Advertisement

Journal für Mathematik-Didaktik

, Volume 39, Issue 1, pp 147–170 | Cite as

Entscheidungsstrategien an Vierfeldertafeln: Eine Analyse mit Blickbewegungen

  • Matthias C. Lehner
  • Kristina Reiss
Originalarbeit/Original Article

Zusammenfassung

Wir berichten über eine Studie mit 26 Studierenden, deren Blickbewegungen beim intuitiven Lösen von Problemen mit Vierfeldertafeln analysiert wurden. Dabei wurde untersucht, ob sich die Fixationszeiten der Zellen unterscheiden und ob die Lösungsstrategien mit den Fixationszeiten zusammenhängen. Darüber hinaus wurden die Sakkaden genutzt, um Erkenntnisse über die Informationsverlinkung zu gewinnen. Hintergrund der Studie sind mathematikdidaktische Forschungsergebnisse, die eine unterschiedliche Einschätzung der Bedeutung der vier Zellen und unterschiedliche Lösungsstrategien für Probleme an Vierfeldertafeln belegen, sowie die dual process theories aus der Psychologie, die beschreiben, wie intuitive Entscheidungen zu Gunsten rationaler Argumente kontrolliert werden. In der Erhebung zeigten Personen, die stets mit einer passenden Strategie entscheiden, ein anderes Blickverhalten als Personen, die additive Strategien anwenden. Die Ergebnisse legen nahe, Blickbewegungen für die weitere Untersuchung von Entscheidungsstrategien an Vierfeldertafeln zu verwenden.

Schlüsselwörter

Vierfeldertafel Kontingenztafel Entscheidungsstrategie Eye Tracking Intuition 

Strategies in Solving Contingency Table Problems: An Eye Movement Analysis

Abstract

The study reported in this article considers the eye movements of 26 students as they intuitively solved contingency problems. We investigated if there is a difference in the fixation times of the four cells and if the strategies were related with the fixation times. Furthermore, saccades are considered in order to get results about information linking. Background of the study are research results in mathematics education about the estimation of the importance of the four cells and about strategies that were identified for solving contingency problems as well as dual process theories in psychological research, which describe how intuitive processes are controlled in favor of rational arguments. We observed different fixation times and different numbers of saccades related to problem-solving strategies. The results suggest to consider eye movements for further analysis of strategies in contingency problems.

Keywords

Contingency table Strategy Eye tracking Eye movements Intuition 

MSC-Classification

C30 D50 D70 K50 

Literatur

  1. Babai, R., Brecher, T., Stavy, R., & Tirosh, D. (2006). Intuitive interference in probabilistic reasoning. International Journal of Science and Mathematics Education, 4, 627–639.CrossRefGoogle Scholar
  2. Batanero, C., Estepa, A., Godino, J. D., & Green, D. (1996). Intuitive strategies and preconceptions about association in contingency tables. Journal for Research in Mathematics Education, 27(2), 151–169.CrossRefGoogle Scholar
  3. Beitlich, J. T. & Obersteiner, A. (2015). Eye tracking as a method for identifying mathematical strategies. In K. Beswick, T. Muir & J. Wells (Hrsg.), Proceedings of the 39th Conference of the International Group for the Psychology of Mathematics Education, Vol. 1 (S. 93–97). Hobart: PME.Google Scholar
  4. Bente, G. (2005). Erfassung und Analyse des Blickverhaltens. In R. Mangold, P. Vorderer & G. Bente (Hrsg.), Lehrbuch der Medienpsychologie (S. 297–324). Göttingen: Hogrefe.Google Scholar
  5. Bergson, H. (1954). Creative evolution. Mineola: Dover Publications.Google Scholar
  6. Beth, E. W., & Piaget, J. (1966). Mathematical epistemology and psychology. Dordrecht: Reidel.Google Scholar
  7. Bortz, J., & Döring, N. (2006). Forschungsmethoden und Evaluation (4. Aufl.). Heidelberg: Springer.CrossRefGoogle Scholar
  8. Bortz, J., & Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler (7. Aufl.). Berlin, Heidelberg: Springer.CrossRefGoogle Scholar
  9. Bullock, M., Sodian, B., & Koerber, S. (2009). Doing experiments and understanding science. Development of scientific reasoning from childhood to adulthood. In W. Schneider & M. Bullock (Hrsg.), Human development from early childhood to early adulthood: findings from a 20 year longitudinal study (S. 173–198). New York: Psychology Press.Google Scholar
  10. Evans, J. S. B. T., & Stanovich, K. (2013). Dual-process theories of higher cognition: advancing the debate. Perspectives on Psychological Science, 8, 223–241.CrossRefGoogle Scholar
  11. Fischbein, E. (1987). Intuition in science and mathematics. Dordrecht: Reidel.Google Scholar
  12. Fischbein, E., Tirosh, D., & Hess, P. (1979). The intution of infinity. Educational Studies in Mathematics, 10, 3–40.CrossRefGoogle Scholar
  13. Fischer, G., Lehner, M., & Puchert, A. (2015). Einführung in die Stochastik. Die grundlegenden Fakten mit zahlreichen Erläuterungen, Beispielen und Übungsaufgaben (2. Aufl.). Heidelberg: Springer Spektrum.Google Scholar
  14. Gigerenzer, G., & Gaissmaier, W. (2011). Heuristic decision making. Annual Review of Psychology, 62, 451–482.CrossRefGoogle Scholar
  15. Gillard, E., Van Dooren, W., Schaeken, W., & Verschaffel, L. (2009). Dual processes in the psychology of mathematics education and cognitive psychology. Human Development, 52, 95–108.CrossRefGoogle Scholar
  16. Hattori, M., & Oaksford, M. (2007). Adaptive non-Interventional heuristics for covariation detection in causal induction: model comparison and rational analysis. Cognitive Science, 31, 765–814.CrossRefGoogle Scholar
  17. Holmqvist, K., Nyström, M., Andersson, R., Dewhurst, R., Jarodzka, H., & van de Wejier, J. (2011). Eye Tracking. A comprehensive guide to methods and measures. Oxford: Oxford University Press.Google Scholar
  18. Inhelder, B., & Piaget, J. (1958). The growth of logical thinking from childhood to adolescence. New York: Basic Books.CrossRefGoogle Scholar
  19. Just, M. A., & Carpenter, P. A. (1980). A theory of reading: from eye fixations to comprehension. Psychological Review, 87(4), 329–353.CrossRefGoogle Scholar
  20. Kahneman, D., & Frederick, S. (2002). Representativeness revisited: attribute substitution in intuitive judgment. In T. Gilovich, D. Griffin & D. Kahneman (Hrsg.), Heuristics and biases: the psychology of intuitive judgment (S. 49–81). New York: Cambridge University Press.CrossRefGoogle Scholar
  21. Kahneman, D., Slovic, P., & Tversky, A. (1982). Judgment under uncertainty: heuristics and biases. Cambridge: Cambridge University Press.CrossRefGoogle Scholar
  22. Klayman, J., & Ha, Y.-W. (1987). Confirmation, disconfirmation, and information in hypothesis testing. Psychological Review, 94, 211–228.CrossRefGoogle Scholar
  23. KMK (2003). Bildungsstandards im Fach Mathematik für den Mittleren Schulabschluss (10. Jahrgangsstufe). Beschlüsse der KultusministerkonferenzGoogle Scholar
  24. Lindmeier, A. & Reiss, K. (2014). Wahrscheinlichkeitsvergleich und inferenzstatistisches Schließen. Fähigkeiten von Kindern des 4. und 6. Schuljahrs bei Basisproblemen aus dem Bereich Daten und Zufall. mathematica didactica, 37, 30–59.Google Scholar
  25. Mata, A. (2016). Judgement of covariation: a review. Revista Psychologica, 30(1), 61–74.Google Scholar
  26. McKenzie, C. (1994). The accuracy of intuitive judgement strategies: covariation assessment and Bayesian inference. Cognitive Psychology, 26, 209–239.CrossRefGoogle Scholar
  27. Obersteiner, A., & Tumpek, C. (2016). Measuring fraction comparison strategies with eye-tracking. ZDM Mathematics Education, 48, 255–266.CrossRefGoogle Scholar
  28. Obersteiner, A., Bernhard, M., & Reiss, K. (2015). Primary school children’s strategies in solving contingency table problems: the role of intuition and inhibition. ZDM Mathematics Education, 47, 825–836.CrossRefGoogle Scholar
  29. OECD. (2013). PISA 2012 Assessment and analytical framework: Mathematics, reading, science, problem solving and financial literacy. Paris: OECD Publishing.Google Scholar
  30. Rakoczi, G. (2012). Eye Tracking in Forschung und Lehre. Möglichkeiten und Grenzen eines vielversprechenden Erkenntnismittels. In G. Csanyi, F. Reichl & A. Steiner (Hrsg.), Digitale Medien. Werkzeuge für Forschung und Lehre (S. 87–98). Münster: Waxmann.Google Scholar
  31. Schätz, U., & Eisentraut, F. (2008). Delta 10. Mathematik für Gymnasien. Bamberg: C. C. Buchner Duden Paetec Schulbuchverlag.Google Scholar
  32. Shah, A. K., & Oppenheimer, D. M. (2008). Heuristics made easy: an effort-reduction framework. Psychological Bulletin, 134, 207–222.CrossRefGoogle Scholar
  33. Shaklee, H., & Hall, L. (1983). Methods of assessing strategies for judging covariation between events. Journal of Educational Psychology, 75, 583–594.CrossRefGoogle Scholar
  34. Shaklee, H., & Paszek, D. (1985). Covariatoin judgement: systematic rule use in middle childhood. Child Development, 56, 1229–1240.CrossRefGoogle Scholar
  35. Shaklee, H., Holt, P., Elek, S., & Hall, L. (1988). Covariatoin judgement: improving rule use among children, adolescents, and adults. Child Development, 59, 755–768.CrossRefGoogle Scholar
  36. Shimazaki, T., Tsuda, Y., & Imada, H. (1991). Strategy changes in human contingency judgements as a function of contingency tables. The Journal of General Psychology, 118(4), 349–360.CrossRefGoogle Scholar
  37. Ufer, S., Lindmeier, A., & Reiss, K. (2011). Würfel oder Kugel. Mathematik lehren, 168, 18–22.Google Scholar
  38. Wasserman, E., Dorner, W., & Kao, S. (1990). Contributions of specific cell information to judgements of interevent contingency. Journal of Experimental Psychology, 16(3), 509–521.Google Scholar

Copyright information

© GDM 2018

Authors and Affiliations

  1. 1.Heinz Nixdorf-Stiftungslehrstuhl für Didaktik der Mathematik, TUM School of EducationTechnische Universität MünchenMünchenDeutschland

Personalised recommendations