Lernfortschritt durch Micro-Assessments
Classtime wurde entwickelt, um Lehrpersonen und Lernende bestmöglich zu unterstützen: Die Lernenden, damit diese spielerisch und nachhaltig wichtige Kompetenzen erlangen und festigen und ganz allgemein die Freude am Lernen steigern. Die Lehrpersonen, um diese in Ihrem Unterricht noch effektiver zu machen, und gleichzeitig Zeit zu sparen (beispielsweise für Korrekturarbeit) – Zeit, die sich anschliessend wiederum effektiver im Sinne der Lernenden einsetzen lässt. Mit Classtime soll der Lernfortschritt durch Micro-Assessments aktiv gefördert werden.
Um zu zeigen, dass Classtime nicht nur auf Basis von zahlreichen positiven qualitativen Feedbacks obiges Ziel erfüllt, sondern auch empirisch belegbar tatsächlich Lernen positiv beeinflusst, haben wir in Zusammenarbeit mit der Eidgenössischen Technischen Hochschule in Lausanne, EPFL, eine Studie durchgeführt. Die Studie trägt den Titel “How micro-assessments can improve learning rates”, wurde unter Professor Pierre Dillenbourg am Learning Science Departement von Kevin Kappel geschrieben, und ist unter diesem Link verfügbar: Link
Motivation der Studie und akademische Grundlage
John Hattie hat in seiner umfassenden Meta-Studie “Visible Learning” verschiedene Parameter auf Ihre Wirkung auf Lernfortschritt bei Lernenden untersucht – eine aktuelle Liste findet sich hier (die nicht immer nachgeführte Deutsche Version findet sich hier). Seitens Classtime wollten wir nun verstehen, ob sich ein statistisch nachweisbarer Zusammenhang zwischen der Nutzung von Classtime im Unterricht und verschiedenen besonders lernförderlichen Parametern herstellen lässt. Insbesondere interessierte uns die Wirkung von Classtime auf die folgenden Faktoren:
– Einschätzung des Leistungsniveaus (“Teacher Estimate of Achievement”)
– Feedback (“Feedback”)
– Lernziele (“Learning Goals”)
– Lehrer-Schüler-Beziehung (“Teacher-Student Relationship”)
– Langeweile (“Boredom”)
Wieso diese Parameter? Hattie hat in seiner Analyse verschiedener lernförderlichen Faktoren einen sogenannten Hinge-Point definiert – eine statistische Kennzahl, um den durchschnittlichen Lernfortschritt einer Schülerin/eines Schülers während einem Jahr zu quantifizieren. Dieser Hinge-Point liegt bei dem Wert d=0.4. Einerseits hatten wir eine qualitativ untermauerte Hypothese, dass Classtime obige Parameter positiv beeinflusst, andererseits haben obige Faktoren, eine überproportional starke Wirkung auf Lernfortschritt:
– Einschätzung des Leistungsniveaus: d=1.29
– Feedback: d=0.7
– Lernziele: d=0.7
– Lehrer-Schüler-Beziehung: d=0.5
– Langeweile: d=-0.5
Resultate: Signifikante Beeinflussung der Faktoren “Feedback” und “Teacher Estimate of Achievement”
Die Studie wurde während 5 Wochen und in einem Zeitraum zwischen November 2019 und Februar 2020 mit 12 Lehrpersonen, insgesamt 19 Klassen, und 324 Schülerinnen und Schülern durchgeführt. Dabei hat ein Teil der Gruppe mindestens 1x-wöchentlich mit Classtime gearbeitet, und der andere Teil der Gruppe gar nicht. Jeweils zu Beginn sowie zum Ende der Studie wurde mit allen Teilnehmern ein Fragebogen ausgefüllt, welcher die Einschätzungen der Lehrpersonen und der Lernenden auf die verschiedenen Parameter abgegriffen hat.
Die Studie hat statistisch nachweisen können, dass die Nutzung von Classtime eine positive Wirkung auf die Parameter “Feedback” und “Einschätzung des Leistungsniveaus” hat. Oder übersetzt auf die Unterrichtssituation: Die Schülerinnen und Schüler haben nach dem Einsatz von Classtime eine Verbesserung empfunden bzgl. der Frequenz, Qualität und Relevanz des Feedbacks, das sie erhalten haben, insbesondere im Vergleich zur Kontrollgruppe, welche Classtime nicht eingesetzt hat. Und analog hat sich die Diskrepanz zwischen der Einschätzung zum Leistungsniveau und zur Beherrschung der Lehrinhalte zwischen Lehrperson und Lernende signifikant verringert – die Teilnehmer hatten also mit Classtime ein besseres gemeinsames Verständnis zum reellen Leistungsniveau. Mit Classtime kann der Lernfortschritt durch Micro-Assessments nachweislich begünstigt werden.
Illustration: Vergleich bzgl. der Variable “Feedback” zwischen der Gruppe, welche Classtime nutzte, und der Kontrollgruppe. Zu Grunde lagen verschiedene Fragen, welche die Qualität/Relevanz/Frequenz von Feedback abfragen und auf einer Likert-Skala von 0-4 abtragen.
Einstellungen in Classtime, welche die positive Wirkung maximieren
Die Studie hat des Weiteren untersucht, ob sich gewisse Nutzungsmuster bei Lehrpersonen, die besonders hohe Lernfortschritt durch Micro-Assessments erzielt haben, herauskristallisieren. Folgendes wurde konstatiert: Lehrpersonen, welche Verbesserungen erzielt haben, haben folgende Einstellungen verwendet:
– Nur einen Antwortversuch erlauben
– Einsatz der Timer-Funktion
– Einsatz von partiellen Punkten
Illustration: Die oben erwähnten Einstellungen in Classtime
Wir interpretieren dieses Resultat dahingehend, dass diese Einstellungen in Kombination dazu führen, dass sich die Lernenden besonders engagiert mit dem Inhalt auseinandersetzen. Nur einen Versuch zur Beantwortung zur Frage zu erlauben, kombiniert mit etwas Zeitdruck sowie der Chance, auch Teilpunkte zu erzielen, signalisiert den Lernenden, dass es jetzt “zählt”, dass sie sich anstrengen müssen, und dass diese Anstrengung in jedem Fall Anerkennung findet, auch wenn nicht alles 100% richtig gelöst wird. Dies spiegelt sich aus unserer Sicht sehr schön in einem der Grundgedanken von Classtime: Wir haben seit Beginn weg hart daran gearbeitet, eine optimale Balance zwischen Motivation / spielerischer Leichtigkeit auf der einen Seite, und kognitiver Anstrengung und Ernsthaftigkeit auf der anderen Seite zu finden.
Untenstehend können Sie Classtime sehr einfach selber ausprobieren und ihre eigenen Erfahrungen machen:
Weitere Informationen zur pädagogischen Qualität von Classtime: Siehe Evaluation durch Finland Education Alliance.
Weitere Ressourcen und Links
– John Hattie. Visible Learning for Teachers, Routledge Taylor and Francis Group, New York, 2012
– John Hattie. Lernen sichtbar machen für Lehrpersonen, Schneider Hohengehren Verlag, 2014
– Visible Learning. https://visible-learning.org/
– Kevin Kappel, Pierre Dillenbourg. How micro-assessments can improve learning rates. École polytechnique fédérale de Lausanne (EPFL), Computer-Human Interaction in Learning and Instruction (CHILI), Master Thesis, 03/2020