Multikonferenz Wirtschaftsinformatik 2018, March 06-09, 2018, Lüneburg, Germany

Einfluss der Lernstrategien beim Game-based Learning auf den objektiven und subjektiven Wissensgewinn

Linda Eckardt1, Andreas Moritz Tichy1, Susanne Robra-Bissantz1

1 Lehrstuhl für Informationsmanagement, Technische Universität Braunschweig, Deutschland {linda.eckardt,a.tichy,s.robra-bissantz}@tu-bs.de

Abstract. Das Lernen hat sich mit fortschreitender Digitalisierung verändert und nur noch wenige Universitäten greifen auf reine Präsenzlehre zurück. Eine Möglichkeit Lerninhalte online zu vermitteln sind Game-based Learning Anwendungen. Diese erzielten bereits positive Ergebnisse, z.B. in Hinblick auf Wissensgewinn. Auch Analogien zwischen Spielenden und Lernstrategien wurden hergestellt. Der Einfluss der Lernstrategien auf den Wissensgewinn wurde bislang jedoch nicht hinreichend untersucht. Deshalb wird in diesem Beitrag eine Studie dazu durchgeführt, wobei das subjektive und objektive Wissen zu drei Messzeitpunkten erhoben wird. Im Rahmen der Studie konnten signifikante Wissensgewinne festgestellt und Strategien identifiziert werden, die Wissensveränderungen erklären.

Keywords: Game-based Learning, Lernstrategien, Wissensgewinn, Lernerfolg

1 Einleitung und Motivation

Game-based Learning ist mittlerweile weit verbreitet, auch in der Universitätslehre. Es gibt zwei Designformen von Game-based Learning Anwendungen: Gamification und Serious Games. Während unter Gamification die Einbindung einzelner Spielelemente in einen spielfremden Kontext verstanden wird, bezeichnet ein Serious Game die Entstehung eines vollwertigen Spiels mit festen Regeln und Zielen [1]. Eine Zuordnung zu einer dieser beiden Designformen ist oftmals nicht eindeutig möglich, allerdings haben beide Formen des Game-based Learning eines gemeinsam: Sie setzen Spielelemente ein, so dass die Lernenden motivierter sind, mit mehr Spaß an die Themengebiete herangehen und sogar Wissensgewinne erzielen, die mit traditionellen Lernmethoden nicht erreicht werden [2]. In einem Spiel sind höhere Punktzahlen erreichbar, wenn die richtige Strategie für das Lösen des Problems herangezogen wird. Analog dazu erzielen Studierende im Studium auch bessere Ergebnisse bei richtiger Wahl der Lernstrategie [3]. Im Spielbereich eignen sich metakognitive Strategien zur Problemlösung. Dementsprechend können Studierende unter Anwendung dieser Leistungsverbesserungen beim Game-based Learning erzielen [3]. Allerdings fehlt bislang eine Untersuchung der Beziehung zwischen Lernstrategien und Wissensveränderungen beim Game-based Learning. Boerner et al. (2005) erhoben Lernstrategien nach Wild und Schiefele (1994) und korrelierten sie mit dem Lernerfolg

881

der Studierenden, wobei sie Noten und Selbsteinschätzungen berücksichtigt haben. Mit bestimmten Strategien konnten Aussagen über den Erfolg im Studium vorhergesagt werden [4]. Die Messung des Lernerfolgs über Noten ist jedoch kritisch, da bei der Notengebung eine komplexe kognitive Leistung auf nur eine Zahl reduziert wird und das Erreichen von Lernzielen nicht berücksichtigt wird [5]. Aus diesem Grund sollen im Rahmen dieses Beitrags Veränderungen im Wissen über drei Messzeitpunkte im Zusammenhang mit Lernstrategien beim Game-based Learning betrachtet werden.

2 Lernstrategien und Wissensgewinn im universitären Kontext

Lernstrategien. Während des Studiums müssen die Studierenden auf verschiedene Lernstrategien zurückgreifen, um das jeweilige Lernziel zu erreichen und die Prüfungsleistung zu absolvieren. Dabei spielen verschiedene Faktoren, wie beispielsweise Studienrichtung oder Studienfortschritt, bei der Wahl der Lernstrategie eine Rolle [6].

Die Definition von Lernstrategien ist nicht einfach, da in der Literatur keine Einigkeit über den Begriff besteht. Generell identifizieren Streblow und Schiefele (2006) folgende Merkmale von Lernstrategien in den verschiedenen Definitionen. Lernstrategien sind ein „Ablauf von effizienten Lerntechniken, die zielführend und auch flexibel eingesetzt werden, immer mehr automatisiert ablaufen, aber bewusstseinsfähig bleiben“ [7: pp. 353].

Neben verschiedenen Definitionen von Lernstrategien existieren unterschiedliche Einteilungen dieser. Die Kategorie der kognitiven Lernstrategien behandelt Prozesse, bei denen Informationen aufgenommen, verarbeitet und gespeichert werden. Dazu gehören die drei Substrategien Wiederholung, Elaboration und Organisation [8; 9]. Neben den kognitiven Strategien sind metakognitive Lernstrategien zu finden. Sie dienen der Kontrolle des Lernprozesses und beinhalten unmittelbare Kontrollmechanismen, die während des Lernens zum Einsatz kommen [10]. Aufgrund der Tatsache, dass der Begriff Metakognition nicht nur für die Bezeichnung der Fähigkeit zur Kontrolle und Steuerung kognitiver Prozesse verwendet wird, sondern er ebenfalls das individuelle Wissen über eigene Kontrollstrategien und schon gelernte Informationen kennzeichnet [11], unterscheidet Weinstein (1988) zwischen Planung von Lernschritten, adaptiver Regulation des eigenen Lernverhaltens sowie Überprüfung der Lernfortschritte durch Selbstüberwachung [12]. Die letzte Rubrik der Lernstrategien umfasst die ressourcenbezogenen Strategien, deren Ziel die Bereitstellung von Ressourcen ist, mit deren Hilfe das Lernen unterstützt sowie vor äußeren Einflüssen abgeschirmt wird. Diese Selbstmanagementaktivitäten organisieren die Lernaktivitäten. Beispielsweise gehört hierzu die Suche nach einer geeigneten Lernumgebung oder das effiziente sowie effektive Planen der Arbeitszeit [11].

Wissensgewinn. Der Begriff Wissen besitzt keine eindeutige Definition in der Literatur. Generell wird Wissen als „Gesamtheit von Kenntnissen und Fähigkeiten beschrieben, die Individuen zur Lösung von Problemen einsetzen.“ [13: pp. 23]. Ein

882

anderer Ansatz behandelt die Sichtweise der Entstehung von Wissen. Hiernach entsteht Wissen „durch den Einbau von Informationen in Erfahrungskontexte“ [14: pp. 82].

Die bisherige Betrachtung von Wissen zeigt, dass dieses Gebiet sehr komplex ist. Des Weiteren ist zu erkennen, dass Wissensgewinn auf vielerlei Arten und Weisen erfolgen kann und somit eine generelle Erfassung schwierig ist. In diesem Beitrag soll unter Wissensgewinn der Wissensgewinn im Lernfeld verstanden werden. Eine ähnliche Bezeichnung verwenden Boerner et al. (2005), wobei sie „Lernerfolg im Lernfeld“ nutzen. Lernerfolg soll dabei das Resultat didaktischer Aktivitäten sein, was verkürzt heißt: Lernerfolg ist „das Behalten von Fakten, Ereignissen oder Vorgängen“ [15: pp. 111]. Kerres (2001) kritisiert jedoch, dass hierbei nicht berücksichtigt wird, dass Lernerfolg auch der Aufbau von kognitiven Schemata oder der Erwerb von Fähigkeiten bedeutet. Des Weiteren wird diskutiert, ob Lernen mehr als nur Wissen ist und auch das „Verstehen, Anwenden und Handeln“ mit einschließt [15: pp. 112].

Im vorliegenden Beitrag soll lediglich das Verstehen bzw. das Behalten von Fakten zu bestimmten Themen in Bezug auf das Erreichen einzelner Lernziele abgefragt werden und somit nur ein Teil von Lernerfolg. Deswegen wird nicht derselbe Begriff verwendet, sondern Wissensgewinn, was genau diesen Teil beschreibt. Das Lernfeld ist hierbei das Feld, in dem die Studierenden neues spezifisches Wissen lernen. Das Erlernen von Informationskompetenz, welches die Fähigkeit beschreibt „Informationsbedarf zu erkennen, Informationen zu ermitteln, zu beschaffen, zu bewerten und effektiv zu nutzen“, ist das Lernfeld dieses Beitrags [16: pp. 215].

3 Serious Game “Lost in Antarctica”

Zum Erlernen der Informationskompetenz wird in dem Beitrag das Serious Game „Lost in Antarctica“ eingesetzt. In zwölf Leveln setzen sich die Studierenden in dem Browser-Spiel mit Themen der Informationskompetenz wie z.B. Recherche, wissenschaftliches Schreiben und Urheberrecht auseinander. Dazu nehmen die Studierenden an einer Forschungsexpedition in der Antarktis teil. Da ihr Flugzeug abstürzt, müssen sie dieses neben ihrer Forschung reparieren. Für das Lösen von Aufgaben erhalten sie Punkte. Das Erreichen einer gewissen Punktzahl kennzeichnet den erfolgreichen Abschluss eines Levels und wird durch den Erhalt eines Bauteils für die Flugzeugreparatur belohnt. Zusätzliche Punkte können gegen Minispiele, die einen reinen Unterhaltungszweck haben, eingetauscht werden. Die zu lösenden Aufgaben sind vielfältig (siehe Abbildung 1). Es sind allein zu lösende Aufgaben (z.B. Multiple Choice, Lückentext, Drag & Dop, Kreuzworträtsel, interaktive Systemscreenshots (Screen 1)) und im Team zu lösende Aufgaben (z.B. Abstimmungen oder Fallbearbeitungen (Screen 2)) integriert. Diese spielerische Form des Lernens soll die Motivation der Studierenden zur aktiven Auseinandersetzung mit Themen des wissenschaftlichen Arbeitens fördern [17].

883

Figure 1. Screenshots aus dem Serious Game

4 Empirische Studie zu Lernstrategien und Wissensgewinn

4.1 Hypothesenherleitung

Deterding et al. (2011) hat bereits festgestellt, dass Lernspiele motivierend auf den Nutzenden wirken, so dass dieser Aktivitäten ausdauernder verfolgt. Außerdem konnte bereits gezeigt werden, dass Studierende durch Spielelemente im Lernkontext effizienter lernen und eine positive Beeinflussung des Lernerfolgs auftritt [18]. Da bei der Messung über Noten die Leistung auf nur eine Zahl reduziert wird und das Erreichen der Lernziele aber auch bedeutend ist [5], erfolgt die objektive Messung in dieser Studie durch die Beantwortung von Fragen, die jeweils ein Lernziel darstellen. Darüber hinaus erfolgt eine subjektive Messung durch Selbsteinschätzung des Wissens seitens der Studierenden. Aufgrund der positiven Ergebnisse bei ähnlicher Messung aus der Literatur (z.B. [2]) ergibt sich folgende Hypothese:

H1: Durch das Lernen mit einem Serious Game wird der subjektive und objektive Wissensgewinn der Studierenden positiv beeinflusst.

Boerner et al. (2005) und Blickle (1996) untersuchten bereits, ob ein Zusammenhang zwischen den Lernstrategien der Studierenden und ihrem erfahrenen Wissensgewinn besteht. Allerdings wurden die Lernstrategien nicht mit dem Wissensgewinn der Studierenden korreliert, sondern anhand des Studienerfolgs bzw. der Vordiplomsnote [4; 19]. Dabei bezogen Boerner et al. (2005) nicht nur die Noten mit ein, sondern auch Selbsteinschätzungen des Lernerfolgs. Es gelang ihnen die erreichten Noten und Abschlussnoten anhand der Lernstrategien vorauszusagen, allerdings mit einem relativ geringen Vorhersagewert [4]. Bezüglich des selbst eingeschätzten Lernerfolgs konnten sie jedoch eine höhere Varianzaufklärung erreichen [4]. Da der objektive Lernerfolg über die erreichte Note noch nicht aussagekräftig genug für das vorhandene Wissen der Lernenden ist, untersucht das vorliegende Paper nachfolgende Hypothese:

H2: Die Lernstrategien der Studierenden beim Lernen mit einem Serious Game beeinflussen den objektiven und subjektiven Wissensgewinn positiv.

1 2

884

4.2 Studiendesign

In der Studie werden zum einen das subjektive und objektive Wissen und zum anderen die Lernstrategien erhoben. Die Studie wird semesterbegleitend im Rahmen einer Wahlpflichtveranstaltung des Studiengangs Wirtschaftsingenieurwesens in Vertiefung Maschinenbau durchgeführt, in der die Studierenden wissenschaftliches Arbeiten mit dem Serious Game erlernen. Bevor die Studierenden mit dem Serious Game starten, wird das Vorwissen zu allen im Serious Game behandelten Inhalten geprüft und die Lernstrategien erhoben. In der Mitte und nach erfolgreicher Beendigung des Serious Games wird das Wissen der Studierenden jeweils erneut erhoben, um den Wissensgewinn über den gesamten Spielverlauf feststellen zu können. Dabei werden in der Mitte des Serious Games nur die bereits behandelten Inhalte und am Ende erneut alle Inhalte abgefragt.

Zur Erhebung der Lernstrategien wird der LIST-Fragebogen in Anlehnung an Boerner et al. (2005) mit einer 6-stufigen Likert-Skala (1=trifft überhaupt nicht zu, …, 6=trifft völlig zu) eingesetzt. Lediglich die Fragen zur Orientierung an Instruktionen, Fragen zur Erfolgsmessung und zum Zeitaufwand finden keine Berücksichtigung. Die metakognitive Skala wird ebenfalls nicht explizit alleine dargestellt, sondern über ihre Subfragen. Die Nichtberücksichtigung der Fragen zur Orientierung geht darauf zurück, dass keine Studierenden im Fernstudium befragt werden und somit an diesen Studierendentyp gerichtete Fragen nicht notwendig sind. Die Fragen zur Erfolgsmessung werden ausgeschlossen, da innerhalb des Serious Games keine Notenvergabe erfolgt und generell diskutabel ist, inwiefern sich der Lernerfolg auf einen Messwert reduzieren lässt [20]. Anstelle dessen ist der Wissensgewinn im Lernfeld hier durch objektive und subjektive Wissensfragen erfasst. Der Zeitaufwand wird ebenfalls nicht ermittelt, da bereits gezeigt wurde, dass der Lernerfolg nicht mit der eingesetzten Zeit zum Lernen zusammenhängt [4].

In der Studie wird der subjektive und objektive Wissensgewinn geprüft, da die Diskrepanz zwischen dem tatsächlichen Wissen und dem, was eine Person glaubt zu wissen sehr groß sein kann [21]. Das subjektive Wissen wird nach Flynn und Goldsmith (1999) anhand einer 6-stufigen Likert-Skala erhoben [22]. Zur Erhebung des objektiven Wissens müssen die Studierenden Fragen zu jedem im Serious Game behandelten Thema der Informationskompetenz beantworten. Zu jedem Themengebiet wird den Studierenden eine Frage entsprechend eines Lernziels innerhalb des Serious Games gestellt, wobei die Fragentypen variieren (z.B. Multiple Choice, Freitext, Wahr/Falsch, Drag & Drop).

4.3 Auswertung der Ergebnisse

Insgesamt haben 114 Bachelorstudierende im Rahmen der Wahlpflichtveranstaltung an der Studie teilgenommen, wovon 107 die Umfrage zu allen drei Messzeitpunkten vollständig ausgefüllt haben. Mit 87 männlichen und 20 weiblichen Teilnehmenden haben überwiegend männliche Studierende an der Umfrage teilgenommen. Die Spannweite des Alters der befragten Studierenden reicht von 18 bis 32 Jahren bei einem Mittelwert von 22,15 Jahren.

885

Lernstrategien. Beim deutschen Ausgangsmodell für die Erfassung der Lernstrategien im Studium von Wild und Schiefele (1994) wird von mehreren Ebenen ausgegangen, die zum Teil von Boerner et al. (2005) validiert und erweitert wurden. Auf der obersten Modellebene stehen die kognitiven, metakognitiven und ressourcenbezogenen Lernstrategien, die sich wiederum in Substrategien aufteilen. Daher wurde jeweils eine Faktoren- und Reliabilitätsanalyse innerhalb der Lernstrategiegruppen durchgeführt. Tabelle 1 zeigt die Ergebnisse nach der Eliminierung von acht Items.

Tabelle 1. Reliabilitäts- und Faktorenanalyse der Lernstrategien

Die verbliebenen Items weisen jeweils eine korrigierte Item-Skala Korrelation >.300 auf und das Cronbachs Alpha liegt durchgängig über .700. Insgesamt sind die KMO-Werte (.622 bis .881) in einem ziemlich guten bis verdienstvollen Bereich. Auch die Faktorladungen sind relativ hoch, so dass davon ausgegangen werden kann, dass die Lernstrategien der Literatur auch im Datensatz der Studie wiederzufinden sind. Der Boxplot in Abbildung 2 verdeutlicht nochmal die genaue Verteilung der Antworten der Studierenden.

Figure 2. Boxplot der Lernstrategien

886

Subjektiver Wissensgewinn. Mittels Reliabilitäts- und Faktorenanalyse konnte zu jedem Messzeitpunkt ein Faktor identifiziert werden, so dass insgesamt drei Komponenten, bestehend aus jeweils vier Items, gebildet wurden (Cronbachs Alpha = .904; erklärte Varianz = 81,203 %). Um Unterschiede im subjektiven Wissen zwischen den verschiedenen Messzeitpunkten festzustellen, erfolgte eine Varianzanalyse mit Messwiederholung (Sphärizität verletzt, Korrektur nach Huynh-Feldt: Mauchly-W2 = .805, р = .000). Ein signifikanter Unterschied konnte zum subjektiven Wissensgewinn über die drei Messzeitpunkte festgestellt werden (F2,212 = 12.499, р = .000, partielles η2 = .105). Auf einem Signifikanzniveau von α = .05 unterscheidet sich das subjektive Wissen signifikant zwischen dem ersten (M1 = 3.05, SD1 = .958) und zweiten (M2 = 3.51, SD2 = .981) Messzeitpunkt in Höhe von .460 Einheiten. Ein weiterer Wissensgewinn ist zwischen dem ersten und dritten (M3 = 3.47, SD3 = .956) Messzeitpunkt erkennbar (p = .002, ∆I−J = .416). Da die Studierenden zwischen den Messzeitpunkten nur Lernphasen unter Verwendung des Serious Games erfuhren, ist der identifizierte Unterschied auf diese Ursache zurückzuführen. Zwischen dem zweiten und dritten Messzeitpunkt ist kein signifikanter Unterschied feststellbar. Hier wird vermutet, dass dies auf eine zweimalige fehlerhafte Selbsteinschätzung zurückzuführen ist. Kim et al. (2016) erklären dieses Phänomen mit dem Kompetenzlevel einer Person. Danach führt Inkompetenz eher zu einer Überschätzung und mit zunehmender Kompetenz wird der eigene Wissensstand unterschätzt [23]. Falls nicht anders angegeben, wird durchgehend von einem Signifikanzniveau von α = .05 ausgegangen.

Objektiver Wissensgewinn. Studierende mussten die Fragen zum objektiven Wissen unterschiedlich beantworten, da kein einheitliches Antwortmuster, wie z.B. bei der Likert-Skala, vorlag. Zur Thematik Internetrecherche sollten drei Nachteile dieser genannt werden. Eine Varianzanalyse mit Messwiederholung (Sphärizität verletzt, Korrektur nach Huynh-Feldt: Mauchly-W2 = .887, р = .002) ergab keine signifikanten Werte (F2,212 = 2.342, р = .104, partielles η2 = .022) und somit zeigten sich keine signifikanten Unterschiede der Mittelwerte (M1 = .464, SD1 = .303; M2 = .539, SD2 = .309; M3 = .533, SD3 = .345). Zur Katalogrecherche mussten die Studierenden angeben, was die Abkürzung OPAC (Online Public Access Catalogue) bedeutet. Die Häufigkeiten der richtigen Antworten unterschieden sich zu den Messzeitpunkten (M1richtig = 25; M2richtig= 72; M3richtig = 74). Die Unterschiede in den Antworten wurden durch die Signifikanz des Cochran-Q-Tests bestätigt (T = 67.853, р = .000). Der McNemar-Test ergab keinen signifikanten Unterschied zwischen dem zweiten und dritten Messzeitpunkt (𝑥´2

unkorrigiert = .250, p = .6171). Folglich liegt ein objektiver Wissensgewinn vor und eine Speicherung des Wissens im Langzeitgedächtnis, da ohne direkte Lernphase zwischen dem zweiten und dritten Messzeitpunkt keine signifikanten Unterschiede in den Antworten vorhanden sind. Die Studierenden mussten zu Recherchestrategien diejenigen Ergebnisse auswählen, die eine bestimmte Suchanfrage ergibt. Eine Varianzanalyse mit Messwiederholung (Sphärizität verletzt, Korrektur nach Huynh-Feldt: Mauchly-W2 = .715, р = .000) ergab keine signifikanten Werte (F2,212 = 2.373, р = .109, partielles η2 = .022), wodurch keine signifikanten Unterschiede der Mittelwerte (M1 = .457, SD1 = .255; M2 = .514, SD2 = .194; M3 =

887

.490, SD3 = .178) erkennbar wurden. Der Cochran-Q-Test zur Datenbankrecherche zeigte, dass sich die Antworten (M1richtig = 70; M2richtig= 89; M3richtig = 91) signifikant unterscheiden (Q = 18.318, р = .000), d.h. mehr Studierende wussten zu den späteren Messzeitpunkten, wofür die Abkürzung WTI (Wissenschaftlich-technische Information) steht. Das Wissen ist auch hier im Langzeitgedächtnis gespeichert, was der McNemar-Test zwischen dem zweiten und dritten Messzeitpunkt zeigte, da kein signifikanter Unterschied (𝑥´2

unkorrigiert = .250, p = .6171) vorliegt. Zum Thema wissenschaftliche Literatur erkennen musste eine Multiple-Choice Frage beantwortet werden. Eine Varianzanalyse mit Messwiederholung (Sphärizität verletzt, Korrektur nach Huynh-Feldt: Mauchly-W2 = .796, р = .000) ergab signifikante Werte (F2,212 = 15.331, р = .000, partielles η2 = .126), wodurch signifikante Unterschiede der Mittelwerte (M1 = .576, SD1 = .292; M2 = .713, SD2 = .298; M3 = .720, SD3 = .290) erkennbar wurden. Dabei hat zwischen dem ersten und zweiten Messzeitpunkt eine signifikante Verbesserung des objektiven Wissens um .137 Einheiten und zwischen dem ersten und dritten Messzeitpunkt um .143 Einheiten stattgefunden. Dies deutet, wie bei den vorherigen Analysen, auf eine erfolgreiche Speicherung des Wissens im Langzeitgedächtnis hin. Zur Thematik des wissenschaftlichen Schreibens wurde eine Frage zur Aufnahme von Quellen ins Literaturverzeichnis gestellt. Die Häufigkeiten der richtigen Antworten unterschieden sich zu den Messzeitpunkten (M1richtig = 55; M2richtig= 79; M3richtig = 66). Die Unterschiede in den Antworten wurden durch die Signifikanz des Cochran-Q-Tests bestätigt (T = 11.103, р = .004). Demnach liegt ein objektiver Wissensgewinn nach dem Lernprozess vor. Der McNemar-Test ergab jedoch eine signifikante Verschlechterung zwischen dem zweiten und dritten Messzeitpunkt (𝑥´2

unkorrigiert = .250, p = .6171). Somit blieb eine Speicherung im Langzeitgedächtnis aus. Nun folgen die Ergebnisse der Themengebiete mit jeweils zwei Messzeitpunkten. Die Studierenden mussten ein Programm zur Literaturverwaltung nennen. Die Anzahl der richtigen Antworten unterscheidet sich zu den Messzeitpunkten (M1richtig = 19; M2richtig= 74). Der McNemar-Test ergab einen signifikanten Unterschied (𝑥´2

unkorrigiert = 51.271, p = .0000), wodurch von einem objektiven Wissensgewinn ausgegangen werden kann. Beim Zitieren und Bibliografieren mussten die Studierenden die Richtigkeit eines Zitats überprüfen. Zum ersten Messzeitpunkt beantworteten 58 Studierende die Frage richtig, wohingegen zum zweiten Messzeitpunkt nur noch 36 Studierende die Antwort wussten. Der McNemar-Test bestätigte den signifikanten Wissensverlust (𝑥´2

unkorrigiert = 8.067, p = .0045). Eventuell empfanden die Studierenden die Aufgabe als zu schwierig und haben anfangs nur richtig geraten. Möglicherweise war aber auch das Lernmaterial nicht geeignet oder verwirrend, weswegen das Thema nicht richtig verstanden wurde. Zum Urheberrecht musste eine Aussage zu Plagiaten bewertet werden. Die Häufigkeit der richtigen Antworten unterscheiden sich zu den Messzeitpunkten (M1richtig = 22; M2richtig= 64). Der McNemar-Test ergab einen signifikanten Unterschied (𝑥´2

unkorrigiert = 50.449, p = .0000). Demnach liegt ein objektiver Wissensgewinn vor. Bei Sicherung guter wissenschaftlicher Praxis mussten die Studierenden Aussagen zu Originalität und Überprüfbarkeit zuordnen. Da diese Aufgabe im Vergleich zu den anderen komplexer war und ggf. mehr zum Raten animierte, wurde in der Auswertung eine Bestrafung falscher Antworten mit einem Minuspunkt vorgenommen. Ein t-Test zeigte, dass die

888

Daten keinen signifikanten Unterschied aufweisen (t = .465, p = .643). Nach dem Lernprozess (M3 = 3.196, SD3 = 4.521) weisen die Studierenden eine ähnlich hohe Anzahl an richtigen Antworten auf wie zuvor (M1 = 3.421, SD1 = 3.571). Publikationsschritte mussten bei Publizieren und Open Access in die richtige Reihenfolge gebracht werden. Da auch dieser Aufgabentyp komplexer ist, wurde das Verfahren mit der Bestrafung falscher Antworten gewählt. Der durchgeführte t-Test zeigt, dass ein signifikanter Einfluss vorliegt (t = −8.958, p = .000). Die Studierenden verbesserten sich im Durchschnitt um 4,633 richtige Antworten zwischen dem ersten (M1 = −2.785, SD1 = 3.665) und zweiten (M3 = 1.879, SD3 = 5.052) Messzeitpunkt. Ob ein Ziel smart formuliert ist, mussten die Studierenden beim Zeitmanagement entscheiden. Der McNemar-Test ergab keinen signifikanten Unterschied in den Daten der beiden Messzeitpunkte (𝑥´2

unkorrigiert = 1.089, p = .2967), d.h. es konnte kein objektiver Wissensgewinn festgestellt werden. Generell bedeutet kein Wissensgewinn nicht zwangsläufig, dass die Studierenden kein Wissen zu einer Thematik besitzen. Hatten sie bereits Vorwissen, konnten sie sich bei einem Vorher-Nachher-Test kaum verbessern. Da in dieser Studie allerdings der Wissensgewinn betrachtet wird, findet keine explizite Betrachtung des absolut vorhandenen Wissens statt.

Zusammenhang Lernstrategien und Wissensgewinn. Tabelle 2 zeigt die tatsächlichen Veränderungen des subjektiven Wissens zwischen dem ersten und zweiten Messzeitpunkt. Da von einem generellen Gewinn ausgegangen wurde, ist vom späteren Messzeitpunkt der vorherige abgezogen worden. Ist die Differenz positiv, hat es einen Wissensgewinn gegeben.

Bis auf Organisation liegen alle Lernstrategien weit vom Signifikanzniveau α = .05 entfernt. Wird das Niveau etwas angepasst, ist eine signifikante negative Korrelation bei der Wissensveränderung und der Strategie zwischen dem ersten und zweiten Messzeitpunkt zu erkennen. Grund für den nicht vorhandenen Einfluss kann die Selbsteinschätzung der Studierenden sein, da sie sich lediglich daran erinnern, welche Strategie sie nutzen [4].

Tabelle 2. Korrelation der Lernstrategien mit den Wissensdifferenzen mittels Spearman

889

Nachfolgend werden nur die Themengebiete der Informationskompetenz mit signifikanter Veränderung des objektiven Wissens betrachtet und darüber hinaus auch nur signifikante Einflüsse durch die Lernstrategien herausgestellt. Das Ergebnis zur Katalogrecherche zeigt, dass die Lernstrategien Wiederholung (rsp = .244, р = .011), Zusammenhänge (rsp = .210, p = .030), Anstrengungsmanagement (rsp = .216, p = .025) und Gestaltung der Lernumgebung (rsp = .254, p = .008) positiv signifikant mit dem objektiven Wissensgewinn, verbunden mit der richtigen Beantwortung der Frage, korrelieren (diffrichtig). Wurde lediglich der Zusammenhang zwischen dem Wissensgewinn und den Lernstrategien betrachtet, korrelieren die Strategien Wiederholung (rsp = .284, p = .003), Selbstüberwachung (rsp = .194, p = .045), Anstrengungsmanagement (rsp = .205, p = .034), Gestaltung der Lernumgebung (rsp = .221, p = .022) positiv signifikant. In der Datenbankrecherche korreliert keine Lernstrategie signifikant mit der Variable diffrichtig. Wird das Signifikanzniveau jedoch auf α = .100 verringert, korreliert die Lernstrategie Kritisches Prüfen (rsp = .169, p = .043). Kritisches Prüfen korreliert mit der Wissensveränderung (rsp = .169, p = .043) auf einem Signifikanzniveau von α = .050. Keine Lernstrategie korreliert signifikant mit der Variable diffrichtig beim wissenschaftliche Literatur erkennen. Wurde das Niveau jedoch auf α = .100 reduziert, waren die Strategien Selbstüberwachung und Aufmerksamkeits- und Konzentrationsmanagement signifikant und Organisation und Anstrengungsmanagement lagen mit .009 Einheiten knapp darüber. Auch beim wissenschaftlichen Schreiben konnten nur mit einer Verringerung des Signifikanzniveaus auf α = .100 signifikante Ergebnisse erzielt werden. Die Lernstrategie Lernen mit anderen korreliert mit der Variable zur Wissensveränderung (rsp = .190, p = .051) und mit der Variable diffrichtig (rsp = .173, p = .075). Auch bei Literaturverwaltung konnten nur mit einer Verringerung des Signifikanzniveaus auf α = .100 signifikante Ergebnisse für die Variable diffrichtig und Lernstrategie Aufmerksamkeit- und Konzentrationsmanagement (rsp = .165, p = .090) erzielt werden. Im Urheberrecht weist die Strategie Wiederholung (rsp = .224, p = .021) eine signifikante positive Korrelation mit der Wissensveränderung auf. Demnach haben die Studierenden, die diese Strategie eingesetzt haben auch einen Wissensgewinn in der Rubrik Urheberrecht erfahren. Wird das Signifikanzniveau auf α = .100 reduziert, haben auch die Strategien Wiederholung (rsp = .187, p = .054) und Lernen mit anderen (rsp = .168, p = .084) signifikante Korrelationen, allerdings mit der Variable diffrichtig, die sowohl Informationen über die Wissensveränderung als auch das bereits zu Anfang vorhandene Wissen verfügt. Die Ergebnisse des Spearman Verfahrens zeigen beim Publizieren und Open Access, dass die Strategie Aufmerksamkeits- und Konzentrationsmanagement (rsp = −.215, p = .026) negativ mit Wissensveränderung korreliert. Studierende, die angeben, diese Strategie häufiger zu nutzen, erfahren rechnerisch einen Wissensverlust und umgekehrt. Wird das Signifikanzniveau auf α = .100 reduziert, korrelieren auch die Strategien Gestaltung der Lernumgebung (rsp = .183, p = .059) und Kritisches Prüfen (rsp = −.170, p = .080) mit derselben Variable. Auffallend ist, dass negative Korrelationen auftreten, d.h. Studierende weisen Wissensverluste auf, wenn sie bestimmte Strategien präferieren.

890

5 Schlussbemerkungen

Zusammenfassend kann festgehalten werden, dass beide Hypothesen nur teilweise bestätigt werden können. Während die Studierenden einen signifikanten subjektiven Wissensgewinn erfahren haben, erfolgte nur bei einigen Themen der Informationskompetenz eine signifikante Steigerung des objektiven Wissens über die Messzeitpunkte. Die Beantwortung der objektiven Wissensfragen vor und nach der Lernphase könnte die Studierenden durch die verschiedenen Fragetypen (z.B. Multiple Choice, Wahr/Falsch) zum Raten verleitet haben, wodurch eine Verfälschung der identifizierten Wissensgewinne bzw. -verluste aufgetreten sein könnte. Auch bei Betrachtung des Zusammenhangs zwischen Lernstrategien und Wissensgewinn zeigten sich unterschiedliche Ergebnisse. Während nur eine geringe negative Korrelation zwischen der Lernstrategie Organisation und dem subjektiven Wissensgewinn identifiziert wurde, haben einige Lernstrategien eine Beeinflussung des objektiven Wissens hervorgebracht, wobei auch dies nur bei einzelnen Themengebieten zutrifft. Demnach ist zu vermuten, dass Lernstrategien in Abhängigkeit des Lernthemas beim Game-based Learning eine unterschiedliche Beeinflussung des subjektiven und objektiven Wissensgewinns aufweisen. Eine Studie, in der bei Lehramtstudierenden ein signifikanter Zusammenhang zwischen Strategienutzung und Selbsteinschätzung des Studienerfolgs identifiziert wurde, und bei Medizinstudierenden nicht, unterstützt diese Vermutung, da beide Studiengänge unterschiedliche Inhalte thematisieren [24]. Allerdings wurde hierbei nur die Selbsteinschätzung des Studienerfolgs betrachtet und nicht ein konkretes Lernthema untersucht oder das objektive Wissen. Demnach sollte dies in zukünftigen Studien näher betrachtet werden. Auch ist eine mehrmalige Erhebung der Lernstrategien denkbar, da die Studierenden ihre präferierten Strategien im Spielverlauf möglicherweise ändern. Grundsätzlich kann jedoch davon ausgegangen werden, dass durch den Einsatz von Lernstrategien im Game-based Learning das Wissen steigt, da sich die Lernenden gezielt mit den Lerninhalten auseinandersetzen.

References

1. Deterding, S., Dixon, D., Khaled, R., Nacke, L.: From Game Design Elements to Gamefulness: Defining Gamification. In: 15th International Academic MindTrek Conference: Envisioning Future Media Environments, pp. 9-15. ACM, New York (2011)

2. Eckardt, L., Körber, S., Becht, E.J., Plath, A., Al Falah, S., Robra-Bissantz, S.: Führen Serious Games zu Lernerfolg? – Ein Vergleich zum Frontalunterricht. In: Strahringer, S., Leyh, C. (eds.) Gamification und Serious Games, pp. 139-150. Springer Fachmedien, Wiesbaden (2017)

3. Kim, B., Park, H., Baek, Y.: Not just fun, but serious strategies: Using meta-cognitive strategies in game-based learning. Computers and Education 52, 800-810 (2009)

4. Boerner, S., Seeber, G., Keller, H., Beinborn, P.: Lernstrategien und Lernerfolg im Studium: Zur Validierung des LIST bei berufstätigen Studierenden. Zeitschrift für Entwicklungspsychologie und Padagogische Psychologie 147, 17-26 (2005)

5. Häußler, P.: Wie lässt sich der Lernerfolg messen?. In: Kircher, E., Girwidz, R., Häußler, P. (eds) Physikdidaktik: Theorie und Praxis, pp. 247-293. Springer, Heidelberg (2015)

891

6. Artelt, C., Lompscher, J.: Lernstrategien und Studienprobleme bei Potsdamer Studierenden. In: Lompscher, J., Mandl, H. (eds) Lehr- und Lernprobleme im Studium: Bedingungen und Veränderungsmöglichkeiten, pp. 161-184. Hans Huber, Bern (1996)

7. Streblow, L., Schiefele, U.:Lernstrategien im Studium. In: Mandl, H., Friedrich, H.F. (eds) Handbuch Lernstrategien, pp. 352-364. Hogrefe, Göttingen (2006)

8. Weinstein, C.E., Mayer, R.E.: The teaching of learning strategies. In: Wittrock, M.C. (eds) Handbook of research on teaching, pp. 315-327. Macmillan, New York (1986)

9. Pintrich, P.R., Garcia, T.: Student goal orientation and self-regulation in the college classroom. In: Pintrich, P.R., Maehr, M.L. (eds) Advances in motivation and achievement, pp. 371-402. JAI Press, Greenwich (1991)

10. Pintrich, P.R.: The dynamic interplay of student motivation and cognition in the college classroom. In: Pintrich, P.R., Maehr, M.L. (eds) Advances in motivation and achievement, pp. 117-160. JAI Press, Greenwich (1991)

11. Wild, K.P., Schiefele, U.: Lernstrategien im Studium: Ergebnisse zur Faktorenstruktur und Reliabilität eines neuen Fragebogens. Zeitschrift für Differentielle und Diagnostische Psychologie 15, 185-200 (1994)

12. Weinstein, C.E.: Assessment and Training of Student Learning Strategies. In: Schmeck, R.R. (eds) Learning Strategies and Learning Styles, pp. 291-316. Springer, Boston (1988)

13. Probst, G., Raub, S., Romhardt, K.: Wissen managen: Wie Unternehmen ihre wertvollste Ressource optimal nutzen. Springer Fachmedien, Wiesbaden (2012)

14. Willke, H.: Auf dem Weg zu intelligenten Organisation: Lektionen für Wirtschaft und Staat. In: Thom, N., Harasymowicz-Birnbach, J. (eds) Wissensmanagement im privaten und öffentlichen Sektor, pp. 77-98. vdf Hochschulverlag, Zürich (2005)

15. Kerres, M.: Teil C – Konzeption medialer Lernangebote. In: Kerres, M. (eds) Multimediale und telemediale Lernumgebungen – Konzeption und Entwicklung, pp. 85-317. De Gruyter, Odenburg (2001)

16. Kommission Zukunft der Informationsinfrastruktur, https://www.leibniz-gemeinschaft.de/fileadmin/user_upload/downloads/Infrastruktur/KII_Gesamtkonzept.pdf (Accessed: 29.09.2017)

17. Eckardt, L., Robra-Bissantz, S.: Design eines Spiels zum Lernen von Informationskompetenz. In: 14. E-Learning Fachtagung Informatik (DeLFI), pp. 95-106. Bonner Köllen Verlag, Potsdam (2016)

18. Leach, G.J., Sugarman, T.S.: Play to win! Using games in library instruction to enhance student learning. Research Strategies 20, 191-203 (2005)

19. Blickle, G.: Personality traits, learning strategies, and performance. European Journal of Personality 10, 337-352 (1996)

20. Ruhloff, J.: Lernen. In: Görres-Gesellschaft (eds) Staatslexikon: Recht. Wirtschaft. Gesellschaft., pp. 907-916. Herder, Freiburg (1987)

21. Brucks, M.: The on Effects of Product Search Class Knowledge Information Behavior. Journal of consumer research 12, 1-16 (1985)

22. Flynn, L.R., Goldsmith, R.E.: A Short, Reliable Measure of Subjective Knowledge. Journal of Business Research 46, 57-66 (1999)

23. Kim, Y.-H., Kwon, H., Lee, J., Chiu, Y.-Y.: Why Do People Overestimate or Underestimate Their Abilities? A Cross-Culturally Valid Model of Cognitive and Motivational Processes in Self-Assessment Biases. Journal of Cross-Cultural Psychology 47, 1201-1216 (2016)

24. Grüner, F.: Lernstrategien und Prüfungsangst bei Studierenden der Studiengänge Humanmedizin und Lehramt. https://opus.bibliothek.uni-wuerzburg.de/opus4-wuerzburg/frontdoor/deliver/index/docId/5112/file/FranziskaGruenerDiss.pdf (Accessed: 29.09.2017)

892