Skip to main content
SpringerLink
Log in

Erhebung von repräsentationaler Kohärenzfähigkeit von Schülerinnen und Schülern im Themenbereich Strahlenoptik

Assessment of Students’ Representational Coherence Ability in the Field of Ray Optics

  • Original Paper
  • Published:
Zeitschrift für Didaktik der Naturwissenschaften Aims and scope Submit manuscript

Zusammenfassung

Der Beitrag stellt die Theorie, die Operationalisierung und psychometrische Analyse eines Instruments zur Erhebung von repräsentationaler Kohärenzfähigkeit vor. Eine umfangreiche naturwissenschaftsdidaktische und pädagogisch-psychologische Literatur belegt, dass der Umgang mit multiplen Repräsentationen und deren kognitiven Verbindungen Grundlage für die Erlangung eines angemessenen Verständnisses naturwissenschaftlicher Experimente, Phänomene und Konzepte ist. Eine Reihe von Studien hat jedoch gezeigt, dass Lernende verschiedener Ausbildungsstufen geringe repräsentationale Fähigkeiten besitzen. Insbesondere spielt die repräsentationale Kohärenzfähigkeit, d. h. Informationen innerhalb oder zwischen multiplen Repräsentationen korrekt und zielführend auf einander zu beziehen, vergleichen, ändern oder ineinander übersetzen zu können, eine zentrale Rolle für deren Nutzung als domänenspezifisches Denkwerkzeug. Ihr Erwerb stellt nach vorliegenden Befunden zugleich eine besonders ausgeprägte Lernschwierigkeit dar. Gleichzeitig fehlen derzeit einschlägige Erhebungsinstrumente für die meisten Themenbereiche der Physik und des Physikunterrichtes. Es wurde daher ein Erhebungsinstrument für repräsentationale Kohärenzfähigkeit im Bereich der Strahlenoptik entwickelt. Dies ist ein an multiplen Repräsentationen besonders reiches und in vielen Lehrplänen der Sekundarstufe I früh angesiedeltes Thema, sodass diesbezügliches Lernen und dessen verlässliche Prüfung eine hervorgehobene und ggf. auch weiter reichende Bedeutung haben. 488 Lernende zwischen 12 und 14 Jahren bearbeiteten den Test an rheinland-pfälzischen Gymnasien jeweils zu drei Zeitpunkten. Das Testinstrument (14 Items) erwies sich als ausreichend reliabel (α C = 0,8; r it ≥ 0,3) und wurde in einem Expertenrating als curricular valide eingeschätzt (N = 11 Lehrende, Intraklassen-Korrelation 0,5 < ICC < 0,7). Auf dieser Grundlage kann die repräsentationale Kohärenzfähigkeit als eine Basiskompetenz für das Verständnis von wissenschaftlichen Experimenten und Konzepten quantitativ bestimmt werden und es steht ein diagnostisches Werkzeug für die fachdidaktische Forschung und die Unterrichtspraxis zur Verfügung.

Abstract

This contribution contains the theory, the operationalization and the empirical psychometrical analysis of an instrument for Representational Coherence Ability. Science education and pedagogical-psychological research have shown the importance of multiple representations and their cognitive connections for an adequate understanding of scientific experiments, phenomena, and concepts. However, several further studies have shown that learners of different age groups have low levels of representational abilities. Especially Representational Coherence Ability as the ability to correctly connect, relate, compare and change information within one or several representations is central for the use of multiple representations as a tool for reasoning; but empirical results have shown that development of Representational Coherence Ability is a very distinctive learning difficulty. Also, for most topics in science education, there is a lack of appropriate assessment instruments. Therefore, in this study, an instrument to measure students’ Representational Coherence Ability in the domain of ray optics was developed. Ray optics is very rich in multiple representations and placed relatively early in the curriculum of secondary level I. So learning and the reliable assessment of it can have a special meaning or wider influence for several subsequent learning processes. The study took place in Germany, Rhineland-Palatinate, where 488 grammar-school students, aged between 12 and 14, worked with the instrument at three measurement times. The instrument (14 items) showed an acceptable reliability (α C = 0.8; r it ≥ 0.3) and an expert rating with 11 teachers established its curricular validity (0.5 < ICC < 0.7 for intraclass correlation). On that base, it is possible to assess Representational Coherence Ability as a basic competence for the understanding of science experiments and concepts and thus to serve as a diagnostic tool for physics education research and classroom practice.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1
Abb. 2
Abb. 3
Abb. 4
Abb. 5
Abb. 6
Abb. 7

Notes

  1. Wegen des häufigen Gebrauchs (und z. T. der späteren Verwendung als Indizes) war es sinnvoll, mehrere Abkürzungen einzuführen, für die hier als Lesehilfe ein Überblick gegeben wird: RKF-Test = Test auf repräsentationale Kohärenzfähigkeit; IC/RC/RFC = intra-representational/referential/representation form connection, RF = Repräsentationsform (treten alle als Indizes der entsprechenden Anzahlen auf); DU = construct deeper understanding (charakterisiert einen entsprechenden Itemtyp des Tests).

  2. Ursprünglich sind damit Verbindungen von verbalen/deskriptiven und visuellen/depiktiven mentalen Repräsentationsformen gemeint, s. oben und Paivio (1986); Mayer und Anderson (1991); siehe desweiteren „representational coherence“, Seufert (2003); „information integration“, Glenberg und Langston (1992); Mayer (1997); „conceptual organisation“ Schnotz und Bannert (2003); Schnotz (2005).

  3. Kognitiv entspricht dies entweder einer deskriptiven Verarbeitung durch „Analyse von Symbolstrukturen“ oder einer depiktiven Verarbeitung durch „analoge Strukturabbildung“ s. oben und Schnotz und Bannert (2003) und Schnotz (2005); bezüglich Kohärenz siehe Mayer (1989); Seufert (2003); Seufert und Brünken (2006).

  4. Wir verwenden auch bei der Abkürzung „RFC“ das englische Wort „connections“, um mit den in der Literatur gängigen Begriffen für „referential“ und „intra-representational connections“ konsistent zu sein.

  5. Wir danken den Referees einer früheren Version der Arbeit für diesen Hinweis. Es sei darauf hingewiesen, dass es neben der o. g. Auffassung von prozeduralem Wissen im breiteren Sinne (Krathwohl 2002; Koziol und Budding 2012) eine – historisch frühere – Auffassung in einem engeren Sinne von weitgehend unbewussten „production rules“ gibt, unter die Repräsentationskompetenz nur zum Teil fallen würde.

  6. Abbildungsfall: Bildgröße im Vergleich zur Gegenstandgröße, Bildweite im Vergleich zur Gegenstandsweite,.reelles oder virtuelles Bild.

Literatur

  • Adams, W. A., & Wieman, C. E. (2010). Development and validation of Inistruments to measure learning of expert-like thinking. International journal of Science Education, 33(9), 1–24. doi:10.1080/09500693.2010.512369.

    Google Scholar 

  • Ainsworth, S. (1999). The functions of multiple representations. Computers & Education, 33, 131–152.

    Article  Google Scholar 

  • Ainsworth, S. (2006a). DeFT: A conceptual framework for considering learning with multiple representations. Learning and Instruction, 16(3), 183–198.

    Article  Google Scholar 

  • Ainsworth, S. (2006b). Reprinted from Learning and Instruction, 16(3), Ainsworth, S., DeFT: A conceptual framework for considering learning with multiple representations, 183–198, Copyright (2006), with permission from Elsevier.

  • Ainsworth, S. (2008). The educational value of multiple representations when learning complex scientific concepts. In J. Gilbert, M. Reiner & M. Nakhleh (Hrsg.), Visualization: theory and practice in science education (S. 191–208). Dordrecht: Springer.

    Chapter  Google Scholar 

  • Ainsworth, S. E., Bibby, P. A., & Wood, D. J. (2002). Examining the effects of different multiple representational systems in learning primary mathematics. Journal of the Learning Sciences, 11, 25–61.

    Article  Google Scholar 

  • Anzai, Y. (1991). Learning and use of representations for physics expertise. In K. A. Ericsson & J. Smith (Hrsg.), Towards a general theory of expertise: prospects and limits (S. 64–92). Cambridge: Cambridge University Press.

    Google Scholar 

  • Ausubel, D. (1963). The Psychology of Meaningful Verbal Learning. New York: Grune & Stratton.

    Google Scholar 

  • Baddeley, A. D. (1986). Working memory. Oxford: Clarendon Press.

    Google Scholar 

  • Baker, B. O. (1966). Weak measurements vs. strong statistics: am empirical critique of S.S. Stevens Statistics. Educational and Psychological Measurement, 26, 291–309.

    Article  Google Scholar 

  • Bell, B. (2007). Classroom assessment of science learning. In S. K. Abell & N. G. Lederman (Hrsg.), Handbook of research in science education (S. 965–1006). Mahwah: Lawrence Erlbaum.

    Google Scholar 

  • Berthold, K., & Renkl, A. (2009). Instructional aids to support a conceptual understanding of multiple representations. Journal of Educational Psychology, 101, 70–87.

    Article  Google Scholar 

  • Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy and Practice, 5(1), 7–74.

    Article  Google Scholar 

  • Bodemer, D., Plötzner, R., Feuerlein, I., & Spada, H. (2004). The active integration of information during learning with dynamic and interactive visualisations. Learning and Instruction, 14(3), 325–341.

    Article  Google Scholar 

  • Borgatta, E. F., & Bohrnstedt, G. W. (1980). Level of measurement. Once over again. Sociological Methods and Research, 9(2), 147–160.

    Article  Google Scholar 

  • Bortz, J., & Döring, N. (2002). Forschungsmethoden und Evaluation. Für Human- und Sozialwissenschaftler (3. Aufl.). Berlin: Springer.

    Book  Google Scholar 

  • Bortz, J., & Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler. Berlin: Springer.

    Book  Google Scholar 

  • Brockett, P. L., & Golden, L. L. (1992). A comment on „using rank values as an interval scale“ by Dowling and Midgley. Psychology & Marketing, 9(3), 255–261.

    Article  Google Scholar 

  • Bühner, M. (2011). Einführung in die Test- und Fragebogenkonstruktion (3. Aufl.). München: Pearson Studium.

    Google Scholar 

  • Carifio, J., & Perla, R. J. (2007). Ten common misunderstandings, misconceptions, persistent myths and Urban legends about Likert scales and Likert response formats and their antidotes. Journal of Social Sciences, 3(3), 106–116.

    Article  Google Scholar 

  • Cattell, R. B. (1966). The scree test for the number of factors. Multivariate Behavioral Research, 1, 245–276.

    Article  Google Scholar 

  • Chandler, P., & Sweller, J. (1992). The split-attention effect as a factor in the design of instruction. British Journal of Educational Psychology, 62, 233–246.

    Article  Google Scholar 

  • Cheng, P. C. H. (2002). Electrifying diagrams for learning: principles for complex representational systems. Cognitive Science, 26(6), 685–736.

    Article  Google Scholar 

  • Cicchetti, D. V., & Sparrow, S. S. (1981). Developing criteria for establishing interrater reliability of specific items: applications to assessment of adaptive behavior. American Journal of Mental Deficiency, 86, 127–137.

    Google Scholar 

  • Cook, M. P. (2006). Visual representations in science education: The influence of prior knowledge and cognitive load theory on instructional design principles. Science education, 90(6), 1073–1091.

    Article  Google Scholar 

  • Cox, R., & Brna, P. (1995). Supporting the use of external representations in problem solving: the need for flexible learning environments. Journal of Artificial Intelligence in Education, 6, 239–302.

    Google Scholar 

  • Cronbach, L., & Snow, R. (1977). Aptitudes and instructional methods: a handbook for research on interactions. New York: Irvington.

    Google Scholar 

  • Ding, L., & Beichner, R. (2009). Approaches to data analysis of multiple-choice questions. Physical Review Physics Education Research, 5(2), 020103.

    Article  Google Scholar 

  • Docktor, J. L., & Mestre, J. P. (2014). Synthesis of discipline-based education research in physics. Physical Review Special Topics-Physics Education Research, 10(2), 020119.

    Article  Google Scholar 

  • Dolin, J. (2007). Science education standards and science assessment in Denmark. In D. Waddington, P. Nentwig & S. Schanze (Hrsg.), Making it comparable. Standards in science education (S. 71–82). Münster: Waxmann.

    Google Scholar 

  • Dowling, G. R., & Midgley, D. F. (1991). Using rank values as an interval scale. Psychology & Marketing, 8(1), 37.

    Article  Google Scholar 

  • Eid, M., Gollwitzer, M., & Schmitt, M. (2011). Statistik und Forschungsmethoden (2. Aufl.). Weinheim: Beltz.

    Google Scholar 

  • EFPA (2013). EFPA review model for the description and evaluation of psychological and educational tests. Brussels: European Federation of Psychology Associations.

    Google Scholar 

  • Even, R. (1998). Factors involved in linking representations of functions. Journal of Mathematical Behaviour, 17, 105–121.

    Article  Google Scholar 

  • Evers, A. (2001). Improving test quality in the Netherlands: results of 18 years of test ratings. International Journal of Testing, 1, 137–153.

    Article  Google Scholar 

  • Gilbert, J. K., & Treagust, D. (Hrsg.). (2009). Multiple representations in chemical education. The Netherlands: Springer.

    Google Scholar 

  • Glenberg, A. M., & Langston, W. E. (1992). Comprehension of illustrated text: pictures help to build mental models. Journal of memory and language, 31(2), 129–151.

    Article  Google Scholar 

  • Guadagnoli, E., & Velicer, W. F. (1988). Relation of sample size to the stability of component patterns. Psychological Bulletin, 103, 265–275.

    Article  Google Scholar 

  • Guthrie, J. W. (Hrsg.). (2002). Encyclopedia of education. New York: Macmillan.

    Google Scholar 

  • Haapsalo, L., & Kadjievich, D. (2000). Two types of mathematical knowledge and their relation. Journal für Mathematik-Didaktik, 21(2), 139–157.

    Article  Google Scholar 

  • Held, C., Knauff, M., & Vosgerau, G. (Hrsg.). (2006). Mental models and the mind: current developments in cognitive psychology, neuroscience, and philosophy of mind (1. Aufl.). Advances in Psychology, Bd. 138. Amsterdam: Elsevier.

    Google Scholar 

  • Herrmann, T. (1993). Mentale Repräsentation ein erläuterungsbedürftiger Begriff. In J. Engelkamp & T. Pechmann (Hrsg.), Mentale Repräsentation (S. 17–30). Bern: Huber.

    Google Scholar 

  • Hettmannsperger, R. (2015). Lernen mit multiplen Repräsentationen aus Experimenten: Ein Beitrag zum Verstehen physikalischer Konzepte. Wiesbaden: Springer.

    Book  Google Scholar 

  • HK: Hessisches Kultusministerium (o. J. a). Lehrplan Physik. Gymnasialer Bildungsgang, Jahrgangsstufen 7 bis 13. Hessen. https://kultusministerium.hessen.de/sites/default/files/media/g9-physik.pdf. Zugegriffen: 23. November 2016.

  • HK: Hessisches Kultusministerium (o. J. b). Lehrplan Physik. Gymnasialer Bildungsgang, Jahrgangsstufen 6G bis 9G. Hessen. https://kultusministerium.hessen.de/sites/default/files/media/g8-physik.pdf. Zugegriffen: 23. November 2016.

  • Höffler, T. N., & Leutner, D. (2007). Instructional animation versus static pictures: a meta-analysis. Learning and Instruction, 17(6), 722–738.

    Article  Google Scholar 

  • Hubber, P., Tytler, R., & Haslam, F. (2010). Teaching and learning about force with a representational focus: pedagogy and teacher change. Research in Science Education, 40(1), 5–28.

    Article  Google Scholar 

  • Kaiser, H. F., & Dickman, K. W. (1959). Analytic determination of common factors. American Psychologist, 14, 425.

    Google Scholar 

  • Kauertz, A. (2008). Schwierigkeitserzeugende Merkmale physikalischer Leistungstestaufgaben. In H. Niedderer, H. Fischler & E. Sumfleth (Hrsg.), Studien zum Physik- und Chemielernen Bd. 79 Berlin: Logos.

    Google Scholar 

  • Kauertz, A., & Fischer, H. E. (2006). Assessing students’ level of knowledge and Analysing the reasons for learning difficulties in physics by Rasch analysis. In X. Liu & J. Boone (Hrsg.), Applications of Rasch measurement in science education (S. 212–246). Minnesota: Maple Grove.

    Google Scholar 

  • Kohl, P. B., & Finkelstein, N. D. (2006). Effect of instructional environment on physics students’ representational skills. Physical Review Special Topics: Physics Education Research, 2(1), 010102.

    Article  Google Scholar 

  • Köller, O. (2008). Bildungsstandards – Verfahren und Kriterien bei der Entwicklung von Messintrumenten. Zeitschrift für Pädagogik, 54(2), 163–173.

    Google Scholar 

  • Koziol, L. F., & Budding, D. L. (2012). Procedural learning. In N. M. Seel (Hrsg.), Encyclopedia of the sciences of learning (S. 2694–2696). New York: Springer.

    Google Scholar 

  • Kozma, R. B., & Russell, J. (2005). Students becoming chemists: developing representational competence. In J. K. Gilbert (Hrsg.), Visualization in science education (S. 121–146). Dordrecht: Springer.

    Chapter  Google Scholar 

  • Kozma, R., Chin, E., Russell, J., & Marx, N. (2000). The roles of representations and tools in the chemistry laboratory and their implications for chemistry learning. Journal of the Learning Sciences, 9(2), 105–143.

    Article  Google Scholar 

  • Krathwohl, D. R. (2002). A revision of bloom’s taxonomy: an overview. Theory Into Practice, 41(4), 212–218.

    Article  Google Scholar 

  • Lasry, N., Rosenfield, S., Dedic, H., Dahan, A., & Reshef, O. (2011). The puzzling reliability of the force concept inventory. American Journal of Physics, 79(9), 909–912.

    Article  Google Scholar 

  • Lee, V. (2009). Examining patterns of visual representation use in middle school science classrooms. National Association of Research in Science Teaching (NARST) Annual Meeting Compact Disc. Garden Grove: Omnipress. conference paper

    Google Scholar 

  • Lesh, R., Post, T., & Behr, M. (1987). Representations and translations among representations in mathematics learning and problem solving. In C. Janvier (Hrsg.), Problems of representation in the teaching and learning of mathematics (S. 33–40). Hillsdale: Erlbaum.

    Google Scholar 

  • LISUM (2006). Rahmenlehrplan für die Sekundarstufe I, Jahrgangsstufe 7–10, Hauptschule, Realschule, Gesamtschule, Gymnasium, Physik. Senatsverwaltung für Bildung, Jugend und Sport Berlin (Hrsg.). Berlin: Oktoberdruck AG.

    Google Scholar 

  • LISUM (2008). Rahmenlehrplan für die Sekundarstufe I, Jahrgangsstufen 7–10, Physik. Ministerium für Bildung, Jugend und Sport des Landes Brandenburg (Hrsg.). Bielefeld: Hans Gieselmann Druck- und Medienhaus GmbH &amp; Co KG.

    Google Scholar 

  • LLS: Landesinstitut für Lehrerbildung und Schulentwicklung (2011). Bildungsplan Gymnasium, Sekundarstufe I, Physik. Freie und Hansestadt Hamburg, Behörde für Schule und Berufsbildung. http://www.hamburg.de/contentblob/2373266/f190388289579ec2aa1e7071b38aeb10/data/physik-gym-seki.pdf. Zugegriffen: 23. Nov 2016.

    Google Scholar 

  • Mandl, H., & Levin, I. R. (Hrsg.). (1989). Knowledge acquisition from text and pictures. Amsterdam: North Holland.

    Google Scholar 

  • Mayer, R. E. (1989). Systematic thinking fostered by illustrations in scientific text. Journal of educational psychology, 81(2), 240.

    Article  Google Scholar 

  • Mayer, R. E. (1997). Multimedia learning: are we asking the right questions? Educational psychologist, 32(1), 1–19.

    Article  Google Scholar 

  • Mayer, R. E. (2002). Rote versus meaningful learning. Theory into Practice, 41(4), 226–232.

    Article  Google Scholar 

  • Mayer, R. E. (2005). Cognitive theory of multimedia learning. In R. E. Mayer (Hrsg.), The Cambridge handbook of multimedia learning (S. 31–48). New York: Cambridge University Press.

    Chapter  Google Scholar 

  • Mayer, R. E., & Anderson, R. B. (1991). Animations need narrations: an experimental test of a dual-coding hypothesis. Journal of Educational Psychology, 83(4), 484–490.

    Article  Google Scholar 

  • MBKS: Ministerium für Bildung und Kultur Saarland (2014a). Lehrplan Physik Gymnasium Klassenstufe 9 Sprachenzweig. http://www.saarland.de/dokumente/thema_bildung/LP_Ph_Gym_9_sp.pdf. Zugegriffen: 23. Nov 2016.

    Google Scholar 

  • MBKS: Ministerium für Bildung und Kultur Saarland (2014b). Lehrplan Physik Gymnasium Klassenstufe 9 Naturwissenschaftlicher Zweig. http://www.saarland.de/dokumente/thema_bildung/LP_Ph_Gym_9_nw.pdf. Zugegriffen: 23. Nov 2016.

    Google Scholar 

  • MBSA: Ministerium für Bildung Sachsen Anhalt (2016). Fachlehrplan Gymnasium. http://www.bildung-lsa.de/pool/RRL_Lehrplaene/Erprobung/Gymnasium/FLP_Gym_Physik_LTn.pdf. Zugegriffen: 23. Nov 2016.

    Google Scholar 

  • MBWFK: Ministerium für Bildung, Wissenschaft, Forschung und Kultur des Landes Schleswig-Holstein (Hrsg.) (o. J.). Lehrplan für die Sekundarstufe I der weiterführenden allgemeinbildenden Schulen Hauptschule, Realschule, Gymnasium, Physik. http://lehrplan.lernnetz.de/intranet1/index.php?DownloadID=36. Gesehen 23. November 2016.

  • MBWW – Ministerium für Bildung, Wissenschaft und Weiterbildung Rheinland-Pfalz (Hrsg.). (1998). Lehrplanentwurf Physik – Realschule, Gymnasium (Klassen 7/8 – 10). Grünstadt: Sommer Druck und Verlag.

    Google Scholar 

  • McDermott, L. C. (2001). Oersted medal lecture 2001: physics education research – the key to student learning. American Journal of Physics, 69(11), 1127–1137.

    Article  Google Scholar 

  • Moosbrugger, H., & Kelava, A. (2012). Testtheorie und Fragebogenkonstruktion. Berlin: Springer.

    Book  Google Scholar 

  • Neumann, K., Kauertz, A., Lau, A., Notarp, H., & Fischer, H. E. (2007). Die Modellierung physikalischer Kompetenz und ihrer Entwicklung. Zeitschrift für Didaktik der Naturwissenschaften, 13, 125–143.

    Google Scholar 

  • Niegemann, H. M., Domagk, S., Hessel, S., Hein, A., Hupfer, M., & Zobel, A. (2008). Kompendium multimediales Lernen. Heidelberg: Springer.

    Google Scholar 

  • Nieminen, P., Savinainen, A., & Viiri, J. (2010). Force Concept Inventory-based multiple-choice test for investigating students’ representational consistency. Physical Review Special Topics – Physics Education Research, 6(2), 020109.

    Article  Google Scholar 

  • Nistal, A., Van Dooren, W., Clarebout, G., Elen, J., & Verschaffel, L. (2010). Representational flexibility in linear-function problems: a choice/no-choice study. In L. Verschaffel, E. De Corte, T. de Jong & J. Elen (Hrsg.), Use of representations in reasoning and problem solving: analysis and improvement (S. 74–93). Oxon: Routledge.

    Google Scholar 

  • Norman, G. (2010). Likert scales, levels of measurement and the „laws“ of statistics. Advances in Health Science Education, 15(5), 625–632.

    Article  Google Scholar 

  • Nunnally, J., & Bernstein, I. (1994). Psychometric theory (3. Aufl.). New York: McGraw-Hill.

    Google Scholar 

  • Paivio, A. (1986). Mental Representations: a dual coding approach. New York: Oxford University Press.

    Google Scholar 

  • Peirce, C. S. (1958). Collected Writings (Vols. 1–8). Cambridge: Harvard University Press. Erstausgabe 1931.

    Google Scholar 

  • Peterson, D. (Hrsg.). (1996). Forms of representation: an interdisciplinary theme for cognitive science. Exeter: Intellect Books.

    Google Scholar 

  • Plötzner, R., & Lowe, R. (2012). A systematic characterisation of expository animations. Computers in Human Behavior, 28(3), 781–794.

    Article  Google Scholar 

  • Plötzner, R., & Spada, H. (1998). Constructing quantitative problem representations on the basis of qualitative reasoning. Interactive Learning Environments, 5, 95–107.

    Article  Google Scholar 

  • Qualis-NRW (2008). Kernlehrplan für das Gymnasium – Sekundarstufe I, in Nordrhein-Westfalen, Physik. In Ministerium für Schule und Weiterbildung des Landes Nordrhein-Westfalen (Hrsg.), In Schule in NRW , Heft 3411. Frechen: Ritterbach.

    Google Scholar 

  • Ramlo, S. (2008). Validity and reliability of the force and motion conceptual evaluation. American Journal of Physics, 76(9), 882–886.

    Article  Google Scholar 

  • Saniter, A. (2003). Spezifika der Verhaltensmuster fortgeschrittener Studierender der Physik. In H. Niedderer & H. Fischler (Hrsg.), tudien zum Physiklernen Bd. 28 Berlin: Logos.

    Google Scholar 

  • SBW: Senator für Bildung und Wissenschaft (2006). Naturwissenschaften, Biologie – Chemie – Physik, Bildungsplan für das Gymnasium, Jahrgangsstufe 5–10. Bremen. http://www.lis.bremen.de/sixcms/media.php/13/06-12-06_nat_gy.pdf. Zugegriffen: 23. Nov 2016.

    Google Scholar 

  • Scheid, J. (2013). Multiple Repräsentationen, Verständnis physikalischer Experimente und kognitive Aktivierung: Ein Beitrag zur Entwicklung der Aufgabenkultur. In H. Niedderer, H. Fischler & E. Sumfleth (Hrsg.), Studien zum Physik- und Chemielernen Bd. 151 Berlin: Logos.

    Google Scholar 

  • Scheid, J., Müller, A., Hettmannsperger, R., & Schnotz, W. (2014). Fostering the Understanding of Scientific Experiments and Phenomena through Representational Analysis Tasks. In C. P. Constantinou, N. Papadouris & A. Hadjigeorgiou (Hrsg.), E-Book Proceedings of the ESERA 2013 Conference: Science Education Research For Evidence-based Teaching and Coherence in Learning. Part 1 (Ko-Hrsg. R. P. Casulleras, & M. Papaevripidou) (S. 102–108). Nicosia: European Science Education Research Association.

    Google Scholar 

  • Scheid, J., Müller, A., Hettmannsperger, R., & Schnotz, W. (2015). Scientific experiments, multiple representations, and their coherence. A task based elaboration strategy for ray optics. In W. Schnotz, A. Kauertz, H. Ludwig, A. Müller & J. Pretsch (Hrsg.), Multidisciplinary research on teaching and learning (S. 239–252). Basingstoke: Palgrave Macmillan.

    Google Scholar 

  • Schecker, H., & Parchmann, I. (2006). Modellierung naturwissenschaftlicher Kompetenz. Zeitschrift für Didaktik der Naturwissenschaften, 12, 45–66.

    Google Scholar 

  • Schnotz, W. (1994). Aufbau von Wissensstrukturen. Untersuchungen zur Kohärenzbildung bei Wissenserwerb mit Texten. Weinheim: Beltz, Psychologie-Verlags Union.

    Google Scholar 

  • Schnotz, W. (2002). Towards an integrated view of learning from text and visual displays. Educational Psychology Review, 14(1), 101–119.

    Article  Google Scholar 

  • Schnotz, W. (2005). An integrated model of text and picture comprehension. In R. E. Mayer (Hrsg.), The Cambridge handbook of multimedia learning (S. 49–70). New York: Cambridge University Press.

    Chapter  Google Scholar 

  • Schnotz, W. (2010). Reanalyzing the expertise reversal effect. Instructional Science, 38(3), 315–323.

    Article  Google Scholar 

  • Schnotz, W., & Bannert, M. (2003). Construction and interference in learning from multiple representation. Learning and Instruction, 13(2), 141–156.

    Article  Google Scholar 

  • Schnotz, W., & Kürschner, C. (2007). A reconsideration of cognitive load theory. Educational Psychology Review, 19(4), 469–508.

    Article  Google Scholar 

  • Schnotz, W., Baadte, C., Müller, A., & Rasch, R. (2010). Creative thinking and problem solving with depictive and descriptive representations. In L. Verschaffel, E. De Corte, T. de Jong & J. J. Elen (Hrsg.), Use of representations in reasoning and problem solving. Analysis and improvement (S. 11–35). Abingdon: Routledge.

    Google Scholar 

  • Schnotz, W., Baadte, C., Müller, A., & Rasch, R. (2011). Kreatives Denken und Problemlösen mit bildlichen und beschreibenden Repräsentationen. In R. Sachs-Hombach & R. Totzke (Hrsg.), Bilder Sehen Denken (S. 204–252). Köln: Halem.

    Google Scholar 

  • Schoenfeld, A. R., Smith, J. P., & Arcavi, A. (1993). Learning: the microgenetic analysis of one student’s evolving understanding of a complex subject matter domain. In R. Glaser (Hrsg.), Advances in instructional psychology Bd. 4 Hillsdale: LEA.

    Google Scholar 

  • Schwonke, R., Berthold, K., & Renkl, A. (2009). How multiple external representations are used and how they can be made more useful. Applied Cognitive Psychology, 23, 1227–1243.

    Article  Google Scholar 

  • Sell, K. S., Herbert, B. E., Stuessy, C. L., & Schielack, J. (2006). Supporting student conceptual model development of complex earth system through the use of multiple representations and inquiry. Journal of Geoscience Education, 54(3), 396–407.

    Article  Google Scholar 

  • Seufert, T. (2003). Supporting coherence formation in learning from multiple representations. Learning and Instruction, 13, 227–237.

    Article  Google Scholar 

  • Seufert, T., & Brünken, R. (2006). Cognitive load and the format of instructional aids for coherence formation. Applied Cognitive Psychology, 20, 321–331.

    Article  Google Scholar 

  • Singer, S. R., Nielsen, N. R., & Schweingruber, H. A. (2012). Discipline- based education research: understanding and improving learning in undergraduate science and engineering. Washington, DC.: National Academies Press.

    Google Scholar 

  • Sweller, J. (1999). Instructional design in technical areas. Melbourne: ACER Press.

    Google Scholar 

  • TMBWK: Thüringer Ministerium für Bildung, Wissenschaft und Kultur (2012). Lehrplan für den Erwerb der allgemeinen Hochschulreife Physik. https://www.schulportal-thueringen.de/tip/resources/medien/14477?dateiname=Physik_GY_Nov_2012_7_12.pdf. Zugegriffen: 23. Nov 2016.

    Google Scholar 

  • Törnkvist, S., Pettersson, K. A., & Tranströmer, G. (1993). Confusion by representation: on student’s comprehension of the electric field concept. American Journal of Physics, 61(4), 335–338.

    Article  Google Scholar 

  • Tsui, C., & Treagust, D. (2013). Multiple Representations in Biological Education. Dordrecht: Springer.

    Google Scholar 

  • Tytler, R., Prain, V., Hubber, P., & Waldrip, B. (Hrsg.). (2013). Constructing representations to learn in science. Rotterdam: Sense.

    Google Scholar 

  • Uttal, D. H., & O’Doherty, K. (2008). Comprehending and learning from „visualization“: a developmental perspective. In J. K. Gilbert, M. Reiner & M. Nakhleh (Hrsg.), Visualization in science education (S. 53–72). Dordrecht: Springer.

    Google Scholar 

  • Van Heuvelen, A. (1991). Learning to think like a physicist: a review of research-based instructional strategies. American Journal of Physics, 59, 891–897.

    Article  Google Scholar 

  • Van Heuvelen, A., & Zou, X. (2001). Multiple representations of work-energy processes. American Journal of Physics, 69(184), 2001.

    Google Scholar 

  • Van Merriënboer, J. J. G., & Sweller, J. (2005). Cognitive load theory and complex learning: Recent development and future directions. Educational Psychology Review, 17(2), 147–176.

    Article  Google Scholar 

  • Van Someren, M., Reimann, P., Boshuizen, H. P. A., & de Jong, T. (1998). Learning with multiple representations. Amsterdam: Elsevier.

    Google Scholar 

  • Verschaffel, L., De Corte, E., de Jong, T., & Elen, J. (2010). Use of external representations in reasoning and problem solving. New York: Routledge.

    Google Scholar 

  • Weise, G. (1975). Psychologische Leistungstests. Göttingen: Hogrefe.

    Google Scholar 

  • Wirtz, M., & Caspar, F. (2002). Beurteilerübereinstimmung und Beurteilerreliabilität. Göttingen: Hogrefe.

    Google Scholar 

  • Wu, H. K., & Shah, P. (2004). Exploring visuospatial thinking in chemistry learning. Science education, 88(3), 465–492.

    Article  Google Scholar 

  • Zeilik, M., Schau, C., Mattern, N., Hall, S., Teague, K. W., & Bisard, W. (1997). Conceptual astronomy: a novel model for teaching postsecondary science courses. American Journal of Physics, 65(10), 987–996.

    Article  Google Scholar 

  • Zhang, J. J., & Norman, D. A. (1994). Representations in distributed cognitive tasks. Cognitive Science, 18(1), 87–122.

    Article  Google Scholar 

Download references

Förderung

Die Autoren danken der Deutschen Forschungsgemeinschaft für die Ermöglichung dieser Forschungsarbeit im Rahmen des Graduiertenkollegs „Unterrichtsprozesse“ (DFG-Nr. GK 1561, Graduiertenkolleg Unterrichtsprozesse, Universität Koblenz- Landau, Campus Landau).

Author information

Authors and Affiliations

  1. Campus Landau, FB7: Natur- und Umweltwissenschaften, Institut für naturwissenschaftliche Bildung (InB), AG Physikdidaktik, Universität Koblenz-Landau, Fortstraße 7, 76829, Landau, Deutschland

    Jochen Scheid

  2. Faculté des Sciences/Section Physique, Institut Universitaire de Formation des Enseignants (IUFE), Pavillon d’Uni Mail (IUFE), Université de Genève, Boulevard du Pont d’Arve 40, 1211, Genève, Schweiz

    Andreas Müller

  3. Fachbereich Erziehungswissenschaften, Institut für Pädagogik der Elementar- und Primarstufe, Goethe Universität Frankfurt am Main, Theodor-W.-Adorno-Platz 6, 60323, Frankfurt am Main, Deutschland

    Rosa Hettmannsperger

  4. Fachbereich Physik, Didaktik der Physik, Universität Kaiserslautern, Erwin-Schrödinger-Str., Bau 46, Raum 525, 67663, Kaiserslautern, Deutschland

    Jochen Kuhn

Authors
  1. Jochen Scheid
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Andreas Müller
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Rosa Hettmannsperger
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Jochen Kuhn
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Jochen Scheid.

Caption Electronic Supplementary Material

Onlinematerial 1 Erhebungsinstrument für repräsentationale Kohärenzfähigkeit in der Version für die Testpersonen

40573_2017_65_MOESM2_ESM.docx

Onlinematerial 2 Erhebungsinstruments für repräsentationale Kohärenzfähigkeit: Charakteristische Kenngrößen, verwendete Repräsentationsformen und Bewertungsschlüssel

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Scheid, J., Müller, A., Hettmannsperger, R. et al. Erhebung von repräsentationaler Kohärenzfähigkeit von Schülerinnen und Schülern im Themenbereich Strahlenoptik. ZfDN 23, 181–203 (2017). https://doi.org/10.1007/s40573-017-0065-4

Download citation

  • Received:

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s40573-017-0065-4

Schlüsselwörter

Keywords

Search

Navigation