Erprobung neuer Konzepte in der universitären Lehrerbildung für den Erwerb digitaler Kompetenzen nach DiKoLAN – Entwicklung und Untersuchung der Wirksamkeit eines Lehr‐Lernmoduls im Bereich Simulation und Modellierung

Abstract

Der Orientierungsrahmen DiKoLAN beschreibt digitale Basiskompetenzen für das Lehramt in den Naturwissenschaften. Eine Lehrveranstaltung des Lehrstuhls für Fachdidaktik der Naturwissenschaften an der Universität Konstanz widmet sich gezielt dem Aufbau der in DiKoLAN genannten Kompetenzen. In diesem Artikel werden die Konzeption, die Umsetzung und die Evaluation eines Lehr‐Lernmoduls im Bereich Simulation und Modellierung beschrieben. Die Evaluation des Moduls hat Wissensfelder mit Entwicklungspotenzial bei den Studierenden offengelegt, die Stärken einer strukturellen Orientierung an DiKoLAN aufgezeigt und Ansätze zur Optimierung zukünftiger Lehrveranstaltungen zur Förderung digitaler Kompetenzen im Bereich Simulation und Modellierung gegeben. The DiKoLAN orientation framework describes digital core competences for teaching in science education. A course offered by the Chair of Science Education at the University of Konstanz is specifically dedicated to fostering the competencies mentioned in DiKoLAN. This article describes the concept, implementation, and evaluation of a teaching‐learning module in the field of simulation and modelling. The evaluation of the module has revealed areas of knowledge with potential for development among the students, shown the strengths of a structural orientation following DiKoLAN and provided approaches for optimising future courses to promote digital competencies in the area of simulation and modelling.

Full text

doi.org/10.1002/ckon.202200022
ErprobungneuerKonzepteinder universit-ren
Lehrerbildung fgrden Erwerb digitalerKompetenzen
nach DiKoLAN
Entwicklung und Untersuchung der Wirksamkeit eines Lehr-
Lernmoduls im Bereich Simulation und Modellierung
Lukas Mgller,[a] Lars-Jochen Thoms,*[a,b]Philipp Mçhrke,[a] Anna Henne[a] und
Johannes Huwer*[a,b]
Zusammenfassung: DerOrientierungsrahmenDiKoLAN beschreibt digitale Basiskompetenzen fgrdas Lehr-
amtinden Naturwissenschaften. Eine Lehrveranstaltungdes Lehrstuhls fgrFachdidaktikder Naturwissen-
schaften an derUniversit-tKonstanzwidmetsichgezielt demAufbauder in DiKoLANgenannten Kompeten-
zen. In diesem Artikelwerdendie Konzeption,die Umsetzungund dieEvaluationeines Lehr-Lernmodulsim
Bereich Simulation undModellierung beschrieben. DieEvaluation desModulshat Wissensfeldermit Entwick-
lungspotenzial beiden Studierenden offengelegt, dieSt-rken einerstrukturellen Orientierung an DiKoLAN
aufgezeigt undAns-tzezur OptimierungzukgnftigerLehrveranstaltungenzur Fçrderungdigitaler Kompeten-
zenimBereich Simulation undModellierunggegeben.
Stichworte: DiKoLAN·Digitalisierung ·Lehrkr-ftebildung ·digitaleKompetenzen ·Simulationund
Modellierung
Testingnew concepts in university teachertrainingfor theacquisitionofdigital competencies accordingtoDi-
KoLAN–developmentand investigationofthe effectivenessofateaching-learningmoduleinthe fieldofsi-
mulation andmodelling
Abstract: TheDiKoLAN orientationframework describesdigital core competencesfor teaching in science
education. Acourseoffered by theChair of ScienceEducation at theUniversityofKonstanzisspecificallyde-
dicatedtofostering thecompetenciesmentioned in DiKoLAN. This articledescribes theconcept,implementa-
tion,and evaluation of ateaching-learning module in thefield of simulation andmodelling.The evaluation of
themodulehas revealed areasofknowledge with potentialfor developmentamong thestudents, shownthe
strengthsofastructural orientationfollowing DiKoLANand providedapproaches foroptimisingfuturecour-
sestopromote digitalcompetenciesinthe area of simulation andmodelling.
Keywords: DiKoLAN·digitalization ·digital competence ·teachereducation ·simulation andmodelling
1. Einleitung
Studienzudigitalen KompetenzenLernender wiez.B.die
ICILSzeigen, dass dieNutzungsh-ufigkeit vondigitalen
Medien unterdeutschen Lehrkr-ften im internationalenVer-
gleich unterdurchschnittlichist [1]. Dievon Schmidtetal. be-
schriebene geringeMotivationvon Berufseinsteiger:innen,di-
gitale Medien im Unterricht zu nutzen,l-sstkeine spontane
Verbesserungen dieses Zustands erwarten [2]. Dievon Seiten
derPolitik undder :ffentlichkeitgewgnschte digitale Trans-
formationanden Schulen[3,4] erfordertdaher auch Anpas-
sungen in derLehrkr-ftebildung [5]. Damitzukgnftigdigitale
Hilfsmittelvon angehendenLehrkr-ften fachdidaktisch fun-
diertund gewinnbringend in denFachunterrichtintegriert
werden kçnnen,mgssen digitale Kompetenzeninder universi-
t-renLehrkr-ftebildungauchineinem fachspezifischen Kon-
text vermittelt werden [6]. Eine Verkngpfungfachspezifischer
Lehrkompetenzenmit digitalenKompetenzen sollte entspre-
chendinfachdidaktischenSeminaren an denHochschulen
stattfinden. Dabeikçnnenentwederfachbezogenedigitale
Lehrkompetenzenmodular in bestehende Lehrveranstaltun-
genintegriertwerdenoderneueLehrveranstaltungenspeziell
zurFçrderung vonfachbezogenen digitalenKompetenzen
entwickelt werden.InbeidenF-llen brauchen dieDozieren-
den(a) konkrete Definitionen derzuvermittelndendigitalen
Kompetenzen und(b) eine Strukturierungshilfe zurcurricular-
en Verortungund zurAbstimmung mitanderen Lehrveran-
staltungen [6]. Fgrdie naturwissenschaftlichenF-cher kann
derOrientierungsrahmen DiKoLAN(DigitaleKompetenzen
fgrdas Lehramtinden Naturwissenschaften) [7]die Dozie-
renden dahingehendunterstgtzen (Abb.1).
[a]L.Mfller,Dr. L.-J.Thoms,Dr. P. Mçhrke,A.Henne,
Prof.Dr. J. Huwer
Universit-tKonstanz
Universit-tsstraße 10
78464Konstanz
*E-Mail: johannes.huwer@uni-konstanz.de
[b]Dr. L.-J.Thoms,Prof. Dr.J.Huwer
P-dagogische Hochschule Thurgau
UntererSchulweg3
8280 Kreuzlingen, Schweiz
T2022 TheAuthors. CHEMKONpublished by Wiley-VCH
GmbH.Thisisanopenaccessarticle underthe termsofthe
Creative Commons AttributionNon-CommercialNoDerivsLicen-
se,which permitsuse anddistribution in anymedium, provided
theoriginalworkisproperlycited,the useisnon-commercial
andnomodifications or adaptations aremade.
CHEMKON 2022,29 (S1),349 –354 T2022 TheAuthors.CHEMKON publishedbyWiley-VCH GmbH. 349
TAGUNGSARTIKEL CHEMKON
Konstanzer Online-Publikations-System (KOPS)
URL: http://nbn-resolving.de/urn:nbn:de:bsz:352-2-1c3esg96sbll1

Dieser Kompetenzrahmenist praxistauglich in Hinblick auf
daszukgnftige Berufslebender Studierenden,bergcksichtigt
dieKompetenzentwicklungder Studierenden,orientiertsich
an denbestehenden fachlichen,fachdidaktischenund p-dago-
gischenGrundprinzipien deruniversit-renLehrkr-ftebildung
undist somitanschlussf-higangberfachliche Kompetenzrah-
menund Modelledes Lehrkr-fteprofessionswissen [6]–ins-
besonderedas TPACKFramework [8](Abb. 2).
Zudemist es dererste undbis dato einzigeKompetenzrahmen
im deutschsprachigenRaum, derumfassend aufdie Verkngp-
fung vonfachbezogenen unddigitalen Lehrkompetenzen in
denNaturwissenschaften abzielt.
Einige bereitspublizierte Konzepte universit-rerLehrveran-
staltungen wurden mitden Inhalten ausDiKoLAN abge-
stimmt [9]. Jedoch gibt es noch keineLehrveranstaltungen
oder Lehrkonzepte,welche explizit einenBasiskompetenzbe-
reichaus DiKoLANansprechen. Zieledes diesem Beitragzu-
grunde liegendenProjektes sind entsprechend:
1. DieEntwicklungeines Lehr-Lernmodulszur Fçrderung
derimBasiskompetenzbereich„Simulation undModellie-
rung“(DiKoLAN) liegendendigitalen Kompetenzen.
2. DiePilotierung einesVerfahrenszur Untersuchung der
Wirksamkeitdes Moduls aufdas Selbstkonzeptder Studie-
LukasMfller studierteu.a.Chemieffrdas
LehramtGymnasium an derUniversit-t
Konstanz.Inseiner MA-Arbeitbefassteer
sich mitder Entwicklung, Erprobungund
Evaluation einesLehr-Lernmoduls zumBa-
siskompetenzbereich Modellierung undSi-
mulation.
Lars-JochenThoms istwissenschaftlicher
Mitarbeiter(Postdoc) in derAGHuwer an
derUniversit-tKonstanz. Lars-Jochen
Thomsist Mitglied derArbeitsgruppe Digita-
le Basiskompetenzen undbesch-ftigtsich
u.a. mitder Entwicklungund Erprobung
vonDiagnoseinstrumenten zurKompetenz-
standmessung unterLehramtsstudierenden
in denNaturwissenschaften.
Anna Henneist wissenschaftliche Mitarbei-
terin(Promotion) in derAGHuwer an der
Universit-tKonstanz. Sieist Mitglied des
Projekts „edu 4.0–Digitalisierunginder
Lehrerbildung“ im Rahmen der„Qualit-ts-
offensiveLehrerbildung“ vonBundund L-n-
dern undist an einem fachdidaktisch fun-
diertenund gewinnbringenden Einsatzdigi-
talerHilfsmittel im Fachunterricht interes-
siert.
PhilippMçhrkeist akademischer Oberrat
am FachbereichPhysikander Universit-t
Konstanz undLehrpersonander P-dagogi-
schenHochschuleThurgau.Philipp Mçhrke
lehrtu.a.zudigitalen Basiskompetenzenffr
Lehramtsstudierendeinden Naturwissen-
schaften.
Johannes Huwerist Professor ffrFachdidak-
tikder Naturwissenschaftenander Universi-
t-tKonstanz. Johannes Huwerist Mitglied
derArbeitsgruppe Digitale Basiskompeten-
zen. SeineArbeitsschwerpunktesindu.a.
DigitalisierungimChemie –und Naturwis-
senschaftsunterricht(der Schule undHoch-
schule)sowie Nachhaltigkeitsbildung in
Schule undSchflerlabor.ImBereich derDi-
gitalisierungbesch-ftigtersichbesonders
mitAugmented RealitybasiertenLehr-Lern-
Szenarien.
Abb. 1: DerOrientierungsrahmen DiKoLAN(https://dikolan.de)ist
in sieben Basiskompetenzbereiche unterteilt [7]. DieerstenvierBerei-
chedeckendie digitalenAspekte desunterrichtlichen undaußerun-
terrichtlichen Lehrkr-ftehandelnsab. Dieletzten drei Bereiche decken
spezifischeArbeitsweisen derNaturwissenschaften ab,die mitdigita-
lenAspekteninVerbindungstehen.
Abb. 2: Innerhalbder Basiskompetenzbereiche sind dieInhalte
anhand desTPACK-Modells vonMishra &Koehler strukturiert
(https://tpack.org) [8]. Daraus ergebensichvierthematische Katego-
rien:„Spezielle Technik“ (TK), „fachlicherHintergrund“(TCK),„Me-
thodik/P-dagogik“ (TPK)und „Unterrichten“ (TPACK)[7].
350 T2022 TheAuthors.CHEMKON publishedbyWiley-VCH GmbH. CHEMKON 2022,29 (S1),349 –354
TAGUNGSARTIKEL Mfller,Thoms,Henne,Mçhrke, Huwer

renden,bezgglichder in DiKoLANbeschriebenen Kompe-
tenzerwartungen.
MitdiesemVorhabensollendie Grundlagen fgrdie praktische
Verkngpfungvon digitalenKompetenzen undfachlichen,
fachdidaktischen undp-dagogischenGrundprinzipien in der
universit-renLehrkr-fteausbildungerweitert werden.
2. Methoden
2.1Moduldesign
DasLehr-Lernmodulwurde im Sommersemester 2021 in
einemFortgeschrittenenseminarder Fachdidaktikinden na-
turwissenschaftlichenF-chernander Universit-tKonstanz
umgesetzt. DasModul zu Modellierung undSimulation ent-
h-lt eine 90-mingtige synchroneSitzung undinsgesamt circa
zwei StundenasynchroneArbeitszeit zurVor-und Nachberei-
tung.Aufgeteiltwirddie Gesamtzeit in zwei Inputphasenund
zwei 3bungen (Abb.3).
In denInputphasen werden digitale Toolszur Modellierung
undSimulationentlang derinDiKoLAN aufgefghrtenKom-
petenzerwartungenvorgestellt undinden 3bungenerprobt.
Es werden Toolsbehandelt, zu derenunterrichtlichenEinsatz
empirische Befundevorliegen oder welche bereitsinanderen
an DiKoLANorientiertenLehrkonzepten erfolgreichinte-
griert wurden [9–15].Die vorgestelltenToolgattungen sind
Tabellenkalkulationsprogramme, Modellbildungssysteme,
Computersimulationen,StopMotion-Programmeund Pro-
gramme fgrdigitaleModellierungund Animation.Außerdem
wird AugmentedReality (AR) alsTechnik zurRepr-sentation
vonModellenbehandelt.
MitdiesemModul werden drei gbergeordnete Kompetenzzie-
le verfolgt:
1. DieStudierendennennenund beschreibentechnischeEi-
genschaftenund denFunktionsumfang digitalerTools zur
Modellierung undSimulationund nutzen digitale Toolszur
Modellierung undSimulation (Spezielle Technik, TK).
2. DieStudierendennennenund beschreibenfachliche und
fachdidaktischeGrundlagendes unterrichtlichenEinsatzes
digitalerTools zurModellierungund Simulation (Fachwis-
senschaftlicherKontext,TCK &Unterrichten, TPACK).
3. DieStudierendenbewertenimBewusstsein um fachdidak-
tische Zieleund methodische Chancenund Grenzenden
unterrichtlichen Einsatzdigitaler Toolszur Modellierung
undSimulation in konkretenUnterrichtsszenarien(Metho-
dik/Digitalit-t, TPK&Unterrichten, TPACK).
Entsprechend dieser gbergeordnetenLernziele sind dieTeil-
kompetenzen ausdem OrientierungsrahmenDiKoLAN selek-
tiertund priorisiert(Abb. 4).Die behandeltenAspekte sind in
„Hauptlernziele“,„Nebenlernziele“und „nicht behandelte
Lernziele“ unterteilt.Daraus ergibtsichdie inhaltlicheStruk-
turierungdes Lehr-Lernmoduls: Nach einerEinfghrungindie
zugrunde liegende Theoriewerdeninden Inputphasenfgr
jedesTooltechnischeEigenschaften, fachliche, didaktische
undfachdidaktischeFunktionimSchulkontextsowie methodi-
sche Chancenund GrenzenbeimunterrichtlichenEinsatzbe-
sprochen.
In 3bung Iwerdendie fachdidaktischen Zieleund methodi-
schenChancen undGrenzen desEinsatzes ausgew-hlter
Computersimulationen in selbst skizziertenUnterrichtsszena-
rien vonden Studierenden beschriebenund diskutiert.In
3bungIIwirdvon denStudierendenein aufeiner nichtwahr-
Abb. 3: 3bersicht Moduldesign.
CHEMKON 2022,29 (S1),349 –354 T2022 TheAuthors.CHEMKON publishedbyWiley-VCH GmbH. www.chemkon.wiley-vch.de 351
Neue Konzepte ffrdie universit-re Lehrerbildung CHEMKON

nehmbarenEbene stattfindender dynamischerProzessmithil-
fe vondigitalen Toolsmodelliertund in einemAR-Szenario
schglergerecht dargestellt.
2.2Untersuchungder Wirksamkeitauf dasSelbstkonzept
derStudierenden
Beider Pilotierungder Diagnoseinstrumentezur Untersu-
chungder Wirksamkeitdes Moduls aufdas Selbstkonzeptder
Studierenden wurdedas Kompetenzraster desBasiskompe-
tenzbereichs Simulation undModellierungals Grundlagever-
wendet.Die Te ilkompetenzen desRasters werden zurErstel-
lung vonLikert-Items in „Ich kann“-Aussagen umformuliert.
Teilkompetenzen,welcheverschiedene Aspektegleichzeitig
abdecken,sindinmehrereItems aufgeteilt.Die Probanden
gebenihreZustimmung aufeiner achtstufigen Skalaan(von
1=„kannich ganz undgar nicht“ bis8=„kannich voll und
ganz“).Die Erhebung selbst erfolgtimPre-und Posttestdesign
mitOnline-Fragebçgen, wobeidie Fragebçgen im Pre- und
Posttest identischsind. Ausder Differenz derErgebnisse
sollen Rgckschlgsseauf eine Entwicklungder subjektiven
Selbsteinsch-tzungunter denStudierendeninBezug aufdie
Teilkompetenzen gezogenwerden. DieErhebungimPretest
erfolgte einenTag vorder synchronen Sitzung. DieErhebung
im Nachtest erfolgte innerhalbeiner Wochenachder synchro-
nenSitzung.Ursprgnglich sind 16 Teilnehmer fgrdie Umfrage
zugelassen.Nachder Sortierung außergewçhnlicherF-llebe-
tr-gt dieStichprobengrçße n¼12.Fgrdie Au swertung der
Fragebçgen istdie Mittelwertdifferenzdie zentrale Messgrç-
ße,welche gbereinen einseitigen t-Testmit paarigen Werten
verglichen wird,dabei denadressierten Kompetenzerwartun-
geneineSteigerungder Selbstwirksamkeitserwartung und
damitder Itemmittelwerte nach derIntervention angenom-
menwird. Außerdem werden Effektst-rken (CohenQsd)be-
rechnet.
3. Ergebnisse
Tab. 1enth-lt fgrjedes Item im Basiskompetenzbereich Simu-
lation undModellierung(SM)die Mittelwerteaus Pre- und
Posttest,die Mittelwertdifferenz, denStandardfehler derMit-
telwertdifferenz,den t-Wert, den p-Wert(einseitigerSignifi-
kanztest), CohenQsdalsEffekst-rkeund eine Kennzeichnung
desSignifikanzniveaus.
Beidem einseitigenSignifikanztest wird in 21von insgesamt
26 Vergleichenein signifikanterEffektfestgestellt. Diedurch-
schnittliche Effektst-rke gberalleTeilkompetenzen im Basis-
kompetenzbereichSimulationund Modellierung betr-gt
(
d¼0;77. In denzweinachfolgendenTabellensindjeweils die
mittlerenEffektst-rken gberallethematischenKategorien
(Tab.2)und gberalleKompetenzniveaus(Tab. 3) dargestellt.
4. Diskussion
Zun-chst istdarauf hinzuweisen,dassdie Bestimmung der
Wirksamkeitdes Moduls aufdas Selbstkonzept auseiner Er-
hebung vonsubjektiven Selbsteinsch-tzungengewissenUn-
sch-rfen unterliegt:Hierw-re derDunning-Kruger-Effekt zu
nennen,wonachMenschendazuneigenkçnnensichvor der
Konfrontationmit denInhalteneiner unbekanntenDom-ne
in ihremWissenund ihrenF-higkeitendarin zu gbersch-tzen
[16].Dieskçnntehierauf individuellerEbene zu einer
Umkehr deserwartetenErgebnisses fghren.
DerBefund einessignifikanten Effektsdes Moduls aufdas
Selbstkonzeptder Studierenden in 15 von19Kompetenzer-
wartungenl-sstdaraufschließen,dassdie Studierenden mit
demModul entsprechend denadressierten Kompetenzerwar-
tungen einenfl-chendeckenden 3berblick gberden Basis-
kompetenzbereich„Simulationund Modellierung“erhalten
haben. Dieser Befund spiegelt dieIntention zurEntwicklung
desModulswider,daerstmalig eine spezifischeund direkte
Behandlung einesBasiskompetenzbereichesaus DiKoLANin
einerLehrveranstaltung unternommenwerdensollte. Der
starke Durchschnittseffekt desModulsauf dieSelbstwirksam-
Abb. 4: DieausformuliertenTeilkompetenzen zumBasiskompetenzbereich Simulation undModellierung sind in einemKompetenzraster sor-
tiert. DasKompetenzraster istnachden thematischen Kategorien (siehe Abb. 2) undnachdreiKompetenzstufen geordnet.Die Kompetenzstu-
fensindden Operatoren „Nennen“,„Beschreiben“ und„Anwenden“zugeordnet [7]. In derUmsetzung desModulsals Hauptlernziele adres-
sierte Kompetenzerwartungen sind magentaumrandet, Nebenlernziele cyan umrandet.
352 T2022 TheAuthors.CHEMKON publishedbyWiley-VCH GmbH. CHEMKON 2022,29 (S1),349 –354
TAGUNGSARTIKEL Mfller,Thoms,Henne,Mçhrke, Huwer

keit derStudierendengibteinen ersten Hinweisdarauf, dass
eine gezielte Fçrderungdigitaler Kompetenzenaus DiKoLAN
in universit-renLehr- Lernarrangements grunds-tzlich erfolg-
reichseinkçnnte. Allerdings bedarf es fgrtiefergehendere
Untersuchungen validerund reliablerKompetenztests, die
verl-sslich diedigitalen Kompetenzender Studierenden
messen kçnnen. Derzeitwirdmangels spezifischerTests
jedoch gblicherweise aufSelbstwirksamkeitserwartungs-
Selbsteinsch-tzungenzurgckgegriffen. Dabeiist allerdings zu
beachten,dassdie Selbstwirksamkeitserwartungenzumindest
einenEinfluss aufdie Intention haben, sp-terselbstdigitale
WerkzeugeimUnterrichteinzusetzen [17] .
Miteinem Blickauf dieEinzelergebnisseist festzustellen, dass
vergleichsweisehoheEffektst-rken in derKategorie „Speziel-
le Technik“ (TK) erhalten wurden.Diesist vermutlich aufdie
im Vergleichzuden anderendreiKategorienschwacheEin-
sch-tzungder Vorkenntnissedurch dieStudierendenzurgck-
zufghren (Tab.2). Miteinem Blickauf dencurricularen
Aufbau desLehramtstudiumsinKonstanzist dieidentifizierte
Wissenslgckebei denStudierendenleichterkl-rbar,daVor-
wissen zur„speziellen Technik“ im Vergleichzuihren fachli-
chen,p-dagogischenund fachdidaktischen 3berschneidungs-
feldernaus keinen derzuvor durchlaufenenStationen desStu-
diumserwartetwerdenkann. Somitkonntedurch dasVerfah-
renzur Wirksamkeitsmessungein thematisches Gebiet mit
großem Entwicklungspotenzial in diesem Lehr-Lernarrange-
ment identifiziertwerden.
Ausdem Ergebnis zurKategorie „Spezielle Technik“ lassen
sich zwei Implikationenableiten: Erstensist es beider Ent-
wicklung -hnlicherLehrkonzepteerfolgsversprechend,mit
denInhaltenzur „speziellenTechnik“als Grundlageeinzustei-
genund dasneugewonnene Wissen anschließend durchdie
Behandlung derrestlichenKategorienmit bereits vorhande-
nenWissensstrukturen zu verkngpfen.Zweitensergibtsich
mitBezug aufdie Erhebungder subjektivenSelbsteinsch-t-
zung,dassdiesesVerfahren nichtnur beider Einsch-tzungder
Wirksamkeiteines Moduls h-ttengtzen kçnnen. Auch sollte
es durchdie Erhebungdes Vorwissens noch vorder Ausgestal-
tung einesModulsmçglich sein,die inhaltlichen Schwerpunk-
te innerhalbeines angesprochenen Basiskompetenzbereichs
an dieBedgrfnisseder Studierenden anzupassen.DiesesPo-
tenzialsolltebei derEntwicklung -hnlicher Lehrkonzepte ge-
nutztwerden.
EinVergleich derEffektst-rken in dendreiKompetenzebe-
nenzeigt einklaresMaximum im Bereich„Anwenden“
(Tab.3). Diepraktischen 3bungen (Planenvon Unterricht
undNutzenvon spezieller Technik) habenalsoindieserErhe-
bung einengroßenEinflussauf dasgemessene Selbstkonzept
derStudierenden. AktivesLernendurch 3bungen hatsich
dementsprechendinder Anwendungdes Moduls bew-hrt. Be-
sondersinder thematischen Kategorie„Unterrichten“zeigt
Tab. 1: Ergebnisse der t-Tests zurSelbsteinsch-tzungder Studierenden (8mehrereItems zu einerinDiKoLANformuliertenKompetenzerwar-
tung). *p<0;05;**p<0;01;***p<0;001.
Kompetenzerwartung M0M1(
D=s(
Dtðdf ¼10Þpds
SM.T.N1 4,73 6,25 1,55/0,53 2,92 0,0080,88**
SM.T.N2883,82 5,00 1,18/0,48 2,45 0,0170,74*
4,00 5,33 1,27/0,49 2,61 0,0130,79*
SM.T.N3884,27 5,92 1,73/0,56 3,10 0,0060,93**
4,27 5,83 1,55/0,56 2,75 0,0100,83*
4,36 6,00 1,73/0,51 3,41 0,0031,03**
SM.T.N4 4,45 6,17 1,73/0,47 3,68 0,0021,11**
SM.T.B1 3,82 4,92 1,09/0,55 1,99 0,0370,60*
SM.T.A1 4,73 6,83 2,09/0,49 4,23 0,0011,27***
SM.F.N1 4,64 6,33 1,64/0,47 3,46 0,0031,04**
SM.F.N2 4,36 6,08 1,73/0,51 3,41 0,0031,03**
SM.F.N3 4,45 5,25 0,82/0,55 1,48 0,0850,45
SM.F.N4 5,73 6,42 0,73/0,52 1,39 0,0980,42
SM.F.N5 4,91 6,00 1,09/0,49 2,21 0,0260,67*
SM.F.B1 4,82 6,08 1,27/0,51 2,51 0,0150,76*
SM.M.N1884,82 5,83 1,09/0,53 2,06 0,0330,62*
4,36 5,92 1,64/0,56 2,92 0,0080,88**
4,82 5,75 0,91/0,55 1,66 0,0640,50
SM.M.N2 5,27 6,17 0,82/0,38 2,17 0,0280,65*
SM.M.B1 5,18 5,67 0,55/0,43 1,26 0,1190,38
SM.M.B2 5,45 6,17 0,64/0,31 2,06 0,0330,62*
SM.U.N1 5,36 5,92 0,55/0,37 1,49 0,0830,45
SM.U.B1885,00 5,83 0,91/0,39 2,32 0,0210,70*
4,82 5,75 0,91/0,39 2,32 0,0210,70*
SM.U.A1884,82 5,83 1,09/0,31 3,46 0,0031,04**
4,45 5,50 1,18/0,38 3,13 0,0050,95**
Tab. 2: Mittlere Effektst-rkeffrdie thematischen Kategorien des
Kompetenzrasters.
KategorieimKom-
petenzraster MittleresVorwis-
sen(M0)MittlereEffektst-rke
(CohenQsd)
SpezielleTechnik
(TK) 4,27 0,91
Fachlicher Hinter-
grund(TCK) 4,82 0,73
Methodik/ P-dago-
gik(TPK) 4,98 0,61
Unterrichten
(TPACK) 4,89 0,77
Tab. 3: Mittlere Effektst-rkeffrdie Kompetenzstufen/Operationali-
sierungen.
Kompetenzstufe/
Operator MittleresVorwis-
sen(M0)Mittlere Effektst-rke
(CohenQsd)
Nennen 4,63 0,77
Beschreiben 4,85 0,63
Anwenden 4,67 1,09
CHEMKON 2022,29 (S1),349 –354 T2022 TheAuthors.CHEMKON publishedbyWiley-VCH GmbH. www.chemkon.wiley-vch.de 353
Neue Konzepte ffrdie universit-re Lehrerbildung CHEMKON

sich,dassdie praktische 3bung im Gegensatzzum theoreti-
schenAustausch gberdas ThemaimVortrag unddurch Dis-
kussioneninden Studierendenperspektiveeinen hçheren
Lernerfolg gebracht hat. Dieser Befund unterstreichteiner-
seitsdie Praxistauglichkeit dieses Lehrkonzepts in Hinblick
aufdie unterrichtlicheNutzung digitalerTools im Lehrberuf.
Andererseits gibt einBlick aufdie schw-cheren Effekteauf
derEbene „Beschreiben“Anlasszur Verbesserung des
Moduls.Sokann fgreineBehandlungder anvisiertenTeil-
kompetenzen aufder Ebene„Beschreiben“ („Methodik/Digi-
talit-t“ und„Unterrichten“) mehr Zeit einger-umtwerden,
indemdie Phasen desAustauschsunter denStudierendenim
synchronen Te il desModulsausgeweitet werden.
5. Zusammenfassung und Ausblick
DieEntwicklungund AnwendungdiesesLehr-Lernmoduls
hatgezeigt,dasseinegezielteFçrderung digitalerBasiskom-
petenzen nach DiKoLANinuniversit-renLehrveranstaltun-
genprinzipiellumsetzbar sein sollte.Daher kann eine Wieder-
holung undAdaptionsolcher Lehrkonzepte im universit-ren
Kontexteineprobate Methodesein, um gegendie aktuellen
Missst-ndeinder Nutzungdigitaler Hilfsmittelandeutschen
Schulenvorzugehen.
DesWeiterenzeigt diePilotierung desInstruments zurErhe-
bung derSelbsteinsch-tzungamBeispieldes entwickelten
Moduls,dassdieseszur Optimierungvon solchenLehrkonzep-
tengenutzt werden kann:Sokçnnten durcheinevorwegge-
nommene Lernstandserhebung im Vortestdie Inhalteeines
Lehr-Lernmodulsandas Vorwissender Studierenden ange-
passtund damitnocheffektiver gemachtwerden. Gleichzeitig
kçnnen St-rken undSchw-chen vonbereits erprobtenModu-
len(wieindiesemBeispiel)offengelegtwerden, damitdie
Module fgrNeuerprobungenverbessertwerden.
In naherZukunft sind -hnliche Projekte fgrdie gbrigen sechs
Basiskompetenzbereicheaus dem Orientierungsrahmen DiKo-
LAN zu erwarten. Damit sollen zu allen digitalen Kompeten-
zen, dieimLehramt der Naturwissenschaften relevant sind, ent-
sprechende Lehr-Lernarrangements entwickelt undumgesetzt
werden.Außerdem wird die Anwendung des hier beschrieben
Lehr-Lernmodulsander Universit-tKonstanz in einemsemes-
terweisenTurnus wiederholt werden. Bei diesem Anlass
werden die aus den ErgebnissendiesesProjekts abgeleiteten
Implikationenpraktisch umgesetzt undder empirische Befund
zu der Wirksamkeit desModulsauf das Selbstkonzeptder Stu-
dierendenbezgglich ihrerdigitalen Kompetenzendurch eine
grçßere Stichprobenbasis ausgeweitet und pr-zisiertwerden.
6. Danksagung
DieAutoren bedankensichinsbesondere beiden Kolleginnen
undKollegender ArbeitsgruppeDigitaleKernkompetenzen
(Jun.-Prof.Sebastian Becker,Prof. Dr.TillBruckermann,
AlexanderFinger, Ass.-Prof. Dr.Lenavon Kotzebue,Erik
Kremser, Dr.Monique Meierund Prof.Dr. ChristophThys-
sen) fgrdie UnterstgtzungdiesesForschungsprojekts, dieBe-
reitstellung desTestinstruments undden regenAustausch
gberdas Forschungsdesign unddie Auswertung derErgebnis-
se.Und schließlichdankenwir derJoachim-Herz-Stiftung,die
alle DiKoLAN-Projekte unterstgtztsowie demBundesminis-
terium fgrBildungund Forschung, welchesdiese Arbeiten im
Rahmen desProjekts„Edu4.0“fçrdert.OpenAccessVerçf-
fentlichungermçglichtund organisiert durchProjekt DEAL.
Literatur
[1] Eickelmann, B. ,Bos,W., Gerick,J., Goldhammer, F. ,Schaumburg,
H.,Schwippert, K.,Senkbeil, M.,Vahrenhold,J.(2019). ICILS
2018#Deutschland: Computer- und informationsbezogeneKompe-
tenzen von Schglerinnen und Schglern im zweiteninternationalen
Vergleich und KompetenzenimBereich Computational Thinking.
Waxmann,Mgnster.
[2] Schmid,U., Goertz,L., Behrens,J., Radomski,S., Thom,S.(2017).
MonitorDigitaleBildung:Die Hochschulen im digitalen Zeitalter.
BertelsmannStiftung, Ggtersloh.
[3] Kultusministerkonferenz (2016). Strategieder Kultusministerkonfe-
renz „Bildung in derdigitalen Welt“. https://www.kmk.org/filead
min/pdf/PresseUndAktuelles/2018/Digitalstrategie_2017_mit_Weiter
bildung.pdf/url (letzter Zugriff am 04.04.2021).
[4] Partnershipfor 21st Century Skills (2006). Astate leaderQsaction
guide to 21stcenturyskills:Anew vision for education. http://apcr
si.pt/website/wp-content/uploads/20170317_Partnership_for_21st_
Century_Learning.pdf (letzter Zugriff am 04.04.2021).
[5]von Kotzebue,L., Meier,M., Finger,A., Kremser, E.,Huwer,J.,
Thoms, L.-J., Becker, S. ,Bruckermann, T. ,Thyssen, C. (2021). The
FrameworkDiKoLAN(Digital Competencies for TeachinginSci-
ence Education) as Basis for the Self-Assessment Tool DiKoLAN-
Grid.Education Sciences11/12, 775.
[6] Thyssen, C.,Thoms, L.-J.,Kremser, E.,Finger,A., Huwer,J.,
Becker,S.(2020). DigitaleBasiskompetenzen in der Lehrerbildung
unter besonderer Bergcksichtigung derNaturwissenschaften. In :Di-
gitaleInnovationen und Kompetenzen in derLehramtsausbildung.
Beißwenger,M., Bulizek, B. ,Gryl, I.,Schacht, F. (Hrsg.). Universi-
t-tsverlag Rhein-Ruhr,77–98.
[7] Becker,S., Bruckermann, T. ,Finger,A., Huwer,J., Kremser,E.,
Meier,M., Thoms, L.-J., Thyssen, C.,von Kotzebue,L.(2020). Ori-
entierungsrahmen DigitaleKompetenzenfgrdas Lehramt in den
Naturwissenschaften–DiKoLAN.In: Digitale Basiskompetenzen
–Orientierungshilfe undPraxisbeispiele fgrdie universit-re Lehr-
amtsausbildunginden Naturwissenschaften. Becker,S., Meßinger-
Koppelt, J. ,Thyssen,C.(Hrsg.).JoachimHerz Stiftung,Hamburg,
14–43.
[8]Koehler,M.J., Mishra,P., Cain, W. (2013). What is technological
pedagogical content knowledge(TPACK)?Journal of education
193/3, 13–19.
[9] Becker,S., Meßinger-Koppelt, J. ,Thyssen, C. (Hrsg.) (2020).Digita-
le Basiskompetenzen –Orientierungshilfeund Praxisbeispiele fgr
dieuniversit-re Lehramtsausbildung in den Naturwissenschaften.
Joachim-Herz-Stiftung,Hamburg.
[10]Rutten, N. ,van Joolingen, W. R.,van derVeen, J. T. (2012). The
learning effects of computersimulations in science education. Com-
puters &Education 58/1, 136 –153.
[11]Vogelsang,C., Szabone Varnai,A.(2018). Modellierungund Analy-
se komplexerAlltagsph-nomene.Herausforderung Lehrer_innen-
bildung–Zeitschrift zur Konzeption, Gestaltung und Diskussion 1/
1, 120–146.
[12]Farrokhnia,M., Meulenbroeks,R.F.G., vanJoolingen, W. R.
(2020).Student-Generated Stop-Motion Animation in ScienceClas-
ses:aSystematic Literature Review. J. Sci.Educ.Technol. 29/6,
797–812.
[13] vanBorkulo,S.P., van Joolingen, W. R.,Savelsbergh, E. R. ,
de Jong,T.(2012). What CanBeLearnedfrom ComputerMode-
ling?Comparing Expository and ModelingApproaches to Te aching
Dynamic SystemsBehavior.J.Sci. Educ.Technol. 21/2,267 –275.
[14]van Joolingen, W. (2017). AGerm for Young European Scientists :
Drawing-BasedModelling, in Simulationand SeriousGames for
Education. Gai,Y., SuiLin, G. ,Wim, T. (Hrsg.). Springer,Heidel-
berg,New York, 13 –28.
[15]Probst, C.,Fetzer, D. ,Lukas,S., Huwer, J. (2021).Effektevon Aug-
mented Reality (AR) zurVisualisierung eines dynamischen Teil-
chenmodells –virtuelleModelle zumAnfassen.CHEMKON,
https://doi.org/10.1002/ckon.202000046.
[16]Kruger,J., Dunning,D.(1999). Unskilledand unawareofit: how
difficultiesinrecognizingone’sown incompetence leadtoinflated
self-assessments.Journal of personality andsocialpsychology 77/6,
1121.
[17]Vogelsang,C., Finger,A., Laumann, D. ,Thyssen, C. (2019). Vorer-
fahrungen, Einstellungen und motivationale Orientierungen als
mçglicheEinflussfaktoren aufden Einsatzdigitaler Werkzeuge im
naturwissenschaftlichen Unterricht. ZeitschriftfgrDidaktikder Na-
turwissenschaften25/1, 115–129.
Eingegangenam18. Januar 2022
Angenommen am 3. April2022
354 T2022 TheAuthors.CHEMKON publishedbyWiley-VCH GmbH. CHEMKON 2022,29 (S1),349 –354
TAGUNGSARTIKEL Mfller,Thoms,Henne,Mçhrke, Huwer