Concept Maps. Lehren und Lernen mit Medien II. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
|
|
- Adolph Bretz
- vor 7 Jahren
- Abrufe
Transkript
1 Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Concept Maps
2 Überblick Einführung Metaanalyse zu Concept Maps Erklärungsansätze für den Effekt von Concept Maps Statische vs. animierte Concept Maps Concept Map-Strukturen und Lernervorwissen Zweidimensionale vs. multidimensionale Concept Maps Concept Maps vs. wiederholte Abfragen 2
3 Beispiel einer Concept Map zum Thema Bullying (Nesbit & Adesope, 2006) Quelle: Nesbit und Adesope (2006) 3
4 Einführung (Nesbit & Adesope, 2006) Concept Map als Diagramm, das Konzepte in einer Anordnung von Knoten und Kanten darstellt Die beschrifteten Knoten repräsentieren Konzepte, während die Kanten die Beziehungen zwischen diesen Konzepten kennzeichnen Beschriftete vs. unbeschriftete Kanten Gerichtete vs. ungerichtete Kanten Concept Maps häufig als Kommunikationshilfe in Vorlesungen, für Lernmaterialien und beim kollaborativen Lernen eingesetzt 4
5 Concept Map? 5
6 Concept Map? Ist in dem gezeigten Video eine Concept Map zu sehen? A: Ja B: Nein Rey.participoll.com A B 0 6
7 Metaanalyse zu Concept Maps (Nesbit & Adesope, 2006) 5818 Probanden aus 55 Studien mit 67 Einzeleffekten In 25 Studien (27 Einzeleffekte) erstellten oder modifizierten die Probanden Concept Maps, in 30 Studien (40 Einzeleffekte) wurde mit vorhandenen Concept Maps gelernt Probanden in den Kontrollgruppen nahmen an Diskussionen teil, besuchten Vorlesungen oder lernten mit Skizzen, Listen oder Texten Lernförderlicher Effekt von Concept Maps belegt (g = 0.60; p <.05) 7
8 Metaanalyse zu Concept Maps (Nesbit & Adesope, 2006) Moderatoreffekte für die Erstellung von Concept Maps Variable Kategorie N k Effektgröße Umgebung Fach Bildungsniveau Studiendauer Vierte bis achte Klasse * Neunte bis zwölfte Klasse * Tertiärbereich * Vollständig in der Lehrveranstaltung * Nicht vollständig in der Lehrveranstaltung * Naturwissenschaften * Allgemeinwissenschaften, Biologie und Statistik * Jura, Geistes- und Sozialwissenschaften * Weniger als fünf Wochen * Mehr als fünf Wochen * 8
9 Metaanalyse zu Concept Maps (Nesbit & Adesope, 2006) Moderatoreffekte für das Lernen mit Concept Maps Variable Kategorie N k Effektgröße Bildungsniveau Umgebung Vierte bis achte Klasse * Tertiärbereich * Labor * Lehrveranstaltung * Fach Art der Concept Map Naturwissenschaften Allgemeinwissenschaften, Biologie und Statistik * Jura, Geistes- und Sozialwissenschaften * Statisch * Animiert * Mit Hyperlinks
10 Metaanalyse zu Concept Maps Welche Aussagen treffen nach der Metaanalyse von Nesbit und Adesope (2006) zu? A: Schülerinnen und Schüler der neunten bis zwölften Klasse profitieren nicht von Concept Maps. B: Der lernförderliche Effekt scheint für die Fächer Jura, Geistes- und Sozialwissenschaften besonders stark zu sein. C: Animierte Concept Maps sind nicht lernförderlich. D: Concept Maps sollten Hyperlinks enthalten. Rey.participoll.com A B C D 0 10
11 Erklärungsansätze für den Effekt von Concept Maps (Nesbit & Adesope, 2006) Duale Codierung: Concept Maps ergänzen Texte und verbessern so die verbale und visuell-räumliche Speicherung sowie den späteren Informationsabruf Verbale Codierung: Concept Maps integrieren Textinhalte effizient, verringern die kognitive Belastung und erlauben eine effizientere Suche als in Texten Lernstrategien: Die Überführung von Texten in eine Concept Map dient als Lernstrategie (ähnlich wie eine Zusammenfassung) und verbessert so das Verständnis Individuelle Unterschiede: Besonders Lernende mit geringen verbalen Fähigkeiten und wenig Vorwissen profitieren durch die einfache Knoten-Kanten-Syntax von Concept Maps Kollaboratives Lernen: Gemeinsame, gleichzeitige und effiziente Erstellung und Nutzung von Concept Maps in Gruppen lernförderlich 11
12 Statische vs. animierte Concept Maps (Adesope & Nesbit, 2013) Lernmaterial zur Organisations- und Funktionsweise des menschlichen Nervensystems Quelle: Adesope und Nesbit (2013) 12
13 Statische vs. animierte Concept Maps (Adesope & Nesbit, 2013) N = 140; 56% ; Ø 23.6 Jahre (SD = 7.0) 2 x 2 faktorielles Design UV 1 : Repräsentation (Concept Map vs. Text) UV 2 : Animation (animiert vs. statisch) Abhängige Variablen Behalten (Aufsatz schreiben) Transfer (Zwei offene Fragen) Wissen (30 MC-Fragen) Beispiel aus den animierten Versuchsbedingungen Quelle: Adesope und Nesbit (2013) 13
14 Statische vs. animierte Concept Maps (Adesope & Nesbit, 2013) HE für UV 1 : p <.001; η p ² =.20 HE für UV 1 : p <.001; η p ² =.24 HE für UV 1 : p <.01; η p ² =.06 14
15 Statische vs. animierte Concept Maps Welche Aussagen treffen für das Experiment von Adesope und Nesbit (2013) zu? A: Die Gruppe mit animierten Concept Maps ist bezüglich der Behaltensleistungen signifikant besser als die Gruppe mit statischen Concept Maps. B: Der größte Effekt zwischen der Gruppe mit Concept Map und der Textbedingung zeigt sich für die Behaltensleistungen. C: Bei den Transferleistungen zeigt sich ein mittlerer, lernförderlicher Effekt für Concept Maps im Vergleich zur Textbedingung. Rey.participoll.com A B C 0 15
16 Concept Map-Strukturen und Lernervorwissen (Amadieu et al., 2009) Hierarchische Hypertext-Struktur vs. Netzwerk Hypertext-Struktur Quelle: Amadieu (2009) 16
17 Concept Map-Strukturen und Lernervorwissen (Amadieu et al., 2009) N = 24; 63% ; Ø 32.3 Jahre (SD = 8.1) Lernmaterial: Hypertext zur HIV-Ansteckung 2 x 2 faktorielles, quasi-experimentelles Design UV 1 : Hypertext-Struktur (hierarchisch vs. Netzwerk) UV 2 : Lernervorwissen (niedrig vs. hoch) Abhängige Variablen Lernleistungen Kognitive Belastung Desorientierung Lern- und Testzeiten 17
18 Concept Map-Strukturen und Lernervorwissen (Amadieu et al., 2009) 18
19 Concept Map-Strukturen und Lernervorwissen Was kann man Ihrer Vermutung nach an dem Experiment von Amadieu et al. (2009) kritisieren? A: Die zu niedrige Teststärke aufgrund des sehr geringen Stichprobenumfangs B: Die fehlenden Effektstärken und p-werte zu den Abbildungen auf der vorherigen Folie und im Artikel C: Die Dichotomisierung des Vorwissens auf Basis eines Median-Splits Rey.participoll.com A B C 0 19
20 Zweidimensionale vs. multidimensionale Concept Maps (Huang et al., 2012) Zweidimensionale Concept Map (links) vs. multidimensionale Concept Maps (rechts) Quelle: Huang et al. (2012) 20
21 Zweidimensionale vs. multidimensionale Concept Maps (Huang et al., 2012) N = 102 (laut Abstract 103); Schülerinnen und Schüler der vierten Klasse einer Schule in Taiwan Lernmaterial: Webbasierter Computerkurs zum Thema Webbrowser Einfaktorielles, dreifachgestuftes Design Schulbuchtext in der Kontrollgruppe Zweidimensionale Concept Map Multidimensionale Concept Map Abhängige Variablen Lernleistung Lernzufriedenheit 21
22 Zweidimensionale vs. multidimensionale Concept Maps (Huang et al., 2012) Lernleistung Lernzufriedenheit ,0 86,4 90, ,9 64,6 67, Schulbuchtext (Kontrollgruppe) Zweidimensionale concept map Multidimensionale concept map 0 Schulbuchtext (Kontrollgruppe) Zweidimensionale concept map Multidimensionale concept map p <.001 p <
23 Zweidimensionale vs. multidimensionale Concept Maps Welche Aussagen treffen für das Experiment von Huang und Kollegen (2012) zu? A: Die Lernzufriedenheit ist in der Gruppe mit multidimensionaler Concept Map signifikant höher als in allen anderen Versuchsbedingungen. B: Es zeigen sich bei der Lernleistung oder bei der Lernzufriedenheit u. a. nicht signifikante Unterschiede zwischen den drei Bedingungen. C: Die Lernleistung fällt signifikant höher aus als die Lernzufriedenheit. Rey.participoll.com A B C 0 23
24 Concept Maps vs. wiederholte Abfragen (Lechuga, Ortega-Tudela & Gómez-Ariza, 2015) Erstellung von Concept Maps vs. Lerninhalte wiederholt abfragen N = 84; 90% ; Ø 21.4 Jahre (SD = 1.9) Lernmaterial: Text zu den Einsatzmöglichkeiten von Textilfasern und der Herstellung von Textilwaren Einfaktorielles, vierfachgestuftes, quasi-experimentelles Design Wiederholtes Lesen Training mit Concept Maps Erfahrung mit Concept Maps Wiederholtes Abfragen Abhängige Variablen Lerntest (4 Inferenzfragen und 10 Behaltensfragen; eine Woche später) Frage zur Selbsteinschätzung der Behaltensleistungen 24
25 Concept Maps vs. wiederholte Abfragen (Lechuga, Ortega-Tudela & Gómez-Ariza, 2015) Inferenzfragen: p <.05; η p ² =.09 Behaltensfragen: p <.01; η p ² =.19 Quelle: Lechuga, Ortega-Tudela und Gómez-Ariza (2015) 25
26 Concept Maps vs. wiederholte Abfragen Was kann man an der Studie von Lechuga, Ortega-Tudela und Gómez-Ariza (2015) kritisieren? A: Es handelt sich aufgrund der nicht randomisierten Zuordnung für die Bedingung Erfahrung mit Concept Maps um ein quasi-experimentelles Design. B: In den vier Versuchsbedingungen durften die Lernenden den Lerntext unterschiedlich lang betrachten (zwischen 10 und 30 Minuten). C: Der Lerntest wurde erst eine Woche später präsentiert. D: Frauen waren in der Studie deutlich überrepräsentiert. E: Der Stichprobenumfang (N = 84) war für das verwendete Versuchsdesign zu gering. Rey.participoll.com A B C D E 0 26
27 Zusammenfassung Concept Map als Diagramm, das Konzepte in einer Anordnung von Knoten und Kanten darstellt Lernförderlichkeit von Concept Maps metaanalytisch gestützt Einfluss von Concept Maps auf die Lernleistungen nach der Metaanalyse durch zahlreiche Variablen moderiert Verschiedene Erklärungsansätze für den lernförderlichen Effekt von Concept Maps Animierte Concept Maps nicht zwingend lernförderlicher als statische Concept Maps Hierarchische Concept Map-Struktur eines Hypertextes mitunter lernförderlicher als Netzwerk-Struktur Multidimensionale Concept Maps können Lernleistung und Lernzufriedenheit im Vergleich zu zweidimensionalen Concept Map erhöhen Wiederholtes Abfragen teilweise lernförderlicher als Erstellung von Concept Maps 27
28 Prüfungsliteratur Nesbit, J. C., & Adesope, O. O. (2006). Learning with concept and knowledge maps: A meta-analysis. Review of Educational Research, 76, Adesope, O. O., & Nesbit, J. C. (2013). Animated and static concept maps enhance learning from spoken narration. Learning and Instruction, 27, Huang, H.-S., Chiou, C.-C., Chiang, H.-K., Lai, S.-H., Huang, C.-Y., & Chou, Y.-Y. (2012). Effects of multidimensional concept maps on fourth graders learning in web-based computer course. Computers & Education, 58, Lechuga, M. T., Ortega-Tudela, J. M., & Gómez-Ariza, C. J. (2015). Further evidence that concept mapping is not better than repeated retrieval as a tool for learning from texts. Learning and Instruction, 40,
29 Weiterführende Literatur I Amadieu, F., van Gog, T., Paas, F., Tricot, A., & Mariné, C. (2009). Effects of prior knowledge and concept-map structure on disorientation, cognitive load, and learning. Learning and Instruction, 19, Derbentseva, N., Safayeni, F., & Canas, A. J. (2007). Concept maps: Experiments on dynamic thinking. Journal of Research in Science Teaching, 44, Engelmann, T., & Hesse, F. W. (2011). Fostering sharing of unshared knowledge by having access to the collaborators meta-knowledge structures. Computers in Human Behavior, 27, Gijlers, H., & de Jong, T. (2012). Using concept maps to facilitate collaborative simulation-based inquiry learning. Journal of the Learning Sciences, 22,
30 Weiterführende Literatur II Hilbert, T. S., & Renkl, A. (2009). Learning how to use a computerbased concept-mapping tool: Self-explaining examples helps. Computers in Human Behavior, 25, Gurlitt, J., & Renkl, A. (2010). Prior knowledge activation: how different concept mapping tasks lead to substantial differences in cognitive processes, learning outcomes, and perceived self-efficacy. Instructional Science, 38, Ifenthaler, D. (2010). Relational, structural, and semantic analysis of graphical representations and concept maps. Educational Technology Research & Development, 58, Price, C. B. (2008). Unreal PowerPoint(TM): Immersing PowerPoint presentations in a virtual computer game engine world. Computers in Human Behavior, 24,
31 Weiterführende Literatur III Spector, J. M. (2008). Cognition and learning in the digital age: Promising research and practice. Computers in Human Behavior, 24, Stoyanov, S., & Kirschner, P. (2004). Expert concept mapping method for defining the characteristics of adaptive E-Learning: ALFANET project case. Educational Technology Research and Development, 52, Tzeng, J.-Y. (2009). The impact of general and specific performance and self-efficacy on learning with computer-based concept mapping. Computers in Human Behavior, 25, Van Gog, T., Kester, L., Nievelstein, F., Giesbers, B., & Paas, F. (2009). Uncovering cognitive processes: Different techniques that can contribute to cognitive load research and instruction. Computers in Human Behavior, 25,
Concept maps. Prof. Dr. Günter Daniel Rey. Professur E-Learning und Neue Medien 30. Concept maps
Concept maps Prof. Dr. Günter Daniel Rey 1 Überblick Einführung Metaanalyse zu concept maps Statische vs. animierte concept maps Concept maps und dynamische Farbcodierungen Concept maps und Lernervorwissen
MehrEmotional Design. Lehren und Lernen mit Medien II. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Emotional Design Überblick Einführung CATLM Vermenschlichung und Farbe Klassifikation
MehrEmbodiment. Lehren und Lernen mit Medien II. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Embodiment Überblick Einführung Amodale vs. perzeptuelle Symbolsysteme Embodiment
MehrAbstimmungssysteme. Lehren und Lernen mit Medien II. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Abstimmungssysteme Überblick Einführung Metaanalysen zu Abstimmungssystemen Erklärungsansätze
MehrPädagogische Agenten. Lehren und Lernen mit Medien I. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Pädagogische Agenten Überblick Einführung Agenten vs. Avatare Review und Metaanalyse
MehrGestaltungsempfehlungen
Professur Psychologie digitaler Lernmedien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Gestaltungsempfehlungen Überblick Auswahl der Empfehlungen Gestaltungseffekte
MehrFeedback. Lehren und Lernen mit Medien II. Professur Psychologie digitaler Lernmedien. Institut für Medienforschung Philosophische Fakultät
Professur Psychologie digitaler Lernmedien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Feedback Überblick Einführung Metaanalyse zu Feedback Kooperatives Lernen
MehrPädagogische Agenten. Lehren und Lernen mit Medien I. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Pädagogische Agenten Überblick Einführung Agenten vs. Avatare Review und Metaanalyse
MehrZusammenfassung. Lehren und Lernen mit Medien II. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Zusammenfassung Überblick Theorien Methoden Lernmedien 2 Theorien (z. B. Huk &
MehrSimulationen. Lehren und Lernen mit Medien I. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Simulationen Überblick Simulationen Simulationen vs. Lernspiele Probleme beim Lernen
MehrAdaptive Lernumgebungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Adaptive Lernumgebungen Überblick Einführung Phasen adaptiver Lernumgebungen Personalisierte
MehrGestaltung von Computersimulationen
Gestaltung von Computersimulationen Prof. Dr. Günter Daniel Rey Professur E-Learning und Neue Medien 7. Gestaltung von Computersimulationen 1 Überblick Computersimulationen Probleme beim Lernen mit Simulationen
MehrKollaboratives Lernen
Kollaboratives Lernen Prof. Dr. Günter Daniel Rey 1 Überblick Einführung Aufgabenkomplexität als moderierender Einflussfaktor Arten des kollaborativen Lernens Entwicklungsphasen in virtuellen Lerngruppen
MehrInstruktionspsychologie Texte
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Instruktionspsychologie Texte Überblick Personalisierungseffekt Signalisierungseffekt Redundanzeffekt 2 Personalisierungseffekt
MehrMehrfaktorielle Varianzanalyse
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mehrfaktorielle Varianzanalyse Überblick Einführung Empirische F-Werte zu einer zweifaktoriellen
MehrAnimationen. Lehren und Lernen mit Medien I. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Animationen Überblick Zeitlicher Kontiguitätseffekt Segmentierungseffekt Exkurs:
MehrLehren und Lernen mit Medien I Lernspiele
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Lernspiele Überblick Einführung Metaanalyse zu digitalen Lernspielen Rahmenmodell
MehrZusammenfassung. Instruktionspsychologie. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Instruktionspsychologie Zusammenfassung Überblick Theorien Gestaltungsempfehlungen Moderierende Einflüsse 2 Theorien
MehrEinführung. Lehren und Lernen mit Medien II. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Einführung Professur E-Learning und Neue Medien www.tu-chemnitz.de/phil/imf/elearning
MehrProblemlöseaufgaben. Lehren und Lernen mit Medien I. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Problemlöseaufgaben Überblick Problemlöseaufgaben Effekt ausgearbeiteter Lösungsbeispiele
MehrArbeitstitel Der Einfluss des räumlichen Vorstellungsvermögens beim Verstehen eines Sachtextes
Arbeitstitel Der Einfluss des räumlichen Vorstellungsvermögens beim Verstehen eines Sachtextes CHRISTINA WEERS MASTERARBEIT PÄDAGOGISCHE PSYCHOLOGIE 26.09.2017 1 Theoretischer Hintergrund Lernen ist aktiv
MehrGestaltungsempfehlungen
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Gestaltungsempfehlungen Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische
MehrLernen durch Concept Maps
Lernen durch Concept Maps Elisabeth Riebenbauer & Peter Slepcevic-Zach Karl-Franzens-Universität Graz Institut für Wirtschaftspädagogik Linz, 15. April 2016 Hamburg, Mai 2014 Überblick Concept Maps Theoretische
MehrGestaltungsempfehlungen
Gestaltungsempfehlungen Prof. Dr. Günter Daniel Rey 1 Überblick Auswahl der Empfehlungen Gestaltungseffekte Empirische Überprüfung Variablenarten Versuchspläne Beispiel eines Experimentes Statistische
MehrTexte. Lehren und Lernen mit Medien I. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Texte Überblick Hamburger Verständlichkeitskonzept Personalisierungseffekt Signalisierungseffekt
MehrEye-Tracking. Lehren und Lernen mit Medien II. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Eye-Tracking Überblick Einführung Arten von Eye-Trackern Auswertung von Eye-Tracking-Daten
MehrEinfaktorielle Varianzanalyse
Professur Psychologie digitaler Lernmedien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Einfaktorielle Varianzanalyse Überblick Einführung Alphafehler-Kumulierung Grundprinzip
MehrBilder. Lehren und Lernen mit Medien I. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Bilder Ein Bild sagt mehr als tausend Worte? 2 Überblick Seductive detail Effekt
MehrZusammenfassung. Lehren und Lernen mit Medien I. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Zusammenfassung Überblick Theorien Gestaltungsempfehlungen Moderierende Einflüsse
MehrSOZIALER WETTBEWERB IM DIGITALEN LERNSPIEL
15. Fachgruppentagung Pädagogische Psychologie (PAEPS) SOZIALER WETTBEWERB IM DIGITALEN LERNSPIEL Auswirkungen von Wettbewerbsdruck innerhalb verschiedener Gruppengrößen Nebel, Steve; Schneider, Sascha;
MehrLernereigenschaften. Lehren und Lernen mit Medien I. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Lernereigenschaften Überblick Räumliches Vorstellungsvermögen Feldabhängigkeit Verbalisierer
MehrMittelwert und Standardabweichung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Mittelwert und Standardabweichung Überblick Mittelwert Standardabweichung Weitere Maße
Mehraclt und CATLM Lehren und Lernen mit Medien II Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II aclt und CATLM Überblick Augmented Cognitive Load Theorie (aclt) Annahmen der aclt
MehrDATA ANALYSIS AND REPRESENTATION FOR SOFTWARE SYSTEMS
DATA ANALYSIS AND REPRESENTATION FOR SOFTWARE SYSTEMS Master Seminar Empirical Software Engineering Anuradha Ganapathi Rathnachalam Institut für Informatik Software & Systems Engineering Agenda Introduction
MehrCognitive Load Theorie und kognitive Theorie multimedialen Lernens
Professur Psychologie digitaler Lernmedien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Cognitive Load Theorie und kognitive Theorie multimedialen Lernens Überblick
MehrAnimierte Lernumgebung Lernumgebung animieren
Institut für Psychologie Animierte Lernumgebung Lernumgebung animieren Vorlesung Pädagogische Psychologie Prof. Dr. A. Renkl Thema: Medien-Dogma (SoSe 2012) Irene T. Skuballa skuballa@psychologie.uni-freiburg.de
MehrInteraktivität und Multimedialität digitaler Lernumgebungen Beispiel: Lernen aus Instruktionsvideos. Claudia Leopold
Interaktivität und Multimedialität digitaler Lernumgebungen Beispiel: Lernen aus Instruktionsvideos Claudia Leopold Berlin Vortrag Juli 2017 Lernen im digitalen Zeitalter Möglichkeiten und Herausforderungen
MehrEinführung. Lehren und Lernen mit Medien I. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Einführung Professur E-Learning und Neue Medien www.tu-chemnitz.de/phil/imf/elearning
MehrNora Harr. Pädagogische Abteilung, Psychologisches Institut, Freiburg
Wenn allgemeines für fachbezogenes Wissen einspringen soll. Zum Verhältnis von allgemeinem pädagogischen Wissen und fachbezogenem pädagogischen Wissen am Beispiel multipler Repräsentationen Nora Harr Pädagogische
MehrEinführung. Lehren und Lernen mit Medien II. Professur E-Learning und Neue Medien. Institut für Medienforschung Philosophische Fakultät
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien II Einführung Zu meiner Person Guenter-Daniel.Rey@Phil.TU-Chemnitz.de Rawema-Haus,
MehrAusgewählte Gestaltungseffekte II
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Multimedia Design Ausgewählte Gestaltungseffekte II Ein Bild sagt mehr als tausend Worte? 2 Überblick Seductive
MehrVorlesungsergänzung. 1. konträre Forschungspositionen zu Wirkung von Bildern auf Lernerfolg kennenlernen
Vorlesungsergänzung Lehrziele: 1. konträre Forschungspositionen zu Wirkung von Bildern auf Lernerfolg kennenlernen 2. Studie, die versucht die Ansätze empirisch zu integrieren kennenlernen 1 Alles ein
MehrSerious games. Prof. Dr. Günter Daniel Rey. Professur E-Learning und Neue Medien 27. Serious games
Serious games Prof. Dr. Günter Daniel Rey 1 Überblick Einführung Serious games vs. Simulationen Metaanalyse zu serious games Gestaltung von serious games Intrinsische Integration Individuelle, kompetitive
MehrWas macht Hochschullehre effektiv? Ein Vergleich von 105 metaanalytischen Befunden von 2 Millionen Studierenden. Michael Schneider
Was macht Hochschullehre effektiv? Ein Vergleich von 105 metaanalytischen Befunden von 2 Millionen Studierenden Michael Schneider 1 McKeachie s Teaching Tips (14th Edition, cited by 3688) 2 Empirische
MehrCognitive Load Theorie und kognitive Theorie multimedialen Lernens
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lehren und Lernen mit Medien I Cognitive Load Theorie und kognitive Theorie multimedialen Lernens Überblick Cognitive
MehrWhat works best?: Hatties Synthese der empirischen Forschung zur Unterrichtsqualität
13. EMSE-Tagung in Kiel, 29./30.06.2011 What works best?: Hatties Synthese der empirischen Forschung zur Unterrichtsqualität Leibniz-Institut für die Pädagogik der Naturwissenschaften und Mathematik (IPN)
MehrStichprobenumfangsplanung
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Stichprobenumfangsplanung Überblick Einführung Signifikanzniveau Teststärke Effektgröße
MehrOnline Learning in Management
43 rd EUCEN Conference 2012 Workshop: Supporting the individual learner in ULLL The Makes and Brakes of Collaborative E-Learning: Online Learning in Management - A case study - Dr. Marion Bruhn-Suhr University
MehrLERNE LERNEN MIT Verteiltem Lernen LERNE ÜBER EINEN LÄNGEREN ZEITRAUM
Verteiltem Lernen LERNE ÜBER EINEN LÄNGEREN ZEITRAUM Fange früh mit der Vorbereitung für Prüfungen an und nimm dir jeden Tag ein wenig Zeit. Fünf Stunden auf zwei Wochen verteilt sind besser als fünf Stunden
MehrEffektivere Informationssuche im WWW
Effektivere Informationssuche im WWW Christopher Schwarz, BSc Psychologie Ubiquitous Knowledge Processing Lab AG Organisations- und Wirtschaftspsychologie Prof. Dr. Iryna Gurevych Prof. Dr. Nina Keith
MehrE-Learning: Kognitionspsychologische
E-Learning: Kognitionspsychologische Theorien, Gestaltungsempfehlungen und Forschung II Prof. Dr. Günter Daniel Rey 1 Zu meiner Person Prof. Dr. Günter Daniel Rey Guenter-Daniel.Rey@Phil.TU-Chemnitz.de
MehrEinfluss externer multipler und dynamischer Repräsentationen auf Schülerargumentationen
Einfluss externer multipler und dynamischer Repräsentationen auf Schülerargumentationen 11.03.2014 Andreas Bauer Tagung der Gesellschaft für Didaktik der Mathematik in Koblenz Was ist eine Repräsentation?
MehrInstruktionspsychologie Lernspiele
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Instruktionspsychologie Lernspiele Überblick Einführung Metaanalyse zu digitalen Lernspielen Gestaltung von Lernspielen
MehrEva S. Fritzsche. Hochschuldidaktische Kurzinformationen des ZiLL Kurzinfos Seite 1
Förderung des Wissenserwerbs Studierender durch die Integration kognitiver Lernstrategien in die Lehre - Hochschuldidaktische Kurzinformation 1 zum Text von Roediger & Pyc (2012) Eva S. Fritzsche Originalquelle:
MehrWorkshop Digitalisierung Netzwerk digitale Hochschullehre in Sachsen-Anhalt. Anja Schulz & Lavinia Ionica
Workshop Digitalisierung Netzwerk digitale Hochschullehre in Sachsen-Anhalt Anja Schulz & Lavinia Ionica 28.09.2017 Verbundprojekt HET LSA Heterogenität als Qualitätsherausforderung für Studium und Lehre
MehrAccreditation of Prior Learning in Austria
Accreditation of Prior Learning in Austria Birgit Lenger ibw Institut für Bildungsforschung der Wirtschaft Institute for Research on Qualifications and Training of the Austrian Economy October, 2009 TOPICS
Mehron Software Development Design
Werner Mellis A Systematic on Software Development Design Folie 1 von 22 How to describe software development? dimensions of software development organizational division of labor coordination process formalization
MehrSchriften zur Hochschuldidaktik
Schriften zur Hochschuldidaktik Beiträge und Empfehlungen des Fortbildungszentrums Hochschullehre der Friedrich-Alexander-Universität Erlangen-Nürnberg Hochschuldidaktische Kurzinfos 42.2015 Förderung
MehrDynamic Hybrid Simulation
Dynamic Hybrid Simulation Comparison of different approaches in HEV-modeling GT-SUITE Conference 12. September 2012, Frankfurt/Main Institut für Verbrennungsmotoren und Kraftfahrwesen Universität Stuttgart
MehrSeminar: HPSTS-5 Advanced Cognitive Research. Cognitive Load Theory
Institut für Arbeits-, Organisations- und Sozialpsychologie, Arbeits- und Organisationspsychologie Seminar: HPSTS-5 Advanced Cognitive Research Cognitive Load Theory Tobias Eckelt 29.10.2015 Gliederung
MehrIntroduction to the diploma and master seminar in FSS 2010. Prof. Dr. Armin Heinzl. Sven Scheibmayr
Contemporary Aspects in Information Systems Introduction to the diploma and master seminar in FSS 2010 Chair of Business Administration and Information Systems Prof. Dr. Armin Heinzl Sven Scheibmayr Objective
MehrMobile Learning ::: Bildung in Happchen?
Mobile Learning ::: Bildung in Happchen? Prof. Dr. habil. Christoph Igel Universität des Saarlandes Shanghai Jiao Tong University Deutsches Forschungszentrum für Künstliche Intelligenz Mobile Learning
MehrExperimentieren mit Virtual und Remote Labs
Experimentieren mit Virtual und Remote Labs Sven Manske, Kristina Angenendt, H. Ulrich Hoppe (COLLIDE/Uni Duisburg-Essen) 02-02-2015 Programm Go-Lab: Forschend-entdeckendes Lernen mit Online Labs Beispiele
MehrLessons learned from co-operation The project Virtual interaction with Web 2.0 in companies
Lessons learned from co-operation The project Virtual interaction with Web 2.0 in companies 43 rd EUCEN Conference Lena Oswald Center of Continuing University Education Hamburg University Agenda The project
MehrIT-gestütztes Peer Assessment in Massenveranstaltungen Potentiale & Lessons Learned
Universität St. Gallen Institut für Wirtschaftsinformatik IT-gestütztes Peer Assessment in Massenveranstaltungen Potentiale & Lessons Learned Prof. Dr. Matthias Söllner Assistenzprofessor für BWL insb.
MehrLernen mit Neuen Medien
Jörg Zumbach Lernen mit Neuen Medien Instruktionspsychologische Grundlagen Verlag W. Kohlhammer Inhalt 1 Einleitung: Warum Lernen mit Neuen Medien? Historischer Überblick und gegenwärtige Auffassungen
MehrInstitut für Künstliche Intelligenz
Institut für Künstliche Intelligenz Prof. Sebstaian Rudolph --- Computational Logic Prof. Steffen Hölldobler --- Wissensverarbeitung Prof. Ivo F. Sbalzarini --- Wissenschaftliches Rechnen für Systembiologie
Mehrspatially enabled learning & teaching across subjects. erste grundlegungen eines s.e.l.t.a.s.-ansatzes
GIS in der schule? ja nein vielleicht und: warum überhaupt spatially enabled learning & teaching across subjects. erste grundlegungen eines s.e.l.t.a.s.-ansatzes Karten als Interface (google mission statement)
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert Universität Basel 20. Februar 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrVerbesserung des Selbstmanagements von Studierenden durch Coaching Zwei Untersuchungen mit randomisierten Wartekontrollgruppen
Verbesserung des Selbstmanagements von Studierenden durch ing Zwei Untersuchungen mit randomisierten Wartekontrollgruppen Siegfried Greif, Frank Schmidt und André Thamm Gliederung 1. Evaluationsmodell
Mehr1.1 Was ist KI? 1.1 Was ist KI? Grundlagen der Künstlichen Intelligenz. 1.2 Menschlich handeln. 1.3 Menschlich denken. 1.
Grundlagen der Künstlichen Intelligenz 20. Februar 2015 1. Einführung: Was ist Künstliche Intelligenz? Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert
MehrSchriftenverzeichnis (Stand: 20. Oktober 2017)
Schriftenverzeichnis (Stand: 20. Oktober 2017) Peer-Reviewed Zeitschriftenartikel Roelle, J., & Berthold, K. (2017). Effects of incorporating retrieval into learning tasks: The complexity of the tasks
MehrProlog Hauptteil in 2 Abschnitten Epilog
Platonische und Archimedische Körper Anregungen und Ideen für den Unterricht mithilfe einer spezifischen visuellen Strukturierungs- und Orientierungshilfe Günter Maresch Prolog Hauptteil in 2 Abschnitten
MehrHelp Design does matter! Tagging, Blogging & Desgin Patterns Hilfedesign unter Verwendung des Social Web
Help Design does matter! Tagging, Blogging & Desgin Patterns Hilfedesign unter Verwendung des Social Web Lernende aktivieren und betreuen in computergestützten Lernumgebungen Computergestützte Lernumgebungen
MehrLehrveranstaltungen im Wintersemester 2012/2013
Lehrveranstaltungen im Wintersemester 2012/2013 Information Systems and Machine Learning Lab (ISMLL) Prof. Dr. Dr. Lars Schmidt-Thieme Hildesheim, Juli 2012 1 / 1 Übersicht Praktika Hildesheim, Juli 2012
MehrE-Learning: Kognitionspsychologische
E-Learning: Kognitionspsychologische Theorien, Gestaltungsempfehlungen und Forschung Prof. Dr. Günter Daniel Rey Professur E-Learning und Neue Medien 1. Einführung 1 Zu meiner Person Prof. Dr. Günter Daniel
MehrKalibrierung eines Tests zur Angewandten Raumvorstellung (TARV): Ergebnisse aus fünf Schulen
Kalibrierung eines Tests zur Angewandten Raumvorstellung (TARV): Ergebnisse aus fünf Schulen Stefan Haberstroh Lisbeth Weitensfelder (Universität Wien) Klaus D. Kubinger (Universität Wien) s.haberstroh@gmx.at
MehrLANGUAGES 4.0 TEACHING LANGUAGES IN THE DIGITAL AGE. Mag. Eva Gröstenberger. PH Burgenland LMS.at
LANGUAGES 4.0 TEACHING LANGUAGES IN THE DIGITAL AGE Mag. Eva Gröstenberger PH Burgenland LMS.at Schule 4.0 Jetzt wird s digital! Es ist notwendig, dass Lehrer/innen einfachen und kostenfreien Zugang zu
MehrAutomatisches Layout von Graphen
Fakultät Informatik» Institut für Angewandte Informatik» Professur für Technische Informationssysteme Automatisches Layout von Graphen Mabel Joselin Brun Chaperon Dresden, 10.06.2011 Inhalt Vortragsübersicht:
MehrBusiness English: Kompetenzorientiertes Lernen im Blended Learning Format. A Simulation Course in Entrepreneurship. Lehrideen an der H-BRS
Kompetenzorientiertes Lernen im Blended Learning Format Business English: A Simulation Course in Entrepreneurship Lehrideen an der H-BRS James Chamberlain (in Vertretung), Leiter des s Regina Brautlacht
Mehr631 English Teacher Conference
631 English Teacher Conference Termin: Tag, 24.-25.Oktober 2018, 09:00 Uhr bis 15:45 Uhr Ort: Pädagogische Hochschule, Hasnerplatz Zielgruppe: English teachers of all schools Ziel: What makes a good English
MehrWissenserwerb, Navigationsverhalten und Blickbewegungen bei Text und Hypertext
Wissenserwerb, Navigationsverhalten und Blickbewegungen bei Text und Anja Naumann 1, Jacqueline Waniek & Josef F. Krems Einleitung Untersuchungen zum Wissenserwerb und zur Informationssuche mit berichten
MehrKunden zum Kauf bewegen: Aufsätze zur Konsumentenwahrnehmung von Sortiment, Preis und Promotion
Kunden zum Kauf bewegen: Aufsätze zur Konsumentenwahrnehmung von Sortiment, Preis und Promotion DISSERTATION der Universität St. Gallen, Hochschule für Wirtschafts-, Rechts- und Sozialwissenschaften sowie
Mehrelearning 02.07.2004 SIGNAL project Hans Dietmar Jäger 1
elearning The use of new multimedia technologies and the Internet to improve the quality of learning by facilitating access to resources and services as well as remote exchange and collaboration. (Commission
MehrTechnische Universität Kaiserslautern Lehrstuhl für Virtuelle Produktentwicklung
functions in SysML 2.0 La Jolla, 22.05.2014 12/10/2015 Technische Universität Kaiserslautern Lehrstuhl für Virtuelle Produktentwicklung Dipl. Wirtsch.-Ing. Christian Muggeo Dipl. Wirtsch.-Ing. Michael
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrBody language takes it all?
Body language takes it all? Effects of Nonverbal Behavior and players ability level on outcome expectations in team sports Kirstin Seiler (University of Bern) Geoffrey Schweizer (University of Heidelberg)
MehrEinführung in die Statistik Metaanalyse
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Metaanalyse Überblick Einführung Vorteile Vorgehensweisen Probleme 2 Einführung Metaanalyse:
MehrNAVIGATOR W.I.R.E. OFFERING MEMBERSHIP HORIZON SCANNING FOR BUSINESS, SCIENCE AND SOCIETY [ WEB FOR INTERDISCIPLINARY RESEARCH & EXPERTISE ]
OFFERING MEMBERSHIP NAVIGATOR HORIZON SCANNING FOR BUSINESS, SCIENCE AND SOCIETY W.I.R.E. THINK TANK W.I.R.E [ WEB FOR INTERDISCIPLINARY RESEARCH & EXPERTISE ] THINK TANK FOR BUSINESS, SCIENCE & SOCIETY
MehrWebbasierte Exploration von großen 3D-Stadtmodellen mit dem 3DCityDB Webclient
Webbasierte Exploration von großen 3D-Stadtmodellen mit dem 3DCityDB Webclient Zhihang Yao, Kanishk Chaturvedi, Thomas H. Kolbe Lehrstuhl für Geoinformatik www.gis.bgu.tum.de 11/14/2015 Webbasierte Exploration
MehrSoftware Engineering verteilter Systeme. Hauptseminar im WS 2011 / 2012
Software Engineering verteilter Systeme Hauptseminar im WS 2011 / 2012 Model-based Testing(MBT) Christian Saad (1-2 students) Context Models (e.g. State Machines) are used to define a system s behavior
MehrIPEK. Institut für Produktentwicklung. Institut für Produktentwicklung Universität Karlsruhe (TH) Prof. A. Albers
Bead Optimization with respect to acoustical behavior - o.prof.dr.-ing.dr.h.c.a.albers Institute of Product Development University of Karlsruhe (TH) 2007 Alle Rechte beim Karlsruhe. Jede Institute of Product
MehrLernen mit Tests, Tests für das Lernen: E-Assessments ausschöpfen. Jörn Loviscach
Lernen mit Tests, Tests für das Lernen: E-Assessments ausschöpfen 1 Jörn Loviscach Was ist der Flächeninhalt der Oberfläche einer Kugel mit Radius r? o π r² o 2 π r o 4 π r² o 4 /3 π r³ 2 Sind E-Assessments
MehrVorlesung Pädagogische Psychologie. Medien-Dogma. Sommersemester Mo Uhr. Alexander Renkl
Vorlesung Pädagogische Psychologie Medien-Dogma Sommersemester 2011 Mo 16-18 Uhr Alexander Renkl Doppelte Relevanz des Thema 1 Nutzung des Potentials neuer Medien für Lernen und Lehren 2 Förderung von
MehrBerufliche Lernkompetenz jenseits der 40: Neue Ansatzpunkte der Förderung
Jacobs University Bremen Berufliche Lernkompetenz jenseits der 40: Neue Ansatzpunkte der Förderung Christian Stamov Roßnagel Jacobs University (Bremen) Überblick Lernkompetenz unter der Lupe Alterseffekte
MehrLernmotivation (Interesse)
Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Lernmotivation (Interesse) Maik Beege M.Sc. / Steve Nebel M.A. Seminaraufbau Lernmotivation Interesse Aktuelle
MehrStudy fact sheet für ID: Wright 2009
Study fact sheet für ID: Wright 2009 (Name, Jahr (ggf. a,b,c)) 1. Vollständige Referenz Wright AJ, Whitwell SC, Takeichi C, Hankins M, Marteau TM. The impact of numeracy on reactions to different graphic
MehrSelbstreguliertes Lernen durch reflexives Schreiben oder wie und warum Lerntagebücher Behalten, Transfer und weiteres Lernen fördern
Selbstreguliertes Lernen durch reflexives Schreiben oder wie und warum Lerntagebücher Behalten, Transfer und weiteres Lernen fördern Alexander Renkl Universität Freiburg i.b. Basierend auf Arbeiten von
MehrSelbstreguliertes Lernen
Selbstreguliertes Lernen Felix Kapp Workshop Lehren und Lernen mit digitalen Medien TU Dresden 03.-04.12.2009 Gliederung Begriffsdefinition Selbstreguliertes Lernen Modelle des Selbstregulierten Lernens
Mehr