Advertisement

Förderung von Konzeptverständnis und Repräsentationskompetenz durch Tablet-PC-gestützte Videoanalyse

Empirische Untersuchung der Lernwirksamkeit eines digitalen Lernwerkzeugs im Mechanikunterricht der Sekundarstufe 2
  • Sebastian BeckerEmail author
  • Pascal Klein
  • Alexander Gößling
  • Jochen Kuhn
Original Paper
  • 43 Downloads

Zusammenfassung

In diesem Artikel werden die Ergebnisse einer Studie zur Untersuchung der Lernwirksamkeit des Einsatzes der Tablet-PC-gestützten Videoanalyse von Bewegungen im Themenbereich Mechanik des Physikunterrichts der Sekundarstufe 2 vorgestellt. Nach der Darstellung des Forschungsbedarfs im Bereich digital gestützter Lehr-Lernprozesse wird der aktuelle Forschungsstand analysiert und Möglichkeiten der Messmethode Videoanalyse zur Gestaltung von innovativen Lehr-Lernprozessen im Themenfeld Mechanik aufgezeigt. Die Cognitive Load Theory (CLT) und die Kognitive Theorie multimedialen Lernens (CTML) liefern den theoretischen Rahmen zur Ableitung von Hypothesen, deren Gültigkeit in einer quasi-experimentellen Feldstudie im Prä-Posttest-Design mit Kontroll- und Interventionsgruppen empirisch untersucht wurde. Die Studie inkludiert zwei essenzielle Themengebiete der Mechanik, die „Gleichförmige Bewegung“ (\(\textit{N}=109\) matched samples) und die „Beschleunigte Bewegung“ (\(\textit{N}=70\) matched samples). Die Ergebnisse belegen eine signifikant höhere Lernleistung bezogen auf das physikalische Konzeptverständnis durch den Einsatz der Tablet-PC-gestützten Videoanalyse im Vergleich zu traditionellem Unterricht in beiden Themengebieten, wobei der größere Effekt beim kognitiv anspruchsvolleren Thema „Beschleunigte Bewegung“ vorliegt (\(\textit{p}<10^{-3}\), Effektstärke \(\textit{d}=0,92\)).

Schlüsselwörter

Unterrichtsforschung Neue Medien Mechanikunterricht Videoanalyse Tablet-PC Physikalisches Konzeptverständnis Repräsentationskompetenz 

Notes

Danksagung

Unser Dank gilt allen beteiligten Lehrkräften sowie Schülerinnen und Schülern, deren Bereitschaft zur Mitwirkung die Durchführung der Studie erst ermöglicht hat.

Supplementary material

Literatur

  1. Becker, S., Klein, P., & Kuhn, J. (2016). Video analysis on tablet computers to investigate effects of air resistance. The Physics Teacher, 54(7), 440–441.Google Scholar
  2. Becker, S., Klein, P., Kuhn, J., & Wilhelm, T. (2018a). Viana analysiert Bewegungen. Physik in unserer Zeit, 49(1), 46–47.Google Scholar
  3. Becker, S., Thees, M., & Kuhn, J. (2018b). The dynamics of the magnetic linear accelerator examined by video motion analysis. The Physics Teacher, 56(7), 484–485.Google Scholar
  4. Beichner, R. (1994). Testing student interpretation of kinematics graphs. American Journal of Physics, 62(8), 750–762.Google Scholar
  5. Beichner, R. J. (1998). The impact of video motion analysis on kinematics graph interpretation skills. American Journal of Physics, 64, 1272–1277.Google Scholar
  6. BMBF (2016). Strategie des Bundesministeriums für Bildung und Forschung „Bildungsoffensive für die digitale Wissensgesellschaft“. https://www.bmbf.de/files/Bildungsoffensive_fuer_die_digitale_Wissensgesellschaft.pdf Google Scholar
  7. Bortz, J., & Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler (7. Aufl.). Springer Berlin Heidelberg: Springer-Lehrbuch.Google Scholar
  8. Boyd, A., & Rubin, A. (1996). Interactive video: a bridge between motion and math. International Journal of Computers for Mathematical Learning, 1(1), 57–93.Google Scholar
  9. Clark, R. C., & Mayer, R. E. (2011). E‑learning and the science of instruction (3. Aufl.). San Francisco: Proven Guidelines for Consumers and Designers of Multimedia Learning.Google Scholar
  10. Clark, R. E., & Sugrue, B. M. (1988). Research on instructional media, 1978–1988. Educational Media and Technology Yearbook, 14, 19–36.Google Scholar
  11. De Cock, M. (2012). Representation use and strategy choice in physics problem solving. Physical Review Special Topics – Physics Education Research, 8(2), 10–15.Google Scholar
  12. Cohen, J. (1988). Statistical power analysis for the behavioral sciences second edition (2. Aufl.). Hillsdale, N.J.: Lawrence Erlbaum.Google Scholar
  13. Ding, L., & Beichner, R. (2009). Approaches to data analysis of multiple-choice questions. Physical Review Special Topics – Physics Education Research, 5(2), 20103.Google Scholar
  14. Hake, R. R. (1998). Interactive-engagement versus traditional methods: a six-thousand-student survey of mechanics test data for introductory physics courses. American Journal of Physics, 66(1), 64–74.Google Scholar
  15. Hart, S. (2007). Nasa-task load index (nasa tlx). Human Factors and Ergonomic Society, 52, 904–908.Google Scholar
  16. Hart, S., & Staveland, L. (1988). Development of nasa-tlx (task load index): results of empirical and theoretical research. Human Mental Workload, 52, 139–183.Google Scholar
  17. Hillmayr, D., Reinhold, F., Ziernwald, L., & Reiss, K. (2017). Digitale Medien im mathematisch-naturwissenschaftlichen Unterricht der Sekundarstufe. Münster: Waxmann Verlag GmbH.Google Scholar
  18. Hochberg, K., Kuhn, J., & Müller, A. (2018). Using smartphones as experimental tools—effects on interest, curiosity, and learning in physics education. Journal of Science Education and Technology , 27(5), 385–403.  https://doi.org/10.1007/s10956-018-9731-7 Google Scholar
  19. Hockicko, P., Trpišová, B., & Ondruš, J. (2014). Correcting students’ misconceptions about automobile braking distances and video analysis using interactive program tracker. Journal of Science Education and Technology, 23(6), 763–776.Google Scholar
  20. Hubber, P., Tytler, R., & Haslam, F. (2010). Teaching and learning about force with a representational focus: pedagogy and teacher change. Research in Science Education, 40(1), 5–28.Google Scholar
  21. Jackman, H. (1999). Improving conceptual understanding of physics with technology. Research experience for undergraduates Google Scholar
  22. Kanim, S. E., & Subero, K. (2010). Introductory labs on the vector nature of force and acceleration. American Journal of Physics, 78(5), 461–466.Google Scholar
  23. Klein, P., Gröber, S., Kuhn, J., & Müller, A. (2013). Video analysis of projectile motion using tablet computers as experimental tools. Physics Education, 49(1), 37–40.Google Scholar
  24. Klein, P., Gröber, S., Kuhn, J., & Müller, A. (2014). Mobile Videoanalyse mit Tablets am Beispiel des freien Falls mit Luftreibung. Praxis der Naturwissenschaften – Physik in der Schule, 63(5), 33–35.Google Scholar
  25. Klein, P., Kuhn, J., & Müller, A. (2018). Förderung von Repräsentationskompetenz und Experimentbezug in den vorlesungsbegleitenden Übungen zur Experimentalphysik. Zeitschrift für Didaktik der Naturwissenschaften , 24(1), 17–34.  https://doi.org/10.1007/s40573-018-0070-2 Google Scholar
  26. Klein, P., Müller, A., & Kuhn, J. (2017). Assessment of representational competence in kinematics. Physical Review Physics Education Research, 13(1), 10132.Google Scholar
  27. KMK (2016). Strategie der Kultusministerkonferenz „Bildung in der digitalen Welt“. https://www.kmk.org/fileadmin/Dateien/pdf/PresseUndAktuelles/2018/Digitalstrategie_2017_mit_Weiterbildung.pdf Google Scholar
  28. Kohl, P. B., Rosengrant, D., & Finkelstein, N. D. (2007). Strongly and weakly directed approaches to teaching multiple representation use in physics. Physical Review Special Topics – Physics Education Research, 3(1), 481–410.Google Scholar
  29. Krendl, K. A., & Broihier, M. (1992). Student responses to computers: a longitudinal study. Journal of Educational Computing Research, 8(2), 215–227.Google Scholar
  30. Krüger, D., Parchmann, I., & Schecker, H. (2013). Methoden in der naturwissenschafts- didaktischen Forschung. Berlin Heidelberg: Springer.Google Scholar
  31. Kuhn, J., & Vogt, P. (2015).  Smartphone & Co. in Physics Education: Effects of Learning with New Media Experimental Tools in Acoustics. In W. Schnotz, A. Kauertz, H. Ludwig, A. Müller & J. Pretsch (Eds.), Multidisciplinary Research on Teaching and Learning (pp. 253-269). Basingstoke, UK: Palgrave Macmillan.Google Scholar
  32. Kulik, C. L. C., & Kulik, J. (1991). Effectivenessof computer-based instruction. An Updated Analysis, 7, 75–94.Google Scholar
  33. Leppink, J., Paas, F., van der Vleuten, C. P. M., van Gog, T., & van Merriënboer, J. J. G. (2013). Development of an instrument for measuring different types of cognitive load. Behav Res Methods, 45(4), 1058–1072.Google Scholar
  34. Lichtenberger, A., Wagner, C., Hofer, S. I., Stern, E., & Vaterlaus, A. (2017). Validation and structural analysis of the kinematics concept test. Physical Review Physics Education Research, 13(1), 10115.Google Scholar
  35. Magis, D., & Facon, B. (2011). Angoff’s delta method revisited: improving DIF detection under small samples. British Journal of Mathematical and Statistical Psychology, 65(2), 302–321.Google Scholar
  36. Mayer, R. (1999). Multimedia aids to problem-solving transfer. International Journal of Educational Research, 31, 611–624.Google Scholar
  37. Mayer, R. (2003). The promise of multimedia learning: using the same instructional design methods across different media. Learning and Instruction, 13, 125–139.Google Scholar
  38. Mayer, R. (2005). Cognitive theory of multimedia learning. Bd. 31. Cambridge: Cambridge University Press.Google Scholar
  39. Mayer, R., & Moreno, R. (2003). Nine ways to reduce cognitive load in multimedia learning. Educational psychologist, 38, 43–52.Google Scholar
  40. Mayer, R. E., & Chandler, P. (2001). When learning is just a click away: does simple user interaction foster deeper understanding of multimedia messages? Journal of Educational Psychology, 93(2), 390–397.Google Scholar
  41. Mayer, R. E., & Pilegard, C. (2014). Cambridge handbooks in psychology (S. 316–344). Cambridge: Cambridge University Press.Google Scholar
  42. van Merriënboer, J. J. G., & Sweller, J. (2005). Cognitive load theory and complex learning: recent developments and future directions. Educational Psychology Review, 17(2), 147–177.Google Scholar
  43. Moreno, R., & Mayer, R. E. (1999). Cognitive principles of multimedia learning: the role of modality and contiguity. Journal of Educational Psychology, 91, 358–368.Google Scholar
  44. Noyes, J., & Garland, K. (2006). Explaining students’attitudes toward books and computers. Computers in Human Behavior, 22(3), 351–363.Google Scholar
  45. Paas, F., Renkl, A., & Sweller, J. (2003). Cognitive load theory and instructional design. Recent developments, 38(1), 1–4.Google Scholar
  46. Pappas, J., Koleza, E., Rizos, J., & Skordoulis, C. (2002). Using interactive digital video and motion analysis to bridge abstract mathematical notions with concrete everyday experience. Second International Conference on the Teaching of Mathematics, Hersonissos. (S. 1–9).Google Scholar
  47. Pundak, D., & Rozner, S. (2007). Empowering engineering college staff to adopt active learning methods. Journal of Science Education and Technology, 17(2), 152–163.Google Scholar
  48. Rittle-Johnson, B., Siegler, R. S., & Alibali, M. W. (2001). Developing conceptual understanding and procedural skill in mathematics: an iterative process. Journal of Educational Psychology, 93(2), 346–362.Google Scholar
  49. Rodrigues, S., Pearce, J., & Livett, M. (2010). Using video analysis or data loggers during practical work in first year physics. Educational Studies, 27(1), 31–43.Google Scholar
  50. Rosengrant, D., Van Heuvelen, A., & Etkina, E. (2009). Do students use and understand free-body diagrams? Physical Review Special Topics – Physics Education Research, 5(1), 81–13.Google Scholar
  51. Sung, Y. T., Chang, K. E., & Liu, T. C. (2016). The effects of integrating mobile devices with teaching and learning on students’ learning performance: a meta-analysis and research synthesis. Computers & Education, 94, 252–275.Google Scholar
  52. Sutopo, W. B. (2014). Impact of a representational approach on students’ reasoning and conceptual understanding in learning mechanics. International Journal of Science and Mathematics Education, 12, 741–765.Google Scholar
  53. Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12, 257–285.Google Scholar
  54. Sweller, J., & Chandler, P. (1994). Why some material is difficult to learn. Cogntition and Instruction, 12(3), 185–233.Google Scholar
  55. Thees, M., Becker, S., Rexigel, E., Cullman, N., & Kuhn, J. (2018). Coupled pendulums on a clothesline. The Physics Teacher, 56(6), 404–405.Google Scholar
  56. Vosniadou, S. (2007). Conceptual change and education. Human Development, 50(1), 47–54.Google Scholar
  57. Wee, L. K., Chew, C., Goh, G. H., Tan, S., & Lee, T. L. (2012). Using tracker as a pedagogical tool for understanding projectile motion. Physics Education, 47(4), 448–455.Google Scholar
  58. Wee, L. K., Tan, K. K., Leong, T. K., & Tan, C. (2015). Using tracker to understand ‘toss up’ and free fall motion: a case study. Physics Education , 50(4), 436–442.  https://doi.org/10.1088/0031-9120/50/4/436 Google Scholar
  59. Zollman, D., & Escalada, L. (1996). Applications of interactive digital video in a physics classroom. Journal of Educational Multimedia and Hypermedia, 5(1), 73–97.Google Scholar

Copyright information

© Gesellschaft für Didaktik der Physik und Chemie (GDCP), Fachsektion Didaktik der Biologie im VBIO (FDdB im VBIO) und Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Fachbereich Physik, AG Didaktik der PhysikTechnische Universität KaiserslauternKaiserslauternDeutschland
  2. 2.c/o Stiftung Marienschule der UrsulinenInstitut für Schule, Erziehungs- und FachwissenschaftenBielefeldDeutschland

Personalised recommendations