Rekursive Problemlösung in der Online Lernumgebung CodingBat durch Informatik-Studierende

Die im Datenpaket enthaltenen Daten entstammen aus dem zweiten Teilstrang der Dissertation der Datengebenden, Natalie Kiesler. Dieser hat informatives Feedback, dessen Gestaltung und Umsetzung in der grundlegenden Programmierausbildung von Studierenden zum Schwerpunkt. Konkret wird der Forschungsfrage nach den Wirkungen informativen Feedbacks, welches von (Online)-Selbstlerntools angeboten wird, nachgegangen. Besonders Übungstools mit automatischer Bewertung können zu Frustrationen bei Lernenden führen, wenn letztere minimale Rückmeldung erhalten oder Aufgaben zu komplex sind. Daher erschien es sinnvoll, die Wirkungen einzelner Feedback-Typen näher zu untersuchen, um zu einer Einschätzung bezüglich dessen Angemessenheit im Kontext gelangen zu können. So wurde anhand von Lautes Denken-Experimenten die Auswirkung informativen Feedbacks auf Lernende exploriert, um weitere Anhaltspunkte für die lernförderliche Gestaltung von Feedback in der grundlegenden Programmierausbildung zu erhalten. In einem professionellen Usability Labor wurden die studentischen Arbeitsschritte während der rekursiven Problemlösung von Standardproblemen in der Informatik (u.a. Berechnung der Fakultät natürlicher Zahlen, sowie Berechnung der Fibonacci-Zahlenfolge) in Form von sowohl Audio- als auch Video-Daten aufgezeichnet. Als Grundlage wurde ein eigens entwickelter Feedback-Prototyp sowie das frei verfügbare Online Tool CodingBat genutzt. Anhand der Daten, der Bearbeitungszeit, Interaktionen, Feedback-Bedarfe und -Nutzung können die studentischen Schritte im Problemlöseprozess qualitativ nachvollzogen werden. So können z.B. mentale Modelle, oder generell das studentische Vorgehen transparent und nachvollziehbar werden. Die umfassenden Transkripte der Lautes Denken-Experimente werden aus Gründen der Datensparsamkeit nicht bereitgestellt, sondern nur die Transkriptionen der Bildschirmaktivitäten der studentischen Testpersonen.

数据包中所含数据源自数据提供者Natalie Kiesler的博士论文第二部分。该部分聚焦于学生基础编程教育中信息反馈的设计与实施。具体而言，研究旨在探讨由(在线)自学工具提供的、具有自动评分功能的练习工具对学生可能产生的负面影响。当学生接收到极少的反馈或任务过于复杂时，此类工具可能导致学生产生挫败感。鉴于此，对单一反馈类型的影响进行深入研究显得尤为必要，以便对其在特定情境下的适用性进行评估。通过开展有声思维实验，本研究探讨了信息反馈对学习者的影响，以期为基本编程教育中反馈设计的优化提供参考。在专业可用性实验室中，通过音频和视频数据记录了学生在解决计算机科学标准问题（例如，自然数阶乘计算以及斐波那契数列计算）过程中的递归问题解决步骤。研究基础包括一个专门开发的反馈原型以及可免费使用的在线工具CodingBat。通过分析学生的处理时间、交互、反馈需求和使用情况，可以对学生在问题解决过程中的步骤进行定性分析。例如，学生的心理模型或总体行为可以变得透明且易于理解。出于数据节约的考虑，有声思维实验的全面转录并未提供，仅提供了学生测试对象屏幕活动记录的转录。