Advertisement

Lernförderliche Rückmeldungen zu mathematischer Modellierungskompetenz im alltäglichen Mathematikunterricht: Unterrichtsentwicklung durch Lehrerfortbildungen?

  • Michael BesserEmail author
  • Werner Blum
  • Dominik Leiss
  • Eckhard Klieme
  • Katrin Rakoczy
Chapter
  • 47 Downloads
Part of the Realitätsbezüge im Mathematikunterricht book series (REIMA)

Zusammenfassung

Aufbauend auf einer passgenauen Diagnose von Schülerleistungen stellt die lernförderliche Gestaltung von Rückmeldungen ein zentrales Moment schulischer Lehr-Lern-Prozesse dar. Am Beispiel der Kompetenz des mathematischen Modellierens untersucht das DFG-Projekt Co2CA daher u. a., inwieweit Lehrkräfte durch langfristig angelegte Lehrerfortbildungen gezielt darin unterstützt werden können, Schülerinnen und Schülern im kompetenzorientierten Mathematikunterricht möglichst lernförderliches Feedback zum aktuellen Wissensstand anzubieten. Empirisch zeigt sich, dass trotz des erfolgreichen Aufbaus fachdidaktischen Lehrerwissens zum Diagnostizieren und Rückmelden von Schülerleistungen zum mathematischen Modellieren durch die Fortbildungen Schülerinnen und Schüler keine positive Veränderung der Rückmeldepraxis durch die Mathematiklehrkräfte wahrnehmen. Die Ergebnisse werden mit Blick auf die Bedeutung von Lehrerfortbildungen für die Qualitätsentwicklung von Schule diskutiert.

Literatur

  1. Baker, E. L. (2007). The end(s) of testing. Educational Researcher, 36(6), 309–317.CrossRefGoogle Scholar
  2. Bangert-Drowns, R. L., Kulik, C.-L. C., Kulik, J. A., & Morgan, M. (1991). The instrucional effect of feedback in test-like events. Review of Educational Research, 61(2), 213–238.CrossRefGoogle Scholar
  3. 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.CrossRefGoogle Scholar
  4. Bennett, R. (2011). Formative assessment: A critical review. Assessment in Education: Principles, Policy & Practice, 18(1), 5–25.Google Scholar
  5. Besser, M., Leiss, D., & Blum, W. (2015a). Theoretische Konzeption und empirische Wirkung von Lehrerfortbildungen am Beispiel mathematischen Problemlösens. Journal für Mathematik-Didaktik, 36(2), 285–313.CrossRefGoogle Scholar
  6. Besser, M., Leiss, D., & Klieme, E. (2015b). Wirkung von Lehrerfortbildungen auf Expertise von Lehrkräften zu formativem Assessment im kompetenzorientierten Mathematikunterricht. Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie, 47(2), 110–122.CrossRefGoogle Scholar
  7. Black, P., & William, D. (1998). Assessment and classroom learning. Assessment in Education, 5(1), 7–74.Google Scholar
  8. Black, P., & William, D. (2009). Developing the theory of formative assessment. Educational Assessment, Evaluation and Accountability, 21(1), 5–31.CrossRefGoogle Scholar
  9. Bliese, P. D. (2000). Within-group agreement, non-independence, and reliability: A simulation. In K. J. Klein & S. W. Kozlowski (Hrsg.), Multilevel theory, research, and methods in organizations (S. 349–381). San Francisco: Jossey-Bass.Google Scholar
  10. Blum, W. (2011). Can modelling be taught and learnt? Some answers from empirical research. In G. Kaiser, W. Blum, R. Borromeo Ferri, & G. Stillmann (Hrsg.), Trends in teaching and learning of mathematical modelling (S. 15–30). New York: Springer.CrossRefGoogle Scholar
  11. Bohl, T. (2017). Umgang mit Heterogenität im Unterricht: Forschungsbefunde und didaktische Implikationen. In T. Bohl, J. Budde, & M. Rieger-Ladich (Hrsg.), Umgang mit Heterogenität in Schule und Unterricht. Grundlagentheoretische Beiträge und didaktische Reflexionen (S. 257–273). Bad Heilbrunn: Klinkhardt & UTB.Google Scholar
  12. Bromme, R., Seeger, F., & Steinbring, H. (1990). Aufgaben, Fehler und Aufgabensysteme. Aufgaben als Anforderungen an Lehrer und Schüler (S. 1–30). Köln: Aulis Verlag Deubner.Google Scholar
  13. Busch, J., Barzel, B., & Leuders, T. (2015). Promoting secondary teachers’ diagnostic competence with respect to functions: Development of a scalable unit in continous professional development. ZDM – The International Journal on Mathematics Education, 47, 53–64.CrossRefGoogle Scholar
  14. Christiansen, B., & Walther, G. (1986). Task and activity. In B. Christiansen, A. G. Howson, & M. Otte (Hrsg.), Perspectives on mathematics education (S. 243–308). Dordrecht: D. Reidel Publishing Company.CrossRefGoogle Scholar
  15. Cizek, G. J. (2010). An introduction to formative assessment: History, characteristics and challenges. In H. L. Andrade & G. J. Cizek (Hrsg.), Handbook of formative assessment (S. 3–17). New York: Routledge.Google Scholar
  16. Clark, D., & Hollingsworth, H. (2002). Elaborating a model of teacher professional growth. Teaching and Teacher Education, 18, 947–967.CrossRefGoogle Scholar
  17. Clausen, M. (2002). Unterrichtsqualität: Eine Frage der Perspektive? Empirische Analysen zur Übereinstimmung, Konstrukt- und Kriteriumsvalidität. Münster: Waxmann.Google Scholar
  18. Cobb, P., & Jackson, K. (2011). Towards an empirically grounded theory of action for improving the quality of mathematics teaching at scale. Mathematics Teacher Education and Development, 13(1), 6–33.Google Scholar
  19. Darling-Hammond, L., Hyler, M. E., & Gardner, M. (2017). Effective teacher professional development. PaloAlto: Learning Policy Institute.Google Scholar
  20. Desimone, L. M. (2009). Improving impact studies of teachers’ professional development: Toward better conceptualizations and measures. Educational Researcher, 38(3), 181–199.CrossRefGoogle Scholar
  21. Doerr, H. (2007). What knowledge do teachers need for teaching mathematics through applications and modelling? In W. Blum, P. Galbraith, H.-W. Henn, & M. Niss (Hrsg.), Modelling and applications in mathematics education (S. 69–78). New York: Springer.CrossRefGoogle Scholar
  22. Dresel, M., & Ziegler, A. (2007). Zur Abhängigkeit handlungsadaptiver Reaktionen nach Misserfolg von Attributionsstil, Fähigkeitsselbstkonzept, impliziter Fähigkeitstheorie, Zielorientierung und Interesse. Vortrag auf der 10. Tagung der Fachgruppe Pädagogische Psychologie der DGP. Berlin.Google Scholar
  23. Ericsson, K. A., Krampe, R. T., & Tesch-Römer, C. (1993). The role of deliberate practice in the acquisition of expert performance. Psychological Review, 100, 363–406.CrossRefGoogle Scholar
  24. Garet, M. S., Porter, A. C., Desimone, L., Birman, B. F., & Yoon, K. S. (2001). What makes professional development effective? Results from a national sample of teachers. American Educational Research Journal, 38(4), 915–945.CrossRefGoogle Scholar
  25. Harks, B., Rakoczy, K., Hattie, J., Besser, M., & Klieme, E. (2014). The effects of feedback on achievement, interest and self-evaluation: The role of feedback’s perceived usefulness. Educational Psychology, 34(3), 269–290.CrossRefGoogle Scholar
  26. Hattie, J. (2011). Visible learning for teachers. London: Routledge.Google Scholar
  27. Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112.CrossRefGoogle Scholar
  28. Hill, H. C., Rowan, B., & Ball, D. L. (2005). Effects of teachers’ mathematical knowledge for teaching on student achievement. American Educational Research Journal, 42, 371–406.CrossRefGoogle Scholar
  29. Kaiser, G., Blum, W., Borromeo Ferri, R., & Greefrath, G. (2015). Anwendungen und Modellieren. In R. Bruder, L. Hefendehl-Hebeker, B. Schmidt-Thieme, & H.-G. Weigand (Hrsg.), Handbuch der Mathematikdidaktik (S. 357–384). Berlin: Springer Spektrum.Google Scholar
  30. Kingston, N., & Nash, B. (2011). Formative assessment: A meta-analysis and a call for research. Educational Measurement: Issues and Practice, 30(4), 28–37.CrossRefGoogle Scholar
  31. Kleickmann, T., Richter, D., Kunter, M., Elsner, J., Besser, M., Krauss, S., & Baumert, J. (2013). Teachers’ content knowledge and pedagogical content knowledge: The role of structural differences in teacher education. Journal of Teacher Education, 64(1), 90–109.CrossRefGoogle Scholar
  32. Kleickmann, T., Tröbst, S. A., Heinze, A., Beinholt, A., Rink, R., & Kunter, M. (2017). Teacher knowledge experiment: Conditions of the development of pedagogical content knowledge. In D. Leutner, J. Fleischer, J. Grünkorn, & E. Klieme (Hrsg.), Competence assessment in education: Research, models and instruments (S. 111–129). Heidelberg: Springer.CrossRefGoogle Scholar
  33. Kluger, A. N., & DeNisi, A. (1996). The effects of feedback interventions on performance: A historical review, a meta-analysis, and a preliminary feedback intervention theory. Psychological Bulletin, 119(2), 254–284.CrossRefGoogle Scholar
  34. Krainer, K. (1991). Aufgaben als elementare Bausteine didaktischen Denkens und Handelns. In Beiträge zum Mathemaikunterricht. Vorträge auf der 25. Bundestagung für Didaktik der Mathematik (S. 297–300). Bad Salzdetfurth: Franzbecker.Google Scholar
  35. Krauss, S., & Bruckmaier, G. (2014). Das Experten-Paradigma in der Forschung zum Lehrerberuf. In E. Terhart, H. Bennewitz, & M. Rothland (Hrsg.), Handbuch der Forschung zum Lehrerberuf (2. überarbeitete u. erweiterte Aufl., S. 241–261). Münster: Waxmann.Google Scholar
  36. Kunter, M. (2005). Multiple Ziele im Mathematikunterricht. Münster: Waxmann.Google Scholar
  37. Kunter, M., Klusmann, U., Baumert, J., Richter, D., Voss, T., & Hachfeld, A. (2013). Professional competence of teachers: Effects on instructional quality and student development. Journal of Educational Psychology, 105(3), 805–820.CrossRefGoogle Scholar
  38. Leiss, D. (2010). Adaptive Lehrerinterventionen beim mathematischen Modellieren – Empirische Befunde einer vergleichenden Labor- und Unterrichtsstudie. Journal für Mathematik-Didaktik, 31(2), 197–226.CrossRefGoogle Scholar
  39. Lipowsky, F. (2014). Theoretische Perspektiven und empirische Befunde zur Wirksamkeit von Lehrerfort- und -weiterbildung. In E. Terhart, H. Bennewitz, & M. Rothland (Hrsg.), Handbuch der Forschung zum Lehrerberuf (2. überarbeitete u. erweiterte Aufl., S. 511–541). Münster: Waxmann.Google Scholar
  40. Little, R. J. A., & Rubin, D. B. (2002). Statistical analysis with missing data (2. Aufl.). New York: Wiley.CrossRefzbMATHGoogle Scholar
  41. Lüdtke, O., Trautwein, U., Kunter, M., & Baumert, J. (2006). Reliability and agreement of student ratings of the classroom: A reanalysis of TIMSS data. Learning Environments Research, 9, 215–230.CrossRefGoogle Scholar
  42. Maier, U. (2010). Formative Assessment – Ein erfolgsversprechendes Konzept zur Reform von Unterricht und Leistungsmessung? Zeitschrift für Erziehungswissenschaft, 13(2), 293–308.CrossRefGoogle Scholar
  43. McLachlan, G. J., & Krishan, T. (1996). The EM algorithm and extensions. New York: Wiley.Google Scholar
  44. Pinger, P., Rakoczy, K., Besser, M., & Klieme, E. (2016). Implementation of formative assessment – Effects of quality of programme delivery on students’ mathematics achievement and interest. Assessment in Education: Principles, Policy & Practice, 25, 160–182.  https://doi.org/10.1080/0969594X.2016.1170665.CrossRefGoogle Scholar
  45. Pinger, P., Rakoczy, K., Besser, M., & Klieme, E. (2017). Interplay of formative assessment and instructional quality – Interactive effects on students’ mathematics achievement. Learning Environmental Research.  https://doi.org/10.1007/s10984-017-9240-2.CrossRefGoogle Scholar
  46. Putnam, R. T., & Borko, H. (2000). What do new views of knowledge and thinking have to say about research on teacher learning? Educational Researcher, 29(1), 4–15.CrossRefGoogle Scholar
  47. Rakoczy, K., Buff, A., & Lipowsky, F. (2005). Bafragungsinstrumente. In E. Klieme, C. Pauli, & K. Reusser (Hrsg.), Dokumentation der Erhebungs- und Auswertungsinstrumente zur schweizerisch-deutschen Videostudie „Unterrichtsqualität, Lernverhalten und mathematisches Verständnis“ (Teil 1). Frankfurt am Main: GEPF/DIPF.Google Scholar
  48. Rakoczy, K., Harks, B., Klieme, E., Blum, W., & Hochweber, J. (2013). Written feedback in mathematics: Mediated by students’ perseption, moderated by goal orientation. Learning and Instruction, 27, 63–73.CrossRefGoogle Scholar
  49. Roesken-Winter, B., Schüler, S., Stahnke, R., & Blömeke, S. (2015). Effective CPD on a large scale: Examining the development of multipliers. ZDM – The International Journal on Mathematics Education, 47, 13–25.CrossRefGoogle Scholar
  50. Sadler, D. R. (1989). Formative assessment and the design of instructional systems. Instructional Science, 18, 119–144.CrossRefGoogle Scholar
  51. Schafer, J. L., & Graham, W. (2002). Missing data: Our view of the state of the art. Psychological Methods, 7(2), 147–177.CrossRefGoogle Scholar
  52. Schoenfeld, A. H. (2014). What makes for powerful classrooms, and how can we support teachers in creating them? Educational Researcher, 43(8), 404–412.CrossRefGoogle Scholar
  53. Schütze, B., Rakoczy, K., Klieme, E., Besser, M., & Leiss, D. (2017). Training effects on teachers’ feedback practice: The mediating function of feedback knowledge and the moderating role of self-efficacy. ZDM – The International Journal on Mathematics Education. http://doi.org/10.1007/s11858-017-0855-7.
  54. Seidel, T., & Stürmer, K. (2014). Modeling and measuring the structure of professional vision in preservice teachers. American Educational Research Journal, 51(4), 739–771.CrossRefGoogle Scholar
  55. Sherin, M. G. (2004). New perspectives on the role of video in teacher education. In J. Brophy (Hrsg.), Advances in research on teaching: Bd. 10, Using video in teacher education (S. 1–27). Oxford: Elsevier.Google Scholar
  56. Shrout, P. E., & Fleiss, J. L. (1979). Intraclass correlations: Uses in assessing rater reliability. Psychological Bulletin, 86, 420–428.CrossRefGoogle Scholar
  57. Steffensky, M., & Kleinknecht, M. (2016). Wirkung videobasierter Lernumgebungen auf die professionelle Kompetenz und das Handeln (angehender) Lehrpersonen. Ein Überblick zu Ergebnissen aus aktuellen (quasi-)experimentellen Studien. Unterrichtswissenschaft, 44(4), 305–315.Google Scholar
  58. Stillman, G., Brown, J., & Galbraith, P. (2010). Identifying challenges within transition phases of mathematical modeling activities at year 9. In R. Lesh (Hrsg.), Modelling students’ mathematical modeling competencies (S. 385–398). New York: Springer.CrossRefGoogle Scholar
  59. Wiliam, D., & Thompson, M. (2008). Integrating assessment with learning: What will it take to make it work? In C. A. Dwyer (Hrsg.), The future of assessment: Shaping teaching and learning (S. 53–82). New York: Lawrence Erlbaum.Google Scholar
  60. Wylie, E., Gullickson, A., Cummings, K., Egelson, P., Noakes, L., & Norman, K. (2012). Improving formative assessment practice to empower student learning. Thousand Oaks: Corwin.Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2020

Authors and Affiliations

  • Michael Besser
    • 1
    Email author
  • Werner Blum
    • 2
  • Dominik Leiss
    • 1
  • Eckhard Klieme
    • 3
  • Katrin Rakoczy
    • 3
  1. 1.Institut für Mathematik und ihre DidaktikLeuphana Universität LüneburgLüneburgDeutschland
  2. 2.Didaktik der MathematikUniversität KasselKasselDeutschland
  3. 3.DIPF Leibniz-Institut für Bildungsforschung und BildungsinformationFrankfurtDeutschland

Personalised recommendations