Humboldt-Universität zu Berlin - Mathematisch-Naturwissenschaftliche Fakultät - Institut für Informatik

Probevortrag zur Promotion: Sandra Schulz

  • Wann 26.02.2018 von 14:00 bis 23:59
  • Wo Rudower Chaussee 25, Humboldt-Kabinett
  • iCal

Sandra Schulz wird am 26.02.2018 um 14 Uhr (s.t.) im Humboldt-Kabinett (RUD 25) ihren Probevortrag zum Thema "Physical Computing als Mittel der wissenschaftlichen Erkenntnisgewinnung in der Informatik und als fächerverbindende MINT-Arbeitsweise" halten.

Sie sind herzlich dazu eingeladen.
 

Zusammenfassung:
Physical-Computing-Geräten wie Robotern und Mikrocontrollern wird eine wichtige Rolle als Lernmedium fur Schülerinnen und Schüler zugesprochen. Zu lernende Kontexte sind ähnlich vielfältig wie die inzwischen existierenden Geräte. Die Komplexität der Systeme ist mannigfaltig und existierende Forschung geht zumeist von dem Gerät als Forschungsgegenstand aus. Im Rahmen dieser Dissertation wird von einem gerätunabhängigen Physical-Computing-Prozess als Problemlöseprozess ausgegangen, um ein Fundament für nachhaltige und gerätunabhängige Forschung zu schaffen sowie Physical Computing als Unterrichtsgegenstand zu beschreiben. Aufgrund von Merkmalen, wie der Arbeit mit Sensorik und Aktuatorik sowie dem iterativen Testen und Evaluieren, scheint Physical Computing Ähnlichkeiten zu dem naturwissenschaftlichen Experiment aufzuweisen. Dieser Zusammenhang und deren potentielle Auswirkungen auf die Informatik-Didaktik wurden in drei Ausprägungsformen untersucht. Basierend auf Modellen aus der Literatur wurde ein Modell des Physical-Computing-Prozesses abgeleitet und durch empirischen Studien adaptiert. Bei dem Vergleich der Prozesse der wissenschaftlichen Erkenntnisgewinnung und des Physical Computings konnten diverse Gemeinsamkeiten festgestellt werden. Insbesondere verlaufen sie inhaltlich und prozessual parallel zueinander, was die Grundlage für einen MINT-Problemlöseprozess bildet. Bislang wurden konkrete Probleme von SchülerInnen bei der Interaktion mit den Geräten peripher beschrieben. In dieser Arbeit wurde eine Analyse von Fehlerquellen vorgenommen und auftretende Probleme kategorisiert. Probleme, die gleichzeitig in mehreren Fehlerquellen liegen, wurden aufgedeckt und eine Problem-Taxonomie zur Beschreibung von Fehlerquellen abgeleitet. Ein mehrstufiges Feedback-Modell zur Unterstützung des Problemlösens in Physical-Computing-Aktivitäten wurde basierend auf der Problem-Taxonomie entwickelt. Durch eine empirische Untersuchung wurde es als unterstützend für den Physical-Computing-Prozess evaluiert und bildet damit ein Modell zur Entwicklung von kognitiven Tutorensystemen für Physical Computing.