Beurteilung der Publikation "Toward a Taxonomy of Modeling Difficulties: A Multi-Modal Study on Individual Modeling Processes". Fachbegriffe, Historie und Einschätzung

Seminararbeit , 2021 , 16 Seiten , Note: 1.7

BWL - Informationswissenschaften, Informationsmanagement

Diese Seminararbeit befasst sich mit dem Forschungsbeitrag "Toward a Taxonomy of Modeling Difficulties: A Multi-Modal Study on Individual Modeling Processes" von Rosenthal und Strecker. Dazu werden zunächst die wissenschaftlichen Hintergründe der für das Verständnis notwendigen Fachbegriffe erläutert. In Kapitel 2 werden der wissenschaftliche Kontext des Forschungsbeitrages sowie dessen Historie gewürdigt und in Kapitel 3 die Motivation für den Beitrag herausgearbeitet. Die gewählten Forschungsmethoden und der Ablauf der Untersuchung werden in Kapitel 4 und 5, die Ergebnisse in Kapitel 6 betrachtet. Abschließend folgt eine eigene Beurteilung des Forschungsbeitrages unter Berücksichtigung der dargestellten Zusammenhänge durch den Ersteller dieser Seminararbeit.

Inhaltsverzeichnis

1. Einleitung und Grundlagen
1.1. Konzeptuelle Modellierung
1.2. Modellierungssprachen
1.2.1. Entity Relationship-Model
1.2.2. UML
1.2.3. TOOL
1.3. Lernen
1.4. Working Memory und Cognitive Load Theorie
1.5. Novice versus Master
1.6. Schwierigkeiten bei konzeptueller Modellierung
1.7. Qualitative Forschung
1.7.1. Beobachtung
1.7.2. Thinking aloud
1.8. Quantitative Forschung

2. Wissenschaftlicher Kontext, Motivation, Einordnung und Abgrenzung

3. Motivation des Forschungsbeitrags

4. Gewählte Forschungsmethode des Forschungsbeitrages
4.1. Mixed methods research
4.2. Anwendung des MMR-Designs

5. Ablauf der Forschung

6. Ergebnisse und Erkenntnisse des Forschungsbeitrags

7. Eigene Einschätzung

8. Literaturverzeichnis

1. Einleitung und Grundlagen

Diese Seminararbeit befasst sich mit dem Forschungsbeitrag Toward a Taxonomy of Modeling Difficulties: A Multi-Modal Study on Individual Modeling Processes. Im Folgenden sollen zunächst die wissenschaftlichen Hintergründe der für das Verständnis notwendigen Fachbegriffe erläutert werden. In Kapitel 2 werden der wissenschaftliche Kontext des Forschungsbeitrages sowie dessen Historie gewürdigt und in Kapitel 3 die Motivation für den vorliegenden Beitrag herausgearbeitet. Die gewählten Forschungsmethoden und der Ablauf der Untersuchung werden in Kapitel 4 und 5; die Ergebnisse in Kapitel 6 betrachtet. Abschließend folgt eine eigene Beurteilung des vorliegenden Forschungsbeitrages unter Berücksichtigung der dargestellten Zusammenhänge durch den Ersteller dieser Seminararbeit.

1.1. Konzeptuelle Modellierung

Konzeptuelle Modellierung bezeichnet die Erstellung eines Modells der Wirklichkeit, insbesondere im betrieblichen Kontext (Claes et al., 2015: p.1; Robinson et al., 2015: p.7-10). Die Anforderungen an ein solches Modell sind in ihrer Gesamtheit nicht einheitlich definiert (Rodriguez-Priego et al., 2010: p.361, 363). Ursächlich hierfür sind die unterschiedlichen Ziele, die an ein konzeptuelles Modell gestellt werden können. Die Spannweite dieser reicht von der Vorbereitung der Erstellung einer (betrieblichen) Softwarelösung oder der Optimierung einer solchen, über die Kommunikation mit Stakeholdern (Rolland and Prakash: 2000, p.152, 172 ) bis hin zu dem Ziel der Erstellung einer ausführbaren Modellierungssprache, welche direkt ohne eine Programmiersprache niedrigeren Abstraktionsgrades implementiert werden kann (Embley et al., 2011).

Unabhängig von den spezifischen Anforderungen an das konzeptuelle Modell sollte dieses umfassend und semantisch korrekt gestaltet sein (Robinson et al., 2015: p.2822). Dieser Anspruch gilt nicht nur für die zu modellierenden Klassen mit ihren Attributen und Methoden, sondern auch für die Beziehungen zwischen diesen (Chen, 1976: p.1-32). Konzeptuelle Modellierung beschränkt sich allerdings nicht nur auf die Modellierung statischer Beziehungen, sondern betrachtet auch dynamische Aspekte (Gustas, 2010: p.1-3). Statische Modelle stellen die Beziehungen zwischen Klassen dar, während dynamische Modelle Verlaufsprozesse beschreiben (OMG, 2017).

1.2. Modellierungssprachen

Konzeptuelle Modellierung bedarf grundsätzlich keiner IT-Unterstützung und kann auch mit Stift und Papier erfolgen. Jedoch stehen Anwendern eine Vielzahl IT-gestützter Modellierungssprachen zur Verfügung (Hossain and Schwitter, 2018: p.1-3). Standardisierte Modellierungssprachen sollten eine festgelegte Syntax und Grammatik haben (Thalheim, 2012: p.7, 10), welche über ein Meta-Modell der jeweiligen Sprache beschrieben werden (Guizzardi, 2006: p.5-6). Die Darstellung des Modells erfolgt regelmäßig über eine visuelle Repräsentation, diese sollte frei von Redundanzen, Überladungen, Defiziten oder überflüssigen Konstrukten sein (Bera and Poels, 2017: p.3-4). Es gilt, dass jedes visuelle Symbol genau einer Modellentität, hier sind auch Beziehungen gemeint, entsprechen soll. Im Folgenden werden zwei Modellierungssprachen vorgestellt.

1.2.1. Entity Relationship-Model

Das Entity Relationship-Model (ERM) wurde erstmals von Chen (Chen, 1976) etabliert und wird von vielen Autoren als historisches Fundament der konzeptuellen Modellierung angesehen. Chen entwickelte das Modell als Erweiterung der bis dahin existierenden Darstellung von Daten­beziehungen, namentlich dem Relationalen- und Netzwerkmodell. Während das Relationale Datenbankmodell einen Fokus auf die Assoziation von Entitäten legt, bleiben Semantik und Kardinalitäten der Beziehungen unklar. Das Netzwerkmodell nutzt gerichtete Pfeile um Zugriffspfade zwischen zwei Datenmengen darzustellen. Zwar können diese Pfeile Beziehungen entsprechen, jedoch ist dieser Zusammenhang nicht immer semantisch korrekt modelliert. Das ERM sollte diese beiden Darstellungstypen vereinigen und definiert in seiner Modellierung Entitäten mit Attributen, deren Beziehungen jeweils unter Angabe von Kardinalitäten modelliert werden. Diese Beziehungen haben grundsätzlich einen Bezeichner, sind mit Kardinalitäten ausgestaltet und ungerichtet. Sie sollen außerdem eine realweltliche Entsprechung haben (Chen, 1976).

1.2.2. UML

Die unified modelling language (UML) ist eine verbreitete Modellierungssprache, die gegenüber des ERMs einige Erweiterungen und Veränderungen aufweist. Die UML erlaubt neben einer statischen auch eine dynamische, prozessorientierte Sicht. In der statischen Sicht werden, ähnlich dem ERM, Klassen und Objekte sowie deren Beziehungen zueinander unter Angabe von Attributen und Operatoren dargestellt, während die dynamische Sicht erlaubt Abläufe in Aktivitäts- und Sequenzdiagramme unter Nutzung boolescher Operatoren zu modellieren (OMG, 2017).

1.2.3. TOOL

TOOL ist eine vom Lehrstuhl für Betriebswirtschaftslehre, insbesondere Entwicklung von Informations­systemen entwickeltes browserbasiertes Modellierungswerkzeug, welches eine webbasierte visuelle Modellierungssprache beinhaltet. Diese besteht aus einem am ERM orientierten Datenmodellierungs­tool und einem Geschäftsprozessmodellierungstool. Weiter beinhaltet die Software forschungs­orientierte Beobachtungswerkzeuge, die Nutzeraktivitäten in Form von Diagrammen und Ton­aufnahmen aufzeichnen sowie die Aktionen der Nutzer mit wissenschaftlichen Umfragen verknüpfen können (Ternes and Strecker, 2018).

1.3. Lernen

Als Lernen kann das Speichern von Informationen in Form von Erinnerungen verstanden werden (Fathima et al., 2012: p.1). Gegenstand des Lernens können explizite Daten oder implizite Verhaltens­weisen sein (Andringa and Rebuschat, 2015: p.186). Der physiologische Prozess des Lernens wird im Forschungsfeld der Lerntheorien betrachtet. Dieses Forschungsfeld berührt verschiedene Disziplinen, wie die Psychologie (Wan et al., 2008), die Pädagogik (Belford, 2013) und die Biologie (Keysers and Gazzola, 2014), deren Zugänge sich unterschiedlich darstellen.

Es existiert eine Vielzahl von Lerntheorien. Aufgrund ihrer Verbreitung besonders anzuführen sind hier behavioristische Lerntheorien (Skinner, 1938; Watson, 1913), die ihren Untersuchungsfokus auf das von außen beobachtbare Verhalten von Lernenden setzen sowie der Kognitivismus, der seinen Fokus auf die kognitiven Prozesse der Lernenden legt (Ertmer and Newby, 2013: p.51). Es existieren außer­dem konstruktivistische Lerntheorien, deren Ansatz von der aktiven intrapersonellen Wirklichkeits­konstruktion als Grundlage des Erlernens ausgeht (Sj0berg, 2010: p.2) und ein kybernetisch-neuronaler Ansatz, der auf Kenntnissen der molekularen Interaktion von Neurononen des Nervensystems gründet (z.B. Keysers and Gazzola, 2014).

1.4. Working Memory und Cognitive Load Theorie

Beginnend mit der Arbeit von Miller (Miller, 1956) wurde deutlich, dass mit einer linearen Zunahme von gleichartigen Stimuli bis zu einem gewissen Zeitpunkt auch die Informationswahrnehmung und -speicherung zunimmt, dann aber trotz weiterer Zunahme gleichartiger Stimuli sistiert. Atkinson und Shiffrin (Atkinson and Shiffrin, 1968: p.106-117) konnten dieses theoretische Konzept erweitern, indem sie experimentelle Hinweise für die Existenz unterschiedlicher Gedächtnisebenen fanden. Ihre Theorie unterscheidet ein kurzfristig-sensorisches Wahrnehmungssystem, welches passiv Informatio- nen verarbeitet und nur relevante Daten in das Kurzzeitgedächtnis übertragt. Unter gewissen Bedingungen können die dort gespeicherten Daten in das Langzeitgedächtnis übertragen werden. Laut der Cognitive Load Theorie von Sweller (Sweller, 1988) existiert für die Prozesse der Informations­verarbeitung und des Lernens eine individuell unterschiedliche kognitive Kapazität. Erreicht der Cognitive Load diese Kapazitätsgrenze können weitere Informationen nur schlecht verarbeitet werden und die Lernfähigkeit ist eingeschränkt.

Spätere Arbeiten von Sepp (Sepp et al., 2019) und Agostinho (Agostinho et al., 2015), die Teil des aktuellen wissenschaftlichen Diskurses sind, berichten, dass verschiedene Subsysteme für unter­schiedliche Reize (z.B. auditorisch und visuell) existieren.

Choi (Choi et al., 2014: p.238-239) diskutiert daher, dass interferierende Umweltreize zum Zwecke einer Verminderung des Cognitive Loads reduziert werden sollten, wenn diese gleichartiger Natur wie der zu bearbeitende Gegenstand sind.

1.5. Novice versus Master

In diesen Forschungszusammenhang sind auch Novice versus Master Untersuchungen zu setzen. Diese gründen auf Untersuchungen von Groot (Groot, 1946: p.283), bei denen die Fähigkeiten von Schach­spielern unterschiedlicher Erfahrungsebenen untersucht wurden. In seinen Untersuchungen zeigte sich, dass Schachmeister anscheinend über einen Vorteil im Bereich des Erinnerungsvermögens verfügen. Chase und Simon (Chase and Simon, 1973: p.80-81) erhielten in einer ähnlichen Unter­suchung weiterführende Ergebnisse. Es zeigte sich, dass der Vorteil der Schachmeister nur in der Erinnerung von real vorkommenden Schachpositionen nachweisbar war. Zufällige Positionen wurden in beiden Gruppen gleich erinnert. Chase und Simon führen dies darauf zurück, dass Schachmeister abstrakte Konstellationen besser in real bekannte Einzelpositionen von Figuren zerlegen können, da Ihnen mehr Einzelpositionen bekannt sind (Chase and Simon, 1973: p.80-81).

Als ursächlich für dieses Phänomen wird von Sweller (Sweller et al., 2011: p.22-23) die Schemata- Theorie diskutiert. Nach Sendera und Sendera (Sendera and Sendera, 2016: p.132-133) handelt es sich hierbei um erlernte Grundmuster, auf die im Rahmen von Problemstellungen zurückgegriffen werden kann. Chi (Chi et al., 1989: p.175-177) konnte die Relevanz von Schemata beim Lösen mathematischer Probleme experimentell nachweisen.

Im Verlauf der wissenschaftlichen Debatte wurde auch die Forschungsfrage untersucht, wie solche Schemata erlernt werden. Es zeigte sich, dass das Erlernen von Schemata in spezifischen Settings erschwert sein kann: Wird ein Proband mit einem ihm unbekannten Problemfeld konfrontiert und soll er gleichzeitig eine spezifische Aufgabe in ebendieser Domäne lösen, kommt es zu einer Interferenz und die Auseinandersetzung mit dem zu Grunde liegenden Problemfeld wird erschwert. Diese Inter­ferenz kann laut Sweller (Sweller, 1988: p.283-284) dadurch reduziert werden, dass Probanden nicht spezifische Ziele gegeben werden, die es ihnen erlauben sich mit dem Problem als solchem zu befassen.

1.6. Schwierigkeiten bei konzeptueller Modellierung

Batra und Davis (Batra and Davis, 1992) untersuchten in der Tradition der Novice versus Master Experimente die Unterschiede dieser Gruppen im Rahmen der konzeptuellen Modellierung. Die Überlegenheit der Experten führten sie auf deren breites Referenzwissen bezüglich der zu nutzenden Modellierungstechniken und der zu modellierenden Domänen, sowie zuvor erworbener Schemata zurück. Die konzeptuelle Modellierung betrachten sie als ,Open-End‘ Tätigkeit mit hohen semantischen Anforderungen (Batra and Davis, 1992: p.87). Weiterführende Forschungsbeiträge wie von Wilmont (Wilmont et al., 2013) assoziieren diese Vergleichsuntersuchungen mit den Erkenntnissen zur Cognitive Load Theorie. Durch die Vielzahl der Abstraktionsebenen, Verknüpfungen und zu modellie­renden Gegenständen ist die kognitive Kapazität (Cognitive Capacity) als limitierender Faktor zu betrachten.

1.7. Qualitative Forschung

Bei qualitativer Forschung handelt es sich um einen hypothesengenerierenden Ansatz, der besonders häufig in Feldern wie den Kultur- und Sozialwissenschaften verwandt wird. Er steht damit dem quanti­tativen Forschungsansatz gegenüber. Typische Methoden der qualitativen Forschung sind das Interview, Beobachtungen, Befragungen mit offenen Antworten und Fokus Gruppen. Weiter ist eine umfassende Recherche des wissenschaftlichen Feldes notwendig, um die Verlässlichkeit der eigenen Ergebnisse zu erhöhen (Sullivan and Sargeant, 2011: p.450, 452). Nach Golafshani (Golafshani, 2003: p.600) beruhen die Schlüsselwerte einer qualitativen Forschung auf Ihrer Glaubwürdigkeit, Genauig­keit und Übertragbarkeit (auf andere Forschungen).

1.7.1. Beobachtung

Die Beobachtung als Methode der qualitativen Forschung kann unterschiedlich ausgestaltet werden. Eine Beobachtung kann strukturiert oder unstrukturiert, im Feld oder unter Laborbedingungen durch­geführt werden. Die Rolle des Beobachters kann ebenfalls differieren (Mulhall, 2003: p.307-309). Es sind sowohl Forschungen mit teilnehmenden als auch mit vollständig distanzierten Beobachtern publi­ziert.

1.7.2. Thinking aloud

Thinking aloud ist eine Methode der qualitativen Forschung, die mit dem Ziel eingesetzt wird die Gedankenwelt eines Probanden der Beobachtung zugänglich zu machen. Spätestens gegen Ende des 20. Jahrhunderts mit der Publikation von Nisbett und Wilson (Nisbett and Wilson, 1977) begann die Entwicklung dieser Methode. Für die experimentelle Forschung nutzbar wurde das Verfahren erst durch die Arbeiten von Ericsson und Simon (Ericsson and Simon, 1980: p.219-020), die auf der Annahme beruhen, dass drei verschiedene Stufen der Verbalisierung existieren. Die erste Stufe beinhaltet Vokalisierungen, die ohnehin im Rahmen der jeweiligen Aufgabe anfallen und keine weitere kognitive Verarbeitung benötigen. In der zweiten Stufe werden Gedanken ausgesprochen ohne, dass diese von Probanden interpretiert werden müssen, in der dritten Stufe werden Gedanken durch den Probanden erklärt.

Entsprechend dieser Stufeneinteilung können Probanden angewiesen werden nur solche Gedanken zu verbalisieren, die keine erhöhte kognitive Interferenz produzieren. Weitgehender Konsens in der Nutzung dieser Methode ist, dass dies auf Verbalisierungen der Stufen 1 und 2 zutrifft. Einzelne Forschungsbeiträge berichten jedoch auch von Interferenzen durch Verbalisierungen auf diesen Stufen (Hertzum and Holmegaard, 2014).

1.8. Quantitative Forschung

Quantitative Forschung wird mit dem Ziel betrieben bestehende Hypothesen zu überprüfen. Hierzu werden ausreichend große Mengen an Daten benötigt, die eine mathematisch statistische Analyse erglichen. Solche Daten können über strukturierte Umfragen, Experimente oder Beobachtungen generiert werden, wobei diese Aufzählung nicht abschließend ist. Ein etabliertes Vorgehen ist es Beobachtungsgruppen zu unterscheiden, die verschiedenen Modifiern ausgesetzt sind (auch unab­hängige Variable), um dann das quantitative Vorkommen einer weiteren Ausprägung (auch abhängige Variable) zu messen (Watson, 2015). Quantitative und qualitative Forschungsansätze schließen sich nicht aus, wofür das Mixed-Methods-Design ein Beispiel ist.

2. Wissenschaftlicher Kontext, Motivation, Einordnung und Abgrenzung

Die zu untersuchende Arbeit berührt neben der Wirtschaftsinformatik die Forschungsgebiete der Psychologie und Pädagogik. Unter Berücksichtigung des experimentellen Aufbaus, insbesondere auch der Nutzung der Thinking aloud Technik und der daraus resultierenden impliziten Annahme, dass intra­personelle kognitive Prozesse Gegenstand einer Untersuchung sein können, folgt sie der Tradition der kognitivistischen Lerntheorien. Diese sind ihrerseits sowohl pädagogische als auch psychologische Forschungsansätze.

Explizit befasst sich der vorliegende Forschungsbeitrag mit dem langfristigen Ziel einer taxonomischen Strukturierung von Schwierigkeiten, die bei Lernenden im Rahmen der konzeptuellen Modellierung auftreten. Er möchte hierbei ein erster explorativer Forschungsbeitrag sein. In diesem Sinne folgt er der pädagogischen Forschungstradition der Taxonomien im Bildungskontext, die auf Bloom (Bloom et al., 1956) zurückgehen. In Blooms Arbeit (Bloom et al., 1956: p.6) wurde das Ziel verfolgt Lernziele ent­sprechend Ihres Zielniveaus zu klassifizieren, um Lehrkräften die Kommunikation über diese Themen zu erleichtern. Diese ursprüngliche Taxonomie wurde durch Anderson (Anderson and Krathwohl, 2005) modifiziert. In den letzten Jahren gab es mehrfache Versuche die Bloom-Taxonomie für die informa­tionstechnologische Lehre zu nutzen. So zum Beispiel für die Softwareentwicklung (Britto and Usman, 2015: p.8). Neben der Bloom-Taxonomie wird auch die SOLO-Taxonomie von Biggs und Collis (Biggs and Collis, 1982) für die informationspädagogische Forschung genutzt. Diese setzt ihren Fokus darauf, das Verständnis komplexer Zusammenhänge von Lernenden zu klassifizieren (z.B Vrachnos and Jimoyiannis, 2017).

Bezogen auf das konkrete Thema der konzeptuellen Modellierung existieren außerdem Arbeiten von Bogdanova und Snoeck sowie (Bogdanova and Snoeck, 2019) Bork (Bork, 2019), die sich jeweils mit der Adaptation von Blooms Taxonomie auf die Didaktik konzeptueller Modellierung befassen und ein pädagogisches Rahmenwerk schaffen wollen.

Der zu untersuchende Forschungsbeitrag hebt sich von diesen Arbeiten insoweit ab, als dass er sich weniger mit dem Aufbau eines Curriculums oder der Zielerreichung der Studierenden befasst, sondern seinen Fokus mehr auf die inneren psychologisch kognitiven Prozesse der Lernenden legt und hierbei insbesondere deren Probleme bei der Erstellung der konzeptuellen Modelle erfassen und strukturieren will.

In diesem Sinne baut der Forschungsbeitrag auch auf die Ergebnisse von Batra (Batra and Davis, 1992) und Bera (Bera and Poels, 2017) auf, die wiederum Ihren Ursprung in den Novice versus Master Unter­suchungen und der Cognitive Load Theorie von Sweller (Sweller, 1988) nehmen und ihrerseits ins­besondere die Forschungsfelder der Psychologie und Pädagogik berühren. Es existiert jedoch auch ein Forschungsstrang, der auf diesen Untersuchungen aufbaut und danach strebt die molekularen Mecha­nismen, die den beobachteten Phänomenen zu Grunde liegen weiter zu erforschen (Sepp et al., 2019: p.308-310). Hiermit berührt der Forschungsbeitrag auch das Feld der Neurologie.

Problem-Klassifikationen der Art des vorliegenden Forschungsbeitrages wurden bereits in anderen Forschungsgebieten angestrebt. So zum Beispiel in der Mathematiklehre durch Prismana (Prismana et al., 2018), unter Nutzung der Bloom-Taxonomie oder durch Leij (Leij, 1994) für Probleme im Rahmen der frühen Literarisierung.

Konkret mit den im Rahmen konzeptueller Modellierung auftretenden Schwierigkeiten befasste sich Batra (Batra, 2007: p.234-238) bereits im Jahr 2007. In dieser Arbeit listet er verschiedene von ihm als anspruchsvoll empfundene Momente des Modellierungsprozesses auf und erklärt die Ursachen der Schwierigkeiten im Zusammenhang der Cognitive Load Theorie.

Der Forschungsbeitrag ist jedoch kontextuell nicht nur im Rahmen der breiten wissenschaftlichen Debatten einzuordnen, sondern auch als Teil eines langfristigen Forschungsprojektes des zugehörigen Lehrstuhls zu betrachten. Die zugehörige Forschungsgruppe befasst sich mit dem Erlernen konzep­tueller Modellierung und betreibt hierzu insbesondere experimentelle und Feldforschung. Die ersten Forschungsbeiträge dieser Gruppe fallen in das Jahr 2017 und befassen sich zunächst mit dem Aufbau der Software TOOL, die auch der Erfassung von Daten im Rahmen konzeptueller Modellierung dient (Ternes, 2017; Ternes and Strecker, 2018).

3. Motivation des Forschungsbeitrags

Der Forschungsbeitrag wird durch die zunehmende Bedeutung der Technik der konzeptuellen Model­lierung in der Wirtschaftsinformatik und den gleichzeitig komplexen Erwerb der notwendigen Fähigkeiten motiviert.

Durch die zukünftige Erstellung einer einheitlichen Taxonomie der hierbei auftretenden Schwierig­keiten soll eine Forschungslücke geschlossen werden.

Die bestehende Taxonomie nach Bloom befasst sich primär mit den Anspruchsniveaus der Lernziele, nicht mit den Schwierigkeiten diese zu erreichen und ist nicht fachspezifisch auf die (Wirtschafts)- Informatik ausgerichtet. Die SOLO Klassifikation nach Biggs und Collis (Biggs, 2021) dient der Klassi­fikation des Verständnisses komplexer Zusammenhänge der Lernenden und hat damit ebenfalls nicht das unmittelbare Ziel Schwierigkeiten der Lernenden zu klassifizieren. Auch die zuvor erwähnte Arbeit von Batra (Batra, 2007: p.234-242) kann diese Erkenntnislücke nicht zufriedenstellend schließen, da in dieser Arbeit zwar verschiedene Schwierigkeiten aufgezählt werden, diese sich jedoch nicht allein mit der Anwenderseite befassen und teils auf im Rahmen dieser Arbeit durchgeführte Literaturunter­suchungen und teils auf Hypothesen stützen. Viele der Schwierigkeiten sind nicht experimentell erfasst worden und wurden nicht hierarchisch gegliedert, da im Rahmen seiner Arbeit das Ziel einer einheitlichen Taxonomie nicht verfolgt wurde.

Das Forschungsteam zielt daher darauf ab das Wissen über den Prozess der konzeptuellen Model­lierung zu erweitern und auftretende Schwierigkeiten im Rahmen der Modellierung zu identifizieren. Das unmittelbare Ziel dieser Arbeit ist die explorative Untersuchung einer zu diesem Zwecke entwickelten Forschungsmethodik.

4. Gewählte Forschungsmethode des Forschungsbeitrages

4.1. Mixed methods research

Als mixed methods research (MMR) wird ein Forschungsansatz beschrieben, der es erlauben soll quan­titative und qualitative Forschungsmethoden zu verbinden. Dabei wird das Ziel verfolgt die Schwächen der jeweiligen Methoden zu überwinden, um so Erkenntnislücken zu schließen und spezifische Forschungsfragen zu beantworten, die anders kaum oder nur erschwert zu bearbeiten wären (Almeida, 2018: p.1). Das MM-Forschungskonzept wird aufgrund seiner Position zwischen qualitativer und quantitativer Forschung auch als drittes Paradigma bezeichnet (Dures et al., 2011: p.333).

Bezüglich der Verknüpfung quantitativer und qualitativer Forschung existieren verschiedene Klassifi­kationen, beispielsweise Morgan's Four-Quadrant Typology (1998), Morse and Niehaus's Eight Design Types (2009), Teddlie and Tashakkori's Five Families of Mixed Methods Designs (2009) und Creswell and Plano Clark's Six Major Design Types (2011) (Guest and Fleming, 2015: p.584-587). Wobei grund­sätzlich alle hier genannten Klassifikationen sowohl sequentielle, als auch zeitgleiche Datenerfassungs­methoden vorsehen.

Eine besondere methodische Anforderung an eine erfolgreiche MMR-Forschung ist die gelungene Datenintegration; die mit unterschiedlichen Methoden gewonnenen qualitativen und quantitativen Ergebnisse müssen miteinander in eine aussagekräftige Beziehung gesetzt werden (Guest and Fleming, 2015: p.582-583).

Als institutionalisiertes Konzept ist MMR im Vergleich zur qualitativen und quantitativen Forschung noch jung, wobei MMR-Forschungstechniken vor allem in den Feldern der Psychologie, Sozial­Psychologie und Soziologie genutzt werden. Innerhalb dieser Felder scheinen Anwendungen in der angewandten Forschung zu überwiegen (Timans et al., 2019: p.201).

Für den Forschungsbereich der informationstechnologischen Lehre werden aktuell verschiedene Rahmenwerke und Vorgehensweisen vorgeschlagen (Thota et al., 2012: p.104-105). Thota weist in der Arbeit außerdem darauf hin, dass die gleichzeitige Anwendung qualitativer und quantitativer Methoden für den Forscher herausfordernd ist, jedoch insbesondere die Kombination aus wider­sprüchlichen und komplementären Ergebnissen zu neuartigen Forschungsergebnissen und Ansätzen führen kann.

4.2. Anwendung des MMR-Designs

Die Arbeit nutzt im Rahmen eines MMR-Designs verschiedene quantitative und qualitative Methoden. In ihrem Aufbau bezieht sie sich hierbei auf eine Arbeit von Johnson und Onwuegbuzie (Rosenthal and Strecker, 2019: p.5-6). Diese Forscher sprechen sich für einen pragmatischen Ansatz der Forschung aus und befürworten die Auswahl derjenigen Forschungsmethoden, die dem Forscher die besten Möglich­keiten zur Beantwortung der Forschungsfragen bieten (Johnson and Onwuegbuzie, 2004: p.16). Gewählt wurde ein MMR-Design, da die Komplexität des Lernens konzeptueller Modellierung einen mehrdimensionalen Ansatz verdiene, der verschiedene Perspektiven verbindet und weil individuelle Modellierungsprozesse bisher in der Wissenschaft wenig Aufmerksamkeit erfahren hätten.

Das gewählte Forschungskonzept ist überwiegend induktiv und zielt damit auf die Ableitung allgemein­gültiger Regeln aus realen Beobachtungen ab.

Vor Beginn der Untersuchung erfolgte eine schriftliche Befragung der Probanden zur Erfassung der Erfahrungen bezüglich konzeptueller Modellierung. Die weitere Datenerfassung im Rahmen dieser Forschungsarbeit erfolgte mehrdimensional durch audio- und visuelle Aufzeichnungen der Probanden, das IT-gestützte Aufzeichnen des Modellierungsprozesses unter Nutzung der zuvor beschriebenen Software TOOL sowie durch die Verwendung eines Thinking aloud Konzeptes und eine anschließende standardisierte Befragung mit dem Ziel eines Selbstassessments (Rosenthal and Strecker, 2019: p.8).

Alle Beobachtungen erfolgten unter standardisierten Bedingungen und abgesehen von den schriftlichen Befragungen wurden alle Forschungsmethoden bei jedem Probanden synchron angewendet. Dieses Vorgehen soll die grundsätzliche Integrationsfähigkeit der gewonnenen Daten sicherstellen. Die Forscher sprechen hierbei von einem konvergenten Forschungsdesign und nennen zwei Integrationspunkte. Der erste Integrationspunkt liegt in der synchronen Erfassung qualitativer und quantitativer Daten und der zweite in der späteren Kodierung der Rohdaten im Rahmen der Datenanalyse (Rosenthal and Strecker, 2019: p.8).

5. Ablauf der Forschung

Im Verlauf der Arbeit wurden acht Studierende, von denen sieben mindestens grundlegende Kennt­nisse der konzeptuellen Modellierung aufwiesen, mit einer Modellierungsaufgabe konfrontiert, die thematisch an den Ausleihprozess der Universitätsbibliothek angelehnt war (Rosenthal and Strecker, 2019: p.10-11).

Die Probanden sollten hierfür in einem experimentellen Setting eine Variante des Entity-Relationship Models nutzen und die Modellierung mit der Software TOOL durchführen. Zusätzlich wurden Stifte und Papier zur Verfügung gestellt, die ebenfalls im Rahmen der Untersuchung, z.B. zur Erstellung eines Konzeptes, genutzt werden durften (Rosenthal and Strecker, 2019: p.2, 8, 12).

Alle Probanden wurden angewiesen Thinking aloud auf Level 2 zu betreiben, d.h. ihre Gedanken möglichst ungefiltert auszusprechen. Während der Dauer des Experiments wurden die Probanden gefilmt und Ihre Aussagen über ein Mikrofon aufgenommen. Alle Interaktionen mit der Software TOOL wurden nach Art und Häufigkeit aufgezeichnet (Rosenthal and Strecker, 2019: p.6-7).

Vor der eigentlichen Modellierungsaufgabe erhielten die Probanden eine Warm-Up Aufgabe, um sich mit den Bedingungen der Untersuchung vertraut zu machen. Nach Abschluss der Hauptaufgabe erfolgte eine standardisierte Befragung, die offene und geschlossene Fragen enthielt und auf die Selbstwahrnehmung der Probanden bezüglich der experimentellen Anforderungen (z.B. Thinking aloud) und die Modellierungsaufgabe sowie wahrgenommene Schwierigkeiten und demo­grafische Informationen einging (Rosenthal and Strecker, 2019: p.7-8).

Die durch TOOL gewonnenen Daten zur Interaktion wurden in ein Koordinatensystem aufgetragen, aus dem die kumulative Häufigkeit bestimmter Aktionen und der Zeitverlauf ersichtlich waren (Rosenthal and Strecker, 2019: p.10)

Im Rahmen der anschließenden Datenauswertung erfolgte die Integration der gewonnenen Daten unter Nutzung ex ante festgelegter Kodierungen. Hierbei wurde eine Kodierung gewählt, die die beiden Klassen „Cognitive breakdown“ und „General codes“ beinhaltete. Beide Klassen umfassten mehrere Items, die den jeweils erwarteten Beobachtungen entsprechen. Die einzelnen Items der Klassen lassen sich Tabelle 1 entnehmen (Rosenthal and Strecker, 2019: p.9):

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1

Der zu untersuchenden Arbeit lagen bei ihrer Konzipierung mehrere Annahmen zu Grunde. Zum einen, dass Schwierigkeiten konzeptueller Modellierung interindividuell tatsächlich vergleichbar sind, zum anderen, dass die untersuchte Gruppe aus Studierenden mit grundlegender Erfahrung mit konzep­tueller Modellierung hierfür ein geeignetes Modell darstellt. Weiterhin wurde angenommen, dass eine Untersuchung unter Nutzung eines Thinking aloud Protokolls keine kognitiven Interferenzen verursacht, die den cognitive load relevant erhöhen und das Untersuchungsergebnis verfälschen.

Notwendigerweise wurde außerdem angenommen, dass das gewählte Setting der Untersuchung die Leistung der Probanden nicht relevant beeinflusst und allen Studierenden die Funktion der Univer­sitätsbibliothek bekannt ist.

Bezüglich der gestellten Modellierungsaufgabe wurde angenommen, dass diese repräsentativ für andere Aufgaben des Themenfeldes konzeptuelle Modellierung ist und die Modellierung nicht länger als 60 Minuten dauern sollte.

6. Ergebnisse und Erkenntnisse des Forschungsbeitrags

Im Rahmen des Assessments des rekrutierten Studienkollektivs wurde zunächst festgestellt, dass die theoretischen Kenntnisse der Teilnehmer sich deutlich unterschieden, wobei ein Studienteilnehmer gut 9 Jahre praktische Erfahrung in konzeptueller Modellierung berichtete (Rosenthal and Strecker, 2019: p.8-9).

Bei der Auswertung der Daten zeigte sich, dass die Mehrzahl der identifizierten Schwierigkeiten im Zusammenhang mit der Bestimmung von Beziehungsarten und Kardinalitäten zwischen Entitäten auftraten. Diese Erkenntnis bestätigt die bereits publizierten Daten von Batra zur Komplexität konzep­tueller Modellierungen (Rosenthal and Strecker, 2019: p.13). Es wurde außerdem beobachtet, dass von den Probanden zur Lösung der Problemstellung interindividuell unterschiedliche Ansätze gewählt wurden. Hierbei wurde nicht nur ein unterschiedliches Nutzungsverhalten analoger und digitaler Werkzeuge (Stift, Papier, TOOL) beobachtet, sondern auch ein unterschiedliches Vorgehen bezüglich der Reihenfolge innerhalb des Modellierungsprozesses, wobei sechs der acht Probanden zunächst alle Entitäten erstellten (Rosenthal and Strecker, 2019: p.11).

Unabhängig von dem gewählten Vorgehen wurden jedoch bei allen Probanden, außer dem langjährig erfahrenen, Cognitive Breakdowns im Verlauf der Untersuchung identifiziert (Rosenthal and Strecker, 2019: p.9).

Die Qualität der Thinking aloud Protokolle wird von Seiten der Forscher für gut befunden, da es Ihnen möglich war einen weitgehend kontinuierlichen sprachlichen Output aufzunehmen. Ein bilingualer Proband berichtete jedoch im Rahmen der abschließenden Befragung und in den ersten Minuten der Audioaufnahme von subjektiven Problemen mit dieser Forschungsmethode (Rosenthal and Strecker, 2019: p.13), welche nach wenigen Minuten sistierten.

Eine Erkenntnis dieser Arbeit ist, dass durch das gewählte MMR-Design integrierbare und inter­pretierbare Daten gewonnen werden können. So hat ein Großteil der a priori gewählten Kodierungen seine Entsprechung in der Beobachtung gefunden und es kam nicht zu Ereignissen, die keiner Kodie­rung entsprachen. Keiner der Probanden zeigte Schwierigkeiten bezüglich des gewählten Model­lierungsthemas, der Universitätsbibliothek und kein Proband verwandte mehr als 35 Minuten auf den Modellierungsprozess. Diese Arbeit dient damit als Basis für die langfristig angestrebte Taxonomie.

7. Eigene Einschätzung

Die zu untersuchende Arbeit zeichnet sich durch ihr Forschungsdesign aus. Eindrucksvoll ist insbesondere, dass die bereits während der Konzipierung entworfenen Kodierungen zu einem sehr großen Teil eine Entsprechung in der experimentellen Beobachtung gefunden haben. Auch die grund­sätzliche Auswahl quantitativer und qualitativer Methoden harmoniert miteinander und die gewon­nenen Daten konvergieren.

Die Forschungsarbeit steht im Einklang mit den Hypothesen und Ergebnissen von Batra und den Erkenntnissen der zu Grunde liegenden Forschungsfelder; ein starker Hinweis auf eine hohe Validität der gewonnenen Daten.

Es ist jedoch zu vermuten, dass mit einem größeren Studienkollektiv noch weiterführende Erkennt­nisse erlangt werden könnten. Von Interesse zukünftiger Studien der Forschungsgruppe könnte beispielsweise die Erkenntnis sein, inwieweit es eine begrenzte oder unbegrenzte Anzahl möglicher Vorgehensweisen im Rahmen der konzeptuellen Modellierung gibt und ob es bei allen Vorgehensweisen zu Cognitive Breakdowns kommt.

Der Einschluss des langjährig erfahrenen Probanden ist meiner Meinung nach unglücklich, da bei diesem keine Cognitive Breakdowns auftraten und sich seine Modellierungsdauer mit nur 9 Minuten deutlich von den anderen Probanden abhebt. Zwar wird von den Autoren ausgeführt, dass die praktische Erfahrung nur ein Aspekt neben anderen ist, welcher einen erfahrenen Modellierer ausmacht, dennoch musste bereits im Vorfeld vermutet werden, dass ein Proband, welcher eine 9-jährige berufliche Erfahrung im Feld der konzeptuellen Modellierung aufweist, herausragende Ergebnisse in der gestellten Modellierungsaufgabe zeigen würde. Gegebenenfalls wäre der Einschluss eines anderen Probanden mit weniger Erfahrung von größerem Forschungsinteresse gewesen. Dies ist auch deshalb zu vermuten, da im Rahmen des Modellierungsprozesses bei diesem Probanden keine Schwierigkeiten auftraten und daher kaum weiterführenden Erkenntnisse bezüglich des Studien­designs gewonnen werden konnten.

Ein für mich überraschender Aspekt der Untersuchung war die subjektive Wahrnehmung des bilin­gualen Probanden von Problemen bezüglich der Thinking aloud Methode.

Die angekündigten Folgestudien der Autoren (Rosenthal and Strecker, 2019: p.14), die auch Proban­den mit verschiedenen Hintergründen einschließen sollen, sollten meines Erachtens nach die Thinking aloud Methode dennoch nutzen. Die in der vorliegenden Arbeit mit dieser Methode gewon­nenen Daten ließen sich bei allen Probanden, auch bei dem Bilingualen gut mit den Daten der anderen genutzten Methoden integrieren und ermöglichen gegebenenfalls zukünftig weitere Einsichten in die kognitiven Prozesse der Probanden.

8. Literaturverzeichnis

Agostinho, S., Tindall-Ford, S., Ginns, P., Howard, S.J., Leahy, W., Paas, F., 2015. Giving Learning a Helping Hand: Finger Tracing of Temperature Graphs on an iPad. In: Educational Psychology Review 27, 427-443. https://doi.org/10.1007/s10648-015-9315-5

Almeida, F., 2018. STRATEGIES TO PERFORM A MIXED METHODS STUDY. European Journal of Education Studies Volume 5, 137-151. https://doi.org/10.5281/zenodo.1406214

Anderson, L., Krathwohl, D., 2005. A Taxonomy for Learning, Teaching, and Assessing: a Revision of Bloom's Taxonomy of Educational Objectives. The Quest for Strengths: The Dawn of a Talent­Based Approach to K-12 Education, Educational Horizons 83, 154-159.

Andringa, S., Rebuschat, P., 2015. NEW DIRECTIONS IN THE STUDY OF IMPLICIT AND EXPLICIT LEARNING: An Introduction. Studies in Second Language Acquisition 37, 185-196. https://doi.org/10.1017/S027226311500008X

Atkinson, R.C., Shiffrin, R.M., 1968. Human Memory: A Proposed System and its Control Processes, in: Spence, K.W., Spence, J.T. (Eds.), Psychology of Learning and Motivation. Academic Press, pp. 89-195. https://doi.org/10.1016/S0079-7421(08)60422-3

Batra, D., 2007. Cognitive complexity in data modeling: causes and recommendations. Requirements Engineering 12, 231-244. https://doi.org/10.1007/s00766-006-0040-y

Batra, D., Davis, J.G., 1992. Conceptual data modelling in database design: similarities and differences between expert and novice designers. Int. J. Man-Mach. Stud. 37, 83-101. https://doi.org/10.1016/0020-7373(92)90092-Y

Belford, R.E., 2013. Review of Learning Theories: An Educational Perspective, 6th Edition. J. Chem. Educ. 90, 150-151. https://doi.org/10.1021/ed300874q

Benjamin S. Bloom, Max D, Engelhart, Edward J. Furst, Walker H.Hill, David R. Krathwohl, L., 1956. Taxonomy of Educational Objectives: The Classification of Educational Goals, 1st ed. Longman, London.

Bera, P., Poels, G., 2017. The Effects of Construct Redundancy on Readers' Understanding of Conceptual Models. Journal of Database Management 28, 1-36. https://doi.org/10.4018/JDM.2017070101

Biggs, J., 2021. SOLO Taxonomy | John Biggs [WWW Document]. Solo Taxonomy. URL https://www.johnbiggs.com.au/academic/solo-taxonomy/ (accessed 5.24.21).

Bogdanova, D., Snoeck, M., 2019. CaMeLOT: An educational framework for conceptual data modelling. Information and Software Technology 110, 92-107. https://doi.org/10.1016/j.infsof.2019.02.006

Bork, D., 2019. A Framework for Teaching Conceptual Modeling and Metamodeling Based on Bloom's Revised Taxonomy of Educational Objectives. Proceedings of the 52nd Hawaii International Conference on System Sciences 2019 (HICSS-52) 7701-7710.

Britto, R., Usman, M., 2015. Bloom's Taxonomy in Software Engineering Education: A Systematic Mapping Study. https://doi.org/10.1109/FIE.2015.7344084

Chase, W.G., Simon, H.A., 1973. Perception in chess. Cognitive Psychology 4, 55-81. https://doi.org/10.1016/0010-0285(73)90004-2

Chen, P.P.-S., 1976. The entity-relationship model - toward a unified view of data. ACM Trans. Database Syst. 1, 9-36. https://doi.org/10.1145/320434.320440

Chi, M.T.H., Bassok, M., Lewis, M.W., Reimann, P., Glaser, R., 1989. Self-explanations: How students study and use examples in learning to solve problems. Cognitive Science 13, 145-182. https://doi.org/10.1016/0364-0213(89)90002-5

Choi, H., Van Merrienboer, J.J.G., Paas, F., 2014. Effects of the Physical Environment on Cognitive Load and Learning: Towards a New Model of Cognitive Load. Educational Psychology Review 26, 225-244. https://doi.org/10.1007/s10648-014-9262-6

Claes, J., Vanderfeesten, I., Gailly, F., Grefen, P., Poels, G., 2015. The Structured Process Modeling Theory (SPMT) a cognitive view on why and how modelers benefit from structuring the process of process modeling. Information Systems Frontiers 17, 1401-1425. https://doi.org/10.1007/s10796-015-9585-y

Dures, E., Rumsey, N., Morris, M., Gleeson, K., 2011. Mixed Methods in Health Psychology: Theoretical and Practical Considerations of the Third Paradigm. J Health Psychol 16, 332-341. https://doi.org/10.1177/1359105310377537

Embley, D., Liddle, S., Pastor, O., 2011. Conceptual-Model Programming: A Manifesto, in: Handbook of Conceptual Modeling: Theory, Practice, and Research Challenges. pp. 3-16. https://doi.org/10.1007/978-3-642-15865-0_1

Ericsson, K.A., Simon, H.A., 1980. Verbal reports as data. Psychological Review 87, 215-251. https://doi.org/10.1037/0033-295X.87.3.215

Ertmer, P.A., Newby, T.J., 2013. Behaviorism, Cognitivism, Constructivism: Comparing Critical Features From an Instructional Design Perspective. Performance Improvement Quarterly 26, 43-71. https://doi.org/10.1002/piq.21143

Fathima, M.P., Sasikumar, N., Roja, M.P., 2012. Memory and Learning--A Study from Neurological Perspective. Journal on Educational Psychology 5, 9-14.

Golafshani, N., 2003. Understanding Reliability and Validity in Qualitative Research. The Qualitative Report 8, 597-606. https://doi.org/10.46743/2160-3715/2003.1870

Groot, A.D. de, 1946. Het denken van den schaker: een experimenteel-psychologische studie, Jahrgang 2007. ed. Noord-Hollandsche Uitgevers Maatschappij.

Guest, G., Fleming, P., 2015. Mixed Methods Research, in: Public Health Research Methods. pp. 581­610. https://doi.org/10.4135/9781483398839.n19

Guizzardi, G., 2007. On Ontology, ontologies, Conceptualizations, Modeling Languages, and (Meta)Models. Presented at the Proceedings of the 2007 conference on Databases and Information Systems IV: Selected Papers from the Seventh International Baltic Conference DB&IS'2006, pp. 18-39.

Gustas, R., 2010. Conceptual Modeling and Integration of Static and Dynamic Aspects of Service Architectures. Presented at the Lecture Notes in Business Information Processing. https://doi.org/10.1007/978-3-642-16496-5_2

Hertzum, M., Holmegaard, K., 2014. Thinking Aloud Influences Perceived Time. Human Factors: The Journal of the Human Factors and Ergonomics Society 57, 101-109. https://doi.org/10.1177/0018720814540208

Hossain, B.A., Schwitter, R., 2018. Specifying Conceptual Models Using Restricted Natural Language, in: Proceedings of the Australasian Language Technology Association Workshop 2018. Presented at the ALTA 2018, Dunedin, New Zealand, pp. 44-52.

Johnson, R., Onwuegbuzie, A., 2004. Mixed Methods Research: A Research Paradigm Whose Time

Has Come. Educational researcher 33, 14. https://doi.org/10.3102/0013189X033007014

Keysers, C., Gazzola, V., 2014. Hebbian learning and predictive mirror neurons for actions, sensations and emotions. Philosophical Transactions of the Royal Society 369, 20130175. https://doi.org/10.1098/rstb.2013.0175

Leij, A. van der, 1994. Functional Literacy: Theoretical Issues and Educational Implications, in: Towards a Taxonomy of Early Literacy Difficulties. John Benjamins Publishing Company, pp. 349-368.

Miller, G.A., 1956. The magical number seven, plus or minus two: some limits on our capacity for processing information. Psychological Review 63, 81-97. https://doi.org/10.1037/h0043158

Mulhall, A., 2003. In the field: notes on observation in qualitative research. Journal of Advanced Nursing 41, 306-313. https://doi.org/10.1046/j.1365-2648.2003.02514.x

Nisbett, R., Wilson, T., 1977. Telling More Than We Can Know: Verbal Reports on Mental Processes.

Psychological Review 84, 231-259. https://doi.org/10.1037/0033-295X.84.3.231

OMG, 2017. Unified Modeling Language, v2.5.1.

Prismana, R.D.E., Kusmayadi, T.A., Pramudya, I., 2018. Analysis of difficulties in mathematics problem solving based on revised Bloom's Taxonomy viewed from high self-efficacy. Journal of

Physics: Conference Series 1008, 012063. https://doi.org/10.1088/1742- 6596/1008/1/012063

Robinson, S., Arbez, G., Birta, L.G., Tolk, A., Wagner, G., 2015. Conceptual modeling: Definition, purpose and benefits, in: 2015 Winter Simulation Conference (WSC). Presented at the 2015 Winter Simulation Conference (WSC), IEEE, Huntington Beach, CA, USA, pp. 2812-2826. https://doi.org/10.1109/WSC.2015.7408386

Rodriguez-Priego, E., Garda-Izquierdo, F., Rubio, A., 2010. Modeling Issues: a Survival Guide for a Non-expert Modeler. Presented at the MODELS 2010: Model Driven Engineering Languages and Systems, pp. 361-375. https://doi.org/10.1007/978-3-642-16129-2_26

Rolland, C., Prakash, N., 2000. From conceptual modelling to requirements engineering. Annals of Software Engineering 10, 151. https://doi.org/10.1023/A:1018939700514

Rosenthal, K., Strecker, S., 2019. Toward a Taxonomy of Modeling Difficulties: A Multi-Modal Study on Individual Modeling Processes. ICIS 2019 Proceedings Digital Learning Environment and Future IS Curriculum 18.

Sendera, A., Sendera, M., 2016. Schematheorie, in: Sendera, A., Sendera, M. (Eds.), Borderline - Die andere Art zu fühlen: Beziehungen verstehen und leben. Springer, Berlin, Heidelberg, pp. 131-144. https://doi.org/10.1007/978-3-662-48003-8_6

Sepp, S., Howard, S.J., Tindall-Ford, S., Agostinho, S., Paas, F., 2019. Cognitive Load Theory and Human Movement: Towards an Integrated Model of Working Memory. Educational Psychology Review 31, 293-317. https://doi.org/10.1007/s10648-019-09461-9

Sj0berg, S., 2010. Constructivism and learning. International Encyclopedia of Education 485-490. https://doi.org/10.1016/B978-0-08-044894-7.00467-X

Skinner, B.F., 1938. The behavior of organisms: an experimental analysis, The behavior of organisms: an experimental analysis. Appleton-Century, Oxford, England.

Sullivan, G.M., Sargeant, J., 2011. Qualities of Qualitative Research: Part I. J Grad Med Educ 3, 449­452. https://doi.org/10.4300/JGME-D-11-00221.1

Sweller, J., 1988. Cognitive Load During Problem Solving: Effects on Learning. Cognitive Science 12, 257-285. https://doi.org/10.1207/s15516709cog1202_4

Sweller, J., Ayres, P., Kalyuga, S., 2011. Cognitive Load Theory, Explorations in the Learning Sciences, Instructional Systems and Performance Technologies. Springer-Verlag, New York. https://doi.org/10.1007/978-1-4419-8126-4

Ternes, B., 2017. Web-based Modeling Platform 5.

Ternes, B., Strecker, S., 2018. A web-based modeling tool for studying the learning of conceptual modeling. I. Schaefer, D. Karagiannis, A. Vogelsang, D. Méndez, C. Seidl (Hrsg.): Modellierung 2018, Lecture Notes in Informatics (LNI), Gesellschaft für Informatik, Bonn 2018 325.

Thalheim, B., 2012. Syntax, Semantics and Pragmatics of Conceptual Modelling. pp. 1-10. https://doi.org/10.1007/978-3-642-31178-9_1

Thota, N., Berglund, A., Clear, T., 2012. Illustration of paradigm pluralism in computing education research. pp. 103-112.

Timans, R., Wouters, P., Heilbron, J., 2019. Mixed methods research: what it is and what it could be. Theor Soc 48, 193-216. https://doi.org/10.1007/s11186-019-09345-5

Vrachnos, E., Jimoyiannis, A., 2017. Secondary education students' difficulties in algorithmic problems with arrays: An analysis using the SOLO taxonomy. Themes in Science and Technology Education 10, 31-52.

Wan, Z., Wang, Y., Haggerty, N., 2008. Why people benefit from e-learning differently: The effects of psychological processes on e-learning outcomes. Information & Management 45, 513-521. https://doi.org/10.1016/j.im.2008.08.003

Watson, J.B., 1913. Psychology as the behaviorist views it. Psychological Review 20, 158-177. https://doi.org/10.1037/h0074428

Watson, R., 2015. Quantitative research. Nursing standard (Royal College of Nursing (Great Britain) : 1987) 29, 44-8. https://doi.org/10.7748/ns.29.31.44.e8681

Wilmont, I., Hengeveld, S., Barendsen, E., Hoppenbrouwers, S., 2013. Cognitive Mechanisms of

Conceptual Modelling. pp. 74-87. https://doi.org/10.1007/978-3-642-41924-9_7

[...]

• Hochschule: FernUniversität Hagen (Fakultät für Wirtschaftswissenschaft | Lehrstuhl für Betriebswirtschaftslehre, insbesondere Entwicklung von Informationssystemen)
• Veranstaltung: Seminar
• Note: 1.7
• Autor: Dennis Witt (Autor:in)
• Erscheinungsjahr: 2021
• Seiten: 16
• Katalognummer: V1316032
• ISBN (PDF): 9783346793829
• ISBN (Buch): 9783346793836
• Sprache: Deutsch
• Schlagworte: Conceptual Modeling, Mixed-Methods-Research, Seminararbeit