TY - THES A1 - Löffler, Elisabeth Therese T1 - Die Entwicklung des prozeduralen Metagedächtnisses über die Lebensspanne T1 - The development of procedural metacognition across the life-span N2 - Der Entwicklungsverlauf metakognitiver Überwachungsprozesse und das Zusammenspiel von Überwachungs- und Kontrollprozessen ist über die gesamte Lebensspanne hinweg nur für isolierte Altersgruppen, nicht aber in Studien, die Teilnehmer vom Kindes- bis zum höheren Erwachsenenalter einschließen, untersucht worden. Diese Lücke sollte mit der vorliegenden Arbeit geschlossen werden, denn gerade solche Designs können dazu beitragen, Aufbau- und Abbauprozesse zu kontrastieren, und Hinweise auf frühzeitig vorhandene sowie im Altersverlauf bestehende Fähigkeiten geben, die dann kompensatorisch genutzt werden können. Die eigene Arbeit befasste sich dabei mit dem Verlauf einer Vielzahl von pro- und retrospektiven Überwachungsvorgängen über die Lebensspanne. Der Schwerpunkt lag auf dem Einfluss verschiedener Kontextfaktoren (z.B. Komplexität des Lernmaterials, Vorwissen, Strategienutzung) auf die Überwachungsleistung in den jeweiligen Altersstufen. Außerdem wurde überprüft, inwieweit wechselseitige Zusammenhänge zwischen Überwachungs- und Steuerungsprozessen in den untersuchten Altersgruppen unterschiedlich stark ausgeprägt sind. Diese Fragestellungen wurden in sechs Experimenten mit insgesamt 816 Teilnehmern untersucht. Es handelte sich dabei um Drittklässler im Alter zwischen 7 und 9 Jahren, Jugendliche zwischen 12 und 14 Jahren, jüngere Erwachsene zwischen ca. 18 und 25 Jahren sowie ältere Erwachsene zwischen ca. 60 und 80 Jahren. Erhoben wurden Ease-of-Learning-Urteile (EOLs) bzw. ein globales Verständnisurteil als Maß der Überwachung vor dem eigentlichen Lernprozess, Judgments of Learning (JOLs) als Maß der Überwachung nach dem Lernvorgang und Sicherheitsurteile (SUs) als Maß der Überwachung nach dem Erinnerungsabruf. Es zeigte sich, dass die Überwachungsleistung sowohl, was die Differenzierungsfähigkeit zwischen richtigen und falschen Antworten, als auch, was die Genauigkeit betrifft, bezüglich der JOLs und der SUs über die gesamte untersuchte Altersspanne hinweg im Wesentlichen konstant und auf recht hohem Niveau blieb. Lediglich bei den EOLs ergaben sich Alterseffekte: Die jüngeren Erwachsenen schnitten besser ab als die anderen Altersgruppen, was mit besseren Fähigkeiten, spätere Lern- und Erinnerungsvorgänge zu antizipieren, erklärt werden kann. In Bezug auf den Einfluss von Kontextfaktoren konnte nachgewiesen werden, dass sich die Überwachungsleistungen bei verschieden komplexen Materialien (Paar-Assoziationen versus Film- oder Textmaterial) unter günstigen Bedingungen, z.B. wenn die Leistungsvorhersagen stark mit der Erinnerungsabfrage korrespondieren, kaum unterscheiden. Bei Rekognitionsaufgaben fielen die Überwachungsleistungen im Vergleich zu Aufgaben zur freien Erinnerung insgesamt schlechter aus. Ein großes bereichsspezifisches Vorwissen resultierte über alle Maße hinweg eher in einer Überschätzung der eigenen Leistung, bei den SUs jedoch auch in einer verbesserten Leistung im Vergleich zu Personen mit weniger Vorwissen. Ein Strategietraining wirkte sich besonders bei den Grundschülern und den älteren Erwachsenen positiv auf die Überwachungsleistung aus. Die eher gering ausgeprägten Alterseffekte weisen darauf hin, dass die einzelnen Kontextfaktoren über die Lebensspanne hinweg einen vergleichbaren Einfluss zu haben scheinen. Hinsichtlich sequenzieller Zusammenhänge zwischen Überwachungs- und Steuerungsprozessen (hier operationalisiert durch JOLs und die selbst gesteuerte Lernzeiteinteilung) zeigte sich, dass die Teilnehmer aller Altersgruppen in der Lage waren, sowohl Informationen aus den JOLs für die Anpassung der Lernzeit (Monitoring-affects-control-Modell) als auch – in etwas geringerem Ausmaß – Informationen aus der Lernzeit für die Anpassung der JOLs zu nutzen (Control-affects-monitoring-Modell). Der simultane Wechsel zwischen beiden Modellen stellt einen deutlich komplexeren Vorgang dar und konnte deshalb vor allem bei den Jugendlichen und den älteren Erwachsenen nachgewiesen werden. Insgesamt gesehen belegen die Ergebnisse der sechs Experimente, dass metakognitive Überwachungsfähigkeiten bereits recht früh, d.h. im mittleren Grundschulalter, gut ausgeprägt sind und auch bei älteren Erwachsenen noch lange auf gutem Niveau erhalten bleiben. Lediglich der flexible Wechsel zwischen Überwachungs- und Kontrollprozessen scheint in diesen beiden Altersgruppen noch Schwierigkeiten zu bereiten. Die ähnliche Wirkweise der Kontextfaktoren in den einzelnen Altersgruppen weist auf vergleichbare zugrunde liegende Prozesse hin. Die grundsätzlich guten metakognitiven Leistungen bei Kindern und älteren Erwachsenen sollten demnach genutzt werden, um Gedächtnisprozesse insbesondere in diesen Altersgruppen zu fördern. N2 - The development of metacognitive monitoring processes and the interplay between monitoring and control has been studied so far only in isolated age groups. Studies including participants from childhood to older adulthood are still needed. The present work aims to fill this gap in order to contrast potential construction and deterioration processes and to gain information about cognitive abilities which can compensate for potential deficiencies in the respective age groups. Consequently, the present studies include a vast number of prospective and retrospective monitoring processes and examine their development across the life span. The main focus was the impact of different contextual factors (i.e. task complexity, previous knowledge, strategy use) on monitoring performance in the respective age groups. Additionally, differences in the interplay between monitoring and control processes were studied. Six experiments with a total of 816 participants were conducted, who consisted of four groups: third-graders between 7 and 9 years of age, adolescents between 12 and 14 years, younger adults between 18 and 25 years, and older adults between 60 and 80 years. The main measures of interest were Ease-of-Learning Judgments (EOLs), sometimes replaced by a general judgment of comprehension, Judgments of Learning (JOLs), and Confidence Judgments (CJs), in order to operationalize monitoring before learning, after learning, and after recall. The results show that monitoring performance in JOLs and CJs remained on a constantly high level throughout the investigated age span, both in differentiation between correct and incorrect items and in monitoring accuracy. Age effects were found only in EOLs: here younger adults outperformed the other age groups, thus showing better abilities to anticipate subsequent learning and recall processes. Concerning the impact of contextual factors, monitoring performance was on a similar level with? stimuli of different complexity (paired associates vs. films and texts), provided that the conditions were favorable (for example where there was a high level of correspondence between performance prediction and recall format). In recognition tasks, monitoring performance was somewhat lower than in free recall tasks. Higher domain-specific knowledge resulted in an overestimation of performance, but also in an enhanced monitoring performance in CJs, as compared to those of participants with less previous knowledge. A strategy training had a positive impact on monitoring performance, especially in children and older adults. The rather low age effects indicate that the contextual factors investigated seem to have a similar influence throughout the life-span. In terms of sequential relations between monitoring and control processes (measured through JOLs and self-paced study time), results show that participants of all age groups were able to use information from JOLs to adapt their study time (monitoring-affects-control model) as well as – to a somewhat lower extent – to use information about the time they spent studying to adapt their JOLs (control-affects-monitoring model). A simultaneous change between both models seems to be more complex and thus could only be found in adolescents and younger adults. In sum, the six experiments prove that metacognitive abilities reach a good level in middle elementary school and remain fairly stable into older adulthood. The only exception concerns the flexible interchange between monitoring and control processes, which seems to be more challenging for children and older adults. The similar impact of contextual variables in all age groups indicates that the underlying processes are comparable. Thus, the fact that children’s and older adults’ metacognitive performance is generally good means that it should be harnessed to foster memory skills in these two age groups particularly. KW - Metakognition KW - Lebenslauf KW - Judgments of Learning KW - Entwicklungspsychologie Y1 - 2016 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-150424 ER - TY - BOOK A1 - Lingel, Klaus T1 - Metakognitives Wissen Mathematik – Entwicklung und Zusammenhang mit der Mathematikleistung in der Sekundarstufe I T1 - Metacognitive Knowledge on Mathematics – Development and Relation to Mathematics Achievement in Secondary School N2 - Das Wissen über kognitive Prozesse oder metakognitives Wissen ist seit den 1970er-Jahren Gegenstand der entwicklungspsychologischen Forschung. Im Inhaltsbereich der mathematischen Informationsverarbeitung ist das Konstrukt jedoch – trotz elaborierter theoretischer Modelle über Struktur und Inhalt – empirisch nach wie vor weitgehend unerschlossen. Die vorliegende Studie schließt diese Lücke, indem sie die Entwicklung des mathematischen metakognitiven Wissens im Längsschnitt untersucht. Dazu wurde nicht nur der Entwicklungsverlauf beschrieben, sondern auch nach den Quellen für die beobachteten individuellen Unterschiede in der Entwicklung gesucht. Auch die aus pädagogischen Gesichtspunkten interessanten Zusammenhänge zwischen der metakognitiven Wissensentwicklung und der parallel dazu verlaufenden Entwicklung der mathematischen Kompetenzen wurden analysiert. N2 - Knowledge about cognition or metacognitive knowledge has been a subject of interest in developmental psychology since the 1970s. The main focus has been on the development and impact of metacognitive knowledge on memory development during preschool and primary school. Despite elaborated theoretical models of structure and content, there is hardly any empirical research on metacognitive knowledge on mathematical information processing. This study investigated systematically the development of mathematical metacognitive knowledge in secondary school, the impact of individual determinants on developmental differences and the relation among the developmental processes in metacognitive knowledge and in mathematical achievement. The analyses were based on data of four measurement points of a larger longitudinal study. The observed time period spanned Grades 5 and 6. The sample included 928 students in the three main tracks of the German secondary educational system (academic, intermediate and vocational track). The instruments used to assess developmental changes in mathematical metacognitive knowledge and mathematics achievement were constructed according to the item response theory. In order to consider the developmental progress of the sample, instruments were consecutively adapted by vertical linking. Additionally, cognitive (intelligence and working memory capacity), motivational (mathematical interest and self-concept) and socioeconomic (socioeconomic status of family) traits were assessed. Reading competency was controlled as method factor. Developmental differences and changes in metacognitive knowledge were analyzed by latent growth curve models. The sample showed a continuous growth in metacognitive knowledge. The developmental progress, however did not proceed linearly, but decelerated during the course of Grade 6. Cognitive and socioeconomic traits predicted developmental differences and changes in metacognitive knowledge. Motivational traits, though, had no impact on the developmental process. Gender differences showed up as differential gains in favor of female students. Right at the first measurement point, effects of school tracking were significant. Over the observed period, students of the academic and the vocational track achieved a stronger growth in metacognitive knowledge than students in the intermediate track. Explorative mixture distribution modeling resulted in three latent classes of developmental change. The class allocation was predicted by school track, cognitive and socioeconomic traits. The developmental processes of mathematical metacognitive knowledge and mathematics achievement were bidirectionally related. Developmental differences in both grouping variables, gender and school track, as well as correlational relations between the observed developmental processes remained significant under control for students´ cognitive, motivational and socioeconomic traits. These findings essentially confirm the constructivist assumption of metacognitive knowledge development as postulated in memory research. Additionally, the investigation of mathematical metacognitive knowledge in secondary school widens substantially the traditional focus of research. The instrument to assess metacognitive knowledge which was constructed as part of this study allows future research in the field of metacognitive development. KW - Kognitiver Prozess KW - Metakognition KW - Mathematikunterricht KW - Längsschnittuntersuchung KW - Kindheit KW - Jugend KW - Sekundarstufe KW - Metakognitives Wissen KW - Metacognitive Knowledge KW - Mathematics Achievement KW - Mathematikleistung KW - Kognition KW - Entwicklung Y1 - 2016 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-103269 SN - 978-3-95826-004-7 (print) SN - 978-3-95826-005-4 (online) N1 - Parallel erschienen als Druckausg. in Würzburg University Press, ISBN 978-3-95826-004-7, 29,80 EUR. PB - Würzburg University Press CY - Würzburg ER - TY - THES A1 - Sonnenberg, Christoph T1 - Analyzing Technology-Enhanced Learning Processes: What Can Process Mining Techniques Contribute to the Evaluation of Instructional Support? T1 - Eine Analyse technologieunterstützter Lernprozesse: Welchen Beitrag kann Process Mining für die Bewertung instruktionaler Hilfe leisten? N2 - The current dissertation addresses the analysis of technology-enhanced learning processes by using Process Mining techniques. For this purpose, students’ coded think-aloud data served as the measurement of the learning process, in order to assess the potential of this analysis method for evaluating the impact of instructional support. The increasing use of digital media in higher education and further educational sectors enables new potentials. However, it also poses new challenges to students, especially regarding the self-regulation of their learning process. To help students with optimally making progress towards their learning goals, instructional support is provided during learning. Besides the use of questionnaires and tests for the assessment of learning, researchers make use increasingly of process data to evaluate the effects of provided support. The analysis of observed behavioral traces while learning (e.g., log files, eye movements, verbal reports) allows detailed insights into the student’s activities as well as the impact of interventions on the learning process. However, new analytical challenges emerge, especially when going beyond the analysis of pure frequencies of observed events. For example, the question how to deal with temporal dynamics and sequences of learning activities arises. Against this background, the current dissertation concentrates on the application of Process Mining techniques for the detailed analysis of learning processes. In particular, the focus is on the additional value of this approach in comparison to a frequency-based analysis, and therefore on the potential of Process Mining for the evaluation of instructional support. An extensive laboratory study with 70 university students, which was conducted to investigate the impact of a support measure, served as the basis for pursuing the research agenda of this dissertation. Metacognitive prompts supported students in the experimental group (n = 35) during a 40-minute hypermedia learning session; whereas the control group (n = 35) received no support. Approximately three weeks later, all students participated in another learning session; however, this time all students learned without any help. The participants were instructed to verbalize their learning activities concurrently while learning. In the three analyses of this dissertation, the coded think aloud data were examined in detail by using frequency-based methods as well as Process Mining techniques. The first analysis addressed the comparison of the learning activities between the experimental and control groups during the first learning session. This study concentrated on the research questions whether metacognitive prompting increases the number of metacognitive learning activities, whether a higher number of these learning activities corresponds with learning outcome (mediation), and which differences regarding the sequential structure of learning activities can be revealed. The second analysis investigated the impact of the individual prompts as well as the conditions of their effectiveness on the micro level. In addition to Process Mining, we used a data mining approach to compare the findings of both analysis methods. More specifically, we classified the prompts by their effectiveness, and we examined the learning activities preceding and following the presentation of instructional support. Finally, the third analysis considered the long-term effects of metacognitive prompting on the learning process during another learning session without support. It was the key objective of this study to examine which fostered learning activities and process patterns remained stable during the second learning session. Overall, all three analyses indicated the additional value of Process Mining in comparison to a frequency-based analysis. Especially when conceptualizing the learning process as a dynamic sequence of multiple activities, Process Mining allows identifying regulatory loops and crucial routing points of the process. These findings might contribute to optimizing intervention strategies. However, before drawing conclusions for the design of instructional support based on the revealed process patterns, additional analyses need to investigate the generalizability of results. Moreover, the application of Process Mining remains challenging because guidelines for analytical decisions and parameter settings in technology-enhanced learning context are currently missing. Therefore, future studies need to examine further the potential of Process Mining as well as related analysis methods to provide researchers with concrete recommendations for use. Nevertheless, the application of Process Mining techniques can already contribute to advance the understanding of the impact of instructional support through the use of fine-grained process data. N2 - Die vorliegende Dissertation beschäftigt sich mit der Analyse technologieunterstützter Lernprozesse unter Verwendung von Process Mining Methoden. Dabei werden kodierte Protokolle des lauten Denkens als Prozessmaß genutzt, um eine Bewertung des Potentials dieses Analyseansatzes für die Evaluation der Effekte instruktionaler Hilfe vornehmen zu können. Die zunehmende Verbreitung digitaler Medien in der Hochschulbildung und weiteren Ausbildungssektoren schafft neue Potentiale, allerdings auch neue Anforderungen an den Lerner, insbesondere an die Regulation seines Lernprozesses. Um ihn dabei zu unterstützen seinen Lernfortschritt optimal zu gestalten, wird ihm während des Lernens instruktionale Hilfe angeboten. Neben der Evaluation mittels Fragebögen und Testverfahren wird die Wirksamkeit der angebotenen Unterstützung zunehmend durch Prozessdaten bewertet. Die Analyse von beobachteten Verhaltensspuren während des Lernens (z.B. Logfiles, Blickbewegungen, Verbalprotokolle) ermöglicht einen detaillierten Einblick in die Lernhandlungen und die Folgen von Unterstützungsmaßnahmen. Allerdings stellen sich auch eine Reihe von neuen analytischen Herausforderungen, wie der Umgang mit zeitlichen Dynamiken und Sequenzen von Lernhandlungen, insbesondere wenn man über Häufigkeitsanalysen der beobachteten Ereignisse hinausgehen möchte. Vor diesem Hintergrund beschäftigt sich die vorliegende Arbeit mit der Anwendung von Process Mining Methoden zur detaillierten Betrachtung von Lernprozessen. Insbesondere der Mehrwert dieses Ansatzes gegenüber einer reinen Häufigkeitsanalyse und somit die Potentiale von Process Mining für die Evaluation von Fördermaßen sollen herausgestellt werden. Als Grundlage für die Bearbeitung der Fragestellung diente eine umfangreiche Laborstudie mit 70 Universitätsstudierenden, die durchgeführt wurde um die Effekte einer instruktionalen Fördermaßnahme zu prüfen. Die Probanden der Experimentalgruppe (n = 35) erhielten in einer 40-minütigen Hypermedia-Lernsitzung eine Förderung durch metakognitive Prompts, während die Kontrollgruppe (n = 35) ohne Hilfe lernte. In einer weiteren Lernsitzung drei Wochen später bearbeiteten alle Teilnehmer eine weitere Lerneinheit, diesmal ohne Unterstützung für alle Probanden. Während des Lernens wurden alle Teilnehmer instruiert, ihre Lernhandlungen kontinuierlich zu verbalisieren. Die kodierten Verbalprotokolle wurden in den drei Analysen dieser Dissertation detailliert mit Häufigkeits- und Process Mining Analysen untersucht. Die erste Analyse konzentrierte sich auf den Vergleich der Lernhandlungen der Experimental- und Kontrollgruppe während der ersten Sitzung. Es wurde den Fragen nachgegangen, ob metakognitive Prompts die Lerner dazu anregen mehr metakognitive Lernhandlungen auszuführen, ob eine höhere Anzahl dieser Lernhandlungen mit dem Lernerfolg zusammenhängt (Mediation) und welche Unterschiede sich in den Abfolgen der Lernhandlungen finden lassen. In der zweiten Analyse wurden die Effekte der einzelnen Prompts sowie die Bedingungen für ihre Wirksamkeit auf einer sehr detaillierten Ebene betrachtet. Zusätzlich zu Process Mining wurde auch eine Data Mining Methode eingesetzt, um deren Befunde zu vergleichen. Im Detail fanden eine Klassifikation der Prompts anhand ihrer Effektivität und eine Untersuchung der kodierten Lernaktivitäten vor und nach der Präsentation instruktionaler Hilfe statt. Schließlich untersuchte die dritte Analyse die langfristigen Effekte metakognitiver Prompts auf den Lernprozess in einer weiteren Lernsitzung ohne Unterstützung. Hier stand die Frage im Mittelpunkt, welche geförderten Lernaktivitäten und Prozessmuster während der zweiten Lernsitzung stabil blieben. Insgesamt belegen die Ergebnisse aller drei durchgeführten Analysen den Mehrwert von Process Mining im Vergleich zu reinen häufigkeitsbasierten Analysemethoden. Insbesondere unter Betrachtung des Lernprozesses als dynamische Abfolge von mehreren Lernhandlungen, ermöglicht Process Mining die Identifikation von Regulationsschleifen und zentralen Verzweigungen des Prozesses. Diese Befunde könnten zur Optimierung von Interventionen verwendet werden. Bevor aus den aufgedeckten Prozessmustern Schlussfolgerungen für die Gestaltung instruktionaler Hilfe gezogen werden können, müssen allerdings weitere Analysen erst noch die Generalisierbarkeit der Befunde belegen. Darüber hinaus bleibt die Anwendung von Process Mining herausfordernd, da derzeit keine Richtlinien für analytische Entscheidungen und Parametereinstellungen für technologieunterstützte Lernkontexte vorhanden sind. Darum müssen in Zukunft weitere Studien das Potential von Process Mining und verwandten Analysemethoden betrachten, um Forschern konkrete Anwendungsempfehlungen zur Verfügung stellen zu können. Generell kann Process Mining aber bereits jetzt dazu beitragen, das Verständnis der Auswirkungen instruktionaler Hilfe auf der Prozessebene voran zu treiben. KW - Selbstgesteuertes Lernen KW - Prozessanalyse KW - Process Mining KW - Metacognitive Prompting KW - Instructional Support KW - Technology-Enhanced Learning KW - Self-Regulated Learning KW - Metakognition KW - Lautes Denken Y1 - 2017 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-152354 ER -