Forschungsdaten Bildung - Details zur Studie:
Rekursive Problemlösung in der Online Lernumgebung CodingBat durch Informatik-Studierende
Die im Datenpaket enthaltenen Daten entstammen aus dem zweiten Teilstrang der Dissertation der Datengebenden, Natalie Kiesler. Dieser hat informatives Feedback, dessen Gestaltung und Umsetzung in der grundlegenden Programmierausbildung von Studierenden zum Schwerpunkt. Konkret wird der Forschungsfrage nach den Wirkungen informativen Feedbacks, welches von (Online)-Selbstlerntools angeboten wird, nachgegangen. Besonders Übungstools mit automatischer Bewertung können zu Frustrationen bei Lernenden führen, wenn letztere minimale Rückmeldung erhalten oder Aufgaben zu komplex sind. Daher erschien es sinnvoll, die Wirkungen einzelner Feedback-Typen näher zu untersuchen, um zu einer Einschätzung bezüglich dessen Angemessenheit im Kontext gelangen zu können. So wurde anhand von Lautes Denken-Experimenten die Auswirkung informativen Feedbacks auf Lernende exploriert, um weitere Anhaltspunkte für die lernförderliche Gestaltung von Feedback in der grundlegenden Programmierausbildung zu erhalten. In einem professionellen Usability Labor wurden die studentischen Arbeitsschritte während der rekursiven Problemlösung von Standardproblemen in der Informatik (u.a. Berechnung der Fakultät natürlicher Zahlen, sowie Berechnung der Fibonacci-Zahlenfolge) in Form von sowohl Audio- als auch Video-Daten aufgezeichnet. Als Grundlage wurde ein eigens entwickelter Feedback-Prototyp sowie das frei verfügbare Online Tool CodingBat genutzt. Anhand der Daten, der Bearbeitungszeit, Interaktionen, Feedback-Bedarfe und -Nutzung können die studentischen Schritte im Problemlöseprozess qualitativ nachvollzogen werden. So können z.B. mentale Modelle, oder generell das studentische Vorgehen transparent und nachvollziehbar werden. Die umfassenden Transkripte der Lautes Denken-Experimente werden aus Gründen der Datensparsamkeit nicht bereitgestellt, sondern nur die Transkriptionen der Bildschirmaktivitäten der studentischen Testpersonen.
Studien- und Projektinformationen
| Beteiligte Wissenschaftler/innen | Kiesler, Natalie |
|---|---|
| Beteiligte Institution(en) | Goethe-Universität Frankfurt am Main Hochschule Fulda |
| Schlagwörter | Problemlöseschritte; grundlegende Programmierausbildung; Computer Science Education; Informatikdidaktik; Hochschulbildung |
| Inhaltliche Angaben | Die im Datenpaket enthaltenen Daten entstammen aus dem zweiten Teilstrang der Dissertation der Datengebenden, Natalie Kiesler. Dieser hat informatives Feedback, dessen Gestaltung und Umsetzung in der grundlegenden Programmierausbildung von Studierenden zum Schwerpunkt. Konkret wird der Forschungsfrage nach den Wirkungen informativen Feedbacks, welches von (Online)-Selbstlerntools angeboten wird, nachgegangen. Besonders Übungstools mit automatischer Bewertung können zu Frustrationen bei Lernenden führen, wenn letztere minimale Rückmeldung erhalten oder Aufgaben zu komplex sind. Daher erschien es sinnvoll, die Wirkungen einzelner Feedback-Typen näher zu untersuchen, um zu einer Einschätzung bezüglich dessen Angemessenheit im Kontext gelangen zu können. So wurde anhand von Lautes Denken-Experimenten die Auswirkung informativen Feedbacks auf Lernende exploriert, um weitere Anhaltspunkte für die lernförderliche Gestaltung von Feedback in der grundlegenden Programmierausbildung zu erhalten. In einem professionellen Usability Labor wurden die studentischen Arbeitsschritte während der rekursiven Problemlösung von Standardproblemen in der Informatik (u.a. Berechnung der Fakultät natürlicher Zahlen, sowie Berechnung der Fibonacci-Zahlenfolge) in Form von sowohl Audio- als auch Video-Daten aufgezeichnet. Als Grundlage wurde ein eigens entwickelter Feedback-Prototyp sowie das frei verfügbare Online Tool CodingBat genutzt. Anhand der Daten, der Bearbeitungszeit, Interaktionen, Feedback-Bedarfe und -Nutzung können die studentischen Schritte im Problemlöseprozess qualitativ nachvollzogen werden. So können z.B. mentale Modelle, oder generell das studentische Vorgehen transparent und nachvollziehbar werden. Die umfassenden Transkripte der Lautes Denken-Experimente werden aus Gründen der Datensparsamkeit nicht bereitgestellt, sondern nur die Transkriptionen der Bildschirmaktivitäten der studentischen Testpersonen. |
| Untersuchungsdesign | Querschnitt |
| Untersuchungsgebiet (geogr.) | Deutschland (Hochschule Fulda) |
| Untersuchungseinheit | Studierende |
| Auswahlverfahren | Nicht-Wahrscheinlichkeitsauswahl: Bewusste Auswahl |
| Population / Stichprobe | Beobachtung von Studierenden beim Lösen von Übungs-Programmieraufgaben in CodingBat: Studierende des Fachbereiches Angewandte Informatik galten als potenzielle Testpersonen, insofern sie zum Zeitpunkt der Tests mindestens die Lehrveranstaltung ?Programmieren 1? (Grundlagenveranstaltung zur Programmierung) an der Hochschule Fulda belegt und abgeschlossen haben. Aus diesem Grund liegt der Zeitpunkt der Testreihe am Ende des Wintersemesters und nach Ende der Klausurenphase 2016/2017. In dem Einführungskurs werden Grundlagen der Java-Programmierung gelehrt, darunter auch das Thema Rekursion. Weitere spezielle Präferenzen bezüglich eines Studiengangs oder einer bestimmten Fachsemesterzahl bestanden nicht, da alle Studierenden am Fachbereich Angewandte Informatik im Wintersemester 2016/2017 ein und dieselbe Lehrveranstaltung zur Einführung in die Programmierung besucht haben. Diesbezüglich ist zumindest von einer gemeinsamen Basis an Kenntnissen auszugehen, die im Rahmen der Vorlesung gehört wurden. Insofern wurden alle Studierenden als Testpersonen berücksichtigt, die zumindest den ersten Programmier-Kurs im Umfang von 5 ECTS und 4 Semesterwochenstunden (SWS) als gemeinsame Basis belegt haben. |
Forschungsdaten und -instrumente
| Datenzugang | DOI: 10. |
|---|---|
| Art der Daten | Qualitatives, nicht oder gering standardisiertes Datenmaterial |
| Archivierende Einrichtung | Forschungsdatenzentrum für die Hochschul- und Wissenschaftsforschung (FDZ-DZHW) |
| Erhebungszeitraum | 21.03.2017 - 06.04.2017 |
| Veröffentlichungsdatum | 30.06.2022 |
Publikationen
| Projektbezogene Publikationen (Auswahl) | Kiesler, N. (2022). Kompetenzförderung in der Programmierausbildung duch Modellierung von Kompetenzen und informativem Feedback [Dissertation]. Johann Wolfgang Goethe-Universität, Frankfurt am Main. Jeuring, J., Keuning, H., Marwan, S., Bouvier, D., Izu, C., Kiesler, N., Lehtinen, T., Lohr, D., Peterson, A. & Sarsa, S. (2022). Towards Giving Timely Formative Feedback and Hints to Novice Programmers. In K. Quille, B. Alshaigy, B. A. Becker & M.-J. Laakso (Hrsg.), Proceedings of the 2022 Working Group Reports on Innovation and Technology in Computer Science Education (S. 95-115). ACM. https://doi.org/10.1145/3571785.3574124 Kiesler, N. (2023). Mental Models of Recursion: A Secondary Analysis of Novice Learners? Steps and Errors in Java Exercises. Frankfurt. DIPF Leibniz Institute for Research and Information in Education. https://www.ppig.org/papers/2022-ppig-33rd-kiesler/ Kiesler, N. & Schiffner, D. (2023). Why We Need Open Data in Computer Science Education Research. In Proceedings of the 2023 Conference on Innovation and Technology in Computer Science Education V. 1 (ITiCSE 2023). New York, NY, USA. Association for Computing Machinery. Kiesler, N. & Schiffner, D. (2023). Exploring and Improving Workflows for the Donation and Curation of Research Data. Proceedings of the Conference on Research Data Infrastructure, 1. https://doi.org/10.52825/cordi.v1i.284 Kiesler, N., Impagliazzo, J., Biernacka, K., Kapoor, A., Kazmi, Z., Ramagoni, S. G., Sane, A., Tran, K., Taneja, S. & Wu, Z. (2023). Where's the Data? Exploring Datasets in Computing Education. In V. Choppella, D. B. Phatak, A. Luxton-Reilly & M. Craig (Hrsg.), Proceedings of the ACM Conference on Global Computing Education Vol 2 (S. 209-210). ACM. https://doi.org/10.1145/3617650.3624951 |
|---|---|
| Studienbezogene Publikationen (Auswahl) | Kiesler, N. (2022). Kompetenzförderung in der Programmierausbildung duch Modellierung von Kompetenzen und informativem Feedback [Dissertation]. Johann Wolfgang Goethe-Universität, Frankfurt am Main. Jeuring, J., Keuning, H., Marwan, S., Bouvier, D., Izu, C., Kiesler, N., Lehtinen, T., Lohr, D., Peterson, A. & Sarsa, S. (2022). Towards Giving Timely Formative Feedback and Hints to Novice Programmers. In K. Quille, B. Alshaigy, B. A. Becker & M.-J. Laakso (Hrsg.), Proceedings of the 2022 Working Group Reports on Innovation and Technology in Computer Science Education (S. 95-115). ACM. https://doi.org/10.1145/3571785.3574124 Kiesler, N. (2023). Mental Models of Recursion: A Secondary Analysis of Novice Learners? Steps and Errors in Java Exercises. Frankfurt. DIPF Leibniz Institute for Research and Information in Education. https://www.ppig.org/papers/2022-ppig-33rd-kiesler/ Kiesler, N. & Schiffner, D. (2023). Why We Need Open Data in Computer Science Education Research. In Proceedings of the 2023 Conference on Innovation and Technology in Computer Science Education V. 1 (ITiCSE 2023). New York, NY, USA. Association for Computing Machinery. Kiesler, N. & Schiffner, D. (2023). Exploring and Improving Workflows for the Donation and Curation of Research Data. Proceedings of the Conference on Research Data Infrastructure, 1. https://doi.org/10.52825/cordi.v1i.284 Kiesler, N., Impagliazzo, J., Biernacka, K., Kapoor, A., Kazmi, Z., Ramagoni, S. G., Sane, A., Tran, K., Taneja, S. & Wu, Z. (2023). Where's the Data? Exploring Datasets in Computing Education. In V. Choppella, D. B. Phatak, A. Luxton-Reilly & M. Craig (Hrsg.), Proceedings of the ACM Conference on Global Computing Education Vol 2 (S. 209-210). ACM. https://doi.org/10.1145/3617650.3624951 |
Downloads und Links
Forschungsdaten
DOI: 10.
[Qualitatives, nicht oder gering standardisiertes Datenmaterial]
