TY  - THES
AB  - Das Fachdidaktische Wissen (FDW) zählt zu den zentralen Elementen des Professionswissens (angehender) Lehrkräfte und seine Relevanz ist sowohl theoretisch angenommen als auch empirisch belegt. In der fachdidaktischen Forschung liegt daher bereits seit längerem ein Fokus auf der Analyse des FDW, wobei mittlerweile vor allem Auswirkungen auf die Handlungsqualität und auf Lernergebnisse in den Blick genommen werden. Nach wie vor stellt aber auch die empirisch fundierte inhaltliche Beschreibung des FDW sowie der Transfer entwickelter FDW-Testverfahren auf Basis von Testinstrumenten mit offenem Antwortformat in die Ausbildungspraxis ein Forschungsdesiderat dar. In diesem Dissertationsprojekt werden daher auf Basis eines Datensatzes von 846 Bearbeitungen eines FDW-Testinstruments im Fach Physik (1) projektübergreifende FDW-Kompetenzniveaus auf Basis von Item-Response-Modellierungen exploriert, (2) nicht-hierarchische FDW-Kompetenzprofile auf Basis von (probabilistischen) Cluster- und Textanalysen beschrieben und (3) ein vollständig automatisiertes FDW-Assessment-System auf Basis von Machine Learning entwickelt. Dabei wurden insbesondere kognitive Anforderungskategorien als Subskalen des verwendeten Testinstruments betrachtet. Das Assessment-System wurde dabei auf Basis dieser und weiterer Subskalen sowie anhand der Zuordnung von Proband:innen zu den Kompetenzprofilen evaluiert und zeigte sowohl relativ zur Interrater-Übereinstimmung als auch absolut betrachtet hohe Performanzwerte.
AU  - Zeller, Jannis
CY  - Paderborn
DO  - 10.17619/UNIPB/1-2238
DP  - Universität Paderborn
LA  - ger
N1  - Tag der Verteidigung: 03.04.2025
N1  - Universität Paderborn, Dissertation, 2025
PB  - Veröffentlichungen der Universität
PY  - 2025
SP  - 1 Online-Ressource (xiv, 221 Seiten) Illustrationen, Diagramme
T2  - Department Physik
TI  - Strukturanalysen des physikdidaktischen Wissens mithilfe von Machine Learning
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-54492
Y2  - 2026-01-11T23:14:53
ER  -