"Visible Learning". Übertragung der Studie John Hatties auf den Technikunterricht


Bachelorarbeit, 2015
38 Seiten, Note: 1,3

Leseprobe

Inhaltsverzeichnis

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 Die Hattie Studie „Visible Learning“
2.1 John Hattie
2.2 Die Metaanalyse
2.3 Die Effektstärke
2.3.1 Berechnungsmöglichkeit der Effektstärke
2.3.2 Aussagefähigkeit der Effektstärke
2.4 Das Barometer der Einflüsse

3 Die Bedeutung für den Technikunterricht
3.1 Begriffsbestimmung „Technik“
3.2 Technik in der Sekundarstufe I
3.3 Anforderungen/Kriterien an den Technikunterricht

4 Lehr-Lernmethoden
4.1 Die direkte Instruktion
4.2 Das Problemlösen
4.3 Das Laborexperiment

5 Zusammenfassung und Ausblick

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 2.3: Übersicht über die Verteilung der Effektstärken

Abbildung 2.4: Das Barometer der Einflüsse

Abbildung 3.3: Darstellung eines Luftkissenbootes

Abbildung 4.1: Darstellung der direkten Instruktion

Abbildung 4.2: Darstellung des Problemlösens

Abbildung 4.3: Darstellung des Laborexperiments.

Tabellenverzeichnis

Tabelle 2: Auswertungsmatrix der Effektstiirken

Tabelle 2.3.1: Beispieltabelle zum Berechnen von Effektstiirken

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Seit den Ergebnissen der PISA-Studie aus dem Jahr 2000 hat sich die Aufmerksamkeit der Forschung zunehmend darauf ausgerichtet, Lernfortschritte von SuS quantitativ zu erfassen. Eine so umfassende Lernstandserhebung, wie die der PISA-Studie hat es davor nicht gegeben. Während es in anderen Bereichen, wie z.B. in der Psychologie, Medizin oder Mathematik schon länger eine etablierte Vorgehensweise ist, hat es in Bereichen die das Lernen betreffen länger gedauert, sich durchzusetzen. Das liegt unteranderem daran, dass es schwierig ist, alle Variablen des Lernens zu erfassen und in messbaren Größen darzulegen. In den meisten Forschungen und Studien wird daher qualitativ geforscht. Allerdings hat dies den Nachteil, dass u.a. durch die Hermeneutik die Ergebnisse nur eingeschränkt übertragen werden können. Trotzdem nehmen die Studien, die den Lernstand erheben kontinuierlich zu. Auf Deutschland bezogen, sind dies neben PISA auch PIRLS und TIMMS. Alle diese Studien erfassen Lernfortschritte in Deutsch, Mathematik und Englisch (Hauptfächer) sowie den Naturwissenschaften. Dabei wird jedoch die Lernwirksamkeit vernachlässigt. Zudem werden auch andere Fächer, wie z.B. Technik nicht erfasst. Dabei wird besonders in Deutschland in der Diskussion um fehlende Fachkräfte in naturwissenschaftlichen und technischen Bereichen gefordert, dass in der Schule verstärkt naturwissenschaftliche Kompetenzen gefördert werden müssen. Trotz dieser Forderungen existiert bisher kaum ausreichendes Wissen über die Lernwirksamkeit von Didaktiken, Methodiken und Unterrichtsverfahren des naturwissen-schaftlichen Unterrichts. Um dem Nachzuhelfen konzentriert sich John Hattie in seiner Meta-Analyse genau auf diese Faktoren. Sie erfasst quantitativ erstmals Lehr-Lernbedingungen mehrerer Millionen Lernender. Aufgrund der hohen Teilnehmerzahlen bildet seine Meta-Analyse eine fundierte Grundlage für die folgende Bachelorarbeit, da mithilfe der ausgewerteten Daten Lehr-Lernbedingungen des naturwissenschaftlichen Bereichs auf den Technikunterricht in Sekundarstufe I übertragen werden können. Dies ist von besonderem Interesse, weil der interdisziplinäre Zugang verschiedene Teilbereiche der Fachwissenschaften miteinander kombiniert. Außerdem kommt dem Technikunterricht eine besondere Bedeutung im Bezug auf die Ausbildungsreife und dem Erwerb der technischen Allgemeinbildung zu. Der Unterricht leistet somit einen wichtigen Beitrag zur Ausbildung von qualifizierten Fachkräften im Sekundarschulbereich I, und legt wichtige Grundlagen für ein fachwissenschaftliches Studium im Sekundarschulbereich II.

Demnach soll das primäre Ziel dieser Bachelorarbeit sein, die Forschungsfrage: „Ist die Hattie-Studie „Visible Learning“ auf den Technikunterricht übertragbar?“ zu beantworten. In diesem Zusammenhang wird ebenfalls angestrebt zu überprüfen, wie lernwirksam die in der Meta-Analyse ausgewerteten Lehr-Lernmethoden aus dem mathematisch-naturwissenschaftlichen Bereich für den Technikunterricht der Sekundarstufe I sind.

Dazu sollen die Grundlagen der Meta-Analyse vorgestellt und mithilfe einer exemplarischen Berechnung von Effektstärken verdeutlicht werden.

Es soll nachgewiesen werden, dass es eine enge Beziehung zwischen den Naturwissenschaften und dem schulischen Fach Technik gibt. Hierfür soll der Begriff „Technik“ zunächst definiert und auf den schulischen Kontext übertragen werden. Dazu sollen spezielle Anforderungen und Kriterien des Technikunterrichts der Sekundarstufe I erörtert werden. Desweiteren sollen ausgewählte Ergebnisse der Studie auf den Technikunterricht übertragen werden. Hierfür wird in den ersten Kapiteln der Bachelorarbeit die Studie „Visible Learning“ vorgestellt. Besonders die Begriffe „Meta-Analyse“ und „Effektstärke“ werden im Detail erörtert. Anschließend wird eine Berechnungsmöglichkeit für Effektstärken im Technikunterricht vorgestellt sowie exemplarisch berechnet. Es folgt eine Auseinandersetzung mit den Vor- und Nachteilen der durchgeführten Meta-Analyse. Anschließend wird die besondere Darstellungsform der Effektstärken thematisiert. Es folgt der Transfer von Ergebnissen der Studie auf den Technikunterricht. Dazu werden die erhobenen Daten mit anderen Studien verglichen. Dazu wird der Begriff „Technik“ näher vorgestellt und in Verbindung mit Schulunterricht gebracht. Anhand eines praktischen Beispiels, wird der Transfer von mathematischen Kompetenzen auf den Technikunterricht unternommen. Abschließend erfolgt eine Auseinandersetzung mit den Ergebnissen von Lernwirksamkeitsfaktoren in naturwissenschaftlich- mathematischen Bereichen. Dazu werden die „direkte Instruktion“, das „Problemlösen“ sowie das „Laborexperiment“ näher betrachtet.

2 Die Hattie-Studie „Visible Learning“

Die in 2012 veröffentlichte Meta-Studie „Lernen sichtbar machen“ von dem Neuseeländischen Wissenschaftler John Hattie befasst sich mit der Wirksamkeit, den Voraussetzungen und Bedingungen für erfolgreiches Lehren und Lernen (vgl. Terhart 2014, S. 10). In dieser Meta-Studie sind über 60.167 Einzelstudien und 913 Metaanalysen mit 160 054 Effekten (vgl. Tabelle 2) bewertet und verglichen worden (vgl. Hattie 2014, S. 13). Eine Aufarbeitung von solchen empirischen Daten in diesem Ausmaß hat es zuvor nicht gegeben und bietet somit erstmalig die Gelegenheit, unterschiedliche Studien zum Thema Lernwirksamkeit in einer Studie zu vereinen und die Auswirkungen - gemessen in Effektstärken - zu vergleichen (vgl. Terhart 2014, S. 10). Das für die Studie entwickelte Barometer sowie die Effektstärken ermöglichen es außerdem auf Basis der empirischen Grundlage, die Auswirkungen zu visualisieren und vergleichbar zu machen. (vgl. Hattie 2014, S. 23). Durch die Bewertung und Auswertung der empirischen Basis entwickelt Hattie sechs thematische Hauptgruppen (Domänen): die Lernenden, die Lehrpläne, die Lehrpersonen, die Familie, der Unterricht und die Schule.

Tabelle 2: Auswertungsmatrix der Effektstärken (vgl. Hattie 2014, S. 13)

Abbildung in dieser Leseprobe nicht enthalten

Innerhalb dieser Gruppen werden 138 Einzelfaktoren nach Zugehörigkeit, wie z.B. Förderung von naturwissenschaftlichen Kompetenzen (Lehrplan), Klarheit der Lehrperson (Lehrperson) und Feedback (Unterrichten) eingeteilt (vgl. ebd.). Diese 138 Einzelfaktoren werden in der Studie in Abhängigkeit der Effektstärke aufgelistet (vgl. ebd.). Daher versteht sich die Studie als evidenz- basierte Theorie, mit dem Versuch empirische Ergebnisse als begründetes Lehr-Lern-Modell – bezeichnet als „Visible Learning“ zu entwickeln (vgl. Hattie 2014, S. XI).

Die Kombination von empirischen Daten mit der theoretischen Kontextuierung bietet die Gelegenheit, das Verhältnis von allgemeiner Didaktik zur empirischen Schul- und Unterrichts- forschung zu untersuchen und im Bezug auf bildungstheoretische Argumentationen zu hinterfragen (vgl. Terhart 2014, S. 11).

2.1 John Hattie

John Hattie ist ein neuseeländischer Pädagoge. Er forscht als Professor und Direktor für Erziehungswissenschaften an der Universität Melbourne in Australien (vgl. Universität Melbourne 2015). Sein Fachgebiet sind Forschungen zum Thema Lernwirksamkeit, Einflussfaktoren auf gelingendes Lernen, sowie die Entwicklung von Modellen des Lernens und Lehrens (vgl. Terhart 2014, S. 11). Sein Forschungsansatz ist quantitativ und evidenzbasiert (vgl. ebd.). Seine bis zu diesem Zeitpunkt bekannteste Veröffentlichung ist eine Studie mit dem Titel „Visible Learning“. Sie erschien erstmals in englischer Originalfassung im Jahr 2009. Die deutsche überarbeitete Fassung folgte im Jahr 2013. Die Studie befasst sich inhaltlich mit unterschiedlichen Ergebnissen zur Lehr- Lernwirksamkeit und fasst die Indikatoren in Form von Effektstärken für die Wirksamkeit von Lehr- Lernbedingungen zusammen (vgl. Terhart 2014, S. 10).

2.2 Die Metaanalyse

Die Metaanalyse fasst primär Ergebnisse von Untersuchungen bzw. Studien zu Metadaten zusammen um einen aktuellen Überblick über den Forschungstand zu gewinnen. Das erreicht sie, in dem inhaltlich gleichwertige Primärstudien statistisch aggregiert werden (vgl. Bortz/Döring 2006, S. 673). Das Ziel dieser Methode ist es, einen Zusammenhang zwischen einem beliebigen für die Studie relevanten Faktor und der abhängigen Variable (z.B. Lernen mit Taschenrechnern) zu finden (vgl. ebd.). Der Begriff Metaanalyse ist erstmals im Jahr 1976 von Glass verwendet worden. Allerdings verstand Glass zu diesem Zeitpunkt unter diesem Begriff eine Kombination von verschiedenen statistischen Analysemethoden (vgl. ebd.). Daraus hat sich bis heute eine eigen-ständige Technik entwickelt, die sich ständig weiterentwickelt. Durch diese vielfältigen Möglichkeiten und aufgrund einer fehlenden Norm, kann es daher durchaus sein, dass Studien trotz gleicher empirischer Basis unterschiedliche Ergebnisse gewinnen (vgl. ebd.). Die Meta-Analyse in der Studie „Visible Learning“ hat gegenüber anderen Forschungsmethoden den Vorteil, dass sie auf eine große Datenmenge zurückgreifen kann. Allerdings müssen vor Beginn der Studie Kriterien festgelegt werden. Diese Kriterien entscheiden darüber, welche Studien mit einbezogen werden und welche nicht (vgl. Bortz/Döring 2006, S. 675). Diese Variablen haben einen entscheidenden Einfluss auf die Aussagekräftigkeit der Studie. Welche Metaanalyse mit welchen Datensätzen verwendet wird, hängt von dem Ziel der Forschung und den verfügbaren Daten ab (vgl. ebd.).

2.3 Die Effektstärke

Die Effektstärke ist ein statistisches Maß, das in der Meta-Analyse von Hattie, aber auch in anderen Analysen von besonderer Bedeutung ist. Sie gibt an, wie groß der Unterschied ist, den eine meist unabhängige, ursächlich wirkende Variabel - der Faktor - auf die Verteilung einer anderen abhängigen Variable hat (vgl. Hattie 2014, S. 3). Eine Effektstärke wird mit „Cohens d“ angegeben (Cohen 1988, S. 281). Die Effektstärke bezeichnet den Abstand zwischen den Mittelwerten zweier verglichener Gruppen in Abhängigkeit zu den Streuungen – Standardabweichung (SD) genannt - der beiden Gruppenverteilungen (vgl. ebd.). Je stärker der Faktor „d“ ausgeprägt ist - unabhängig davon ob er positiv oder negativ ausfällt - desto mehr oder weniger, hat er negative oder positive Auswirkungen auf die Lernleistung (vgl. ebd.). Die Effektstärken werden oft bei Meta-Analysen verwendet, um die Ergebnisse von verschiedenen Studien mit einem einheitlichen Maß vergleichen zu können. Dieses einheitliche Maß wird dabei als Effektstärke bezeichnet. Die Studie arbeitet mit einer Einteilung von d=-1.00 bis d=2.0. Die meisten Effekte liegen jedoch im Bereich von d=-0.61 bis d=2.0 (siehe Abbildung 2.3). Nach Auswertung von 160.054 Effekten bildet Hattie einen Gesamtdurchschnittseffekt von d=0.40 (vgl. ebd.).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.3: Übersicht über die Verteilung der Effektstärke (vgl. Hattie 2013, S. 13)

Dieser Wert entspricht zum einem dem, was als Lernzuwachs in einem Jahr Schulunterricht erreicht und erwartet werden kann, und zum anderem dem Wert, der nur durch die Schule, Lehrerpersonal, Unterricht, und Erziehung beeinflusst und verursacht wird (vgl. Hattie 2014, S. 15). Interessanter- weise decken sich diese Durchschnittswerte mit den Längsschnittdatenbanken anderer Studien. Dazu wurden die Daten von NELS, TIMSS, NAPLAN, NAEP, PIRLS und PISA miteinander vergleichen (vgl. ebd.).

Die gleichen Längsschnittstudien erheben mehrmals zu unterschiedlichen Zeitpunkten empirische Daten und vergleichen jeweils die Ergebnisse mit den vorangegangenen Ergebnissen (vgl. ebd.). Das Ergebnis dieser Untersuchung war ebenfalls ein Gesamtdurchschnittseffekt von d= 0.40. Diese zweite Berechnung bestätigt das Ergebnis der Meta-Analyse in „Visible Learning“. Allerdings ändert sich der durchschnittliche Lernzuwachs (d) mit unterschiedlichen Klassenstufen. Der Lernzuwachs in unteren Klassenstufen beträgt d= > 0.60 und der von oberen Klassenstufen d= > 0.30. Daraus resultiert ein exakt durchschnittlicher Wert von d= 0.40 (vgl. ebd.). Die meisten untersuchten Faktoren ergeben Werte zwischen d= -0.05 und d= +0.08. In der Summe ergibt sich jedoch, dass 95 % der Effektstärken eine positive Auswirkung haben. (vgl. Terhart 2014, S.13).

2.3.1 Berechnungsmöglichkeit der Effektstärke

Die Effektstärke drückt die Relevanz oder Bedeutsamkeit für die Messung aus (vgl. Bortz 2009, S. 602). Für ihre Berechnung existieren eine Vielzahl von Möglichkeiten, abhängig davon was gemessen werden soll und welche empirische Datenbasis vorliegt (vgl.ebd.). Eine Möglichkeit kann genutzt werden, um z.B die Unterschiede zwischen der Interventionsgruppe A und der Kontrollgruppe B zu berechnen. Eine weitere Möglichkeit liegt darin, den Lernfortschritt der Klasse oder der SuS zu berechnen. Die mathematische Grundformel setzt sich wie folgt zusammen݀ ൌ ሺఓ್ሻିሺఓೌሻ (vgl. Bortz 2009, S. 606).

Um die Effektstärke berechnen zu können, muss erst die Standardabweichung - in der Fachliteratur oft als Standard Deviation (SD) bezeichnet - berechnet werden, weil der Mittelwert alleine nicht aussagekräftig ist. Das bedeutet, dass der Mittelwert eine gute Schätzung sein kann, wenn die Standardabweichung gering ist. Auf der anderen Seite bedeutet das allerdings auch, dass der Mittelwert bei einer hohen Standardabweichung keine gute Grundlage zum Schätzen bildet. Bevor die Effektstärke berechnet werden kann, muss der Durchschnittswert (arithmetisches Mittel), die Varianz (die Varianz gibt die mittlere, quadratische Abweichung der ermittelten Daten vom arithmetischen Mittel an) und die Standardabweichung (SD) berechnet werden. Zur Berechnung und Veranschaulichung von individuellen Effektstärken werden folgende Werte gesetzt. Das folgende Rechenbeispiel vergleicht zwei Klassenarbeiten im Technikunterricht miteinander. Die Punktzahl gibt an, wie viele Punkte erreicht worden sind. Die höchste Punktzahl (60) steht der niedrigsten Punktzahl (15) gegenüber (siehe Tabelle 2.3.1).

Tabelle 2.3.1: Beispieltabelle zum Berechnen der Effektstärken (vgl. Hattie 2014, S. 287)

Abbildung in dieser Leseprobe nicht enthalten

Berechnung der Standardabweichung für eine Klassenarbeit im Technikunterricht:

Arithmetisches Mittel (X)

Abbildung in dieser Leseprobe nicht enthalten

An dem gegebenen Beispiel ist zu erkennen, dass sich von fünf SuS vier verbessert und einer verschlechtert hat. Um dieses Ergebnis zu erhalten, muss nicht zwangsläufig die Effektstärke berechnet werden. Die Effektstärke eignet sich jedoch, um über einen längeren Zeitraum, und damit einer größeren empirischen Basis, Lern- und Lehrmethoden zu überprüfen und zu vergleichen (vgl. Hattie 2014, S. 288). Die Aussagefähigkeit des Berechnungsbeispiels ist aufgrund der geringen empirischen Daten nur gering. Der Zahlenwert an sich, kann keine exakte Auskunft darüber geben, welcher Faktor des Lernens ausschlaggebend für die Lernwirkung ist. (vgl. Hattie 2014, S. 287). Gemessen an dem Durchschnittswert von d=0.40, kann jedoch gesagt werden, dass die Lernleistung in dem Berechnungsbeispiel mit einem Wert von d=0.70 stärker als im Durchschnitt zugenommen hat.

2.3.2 Aussagefähigkeit der Effektstärke

Es bietet sich daher an, Studien mit hohen Teilnehmerzahlen und dem Schwerpunkt auf Lehr- und Lernbedingungen, zu analysieren und in Effektstärken umzurechnen. Wie im zweiten Kapitel beschrieben, ist diese empirische Datenbasis in der Studie „Visible Learning“ vielfältig. Die berechneten Daten und die Effektstärke können daher, rein auf die Zahlen bezogen, als zuverlässig und zutreffend für das angesehen werden, was sie beschreiben. Ein häufiger Kritikpunkt an der Studie ist außerdem, dass das Lernen und Lehren komplexer ist, als das es in reiner empirischer Forschung dargestellt werden könnte (Hattie 2013, S. XI). In der Studie werden jedoch nur Ergebnisse ausgewertet, die empirisch erfass- und messbar sind. Somit ist ein Großteil der Daten aus Gruppen und Zeitvergleichen entstanden (vgl. ebd.). Die vielfältigen Faktoren innerhalber einer Klasse, der Lehrer, die Schule, die individuellen Voraussetzungen der SuS und die Erziehung werden unzureichend erfasst. Qualitative Ansätze werden in der Studie wenig berücksichtigt, da sie nur schwer oder gar nicht in Zahlen messbar sind. (Reinhard 2013, S. 10).

Rein auf quantitativer Forschung ausgelegte Studien haben außerdem immer zu der Versuchsgruppe eine Kontrollgruppe, um die Streuung der Daten zu berücksichtigen. Dieser Forschungsschritt entscheidet wesentlich darüber, wie genau die Messungen bzw. die Ergebnisse sind. In der Studie ist dieser Punkt nicht immer berücksichtigt worden, oder die Berechnungen weichen von den Ergebnissen ab (vgl. ebd.). Ein weiterer Schwachpunkt der Studie ist, dass die Effektgröße nur einen Wirkfaktor auf eine Wirkung erfasst hat (Terhart 2014, S. 138). Das bedeutet, dass Studien, die nicht dieser Regel folgen, aufwendig nachgerechnet und angepasst werden müssen, um eine Ergebnissaggregation durchführen zu können.

Dieses Vorgehen hat allerdings den Nachteil, dass die eigentlich viel umfangreichere Studie auf die Ursache- und Wirkungsaussage reduziert wird (Lind 2013, S. 2). Die Auswahl der Studien ist daher einer der wichtigsten Faktoren, um die Genauigkeit der Meta-Analyse zu erhöhen (vgl. Hattie 2013, S. XIII). In der Summe kann gesagt werden, dass sich Hattie dieser Kritikpunkte bewusst ist und auch mehrmals auf die begrenzte Aussagefähigkeit hinweist (vgl. Hattie 2013, S. 5). Wie exakt der Wert der Effektstärke ist, hängt am Ende von der Größe der Stichprobe ab (vgl. Cohen 1988, S. 184). Daher ist das gewählte Beispiel zur Berechnung von Effektstärken im Technikunterricht nur bedingt aussagekräftig genug und müsste mit mehrfachen Messungen auf seine Validität überprüft werden. Wenn die Studie jedoch mit allen ihren Aspekten berücksichtigt wird, können die Effektstärken als Orientierung und Überprüfung genutzt werden.

Ein weiteres Novum der Studie ist das von Hattie entwickelte „Barometer der Einflüsse“. Dieses Barometer ermöglicht, dass Effektstärken verglichen und anhand einer übersichtlichen Grafik dargestellt werden können (vgl. Hattie 2013, S. 23). Im weiteren Verlauf der Bachelorarbeit werden naturwissenschaftlich-mathematische Kompetenzen und Lehr-Lernbedingungen auf Grundlage dieses Barometers ausgewählt und verglichen. Das Barometer der Einflüsse wird aus diesem Grund im folgenden Kapitel näher vorgestellt.

2.4 Barometer der Einflüsse

Das Barometer der Einflüsse ist entwickelt worden, um aufzuzeigen, welche Lern-Lehrinnovationen lernwirksamer sind als andere (vgl. Hattie 2013, S. 23). Wie in dem Kapitel „Die Effektstärke“ beschrieben, sind 95 % der Einflüsse positiv. (vgl. Terhart 2014, S. 13) Das bedeutet, dass annähernd alle Ansätze, die im Zusammenhang mit Lernleistung verfolgt werden positive Auswirkungen haben (vgl. Hattie 2013, S. 20). Daher sind speziell die Innovationen von großem Interesse, die besonders lernwirksam sind (vgl. Hattie 2013, S. 23). Wie erfolgreich das Lernen ist, hängt zum einen von den individuellen Voraussetzungen der SuS, wie z.B. der Schulbildung, der persönlichen Einstellung oder der Liebe zum Lernen und zum anderen von den LuL und ihrer Fach- und Methodenkompetenz ab (vgl. Hattie 2013, S. 7).

Die Schülerleistung wird positiv beeinflusst, wenn ihnen die Lernziele klar mitgeteilt werden, die LuL einen geeigneten Kontext für das Lernen schaffen und die SuS ein Engagement für ihre Ziele entwickeln können (vgl. Hattie 2013, S. 39). Eine wesentliche Einteilung der Barometergrafik erfolgt nach dem Referenzwert d= 0.40. (vgl. Hattie 2013, S. 21). Dieser Wert gibt an, was als Lernzuwachs von Lernenden und Lehrenden erreicht und erwartet werden kann, ohne auf besondere oder innovative Lern- Lehrmaßnahmen zurückzugreifen (vgl. ebd.).

Ausgehend von diesem Referenzpunkt arbeitet das Barometer mit einer (grafischen) Einteilung von d= – 0.02 bis d= 1.02 (siehe Abbildung 2.4).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2.4: Darstellung des Barometers

Dieser Bereich wird in vier Effektbereiche eingeteilt, die im Folgenden kurz vorgestellt werden. Die umkehrenden Effekte (d= -0.20 bis d= 0.00) haben negative, also umkehrende Effekte auf die Lernleistung der SuS. Alle Effektstärken aus diesem Bereich sollten daher vermieden werden. Ergänzend dazu beschreiben die Effektstärken der Entwicklungseffekte (d= 0.00 bis d= 0.15) den Lernzuwachs und die Entwicklung von SuS ohne den Besuch von Schuleinrichtungen. Im Gegensatz dazu, bewirken die Schulbesuchseffekte (d= 0.15 bis d= 0.40), dass, was eine Lehrperson in einem Schuljahr erreichen kann und sollte. (vgl. ebd.). Alles oberhalb von (d=>0.40) der erwünschten Effekte, wird in der Literatur als Umschlagpunkt (U) angegeben und ist besonders lernwirksam (vgl. ebd.). Alle Werte oberhalb des U-Punktes sind daher von besonderem Interesse. Auf das Berechnungsbeispiel bezogen bedeutet das, dass die Lehrperson im Technikunterricht einen überdurchschnittlichen (d=0.78) Lernzuwachs (gemessen an der erreichten Punktzahl) erreicht hat.

Im weiteren Verlauf dieser Bachelorarbeit sind die Effektstärken von entscheidender Bedeutung, weil anhand dieser Werte auf verschiedene Effektstärken aus den naturwissenschaftlich-mathematischen Bereichen eingegangen wird. Diese bilden die Grundlage, um einen Zusammenhang zwischen den Effektstärken und dem Technikunterricht in der Sekundarstufe I herzustellen.

[...]

Ende der Leseprobe aus 38 Seiten

Details

Titel
"Visible Learning". Übertragung der Studie John Hatties auf den Technikunterricht
Hochschule
Technische Universität Dortmund  (Fakultät Maschinebau)
Note
1,3
Autor
Jahr
2015
Seiten
38
Katalognummer
V456822
ISBN (eBook)
9783668884335
ISBN (Buch)
9783668884342
Sprache
Deutsch
Schlagworte
Lehramt, Lernwirksamkeit, Technik, Hattie, Feedback, kooperatives Lernen, Lehrerpersönlichkeit, Standdardabweichung, Meta-Studie
Arbeit zitieren
Christian Albrecht (Autor), 2015, "Visible Learning". Übertragung der Studie John Hatties auf den Technikunterricht, München, GRIN Verlag, https://www.grin.com/document/456822

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: "Visible Learning". Übertragung der Studie John Hatties auf den Technikunterricht


Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden