Kompetenzdefinition SE Vertiefung Allgemeine Psychologie: Wissenspsychologie 22.05.2007 Pabst...

KompetenzdefinitionSE Vertiefung Allgemeine Psychologie: Wissenspsychologie22.05.2007

Pabst Christinechristine.pabst@stud.uni-graz.at

Schantl Michaelaschantlm@stud.uni-graz.at

2

Definition von Kompetenz

Juristisch betrachtet:

„…gleichbedeutend mit der Zuständigkeit eines

Menschen (oder eines Organs), bestimmte Aufgaben

selbstständig durchzuführen.“ http://drw-www.adw.uni-heidelberg.de/drw/, 2007.

3

Definition von Kompetenz

Wirtschaftlich betrachtet:

„…eine erworbene persönliche Fähigkeit, die

Angestellten ein gleich bleibend hohes Leistungsniveau

in einem bestimmten Berufsfeld ermöglicht.“ http://www.onpulson.de/lesikon/kompetenz.html, 2007.

4

Definition von Kompetenz Psychologisch betrachtet:

„…die bei Individuen verfügbaren oder durch sie erlernbaren kognitiven Fähigkeiten und Fertigkeiten, um bestimmte Probleme zu lösen, sowie die damit verbundenen motivationalen, volitionalen und sozialen Bereitschaften und Fähigkeiten, um die Problemlösungen in variablen Situationen erfolgreich und verantwortungsvoll nutzen zu können.“ Weinert, 2001.

5

Kompetenzen

Thaught competencies:Kompetenzen, die gelehrt werden

Required competencies: Kompetenzen, die erforderlich sind um Lernobjekte (LO) zu verstehen

Tested competencies:jene Kompetenzen, die tatsächlich getestet werden

“The shift from taught to actually tested competencies, however, is only a shift in the interpretation of the model.” Hockemeyer et al, 2003.

6

Kompetenzen (Bsp.)

12 + 3 * (3 / 2) =

Thaught competencies:Rechenregel: Punkt vor StrichKlammerregel

7

Kompetenzen (Bsp.)

12 + 3 * (3 / 2) =

Required competencies:Grundrechnungsarten:+ - / *

8

Kompetenzen (Bsp.)

12 + 3 * (3 / 2) =

Tested competencies:Grundrechnungsarten: + - / *

Rechenregel: Punkt vor Strich Klammerregel

9

Kompetenz-Performanz-Theorie

„Kompetenz ist ein nicht direkt beobachtbares, theoretisches Konstrukt zur Erklärung und Prognose von Performanz.“ Korossy, 1999.

Performanz: empirisch beobachtbares Lösungsverhalten bei Aufgaben Korossy, 1999.

10

Wissensraumtheorie

„…beschreibt das Wissen einer Person in einer bestimmten Domäne als Teilmenge an Aufgaben, die diese Person aus der gesamten Problemdomäne fähig ist zu lösen“ Ley & Albert, 2003.

„Diese Aufgaben sind nicht unabhängig von einander. Es kann durch das Vorliegen von Voraussetzungsbeziehungen beim Lösen einer Aufgabe auf das Lösen anderer Aufgaben geschlossen werden.“ Ley & Albert, 2003.

11

Wissensraumtheorie

Wissenszustand Wird repräsentiert durch die Teilmenge der Aufgaben, die eine Person mächtig ist zu lösen

WissensraumIst die Menge aller möglichen Wissenszustände, einschließlich der leeren Menge

12

Kompetenz-Performanz-Theorie

Erweiterung der Wissensraumtheorie Kompetenzebene Performanzebene Beziehung zwischen Kompetenz- und

PerformanzebeneKorossy, 1999.

13

Kompetenzdefinition

Identifikation von Elementarkompetenzen

Vorarbeit für Kompetenzmodellierung, die

Abhängigkeitsbeziehungen darstellt

14

Kompetenzdefinition

ElementarkompetenzenAnwendungsspezifizierte LösungsmethodeProzedurales und deklaratives WissenNicht unbedingt „atomare Einheiten“ – eher in

sich komplexe „Schemata“ Korossy, 1999.

15

Mögliche Verfahren zur Identifikation von Elementarkompetenzen

Grobe Einteilung: Analysis of (mass) data

Analysis of Didactics und Curricula

Querying experts

Analysis of underlying demands, cognitive skills

and processes

16

Mass data collection Albert & Kaluscha, 1997.

Sammlung von Antwortmustern in einem abgeschlossenen Wissensbereich

Problem:Je mehr Items, desto mehr mögliche

Kompetenzzustände

17

Analysis of Didactics and Curricula Albert & Kaluscha, 1997.

Bestehende Lehrpläne und Curricula für

einen gegebenen Bereich analysieren

18

Analysis of Didactics and Curricula

Beispiel: Statistik im Diplomstudium Psychologie

(1. Abschnitt) – Studienplan 2002

Psychologische Statistik IVO2 (1. Semester)

Psychologische Statistik IIVO2 (2. Semester)

Anwendung statistischer Verfahren am Computer

(2. Semester)

http://www.uni-graz.at/zvwww/studplan/sppsychol.html, 2007.

19

Analysis of Didactics and Curricula

Prerequisites: It is assumed that students enter the course Psychological Statistics II with the knowledge acquired in Psychological Statistics I

Content Introduction:

basic concepts, scales of measurement.Descriptive Statistics: frequency distributions, graphs, central tendency, variability, standard scores, score transformations. Inferential Statistics: probability, normal distribution, basic issues in inferential statistics, confidence intervals, testing hypotheses about single means, t-Test, effect size, power, analysis of variance, chi-square tests, correlation, regression, selection of appropriate tests, interpretation of statistical results.Preview of Multivariate Tests: multiple regression, factor analysis.

Aims: To enable students to use the basic tools of psychological statistics in a professional and responsible way.

http://www.uni-graz.at/~papousek/teaching/stat-e.html, 2007.

Psychologische Statistik I and II

20

Analysis of Didactics and Curricula Anwendung statistischer Verfahren

Inhalt Einführung in das Statistik-Programm SPSS, Dateneingabe und Variablendefinition, Erzeugung neuer Variablen, deskriptive Statistiken, T-Tests, ein- und mehrfaktorielle Varianzanalysen, Normalverteilungsprüfung, verteilungsfreie Verfahren, Chi-Quadrat-Tests, Korrelation und Regression.

Inhaltliche Voraussetzungen

Keine

Ziel: mit dem Statistik-Programm SPSS Daten einzugeben und zu verarbeiten, die Wahl geeigneter statistischer Verfahren, die Durchführung deskriptiver und inferenzstatistischer Analysen sowie die statistische und inhaltliche Interpretation der Ergebnisse

https://online.uni-graz.at/kfu_online/webnav.ini, 2007

21

Analysis of Didactics and Curricula

Verbesserungsvorschlag:

Voraussetzung für Anwendung statistischer

Verfahren am Computer psychologische

Statistik I und psychologische Statistik II Man benötigt die Inhalte beider Vorlesungen, um die

statistischen Verfahren am Computer richtig

anwenden zu können

22

Analysis of Didactics and Curricula “Prerequisite relationships between

learning contents may be applied for (re-) structuring courses and curricula“ Albert &

Hockemeyer, 1999.

Eventuelle Möglichkeit den Studienplan des Diplomstudiums zu überarbeiten

23

Querying experts Heller, 2004.

„Failing all the items in A entails failing all the items in B“

Experten entscheiden, ob sie diese Aussage akzeptieren oder zurückweisen

24

Querying experts Heller, 2004.

Problem Die Anzahl der Fragen an den Experten nimmt

exponentiell mit der Itemanzahl in dem Bereich zu

Eine Reduktion der Fragen:

Ableiten der Antwort von vorherigen gesammelten Antworten erfordert Reliabilität und Konsistenz der Entscheidungen

25

Domain ontologies Heller et al, 2006.

Ontologie SeinslehreStellt eine Aufstellung von Konzepten und

deren Zusammenhänge eines Bereiches dar definiert den Wissensbereich

Repräsentation: concept maps

26

Domain ontologies Heller et al, 2006.

Identifikation von Fähigkeiten mittels Unterstrukturen eines „concept map“, welche die ontologische Information des betreffenden Bereichs repräsentiert

Beispiel:

Abb.1.: Beispiel eines Problems aus dem Wissensbereich „Rechtes Dreieck“

27

Domain ontologies Heller et al, 2006.

Abb.2.: Concept map über den Wissensbereich “Rechtes Dreieck”

28

4 Schritte von

„Definition der Elementarkompetenz“

Korossy, 1999., Dösinger & Albert, 2002a.

29

Kompetenzdefinition

Schritt 1: Identifikation und Darstellung von Lösungswege

Menge Q von Problemen q

Menge E von Elementarkompetenzen Wissensbereich W

30

Kompetenzdefinition

Basis von Elementarkompetenzen: L={{1},

{1,2},{1,2,3},{1,2,4},{1,2,4,5}}

q f(q)

q1 {1}

q2 {1,2}

q3 {1,2,3}

q4 {1,2,4}

q5 {1,2,4,5} Tabelle 1: Zuordnung der Teilmengen von Elementarkompetenzen, die zur Lösung einer Aufgabe benötigt wird Dösinger & Albert, 2002a.

31

Kompetenzdefinition

Schritt 2: Erlangen eines Kompetenzraums

Zusammenfassung aller möglichen

Kompetenzzustände einschließlich der leeren Menge

zu einer Menge

K={{}, {1}, {1,2}, {1,2,3}, {1,2,4}, {1,2,4,5},

{1,2,3,4}, {1,2,3,4,5}}

32

Kompetenzdefinition

Schritt 3: Kompetenz- und Performanzebene miteinander in Beziehung setzen

Interpretationsfunktion: Zuordnung der

Kompetenzzustände zu den jeweiligen Problemen

Repräsentationsfunktion: Zuordnung der Probleme zu

den entsprechenden Kompetenzzuständen

33

Kompetenzdefinition{} {1} {1,2} {1,2,3} {1,2,4} {1,2,4,5} {1,2,3,4} {1,2,3,4,5}

q1

q2

q3

q4

q5

{} {q1} {q1,q2} {q1,q2,q3} {q1,q2,q4} {q1,q2,q4,q5} {q1,q2,q3,q4} {q1,q2,q3,q4,q5}

Tabelle 2: Interpretations – und Repräsentationsfunktion Dösinger & Albert, 2002a.

P= {{}, {q1}, {q1,q2}, {q1,q2,q3}, {q1,q2,q4}, {q1,q2,q4,q5}, {q1,q2,q3,q4}, {q1,q2,q3,q4,q5}}

34

Kompetenzdefinition

Schritt 4: Herleiten der Problemanordnung

q p()q

q1 {q1}, {q1,q2}, {q1,q2,q3}, {q1,q2,q4}, {q1,q2,q4,q5}, {q1,q2,q3,q4}, {q1,q2,q3,q4,q5}

q2 {q1,q2}, {q1,q2,q3}, {q1,q2,q4}, {q1,q2,q4,q5}, {q1,q2,q3,q4}, {q1,q2,q3,q4,q5}

q3 {q1,q2,q3}, {q1,q2,q3,q4}, {q1,q2,q3,q4,q5}

q4 {q1,q2,q4}, {q1,q2,q4,q5}, {q1,q2,q3,q4}, {q1,q2,q3,q4,q5}

q5 {q1,q2,q4,q5}, {q1,q2,q3,q4,q5}

Tabelle 3: Lösungsabhängigkeiten Dösinger & Albert, 2002a.

35

Kompetenzdefinition

q5

q4 q3

q2

q1

Grafik 1: Hasse-Diagramm: Abhängigkeiten zwischen den Problemen Dösinger & Albert, 2002a.

36

Beispiel aus dem CbKST-Kurs

Voraussetzungsbeziehungen

TI_030 – TI_034

37

Schritt 1: Identifikation von Elementarkompetenzen mittels didaktischer Analyse

Grundvoraussetzung: Verständnis von Relationen

1: Wie ist eine Voraussetzungsrelation definiert

2: Aufbau eines Hassediagramms verstehen - incl. lesen

3: Aufbau einer Matrix verstehen - incl. lesen

38

Schritt 1: Identifikation und Darstellung von Elementarkompetenzenq f(q)

q1 {1, 2}

q2 {1, 2}

q3 {1, 3}

q4 {1, 2, 3,}

q5 {1, 2, 3}

L={{1,2},{1,3},{1,2,3}}

Tabelle 4: Zuordnung der Teilmengen von Elementarkompetenzen, die zur Lösung einer Aufgabe benötigt wird

39

Schritt 2: Erlangen eines Kompetenzraums

K ={{}, {1,2}, {1,3}, {1,2,3}}

Graphik 2: Surmise-relation

40

Schritt 3: Kompetenz- und Performanzebene miteinander in Beziehung setzen

{} {1} {1,2} {1,3} {1,2,3}

q1

q2

q3

q4

q5

{} {} {q1,q2} {q3} {q1,q2,q3,q4,q5}

P = {{},{q1,q2},{q3},{q1,q2,q3,q4,q5}}

Tabelle 5: Interpretations – und Repräsentationsfunktion

41

Schritt 4: Herleiten der Problemanordnung

q p()q

q1 {q1,q2}, {q1,q2,q3,q4,q5}

q2 {q1,q2}, {q1,q2,q3,q4,q5}

q3 {q3}, {q1,q2,q3,q4,q5}

q4 {q1,q2,q3,q4,q5}

q5 {q1,q2,q3,q4,q5}

Tabelle 6: Lösungsabhängigkeiten

42

Schritt 4: Herleiten der Problemanordnung

Grafik 3: Hassediagramm: Abhängigkeiten zwischen den Problemen

43

Beispiel aus dem CbKST-Kurs

Mengenlehre: “Grundlagen & Operationen”

TI_001 – TI_010

44

Schritt 1: Identifikation von Elementarkompetenzen mittels didaktischer Analyse Grundvoraussetzung: mathematische

Rechenregeln 1: lesen, definieren einer Mengenschreibweise;

Definitionen von Begriffe 2: Zugehörigkeit ∈/∉ 3: Beziehungen zwischen den Mengen incl.

Schreibweise (Teilmenge, echte Teilmenge…) 4: Operationen zwischen Mengen ∪, ∩ 5: Transformation von mathematischen

Rechenregeln

45

Schritt 1: Identifikation und Darstellung von Lösungswege

L= { {1}, {1,2}, {1,2,3}, {1,2,4}, {1,2,4,5}}

q f(q)

q1 {1, 2}

q2 {1, 2, 3}

q3 {1}

q4 {1}

q5 {1}

q6 {1, 2, 4}

q7 {1, 2, 4}

q8 {1, 2, 4, 5}

q9 {1, 2, 4}

q10 {1, 2, 4, 5}Tabelle 7: Zuordnung der Teilmengen von Elementarkompetenzen, die zur Lösung einer Aufgabe benötigt wird

46

Verständnisfrage

L= { {1}, {1,2}, {1,2,3}, {1,2,4}, {1,2,4,5}}

Stelle den auf obigen Beispiel bezogenen Kompetenzraum dar?

47

Schritt 2: Erlangen eines Kompetenzraums

K = {{}, {1}, {1,2}, {1,2,3}, {1,2,4}, {1,2,3,4}, {1,2,4,5}, {1,2,3,4,5}}

48

{} {1} {1, 2} {1, 2, 3,} {1, 2, 4} {1, 2, 3, 4} {1, 2, 4, 5} {1,2,3,4,

5}

q1

q2

q3

q4

q5

q6

q7

q8

q9

q10

{} {q3,} {q1,q3,q4,

q5}

{q1,q2,q3,q4

,q5}

{q1,q3,q4,q5

,q6,q7,

q9}

{q1,q2,q3,q4,q5

,q6,q7,q9}

{q1,q3,q4,q5,q6

,q7,q8,q9,

q10}

q1,q2,q3,q4,q5

,q6,q7,q8,q9,q

10}Tabelle 8: Interpretations – und Repräsentationsfunktion

49

Schritt 3: Kompetenz und Performanzebene miteinander in Beziehung setzen

P = {{}, {q3,q4,q5}, {q1,q3,q4,q5}, {q1,q2,q3,q4,q5}, {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

50

Schritt 4: Herleiten der Problemanordnungq p()q

q3 {q3,q4,q5}, {q1,q3,q4,q5}, {q1,q2,q3,q4,q5}, {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9},

{q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

q4 {q3,q4,q5}, {q1,q3,q4,q5}, {q1,q2,q3,q4,q5}, {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9},

{q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

q5 {q3,q4,q5}, {q1,q3,q4,q5}, {q1,q2,q3,q4,q5}, {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9},

{q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

q1 {q1,q3,q4,q5}, {q1,q2,q3,q4,q5}, {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q3,q4,q5,q6,q7,q8,q9,q10},

{q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

q2 {q1,q2,q3,q4,q5}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

q6 {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

q7 {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

q9 {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

q8 {q1,q3,q4,q5,q6,q7,q8,q9,q10, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

q10 {q1,q3,q4,q5,q6,q7,q8,q9,q10, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}

Tabelle 9: Lösungsabhängigkeiten

51

Schritt 4: Herleiten der Problemanordnung

Grafik 4: Hasse-Diagramm: Abhängigkeiten zwischen den Problemen der Mengenlehre

52

Diskussion

Kompetenz- und Performanzraum sind Aufgabenabhängig Je nach gegebenen Aufgaben ändert sich der

Kompetenz- als auch PerformanzraumJe mehr differenzierte Aufgaben, desto

geringer ist die Chance einen möglichen Kompetenzzustand zu übersehen

53

Kritik/Beispiele

Nummerierung falsch:LO_005 fehltLO_045 auf LO_050LO_055 auf LO_060LO_063 auf LO_900TI_025 auf TI_030

„Bitte auswählen“ deutschsprachiger Button in englischsprachiger Software eingebaut

54

Kritik/Beispiele

„Echte Obermenge“ wird erklärt daher auch Einführung der „Obermenge“ plus Beispiel und Aufgabenerweiterung

{} ist Teilmenge jeder Menge

55

LO_004: SetTheorieTheBasics

In case that every member of a set A is also a member of a set B, then A is said to be a subset of B which is written by A ⊆ B (also "A is contained in B"). Vice Versa, B is said to be a superset of A which is written by B ⊇ A (also "B includes A"). In case that set A is a subset of B, but not equal to B, then A is called a proper subset of B, written A ⊂ B (A is a proper subset of B) and B ⊃ A (B is proper superset of A), respectively. Moreover, the empty set is a subset of every set and every set is a subset of itself.

Example 6:

{1, 2, 3, 4} ⊂ {1, 2, 3, 4, 5, 6, 7, 8} or {a,b,c,d} ⊆ {a,b,c,d,e,f,g}{1, 2, 3, 4} ⊆ {1, 2, 3, 4}{} ⊆ {a,b,c,d}{1, 2, 3, 4, 5, 6, 7, 8} ⊃ {1, 2, 3, 4} or {a,b,c,d,e,f,g} ⊇ {a,b,c,d}

56

Task 02: Mark all correct notations:

Set A = {1, 2, 3} Set B = {1, 2, 3, 4, 5}Set C = {a, f, k, x} Set D = {m, x} Set E = {a, f, k, m, x} Set F = {1, 2, 3}Set G = {}

A ⊂ B B ⊃ C E ⊃ D C ⊂ D A ⊃ C A ⊆ F G ⊆ A B ⊇ F C ⊇ G E ⊂ A E ⊃ C A ⊆ B

57

Kritik/Beispiele

Erweiterung Mengenschreibweise: Reihenfolge der Zahlen oder Buchstaben muss nicht in aufsteigend geordnet sein

Beistrich hinter letzten Zahl für genaue Schreibweise

Schreibweise mit Doppelpunkt

58

Task: Mark all correct notations of sets: M = {P,S,Y,C,H,O,L,O,G,I,E} M = {a,b,c,d,e,e} M = {3,5,9,7} M = {1,7,7,10} M = {a,b,c,d,} M = {B,L,U,M,E} M = {A,L,B,E,R,T} M = {1,5,7,20,12} M = {n2 – 4: n is a whole number and 0 ≤n≤ 19}

59

Verständnisfrage

Definiere in eigenen Worten die Begriffe Kompetenzraum und Kompetenzzustand?

60

Literaturverzeichnis

Albert, D., & Hockemeyer, C. (1999). Developing Curricula for Tutoring Systems Based on Prerequisite Relationships. In G. Cumming, T. Okamoto & L. Gomez (Eds.), Advanced Research in Computers and Communications in Education: New Human Abilities for the Networked Society (Vol. 2, pp. 325–328). Amsterdam: IOS Press.

Albert, D., & Kaluscha, R. (1997). Adapting Knowledge Structures in Dynamic Domains. In C. Herzog (Ed.), Beiträge zum Achten Arbeitstreffen der GI–Fachgruppe 1.1.5/7.0.1 „Intelligente Lehr–/Lernsysteme'', September 1997, Duisburg, Germany [Contributions of the 8th Workshop of the GI SIG „Intelligent Tutoring Systems''] (pp. 89–100). TU München.

Dösinger, G., & Albert, D. (2002a). Adaptive Competence Testing in eLearning. European Journal of Open, Distance and E-Learning (EURODL).

61

Literaturverzeichnis

Heller, J. (2004). A Formal Framework for Characterizing Querying Algorithms. Journal of Mathematical Psychology, 48, 1–8.

Heller, J., Steiner, C., Hockemeyer, C., & Albert, D. (2006). Competence-Based Knowledge Structures for Personalised Learning. International Journal on E-Learning, 5(1), 75-88.

Hockemeyer, C., Conlan, O., Wade, V., & Albert, D. (2003). Applying Competence Prerequisite Structures for eLearning and Skill Management. Journal of Universal Computer Science, 9, 1428–1436.

Korossy, K. (1999). Qualitativ-strukturelle Wissensmodellierung in der elementaren Teilbarkeitslehre [1]. Zeitschrift für Experimentelle Psychologie, 46(1), 28-52.

62

Literaturverzeichnis

Ley, T., & Albert, D. (2003). Kompetenzmanagement als formalisierbare Abbildung von Wissen und Handeln für das Personalwesen. Wirtschaftspsychologie,3, 86-93.

Weinert, F.E. (2001): Vergleichende Leistungsmessung in Schulen – eine umstrittene Selbstverständlichkeit; IN: Weinert, F.E. (Hrsg.): Leistungsmessungen in Schulen, Beltz Verlag, Weinheim – Basel,17-31.

http://drw-www.adw.uni-heidelberg.de/drw/, 20.05.2007. http://www.onpulson.de/lesikon/kompetenz.html, 06.06.2007. http://www.uni-graz.at/~papousek/teaching/stat-e.html, 17.06.2007. http://www.uni-graz.at/zvwww/studplan/sppsychol.html,17.06.2007. https://online.uni-graz.at/kfu_online/webnav.ini, 17.06.2007.

Danke für die Aufmerksamkeit!