2 - Universität Oldenburg

Report
VL Leistungsbeurteilung & Diagnostik, 3 KP
Herzlich Willkommen!
1
VL Leistungsbeurteilung & Diagnostik, 3 KP
Das Modul ist angelegt für TeilnehmerInnen mit Interesse an
der Thematik, Bereitschaft zu eigenständigem Arbeiten im
Umfang von ca. 90 Std. (3 KPs * 30) und Offenheit über unklare,
unglücklich verlaufende Dinge.
Sie können sich auf eine gute Vorbereitung der Veranstaltung
verlassen, DozentInnen mit Interesse und Freude
an der Thematik. Bspw. könnte ich Ihnen bei speziellen Fragen,
Unklarheiten etc. gerne auch in der Sprechstunde
(Mi 11-12, Raum A6 5-501) weiter helfen.
2
Das hier vertretene Credo:
Erkenne die Schwächen und Stärken
jedes Schülers, und finde die
Unterrichtsform, die ihm gerecht wird.
Kurz: Sei nicht ‚nur‘ Lehrer,
sondern auch Diagnostiker.
3
Lernen
erfordert
Rückmeldungen
4
oder:
Etwa 93% aller deutscher
AutofahrerInnen geben an,
überdurchschnittlich gute
FahrerInnen zu sein
5
Ein Beispiel:
Cholera Epidemie,
London, September 1854
John Snow:
Visualisierung,
Erkrankte, Brunnen 6
7
Ein Beispiel: Cholera Epidemie in London, September 1854
John Snow: Visualisierung, Erkrankte, Brunnen
Broad Street
Winson Street
8
„The greatest value of a picture
is when it forces us to notice
what we never expected to see.“
John W. Tukey
9
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Name
Albert
Bärbel
Claudia
Dieter
Emil
Fritz
Gisela
Horst
Ilse
Jürgen
Klaus
Marion
Nena
Olga
Peter
Renate
Siegrid
Thorsten
Uwe
Volker
Wilfried
Zara
Punkte
98
43
26
76
22
8
89
72
46
61
44
94
21
12
4
38
49
71
35
27
51
87
Note
1
4
4
2
5
6
2
3
4
3
4
1
5
5
6
4
4
3
4
4
3
2
Lft_Nr
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Geschlecht
Jungen
Mädchen
Mädchen
Jungen
Jungen
Jungen
Mädchen
Jungen
Mädchen
Jungen
Jungen
Mädchen
Mädchen
Mädchen
Jungen
Mädchen
Mädchen
Jungen
Jungen
Jungen
Jungen
Mädchen
10
7
6
5
Note
4
3
2
1
0
0
2
4
6
8
10
12
14
16
18
20
22
24
Lf t_Nr
11
7
6
5
Note
4
3
2
1
0
Albert
Zara
Dieter
Wilf ried
Klaus
Volker
Jürgen
Claudia
Siegrid
Nena
Fritz
Name
12
120
100
Punkte
80
60
40
20
0
0
2
4
6
8
10
12
14
16
18
20
22
24
Lf t_Nr
13
120
100
Punkte
80
60
40
20
0
Albert
Zara
Dieter
Jürgen
Wilf ried
Klaus
Volker
Claudia
Siegrid
Nena
Fritz
Name
14
120
Albert
Marion
Gisela
Zara
Dieter
Horst
Thorsten
Jürgen
Wilfried
Siegrid
Ilse
Klaus
Bärbel
Renate
Uwe
Volker
Claudia
Emil
Nena
Olga
Fritz
Peter
Punkte
0
20
40
60
80
100
15
0
Albert
Marion
Gisela
Zara
Dieter
Horst
Thorsten
Jürgen
Wilfried
Siegrid
Ilse
Klaus
Bärbel
Renate
Uwe
Volker
Claudia
Emil
Nena
Olga
Fritz
Peter
Punkte
120
100
80
60
40
20
16
Balkenplot f ür Lesen Stuf e 3-5
PISA 4v *14c
Thüringen
Schleswig-Holstein
Sachsen-Anhalt
Sachsen
Saarland
Rheinland-Pf alz
Nordrhein-Westf alen
Niedersachsen
Mecklenburg-Vorpommern
Hessen
Bremen
Brandenburg
Bay ern
Baden-Württemberg
0
10
20
30
40
50
60
70
Lesen Stuf e 3-5
17
Balkenplot f ür Lesen Stuf e 3-5
PISA 4v *14c
Bay ern
Baden-Württemberg
Sachsen
Saarland
Nordrhein-Westf alen
Rheinland-Pf alz
Thüringen
Schleswig-Holstein
Hessen
Niedersachsen
Mecklenburg-Vorpommern
Brandenburg
Sachsen-Anhalt
Bremen
0
10
20
30
40
50
60
70
Lesen Stuf e 3-5
18
Bay ern
Bay ern
Baden-Württemberg
Baden-Württemberg
Sachsen
Sachsen
Saarland
Thüringen
Nordrhein-Westf alen
Rheinland-Pf alz
Rheinland-Pf alz
Schleswig-Holstein
Thüringen
Saarland
Schleswig-Holstein
Mecklenburg-Vorpommern
Hessen
Nordrhein-Westf alen
Niedersachsen
Hessen
Mecklenburg-Vorpommern
Niedersachsen
Brandenburg
Sachsen-Anhalt
Sachsen-Anhalt
Brandenburg
Bremen
Bremen
Lesen Stuf e 3-5
0
10
20
30
40
50
60
70
Mathem. Stuf e 3-5
0
10
20
30
40
50
60
Baden-Württemberg
Bay ern
Sachsen
Thüringen
Rheinland-Pf alz
Saarland
Schleswig-Holstein
Hessen
Nordrhein-Westf alen
Niedersachsen
Mecklenburg-Vorpommern
Sachsen-Anhalt
Bremen
19
Brandenburg
Naturwiss. Stuf e 3-5
0
10
20
30
40
50
60
20
Eine alternative Form des Moduls MM2a/b/c:
VL: Diagnostik +
Leistungsbeurteilung
3 KP
1 Seminar
1 Seminar
Mehl/N.N./N.N.
3 KP
Mehl/N.N./N.N.
3 KP
1 Seminar
Mehl: Block
6 KP
6 KP GHR
9 KP GYM
Ende Vorlesungszeit
Mehl
Mi 8-10
21
Kleiner Exkurs I
Ein möglicher Weg zu einer Masterarbeit:
VL: Diagnostik
3 KP
2 SE: Komplexe Daten
6 KP
Eigenen Lernverlauf bei einer einfachen Lernaufgabe dokumentieren
Fragestellung formulieren
Mit Hilfe der eigenen Daten und denen von anderen Studierenden Frage beantworten
22
Kleiner Exkurs II
Ein möglicher Weg zu einer Masterarbeit:
VL: Diagnostik
3 KP
Oder 2 SE nach Wahl
6 KP
2 SE: Komplexe Daten
6 KP
d² - Test Erhebung begleiten (Hilfskraftverträge möglich)
Fragestellung formulieren
Mit Hilfe der eigenen Daten und denen von anderen Studierenden Frage beantworten
23
Was soll, was ist, was kann
eine Vorlesung?
oder
Was machen wir hier
eigentlich?
24
25
26
27
Vorlesung
„Vorlesungen schlagen Schneisen in das
endlose Dickicht des Wiss- und Diskutierbaren
und zeigen, wo denn bei den vielen Bäumen der
Wald ist. Sie wählen aus und gewichten aus der
Warte desjenigen, der es wissen sollte; sie
dampfen den Stoff auf lernbare Brocken ein; sie
veranschaulichen generelle Sachverhalte an
leicht nachvollziehbaren Beispielen. All das in der
Hoffnung, dass zum Schluss doch so etwas wie
ein Überblick herauskommt – wenn nicht bei den
Studenten, dann wenigstens beim Professor, der
bei der Übung natürlich am meisten lernt.“
29
Aus: Milos Vec et al. (Hrsg.): Der Campus Knigge. Vom Abschreiben bis Zweitgutachten. Verlag C. H. Beck: München (2006)
Vorlesungen
• dienen somit keineswegs dazu, den Stoff
zu vermitteln: Sie müssen lesen, forschen,
studieren …
• sind eher mit einer bestätigenden
Wiederholung bekannter Dinge und
Inhalte zu vergleichen, um sich der
Richtigkeit des eigenen Blickes und
Bildes zu vergewissern,
• geben folglich am ehesten Lernberatung.
30
Basis- und Ausgangsliteratur:
Ingenkamp, K. & Lissmann, U. (2005).
Lehrbuch der Pädagogischen Diagnostik.
Weinheim und Basel: Beltz.
Pae 250 s BE 1280,5 HA
Weinert, F. E. (2002). Leistungsmessungen
in Schulen. Weinheim und Basel: Beltz.
Es gibt einen Handapparat. Es gibt Informationen
31
(ab Ende der Woche) auf meiner Homepage.
32
33
Planung
TERMIN
THEMA/INHALT
REFERENTIN
1
27.10.2010
Einführung in das Thema: Was
ist, was soll Diagnostik?
Mehl
2
03.11.2010
Skalen
Mehl
3
10.11.2010
Ingenkamp/Lissmann:
Kapitel 1
Mehl
4
17.11.2010
Ingenkamp/Lissmann:
Kapitel 2
Mehl
5
24.11.2010
Ingenkamp/Lissmann:
Kapitel 2
Mehl
6
01.12.2010
Ingenkamp/Lissmann:
Kapitel 3
Mehl
7
08.12.2010
Ingenkamp/Lissmann:
Kapitel 4
Mehl
8
15.12.2010
Ingenkamp/Lissmann:
Kapitel 5
Mehl
Ingenkamp/Lissmann:
Kapitel 6 + 7
Mehl
9
10
11
12
34
Ferdinand Kemsies 1898:
„Fragen und Aufgaben der Pädagogischen
Psychologie: Pädagogisch-didaktische Probleme
mit den empirischen Methoden der Psychologie
zu lösen“
Johann Friedrich Herbart (1776-1841)
(sinngemäß):
Pädagogik beschäftigt sich mit den Zielen,
Psychologie mit den Hindernissen.
35
36
37
38
39
Was ist Leistung?
Leistung = Menge/Zeit
Leistung = 10 Aufgaben/45 Min.
Leistung = 10 Kinder/2 Std. bespaßen
Leistung = 1 Std. Fehler suchen/finden
40
Die diagnostische
Perspektive fragt:
• Ist das viel; ist das wenig?
• Ist das normal?
• Warum wurde diese
Leistung erreicht, warum
nicht erreicht?
41
Achtung!
Leistungsmessung ist
(noch) nicht,
ist etwas anderes als
Leistungsbeurteilung!!
42
Bewertungen:
Egal
Nicht-Egal
• Nutzen
• Orientierung
• Information
43
Die Leuphana Universität Lüneburg
setzt bspw. den
„Scholastic Aptitude Test“ (SAT)
ein, um den wenig validen Abiturnoten
ein weiteres Auswahlkriterium an
die Seite zu stellen.
44
Bewertungen:
*
**
***
Restaurant Restaurant Restaurant Restaurant
* Hotel
** Hotel
Lada
8.000
*** Hotel
**** Hotel
Mercedes
80.000
***** Hotel
Bentley
200.000
45
Bewertungen:
• „Zum Hirschen“ in Sulzbach
hält seit über 20 Jahren
Spitzenposition
• Traube Tonbach in Baiersbronn
existiert seit 200 Jahren und ist
Deutschlands bestes Ferienhotel
46
Es wird unterschieden zwischen:
• Der Zugehörigkeit zu einer Kategorie
• Der Entwicklung im Laufe der Zeit
• Der Stellung innerhalb eines Gesamt
47
soziale
Norm
Leistungsverläufe Klasse xyz
28
26
kriteriumsorientierte
Norm
24
22
20
18
16
14
individuelle
12 Norm
10
8
6
4
SchülerIn1
SchülerIn2
SchülerIn3
SchülerIn4
SchülerIn5
2
0
Fall 15
Fall 14
Fall 13
Fall 12
Fall 11
Fall 10
Fall 9
Fall 8
Fall 7
Fall 6
Fall 5
Fall 4
Fall 3
Fall 2
Fall 1
48
Linienplot f ür Gesamtzeit
12,8
12,6
12,4
12,2
12,0
Ist das ‚Mittel‘?
Gesamtzeit
11,8
11,6
11,4
11,2
Sind das
‚Spitzenwerte‘?
11,0
Sind das
‚Schwache‘?
10,8
10,6
10,4
10,2
10,0
9,8
Karl
Petra
Melitta
Susanne
Karin
Theo
Silke
Gudrun
Peter
Sabine
Kurt
Sepp
49
Erster Schritt Reihenfolge feststellen
50
-100
0
100
200
300
400
500
Wann verbietet sich die Verfeinerung
einer Reihenfolgefeststellung?
• Wenn die Reihenfolge keinen
Zusammenhang mit dem betrachteten
Nutzen aufweist – es egal ist
• Wenn die Feststellung der Reihenfolge
reliabel nicht (mehr) möglich ist – der
Zufall über die Reihenfolge entscheidet
51
Methode des Paarvergleichs
Klaus Melitta Peter Sabine
Klaus
Melitta
X
X
Peter
X
Sabine
Minimale Anzahl der Vergleiche:
X
N² - N
2
52
Klaus Melitta
Klaus
Melitta
Peter
Sabine
X
Peter
Sabine
M
P
S
X
M
M
X
S
X
N
Klaus
-
Melitta
3
Peter
1
Sabine
2
53
soziale
Norm
Leistungsverläufe Klasse xyz
28
26
kriteriumsorientierte
Norm
24
22
20
18
16
14
individuelle
12 Norm
10
8
6
4
SchülerIn1
SchülerIn2
SchülerIn3
SchülerIn4
SchülerIn5
2
0
Fall 15
Fall 14
Fall 13
Fall 12
Fall 11
Fall 10
Fall 9
Fall 8
Fall 7
Fall 6
Fall 5
Fall 4
Fall 3
Fall 2
Fall 1
54
Untere 50%
Obere 50%
55
-100
0
100
200
300
400
500
Note 2
Note 1
56
-100
0
100
200
300
400
500
Note 2
Note 1
57
-100
0
100
200
300
400
500
Gleichverteilung, Normalverteilung oder?
Noten von 1 bis 6
1
2
3
4
Noten
5
6
0
1
2
3
4
5
6
7
Noten
58
Var3
59
60
„Faustformel“ für die Verteilung der
Prozentanteile auf die Zensuren/Schulnoten:
Zensur
1
2
3
4
5
6
Prozentanteil
9
16
25
25
16
9
siehe Ingenkamp/Lissmann 2008 p. 70
61
3 = befriedigend
Eine Leistung, die in jeder Hinsicht
durchschnittlichen Anforderungen
entspricht
35
30
25
ECTS-Noten:
A die besten 10%
B die nächsten 25%
C die nächsten 30%
D die nächsten 25%
E die letzten 10%
20
15
10
5
0
0
1
2
3
4
5
62
6
Kompetenzstufen
63
-100
0
100
200
300
400
500
Kompetenzstufen
64
-100
0
100
200
300
400
500
Kompetenzstufen
65
-100
0
100
200
300
400
500
Kompetenzstufen lassen sich theoretisch aber auch
empirisch bestimmen!
Die auf rechnerischem Wege beantwortbare Frage lautet:
Wie hoch ist die Wahrscheinlichkeit, bei einer
vorhandenen Kompetenz x die Anforderung y erfolgreich
zu bewältigen?
Wie muss die Anforderung gestellt werden, damit x %
der Bezugsgruppe diese Anforderung erfolgreich
bewältigen können?
66
Was ist Leistung?
Leistung = Menge/Zeit
Leistung = 10 Aufgaben/45 Min.
Leistung = 10 Kinder/2 Std. bespaßen
Leistung = 1 Std. Fehler suchen/finden
67
Was ist Leistung?
Bewältigung einer
spezifischen Anforderung
Bewältigung einer
Anforderung bis zur
Schwierigkeitsstufe x
68
Was ist das Ziel Ihrer
pädagogischen Bemühungen?
69
Leistungswerte
40
35
Häufigkeiten
30
25
20
15
10
5
0
70
Leistungswerte
40
35
Häufigkeiten
30
25
20
15
10
5
0
71
Leistungswerte
40
35
Häufigkeiten
30
25
20
15
10
5
0
72
73
Nach dem Status des Vaters: Prozentzahl der Kinder, die in die
11. Klasse wechseln und das Abitur anstreben
100
90
88
80
70
60
50
46
40
36
30
20
10
0
Akademikerkinder
Arbeiterkinder
Kinder v on Nichtakademikern
Abitur
Quelle der Daten: Deutsches Studentenwerk/OECD
74
Nach dem Status des Vaters: Prozentzahl der Kinder, ein
Studium beginnen
90
83
80
70
60
50
40
30
23
20
18
10
0
Akademikerkinder
Arbeiterkinder
Kinder v on Nichtakademikern
Studium
Quelle der Daten: Deutsches Studentenwerk/OECD
75
Perspektive/Frage des sog. Dynamischen Testens:
Welcher Aufwand in Form von Zeiteinsatz,
Zusatzinstruktionen oder Lerndurchgängen wird benötigt,
um die Stufe der nächsten Kompetenz,
Zone der nächsten Entwicklungsstufe zu erreichen?
76
Die entscheidende politische Frage:
Wie viel Aufwand will die Gesellschaft für
Lernprozesse bereitstellen?
Wie viel Aufwand wollen und können Sie an individueller
Zuwendung aufbringen?
77
Die OECD Studie kommt zu dem Schluss:
„ … neben einem Migrantionshintergrund ist
einer der wichtigsten Gründe für die neue
deutsche Ungleichheit die wachsende Zahl
Alleinerziehender.“
78
Nochmal das hier vertretene Credo:
Erkenne die Schwächen und Stärken
jedes Schülers, und finde die die
Unterrichtsform, die ihm gerecht wird.
Kurz: Sei nicht ‚nur‘ Lehrer,
sondern auch Diagnostiker.
79
Beispiel: Laufen
Deskriptiv
• kraftvoll
• spritzig
• athletisch
• geschmeidig
• explosiv
• dynamisch
•…
80
Beispiel: Laufen
Bewegung, Bewegungsabläufe
Ziel
Start
81
Beispiel: Laufen
Standardisierung 100 – Meter Lauf
Rückenwindkomponente
Technik der Zeitnahme
Homogenität,
Heterogenität der
Bezugsgruppe
Ziel
Start
Distanz
Linienplot f ür Gesamtzeit
13
Gesamtzeit
12
11
10
9
Gudrun
Karl
Karin
Melitta
Kurt
Petra
Peter
Sepp
Sabine
Susanne
Silke
Theo 83
Auflösung
Linienplot f ür Gesamtzeit
13
Gesamtzeit
12
11
10
9
Karl
Petra
Melitta
Susanne
Karin
Theo
Silke
Gudrun
Peter
Sabine
Kurt
Sepp 84
Auflösung
Linienplot f ür Gesamtzeit
12,8
12,6
12,4
12,2
12,0
Gesamtzeit
11,8
11,6
11,4
11,2
11,0
10,8
10,6
10,4
10,2
10,0
9,8
Gudrun
Karl
Karin
Melitta
Kurt
Petra
Peter
Sepp
Sabine
Susanne
Silke
Theo 85
Auflösung
Linienplot f ür Gesamtzeit
12,8
12,6
12,4
12,2
12,0
Gesamtzeit
11,8
11,6
11,4
11,2
11,0
10,8
10,6
10,4
10,2
10,0
9,8
Karl
Petra
Melitta
Susanne
Karin
Theo
Silke
Gudrun
Peter
Sabine
Kurt
Sepp 86
Auflösung
Linienplot f ür Gesamtzeit
12,8000
12,6000
12,4000
12,2000
Gesamtzeit
11,8000
11,4000
11,0000
10,6000
10,2978
10,2100
10,0100
9,8000
Karl
Petra
Melitta
Susanne
Karin
Theo
Silke
Gudrun
Peter
Sabine
Kurt
Sepp 87
Linienplot f ür Gesamtzeit
12,8
Die Ebene der Bewertung
12,6
12,4
12,2
12,0
Ist das ‚Mittel‘?
Gesamtzeit
11,8
11,6
11,4
11,2
Sind das
‚Spitzenwerte‘?
11,0
Sind das
‚Schwache‘?
10,8
10,6
10,4
10,2
10,0
9,8
Karl
Petra
Melitta
Susanne
Karin
Theo
Silke
Gudrun
Peter
Sabine
Kurt
Sepp
88
Linienplot f ür Gesamtzeit
Die Ebene der Analyse, Diagnostik
12,8
12,6
12,4
12,2
Wo liegen
Verbesserungsmöglichkeiten?
12,0
Gesamtzeit
11,8
11,6
11,4
11,2
11,0
Könnten die
noch schneller?
Was machen die
falsch?
10,8
10,6
10,4
Werden Defizite
minimiert?
10,2
10,0
9,8
Karl
Petra
Melitta
Susanne
Karin
Theo
Silke
Gudrun
Peter
Sabine
Kurt
Sepp
89
Beispiel: 100 – Meter Lauf
Vertiefte Analyse, Diagnose
Ziel
25 - Meter
25 - Meter
25 - Meter
25 - Meter
Start
90
Gesamtzeit
25-Meter
Zeit
50-Meter
Zeit
Läufer
75-Meter
Zeit
1
10,01
2,1
5,3
Karl
8
2
10,21
1,9
5,4
Melitta
7,9
3
10,2978
2
5,5
Petra
8,1
4
10,2918
2,4
5,5
Silke
8,15
5
10,8
2,6
6
Susanne
8,2
6
11,2
2,9
5,9
Gudrun
8,5
7
11,4
2,7
6,1
Karin
9
8
11,6
2,5
6,2
Peter
9,1
9
11,8
2,6
6,3
Theo
9,2
10
12,21
3
6,2
Kurt
9,1
11
12,58
2,7
6,7
Sabine
9,8
12
12,67
3,3
6,2
Sepp
10,1
91
Läuf er
Sepp
Sabine
Kurt
Theo
Peter
Karin
Gudrun
Susanne
Silke
Petra
Melitta
Karl
13,5
13,0
12,5
12,0
11,5
11,0
10,5
10,0
9,5
9,0
8,5
8,0
7,5
7,0
6,5
6,0
5,5
5,0
4,5
4,0
3,5
3,0
2,5
2,0
1,5
1,0
Gesamtzeit
25-Meter Zeit
50-Meter Zeit
75-Meter
92 Zeit
13,5
13,0
12,5
12,0
11,5
11,0
10,5
10,0
9,5
9,0
8,5
8,0
7,5
7,0
6,5
6,0
5,5
5,0
4,5
4,0
3,5
3,0
2,5
2,0
1,5
1,0
Karl
Petra
Susanne
Karin
Theo
Sabine
Melitta
Silke
Gudrun
Peter
Kurt
Sepp
Gesamtzeit
25-Meter Zeit
50-Meter Zeit
75-Meter Zeit
93
11,0
10,5
10,0
9,5
9,0
8,5
8,0
7,5
7,0
6,5
6,0
5,5
5,0
4,5
4,0
3,5
3,0
2,5
2,0
1,5
1,0
Karl_01
Karl_03
Karl_05
Karl_07
Karl_09
Karl_11
Karl_02
Karl_04
Karl_06
Karl_08
Karl_10
Karl_12
Gesamtzeit
25-Meter Zeit
50-Meter Zeit
75-Meter Zeit
94
Ist diese Art der Darstellung, die Nutzung von
Regressionsgraden zulässig?
A
Eine Regressionsgrade sucht die Gerade, die in der Mitte einer Punktewolke verläuft
106
104
GEOMETRY
102
100
98
96
94
92
92
94
DRAWING:GEOMETRY :
96
98
100
2
DRAWING
r = 0,9032; p = 0.0000; =
r 0,8159
102
104
106
95
Läuf er
Sepp
Sabine
Kurt
Theo
Peter
Karin
Gudrun
Susanne
Silke
Petra
Melitta
13,5
13,0
12,5
12,0
11,5
11,0
10,5
10,0
9,5
9,0
8,5
8,0
7,5
7,0
6,5
6,0
5,5
5,0
4,5
4,0
3,5
3,0
2,5
2,0
1,5
1,0
Karl
B
In der Abbildung wird die Reihenfolge der Werte durch die Reihenfolge der
Gesamtlaufzeiten gebildet
Gesamtzeit
25-Meter Zeit
50-Meter Zeit
75-Meter Zeit
96
C
Die Regressionsgraden dienen damit zur Klärung der Frage, wie sich die Teilzeiten
zur Gesamtzeit verhalten. Denkbar wäre:
Gesamt-
Teil-
Startzeit
1
2
97
Läuf er
Sepp
Sabine
Kurt
Theo
Peter
Karin
Gudrun
Susanne
Silke
Petra
Melitta
13,5
13,0
12,5
12,0
11,5
11,0
10,5
10,0
9,5
9,0
8,5
8,0
7,5
7,0
6,5
6,0
5,5
5,0
4,5
4,0
3,5
3,0
2,5
2,0
1,5
1,0
Karl
D
Zugleich wird durch die Regressionsgraden das ‚Mittel‘ der Proportionen der Teil-,
resp. Zwischenzeiten erkennbar
Gesamtzeit
25-Meter Zeit
50-Meter Zeit
75-Meter Zeit
98
E
Hier zum Vergleich eine Darstellung, bei der berechnet wurde:
Gesamtzeit = 100 %
Teilzeit
= X%
110
100
90
80
70
60
50
40
30
Sepp
Sabine
Kurt
Theo
Peter
Karin
Gudrun
Susanne
Silke
Petra
Melitta
10
Karl
20
Proz_25_Zeit
Proz_50_Zeit
Proz_75_Zeit
Proz_100_Zeit
99
40
Sepp
Sabine
Kurt
Theo
50
Peter
60
Karin
70
Gudrun
80
Susanne
90
Silke
100
Petra
110
Melitta
13,5
13,0
12,5
12,0
11,5
11,0
10,5
10,0
9,5
9,0
8,5
8,0
7,5
7,0
6,5
6,0
5,5
5,0
4,5
4,0
3,5
3,0
2,5
2,0
1,5
1,0
Karl
Der Vergleich:
Gesamtzeit
25-Meter Zeit
50-Meter Zeit
75-Meter Zeit
Läuf er
30
Sepp
Sabine
Kurt
Theo
Peter
Karin
Gudrun
Susanne
Silke
Petra
Melitta
10
Karl
20
Proz_25_Zeit
Proz_50_Zeit
Proz_75_Zeit
Proz_100_Zeit
100
400
200
0
1,2
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2 0
200
101
400
400
Welcher Leistungsbereich steht im Zusammenhang mit
200
der problemlosen/kritischen Bewältigung welcher
Handlungsanforderungen?
0
1,2
VI
III
1,0
II
I
0,8
0,6
0,4
0,2
0,0
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2 0
200
102
400
Beispiel aus dem Projekt Simulatortraining²
103
Zielposition
Ausgangsposition
Vorhafen
Schleuse
Jadefahrwasser
60
50
„schlecht“
Fehler
40
30
„gut“
20
10
0
1
3
5
7
9
11
13
15
17
19
106
Generieren zusätzlicher, spezifischer Variablen
Beispiel: Kurs
• Gefahrener/geflogener Kurs, von/bis
• Abweichungen vom vorgegebenen Kurs, Min./Max.
• Zeitpunkt bis Korrektur bei Abweichung eingeleitet wird
• Länge/Zeitpunkte richtiger, falscher Korrekturen
• Synchrone Korrekturen, sukzessive Korrekturen
• Dynamik der Korrekturen
•…
Beispiele:
Sog. Boxplott:
Min./Max., Bereich für 50% der Werte, Median oder Mean
Summe aller Abweichungen/Anzahl der Messzeitpunkte
Zeit bis zu einer Korrektur
Maximalwert der Abweichung
Steilheit der Anstiege und Abstige
Synchrone, asynchrone Inputs
1,04
1,02
1,00
Mean±0,95 Conf. Interval
0,98
0,96
0,92
0,90
Mean
Pitch
0,94
0,88
0,86
0,84
0,82
Pitch
Pitch
profession: Novize
profession: Experte
114
202,5
202,0
Mean±0,95 Conf. Interval
201,5
200,5
200,0
Mean
Heading_deg
201,0
199,5
199,0
198,5
Heading_deg
Heading_deg
profession: Novize
profession: Experte
115
10,4
10,2
Mean±0,95 Conf. Interval
10,0
9,6
9,4
Mean
Speed_kn
9,8
9,2
9,0
8,8
Speed_kn
Speed_kn
profession: Novize
profession: Experte
116
117
Nach einer Trennung der Aufgabenerfüllungen in ‚gut‘ und
‚schlecht‘, im einfachsten Fall in diese zwei Gruppen, wird nach
den Handhabungsmerkmalen gesucht, in denen sich diese
beiden Gruppen am deutlichsten unterscheiden. Die nachfolgenden Graphiken sollen dies veranschaulichen:
1,04
202,5
10,4
202,0
10,2
201,5
10,0
1,02
Mean
0,88
200,0
199,5
Mean±0,95 Conf. Interval
0,90
200,5
9,8
9,6
9,4
Mean
0,92
201,0
Speed_kn
Pitch
0,94
Mean
0,96
Heading_deg
Mean±0,95 Conf. Interval
0,98
Mean±0,95 Conf. Interval
1,00
9,2
0,86
199,0
9,0
0,84
0,82
198,5
8,8
Pitch
Pitch
Heading_deg
Heading_deg
Speed_kn
Speed_kn
profession: Novize
profession: Experte
profession: Novize
profession: Experte
profession: Novize
profession: Experte
Die hier unterschiedenen beiden Gruppen ‚Novizen‘ und ‚Experten‘
trennen am deutlichsten, bei dem gezeigten Vergleich von drei
Handhabungsmerkmalen, die ganz rechts aufgetragenen
Geschwindigkeitsbereiche:
Die Experten fahren erkennbar langsamer.
Warum mache ich immer
so viele Feler?
Problem:
Das deutsche Wort ‚Fehler‘ ist mehrdeutig!
Wir sprechen sowohl von Fehlern, die man
hat, als auch von solchen, die man macht.
Wir sagen bspw. auch, der Kauf von xyz
war ein Fehler.
119
Handlungen,
die nicht so
sind, wie sie
sein sollten
Irrtum
Fehler
120
Error
Mistake
Slip
121
a
b
Täuschung
A
Willensabsicht → Handlungsausführung
B
Willensabsicht → Handlungsausführung → Handlungsbedingungen
≠
=
≠
≠
122
Beispiel: Radfahren
Praktisches Handeln unter
Alltagsbedingungen:
• Erfahrung mit Teilen aus
dem Spektrum gegebener
Situationen & Anforderungen
• Zufällige Begegnung
mit Problempunkten
• Unklarheit über Stärken,
Schwächen, Leistungsstand
123
Üben:
• Herauslösen spezifischer
Problempunkte
• Try & Error bei der
Suche nach Leistungssteigerung
• Unsystematische Wahl der
Lern-, Übungsbedingungen
• Unscharfe Grenzen über
das Ende sinnvollen Übens
124
Training, fundiertes Erlernen:
• Analyse, systematische Diagnose der Problempunkte
(quantitativ/qualitativ repräsentative Leistungsspektren)
• Ursachenanalyse der Problempunkte
• Analyse, Überwachung, Bewertung der Optimierung
125
Leistungsmessung
Gezielte
Veränderung der
Anforderungen
Systematische Analyse des
Zusammenhangs
Anforderung ↔ Leistung
126
(einige) Diagnostische Perspektiven
Was kann
ich?
Wo steh
ich?
Wie lerne,
lerne ich?
Wie lehre,
lehre ich?
Wo sind die
Hürden?
Kriteriumsorientiert
Soziale
Norm
Individuelle
Norm
Ländervergleichsstudien
(LAU)
‚Gut‘
‚Schlecht‘
Vergleich
Was sind
die
Hürden?
Analyse der
Abweichungen
(Fehler/Irrtum)
127
Die Phasen im Analyse - Prozess
Transformation
Selektion
Vorverarbeitung
Daten
Selektierte
Daten
Vorbereitete
Daten
Interpretation
Data Mining
Transformierte
Daten
Muster
Wissen/
Modelle
128
Zugehörigkeit zu a, b oder c
Relationen
Mehr ↔ Weniger
Schlechter ↔ Besser
Abstände der Relationen
Soviel mehr ↔ Soviel weniger
Vier Niveau-/Skalenebenen:
• Nominalskala
• Ordinal- oder Rangskala
• Intervallskala
• Verhältnis- oder Proportionalskala
129
Skalenniveau
Voraussetzungen
Maß der zentralen
Tendenz
Beispiele
Nominalskala
Merkmale müssen
nach Gleichheit
oder Verschiedenheit bestimmbar
sein
Modalwert
(häufigster Wert)
Klassenstufen
männlich weiblich
Autokennzeichen
Ordinal- oder
Rangskala
Einstufbarkeit nach
dem dem
Ausprägungsgrad
eines Merkmals
(mehr – weniger)
Median
(mittlerer Wert)
Zensuren
Ranglisten
Intervallskala
Bestimmbarkeit
gleicher
Skalenabstände.
Festsetzung eines
(relativen)
Nullpunktes
Arithmetischer
Mittelwert
Temperaturskala
IQ
T-Wert bei
Schultests
Verhältnis- oder
Proportionalskala
Bestimmbarkeit
Arithmetischer und
vom Proportionen
geometrischer
und eines absoluten Mittelwert
Nullpunktes
Längenmaße
Gewichtsmaße
130
Ggf.
Teilmengen
bilden und
vergleichen
Daten
anschauen,
anschaulich
machen!!
Ggf. neue
Variablen
oder Werte
generieren
Kategoriale
Daten
Balkendiagramm
Numerische
Daten
Kreuztabelle
Kontingenztafel
Streudiagramm
Scatterplot
Korrelationsanalyse
131
Beispiel: Balkendiagramm
132
106
Beispiel:
Streudiagramm/Scatterplot
104
GEOMETRY
102
100
98
96
94
92
92
94
DRAWING:GEOMETRY :
96
98
100
2
DRAWING
r = 0,9032; p = 0.0000;
=
r 0,8159
102
104
106
133
Beachten Sie den Korrelationsquotienten!

similar documents