2022-2025: CoMaCl: Detecting overlapping clusters in Concept Maps respecting its Content

Ein wichtiges Merkmal erfolgreichen Lernens ist die Vernetzung von Fachwissen, die sich bspw. bei Expert*innen – die in ihrer Domäne sehr erfolgreich gelernt haben – durch stark vernetzte kognitive Strukturen auszeichnet. Vernetztes Wissen ermöglicht zum Beispiel eine hohe Qualität des selbsterklärenden Lernens, denn selbst wenn Lai*innen nötiges Fachwissen bereitgestellt wird, ersetzt dieses Lexikon des Wissens kein gut vernetztes Wissen.
Zum Erfassen der kognitiven Struktur einer Testperson eignen sich offene Concept Mapping tasks und diese werden bereits in verschiedenen Studien genutzt. Das Erfassen der Vernetzung von Fachwissen ist derzeit umso relevanter, da die Qualität von Bewertungen von Individuen in komplexen Kontexten (wie z.B. Klimawandel als einem Socioscientific-Issue) mit der Qualität der kognitiven Strukturen zusammenhängt. Komplexer, multidisziplinärer Unterricht müsste entsprechend zu hoher Vernetzung von Wissen aus unterschiedlichen Domänen führen. Es ist also wünschenswert, Concept Maps aus offenen Concept Mapping tasks auch ebenso testökonomisch auswerten zu können, um die kognitiven Strukturen von Testpersonen zu erheben, um den Erfolg des Lernens über die Vernetzung des Fachwissens einschätzen zu können. Bislang existieren allerdings keine ökonomischen Auswertungsmethoden für Concept Maps aus offenen Concept Mapping tasks, die nicht mit einem erheblichen Informationsverlust einhergehen.

Dieses Promotionsvorhaben hat daher die Entwicklung eines neuen, ökonomischen und validen Testverfahrens für vernetztes Wissen zum Ziel. Um dies zu erreichen, wird ein Auswertungsalgorithmus entwickelt, der sowohl den strukturellen als auch den semantischen Inhalt von individuellen Concept Maps berücksichtigt, um in diesen Concept Maps sich überlappende Cluster von Konzepten ausfindig zu machen.
Mithilfe der so bestimmten Cluster können neue Informationen über die Concept Maps bestimmt werden wie: „Die Anzahl der Cluster“ oder „Brückenkonzepte, die mehrere Cluster miteinander verbinden“. Diese und weitere Informationen werden dahingehen untersucht, welche Aussagen über die Qualität der Concept Maps und damit über die Qualität der zugrundeliegenden kognitiven Strukturen sie zulassen.

 

Publikationen

Schuck, P. & Höttecke, D (i.V.). Kognitive Strukturen erheben in Studien mit großen Stichproben: Entwicklung eines Algorithmus. In H.v. Vorst (Hrsg.), Entdecken, lehren und forschen im Schülerlabor. Gesellschaft für Didaktik der Chemie und Physik. Jahrestagung in Bochum 2024.