Advertisement

Fachbezogene diagnostische Kompetenzen von Lehrkräften – Von Verfahren der Erfassung zu kognitiven Modellen zur Erklärung

  • Andreas Ostermann
  • Timo LeudersEmail author
  • Kathleen Philipp
Chapter

Zusammenfassung

Als diagnostische Kompetenzen werden Fähigkeiten von Lehrpersonen verstanden, welche sie in die Lage versetzen, korrekte Urteile über Lernvoraussetzungen, Lernprozesse und Lernergebnisse von Lernenden zu treffen. Ziel ist es, Informationen zu gewinnen, die für verschiedene pädagogische Entscheidungen (Notengebung, Versetzung, Übergangsempfehlungen, Unterrichtsplanung und Unterrichtsgestaltung, Schulund Unterrichtsentwicklung) genutzt werden können.

Der vorliegende Artikel möchte einen Überblick über bisherige Ansätze zur Erforschung diagnostischer Kompetenzen geben und bezieht sich hierbei auf Hinweise aus der Kompetenzmodellierung mathematischen Professionswissens, Erfassung von Urteilsgenauigkeiten und auf die Prozessmodellierung diagnostischer Urteile. Vor diesem Hintergrund werden neuere Befunde aus qualitativen und quantitativen Ansätzen gedeutet. Insbesondere die Frage, welche Wissensbereiche zur Förderung diagnostischer Kompetenzen von Lehrpersonen herangezogen werden können, wird abschließend diskutiert.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Anders, Y., Kunter, M., Brunner, M., Krauss, S., & Baumert, J. (2010). Diagnostische Fähigkeiten von Mathematiklehrkräften und ihre Auswirkungen auf die Leistungen ihrer Schülerinnen und Schüler. Psychologie in Erziehung und Unterricht, (3), 175–193.CrossRefGoogle Scholar
  2. Ball, D. L., Hill, H.C, & Bass, H. (2005). Knowing mathematics for teaching: Who knows mathematics well enough to teach third grade, and how can we decide? American Educator, 29(1), 14-17, 20-22, 43-46.Google Scholar
  3. Ball, D. L., Thames, M. H., & Phelps, G. (2008). Content knowledge for teaching what makes it special? Journal of teacher education, 59(5), 389–407.CrossRefGoogle Scholar
  4. Bass, H., & Ball, D. (2004). A practice-based theory of mathematical knowledge for teaching: The case of mathematical reasoning. In J. Wang & B. Xu (Eds.), Trends and Challenges in Mathematics Education (S. 107–123). East China Normal University Press.Google Scholar
  5. Berliner, D. C. (1994). Expertise: The wonders of exemplary performance. In C. C. Block & J. N. Mangieri (Eds.), Creating powerful thinking in teachers and students (pp. 141–186). New York: Holt, Rinehart & Winston.Google Scholar
  6. Black, P., & Wiliam, D. (1998). Inside the black box: Raising standards through classroom assessment. London: Granada Learning.Google Scholar
  7. Blömeke, S., Kaiser, G., Döhrmann, M. & Lehmann, R. (2010). Mathematisches und mathematikdidaktisches Wissen angehender Sekundarstufen-I-Lehrkräfte im internationalen Vergleich. In S. Blömeke, G. Kaiser & R. Lehmann (Hrsg.), TEDS-M 2008 – Professionelle Kompetenz und Lerngelegenheiten angehender Mathematiklehrkräfte für die Sekundarstufe I im internationalen Vergleich. Münster: Waxmann, S. 197-238.Google Scholar
  8. Brunner, M., Anders, Y., Hachfeld, A. & Krauss, S. (2011). Diagnostische Fahigkeiten von Mathematiklehrkraften. In M. Kunter, J. Baumert, W. Blum, U. Klusmann, S. Krauss & M. Neubrand (Hrsg.). Professionelle Kompetenz von Lehrkräften – Ergebnisse des Forschungsprogramms COACTIV (S. 215-234). Münster: Waxmann.Google Scholar
  9. Busch, J., Barzel, B., & Leuders, T. (2015). Promoting secondary teachers’ diagnostic competence with respect to functions: development of a scalable unit in Continuous Professional Development. Zentralblatt für Didaktik der Mathematik, (47), 53–64.CrossRefGoogle Scholar
  10. Camerer, C., Loewenstein, G., & Weber, M. (1989). The curse of knowledge in economic settings: An experimental analysis. The Journal of Political Economy, 1232–1254.CrossRefGoogle Scholar
  11. Demaray, M. K., & Elliot, S. N. (1998). Teachers’ judgments of students’ academic functioning: A comparison of actual and predicted performances. School Psychology Quarterly, 13(1), 8–24.CrossRefGoogle Scholar
  12. Depaepe, F., Verschaffel, L., & Kelchtermans, G. (2013). Pedagogical content knowledge: A systematic review of the way in which the concept has pervaded mathematics educational research. Teaching and Teacher Education, 34, 12–25.CrossRefGoogle Scholar
  13. Fischhoff, B. (1975). Hindsight is not equal to foresight: The effect of outcome knowledge on judgment under uncertainty. Journal of Experimental Psychology: Human perception and performance, 1(3), 288.Google Scholar
  14. Freudenthal, H. (1973). Mathematik als pädagogische Aufgabe: Klett Stuttgart.Google Scholar
  15. Gigerenzer, G., Hertwig, R., & Pachur, T. (2011). Heuristics: The foundations of adaptive behavior: Oxford University Press.Google Scholar
  16. Gill, C. J., Sabin, L., & Schmid, C. H. (2005). Why clinicians are natural bayesians. BMJ: British Medical Journal, 330(7499), 1080–1083.CrossRefGoogle Scholar
  17. Hadjidemetriou, C., & Williams, J. (2002). Children’s graphical conceptions. Research in Mathematics Education, 4(1), 69–87.CrossRefGoogle Scholar
  18. Harvey, R. J. (1991). Job analysis. In M. D. Dunnette & L. Hough (Eds.), Handbook of Industrial and Organizational Psychology (2nd ed.). Palo Alto, CA: Consulting Psychologists PressGoogle Scholar
  19. Helmke, A. (2009). Unterrichtsqualität und Lehrerprofessionalität. Diagnose. Evaluation und Verbesserung der Unterrichtsqualität, Seelze: Kallmeyer.Google Scholar
  20. Helmke, A., & Schrader, F.-W. (1987). Interactional effects of instructional quality and teacher judgement accuracy on achievement. Teaching and Teacher Education, 3(2), 91–98.CrossRefGoogle Scholar
  21. Hiebert, J., Morris, A. K., Berk, D., & Jansen, A. (2007). Preparing teachers to learn from teaching. Journal of teacher education, 58(1), 47–61.CrossRefGoogle Scholar
  22. Hill, H. C., Ball, D. L., & Schilling, S. G. (2008). Unpacking pedagogical content knowledge: Conceptualizing and measuring teachers’ topic-specific knowledge of students. Journal for research in mathematics education, 372-400.Google Scholar
  23. Hill, H. C., Schilling, S. G., & Ball, D. L. (2004). Developing measures of teachers’ mathematics knowledge for teaching. The Elementary School Journal, 105(1), 11–30.CrossRefGoogle Scholar
  24. Hinds, P. J. (1999). The curse of expertise: The effects of expertise and debiasing methods on prediction of novice performance. Journal of experimental psychology: Applied, 5(2), 205–221.Google Scholar
  25. Hoge, R. D., & Coladarci, T. (1989). Teacher-based judgments of academic achievement: A review of literature. Review of Educational Research, 59(3), 297–313.CrossRefGoogle Scholar
  26. Ingenkamp, K. (2008). Lehrbuch der pädagogischen Diagnostik (6., neu ausgestattete Aufl.). Studium Paedagogik. Weinheim: Beltz. Retrieved from http://www.content-select.com/index.php?id=bib_view&ean=9783407291417.
  27. Jansen, A., & Spitzer, S. M. (2009). Prospective middle school mathematics teachers’ reflective thinking skills: Descriptions of their students’ thinking and interpretations of their teaching. Journal of Mathematics Teacher Education, 12(2), 133–151.CrossRefGoogle Scholar
  28. Kahneman, D. (2003). A perspective on judgment and choice: mapping bounded rationality. American psychologist, 58(9), 697.CrossRefGoogle Scholar
  29. Kaiser, J., Möller, J., Helm, F., & Kunter, M. (2015). Das Schülerinventar: Welche Schülermerkmale die Leistungsurteile von Lehrkräften beeinflussen. Zeitschrift für Erziehungswissenschaft, 1-24.Google Scholar
  30. Kelley, C. M. (1999). Subjective experience as basis of „objective“ judgments: Effects of past experience on judgments of difficulty. In D. Gopher & A. Koriat (Eds.), Attention and performance (<s. 516–536). MIT Press.Google Scholar
  31. Klein, F. (1911). Aktuelle Probleme der Lehrerbildung. In Aktuelle Probleme der Lehrerbildung (pp. 1–10). Springer.Google Scholar
  32. Klug, J., Bruder, S., Kelava, A., Spiel, C., & Schmitz, B. (2013). Diagnostic competence of teachers: A process model that accounts for diagnosing learning behavior tested by means of a case scenario. Teaching and Teacher Education, 30, 38–46.CrossRefGoogle Scholar
  33. Fussell, S. R., & Krauss, R. M. (1991). Accuracy and bias in estimates of others’ knowledge. European Journal of Social Psychology, 21, 445–454.CrossRefGoogle Scholar
  34. Lee, J., & Corter, J. E. (2010). Diagnosis of subtraction bugs using Bayesian networks. Applied Psychological Measurement, 35(1), 27–47.CrossRefGoogle Scholar
  35. Leinhardt, G., Zaslavsky, O., & Stein, M. S. (1990). Functions, graphs and graphing: tasks, learning and teaching. Review of Educational Research, 1, 1–64.CrossRefGoogle Scholar
  36. Leuders, T. & Philipp, K. (2012). Experimentelles Arbeiten in der Mathematik – ein Brückenschlag zur Naturwissenschaft mit Blick auf Peirce, Pólya und Medawar. In: Rieß, W., Wirtz, M., Barzel, B. (Hrsg). Experimentieren im mathematisch-naturwissenschaftlichen Unterricht – Theoretische Fundierung und empirische Befunde. Münster: Waxmann. S.75-88.Google Scholar
  37. Leuders, T., Bruder, R., Kroehne, U., Naccarella, D., Nitsch, R., Henning-Kahmann, J., Kalava, A., Wirtz, M. (2016). Development, Validation, and Application of a Competence Model for Mathematical Problem Solving by Using and Translating Representations of Functions. In D. Leutner, J. Fleischer, J. Grünkorn & E. Klieme (Hrsg.), Competence Assessment in Education: Research, Models and Instruments. Springer.Google Scholar
  38. Mayring, P. (1983). Qualitative Inhaltsanalyse: Grundlagen u. Techniken. Weinheim; Basel: Beltz.Google Scholar
  39. Morris, A. K., Hiebert, J., & Spitzer, S. M. (2009). Mathematical knowledge for teaching in planning and evaluating instruction: What can preservice teachers learn? Journal for Research in Mathematics Education, 491–529.Google Scholar
  40. Nathan, M. J., & Koedinger, K. R. (2000). An investigation of teachers’ beliefs of students’ algebra development. Cognition and Instruction, 18(2), 209–237.CrossRefGoogle Scholar
  41. Nathan, M. J., & Petrosino, A. (2003). Expert blind spot among preservice teachers. American Educational Research Journal, 40(4), 905–928.CrossRefGoogle Scholar
  42. Neubrand, M., Klieme, E., Lüdtke, O., & Neubrand, J. (2002). Kompetenzstufen und Schwierigkeitsmodelle für den PISA-Test zur mathematischen Grundbildung. Unterrichtswissenschaft, 30(2), 100–119.Google Scholar
  43. Nickerson, R. S. (1999). How we know—and sometimes misjudge—what others know: Imputing one’s own knowledge to others. Psychological bulletin, 125(6), 737–795.CrossRefGoogle Scholar
  44. Nickerson, R. S. (2001). The projective way of knowing: A useful heuristic that sometimes misleads. Current Directions in Psychological Science, 10(5), 168-172.CrossRefGoogle Scholar
  45. Ostermann A., Leuders T., Nückles, M. (2015). Wissen, was Schülerinnen und Schülern schwer fällt. Welche Faktoren beeinflussen die Schwierigkeitseinschätzung von Mathematikaufgaben? Journal für Mathematik-Didaktik.  https://doi.org/10.1007/s13138-015-0073-1.CrossRefGoogle Scholar
  46. Ostermann, A., Leuders, T. & Nückles, M. (in review). Improving preservice teachers’ judgment of task difficulties.Google Scholar
  47. Philipp, K., & Leuders, T. (2014a). Diagnostic competences of mathematics teachers – Processes and resources. In P. Liljedahl, C. Nicol, S. Oesterle, & D. Allan (Eds.), Proceedings of the Joint Meeting of PME 38 and PME-NA 36 (Vol. 1, pp. 425–432). Vancouver, Canada: PME.Google Scholar
  48. Philipp, K., & Leuders, T. (2014b). Diagnostische Prozesse und Ressourcen von Mathematiklehrpersonen. In J. Roth & J. Ames (Eds.), Beiträge zum Mathematikunterricht 2014 (pp. 891–894).Google Scholar
  49. Piaget, J. (1962). Comments: Addendum to Vygotsky, L. S. (1962). In J. Hanfmann & G. Valcar (Ed, and Trans.), Thought and language. Cambridge, MA: MIT Press.Google Scholar
  50. Plessner, H., & Czenna, S. (2008). The Benefits of Intuition. In C. Betsch & T. Betsch (Eds.), Intuition in judgment and decision making (pp. 251–266). Mahwah, NJ: Lawrence Erlbaum.Google Scholar
  51. Prediger, S. (2008). The relevance of didactic categories for analysing obstacles in conceptual change: Revisiting the case of multiplication of fractions. Learning and Instruction, 18(1), 3–17.CrossRefGoogle Scholar
  52. Prediger, S. (2010). How to develop mathematics-for-teaching and for understanding: the case of meanings of the equal sign. Journal of Mathematics Teacher Education, 13(1), 73-93.CrossRefGoogle Scholar
  53. Richter, A. (1995). Der Begriff der Abduktion bei Charles Sanders Peirce (Vol. 453). Frankfurt Main: Lang.Google Scholar
  54. Schrader, F.-W. (2011). Lehrer als Diagnostiker. In E. Terhart, H. Bennewitz, & M. Rothland (Eds.), Handbuch der Forschung zum Lehrerberuf (pp. 683–698). Münster: Waxmann.Google Scholar
  55. Schrader, F.-W. (2013). Diagnostische Kompetenz von Lehrpersonen. Beiträge zur Lehrerinnenund Lehrerbildung, 31(2), 154–165.Google Scholar
  56. Selter, C. (1995). Zur Fiktivität der „Stunde Null“ im arithmetischen Anfangsunterricht. Mathematische Unterrichtspraxis, 16(2), 11–19.Google Scholar
  57. Sherin, M., Jacobs, V., & Philipp, R. (Eds.). (2011). Mathematics teacher noticing: Seeing through teachers’ eyes. New York: Routledge.Google Scholar
  58. Shulman, L. S. (1986). Those who understand: Knowledge growth in teaching. Educational researcher, 4–14.CrossRefGoogle Scholar
  59. Spinath, B. (2005). Akkuratheit der Einschätzung von Schülermerkmalen durch Lehrer und das Konstrukt der diagnostischen Kompetenz. Zeitschrift für Pädagogische Psychologie, 19(1), 85–95.CrossRefGoogle Scholar
  60. Südkamp, A., Kaiser, J., & Möller, J. (2012). Accuracy of teachers’ judgments of students’ academic achievement: A meta-analysis. Journal of Educational Psychology, 104(3), 743–762.CrossRefGoogle Scholar
  61. Swan, M. (2007). The impact of task-based professional development on teachers’ practices and beliefs: a design research study. Journal of Mathematics Teacher Education, 10(4-6), 217–237.  https://doi.org/10.1007/s10857-007-9038-8.CrossRefGoogle Scholar
  62. Tversky, A., & Kahneman, D. (1973). Availability: A heuristic for judging frequency and probability. Cognitive psychology, 5(2), 207-232.CrossRefGoogle Scholar
  63. Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. science, 185(4157), 1124–1131.CrossRefGoogle Scholar
  64. van Ophuysen, S. (2010). Professionelle pädagogisch-diagnostische Kompetenz. Eine theoretische und empirische Annäherung. Jahrbuch der Schulentwicklung, 16, 203–234.Google Scholar
  65. Verschaffel, L., Greer, B., & De Corte, E. (2007). Whole number concepts and operations. In F. Lester (Hrsg.), Second handbook of research on mathematics teaching and learning. (2. Aufl., S. 557–628). Charlotte: Information Age Publishing.Google Scholar
  66. Wahl, D., Weinert, F. E., & Huber, G. L. (2001). Psychologie für die Schulpraxis: Ein handlungsorientiertes Lehrbuch für Lehrer (7. Aufl.). München: Kösel.Google Scholar
  67. Weinert, F. E. (1998). Neue Unterrichtskonzepte zwischen gesellschaftlichen Notwendigkeiten, pädagogischen Visionen und psychologischen Möglichkeiten. In Wissen und Werte für die Welt von morgen (Dokumentation zum Bildungskongress am 29./30. April 1998 (pp. 101–125). Bayerisches Staatsministerium für Unterricht, Kultus, Wissenschaft und Kunst.Google Scholar
  68. Wilson, M., & Sloane, K. (2000). From principles to practice: An embedded assessment system. Applied Measurement in Education, 13(2), 181–208.CrossRefGoogle Scholar
  69. Wilson, T. D., & Schooler, J. W. (1991). Thinking too much: introspection can reduce the quality of preferences and decisions. Journal of personality and social psychology, 60(2), 181–192.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Andreas Ostermann
    • 1
  • Timo Leuders
    • 2
    Email author
  • Kathleen Philipp
    • 3
  1. 1.Pädagogische Hochschule FreiburgFreiburgDeutschland
  2. 2.Institut für Mathematische BildungPädagogische Hochschule FreiburgFreiburgDeutschland
  3. 3.Institut PrimarstufePädagogische Hochschule FHNW BaselMuttenzSchweiz

Personalised recommendations