Eine Übersicht aller Sessions/Sitzungen dieser Veranstaltung. Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.
Chair der Sitzung: Yvonne Erhardt, Universität Münster
Ort:02/E05
Präsentationen
Präsentation eines Instruments zur Erfassung der inklusiven Haltung von Lehrkräften
Yvonne Erhardt, Vanessa Rempel, Sina Schürer, Stefanie van Ophuysen
Universität Münster, Deutschland
In den Beschlüssen der KMK vom 12.03.2015 sowie der HRK vom 18.03.2015 wird die Wertschätzung und Anerkennung von Vielfalt als Aufgabe der Lehrkräfte hervorgehoben. Um dies zu gewährleisten, wird u.a. eine inklusive Haltung als wünschenswert erachtet. In Anlehnung an Kullmann et al. (2014) verstehen wir die inklusive Haltung als bedingungslose Wertschätzung aller Schüler*innen in ihrer Individualität sowie die Wertschätzung von Vielfalt und Gemeinschaft. Die bislang existierenden Erhebungsinstrumente zur Erfassung der Einstellung zur Inklusion (Übersicht dazu: Lüke et al., 2021) bilden eine solche Haltung nicht ab, da sie auf einem engen Verständnis von Inklusion basieren und den Fokus ausschließlich auf Schüler*innen mit Behinderungen legen (Ewing et al., 2018). Wir stellen ein neues Instrument zur Erfassung der inklusiven Haltung vor, welches weniger gegenstandsbezogen und daher breiter gedacht ist. Faktorenanalytisch überprüfen wir die theoretisch angenommene drei-faktorielle Struktur mit Daten von 394 Lehrkräften. Erste Ergebnisse verweisen auf einen guten Modell-Fit. Die Befunde werden mit Blick auf nötige Anpassungen und mögliche Einsatzgebiete des Instruments diskutiert.
Erfassung der Wissensintegration Lehramtsstudierender – mehr als dichotom.
Anna-Lena Molitor, Judith Schellenbach-Zell
Bergische Universität Wuppertal, Deutschland
Lehrkräfte müssen professionelles Wissen (fachwissenschaftlich, fachdidaktisch und pädagogisch-psychologisch) integrieren, um in pädagogischen Situationen professionell handeln zu können. Bisher wird Wissensintegration meist dichotom (z.B. Harr et al., 2019) erfasst. Ziel des Beitrags ist es, integriertes Wissen durch Concept Maps – als Repräsentation mentaler Modelle (Johnson-Laird, 1983; Ifenthaler, 2010), detaillierter zu explizieren. Es werden von 32 Studierenden Erklärungen einer Unterrichtssituation als Concept Map erhoben und hinsichtlich der Inhalte (κ=.94) und Vernetzungsstruktur analysiert. Es zeigen sich drei Integrationsausprägungen: (1) Bei ‚Verschmelzungen‘ findet sich je Knoten ein einzelnes Konzept, welches mehreren Wissensbereichen zuzuordnen ist. (2) Bei ‚Side-by-Side‘-Integrationen finden sich mehrere Konzepte je Knoten. (1) und (2) könnten auf eine durch Wissensrestrukturierung (Boshuizen et al., 2020) entstandene Integration hindeuten. Eine (3) ‚Relationierung‘ zeigt sich in der Verbindung von Knoten durch beschriftete Kanten. Diese könnten als Anzeichen meta-reflexiver Wissensintegration (Cramer et al., 2023) gewertet werden. Die Ergebnisse werden diskutiert.
Längsschnittliche Analysen zur Validierung des Studienabbruchphasenmodells von Bäulke et al. (2022) bei angehenden Lehrkräften zu Studienbeginn
Steffen Wild1, Olga Kunina-Habenicht1, Robert Grassinger2
1Technische Universität Dortmund, Deutschland; 2Pädagogische Hochschule Weingarten
Forschende sind sich im aktuellen Diskurs einig, dass Studienabbruch als Prozess verstanden werden muss (Schnettler et al., 2020). Bäulke et al. (2022) schlagen fünf einzelne Prozessschritte in einem Modell vor. Zur weiteren Validierung muss sich das Modell zusätzlichen Prüfungen unterziehen, wie einer längsschnittlichen Perspektive sowie der Testung von Veränderungshypothesen bei Beziehungen zwischen benachbarten Phasen im Modell des Studienabbruchs.
Längsschnittdaten von zwei Messzeitpunkten bei N = 215 angehenden Lehrkräften mehrerer Hochschulen wurden zur Hypothesenprüfung verwendet. Die eingesetzten Skalen zur Erfassung der fünf Phasen mit jeweils drei Items pro Skala weisen gute Reliabilitäten (ω = .84–.98) auf. Zur Überprüfung der Hypothesen wurde ein Latent Change Score Modell berechnet.
Die Analyse weist eine hinnehmbare Modellgüte auf (χ2 = 661.585; df = 386; χ2 / df = 3.077; p < .001; CFI = .928; TLI = .919; RMSEA = .075; SRMR = .143). Die Ergebnisse der regressierten Beziehungen zwischen benachbarten Phasen basierend auf den latenten Change Scores zeigt signifikante Zusammenhänge auf. Die Resultate untermauern die Gültigkeit des geprüften Modells und werden diskutiert.