Analyzing and fostering students' self-regulated learning through the use of peripheral data in online learning environments.

Literaturnachweis - Detailanzeige

Autor/in	Hörmann, Markus
Titel	Analyzing and fostering students' self-regulated learning through the use of peripheral data in online learning environments.
Quelle	Würzburg: Universität Würzburg (2020), XX, 327 S. PDF als Volltext kostenfreie Datei (1); PDF als Volltext kostenfreie Datei (2) Link als defekt meldenVerfügbarkeit Dissertation, Universität Würzburg, 2019.
Sprache	englisch
Dokumenttyp	online; Monographie
URN	urn:nbn:de:bvb:20-opus-180097
Schlagwörter	Selbststeuerung; Dissertation; Lernen; Schüler; Selbststeuerung; Student; Analyse; Prozessanalyse; Studentin; Schülerin; Schüler; Schülerin; Lernen; Selbst gesteuertes Lernen; Dissertation; Analyse; Prozessanalyse; Student; Studentin; Online
Abstract	Lernen mit digitalen Medien ist ein substantieller Bestandteil formeller und informeller Bildungsprozesse geworden und gewinnt noch immer an Bedeutung. Technologischer Fortschritt hat überwältigende Möglichkeiten für Lernende geschaffen, stellt aber gleichzeitig auch große Anforderungen an sie. Lernende müssen ihren Lernprozess sehr viel stärker selbst regulieren als in traditionellen Lernsituationen, in denen Lehrende durch externe Regulation unterstützen. Das heißt, Lernende müssen ihren Lernprozess selbst planen, geeignete Lernstrategien anwenden, ihn überwachen, steuern und evaluieren. Diesen Anforderungen wird in verschiedenen Modellen des selbst-regulierten Lernens (SRL) Rechnung getragen. Obwohl die Wurzeln der Forschung zu SRL bis in die 1980er Jahren zurück reichen, ist die Messung und adäquate Unterstützung von SRL in technologie-gestützten Lernumgebungen noch immer nicht zufriedenstellend gelöst. Eine wichtige Hürde sind dabei die Datenquellen, die zur Operationalisierung von SRL-Prozessen herangezogen werden. Um SRL in adaptiven Lernsystemen zu unterstützen und theoretische Modelle zu validieren, werden Instrumente benötigt, die klassischen Gütekriterien genügen und darüber hinaus weitere Anforderungen erfüllen. Geeignete Datenkanäle müssen "online" messbar sein, das heißt bereits während des Lernens in Echtzeit für Analysen oder die individuelle Anpassung von Interventionen zur Verfügung stehen. Forschende interessieren sich nicht mehr nur für die Endergebnisse von Fragebögen oder Aufgaben, sondern müssen auch Prozessdaten von Interaktionen zwischen Lernenden und Lernumgebungen untersuchen, um die Entwicklung von Theorien und Interventionen voranzutreiben. Zudem sollten Datenquellen nicht intrusiv sein, sodass der Lernprozess nicht unterbrochen oder gestört wird. Dies ist zum Beispiel bei Messungen physiologischer Daten der Fall, zu deren Erfassung die Lernenden Messgeräte tragen müssen. Außerdem sollten Messungen nicht reaktiv sein - andere Variablen (z.B. der Lernerfolg) sollten also nicht von der Messung beeinflusst werden. Unterschiedliche Datenquellen die zur Untersuchung und Unterstützung von SRL-Prozessen bereits verwendet werden, wie z.B. Protokolle über lautes Denken, Screen-Recording, Eye Tracking, Log-Files, Videobeobachtungen oder physiologische Sensoren erfüllen diese Kriterien in jeweils unterschiedlichem Ausmaß. Ein Datenkanal, dem in der pädagogische-psychologischen Forschung bislang kaum Beachtung geschenkt wurde, der aber nicht-intrusiv, nicht-reaktiv, objektiv und online verfügbar ist, sind detaillierte, zeitlich hochauflösende Daten über die beobachtbare Interkation von Lernenden in online Lernumgebungen. Dieser Datenkanal wird in dieser Arbeit als "peripheral data" eingeführt. Er zeichnet sowohl den Inhalt von Lernumgebungen als Kontext auf, als auch darauf bezogene Aktionen von Lernenden, ausgelöst durch Maus und Tastatur, sowie die Reaktionen der Lernumgebungen, wie etwa strukturelle oder inhaltliche Veränderungen. Zwar sind die oben genannten Kriterien zur Nutzung der Daten erfüllt, allerdings ist unklar, ob diese Daten auch reliabel und valide hinsichtlich relevanten Variablen und Verhaltens interpretiert werden können. Ziel dieser Dissertation ist es daher, diesen Datenkanal aus Perspektive des SRL zu untersuchen und damit die bestehende Forschungslücke weiter zu schließen. Dafür wurden eine Entwicklungs- sowie vier Forschungsarbeiten durchgeführt und in dieser Arbeit dokumentiert. (Orig.).
Erfasst von	Deutsche Nationalbibliothek, Frankfurt am Main
Update	2020/4