Upload
dederick-lauff
View
105
Download
0
Embed Size (px)
Citation preview
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
ÜberblickÜberblick
Computer und LernenComputer und Lernen LeistungsmotivationLeistungsmotivation
Motivation und kognitive StrukturenMotivation und kognitive Strukturen
Fragestellungen und HypothesenFragestellungen und Hypothesen
MethodeMethode
Ergebnisse und Diskussion
Ergebnisse und Diskussion
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
I) Stand der ForschungI) Stand der Forschung
1. Computer und Lernen1. Computer und Lernen
CAL ... Computer Assisted Learning
Befunde aus der CAL Forschung nach Krendl & Lieberman (1988):
• Intensivere Nutzung der zur Verfügung gestellten Lernzeit (Daiute 1985)• Positive Effekte auf Menge und Güte des Lernoutputs (Cohen & Riel 1986) • Beschleunigte Entwicklung mathematischer Skills (Henderson et al 1986)• Höheres Interesse am Themengebiet (Ybarrondo 1985)
Grundsätzlich positive Effekte in motivationalen Bereichen
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
I) Stand der ForschungI) Stand der Forschung
1. Computer und Lernen1. Computer und Lernen
ITS(s) = Intelligent Tutoring System(s)
Del Soldato & Du Boulay (1995):
Adaptivität bezüglich motivationalen Komponenten
Domain based planning + motivational planning
Effekte des motivational planners wurden nicht empirisch überprüft
Der Erhebung und Modifizierung des Motivationszustandes liegt kein fundiertes psychologisches Motivationsmodell zugrunde.
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
I) Stand der ForschungI) Stand der Forschung
2. Leistungsmotivation2. Leistungsmotivation
Handlungsresultate inLeistungssituationen
Beurteilung nach einemTüchtigkeitsmaßstab
Erfolg (Stolz) Misserfolg (Scham)
Hoffnung auf Erfolg Furcht vor Misserfolg
A n t i z i p a t i o n
Das Modell von Atkinson (1957)
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
I) Stand der ForschungI) Stand der Forschung
2. Leistungsmotivation2. Leistungsmotivation Das Modell von Atkinson (1957)
T = M x P x ITs = Ms x Ps x Is
Tf = Mf x Pf x If
Tr = Ts + TfTr = Ts + Tf
Tr = (Ms - Mf) x (Ps - Ps2) Tr = (Ms - Mf) x (Ps - Ps2)
Verhaltensvorhersagen in vier Typen leistungsbezogenen Verhaltens:
• Aufgabenwahl (Atkinson & Litwin, 1960) +/-• Anspruchsniveau- Zielsetzung (Heckhausen, 1963 bzw. Schmalt, 1976)+• Ausdauer und Persistenz (Feather, 1961, 1962, 1963) +/(-)• Leistungseffizienz n.y.s.i.n.y.d. Effekt +/-
Grund: möglicherweise Messproblematik
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
I) Stand der ForschungI) Stand der Forschung
3. Motivation und kognitive Strukturen3. Motivation und kognitive Strukturen
Untersuchung von Lin, McKeachie und Naveh-Benjamin (1999):
• Methode der Wissensstrukturerfassung: ordered-tree technique• Motivationsvariablen: - Test anxiety
- Expectancy for success (nach Atkinson, 1957)• Ergebnisse:
Test anxiety - amount of organization r = .31 s.Test anxiety - similarity of structures r = -.27 s.Test anxiety - Leistung i. d. LV r = -.30 s.Expectancy for success - Leistung r = .37 s.
Die Motivationsvariablen wurden mittels Fragebogen erhoben
Zur Analyse von Wissensstrukturen stehen auch andere theoretische Konzepte zur Verfügung
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
II) Fragestellung und HypothesenII) Fragestellung und Hypothesen
1.) Unterscheiden sich Personen hinsichtlich der kognitiven Repräsentanz von erworbenem Wissen in Abhängigkeit von ihrer individuellen Motivtendenz HE vs. FM?
1.) Unterscheiden sich Personen hinsichtlich der kognitiven Repräsentanz von erworbenem Wissen in Abhängigkeit von ihrer individuellen Motivtendenz HE vs. FM?
H1: Personen unterscheiden sich hinsichtlich ihrer Wissensstrukturen (Verteilung der symmetrischen Distanzen) in Abhängigkeit von ihrer individuellen Motivtendenz.
2.) Unterscheiden sich Personen hinsichtlich der kognitiven Repräsentanz von erworbenem Wissen in Abhängigkeit von der Art des Wissenserwerbs?
2.) Unterscheiden sich Personen hinsichtlich der kognitiven Repräsentanz von erworbenem Wissen in Abhängigkeit von der Art des Wissenserwerbs?
H1: Personen unterscheiden sich hinsichtlich ihrer Wissensstrukturen (Verteilung der symmetrischen Distanzen) in Abhängigkeit von der Art des Wissenserwerbs.
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
III) MethodeIII) Methode
1. Design1. Design
Art d
es L
ern
en
sA
rt de
s Le
rne
ns
MotivMotiv
Papier &
Bleistift
Papier &
Bleistift
RATHRATH
Furcht vor MisserfolgFurcht vor Misserfolg
Hoffnung auf Erfolg
Hoffnung auf Erfolg
• 2x2 faktorielles Design ohne Meßwiederholung• UV1: Motiv (HE vs. FM)• UV2: Art des Wissenserwerbs (RATH vs. P & B)• AV: Verteilung der symmetrischen Distanzen
• SVn: des Ortes und der Zeit - konstantder Person:
• Englischkenntnisse• Vorwissen• Computererfahrung• Alter• Geschlecht
• Gruppenversuch mit Vor- und Hauptuntersuchungsphase
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
III) MethodeIII) Methode
2. Stichprobe2. Stichprobe
Voruntersuchung (30.11. – 5.12.2001): • 128 Schülerinnen und Schüler der 11. und 12. Schulstufe • Rekrutiert an 3 allgemeinbildenden höheren Schulen in Graz• Kontrolle personenbezogener SVn
Bildung von Matched Pairs:• Matchingvariable: Ausprägung des Motivs HE vs. FM• 25 Paare HE, 37 Paare FM - zufällig RATH vs. P&B zugeordnet
Hauptuntersuchung (10.12. – 20.12.2001):• insgesamt 116 TeilnehmerInnen• nach Gleichverteilung in den Zellen verblieben 84 Personen• Geschlecht: 50 weiblich, 34 männlich• Alter: von 16 bis 19 Jahre; MW=16,57; s=0,73
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
III) MethodeIII) Methode
3. Material3. MaterialRATH
Relational Adaptive Tutoring Hypertext WWW-EnvironmentRATH
Relational Adaptive Tutoring Hypertext WWW-Environment
Basiert auf der Verknüpfung der Wissensraumtheorie (Doignon & Falmagne) mit einer relationalen Formalisierung von Hypertext
Basiert auf der Verknüpfung der Wissensraumtheorie (Doignon & Falmagne) mit einer relationalen Formalisierung von Hypertext
Ein ITS Prototyp (Albert & Hockemeyer) mit Lerninhalt „Elementare Wahrscheinlichkeitstheorie“ (Held, Hockemeyer, Hermann & Albert)Ein ITS Prototyp (Albert & Hockemeyer) mit Lerninhalt „Elementare Wahrscheinlichkeitstheorie“ (Held, Hockemeyer, Hermann & Albert)
Held (1993): zur elementaren Wahrscheinlichkeitstheorie
• Zum Erlernen des Stoffgebiets sind 10 Wissenserfordernisse gegeben• 6 Klassen von Aufgaben wurden auf Basis von 3 Aufgaben- komponenten konstruiert
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
III) MethodeIII) Methode
3. Material3. Material
Die 6 Klassen von Aufgaben bei RATH
Aufgabenstruktur
Struktur der Aufgaben und Lerninhalte
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
III) MethodeIII) Methode
3. Material3. Material
Weitere Versuchsmaterialien:
• Instruktionen • Personalblatt• Multi Motiv Gitter (Retest Reliabilität .77 - .92)• P & B Version von RATH• Vokabelliste (nach Haudum, Leitner & Liberti 2001)• Nachbefragungsbogen• Versuchsleiterbogen• Klausur: 18 Aufgaben - 3 pro Aufgabenklasse
nach Held (1993) bzw. Haudum, Leitner & Liberti (2001)
4. Apparatur4. Apparatur
• Computeranlagen mit Internet-Zugang• SPSS, Programm „di“
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
Papier & Bleistift
RATHFurcht vor
Misserfolg
Paare
Papier & Bleistift Klausur und Nach-
befragung
RATHHoffnung auf
Erfolg
Paare
• Instruktion
Untersuchungszeitpunkt t2
III) MethodeIII) Methode
5. Ablauf5. Ablauf
Bildung von matched pairs nach
Motiv HE vs. FM
Zwischenphase
Multi Motiv Gitter
• Instruktion
• PersonalblattEinleitung
Untersuchungszeitpunkt t1
ca. 30 Minuten
MW=66,07; s=22,49ca. 40 Minuten
MW=12,67d
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
IV) Ergebnisse und DiskussionIV) Ergebnisse und Diskussion
1. Überblick1. Überblick
Descriptive Statistics
84 ,00 18,00 8,3095 5,0324
84 ,00 16,00 4,1429 4,2600
84 ,00 6,00 4,1310 1,4377
84 ,00 6,00 2,7976 1,8418
84
Anzahl der gelösten
Aufgaben
Anzahl der nicht
bearbeiteten Aufgaben
Anzahl gelöster Examples
Anzahl der gelösten
Aufgabenklassen
Valid N (listwise)
N Minimum Maximum Mean Std. Deviation
11 Personen mit demPattern 000000
• Klassifikation der Resultate in der Klausur:- gelöst- nicht gelöst- nicht bearbeitet
• Kriterium für die Klausur: 2 von 3 Aufgaben gelöst = Klasse gelöst
• Mittels „di“ wurden anhand der erstellten Patternfiles und des Strukturfiles die Verteilungen der symmetrischen Distanzen errechnet.
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
IV) Ergebnisse und DiskussionIV) Ergebnisse und Diskussion
1. Überblick1. Überblick
Verteilung der symmetrischen Distanzen über n
Descriptive Statistics
84 ,00 2,00 ,2738 ,4747
84
Distanzen n=84
Valid N (listwise)
N Minimum Maximum Mean Std. Deviation
Distanzen n=84
62 73,8
21 25,0
1 1,2
84 100,0
,00
1,00
2,00
Total
Valid
Frequency Percent
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
IV) Ergebnisse und DiskussionIV) Ergebnisse und Diskussion
1. Überblick1. Überblick
Verteilung der Distanzen in der Potenzmenge
Distanzen Potenzmenge
10 15,6
29 45,3
22 34,4
3 4,7
64 100,0
,00
1,00
2,00
3,00
Total
Valid
Frequency Percent
Descriptive Statistics
64 ,00 3,00 1,2813 ,7862
64
Distanzen Potenzmenge
Valid N (listwise)
N Minimum Maximum Mean Std. Deviation
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
Art d
es L
ern
en
sA
rt de
s Le
rne
ns
MotivMotiv
Chi2 = 42,64
s.s.
Chi2 = 42,64
s.s.Chi2 = 49,60
s.s.
Chi2 = 49,60
s.s.
Papier &
Bleistift
Papier &
Bleistift
Chi2 = 67,98
s.s.
Chi2 = 67,98
s.s.Chi2 = 58,43
s.s.
Chi2 = 58,43
s.s.RATHRATH
Furcht vor MisserfolgFurcht vor Misserfolg
Hoffnung auf Erfolg
Hoffnung auf Erfolg
Chi2 = 126,23
s.s.
Chi2 = 93,78
s.s.
Chi2 = 109,75
s.s.Chi2 = 107,85
s.s.Chi2 = 189,65
s.s.
IV) Ergebnisse und DiskussionIV) Ergebnisse und Diskussion
1. Überblick1. Überblick
Chi2 Anpassungstest: Vergleiche mit der Potenzmenge
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
IV) Ergebnisse und DiskussionIV) Ergebnisse und Diskussion
2. Hypothese 12. Hypothese 1 H1: Personen unterscheiden sich hinsichtlich ihrer Wissensstrukturen (Verteilung der symmetrischen Distanzen)
in Abhängigkeit von ihrer individuellen Motivtendenz.
Art d
es L
erne
ns
Art d
es L
erne
ns
MotivMotiv
0 14
1 6
2 1
3 0
0 14
1 6
2 1
3 0
0 15
1 6
2 0
3 0
0 15
1 6
2 0
3 0
Papier & Bleistift
Papier & Bleistift
0 17
1 4
2 0
3 0
0 17
1 4
2 0
3 0
0 16
1 5
2 0
3 0
0 16
1 5
2 0
3 0
RATHRATH
Furcht vor MisserfolgFurcht vor Misserfolg
Hoffnung auf Erfolg
Hoffnung auf Erfolg
Chi2(HE vs. FM) = 0n.s.
Chi2(FM vs. HE) = 0n.s.
0 31
1 11
2 0
3 0
0 31
1 10
2 1
3 0
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
IV) Ergebnisse und DiskussionIV) Ergebnisse und Diskussion
2. Hypothese 22. Hypothese 2 H1: Personen unterscheiden sich hinsichtlich ihrer Wissensstrukturen (Verteilung der symmetrischen Distanzen) in Abhängigkeit von der Art des Wissenserwerbs.
Art d
es L
erne
ns
Art d
es L
erne
ns
MotivMotiv
0 14
1 6
2 1
3 0
0 14
1 6
2 1
3 0
0 15
1 6
2 0
3 0
0 15
1 6
2 0
3 0
Papier & Bleistift
Papier & Bleistift
0 17
1 4
2 0
3 0
0 17
1 4
2 0
3 0
0 16
1 5
2 0
3 0
0 16
1 5
2 0
3 0
RATHRATH
Furcht vor MisserfolgFurcht vor Misserfolg
Hoffnung auf Erfolg
Hoffnung auf Erfolg
Chi2(RATH vs. P&B) = 1,78n.s.
Chi2(P&B vs. RATH) = 2,26n.s.
0 33
1 9
2 0
3 0
0 29
1 12
2 1
3 0
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
IV) Ergebnisse und DiskussionIV) Ergebnisse und Diskussion
3. Diskussion3. Diskussion
• Schwächen im Design:- Stichprobe ?- Lerninhalt RATH ?
• Schwächen im Design:- Stichprobe ?- Lerninhalt RATH ?
• Theoretische Grundlagen:- Leistungsmotivation ?- CAL Befunde ?
• Theoretische Grundlagen:- Leistungsmotivation ?- CAL Befunde ?
• Wahl der AV:- Zusatz-Hypothesen
• Wahl der AV:- Zusatz-Hypothesen
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
IV) Ergebnisse und DiskussionIV) Ergebnisse und Diskussion
4. Zusatz-Hypothesen4. Zusatz-Hypothesen H1: Personen unterscheiden sich hinsichtlich der mittleren Anzahl gelöster Aufgaben in Abhängigkeit von der Art des Wissenserwerbs und der individuellen Motivtendenz.
Leistungsmotiv
Hoffnung auf ErfolgFurcht vor Mißerfolg
Mitt
lere
An
zah
l ge
löst
er
Au
fga
be
n18
16
14
12
10
8
6
4
2
0
Art des Lernens
Lernen mit RATH
Lernen mit P&B
Dependent Variable: Summe der gelösten Aufgaben
204,810a 3 68,270 2,879 ,041
5800,048 1 5800,048 244,580 ,000
,762 1 ,762 ,032 ,858
183,048 1 183,048 7,719 ,007
21,000 1 21,000 ,886 ,350
1897,143 80 23,714
7902,000 84
2101,952 83
Source
Corrected Model
Intercept
Leistungsmotiv
Art desLernensLM * Art desLernens
Error
Total
Corrected Total
Type III Sumof Squares df Mean Square F Sig.
R Squared = ,097 (Adjusted R Squared = ,064)a.
Leistungsmotiv
Hoffnung auf ErfolgFurcht vor Mißerfolg
Mitt
lere
An
zah
l ge
löst
er
Au
fga
be
n18
16
14
12
10
8
6
4
2
0
Art des Lernens
Lernen mit RATH
Lernen mit P&B
MW = 6,23
MW = 10,19
s.s.
Beispiel: AK1 AK2 AK3 AK4 AK5 AK6 SummeVP1 10 Aufgaben gelöst davon 2 2 2 2 2 0 5 VP2 10 Aufgaben gelöst davon 3 3 3 1 0 0 3
Beispiel: AK1 AK2 AK3 AK4 AK5 AK6 SummeVP1 10 Aufgaben gelöst davon 2 2 2 2 2 0 5 VP2 10 Aufgaben gelöst davon 3 3 3 1 0 0 3
Leistungsmotivation und kognitive Repräsentanz von Wissen bei RATH Abschlussreferat
Markus Kertz 28.01.2002
IV) Ergebnisse und DiskussionIV) Ergebnisse und Diskussion
Test Statistics a
575,000 550,500
1478,000 1453,500
-2,782 -3,020
,005 ,003
Mann-Whitney U
Wilcoxon W
Z
Asymp. Sig. (2-tailed)
Anzahl dergelösten
Aufgabenklassen
Anzahl der nichtbearbeiteten
Aufgaben
Grouping Variable: Gruppe RATH vs P&Ba.
Ranks
42 35,19
42 49,81
84
42 50,39
42 34,61
84
Gruppe RATH vs P&B
Lernen mit RATH
Lernen mit P&B
Total
Lernen mit RATH
Lernen mit P&B
Total
Anzahl der gelösten
Aufgabenklassen
Anzahl der nicht
bearbeiteten Aufgaben
N Mean Rank
HEHE
FMFM
4. Zusatz-Hypothesen4. Zusatz-Hypothesen