Englische Übersetzung des Titels: How can an adequate particulate model of matter be learned and taught? : From the perception of the surface of material to explanations by models: a cognitive analysis and the development of a computer based learning environment

Vorschau

PDF, Deutsch Download (3MB) | Nutzungsbedingungen

Abstract

In der Arbeit wird ein kognitionspsychologisches Modell des Lernprozesses zum Erwerb des Teilchenmodells der Stoffe im Anfangsunterricht der Chemie vorgestellt. Nach einer Sichtung der Fachliteratur werden für den ersten Unterricht über das Teilchenmodell drei Phänomene des Verhaltens von Gasen ausgewählt, die durch das Verhalten ihrer (angenommenen) kleinsten Teilchen erklärt werden sollen. Das Ergebnis von formalen Aufgabenanalysen dieser drei Erklärungsaufgaben zeigt, welche Wissenselemente benötigt werden, um sie im Rahmen des Lehrplanwissens des Anfangsunterrichts zu lösen. Auf dem Hintergrund der Forschungsliteratur zu Alltagskonzepten und den Ergebnissen der Aufgabenanalyse wird ein analogiebasierter Lernprozess vorgeschlagen, mit dem das für Erklärungs- und Prognoseaufgaben notwendige Wissen über das Teilchenmodell erworben werden kann. Als unterrichtspraktische Konsequenz und als Hilfsmittel für empirische Untersuchungen wird ein computerbasiertes Konstruktionsprogramm vorgestellt, mit dem Schülerinnen und Schüler eigene dynamische Teilchenmodelle zur Erklärung einfacher Stoffphänomene modellieren können. Danach explorieren und überprüfen drei empirische Untersuchungen den analogiebasierten Erwerbsprozess bezüglich verschiedener Einflussfaktoren und bezüglich der Lernwirksamkeit der Konstruktionsumgebung. Nachfolgend wird eine kognitive Simulation des Lernprozesses und der Testaufgabenlösung der letzten empirischen Studie zur Erzeugung und dem Gebrauch von Analogien mit dem Modell ACME (Verbindung von Analogiequelle und -ziel, Holyoak & Thagard, 1989) und dem Modell ECHO (zur Generierung von Erklärungen mithilfe der gefundenen Analogien, Thagard, 1989) vorgestellt. Die Simulationsläufe auf dem Rechner können die prototypischen Lernverläufe dieser Untersuchung nachbilden. Zum Schluss wird das entwickelte Lernprozessmodell und seine Anwendung im Unterricht kritisch mit anderen fachdidaktischen Ansätzen zum Erlernen des Teilchenmodells verglichen.

Übersetzung des Abstracts (Englisch)

In this thesis a cognitive model of the learning process of the particulate model of matter in beginner's chemistry lessons will be developed. After reviewing the past research in the field three gas phenomena for use in initial lessons are selected, which should be explained by the behaviour of submicroscopic particle models. The results of a formal task analysis of the explanation tasks show what knowledge is necessary to solve the learning problems within the framework of the curriculum. As result of the past research on misconceptions and of the task analysis an analogy based model of the learning process is proposed. Its practical application for use in chemistry lessons and empirical research is a computer software, which students can use to model their own dynamic particulate models of matter to explain simple phenomena of matter. Afterwards three empirical studies are described to explore and test the analogy based learning process and the efficiency of the modelling software. A cognitive simulation of the learning process of one empirical study will be presented which tries to generate for a protoypical learner the process of learning by analogies and using the analogies to build explanations for test tasks. The simulation use the cognitive model ACME (Holyoak & Thagard, 1989) to generate the mapping process of different analogical sources to the mental particulate model of matter. The cognitive model ECHO (Thagard, 1989) is used to simulate the process of generating an explanation for the learning tasks by means of the just developed analogies. The learning behaviour and the produced soluations of the simulations are similar to the observed human problem solving behaviour. At the end the proposed learning model and its consequences for teaching the particule model of matter will be compared with other approaches to learn the particulate model of matter.