Mehr Zeit für pädagogische Handlungen durch adaptives Testen. Voraussetzungen, Chancen und Grenzen am Beispiel einer inklusiven Lesediagnostik.

Abstract

Digitale Instrumente ermöglichen eine einfache Testdurchführung und hohe Individualisierung im schulischen Alltag. Insbesondere adaptives Testen führt zu einer Zeiteffizienz beim Messen von Schülerinnen und Schülern. In diesem Beitrag beschreiben wir den Mehrwert des adaptiven Testens für Lehrkräfte und Schülerinnen und Schüler. Hierfür vergleichen wir die Durchführungszeit und Messgenauigkeit eines adaptiven und eines nichtadaptiven Lesescreenings am Beispiel von 357 Drittklässlerinnen und -klässlern inklusiver Grundschulen. Adaptives Testen halbiert die Testdauer, wodurch mehr Zeit für pädagogische Handlungen im Unterricht zur Verfügung steht. Dies unterstützt die unterrichtsimmanente Diagnostik von Schülerinnen und Schülern mit sonderpädagogischem Unterstützungsbedarf.
Die Einbettung adaptiver Tests in den Schulalltag durch digitale Lernumgebungen
wird diskutiert.

Full text

Alle Urheberrechte liegen beim Verband Sonderpädagogik e. V. – Veröentlichung und Wiedergabe sind nur mit Genehmigung des Rechteinhabers gestattet.
Zusammenfassung
Markus GebhardtJana JungjohannSven AndersonNikola Ebenbeck
Zeitschrift für Heilpädagogik
75., 2024
Seite 52 – 61
Mehr Zeit für pädagogische Handlungen
durch adaptives Testen
Voraussetzungen, Chancen und Grenzen am Beispiel einer inklusiven Lesediagnostik
Digitale Instrumente ermöglichen eine einfache Testdurchführung und hohe Individu-
alisierung im schulischen Alltag. Insbesondere adaptives Testen führt zu einer Zeiteffizi-
enz beim Messen von Schülerinnen und Schülern. In diesem Beitrag beschreiben wir den
Mehrwert des adaptiven Testens für Lehrkräfte und Schülerinnen und Schüler. Hierfür ver-
gleichen wir die Durchführungszeit und Messgenauigkeit eines adaptiven und eines nicht-
adaptiven Lesescreenings am Beispiel von 357 Drittklässlerinnen und -klässlern inklusiver
Grundschulen. Adaptives Testen halbiert die Testdauer, wodurch mehr Zeit für pädagogische
Handlungen im Unterricht zur Verfügung steht. Dies unterstützt die unterrichtsimmanen-
te Diagnostik von Schülerinnen und Schülern mit sonderpädagogischem Unterstützungs-
bedarf. Die Einbettung adaptiver Tests in den Schulalltag durch digitale Lernumgebungen
wird diskutiert.
Pädagogische Diagnostik begründet pädagogische Maßnahmen, die das Ziel haben, Personen
zu helfen und zu unterstützen. Sie spielt eine entscheidende Rolle, um zu beurteilen, ob päda-
gogische Maßnahmen wirken oder ausreichen (Gebhardt, 2023). Bereits Klauer (1975) sieht die
zentrale Aufgabe der pädagogischen Diagnostik darin, Planungs-, Handlungs-, Feststellungs- und
Bewertungsentscheidungen zu legitimieren. Pädagogische Diagnostik ist dann inklusiv, wenn sie
den Bedürfnissen und der Teilhabe aller Schülerinnen und Schüler sowie ihrer akademischen
und sozialen Entwicklung dient und durch die Ergebnisse der Diagnostik wichtige pädagogische
Entscheidungen im Alltag begründet und evaluiert werden können (Neumann & Lütje-Klose,
2020). Inklusive Diagnostik muss entsprechend ein Prozess sein, der wiederkehrend im Schul-
alltag durchgeführt wird, um die Passung von individuellen Lernausgangslagen und pädago-
gischen Maßnahmen sicherzustellen. Damit inklusive Diagnostik zu wirksamen Maßnahmen
führen kann, muss diese im Unterrichtsalltag möglichst einfach integrierbar sein und bestenfalls
die Individualität der Schülerinnen und Schüler berücksichtigen (Jungjohann et al., 2022). Eine
Möglichkeit hierfür ist der Einsatz von adaptiven Tests.
In der inklusiven Schule werden unterschiedliche diagnostische Tests eingesetzt, um verschie-
dene pädagogische Fragestellungen zu beantworten (Jungjohann & Gebhardt, 2023). Das Wort
„Diagnostik” wird in der Praxis selten mit pädagogischen Handlungen, sondern häufiger mit
umfassenden Einzelfallgutachten verknüpft. Das liegt daran, dass die traditionelle sonderpäda-
gogische Diagnostik auf Feststellungsdiagnostik (KMK, 2019, S.11) und die damit verbundene
Erstellung eines Gutachtens ausgelegt war (Bundschuh & Winkler, 2014). Einzelfallgutachten,
wie sie zur Feststellung eines sonderpädagogischen Unterstützungsbedarfs angefertigt werden,
dienen der Kategorisierung von Schülerinnen und Schülern. Sie sind in Deutschland rechtlich
notwendig, um Entscheidungen, wie beispielsweise den Besuch einer Förderschule, zu begründen.
Von der Feststellungs-
diagnostik zur
inklusiven Diagnostik
52

Alle Urheberrechte liegen beim Verband Sonderpädagogik e. V. – Veröentlichung und Wiedergabe sind nur mit Genehmigung des Rechteinhabers gestattet.
Hierfür werden Schulleistungs- oder Intelligenztests durchgeführt und ein sonderpädagogisches
Einzelfallgutachten mit Hinweisen zu Umfang und Art der Unterstützung angefertigt (Gebhardt
& Jungjohann, 2020).
Für die pädagogische Praxis sind diese Verfahren jedoch sehr langwierig und haben einen geringen
Nutzen für die Förderplanung. So zeigen die Arbeiten von Beckstein und Sroka (2022) und Lutz
(2022), dass viel Zeit für Feststellungsdiagnostik im Rahmen des Mobilen Sonderpädagogischen
Diensts in Bayern aufgewendet wird und dadurch weniger zeitliche Ressourcen für Förder diagnostik
zur Verfügung stehen. Förderdiagnostik (KMK, 2019, S.10) ist pädagogische Diag nos tik, die zur
Planung individueller Bildungsangebote und Fördermaßnahmen eingesetzt wird
(Heimlich,
2012). Sie verzahnt Diagnostik und Förderung, um Schülerinnen und Schülern sonderpädagogische
Förderung zu ermöglichen, die deren Lernfortschritt datengestützt im Blick hat.
In einem inklusiven Bildungssystem ist bestenfalls keine Kategorisierung von Schülerinnen und
Schülern nötig und Ressourcen können stattdessen stärker für Förderdiagnostik genutzt werden.
Die Durchführung von Tests dient dann dazu, eine sichere Datengrundlage zu bieten, mit deren
Hilfe angemessene Förderentscheidungen für den jeweiligen Leistungsstand der Schülerinnen
und Schüler getroffen und evaluiert werden können. Dabei werden sowohl die Lernausgangslage
als auch die Lernentwicklung der Schülerinnen und Schüler in die Förderplanung einbezogen.
Das erfordert die Entwicklung und den Einsatz neuer Verfahren und Testinstrumente, wie z.B.
kurze Screenings für die Einschätzung des Leistungsstands und Prozessdiagnostik zur Analyse des
Lernverlaufs (Gebhardt et al., 2022).
Screenings erheben den Lernstand der gesamten Klasse mittels einer kurzen Messung zu einem
Messzeitpunkt (z.B. am Schuljahresanfang). Sie sind kürzer und enthalten weniger Subtests als
umfangreiche Schulleistungstests zur Feststellungsdiagnostik (Buchwald et al., 2022a). Scree-
nings werden genutzt, um Lernschwierigkeiten und Unterstützungsbedarf in einem Lernbereich
zu identifizieren und Fördermaßnahmen zu legitimieren (Glover & Albers, 2007). Die Prozess-
diagnostik nutzt informelle Verfahren oder Lernverlaufsdiagnostik, um anhand mehrerer Mess-
zeitpunkte einen Lernverlauf darzustellen. Sie beantwortet die Frage, ob der aktuelle Unterricht
und die Förderung zum Erreichen der Förderziele führen. Sowohl Screenings als auch Instru-
mente für Prozessdiagnostik haben eine vergleichsweise kurze Durchführungszeit von teilweise
nur wenigen Minuten. Sie benötigen im Unterrichtsalltag daher weniger zeitliche Ressourcen
als Feststellungsdiagnostik (Buchwald et al., 2022b) und bieten zugleich mehr pädagogischen
Nutzen. Die kurze Durchführungszeit wirkt sich insbesondere für Schülerinnen und Schüler
mit sonderpädagogischem Unterstützungsbedarf vorteilhaft aus. Sie profitieren vermutlich von
diesen kurzen Tests, weil sie eher zum vorzeitigen Abbruch von Tests tendieren (List, 2018) sowie
häufiger eine niedrige Frustrationstoleranz und geringe Motivation beim Erlernen schulischen
Inhalte aufweisen (Lai, 2011).
In der Testentwicklung ist darauf zu achten, dass das Testinstrument einfach durchzuführen, zu
analysieren und auszuwerten ist. Es sollte den anvisierten Kompetenzbereich bei allen Schülerin-
nen und Schülern einer inklusiven Lerngruppe zuverlässig und genau messen und beispielsweise
Schülerinnen und Schüler mit sonderpädagogischem Unterstützungsbedarf nicht benachteili-
gen. Im Vergleich dazu messen viele Testinstrumente im mittleren Kompetenzbereich genauer als
in den Leistungsrandbereichen. Um das zu vermeiden, sollten Testinstrumente für den inklusiven
Unterricht genügend leichte Aufgaben in den unteren Leistungsrandbereichen enthalten oder
flexi bel erweiterbar sein, um auch Schulleistungen von Schülerinnen und Schülern mit gerin-
geren Kompetenzen reliabel messen zu können. Für den Einsatz im Unterrichtsalltag sollte das
Testinstrument wenig Zeit beanspruchen, leicht durchführbar und interpretierbar sind und somit
eine hohe Benutzerfreundlichkeit für Lehrkräfte haben. Das kann durch eine genaue Beschrei-
bung der Regeln zur Durchführung und klare Instruktionen, Einsicht in die Konstruktionsprinzi-
pien (z.B. mittels Schwierigkeitsmerkmalen, Anderson et al., 2022) sowie eine größere Anzahl an
Beispielitems erreicht werden.
Mehr Zeit für pädagogische Handlungen durch adaptives Testen
53
Zeitschrift für Heilpädagogik | 2 2024 53

Alle Urheberrechte liegen beim Verband Sonderpädagogik e. V. – Veröentlichung und Wiedergabe sind nur mit Genehmigung des Rechteinhabers gestattet.
Digitale Testinstrumente (sogenannte Computerbasierte Tests, CBT) greifen viele dieser Anfor-
derungen auf und bieten Vorteile bei der Durchführung, Auswertung und Dokumentation von
päda gogischer Diagnostik (Gebhardt et al., 2016). CBT werden auf einem digitalen Endgerät (z.B.
Computer oder Tablet) durchgeführt. Sie steuern den Testdurchlauf und werten die Testergeb-
nisse automatisiert aus, um die Lehrkraft bei der Einhaltung der Regeln zur Durchführung und
zur Auswertung zu entlasten. Automatische Testdurchführungen und -auswertungen führen zu
einer höheren psychometrischen Qualität, da eine bessere Objektivität, Ökonomie und Benutzer-
freundlichkeit für Lehrkräfte sowie Testfairness für Schülerinnen und Schüler erreicht werden
können (Liebers et al., 2019). Fehler während der Durchführung, als auch Testleitereffekte, sprich
Einflüsse, die die Lehrkraft unbewusst auf die Schülerinnen und Schüler während einer Testung
ausüben kann und die deren Reaktionen und Ergebnisse beeinflussen, oder Fehler während der
Durchführung können dadurch reduziert werden (Schaper, 2009; Walter & Schuhfried, 2004).
Mit automatischen Auswertungen werden Übertragungs- oder Auswertungsfehler im Vergleich zu
einer händischen Auswertung minimiert. Insgesamt werden so die Durchführung und Auswer-
tung der Tests im schulischen Alltag beschleunigt und die Messungen nehmen weniger Zeit und
Ressourcen in Anspruch.
Adaptive Tests sind CBT, die ihren Schwierigkeitsgrad automatisch an die Fähigkeiten der Schü-
lerinnen und Schüler anpassen (van der Linden & Glas, 2000). Sie ermöglichen eine genauere
und effizientere Messung von Schülerinnen und Schülern im Leistungsrandbereich, wie z.B. von
Schülerinnen und Schülern mit sonderpädagogischem Unterstützungsbedarf (Ebenbeck, 2023).
Bisher sind hauptsächlich nicht-adaptive („lineare“) Tests in Schulen verbreitet. In linearen Tests
bearbeiten Schülerinnen und Schüler die Testaufgaben in einer meistens festgelegten Reihen-
folge. Unterschiedliche Fähigkeitsniveaus der Schülerinnen und Schüler werden nicht berück-
sichtigt, weswegen alle dieselben Testaufgaben bearbeiten.
In einem adaptiven Test bearbeiten Schülerinnen und Schüler im Vergleich dazu nicht dieselben
Items. Stattdessen bekommt jede Person automatisch eine individuelle Itemauswahl auf ihrem
Leistungsniveau. Die automatisierte Itemauswahl wird durch einen vorab programmierten Algo-
rithmus gesteuert, der für jede Person passende Aufgaben basierend auf ihren bereits beant-
worteten Aufgaben auswählt. Zu leichte oder zu schwierige Aufgaben werden aussortiert und
müssen von der Person nicht beantwortet werden. Dadurch verkleinert sich die Gesamtanzahl von
Testaufgaben, die eine Person bearbeiten muss und die Testzeit wird verkürzt. Die Testgenauig-
keit und Reliabilität bleiben jedoch ähnlich wie bei linearen Tests (Stone & Davey, 2011). Für
Schülerinnen und Schüler mit schwachen Leistungen bedeutet das, dass sie tendenziell mehr
Testaufgaben bekommen, die sie potenziell lösen können, anstatt überwiegend Testaufgaben zu
erhalten, die für sie viel zu schwierig sind. Adaptives Testen führt damit zu weniger Über- bzw.
Unterforderung dieser Schülerschaft und theoretisch zu einer höheren Testmotivation (Akhtar et
al., 2023, Martin & Lazendic, 2018).
Es gibt eine kleine Auswahl an adaptiven Tests, die in Deutschland aktuell eingesetzt werden kann,
wie z.B. der adaptive Intelligenztest AID-3 bzw. AID-3 tailored (Kubinger & Holocher- Benetka,
2023) oder der digitale adaptive Test FIPS für die erste Jahrgangsstufe (Bäuerlein et al., 2021).
Im amerikanischen Raum wird adaptives Testen vor allem in universitären und beruflichen Aus-
wahlverfahren eingesetzt (z.B. Rudner, 2007, Weiss & Kingsbury, 1984) oder als schulische Lern-
verlaufsdiagnostik, beispielsweise im adaptiven Testsystem Star Math verwendet (Shapiro et al.,
2015). Die überschaubare Auswahl an adaptiven Testinstrumenten liegt insbesondere an deren
erheblichen Aufwand der Testentwicklung und -programmierung. Für die Entwicklung adaptiver
Tests ist eine große Anzahl an Testaufgaben notwendig, deren Schwierigkeit sich im besten Fall
über alle Fähigkeitsniveaus erstreckt (Way, 2005, Weiss & Kingsbury, 1984). Um einen neu ent-
wickelten adaptiven Test prüfen und skalieren zu können, müssen mindestens 250 Schülerinnen
und Schülern alle Testaufgaben bearbeiten (Linacre, 1994). Dabei sollten auch Schülerinnen
und Schülern mit sonderpädagogischem Unterstützungsbedarf berücksichtigt werden, um die
Fairness des adaptiven Tests sicherzustellen. Alternativ können bereits testtheoretisch geprüfte
Digitalisierung
als Chance für
inklusive Diagnostik
Adaptives Testen zur
individuellen Messung
von Schülerinnen und
Schülern
Mehr Zeit für pädagogische Handlungen durch adaptives Testen
54

Alle Urheberrechte liegen beim Verband Sonderpädagogik e. V. – Veröentlichung und Wiedergabe sind nur mit Genehmigung des Rechteinhabers gestattet.
lineare Testinstrumente aus dem sonderpädagogischen Bereich um einen adaptiven Algorithmus
erweitert werden. Ebenso können mehrere verschiedene Testinstrumente mit wenigen Items zu
einem größeren Testinstrument mit vielen Items auf verschiedenen Schwierigkeitsstufen kombi-
niert werden (Ebenbeck, 2023; Ebenbeck & Gebhardt, 2023).
Neben der Erstellung eines geeigneten Itempools sind weitere Schritte notwendig, um einen adap-
tiven Test zu entwickeln. Diese Schritte werden nachfolgend beispielhaft an der Entwicklung des
adaptiven Lesescreenings LES-IN-CAT (LEseScreening - INklusiver Computerbasierter Adaptiver
Test) für die Testplattform Levumi.de dargestellt. Levumi.de ist eine Webseite, die diagnostische
Tests und Fördermaterialien als Open Educational Ressources (OER) der Schullandschaft kosten-
frei anbietet ( Jungjohann et al., 2018). Die Entwicklung des adaptiven Tests fand im vom Bundes-
ministerium für Bildung und Forschung (BMBF) geförderten Projekt DaF-L statt.
Im ersten Schritt wurde das analoge Lesescreening LES-IN (LEseScreening – INklusiv; Ebenbeck
et al., 2022a), bestehend aus vier Subtests entwickelt, die jeweils einen Teilbereich der Lesefähig-
keit (Phonologische Bewusstheit, Geschwindigkeit im lexikalischen Abruf, Sicherheit im lexika-
lischen Abruf und sinnkonstruierendes Satzlesen) im Klassenverband messen. Die Testaufgaben
der Subtests wurden in einer querschnittlichen und bundeslandübergreifenden Schulstudie mit
709 Schülerinnen und Schülern in Grund- und Förderschulen psychometrisch geprüft (Jung-
johann et al., im Druck). Im zweiten Schritt wurde basierend auf dem analogen Lesescreening
die digitale Weiterentwicklung LES-IN-DIG (LEseScreening - INklusiv und DIGital, Ebenbeck et
al., 2022b) auf Levumi.de implementiert und in einer weiteren Schulstudie mit 400 Grund- und
Förder schülerinnen und -schülern geprüft (Ebenbeck, 2023). Im dritten Schritt wurden verschie-
dene adaptive Algorithmen programmiert und empirisch verglichen, um die passendste Mög-
lichkeit für die Zielgruppe und den betreffenden Test zu finden (Ebenbeck, 2023). Dabei wurde
auf Testergebnisse der Stichprobe aus Schritt zwei zurückgegriffen, um adaptive Tests vor der
aufwendigen Programmierung des eigentlichen adaptiven Tests zu simulieren. Mit Simulations-
studien kann z.B. überprüft werden, wie genau der adaptive Test gewisse Schülergruppen messen
würde, welche Testaufgaben konkret für welche Schülerinnen und Schüler gezogen werden und
wie lange ein Testdurchlauf in etwa dauern würde.
Die ausführlichen Analysen zum Test LES-IN-CAT sind in der Dissertation von Ebenbeck (2023)
dargestellt. Für diesen Artikel werden die wichtigsten Ergebnisse anhand einer kleineren Stich-
probe mit zusätzlichen weiterführenden Analysen zur Auswahl der Testaufgaben anhand des Sub-
tests zur phonologischen Bewusstheit vorgestellt. Leitende Fragestellungen sind dabei:
– Inwieweit verkürzt ein adaptiver Test die Messung von Schülerinnen und Schülern mit und
ohne sonderpädagogischen Unterstützungsbedarf?
– Welche Testaufgaben werden für Schülerinnen und Schüler mit geringen Leistungen aus-
gewählt bzw. nicht ausgewählt?
Zwischen November 2022 und Januar 2023 wurden 357 Schülerinnen und Schüler der Jahrgangs-
stufen 2 bis 4 an inklusiven Grundschulen in Nordrhein-Westfalen mit dem digitalen linearen
Lese screening LES-IN-DIG (Ebenbeck et al., 2023) gemessen. Die Schülerinnen und Schüler
waren durchschnittlich 8,43 Jahre alt (SD =1,07). 43 Schülerinnen und Schüler hatten einen
sonderpädagogischen Unterstützungsbedarf im Bereich Lernen oder Sprache. Sie bearbeiteten
das Screening webbasiert auf Tablets im Klassenverbund. Als Beispiel wird im Folgenden aus-
schließlich der erste von vier Subtests ausgewertet, welcher in der linearen Version 35 Items
umfasst und auf eine maximale Bearbeitungszeit von fünf Minuten begrenzt ist. Als Testaufgaben
sehen die Schülerinnen und Schüler ein Bild bzw. ein graphisch repräsentiertes Wort sowie einen
schriftsprachlichen Laut. Sie entscheiden, ob der Laut am Anfang, in der Mitte, am Ende des Worts
oder gar nicht im Wort zu hören ist (Abb.1).
Um einen adaptiven Subtest basierend auf den Ergebnissen des linearen Subtests zu simulieren,
wurden mehrere Schritte durchgeführt: Im ersten Schritt wurde der adaptive Algorithmus selbst
Entwicklung eines
adaptiven
Lesescreenings
Fragestellungen
Methode
Mehr Zeit für pädagogische Handlungen durch adaptives Testen
55
Zeitschrift für Heilpädagogik | 2 2024 55

Alle Urheberrechte liegen beim Verband Sonderpädagogik e. V. – Veröentlichung und Wiedergabe sind nur mit Genehmigung des Rechteinhabers gestattet.
aufgesetzt. Hierfür wurde die Programmiersprache R mit dem Paket catR (Magis & Barrada,
2017) verwendet, welches speziell der Simulation von adaptiven Tests dient. Es wurden zwei ver-
schiedene Algorithmen für adaptives Testen verglichen. Im ersten Fall beginnt der adaptive Test
mit einem Item mittlerer Schwierigkeit, welches im Rahmen der Item-Response-Theory (IRT)
das aussagekräftigste Item ist. Im zweiten Fall beginnt der adaptive Test mit einer Testaufgabe
mit leichter Schwierigkeit, um für Schülerinnen und Schüler mit schwächeren Leistungen einen
motivierenden Teststart zu ermöglichen und den Einstieg in die Messung zu erleichtern. In beiden
Algorithmen wird festgehalten, dass nach jeder Antwort die Fähigkeit der Person basierend auf
ihren bislang gelösten Aufgaben geschätzt wird. So kann das nächste Item individuell passend
ausgewählt werden. In beiden Fällen endet der adaptive Test, sobald die Fähigkeit der Person mit
einem Standardfehler von 0.5 genau geschätzt werden kann. Über einen geringeren Standard-
fehler würde sich die Genauigkeit der Messung erhöhen lassen. Das würde jedoch auch zu einer
längeren Testung führen.
Im zweiten Schritt wurden die empirisch erhobenen Daten der Schülerinnen und Schüler genutzt,
um deren Fähigkeiten und die Schwierigkeit der Testaufgaben zu bestimmen. Um Deckeneffekte
der Messung für die Simulationen auszugleichen und dadurch ein möglichst realistisches Bild zu
geben, wurden basierend auf der Fähigkeitsverteilung der Schülerinnen und Schüler neue Fähig-
keitswerte für Schülerinnen mit und ohne sonderpädagogischen Unterstützungsbedarf generiert
(n=1000).
Mit diesen Bausteinen (Algorithmus, Personenfähigkeiten und Aufgabenschwierigkeiten) wurde
der Test zur phonologischen Bewusstheit als adaptiver Test mit zwei verschiedenen Einstellungen
simuliert und mit dessen linearer Version verglichen. Es wurden die durchschnittliche Testlänge
und die erreichte Testgenauigkeit jeweils für Schülerinnen und Schüler mit und ohne sonder-
pädagogischen Unterstützungsbedarf gegenübergestellt.
Verkürzung der Testzeit
Der simulierte adaptive Test ist im Durchschnitt um ca.50 % kürzer als die lineare Version des
Tests (Abb.2), was bei einer Testzeit von fünf Minuten eine Reduktion auf zwei bis drei Minuten
bedeuten würde. Die Testverkürzung unterscheidet sich zwischen den angenommenen Schüler-
gruppen. Für Schülerinnen und Schüler mit sonderpädagogischem Unterstützungsbedarf ist die
Reduktion mit 55% größer als für Schülerinnen und Schüler ohne Unterstützungsbedarf mit
48%. Der adaptive Test wäre demnach für Schülerinnen und Schüler mit sonderpädagogischem
Unterstützungsbedarf im Schnitt kürzer als für Schülerinnen und Schüler ohne Unterstützungs-
bedarf.
Trotz einer Verkürzung der Testlänge ändert sich die Genauigkeit des adaptiven Tests im Ver-
gleich zur linearen Version kaum. Die Genauigkeit kann anhand der Korrelation zwischen der
realen gemessenen und der durch den adaptiven Test geschätzten Fähigkeit der Person bemessen
Abb. 1:
Beispielaufgabe des Tests
„Phonologische Bewusstheit“
Ergebnisse
Mehr Zeit für pädagogische Handlungen durch adaptives Testen
56

Alle Urheberrechte liegen beim Verband Sonderpädagogik e. V. – Verö entlichung und Wiedergabe sind nur mit Genehmigung des Rechteinhabers gestattet.
werden. Der lineare Test misst Schülerinnen und Schüler ohne
sonder pädagogischen Unterstützungsbedarf mit r=.91 und Schüle-
rinnen und Schüler mit sonderpädagogischem Unterstützungsbedarf
mit r =.94. Beim adaptiven Test ist diese Genauigkeit marginal gerin-
ger und beträgt für Schülerinnen und Schüler mit und ohne Unter-
stützungsbedarf (r=.90). Ob der adaptive Test mit einem einfachen
oder einer mittelschwierigen Aufgabe beginnt, hat keinen Einfl uss
auf die durchschnittliche Testlänge und Testgenauigkeit für Schüle-
rinnen und Schüler mit und ohne sonderpädagogischem Unterstüt-
zungsbedarf.
Aufgabenauswahl
Leistungsschwache Schülerinnen und Schüler würden im adapti-
ven Test ca.35 % aller Testaufgaben bearbeiten. Die durch den Algo-
rithmus gewählten Aufgaben liegen, wie erwartet, im Bereich ihrer
Fähig keiten (Abb.3). Für leistungsschwache Schülerinnen und
Schüler mit einer Fähigkeit von -1 bedeutet das beispielsweise, dass
nur Aufgaben mit einer Schwierigkeit zwischen -0,5 und -1,5 gezogen werden, wobei eine Schwie-
rigkeit von 0 einer Aufgabe mittlerer Schwierigkeit entspricht und negative Werte auf einfachere
Aufgaben hindeuten. Items mit höheren Schwierigkeitswerten würden für solche Schülerinnen
und Schüler stattdessen gar nicht vorgeschlagen werden, da sie zu schwierig sind und daher nicht
genügend Aussagekraft über deren Fähigkeit haben. Insgesamt kann der Test somit um 21 Items
gekürzt werden, wobei vor allem schwierige Items entfallen.
Adaptives Testen hat das Ziel, einen breiten Leistungsbereich in kürzerer Zeit zu messen als lineare
traditionelle Tests, bei denen alle Items des Tests von den Schülerinnen und Schülern bearbeitet
werden. In der vorliegenden Studie konnte dies am Subtest zur phonologischen Bewusstheit
des Lesescreenings LES-IN-DIG (Ebenbeck et al., 2023) gezeigt werden. Dabei verdeutlichen die
Ergebnisse, dass adaptives Testen die Testzeit insbesondere für Schülerinnen und Schüler mit
sonderpädagogischem Unterstützungsbedarf reduziert, was sich mit den Überlegungen von Stone
und Davey (2011) deckt.
Anstelle einer fünfminütigen Testdurchführung werden durch den Einsatz des adaptiven Testens
lediglich zwei bis drei Minuten Testzeit benötigt. Diese Kürzung entlastet die Schülerinnen
und Schüler bereits bei einem einzelnen Subtest. Bei umfangreichen Statustests, wie z.B.
Schulleistungstests oder Intelligenztests – mit meist bis zu zwölf Dimensionen (Subtests) – hat eine
Verkürzung der Testzeit für jeden einzelnen Subtest einen deutlichen Einfluss auf die Gesamtlänge
des Tests und die Entlastung summiert sich auf. Wenn adaptives Testen in allen Subtests eines
Statustests eingesetzt wird, könnte die Durchführungszeit des gesamten Statustests um bis zu 50%
reduziert werden. Eine Testzeitverkürzung von 50% kann bei langen Statustests durchaus 30 bis
60 Minuten weniger Bearbeitungsdauer für Schülerinnen und Schüler bedeuten. Die Dauer eines
Testdurchgangs wäre somit deutlich kürzer. Schülerinnen und Schüler werden weniger belastet
und Lehrkräfte müssen weniger Unterrichts- und Förderzeit für Diagnostik aufwenden.
Abb. 2:
Durchschnittliche Testlänge des
ursprünglichen linearen Tests und
des adaptiven Tests für
Schülerinnen und Schüler mit
und ohne sonderpädagogischen
Unterstützungsbedarf (SUB) sowie
erreichter prozentualer mittlerer
Reduktion der Testlänge.
Abb. 3:
Items, die eine Person mit der Fähig-
keit -1 (eine Standard abweichung
entfernt vom Durch schnitt) in einem
beispielhaften simulierten adaptiven
Testdurchlauf bearbeiten und nicht
bearbeiten würde.
Diskussion
Mehr Zeit für pädagogische Handlungen durch adaptives Testen
57
Zeitschrift für Heilpädagogik | 2 2024 57

Alle Urheberrechte liegen beim Verband Sonderpädagogik e. V. – Veröentlichung und Wiedergabe sind nur mit Genehmigung des Rechteinhabers gestattet.
Aufgrund der reduzierten Testlänge sinkt die Reliabilität und Genauigkeit des adaptiven
Tests leicht. Dennoch eröffnet die verkürzte Testzeit im Rahmen des adaptiven Testens
insbesondere für Schülerinnen und Schüler mit Lernschwierigkeiten oder sonderpädagogischem
Unterstützungsbedarf neue Möglichkeiten, da diese besonders von kurzen Tests profitieren
können (Lai, 2011, List, 2018). Diesen Schülerinnen und Schülern fällt es vermeintlich leichter,
einen kürzeren adaptiven Test zu absolvieren, wodurch eine Verringerung der Abbruchquote von
Testdurchläufen erzielt werden kann. Offen bleibt derzeit noch, inwieweit adaptive Tests sich
auch positiv auf die Testmotivation auswirken (Akhtar et al., 2023, Martin & Lazendic, 2018).
Computerbasierte adaptive Screenings sind in der Lage, sowohl im oberen als auch im unteren
Messbereich zuverlässige Ergebnisse zu liefern. Damit eignen sie sich besonders für die Messung
von Kompetenzen in leistungsheterogenen Klassen. Insgesamt stellt die adaptive Ziehung eine
Erweiterung für psychometrische Instrumente dar, da sie auf einem traditionellen linearen Test
aufbaut. Einfach umzusetzen ist die Erweiterung von Tests durch Adaptivität, wenn als Grundlage
ein digitaler Test verwendet wird. Die erfolgreiche Erstellung von adaptiven Tests erfordert
jedoch einen umfangreichen Itempool und einen breiten Messbereich als Grundvoraussetzung
(Way, 2005, Weiss & Kingsbury, 1984). Wenn Tests ungenau messen oder über einen zu engen
Messbereich verfügen, kann eine adaptive Ziehung kontraproduktiv sein, da dann die Messung
noch ungenauer wird. Daher ist es entscheidend, bei der Entwicklung adaptiver Tests auf einen
breiten Anforderungsbereich der Testinhalte zu achten, um aussagekräftige Ergebnisse zu
erzielen.
Schulleistungstests werden normalerweise einmal entwickelt, psychometrisch geprüft und dann
in einer bestimmten Version vertrieben. Eine erneute Überprüfung oder Weiterentwicklung erfolgt
meist erst nach vielen Jahren oder aus Lizenzgründen gar nicht. Werden digitale Lern- und Test-
plattformen für adaptives Testen genutzt, können weitere Schritte in der Testentwicklung bzw.
-weiterentwicklung durchgeführt werden. So erfolgt zunächst ebenfalls der traditionelle Test-
prozess, der die Testkonstruktion, die Durchführung der psychometrischen Messung und die Ska-
lierung als linearen Test umfasst. Danach wird der Test um einen adaptiven Algorithmus erweitert
und als adaptiver Test in die Testplattform integriert. Ein adaptiver Test passt sich den indivi-
duellen Fähigkeiten der Schülerinnen und Schüler an, indem er gezielt Fragen auswählt, die
dem aktuellen Leistungsniveau entsprechen, wie unsere Ergebnisse zeigen
konnten. Dadurch kann der Test eine effizientere Messung individueller
Fähigkeiten ermöglichen. Im nächsten Schritt werden unter Berücksich-
tigung der adaptiven Testergebnisse Förderentscheidungen getroffen und
die bisherige Skalierung des Tests weiterentwickelt. Die Antworten, die
die Schülerinnen und Schüler während einer Förderung geben, können
gemein sam mit den Testergebnissen genutzt werden, um mit Hilfe adap-
tiver Algorithmen und automatischer Itemgenerierung maßgeschneiderte
Unter stützung und individuelle Lernpläne für die Schülerinnen und Schü-
ler zu erstellen. Durch diese kontinuierliche Datenerhebung und -analyse
während Test und Förderung können Schwächen identifiziert und gezielte
Fördermaßnahmen entwickelt werden, um das Lernen der Schülerinnen
und Schüler zu verbessern. Die Testplattform ermöglicht somit einen itera-
tiven Entwicklungsprozess, mit dem es gelingt, den Test kontinuierlich zu
verbessern und an die Bedürf nisse der Schülerinnen und Schüler anzupas-
sen. Durch diese fortlaufende Entwicklung stellt die Testplattform sicher,
dass sie stets aktuell ist und den bestmöglichen Nutzen für Lehrkräfte und
Schülerinnen und Schüler bietet.
Digitale bzw. adaptive Tests können mit Übungen zu Förderumgebungen
kombiniert werden. Solche Test- und Förderumgebungen bieten eine ver-
besserte Einführung in die Handhabung der Testinstrumente im Vergleich
zu traditionellen Tests. Dies wird durch erklärende Workshops, Videos und
Schlüsselwörter
Pädagogische Diagnostik, Digitalisierung, Individuali-
sierung, Adaptives Testen, Inklusion
Abstract
Digital instruments allow for easy testing and high
individualization in schools. In particular, adaptive
testing leads to time-efficient measurement of stu-
dents. In this paper we describe the added value of
adaptive testing for teachers and students. We compare
the administration time and measurement accuracy of
an adaptive and a non-adaptive reading screening on
a sample of 357 third graders from inclusive schools.
Adaptive testing cuts testing time in half, leaving more
time for instructional interventions in the classroom.
This supports instructional diagnosis for students
with disabilities. Embedding adaptive testing into the
school day through digital learning environments is
discussed.
Keywords
Educational Assessment, Digitalisation, Individualisa-
tion, Adaptive Testing, Inclusion
Mehr Zeit für pädagogische Handlungen durch adaptives Testen
58

Alle Urheberrechte liegen beim Verband Sonderpädagogik e. V. – Veröentlichung und Wiedergabe sind nur mit Genehmigung des Rechteinhabers gestattet.
Lehrhandbücher ermöglicht, die den Nutzerinnen und Nutzern eine klare Orientierung und An-
leitung bieten (Jungjohann & Lutz, 2021). Durch diese zusätzlichen Hilfs mittel können die Tests
und Fördermaßnahmen besser miteinander verknüpft und somit effektiver genutzt werden. Ent-
sprechende Lern- und Testumgebungen sind auch bei der Entwicklung von der Statusdiagnostik
hin zur Prozessdiagnostik erforderlich, da diese über die einmalige Statusdiagnostik und Gutach-
tenerstellung hinausgehen, indem sie einen kontinuierlichen und dynamischen Diagnoseprozess
ermöglichen. Neben den Tests umfassen diese Umgebungen auch Förder maßnahmen, die gezielt
auf die individuellen Bedürfnisse der Lernenden eingehen. Insgesamt ermöglichen digitale Test-
und Förderumgebungen auf diese Weise so eine effiziente und ziel gerichtete Diagnostik und För-
derung.
Inklusive Schulen stehen vor der Herausforderung, pädagogische Diagnostik mit klaren Stan-
dards zu etablieren, um effektive Tests und (digitale) Lernumgebungen zu gestalten. Adaptive
Screenings erfordern definierte Itempools und festgelegte Kompetenzprofile, die als Grundlage
für die Entwicklung und Ausrichtung der Tests dienen sollen. Die technische Umsetzung bietet
Möglichkeiten für digitale Diagnostik sowie Fördermaßnahmen und Lernspiele. Gegenwärtig
mangelt es zum einen an den erforderlichen Standards und gewünschten Lernprofilen in Bil-
dungseinrichtungen, um derartige Ansätze zu entwickeln. Zum anderen fehlen Anreize seitens
staatlicher Stellen für die Wissenschaft und Unternehmen, um solche Systeme zu initiieren und
zu pflegen. Die Nutzung digitaler Potenziale stellt somit eine der aktuellen Herausforderungen
im Bildungssystem dar.
Akhtar, H., Silfiasari, Vekety, B., & Kovacs, K. (2023). The Effect of Computerized Adaptive Testing
on Motivation and Anxiety: A Systematic Review and Meta-Analysis. Assessment, 30(5), 1379–
1390.
Anderson, S., Sommerhoff, D., Schurig, M. & Gebhardt, M. (2022). Schwierigkeitsmerkmale als
Grundlage für eine systematische und praxisnahe Konstruktion der Lernverlaufsdiagnostik bei
Additions- und Subtraktionsaufgaben im Hunderterraum. In S. Fränkel, M. Grünke, T. Henne-
mann, D. C. Hövel, C. Melzer & K. Ziemen (Hrsg.), Teilhabe in allen Lebensbereichen? Ein Blick
zurück und nach vorn (S. 81-86). Bad Heilbrunn: Julius Klinkhardt.
Bäuerlein, K., Beinicke, A., Schorr, M., Schneider, W. (2021). Fähigkeitsindikatoren Primar-
schule. Ein digitales Testverfahren zur Erfassung der Lernausgangslage und der Lernent-
wicklung in der 1. Klasse. 2., aktualisierte und neu normierte Auflage. Hogrefe.
Beckstein, G. & Sroka, S. (2022). Ein Erfahrungsbericht aus Bayern – Mobiler Sonderpädagogi-
scher Dienst Sprache, Lernen, emotionale und soziale Entwicklung. In M. Gebhardt, D. Scheer &
M. Schurig (Hrsg.), Handbuch der sonderpädagogischen Diagnostik.
Buchwald, K., Ebenbeck, N. & Gebhardt, M. (2022a). Screenings, Status- und adaptive Tests in
der schulischen Diagnostik. In M. Gebhardt, D. Scheer & M. Schurig (Hrsg.), Handbuch der
sonderpädagogischen Diagnostik. Grundlagen und Konzepte der Statusdiagnostik, Prozess-
diagnostik und Förderplanung (S. 305-312). Regensburg: Universitätsbibliothek. https://doi.
org/10.5283/epub.53149
Buchwald, K., Anderson, S., Lutz, S., Mühling, A., Sommerhoff, D. & Gebhardt, M. (2022b). Lern-
verlaufsdiagnostik in Mathematik. Basiskompetenzen mit der Plattform Levumi.de messen. Zeit-
schrift für Heilpädagogik, 73(4), 168–178.
Bundschuh, K. & Winkler, C. (2014). Einführung in die sonderpädagogische Diagnostik (UTB
Sonderpädagogik, pädagogische Psychologie, Bd. 999, 8., überarbeitete Auflage). München: Ernst
Reinhardt Verlag.
Ebenbeck, N. (2023). Computerized Adaptive Testing in Inclusive Education [ Dissertation., Uni-
versität Regensburg]. Publikationsserver der Universität Regensburg. https://epub.uni- regensburg.
de/54551/1/Ebenbeck%20-%20CAT%20in%20inclusive%20education_Final_26.07.2023.pdf
Gebhardt, M. (2023). Pädagogische Diagnostik. Leistung, Kompetenz und Entwicklung mes-
sen, bewerten und interpretieren für individuelle Förderung. (Version 0.2). Universität
Regens burg. https://doi.org/10.5283/epub.54450
Ausblick
Literatur
Mehr Zeit für pädagogische Handlungen durch adaptives Testen
59
Zeitschrift für Heilpädagogik | 2 2024 59

Alle Urheberrechte liegen beim Verband Sonderpädagogik e. V. – Veröentlichung und Wiedergabe sind nur mit Genehmigung des Rechteinhabers gestattet.
Gebhardt, M., Diehl, K. & Mühling, A. (2016). Online-Lernverlaufsmessung für alle SchülerInnen
in inklusiven Klassen. www.LEVUMI.de. Zeitschrift für Heilpädagogik, 67(10), 444–454.
Gebhardt, M., Scheer, D.& Schurig, M., (2022) Handbuch der sonderpädagogischen Diagnos-
tik. Grundlagen und Konzepte der Statusdiagnostik, Prozessdiagnostik und Förderplanung.
Version 1.0. Regensburger Beiträge zur Inklusions- und Sonderpädagogik, 4. Universität Regens-
burg. https://doi.org/10.5283/epub.53149
Glover, T. A. & Albers, C. A. (2007). Considerations for evaluating universal screening assessments.
Journal of School Psychology, 45(2), 117–135. https://doi.org/10.1016/j.jsp.2006.05.005
Jungjohann, J., DeVries, J. M., Gebhardt, M. & Mühling, A. (2018). Levumi: A web-based curricu-
lum-based measurement to monitor learning progress in inclusive classrooms. In K. Miesenberg-
er & G. Kouroupetroglou (Hrsg.), Computers helping people with special needs. ICCHP 2018.
Lecture notes in computer science (S.369-378). Springer International Publishing. https://doi.
org/10.1007/978-3-319-94277-3_58
Jungjohann, J., & Lutz, S. (2021). Schulische Förderpraxis mit und durch Lernverlaufsdiag-
nostik. Spuren, (2/2021), 40-45. https://doi.org/10.5283/epub.45556
Jungjohann, J. & Gebhardt, M. (2023). Dimensions of Classroom-Based Assessments in Inclu-
sive Education: A Teachers’ Questionnaire for Instructional Decision-Making, Educational
Assessments, Identification of Special Educational Needs, and Progress Monitoring. Internation-
al Journal of Special Education (IJSE), 38(1), 131–144. https://doi.org/10.52291/ijse.2023.38.12
Jungjohann, J., Bastian, M., Mühling, A. & Gebhardt, M. (2022). Die Sicht von Lehrkräften auf
die Implementation und den Nutzen von webbasierten Lernverlaufstests.: Eine Interviewstudie in
inklusiven Grundschulen. In N. Harsch, M. Jungwirth, M. Stein, Y. Noltensmeier & N. Willenberg
(Hrsg.), Diversität Digital Denken – The Wider View.: Eine Tagung des Zentrums für Leh-
rerbildung der Westfälischen Wilhelms-Universität Münster vom 08. bis 10.09.2021 (S.405-
408). WTM-Verlag. https://doi.org/10.37626/GA9783959871785.0.42
Heimlich, U. (2012). Inklusive Bildung für Menschen mit Behinderung – eine lebenslauf-
begleitende Perspektive. https://www.bildungsbericht.de/de/schwerpunktthemen/pdfs/experten-
workshop-2012-heimlich1112.pdf?msclkid=d521b061c7a811ec90a719afa16deb99 [08.01.2024]
Klauer, K. J. (1975). Lernbehindertenpädagogik. Halle: Carl Marhold.
KMK, (2019). Empfehlungen zur schulischen Bildung, Beratung und Unterstützung von Kin-
dern und Jugendlichen im sonderpädagogischen Schwerpunkt Lernen. https://www.kmk.org/
fileadmin/Dateien/veroeffentlichungen_beschluesse/2019/2019_03_14-FS-Lernen.pdf
Kubinger & Holocher-Benetka (2023). Adaptives Intelligenz Diagnostikum 3. 2., aktualisierte
Auflage mit überprüften Normen. Göttingen: Hogrefe.
Lai, E. R. (2011). Motivation: A literature review.Person Research’s Report,6, 40–41.
Linacre, L. M. (1994). Sample Size and Item Calibration Stability. Rasch Measurement Trans-
actions 7(4), 328
List, M. K. (2018).Testbearbeitungsverhalten in Leistungstests: Modellierung von Testabbruch
und Leistungsabfall[Doctoral dissertation, Christian-Albrechts Universität Kiel].
Liebers, K., Kanold, E., & Junger, R. (2019). Digitale Lernstandsanalysen in der inklusiven
Grundschule? In S. Bartusch, C. Klektau, T. Simon, & Teumer, S. Weidermann, A. (Hrsg.),
Lernprozesse Begleiten (S.209-221). Springer Fachmedien Wiesbaden. https://doi.org/10.1007
/ 978-3-658-21924-6_16
Lutz, S. (2022). Mobile Sonderpädagogische Dienste (MSD) in Bayern. In M. Gebhardt, D.
Scheer & M. Schurig (Hrsg.), Handbuch der sonderpädagogischen Diagnostik. Grundlagen
und Konzepte der Statusdiagnostik, Prozessdiagnostik und Förderplanung (S. 765-772).
Regensburg: Universitätsbibliothek. https://doi.org/10.5283/epub.53149
Magis, D., & Barrada, J. R. (2017). Computerized adaptive testing with R: Recent updates of the
package catR. Journal of Statistical Software, 76, 1–19.
Martin, A. J., & Lazendic, G. (2018). Computer-adaptive testing: Implications for students’ achieve-
ment, motivation, engagement, and subjective test experience. Journal of educational psycho-
logy, 110(1), 27. https://doi.org/10.1037/edu0000205
Mehr Zeit für pädagogische Handlungen durch adaptives Testen
60

Alle Urheberrechte liegen beim Verband Sonderpädagogik e. V. – Veröentlichung und Wiedergabe sind nur mit Genehmigung des Rechteinhabers gestattet.
Neumann, P., & Lütje-Klose, B. (2020). Diagnostik in inklusiven Schulen - zwischen Stigmatis-
ierung, Etikettierungs-Ressourcen-Dilemma und förderorientierter Handlungsplanung. In C.
Gresch, P. Kuhl, M. Grosche, C. Sälzer & P. Stanat (Hrsg.), Schüler*innen mit sonderpädago-
gischem Förderbedarf in Schulleistungserhebungen. Einblicke und Entwicklungen (S. 3-28).
Wiesbaden: Springer VS.
Rudner, L. M. (2007). Implementing the Graduate Management Admission Test® computerized
adaptive test. In D. J. Weiss (Ed.), Proceedings of the 2007 GMAC Conference on Computerized
Adaptive Testing. www.psych.umn.edu/psylabs/CATCentral/
Schaper, N. (2009). Online-Tests aus diagnostisch-methodischer Sicht. In H. Steiner (Hrsg.),
Online-Assessment (S. 17-36). Berlin/Heidelberg: Springer. https://doi.org/10.1007/978-3-540-
78919-2_2
Shapiro, E. S., Dennis, M. S., & Fu, Q. (2015). Comparing computer adaptive and curriculum-based
measures of math in progress monitoring. School Psychology Quarterly, 30(4), 470.
Stone, E., & Davey, T. (2011). Computer-Adaptive Testing for Students with Disabilities:
A Review of the Literature. ETS Research Report Series, 2011(2), i–24. https://doi.org/
10.1002/ j.2333-8504.2011.tb02268.x
Glas, C. A. W., & van der Linden, W. J. (Eds.). (Year). Computerized Adaptive Testing: Theory and
Practice, 11–25. https://doi.org/10.1007/0-306-47531-6_1
Walter, T., & Schuhfried, G. (2004). Computergestützte psychologische Diagnostik. In G. Mehta
(Hrsg.), Springer eBook Collection Humanities, Social Science. Die Praxis der Psychologie: Ein
Karriereplaner (S. 265-272). Wien: Springer. https://doi.org/10.1007/978-3-7091-0571-9_21
Way, W. D. (2005). Practical Questions in Introducing Computerized Adaptive Testing for K-12
Assessments: Research Report 05-03. https://citeseerx.ist.psu.edu/document?repid= rep1&type=
pdf&doi=96c8892e542ac8dd46c532aa6400271e25b1c9d3 [08.01.2024]
Weiss, D. J., & Kingsbury, G. G. (1984). Application of Computerized Adaptive Testing to Educa-
tional Problems. Journal of Educational Measurement, 21(4), 361–375. http://www.jstor.org/
stable/1434587
Dr. Nikola Ebenbeck
Ludwig-Maximilians-Universität München,
Leopoldstraße 13, 80802 München
nikola.ebenbeck@lmu.de
Sven Anderson
Technische Universität Dortmund,
Emil-Figge-Straße 50, 44227 Dortmund
JProf. Dr. Jana Jungjohann
Technische Universität Dortmund,
Emil-Figge-Straße 50, 44227 Dortmund
Prof. Dr. Markus Gebhardt
Ludwig-Maximilians-Universität München,
Leopoldstraße 13, 80802 München
Mehr Zeit für pädagogische Handlungen durch adaptives Testen
61
Zeitschrift für Heilpädagogik | 2 2024 61