Forschung und Projekte

Räumliche Fähigkeiten in der Chemie – Mehr als nur mentale Rotation?

Ausgangslage & theoretischer Hintergrund

In der Chemie spielen visuelle Repräsentationen eine Schlüsselrolle beim Verständnis von fachlichen Konzepten (Kozma & Russell, 2007) und beim Lösen von Problem (Rau, Zahn, Misback, Herder, & Burstyn, 2021). Die Darstellung von Daten mithilfe von Diagrammen, Strukturen von Molekülen und Reaktionsmechanismen in 2D und 3D sind nur einige Beispiele, wofür Repräsentationen in der Chemie eingesetzt werden (Harle & Towns, 2011). Dafür sind spezifische Kompetenzen nötig, wie die Fähigkeit Repräsentationen ineinander zu überführen und Verbindungen zwischen ihnen zu erkennen (Kozma & Russell, 2007).

In diesem Zusammenhang spielen räumliche Fähigkeiten ebenfalls eine wichtige Rolle: Sie wirken sich positiv auf den Umgang und das Lernen mit Repräsentationen aus (Carter, LaRussa, & Bodner, 1987; Buckley, Seery, & Canty, 2018). Bei räumlichen Fähigkeiten handelt es sich um eine von 16 Facetten der allgemeinen Intelligenz nach dem Cattell-Horn-Carroll-Modell (Carroll, 1993; Schneider & McGrew, 2012). Sie lassen sich als die Fähigkeit verstehen, abstrakte visuelle Bilder zu erzeugen, mental zu speichern und zu manipulieren (Lohman, 1979). Räumliche Fähigkeiten lassen sich in 11 Faktoren differenzieren (Abb. 1), beispielsweise die mentale Rotation, die räumliche Visualisierung und die räumliche Orientierung (Buckley, Seery, & Canty, 2018).

In den meisten Studien im MINT-Bereich, in denen räumliche Fähigkeiten berücksichtigt werden, wird zumeist ein Faktor räumlicher Fähigkeiten zugrunde gelegt, z. B. die mentale Rotation. Wie verschiedene Faktoren räumlicher Fähigkeiten die Bearbeitung repräsentationsbasierter Chemieaufgaben beeinflussen, ist aktuell jedoch noch wenig untersucht und bedarf weiterer Forschung.

Forschungsfragen & Methodik

1. Welche Faktoren räumlicher Fähigkeiten spielen beim Lösen repräsentationsbasierter Chemie-
   aufgaben eine Rolle?

Es wird ein Test zur Erfassung räumlicher Fähigkeiten zusammengestellt mit selbst entwickelten und adaptierten (Averbeck, 2021; Taskin, Bernholt, & Parchmann, 2015) Test-Items, die verschiedene Teilbereiche der Chemie abdecken. Die Konstruktvalidität wird mithilfe der Interrater-Reliabilität (Zuordnung der Test-Items durch Fachkolleg:innen) bestimmt. Die Faktoren räumlicher Fähigkeiten werden mit validierte Testinstrumenten nach Ekstrom, French, Harmann und Derman (1976) erhoben, z. B. Hidden Figure Test und Paper Folding Test. Die Daten sollen nach einer Validierung des entwickelten Tests in Form eines Multi-Matrix-Sampling (Childs & Jaciw, 2002) eingesetzt werden. Sie sollen als Quasi-Längsschnitt mit B. Sc. Studierende im Fach Chemie bzw. chemienahen Fächern zu Beginn und am Ende des Bachelorstudiums erhoben werden. Der Zusammenhang zwischen den Faktoren räumlicher Fähigkeiten und spezifischen Repräsentationen und Repräsentationskompetenzen wird durch Korrelations- und Regressionsanalysen geprüft.

2. Inwiefern beeinflusst eine Förderung spezifischer Faktoren räumlicher Fähigkeiten den Lernerfolg von Chemiestudierenden?

Basierend auf den Ergebnissen der ersten Forschungsfrage soll eine Interventionsstudie gestaltet werden, die gezielt die Faktoren räumlicher Fähigkeiten fördern soll, die als relevant hervorgegangen sind. Dazu wird ein Pre-Post-Design mit Interventionsgruppe(n) und Kontrollgruppe angestrebt, um zu prüfen, ob sich durch diese Förderung der Lernerfolg mit repräsentationsbasierten Chemieaufgaben steigern lässt.

Ertrag des Projekts

Die Ergebnisse des Projekts leisten einen Beitrag zur Untersuchung der Wirkmechanismen von Faktoren räumlicher Fähigkeiten auf den Lernerfolg mit externen Repräsentationen in der Chemie. Dadurch können Möglichkeiten aufgedeckt werden, wie der Lernerfolg von Studierenden durch gezielte Förderung spezifischer Faktoren räumlicher Fähigkeiten verbessert werden kann.

Sebastian Nickel

Wissenschaftlicher Mitarbeiter

Literatur

• Averbeck, D. (2021). Zum Studienerfolg in der Studieneingangsphase des Chemiestudiums – Der Einfluss kognitiver und affektiv-motivationaler Variablen. Berlin: Logos.
• Buckley, J., Seery, N., & Canty, D. (2018). A Heuristic Framework of Spatial Ability: a Review and Synthesis of Spatial Factor Literature to Support its Translation into STEM Education. Educational Psychology Review, 30(3), S. 947–972.
• Carroll, J. B. (1993). Human cognitive abilities – A survey of factor-analytic studies. Cambridge: Cambridge University Press.
• Carter, C. S., LaRussa, M. A., & Bodner, G. M. (1987). A study of two measures of spatial ability as predictors of success in different levels of general chemistry. Journal of Research in Science Teaching, 24(7), S. 645-657.
• Childs, R. A., & Jaciw, A. P. (2002). Matrix Sampling of Items in Large-Scale Assessments. Practical Assessment, Research, and Evaluation, 8(Artikel 16).
• Ekstrom, R. B., French, J. W., Harman, H. H., & Derman, D. (1976). Coverbild für Manual for kit of factor-referenced cognitive tests. Princeton, New Jersey: Education Testing Service.
• Harle, M., & Towns, M. (2011). A Review of Spatial Ability Literature, Its Connection to Chemistry, and Implications for Instruction. Journal of Chemical Education, 88(3), S. 351-360.
• Kozma, R., & Russell, J. (2007). Students Becoming Chemists: Developing Representational Competence. In J. K. Gilbdert (Hrsg.), Visualization in Science Education (S. 121-146). Dordrecht: Springer.
• Lohman, D. F. (1979). Spatial ability: A review and reanalysis of the correlational literature . Stanford (CA): Aptitudes Research Project, School of Education und Stanford University.
• Rau, M. A., Zahn, M., Misback, E., Herder, T., & Burstyn, J. (2021). Adaptive support for representational competencies during technology-based problem solving in chemistry. Journal of the Learning Sciences, 30(2), S. 163-203.
• Schneider, J., & McGrew, K. (2012). The Cattell-Horn-Carroll (CHC) Model of Intelligence. In D. P. Flanagan, & E. M. McDonough, Contemporary Intellectual Assessment – Theories, Tests, and Issues (3. Ausg., S. 99-144). New York: Guilford Publications.
• Taskin, V., Bernholt, S., & Parchmann, I. (2015). An inventory for measuring student teachers’ knowledge of chemical representations: design, validation, and psychometric analysis. Chemistry Education Research and Practice, 16(3), S. 460-477.

Aktivitätsgebundene Erfassung motivationaler Faktoren im Schülerlabor 

Schülerlabore sind längst fester Bestandteil der deutschen Bildungslandschaft und gelten mit ihrem positiven Einfluss auf affektive und motivationale Merkmale (Tillmann & Wegner, 2021) der teilnehmenden Schülerinnen und Schüler als vielversprechender Ansatzpunkt zur Interessenssteigerung von MINT-Fächern, die eher als unbeliebt gelten (Eilks & Hofstein, 2015). 

Interesse ist nach der Person-Gegenstands-Konzeption von Krapp (1992; 1998) definiert als die Beziehung einer Person mit einem Interessensgegenstand (z.B. Objekt, Idee, Tätigkeit). Aus der Interaktion von Person mit Interessensgegenstand kann situatives Interesse resultieren, welches als zeitlich instabiler und situationsabhängiger psychologischer Zustand (State) beschrieben werden kann (Kelava et al., 2020). Durch Internalisierung kann dieser Zustand in das individuelle Interesse überführt werden, welches dann als zeitlich relativ stabiles Persönlichkeitsmerkmal (Trait) (Krapp, 1992; Kelava et al., 2020) angesehen wird. 

Schülerlabore haben oft zum Ziel die Entstehung von situativem Interesse anzuvisieren, da dieses durch Tätigkeiten oder einer Umgebung getriggert werden kann (Su et al., 2019). An dieser Stelle stellt sich eine entscheidende Frage: Ist das vorherrschende Interesse der SuS in einem Schülerlabor tatsächlich situativ oder überwiegt der Anteil an individuellem Interesse? Je nach Ergebnislage würden umfassende Umstrukturierungsmaßnamen in solchen Laborangeboten erforderlich sein. 

Um die Anteile einer Interessensmessung aufzuschlüsseln, die auf die Person (individuelles Interesse) bzw. auf die Situation/Wechselwirkung von Situation mit Person (situatives Interesse) zurückzuführen sind, bieten sich Latent-State-Trait-Analysen an (Kelava et al., 2020). Dies soll zudem mit den bisher wenig erforschten motivationalen Kosten (Rosenzweig et al., 2019) wiederholt werden. 

Diese Überlegungen führen zu den folgenden Forschungsfragen:
 

FF1: Inwiefern verändern sich  

1. situatives Interesse 
2. motivationale Kosten 

in Abhängigkeit der Aktivitätsphase im außerschulischen Lernort Schülerlabor?
 

FF2: Zu welchem Anteil  

1. ist das Interesse  
2. sind die motivationalen Kosten 

in der jeweiligen Aktivitätsphase dispositional (Trait) bzw. situativ (State) bedingt? 

Für die Untersuchung wurde ein Schülerlaborprogramm zum Thema Ozeanversauerung (Zielgruppe Sek I der Realschule) entwickelt, welches sieben Ranking-Situationen beinhaltet, die dem RIASEC+N-Modell von Interessensdimensionen während naturwissenschaftlicher Tätigkeiten (Dierks et al., 2016) entlehnt sind. 

Das Ranking der entsprechenden Aktivitäten erfolgt nach der jeweiligen Aktivitätsdurchführung per Fragebogen am Tablet im Sinne einer quantitativen Fragebogenstudie mit Messwiederholungen. Dabei werden die Konstrukte „situatives Interesse“, „motivationale Kosten“ und „Cognitive Load“ mithilfe von insgesamt 8 Items via Likert-Skala abgefragt. Vor dem Laborprogramm und im Anschluss an die theoretische Einführung erfolgt zudem die Erhebung von individuellem Interesse bezogen auf das Fach Chemie und weiteren individuellen Lernvoraussetzungen (z.B. Selbstkonzept im Fach Chemie) sowie demografischen Daten.  

Nach einer Pilotierungsphase befindet sich die Studienphase I aktuell in den letzten Zügen der Datenerhebung bis eine Stichprobengröße von etwa 350 erreicht ist. 

Die aktivitätsgebundenen Rankings werden nicht nur deskriptiv-statistisch aufgeschlüsselt, sondern auch mithilfe von Extremgruppen-, Korrelations- und Regressionsanalysen, einer ANOVA mit Messwiederholungen und einer Latent-State-Trait-Analyse (inkl. konfirmatorischer Analyse sowie Varianzdekomposition und daraus resultierender Bestimmung von Konsistenz- und Spezifitätskoeffizienten) näher beleuchtet, um neben der Beantwortung der Forschungsfragen auch Implikationen für den Schülerlaborbetrieb zu ziehen sowie weitere Forschungsdesiderate u.a. für Studienphase II (z.B. Interventionsstudie zur binnendifferenzierten Interessenssteigerung) abzuleiten. 

Literatur: 

•  Dierks, P., Höffler, T.; Blankenburg, J., Peters, H. & Parchmann, I. (2016) Interest in science: a RIASEC-based analysis of students’ interests, International Journal of Science Education, 38:2, 238-258 
• Eilks, I., & Hofstein, A. (2015). Relevant Chemistry Education – From Theory to Practice (1-10). Rotterdam: Sense Publishers. 
• Kelava, A., Schermelleh-Engel, K. & Mayer, A. (2020). Latent-State-Trait-Theorie (LST-Theorie). In H. Moosbrugger & A. Kelava (Hrsg.), Testtheorie und Fragebogenkonstruktion (3., vollständig überarbeitete und ergänzte Auflage). Heidelberg: Springer  
• Krapp, A. (1992). Das Interessenskonstrukt. Bestimmungsmerkmale der Interessenshandlung und des individuellen Interesses aus der Sicht einer Person-Gegenstands-Konzeption. In A. Krapp & M. Prenzel (ed.), Interesse, Lernen, Leistung. Neuere Ansätze einer pädagogisch-psychologischen Interessensforschung, (26, 297-330). Münster: Aschendorff. 

• Krapp, A. (1998). Entwicklung und Förderung von Interessen im Unterricht. Psychologie in Erziehung und Unterricht, 44(3), 185-201. 
• Rosenzweig, E. Q., Wigfield, A., & Eccles, J. S. (2019). Expectancy-value theory and its relevance for student motivation and learning.
  In Renninger, K. A., & Hidi, S. E. (Eds.), The Cambridge handbook of motivation and learning. 617–644. Cambridge University Press. 
• Su R., Stoll G., Rounds J. (2019). The nature of interests: Toward a unifying theory of trait–state interest dynamics. In Nye C. D., Rounds J. (Eds.), Vocational interests: Rethinking their role in understanding workplace behavior and practice. SIOP organizational Frontiers series. New York, NY: Routledge. 
• Tillmann, J., & Wegner, C. (2021). Weiterentwicklung eines klassischen Schülerlabors – Darstellung des aktuellen Forschungsstandes. Progress in Science Education (PriSE), 4(2) 

Xenia Schäfer