Zeitschrift für Erziehungswissenschaft

, Volume 18, Issue 4, pp 687–712 | Cite as

Modellierung und Analyse des Professionswissens zur Diagrammkompetenz bei angehenden Biologielehrkräften

Allgemeiner Teil
First Online:

Zusammenfassung

Diagramme spielen in den Naturwissenschaften und ihrem Unterricht eine wichtige Rolle. Anhand der Literatur zur Diagrammkompetenz und Lehrerprofessionalität wurden empirisch überprüfbare Fähigkeiten als Komponenten herausgearbeitet, über die (angehende) Biologielehrkräfte verfügen sollten, um Diagramme im Unterricht lernwirksam einsetzen zu können. In diesem Beitrag sollen diese Komponenten des diagrammspezifischen Fach- und fachdidaktischen Wissens als Bestandteile des Professionswissens spezifiziert und ihre Zusammenhänge aufgezeigt werden. Voraussetzung hierfür war die theoriegeleitete Entwicklung, Validierung und Erprobung von geeigneten Testitems. An der Fragebogenstudie nahmen 442 Lehramtsstudierende von 13 Universitäten teil. Die Zusammenhänge zwischen den Komponenten wurden mithilfe von Strukturgleichungsmodellen analysiert. Es zeigt sich, dass die Integration von Texten und Diagrammen als Mediator zwischen dem biologischen Fachwissen und den Facetten des fachdidaktischen Wissens fungiert. Die Befunde werden in den Rahmen der fachdidaktischen Lehrerprofessionsforschung eingeordnet und ihre Konsequenzen für die naturwissenschaftsdidaktische Lehrerausbildung abschließend diskutiert.

Schlüsselwörter

Diagramme Naturwissenschaftlicher Unterricht Professionswissen 

Modelling and analysis of prospective biology teachers’ professional knowledge on handling of graphs

Abstract

Diagrams play an important role for the sciences and their teaching. Based on the current literature on diagrammatic knowledge and teacher professionalism, components have been worked out which prospective biology teachers should be familiar with to be able to effectively teach the use of diagrams in their lessons. The aim of this article is to specify the components of the diagram-specific content knowledge and the pedagogical content knowledge as constituent parts of the teachers’ professional knowledge and to identify their interrelationships. These components served as a basis for the theory-based development, validation and test of the test items. The questionnaire-based study included 442 teacher training students from 13 universities. It is with the help of the structural equation model that the interrelationships between the components were analysed. It shows that the integration of text and diagrams acts as mediator between the expert knowledge and the facets of the pedagogical content knowledge. The findings will fall within the framework of the didactic research of teachers’ professional knowledge and its consequences for the teacher training in natural sciences will be discussed at the end of this work.

Keywords

Diagrams Graphs Science education Teachers’ professional knowledge 
This is a preview of subscription content, log in to check access.

Notes

Danksagung

Unser ganz besonderer Dank gilt denjenigen Studierenden, die an unserer Vor- und Hauptstudie teilgenommen haben und den Ansprechpartnern aus folgenden Universitäten: Otto-Friedrich-Universität Bamberg, Universität Bielefeld, Freie Universität Berlin, Universität Duisburg-Essen, Friedrich-Alexander-Universität Erlangen-Nürnberg, Georg-August-Universität Göttingen, Martin-Luther Universität Halle-Wittenberg, Leibniz Universität Hannover, IPN an der Christian-Albrechts-Universität zu Kiel, Universität zu Köln, Universität Leipzig, Ludwig-Maximilians-Universität München, Technische Universität München, Carl von Ossietzky Universität Oldenburg, Universität Potsdam, Universität Regensburg, Universität Rostock, Universität Salzburg, Universität Würzburg, Fachhochschule Nordwestschweiz.

Literatur

  1. Abell, S. K. (2007). Research on science teacher knowledge. In S. K. Abell (Hrsg.), Handbook of research on science education (S. 1105–1149). Mahwah, NJ: Lawrence Erlbaum.Google Scholar
  2. Ainsworth, S. E. (1999). A functional taxonomy of multiple representations. Computers and Education, 33, 131–152.CrossRefGoogle Scholar
  3. Asparouhov, T., & Muthén, B. (2005). Multivariate statistical modeling with survey data. Proceedings of the Federal Committee on Statistical Methodology (FCSM) Research Conference.Google Scholar
  4. Aufschnaiter, C. von, & Blömeke, S. (2010). Professionelle Kompetenz von (angehenden) Lehrkräften erfassen – Desiderata. Zeitschrift für Didaktik der Naturwissenschaften, 16, 361–367.Google Scholar
  5. Ball, D. L., Lubienski, S. T., & Mewborn, D. S. (2001). Research on teaching mathematics. The unsolved problem of teachers’ mathematical knowledge. In V. Richardson (Hrsg.), Handbook of research on teaching (S. 433–456). New York: Macmillan.Google Scholar
  6. Bartholomé, T., & Bromme, R. (2009). Coherence formation when learning from text and pictures: What kind of support for whom? The Journal of Educational Psychology, 101(2), 282–293.CrossRefGoogle Scholar
  7. Baumert, J., & Kunter, M. (2006). Stichwort: Professionelle Kompetenz von Lehrkräften. Zeitschrift für Erziehungswissenschaft, 9(4), 469–520.CrossRefGoogle Scholar
  8. Baumert, J., & Kunter, M. (2011). Das Kompetenzmodell von COACTIV. In M. Kunter, J. Baumert, W. Blum, U. Klusmann, S. Krauss & M. Neubrand (Hrsg.), Professionelle Kompetenz von Lehrkräften – Ergebnisse des Forschungsprogramms COACTIV (S. 29–53). Münster: Waxmann.Google Scholar
  9. Baumert, J., Bos, W. & Lehmann, R. (Hrsg.) (2000a). TIMSS/III. Dritte internationale Mathematik- und Naturwissenschaftsstudie – Mathematische und naturwissenschaftliche Bildung am Ende der Schullaufbahn. Bd. 1: Mathematische und physikalische Grundbildung am Ende der Pflichtschulzeit. Opladen: Leske + Budrich.Google Scholar
  10. Baumert, J., Bos, W. & Lehmann, R. (Hrsg.) (2000b). TIMSS/III. Dritte internationale Mathematik- und Naturwissenschaftsstudie – Mathematische und naturwissenschaftliche Bildung am Ende der Schullaufbahn. Bd. 2: Mathematische und physikalische Kompetenzen am Ende der gymnasialen Oberstufe. Opladen: Leske & Budrich.Google Scholar
  11. Baumert, J., Stanat, P., & Demmrich, A. (2001). PISA 2000. Untersuchungsgegenstand, Grundlagen und Durchführung der Studie. In D. PISA-Konsortium (Hrsg.), PISA 2000: Basiskompetenzen von Schülerinnen und Schülern im internationalen Vergleich (S. 15–68). Opladen: Leske + Budrich.CrossRefGoogle Scholar
  12. Baumert, J., Blum, W., & Neubrand, M. (2004). Drawing the lessons from PISA 2000. Longterm research implications: Gaining a better understanding of the relationship between system inputs and learning outcomes by assessing instructional and learning processes as mediating factors. In D. Lenzen, J. Baumert, R. Watermann & U. Trautwein (Hrsg.), PISA und die Konsequenzen für die erziehungswissenschaftliche Forschung (S. 143–158). Münster: Waxmann.CrossRefGoogle Scholar
  13. Baumert, J., Kunter, M., Blum, W., Brunner, M., Voss, T., Jordan, A., ... & Tsai, Y. M. (2010). Teachers’ mathematical knowledge, cognitive activation in the classroom, and student progress. American Educational Research Journal, 47(1), 133–180.Google Scholar
  14. Blömeke, S., Kaiser, G., Lehmann, R., König, J., Döhrmann, M., Buchholtz, C., & Hacke, S. (2009). TEDS-M: Messung von Lehrerkompetenzen im internationalen Vergleich. In O. Zlatkin- Troitschanskaia, K. Beck, D. Sembill, R. Nickolaus & R. Mulder (Hrsg.), Lehrprofessionalität - Bedingungen, Genese, Wirkungen und ihre Messung (S. 181–210). Weinheim: Beltz.Google Scholar
  15. Borowski, A., Neuhaus, B. J., Tepner, O., Wirth, J., & Fischer, H. E. (2010). Professionswissen von Lehrkräften in den Naturwissenschaften (ProwiN) – Kurzdarstellung des BMBF-Projekts. Zeitschrift für Didaktik der Naturwissenschaften, 16, 167–175.Google Scholar
  16. Brophy, J. (2000). Teaching. http://www.ibe.unesco.org/publications/educationalpracticesseriespdf/prac01e.pdf. Zugegriffen 8. Mai 2015.
  17. Bullock, J., Green, D., & Ha, S. (2010). Yes, But What’s the Mechanism? (Don’t Expect an Easy Answer). Journal of Personality and Social Psychology, 98(4), 550–558.Google Scholar
  18. Dollny, S. (2011). Entwicklung und Evaluation eines Testinstruments zur Erfassung des fachspezifischen Professionswissens von Chemielehrkräften. Berlin: Logos.Google Scholar
  19. Dreyfus, T., & Eisenberg, T. (1990). On difficulties with diagrams: Theoretical issues. In G. Booker, P. Cobb, & T. N. De Mendicuti (Hrsg.), Proceedings of the 14th Annual Conference of the International Group for the Psychology of Mathematics Education (S. 27–36). Oaxtepex: PME.Google Scholar
  20. Felbrich, A. (2005). Kontrastierungen als effektive Lerngelegenheiten zur Vermittlung von Wissen über Repräsentationsformen am Beispiel des Graphen einer linearen Funktion. Berlin: Technische Universität.Google Scholar
  21. Fischer, H., & Borowski, A. (2009). Professionswissen und Fortbildung von Physiklehrern. In E. Kircher, R. Girwidz & P. Häußler (Hrsg.), Physikdidaktik. Theorie und Praxis (S. 689–707). Heidelberg: Springer.Google Scholar
  22. Geiser, C. (2010). Datenanalyse mit Mplus: Eine anwendungsorientierte Einführung. Wiesbaden: Springer VS.CrossRefGoogle Scholar
  23. Gramzow, Y., Riese, J., & Reinhold, P. (2013). Modellierung fachdidaktischen Wissens angehender Physiklehrkräfte. Zeitschrift für Didaktik der Naturwissenschaften, 19, 7–30.Google Scholar
  24. Großschedl, J., Mahler, D., Kleickmann, T., & Harms, U. (2014). Content-related knowledge of biology teachers from secondary schools: Structure and learning opportunities. International Journal of Science Education, 36(14), 2335–2366.CrossRefGoogle Scholar
  25. Grossman, P. (1990). The making of a teacher: Teacher knowledge and teacher education. New York: Teachers College Press.Google Scholar
  26. Hadjidemetriou, C., & Williams, J. (2002). Children’s graphical conceptions. Research in Mathematics Education, 4, 69–87.CrossRefGoogle Scholar
  27. Helmke, A. (2012). Unterrichtsqualität und Lehrerprofessionalität: Diagnose, Evaluation und Verbesserung des Unterrichts. Seelze: Klett-Kallmeyer.Google Scholar
  28. Hill, H. C., Ball, D. L., Blunk, M., Geoffney, I. M., & Rowan, B. (2007). Validating the ecological assumption: the relationship of measure scores to classroom teaching and student learning. Measurement: Interdisciplinary Research and Perspectives, 5(2), 107–118.Google Scholar
  29. Hill, H. C., Rowan, B., & Ball, D. L. (2005). Effects of teachers’ mathematical knowledge for teaching on student achievement. American Educational Research Journal, 42(2), 371–406.Google Scholar
  30. Jatzwauk, P., Rumann, S., & Sandmann, A. (2008). Der Einfluss des Aufgabeneinsatzes im Biologieunterricht auf die Lernleistung der Schüler – Ergebnisse einer Videostudie. Zeitschrift für die Didaktik der Naturwissenschaften, 14, 263–283.Google Scholar
  31. Jüttner, M., & Neuhaus, B. J. (2010). Vom Schülerfehler zum fachdidaktischen Wissenstest. Ansätze zur Entwicklung von Items, die das fachdidaktische Wissen von Biologielehrkräften prüfen. In U. Harms & R. Klee (Hrsg.), Lehr- und Lernforschung in der Biologiedidaktik (S. 27–39). Innsbruck: Studienverl.Google Scholar
  32. Jüttner, M., & Neuhaus, B. J. (2013). Das Professionswissen von Biologielehrkräften – ein Vergleich zwischen Biologielehrkräften, Biologen und Pädagogen. Zeitschrift für Didaktik der Naturwissenschaften, 19, 31–49.Google Scholar
  33. Jüttner, M., Boone, W., Park, S., & Neuhaus, B. J. (2013). Development and use of a test instrument to measure biology teachers’ content knowledge (CK) and pedagogical content knowledge (PCK). Educational Assessment, Evaluation and Accountability, 25(1), 45–67.CrossRefGoogle Scholar
  34. Klieme, E., & Leutner, D. (2006). Kompetenzmodelle zur Erfassung individueller Lernergebnisse und zur Bilanzierung von Bildungsprozessen. Beschreibung eines neu eingerichteten Schwerpunktprogramms der DFG. Zeitschrift für Pädagogik, 52(6), 876–903.Google Scholar
  35. KMK (2005) = Kultusministerkonferenz. (2005). Bildungsstandards im Fach Biologie für den Mittleren Schulabschluss: Beschluss vom 16.12.2004. München: Wolters Kluwer.Google Scholar
  36. Kotzebue, L. von, (2014). Diagrammkompetenz als biologiedidaktische Aufgabe für die Lehrerbildung: Konzeption, Entwicklung und empirische Validierung eines Strukturmodells zum diagrammspezifischen Professionswissen im biologischen Kontext. Technische Universität München. https://mediatum.ub.tum.de/node?id=1178515. Zugegriffen 27. April 2015.
  37. Kotzebue, L. von, & Nerdel, C. (2012). Professionswissen von Biologielehrkräften zum Umgang mit Diagrammen. Zeitschrift für Didaktik der Naturwissenschaften, 18, 181–200.Google Scholar
  38. Kotzebue, L. von, Gerstl, M., & Nerdel, C. (2015). Alternative conceptions for the construction of diagrams in biological contexts. Research in Science Education, 45(2), 193–213.CrossRefGoogle Scholar
  39. Krauss, S., Neubrand, M., Blum, W., Baumert, J., Brunner, M., Kunter, M., & Jordan, A. (2008). Die Untersuchung des professionellen Wissens deutscher Mathematik-Lehrerinnen und -Lehrer im Rahmen der COACTIV-Studie. Journal für Mathematik-Didaktik, 29, 223–258.CrossRefGoogle Scholar
  40. Krauss, S., Blum, W., Brunner, M., Neubrand, M., Baumert, J., Kunter, M., Besser, M., & Elsner, J. (2011). Konzeptualisierung und Testkonstruktion zum fachbezogenen Professionswissen von Mathematiklehrkräften. In M. Kunter, J. Baumert, W. Blum, U. Klusmann, S. Krauss, & M. Neubrand (Hrsg.), Professionelle Kompetenz von Lehrkräften. Ergebnisse des Forschungsprogramms COACTIV (S. 135–161). Münster: Waxmann.Google Scholar
  41. Kunter, M. (2005). Multiple Ziele im Mathematikunterricht. Münster, Germany: Waxmann.Google Scholar
  42. Lachmayer, S. (2008). Entwicklung und Überprüfung eines Strukturmodells der Diagrammkompetenz für den Biologieunterricht.Unveröffentlichte Dissertation: Christian-Albrechts-Universität zu Kiel.Google Scholar
  43. Lachmayer, S., Nerdel, C., & Prechtl, H. (2007). Modellierung kognitiver Fähigkeiten beim Umgang mit Diagrammen im naturwissenschaftlichen Unterricht. Zeitschrift für Didaktik der Naturwissenschaften, 13, 161–180.Google Scholar
  44. Larkin, J., & Simon, H. (1987). Why a diagram is (sometimes) worth ten thousand words. Cognitive Science, 11, 65–99.CrossRefGoogle Scholar
  45. Leinhardt, G., Zaslavsky, O., & Stein, M. K. (1990). Functions, graphs, and graphing: Tasks, learning, and teaching. Review of Educational Research, 60, 1–64.CrossRefGoogle Scholar
  46. Lipowsky, F. (2006). Auf den Lehrer kommt es an. Empirische Evidenzen für Zusammenhänge zwischen Lehrerkompetenzen, Lehrerhandeln und dem Lernen der Schüler. In C. Allemann-Ghionda (Hrsg.), Kompetenzen und Kompetenzentwicklung von Lehrerinnen und Lehrern (S. 47–70). Weinheim: Beltz.Google Scholar
  47. Markovits, Z., Eylon, B., & Bruckheimer, M. (1986). Functions today and yesterday. For the Learning of Mathematics, 6(2), 18–28.Google Scholar
  48. McElvany, N., Schroeder, S., Hachfeld, A., Baumert, J., Richter, T., Schnotz, W., Horz, H., & Ullrich, M. (2009). Diagnostische Fähigkeiten von Lehrkräften bei der Einschätzung von Schülerleistungen und Aufgabenschwierigkeiten bei Lernmedien mit instruktionalen Bildern. Zeitschrift für pädagogische Psychologie, 23(3–4), 223–235.CrossRefGoogle Scholar
  49. Nerdel, C. (2003). Die Wirkung von Animation und Simulation auf das Verständnis von stoffwechselphysiologischen Prozessen. Unveröffentlichte Dissertation: Christian-Albrechts-Universität zu Kiel.Google Scholar
  50. Neubrand, M., Jordan, A., Krauss, S., Blum, W., & Löwen, K. (2011). Aufgaben im COACTIV-Projekt: Einblicke in das Potential für kognitive Aktivierung im Mathematikunterricht. In M. Kunter, J. Baumert, W. Blum, U. Klusmann, S. Krauss & M. Neubrand (Hrsg.), Professionelle Kompetenz von Lehrkräften – Ergebnisse des Forschungsprogramms COACTIV (S. 115–131). Münster: Waxmann.Google Scholar
  51. Neuhaus, B. (2007). Unterrichtsqualität als Forschungsfeld für empirische biologiedidaktische Studien. In D. Krüger & H. Vogt (Hrsg.), Theorien in der biologiedidaktischen Forschung (S. 243–254). Berlin: Springer.CrossRefGoogle Scholar
  52. Padilla, M. J., McKenzie, D. L., & Shaw, E. L. (1986). An examination of the line graphing ability of students in grades seven through twelve. School Science and Mathematics, 86, 20–26.CrossRefGoogle Scholar
  53. Park, S., & Oliver, S. J. (2008). Revisiting the conceptualisation of Pedagogical Content Knowledge (PCK): PCK as a conceptual tool to understand teachers as professionals. Research in Science Education, 38, 261–284.CrossRefGoogle Scholar
  54. Philipp, J. (2008). Förderung des Verstehens von Liniendiagrammen durch interpretierende und konstruierende Lernhandlungen.Unveröffentlichte Dissertation: Albert-Ludwigs-Universität Freiburg i. Br.Google Scholar
  55. Riese, J. (2009). Professionelles Wissen und professionelle Handlungskompetenz von (angehenden) Physiklehrkräften. Berlin: Logos.Google Scholar
  56. Riese, J., & Reinhold, P. (2012). Die professionelle Kompetenz angehender Physiklehrkräfte in verschiedenen Ausbildungsformen. Zeitschrift für Erziehungswissenschaft, 15(1), 111–143.CrossRefGoogle Scholar
  57. Rogalla, M., & Vogt, F. (2008). Förderung adaptiver Lehrkompetenz: eine Interventionsstudie. Unterrichtswissenschaft - Zeitschrift für Lernforschung, 36, 17–36.Google Scholar
  58. Rost, J. (2004). Testtheorie – Testkonstruktion. Bern: Verlag Hans Huber.Google Scholar
  59. Roth, W.-M., Bowen, G. M., & McGinn, M. K. (1999). Differences in graph-related practices between high school biology textbooks and scientific ecology journals. Journal of Research in Science Teaching, 36, 977–1019.CrossRefGoogle Scholar
  60. Schermelleh-Engel, K., Moosbrugger, H., & Müller, H. (2003). Evaluating the fit of structural equation models: Test of significance and descriptive goodness-of-fit measures. Methods of Psychological Research – Online 2003, 8(2), 23–74.Google Scholar
  61. Schmelzing, S. (2010). Das fachdidaktische Wissen von Biologielehrkräften: Konzeptionalisierung, Diagnostik, Struktur und Entwicklung im Rahmen der Biologielehrerbildung. Berlin: Logos.Google Scholar
  62. Schmelzing, S., Wüsten, S., Sandmann, A., & Neuhaus, B. (2008). Das fachdidaktische Wissen der Lehrkräfte als Einflussfaktor für die Unterrichtsqualität im Biologieunterricht. Erkenntnisweg Biologiedidaktik, 7, 159–168.Google Scholar
  63. Schnotz, W. (2002). Wissenserwerb mit Texten, Bildern und Diagrammen. In L. J. Issing & P. Klimsa (Hrsg.), Information und Lernen mit Multimedia und Internet. Lehrbuch für Studium und Praxis (S. 65–81). Weinheim: Beltz.Google Scholar
  64. Schnotz, W., & Bannert, M. (2003). Construction and interference in learning from multiple representation. Learning and Instruction, 13, 141–156.CrossRefGoogle Scholar
  65. Scholz, F. (1980). Problemlösender Unterricht und Aufgabenstellungen mit einer Klassifikation von Problemlöseaufgaben(stellungen). Bd. 82: Neue pädagogische Bemühungen. Essen: Neue Deutsche Schule.Google Scholar
  66. Schrader, F.-W. (2006). Diagnostische Kompetenz von Eltern und Lehrern. In D. Rost (Hrsg.), Handwörterbuch Pädagogische Psychologie (S. 95–100). Weinheim: Beltz.Google Scholar
  67. Schroeder, S., Richter, T., McElvany, N., Hachfeld, A., Baumert, J., Schnotz, W., Horz, H., & Ullrich, M. (2011). Teachers’ beliefs, instructional behaviors, and students’ engagement in learning from texts with instructional pictures. Learning and Instruction, 21(3), 403–415.CrossRefGoogle Scholar
  68. Seifried, J., & Sembill, D. (2005). Emotionale Befindlichkeit in Lehr-Lern-Prozessen in der beruflichen Bildung. Zeitschrift für Pädagogik, 5, 656–673.Google Scholar
  69. Seufert, T. (2003). Supporting coherence formation in learning from multiple representations. Learning and Instruction, 13, 227–237.CrossRefGoogle Scholar
  70. Shulman, L. S. (1986). Those who understand: Knowledge growth in teaching. Educational Researcher, 4–14.Google Scholar
  71. Shulman, L. S. (1987). Knowledge and teaching: Foundations of the new reform. Havard Educational Review, 57, 1–22.Google Scholar
  72. Stapleton, L. M. (2008). Variance estimation using replication methods in structural equation modeling with complex sample data. Structural Equation Modeling, 15, 183–210.CrossRefGoogle Scholar
  73. Tenorth, H. E. (2004). Kerncurriculum Oberstufe II: Biologie, Chemie, Physik, Geschichte, Politik – Expertisen im Auftrag der KMK. Beltz.Google Scholar
  74. Tepner, O., & Dollny, S. (2014). measuring chemistry teachers’ content knowledge: Is it correlated to pedagogical content knowledge? In C. Bruguière, A. Tiberghien & P. Clément (Hrsg.), Topics and trends in current science education. 9th ESERA conference selected contributions (S. 243–254). Dordrecht: Springer.CrossRefGoogle Scholar
  75. Tepner, O., Borowski, A., Dollny, S., Fischer, H. E., Jüttner, M., Kirschner, S., ... & Wirth, J. (2012). Modell zur Entwicklung von Testitems zur Erfassung des Professionswissens von Lehrkräften in den Naturwissenschaften. Zeitschrift für Didaktik der Naturwissenschaften, 18, 7–28.Google Scholar
  76. Urban, D., & Mayerl, J. (2006). Regressionsanalyse: Theorie, Technik und Anwendung. Wiesbaden: Springer VS.Google Scholar
  77. Van Driel, J. H., De Jong, O., & Verloop, N. (2002). The development of preservice chemistry teachers’ pedagogical content knowledge. Science Teacher Education, 86, 572–590.Google Scholar
  78. Weinert, F. E. (2001a). Vergleichende Leistungsmessung in Schulen – eine umstrittene Selbstverständlichkeit. In F. E. Weinert (Hrsg.), Leistungsmessungen in Schulen (S. 17–31). Weinheim: Beltz.Google Scholar
  79. Weinert, F. E. (2001b). Concept of competence: A conceptual clarification. In D. S. Rychen & L. H. Saganik (Hrsg.), Defining and selecting key competencies (S. 45–66). Cambridge, WA: Hogrefe & Huber.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2015

Authors and Affiliations

  1. 1.Didaktik der BiologieLudwig-Maximilians-Universität MünchenMünchenDeutschland
  2. 2.Fachdidaktik Life Sciences, TUM School of EducationTechnische Universität MünchenMünchenDeutschland

Personalised recommendations