforderungen, die damit einhergehen, eröffnen sich durch die Digitalisierung jedoch auch Chancen, Aufwand zu minimieren. Ein Beispiel hierfür ist der Einsatz von Text Mining zur automatisierten Erfassung kognitiver Informationen aus Hausaufgaben, Wiki-Texten oder anderen digitalen Artefakten Lernender. Solche Informationen können genutzt werden, um die Zusammenstellung von Gruppen (Group Formation) mit optimalen Konstellationen von Lernenden zu automatisieren. Eine Rückmeldung kognitiver Informationen an die Lernpartner kann zudem deren Kenntnisstand übereinander verbessern (kognitive Group Awareness), wodurch Austauschprozesse so gelenkt werden können, dass sie zu einem besseren Kollaborationsergebnis führen.

Vor diesem Hintergrund wird im vorliegenden Promotionsprojekt das Potenzial von Text-Mining-Methoden bei der Erfassung, Transformation und Bereitstellung kognitiver Informationen identifiziert und empirisch untersucht. Ein Teilergebnis des Projekts ist der Entwurf eines Text-Mining-basierten Tools, das die Gruppierung Lernender und die Lenkung des sozialen Wissensaustauschs von Lernpartnern automatisiert. Ein weiteres Teilergebnis ist die Differenzierung von Wirkmechanismen unterschiedlicher, bereitgestellter Informationstypen, woraus sich neue Gestaltungsempfehlungen für die Verbesserung von Group Awareness Tools ableiten lassen.

Publikationen:

Erkens, M. & Bodemer, D. (2019). Improving collaborative learning: Guiding knowledge exchange through the provision of information about learning partners and learning contents. Computers & Education, 128, 452–472. https://doi.org/10.1016/j.compedu.2018.10.009

Erkens, M, Schneitzer, M. K., & Bodemer, D. (2018). The difference that counts: Guiding knowledge exchange by visualizing levels of co-learners’ knowledge. In J. Kay & Rosemary Luckin (Eds.), Rethinking Learning in the Digital Age: Making the Learning Sciences Count 13th International Conference of the Learning Sciences (ICLS) 2018 (Vol. 3). London, United Kingdom: International Society of the Learning Sciences.

Erkens, M., & Bodemer, D. (2017). Effects of text mining based grouping and representing on collaborative learning. Proceedings of the 17th Biennal Conference of the European Association for Research on Learning and Instruction (EARLI), 29.08. – 02.09.2017, Tampere, Finland. https://earli.org/sites/default/files/2017-09/EARLI2017_book_of_abstracts1309.pdf

Erkens, M., & Bodemer, D. (2017). Which visualization guides learners best? Impact of available partner- and content-related information on collaborative learning. Proceedings of the 12th International Conference on Computer Supported Collaborative Learning, 18. – 22.06.2017, Philadelphia, USA. https://cscl17.files.wordpress.com/2017/06/finalvol1cscl2017.pdf

Erkens, M., Bodemer, D., & Hoppe, H. U. (2016). Improving collaborative learning in the classroom: Text mining based grouping and representing. International Journal of Computer-Supported Collaborative Learning, 11(4), 387–415.

Bereitstellung kognitiver und metakognitiver Awareness-Informationen zur Unterstützung individueller und kollaborativer Regulationsprozesse (Lenka Schnaubert)

Laufzeit: 09/2013 – 03/2019
Lenka Schnaubert
Link zur Dissertation: https://doi.org/10.17185/duepublico/70041

Selbstreguliertes Lernen und (computerunterstütztes) kollaboratives Lernen sind zentrale Felder pädagogisch-psychologischer Forschung. Beiden ist gemein, dass sie untersuchen, wie Lernende relevante Lernentscheidungen treffen. Forschung zur metakognitiven Selbstregulation beschäftigt sich damit, wie Lernende ihre eigenen Kognitionen beim Lernen überwachen und steuern. In der kollaborativen Lernforschung wird zusätzlich angenommen, dass Lernende Informationen über Kognitionen ihrer Lernpartner zur Lernprozesssteuerung benötigen. Wissensbezogene Group Awareness-Tools werden hierbei eingesetzt, um entsprechende Informationen zu erfassen, zu transformieren und den Lernenden zur Verfügung zu stellen, mit dem Ziel, implizite Handlungsempfehlungen zu geben. Diese Dissertation zielt auf eine Integration beider Forschungsbereiche ab, indem (a) Awareness‑Mechanismen zur Unterstützung der metakognitiven Selbstregulation auf individuelle Lernsettings übertragen werden und (b) ein Metakognitions‑Framework genutzt wird, um wissensbezogene Group Awareness‑Informationen systematisch zu differenzieren und deren Effekte auf Regulationsprozesse und Lernergebnisse zu untersuchen. Hierzu wurden vier empirische Studien durchgeführt. Die ersten beiden Studien beschäftigen sich mit individuellen Lernszenarien und untersuchten den Einfluss metakognitiver Selbst‑Informationen (Studie 1) sowie kognitiver und metakognitiver Partnerinformationen (Studie 2) auf Regulationsprozesse und Lernergebnisse. Die folgenden zwei Studien beschäftigen sich mit kollaborativen Lernszenarien und untersuchten den Einfluss kognitiver und metakognitiver Group Awareness‑Informationen auf Regulationsprozesse und Lernergebnisse (Studie 3) mit einem zusätzlichen Fokus auf die dyadische Datenstruktur (Studie 4). Die Studienergebnisse zeigen übereinstimmend, dass Regulationsprozesse durch die Bereitstellung kognitiver und metakognitiver Awareness‑Informationen in individuellen wie kollaborativen Lernszenarien unterstützt werden können. Ferner scheinen Lernende alle verfügbaren kognitiven und metakognitiven Selbst‑, Partner- und Gruppeninformationen in ihre Lernentscheidungen einzubeziehen. Dabei wird zwar die Sicherheit in eigenes Wissen beeinflusst, jedoch nicht der Wissenszuwachs. Allerdings scheinen insbesondere metakognitive Awareness‑Informationen die dyadische Datenstruktur zu beeinflussen. Die hier durchgeführte Forschung liefert wichtige Erkenntnisse für Forschung und Praxis und zeigt, wie Metakognitions- und Group Awareness‑Forschung sich gegenseitig ergänzen können, um individuelle wie kollaborative Lernprozesse zu untersuchen und zu unterstützen.

Publikationen:

Schnaubert, L., & Bodemer, D. (2019). Providing different types of group awareness information to guide collaborative learning. International Journal of Computer-Supported Collaborative Learning, 14(1), 7–51. https://doi.org/10.1007/s11412-018-9293-y

Schnaubert, L., & Bodemer, D. (2018). What interdependence can tell us about collaborative learning: a statistical and psychological perspective. Research and Practice in Technology Enhanced Learning, 13(1), 1–18. https://doi.org/10.1186/s41039-018-0084-x

Schnaubert, L., & Bodemer, D. (2017). Prompting and visualising monitoring outcomes: guiding self-regulatory processes with confidence judgments. Learning and Instruction, 49, 251–262. https://doi.org/10.1016/j.learninstruc.2017.03.004

Schnaubert, L., & Bodemer, D. (2016). How socio-cognitive information affects individual study decisions. In C.-K. Looi, J. Polman, U. Cress, & P. Reimann (Eds.), Transforming Learning, Empowering Learners: The International Conference of the Learning Sciences (ICLS) 2016 (pp. 274–281). Singapore, SG: International Society of the Learning Sciences. https://repository.isls.org/handle/1/126

Netzwerk-Visualisierungen als Group Awareness Tools für computerunterstütztes kollaboratives Lernen in Sozialen Medien (Marielle Dado)

Laufzeit: 10/2012 – 09/2018
Marielle Dado
Link zur Dissertation: https://duepublico2.uni-due.de/receive/duepublico_mods_00047129

Computerunterstütztes kollaboratives Lernen (CSCL) bietet Lernenden vielfältige Möglichkeiten, sich untereinander auszutauschen und mit verschiedenen technologischen, didaktischen und wissensbezogenen Artefakten (z.B. Webanwendungen oder Lernressourcen) zu interagieren, um gemeinsam ein Lernziel zu erreichen. Social-Media-Plattformen, insbesondere Social-Networking-Sites (SNS), unterstützen solche Interaktionen, indem sie Funktionen für die Kommunikation und das Teilen von Ressourcen bereitstellen. Dennoch fehlen ihnen Funktionen, die lernförderliche CSCL-Diskussionen hervorrufen, beispielsweise die Bereitstellung kontextueller Hinweise, die den Lernenden helfen, mehr über ihre Mitschüler zu erfahren. Hierbei können Group Awareness Tools Abhilfe schaffen, die wichtige soziale und / oder kognitive Informationen über Gruppenmitglieder (z.B. Aktivitäten oder Wissensstände) visualisieren und damit eine Basis für die gemeinsame Planung und Durchführung von Interaktionen schaffen. Die vier Studien in dieser Arbeit tragen zur Erforschung solcher Group Awareness Tools bei, indem sie die Nützlichkeit besagter Tools beim computerunterstützen kollaborativen Lernen in sozialen Medien untersuchen. Insbesondere wurde untersucht, wie Netzwerk-Visualisierungen, die Beziehungen zwischen Akteuren in sozialen Netzwerken repräsentieren, für Group Awareness Tools adaptiert werden können, um Zusammenhänge zwischen Lernenden und Artefakten in CSCL-Umgebungen zu verdeutlichen. Netzwerk-Visualisierungen werden in der sozialen Netzwerkanalyse (SNA) genutzt, um strukturelle Zusammenhänge zu erfassen und darzustellen. Obwohl sie eine vielversprechende Methode ist, ist die SNA im Bereich CSCL weniger etabliert als im artverwandten Bereich Learning Analytics, der SNA zur Analyse lernbezogener Daten und zur Umsetzung lernförderlicher Anwendungen nutzt. In den Studien 1 und 2 werden Literaturrezensionen von CSCL-Studien vorgestellt, in denen SNA als Methode eingesetzt wird, um wichtige Akteure und deren Beziehungen im Kontext von CSCL aufzudecken. Hierbei zeigt sich eine Beschränkung der analysierten Studien darauf, dass CSCL allein als direkte Interaktion (d.h. Kommunikation) zwischen Lernenden verstanden wird. Damit berücksichtigen diese Studien keine Wechselwirkungen zwischen Lernenden und den Artefakten in ihrer Umgebung. Zudem hat sich herausgestellt, dass Aussagen, die Lernende in CSCL-Umgebungen miteinander austauschen, ein bedeutsames, wissensbezogenes Artefakt sind. Diese Ergebnisse wurden genutzt, um Group Awareness Tools zu designen, die Wissensartefakte (d.h. Begriffe aus Aussagen von Lernenden) als kognitive Informationen in einem Netzwerkgraph visualisieren. In den Studien 3 und 4 wurden diese Tools anhand von Feldstudien evaluiert, um das kollaborative Argumentieren auf SNS zu unterstützen. Die Ergebnisse deuten darauf hin, dass die Werkzeuge zwar dazu führten, dass Lernende Argumente mit anderen austauschten, die nicht ihre Freunde sind, und Kenntnisse verschiedener Perspektiven ausbildeten, dies aber nicht unbedingt zu einer Einnahme verschiedener Perspektiven führten. Die vernetzte Anordnung von Informationen über die Gruppe betonte zudem Ähnlichkeiten bezüglich kognitiver Informationen. Dieses Ergebnis unterscheidet sich von den Ergebnissen zu anderen Group Awareness Tools, die auf eine Hervorhebung von Unähnlichkeiten abzielen, die von Lernenden zur Verringerung ihrer Ungleichheiten diskutiert werden können. Zukünftige CSCL-Studien, die SNA verwenden, sollten daher Lerner-Artefakt-Interaktionen untersuchen, um Zusammenhänge von Interaktionen, die über die direkte Kommunikation hinausgehen, besser zu ergründen. Zusätzlich sollten zukünftige Studien Group Awareness Tools mit Argumentationsskripten kombinieren, die den Lernenden helfen, die Vorzüge von Diskussion über abweichende kognitive Informationen.

Unterstützende Lenkungsmethoden für Wiki-basiertes Lernen und Wissenskonstruktion (Sven Heimbuch)

Laufzeit: 10/2012 – 03/2018
Sven Heimbuch
Link zur Dissertation: https://thesiscommons.org/dvnfz/

Aufbauend auf bestehenden Theorien und gegenwärtiger Forschung zum Wissensaufbau mit Wikis wurden Effekte ergänzender Strukturierungsmaßnahmen im Speziellen für wiki-basiertes Lernen untersucht. Insgesamt wurden im Rahmen dieses Promotionsprojekts fünf empirische Studien durchgeführt. In der ersten Studie wurden die Auswirkungen von visuellen Hervorhebungen kontroverser Argumentationen für Wiki-Diskussionen untersucht. Die Ergebnisse zeigten, dass zusätzliche Hervorhebungen für kontroverse Diskussionen sich direkt auf das individuelle Selektions- und Leseverhalten sowie indirekt und in geringerem Maße auf die Lernergebnisse und die Qualität von Wiki-Beiträgen auswirken. In Studie 2 wurde untersucht, ob Visualisierungen von Autorenwissen und Beurteilungen durch die Wiki-Community implizit die Wahrnehmung die Leser von kontroversen Diskussionen in Wikis beeinflussen. Die Ergebnisse zeigten, dass Leser von Wiki-Diskussionen der Argumentation eines vermeintlichen Experten folgen, wenn die Autorenexpertise visualisiert wird. In den Studien 3 und 4 wurden die Effekte zweier unterschiedlicher Kollaborationsskript-Ansätze untersucht. Die Ergebnisse zeigten, dass das eigens entwickelte Skript vorteilhafter ist in Bezug auf Perspektivübernahme und Integration widersprüchlicher Belege, sowie für den individuellen Lernerfolg und die Qualität kollaborativ bearbeiteter Artikel. In Studie 5 wurden die Hervorhebungen aus Studie 1 und das Kollaborationsskript aus den vorigen beiden Studien im Zusammenspiel mit dem kognitiven Geschlossenheitsbedürfnis untersucht. Die Ergebnisse zeigten, dass Personen mit einem hohen Bedürfnis nach kognitiver Geschlossenheit in Bezug auf den Lernerfolg mehr von den Hervorhebungen als implizite Lenkung profitieren, während Personen mit einem niedrigen Bedürfnis mehr von dem Kollaborationsskript als explizite Lenkung profitieren. Diese Studienreihe erweitert die empirische Basis der Forschung zu wiki-basierter Wissenskonstruktion und Lernprozessen um Untersuchungen zu ergänzenden unterschiedlichen Strukturierungsmaßnahmen und die Berücksichtigung individueller Unterschiede.

Publikationen:

Heimbuch, S. & Bodemer, D. (in press). Effects of the Need for Cognitive Closure and guidance on contribution quality in wiki-based learning. In Proceedings of the 13th International Conference on Computer Supported Collaborative Learning (CSCL 2019). Lyon: The International Society of the Learning Sciences.

Heimbuch, S., Ollesch, L. & Bodemer, D. (2018). Comparing effects of two collaboration scripts on learning activities for wiki-based environments. International Journal of Computer-Supported Collaborative Learning, 13(3), 331-357. doi.org/10.1007/s11412-018-9283-0

Heimbuch S. & Bodemer D. (2018). Interaction of guidance types and the Need for Cognitive Closure in wiki-based learning. PeerJ, 6:e5541. doi.org/10.7717/peerj.5541

Heimbuch, S., & Bodemer, D. (2017). Controversy awareness on evidence-led discussions as guidance for students in wiki-based learning. The Internet and Higher Education, 33, 1–14. doi.org/10.1016/j.iheduc.2016.12.001

Heimbuch, S. & Bodemer, D. (2016). Effects of Implicit Guidance on Contribution Quality in a Wiki-based learning environment. In Transforming Learning, Empowering Learners: The 12th International Conference of the Learning Sciences (ICLS 2016) (Volume 2), 906–909. Singapore: The International Society of the Learning Sciences.

Psychologische Forschungsmethoden

Medienbasierte Wissenskonstruktion

Forschungsprojekte

Drittmittelprojekte

News in groups (Marie-Curie-Individual-Fellowship: 09/2021 - 08/2024)

Humanzentrierte KI in der chemischen Industrie (hKI-Chemie) (BMBF: 06/2021 - 06/2025)

Soziale Eingebundenheit und die Nutzung sozialer Ressourcen in der Studieneingangsphase (DFG: 01/2018 - 03/2022)

Nutzerzentrierte Soziale Medien (DFG: 10/2015 - 03/2022)

Ambient Teacher-Learner Awareness Solution to support student-centred online teaching (ATLAS) (BMBF: 01/2021 - 04/2021)

Entwicklung und Evaluation einer Peer-Unterstützungs-Applikation („uniMatchUp!“) (BMBF: 9/2020 - 12/2020)

Digital gestützte Kompetenzentwicklung im Unternehmenskontext (Evonik Industries AG: 01/2018 - 12/2020)

Datenverarbeitung und lernrelevante Funktionen von kognitiven Group Awareness Tools (Graduate Center Plus: 06/2019 - 12/2021)

Unterstützung kooperativen multimedialen Lernens: Wirkmechanismen der Darstellung wissensbezogener Informationen über Lernpartner (DFG: 11/2011 - 04/2015)

Blended Library (MWK-BW: 10/2011 - 09/2014)

Kollaborative Elaboration multimedialer Informationsangebote im Museum (BMBF: 05/2011 - 04/2014)

Soziale Navigation beim Lernen in sozialen Netzwerken (MWK-BW & BMBF: 01/2010 - 12/2012)

Promotions- und Boardmittelprojekte

Aktuelle Projekte

Transferfähigkeit beim Lernen mit Augmented Reality (Julia Flottmann)

Narrative Gestaltung zur Unterstützung individuellen Lernens in interaktiven Augmented Reality Game-based Learning Umgebungen (Kevin Palzer)

Soziale Netzwerkanalyse und maschinelles Lernen zur Charakterisierung von Nutzenden und deren Aktivitäten in vernetzten Communities (Simon Krukowski)

Quellengedächtnis und Partner Modeling in verschiedenen kollaborativen Lernkontexten: Analysen mittels multinomialer Verarbeitungsbaummodelle (Oktay Ülker)

Vergangene Projekte

Kognitive Belastung und metakognitive Verständnisüberwachung beim multimedialen Lernen (Schnaubert, Baars, Schneider)

Lernpartnermodellierung und Grounding-Prozesse beim kollaborativen Lernen (Lydia Harbarth)

Zusammenspiel verschiedener Group Awareness-Informationen beim kollaborativen Lernen in Social Media (unter Einbezug von Eye-Tracking) (Lisa Ollesch)

Augmented Reality zur Unterstützung Individuellen und Kollaborativen Lernens – Eine Psychologische Perspektive auf eine Technologische Entwicklung (Jule Krüger)

Einfluss von Group Awareness auf akademische Hilfesuche innerhalb von interaktiven Lernumgebungen (Christian Schlusche)

Steuerung des Wissensaustauschs beim kollaborativen Lernen: Mechanismen und Potenziale von Text Mining (Melanie Erkens)

Bereitstellung kognitiver und metakognitiver Awareness-Informationen zur Unterstützung individueller und kollaborativer Regulationsprozesse (Lenka Schnaubert)

Netzwerk-Visualisierungen als Group Awareness Tools für computerunterstütztes kollaboratives Lernen in Sozialen Medien (Marielle Dado)

Unterstützende Lenkungsmethoden für Wiki-basiertes Lernen und Wissenskonstruktion (Sven Heimbuch)

Hier finden Sie uns

Postanschrift