SHARP

Personalisierte Unterstützung für aufgabenbasiertes Diagnostizieren und Intervenieren in Mathematik und Physik auf Basis von Blickbewegungen und Log-Daten

Lehrkräfte benötigen fachdidaktisches Wissen, um in Diagnose- und Interventionssituationen professionell handeln zu können. Sie müssen dabei beispielsweise Schülerlösungen analysieren, geeignete Aufgaben zur weiteren Förderung auswählen und dabei auf spezifische Lernschwierigkeiten von Schülerinnen und Schülern eingehen. Ziel des Projekts ist es, zu untersuchen, wie Lehramtsstudierende im Fach Mathematik oder Physik beim Einsatz ihres fachdidaktischen Wissens zu Diagnose und Intervention gefördert werden können. Im Zentrum steht eine computerbasierte Simulation, in der angehende Lehrkräfte den Lernstand virtueller Schülerinnen und Schüler anhand deren Aufgabenbearbeitungen diagnostizieren und darauf abgestimmte Fördermaßnahmen auswählen. So werden realitätsnahe Entscheidungssituationen simuliert, wie sie später im Berufsalltag auftreten.

Zur Analyse der Lernprozesse in der Simulation werden neben den Teilnehmereingaben auch Log-Daten und Blickbewegungen (Eye-Tracking) erfasst. Diese Daten dienen als Indikatoren diagnostischer Aktivitäten und erlauben Einblicke in die zugrunde liegenden Denk- und Handlungsprozesse. Mittels Verfahren des maschinellen Lernens werden außerdem individuelle Prozessprofile identifiziert. Sie bilden die Grundlage für eine individualisierte Unterstützung der Teilnehmenden in Form von Impulsen zur Aktivierung ihres fachdidaktischen Wissens.

Forschung und Weiterentwicklung in drei Studien

Profilbildung und Validierung: In einem ersten Schritt werden typische diagnostische Prozesse identifiziert und in Bezug zu diagnostischen Leistungen sowie zum vorhandenen fachdidaktischen Wissen der Teilnehmenden gesetzt.
Mikroadaptive Unterstützung: Anschließend wird die Wirksamkeit von Unterstützungsmaßnahmen für die Qualität diagnostischer Prozesse und Urteile untersucht.
Personalisierte Förderung in Echtzeit: In der dritten Studie werden die Unterstützungsmaßnahmen in Echtzeit personalisiert – auf Basis der laufenden Prozessdiagnose. Ziel ist es, die Simulation noch stärker auf individuelle Lernbedarfe zuzuschneiden.

Förderung

Gefördert durch die Deutsche Forschungsgemeinschaft (DFG)
Förderzeitraum Phase 1: 01.10.2025–30.06.2029

Personen

Prof. Dr. Andreas Obersteiner
Dr. Stefan Küchemann
Prof. Dr. Matthias Stadler
Prof. Dr. Jochen Kuhn
Dr. Michael Nickl

Sonderforschungsbereich

Das Projekt ist eingebettet in den Sonderforschungsbereich SHARP (TRR 419). SHARP ist der erste von der DFG geförderte Sonderforschungsbereich in der Bildungsforschung und den Learning Sciences in Deutschland. Er vereint die Expertise von LMU München, TUM, der Universität Augsburg und dem Leibniz-Rechenzentrum (LRZ). Forschende aus Psychologie, Bildungswissenschaft, Fachdidaktiken (u. a. Biologie, Chemie, Mathematik, Physik) und Informatik untersuchen gemeinsam, wie KI-gestützte Personalisierung in simulationsbasierten Lernumgebungen wirksam gestaltet werden kann. Im Fokus stehen die professionellen Praktiken Diagnostizieren und Intervenieren, die in 18 Teilprojekten auf Basis eines gemeinsamen Modells zu Lernvoraussetzungen, Lernprozessen und personalisierter Unterstützung erforscht werden. Weitere Informationen unter www.trr419-sharp.de.