1 Leistungsbeurteilung & Diagnostik, 3 K Herzlich Willkommen!
1
VL Leistungsbeurteilung & Diagnostik, 3 KP
Herzlich Willkommen!
2
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 Veranstaltungverlassen, DozentInnen mit Interesse und Freudean 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.
3
Das hier vertretene Credo:
Erkenne die Schwächen und Stärken jedes Schülers, und finde dieUnterrichtsform, die ihm gerecht wird. Kurz: Sei nicht ‚nur‘ Lehrer, sondern auch Diagnostiker.
4
Lernenerfordert
Rückmeldungen
5
oder:
Etwa 93% aller deutscherAutofahrerInnen geben an,überdurchschnittlich gute
FahrerInnen zu sein
6
John Snow: Visualisierung, Erkrankte, Brunnen
Ein Beispiel: Cholera Epidemie,London, September 1854
7
8
Ein Beispiel: Cholera Epidemie in London, September 1854
Broad Street
Winson Street
John Snow: Visualisierung, Erkrankte, Brunnen
9
„The greatest value of a picture is when it forces us to notice
what we never expected to see.“
John W. Tukey
10
Name Punkte Note Lft_Nr Geschlecht1 Albert 98 1 1 Jungen2 Bärbel 43 4 2 Mädchen3 Claudia 26 4 3 Mädchen4 Dieter 76 2 4 Jungen5 Emil 22 5 5 Jungen6 Fritz 8 6 6 Jungen7 Gisela 89 2 7 Mädchen8 Horst 72 3 8 Jungen9 Ilse 46 4 9 Mädchen10 Jürgen 61 3 10 Jungen11 Klaus 44 4 11 Jungen12 Marion 94 1 12 Mädchen13 Nena 21 5 13 Mädchen14 Olga 12 5 14 Mädchen15 Peter 4 6 15 Jungen16 Renate 38 4 16 Mädchen17 Siegrid 49 4 17 Mädchen18 Thorsten 71 3 18 Jungen19 Uwe 35 4 19 Jungen20 Volker 27 4 20 Jungen21 Wilfried 51 3 21 Jungen22 Zara 87 2 22 Mädchen
11
0 2 4 6 8 10 12 14 16 18 20 22 24
Lft_Nr
0
1
2
3
4
5
6
7
Not
e
12
AlbertDieter
ZaraJürgen
WilfriedClaudia
KlausSiegrid
VolkerNena
Fritz
Name
0
1
2
3
4
5
6
7
Not
e
13
0 2 4 6 8 10 12 14 16 18 20 22 24
Lft_Nr
0
20
40
60
80
100
120
Pun
kte
14
AlbertDieter
ZaraJürgen
WilfriedClaudia
KlausSiegrid
VolkerNena
Fritz
Name
0
20
40
60
80
100
120P
unkt
e
15
Pet
er
Frit
z
Olg
a
Nen
a
Em
il
Cla
udia
Vol
ker
Uw
e
Ren
ate
Bär
bel
Kla
us
Ilse
Sie
grid
Wilf
ried
Jürg
en
Tho
rste
n
Hor
st
Die
ter
Zar
a
Gis
ela
Mar
ion
Alb
ert
0
20
40
60
80
100
120
Pun
kte
16
Pet
er
Frit
z
Olg
a
Nen
a
Em
il
Cla
udia
Vol
ker
Uw
e
Ren
ate
Bär
bel
Kla
us
Ilse
Sie
grid
Wilf
ried
Jürg
en
Tho
rste
n
Hor
st
Die
ter
Zar
a
Gis
ela
Mar
ion
Alb
ert0
20
40
60
80
100
120
Pun
kte
17
Balkenplot für Lesen Stufe 3-5
PISA 4v*14c
Lesen Stufe 3-50 10 20 30 40 50 60 70
Baden Württemberg
Bayern
Brandenburg
Bremen
Hessen
Mecklenburg Vorpommern
Niedersachsen
Nordrhein Westfalen
Rheinland Pfalz
Saarland
Sachsen
Sachsen Anhalt
Schleswig Holstein
Thüringen
18
Balkenplot für Lesen Stufe 3-5
PISA 4v*14c
Lesen Stufe 3-50 10 20 30 40 50 60 70
Bremen
Sachsen Anhalt
Brandenburg
Mecklenburg Vorpommern
Niedersachsen
Hessen
Schleswig Holstein
Thüringen
Rheinland Pfalz
Nordrhein Westfalen
Saarland
Sachsen
Baden Württemberg
Bayern
19 Naturwiss. Stufe 3-5
0 10 20 30 40 50 60
Brandenburg
Bremen
Sachsen Anhalt
Mecklenburg Vorpommern
Niedersachsen
Nordrhein Westfalen
Hessen
Schleswig Holstein
Saarland
Rheinland Pfalz
Thüringen
Sachsen
Bayern
Baden Württemberg
Lesen Stufe 3-50 10 20 30 40 50 60 70
Bremen
Sachsen Anhalt
Brandenburg
Mecklenburg Vorpommern
Niedersachsen
Hessen
Schleswig Holstein
Thüringen
Rheinland Pfalz
Nordrhein Westfalen
Saarland
Sachsen
Baden Württemberg
Bayern
Mathem. Stufe 3-50 10 20 30 40 50 60
Bremen
Brandenburg
Sachsen Anhalt
Niedersachsen
Hessen
Nordrhein Westfalen
Mecklenburg Vorpommern
Saarland
Schleswig Holstein
Rheinland Pfalz
Thüringen
Sachsen
Baden Württemberg
Bayern
20
1 SeminarMehl: Block
6 KP
21
1 SeminarMehl/N.N./N.N.
3 KP
Mehl Mi 8-10
Eine alternative Form des Moduls MM2a/b/c:
VL: Diagnostik +Leistungsbeurteilung
3 KP
1 SeminarMehl/N.N./N.N.
3 KP
6 KP GHR
9 KP GYM
Ende Vorlesungszeit
22
Kleiner Exkurs IEin möglicher Weg zu einer Masterarbeit:
VL: Diagnostik3 KP
2 SE: Komplexe Daten6 KP
Eigenen Lernverlauf bei einer einfachen Lernaufgabe dokumentieren
Fragestellung formulieren
Mit Hilfe der eigenen Daten und denen von anderen Studierenden Frage beantworten
23
Oder 2 SE nach Wahl6 KP
Kleiner Exkurs IIEin möglicher Weg zu einer Masterarbeit:
VL: Diagnostik3 KP
2 SE: Komplexe Daten6 KP
d² - Test Erhebung begleiten (Hilfskraftverträge möglich)
Fragestellung formulieren
Mit Hilfe der eigenen Daten und denen von anderen Studierenden Frage beantworten
24
Was soll, was ist, was kann eine Vorlesung?
oder
Was machen wir hier eigentlich?
25
26
27
29
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.“Aus: Milos Vec et al. (Hrsg.): Der Campus Knigge. Vom Abschreiben bis Zweitgutachten. Verlag C. H. Beck: München (2006)
30
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.
31
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). Leistungsmessungenin Schulen. Weinheim und Basel: Beltz.
Es gibt einen Handapparat. Es gibt Informationen (ab Ende der Woche) auf meiner Homepage.
32
33
34
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
9 Ingenkamp/Lissmann:Kapitel 6 + 7
Mehl
10
11
12
13
14
Planung
35
Ferdinand Kemsies 1898:
„Fragen und Aufgaben der PädagogischenPsychologie: 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.
36
37
38
39
40
Was ist Leistung?
Leistung = Menge/Zeit
Leistung = 10 Aufgaben/45 Min.Leistung = 10 Kinder/2 Std. bespaßenLeistung = 1 Std. Fehler suchen/finden
41
Die diagnostische Perspektive fragt: • Ist das viel; ist das wenig?• Ist das normal? • Warum wurde diese Leistung erreicht, warum nicht erreicht?
42
Achtung!
Leistungsmessung ist (noch) nicht, ist etwas anderes alsLeistungsbeurteilung!!
43
Bewertungen:
Egal Nicht-Egal• Nutzen• Orientierung• Information
44
Die Leuphana Universität Lüneburgsetzt bspw. den „Scholastic Aptitude Test“ (SAT)ein, um den wenig validen Abiturnotenein weiteres Auswahlkriterium andie Seite zu stellen.
45
Lada Mercedes Bentley8.000 80.000 200.000
Bewertungen:
* Hotel ** Hotel *** Hotel **** Hotel ***** Hotel
Restaurant* Restaurant
** Restaurant
*** Restaurant
46
Bewertungen:
• „Zum Hirschen“ in Sulzbach hält seit über 20 Jahren Spitzenposition• Traube Tonbach in Baiersbronn existiert seit 200 Jahren und ist Deutschlands bestes Ferienhotel
47
Es wird unterschieden zwischen:
• Der Zugehörigkeit zu einer Kategorie• Der Entwicklung im Laufe der Zeit• Der Stellung innerhalb eines Gesamt
48
Leis tungs verläufe K las s e x y z
S c hülerIn1 S c hülerIn2 S c hülerIn3 S c hülerIn4 S c hülerIn5
Fall 1
Fall 2
Fall 3
Fall 4
Fall 5
Fall 6
Fall 7
Fall 8
Fall 9
Fall 10
Fall 11
Fall 12
Fall 13
Fall 14
Fall 15
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28sozialeNorm
kriteriumsorientierteNorm
individuelleNorm
49
Linienplot für Gesamtzeit
KarlMelitta
PetraSilke
SusanneGudrun
KarinPeter
TheoKurt
SabineSepp
9,8
10,0
10,2
10,4
10,6
10,8
11,0
11,2
11,4
11,6
11,8
12,0
12,2
12,4
12,6
12,8
Ges
amtz
eit
Sind das ‚Spitzenwerte‘?
Sind das ‚Schwache‘?
Ist das ‚Mittel‘?
50
-100 0 100 200 300 400 500
Erster Schritt Reihenfolge feststellen
51
Wann verbietet sich die Verfeinerungeiner 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
52
Methode des Paarvergleichs
Klaus Melitta Peter Sabine
Klaus XMelitta XPeter XSabine X
Minimale Anzahl der Vergleiche:N² - N
2
53
Klaus Melitta Peter Sabine
Klaus X M P S
Melitta X M M
Peter X S
Sabine X N
Klaus -
Melitta 3
Peter 1
Sabine 2
54
Leis tungs verläufe K las s e x y z
S c hülerIn1 S c hülerIn2 S c hülerIn3 S c hülerIn4 S c hülerIn5
Fall 1
Fall 2
Fall 3
Fall 4
Fall 5
Fall 6
Fall 7
Fall 8
Fall 9
Fall 10
Fall 11
Fall 12
Fall 13
Fall 14
Fall 15
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28sozialeNorm
kriteriumsorientierteNorm
individuelleNorm
55
-100 0 100 200 300 400 500
Obere 50%
Untere 50%
56
-100 0 100 200 300 400 500
Note 1
Note 2
57
-100 0 100 200 300 400 500
Note 1
Note 2
58
Gleichverteilung, Normalverteilung oder?
Noten von 1 bis 6
1 2 3 4 5 6
Noten Noten Var30 1 2 3 4 5 6 7
59
60
61
„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
62
3 = befriedigendEine Leistung, die in jeder Hinsicht durchschnittlichen Anforderungen entspricht
ECTS-Noten:A die besten 10%B die nächsten 25%C die nächsten 30%D die nächsten 25%E die letzten 10%
0 1 2 3 4 5 60
5
10
15
20
25
30
35
63
-100 0 100 200 300 400 500
Kompetenz-stufen
64-100 0 100 200 300 400 500
Kompetenz-stufen
65-100 0 100 200 300 400 500
Kompetenz-stufen
66
Kompetenzstufen lassen sich theoretisch aber auch empirisch bestimmen!
Die auf rechnerischem Wege beantwortbare Frage lautet:
Wie hoch ist die Wahrscheinlichkeit, bei einervorhandenen Kompetenz x die Anforderung y erfolgreich zu bewältigen?
Wie muss die Anforderung gestellt werden, damit x %der Bezugsgruppe diese Anforderung erfolgreichbewältigen können?
67
Was ist Leistung?
Leistung = Menge/Zeit
Leistung = 10 Aufgaben/45 Min.Leistung = 10 Kinder/2 Std. bespaßenLeistung = 1 Std. Fehler suchen/finden
68
Was ist Leistung?
Bewältigung einer spezifischen Anforderung
Bewältigung einer Anforderung bis zurSchwierigkeitsstufe x
69
Was ist das Ziel Ihrerpädagogischen Bemühungen?
70
Leistungswerte
0
5
10
15
20
25
30
35
40
Häu
figke
iten
71
Leistungswerte
0
5
10
15
20
25
30
35
40
Häu
figke
iten
72
Leistungswerte
0
5
10
15
20
25
30
35
40H
äufig
keite
n
73
74
Nach dem Status des Vaters: Prozentzahl der Kinder, die in die11. Klasse wechseln und das Abitur anstreben
Abitur
88
46
36
AkademikerkinderKinder von Nichtakademikern
Arbeiterkinder0
10
20
30
40
50
60
70
80
90
100
88
46
36
Quelle der Daten: Deutsches Studentenwerk/OECD
75Quelle der Daten: Deutsches Studentenwerk/OECD
Nach dem Status des Vaters: Prozentzahl der Kinder, einStudium beginnen
Studium
83
2318
AkademikerkinderKinder von Nichtakademikern
Arbeiterkinder0
10
20
30
40
50
60
70
80
90
83
2318
76
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?
77
Die entscheidende politische Frage:
Wie viel Aufwand will die Gesellschaft fürLernprozesse bereitstellen?
Wie viel Aufwand wollen und können Sie an individuellerZuwendung aufbringen?
78
Die OECD Studie kommt zu dem Schluss:
„ … neben einem Migrantionshintergrund ist einer der wichtigsten Gründe für die neuedeutsche Ungleichheit die wachsende ZahlAlleinerziehender.“
79
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.
80
• kraftvoll• spritzig• athletisch• geschmeidig• explosiv• dynamisch• …
Beispiel: Laufen
Deskriptiv
81
Beispiel: Laufen
Bewegung, Bewegungsabläufe
Ziel
Start
Beispiel: Laufen
Standardisierung 100 – Meter Lauf
Ziel
Start
Rückenwindkomponente
Distanz
Technik der Zeitnahme
Homogenität, Heterogenität der
Bezugsgruppe
83
Linienplot für Gesamtzeit
GudrunKarin
KarlKurt
MelittaPeter
PetraSabine
SeppSilke
SusanneTheo
9
10
11
12
13G
esam
tzei
t
84
Linienplot für Gesamtzeit
KarlMelitta
PetraSilke
SusanneGudrun
KarinPeter
TheoKurt
SabineSepp
9
10
11
12
13
Ges
amtz
eit
Auflösung
85
Linienplot für Gesamtzeit
GudrunKarin
KarlKurt
MelittaPeter
PetraSabine
SeppSilke
SusanneTheo
9,8
10,0
10,2
10,4
10,6
10,8
11,0
11,2
11,4
11,6
11,8
12,0
12,2
12,4
12,6
12,8G
esam
tzei
tAuflösung
86
Linienplot für Gesamtzeit
KarlMelitta
PetraSilke
SusanneGudrun
KarinPeter
TheoKurt
SabineSepp
9,8
10,0
10,2
10,4
10,6
10,8
11,0
11,2
11,4
11,6
11,8
12,0
12,2
12,4
12,6
12,8
Ges
amtz
eit
Auflösung
87
Linienplot für Gesamtzeit
KarlMelitta
PetraSilke
SusanneGudrun
KarinPeter
TheoKurt
SabineSepp
9,8000
10,0100
10,210010,2978
10,6000
11,0000
11,4000
11,8000
12,2000
12,4000
12,6000
12,8000G
esam
tzei
tAuflösung
88
Linienplot für Gesamtzeit
KarlMelitta
PetraSilke
SusanneGudrun
KarinPeter
TheoKurt
SabineSepp
9,8
10,0
10,2
10,4
10,6
10,8
11,0
11,2
11,4
11,6
11,8
12,0
12,2
12,4
12,6
12,8
Ges
amtz
eit
Sind das ‚Spitzenwerte‘?
Sind das ‚Schwache‘?
Ist das ‚Mittel‘?
Die Ebene der Bewertung
89
Linienplot für Gesamtzeit
KarlMelitta
PetraSilke
SusanneGudrun
KarinPeter
TheoKurt
SabineSepp
9,8
10,0
10,2
10,4
10,6
10,8
11,0
11,2
11,4
11,6
11,8
12,0
12,2
12,4
12,6
12,8
Ges
amtz
eit
Könnten die noch schneller?
Was machen die falsch?
Wo liegen Verbesserungsmöglichkeiten?
Die Ebene der Analyse, Diagnostik
Werden Defizite minimiert?
90
Beispiel: 100 – Meter Lauf
Vertiefte Analyse, Diagnose
Ziel
Start
25 - Meter 25 - Meter 25 - Meter 25 - Meter
91
Gesamtzeit25-Meter Zeit
50-Meter Zeit
Läufer75-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
92
Gesamtzeit 25-Meter Zeit 50-Meter Zeit 75-Meter Zeit
Kar
l
Mel
itta
Pet
ra
Silk
e
Sus
anne
Gud
run
Kar
in
Pet
er
The
o
Kur
t
Sab
ine
Sep
pLäufer
1,01,52,02,53,03,54,04,55,05,56,06,57,07,58,08,59,09,5
10,010,511,011,512,012,513,013,5
93
Gesamtzeit 25-Meter Zeit 50-Meter Zeit 75-Meter Zeit
KarlMelitta
PetraSilke
SusanneGudrun
KarinPeter
TheoKurt
SabineSepp
1,01,52,02,53,03,54,04,55,05,56,06,57,07,58,08,59,09,5
10,010,511,011,512,012,513,013,5
94
Gesamtzeit 25-Meter Zeit 50-Meter Zeit 75-Meter Zeit
Karl_01Karl_02
Karl_03Karl_04
Karl_05Karl_06
Karl_07Karl_08
Karl_09Karl_10
Karl_11Karl_12
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
5,5
6,0
6,5
7,0
7,5
8,0
8,5
9,0
9,5
10,0
10,5
11,0
95
Ist diese Art der Darstellung, die Nutzung von Regressionsgraden zulässig?
A Eine Regressionsgrade sucht die Gerade, die in der Mitte einer Punktewolke verläuft
92 94 96 98 100 102 104 106
DRAWING
92
94
96
98
100
102
104
106
GE
OM
ET
RY
DRAWING:GEOMETRY: r = 0,9032; p = 0.0000; r 2 = 0,8159
96
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
Kar
l
Mel
itta
Pet
ra
Silk
e
Sus
anne
Gud
run
Kar
in
Pet
er
The
o
Kur
t
Sab
ine
Sep
p
Läufer
1,01,52,02,53,03,54,04,55,05,56,06,57,07,58,08,59,09,5
10,010,511,011,512,012,513,013,5
97
C Die Regressionsgraden dienen damit zur Klärung der Frage, wie sich die Teilzeitenzur Gesamtzeit verhalten. Denkbar wäre:
Gesamt-
Teil-
Startzeit
1 2
98
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
Kar
l
Mel
itta
Pet
ra
Silk
e
Sus
anne
Gud
run
Kar
in
Pet
er
The
o
Kur
t
Sab
ine
Sep
p
Läufer
1,01,52,02,53,03,54,04,55,05,56,06,57,07,58,08,59,09,5
10,010,511,011,512,012,513,013,5
99
E Hier zum Vergleich eine Darstellung, bei der berechnet wurde:Gesamtzeit = 100 %Teilzeit = X %
Proz_25_Zeit Proz_50_Zeit Proz_75_Zeit Proz_100_Zeit
Kar
l
Mel
itta
Pet
ra
Silk
e
Sus
anne
Gud
run
Kar
in
Pet
er
The
o
Kur
t
Sab
ine
Sep
p
10
20
30
40
50
60
70
80
90
100
110
100
Gesamtzeit 25-Meter Zeit 50-Meter Zeit 75-Meter Zeit
Kar
l
Mel
itta
Pet
ra
Silk
e
Sus
anne
Gud
run
Kar
in
Pet
er
The
o
Kur
t
Sab
ine
Sep
p
Läufer
1,01,52,02,53,03,54,04,55,05,56,06,57,07,58,08,59,09,5
10,010,511,011,512,012,513,013,5
Proz_25_Zeit Proz_50_Zeit Proz_75_Zeit Proz_100_Zeit
Kar
l
Mel
itta
Pet
ra
Silk
e
Sus
anne
Gud
run
Kar
in
Pet
er
The
o
Kur
t
Sab
ine
Sep
p
10
20
30
40
50
60
70
80
90
100
110
Der Vergleich:
101
0
200
400
0,0 0,2 0,4 0,6 0,8 1,0 1,2-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
0 200 400
102
0
200
400
0,0 0,2 0,4 0,6 0,8 1,0 1,2-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
0 200 400
I
IIIII
VI
Welcher Leistungsbereich steht im Zusammenhang mitder problemlosen/kritischen Bewältigung welcherHandlungsanforderungen?
103
Beispiel aus dem Projekt Simulatortraining²
Ausgangsposition
Ziel-position
Jadefahrwasser
Vorhafen
Schleuse
1061 3 5 7 9 11 13 15 17 190
10
20
30
40
50
60F
ehle
r
„schlecht“
„gut“
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
Maximalwert der Abweichung
Zeit bis zu einer Korrektur
Steilheit der Anstiege und Abstige
Synchrone, asynchrone Inputs
114
Pitc
h
Mea
n M
ean±
0,95
Con
f. I
nter
val
p rofession: Novize
Pitch0,82
0,84
0,86
0,88
0,90
0,92
0,94
0,96
0,98
1,00
1,02
1,04
profession: Experte
Pitch
115
Hea
ding
_deg
Mea
n M
ean±
0,95
Con
f. I
nter
val
p rofession: Novize
Heading_deg198,5
199,0
199,5
200,0
200,5
201,0
201,5
202,0
202,5
profession: Experte
Heading_deg
116
Spe
ed_k
n
Mea
n M
ean±
0,95
Con
f. I
nter
val
p rofession: Novize
Speed_kn8,8
9,0
9,2
9,4
9,6
9,8
10,0
10,2
10,4
profession: Experte
Speed_kn
117
Hea
ding
_deg
Mea
n
Mea
n±0
,95
Con
f. I
nter
val
p rofession: Novize
Heading_deg198,5
199,0
199,5
200,0
200,5
201,0
201,5
202,0
202,5
profession: Experte
Heading_deg
Pitc
h
Mea
n M
ean±
0,95
Con
f. I
nter
val
p rofession: Novize
Pitch0,82
0,84
0,86
0,88
0,90
0,92
0,94
0,96
0,98
1,00
1,02
1,04
profession: Experte
Pitch
Spe
ed_k
n
Mea
n M
ean±
0,95
Con
f. I
nter
val
p rofession: Novize
Speed_kn8,8
9,0
9,2
9,4
9,6
9,8
10,0
10,2
10,4
profession: Experte
Speed_kn
Nach einer Trennung der Aufgabenerfüllungen in ‚gut‘ und ‚schlecht‘, im einfachsten Fall in diese zwei Gruppen, wird nachden Handhabungsmerkmalen gesucht, in denen sich diesebeiden Gruppen am deutlichsten unterscheiden. Die nach-folgenden Graphiken sollen dies veranschaulichen:
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.
119
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.
120
121
122
a b
Täuschung
A
Handlungsbedingungen→Willensabsicht Handlungsausführung→
Willensabsicht Handlungsausführung→
B
≠
≠= ≠
123
Beispiel: Radfahren
Praktisches Handeln unter Alltagsbedingungen:
• Erfahrung mit Teilen aus dem Spektrum gegebener Situationen & Anforderungen• Zufällige Begegnung mit Problempunkten• Unklarheit über Stärken, Schwächen, Leistungsstand
124
Üben:
• Herauslösen spezifischer Problempunkte • Try & Error bei der Suche nach Leistungs- steigerung• Unsystematische Wahl der Lern-, Übungsbedingungen• Unscharfe Grenzen über das Ende sinnvollen Übens
125
Training, fundiertes Erlernen: • Analyse, systematische Diagnose der Problempunkte (quantitativ/qualitativ repräsentative Leistungsspektren)• Ursachenanalyse der Problempunkte• Analyse, Überwachung, Bewertung der Optimierung
126
Leistungsmessung
GezielteVeränderung der Anforderungen
Systematische Analyse des Zusammenhangs
Anforderung ↔ Leistung
127
128
Die Phasen im Analyse - Prozess
DatenSelektierte
Daten
SelektionVorverarbeitung
TransformationData Mining
Interpretation
VorbereiteteDaten
TransformierteDaten
MusterWissen/Modelle
129
Zugehörigkeit zu a, b oder c
RelationenMehr ↔ Weniger Schlechter ↔ Besser
Abstände der RelationenSoviel mehr ↔ Soviel weniger
Vier Niveau-/Skalenebenen:
• Nominalskala• Ordinal- oder Rangskala• Intervallskala• Verhältnis- oder Proportionalskala
130
Skalenniveau Voraussetzungen Maß der zentralen Tendenz
Beispiele
Nominalskala Merkmale müssennach Gleichheitoder Verschieden-heit bestimmbar sein
Modalwert(häufigster Wert)
Klassenstufenmännlich weiblichAutokennzeichen
Ordinal- oderRangskala
Einstufbarkeit nach dem dem Ausprägungsgrad eines Merkmals (mehr – weniger)
Median(mittlerer Wert)
ZensurenRanglisten
Intervallskala Bestimmbarkeit gleicher Skalenabstände. Festsetzung eines (relativen) Nullpunktes
Arithmetischer Mittelwert
TemperaturskalaIQT-Wert bei Schultests
Verhältnis- oderProportionalskala
Bestimmbarkeit vom Proportionen und eines absoluten Nullpunktes
Arithmetischer und geometrischer Mittelwert
LängenmaßeGewichtsmaße
131
132
Beispiel: Balkendiagramm
133
92 94 96 98 100 102 104 106
DRAWING
92
94
96
98
100
102
104
106G
EO
ME
TR
Y
DRAWING:GEOMETRY: r = 0,9032; p = 0.0000; r 2 = 0,8159
Beachten Sie den Korrelationsquotienten!
Beispiel: Streudiagramm/Scatterplot