Professionswissen angehender Lehrkräfte zum Konstrukt Nature of Science (NOS). Entwicklung und Validierung eines Vignettentests (EKoL-NOS).

Literaturnachweis - Detailanzeige

Trefferliste

Autor/inn/en	Billion-Kramer, Tim; Lohse-Bossenz, Hendrik; Dörfler, Tobias; Rehm, Markus
Titel	Professionswissen angehender Lehrkräfte zum Konstrukt Nature of Science (NOS). Entwicklung und Validierung eines Vignettentests (EKoL-NOS). Paralleltitel: Prospective Teachers' Professional Knowledge About Nature of Science (NOS)-Development and Validation of a Vignette Test (EKoL-NOS).
Quelle	In: Zeitschrift für Didaktik der Naturwissenschaften, 26 (2020) 1, S. 53-72Infoseite zur Zeitschrift PDF als Volltext kostenfreie Datei Link als defekt meldenVerfügbarkeit
Sprache	deutsch
Dokumenttyp	online; Zeitschriftenaufsatz
ISSN	2197-988X
DOI	10.1007/s40573-020-00112-z
Schlagwörter	Forschung; Validität; Test; Lehrerbildung; Professionalisierung
Abstract	Unter der Bezeichnung Nature of Science (NOS) werden in der Naturwissenschaftsdidaktik Grundlagen der Erkenntnisgewinnung sowie Eigenschaften naturwissenschaftlichen Wissens diskutiert. Zentrales fachdidaktisches Anliegen ist, Lernende mit Erkenntnisprozessen naturwissenschaftlicher Disziplinen vertraut zu machen, diese aber auch kritisch zu hinterfragen. Im Fokus des Beitrags stehen die Ausprägungen des Professionswissen von Lehrkräften zum Bereich NOS und dessen situierte Erfassung. Bisher fehlen quantitativ messende Instrumente, die Professionswissen von Lehrkräften zu Nature of Science in Unterrichtskontexten und somit in einem möglichst realitätsnahen Bezugsrahmen erheben. Der Vignettentest EKoL-NOS soll einen Beitrag zur Bearbeitung dieser Lücke leisten. Im Test werden den Lehrkräften kurze authentische Beschreibungen von Unterrichtssituationen mit verschiedenen Handlungsalternativen präsentiert. Die Lehrkräfte bewerten die situationsspezifische Angemessenheit der Handlungsalternativen. Der vorliegende Beitrag beschreibt die theoriegestützte Entwicklung, die Dimensionalitätsprüfung auf Basis dreier zentraler Nature of Science-Facetten in Form von Strukturgleichungsmodellen sowie eine empirische Validierung anhand demographischer Daten, diskriminanter und konvergierender Konstrukte. Mit einer Stichprobe von N = 289 angehenden Lehrkräften im Vorbereitungsdienst weist sowohl ein dreidimensionales Modell (je Nature of Science-Facette ein Faktor), als auch ein eindimensionales Modell eine sehr gute Anpassungsgüte auf. Ein Vergleich zwischen beiden Modellen zeigt keinen signifikanten Unterschied. Demographische Variablen (z. B. die kognitive Leistungsfähigkeit) lassen sich weitgehend erwartungskonform in Strukturgleichungsmodellen spezifizieren. Mit einer zweiten Stichprobe von N = 137 wird ein Strukturgleichungsmodell mit einem diskriminanten und konvergierenden Konstrukt spezifiziert. Nature of Science (NOS) is the element of science didactics which discusses how science functions and how scientific knowledge is generated. The central goal is to familiarize learners with processes of gaining knowledge in scientific disciplines, but also to critically question them. This article focuses on professional knowledge of teachers about NOS and its situational testing. Up to now, to measure professional knowledge of teachers on Nature of Science in teaching contexts is a lack of quantitative instruments. To help to fill this gap is the intention of the test presented in this article. The test presents short authentic descriptions of teaching situations in the form of vignettes with various alternatives for instruction. These alternatives have to be rated by their situation-specific appropriateness. This paper describes the theory-based development, the dimensionality test based on three central Nature of Science facets in the form of structural equation models, and an empirical validation based on socio cognitive expectations, discriminative and convergent constructs. With a sample of N = 289 prospective teachers, both a three-dimensional model (one factor per Nature of Science facet) and a one-dimensional model are fitting well. A comparison between the two models shows no significant difference. Demographic variables (e.g. cognitive performance) can be specified in line with expectations; as well as discriminant and converging constructs with another sample (N = 137).
Erfasst von	IPN - Leibniz-Institut für die Pädagogik der Naturwissenschaften und Mathematik an der Universität Kiel
Update	2021/2