Ausgangslage

HyperMind 2 knüpft an die Idee von HyperMind an, nämlich sensorisch erfasste Daten beim Lernen naturwissenschaftlicher Inhalte zu nutzen, um den Lernprozess adaptiv und zum individuellen Vorteil der Lernenden zu gestalten. HyperMind 2 schließt die Lehrkraft als wichtige Zielgruppe in die Wirksamkeitsuntersuchungen ein:

• Welche Daten nützen den Lehrkräften, um Lernprozesse zu steuern?
• Wie sehen diese Steuermaßnahmen aus?
• Wie müssen die Daten aufbereitet werden, damit sie für Lehrkräfte nützlich sind?
• Wie beurteilen die Lernenden die Nützlichkeit individueller Hilfemaßnahmen?

Das Projekt knüpft mit dem Beantworten dieser Fragestellungen an dem allgemeinen Ziel an, digitale Medien im Bildungsbereich gewinnbringend zu integrieren. In der universitären Lehrkräfteausbildung ist das Projekt dabei im Modul „Bereichsfach Naturwissenschaften“ curricular verankert. Analog werden die Seminare auch als eintägige Lehrkräftefortbildung angeboten. Um die technologischen Rahmenbedingungen zu gewährleisten finden die zugehörigen Seminare im iQL des DFKI statt.

Ziele

Die Fragestellung des Vorhabens besteht darin, die Wirksamkeit eines sensorbasiert-adaptiven Lernsystems für mathematisch-naturwissenschaftliche Themen in einem unterrichtspraktischen Einsatz zu untersuchen. Ziele sind:

• die Konzeption von Unterrichtsmaterialien, individuellen Hilfen und Feedbackmaßnahmen  aus dem Bereich NaWi
• die technische Realisierung der Zusammenführung mehrerer Datenquellen (Augenbewegungen und mehr) auf einen zentralen Präsentationsbildschirm
• die Schulung von angehenden Lehrkräften bzgl. der Interpretation multipler Datenquellen hinsichtlich Lernzuständen einzelner Schüler*innen und der Lerngruppe
• der Nachweis der Effektivität des Einsatzszenarios gegenüber traditionellem Unterricht

Vorgehen im Teilprojekt

Das Vorgehen wird anhand des folgenden Arbeitsplans beschrieben:

• Konzeption des Unterrichtsmaterials, der Hilfen:  Es erfolgen die (Weiter-)Entwicklung der konkreten Inhalte (z.B. Experimente, Arbeitsblätter) inkl. Instruktionsmaterialien und individuelle Forder- und Fördermaßnahmen (Scaffolding), die in dem Lernszenario eingesetzt werden, sowie die Definition der entsprechenden Studien.
• Testinstrumentenerstellung/-validierung: Umfasst die Entwicklung, Anpassung und Validierung der Testinstrumente.
• Learning Analytics: Die  gesammelten Daten werden verwendet, um eine Künstliche Intelligenz zu trainieren. Diese erstellt Classifier, die anhand von Mustern selbstständig Lernverhalten analysieren und bestimmen können.
• Studiendurchführung, Datenaufarbeitung und Studienauswertung

Kooperationspartner: TU-Net MINT Netzwerkschule, Veldenz Gymnasium Lauterecken

Ein Beitrag der Netzwerkschulen besteht in der Unterstützung von Forschungsvorhaben mit Bezug zur Lehrkräftebildung. Durch diese Kooperation ist es dem Projekt HyperMind 2 erst möglich Untersuchungen für die Fachdidaktik Physik durchzuführen. Wir bedanken uns an dieser Stelle herzlich bei unserer Netzwerkschule, dem Veldenz Gymnasium Lauterecken.