Sie sind auf Seite 1von 199
Masterarbeit im Studiengang Wirtschaftspädagogik (Master of Arts) an der WHL Wissenschaftliche Hochschule Lahr

Masterarbeit

im Studiengang Wirtschaftspädagogik (Master of Arts) an der WHL Wissenschaftliche Hochschule Lahr

Einflussfaktoren auf die Bereitschaft von Lehrpersonen zur Integration digitaler Medien in Lehrveranstaltungen – eine empirische Studie

Vorgelegt von:

Carmen Müller Ilsfelder Straße 19 71720 Oberstenfeld

Matrikelnummer: 198108

Erstgutachter:

Prof. Dr. Michael Klebl

Zweitgutachter:

Prof. Dr. Bernd Remmele

Eingereicht am: 12.12.2012

Danksagung

II

Danksagung

An dieser Stelle möchte ich mich herzlich bei allen bedanken, die mich bei der Anfertigung dieser Arbeit unterstützt haben.

Zuerst gebührt mein Dank Herrn Prof. Dr. Michael Klebl von der WHL Wissen- schaftliche Hochschule Lahr, der mich bei meiner Masterarbeit unterstützt, mir mit wertvollen Hinweisen und schnellen Rückmeldungen meiner E-Mails zur Seite gestanden und als Gutachter meiner Arbeit fungiert hat.

Mein Dank geht auch an Peter Fluhrer, ehemaliger wissenschaftlicher Mitarbei- ter der WHL und Projektkoordinator der WHL im Rahmen des Projekts „Digital Classroom“, der die wesentlichen Vorarbeiten zur Online-Befragung geleistet und mich bei der Generierung der einzelnen Fragebogen in LimeSurvey® un- terstützt hat.

Die Zusammenarbeit in der Projektgruppe „Digital Classroom“ war von großer Hilfsbereitschaft geprägt. Hier gilt mein spezieller Dank der gesamten Projekt- gruppe „Digital Classroom“, insbesondere den Projektkoordinatoren der Hoch- schulen in Schottland, Spanien, Schweden und der Türkei.

Ebenfalls bedanken möchte ich mich bei Prof. Dr. Joachim Weber (Rektor der DHBW Stuttgart) und bei Georg Pönicke (Cuno-Berufskolleg I, Hagen) für die Möglichkeit der Teilnahme ihrer Hochschule bzw. ihres Berufskollegs an der Online-Befragung sowie bei Wera Weintritt (Sekretariat der DHBW Stuttgart), dem wislearn-Team (Cuno-Berufskolleg I, Hagen) und Hartmut Wick (Mitarbei- ter der AKAD-Gruppe) für die Verteilung des Online-Fragebogens an den Lehr- personenkreis der DHBW Stuttgart, Berufskollegs Hagen und der AKAD- Gruppe.

Besonderer Dank gilt allen Lehrpersonen, Dozenten und Professoren, die sich an der Online-Umfrage beteiligt und eine Auswertung der empirischen Erhe- bung erst ermöglicht haben.

Weiterhin danke ich meinen zwei Kolleginnen Silke Wolf und Claudia Cischek, die sich bereit erklärt haben, meine Masterarbeit gegenzulesen, sich nicht ge- scheut haben, Kritik zu üben und Verbesserungsvorschläge vorzubringen.

Danksagung

III

Ebenfalls bedanken möchte ich mich bei meinen Freunden, insbesondere bei Manuela, Hami, Miriam und Julian, die mir jederzeit zur Seite standen und wäh- rend meines Studiums immer ein „offenes“ Ohr für mich hatten.

Nicht zuletzt gilt mein besonderer und tiefer Dank meinen Eltern und meinem Bruder mit seiner Familie, die mich nicht nur während der Masterarbeit, sondern während meines gesamten Studiums tatkräftig unterstützt und ermutigt haben.

Auch all denen, die hier nicht namentlich genannt wurden, gilt mein herzlicher Dank.

Oberstenfeld, im Dezember 2012

Carmen Müller

Inhaltsverzeichnis

IV

Inhaltsverzeichnis

Danksagung

II

Inhaltsverzeichnis

IV

Abbildungsverzeichnis

VII

Tabellenverzeichnis

VIII

1. Einleitung

1

1.1 Aufgabenstellung

2

1.2 Erkenntnisziel und Vorgehen im Überblick

3

2. Hintergrundinformationen und theoretischer Bezugsrahmen

5

2.1 Forschungsstand zur Integration digitaler Medien

5

2.1.1 Bedingungsfaktoren der Integration digitaler Medien

5

 

2.1.1.1 Materielle hemmende Faktoren

6

2.1.1.2 Immaterielle hemmende Faktoren

7

2.1.2 Bedingungsfaktoren für die nachhaltige Integration digitaler Medien

9

2.1.3 Pfadmodelle zur Untersuchung der Integration von Technologie

12

 

2.1.3.1 Was sind Pfadmodelle?

12

2.1.3.2 Studien mit Pfadmodellen

13

2.2 Theoretische Bezugspunkte

16

2.2.1 Medienpädagogik

16

2.2.2 Zum Begriff Medium bzw. Medien

17

2.2.3 Digitale Medien in Bildungsprozessen

20

 

2.2.3.1 Digitale Medien und digitale Arbeitsmittel

20

2.2.3.2 Merkmale digitaler Medien

21

2.2.3.3 Digitale Medien als E-Learning-Werkzeuge

23

2.2.3.4 Einsatzformen digitaler Medien für Lehr- und Lern- Zwecke

26

2.2.4 Mehrwert digitaler Medien

28

 

2.2.4.1

Pädagogische und lernförderliche Potenziale digitaler Medien

28

Inhaltsverzeichnis

V

 

2.2.4.2

Mehrwert im Bereich der Hochschule

30

 

2.2.5

Medienkompetenz

31

 

2.2.5.1 Medienkompetenz nach Baake

31

2.2.5.2 Medienkompetenz von Lehrpersonen

33

 

2.3

Fragestellung der empirischen Untersuchung – konzeptioneller Rahmen

35

 

2.3.1 Variablen im hypothetischen Pfadmodell

35

2.3.2 Hypothetisches Pfadmodell

37

2.3.3 Hypothesen

 

38

2.3.4 Zweck der Untersuchung und Forschungsfragen

41

3.

Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

42

3.1 Forschungsdesign

 

42

 

3.1.1 Forschungsmethode

42

3.1.2 Stichprobe

 

44

 

3.2 Erhebungsverfahren

46

 

3.2.1 Standardisierter Fragebogen

46

 

3.2.1.1 Persönlicher Hintergrund und Lehrstil

47

3.2.1.2 Einschätzung der eigenen Fähigkeiten bezüglich des Einsatzes digitaler Arbeitsmittel

49

3.2.1.3 Expertenmeinungen zu digitalen Arbeitsmitteln

50

3.2.1.4 Wahrnehmung des (technischen) Supports

52

3.2.1.5 Wahrnehmung bezüglich der Häufigkeit der Einbindung

54

 

3.2.2 Ablauf der Online-Befragung

55

 

3.3 Auswertungsverfahren

57

 

3.3.1 Datenimport und Datenbereinigung in SPSS

57

3.3.2 Deskriptive Datenanalyse

60

3.3.3 Reliabilitätsanalyse zur Skalenbewertung und Skalenbildung

62

3.3.4 Faktorenanalyse

65

Inhaltsverzeichnis

VI

 

3.3.6 Multiple Regressionsanalyse

71

3.3.7 Zentrale Tendenz nicht im Pfadmodell abgebildeter Variablen

76

3.3.7.1 t-Test für unabhängige Stichproben

77

3.3.7.2 Einfaktorielle Varianzanalyse (ANOVA)

78

3.4

Untersuchungsergebnisse

82

3.4.1 Abgeschlossene Fragebogen

82

3.4.2 Deskriptive Datenanalyse

84

3.4.3 Reliabilitätsanalyse und Skalenbildung

87

3.4.4 Explorative Faktorenanalyse

90

3.4.5 Korrelationsanalyse

93

3.4.6 Multiple Regressionsanalyse

95

3.4.6.1 Ergebnisse und Hypothesenbewertung Modell „Proficiency of Digital Tools“

95

3.4.6.2 Ergebnisse und Hypothesenbewertung Modell „Teachers’ Readiness“

97

3.4.6.3 Ergebnisse und Hypothesenbewertung Modell „Teachers’ Beliefs“

100

3.4.6.4 Ergebnisse und Hypothesenbewertung Modell „Process of Integration“

103

3.4.7 Geschätztes Pfadmodell

106

3.4.8 Zentrale Tendenz nicht im Pfadmodell abgebildeter Variablen

107

3.4.8.1 t-Test für unabhängige Stichproben

107

3.4.8.2 Einfaktorielle Varianzanalyse (ANOVA)

109

4. Diskussion und Interpretation der Ergebnisse

115

5. Zusammenfassung und Ausblick

128

Anhang A

VIII

Anhang B

LIII

Literaturverzeichnis

LIV

Abbildungsverzeichnis

VII

Abbildungsverzeichnis

Abbildung 1: Vorläufiges Modell zur Nachhaltigkeit von Owston (ins Deutsche übersetzt)

9

Abbildung 2: Zentrale Bedingungsfaktoren der nachhaltigen Implementierung digitaler Medien in Schulen

10

Abbildung 3: Medienpädagogik und ihre Teilgebiete

16

Abbildung 4: Kennzeichen digitaler Medien

21

Abbildung 5: Medienkompetenz nach Baacke

32

Abbildung 6: Hypothetisches Pfadmodell der empirischen Untersuchung

37

Abbildung 7: Anteil der Lehrpersonen aus den einzelnen Hochschulen an der verwendeten Stichprobe

45

Abbildung 8: Aufteilung der „teilweise abgeschlossenen Fragebogen“ nach Abbruch

83

Abbildung 9: Geschätztes Pfadmodell

106

Tabellenverzeichnis

VIII

Tabellenverzeichnis

Tabelle 1: Mediengruppen

20

Tabelle 2: Beschreibung der Variablen

36

Tabelle 3: Verwendete Stichprobe nach demographischen Eigenschaften (N = 382)

45

Tabelle 4: Abgeschlossene Fragebogen der Hochschulen

82

Tabelle 5: Lage- und Streuungsparameter intervallskalierter Variablen

85

Tabelle 6: Lage- und Streuungsparameter intervallskalierter Variablen (nach Skalenbildung)

86

Tabelle 7: Cronbachs Alpha-Werte aus der Reliabilitätsanalyse

87

Tabelle 8: Korrelationskoeffizienten für die Variablenpaare im Pfadmodell

93

Tabelle 9: Direkte Einflüsse auf die endogenen Variablen im Pfadmodell (standardisierte Regressionskoeffizienten)

95

1 Einleitung

1

1. Einleitung

Digitale Medien stellen heutzutage einen bedeutenden Entwicklungsmotor gesellschaftlicher Veränderungen dar und finden im Zuge der Durchdringung gesellschaftlicher Bereiche wie Wirtschaft, Kultur und Verwaltung mit neuen In- formations- und Kommunikationstechniken auch in der Bildungspraxis vermehrt Anwendung. Es ergeben sich mit der Weiterentwicklung der Informationstechnik veränderte Möglichkeiten der Gestaltung, Bereitstellung und Nutzung von Inhal- ten für Lehren und Lernen, d.h. es geht bei den Veränderungen nicht nur um die Frage der Lerninhalte, sondern auch um die Frage der Lernformen. Durch ver- änderte Kommunikationsmittel entstehen zudem neue Formen von Lehr- und Lernprozessen. 1

Für die Gestaltung zeitgemäßer Lehr- und Lernformen bieten die Medien vielfäl- tige Möglichkeiten. Im Kontext der Erfahrungsformen stellen sie einen konstituti- ven Bestandteil von Lehrveranstaltungen dar, der mit anderen Strukturelementen wie z.B. Zielvorstellungen, Lernvoraussetzungen, Lernaktivitäten, Sozialformen, Lehrhandlungen, didaktischem Konzept der Lehrperson usw. abzustimmen ist. Hieraus ergeben sich verschiedene Konsequenzen: Es ist wichtig, Medienange- bote in lernförderlicher Weise in Lehr-Lernprozesse einzubinden. Für die Lehr- person bedeutet dies, sich bereits bei der Konzeption der Lehrveranstaltung zu fragen, welche Rolle Medien in dem Gesamtkonzept spielen sollen und wie eine entsprechende Passung herbeigeführt werden kann. Zudem richtet sich der Fokus auch auf die Gestaltung von Medienangeboten und die Lehrperson hat die Aufgabe bei Planung einer Lehrveranstaltung Medienangebote im Hinblick auf ihre lerntheoretischen Grundlagen und ihre didaktischen Implikationen zu analysieren. 2

1 Vgl. Klebl, M. (2006), S. 9 2 Vgl. Tulodziecki, G./Herzig, B./Graf, S. (2010), S. 73

1 Einleitung

2

1.1

Aufgabenstellung

Die Möglichkeiten, Medien in Lehrveranstaltungen einzusetzen, haben sich in den vergangenen Jahren verändert. Die Computertechnik hielt mit dem techno- logischen Fortschritt Einzug in die Schulen. In den vergangenen Jahren wurden national und international verschiedene Anstrengungen unternommen, die Nut- zung digitaler Medien in Lehrveranstaltungen zu intensivieren. Für die Nutzung im Unterricht gibt es verschiedene Begründungszusammenhänge. Zu nennen sind hierbei der Lebensweltbezug, die Vermittlung von Medienkompetenz, die Verbesserung fachlicher und überfachlicher Kompetenzen, Schaffung von Chan- cengleichheit, motivierendere und interessantere Unterrichtsgestaltung und die Vorbereitung auf die Berufswelt. 1

Die Integration digitaler Medien in Lehrveranstaltungen ist jedoch nicht nur von technischen Faktoren abhängig, sondern in erster Linie von den Lehrpersonen. Sie müssen die neuen Medien einsetzen und in die Lehre integrieren. 2 Es gibt zahlreiche Untersuchungen, die ergeben haben, dass die Integration und Einfüh- rung neuer Technologien in den Unterricht ein langsamer und komplexer Pro- zess ist und von verschiedenen Faktoren beeinflusst wird. Dazu zählen bei- spielsweise demographische Eigenschaften der Lehrperson, Eigenschaften der Bildungseinrichtung, Kenntnisstand sowie die Bereitschaft und Ansichten der Lehrperson bezüglich des Einsatzes digitaler Medien in Lehrveranstaltungen. 3

Im Rahmen des Projekts „Digital Classroom“, das eine von der EU geförderte Grundtvig-Lernpartnerschaft ist, soll der Einsatz und die Einbindung digitaler Medien bzw. Arbeitsmittel in Bildungsangeboten für Erwachsene untersucht wer- den. Die Projektgruppe ist keine wissenschaftliche Gruppe, sondern lediglich eine länderübergreifende Lernpartnerschaft, an dem die folgenden Bildungsein- richtungen beteiligt sind:

Aberdeen College (Aberdeen/Schottland),

IOC Institut Obert de Catalunya (Barcelona/Spanien),

Karamürsel 100.Yil Technical and Vocational Highschool (Kacaeli/Türkei),

1 Vgl. Eickelmann, B. (2010), S. 31f.

2 Vgl. Müller, Ch. (2012), o. S.

3 Vgl. Inan, F. A./Lowther, D. L. (2009), S. 138

1 Einleitung

3

Kungälv Vuxenutbildning (Kungälv/Schweden),

Zentrum für angewandte Weiterbildungsforschung – Institut für Ökonomi- sche Bildung e.V., vertreten durch den Lehrstuhl für Wirtschaftspädagogik an der WHL Wissenschaftliche Hochschule Lahr (Lahr/Deutschland),

Molde Voksenopplæringssenter (Molde/Norwegen).

Mit der vorliegenden Arbeit soll die Projektgruppe „Digital Classroom“ zur Errei- chung ihres Projektziels unterstützt werden.

1.2 Erkenntnisziel und Vorgehen im Überblick

Das Erkenntnisziel der vorliegenden Arbeit ist, die Einflussfaktoren auf die Be- reitschaft zur Integration digitaler Medien in Lehrveranstaltungen zu analysieren und zu beurteilen. Hierfür wird ein forschungsgestütztes Pfadmodell mit acht Va- riablen eingesetzt, um die kausalen Zusammenhänge zwischen den Faktoren zu erklären. Das Pfadmodell wird anhand einer Stichprobe von 382 Lehrpersonen, Dozenten und Professoren aus Hochschulen in Deutschland, Schottland, Spa- nien, Schweden und der Türkei untersucht. Darüber hinaus werden vier weitere nicht im Pfadmodell abgebildete Faktoren hinsichtlich ihres Einflusses auf die Integration digitaler Medien analysiert und beurteilt.

In Teil 2 dieser Masterarbeit werden zunächst die Hintergrundinformationen und der theoretische Bezugsrahmen dargelegt. Im ersten Schritt wird der For- schungsstand zur Integration digitaler Medien in Lehrveranstaltungen beleuchtet. Hierbei wird zunächst auf die Bedingungsfaktoren der Integration digitaler Me- dien und auf die Bedingungsfaktoren für die nachhaltige Integration digitaler Medien eingegangen. Weiter wird das Pfadmodell als eine nützliche statistische Methode, um Beziehungen zwischen möglichen Indikatoren und der Integration von Technologie zu untersuchen, vorgestellt und Studien mit Pfadmodellen aufgezeigt. Im zweiten Schritt werden theoretische Bezugspunkte erläutert. Zu- nächst wird hierbei die Medienpädagogik als eigenständige Fachrichtung inner- halb der Pädagogik dargestellt. Weiter wird der Medienbegriff definiert und Digi- tale Medien in Bildungsprozessen vorgestellt. Darüber hinaus wird der Mehrwert digitaler Medien hinsichtlich pädagogischer und lernförderlicher Potenziale und im Bereich der Hochschule dargelegt. Ferner wird die Medienkompetenz nach

1 Einleitung

4

Baake sowie die Medienkompetenz von Lehrpersonen erläutert. Im dritten Schritt wird die Fragestellung der empirischen Untersuchung dargelegt. Dabei werden die Variablen im hypothetischen Pfadmodell, das hypothetische Pfadmodell so- wie die Hypothesen der Untersuchung aufgezeigt. Schließlich werden der Zweck der Untersuchung und die Forschungsfragen vorgestellt.

In Teil 3 wird der Einsatz digitaler Medien in Lehrveranstaltungen empirisch un- tersucht. Zuerst wird das Forschungsdesign aufgezeigt. Es befasst sich mit der Forschungsmethode und der Stichprobe der Untersuchung. Im zweiten Schritt wird das Erhebungsverfahren beleuchtet. Dabei wird zunächst auf den standar- disierten Fragebogen und die fünf Fragebogen-Abschnitte eingegangen. Weiter wird der Ablauf der Online-Befagung beschrieben. Im dritten Schritt werden die eingesetzten Auswertungsverfahren ausführlich dargestellt. Die Auswertungs- verfahren umfassen den Datenimport und Datenbereinigung in SPSS, die de- skriptive Datenanalyse, die Reliabilitätsanalyse zur Skalenbewertung und Skalenbildung, die Faktorenanalyse, die Korrelationsanalyse zur Prüfung eines Zusammenhangs, die multiple Regressionsanalyse sowie die Zentrale Tendenz nicht im Pfadmodell abgebildeter Variablen. Im vierten Schritt werden die Unter- suchungsergebnisse detailliert aufgezeigt. Hierbei werden die abgeschlossenen Fragebogen dargestellt sowie die Ergebnisse zur deskriptiven Datenanalye, zur Reliabilitätsanalyse mit Skalenbildung, zur explorativen Faktorenanalyse, zur Korrelationsanalyse sowie die Ergebnisse von vier Regressionsmodellen darge- legt. Neben der Hypothesenbewertung wird mit den Ergebnissen der empiri- schen Untersuchung ein geschätztes Pfadmodell aufgestellt. Weiter werden die Ergebnisse des t-Testes für unabhängige Stichproben und die einfaktorielle Varianzanalye für nicht im Pfadmodell abgebildete Variable aufgezeigt.

Schließlich werden in Teil 4 die Ergebnisse der empirischen Studie ausführlich diskutiert und interpretiert sowie Grenzen der Studie aufgezeigt, und in Teil 5 ein Ausblick für zukünftige Forschungen gegeben.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

5

2. Hintergrundinformationen und theoretischer Bezugsrahmen

2.1 Forschungsstand zur Integration digitaler Medien

Die Untersuchung von Schulentwicklungs- und Integrationsprozessen mit digita- len Medien in Schulen bzw. Bildungseinrichtungen umfasst die Erforschung der folgenden Bedingungsfaktoren: 1

Bedingungsfaktoren zur Implementierung von Innovationen in Schulen

Bedingungsfaktoren der Einführung von digitalen Medien in Schulen

Unterrichtsbezogene Kooperationsentwicklung mit digitalen Medien

Bedingungsfaktoren zur nachhaltigen Implementierung von digitalen Me- dien in den Unterricht

Die Bedingungsfaktoren zur Implementierung von Innovationen in Schulen be- ziehen sich auf allgemeine schulische Veränderungsprozesse bzw. auf Innovati- onsprozesse in anderen öffentlichen Institutionen. 2 Der Fokus des betrachteten Forschungsstandes im Rahmen dieser Masterarbeit liegt auf den Bedingungs- faktoren der Einführung sowie der nachhaltigen Implementierung von digitalen Medien, die im Folgenden näher beleuchtet werden.

2.1.1 Bedingungsfaktoren der Integration digitaler Medien

Verfolgt man die spezifischen schulischen Innovationen mit digitalen Medien, so findet man nationale und internationale Befunde zu Bedingungsfaktoren der Integration von digitalen Medien vorwiegend in der Anfangsphase der Implemen- tierung. In Deutschland liegt dies darin begründet, dass Multimedia fähige Computer und die Internetanbindung der Schulen erst Ende der 1990er Jahre Einzug gehalten haben. Im Kern zielt die Einführung digitaler Medien auf eine

1 Vgl. Schulz-Zander, R./Eickelmann, B. (2008), S. 4

2 Vgl. Eickelmann, B. (2010), S. 27

2 Hintergrundinformationen und theoretischer Bezugsrahmen

6

Qualitätsverbesserung von Unterricht und Schule und die Entwicklung einer neuen Lernkultur. 1

Bislang wurden verschiedene nationale und internationale Studien durchgeführt, die Befunde zu den Gelingensbedingungen des Implementationsprozesses von digitalen Medien ausweisen. Die Erhebung von Bedingungsfaktoren im deutsch- sprachigen Raum ist erstmals mit der Computerkoordinatorenbefragung im Rahmen der Evaluation „Schulen ans Netz“ im Jahr 1998 erhoben worden. Die Literatur weist in Bezug auf die Erforschung der Gelingensbedingungen der Imp- lementierung digitaler Medien in Schulen verschiedene Ansätze zur Systemati- sierung der Bedingungsfaktoren aus. 2 Betrachtet man die in verschiedenen Studien ausgewiesenen Begründungen für die geringe Verbreitung der Nutzung von digitalen Medien im Unterricht, lässt sich feststellen, dass die von Lehrper- sonen, Schulleitungen und Computerkoordinatoren hauptsächlich angeführten Barrieren bzw. Hemmnisse in den ersten Phasen der Implementierung materiel- len und immateriellen Ursprungs sind. 3 Im Folgenden werden die wesentlichen Faktoren aufgezeigt.

2.1.1.1 Materielle hemmende Faktoren

Bei der Integration von Computern im Unterricht sind die Anzahl und die Aktuali- tät der vorhandenen Computer sowie die Verfügbarkeit von Peripheriegeräten, Software und Internetanschlüssen oftmals Hindernisse. 4 Der Ausstattungs- schlüssel selbst sagt nichts über die didaktische Einbindung aus, jedoch resul- tiert aus einer internationalen Benchmarking-Studie „IT in Schulregionen“ die Empfehlung eines Schüler-Computer-Verhältnisses von mindestens 6:1. Dieses Ausstattungsmaß ermöglicht erst eine Integration neuer Medien in den täglichen Unterricht, so dass die Potenziale der Informations- und Kommunikations- Technologien im Unterricht auch genutzt werden können. 5

1 Vgl. Eickelmann, B. (2010), S. 55

2 Vgl. Weinreich, F./Schulz-Zander, R. (2000), S. 577ff.

3 Vgl. Schulz-Zander, R./Eickelmann, B. (2008), S. 5

4 Vgl. ebenda, S. 6

5 Vgl. Eickelmann, B. (2010), S. 29f.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

7

2.1.1.2 Immaterielle hemmende Faktoren

Unter den immateriellen hemmenden Faktoren lassen sich schulorganisatorische Gründe und Lehrervariablen einordnen.

Auf der Ebene der schulorganisatorischen Determinanten stellt sich die Unter- stützung durch die Schulleitung als wesentlicher Prädiktor heraus. 1 Als zentralen Faktor für die erfolgreiche Integration der Computer in den Unterricht identifizie- ren Scholl und Prasse (2001) die Übernahme einer Promotorenfunktion durch die Schulleitung. 2 Für innovationsbereite Lehrer kann diese unterstützende Bedingungen schaffen, die die Einbindung des Computers erleichtern. Die mit dem Computereinsatz verbundenen Ziele und Konzepte sollten dabei mit dem Kollegium abgestimmt werden. 3

Die fehlende professionelle Betreuung der technischen Systeme und die zeitli- che Belastung IT-kompetenter Lehrpersonen haben sich als bedeutende Hemm- faktoren herausgestellt. 4 Die fehlende technische Unterstützung, die fehlende Unterstützung bei der Administration der Systeme sowie das Vorhandensein bzw. Fehlen eines technischen Koordinators sind ebenso anzuführen. 5 Vor allem in der Anfangsphase der Implementierung ist die Zuverlässigkeit der Technik ausschlaggebend. Computer werden von Lehrpersonen hauptsächlich dann ein- gesetzt, wenn sie sich in die Unterrichtsroutine der Lehrpersonen integrieren las- sen. Die Lehrpersonen müssen einen Mehrwert erkennen und fortgeschrittene Anwendungskenntnisse haben. 6 Diese Faktoren fördern positive Einstellungen und Nutzungsabsichten der Lehrpersonen gegenüber digitalen Medien. 7

Ein Mangel an Computerwissen und computerbezogenen Fertigkeiten, fehlende pädagogische Konzepte und fehlende Zeit zur Vorbereitung sind die wesentli- chen Hindernisse auf der Ebene von Lehrervariablen wie Untersuchungen von Weinreich und Schulz-Zander (2000) sowie Hunneshagen (2005) bestätigen. Die

1 Vgl. Weinreich, F./Schulz-Zander, R. (2000), S. 577ff.

2 Vgl. Scholl, W./Prasse, D. (2001), S. 21ff.

3 Vgl. Breiter, A.(2001), o. S.

4 Vgl. Weinreich, F./Schulz-Zander, R. (2000), S. 577ff.

5 Vgl. Schulz-Zander, R./Eickelmann, B. (2008), S. 6

6 Vgl. Venezky, R./Davis, C. (2002), o. S.

7 Vgl. Teo, T. (2009), S. 302ff.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

8

Grundhaltung der Lehrpersonen stellt kein Hindernis mehr dar; Lehrpersonen vertreten zunehmend die Auffassung, dass Kenntnisse der digitalen Medien und deren Einsatz im Unterricht wichtig sind und die es gilt, weiter auszubauen. Laut UNESCO gibt es zu wenig ausgebildete Lehrpersonen, um Informations- und Kommunikationstechnologien gewinnbringend in den Unterricht einzubinden. Dies bedeutet, dass Qualifizierungsmöglichkeiten für Lehrpersonen im Hinblick auf die didaktisch-pädagogische und medienkompetenzbezogene Professionali- sierung zur Verfügung gestellt werden müssen. 1 Aus Sicht der Organisation spie- len zudem mangelnde Innovationsbereitwilligkeit bzw. Widerstände gegenüber Veränderungen eine bedeutende Rolle. 2 Auch sind Defizite im Bereich des „personal change managements“ anzuführen. Ein möglicher Kontroll- und Autori- tätsverlust wird ebenso befürchtet. 3

Die Kooperationsentwicklung mit digitalen Medien für die Schulentwicklung wird als besonders relevant eingestuft laut Untersuchungen von Lindau-Bank und Magenheim (1998) und Hunneshagen (2005). Sie wird von Schulz-Zander (2001) als eigenständige Dimension neben der Organisationsentwicklung, Personalentwicklung, Unterrichtsentwicklung und Technologieentwicklung aus- gewiesen. 4 Neben der unterstützenden Schulleitung halten Weinreich und Schulz-Zander (2000) die Existenz eines an der Schule eingesetzten Projekt- teams für einen bedeutsamen Garant für die Zufriedenheit der Lehrpersonen, welche die Computer an Schulen betreuen. 5 Die Isoliertheit einzelner aktiver Lehrpersonen und die Konzentration der Computerkompetenz auf einen zentra- len Promotor erweisen sich als störend für die Verbreitung der Computernutzung im Unterricht. 6

1 Vgl. Schulz-Zander, R./Eickelmann, B. (2008), S. 7

2 Vgl. Snoeying, R./Ertmer, P. A. (2001), S. 85ff.

3 Vgl. Hunneshagen, H./Schulz-Zander, R./Weinreich, F. (2000), S. 55ff.

4 Vgl. Schulz-Zander, R. (2001), S. 263ff.

5 Vgl. Weinreich, F./Schulz-Zander, R. (2000), S. 577ff.

6 Vgl. Hunneshagen, H. (2005), o. S.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

9

2.1.2 Bedingungsfaktoren für die nachhaltige Integration digitaler Medien

Die Bedingungsfaktoren für die Anfangsphase der Implementierung digitaler Medien wurden vielfach empirisch untersucht. Die Frage nach der Nachhaltigkeit der Implementierung digitaler Medien in Schulen wurde erstmals in der qualitativ ausgerichteten IEA-Studie (International Association for Evaluation of Educatio- nal Achievement) SITES M2 (Second Information Technology in Education Study, Modul 2, 1999-2002) als eigenständige Forschungsfrage formuliert. Der Beobachtungszeitraum der Innovationen hat allerdings keine abschließende Formulierung über Bedingungsfaktoren zugelassen; lediglich erste Anhaltspunk- te konnten zusammengeführt werden. Auf der Grundlage von 59 der insgesamt 174 internationalen Fallstudien wurde ein erstes Determinanten-Modell gebildet, welches aufgrund des angesetzten Zeitrahmens und der fehlenden Distanz zur Einführungsphase der untersuchten Innovationen als vorläufig betrachtet wird. 1 Es ist in der folgenden Abbildung 1 dargestellt:

wird. 1 Es ist in der folgenden Abbildung 1 dargestellt: Abbildung 1: Vorläufiges Modell zur Nachhaltigkeit

Abbildung 1: Vorläufiges Modell zur Nachhaltigkeit von Owston (ins Deutsche übersetzt) 2

Dieses Modell von Owston dient zunächst als Ausgangspunkt für weitere For- schungen. Es weist notwendige und förderliche Bedingungen für eine nachhalti- ge Implementierung von digitalen Medien in Schulen aus. Zu den notwendigen Bedingungen zählt, dass die Lehrperson die Innovation mit Engagement und Einsatz unterstützt. Für die Lehrperson muss der Mehrwert der Innovation er- kennbar sein, etwa eine Verbesserung der Motivation, der Lernbereitwilligkeit

1 Vgl. Eickelmann, B. (2010), S. 77f.

2 Entnommen aus: Schulz-Zander, R./Eickelmann, B. (2008), S. 10

2 Hintergrundinformationen und theoretischer Bezugsrahmen

10

oder der Leistung der Lernenden. Auch die Professionalisierung der Lehrperson sowie die administrative Unterstützung durch Schulleitung, Fachleiter, Schulträ- ger etc. gehören zu den notwendigen Faktoren. Zu den förderlichen Bedingun- gen zählen sowohl die schulinterne Unterstützung der Lehrperson als auch die Unterstützung durch externe Partner. Die Promotoren der Innovation in der Schule („innovation champion“), d.h. die engagierten Lehrpersonen der An- fangsphase, und die Bereitstellung von Finanzmitteln können die nachhaltige Implementierung ebenfalls fördern. Eine wichtige Rolle für die nachhaltige Imp- lementierung der digitalen Medien spielen auch (bildungs-)politische Fürsprecher der Innovation sowie die Einbettung der Innovation in ein bildungspolitisches Gesamtkonzept. 1

Eickelmann (2010) hat fünf Jahre nach dem Erhebungszeitraum der SITES M2 eine Folgeuntersuchung vorgenommen. Auf der Grundlage der qualitativen und quantitativen Daten ist ein Determinanten-Modell entwickelt worden, das die zentralen Bedingungsfaktoren für die nachhaltige Implementierung digitaler Medien in Schulen abbildet. Diese sind in der folgenden Abbildung 2 dargestellt.

Diese sind in der folgenden Abbildung 2 dargestellt. Abbildung 2: Zentrale Bedingungsfaktoren der nachhaltigen

Abbildung 2: Zentrale Bedingungsfaktoren der nachhaltigen Implementierung digitaler Medien in

Schulen 2

1 Vgl. Schulz-Zander, R./Eickelmann, B. (2008), S. 9f.

2 Entnommen aus: Eickelmann, B. (2010), S. 276

2 Hintergrundinformationen und theoretischer Bezugsrahmen

11

Darüber hinaus wird die Bandbreite von Prädiktoren, d.h. hemmende und för- dernde Bedingungsfaktoren, zusammengefasst. Hierbei werden vier schulische Ebenen unterschieden: Kontextebene, Inputebene, Prozessebene Schule und Prozessebene Unterricht. Diese Oberkategorien werden in Subkategorien unter- gliedert, die in der Anlage A1 ersichtlich sind.

Die identifizierten Hemmfaktoren sind, differenziert nach den schulischen Ebe- nen, tabellarisch in Anlage A2 dargestellt. Betrachtet man die einzelnen Hinde- rungsgründe, so ergeben sich aus den Analysen Ebenen übergreifende Zusam- menhänge, auf die im Detail hier nicht näher eingegangen werden soll. Es soll lediglich darauf hingewiesen werden, dass es eine Wirkungsrichtung von „links“ nach „rechts“ gibt: Faktoren der Kontextebene wirken auf die Input- und Prozess- ebenen, Faktoren der Inputebene auf die beiden Prozessebenen und Faktoren der Prozessebene Schule auf die Prozessebene Unterricht. Anlage A3 stellt die identifizierten förderlichen Bedingungsfaktoren tabellarisch dar. 1

In den vorangegangenen Kapiteln wurde ein Überblick an möglichen Einfluss- faktoren auf die Implementierung bzw. Integration digitaler Medien gegeben. Betrachtet man die Ergebnisse von Eickelmann, so sind für den Bereich der Lehrpersonen und deren Bereitschaft, digitale Medien in Lehrveranstaltungen einzusetzen, vor allem die Bedingungsfaktoren auf der Inputebene von Bedeu- tung. Für die Inputebene der hemmenden Faktoren findet man solche, die sich auf die IT-Ausstattung, fehlende personelle Ausstattungen mit Systemadminist- ratoren und Lehrervariablen wie technische und (medien-)didaktische Kenntnis- se und Kompetenzen der Lehrpersonen, Vorbehalte und Hemmungen der Lehr- personen, fehlende Bereitschaft von Lehrpersonen und Arbeitsbelastung bezie- hen (vgl. Anlage A2). Wie die hemmenden beziehen sich auch die förderlichen Faktoren auf die IT-Ausstattung, den First-Level-Support durch Fachkräfte, Leh- rervariablen, schulformspezifische Bedingungen und zeitliche Aspekte (vgl. An- lage A3). Ausgehend von der Vielzahl an Einflussfaktoren zur Implementierung bzw. Integration digitaler Medien stellt sich die Frage, wie diese Faktoren auf ihren Zusammenhang untersucht werden können. Eine im Rahmen dieser Arbeit relevante Methode wird nachfolgend vorgestellt.

1 Vgl. Eickelmann, B. (2010), S. 279ff.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

12

2.1.3 Pfadmodelle zur Untersuchung der Integration von Technologie

Betrachtet man die Komplexität von Faktoren, die die Integration von Technolo- gien in Bildungseinrichtungen beeinflussen, so stellt das Pfadmodell eine nützli- che statistische Methode dar, um Beziehungen zwischen möglichen Indikatoren und der Integration von Technologie zu untersuchen.

2.1.3.1 Was sind Pfadmodelle?

Die Pfadanalyse gehört zu den Strukturgleichungsmodellen und ist zurückzufüh- ren auf den Genetiker Sewell Wright, der versucht hat, die Einflüsse größerer Variablensysteme mit Hilfe linearer Gleichungssysteme zu untersuchen. Wright ging es darum, gerichtete Beziehungen zwischen Variablen zu spezifizieren und die Effektstärke der unabhängigen Variablen (Ursachen) auf die abhängigen Variablen (Wirkungen) zu ermitteln. Die Analyse dieser gerichteten Modelle be- zeichnet man als Pfadanalyse. In der Pfadanalyse geht es in erster Linie nicht darum, Effekte zwischen den Variablen als kausale Einflüsse zu bestimmen, sondern theoretisch abgeleitete Hypothesen anhand von Zusammenhangsgrö- ßen (Kovarianzen oder Korrelationen) empirisch zu überprüfen. 1

Die Pfadanalyse beginnt mit einem theoriegebundenen Ansatz, der sich aus der Erstellung eines eindeutig ausgearbeiteten Strukturmodells (Pfad-Diagramm), das eine bildliche Darstellung der Beziehungen zwischen den Variablen liefert, ergibt. In Pfadmodellen geben Pfeile die hypothetischen Pfade und die Richtung der Einflüsse zwischen den zwei Variablentypen – endogene und exogene Vari- able – an. 2 Exogene Variable bezeichnen in der Statistik Faktoren, aus deren Ausprägung in einem Kausal- oder Strukturgleichungsmodell die Ausprägung einer endogenen Variable erklärt oder vorhergesagt werden soll. 3 Exogene Vari- able haben keine von anderen Variablen des Pfadmodells zu ihnen bzw. auf sie gerichtete Pfeile und der Wert der exogenen Variablen wird nicht von den ande- ren Variablen erklärt, d.h. keine andere Variable wirkt auf sie ein. Im Gegensatz dazu sind auf eine endogene Variable mehrere Pfeile gerichtet und ihr Wert wird

1 Vgl. Reinecke, J. (2005), S. 45

2 Vgl. Inan, F. A./Lowther, D. L. (2009), S. 139

3 Vgl. Wikipedia (2012a), o. S.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

13

von einer oder mehreren der anderen Variablen erklärt. 1 Endogene Variable sind solche Faktoren, deren Ausprägung in einem Kausal- oder Strukturgleichungs- modell erklärt oder vorhergesagt werden soll. 2 Ferner können endogene Variable sowohl abhängige als auch unabhängige Variable sein.

Die Berechnung von Pfadschätzungen liefert den Grad und die Richtung der Effekte, die vorausgesetzt werden, um zwischen den Variablen zu bestehen. Das Verfahren bringt drei Arten von Effekten hervor: direkt, indirekt und total. Ein direkter Effekt gibt die Beziehung zwischen zwei Variablen ohne Mediations- variable an. Der direkte kausale Effekt wird durch den standardisierten Regres- sionskoeffizienten (Beta) wiedergegeben. Ein indirekter Effekt gibt den Effekt einer unabhängigen Variablen auf eine abhängige Variable durch ein oder mehrere Mediationsvariable an. Indirekte Effekte werden durch die Summe der Produkte der direkten Effekte durch die intervenierenden Variablen im Modell berechnet. Der totale Effekt ist einfach die Summe aus den direkten und indirek- ten Effekten. 3

2.1.3.2 Studien mit Pfadmodellen

Bislang gibt es nur wenige Studien, die Einflussfaktoren auf die Integration von Technologie mithilfe eines Pfadmodells untersucht haben. 4 Vier Studien sollen hierzu im Folgenden kurz aufgezeigt werden.

Mathews und Guarino (2000) haben ein Pfadmodell entwickelt, in dem sie versuchten, die Computernutzung als eine Funktion vor dem Hintergrund des Lehrers und dessen demographischen Eigenschaften zu erklären. Die Eigen- schaften des Lehrers beinhalteten den akademischen Grad, das Geschlecht, die Computer-Kenntnisse, die Anzahl Computer im Unterricht, Schulniveau und langjährige Erfahrung. In der Studie wurden rund 3.000 Lehrer in Idaho, USA, befragt mit dem Resultat, dass Geschlecht, langjährige Erfahrung, Anzahl Com- puter im Unterricht und Computer-Kenntnisse einen direkten Einfluss auf die

1 Vgl. Inan, F. A./Lowther, D. L. (2009), S. 139

2 Vgl. Wikipedia (2012b), o. S.

3 Vgl. Inan F. A./Lowther, D. L. (2009), S. 139

4 Vgl. ebenda, S. 139

2 Hintergrundinformationen und theoretischer Bezugsrahmen

14

Computernutzung und langjährige Erfahrung einen direkten Einfluss auf die Computer-Kenntnisse haben. 1 Mathews und Guarino (2000) fanden auch her- aus, dass Lehrer mit langjähriger Erfahrung dazu neigen, Computer weniger häufig einzusetzen. 2

Das Pfadmodell von Van Braak, Tondeur und Valcke (2004) erklärt die unter- schiedlichen Arten von Computernutzung durch die Untersuchung von demogra- phischen Eigenschaften, Computer-Erfahrung und Einstellungen von Lehrern. In dieser Untersuchung wurden 486 Grundschullehrer befragt. Es wurde festge- stellt, dass einige lehrerbezogene Faktoren wie Einstellungen gegenüber Com- putern und Computer-Training den stärksten direkten Einfluss auf die Computer- nutzung im Klassenzimmer haben. Zudem wurde in Erfahrung gebracht, dass das Alter und vorherige Computer-Erfahrungen einen indirekten Einfluss auf die Computernutzung im Unterricht haben. Die Studie versuchte erstmals zu erklä- ren, wie die Faktoren die unterschiedlichen Arten der Computernutzung beein- flussen. Die Variablen im Pfadmodell waren jedoch zu begrenzt, um hier ein plausibles Forschungsergebnis zu erzielen. 3

Robinson (2003) hat ein Pfadmodell eingesetzt, das die Beziehungen zwischen demographischen Eigenschaften von Lehrern, Computer-Kenntnissen, externen Unterstützungsvariablen, Auffassungen von Lehrern gegenüber der Computer- nutzung und Selbsteinschätzung der Computernutzung an fünf Schulen in Michi- gan, USA, untersuchte. Die lehrerbezogenen Eigenschaften waren Geschlecht, Alter, Lehrniveau, Jahre des Lehrens, Unterrichtsfächer, Computer-Erfahrung und vorheriges Technologie-Training. Zu den schulbezogenen Eigenschaften gehörten die notwendige Software auf den Computern an der Schule sowie an- gemessene technische und administrative Unterstützung. Die Studie ergab, dass die Computernutzung für Verbesserungsaktivitäten und Computer-Kenntnisse von Lehrern signifikante Einflussgrößen innerhalb des Pfadmodells waren. Das Modell von Robinson zeigt, dass Computer-Kenntnisse eine Mediationsvariable darstellen und von den demographischen Eigenschaften und den externen Un-

1 Vgl. Inan F.A./Lowther, D. L. (2009), S. 139

2 Vgl. Mathews, J. G./Guarino, A. (2000), S. 385

3 Vgl. Inan, F. A./Lowther, D. L. (2009), S. 140

2 Hintergrundinformationen und theoretischer Bezugsrahmen

15

terstützungsvariabeln wie administrative Unterstützung und der Verfügbarkeit der Software indirekt auf die Computernutzung vermittelt. 1

Schließlich haben Inan und Lowther (2009) ein Pfadmodell entwickelt, das die direkten und indirekten Einflüsse von lehrerbezogenen Eigenschaften und Um- feldfaktoren auf die Integration von Technologie in Lehrveranstaltungen prüft. Die Untersuchung wurde mit 1.382 Lehrern an öffentlichen Schulen in Tennes- see, USA, vorgenommen. Die Forschungsergebnisse lieferten einen signifikan- ten Beweis dafür, dass das entwickelte Modell nützlich ist in Bezug auf die Ein- flussfaktoren auf die Integration von Technologie und den Beziehungen zwi- schen den Einflussfaktoren.

Die Studie ergab, dass demographische Eigenschaften, wie Alter und Jahre des Lehrens, einen negativen Einfluss auf Computer-Kenntnisse haben und die In- tegration von Technologien somit indirekt beeinflussen. Die Eigenschaften der Bildungseinrichtung, wie technische und administrative Unterstützung sowie die Verfügbarkeit von Computern, hingegen haben einen positiven Einfluss auf Computer-Kenntnisse. Sie beeinflussen zudem die Bereitschaft (Teachers’ Readiness) und Ansichten (Teachers’ Beliefs) der Lehrpersonen positiv. Sowohl „Teachers’ Readiness“ als auch „Teachers’ Beliefs“ wirken sich positiv auf die Integration von Technologien aus. Beide Faktoren vermitteln als Media- torvariable zwischen den demographischen Eigenschaften und den Eigenschaf- ten der Bildungseinrichtung einerseits und der Integration von Technologien an- dererseits. Das Modell zeigt weiter auf, dass neben „Teachers’ Readiness“ und „Teachers’ Beliefs“ auch Computer-Kenntnisse eine Mediationsvariable darstel- len. Diese nimmt allerdings keinen direkten, sondern lediglich einen indirekten Einfluss über „Teachers’ Readiness“ und „Teachers’ Beliefs“ auf die Integration von Technologien im Pfadmodell. 2

Die Forschungsergebnisse des Pfadmodells von Inan und Lowther (2009) sind in der Anlage A4 abgebildet; sie bilden den Ausgangspunkt dieser Arbeit.

1 Vgl. Inan, F. A./Lowther, D. L. (2009), S. 140

2 Vgl. ebenda, S. 137ff.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

16

2.2 Theoretische Bezugspunkte

2.2.1 Medienpädagogik

Digitale Bildungsangebote haben sich mittlerweile als fester Bestandteil in der Medienlandschaft der Erwachsenen- und Weiterbildung etabliert. Eine entschei- dende Rolle kommt hierbei der gezielten Gestaltung und Verwendung von digitalen Medien zu, um Lernprozesse effektiv und nachhaltig zu fördern. 1 Als wissenschaftliche Disziplin beschäftigt sich die Medienpädagogik mit allen erzie- herischen Fragen, Problemen und Themen, die mit Medien zusammenhängen. Im weiteren Sinne versteht man unter Medienpädagogik die sowohl pädagogisch orientierte praktische als auch theoretische Beschäftigung mit den Medien; sie wird als eigenständige Fachrichtung innerhalb der Pädagogik aufgefasst. 2 Zur Medienpädagogik zählen die Mediendidaktik, die Medienerziehung sowie die informationstechnische Bildung:

Medienerziehung sowie die informationstechnische Bildung: Abbildung 3: Medienpädagogik und ihre Teilgebiete 3 Die

Abbildung 3: Medienpädagogik und ihre Teilgebiete 3

Die Mediendidaktik befasst sich mit der Erziehung durch Medien, d.h. mit den Funktionen, der Auswahl, dem Einsatz, der Entwicklung, Herstellung und Gestal- tung sowie den Wirkungen von Medien in Lehr- und Lernprozessen. Das Ziel der Mediendidaktik ist die Optimierung dieser Prozesse mithilfe von Medien. 4 Typische Fragen, mit denen sich die Mediendidaktik beschäftigt sind: „Welche Medien eignen sich für die Erreichung bestimmter pädagogisch gerechtfertigter Zielvorstellungen? Welche Funktionen können konkrete Medien im Bildungs-

1 Vgl. Glaser, M./Weigand, S./Schwan, S. (2009), S. 190

2 Vgl. Wikipedia (2012c), o. S.

3 Entnommen aus: Glaser, M./Weigand, S./Schwan, S. (2009), S. 191

4 Vgl. de Witt, C./Czerwionka, T. (2007), S. 32

2 Hintergrundinformationen und theoretischer Bezugsrahmen

17

prozess übernehmen? Wie können Medien als Werkzeuge in Lehr- und Lern- situationen von Lernenden genutzt werden?“ 1 Um diese Fragen beantworten zu können, ist es notwendig, die Lernwirksamkeit von Medien bzw. Medien- merkmalen zu erforschen und darüber hinaus Theorien zum Lernen mit Medien zu entwickeln. 2

Die Medienerziehung thematisiert die Hinführung des Lernenden zu einem kompetenten Umgang mit Medien im Sinne einer kritischen und bewussten Mediennutzung, d.h. sie zielt auf den reflektierten Medienkonsum und kritischen Umgang mit Medienangeboten ab. 3 Fragen der Medienerziehung sind: Welche bildungsrelevanten Ziele bezüglich Medien sollen angestrebt werden? Wie können diese Ziele in erzieherischen Kontexten erreicht werden? 4

Die Mediendidaktik und Medienerziehung stehen in engem Bezug zum dritten Teilgebiet, der informations-, medien- oder kommunikationstechnischen Bildung, die die Vermittlung von Basisqualifikationen für mediendidaktisches und medien- erzieherisches Handeln zum Gegenstand hat. Die informationstechnische Bildung unterstützt den Aufbau von Medienkompetenz und Medienwissen, um die aktive Teilhabe von Menschen in der Medien- und Wissensgesellschaft zu ermöglichen. 5

2.2.2 Zum Begriff Medium bzw. Medien

Es handelt sich beim Medienbegriff um einen ausgesprochen vielseitig verwen- deten Begriff, der je nach Zielsetzung und Begründungszusammenhang unter- schiedlich konkretisiert wird. Eine einheitliche Begriffsbestimmung lässt sich für den Begriff Medium bzw. Medien nicht finden. 6 Mindestens zwei Grundbedeu- tungen des Begriffs „Medium“ sind jedoch festzuhalten: Zum einen sind Medien Vermittler, als Dinge, Instrumente oder Symbolsysteme, die zwischen Mensch und Welt vermitteln. Diese Dinge, Instrumente oder Symbolsysteme haben zum

1 Glaser, M./Weigand, S./Schwan, S. (2009),S. 190f.

2 Vgl. Dörr, G. (2009), S. 208

3 Vgl. Glaser, M./Weigand, S./Schwan, S. (2009), S. 190

4 Vgl. Dörr, G. (2009), S. 208

5 Vgl. Glaser, M./Weigand, S./Schwan, S. (2009), S. 190

6 Vgl. Lermen, M. (2008), S. 214

2 Hintergrundinformationen und theoretischer Bezugsrahmen

18

anderen immer den Charakter der Öffentlichkeit, d.h. sie sind Gemeingut und für alle zugänglich; sie haben somit eine soziale Funktion.

In der ersten Bedeutung werden Medien als Informationsvermittler verstanden. Sie erfüllen einerseits eine vermittelnde Funktion zwischen Menschen und Wissen und andererseits können sie als Mittel der Kommunikation zwischen Menschen verstanden werden. Ein Medium ist in dieser Bedeutung ein Träger oder Mittler von Information, welcher Kommunikation ermöglicht. 1 Im engen Sinne kann dementsprechend von Medien als Hilfsmittel in organisierten Lehr- und Lernprozessen gesprochen werden. Für einen pädagogisch sinnvollen Einsatz von Medien ist es erforderlich, die Medien in der „Doppelfunktion als Lehr- und Lernmittel“ zu betrachten. 2

In der zweiten Bedeutung sind Medien Repräsentationen der Welt für Menschen, und zwar öffentlich, d.h. allgemein zugänglich und verständlich. Dabei sind Medien immer von Menschen. Aus der Öffentlichkeit von Medien folgt die „Objektivierung pädagogischer Handlungen“. Mediale Lern-angebote sind zeitu- nabhängig und ortsunabhängig. Ebenso ist die Qualität von in Medien repräsen- tierten objektivierten Lehrhandlungen unabhängig von einzelnen Lehrpersonen gleichbleibend. 3

In der Literatur wird häufig mit mehrfachen Medienbegriffen operiert, die genauer differenziert werden können: 4

Medien als konventionalisierte Kommunikationsmittel:

Dieser Medienbegriff beschreibt die Symbolsysteme, mit denen Information vermittelt wird. Das sind im umfassenden Sinn alle Objekte, die als Zeichen dienen können. Als Beispiele können die Beschilderung im Straßenverkehr oder grafische Benutzungsoberflächen für technische Systeme genannt werden.

1 Vgl. Klebl, M. (2006), S. 84

2 Vgl. Lermen, M. (2008), S. 215

3 Vgl. Klebl, M. (2006), S. 84

4 Vgl. ebenda, S. 84f.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

19

Medien als Medienangebot:

Dieser Medienbegriff beschreibt das einzelne Resultat der Verwendung von Kommunikationsmitteln, d.h. ein einzelnes, konkretes Produkt innerhalb eines Symbolsystems. Das kann eine einzelne Fernsehsendung oder ein einzelner Text sein.

Medien als Geräte und Technik (Mediensystem):

Dieser Medienbegriff beschreibt Materialien und Werkzeuge, die zur Erstel- lung und Verbreitung von Medienangeboten eingesetzt werden, einschließlich der Endgeräte bzw. Trägermedien, die für die Nutzung eines Medienangebots notwendig sind. Für digitale Medien, die auf Rechnertechnik aufbauen, kann eine spezifische Kombination aus physischer Rechnertechnik, Betriebssys- tem, Netzwerktechnik und Programmwerkzeugen als ein komplexes Medien- system betrachtet werden. Digitale Medien unterliegen immer einer sich ge- genseitig ergänzenden Funktionalität von Hard- und Software. 1

Medien als Organisation:

Dieser Medienbegriff umfasst alle Unternehmen und Institutionen, die die Er- stellung und Verbreitung von Medienangeboten zur Aufgabe oder zum Zweck haben. Dazu zählen z.B. Rundfunkanstalten und Verlagshäuser.

Entscheidend für die vorliegende Masterarbeit ist hauptsächlich das Mediensys- tem. Das Mediensystem steht in engem Zusammenhang mit Medienangeboten. Die konzeptionelle wie technische Unterscheidung der Medienangebote vom Mediensystem, d.h. von einem technischen Lernsystem, das die Medienangebo- te verwaltet und den Beteiligten am Lehr-/Lernprozess durch ein Lern- Dialogsystem zugänglich macht, ermöglicht Austausch und Verwendung von digitalen Bildungsmedien. Medienangebote sind einzelne Lehr-/Lerneinheiten für mediengestützte Bildungsprozesse, d.h. einzelne konkrete Inhalte zur Verwen- dung in Lehr-/Lernprozessen. Die Trennung von Mediensystem und Medien- angebot entspricht letztendlich der Trennung von Lernsystem und Lerninhalt. 2

1 Vgl. Schwier, B. (2008), S. 2 2 Vgl. Klebl, M. (2006), S. 85

2 Hintergrundinformationen und theoretischer Bezugsrahmen

20

Hinsichtlich des Technikeinsatzes kann zwischen vier Mediengruppen unter- schieden werden, die in der folgenden Tabelle 1 aufgeführt sind:

Kategorie

Beispiele

Primärmedien (Menschmedien)

Theater, Hofnarr, Erzähler, Priester, Spielleute

Sekundärmedien (Druckmedien)

Brief, Tafel, Zeitung, Zeitschrift, Flugblatt, Buch,

Plakat, Heft

Tertiärmedien (Elektronische Medien)

Hörfunk, Tonträger, Film, Video, Fernsehen, Telefon

Quartärmedien (Digitale Medien)

Computer, E-Mail, Intranet, World Wide Web

Tabelle 1: Mediengruppen 1

Die Trennung in die einzelnen Mediengruppen ist nicht immer eindeutig. Die Gruppierungen sind jedoch weit verbreitet, und es lassen sich einige Gemein- samkeiten in den einzelnen Gruppen erkennen. 2 Im Rahmen dieser Masterarbeit sind die digitalen Medien von Bedeutung, die in den folgenden Kapiteln näher betrachtet werden.

2.2.3 Digitale Medien in Bildungsprozessen

2.2.3.1 Digitale Medien und digitale Arbeitsmittel

Die Einführung eines jeden Mediums in den Lehr-Lern-Prozess ist mit einer technischen Innovation verbunden. Bei der Nutzung eines neuen Kommunikati- ons- und Interaktionsmediums kann somit immer von einem jeweils „neuen“ Medium gesprochen werden. Mit dem Terminus „Neue Medien“ werden heutzu- tage die mit Hilfe des Computers und des Internets realisierten digitalen Medien bezeichnet – in Abgrenzung gegenüber den „alten“ Medien. Zu diesen zählen neben den Druckmedien in erster Linie die klassischen Massenmedien wie Fernsehen und Rundfunk. Die Unterschiede zwischen den neuen und alten Me- dien sind dabei fließend, wobei die bestehenden Medien nicht von den neuen Medien verdrängt, sondern vielmehr ergänzt werden. 3

1 Mit Änderungen entnommen aus: Lermen, M. (2008), S. 217

2 Vgl. Lermen, M. (2008), S. 217f.

3 Vgl. ebenda, S. 218

2 Hintergrundinformationen und theoretischer Bezugsrahmen

21

Unter digitalen Medien werden „alle Formen der Wissensaufbereitung oder der Informationsvermittlung verstanden, die in digitalisierter Form über Computer oder Internet erreichbar sind und die sich durch eine hypermediale Struktur aus- zeichnen“. 1 Die digitalen Medien umfassen neben einzelnen Medienprodukten auch komplexe medientechnische (Software-) Systeme wie z.B. die verschiede- nen Arten von Lernplattformen. 2

Zu diesen medientechnischen Systemen kann auch der im Rahmen des Projekts „Digital Classroom“, auf der die empirische Untersuchung dieser Masterarbeit basiert, verwendete Begriff „digitale Arbeitsmittel“ gezählt werden. Das Projekt- team setzte nicht den Begriff „neue Medien“ im Projekt ein, sondern entwickelte folgende Definition für den Begriff „digitale Arbeitsmittel“: „Unter digitalen Ar- beitsmitteln werden Software-Anwendungen verstanden, die Lehr- und Lernakti- vitäten unterstützen. Diese Anwendungen bieten mehr interaktive Funktionen als die üblichen Office-Anwendungen wie Word, Excel oder PowerPoint. Öffentliche Seiten des World Wide Web sind nicht Teil dieser Definition von Arbeitsmitteln.“

2.2.3.2 Merkmale digitaler Medien

Die (neuen) digitalen Medien lassen sich im Vergleich zu herkömmlichen Medien durch verschiedene Merkmale abgrenzen, wie die folgende Abbildung 4 darstellt:

Merkmale abgrenzen, wie die folgende Abbildung 4 darstellt: Abbildung 4: Kennzeichen digitaler Medien 3 1

Abbildung 4: Kennzeichen digitaler Medien 3

1 Aufenanger, S. (1999), S. 4

2 Vgl. Pfäffli, B. K. (2005), o. S.

3 Entnommen aus: Lermen, M. (2008), S. 222

2 Hintergrundinformationen und theoretischer Bezugsrahmen

22

Die Basis der digitalen Medien bildet die Integration verschiedener (Einzel-) Medien auf einer Plattform, dem Computer, und den damit verbundenen techni- schen Möglichkeiten. Dies kann unter dem Begriff „Multimedia“ zusammenge- fasst werden. Multimedia ist ein Konzept, das technische und anwendungsbezo- gene Dimensionen integriert. Mit Hilfe des Computers erlaubt es als zentrales Integrationselement die Kombination von zeitabhängigen (dynamischen) und zeitunabhängigen (statischen) Informationen. Die Vorteile der Computerbasie- rung liegen in den Möglichkeiten der Digitalisierung und Speicherung von Daten, der Vernetzung von Computersystemen und dem Datenaustausch. Weitere zent- rale Merkmale sind die Möglichkeiten der Vernetzung und der Interaktivität. Mit Hilfe der digitalen Medien werden Formen der Kooperation zwischen Lernenden und Lehrenden sowie zwischen Lernenden untereinander realisierbar. Die Ver- netzung beinhaltet sowohl die technische Verbindung über Intra- oder Internet als auch die Möglichkeit, Informationen zueinander in Beziehung zu setzen und Inhalte zu vernetzen. Die Interaktivität ist darin zu sehen, dass die Mediennut- zenden mit dem medialen System interagieren und eine unmittelbare Rückmel- dung vom Medium erhalten können; Möglichkeiten der Steuerung und Modifika- tion von Interaktionen treten dadurch in den Vordergrund. Ein weiteres Merkmal ist die Hyperstrukturierung. Sie bezeichnet die Möglichkeit der nicht-linearen Vernetzung von Informationen in Form von Hypertexten. Den Lernenden können dadurch individuelle Zugänge zu den verschiedensten Themengebieten angebo- ten werden. Informationen können auch mit Hilfe der digitalen Medien in wesent- lich komplexerer Art und Weise präsentiert werden (Multifunktionalität). Die Multi- funktionalität digitaler Medien wird besonders bei Simulationssoftware deutlich. 1

Diese sechs Merkmale lassen sich vereinzelt auch bei den Primär-, Sekundär- und Tertiärmedien finden. Jedoch zeichnen sich die digitalen Medien neben dem Aspekt der Digitalisierung vor allem dadurch aus, dass die Verteilungswege der Kommunikation andere sind (Kabelnetze, Satellitentechnik, Internet etc.) und sie eine Medienkonvergenz aufweisen. 2

1 Vgl. Lermen, M. (2008), S. 219ff.

2 Vgl. ebenda, S. 221

2 Hintergrundinformationen und theoretischer Bezugsrahmen

23

2.2.3.3 Digitale Medien als E-Learning-Werkzeuge

Der Einsatz digitaler Medien ist von einer wachsenden Anzahl neuer Begriffsde- finitionen und Anglizismen begleitet. Als dominierender Begriff im Zusammen- hang mit der Integration von digitalen Medien in Lehr-Lern-Prozesse hat sich der Terminus E-Learning durchgesetzt. E-Learning wird als Oberbegriff für alle Varianten computer- und internetbasierter Lehr- und Lernangebote verstanden, die auf der Anwendung von Informations- und Kommunikationstechnologien basieren. 1 Hense und Mandl (2009) definieren E-Learning ganz allgemein als „den Einsatz digitaler Medien und Technologien als Werkzeuge zur Gestaltung von Lernumgebungen und zur Unterstützung von Lehr- und Lernprozessen“. 2 Es können zwei Klassen von E-Learning-Werkzeugen unterschieden werden, die im Folgenden näher beleuchtet werden:

Werkzeuge zur Unterstützung der Präsenzlehre

Werkzeuge zur Gestaltung netzbasierter Lehr-Lern-Angebote

Werkzeuge zur Unterstützung der Präsenzlehre

Um die klassische Lehr-Lern-Situation in Klassenzimmern, Seminar-/Vorlesungs- räumen zu unterstützen, werden digitale Technologien in vielen Kontexten ver- wendet. Zur Standardausstattung dieser digital unterstützen Präsenzlehre zählt ein mobiler oder fest installierter Beamer zur Projektion von Computer- oder Videobildern. Ein Präsentationsrechner ist entweder vorhanden oder wird als mobiles Notebook mitgebracht. Smartboards können zudem die Kombination aus Präsentationsrechner und Beamer mit der Möglichkeit ergänzen, Eingaben direkt auf dem projizierten Computerbildschirm vorzunehmen. Spezielle Stifte ersetzen dabei die Maus und erlauben über die integrierte Schrifterkennung auch die Eingabe von Texten in das Programm. Auch das direkte Zeichnen auf der Benutzeroberfläche ist möglich; Zeichnungen können gespeichert und später weitergegeben bzw. wiederverwendet werden. 3 Der große Vorteil technischer

1 Vgl. Lermen, M. (2008), S. 223

2 Hense, J./Mandl, H. (2009), S. 30

3 Vgl. ebenda, S. 30f.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

24

Hilfsmittel wie Smartboards oder auch Graphiktabletts ist, dass man eine Prä- sentation direkt und während des Vortrags erweitern und damit ein vertiefendes Lehren und Lernen ermöglichen kann. 1

Zunehmend werden Computeranwendungen nicht nur frontal eingesetzt, sondern durch alle Lernenden in sogenannten Laptop-Klassen. Diese sind in jedem konventionellen Lernraum zu realisieren, indem mobile Rechner in einem speziellen Rollschrank vorrätig gehalten werden, wo sie aufgeladen und je nach Bedarf zum Einsatz gebracht werden. Laptop-Klassenräume erlauben einen sehr flexiblen Computereinsatz, bei dem sowohl frontal, individuell als auch koopera- tiv gelernt werden kann. 2

Werkzeuge zur Gestaltung netzbasierter Lehr-Lern-Angebote

Im Rahmen virtueller Lehr-Lern-Angebote werden eine Vielzahl unterschiedlicher netzbasierter Medien und Technologien verwendet. Dabei wird auf das gesamte Spektrum an Kommunikations- und Informationswerkzeugen zurückgegriffen, die auch allgemein im Internet eingesetzt werden. Hierzu zählen z.B. E-Mail, Mai- linglisten, Diskussionsforen, Newsgroups, Chats oder konventionelle (statische) Webseiten. Darüber hinaus gibt es noch eine Vielzahl weiterer Anwendungen; im Folgenden werden die wichtigsten Anwendungen aus den Bereichen „Content Management Systeme“ und Lernplattformen sowie Anwendungen und Dienste des „Web 2.0“ kurz aufgezeigt:

„Content Management Systeme“ und Lernplattformen

Ein „Content Management System“ dient der einfachen webbasierten Erstel- lung von Auftritten im Internet; es ist eine Software zur gemeinschaftlichen Erstellung, Bearbeitung und Organisation von Inhalten zumeist in Webseiten, aber auch in anderen Medienformen. 3 Zu den wichtigsten Merkmalen gehö- ren ein Redaktionssystem mit verschiedenen Rollen und Zuständigkeiten, Frontend und Backend, Unabhängigkeit von Inhalt und Layout sowie Modula-

1 Vgl. Bartsch, T.-C./Rex. B. F. (2008), S. 27

2 Vgl. Hense, J./Mandl, H. (2009), S. 30f.

3 Vgl. Wikipedia (2012d), o. S.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

25

rität und Erweiterbarkeit. Darüber hinaus gibt es sogenannte „Learning Con- tent Management Systeme“, die speziell für den Einsatz als Lernplattform ausgelegt sind. Wichtigste Ergänzungen sind Module zur Verwaltung von Kursen, Kursgruppen, Teilnehmerdaten sowie ein Autorentool, das zur Erstel- lung von multimedialen Lerneinheiten und automatisierten Lernerfolgstests dient. Daneben sind auch Groupware-Funktionen wie ein gemeinsamer Ka- lender für eine Lerngruppe, interne E-Mail-Funktion und private oder gemein- same Dateibereiche weitere Elemente. 1 Lernplattformen haben den Vorteil, dass sie zeit- und ortsunabhängigen Zugriff über Web-Browser ermöglichen und einfach zu bedienen sind. Darüber hinaus verfügen sie über eine Vielzahl von Funktionen für die online-gestützte Lehre. Für Lernende ergibt sich eine Vereinfachung des Auffindens, Abrufens und Verwaltens von Kursinhalten, Dokumenten und formalen Aufgaben. Lehrende können von den Möglichkei- ten, Lerninhalte über die Software zu gestalten, zu dokumentieren und zu präsentieren, profitieren. 2 Eine der bekanntesten Lernplattformen ist moodle.

Anwendungen und Dienste des Web 2.0

Zu Beginn des Internetzeitalters standen aufgrund der technischen und finanziellen Anforderungen bei der Publikation von Webinhalten einige weni- ge Inhaltsanbieter vielen Inhaltsrezipienten gegenüber. Inzwischen ermögli- chen die Anwendungen des Web 2.0 auch technisch weniger versierten Personen, Inhalte im Rahmen häufig kostenloser Dienste einem breiten Pub- likum mit Hilfe eines Webbrowsers zu präsentieren. Zu den bekanntesten zählen u.a. Weblogs, Podcasts und Wikis, die technisch gesehen speziali- sierte Content Management Systeme darstellen. 3

Weblogs sind regelmäßig aktualisierte, thematische „Tagebücher“ einer ein- zelnen Person oder einer Personengruppe, die öffentlich über eine feste Internetadresse gelesen werden können. Sie werden pädagogisch genutzt als Portfolios z.B. für Schreibübungen im Sprachunterricht oder bei Projekt- arbeiten zur einfachen Dokumentation von Lernprozessen und Lernergebnis-

1 Vgl. Hense, J./Mandl, H. (2009), S. 32f.

2 Vgl. Hörr, A. (2010), o. S.

3 Vgl. Hense, J./Mandl, H. (2009), S. 33

2 Hintergrundinformationen und theoretischer Bezugsrahmen

26

sen. Der Einsatz von Weblogs kann auch als „Sprachrohr“ von Lehrpersonen erfolgen, über das bei der rein virtuellen Lehre Inhalte, Rückmeldungen oder Arbeitsaufträge an die gesamte Lerngruppe weitergegeben werden.

Podcasts sind in ihrer Funktionalität Weblogs ähnlich. Die Inhalte werden jedoch nicht als Text eingestellt, sondern als Audio- oder Videodatei. Diese Dateien können entweder direkt im Internet angesehen bzw. angehört oder für den mobilen Einsatz auf entsprechende Endgeräte kopiert werden. Der Aufwand für die Produktion von Inhalten ist hier sehr hoch, so dass diese in pädagogischen Kontexten bislang wenig eingesetzt werden.

Wikis ermöglichen den einfachen Aufbau eines multimedialen Hyptertexts, bei dem die Inhalte jederzeit kommentiert oder verändert werden können. Sie sind einfach zu bedienen. Das bekannteste Wiki ist die Online-Enzyklopädie Wikipedia. In Lehr-Lern-Szenarien werden Wikis gerne zur kollaborativen Erarbeitung eines Themengebiets genutzt. Einzelne Aspekte des Themenge- biets werden erarbeitet und in das Wiki als Einträge eingestellt. Anschließend erfolgt die Vernetzung des Wikis zwischen den einzelnen Beiträgen. Wikis dienen jedoch auch oftmals als einfache Alternative zum umfangreichen Content Management System. Sie werden eingesetzt, um z.B. die Interaktion zwischen den Lernenden untereinander und mit der Lehrperson oder den Dateiaustausch online zu organisieren. 1

2.2.3.4 Einsatzformen digitaler Medien für Lehr- und Lern-Zwecke

In der Literatur lassen sich eine Vielzahl von Kategorisierungen und Klassifizie- rungen für den Einsatz digitaler Medien und Technologien im Bereich des Lehrens und Lernens finden. Digitale Medien und Technologien können in unter- schiedlichen Kontexten und Szenarien des E-Learning verwendet werden. Geht man von der „klassischen“ Gestaltung von Lernangeboten in Präsenzform (face- to-face) aus, so lassen sich grundsätzlich vier Einsatzformen unterscheiden: 2

1 Vgl. Hense, J./Mandl, H. (2009), S. 33f.

2 Vgl. ebenda, S. 34f.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

27

Ein additiver Einsatz liegt vor, wenn klassische Präsenzangebote wie z.B. ein Seminar um E-Learning-Elemente ergänzt und angereichert wer- den. Hierunter fallen sowohl die Nutzung von Präsentationsrechner und Beamer zur Unterstützung eines Lehrvortrags als auch die Einrichtung ei- ner begleitenden Lernplattform.

Wenn das Angebot sowohl in klassischer Präsenzform als auch als reines E-Learning-Angebot bereitsteht, so kann man von einem alternativen Einsatz sprechen. Ein komplett neues E-Learning-Angebot zu entwickeln ist meist sehr aufwendig. So werden beispielsweise im universitären Be- reich Vorlesungen mit besonders großer Zuhörerzahl aufgezeichnet und zum Download (z.B. per Videocast) oder als Videostream im Internet ver- fügbar gemacht.

Das Präsenzlernen wird beim substitutiven Einsatz komplett durch E- Learning ersetzt. Beispiele sind multimediale Selbstlernprogramme in Form von Computer-based Trainings bzw. Web-based Trainings. Sie wer- den zu den unterschiedlichsten Inhaltsgebieten angeboten und kommen ohne den Kontakt zu einer Lehrperson aus. Verbreitung gefunden haben Formen der virtuellen Lehre, bei denen im Rahmen einer Lernplattform nicht gänzlich alleine, sondern im Kontakt mit Lehrpersonen und Mitler- nenden gearbeitet wird (Bsp.: Virtuelles Klassenzimmer).

Der integrative Einsatz versucht, die Vorteile von Präsenz- und E- Learning-Angeboten durch den Wechsel von Face-to-face- und virtuellen Phasen konzeptionell zu kombinieren. Diese gemischte Einsatzform ist unter dem Begriff des „Blended Learning“ zu finden. Zu Beginn und am Ende eines Kurs- bzw. Seminarangebots werden je eine Präsenzveran- staltung durchgeführt und dazwischen eine oder mehrere virtuelle Lern- einheiten. In anderen Worten: Die klassischen Lernmethoden werden mit den Möglichkeiten der digitalen Medien in einem umfassenden Lehr-Lern- Arrangement kombiniert. 1 Ein Modell hybrider Lernarrangements in Hoch- schulen ist Anlage A5 zu entnehmen.

1 Vgl. Lermen, M. (2008), S. 230

2 Hintergrundinformationen und theoretischer Bezugsrahmen

28

In jüngster Zeit haben sich auch Einsatzformen entwickelt, die sich nicht klar in eine der vier Einsatzformen einordnen lassen, da sie sowohl additiv als auch alternativ, substitutiv oder integrativ eingesetzt werden. Hierzu gehören „Mobile Learning“ und „Game based Learning“. Während beim „Mobile Learning“ der Zu- griff auf lernrelevante Inhalte über mobile Endgeräte wie Smartphone, PDAs, Mini-Notebooks oder mobile Audio- und Videoplayer erfolgt, werden beim „Game-based Learning“ computer- oder netzbasierte Spiele zur gezielten Unter- stützung von Lehr-Lern-Prozessen eingesetzt. 1

2.2.4 Mehrwert digitaler Medien

2.2.4.1 Pädagogische und lernförderliche Potenziale digitaler Medien

Mit der Einführung eines neuen Mediums geht meistens zunächst ein erheblicher Mehraufwand einher. Damit stellt sich die Frage, ob diesem erhöhten Aufwand ein tatsächlich vorhandener pädagogisch-didaktischer Mehrwert entgegensteht. 2 „Ein Einsatz computerbasierter Medien ist in jedem Fall nur sinnvoll, wenn sich ein Mehrwert gegenüber konventionellen Medien ergibt“. 3 Technologische, inhalt- liche, ergonomische und didaktische Aspekte vermischen sich dabei bei der Nut- zung medialer Lernarrangements. 4

Häufig ist die Nutzung neuer digitaler Medien mit hohen Erwartungen in Bezug auf ihre Lernwirksamkeit und ihren Innovationsgehalt verbunden. Diese Erwar- tungen haben sich im Rückblick oft als naiv und überzogen herausgestellt. In vielen Fällen wurde die Technik zu stark in den Vordergrund gestellt und päda- gogische Aspekte vernachlässigt. Neue Technologien werden infolge dieser Herangehensweise häufig in Verbindung mit ungeeigneten Lehr-Lern-Ansätzen zum Einsatz gebracht. Der Einsatz neuer digitaler Medien entfaltet nicht per se große Effekte in Bezug auf ein verbessertes Lernen oder eine nachhaltige Moti- vierung von Lernenden. Es lassen sich allerdings Ansatzpunkte finden, in denen

1 Vgl. Hense, J./Mandl, H. (2009), S. 35f.

2 Vgl. Lermen, M. (2008), S. 248

3 Staiger S. (2004), S. 41

4 Vgl. Lermen, M. (2008), S. 248

2 Hintergrundinformationen und theoretischer Bezugsrahmen

29

digitale Medien das Potenzial aufweisen, deren Umsetzung zu erleichtern und zu unterstützen: 1

Schaffung eines authentischen und realitätsnahen Kontexts:

Fallbasierte Lernszenarien, Planspiele oder Simulationssysteme erlauben am Einzelplatzrechner oder im Netzwerk mit komplexen Szenarien zu agieren. Die Interaktivität dieser Systeme ermöglicht es, jederzeit Rückmeldung über die Handlungen beim Lernen zu erhalten. Weitere Gestaltungsmöglichkeiten sind durch den unmittelbaren Informationszugriff neuer Medien gegeben.

Anregen von multiplen Perspektiven und Kontexten:

Das Arbeiten an komplexen Fällen und in simulierten Systemen erlaubt oft- mals die Variation von Bedingungen, Abläufen und Lösungswegen. Derselbe Lerngegenstand lässt sich somit aus verschiedenen Perspektiven und Kon- texten betrachten. Multiple Perspektiven entstehen zum Beispiel durch das Einnehmen verschiedener Rollen in computermodellierten Simulationen oder durch das Suchen alternativer Lösungswege. Durch die Informationsfülle und Multimedialität neuer Medien ergeben sich weitere Zugänge.

Unterstützung von Kommunikation und Kooperation:

Neben E-Mail, Diskussionsforen und Chats sind hier vor allem auch die neue- ren „social networks“ wie etwa MySpace, Facebook oder verschiedene Online-Communities wie YouTube oder Twitter zu nennen. Sie sind leicht nutzbare Möglichkeiten, in Computernetzen zu kommunizieren und kooperie- ren. Die Anwendungen und Dienste des Web 2.0 wie Wikis und Weblogs eig- nen sich vor allem für das gemeinsame Arbeiten an konkreten Produkten wie Texten. Diese Werkzeuge alleine garantieren jedoch nicht automatisch eine lernförderliche Kommunikation und Kooperation. Wichtig ist der Einsatz instruktionaler Unterstützung in Form von Kooperationsskripts, Feedback- Regeln oder Online-Tutoring.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

30

Bereitstellen von instruktionaler Unterstützung:

Selbstgesteuertes und kooperatives Lernen müssen instruktional begleitet und unterstützt werden, um Überforderungen zu vermeiden oder einen Ein- stieg in ein neues Thema zu erleichtern. Für die direkte und individualisierte Rückmeldung können digitale Medien wie Weblogs und Wikis genutzt werden.

Der Begriff Mehrwert ist im pädagogischen Kontext nicht eindeutig belegt. Unter- schiedliche Autoren kommen zu diversen Einschätzungen und Kategorisierun- gen, worin der Mehrwert digitaler Medien bestehen kann. 1 Neben diesen vier erläuterten Ansatzpunkten können noch weitere lernförderliche Potenziale be- nannt werden wie Dezentralisierung und Deregulierung von Lernorten, Multi- codalität und Multimodalität, Information-on-demand und just-in-time, Adaptivität, Entlastung von Routinetätigkeiten oder sanktionsfreie Räume. 2 Einen Überblick über mögliche Mehrwerte liefert Anlage A6.

Grundsätzlich kann jedoch nicht von einem den Medien selbst innewohnenden Mehrwert ausgegangen werden, der sich einstellt, sobald ein bestimmtes Medi- um oder Mediensystem eingeführt wird. Die Generierung des Mehrwerts ist eine „mediendidaktische Gestaltungsaufgabe“. 3

2.2.4.2 Mehrwert im Bereich der Hochschule

Auf den Mehrwert digitaler Medien für das Lehren und Lernen im universitären Bereich wird von diversen bildungpolitisch orientierten Gremien hingewiesen. So hat der Wissenschaftsrat in seinen „Empfehlungen zur Hochschulentwicklung durch Multimedia in Studium und Lehre“ zahlreiche Vorteile genannt, die der Einsatz virtueller Lehrveranstaltungen in den normalen Lehrbetrieb mit sich bringt. Mit Hilfe der digitalen Medien sollen neben der systematischen Verbesse- rung der Qualität der Lehre vor allem flexiblere Angebote, eine kooperative Aus- stattung von Studiengängen, mehr Selbststudium, die Einbeziehung internatio- naler Module sowie eine bessere Betreuung in kleineren Studiengruppen

1 Vgl. Stratmann, J. (2007), S. 16

2 Vgl. Herzig, B. (2008), S. 499f.

3 Vgl. Stratmann, J. (2007), S. 22

2 Hintergrundinformationen und theoretischer Bezugsrahmen

31

realisiert werden. Zugleich soll durch die virtuelle Praxis eine Integration von Forschung ins Studium erzielt werden. Der Programmbeirat der Virtuellen Hoch- schule Baden-Württemberg formuliert in seinen „Empfehlungen des Programm- beirats der Virtuellen Hochschule Baden-Württemberg“ folgende vier Aspekte, die die Entwicklung einer virtuellen Hochschule begleiten: 1

Attraktivere Lehrangebote durch die Integration „moderner“ Studienele- mente und Vermittlungsformen (Anreicherung)

Nutzung des didaktischen Mehrwerts multimedialer Lehr- und Lernformen (Qualitätsverbesserung)

Ergänzung des hauseigenen Lehrangebots durch den Import von Stu- dienmodulen bzw. dessen Profilierung durch den Export von hauseigenen Lehrveranstaltungen (Programmpflege)

Skalengewinne und Entlastungseffekte z.B. bei hoch standardisierten Grundveranstaltungen (Effizienzsteigerung)

2.2.5 Medienkompetenz

2.2.5.1 Medienkompetenz nach Baake

Medienkompetenz wird als leitender Begriff und zentrales theoretisches Konzept der Medienpädagogik seit Anfang der 1990er Jahre verstärkt diskutiert. Im Zuge der Einführung von Internet und Multimedia wurde ein medienpädagogischer wie materiell-ausstattungsbezogener Nachholbedarf in nahezu allen Bereichen von Bildung und Erziehung attestiert. 2 Medienkompetenz ist ein vielschichtiger Beg- riff. Generell bedeutet er die Befähigung, mit Medien aller Art souverän umzuge- hen. 3 Baacke versteht unter Medienkompetenz „eine Schlüsselqualifikation zur Bewältigung der Aufgabe, insbesondere mit den neuen Möglichkeiten der Infor- mationsnutzung umgehen zu können“. 4 Diese Kompetenz reicht über die techni- sche Fähigkeit zur Bedienung verschiedener Medien hinaus.

1 Vgl. Lermen, M. (2008), S. 250

2 Vgl. Hugger, K.-U. (2008), S. 93

3 Vgl. Schneider, F. (2011), S. 7

4 Vollbrecht, R. (2000), S. 63

2 Hintergrundinformationen und theoretischer Bezugsrahmen

32

Baacke differenziert den Begriff der Medienkompetenz in vier Dimensionen, die prinzipiell jeder Mensch entwickelt haben sollte: Medienkritik, Medienkunde, Mediennutzung und Mediengestaltung. 1 Abbildung 5 gibt die vier Dimensionen der Medienkompetenz nach Baacke wieder, die im Folgenden erläutert werden.

nach Baacke wieder, die im Folgenden erläutert werden. Abbildung 5: Medienkompetenz nach Baacke 2 Medienkritik

Abbildung 5: Medienkompetenz nach Baacke 2

Medienkritik bedeutet die Fähigkeit, problematische gesellschaftliche Prozesse (z.B. Medienkonzentration) analytisch angemessen zu erfassen. Jeder Mensch sollte reflexiv in der Lage sein, dieses analytische Wissen auf sich selbst und das eigene Handeln anzuwenden. Die ethische Dimension daran ist, das analyti- sche Denken und reflexiven Rückbezug als sozial verantwortet abzustimmen und zu definieren. Medienkunde umfasst das Wissen über die heutigen Medien- systeme. Die informative Dimension der Medienkunde beinhaltet klassische Wissensbestände, und die instrumentell-qualifikatorische Dimension beinhaltet die Fähigkeit, neue Geräte auch bedienen zu können. Mediennutzung ist zwei- fach zu verstehen: Medien sollen rezeptiv angewendet werden (Programm- Nutzungskompetenz) und interaktive Angebote genutzt werden können. Schließ- lich stellt Mediengestaltung in Baackes Ausdifferenzierung den vierten Bereich der Medienkompetenz dar. Hierunter fallen einerseits die innovativen Verände- rungen und Entwicklungen des Mediensystems und andererseits die kreativen ästhetischen Varianten, die über die Grenzen der alltäglichen Kommunikations-

1 Vgl. Lermen, M. (2008), S. 261 2 Enthalten in: Lermen, M. (2008), S. 261

2 Hintergrundinformationen und theoretischer Bezugsrahmen

33

routinen hinausgehen. 1 Die beiden Aspekte Medienkritik und Medienkunde um- fassen die Dimension der Vermittlung, während die Dimension der Zielorientie- rung im Handeln der Menschen, d.h. der Mediennutzung und Mediengestaltung, liegt. 2 Das Modell der Medienkompetenz von Baacke ist mittlerweile zwar von anderen Autoren weiterentwickelt und modifiziert worden, meistens sind die vier Dimensionen jedoch übernommen worden. 3

Baake hebt den Begriff Medienkompetenz theoretisch auf die überindividuelle, gesellschaftliche Ebene. Der Begriff wird mit diesem Ausdifferenzierungsziel zum „Diskurs der Informationsgesellschaft“, der alle wirtschaftlichen, technischen, sozialen, kulturellen und ästhetischen Probleme mit einbezieht, so dass er stän- dig aktualisiert werden kann und muss.

Bei dieser Betrachtung des Begriffs Medienkompetenz und den Möglichkeiten seiner Vermittlung zeigt sich, dass sich durch aktive (Be-)Nutzung der Medien eine Kritikfähigkeit herausbilden soll, die zum Auswählen diverser Medienange- bote genutzt werden kann. Mit anderen Worten: Die eigene aktive Arbeit mit ei- nem Medium ermöglicht dessen kritische Nutzung sowohl im privaten wie auch beruflichen Alltag. Die Auseinandersetzung mit Medien kann zu einer kritischen Auseinandersetzung der Person mit sich selbst im Sinne einer Bewusstseinsbil- dung eingesetzt werden und der Person damit neue Formen autonomen Han- delns ermöglichen. 4

2.2.5.2 Medienkompetenz von Lehrpersonen

Die Entwicklung von Medienkompetenz als Aufgabe der Schule setzt seitens der Lehrpersonen voraus, dass sie selbst Medienkompetenz erworben haben oder diese weiterentwickeln und darüber hinaus in der Lage sind, die Medienkompe- tenz ihrer Schüler/innen zu fördern. Lehrpersonen sollten zu folgenden Punkten in der Lage bzw. bereit sein: 5

1 Vgl. Hugger, K.-U. (2008), S. 94

2 Vgl. Wikipedia (2012e), o. S.

3 Vgl. Lermen, M. (2008), S. 261

4 Vgl. Wikipedia (2012e), o. S.

5 Vgl. Tulodziecki, G./Herzig, B./Grafe, S. (2010), S. 359

2 Hintergrundinformationen und theoretischer Bezugsrahmen

34

Medienangebote und nicht-mediale Möglichkeiten im Hinblick auf ange- strebte Nutzungszusammenhänge erläutern und sachgemäß handhaben, kriterienbezogen vergleichen und bewerten, begründet auswählen sowie unter Beachtung gesellschaftlicher bzw. sozialer Verantwortung nutzen.

Eigene Aussagen unter Verwendung bewusst ausgewählter Gestaltungs- arten mit sachgemäßer Handhabung der jeweiligen Technik und situati- onsangemessener Planung sowie unter Beachtung gesellschaftlicher und sozialer Verantwortung gestalten und Einzelnen bzw. bestimmten Grup- pen zur Verfügung stellen oder öffentlich verbreiten.

Gestaltungsmöglichkeiten von Medien erläutern und in ihrer Bedeutung für mediale Aussagen einschätzen sowie Gestaltungsmittel für eigene Medienbeiträge begründet auswählen, die eingesetzten Gestaltungsmittel in vorhandenen Medienangeboten analytisch erfassen und hinsichtlich der Übereinstimmung von Form, Inhalt oder anderer Kriterien bewerten.

Medieneinflüsse beschreiben, kriterienbezogen bewerten und problemati- sche Einflüsse der Mediennutzung in geeigneten Formen aufarbeiten und ihnen gegebenenfalls entgegenwirken sowie Medieneinflüsse bei der eigenen Mediengestaltung und Verbreitung berücksichtigen.

Bedingungen von Medienproduktion und Medienverbreitung erläutern, Verbindungen zwischen solchen Bedingungen und den Medienprodukten sowie ihrer Nutzung herstellen, die Bedingungen in Orientierung am gesellschaftlich Wünschenswerten beurteilen und Einflussmöglichkeiten beim eigenen Handeln skizzieren und wahrnehmen.

Medienkompetenz ist als ein wichtiger Bestandteil medienpädagogischer Kompetenz anzusehen. Medienpädagogische Kompetenz erfordert zudem Bereitschaft sowie Wissen und Können in den Kompetenzfeldern der Medienso- zialisation, der Medienbildung insgesamt einschließlich medienerzieherischer Maßnahmen, der Medienverwendung für Lernen und Lehren sowie die Entwick- lung medienpädagogischer Konzepte. 1 Auf diese Kompetenzbereiche soll hier im Rahmen dieser Masterarbeit nicht weiter eingegangen werden.

1 Vgl. Tulodziecki, G./Herzig, B./Grafe, S. (2010), S. 360

2 Hintergrundinformationen und theoretischer Bezugsrahmen

35

2.3 Fragestellung der empirischen Untersuchung – konzeptioneller Rahmen

Ausgangspunkt dieser empirischen Untersuchung sind die Forschungsergebnis- se von Inan und Lowther (2009). In ihrer Studie haben sie ein Pfadmodell entwi- ckelt, welches die direkten und indirekten Einflüsse von Lehrereigenschaften und Schulfaktoren auf die Integration von Technologien von Lehrern in deren Lehr- veranstaltungen prüft; die hypothetischen Kausalzusammenhänge zwischen Einflussfaktoren, die für die Integration von Technologien von Bedeutung sind, werden dabei erklärt (vgl. Anlage A4). 1 Ein erstes Pfadmodell wurde bereits von Robinson (2003) in seiner Dissertation „External and internal factors which predict teachers’ computer usage in K-12 classrooms“ entwickelt, welches Inan und Lowther weiterentwickelt haben. 2

Das erweiterte Pfadmodell von Inan und Lowther (2009) wird im Rahmen dieser Arbeit in angepasster Form eingesetzt. Es wird hierbei nicht auf die Integration von Technologie im Allgemeinen eingegangen, sondern speziell der Einsatz von digitalen Arbeitsmitteln (Digital Tools) in Lehrveranstaltungen untersucht.

Die verwendeten Variablen und deren Beschreibungen, das hypothetische Pfadmodell, die Annahmen bzw. Hypothesen und deren Begründungen sowie die Forschungsfragen der Studie werden in den folgenden Kapiteln vorgestellt. Es wird an dieser Stelle darauf hingewiesen, dass die Variablen im Pfadmodell in der empirischen Untersuchung in englischer Sprache eingesetzt werden.

2.3.1 Variablen im hypothetischen Pfadmodell Für das hypothetische Pfadmodell der Studie werden insgesamt acht Variablen verwendet, die in der folgenden Tabelle 2 beschrieben werden.

1 Vgl. Inan, F. A./Lowther, D. L. (2009), S. 140f.

2 Vgl. Robinson, W. I. (2003), o. S.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

36

Variablen

Beschreibung der Variablen

Age (Alter)

Angegebenes Alter der befragten Lehrperson

Years of Teaching (Jahre des Lehrens)

Angegebene Jahre des Lehrens als Lehrperson

Proficiency of Digital Tools (Kenntnisstand digitaler Arbeitsmittel)

Wahrnehmung der befragten Lehrperson an eigenen Fähigkeiten bezüglich des Einsatzes digitaler Arbeitsmittel

Overall Support (Allgemeine Unterstützung)

Wahrnehmung der befragten Lehrperson an der Unterstützung von administrativer Seite, Kollegen, Interessengruppen etc. hinsichtlich der Integration digitaler Arbeitsmittel in der Bildungseinrichtung

Technical Support (Technische Unterstützung)

Wahrnehmung der befragten Lehrperson an der Eignung der technischen Unterstützung, Verfügbar- keit an Ressourcen und Unterstützung bei Computer- Software und Fehlerbehebung

Teachers’ Readiness (Bereitschaft der Lehrperson)

Auffassung bzw. Wahrnehmung der befragten Lehrperson seiner Fähigkeiten und Fertigkeiten, die erforderlich sind, um digitale Arbeitsmittel in seine Lehrveranstaltung zu integrieren

Teachers’ Beliefs (Ansichten der Lehrperson)

Auffassung bzw. Wahrnehmung der befragten Lehrperson an dem Einfluss digitaler Arbeitsmittel auf den Lernerfolg und die Lernleistung der Studenten/ Studentinnen bzw. Schüler/innen (Impact on Students) sowie auf den Unterricht (Impact on Classroom Instruction)

Integration of Digital Tools (Integration digitaler Arbeitsmittel)

Selbsteinschätzung der befragten Lehrperson an der Häufigkeit des Einsatzes an digitalen Arbeitsmitteln in seiner Lehrveranstaltung

Tabelle 2: Beschreibung der Variablen 1

Inan und Lowther (2009) verwendeten in ihrem Pfadmodell eine weitere Variab- le: „Computer Availability“. Diese Variable wird im Rahmen dieser empirischen Untersuchung nicht eingesetzt. Die technische Ausstattung und Verfügbarkeit von Computern in den Bildungseinrichtungen wird vorausgesetzt.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

37

2.3.2 Hypothetisches Pfadmodell

Das hypothetische Pfadmodell dieser Studie zeigt die folgende Abbildung 6:

Pfadmodell dieser Studie zeigt die folgende Abbildung 6: Block 1 Block 2 Block 3 Block 4

Block 1

Block 2

Block 3

Block 4

Abbildung 6: Hypothetisches Pfadmodell der empirischen Untersuchung 1

Das Pfadmodell besteht aus vier Variablenblöcke:

Block 1:

Block 1 beinhaltet vier exogene (unabhängige) Variable. Hierzu zäh- len die demographischen Eigenschaften der Lehrperson „Age“ und „Years of Teaching“ und Eigenschaften der Bildungseinrichtung hin- sichtlich der Unterstützung beim Einsatz digitaler Arbeitsmittel „Overall Support“ und „Technical Support“.

Block 2:

Block 2 enthält die Variable „Proficiency of Digital Tools“. Diese en- dogene Variable fungiert sowohl als unabhängige als auch abhängi- ge Variable im Pfadmodell.

Block 3:

Block 3 beinhaltet zwei auf die Lehrperson bezogene, endogene Variable: zum einen die Variable „Teachers’ Readiness“ und zum anderen „Teachers’ Beliefs“. Beide Variablen werden als unabhän- gige und abhängige Variable im Pfadmodell eingesetzt.

Block 4:

Block 4 wird von der endogenen Variablen „Integration of Digital Tools“ gebildet; hierbei handelt es sich um eine abhängige Variable.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

38

2.3.3 Hypothesen

Die Forschungsergebnisse von Inan und Lowther (2009) sind Ausgangspunkt dieser empirischen Untersuchung; folglich liegen die Hypothesen für die Unter- suchung dieser Masterarbeit (hauptsächlich) in deren Forschungsergebnisse begründet. Es werden lediglich direkte Einflüsse der Variablen untersucht, d.h. indirekte Effekte auf die Integration digitaler Arbeitsmittel bleiben im Rahmen dieser Masterarbeit unberücksichtigt. Die Hypothesen stellen die Pfeilrichtungen im hypothetischen Pfadmodell in Kapitel 2.3.2 dar.

Forschungsergebnisse von Inan und Lowther (2009) und Robinson (2003) haben ergeben, dass die demographischen Eigenschaften von Lehrpersonen einen negativen direkten Einfluss auf die Computer-Kenntnisse der Lehrperson haben. Lehrer, die älter sind und länger unterrichten, haben geringere Kenntnisse und Fähigkeiten im Umgang mit Computern, d.h. die Computer-Kenntnisse verrin- gern sich mit zunehmendem Alter und Unterrichtserfahrung. 1 Hieraus ergeben sich die folgenden Hypothesen:

H1: „Age“ hat einen negativen direkten Einfluss auf „Proficiency of Digital Tools“: Je älter die Lehrperson, desto geringer ist der Kenntnisstand digi- taler Arbeitsmittel.

H2a:

„Years

„Proficiency of Digital Tools“: Je länger die Lehrperson bereits unterrich- tet, desto geringer ist der Kenntnisstand digitaler Arbeitsmittel.

of

Teaching“

hat

einen

negativen

direkten

Einfluss

auf

Ein weiteres Forschungsergebnis von Inan und Lowther (2009) ist, dass Lehrer, die länger unterrichten eine geringere Bereitschaft besitzen, Technologien ein- zusetzen. Dies führt zu folgender Hypothese:

H2b: „Years of Teaching“ hat einen negativen direkten Einfluss auf „Teachers’ Readiness“: Je länger die Lehrperson bereits unterrichtet, desto geringer ist die Bereitschaft der Lehrperson, digitale Arbeitsmittel einzusetzen.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

39

Des Weiteren hat die Studie von Inan und Lowther (2009) ergeben, dass sich das Vorhandensein von Eigenschaften der Bildungseinrichtung wie allgemeine Unterstützung, technische Unterstützung und Computer-Verfügbarkeit sowohl auf die Computer-Kenntnisse von Lehrern als auch auf die Bereitschaft und die Ansichten der Lehrperson, Technologie einzusetzen, positiv auswirkt bzw. diese Faktoren erhöht. Die allgemeine Unterstützung hat in deren Pfadmodell den größten positiven Einfluss auf die Ansichten der Lehrperson, Technologie einzu- setzen. Auch Mumtaz (2005) sowie Windschitl und Sahl (2002) haben herausge- funden, dass Eigenschaften der Bildungseinrichtung wesentlich die Ansichten der Lehrperson beeinflussen, indem die Lehrperson Unterstützung und positive Vorstellungen von administrativer Seite und Interessengruppen erhält. Lumpe und Chambers (2001) haben in ihrer Untersuchung eine Liste mit Einflussfakto- ren auf die Ansichten der Lehrperson erfasst, welche auch die allgemeine und technische Unterstützung enthält. Für die Untersuchung lassen sich hieraus die folgenden Hypothesen ableiten:

H3a:

„Overall Support“ hat einen positiven direkten Einfluss auf „Proficiency of Digital Tools“: Je größer die allgemeine Unterstützung in der Bildungsein- richtung ist, desto größer ist der Kenntnisstand digitaler Arbeitsmittel.

H3b: „Overall Support“ hat einen positiven direkten Einfluss auf „Teachers’ Readiness“: Je größer die allgemeine Unterstützung in der Bildungsein- richtung ist, desto größer ist die Bereitschaft der Lehrperson, digitale Arbeitsmittel einzusetzen.

H3c: „Overall Support“ hat einen positiven direkten Einfluss auf „Teachers’ Beliefs“: Je größer die allgemeine Unterstützung in der Bildungseinrich- tung ist, desto größer sind die Ansichten der Lehrperson, digitale Arbeitsmittel einzusetzen.

H4a:

„Technical Support“ hat einen positiven direkten Einfluss auf „Proficiency of Digital Tools“: Je größer die technische Unterstützung ist, desto größer ist der Kenntnisstand digitaler Arbeitsmittel.

H4b:

„Technical Support“ hat einen positiven direkten Einfluss auf „Teachers’ Readiness“: Je größer die technische Unterstützung ist, desto größer ist die Bereitschaft der Lehrperson, digitale Arbeitsmittel einzusetzen.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

40

H4c: „Technical Support“ hat einen positiven direkten Einfluss auf „Teachers’ Beliefs“: Je größer die technische Unterstützung ist, desto größer sind die Ansichten der Lehrperson, digitale Arbeitsmittel einzusetzen.

Inan und Lowther (2009) haben zudem herausgefunden, dass Computer- Kenntnisse sowohl die Bereitschaft als auch die Ansichten der Lehrperson, Technologien einzusetzen, positiv beeinflussen. Die Computer-Kenntnisse der Lehrperson haben in deren Pfadmodell den größten Einfluss auf die Bereitschaft, Technologien einzusetzen. Hieraus ergeben sich folgende Hypothesen:

H5a:

„Proficiency of Digital Tools“ hat einen positiven direkten Einfluss auf „Teachers’ Readiness“: Je größer der Kenntnisstand digitaler Arbeitsmit- tel ist, desto größer ist die Bereitschaft der Lehrperson, diese einzusetzen .

H5b:

„Proficiency of Digital Tools“ hat einen positiven direkten Einfluss auf „Teachers’ Beliefs“: Je größer der Kenntnisstand digitaler Arbeitsmittel ist, desto größer sind die Ansichten der Lehrperson, diese einzusetzen.

In den Forschungsergebnissen von Inan und Lowther (2009) beeinflussen sowohl die Bereitschaft als auch die Ansichten der Lehrperson, Technologien einzusetzen, die Integration von Technologie in positiver Weise. Ansichten der Lehrperson ist ein wesentlicher Einflussfaktor auf die Integration von Technolo- gie im Unterricht; dies bestätigen auch zahlreiche vorangegangene Studien (u.a. Ertmer, 2005 sowie Vannatta und Fordham, 2004). Die Bereitschaft der Lehrper- son hat in Inan und Lowther’s Studie den größten Einfluss auf die Integration von Technologie. Vorangegangene Studien belegen dieses Forschungsergebnis:

Kanaya, Light und Culp (2005) als auch Scheffler und Logan (1999) geben an, dass Lehrer, die bereit und überzeugt sind, Technologie zu integrieren, häufiger Technologie im Unterricht einsetzen. Folgende Hypothesen lassen sich ableiten:

H6:

„Teachers’ Readiness“ hat einen positiven direkten Einfluss auf „Integra- tion of Digital Tools“: Je größer die Bereitschaft der Lehrperson ist, desto größer ist die Integration digitaler Arbeitsmittel.

H7:

„Teachers’ Beliefs“ hat einen positiven direkten Einfluss auf „Integration of Digital Tools“: Je größer die Ansichten der Lehrperson sind, desto größer ist die Integration digitaler Arbeitsmittel in Lehrveranstaltungen.

2 Hintergrundinformationen und theoretischer Bezugsrahmen

41

2.3.4 Zweck der Untersuchung und Forschungsfragen

Zweck dieser Untersuchung ist es, die Einflüsse von individuellen Eigenschaften und Umweltfaktoren von Lehrpersonen auf die Integration digitaler Arbeitsmittel in Lehrveranstaltungen der Lehrpersonen zu untersuchen, d.h. was beeinflusst den Einsatz digitaler Arbeitsmittel in Lehrveranstaltungen und welche positiven und negativen direkten Zusammenhänge bestehen zwischen den Variablen. Zudem ist geplant, die Beziehungen zwischen den Einflussgrößen durch ein entwickeltes Pfadmodell zu erklären, das auf vorangegangenen Studien basiert. Betrachtet man das Pfadmodell als Forschungsrahmen, so sollen folgende Forschungsfragen in der Untersuchung beleuchtet werden:

F1:

Beeinflussen demographische Eigenschaften von Lehrpersonen die In- tegration digitaler Arbeitsmittel in Lehrveranstaltungen?

F2:

Beeinflussen Eigenschaften der Bildungseinrichtung die Integration digi- taler Arbeitsmittel in Lehrveranstaltungen?

F3:

Beeinflussen der Kenntnisstand digitaler Arbeitsmittel der Lehrperson, die Bereitschaft und Ansichten der Lehrperson, digitale Arbeitsmittel einzu- setzen, die Integration digitaler Arbeitsmittel in Lehrveranstaltungen?

Neben diesen speziell auf das hypothetische Pfadmodell bezogenen For- schungsfragen sollen im Rahmen dieser empirischen Studie auch Mittelwertun- terschiede nicht im Pfadmodell abgebildeter Eigenschaften untersucht werden:

F4:

Unterscheiden sich Frauen und Männer im Mittel bezüglich der Integrati- on digitaler Arbeitsmittel?

F5: Unterscheidet sich die Integration digitaler Arbeitsmittel im Mittel zwischen Unterrichtsfächer, Lehrmethoden oder Schulungen der Lehr- person?

Nicht Gegenstand der Untersuchung sind indirekte und totale Effekte auf die Integration digitaler Arbeitsmittel. Ebenso werden keine Unterschiede zwischen den befragten (deutschen) Bildungseinrichtungen untersucht und keine Länder- vergleiche vorgenommen.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

42

3. Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

Zur Prüfung bzw. Beantwortung der in den Kapiteln 2.3.3 und 2.3.4 formulierten Forschungshypothesen und Forschungsfragen wird im Rahmen dieser Master- arbeit mit Hilfe eines Fragebogens der Zusammenhang zwischen diversen Ein- flussfaktoren und der Integration digitaler Arbeitsmittel in Lehrveranstaltungen erforscht. Die empirische Untersuchung wird in den folgenden Kapiteln darge- stellt.

3.1 Forschungsdesign

3.1.1 Forschungsmethode

Zur Erhebung der Daten im Rahmen dieser Masterarbeit wurde die Methode der standardisierten Online-Befragung als Forschungsmethode gewählt. Die Befra- gung stellt eine der in den Sozialwissenschaften am häufigsten verwendeten Methoden dar und dient der Ermittlung von Fakten, Wissen, Meinungen, Einstel- lungen oder Bewertungen eines Personenkreises. 1 Die Online-Befragung ist eine der jüngsten Erhebungsarten in der empirischen Forschung. Online-Befragungen sind Erhebungen, bei denen die Teilnehmer entweder den auf einem Server ab- gelegten Fragebogen im Internet online ausfüllen oder den Fragebogen von ei- nem Server herunterladen und per E-Mail zurücksenden oder den Fragebogen per E-Mail zugeschickt bekommen und zurücksenden. Die Online-Befragung ist keine modernisierte Form der schriftlichen Befragung, sondern eine völlig neue Befragungsart mit charakteristischen Stärken und Schwächen und zählt zur quantitativen Marktforschung. Die quantitative Befragung hat die Aufgabe, exak- te und für die Grundgesamtheit repräsentative Daten zu beschaffen, damit diese auf das Universum hochgerechnet werden können. Sie zielt darauf ab, den Un- tersuchungsgegenstand zu beschreiben oder Zusammenhänge mit statistischen Rechenverfahren zu untersuchen. 2

1 Vgl. Schnell, R./Hill, P./Esser, E. (1999), S. 299 2 Vgl. Hofte-Fankhauser, K./Wälty, H. F. (2009), S. 58ff.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

43

Für die Online-Befragung dieser empirischen Untersuchung wurde ein standar- disierter Fragebogen eingesetzt, um die Auffassungen von Lehrpersonen in Hin- blick auf die Integration digitaler Arbeitsmittel zu erheben. Fragen und Antwort- vorgaben wurden genau festgelegt. Die Online-Befragung erfolgte in Form einer Querschnittsuntersuchung, d.h. die Daten wurden einmalig innerhalb einer vor- gegebenen Zeitspanne erhoben. Angelegt wurde der Fragebogen in LimeSur- vey, einem Programm zur Erstellung von Online-Fragebogen. 1 Die Verteilung des Fragebogens erfolgte über einen Link, der mit einem Begleitschreiben per E- Mail an den Ansprechpartner der jeweiligen Hochschule versendet wurde.

Die Wahl der standardisierten Online-Befragung als Erhebungsmethode in dieser Masterarbeit wurde aus verschiedenen Gründen gewählt: Zum einen gibt es bereits standardisierte Fragebogen aus vorangegangenen Studien zu diesem Themengebiet. So haben beispielsweise Lowther, Strahl, Inan und Ross (2008) den Fragebogen „Teacher Technology Questionnaire“ (TTQ) und Wozney, Venkatesh und Abrami (2001) den Fragebogen „Technology Implementation Questionnaire“ (TIQ) entwickelt und in ihren Forschungen erfolgreich eingesetzt. Die Neuentwicklung eines Fragebogens mit all seinen Konstrukten ist sehr zeit- aufwendig und kostenintensiv, daher wurde im Vorfeld der empirischen Untersu- chung entschieden, auf bereits bestehende Fragebogen zurückzugreifen. Bereits existierende Fragebogen können miteinander kombiniert und weiterentwickelt bzw. für die eigene Untersuchung angepasst werden. Forschungsergebnisse lassen sich dabei auch einfacher miteinander vergleichen und können aufeinan- der aufbauen. Zum anderen ist der ausgewählte Personenkreis für die Online- Befragung online erreichbar. Die Daten lassen sich dadurch rasch erheben; ein Rücklauf erfolgt meistens schnell, d.h. die Feedback-Zeit ist nur kurz. Hinzu kommt, dass die Daten für die anschließende Auswertung sofort verfügbar sind, da sie automatisch direkt in eine Datenbank eingespeist werden. Dadurch wer- den Eingabefehler, wie sie bei schriftlichen Befragungen vorkommen können, vermieden. 2 Allgemein betrachtet sind Online-Befragungen relativ kostengünstig, da kein personeller oder materieller Aufwand bei der Durchführung notwendig ist. Die computergestützte Benutzerführung vermeidet zudem Fehler des Inter-

1 Vgl. http://www.limesurvey.com

2 Vgl. Wikipedia (2012f), o. S.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

44

viewers. Die Beantwortung der Fragen ist zudem zeit- und ortsunabhängig und kann dadurch breit gestreut werden. 1

3.1.2 Stichprobe

Die Probandengruppe der empirischen Untersuchung setzte sich aus Lehrper- sonen, Dozenten und Professoren aus sieben Bildungseinrichtungen zusammen:

Zum einen wurden Lehrpersonen an den am Projekt „Digital Classroom“ teil- nehmenden Bildungseinrichtungen befragt und zum anderen Lehrpersonen in Bildungseinrichtungen in Deutschland, die zwar nicht am Projekt „Digital Class- room“ beteiligt waren, jedoch das Projekt mit ihrem Beitrag unterstützten. Die Auswahl der zweiten Probandengruppe erfolgte durch persönliche Kontakte von Herrn Prof. Dr. Michael Klebl (Lehrstuhl für Wirtschaftspädagogik, WHL) und der Autorin dieser Masterarbeit. Zur ersten Probandengruppe zählten das Aberdeen College (Aberdeen/Schottland), das IOC Institut Obert de Catalunya (Barcelo- na/Spanien), das Karamürsel 100.Yil Technical and Vocational Highschool (Ka- caeli/Türkei), das Kungälv Vuxenutbildning (Kungälv/Schweden) und die AKAD- Gruppe, welche die WHL Wissenschaftliche Hochschule Lahr einschließt. Das Molde Voksenopplæringssenter (Molde/Norwegen) hat sich an der Umfrage nicht beteiligt. Die zweite Probandengruppe bestand aus Repräsentanten der Dualen Hochschule Baden-Württemberg Stuttgart (DHBW Stuttgart) und der Be- rufskollege Hagen. Lernende, Schüler und Studenten wurden nicht befragt. In der Anlage A7 werden die teilnehmenden Bildungseinrichtungen kurz beschrie- ben; detailliertere Informationen sind den Webseiten der Hochschulen zu ent- nehmen.

Bei der Stichprobe dieser empirischen Untersuchung handelt es sich um eine Klumpen-Stichprobe. Die Grundgesamtheit ist in viele kleine Teilgesamtheiten zerlegt, die sogenannten Klumpen. Jeder Klumpen entspricht einer einzelnen Bildungsinstitution. Im Gegensatz zur geschichteten Stichprobe wird bei der Klumpen-Stichprobe nur ein Teil der Klumpen zufällig ausgewählt und gelangt in die Stichprobe. 2 Die Elemente der Klumpen werden vollständig erfasst; es

1 Vgl. Hofte-Fankhauser, K./Wälty, H. F. (2009), S. 71 2 Vgl. Wikipedia (2010), o. S.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

45

werden

Bildungseinrichtungen befragt.

alle

Lehrpersonen,

Dozenten

und

Professoren

an

den

einzelnen

Die Online-Befragung erfolgte einmalig, d.h. es gab nicht mehrere Versuchszeit- punkte. Die Versuchsbedingungen für die Probanden können als identisch betrachtet werden. Insgesamt haben sich 443 Lehrpersonen an der Online- Befragung beteiligt, von denen 382 Fragebogen in der Analyse verwendet wer- den. Die genaue Anzahl der befragten Lehrpersonen in den einzelnen Bildungs- einrichtungen ist nicht bekannt, so dass keine Rücklaufquote berechnet werden kann. Die Stichprobe setzt sich wie folgt zusammen:

werden kann. Die Stichprobe setzt sich wie folgt zusammen: N = 382 Abbildung 7: Anteil der

N = 382

Abbildung 7: Anteil der Lehrpersonen aus den einzelnen Hochschulen an der verwendeten Stichprobe

Geschlecht

Häufigkeit

Prozent

 

Weiblich

161

42,1

 

Männlich

221

57,9

Alter

Häufigkeit

Prozent

29

Jahre und jünger

12

3,1

30

- 39 Jahre

73

19,1

40

- 49 Jahre

141

36,9

50

- 59 Jahre

128

33,5

60

Jahre und älter

28

7,3

Jahre des Lehrens

Häufigkeit

Prozent

0

- 2 Jahre

18

4,7

3

- 5 Jahre

30

7,9

6

- 10 Jahre

76

19,9

11

- 15 Jahre

70

18,3

16

Jahre und mehr

188

49,2

Unterrichtsfach

Häufigkeit

Prozent

Mathematik, Informatik, Naturwissenschaften oder Technik

103

27,0

Geisteswissenschaften und Sprachen

81

21,2

Sozialwissenschaften (einschließlich BWL / VWL)

67

17,5

Sport

4

1,0

Sonderpädagogik

5

1,3

 

Sonstige

122

31,9

Tabelle 3: Verwendete Stichprobe nach demographischen Eigenschaften (N = 382)

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

46

3.2 Erhebungsverfahren

3.2.1 Standardisierter Fragebogen

Der eingesetzte Fragebogen basiert – wie bereits erwähnt – auf zwei Fragebo- gen vorangegangener Forschungen: dem Fragebogen „Teacher Technology Questionnaire“ (TTQ) der University of Memphis im Rahmen einer Studie von Lowther, Strahl, Inan und Ross (2008) und dem Fragebogen „Technology Implementation Questionnaire“ (TIQ) der Concordia University, Montreal im Rahmen einer Studie von Wozney, Venkatesh und Abrami (2001). Diese beiden Fragebogen wurden speziell für das Projekt „Digital Classroom“ von den Projekt- teilnehmern der WHL Wissenschaftliche Hochschule Lahr zu einem einzigen Fragebogen zusammengefasst und angepasst.

Der Fragebogen mit dem deutschen Titel „Digitale Arbeitsmittel in der Lehre“ ent- hält insgesamt 17 Fragen 1 , die in fünf Abschnitte eingeteilt sind:

1) Persönlicher Hintergrund und Lehrstil

2) Einschätzung der eigenen Fähigkeiten bezüglich des Einsatzes digitaler Arbeitsmittel

3) Expertenmeinungen zu digitalen Arbeitsmitteln

4) Wahrnehmung des (technischen) Supports

5) Wahrnehmung bezüglich der Häufigkeit der Einbindung

Die Basis bildete ursprünglich der englische Fragebogen, der von den Projekt- teilnehmern „Digital Classroom“ in die jeweilige Landessprache übersetzt wurde; für jedes Land entstand somit ein separater Fragebogen. In Deutschland mach- ten die unterschiedlichen Arten an beteiligten Bildungseinrichtungen drei separa- te Fragebogen erforderlich. Im Fragebogen der DHBW Stuttgart und der AKAD- Gruppe wird von „Studierenden“ gesprochen, während im Fragebogen der Berufskollegs Hagen „Schüler/-innen“ an den entsprechenden Stellen im Frage- bogen eingesetzt wird. Lehrveranstaltungen werden im Fragebogen der DHBW Stuttgart und der Berufskollegs Hagen mit „Lehrveranstaltungen“ beschrieben, hingegen wird der Begriff „Bildungsangebote“ bei der AKAD-Gruppe verwendet.

1 18 Fragen für die Berufskollegs Hagen

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

47

Der Fragebogen wurde vor dem Versand an den Personenkreis der jeweiligen Hochschulen durch die Teilnehmer am Projekt „Digital Classroom“ getestet (Pre- test erfolgte Mitte September 2012); Fehler und Unstimmigkeiten wurden hierbei beseitigt. Zudem wurde die Dauer für das Ausfüllen des Fragebogens getestet.

Der „Teacher Technology Questionnaire“ (TTQ) wurde validiert und bereits häu- fig in Forschungs- und Evaluationsstudien eingesetzt (u.a. Lowther und Ross, 2000; Sterbinsky und Burke, 2004; Lowther, Strahl, Inan und Ross, 2008). Die Reliabilität des TTQ wurde vor der Studie von Inan und Lowther (2009) an 4.863 Lehrern getestet, die den Fragebogen als Teil des Forschungsprojekts für das „Center of Research in Educational Policy“ abgeschlossen haben; die ermittelten Reliabilitätskoeffizienten lagen für jede Sub-Skala zwischen 0.75 und 0.89. Die Skalen im vorliegenden Fragebogen werden später im Rahmen der Untersu- chung einer Reliablitätsanalyse unterzogen.

Im Folgenden werden nun die einzelnen Fragebogen-Abschnitte sowie die Ope- rationalisierung der eingesetzten Konstrukte bzw. Skalen anhand des Fragebo- gens der DHBW Stuttgart näher erläutert. Der vollständige Fragebogen der DHBW Stuttgart ist der Anlage A8 zu entnehmen; die vollständigen Fragebogen der anderen Hochschulen finden sich im Anhang B (Anlage B1 bis B6).

3.2.1.1 Persönlicher Hintergrund und Lehrstil

Im ersten Fragebogen-Abschnitt wurden demographische und lehrbezogene Eigenschaften der Lehrpersonen erhoben. Fünf Items sind in diesem Abschnitt enthalten. Bei den Variablen handelt es sich um manifeste Variable, d.h. sie sind

direkt beobachtbar und können auch als Indikatoren bezeichnet werden. Zur Beantwortung der Fragen wurden – mit Ausnahme der Auswahlkategorie „Sons- tige" bei der Erfragung des Unterrichtsfachs – geschlossene Antwortformate ein- gesetzt, was die Objektivität verbessert.

Frage 1:

Geschlecht, erfasst als dichotomes Merkmal (Weiblich bzw. Männ- lich)

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

48

Frage 3:

Jahre des Lehrens („Years of Teaching), erhoben in den Ausprä- gungen 0 – 2 Jahre, 3 – 5 Jahre, 6 – 10 Jahre, 11 – 15 Jahre, 16 Jahre und mehr 1

Frage 4:

Unterrichtsfach, erfasst in sechs Kategorien:

Mathematik, Informatik, Naturwissenschaften oder Technik

Geisteswissenschaften und Sprachen

Sozialwissenschaften (einschließlich BWL/VWL) 2

Sport

Sonderpädagogik

Sonstiges 3

Frage 5:

Lehrmethodik, erfasst in fünf Ausprägungen:

Überwiegend von der Lehrkraft ausgehend (z.B. Vortrag und Vorlesungen)

Stärker von der Aktivität der Lehrkraft ausgehend

Balance zwischen den auf die Lehrkraft und den auf die Lernen- den ausgerichteten Aktivitäten

Stärker auf die Aktivitäten der Lernenden ausgerichtet

Überwiegend auf die Aktivitäten der Lernenden ausgerichtet (Entdecken-lassendes, experimentelles Lernen)

Der Fragebogen für die Berufskollegs Hagen beinhaltete darüber hinaus eine zusätzliche Frage, in der die Lehrperson aufgefordert wurde, das Berufskolleg anzugeben, indem hauptsächlich unterrichtet wird.

Frage 5b:

Berufskolleg Hagen, erfasst in sechs Kategorien: Cuno- Berufskolleg I, Cuno-Berufskolleg II, Kaufmannsschule I Berufskol- leg, Kaufmannsschule II Berufskolleg, Käthe-Kollwitz-Berufskolleg, keine Angabe

1 Im schwedischen Fragebogen wurden die Ausprägungen 0 – 2 Jahre und 3 – 5 Jahre zu einer Ausprägung < 5 Jahre zusammengefasst. Diese Abweichung ergab sich aufgrund des vorzeiti- gen Beginns der Umfrage in Schweden.

2 Diese Ausprägung wurde im schwedischen Fragebogen nicht erfasst.

3 Die Kategorie „Sonstiges“ wurde im Fragebogen so angelegt, dass das Unterrichtsfach von dem Probanden näher spezifiziert werden kann; es handelt sich hier um ein offenes Antwort- format.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

49

3.2.1.2 Einschätzung der eigenen Fähigkeiten bezüglich des Einsatzes digitaler Arbeitsmittel

Im zweiten Fragebogen-Abschnitt wurde die Einschätzung der Fähigkeiten be- züglich des Einsatzes digitaler Arbeitsmittel der befragten Lehrperson sowie der Fähigkeiten und Fertigkeiten, die erforderlich sind, um digitale Arbeitsmittel in die Lehrveranstaltung zu integrieren, erhoben. Zwei Fragen sind in diesem Abschnitt enthalten, aus denen sich die Variablen „Proficiency of Digital Tools“ (Frage 6) und „Teachers’ Readiness“ (Frage 7) im Pfadmodell ergeben.

Frage 6:

Leistungsstand digitaler Arbeitsmittel („Proficiency of Digital Tools“), erhoben in sechs Ausprägungen:

Ich habe keinerlei Erfahrung mit digitalen Arbeitsmitteln.

Ich habe versucht, digitale Arbeitsmittel zu nutzen, benötige je- doch regelmäßig Unterstützung.

Ich kenne die Grundfunktionen einiger Computer-Anwendungen.

Ich weise durchschnittliche Kenntnisse in einigen Computer- Anwendungen auf.

Ich habe den kompetenten Umgang für ein breites Spektrum an digitalen Arbeitsmitteln erlernt.

Ich beherrsche die Anwendung eines großen Spektrums digitaler Arbeitsmittel sehr gut.

Bei der Variablen „Teachers’ Readiness“ handelt es sich um ein Konstrukt, d.h. eine nicht direkt beobachtbare (latente) Variable, die über beobachtbare Indika- toren operationalisiert und messbar gemacht werden musste. Hierfür wurden vier Items im Fragebogen eingesetzt, die von den Untersuchungsteilnehmern jeweils anhand einer fünfstufigen Likert-Skala mit den Antwortoptionen (1) „trifft über- haupt nicht zu“, (2) „trifft eher nicht zu“, (3) „trifft teilweise zu“, (4) „trifft eher zu“, (5) „trifft vollkommen zu“ beurteilt wurden.

Frage 7:

Bereitschaft der Lehrperson („Teachers’ Readiness“), erfasst durch vier Items:

Ich weiß, wie ich digitale Arbeitsmittel ideenreich in den Lehrver- anstaltungen einsetze.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

50

Ich bin in der Lage, den Einsatz digitaler Arbeitsmittel mit dem gültigen Lehrplan abzustimmen.

Ich bin hinreichend geschult worden, damit ich digitale Arbeits- mittel in meinen Lehrveranstaltungen einsetzen kann.

Meine Computerkenntnisse reichen aus, um Lehrveranstaltun- gen angemessen abzuhalten, in denen Studierende digitale Ar- beitsmittel nutzen.

3.2.1.3 Expertenmeinungen zu digitalen Arbeitsmitteln

Im dritten Abschnitt des Fragebogens wurden die Lehrpersonen aufgefordert, die Auffassung bzw. Wahrnehmung in Hinblick auf den Einfluss digitaler Arbeitsmit- tel auf den Lernerfolg und die Lernleistung der Studenten/Studentinnen bzw. Schüler/innen sowie auf den Unterricht zu beurteilen.

In diesem Fragebogen-Abschnitt wurde das Konstrukt „Teachers’ Beliefs“ opera- tionalisiert und messbar gemacht. Zur Operationalisierung dieses Konstrukts wurden für diesen Abschnitt zwei Sub-Konstrukte eingesetzt: „Impact on Students“ (Frage 8) und „Impact on Classroom Instruction“ (Frage 9); beide zu- sammen bestimmten die Variable „Teachers’ Beliefs“. Das Sub-Konstrukt „Impact on Students“ setzte sich aus acht Items, das Sub-Konstrukt „Impact on Classroom Instruction“ aus vier Items zusammen. Die Untersuchungsteilnehmer wurden dabei aufgefordert, für jedes Item den Grad ihrer Zustimmung zu beurtei- len. Hierfür standen ihnen jeweils fünfstufige Likert-Skalen mit den Antwortoptio- nen (1) „trifft überhaupt nicht zu“, (2) „trifft eher nicht zu“, (3) „trifft teilweise zu“, (4) „trifft eher zu“, (5) „trifft vollkommen zu“ zur Verfügung.

Frage 8:

Auswirkungen auf Studierende/Lernende/Schüler („Impact on Students“), zusammengesetzt aus acht Items:

Der Einsatz digitaler Arbeitsmittel hat das Niveau der Interaktion und/oder der Zusammenarbeit zwischen den Studierenden er- höht.

Der Einsatz digitaler Arbeitsmittel hat das Lernen und die Leis- tung der Studierenden positiv beeinflusst.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

51

Der Einsatz digitaler Arbeitsmittel hat die Arbeitsqualität der Stu- dierenden verbessert.

Der Einsatz digitaler Arbeitsmittel verbessert das problemlösen- de Lernen.

Der Einsatz digitaler Arbeitsmittel motiviert die Studierenden da- zu, sich mehr in die Lernaktivitäten einzubringen.

Der Einsatz digitaler Arbeitsmittel fördert die Entwicklung der Sozialkompetenz der Studierenden (z.B. die Fähigkeit, eine per- sönliche Beziehung zu anderen aufzubauen oder mit ihnen zu- sammen zu arbeiten).

Der Einsatz digitaler Arbeitsmittel fördert die Entwicklung der Kommunikationsfähigkeit (z.B. die Schreib- und Präsentations- techniken).

Frage 9: Auswirkungen auf Studium/Unterricht („Impact on Classroom Instruction“), erfasst durch vier Items:

Das Studium ist stärker auf die Studierenden ausgerichtet, wenn digitale Arbeitsmittel eingesetzt werden.

Die Lernaktivitäten haben sich durch die Bemühungen, digitale Arbeitsmittel in den Unterricht einzubinden, auf sehr positive Weise verändert.

Das Studium ist interaktiver, wenn digitale Arbeitsmittel in den Lehrveranstaltungen eingesetzt werden.

Der Einsatz digitaler Arbeitsmittel ermöglicht es den Lehrkräften, Lernmoderatoren anstelle von Informationslieferanten zu sein.

Den dritten Fragebogen-Abschnitt beendeten die folgenden zwei Items, die als Kontrollvariablen im Fragebogen für Frage 9 eingesetzt wurden 1 :

Frage 10:

Wie bewerten Sie grundsätzlich den Einsatz digitaler Arbeits- mittel in Lehrveranstaltungen? (Bewertung), erfasst als dicho- tomes Merkmal (eher schlecht bzw. eher gut)

1 Hinweis: Beide Kontrollvariable sind nicht Gegenstand der Masterarbeit, d.h. sie bleiben in den Analysen unberücksichtigt.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

52

Frage 11:

Wie bewerten Sie grundsätzlich den Einsatz digitaler Arbeits- mittel in Lehrveranstaltungen? (Nützlichkeit), erfasst als dicho- tomes Merkmal (eher nutzlos bzw. eher hilfreich)

3.2.1.4 Wahrnehmung des (technischen) Supports

Im vierten Fragebogen-Abschnitt wurden institutionenbezogene Eigenschaften bzw. die Unterstützung seitens der Bildungseinrichtung erhoben: die wahrge- nommene Unterstützung von administrativer Seite, Kollegen, Interessengruppen etc. hinsichtlich der Integration digitaler Arbeitsmittel in der Bildungseinrichtung („Overall Support“) sowie die Wahrnehmung an der Eignung der technischen Unterstützung, Verfügbarkeit an Ressourcen und Unterstützung bei Computer- Software und Fehlerbehebung („Technical Support“) (jeweils Frage 12). Darüber hinaus wurde die Unterstützung hinsichtlich Schulungen (Frage 13) und eines Technologie-Coaches („Technology Coach Effectiveness“) (Frage 14 und 15 1 ) erfasst.

Bei den Variablen „Overall Support“, „Technical Support“ und „Technology Co- ach Effectiveness“ handelt es sich jeweils um Konstrukte, die über beobachtbare Indikatoren operationalisiert und messbar gemacht werden mussten. Für „Over- all Support“ und „Technical Support“ wurden hierfür acht Items (für jedes Kon- strukt vier Items) und für „Technologie-Coach“ vier Items im Fragebogen einge- setzt, die von den befragten Lehrpersonen jeweils anhand einer fünfstufigen Li- kert-Skala mit den Antwortoptionen (1) „trifft überhaupt nicht zu“, (2) „trifft eher nicht zu“, (3) „trifft teilweise zu“, (4) „trifft eher zu“, (5) „trifft vollkommen zu“ beur- teilt wurden.

Frage 12: Allgemeine Unterstützung („Overall Support“), erfasst durch vier Items:

Verschiedene Interessengruppen unterstützen die technologi- schen Bemühungen unserer Institution.

1 Hinweis: Die Variable „Technology Coach Effectiveness“ ist nicht Gegenstand der Masterarbeit, d.h. sie bleibt in den Analysen unberücksichtigt.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

53

Die Lehrkräfte werden ausreichend administrativ unterstützt, um digitale Arbeitsmittel in Lehrveranstaltungen einzubinden.

Unsere Institution hat einen gut entwickelten Technologieplan, der zu allen technologischen Neuerungen instruiert.

Im Allgemeinen unterstützen die Lehrkräfte unserer Institution technologische Neuerungen.

Technische Unterstützung („Technical Support“), zusammen- gesetzt aus vier Items:

Der überwiegende Teil unserer Computer wird in gutem Arbeits- zustand gehalten.

Ich kann ohne Weiteres Auskunft zu technischen Fragen einho- len.

Meine Studierenden haben ausreichenden Zugang zu techni- schen Arbeitsmitteln, die sich auf dem neuesten Stand befinden.

Der Zugang zu digitalen Arbeitsmitteln in Lehrveranstaltungen ist an unserer Institution sehr leicht.

Frage 13:

Schulung, erhoben in den Ausprägungen keine Schulung, einen ganzen Tag oder weniger, mehr als einen Tag und weniger als ein Semester, einen Semester-Lehrgang, mehr als ein Semester.

Frage 14:

Gibt es in Ihrer Institution eine Person, die als eine Art „Tech- nologie-Coach“ zur Verfügung steht? (Technology Coach), er- fasst als dichotomes Merkmal (ja bzw. nein)

Frage 15:

Effektivität eines Technologie-Coach („Technology Coach Ef- fectiveness“), erfasst durch vier Items:

Ich habe regelmäßig an Fortbildungen teilgenommen, die von unserem Technologie-Coach geplant und angeboten wurden.

Ich setze digitale Arbeitsmittel häufiger in meinen Lehrveranstal- tungen ein, seitdem ich an einer Fortbildung teilgenommen habe, die von unserem Technologie-Coach geplant und angeboten wurde.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

54

Die Qualität meiner Lehrveranstaltungen, in denen ich techni- sche Arbeitsmittel einsetze, hat sich verbessert, seitdem ich an einer Fortbildung teilgenommen habe, die von unserem Techno- logie-Coach geplant und angeboten wurde.

Im Großen und Ganzen ist unser Technologie Coach ein wert- voller Gewinn, was die Implementierung von Technologie in un- serer Institution angeht.

3.2.1.5 Wahrnehmung bezüglich der Häufigkeit der Einbindung

Im fünften Abschnitt des Fragebogens wurden die Teilnehmer aufgefordert, die Wahrnehmung bezüglich der Häufigkeit der Einbindung digitaler Arbeitsmittel in ihre Lehraktivitäten zu beurteilen.

In diesem Fragebogen-Abschnitt wurde das Konstrukt „Integration of Digital Tools“ operationalisiert und messbar gemacht. Zur Operationalisierung dieses Konstruktes wurden das Sub-Konstrukt „Process of Integration“ (Frage 16) und das Sub-Konstrukt „Future Development of Integration“ (Frage 17) eingesetzt. Das Konstrukt „Process of Integration“ setzte sich aus zehn Items zusammen, die von den Untersuchungsteilnehmern anhand einer fünfstufigen Likert-Skala bewertet wurden. Die Antwortoptionen waren (1) „nie“, (2) „selten“, (3) „manch- mal“, (4) „oft“ und (5) „immer“.

Das Konstrukt „Future Development of Integration“ setzte sich aus drei Items zusammen. Hier wurden die Lehrpersonen aufgefordert, für jedes Item den Grad ihrer Zustimmung anhand einer fünfstufigen Likert-Skala mit den Antwortoptio- nen (1) „trifft überhaupt nicht zu“, (2) „trifft eher nicht zu“, (3) „trifft teilweise zu“, (4) „trifft eher zu“, (5) „trifft vollkommen zu“ zu beurteilen.

Frage 16: Häufigkeit der Integration („Process of Integration“), zusam- mengesetzt aus zehn Items:

Instruierend (z.B. Vortrag, Vorlesung)

Kommunikativ (z.B. E-Mail, ICQ, Facebook, Skype, Videokonfe- renz)

Organisatorisch (z.B. Datenbank, Arbeitsblätter, Aufzeichnun- gen, Unterrichtspläne)

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

55

Analytisch/programmierend (z.B. Statistiken, Grafiken, Simulati- onen)

Entspannend (z.B. Spiele)

Erweiternd (z.B. Experimente, Erkundungsumgebung, Brain- storming)

Kreativ (z.B. audio-visuelle Medien wie Film, Animationen, Bil- der)

Veröffentlichend (z.B. Blog, Online-Journal)

Evaluierend (z.B. Prüfung, Portfolio, Tests)

Informativ (z.B. Internetrecherche)

Frage 17:

Zukünftige Entwicklung der Integration („Future Development of Integration“), erfasst durch drei Items:

Ich denke, ich werde digitale Arbeitsmittel viel mehr in meinen Lehrveranstaltungen einsetzen als ich dies im Augenblick tue.

Ich kann mir vorstellen, dass meine Lehre in Zukunft viel stärker technologiebasiert sein wird.

Ich werde den Einsatz digitaler Arbeitsmittel meinen Kollegen weter empfehlen.

3.2.2 Ablauf der Online-Befragung

Jeder der sieben Fragebogen wurde in LimeSurvey mit einem Link angelegt, der direkt zur Einleitungsseite und dem ersten Themenblock des Fragebogens führt. Dieser Link wurde zunächst per E-Mail an den Ansprechpartner der jeweiligen Hochschule geschickt, der den Link wiederum an den entsprechenden Perso- nenkreis an der Hochschule versendet bzw. weitergeleitet hat. Die Ansprech- partner wurden im Vorfeld festgelegt. 1 Der Versand an die Lehrpersonen in den Hochschulen wurde damit dem Ansprechpartner überlassen; zwar wurde die Kontrolle über den Versand des Fragebogens „aus der Hand gegeben“, jedoch kennt der Ansprechpartner den Personenkreis seiner Hochschule besser, so dass dadurch eine höhere Rücklaufquote zu erwarten ist als bei einem Versand

1 In den teilnehmenden Hochschulen des Projekts „Digital Classroom“ handelte es sich um die jeweiligen Projektkoordinatoren der Hochschulen.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

56

an die Lehrpersonen von einer unbekannten Person. An den deutschen Hoch- schulen erfolgte der Versand des Links zusammen mit einem Begleitschreiben. Das Begleitschreiben enthielt u.a. Hintergrundinformationen zur Umfrage, die Bearbeitungsdauer der Umfrage sowie eine Frist für die Teilnahme an der Onli- ne-Befragung, d.h. bis wann an der Umfrage teilgenommen werden kann. Der Anlage A9 ist beispielhaft das Begleitschreiben an den deutschen Hochschulen zu entnehmen.

Der Zeitraum, d.h. Start- und Endtermin der Online-Befragung war aufgrund or- ganisatorischer Gegebenheiten an den einzelnen Hochschulen unterschiedlich. Ursprünglich war eine Bearbeitungszeit von vier Wochen geplant. In Schweden wurde die Umfrage jedoch bereits vor dem Pretest Anfang September 2012 ge- startet und endete zum 31. Oktober 2012. Vorgenommene Änderungen der Pro- jektgruppe am Fragebogen Mitte September 2012 konnten hier nicht berücksich- tigt werden. An den Hochschulen in Schottland, der Türkei, Spanien und an der DHBW Stuttgart erfolgte die Befragung im Zeitraum von Anfang Oktober 2012 bis 31. Oktober 2012, an den Berufskollegs Hagen zwischen Ende Oktober 2012 und 11. November 2012 und an der AKAD-Gruppe zwischen Anfang November 2012 und 25. November 2012. 1 Zur Steigerung der Rücklaufquote wurde bei al- len Untersuchungsteilnehmern kurz vor Ablauf der Frist noch einmal per E-Mail um Unterstützung geworben. Da die Online-Befragung der AKAD-Gruppe und der Berufskollegs Hagen zum Auswertungszeitpunkt dieser Masterarbeit noch nicht abgeschlossen war, wurde für die Analyse der Ergebnisse der Stand der Daten zum 10. November 2012 eingesetzt.

1 Der genaue Starttermin bzw. der Versand der E-Mails an den teilnehmenden Personenkreis der einzelnen Hochschulen liegt der Autorin nicht vor.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

57

3.3 Auswertungsverfahren

Die Datenanalyse der empirischen Untersuchung erfolgt in mehreren Schritten über das Statistikprogramm SPSS® Statistics 17.0. Das schrittweise Vorgehen wird in diesem Kapitel ausführlich erläutert.

3.3.1 Datenimport und Datenbereinigung in SPSS

Datenimport in SPSS

Das Fragebogen-Tool LimeSurvey enthält für jede Hochschule einen separaten Fragebogen, der in der jeweiligen Landessprache angelegt ist. Für jede der sie- ben Hochschulen existieren damit separate Antwort-Datensätze, die aus Lime- Survey in das Statistikprogramm SPSS importiert werden (müssen). Zunächst werden aus LimeSurvey alle Antworten je Hochschule, d.h. sowohl die unvoll- ständigen als auch vollständigen Antworten, über eine Syntax-Datei und eine Daten-Datei exportiert und anschließend in SPSS importiert und je Hochschule abgespeichert. Jede Hochschule verfügt nun über einen Antwort-Datensatz in SPSS.

Überprüfung der Variablen in den einzelnen Datensätzen

Im ersten Schritt der Datenbereinigung werden die Variablen in der Variablenan- sicht überprüft. Zunächst liegt das Augenmerk auf den Variablentypen. In einer SPSS Tabelle sollen generell nur Variablen mit dem Typ „Numerisch“ stehen; „String“ Variable sind nicht für Auswertungen geeignet. Eine Vielzahl der Variab- len wurde als Variablentyp „String“ importiert, die es nun „umzukodieren“ gilt. 1 Hierbei ist darauf zu achten, dass alle Antwortoptionen in den Wertelabels über- nommen werden; zur Kontrolle werden die Wertelabels mit den Original- Fragebogen der einzelnen Hochschulen abgeglichen. Zudem wird die Reihenfol- ge der Werte in den Wertelabels in den einzelnen Datensätzen für jede Hoch- schule überprüft und – sofern erforderlich – durch Umpolung in allen Datensät-

1 Funktion in SPSS: Transformieren – Automatisch umkodieren; für jede umzukodierende Variab- le wird ein neuer Name vergeben.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

58

zen vereinheitlicht. 1 Dies ist für die spätere Zusammenführung der einzelnen Da- tensätze der Hochschulen zu einem gesamten Datensatz notwendig. Ebenso ist darauf zu achten, dass die Namen und das Spaltenformat der einzelnen Variab- len in jedem Datensatz identisch sind.

Nach Anpassung des Variablentyps und der Wertelabels werden die Messni- veaus der einzelnen Variablen überprüft und angepasst; die Messniveaus nominal, ordinal und metrisch werden den einzelnen Variablen entsprechend zugeordnet. Zu den nominalskalierten Variablen zählen „Geschlecht“, „Unter- richtsfach“ und „Berufskolleg Hagen“ sowie die dichotomen Variablen „Bewer- tung“, „Nützlichkeit“ und „Technologie-Coach“. Die Variablen „Lehrmethodik“ und „Schulung“ werden als ordinalskalierte Variable angelegt. Zu den ordinalskalier- ten Variablen gehören streng genommen auch die Variablen „Age“, „Years of Teaching“ sowie „Proficiency of Digital Tools“; aufgrund des zu untersuchenden hypothetischen Pfadmodells mittels multipler Regressionsanalyse 2 werden diese Variablen aber als intervallskalierte bzw. metrische Variablen in SPSS angelegt und als solche betrachtet. Ebenfalls zu den metrischen Variablen gehören alle Items, die mit einer fünfstufigen Likert-Skala im Fragebogen ausgewiesen sind sowie die Skalen, die aus diesen Items gebildet werden. Ein Auszug der Variablenansicht mit den zugeordneten Messniveaus ist der Anlage A10 zu ent- nehmen.

Nun gilt es noch, die Variablenlabels in der Variablenansicht anzupassen. Beim Datenimport aus LimeSurvey in SPSS wird die Frage bzw. der Text jedes Items im Variablenlabel in der jeweiligen Sprache der Fragebogen ausgewiesen. Zu- nächst wird der Datensatz einer Hochschule als „Masterdokument“ ausgewählt, in dem später die anderen Datensätze zu einer Gesamtdatei zusammengefügt werden. Für diese empirische Studie wird der Datensatz der DHBW Stuttgart

1 Einige Antwortoptionen in den Fragebogen der Sprachen Englisch, Spanisch, Türkisch und Schwedisch hatten eine andere Reihenfolge als die deutschen Fragebogen: Wertelabels 5-4-3- 2-1 müssen auf 1-2-3-4-5 umgepolt werden. Dies erfolgte während des Umkodierungsprozes- ses über die Funktion in SPSS: Transformieren – Automatisch umkodieren. Im Dialogfeld wird folgende Einstellung vorgenommen: Umkodierung beginnen bei: Größtem Wert.

2 Eine multiple Regressionsanalyse erfordert Intervallskalenniveau der eingesetzten Variablen. Laut der Studie von Inan und Lowther (2009) wurden die Variablen in ihrem Pfadmodell einer multiplen Regression unterzogen, daher wird davon ausgegangen, dass auch in ihrer Studie alle Variablen intervallskaliert waren.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

59

(Sprache: Deutsch) als Masterdokument verwendet; hier werden nun die Vari- ablenlabels umbenannt. 1

Zusammenführung der einzelnen Datensätze zu einer Gesamtdatei

Vor dem Zusammenfügen der einzelnen Datensätze zu einer Gesamtdatei wird in jedem Datensatz eine zusätzliche, neue „numerische“ Variable eingefügt, welche die jeweilige Hochschule identifizieren soll; das Messniveau ist normal- skaliert. Den Fällen wird die entsprechende Hochschule zugewiesen. Darüber hinaus wird in den einzelnen Datensätzen nach „leeren“ Fällen sortiert, d.h. Fäl- le, die bereits zu Beginn abgebrochen wurden und keine Daten für die Daten- analyse bereitstellen. Diese werden aus den Datensätzen entfernt; es handelt sich hier um insgesamt 20 Fälle.

Nachdem nun alle Datensätze dieselbe Variablenstruktur aufweisen, können die einzelnen Datensätze je Hochschule im letzten Schritt der Datenbereinigung zu einer Gesamtdatei zusammengefügt werden.

Anmerkungen zur Datenbereinigung

Bei der Datenbereinigung sind einige Probleme aufgetreten, deren Lösungen bzw. Umsetzungen im Folgenden kurz beschrieben werden:

Datensatz Schweden:

Die Online-Umfrage der Hochschule Schweden wurde vorzeitig gestartet, so dass Änderungen im Fragebogen, die im Projekt „Digital Classroom“ nachträg- lich gemacht wurden, nicht berücksichtigt werden konnten:

Frage 3 des schwedischen Fragebogens beinhaltete lediglich vier Antwortoptionen (< 5 Jahre, 6 – 10 Jahre, 11 – 15 Jahre, 16 Jahre und mehr), während die Fragebogen der anderen Hochschulen aus fünf Ant- wortoptionen (0 – 2 Jahre, 3 – 5 Jahre, 6 – 10 Jahre, 11 – 15 Jahre, 16 Jahre und mehr) bestanden. Die zusätzliche Antwortoption, die den Bereich < 5 Jahre nochmals unterteilt, ist im Projekt „Digital Classroom“ nochmals geändert worden. Bei der Datenbereinigung wurde festgestellt, dass es zwei Fälle gab, bei denen die Antwortoption < 5 Jahre von den

1 Die Variablenlabels der anderen Datensätze können vernachlässigt werden, da beim Zusam- menfügen der Datensätze lediglich die Fälle übernommen werden.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

60

Lehrpersonen ausgewählt wurde. Diese beiden Fälle wurden aus der Gesamtdatei für die Analyse ausgeschlossen, da nicht bekannt ist, ob es sich bei der Antwortoption um 0 – 2 Jahre oder 3 – 5 Jahre handelt. 1

Frage 4 des schwedischen Fragebogens beinhaltete nur fünf Unterrichts- fächer. Das Unterrichtsfach „Sozialwissenschaften (einschließlich BWL/ VWL)“ wurde nicht erfragt. Zudem wurde der Fragebogen in LimeSurvey mit der Option Mehrfachantworten angelegt; zwei Fälle sind hiervon be- troffen, die für die Analyse aus der Gesamtdatei ausgeschlossen wurden.

Die Fragenreihenfolge des schwedischen Fragebogens wurde anders an- gelegt. Die Fragenreihenfolge 6, 7, 8, 9, 10 und 11 im schwedischen Fra- gebogen entsprachen der Fragenreihenfolge 8, 9, 10, 11, 6 und 7 in den anderen Fragebogen; die Reihenfolge des schwedischen Fragebogens wurde an die Reihenfolge der anderen Fragebogen angepasst.

Datensatz Türkei:

Trotz der Antwort „Nein“ bei Frage 14 wurde Frage 15 von allen Lehrpersonen ausgefüllt; Der Grund war eine fehlerhafte Einstellung dieser Frage in LimeSur- vey. In der Hochschule Türkei steht keine Person als eine Art „Technologie- Coach“ zur Verfügung, deswegen wurden die Angaben in Frage 15 aus dem Datensatz der Türkei und letztendlich auch aus der Gesamtdatei für die Hoch- schule Türkei entfernt.

3.3.2 Deskriptive Datenanalyse

Die deskriptive Statistik beschäftigt sich mit der Darstellung der gesammelten Daten, um einen schnellen Überblick der Ergebnisse zu gewinnen. Sie ist not- wendig, um die Eignung der Daten für bestimmte bi- und multivariate Analyse- verfahren einzuschätzen. Im Rahmen der deskriptiven, univariaten Analyse wer- den in der Regel Häufigkeitsverteilungen, Lage- und Streuungsparameter be- trachtet, aber auch die Normalverteilung sowie Schiefe und Steilheit einer (Häu- figkeits-)Verteilung sind von Bedeutung.

1 Einer der beiden Fälle wurde zusätzlich nur „teilweise abgeschlossen“.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

61

Häufigkeitsverteilungen beschreiben, wie oft die verschiedenen Merkmalsaus- prägungen einer Variablen im Datensatz vorkommen. Es wird zwischen absolu- ten und relativen Häufigkeiten unterschieden. Die sogenannte zentrale Tendenz der Daten wird durch Lageparameter dargestellt. Sie charakterisieren die Häu- figkeitsverteilung durch einen einzigen Wert, der die gesamte Verteilung so gut wie möglich repräsentieren soll. Zu den wichtigsten zählen das arithmetische Mittel, der Median und der Modus. Die Streuungsparameter hingegen beschrei- ben die Variabilität eines Merkmals in einem Datensatz. Dabei wird gemessen, wie dicht die Werte einer Häufigkeitsverteilung um den Mittelwert streuen. Die Varianz und die Standardabweichung sind hierbei die am häufigsten verwende- ten Größen. 1 Die annähernde Normalverteilung der Daten gilt für die Durchfüh- rung vieler statistischer Verfahren als wichtigste Voraussetzung. Es gibt unend- lich viele Normalverteilungen; allen gemeinsam ist die Symmetrie um den Mittel- wert. Bei einer Normalverteilung sind Schiefe und Steilheit immer Null. 2

Die deskriptive Analyse dieser Arbeit erfolgt mit der Gesamtdatei nach der Ent- fernung der Fälle mit „fehlenden Werten“. 3 Für den Gesamtdatensatz werden Häufigkeitstabellen für alle Variablen bzw. Items ermittelt. Zudem wird für nomi- nalskalierte Variablen der Modalwert (Modus) berechnet und als Diagrammtyp ein Balkendiagramm ausgewiesen, welches die Häufigkeiten in den Diagramm- werten angibt. Ordinalskalierte Variablen werden mit dem Median und Modalwert ausgewiesen und erhalten als Diagrammtyp ebenfalls ein Balkendiagramm, das die Häufigkeiten in den Diagrammwerten angibt. Die Lageparameter Modalwert, Median und Mittelwert sowie die Streuungsparameter Standardabweichung und Varianz und die Verteilung der Normalverteilung (Schiefe, Kurtosis) werden für die intervallskalierten Variablen berechnet. Darüber hinaus wird als Diagrammtyp ein Histogramm mit Normalverteilungskurve je intervallskalierte Variable erstellt. 4

1 Hinweis: Nicht alle Lage- und Streuungsparameter sind für jedes Skalenniveau geeignet bzw. einsetzbar.

2 Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010a), o. S.

3 Aufgrund des großen Datensatzes der Umfrage wird im Rahmen dieser Masterarbeit die Ge- samtdatei vor Entfernung der Fälle mit „fehlenden Werten“ nicht betrachtet. Die deskriptive Analyse findet lediglich mit dem Gesamtdatensatz ohne „fehlende Werte“ statt; N = 382.

4 Die Prüfung auf Normalverteilung erfolgt im Rahmen der deskriptiven Datenalyse lediglich an- hand eines grafischen Tests; ein Chi² Test sowie eine explorative Datenanalyse werden mit den Variablen im Pfadmodell vor der bzw. parallel zur multiplen Regressionsanalyse vorgenommen.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

62

Die deskriptiven Statistiken erfolgen in SPSS über den Befehl Analysieren – De- skriptive Statistiken – Häufigkeiten 1 .

Um eine Übersicht der Häufigkeitsverteilung für jede Variable je Hochschule, die in die Fallauswahl bzw. den folgenden Analysen einbezogen werden, zu be- kommen, werden für jede Variable zudem „einfache“ Kreuztabellen erstellt.

Die Kreuztabelle wird in SPSS über den Befehl Analysieren – Deskriptive Statis- tiken – Kreuztabellen 2 vorgenommen.

3.3.3 Reliabilitätsanalyse zur Skalenbewertung und Skalenbildung

Items im Fragebogen, die ein Konstrukt bilden, werden zunächst auf Reliabilität überprüft. Erfüllen die Items die Kriterien, werden sie zu einer Skala zusammen- gefügt. Um in SPSS eine Reliabilitätsanalyse zur Bewertung einer zusammen- gesetzten Skala durchzuführen, ist es nicht notwendig, dass diese Skala tatsäch- lich konstruiert und ihre Ausprägungen berechnet wurden. Die einzelnen Items, die zu einer Skala zusammengefasst werden sollen, bilden die Grundlage der Prozedur, und SPSS berechnet im Hintergrund die zusammengefasste Skala, auf die sich die Aussagen der Reliabilitätsanalyse beziehen. Eine Skala wird als Summe der einzelnen Items gebildet. SPSS addiert die Werte der ausgewählten Items, so dass die Summe der Testergebnisse als Skala zur Messung des Kon- strukts dient. Die Reliabilitätsanalyse wird anhand dieser Skala durchgeführt, die Ergebnisse der Analyse sind allerdings allgemeiner Natur und geben Aufschluss darüber, wie gut die einzelnen Items geeignet sind, in einer gemeinsamen Skala zusammengefasst zu werden. Die einzelnen Items bzw. Variablen müssen fol-

1 Folgende Einstellungen werden im Dialogfeld vorgenommen: In das Feld Variable(n) werden die Variablen bzw. Items eingefügt. Im Dialogfeld der Schaltfläche Statistiken werden in der Gruppe Lagemaße – je nach Skalenniveau – Modalwert, Median und Mittelwert, in der Gruppe Streuung Standardabweichung, Varianz sowie Minimum und Maximumg und in der Gruppe Verteilung Schiefe und Kurtosis angekreuzt. Im Dialogfeld der Schaltfläche Diagramme werden als Diagrammtyp Balkendiagramme für nominal- und ordinalskalierte Variable und Histogram- me Mit Normalverteilungskurve für intervallskalierte Variable sowie als Diagrammwerte Häufig- keiten ausgewählt. 2 Im Dialogfeld warden die folgenden Einstellungen vorgenommen: In das Feld Spalten wird die Variable Hochschule bzw. Land eingetragen, in das Feld Zeile(n) alle anderen Variablen. Zu- dem wird das Feld Gruppierte Balkendiagramme anzeigen ausgewählt; für alle weiteren Dialog- felder werden die Voreinstellungen von SPSS übernommen.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

63

gende Anforderungen erfüllen, damit sich die Ergebnisse der Reliabiltätsanalyse sinnvoll interpretieren lassen: 1

Skalenniveau: dichotom, ordinalskaliert oder intervallskaliert; für alle müs- sen numerische Kodierungen verwendet werden.

Einheitliche Orientierung: Notwendige Voraussetzung ist eine einheitliche Orientierung der Items, d.h. bei allen Items sollten die inhaltliche Bedeu- tung der großen/kleinen Werte übereinstimmen. Kennzeichnen bei einem Item große Werte ein positives und kleine Werte ein negatives Testergeb- nis, sollte dies bei allen übrigen Items auch der Fall sein. Andernfalls müssen die Werte umkodiert werden.

Einheitlicher Wertebereich: Items sollten sich sinnvoll additiv zu einer Ge- samtskala zusammenfassen lassen. Dies erfordert einen einheitlichen Wertebereich der Items. Ist dies nicht der Fall, so sollten die Items ggf. umkodiert und auf einen einheitlichen Wertebereich normiert werden.

Der Wert Cronbachs Alpha ist ein zentrales Ergebnis der Reliabilitätsanalyse. „Cronbachs Alpha ist ein Maß für die Reliabilität (die Zuverlässigkeit) der Ge- samtskala und wird häufig auch als ein Maß der internen Konsistenz bezeich- net.“ 2 Je größer Cronbachs Alpha, desto höher ist die Validität der Gesamtskala; d.h. der Wert von Cronbachs Alpha ist umso höher, je stärker die einzelnen Items miteinander korrelieren. In der Literatur wird ein Wert von mindestens 0.8 gefordert, damit eine zusammengesetzte Skala als hinreichend zuverlässig an- gesehen werden kann. Im Output von SPSS gibt die Reliabilitätsanalyse ferner Auskunft darüber, welchen Beitrag die einzelnen Items zur Gesamtskala leisten. 3

Es wird für die folgenden Fragen bzw. deren Items im Fragebogen eine Reliabili- tätsanalyse durchgeführt:

Frage 7: Zusammenfassung der 4 Items zur Skala „Teachers’ Readiness“

Frage 8: Zusammenfassung der 8 Items zur Skala „Impact on Students“

1 Vgl. Brosius, F. (2006), S. 797f.

2 Brosius, F. (2006), S. 798

3 Vgl. ebenda, S. 800

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

64

Frage 9: Zusammenfassung der 4 Items zur Skala „Impact on Classroom Instruction“

Frage 12/1: Zusammenfassung der Items 1, 2, 3, 4 zur Skala „Overall Support“

Frage 12/2: Zusammenfassung der Items 5, 6, 7, 8 zur Skala „Technical Support“

Frage 15: Zusammenfassung der 4 Items zur Skala „Technology Coach“

Frage 16: Zusammenfassung der 10 Items zur Skala „Process of Integration“

Frage 17: Zusammenfassung der 3 Items zur Skala „Future Development of Integration“

Alle Items erfüllen die oben genannten Anforderungen: sie sind intervallskaliert und haben durch die vorgegebene fünfstufige Likert-Skala sowohl eine einheitli- che Orientierung als auch einheitliche Wertelabels in SPSS.

Die Reliabilitätsanalyse wird in SPSS über den Befehl Analysieren – Skalierung – Reliabilitätsanalyse 1 vorgenommen.

Der Wert von Cronbachs Alpha wird häufig auch als Maß für die Eindimensiona- lität der Items aufgefasst. Es wird versucht, aus Cronbachs Alpha Erkenntnisse darüber zu gewinnen, ob die Items tatsächlich dieselbe Größe messen und in einer gemeinsamen Skala aufgehen sollten: sind alle Items stark miteinander korreliert, scheint ihnen dieselbe Größe bzw. Hintergrundvariable zugrunde zu liegen. Umgekehrt bilden Items mit geringer Korrelation unterschiedliche Dimen- sionen ab, und es ist möglicherweise nicht sinnvoll, sie zu einer Skala zusam- menzufassen. Diese Zusammenhänge treffen zwischen der Korrelation der Items und ihrer Eindimensionalität grundsätzlich zu, jedoch gibt Cronbachs Al- pha nur bedingt Aufschluss darüber, inwieweit alle Items dieselbe Dimension abbilden. So kann sich auch für eine Gruppe von Items, die zwei oder mehr Di-

1 Folgende Einstellungen werden im Dialogfeld vorgenommen: In das Feld Items werden die Items eingefügt, die zu einer Skala zusammengefasst werden sollen. In der Dropdown-Liste Modell wird der Eintrag Alpha gewählt. Im Dialogfeld der Schaltfläche Statistiken werden in der Gruppe Deskriptive für alle drei Optionen Item, Skala und Skala wenn Item gelöscht, in der Gruppe Zwischen Items Korrelationen, in der Gruppe ANOVA-Tabelle der F-Test angekreuzt.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

65

mensionen abbilden, ein hoher Alpha-Wert ergeben. Um solche Zusammenhän- ge zu identifizieren, eignet sich eine Faktorenanalyse. 1 Letztendlich bedeutet dies, dass Items vor einer Skalenbildung vorsichtshalber einer Faktorenanalyse unterzogen werden sollten.

Neben den oben genannten Skalen werden zwei weitere Skalen gebildet, die sich jeweils aus zwei Fragen mit verschiedenen Items zusammensetzen:

Frage 8 und Frage 9: Zusammenfassung der 12 Items zur Skala „Teachers’ Beliefs“

Frage 16 und Frage 17: Zusammenfassung der 13 Items zur Skala „Integration of Digital Tools“

Da sich diese Skalen aus mehr als einer Frage zusammensetzen, sollen diese Items neben einer Reliabilitätsanalyse zusätzlich einer Faktorenanalyse unterzo- gen werden, auf die im folgenden Kapitel näher eingegangen wird. Damit soll geprüft werden, ob sie jeweils dieselbe Dimension abbilden. Auf eine Faktoren- analyse weiterer (oben) gebildeter Skalen wird verzichtet.

Nachdem die Skala auf Reliabilität überprüft wurde, werden die Items in SPSS zu der entsprechenden Skala zusammengefügt. Dies erfolgt über den Befehl Transformieren – Variable berechnen 2 .

3.3.4 Faktorenanalyse

Die Faktorenanalyse zählt zu den Interdependenzanalysen. Ausgangspunkt der Faktorenanalyse bildet eine große Anzahl von Variablen, von denen a priori nicht bekannt ist, ob und in welcher Weise sie miteinander zusammenhängen, für die jedoch vermutet wird, dass sie bestimmte komplexe Sachverhalte repräsentie- ren. Es lässt sich mit der Faktorenanalyse untersuchen, ob sich unter den be- trachteten Variablen solche Gruppen von Variablen befinden, denen jeweils eine

1 Vgl. Brosius, F. (2006), S. 801 2 Im Dialogfeld werden folgende Einstellungen vorgenommen: Unter Zielvariable wird der Name der neugebildeten Variablen eingegeben. Zur Bildung des Mittelwerts gibt man unter numeri- scher Ausdruck MEAN ein und fügt die einzelnen Items, die die Skala abbilden sollen, durch Kommata getrennt in einer Klammer ein.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

66

… …

komplexe Hintergrundvariable, ein sogenannter Faktor, zugrunde liegt. 1 Ziel ei- ner Faktorenanalyse ist die Zusammenfassung und Reduktion von vielen Variab- len zu wenigen Faktoren. Bei einer explorativen Analyse wird keine Struktur der Daten vorausgesagt, bei einer konfirmatorischen Analyse hingegen soll eine an- genommene Struktur bestätigt werden. 2

Im Rahmen dieser Untersuchung werden die gebildeten Skalen „Teachers’ Beliefs“ und „Integration of Digital Tools“ einer explorativen Faktorenanalyse unterzogen. Das schrittweise Vorgehen der Faktorenanalyse wird im Folgenden beschrieben: 3

Variablenauswahl

Zunächst werden die ausgewählten Variablen bzw. Items in einem Modell mit entsprechenden Fragestellungen dargestellt. Es wird davon ausgegangen, dass die Struktur anfangs unbekannt ist; d.h. es kann ein Faktor oder mehr als ein Faktor bei der Analyse entdeckt werden.

Modell 1:

Skala „Teachers’ Beliefs“

Können die 12 Items der Fragen 8 und 9 zu einem Faktor, der Ska- la „Teachers’ Beliefs“ zusammengefasst werden oder bilden sich mehrere Faktoren heraus?

Item 1

Item 1

Item 2

Item 2

mehrere Faktoren heraus? Item 1 Item 1 Item 2 Item 2 ? ? Item 3 Item

? ?

Item 3

Item 3

Item 3 Item 3
heraus? Item 1 Item 1 Item 2 Item 2 ? ? Item 3 Item 3 Item

Item 12

Item 12

Faktor

Faktor

(Skala „Teachers’ Beliefs)

(Skala „Teachers’ Beliefs)

1 Vgl. Brosius, F. (2006), S. 763

2 Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010b), o. S.

3 Vgl. ebenda, o. S.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

67

… …

Modell 2:

Skala „Integration of Digital Tools“

Können die 13 Items der Fragen 16 und 17 zu einem Faktor, der Skala „Integration of Digital Tools“ zusammengefasst werden oder bilden sich mehrere Faktoren heraus?

Item 1

Item 1

Item 2

Item 2

mehrere Faktoren heraus? Item 1 Item 1 Item 2 Item 2 ? ? Item 3 Item

? ?

Item 3

Item 3

Item 3 Item 3
heraus? Item 1 Item 1 Item 2 Item 2 ? ? Item 3 Item 3 Item

Item 13

Item 13

Faktor

Faktor

(Skala „Integration of

(Skala „Integration of

Digital Tools“)

Digital Tools“)

Berechnung und Eignung der Korrelationsmatrix

Durch die Berechnung einer Korrelationsmatrix in SPSS erhält man einen ersten Überblick über die Variablen; in ihr werden die bivariaten Korrelationen zwischen den einzelnen Variablen aufgetragen. Sie gibt jedoch noch keine Auskunft über einen gemeinsamen Faktor. Im nächsten Schritt muss geprüft werden, ob die Korrelationsmatrix bzw. die Daten für eine Faktorenanalyse geeignet sind. Dies erfolgt mit dem „Maß der Stichprobeneignung“. Es zeigt an, wie stark die Variab- len zusammengehören und ob eine Faktorenanalyse sinnvoll ist oder nicht. Das Maß kann Werte zwischen 0 und 1 annehmen – je höher, desto besser. Über SPSS wird eine Anti-Image-Matrix erstellt, die als Entscheidungshilfe dient, ob einzelne Variablen aus der Analyse entfernt werden sollten.

Bestimmung der Kommunalitäten

In den oben gezeigten Modellen wird davon ausgegangen, dass die komplette Varianz der Variablen durch den Faktor bzw. die Faktoren erklärt werden kann. Es gibt allerdings meistens noch merkmalsspezifische Einflüsse, die nicht durch die Faktoren bewirkt werden und auf die Variablen einwirken, die sogenannten Einzelrestfaktoren. Unter Kommunalität eines Merkmals wird nun der Varianzan- teil eines Merkmals verstanden, der durch die gemeinsamen Faktoren erklärt wird. Gibt es Einzelrestfaktoren im Modell, so stellt sich die Frage, welche

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

68

Größenordnung für die Kommunalitäten angenommen werden soll. Dies wird als Kommunalitäten-Problem bezeichnet. Zwei Lösungen sind möglich:

Hauptkomponentenanalyse: Es wird davon ausgegangen, dass es keine Einzelrestfaktoren gibt und die Varianz nur durch die Faktoren erklärt wird. Für jede Kommunalität wird der Wert 1 angenommen.

Hauptachsenmethode: Kleinere Kommunalitäten werden vorgegeben.

Für die zwei Modelle der Untersuchung wird die Hauptkomponentenanalyse gewählt; die Frage lautet: Wie lassen sich die auf einen Faktor hoch ladenden Variablen durch einen Sammelbegriff (Komponente) zusammenfassen?

Extraktion und Zahl der Faktoren

Nachdem die Daten überprüft und die Methode gewählt wurde, beginnt die ei- gentliche Faktorenanalyse. Die mathematische Berechnung beruht auf der Rechnung mit Matrizen und Vektoren. Das Ziel ist es, ein neues Bezugssystem (Koordinatensystem) mit möglichst wenigen Dimensionen (Achsen) zu finden, das möglichst gut in die Daten eingepasst werden kann. Die Achsen stellen die Faktoren dar. Die Größe der Winkel von Vektoren und Achsen spiegeln die Kor- relationen der Variablen und der Faktoren wider. Je kleiner der Winkel, desto stärker laden die Variablen auf den Faktor und desto größer ist die Korrelation mit dem Faktor; diese Korrelationen nennt man Faktorladungen.

Für die Bestimmung der Anzahl der Faktoren wird das Kaiser-Kriterium in SPSS eingesetzt. Es sollen alle die Faktoren extrahiert werden, deren Eigenwert grö- ßer 1 ist. Anhand der Eigenwerte lässt sich der Varianzanteil bestimmen, der durch den Faktor erklärt wird. Die Eigenwerte der Faktoren lassen sich aus der SPSS Ausgabe ablesen.

Bestimmung der Faktorwerte

Im nächsten Schritt muss bestimmt werden, welche Variablen auf welchen Fak- tor hochladen. SPSS gibt hierzu eine Komponentenmatrix mit Faktorladungen an, die die Korrelation zwischen Variable und Faktor darstellen. In der Fußnote dieser Matrix wird angegeben, wie viele Faktoren über SPSS extrahiert wurden. In der jeweiligen Spalte der Komponenten sind die Faktorladungen enthalten. Ab einem Wert von 0.5 kann von einer hohen Korrelation gesprochen werden.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

69

Damit eine Variable nur auf einen Faktor hochlädt, wird zusätzlich über SPSS eine Rotation der Achsen vorgenommen, so dass sich die Faktorladungen ändern und eine eindeutigere Einfachstruktur erreicht wird. Die Achsen werden dabei orthogonal zueinander belassen.

Interpretation der Faktoren

Im letzten Schritt der Faktorenanalyse wird nun ein Sammelbegriff für die Variab- len gefunden, die auf den jeweiligen Faktor hochladen. Da die Faktorenanalyse nicht im Mittelpunkt dieser Arbeit steht, wird in den zwei Modellen lediglich über- prüft, ob die Items sich zu einem Sammelbegriff und damit der jeweils gebildeten Skala zusammenfassen lassen oder ob sich mehrere Sammelbegriffe ergeben.

Die Faktorenanalyse erfolgt in SPSS über den Befehl Analysieren – Dimensions- reduzierung – Faktorenanalyse 1 .

3.3.5 Korrelationsanalyse zur Prüfung eines Zusammenhangs

Bevor eine multiple Regressionsanalyse vorgenommen wird, soll zunächst der Zusammenhang zwischen den einzelnen Variablen untersucht werden. Hierfür gibt es je nach Skalenniveau der Variablen unterschiedliche Verfahren. Relevant für die Variablen im zu untersuchenden Pfadmodell ist die Korrelation. Sie wird verwendet, wenn der lineare Zusammenhang zweier intervallskalierter Variablen identifiziert werden soll; sie findet hauptsächlich Anwendung, wenn der lineare Zusammenhang ungerichtet ist. Zur Bestimmung der Stärke dieses Zusammen- hangs wird der Produkt-Moment-Korrelationskoeffizient nach Pearson und Brav- ais (Pearsons Korrelationskoeffizient) berechnet. 2

Der ermittelte Korrelationskoeffizient ist ein Maß für die Stärke und die Richtung des Zusammenhangs zweier Variablen. Der Korrelationskoeffizient drückt die

1 Im Dialogfeld werden folgende Einstellungen vorgenommen: Die im Modell zu untersuchenden Items bzw. Variablen werden unter Variablen eingegeben. In dem Dialogfeld der Schaltfläche Deskriptive Statistik werden in der Gruppe Statistiken die Anfangslösung und in der Gruppe Korrelationsmatrix die Koeffizienten ausgewählt. Zudem wird für die Berechnung des Maßes der Stichprobeneignung KMO und Bartlett-Test auf Sphärizität sowie Anti-Image angekreuzt. In dem Dialogfeld der Schaltfläche Extraktion wird in der Dropdown-Liste Methode die Hauptkom- ponenten ausgewählt. In der Gruppe Analysieren Korrelationsmatrix und in der Gruppe Extra- hieren Basierend auf dem Eigenwert Eigenwerte größer als: 1 angekreuzt. In dem Dialogfeld der Schaltfläche Rotation wird die Methode Varimax ausgewählt. 2 Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010c), o. S.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

70

Stärke des linearen Zusammenhangs in einer zwischen 1 und +1 liegenden Maßzahl aus, wobei ein positiver Wert auf einen positiven Zusammenhang und ein negativer Wert auf einen negativen Zusammenhang hinweist. Bei einem Wert von 0 besteht kein Zusammenhang zwischen den Variablen. 1

Die folgenden Variablenpaare werden einer Korrelationsanalyse unterzogen:

Age

Age

Proficiency of Digital Tools

Proficiency of Digital Tools

Age

Age

Teachers’ Readiness

Teachers’ Readiness

Age

Age

Teachers’ Beliefs

Teachers’ Beliefs

Age Age Teachers’ Beliefs Teachers’ Beliefs Age Age Integration of Digital Tools Integration of

Age

Age

Integration of Digital Tools

Integration of Digital Tools

Years of Teaching

Years of Teaching

Proficiency of Digital Tools

Proficiency of Digital Tools

Years of Teaching

Years of Teaching

Teachers’ Readiness

Teachers’ Readiness

of Teaching Teachers’ Readiness Teachers’ Readiness Years of Teaching Years of Teaching Teachers’ Beliefs

Years of Teaching

Years of Teaching

Teachers’ Beliefs

Teachers’ Beliefs

Years of Teaching

Years of Teaching

Integration of Digital Tools

Integration of Digital Tools

Integration of Digital Tools Integration of Digital Tools Overall Support Overall Support Proficiency of Digital

Overall Support

Overall Support

Proficiency of Digital Tools

Proficiency of Digital Tools

Proficiency of Digital Tools Proficiency of Digital Tools Overall Support Overall Support Teachers’ Readiness

Overall Support

Overall Support

Teachers’ Readiness

Teachers’ Readiness

Overall Support

Overall Support

Teachers’ Beliefs

Teachers’ Beliefs

Overall Support Teachers’ Beliefs Teachers’ Beliefs Overall Support Overall Support Integration of Digital

Overall Support

Overall Support

Integration of Digital Tools

Integration of Digital Tools

Integration of Digital Tools Integration of Digital Tools Technical Support Technical Support Proficiency of

Technical Support

Technical Support

Proficiency of Digital Tools

Proficiency of Digital Tools

Technical Support

Technical Support

Teachers’ Readiness

Teachers’ Readiness

Support Teachers’ Readiness Teachers’ Readiness Technical Support Technical Support Teachers’ Beliefs

Technical Support

Technical Support

Teachers’ Beliefs

Teachers’ Beliefs

Technical Support Teachers’ Beliefs Teachers’ Beliefs Technical Support Technical Support Integration of

Technical Support

Technical Support

Integration of Digital Tools

Integration of Digital Tools

Proficiency of Digital Tools

Proficiency of Digital Tools

Teachers’ Readiness

Teachers’ Readiness

Digital Tools Teachers’ Readiness Teachers’ Readiness Proficiency of Digital Tools Proficiency of Digital Tools

Proficiency of Digital Tools

Proficiency of Digital Tools

Teachers’ Beliefs

Teachers’ Beliefs

Proficiency of Digital Tools

Proficiency of Digital Tools

Integration of Digital Tools

Integration of Digital Tools

Teachers’ Readiness

Teachers’ Readiness

Integration of Digital Tools

Integration of Digital Tools

Integration of Digital Tools Integration of Digital Tools Teachers’ Beliefs Teachers’ Beliefs Integration of

Teachers’ Beliefs

Teachers’ Beliefs

Integration of Digital Tools

Integration of Digital Tools

Mit den ausgegebenen Korrelationskoeffizienten lässt sich noch keine Aussage darüber machen, ob ein statistischer Zusammenhang besteht oder nicht. Es muss ein Signifikanztest vorgenommen werden, der überprüft, ob ein signifikan-

1 Vgl. Brosius, F. (2006), S. 513

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

71

ter Zusammenhang zwischen den betrachteten Variablen überhaupt vorliegt, d.h. ob aus den Stichprobenbeobachtungen geschlossen werden kann, dass in der Grundgesamtheit ein solcher linearer Zusammenhang besteht.

In SPSS werden die Korrelationskoeffizienten für jedes Variablenpaar mit dem Befehl Analysieren – Korrelation – Bivariat 1 bestimmt. Bei der Berechnung der Korrelation gibt SPSS den p-Wert automatisch aus; die Korrelation wird zweisei- tig auf Signifikanz getestet.

3.3.6 Multiple Regressionsanalyse

Nachdem mit der Korrelation die Stärke und Richtung des Zusammenhangs zwischen den Variablenpaaren untersucht wurde, werden nun mit multiplen Reg- ressionsanalysen (linear) gerichtete Zusammenhänge geprüft. An dieser Stelle sei angemerkt, dass unabhängig von den Ergebnissen der Korrelationsanalyse alle im hypothetischen Pfadmodell abgebildeten Variablen in die entsprechenden multiplen Regressionsanalysen eingesetzt werden.

Die multiple Regressionsanalyse wird angewendet, um die Abhängigkeit einer intervallskalierten abhängigen Variablen von mehreren intervallskalierten unab- hängigen Variablen zu untersuchen. Die Zusammenhänge lassen sich quantita- tiv beschreiben und erklären. Anders als bei einer reinen Korrelationsanalyse wird bei einer Regressionsanalyse eine eindeutige Richtung der Zusammenhän- ge angenommen; diese basieren in dieser Untersuchung auf vorangegangenen Studien. Eine Kausalität lässt sich mit einer Regression jedoch nicht beweisen.

Eine multiple Regressionsanalyse erfolgt in mehreren Schritten, die im Folgen- den beschrieben werden: 2

1 Im Dialogfeld werden die im Modell zu untersuchenden Variablen unter Variablen eingegeben. Unter Korrelationskoeffizienten wird Pearson ausgewählt, da es sich um intervallskalierte Vari- able handelt, und der Test auf Signifikanz wird auf Zweiseitig eingestellt. Ebenso wird das Feld Signifikante Korrelationen markieren angeklickt. 2 Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010d), o. S

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

72

Modellformulierung

Die Variablen „Proficiency of Digital Tools“, „Teachers’ Beliefs“, “Teachers’ Readiness” und “Integration of Digital Tools” sind endogene Variablen des hypo- thetischen Pfadmodells (vgl. Kapitel 2.3.2). Außer der Variablen “Integration of Digital Tools” dienen die endogenen Variablen sowohl als abhängige als auch unabhängige Variablen. Für jede exogene Variable („Age“, „Years of Teaching“, „Overall Support“ und „Technical Support”) soll mit der multiplen Regressions- analyse der Einfluss auf die endogene Variablen berechnet werden. Fungiert die endogene Variable nicht als abhängige Variable im Modell, so wird sie als unab- hängige Variable betrachtet und fließt ebenfalls in das multiple Regressions- modell ein.

Hieraus ergeben sich für die acht Variablen im Pfadmodell vier Abhängigkeiten abhängiger Variablen von mehreren unabhängigen Variablen, die jeweils mit Hilfe einer multiplen Regressionsanalyse untersucht bzw. überprüft werden. Nachfolgend werden die einzelnen Modelle sowie deren Fragestellung darge- stellt:

Modell 1:

Welchen Einfluss haben die Variablen „Age“, „Years of Teaching“, „Overall Support“ und „Technical Support“ auf „Proficiency of Digital Tools“?

Age

Age

Age Age  
 

Years of Teaching

Years of Teaching

   
 
  Proficiency of Digital Tools Proficiency of Digital Tools

Proficiency of Digital Tools

Proficiency of Digital Tools

Overall Support

Overall Support

 

Technical Support

Technical Support

Modell 2:

Welchen Einfluss haben die Variablen „Age“, „Years of Teaching“, „Overall Support“, „Technical Support“ und „Proficiency of Digital Tools“ auf “Teachers’ Readiness”?

Age

Age

Digital Tools“ auf “Teachers’ Readiness”? Age Age Years of Teaching Years of Teaching Overall Support

Years of Teaching

Years of Teaching

Overall Support

Overall Support

Overall Support Overall Support
Years of Teaching Overall Support Overall Support Technical Support Technical Support Proficiency of Digital

Technical Support

Technical Support

Proficiency of Digital Tools

Proficiency of Digital Tools

Teachers’ Readiness

Teachers’ Readiness

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

73

Modell 3:

Modell 4:

Welchen Einfluss haben die Variablen „Age“, „Years of Teaching“, „Overall Support“, „Technical Support“ und „Proficiency of Digital Tools“ auf “Teachers’ Beliefs”?

Age

Age

of Digital Tools“ auf “Teachers’ Beliefs”? Age Age Years of Teaching Years of Teaching Overall Support

Years of Teaching

Years of Teaching

Overall Support

Overall Support

Overall Support Overall Support
Years of Teaching Overall Support Overall Support Technical Support Technical Support Proficiency of Digital

Technical Support

Technical Support

Proficiency of Digital Tools

Proficiency of Digital Tools

Teachers’ Beliefs

Teachers’ Beliefs

Welchen Einfluss haben die Variablen „Age“, „Years of Teaching“, „Overall Support“, „Technical Support“, „Proficiency of Digital Tools“, „Teachers’ Readiness“ und „Teachers’ Beliefs“ auf “Integration of Digital Tools“?

Age

Age

Beliefs“ auf “Integration of Digital Tools“? Age Age Years of Teaching Years of Teaching Overall Support

Years of Teaching

Years of Teaching

Overall Support

Overall Support

Technical Support

Technical Support

Technical Support Technical Support
Overall Support Technical Support Technical Support Proficiency of Digital Tools Proficiency of Digital Tools

Proficiency of Digital Tools

Proficiency of Digital Tools

Teachers’ Readiness

Teachers’ Readiness

Teachers’ Beliefs

Teachers’ Beliefs

Integration of Digital Tools

Integration of Digital Tools

Schätzung der Regressionsfunktion

Im nächsten Schritt wird die Regressionsfunktion geschätzt. Mit Hilfe von SPSS lässt sich die Regressionsgerade berechnen; die Regressionskoeffizienten der Regressionsgeraden und der standardisierten Regressionsgleichung können in der Tabellenausgabe Koeffizienten abgelesen werden. Die standardisierte Gera- de läuft durch den Ursprung; mit ihr lässt sich feststellen, wie stark der Zusam- menhang ist und ob dieser signifikant ist. Zudem kann festgestellt werden, wel- che unabhängige Variable den stärksten Einfluss auf die abhängige Variable hat.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

74

Prüfung der Regressionsfunktion

Es werden zwei Gütemaße berechnet, um zu prüfen, wie gut die Regressions- funktion das Modell beschreibt: das Bestimmtheitsmaß R² und die F-Statistik. Wie gut die Regressionsgerade zu den empirischen Daten passt, wird durch das Bestimmtheitsmass R² angegeben. R² kann Werte zwischen 0 und 1 annehmen; bei einem Wert von 0 wird keine Varianz der Daten durch das Modell erklärt, wobei bei einem Wert von 1 die gesamte Varianz erklärt wird. Da das Bestimmt- heitsmaß die Eigenschaft hat, dass es umso größer wird, je größer die Zahl der unabhängigen Variablen ist, wird der von SPSS ausgegebene korrigierte R²- Wert in der Analyse verwendet.

Durch die F-Statistik wird überprüft, ob das Bestimmtheitsmass nur zufällig oder durch den Zusammenhang der Daten entstanden ist. Die berechnete F-Statistik muss mit dem theoretischen Wert aus der Wahrscheinlichkeitsverteilung vergli- chen werden; er sollte höher sein als der theoretisch angenommene.

Prüfung der Regressionskoeffizienten

Die Überprüfung der Regressionskoeffizienten erfolgt mit der t-Statistik. Der be- rechnete Wert wird mit dem theoretischen Wert einer Wahrscheinlichkeitsfunkti- on verglichen und zwar mit dem der t-Verteilung. Bei der multiplen Regression lässt sich somit feststellen, welche unabhängige Variable den größten Einfluss hat und welche Variable(n) gegebenenfalls aus dem Modell entfernt werden muss bzw. müssen. 1

Werden Variablen aus dem Modell entfernt, ändern sich die Werte für das Modell und auch die Regressionskoeffizienten der anderen Variablen. Wird festgestellt, dass Variablen aus dem einen oder anderen Modell entfernt werden sollten, so wird für das entsprechende Modell eine Modellanpassung vorgenommen.

Prüfung der Modellprämissen

Neben der Prüfung der Regressionsgleichung und der Regressionskoeffizienten werden die Annahmen geprüft, die der Berechnung einer linearen multiplen Reg- ressionsanalyse zugrunde liegen. Die Annahmen können durch folgende Punkte verletzt werden:

1 Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010d), o. S

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

75

Nicht-Linearität: Die Daten einer multiplen Regressionsanalyse lassen sich nicht mehr in einem Koordinatensystem darstellen. Eine Prüfung mittels eines Diagramms ist daher nicht möglich. Für die zu prüfenden Modelle wird von Linearität der Daten ausgegangen.

Keine Normalverteilung der Residuen: Die Residuen einer Regressions- schätzung sollten nicht nur zufällig auftreten, sondern zudem normalver- teilt sein. 1 In SPSS wird zur Prüfung auf Normalverteilung ein grafischer Test bzw. ein Histogramm der Residuen mit einer Normalverteilungs- kurve angefordert.

Hetereoskedastizität: Residuen der gemessenen Daten sollten die glei- che Varianz haben. Mit SPSS lässt sich die Homoskedastizität durch Betrachten der Residuen in einem Diagramm überprüfen. Auf der x- Achse werden die standardisierten Werte für y aufgetragen, auf der y- Achse die standardisierten Residuen. Bei Heteroskedastizität lässt sich ein Zusammenhang zwischen beiden Variablen erkennen.

Autokorrelation: Die Residuen dürfen nicht korreliert sein, ansonsten spricht man von Autokorrelation. In SPSS erfolgt die Überprüfung mit Hilfe des Durbin-Watson-Tests. Diese Durbon-Watson-Statistik kann Werte zwischen 0 und 4 annehmen: Bei einem Wert von 0 liegt eine vollständig positive Autokorrelation, bei einem Wert von 2 liegt keine Au- tokorrelation, bei einem Wert von 4 eine vollständige negative Autokor- relation vor.

Multikollinearität: Bei einer multiplen Regression darf keine Multikolli- nearität vorliegen. Multikollinearität liegt dann vor, wenn sich eine unab- hängige Variable als lineare Funktion einer anderen unabhängigen Va- riable darstellen lässt. SPSS gibt zwei Statistiken aus, mit der die Vari- ablen auf Multikollinearität überprüft werden kann: Der Toleranzwert und der VIF (Variance Inflation Factor). Der Toleranzwert sollte nicht unter 0.25 und der VIF nicht über 5 liegen. 2

1 Vgl. Brosius, F. (2006), S. 571ff.

2 Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010d), o. S

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

76

Auswahl des Regressionsmodells

Es gibt nicht nur eine mögliche Regressionsgleichung, die mit den vorhandenen Variablen berechnet werden kann. Mit SPSS ist es möglich, verschiedene Mo- delle zu berechnen. Für diese empirische Untersuchung wird die Standardein- stellung „Einschluss“ gewählt, d.h. alle unabhängigen Variablen werden in die Regressionsgleichung einbezogen.

Die multiplen Regressionsanalysen der vier Modelle erfolgt in SPSS über den Befehl Analysieren – Regression – Linear 1 .

Anmerkung

Parallel zur Durchführung der multiplen Regressionsanalysen der vier Modelle werden alle Variablen im Pfadmodell einem Chi²-Test sowie einer explorativen Datenanalyse unterzogen. In der explorativen Datenanalyse können die zu un- tersuchenden Daten zudem auf Normalverteilung (Kolmogorov-Smirnov-Test und Shapiro-Wilk-Test) und Homogenität der Varianz (Levene-Test) geprüft wer- den. Sowohl der Chi²-Test als auch die explorative Datenanalyse zählen nicht zur Auswertung dieser Arbeit; ihre Ergebnisse dienen lediglich als Zusatz für weitergehende Untersuchungen bzw. Analysen. 2

3.3.7 Zentrale Tendenz nicht im Pfadmodell abgebildeter Variablen

Der Fragebogen bzw. die Daten in SPSS enthalten neben den Variablen im Pfadmodell auch Variablen, die im Pfadmodell nicht eingesetzt werden. Das Pfadmodell soll in dieser Masterarbeit nicht erweitert werden, jedoch soll der Ein- fluss der nicht abgebildeten Variablen auf die Variablen „Proficiency of Digital

1 Im Dialogfeld werden folgende Einstellungen vorgenommen: die im Modell zu untersuchende Abhängige Variable und Unabhängige Variablen werden eingegeben. In der Dropdown-Liste Methode wird der Eintrag Einschluss gewählt. In dem Dialogfeld der Schaltfläche Statistiken werden in der Gruppe Regressionskoeffizien Schätzer, Anpassungsgüte des Modells und Kolli- nearitätsdiagnose sowie in der Gruppe Residuen Durbin-Watson angekreuzt. In dem Dialogfeld der Schaltfläche Diagramme wird *ZRESID auf die Y-Achse, *ZPRED auf die X-Achse für das Diagramm Heteroskedastizität als auch Diagramme der standardisiert Histogramm und Nor- malverteilungsdiagramm ausgewählt. 2 Der Chi²-Test erfolgt in SPSS über den Befehl Analysieren – Nichtparametrische Tests – Chi- Quadrat-Test und die explorative Datenanalyse über den Befehl Analysieren – Deskriptive Sta- tistiken – Explorative Datenanalyse. Die entsprechenden Einstellungen in SPSS sind Anlage B28 und Anlage B29 – zusammen mit deren Ergebnissen – zu entnehmen.

3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung

77

Tools“, „Teachers’ Beliefs“, „Teachers’ Readiness“ sowie „Integration of Digital Tools“ hinsichtlich ihrer Mittelwertunterschiede untersucht werden.

Es gibt eine große Anzahl Verfahren, mit denen Stichproben hinsichtlich ihrer Mittelwertunterschiede untersucht werden können. 1 Bei den vorliegenden Stich- proben handelt es sich um unabhängige Stichproben; die Variablen werden ein- malig erhoben. Mit den nicht abgebildeten Variablen im Pfadmodell werden zwei Verfahren eingesetzt: t-Test für unabhängige Stichprobe sowie einfaktorielle Varianzanalyse.

3.3.7.1 t-Test für unabhängige Stichproben

Die Mittelwertunterschiede einer normalverteilten, intervallskalierten Variablen können mit einem t-Test zwischen zwei unabhängigen Stichproben untersucht werden. Im Rahmen dieser Studie werden Mittelwertunterschiede der nominal- skalierten Variable „Geschlecht“ mit den Ausprägungen Weiblich und Männlich hinsichtlich der endogenen Variablen im Pfadmodell analysiert; die Ausprägun- gen werden hierbei als zwei unterschiedliche Stichproben angesehen.

Modellformulierung

Unterscheiden sich Frauen und Männer im Mittel in „Proficiency of Digital Tools“, „Teachers’ Readiness, „Teachers’ Beliefs“ und „Integration of Digital Tools“?

Modell 1:

Modell 2: