n Empirische Arbeit Strategisches Experimentieren im naturwissenschaftlichen Unterricht Josef Künsting, Hubertina Thillmann, Joachim Wirth, Hans Ernst Fischer, Detlev Leutner Universität Duisburg-Essen, Essen Strategic Experimenting in Science Lessons Summary: 436 students of grade 8 - 10 worked with a computer-based experimental environment representing a domain of physics. We examined the impact of strategic experimenting on learning outcome considering prior knowledge as a potential moderating variable and intelligence, motivation, and strategy knowledge as control variables. We focus on a strategy called Isolating Variables (IV; cf. CVS: Control of Variables Strategy) that has not consistently been conceptualized in the literature so far. For a clear terminology we distinguish two types of the IV strategy (IV-between and IV-within), and we investigated the IV-between type empirically. We found the use of the IV-between strategy as a substantial predictor for learning outcome, independent from which of the three control variables is included in the prediction model. However, the predictions are moderated by prior knowledge. The results are discussed concerning the usefulness of the proposed distinction between the two types of the IV strategy and concerning theoretical as well as practical implications. Keywords: Discovery learning, strategic experimenting, control of variables, computerand behaviour-based assessment Zusammenfassung: 436 Probanden der Jahrgangsstufen 8 - 10 bearbeiteten eine computerbasierte Experimentierumgebung mit physikalischem Inhaltsbereich. Untersucht wurde der Einfluss des strategischen Experimentierens auf den Lernerfolg, wobei Vorwissen als potenzieller Moderator und Intelligenz, Motivation sowie Strategiewissen als Kontrollvariablen berücksichtigt wurden. Im Fokus steht die Strategie der Isolierenden Variablenkontrolle (IVK), die in der Literatur bisher uneinheitlich konzeptualisiert worden ist. Zur begrifflichen Klärung werden zwei Varianten der Isolierenden Variablenkontrolle (IVK-between und IVK-within) unterschieden, wobei die between- Variante empirisch untersucht wurde. Die Nutzung der IVK-between-Strategie erwies sich als substanzieller Prädiktor für Lernerfolg, und zwar unabhängig davon, welche der drei Kontrollvariablen jeweils im Modell berücksichtigt wurde. Das Vorwissen erwies sich als Moderator für die Vorhersagen. Diskutiert werden die Ergebnisse hinsichtlich der Nützlichkeit der Strategiedifferenzierung und hinsichtlich theoretischer sowie praktischer Implikationen. Schlüsselbegriffe: Entdeckendes Lernen, strategisches Experimentieren, isolierende Variablenkontrolle, computer- und verhaltensbasiertes Testen Der vorliegende Beitrag beschäftigt sich mit den Zusammenhängen zwischen zwei Varianten einer Experimentierstrategie des entdeckenden Lernens (Bruner, 1961) und dem Lernerfolg in naturwissenschaftlichen Domänen. Der Einsatz der beiden Strategievarianten kann als Möglichkeit verstanden werden, Informationen selbstständig zu identifizieren und zu selegieren, was als Merkmal entdeckenden Lernens gilt (Bruner, 1961). Im Fokus steht dabei die als Isolierende Variablenkontrolle (IVK) bezeichnete Experimentierstrategie, die auch beim Psychologie in Erziehung und Unterricht, 2008, 55, 1 - 15 © Ernst Reinhardt Verlag München Basel Lernen in Schülerexperimenten geeignet ist, um Zusammenhänge zwischen Variablen systematisch zu untersuchen. In empirischen Studien ist die Nutzung dieser Strategie sowohl in Lernumgebungen mit realen Experimentierbedingungen (z. B. Chen & Klahr, 1999) als auch in computerbasierten Lernumgebungen mit interaktiven Simulationen (z. B. Kröner, 2001; Vollmeyer, Burns & Holyoak, 1996) untersucht worden. Ihr positiver Einfluss auf den Lernerfolg konnte vielfach gezeigt werden (z. B. Chen & Klahr, 1999; Klahr, Chen & Toth, 2001; Kröner, 2001; Leutner, Klieme, Meyer & Wirth, 2005; Putz- Osterloh, 1993; Vollmeyer, Burns & Holyoak, 1996; Vollmeyer & Rheinberg, 1998). In den bisherigen Studien zum Einsatz der IVK-Strategie finden sich jedoch zwei unterschiedliche Varianten ihrer Definition und ihrer Operationalisierung, wodurch die Vergleichbarkeit der Ergebnisse und ihre Generalisierbarkeit über die Studien hinweg nur eingeschränkt möglich sind. Die Lernförderlichkeit beider Varianten der IVK-Strategie konnte bislang zwar in realen Experimentier-Settings nachgewiesen werden, jedoch wurden in diesen sehr aufwendigen Settings Faktoren, die einen Einfluss auf die Wirksamkeit der jeweiligen Variante haben könnten (wie zum Beispiel Vorwissen, Intelligenz, Motivation oder metakognitives Strategiewissen) nicht zusätzlich berücksichtigt. In weniger aufwendigen computerbasierten Experimentierumgebungen wurden kognitive oder motivationale Faktoren zwar mit in das Untersuchungsdesign aufgenommen, aber hier konnte bisher nur für eine der beiden IVK-Varianten ein Effekt auf Lernen gezeigt werden. Über derartige Unzulänglichkeiten hinaus wird die externe Validität mancher Studien, in denen computersimulierte Lernumgebungen verwendet werden, zusätzlich dadurch eingeschränkt, dass ihre Inhaltsbereiche fiktiv sind, was eine didaktisch sinnvolle Annäherung an reale unterrichtliche Experimentierbedingungen verfehlt. Als Konsequenz aus den skizzierten Forschungsdefiziten verfolgt die vorliegende Arbeit zwei Ziele: Erstens werden im Hinblick auf eine klare Definition und eine valide Operationalisierung die beiden IVK-Varianten theoretisch deutlich voneinander abgegrenzt. Darauf aufbauend wird eine computerbasierte Experimentierumgebung vorgestellt, die einen realen physikalischen Inhaltsbereich (Auftrieb in Flüssigkeiten) simuliert. Dies geschieht mit dem Ziel, Ergebnisse, die unter Verwendung dieser IVK- Operationalisierung und dieser Experimentierumgebung beobachtet werden, didaktisch sinnvoll auf den realen naturwissenschaftlichen Unterricht, insbesondere den Physikunterricht, übertragen zu können. Zweitens soll für diejenige IVK-Variante, die bislang nur in realen Experimentier-Settings ohne Kontrolle weiterer Faktoren untersucht wurde, überprüft werden, ob ihr Einsatz auch in einer computerbasierten Experimentierumgebung einen eigenständigen Beitrag zum Lernerfolg leistet und ob dieser Beitrag auch unter Kontrolle weiterer kognitiver und motivationaler Faktoren bedeutsam bleibt. Außerdem wird der Frage nachgegangen, inwiefern inhaltsspezifisches Vorwissen bei diesen Analysen als Moderatorvariable anzusehen ist. Isolierende Variablenkontrolle beim entdeckenden Lernen durch Experimentieren Die Isolierende Variablenkontrolle (IVK) ist eine Strategie des Experimentierens. Sie zeigt sich in einem systematischen Vorgehen beim entdeckenden Lernen in naturwissenschaftlichen Domänen, wenn es darum geht, den Zusammenhang zwischen unabhängigen und abhängigen Variablen experimentierend zu untersuchen (z. B. Chen & Klahr, 1999; de Jong & van Joolingen, 1998). Unter der Durchführung eines Experiments wird in der vorliegenden Arbeit genau eine Beobachtung verstanden: Einer oder mehreren unabhängigen Variablen werden bestimmte Ausprägungen oder Werte zugewiesen, um deren potenziellen Einfluss auf abhängige Variablen beobachten zu können. Die IVK-Strategie zielt beim Experimentieren darauf ab, den unabhängigen Vari- Josef Künsting et al. ablen die Ausprägungen oder Werte genau so zuzuweisen, dass eine Veränderung der abhängigen Variablen als Effekt genau einer unabhängigen Variablen erklärt werden kann. Einer Unterscheidung von Garner (1978) folgend ergeben sich dabei - je nach Art der unabhängigen Variablen - verschiedene Möglichkeiten, die IVK-Strategie einzusetzen: Handelt es sich bei einer unabhängigen Variablen um ein Merkmal, wie zum Beispiel Sonneneinstrahlung, das entweder vorhanden ist oder nicht (ein „feature“ im Sinne von Garner, 1978), dann besteht im Rahmen der IVK-Strategie nur die Möglichkeit, den Einfluss einer derartigen Variablen vollständig „auszuschalten“, um den Einfluss einer anderen „eingeschalteten“ Variablen isolierend untersuchen zu können. In Begriffen des (psychologischen) Experimentierens entspricht dies der experimentellen Kontrolle einer Störvariablen durch Eliminieren. Handelt es sich bei einer unabhängigen Variablen dagegen um eine Eigenschaft, die in zwei oder mehr Ausprägungen grundsätzlich immer vorhanden und wie zum Beispiel die Farbe eines Gegenstandes nicht „ausschaltbar“ ist (eine „dimension“ im Sinne von Garner, 1978), besteht im Rahmen der IVK-Strategie nur die Möglichkeit, den Einfluss einer derartigen Variablen auf eine bestimmte Ausprägung zu fixieren, um den Einfluss einer anderen Variablen isolierend untersuchen zu können. In Begriffen des (psychologischen) Experimentierens entspricht dies dem Konstanthalten einer Störvariablen. Da die Isolierende Variablenkontrolle durch Eliminieren innerhalb eines Experiments möglich wird, die Isolierende Variablenkontrolle durch Konstanthalten jedoch nur zwischen zwei Experimenten, werden diese beiden Varianten der IVK-Strategie im Folgenden als „IVK-within“ und „IVK-between“ bezeichnet. Isolierende Variablenkontrolle innerhalb eines Experimentes (IVK-within) Definition: „IVK-within“ ist das Zuweisen einer Ausprägung ungleich Null zu genau einer unabhängigen Variablen innerhalb eines Experiments, während allen anderen unabhängigen Variablen die Ausprägung Null zugewiesen wird, ihr potenzieller Einfluss auf die abhängige Variable also eliminiert wird. Beispiel (Kröner, 2001): An einer computerbasierten fiktiven Maschine soll der Einfluss von vier Reglern (unabhängige Variablen) auf die Anzeige von vier Instrumenten (abhängige Variablen) herausgefunden werden. Um isoliert den Einfluss von nur einem Regler auf die vier Anzeigeinstrumente zu überprüfen, darf - im Sinne der IVK-within-Strategie - nur einem der vier Regler eine Ausprägung ungleich Null zugewiesen werden, während die restlichen drei Regler auf Null gestellt werden müssen. Isolierende Variablenkontrolle zwischen zwei Experimenten (IVK-between) Definition: „IVK-between“ ist das Variieren der Ausprägung genau einer unabhängigen Variablen zwischen zwei aufeinanderfolgenden Experimenten, während alle anderen unabhängigen Variablen ihre Ausprägung aus dem ersten Experiment behalten, also konstant gehalten werden. Beispiel (Chen & Klahr, 1999): Es soll herausgefunden werden, wie weit sich eine Reihe von Metall-Spiralfedern als Funktion ihrer Länge, ihrer Breite und des Durchmessers des Spiraldrahtes (drei unabhängige Variablen) beim Anhängen eines Gewichtes ausdehnen (abhängige Variable). Um zum Beispiel den Einfluss der Länge auf die Ausdehnung isoliert zu überprüfen, muss in einem Folgeexperiment eine Spiralfeder mit identischer Breite und identischem Durchmesser des Spiraldrahtes wie im Experiment zuvor, aber mit unterschiedlicher Länge des Spiraldrahtes ausgewählt werden. Bisherige Arbeiten zur IVK-Strategie beim entdeckenden Lernen durch Experimentieren In der Literatur lassen sich zu beiden IVK-Varianten Studien finden, in denen allerdings der spezifische Unterschied zwischen IVK-between Strategisches Experimentieren und IVK-within nicht explizit berücksichtigt wird: Unter Isolierender Variablenkontrolle wird oftmals Unterschiedliches verstanden, und die Definitionen sowie Operationalisierungen der IVK-Strategie können zwischen und innerhalb von Studien deutlich divergieren (vgl. z. B. Chen & Klahr, 1999; Vollmeyer, Burns & Holyoak, 1996). Chen und Klahr (1999) zeigten, dass 7 - 10jährige Kinder mit einem CVS-Training (CVS: Control of Variables Strategy) einen signifikanten inhaltsspezifischen Wissenserwerb aufwiesen, ohne ein solches Training jedoch nicht (vgl. auch Klahr, 1999; Klahr, Chen & Toth, 2001). Definition und Operationalisierung der von den Autoren untersuchten Strategie weisen CVS als IVK-between aus. Kröner (2001; vgl. auch Kröner, Plass & Leutner, 2005) zeigte in seiner Arbeit zur Intelligenzdiagnostik per Computersimulation signifikante Korrelationen zwischen der Variablen „Explorationsstrategie“ und dem Lernerfolg (z. B. r = .31; unter Auspartialisierung der Intelligenz) innerhalb der computerbasierten Lernumgebung „Multiflux“, welche die Exploration und Steuerung einer fiktiven Maschine verlangt. Anders als Chen & Klahr (1999) operationalisierte Kröner seine Explorationsstrategie jedoch als IVK-within. Die Arbeiten von Blech und Funke (2005), Putz-Osterloh (1993) oder Vollmeyer, Burns und Holyoak (1996) legen darüber hinaus offen, dass sogar innerhalb von Untersuchungen Inkonsistenzen hinsichtlich begrifflicher Definition und Operationalisierung von IVK bestehen können. Beispielsweise definieren Vollmeyer, Burns und Holyoak (1996) die IVK-Strategie eingangs als IVK-between, operationalisieren sie aber als IVK-within. Leutner et al. (2005; vgl. auch Klieme et al., 2005; Wirth, Meyer & Leutner, 2005) führten eine Studie durch, in der die Probanden einer PISA-Teilstichprobe eine computerbasierte Lernumgebung namens „Butterfly“ bearbeiteten. Beide Strategie-Varianten (IVK-between und IVK-within) waren in dieser Lernumgebung einsetzbar und sind erfasst worden. Ziel für die Lerner war es, die Veränderung von Form und Position einer Parabel (abhängige Variablen) über die Zuweisung von Ausprägungen zu vier Reglern (unabhängige Variablen) zu explorieren. In dieser Studie wurde mit Hilfe von Strukturgleichungsmodellen ein substanzieller Effekt des Anwendens von IVKwithin auf den Lernerfolg nachgewiesen (b = .55), wohingegen die Pfade von IVK-between auf den Lernerfolg mit b = -.03 unbedeutend waren (Wirth, Meyer & Leutner, 2005). Diese sehr unterschiedlichen Ergebnisse für IVK-within und IVK-between machen die Notwendigkeit einer klaren Definition und validen Operationalisierung der untersuchten IVK-Variante deutlich. In Studien zum IVK- Einsatz empfiehlt sich daher eine genaue Definition der zu untersuchenden IVK-Variante vor der Untersuchung. Mit Blick auf die interne Validität der Ergebnisse besteht die Notwendigkeit einer Übereinstimmung der IVK-Variante in Definition und Operationalisierung innerhalb einer Untersuchung. Mit Blick auf die externe Validität der Ergebnisse sollte außerdem die IVK-Variante der Diagnosesituation (z. B. um bei Schülern den Förderbedarf für einen erfolgreichen IVK-Einsatz festzustellen) mit derjenigen übereinstimmen, die für den Erkenntnisgewinn in der späteren Anforderungssituation relevant ist (z. B. geplante Schülerexperimente in einem naturwissenschaftlichen Schulfach). Intelligenz, Motivation, metakognitives Strategiewissen und inhaltsspezifisches Vorwissen Wie in jeder Lernsituation ist auch beim entdeckenden Lernen durch Experimentieren das strategische Vorgehen nicht der alleinige Faktor, der eine wichtige Rolle für den Lernerfolg spielt. Daher müssen weitere Faktoren berücksichtigt und kontrolliert werden, wenn der eigenständige Beitrag des Strategieeinsatzes zum Lernerfolg untersucht werden soll. Zu den wichtigsten dieser Faktoren gehören Intelligenz, Motivation, metakognitives Strategiewissen und inhaltsspezifisches Vorwissen. Josef Künsting et al. Intelligenz. Evidenz für den bedeutsamen Einfluss von Intelligenz (s. Sternberg, 1985) auf den Lernerfolg ist häufig erbracht worden (z. B. Guthke & Wiedl, 1996; Schweizer & Koch, 2002). Kröner (2001) fand signifikante Zusammenhänge zwischen Intelligenz und Lernerfolg in der oben beschriebenen Lernumgebung „Multiflux“, und zwar auch nach Auspartialisierung der in dieser Studie gemessenen IVKwithin-Strategie. Kröner fand ebenfalls, dass umgekehrt die IVK-within-Strategie neben Intelligenz einen eigenständigen Beitrag zur Vorhersage des Lernerfolgs leisten kann. Motivation. Lernen geschieht unter wechselseitiger Beeinflussung motivationaler und kognitiver Merkmale der Lernenden (z. B. Boekarts, 1996; Pressley, Borkowsky & Schneider, 1987; Vollmeyer & Rheinberg, 1998). Schiefele und Schreyer (1994) kommen auf der Grundlage einer Meta-Analyse zu dem Schluss, dass intrinsische Lernmotivation mit strategischem Vorgehen beim Lernen einhergeht. Ähnliches berichten Rheinberg, Vollmeyer und Lehnik (2000) für die aufgabenspezifische Erfolgszuversicht. Als Variable, die den Einfluss der Motivation auf den Lernerfolg vermittelt, scheint jedoch der Lernaufwand, der bei hoher Motivation ungleich größer ist als bei geringer Motivation, entscheidender zu sein (Schiefele, Wild & Winteler, 1994). Es ist demnach davon auszugehen, dass Motivation nicht nur vermittelt durch den Strategieeinsatz, sondern auch vermittelt über weitere Variablen einen substanziellen Beitrag zum Lernerfolg leistet. Metakognitives Strategiewissen. Metakognitives Strategiewissen ist die Kenntnis darüber, wann, wo und auf welche Weise sich kognitive, also direkt auf die Verarbeitung zu erlernender Informationen ausgerichtete Strategien gewinnbringend einsetzen lassen (vgl. Brown, 1978). Es kann damit als eine Voraussetzung für das strategische Vorgehen beim Lernen angesehen werden (z. B. Thillmann, Künsting, Wirth & Leutner, 2006). In der Forschung zum Textverständnis konnten entsprechend substanzielle Zusammenhänge zwischen dem Wissen über Lesestrategien und der Fähigkeit, Texte zu verstehen, nachgewiesen werden (Artelt, Schiefele & Schneider, 2001; vgl. auch Schlagmüller & Schneider, 1999). Es ist davon auszugehen, dass sich ein solcher Zusammenhang auch beim entdeckenden Lernen durch Experimentieren zeigt. Vorwissen. Untersucht man den Strategieeinsatz in realen Experimentier-Settings oder in computerbasierten Experimentierumgebungen, die einen realen Inhaltsbereich simulieren, sind inhaltsspezifische Vorwissenseffekte nicht auszuschließen (z. B. Süß, 1996; Wirth, 2004). Es ist zudem davon auszugehen, dass inhaltsspezifisches Vorwissen die Nutzbarkeit von Strategien und ihre Wirksamkeit auf den Lernerfolg beeinflusst (vgl. Baumert & Köller, 1996; Schraagen, 1993). Vorwissen kommt beim entdeckenden Lernen durch Experimentieren eine besondere Bedeutung zu, da ein gewisses Ausmaß an Vorwissen notwendig ist, um geeignete Hypothesen aufzustellen, die dann durch Experimente überprüft werden können (vgl. Klahr & Dunbar, 1988). Insofern ist davon auszugehen, dass es erst ab einem bestimmten Ausmaß verfügbaren Vorwissens möglich ist, hypothesengeleitete und strategische Experimente beim entdeckenden Lernen durchzuführen und so einen gewissen Lernerfolg zu erreichen. Vorwissen käme demnach eine Moderatorfunktion für den Zusammenhang zwischen Strategieeinsatz und Lernerfolg zu. Fragestellung und Hypothesen Die between-Variante der Strategie der Isolierenden Variablenkontrolle wurde bislang nahezu ausschließlich in Interventionsstudien mit realen Experimentierkontexten untersucht. Dabei wurden jedoch Faktoren, die potenziell einen Einfluss auf die Wirksamkeit des IVKbetween-Einsatzes auf den Lernerfolg haben können (wie z. B. Intelligenz, Motivation, metakognitives Strategiewissen oder inhaltsspezifisches Vorwissen) nicht hinreichend berücksichtigt (z. B. Chen & Klahr, 1999). Entsprechende Ergebnisse, wie sie im Hinblick auf die IVK-within-Variante berichtet werden (z. B. Kröner, 2001; Rheinberg et al., 2000), lassen sich nicht ohne Weiteres auf IVK-between Strategisches Experimentieren übertragen, da man von deutlichen Unterschieden zwischen IVK-within und IVK-between ausgehen muss (Wirth, Meyer & Leutner, 2005). Es bleibt daher die Frage, inwieweit sich die Nutzung von IVK-between beim entdeckenden Lernen durch Experimentieren als substanzieller Prädiktor für Lernerfolg erweist, wenn zusätzlich weitere Prädiktoren als Kontrollvariablen in das Prädiktionsmodell aufgenommen werden. Um den Aufwand der empirischen Untersuchung dieser Frage in Grenzen zu halten, empfiehlt es sich, auf eine computerbasierte Experimentierumgebung zurückzugreifen. Da jedoch bislang in computerbasierten Experimentierumgebungen der Zusammenhang zwischen IVK-between und Lernerfolg empirisch noch nicht gezeigt werden konnte, stellt sich zunächst die Frage, ob dieser Zusammenhang, der in realen Experimentier-Settings bereits mehrfach beobachtet wurde, sich auch mit einer ökonomisch einsetzbaren Experimentierumgebung nachweisen lässt. Folgende Hypothesen sollten durch die Studie überprüft werden: Hypothese 1: Vor dem Hintergrund bisheriger Untersuchungen mit realen Experimentier- Settings ist zu erwarten, dass der IVK-between- Einsatz auch in einer computerbasierten Experimentierumgebung ein bedeutsamer Prädiktor für Lernerfolg ist (vgl. Chen & Klahr, 1999). Hypothese 2: Auf der Basis bisheriger Forschung (vgl. Artelt, Schiefele & Schneider, 2001; Boekarts, 1996; Kröner, 2001; Kröner et al., 2005; Schlagmüller & Schneider, 1999) wird erwartet, dass sich der IVK-between-Einsatz auch unter jeweiliger Kontrolle von Intelligenz, Motivation und metakognitivem Strategiewissen als bedeutsamer Prädiktor für Lernerfolg erweist. Hypothese 3: Es wird erwartet, dass der IVKbetween-Einsatz bei hohem Vorwissen ein besserer Prädiktor für Lernerfolg ist als bei geringem Vorwissen, da ein höheres Vorwissen das Bilden von Hypothesen und damit die Nutzbarkeit von IVK-between begünstigen sollte (vgl. Baumert und Köller, 1996; Klahr & Dunbar, 1988; Schraagen, 1993). Methode Computerbasierte Experimentierumgebung. Um den Einsatz der IVK-between-Strategie zuverlässig und valide untersuchen zu können, wurde eine computerbasierte Experimentierumgebung in Form einer interaktiven Simulation des physikalischen Inhaltsbereichs „Auftrieb in Flüssigkeiten“ entwickelt (Abbildung 1). Basierend auf dem „Scientific Discovery as Dual Search (SDDS)“-Ansatz von Klahr und Dunbar (1988) ermöglicht die Experimentierumgebung entdeckendes Lernen durch Generieren von Hypothesen, die mittels strategisch durchzuführender Experimente getestet werden können. Dafür stehen auf dem Computerbildschirm ein „Labor“ zum Durchführen der Experimente und ein „Notizblock“ zur grafischen Darstellung von Beziehungen zwischen den untersuchten Variablen zur Verfügung. Eine fiktive Figur (Herr Dr. Senkwürfel) führte die Probanden durch die Experimentierumgebung („anchored instruction“, Bransford et al., 1990) und erteilte auch den Lernauftrag: „Finde so viel wie möglich über das Sinken, Schweben und Steigen von Körpern im Wasser heraus und berichte mir anschließend! “ Für die Untersuchung der Zusammenhänge zwischen unabhängigen Variablen (z. B. Volumen eines Körpers) und abhängigen Variablen (z. B. Auftriebskraft eines Körpers) standen den Schülern 12 verschiedene Körper zur Verfügung. Diese konnten die Schüler im Labor jeweils per Mausbewegung in einen von zwei Wasserbehältern befördern, worauf das Verhalten der Körper im Wasser (z. B. das Sinken) und die hierbei auftretenden Kräfte (z. B. die Auftriebskraft) simuliert wurden. Im Notizblock konnten die Probanden die hierbei gemachten Beobachtungen und Annahmen grafisch fixieren und sie als Anlass für weitere Experimente verwenden. Stichprobe An der Studie nahmen 436 Schüler (48.1 % männlich; 51.9 % weiblich) der Klassen 8 - 10 der drei Schulformen Hauptschule (22.0 %), Realschule (47.5 %) und Gymnasium (30.5 %) mit einem Durchschnittsalter von 15.1 (SD = .93) Jahren teil. Es gingen nur Klassen ohne bisherigen Unterricht zum Inhaltsbereich „Auftrieb in Flüssigkeiten“ ein. Vorgehensweise und eingesetzte Instrumente Die Untersuchung fand an zwei Testtagen statt. Am ersten Testtag bearbeiteten die Schüler zunächst ei- Josef Künsting et al. nen Test zum metakognitiven Strategiewissen im Bereich Experimentieren (Thillmann et al., 2006), bei dem die Schüler unterschiedliche strategische Handlungsalternativen für spezifische experimentell zu bearbeitende Aufgabenstellungen (z. B. „Du hast die Aufgabe herauszufinden, ob sich die Raumtemperatur verändert, wenn die Kühlschranktür offen stehen bleibt.“) anhand der Vergabe von Schulnoten beurteilen sollten. Danach wurde zur Untersuchung von Fragestellungen, die hier nicht relevant sind, der computerbasierte „Heidelberger Finite Automat“ (Funke, Töpfer & Wagener, 1998; vgl. a. Klieme, Leutner & Wirth, 2005) eingesetzt. Im Anschluss daran bearbeiteten die Schüler die Skala „figurale Analogien“ aus dem Kognitive Fähigkeiten-Test (KFT; Heller, Gaedicke & Weinländer, 1985). Nach fünfminütiger Pause wurde mittels multiple-choice-Aufgaben mit dreistufigem Antwortformat („richtig“, „falsch“, „weiß nicht“) das deklarativ-konzeptuelle Wissen (Prätest) über die relevanten Konzepte des Inhaltsbereichs „Auftrieb in Flüssigkeiten“ erfasst (z. B. „Ist die folgende Aussage korrekt? : ,Wenn die Gewichtskraft (FG) eines Körpers im Wasser kleiner ist als seine Auftriebskraft (FA), dann steigt er.‘“). Hieran schlossen sich die Erhebung demografischer Daten, des Interesses am Unterrichtsfach Physik (z. B. „Mein Interesse am Fach Physik ist hoch.“; Baumert, Roeder, Sang & Schmitz, 1986) sowie des Strategiewissens zum Umgang mit Texten an (analog zum zuvor beschriebenen Test für das metakognitive Strategiewissen im Bereich Experimentieren; Schlagmüller & Schneider, 1999). Am zweiten Testtag bearbeiteten die Schüler am PC zuerst ein computerbasiertes Trainingsprogramm für den Umgang mit der Experimentierumgebung. Nach dem Training füllten die Schüler den „Fragebogen zur aktuellen Motivation“ aus (FAM; z. B. „Bei Aufgaben wie dieser brauche ich keine Belohnung, sie machen mir auch so viel Spaß.“; Rheinberg, Vollmeyer & Burns, 2001), bevor sie mit der 20-minütigen computerbasierten Explorationsphase (Lernphase) begannen. Anschließend wurde der Test für das deklarativ-konzeptuelle Wissen (Posttest) dargeboten, welcher in 17 von 27 Items mit dem Wissens-Prätest übereinstimmte. Zum Schluss gelangten die Schüler automatisch zu einem computerbasierten Wissensan- Abbildung 1: Computerbasierte Experimentierumgebung mit dem Inhaltsbereich „Auftrieb in Flüssigkeiten“ Strategisches Experimentieren wendungstest, bei dem sie in einem zweiten simulierten Labor 15 Problemlöseaufgaben bearbeiten sollten (z. B. „Bringe einen Körperturm aus drei Körpern zum Schweben.“). Bei diesem Test wurde die Fähigkeit der Schüler geprüft, ihr erworbenes Wissen für das Lösen konkreter Probleme zielgerichtet zu nutzen (Wissensanwendung). Operationalisierung des IVK-between-Einsatzes. Jegliche Lerneraktivitäten in der Experimentierumgebung wurden prozessbasiert und zeitgleich in ein Logfile (Protokolldatei) geschrieben (vgl. Wirth, 2004). Diese Verhaltensdaten wurden dahingehend analysiert, mit welcher relativen Häufigkeit die IVK-between-Strategie eingesetzt wurde. Die IVKbetween-Strategie galt als genutzt, wenn zwischen zweiunmittelbar aufeinanderfolgendenExperimenten (einem „Experimentepaar“) alle unabhängige Variablen bis auf eine in ihren Ausprägungen konstant gehalten wurden. Der Skalenwert einer Person für die Anwendung von IVK-between war definiert als Anteil der gemäß IVK-between durchgeführten Experimentepaare an allen durchgeführten Experimente. Um die Reliabilität des Maßes einschätzen zu können, wurden alle von einem Schüler durchgeführten Experimentepaare im Sinne eines Abzählreims (A, B, C, A, B, C, A,…) in drei Pakete A, B und C aufgeteilt, für die dann jeweils der Anteil an IVK-between-Experimentepaaren berechnet wurde. So entstanden drei zeitunabhängige Messungen des IVK-between-Anteils, auf deren Basis die Reliabilität im Sinne interner Konsistenz bestimmt werden kann (s. Tabelle 1). Wie Tabelle 1 zeigt, weisen alle in der Untersuchung eingesetzten Tests und Maße eine zufriedenstellende interne Konsistenz (.71 ≤ Cronbachs a ≤ .91) und eine angemessene Schwierigkeit auf (.32 ≤ M ≤ .60; alle Skalen wurden auf einen theoretischen Wertebereich zwischen 0 und 1 transformiert). Innerhalb der 20-minütigen Explorationsphase führten die Probanden im Schnitt 45.80 Experimente durch (SD = 27.84; SE = 1.65). Bei durchschnittlich 17 Experimenten (SD = 16.94; SE = 1.00) wurde die IVK-between-Strategie eingesetzt. Der Mittelwert des Posttests des deklarativ-konzeptuellen Wissens ist zwar nur geringfügig höher als der des Prätests. Das bedeutet jedoch nicht, dass die Probanden innerhalb der Explorationsphase nur geringfügig dazu gelernt hätten. Vielmehr sind die ähnlich hohen Mittelwerte darauf zurückzuführen, dass es sich um zwei Tests handelt, die neben 17 gemeinsamen Ankeritems noch weitere Aufgaben umfassten, die in der jeweils anderen Testversion nicht enthalten waren. Beim Vergleich der Leistungen in nur diesen 17 Ankeritems zeigt sich für die Gesamtstichprobe ein Lernzuwachs im Sinne einer statistisch signifikanten Punktwert-Differenz zwischen Post- und Prätest (Δ = 1.35, t (405) = 8.59, p < .01; d = .43). Um für einige der folgenden Analysen die Variablen des Lernerfolgs (deklarativ-konzeptuelles Wissen im Posttest und Wissensanwendung) unabhängig vom inhaltsspezifischen Vorwissen (deklarativ-konzeptuelles Wissen im Prätest) betrachten zu können, wurden die Variablen „deklarativ-konzeptueller Wissenszuwachs“ und „vorwissensbereinigte Wissensanwendung“ als das jeweilige Residuum aus Einfachregressionen mit inhaltsspezifischem Vorwissen als Prädiktor berechnet (residualer Lerngewinn). Mittelwert Standard- Cronbachs a abweichung Konzeptuell-deklaratives Wissen (Prätest) . .19 . Konzeptuell-deklaratives Wissen (Posttest) . 0 . 0 . 1 Wissensanwendung . . 8 .81 IVK-between-Einsatz . .18 .80 Intelligenz (KFT) . 0 . 1 .8 Metakognitives Strategiewissen . 9 .18 . Interesse . . .91 Motivation (FAM) . . 1 .8 Tabelle 1: Deskriptive Statistiken und Reliabilitäten auf Basis der Gesamtstichprobe (N = 436) 8 Josef Künsting et al. Ergebnisse Hypothese 1 - IVK-between-Einsatz als Prädiktor für Lernerfolg Der Einsatz von IVK-between korreliert erwartungsgemäß statistisch signifikant mit dem Wissenszuwachs und der Leistung im Wissensanwendungstest (Tabelle 2). Darüber hinaus liefern die Korrelationen Hinweise auf die Konstruktvalidität der entwickelten Instrumente: Der IVK-between-Einsatz sowie die Leistungen im Posttest des deklarativ-konzeptuellen Wissens und im Wissensanwendungstest korrelieren positiv mit dem KFT-Maß der Intelligenz. Weiterhin erbrachten Schüler, die im Wissens-Posttest gut abschnitten, auch im Wissensanwendungstest gute Leistungen. Wie stark der Einsatz der IVK-between- Strategie als Prädiktor für den Lernerfolg ist, wurde mit Hilfe von latenten Strukturgleichungsmodellen überprüft. In diese Analysen wurden ausschließlich Personen einbezogen, für die vollständige Datensätze ohne fehlende Werte vorlagen. Die entsprechende Teilstichprobe enthielt 286 Schüler (50.7 % männlich, 49.3 % weiblich; Hauptschule = 20.6 %, Realschule = 49.3 %, Gymnasium = 30.1 %; Durchschnittsalter = 15.1 Jahre, SD = .91). In einer ersten Analyse wurde zunächst nur der IVK-between-Einsatz als unabhängige Variable einbezogen. In diesem Modell sagt der IVK-between-Strategieeinsatz sowohl den konzeptuellen Wissenszuwachs (b = .37, p < .001) als auch die (vorwissensbereinigte) Leistung im Wissensanwendungstest (b = .32, p < .001) statistisch signifikant vorher (Abbildung 2 a). Das Modell repräsentiert die Daten angemessen (siehe Fit-Indizes der Modellgüte in Abbildung 2 a; vgl. Marsh, Balla & Hau, 1996). Somit stehen die Ergebnisse im Einklang mit Hypothese 1. Hypothese 2 - IVK-between als Prädiktor für Lernerfolg unter Kontrolle von Intelligenz, Motivation oder metakognitivem Strategiewissen Intelligenz (KFT). Die Vorhersage des deklarativ-konzeptuellen Wissenszuwachses und der Leistung im Wissensanwendungstest durch den IVK-between-Einsatz fällt in dem Strukturgleichungsmodell unter Einbezug der Intelligenz erwartungskonform signifikant aus (b = .26, p < .01, bw. b = .24, p < .01; Abbildung 2 b), was die Annahme eines eigenständigen Beitrags des IVK-between-Einsatzes zur Vorhersage des Lernerfolgs zusätzlich zur Intelligenz bestätigt. Tabelle 2: Interkorrelationen aller Variablen in der Gesamtstichprobe (N = 436) * p < .05; ** p < .011 Der hier aufgeführte Wissenszuwachs ist nicht die einfache Post-Prätest-Differenz, sondern der um das Vorwissen bereinigte Wissenszuwachs (residualer Lerngewinn). Da in diesem Maß für den Wissenszuwachs keine Varianz des Vorwissens mehr enthalten ist, kann diese Korrelation nur bei Null liegen. 1. 2. 3. 4. 5. 6. 7. 8. 1. Konz.-dekl. Wissen (Prätest) - . Konz.-dekl. Wissen (Posttest) . ** - . Wissenszuwachs .001 .8 ** - . Wissensanwendung . ** . ** . ** - . IVK-between-Einsatz . ** . 1** . ** . 8** - . Intelligenz (KFT) . ** . 9** . ** . ** . 9** - . Metakogn. Strategiewissen . ** . ** .18** . 1** .1 ** . 8** - 8. Interesse .1 ** .18** .11* .0 .0 .0 .0 - 9. Motivation (FAM) .1 ** . ** .1 ** .1 ** .1 ** .1 * .1 * . 1** Strategisches Experimentieren 9 Abbildung 2: Strukturmodell (a) ohne Einbeziehung einer Kontrollvariablen, (b) mit Einbeziehung der Intelligenz als Kontrollvariable, (c) mit Einbeziehung der Motivation als Kontrollvariable und (d) mit Einbeziehung des metakognitiven Strategiewissens als Kontrollvariable; * p < .05; ** p < .01; *** p < .001 10 Josef Künsting et al. Neben der latenten Korrelation des IVKbetween-Strategieeinsatzes mit Intelligenz sind auch die Pfade von der Intelligenz auf die zwei Variablen des Lernerfolgs mit vergleichbaren Beträgen substanziell. Der Pfad vom deklarativkonzeptuellen Wissenszuwachs auf die Wissensanwendung erweist sich in diesem Modell als der schwächste Zusammenhang. Motivation (FAM). Ebenfalls signifikant werden die Pfade vom IVK-between-Einsatz auf den Wissenszuwachs und die Wissensanwendung, wenn in dem Strukturgleichungsmodell die Motivation kontrolliert wird (b = .35, p < .001, bzw. b = .35, p < .001; Abbildung 2 c). Der IVK-between-Einsatz leistet demnach zur Varianzaufklärung des Lernerfolgs auch zusätzlich zur Motivation einen eigenständigen Beitrag. Die latente Korrelation des IVK-between- Einsatzes mit Motivation fällt dagegen schwach aus, und die Pfade von der Motivation auf die zwei Variablen des Lernerfolgs sind nicht statistisch bedeutsam. Metakognitives Strategiewissen. Zuletzt erweist sich der IVK-between-Einsatz auch unter Kontrolle des metakognitiven Strategiewissens als bedeutsamer Prädiktor für den Lernerfolg (Wissenszuwachs: b = .31, p < .001; Wissensanwendung: b = .31, p < .001; Abbildung 2 d). Ansonsten ähnelt die Ergebnisstruktur dieses Modells weitgehend der Struktur des Modells mit Motivation als Kontrollvariable. Auch die Strukturgleichungsmodelle mit der jeweiligen Einbeziehung einer Kontrollvariablen weisen eine angemessene Güte auf (siehe jeweilige Fit-Indizes der Modellgüte in Abbildung 2), wodurch die zweite Hypothese gestützt wird. Hypothese 3 - Vorwissen als Moderator Um einen potenziellen Moderatoreffekt des deklarativ-konzeptuellen Vorwissens auf die Wirksamkeit des IVK-between-Einsatzes auf den Lernerfolg untersuchen zu können, wurde die Stichprobe anhand des Vorwissens in zwei Subgruppen geteilt. Die Bildung der Subgruppen erfolgte anhand der Aufsplittung am Mittelwert des deklarativ-konzeptuellen Wissenstests (Prätest). Probanden mit hohem Vorwissen setzten signifikant häufiger die IVK-between- Strategie ein als Probanden mit geringem Vorwissen (hohes Vorwissen: N = 134, M = .35, SD = .16; geringes Vorwissen: N = 152, M = .30, SD = .18; t (284) = -2.86, p < .01). Gruppenvergleich unter Kontrolle der Intelligenz. Alle Modelle der simultanen Gruppenanalyse unterliegen strukturell dem gleichen Prinzip wie die Modelle aus Abbildung 2 b - d, mit dem Unterschied, dass jedes Strukturmodell einmal für die Subgruppe mit hohem Vorwissen und einmal für die Subgruppe mit geringem Vorwissen berechnet wurde. Der IVKbetween-Einsatz erweist sich in der Subgruppe mit hohem Vorwissen mit b = .47 (p < .001) erwartungskonform als guter Prädiktor für den deklarativ-konzeptuellen Wissenszuwachs, bei Probanden mit geringem Vorwissen dagegen nicht (b = .13, n.s.). Die Vorhersage der Leistung im Wissensanwendungstest zeigt dagegen ein umgekehrtes Muster: Mit b = .30 (p < .01) ist der Pfad vom IVK-between-Einsatz zur Wissensanwendung bei geringem Vorwissen statistisch signifikant, bei hohem Vorwissen jedoch nur marginal (b = .22, p < .10). Der Pfad von der Intelligenz zum Wissenszuwachs ist in beiden Subgruppen fast identisch, der Pfad von der Intelligenz zur Wissensanwendung ist bei hohem Vorwissen mit b = .45 (p < .01) jedoch deutlich stärker als bei geringem Vorwissen (b = .12, n.s.). Die latente Korrelation des IVKbetween-Einsatzes mit Intelligenz ist schließlich bei hohem Vorwissen deutlich kleiner als bei geringem Vorwissen. Das Modell repräsentiert in beiden nach Vorwissen separierten Subgruppen die erhobenen Daten sehr zufriedenstellend (siehe Tabelle 3). Die a priori angenommenen Unterschiede zwischen den zwei Subgruppen wurden via simultaner Gruppenanalyse auf Signifikanz überprüft. Dabei wird die Annahme eines invarianten Modells (das Modell ist für beide Gruppen in allen Pfaden identisch) mit der Annahme eines spezifischen Modells (die Gruppen unterscheiden sich in einem oder mehreren Pfaden Strategisches Experimentieren 11 des Modells) verglichen (vgl. z. B. Arbuckle & Wothke, 1999). Im Ergebnis zeigt das vollständig spezifische Modell (Freigabe aller Pfade und der latenten Korrelation) eine bessere Anpassung an die Daten als das invariante Modell (ΔChi 2 / Δdf = 2.18, p < .05; AIC invariant = 172.55 > AIC spezifisch = 171.48). Die beiden Gruppen unterscheiden sich also in der Gesamtbetrachtung des Modells statistisch signifikant voneinander. Insbesondere die alleinige Freigabe des Pfades vom IVK-between-Einsatz zum Wissenszuwachs führt zur signifikanten Unterscheidung zwischen den Gruppen (ΔChi 2 / Δdf = 5.48, p < .03; AIC invariant = 172.55 > AIC spezifisch = 167.52), was auch noch gilt, wenn zusätzlich der Pfad vom IVKbetween-Einsatz zur Leistung im Wissensanwendungstest sowie die latente Korrelation zwischen IVK-between-Einsatz und Intelligenz freigegeben werden (ΔChi 2 / Δdf = 3.23, p < .03; AIC invariant = 172.55 > AIC spezifisch = 168.85). Hingegen macht die alleinige Freigabe des Pfades vom IVK-between-Einsatz zur Leistung im Wissensanwendungstest keinen signifikanten Unterschied zwischen den Gruppen aus (ΔChi 2 / Δdf = 1.18, n.s.; AIC invariant =172.55 < AIC spezifisch = 173.36). Werden statt der Intelligenz die Motivation beziehungsweise das metakognitive Strategiewissen in das Modell als Kontrollvariablen einbezogen, resultiert für die zwei relevanten Pfade vom IVK-between-Einsatz zum Wissenszuwachs und zur Leistung im Wissensanwendungstest ein ähnliches Ergebnismuster wie unter Kontrolle der Intelligenz (siehe zusammenfassend Tabelle 3). Den besten Modell- Fit zeigt jeweils das spezifische Modell, in dem die Unterschiedlichkeit zwischen den zwei Gruppen nur hinsichtlich des Pfades vom IVK-between-Einsatz zum Wissenszuwachs angenommen wird (Modell mit Motivation als Kontrollvariable: ΔChi2/ Δdf = 4.49, p < .03; AIC invariant = 167.27 > AIC spezifisch = 164.78; Modell mit metakognitivem Strategiewissen als Kontrollvariable: ΔChi 2 Δdf = 5.06, p < .03; AIC invariant = 199.96 > AIC spezifisch = 196.90). Zusammenfassende Diskussion Die vorliegende Studie liefert einen wichtigen Beitrag zur Frage, inwiefern die Nutzung der between-Variante der Isolierenden Variablenkontrolle (IVK) als Strategie beim entdeckenden Lernen durch Experimentieren im naturwissenschaftlichen Unterricht ein eigenständiger Prädiktor für Lernerfolg ist, wenn zusätzlich weitere lernerfolgsrelevante Variablen kontrol- Standardisierter Pfadkoeffizient ( b ): Fit-Indizes IVK-between auf Zusätzlicher Wissens- Wissens- Chi 2 (df) p RMSEA TLI Prädiktor im Modell: zuwachs anwendung Intelligenz Hohes Vorwissen (N = 1 ) . *** . + 19.99 ( 1) . .00 1.01 Geringes Vorwissen (N = 1 ) .1 . 0** 19. 8 ( 1) . .00 1.01 Aktuelle Motivation Hohes Vorwissen (N = 1 ) . 1*** . 0 . ( 1) . .0 .99 Geringes Vorwissen (N = 1 ) . + . 1** 1 . ( 1) .8 .00 1.0 Strategiewissen Hohes Vorwissen (N = 1 ) . *** . . ( 9) . 1 .0 .99 Geringes Vorwissen (N = 1 ) . 0+ . ** 8. 1 ( 9) . 0 .00 1.0 + p < .10; ** p < .01; *** p < .001 Tabelle 3: Zusammenfassung der zwei wichtigsten Pfade und der Fit-Indizes der nach Vorwissen getrennten Strukturmodelle 1 Josef Künsting et al. liert werden und die moderierende Funktion des Vorwissens berücksichtigt wird. Zunächst wurde auf theoretischer Basis diskutiert, dass man zwei Varianten der in den Naturwissenschaften etablierten Experimentierstrategie der Isolierenden Variablenkontrolle (IVK) unterscheiden kann und muss (IVKbetween und IVK-within), wenn Messungen und Studien eine angemessene interne und externe Validität haben sollen. Dies mündete in die praxisrelevante Forderung der Übereinstimmung der in der Diagnose-Situation erfassten IVK-Variante mit der in der realen Anforderungssituation zu nutzenden IVK-Variante. In der vorgestellten empirischen Studie wurde eine computerbasierte Experimentierumgebung mit einem curricular validen physikalischen Inhaltsbereich eingesetzt. Mit ihrer Hilfe konnten statistisch signifikante Zusammenhänge zwischen der Nutzung der Strategievariante IVK-between und Variablen des Lernerfolgs aufgedeckt werden. Der IVK-between- Strategie-Einsatz erwies sich als bedeutsamer Prädiktor des deklarativ-konzeptuellen Wissenszuwachses, und zwar auch unabhängig davon, ob Intelligenz, aktuelle Motivation oder metakognitives Strategiewissen als Kontrollvariablen berücksichtigt wurden. Für Probanden mit hohem Vorwissen fielen die Pfade vom Einsatz der IVK-between-Strategie auf den deklarativ-konzeptuellen Wissenszuwachs im Vergleich zu Probanden mit geringem Vorwissen durchweg deutlich stärker aus. Dies steht damit im Einklang, dass das Vorwissen der Schüler einen bedeutsamen Varianzanteil im Wissenszuwachs (22.7 %) bindet und dass bei Probanden mit hohem Vorwissen der Anteil gemäß der IVK-between-Strategie durchgeführten Experimente an allen Experimenten signifikant größer ist als bei gering Vorwissenden (t (284) = 5.25; p < .01; d = .36). Diese Ergebnisse, welche die Annahme des inhaltsspezifischen Vorwissens als bedeutsamer Moderator unabhängig davon stützen, ob jeweils Intelligenz, Motivation oder Strategiewissen als konkurrierender Prädiktor zugelassen wird, lassen sich dahingehend interpretieren, dass ein hohes inhaltsspezifisches Vorwissen den Einsatz der IVK-between-Strategie und das Ziehen der richtigen Schlussfolgerungen daraus begünstigt. Etwas abgeschwächt wird die Rolle des Vorwissens als Moderator des Zusammenhangs zwischen IVK-between-Einsatz und Lernerfolg dadurch, dass die Differenz der b-Koeffizienten zwischen den beiden Vorwissensgruppen je nach Lernerfolgsvariable (Wissenszuwachs vs. Wissensanwendung) ein unterschiedliches Vorzeichen trägt. Jedoch führte die alleinige Freigabe des Pfades vom IVK-between-Einsatz zur Leistung im Wissensanwendungstest zu keiner signifikanten Unterscheidung zwischen den Gruppen, die alleinige Freigabe des Pfades vom IVK-between-Einsatz zum Wissenszuwachs hingegen schon. Wie lässt sich diese zumindest tendenzielle Gegensätzlichkeit erklären beziehungsweise interpretieren? Die Probanden mit hohem Vorwissen verfügten auch nach der Lernphase noch über deutlich mehr inhaltspezifisches Wissen (deklarativ-konzeptuelles Wissen im Posttest) als Probanden mit wenig Vorwissen (t (284) = -7.12; p < .001; d = .93). Insofern konnten sie im Wissensanwendungstest auf mehr Wissen zurückgreifen als Probanden mit wenig (Vor-)Wissen. Für Probanden, die mit wenig Wissen die Aufgaben des Wissensanwendungstests bearbeiten, stellt sich neben der eigentlichen Anforderung, verfügbares Wissen zielgerichtet anzuwenden, noch zusätzlich das Problem, sich fehlendes Wissen aneignen zu müssen. Hierbei scheint die Fähigkeit, die IVKbetween-Strategie einsetzen zu können, lernförderlich zu sein und damit gerade bei Probanden mit wenig (Vor-)Wissen die erfolgreiche Bewältigung des Wissensanwendungstests zu unterstützen. Der Befund, dass das Strategiewissen nur gering mit dem Strategieeinsatz korreliert, deutet darauf hin, dass das deklarative Strategiewissen nicht mit Anwendungswissen gleichzusetzen ist und somit nicht zwangsläufig in eine effektive Nutzung von Strategien mündet (vgl. Thillmann et al., 2006). Insofern zeigt sich für die IVK-between-Strategie ein „Produktionsdefi- Strategisches Experimentieren 1 zit“, wie es sich auch für Lernstrategien in anderen als experimentellen Lernsituationen zeigt (Hasselhorn, 1995). Zusammenfassend hat die vorliegende Arbeit, die validitätsrelevante Abgrenzung von zwei Varianten der Experimentierstrategie der Isolierenden Variablenkontrolle (IVK-between und IVK-within) berücksichtigend, den Stellenwert der between-Variante der IVK-Strategie für das entdeckende Lernen durch Experimentieren verdeutlicht: Eine theoretische Implikation besteht darin, dass die IVKbetween-Strategie beim strategischen Experimentieren neben Intelligenz, Motivation und Strategiewissen einen Platz als eigenständiger Prädiktor für den Lernerfolg einzunehmen vermag. Eine weitere theoretische Implikation besteht darin, dass die Effizienz der Nutzung der IVK-between-Strategie stark vom Ausmaß des inhaltsspezifischen Vorwissens abhängt: Probanden mit hohem Vorwissen profitieren deutlich stärker vom IVK-between-Strategieeinsatz als Probanden mit geringem Vorwissen. Als praktische Implikation gebührt der IVK-between-Strategie, unter Berücksichtigung des Vorwissens der Schülerinnen und Schüler, Beachtung im naturwissenschaftlichen Unterricht, und zwar insbesondere hinsichtlich (förder-)diagnostischer Aspekte. Die hier verwendete computerbasierte Experimentierumgebung eignet sich dabei auch für den praktischen Einsatz im Unterricht: Sie bietet nicht nur die Möglichkeit, auf ökonomische Weise das strategische Verhalten beim entdeckenden Lernen durch Experimentieren individuell zu beobachten und zu erfassen, sondern auch individuell zu fördern. Beispielsweise besteht die Möglichkeit, den IVK-between-Einsatz während des Experimentierens in der computersimulierten Lernumgebung online zu erfassen, um darauf aufbauend adaptive Online-Hilfen zu präsentieren. Solche Online-Hilfen können zum Beispiel in Form sogenannter „prompts“ (Anregungen) in Textfenstern dargeboten und an den individuellen Lernprozess angepasst werden (vgl. Bannert, 2003), um eine effiziente Strategienutzung zu unterstützen. Literatur Arbuckle, J. L. & Wothke, W. (1999). AMOS 4.0 user’s guide. Chicago, IL: Small Waters Corporation. Artelt, C., Schiefele, U. & Schneider, W. (2001). Predictors of reading literacy. European Journal of Psychology of Education, 16, 363 - 383. Bannert, M. (2003). Effekte metakognitiver Lernhilfen auf den Wissenserwerb in vernetzten Lernumgebungen. Zeitschrift für Pädagogische Psychologie, 17, 13 - 25. Baumert, J. & Köller, O. (1996). Lernstrategien und schulische Leistungen. In J. Möller & O. Köller (Hrsg.), Emotionen, Kognitionen und Schulleistung (S. 137 - 154). Weinheim: Beltz. Baumert, J., Roeder, P. M., Sang, F. & Schmitz, B. (1986). Leistungsentwicklung und Ausgleich von Leistungsunterschieden in Gymnasialklassen. Zeitschrift für Pädagogik, 32, 639 - 660. Blech, C. & Funke, J. (2005). Dynamis review: An overview about applications of the dynamis approach in cognitive psychology. Heidelberg University: Unpublished Manuscript. Online im Internet unter http: / / www.psy chologie.uniheidelberg.de/ ae/ allg/ forschun/ dynamis/ groups.html, 25. 2. 2006. Boekarts, M. (1996). Coping with stress in childhood and adolescence. In M. Zeidner & N. S. Endler (Eds.), Handbook of coping. Theories, research, and application (pp. 452 - 484). New York: Wiley. Bransford, J. D., Sherwood, R. D., Hasselbring, T. S., Kinzer, C. K. & Williams, S. M. (1990). Anchored instruction: Why we need it and how technology can help. In D. Nix & R. Spiro (Eds.), Cognition, education and multimedia: Exploring ideas in high technology (pp. 115 - 142). Hillsdale, NJ: Lawrence Erlbaum. Brown, A. L. (1978). Knowing when, where and how to remember: A problem of metacognition. In R. Glaser (Ed.), Advances in instructional psychology (Vol. 1, pp. 77 - 265). Hillsdale, NJ: Lawrence Erlbaum. Bruner, J. (1961). The act of discovery. Harvard Educational Review, 31, 21 - 32. Chen, Z. & Klahr, D. (1999). All other things being equal: Aquisition and transfer of the control of variables strategy. Child Development, 70, 1098 - 1120. de Jong, T. & van Joolingen, W. R. (1998). Discovery learning with computer simulations of conceptual domains. Review of Educational Research, 68, 179 - 201. Funke, J., Töpfer, S. & Wagener, S. (1998). Finite Automaten als Instrumente zur Erfassung von Problemlösefähigkeiten bei Schülern. Unveröffentlichtes Manuskript, Universität Heidelberg, Heidelberg. Garner, W. R. (1978). Aspects of a stimulus: Features, dimensions, and configurations. In E. Rosch & B. B. Lloyd (Eds.), Cognition and categorization (pp. 99 - 113). Hillsdale, NJ: Lawrence Erlbaum. Guthke, J. & Wiedl, K. H. (1996). Dynamisches Testen: Zur Psychodiagnostik der intraindividuellen Variabilität. Göttingen: Hogrefe. Hasselhorn, M. (1995). Beyond production deficiency and utilization inefficiency: Mechanisms of the emergence of strategic categorization in episodic memory tasks. In F. E. Weinert & W. Schneider (Eds.), Memory performance and competencies: Issues in growth and development (pp. 141 - 159). Hillsdale, NJ: Lawrence Erlbaum. Heller, K., Gaedicke, A.-K. & Weinländer, H. (1985). Kognitiver Fähigkeitstest (KFT 4-13). Weinheim: Beltz. 1 Josef Künsting et al. Klahr, D., Chen, Z. & Toth, E. E. (2001). Cognitive development and science education: Ships that pass in the night or beacons of mutual illumination? Cognition and Instruction, 3, 75 - 118. Klieme, E., Leutner, D. & Wirth, J. (Hrsg.). (2005). Problemlösekompetenz von Schülerinnen und Schülern. Diagnostische Ansätze, theoretische Grundlagen und empirische Befunde der deutschen PISA-2000-Studie. Wiesbaden: VS Verlag für Sozialwissenschaften. Kröner, S. (2001). Intelligenzdiagnostik per Computersimulation. Münster: Waxmann. Kröner, S., Plass, J. L. & Leutner, D. (2005). Intelligence assessment with computer simulations. Intelligence, 33, 347 - 368. Leutner, D. (2001). Instruktionspsychologie. In D. H. Rost (Hrsg.), Handwörterbuch Pädagogische Psychologie (2. Aufl., S. 267 - 276). Weinheim: PVU. Leutner, D., Klieme, E., Meyer K. & Wirth, J. (2005). Die Problemlösekompetenz in den Ländern der Bundesrepublik Deutschland. In M. Prenzel, J. Baumert, W. Blum, R. Lehman, D. Leutner, M. Neubrand, R. Pekrun, H.-G. Rolff, J. Rost & U. Schiefele (PISA-Konsortium Deutschland) (Hrsg.), PISA 2003. Der zweite Vergleich der Länder in Deutschland - Was wissen und können Jugendliche? (S. 125 - 146). Münster: Waxmann. Marsh, H. W., Balla, J. R. & Hau, K.-F. (1996). An evaluation of incremental fit indices: A clarification of mathematical and empirical properties. In G. A. Marcoulides & R. E. Schumacker (Eds.). Advanced structural equation modeling. Issues and techniques (pp. 315 -353). Mahwah, NJ: Lawrence Erlbaum. Pressley, M., Borkowsky, J.G. & Schneider, W. (1987). Cognitive Strategies: Good strategy users coordinate metacognition and knowledge. In R. Vasta & G. Whitehurst (Eds.), Annals of child development (Vol. 4, pp. 89 - 129). New York, NY: JAI Press. Putz-Osterloh, W. (1993). Unterschiede im Erwerb und in der Reichweite des Wissens bei der Steuerung eines dynamischen Systems. Zeitschrift für Experimentelle und Angewandte Psychologie, 40, 386 - 410. Rheinberg, F., Vollmeyer, R. & Lehnik, A. (2000). Selbstkonzept der Begabung, Erfolgserwartungen und Lernleistung. In F. Försterling, J. Stiensmeier-Pelster & L.-M. Silny (Hrsg.), Kognitive und emotionale Aspekte der Motivation (S. 77 - 99). Göttingen: Hogrefe. Rheinberg, F., Vollmeyer, R. & Burns, B. D. (2001). FAM: Ein Fragebogen zur Erfassung aktueller Motivation in Lern- und Leistungssituationen. Diagnostica, 47, 57 - 66. Schiefele, U. & Schreyer, I. (1994). Intrinsische Lernmotivation und Lernen. Ein Überblick zu Ergebnissen der Forschung. Zeitschrift für Pädagogische Psychologie, 8, 1 - 13. Schiefele, U., Wild, K.-P. & Winteler, A. (1995). Lernaufwand und Elaborationsstrategien als Mediatoren der Beziehung von Studieninteresse und Studienleistung. Zeitschrift für Pädagogische Psychologie, 9, 181 - 188. Schlagmüller, M. & Schneider, W. (1999). Metacognitive knowledge about text processing: A questionnaire. Unpublished manuscript, University of Würzburg, Würzburg. Schraagen, J. M. (1993). How experts solve a novel problem in experimental design. Cognitive Science, 17, 285 - 309. Schreiber, B. (1998). Selbstreguliertes Lernen. Münster: Waxmann. Schweizer, K. & Koch, W. (2002). Fluide Intelligenz und mittelfristig erworbenes Wissen in einer spezifischen Wissensdomäne. Zeitschrift für Psychologie, 210, 111 - 121. Sternberg, R. J. (1985). Beyond IQ. A triarchic theory of human intelligence. Cambridge: Cambridge University Press. Thillmann, H., Künsting, J., Wirth, J. & Leutner, D. (2006, September). Zum Zusammenspiel von Strategiewissen, Strategienutzung und Motivation beim selbstregulierten Lernen durch Experimentieren. Tagungsbeitrag (Vortrag) zum 45. Kongress der Deutschen Gesellschaft für Psychologie (DGPs), Nürnberg. Vollmeyer, R., Burns, B. D. & Holyoak, K. L. (1996). The impact of goal specifity on strategy use and the acquisition of problem structure. Cognitive Science, 20, 75 - 100. Vollmeyer, R. & Rheinberg, F. (1998). Motivationale Einflüsse auf Erwerb und Anwendung von Wissen in einem computersimulierten System. Zeitschrift für Pädagogische Psychologie, 12, 11 - 23. Wirth, J. (2004). Selbstregulation von Lernprozessen. Münster: Waxmann. Wirth, J., Meyer, K. & Leutner, D. (2005, August). Assessing behavioral and reflective aspects of metacognition. Paper presented at the 11 th Biennal Conference of the European Association for Research on Learning and Instruction (Earli), Nicosia, Cyprus. Dipl.-Psych. Josef Künsting Universität Duisburg-Essen, Campus Essen nwu-essen Forschergruppe und Graduiertenkolleg Schützenbahn 0 D- 11 Essen Strategisches Experimentieren 1