Spielend Lehrer/in werden: problembasiertes Lernen mit virtuellen Schülerinnen/Schülern

Praetorius, Saskia; Al-Kabbani, Daniel; Bohndick, Carla; Hilkenmeier, Johanna; König, Sebastian T.; Müsche, Hanna; Sommer, Sabrina; Klingsieck, Katrin B.

doi:10.3217/zfhe-11-03/14

Cited by 7 publications

(3 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Thematisch im Zentrum steht die schulische Lerndiagnostik: Studierende sollen diagnostisches Wissen vertiefen und problembezogen anwenden, indem sie systematisch Fälle bearbeiten und dabei Beobachtungen und bereitgestellte Informationen gezielt als Ressource nutzen. Durch integriertes Lernmaterial und Feedback soll die Software die Reflexion und das Lernen der Studierenden anregen (Praetorius et al 2016). Mittels einer Variation der gegebenen Informationen zu den Fällen (z.B.…”

Section: Serious Gamesunclassified

See 1 more Smart Citation

Learning to teach with digital media

Scheidig

2020

MedienPädagogik

View full text Add to dashboard Cite

Die individuelle Professionalisierung und der Erwerb einschlägiger Kompetenzen sind wesentliche Ziele der Lehrpersonenbildung. Die (mangelnde) Praxisorientierung von Lehramtsstudiengängen wird jedoch seit Langem kontrovers diskutiert. Während sich die Aufmerksamkeit vor allem auf Praktika (und deren Ausdehnung) richtet, erlaubt der Einsatz digitaler Technologien in der Hochschullehre wie etwa Onlineplattformen für kollaborative Videoannotation, Eye-Tracking oder Virtual-Reality-Simulationen neue Formen der technologiegestützten Bezugnahme auf Praxis. Der Beitrag gibt einen Überblick über digitale Praxisbezüge, zeigt Beispiele und diskutiert deren Potenziale.

show abstract

Section: Serious Gamesunclassified

“…Mittels einer Variation der gegebenen Informationen zu den Fällen (z.B. Zeugnisse, Klassenbucheinträge, Elterngespräche) lässt sich offenlegen und thematisieren, wie und welche Informationen auf diagnostische Prozesse der angehenden Lehrpersonen Einfluss nehmen (Klingsieck et al 2016).…”

Section: Serious Gamesunclassified

Learning to teach with digital media

Scheidig

2020

MedienPädagogik

View full text Add to dashboard Cite

show abstract

“…GAM-WATA(Chuang & Shih, 2014, S.344) (d) Sim: Classroom(Praetorius et al, 2016) (e) TD-Simulation(Strang, 1996, S.616; Strang et al, 1996, S.620;Sullivan et al, 1998) (f) Teacher Talk Game(Bradley & Kendall, 2014, S.…”

mentioning

confidence: 99%

Entwicklung eines interaktionalen Simulationsmodells von Unterrichtshandeln im Rahmen der Implementierung der VR-Lernumgebung Clasivir

Breitenbach

View full text Add to dashboard Cite

Die vorliegende Arbeit beschreibt die Entwicklung eines interaktionalen Simulationsmodells zum späteren Einsatz in der VR-Simulation Clasivir 2.0 (Classroom Simulator in Virtual Reality), welche in der Lehrkräftebildung eingesetzt werden soll. Das Clasivir-Simulationsmodell wurde im Rahmen eines Prototyps implementiert und zwei anderen Simulationsmodellen in einem Fragebogen entgegengestellt. Ein Simulationsmodell beschreibt im Kontext einer digitalen Schulunterrichtssimulation, wie sich SuS in der Simulation verhalten. Die drei Simulationsmodelle wurden über zwei unterschiedliche Typen von Video-Visualisierungen, genannt Mockup-Videos, dargestellt: Zum einen über eine 2D-Darstellung aus Vogelperspektive, zum anderen über eine 3D-Darstellung, in welcher 3D-Modelle von SuS animiert wurden. Bei dem realen Simulationsmodell handelt es sich um eine Übertragung einer authentischen Videoaufzeichnung von Unterricht einer hessischen Realschule in 2D/3D-Visualisierungen. Im randomisierten Simulationsmodell führen SuS ihre Verhalten zufällig aus. Alle Modelle basieren auf zweisekündigen Intervallen. Im Falle des realen Simulationsmodells wurde dies durch Analyse aller beobachtbaren einundzwanzig SuS gewonnen, im Falle des Clasivir-Simulationsmodells wurden die Vorhersagen des Simulationsmodells übertragen. Das Simulationsmodell von Clasivir basiert auf behavior trees, stellt eine Art von künstlicher Intelligenz dar und modelliert das SuS-Verhalten größtenteils in Abhängigkeit von Lehrkrafthandlungen. Die Entwicklung des interaktionalen Simulationsmodells von Clasivir ist eine Kernkomponente dieser Arbeit. Das Simulationsmodell basiert auf empirischen Ergebnissen aus den Bereichen der Psychometrie, der pädagogischen Psychologie, der Pädagogik und Ergebnissen der Simulations-/KI-Forschung. Ziel war die Entwicklung eines Modells, das nicht nur auf normativen Vorhersagen basiert, sondern empirisch und theoretisch valide ist. Nur wenige Simulationsmodelle in Unterrichtssimulationen werden mit dieser Art von Transparenz beschrieben, was eines der Alleinstellungsmerkmale dieser Arbeit ist. Es wurden Anstrengungen unternommen die vorliegenden empirischen Ergebnisse in einen kausalen Zusammenhang zu bringen, der mathematisch modelliert wurde. Im Zentrum steht die Konzentration von SuS, welche Ein uss auf Stör-, Melde- und Antwortverhalten hat. Diese Variable wird durch andere situative und personenbezogene Variablen (im Sinne von traits) ergänzt. Wo keine direkten empirischen Ergebnisse vorlagen wurde versucht plausibles Verhalten anhand der Übertragung von Konzeptionsmodellen zu gewinnen. Da die bisherige Verwendung der angrenzenden Begriffe rund um die Simulationsentwicklung bislang sehr inkonsistent war, wurde es notwendig diese Termini zu definieren. Hervorzuheben ist die Entwicklung einer Taxonomie digitaler Unterrichtssimulationen, die so bislang nicht existierte. Anhand dieser Taxonomie und der erarbeiteten Fachtermini wurden Simulationen in der Lehrkräftebildung auf ihre Modellierung des Simulationsmodells hin untersucht. Die Untersuchung der Simulationen simSchool und VCS war, da sie einen verwandten Ansatz zu Clasvir verfolgen, besonders ergiebig. Nach der Generierung der Mockup-Videos wurden N=105 Studierende, N=102 davon Lehramtsstudierende, aufgefordert, in einem Online-Fragebogen zwei der Simulationsmodelle miteinander zu vergleichen. Lehramtsstudierende wurden ausgewählt, da sie die Zielgruppe der Simulation sind. Welche Modelle die Partizipantinnen verglichen, war abhängig von der Gruppe der sie zugeteilt wurden. Hierbei wurde neben den Simulationsmodellen auch die visuelle Darstellung variiert. Insbesondere wurden die Partizipantinnen darum gebeten, den Fidelitätsgrad des Simulationsmodells, also den Maßstab, wie realistisch die Partizipantinnen das Verhalten der SuS in der Simulation fanden, zu bewerten. Inferenzstatistisch bestätigte sich, dass Partizipantinnen keinen Unterschied zwischen dem realen Simulationsmodell und dem Clasivir-Simulationsmodell erkennen konnten (t=1.463, df=178.9, p=.1452), aber das randomisierte Simulationsmodell mit einer moderaten Effektstärke von d=.634 als signifikant schlechter einschätzten (t=-2.5231, df=33.581, p=.008271). Die Art der Darbietung (2D oder 3D) hatte keinen statistisch signifikanten Einfluss auf die wahrgenommene Schwierigkeit der Bewertung (z=1.2426, p=.107). Damit kann festgestellt werden, dass eine komplexe und zeitintensive 3D-Visualisierung eines Simulationsmodells bei noch nicht vorliegender Simulation nicht erforderlich ist. Das Clasivir-Simulationsmodell wird als realistisch wahrgenommen. Es kann damit empfohlen werden, es in der VR-Simulation zu verwenden. Im Ausblick werden bereits während des Schreibens der Arbeit gemachte Entwicklungen beschrieben und Konzepte zum weiteren Einsatz der Ergebnisse entwickelt. Es wird darauf verwiesen, dass eine erste Version eines VR-Simulators entwickelt wurde (Clasivir 1.0), der jedoch rein deterministisch funktioniert und noch nicht das in dieser Arbeit entwickelte Simulationsmodell inkludiert.

show abstract