Fachspezifische Mentale Modelle in den Ingenieurwissenschaften
Projekt "MeMoMa"
MeMoMa ist ein langfristig angelegtes Kooperationsprojekt der TUM School of Education und der Fakultät für Maschinenwesen. Wir untersuchen die Interaktion zwischen verschiedenen kognitiven und affektiven Merkmalen von Studierenden mit der Art und Weise, wie sie sich komplexe Maschinen vorstellen.
Dabei interessieren uns Fragen, wie: Wie können fachspezifische mentale Modelle in den Ingenieurwissenschaften effizient erfasst werden? Was sind zentrale Voraussetzungen für elaborierte Vorstellungen von komplexen Maschinen? Welche Merkmale sowie spezifische Vorstellungen entwickeln sich im Laufe des jeweiligen Studiums? Unterscheiden sich die Vorstellungen von Experten unterschiedlicher Fachrichtungen? Unterscheiden sich die Vorstellungen von Experten und Novizen?
Projektteam
Im Projekt arbeiten Wissenschaftlerinnen und Wissenschaftler unterschiedlicher Fachrichtungen zusammen. An der TUM School of Education beteiligt sich der Heinz Nixdorf-Stiftungslehrstuhl für Didaktik der Mathematik an der Kooperation, an der Fakultät für Maschinenwesen der Lehrstuhl für Automatisierung und Informationssysteme. Bei Fragen zum Projekt können Sie uns gerne per Mail kontaktieren.
TUM School of Education
- Sarah Scheuerer
- Dr. Sarah Hofer
- Dr. Frank Reinhold
- Prof. Dr. Kristina Reiss
Lehrstuhl für Automatisierung und Informationssysteme
- Frieder Loch
- Prof. Dr. Birgit Vogel-Heuser
Meilensteine
Meilenstein 1: Kognitive Personenmerkmale
Wir erfassen verschiedene kognitive Personenmerkmale von Studienanfängern. Hierzu gehören das Modellieren alltagsnaher Probleme, das Lösen verbaler Analogien, Rechnen oder auch das räumliche Vorstellungsvermögen. Wir möchten untersuchen, welche kognitiven Merkmale mit welchen mentalen Modellen von Maschinen zusammenhängen, innerhalb verschiedener Studiengänge und über Studiengänge hinweg.
Meilenstein 2: Mentale Modelle (Interviews)
Interviews mit Studierenden sowie Experten verschiedener (v. a. ingenieurs-/ naturwissenschaftlicher) Fachrichtungen wurden durchgeführt. Das Ziel war es, Dimensionen abzuleiten, die mentale Modelle von Maschinen typischerweise charakterisieren. In diesen Interviews wurden die Teilnehmenden dazu aufgefordert, zwei Maschinen (eine Fahrradschaltung und eine komplexere Sortiermaschine) in ihren eigenen Worten zu beschreiben sowie ihr Modell der jeweiligen Maschine zu visualisieren (siehe Abbildungen). Aus den Visualisierungen und den verbalisierten Gedanken der Teilnehmenden konnten zehn Dimensionen abgeleitet werden.
Meilenstein 3: Mentale Modelle (schriftlich)
Eine Kombination aus forced-choice und halb-offenen Aufgaben soll eine effiziente Messung dieser zehn Dimensionen mithilfe eines ca. 30-minütige Tests ermöglichen. Dieser Test wird aktuell in der ursprünglichen Gruppe der Studienanfänger verschiedener Fachrichtungen durchgeführt.
Meilenstein 4: Auswertung der Daten
Im Anschluss an die zweite schriftliche Erhebung sollen die Daten zusammengeführt und ausgewertet werden. Ziel ist es, Personengruppen zu identifizieren, die ähnliche Mentale Modelle von Maschinen aufweisen. Weiter soll untersucht werden, ob diese Personengruppen (1) in verschiedenen Studiengängen unterschiedlich verteilt sind und (2) ob bestimmte kognitive Merkmale im Zusammenhang mit der Art stehen, wie über Maschinen nachgedacht wird.
Meilenstein 5: Weiterführende Fragestellungen
Langfristig sind weiterführende Fragestellungen aufbauend auf den Ergebnissen dieser Studie geplant. Dabei geht es um die Frage, ob (1) sich bestimmte Mentale Modelle bei Experten in einzelnen Fachrichtungen vermehrt wiederfinden lassen, ob (2) sich die Art, wie über Maschinen nachgedacht wird, während des Studiums verändert und (3) wie eine solche Entwicklung während einer universitären Ausbildung positiv beeinflusst werden kann.
Projektveröffentlichungen
Reinhold, F., Hofer, S., Berkowitz, M., Strohmaier, A., Scheuerer, S., Loch, F., Vogel-Heuser, B. & Reiss, K. (2020). The Role of Spatial, Verbal, Numerical, and General Reasoning Abilities in Complex Word Problem Solving for Young Female and Male Adults. Mathematics Education Research Journal, 32, 189–211. https://doi.org/10.1007/s13394-020-00331-0
Scheuerer, S., Reinhold, F., Hofer, S. & Reiss, K. (2020). Studieneingangsvoraussetzungen von Studierenden des Gymnasiallehramts Mathematik – Erste Ergebnisse eines Projekts zur Verbesserung der universitären Ausbildung. In A. Frank, S. Krauss & K. Binder (Hrsg.), Beiträge zum Mathematikunterricht 2019 (S. 689–692). Münster: WTM-Verlag. http://doi.org/10.17877/DE290R-20595
Vogel-Heuser, B., Loch, F., Hofer, S., Neumann, E.-M., Reinhold, F., Scheuerer, S. & Reiss, K. (2019). Analyzing Students’ Mental Models of Technical Systems. In Proceedings of the 17th IEEE Industrial Conference on Industrial Informatics (INDIN) (Vol. 1, S. 1119–1125). IEEE. http://doi.org/10.1109/INDIN41052.2019.8972071