Masterarbeit

  • 1,135 views
Uploaded on

Einflussfaktoren auf die Bereitschaft von …

Einflussfaktoren auf die Bereitschaft von
Lehrpersonen zur Integration digitaler Medien in
Lehrveranstaltungen – eine empirische Studie

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
1,135
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
0
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Masterarbeitim Studiengang Wirtschaftspädagogik (Master of Arts)an der WHL Wissenschaftliche Hochschule LahrEinflussfaktoren auf die Bereitschaft vonLehrpersonen zur Integration digitaler Medien inLehrveranstaltungen – eine empirische StudieVorgelegt von:Carmen MüllerIlsfelder Straße 1971720 OberstenfeldMatrikelnummer: 198108Erstgutachter:Prof. Dr. Michael KleblZweitgutachter:Prof. Dr. Bernd RemmeleEingereicht am: 12.12.2012
  • 2. Danksagung IIDanksagungAn dieser Stelle möchte ich mich herzlich bei allen bedanken, die mich bei derAnfertigung dieser Arbeit unterstützt haben.Zuerst gebührt mein Dank Herrn Prof. Dr. Michael Klebl von der WHL Wissen-schaftliche Hochschule Lahr, der mich bei meiner Masterarbeit unterstützt, mirmit wertvollen Hinweisen und schnellen Rückmeldungen meiner E-Mails zurSeite gestanden und als Gutachter meiner Arbeit fungiert hat.Mein Dank geht auch an Peter Fluhrer, ehemaliger wissenschaftlicher Mitarbei-ter der WHL und Projektkoordinator der WHL im Rahmen des Projekts „DigitalClassroom“, der die wesentlichen Vorarbeiten zur Online-Befragung geleistetund mich bei der Generierung der einzelnen Fragebogen in LimeSurvey® un-terstützt hat.Die Zusammenarbeit in der Projektgruppe „Digital Classroom“ war von großerHilfsbereitschaft geprägt. Hier gilt mein spezieller Dank der gesamten Projekt-gruppe „Digital Classroom“, insbesondere den Projektkoordinatoren der Hoch-schulen in Schottland, Spanien, Schweden und der Türkei.Ebenfalls bedanken möchte ich mich bei Prof. Dr. Joachim Weber (Rektor derDHBW Stuttgart) und bei Georg Pönicke (Cuno-Berufskolleg I, Hagen) für dieMöglichkeit der Teilnahme ihrer Hochschule bzw. ihres Berufskollegs an derOnline-Befragung sowie bei Wera Weintritt (Sekretariat der DHBW Stuttgart),dem wislearn-Team (Cuno-Berufskolleg I, Hagen) und Hartmut Wick (Mitarbei-ter der AKAD-Gruppe) für die Verteilung des Online-Fragebogens an den Lehr-personenkreis der DHBW Stuttgart, Berufskollegs Hagen und der AKAD-Gruppe.Besonderer Dank gilt allen Lehrpersonen, Dozenten und Professoren, die sichan der Online-Umfrage beteiligt und eine Auswertung der empirischen Erhe-bung erst ermöglicht haben.Weiterhin danke ich meinen zwei Kolleginnen Silke Wolf und Claudia Cischek,die sich bereit erklärt haben, meine Masterarbeit gegenzulesen, sich nicht ge-scheut haben, Kritik zu üben und Verbesserungsvorschläge vorzubringen.
  • 3. Danksagung IIIEbenfalls bedanken möchte ich mich bei meinen Freunden, insbesondere beiManuela, Hami, Miriam und Julian, die mir jederzeit zur Seite standen und wäh-rend meines Studiums immer ein „offenes“ Ohr für mich hatten.Nicht zuletzt gilt mein besonderer und tiefer Dank meinen Eltern und meinemBruder mit seiner Familie, die mich nicht nur während der Masterarbeit, sondernwährend meines gesamten Studiums tatkräftig unterstützt und ermutigt haben.Auch all denen, die hier nicht namentlich genannt wurden, gilt mein herzlicherDank.Oberstenfeld, im Dezember 2012Carmen Müller
  • 4. Inhaltsverzeichnis IVInhaltsverzeichnisDanksagung...................................................................................................... IIInhaltsverzeichnis ........................................................................................... IVAbbildungsverzeichnis.................................................................................. VIITabellenverzeichnis ...................................................................................... VIII1. Einleitung ................................................................................................. 11.1 Aufgabenstellung ............................................................................ 21.2 Erkenntnisziel und Vorgehen im Überblick................................... 32. Hintergrundinformationen und theoretischer Bezugsrahmen............. 52.1 Forschungsstand zur Integration digitaler Medien ...................... 52.1.1 Bedingungsfaktoren der Integration digitaler Medien............ 52.1.1.1 Materielle hemmende Faktoren ............................... 62.1.1.2 Immaterielle hemmende Faktoren............................ 72.1.2 Bedingungsfaktoren für die nachhaltige Integration digitalerMedien.................................................................................. 92.1.3 Pfadmodelle zur Untersuchung der Integration vonTechnologie ........................................................................ 122.1.3.1 Was sind Pfadmodelle? ......................................... 122.1.3.2 Studien mit Pfadmodellen ...................................... 132.2 Theoretische Bezugspunkte......................................................... 162.2.1 Medienpädagogik ............................................................... 162.2.2 Zum Begriff Medium bzw. Medien ...................................... 172.2.3 Digitale Medien in Bildungsprozessen................................ 202.2.3.1 Digitale Medien und digitale Arbeitsmittel .............. 202.2.3.2 Merkmale digitaler Medien..................................... 212.2.3.3 Digitale Medien als E-Learning-Werkzeuge........... 232.2.3.4 Einsatzformen digitaler Medien für Lehr- und Lern-Zwecke................................................................... 262.2.4 Mehrwert digitaler Medien................................................... 282.2.4.1 Pädagogische und lernförderliche Potenzialedigitaler Medien...................................................... 28
  • 5. Inhaltsverzeichnis V2.2.4.2 Mehrwert im Bereich der Hochschule .................... 302.2.5 Medienkompetenz .............................................................. 312.2.5.1 Medienkompetenz nach Baake.............................. 312.2.5.2 Medienkompetenz von Lehrpersonen.................... 332.3 Fragestellung der empirischen Untersuchung –konzeptioneller Rahmen............................................................... 352.3.1 Variablen im hypothetischen Pfadmodell............................ 352.3.2 Hypothetisches Pfadmodell ................................................ 372.3.3 Hypothesen......................................................................... 382.3.4 Zweck der Untersuchung und Forschungsfragen ............... 413. Einsatz digitaler Medien in Lehrveranstaltungen – eine empirischeUntersuchung ........................................................................................ 423.1 Forschungsdesign ........................................................................ 423.1.1 Forschungsmethode........................................................... 423.1.2 Stichprobe........................................................................... 443.2 Erhebungsverfahren ..................................................................... 463.2.1 Standardisierter Fragebogen .............................................. 463.2.1.1 Persönlicher Hintergrund und Lehrstil.................... 473.2.1.2 Einschätzung der eigenen Fähigkeiten bezüglichdes Einsatzes digitaler Arbeitsmittel....................... 493.2.1.3 Expertenmeinungen zu digitalen Arbeitsmitteln ..... 503.2.1.4 Wahrnehmung des (technischen) Supports........... 523.2.1.5 Wahrnehmung bezüglich der Häufigkeit derEinbindung............................................................. 543.2.2 Ablauf der Online-Befragung .............................................. 553.3 Auswertungsverfahren ................................................................. 573.3.1 Datenimport und Datenbereinigung in SPSS...................... 573.3.2 Deskriptive Datenanalyse ................................................... 603.3.3 Reliabilitätsanalyse zur Skalenbewertung undSkalenbildung ..................................................................... 623.3.4 Faktorenanalyse ................................................................. 653.3.5 Korrelationsanalyse zur Prüfung eines Zusammenhangs... 69
  • 6. Inhaltsverzeichnis VI3.3.6 Multiple Regressionsanalyse .............................................. 713.3.7 Zentrale Tendenz nicht im Pfadmodell abgebildeterVariablen ............................................................................ 763.3.7.1 t-Test für unabhängige Stichproben....................... 773.3.7.2 Einfaktorielle Varianzanalyse (ANOVA) ................. 783.4 Untersuchungsergebnisse ........................................................... 823.4.1 Abgeschlossene Fragebogen ............................................. 823.4.2 Deskriptive Datenanalyse ................................................... 843.4.3 Reliabilitätsanalyse und Skalenbildung............................... 873.4.4 Explorative Faktorenanalyse............................................... 903.4.5 Korrelationsanalyse ............................................................ 933.4.6 Multiple Regressionsanalyse .............................................. 953.4.6.1 Ergebnisse und Hypothesenbewertung Modell„Proficiency of Digital Tools“ .................................. 953.4.6.2 Ergebnisse und Hypothesenbewertung Modell„Teachers’ Readiness“........................................... 973.4.6.3 Ergebnisse und Hypothesenbewertung Modell„Teachers’ Beliefs“ ............................................... 1003.4.6.4 Ergebnisse und Hypothesenbewertung Modell„Process of Integration“........................................ 1033.4.7 Geschätztes Pfadmodell................................................... 1063.4.8 Zentrale Tendenz nicht im Pfadmodell abgebildeterVariablen .......................................................................... 1073.4.8.1 t-Test für unabhängige Stichproben..................... 1073.4.8.2 Einfaktorielle Varianzanalyse (ANOVA) ............... 1094. Diskussion und Interpretation der Ergebnisse ................................. 1155. Zusammenfassung und Ausblick....................................................... 128Anhang A ....................................................................................................... VIIIAnhang B ....................................................................................................... LIIILiteraturverzeichnis ......................................................................................LIVEhrenwörtliche Erklärung.........................................................................LXVIII
  • 7. Abbildungsverzeichnis VIIAbbildungsverzeichnisAbbildung 1: Vorläufiges Modell zur Nachhaltigkeit von Owston (insDeutsche übersetzt) ........................................................................................... 9Abbildung 2: Zentrale Bedingungsfaktoren der nachhaltigenImplementierung digitaler Medien in Schulen................................................... 10Abbildung 3: Medienpädagogik und ihre Teilgebiete...................................... 16Abbildung 4: Kennzeichen digitaler Medien ................................................... 21Abbildung 5: Medienkompetenz nach Baacke ............................................... 32Abbildung 6: Hypothetisches Pfadmodell der empirischen Untersuchung ..... 37Abbildung 7: Anteil der Lehrpersonen aus den einzelnen Hochschulen ander verwendeten Stichprobe ............................................................................ 45Abbildung 8: Aufteilung der „teilweise abgeschlossenen Fragebogen“ nachAbbruch............................................................................................................ 83Abbildung 9: Geschätztes Pfadmodell.......................................................... 106
  • 8. Tabellenverzeichnis VIIITabellenverzeichnisTabelle 1: Mediengruppen............................................................................... 20Tabelle 2: Beschreibung der Variablen............................................................ 36Tabelle 3: Verwendete Stichprobe nach demographischen Eigenschaften(N = 382) .......................................................................................................... 45Tabelle 4: Abgeschlossene Fragebogen der Hochschulen ............................. 82Tabelle 5: Lage- und Streuungsparameter intervallskalierter Variablen .......... 85Tabelle 6: Lage- und Streuungsparameter intervallskalierter Variablen(nach Skalenbildung)........................................................................................ 86Tabelle 7: Cronbachs Alpha-Werte aus der Reliabilitätsanalyse ..................... 87Tabelle 8: Korrelationskoeffizienten für die Variablenpaare im Pfadmodell..... 93Tabelle 9: Direkte Einflüsse auf die endogenen Variablen im Pfadmodell(standardisierte Regressionskoeffizienten) ...................................................... 95
  • 9. 1 Einleitung 11. EinleitungDigitale Medien stellen heutzutage einen bedeutenden Entwicklungsmotorgesellschaftlicher Veränderungen dar und finden im Zuge der Durchdringunggesellschaftlicher Bereiche wie Wirtschaft, Kultur und Verwaltung mit neuen In-formations- und Kommunikationstechniken auch in der Bildungspraxis vermehrtAnwendung. Es ergeben sich mit der Weiterentwicklung der Informationstechnikveränderte Möglichkeiten der Gestaltung, Bereitstellung und Nutzung von Inhal-ten für Lehren und Lernen, d.h. es geht bei den Veränderungen nicht nur um dieFrage der Lerninhalte, sondern auch um die Frage der Lernformen. Durch ver-änderte Kommunikationsmittel entstehen zudem neue Formen von Lehr- undLernprozessen.1Für die Gestaltung zeitgemäßer Lehr- und Lernformen bieten die Medien vielfäl-tige Möglichkeiten. Im Kontext der Erfahrungsformen stellen sie einen konstituti-ven Bestandteil von Lehrveranstaltungen dar, der mit anderen Strukturelementenwie z.B. Zielvorstellungen, Lernvoraussetzungen, Lernaktivitäten, Sozialformen,Lehrhandlungen, didaktischem Konzept der Lehrperson usw. abzustimmen ist.Hieraus ergeben sich verschiedene Konsequenzen: Es ist wichtig, Medienange-bote in lernförderlicher Weise in Lehr-Lernprozesse einzubinden. Für die Lehr-person bedeutet dies, sich bereits bei der Konzeption der Lehrveranstaltung zufragen, welche Rolle Medien in dem Gesamtkonzept spielen sollen und wie eineentsprechende Passung herbeigeführt werden kann. Zudem richtet sich derFokus auch auf die Gestaltung von Medienangeboten und die Lehrperson hatdie Aufgabe bei Planung einer Lehrveranstaltung Medienangebote im Hinblickauf ihre lerntheoretischen Grundlagen und ihre didaktischen Implikationen zuanalysieren.21Vgl. Klebl, M. (2006), S. 92Vgl. Tulodziecki, G./Herzig, B./Graf, S. (2010), S. 73
  • 10. 1 Einleitung 21.1 AufgabenstellungDie Möglichkeiten, Medien in Lehrveranstaltungen einzusetzen, haben sich inden vergangenen Jahren verändert. Die Computertechnik hielt mit dem techno-logischen Fortschritt Einzug in die Schulen. In den vergangenen Jahren wurdennational und international verschiedene Anstrengungen unternommen, die Nut-zung digitaler Medien in Lehrveranstaltungen zu intensivieren. Für die Nutzungim Unterricht gibt es verschiedene Begründungszusammenhänge. Zu nennensind hierbei der Lebensweltbezug, die Vermittlung von Medienkompetenz, dieVerbesserung fachlicher und überfachlicher Kompetenzen, Schaffung von Chan-cengleichheit, motivierendere und interessantere Unterrichtsgestaltung und dieVorbereitung auf die Berufswelt.1Die Integration digitaler Medien in Lehrveranstaltungen ist jedoch nicht nur vontechnischen Faktoren abhängig, sondern in erster Linie von den Lehrpersonen.Sie müssen die neuen Medien einsetzen und in die Lehre integrieren.2Es gibtzahlreiche Untersuchungen, die ergeben haben, dass die Integration und Einfüh-rung neuer Technologien in den Unterricht ein langsamer und komplexer Pro-zess ist und von verschiedenen Faktoren beeinflusst wird. Dazu zählen bei-spielsweise demographische Eigenschaften der Lehrperson, Eigenschaften derBildungseinrichtung, Kenntnisstand sowie die Bereitschaft und Ansichten derLehrperson bezüglich des Einsatzes digitaler Medien in Lehrveranstaltungen.3Im Rahmen des Projekts „Digital Classroom“, das eine von der EU geförderteGrundtvig-Lernpartnerschaft ist, soll der Einsatz und die Einbindung digitalerMedien bzw. Arbeitsmittel in Bildungsangeboten für Erwachsene untersucht wer-den. Die Projektgruppe ist keine wissenschaftliche Gruppe, sondern lediglicheine länderübergreifende Lernpartnerschaft, an dem die folgenden Bildungsein-richtungen beteiligt sind:• Aberdeen College (Aberdeen/Schottland),• IOC Institut Obert de Catalunya (Barcelona/Spanien),• Karamürsel 100.Yil Technical and Vocational Highschool (Kacaeli/Türkei),1Vgl. Eickelmann, B. (2010), S. 31f.2Vgl. Müller, Ch. (2012), o. S.3Vgl. Inan, F. A./Lowther, D. L. (2009), S. 138
  • 11. 1 Einleitung 3• Kungälv Vuxenutbildning (Kungälv/Schweden),• Zentrum für angewandte Weiterbildungsforschung – Institut für Ökonomi-sche Bildung e.V., vertreten durch den Lehrstuhl für Wirtschaftspädagogikan der WHL Wissenschaftliche Hochschule Lahr (Lahr/Deutschland),• Molde Voksenopplæringssenter (Molde/Norwegen).Mit der vorliegenden Arbeit soll die Projektgruppe „Digital Classroom“ zur Errei-chung ihres Projektziels unterstützt werden.1.2 Erkenntnisziel und Vorgehen im ÜberblickDas Erkenntnisziel der vorliegenden Arbeit ist, die Einflussfaktoren auf die Be-reitschaft zur Integration digitaler Medien in Lehrveranstaltungen zu analysierenund zu beurteilen. Hierfür wird ein forschungsgestütztes Pfadmodell mit acht Va-riablen eingesetzt, um die kausalen Zusammenhänge zwischen den Faktoren zuerklären. Das Pfadmodell wird anhand einer Stichprobe von 382 Lehrpersonen,Dozenten und Professoren aus Hochschulen in Deutschland, Schottland, Spa-nien, Schweden und der Türkei untersucht. Darüber hinaus werden vier weiterenicht im Pfadmodell abgebildete Faktoren hinsichtlich ihres Einflusses auf dieIntegration digitaler Medien analysiert und beurteilt.In Teil 2 dieser Masterarbeit werden zunächst die Hintergrundinformationen undder theoretische Bezugsrahmen dargelegt. Im ersten Schritt wird der For-schungsstand zur Integration digitaler Medien in Lehrveranstaltungen beleuchtet.Hierbei wird zunächst auf die Bedingungsfaktoren der Integration digitaler Me-dien und auf die Bedingungsfaktoren für die nachhaltige Integration digitalerMedien eingegangen. Weiter wird das Pfadmodell als eine nützliche statistischeMethode, um Beziehungen zwischen möglichen Indikatoren und der Integrationvon Technologie zu untersuchen, vorgestellt und Studien mit Pfadmodellenaufgezeigt. Im zweiten Schritt werden theoretische Bezugspunkte erläutert. Zu-nächst wird hierbei die Medienpädagogik als eigenständige Fachrichtung inner-halb der Pädagogik dargestellt. Weiter wird der Medienbegriff definiert und Digi-tale Medien in Bildungsprozessen vorgestellt. Darüber hinaus wird der Mehrwertdigitaler Medien hinsichtlich pädagogischer und lernförderlicher Potenziale undim Bereich der Hochschule dargelegt. Ferner wird die Medienkompetenz nach
  • 12. 1 Einleitung 4Baake sowie die Medienkompetenz von Lehrpersonen erläutert. Im dritten Schrittwird die Fragestellung der empirischen Untersuchung dargelegt. Dabei werdendie Variablen im hypothetischen Pfadmodell, das hypothetische Pfadmodell so-wie die Hypothesen der Untersuchung aufgezeigt. Schließlich werden der Zweckder Untersuchung und die Forschungsfragen vorgestellt.In Teil 3 wird der Einsatz digitaler Medien in Lehrveranstaltungen empirisch un-tersucht. Zuerst wird das Forschungsdesign aufgezeigt. Es befasst sich mit derForschungsmethode und der Stichprobe der Untersuchung. Im zweiten Schrittwird das Erhebungsverfahren beleuchtet. Dabei wird zunächst auf den standar-disierten Fragebogen und die fünf Fragebogen-Abschnitte eingegangen. Weiterwird der Ablauf der Online-Befagung beschrieben. Im dritten Schritt werden dieeingesetzten Auswertungsverfahren ausführlich dargestellt. Die Auswertungs-verfahren umfassen den Datenimport und Datenbereinigung in SPSS, die de-skriptive Datenanalyse, die Reliabilitätsanalyse zur Skalenbewertung undSkalenbildung, die Faktorenanalyse, die Korrelationsanalyse zur Prüfung einesZusammenhangs, die multiple Regressionsanalyse sowie die Zentrale Tendenznicht im Pfadmodell abgebildeter Variablen. Im vierten Schritt werden die Unter-suchungsergebnisse detailliert aufgezeigt. Hierbei werden die abgeschlossenenFragebogen dargestellt sowie die Ergebnisse zur deskriptiven Datenanalye, zurReliabilitätsanalyse mit Skalenbildung, zur explorativen Faktorenanalyse, zurKorrelationsanalyse sowie die Ergebnisse von vier Regressionsmodellen darge-legt. Neben der Hypothesenbewertung wird mit den Ergebnissen der empiri-schen Untersuchung ein geschätztes Pfadmodell aufgestellt. Weiter werden dieErgebnisse des t-Testes für unabhängige Stichproben und die einfaktorielleVarianzanalye für nicht im Pfadmodell abgebildete Variable aufgezeigt.Schließlich werden in Teil 4 die Ergebnisse der empirischen Studie ausführlichdiskutiert und interpretiert sowie Grenzen der Studie aufgezeigt, und in Teil 5 einAusblick für zukünftige Forschungen gegeben.
  • 13. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 52. Hintergrundinformationen und theoretischerBezugsrahmen2.1 Forschungsstand zur Integration digitaler MedienDie Untersuchung von Schulentwicklungs- und Integrationsprozessen mit digita-len Medien in Schulen bzw. Bildungseinrichtungen umfasst die Erforschung derfolgenden Bedingungsfaktoren:1• Bedingungsfaktoren zur Implementierung von Innovationen in Schulen• Bedingungsfaktoren der Einführung von digitalen Medien in Schulen• Unterrichtsbezogene Kooperationsentwicklung mit digitalen Medien• Bedingungsfaktoren zur nachhaltigen Implementierung von digitalen Me-dien in den UnterrichtDie Bedingungsfaktoren zur Implementierung von Innovationen in Schulen be-ziehen sich auf allgemeine schulische Veränderungsprozesse bzw. auf Innovati-onsprozesse in anderen öffentlichen Institutionen.2Der Fokus des betrachtetenForschungsstandes im Rahmen dieser Masterarbeit liegt auf den Bedingungs-faktoren der Einführung sowie der nachhaltigen Implementierung von digitalenMedien, die im Folgenden näher beleuchtet werden.2.1.1 Bedingungsfaktoren der Integration digitaler MedienVerfolgt man die spezifischen schulischen Innovationen mit digitalen Medien, sofindet man nationale und internationale Befunde zu Bedingungsfaktoren derIntegration von digitalen Medien vorwiegend in der Anfangsphase der Implemen-tierung. In Deutschland liegt dies darin begründet, dass Multimedia fähigeComputer und die Internetanbindung der Schulen erst Ende der 1990er JahreEinzug gehalten haben. Im Kern zielt die Einführung digitaler Medien auf eine1Vgl. Schulz-Zander, R./Eickelmann, B. (2008), S. 42Vgl. Eickelmann, B. (2010), S. 27
  • 14. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 6Qualitätsverbesserung von Unterricht und Schule und die Entwicklung einerneuen Lernkultur.1Bislang wurden verschiedene nationale und internationale Studien durchgeführt,die Befunde zu den Gelingensbedingungen des Implementationsprozesses vondigitalen Medien ausweisen. Die Erhebung von Bedingungsfaktoren im deutsch-sprachigen Raum ist erstmals mit der Computerkoordinatorenbefragung imRahmen der Evaluation „Schulen ans Netz“ im Jahr 1998 erhoben worden. DieLiteratur weist in Bezug auf die Erforschung der Gelingensbedingungen der Imp-lementierung digitaler Medien in Schulen verschiedene Ansätze zur Systemati-sierung der Bedingungsfaktoren aus.2Betrachtet man die in verschiedenenStudien ausgewiesenen Begründungen für die geringe Verbreitung der Nutzungvon digitalen Medien im Unterricht, lässt sich feststellen, dass die von Lehrper-sonen, Schulleitungen und Computerkoordinatoren hauptsächlich angeführtenBarrieren bzw. Hemmnisse in den ersten Phasen der Implementierung materiel-len und immateriellen Ursprungs sind.3Im Folgenden werden die wesentlichenFaktoren aufgezeigt.2.1.1.1 Materielle hemmende FaktorenBei der Integration von Computern im Unterricht sind die Anzahl und die Aktuali-tät der vorhandenen Computer sowie die Verfügbarkeit von Peripheriegeräten,Software und Internetanschlüssen oftmals Hindernisse.4Der Ausstattungs-schlüssel selbst sagt nichts über die didaktische Einbindung aus, jedoch resul-tiert aus einer internationalen Benchmarking-Studie „IT in Schulregionen“ dieEmpfehlung eines Schüler-Computer-Verhältnisses von mindestens 6:1. DiesesAusstattungsmaß ermöglicht erst eine Integration neuer Medien in den täglichenUnterricht, so dass die Potenziale der Informations- und Kommunikations-Technologien im Unterricht auch genutzt werden können.51Vgl. Eickelmann, B. (2010), S. 552Vgl. Weinreich, F./Schulz-Zander, R. (2000), S. 577ff.3Vgl. Schulz-Zander, R./Eickelmann, B. (2008), S. 54Vgl. ebenda, S. 65Vgl. Eickelmann, B. (2010), S. 29f.
  • 15. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 72.1.1.2 Immaterielle hemmende FaktorenUnter den immateriellen hemmenden Faktoren lassen sich schulorganisatorischeGründe und Lehrervariablen einordnen.Auf der Ebene der schulorganisatorischen Determinanten stellt sich die Unter-stützung durch die Schulleitung als wesentlicher Prädiktor heraus.1Als zentralenFaktor für die erfolgreiche Integration der Computer in den Unterricht identifizie-ren Scholl und Prasse (2001) die Übernahme einer Promotorenfunktion durchdie Schulleitung.2Für innovationsbereite Lehrer kann diese unterstützendeBedingungen schaffen, die die Einbindung des Computers erleichtern. Die mitdem Computereinsatz verbundenen Ziele und Konzepte sollten dabei mit demKollegium abgestimmt werden.3Die fehlende professionelle Betreuung der technischen Systeme und die zeitli-che Belastung IT-kompetenter Lehrpersonen haben sich als bedeutende Hemm-faktoren herausgestellt.4Die fehlende technische Unterstützung, die fehlendeUnterstützung bei der Administration der Systeme sowie das Vorhandenseinbzw. Fehlen eines technischen Koordinators sind ebenso anzuführen.5Vor allemin der Anfangsphase der Implementierung ist die Zuverlässigkeit der Technikausschlaggebend. Computer werden von Lehrpersonen hauptsächlich dann ein-gesetzt, wenn sie sich in die Unterrichtsroutine der Lehrpersonen integrieren las-sen. Die Lehrpersonen müssen einen Mehrwert erkennen und fortgeschritteneAnwendungskenntnisse haben.6Diese Faktoren fördern positive Einstellungenund Nutzungsabsichten der Lehrpersonen gegenüber digitalen Medien.7Ein Mangel an Computerwissen und computerbezogenen Fertigkeiten, fehlendepädagogische Konzepte und fehlende Zeit zur Vorbereitung sind die wesentli-chen Hindernisse auf der Ebene von Lehrervariablen wie Untersuchungen vonWeinreich und Schulz-Zander (2000) sowie Hunneshagen (2005) bestätigen. Die1Vgl. Weinreich, F./Schulz-Zander, R. (2000), S. 577ff.2Vgl. Scholl, W./Prasse, D. (2001), S. 21ff.3Vgl. Breiter, A.(2001), o. S.4Vgl. Weinreich, F./Schulz-Zander, R. (2000), S. 577ff.5Vgl. Schulz-Zander, R./Eickelmann, B. (2008), S. 66Vgl. Venezky, R./Davis, C. (2002), o. S.7Vgl. Teo, T. (2009), S. 302ff.
  • 16. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 8Grundhaltung der Lehrpersonen stellt kein Hindernis mehr dar; Lehrpersonenvertreten zunehmend die Auffassung, dass Kenntnisse der digitalen Medien undderen Einsatz im Unterricht wichtig sind und die es gilt, weiter auszubauen. LautUNESCO gibt es zu wenig ausgebildete Lehrpersonen, um Informations- undKommunikationstechnologien gewinnbringend in den Unterricht einzubinden.Dies bedeutet, dass Qualifizierungsmöglichkeiten für Lehrpersonen im Hinblickauf die didaktisch-pädagogische und medienkompetenzbezogene Professionali-sierung zur Verfügung gestellt werden müssen.1Aus Sicht der Organisation spie-len zudem mangelnde Innovationsbereitwilligkeit bzw. Widerstände gegenüberVeränderungen eine bedeutende Rolle.2Auch sind Defizite im Bereich des„personal change managements“ anzuführen. Ein möglicher Kontroll- und Autori-tätsverlust wird ebenso befürchtet.3Die Kooperationsentwicklung mit digitalen Medien für die Schulentwicklung wirdals besonders relevant eingestuft laut Untersuchungen von Lindau-Bank undMagenheim (1998) und Hunneshagen (2005). Sie wird von Schulz-Zander(2001) als eigenständige Dimension neben der Organisationsentwicklung,Personalentwicklung, Unterrichtsentwicklung und Technologieentwicklung aus-gewiesen.4Neben der unterstützenden Schulleitung halten Weinreich undSchulz-Zander (2000) die Existenz eines an der Schule eingesetzten Projekt-teams für einen bedeutsamen Garant für die Zufriedenheit der Lehrpersonen,welche die Computer an Schulen betreuen.5Die Isoliertheit einzelner aktiverLehrpersonen und die Konzentration der Computerkompetenz auf einen zentra-len Promotor erweisen sich als störend für die Verbreitung der Computernutzungim Unterricht.61Vgl. Schulz-Zander, R./Eickelmann, B. (2008), S. 72Vgl. Snoeying, R./Ertmer, P. A. (2001), S. 85ff.3Vgl. Hunneshagen, H./Schulz-Zander, R./Weinreich, F. (2000), S. 55ff.4Vgl. Schulz-Zander, R. (2001), S. 263ff.5Vgl. Weinreich, F./Schulz-Zander, R. (2000), S. 577ff.6Vgl. Hunneshagen, H. (2005), o. S.
  • 17. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 92.1.2 Bedingungsfaktoren für die nachhaltige Integration digitaler MedienDie Bedingungsfaktoren für die Anfangsphase der Implementierung digitalerMedien wurden vielfach empirisch untersucht. Die Frage nach der Nachhaltigkeitder Implementierung digitaler Medien in Schulen wurde erstmals in der qualitativausgerichteten IEA-Studie (International Association for Evaluation of Educatio-nal Achievement) SITES M2 (Second Information Technology in EducationStudy, Modul 2, 1999-2002) als eigenständige Forschungsfrage formuliert. DerBeobachtungszeitraum der Innovationen hat allerdings keine abschließendeFormulierung über Bedingungsfaktoren zugelassen; lediglich erste Anhaltspunk-te konnten zusammengeführt werden. Auf der Grundlage von 59 der insgesamt174 internationalen Fallstudien wurde ein erstes Determinanten-Modell gebildet,welches aufgrund des angesetzten Zeitrahmens und der fehlenden Distanz zurEinführungsphase der untersuchten Innovationen als vorläufig betrachtet wird.1Es ist in der folgenden Abbildung 1 dargestellt:Abbildung 1: Vorläufiges Modell zur Nachhaltigkeit von Owston (ins Deutsche übersetzt)2Dieses Modell von Owston dient zunächst als Ausgangspunkt für weitere For-schungen. Es weist notwendige und förderliche Bedingungen für eine nachhalti-ge Implementierung von digitalen Medien in Schulen aus. Zu den notwendigenBedingungen zählt, dass die Lehrperson die Innovation mit Engagement undEinsatz unterstützt. Für die Lehrperson muss der Mehrwert der Innovation er-kennbar sein, etwa eine Verbesserung der Motivation, der Lernbereitwilligkeit1Vgl. Eickelmann, B. (2010), S. 77f.2Entnommen aus: Schulz-Zander, R./Eickelmann, B. (2008), S. 10
  • 18. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 10oder der Leistung der Lernenden. Auch die Professionalisierung der Lehrpersonsowie die administrative Unterstützung durch Schulleitung, Fachleiter, Schulträ-ger etc. gehören zu den notwendigen Faktoren. Zu den förderlichen Bedingun-gen zählen sowohl die schulinterne Unterstützung der Lehrperson als auch dieUnterstützung durch externe Partner. Die Promotoren der Innovation in derSchule („innovation champion“), d.h. die engagierten Lehrpersonen der An-fangsphase, und die Bereitstellung von Finanzmitteln können die nachhaltigeImplementierung ebenfalls fördern. Eine wichtige Rolle für die nachhaltige Imp-lementierung der digitalen Medien spielen auch (bildungs-)politische Fürsprecherder Innovation sowie die Einbettung der Innovation in ein bildungspolitischesGesamtkonzept.1Eickelmann (2010) hat fünf Jahre nach dem Erhebungszeitraum der SITES M2eine Folgeuntersuchung vorgenommen. Auf der Grundlage der qualitativen undquantitativen Daten ist ein Determinanten-Modell entwickelt worden, das diezentralen Bedingungsfaktoren für die nachhaltige Implementierung digitalerMedien in Schulen abbildet. Diese sind in der folgenden Abbildung 2 dargestellt.Abbildung 2: Zentrale Bedingungsfaktoren der nachhaltigen Implementierung digitaler Medien inSchulen21Vgl. Schulz-Zander, R./Eickelmann, B. (2008), S. 9f.2Entnommen aus: Eickelmann, B. (2010), S. 276
  • 19. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 11Darüber hinaus wird die Bandbreite von Prädiktoren, d.h. hemmende und för-dernde Bedingungsfaktoren, zusammengefasst. Hierbei werden vier schulischeEbenen unterschieden: Kontextebene, Inputebene, Prozessebene Schule undProzessebene Unterricht. Diese Oberkategorien werden in Subkategorien unter-gliedert, die in der Anlage A1 ersichtlich sind.Die identifizierten Hemmfaktoren sind, differenziert nach den schulischen Ebe-nen, tabellarisch in Anlage A2 dargestellt. Betrachtet man die einzelnen Hinde-rungsgründe, so ergeben sich aus den Analysen Ebenen übergreifende Zusam-menhänge, auf die im Detail hier nicht näher eingegangen werden soll. Es solllediglich darauf hingewiesen werden, dass es eine Wirkungsrichtung von „links“nach „rechts“ gibt: Faktoren der Kontextebene wirken auf die Input- und Prozess-ebenen, Faktoren der Inputebene auf die beiden Prozessebenen und Faktorender Prozessebene Schule auf die Prozessebene Unterricht. Anlage A3 stellt dieidentifizierten förderlichen Bedingungsfaktoren tabellarisch dar.1In den vorangegangenen Kapiteln wurde ein Überblick an möglichen Einfluss-faktoren auf die Implementierung bzw. Integration digitaler Medien gegeben.Betrachtet man die Ergebnisse von Eickelmann, so sind für den Bereich derLehrpersonen und deren Bereitschaft, digitale Medien in Lehrveranstaltungeneinzusetzen, vor allem die Bedingungsfaktoren auf der Inputebene von Bedeu-tung. Für die Inputebene der hemmenden Faktoren findet man solche, die sichauf die IT-Ausstattung, fehlende personelle Ausstattungen mit Systemadminist-ratoren und Lehrervariablen wie technische und (medien-)didaktische Kenntnis-se und Kompetenzen der Lehrpersonen, Vorbehalte und Hemmungen der Lehr-personen, fehlende Bereitschaft von Lehrpersonen und Arbeitsbelastung bezie-hen (vgl. Anlage A2). Wie die hemmenden beziehen sich auch die förderlichenFaktoren auf die IT-Ausstattung, den First-Level-Support durch Fachkräfte, Leh-rervariablen, schulformspezifische Bedingungen und zeitliche Aspekte (vgl. An-lage A3). Ausgehend von der Vielzahl an Einflussfaktoren zur Implementierungbzw. Integration digitaler Medien stellt sich die Frage, wie diese Faktoren aufihren Zusammenhang untersucht werden können. Eine im Rahmen dieser Arbeitrelevante Methode wird nachfolgend vorgestellt.1Vgl. Eickelmann, B. (2010), S. 279ff.
  • 20. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 122.1.3 Pfadmodelle zur Untersuchung der Integration von TechnologieBetrachtet man die Komplexität von Faktoren, die die Integration von Technolo-gien in Bildungseinrichtungen beeinflussen, so stellt das Pfadmodell eine nützli-che statistische Methode dar, um Beziehungen zwischen möglichen Indikatorenund der Integration von Technologie zu untersuchen.2.1.3.1 Was sind Pfadmodelle?Die Pfadanalyse gehört zu den Strukturgleichungsmodellen und ist zurückzufüh-ren auf den Genetiker Sewell Wright, der versucht hat, die Einflüsse größererVariablensysteme mit Hilfe linearer Gleichungssysteme zu untersuchen. Wrightging es darum, gerichtete Beziehungen zwischen Variablen zu spezifizieren unddie Effektstärke der unabhängigen Variablen (Ursachen) auf die abhängigenVariablen (Wirkungen) zu ermitteln. Die Analyse dieser gerichteten Modelle be-zeichnet man als Pfadanalyse. In der Pfadanalyse geht es in erster Linie nichtdarum, Effekte zwischen den Variablen als kausale Einflüsse zu bestimmen,sondern theoretisch abgeleitete Hypothesen anhand von Zusammenhangsgrö-ßen (Kovarianzen oder Korrelationen) empirisch zu überprüfen.1Die Pfadanalyse beginnt mit einem theoriegebundenen Ansatz, der sich aus derErstellung eines eindeutig ausgearbeiteten Strukturmodells (Pfad-Diagramm),das eine bildliche Darstellung der Beziehungen zwischen den Variablen liefert,ergibt. In Pfadmodellen geben Pfeile die hypothetischen Pfade und die Richtungder Einflüsse zwischen den zwei Variablentypen – endogene und exogene Vari-able – an.2Exogene Variable bezeichnen in der Statistik Faktoren, aus derenAusprägung in einem Kausal- oder Strukturgleichungsmodell die Ausprägungeiner endogenen Variable erklärt oder vorhergesagt werden soll.3Exogene Vari-able haben keine von anderen Variablen des Pfadmodells zu ihnen bzw. auf siegerichtete Pfeile und der Wert der exogenen Variablen wird nicht von den ande-ren Variablen erklärt, d.h. keine andere Variable wirkt auf sie ein. Im Gegensatzdazu sind auf eine endogene Variable mehrere Pfeile gerichtet und ihr Wert wird1Vgl. Reinecke, J. (2005), S. 452Vgl. Inan, F. A./Lowther, D. L. (2009), S. 1393Vgl. Wikipedia (2012a), o. S.
  • 21. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 13von einer oder mehreren der anderen Variablen erklärt.1Endogene Variable sindsolche Faktoren, deren Ausprägung in einem Kausal- oder Strukturgleichungs-modell erklärt oder vorhergesagt werden soll.2Ferner können endogene Variablesowohl abhängige als auch unabhängige Variable sein.Die Berechnung von Pfadschätzungen liefert den Grad und die Richtung derEffekte, die vorausgesetzt werden, um zwischen den Variablen zu bestehen.Das Verfahren bringt drei Arten von Effekten hervor: direkt, indirekt und total. Eindirekter Effekt gibt die Beziehung zwischen zwei Variablen ohne Mediations-variable an. Der direkte kausale Effekt wird durch den standardisierten Regres-sionskoeffizienten (Beta) wiedergegeben. Ein indirekter Effekt gibt den Effekteiner unabhängigen Variablen auf eine abhängige Variable durch ein odermehrere Mediationsvariable an. Indirekte Effekte werden durch die Summe derProdukte der direkten Effekte durch die intervenierenden Variablen im Modellberechnet. Der totale Effekt ist einfach die Summe aus den direkten und indirek-ten Effekten.32.1.3.2 Studien mit PfadmodellenBislang gibt es nur wenige Studien, die Einflussfaktoren auf die Integration vonTechnologie mithilfe eines Pfadmodells untersucht haben.4Vier Studien sollenhierzu im Folgenden kurz aufgezeigt werden.Mathews und Guarino (2000) haben ein Pfadmodell entwickelt, in dem sieversuchten, die Computernutzung als eine Funktion vor dem Hintergrund desLehrers und dessen demographischen Eigenschaften zu erklären. Die Eigen-schaften des Lehrers beinhalteten den akademischen Grad, das Geschlecht, dieComputer-Kenntnisse, die Anzahl Computer im Unterricht, Schulniveau undlangjährige Erfahrung. In der Studie wurden rund 3.000 Lehrer in Idaho, USA,befragt mit dem Resultat, dass Geschlecht, langjährige Erfahrung, Anzahl Com-puter im Unterricht und Computer-Kenntnisse einen direkten Einfluss auf die1Vgl. Inan, F. A./Lowther, D. L. (2009), S. 1392Vgl. Wikipedia (2012b), o. S.3Vgl. Inan F. A./Lowther, D. L. (2009), S. 1394Vgl. ebenda, S. 139
  • 22. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 14Computernutzung und langjährige Erfahrung einen direkten Einfluss auf dieComputer-Kenntnisse haben.1Mathews und Guarino (2000) fanden auch her-aus, dass Lehrer mit langjähriger Erfahrung dazu neigen, Computer wenigerhäufig einzusetzen.2Das Pfadmodell von Van Braak, Tondeur und Valcke (2004) erklärt die unter-schiedlichen Arten von Computernutzung durch die Untersuchung von demogra-phischen Eigenschaften, Computer-Erfahrung und Einstellungen von Lehrern. Indieser Untersuchung wurden 486 Grundschullehrer befragt. Es wurde festge-stellt, dass einige lehrerbezogene Faktoren wie Einstellungen gegenüber Com-putern und Computer-Training den stärksten direkten Einfluss auf die Computer-nutzung im Klassenzimmer haben. Zudem wurde in Erfahrung gebracht, dassdas Alter und vorherige Computer-Erfahrungen einen indirekten Einfluss auf dieComputernutzung im Unterricht haben. Die Studie versuchte erstmals zu erklä-ren, wie die Faktoren die unterschiedlichen Arten der Computernutzung beein-flussen. Die Variablen im Pfadmodell waren jedoch zu begrenzt, um hier einplausibles Forschungsergebnis zu erzielen.3Robinson (2003) hat ein Pfadmodell eingesetzt, das die Beziehungen zwischendemographischen Eigenschaften von Lehrern, Computer-Kenntnissen, externenUnterstützungsvariablen, Auffassungen von Lehrern gegenüber der Computer-nutzung und Selbsteinschätzung der Computernutzung an fünf Schulen in Michi-gan, USA, untersuchte. Die lehrerbezogenen Eigenschaften waren Geschlecht,Alter, Lehrniveau, Jahre des Lehrens, Unterrichtsfächer, Computer-Erfahrungund vorheriges Technologie-Training. Zu den schulbezogenen Eigenschaftengehörten die notwendige Software auf den Computern an der Schule sowie an-gemessene technische und administrative Unterstützung. Die Studie ergab, dassdie Computernutzung für Verbesserungsaktivitäten und Computer-Kenntnissevon Lehrern signifikante Einflussgrößen innerhalb des Pfadmodells waren. DasModell von Robinson zeigt, dass Computer-Kenntnisse eine Mediationsvariabledarstellen und von den demographischen Eigenschaften und den externen Un-1Vgl. Inan F.A./Lowther, D. L. (2009), S. 1392Vgl. Mathews, J. G./Guarino, A. (2000), S. 3853Vgl. Inan, F. A./Lowther, D. L. (2009), S. 140
  • 23. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 15terstützungsvariabeln wie administrative Unterstützung und der Verfügbarkeit derSoftware indirekt auf die Computernutzung vermittelt.1Schließlich haben Inan und Lowther (2009) ein Pfadmodell entwickelt, das diedirekten und indirekten Einflüsse von lehrerbezogenen Eigenschaften und Um-feldfaktoren auf die Integration von Technologie in Lehrveranstaltungen prüft.Die Untersuchung wurde mit 1.382 Lehrern an öffentlichen Schulen in Tennes-see, USA, vorgenommen. Die Forschungsergebnisse lieferten einen signifikan-ten Beweis dafür, dass das entwickelte Modell nützlich ist in Bezug auf die Ein-flussfaktoren auf die Integration von Technologie und den Beziehungen zwi-schen den Einflussfaktoren.Die Studie ergab, dass demographische Eigenschaften, wie Alter und Jahre desLehrens, einen negativen Einfluss auf Computer-Kenntnisse haben und die In-tegration von Technologien somit indirekt beeinflussen. Die Eigenschaften derBildungseinrichtung, wie technische und administrative Unterstützung sowie dieVerfügbarkeit von Computern, hingegen haben einen positiven Einfluss aufComputer-Kenntnisse. Sie beeinflussen zudem die Bereitschaft (Teachers’Readiness) und Ansichten (Teachers’ Beliefs) der Lehrpersonen positiv.Sowohl „Teachers’ Readiness“ als auch „Teachers’ Beliefs“ wirken sich positivauf die Integration von Technologien aus. Beide Faktoren vermitteln als Media-torvariable zwischen den demographischen Eigenschaften und den Eigenschaf-ten der Bildungseinrichtung einerseits und der Integration von Technologien an-dererseits. Das Modell zeigt weiter auf, dass neben „Teachers’ Readiness“ und„Teachers’ Beliefs“ auch Computer-Kenntnisse eine Mediationsvariable darstel-len. Diese nimmt allerdings keinen direkten, sondern lediglich einen indirektenEinfluss über „Teachers’ Readiness“ und „Teachers’ Beliefs“ auf die Integrationvon Technologien im Pfadmodell.2Die Forschungsergebnisse des Pfadmodells von Inan und Lowther (2009) sind inder Anlage A4 abgebildet; sie bilden den Ausgangspunkt dieser Arbeit.1Vgl. Inan, F. A./Lowther, D. L. (2009), S. 1402Vgl. ebenda, S. 137ff.
  • 24. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 162.2 Theoretische Bezugspunkte2.2.1 MedienpädagogikDigitale Bildungsangebote haben sich mittlerweile als fester Bestandteil in derMedienlandschaft der Erwachsenen- und Weiterbildung etabliert. Eine entschei-dende Rolle kommt hierbei der gezielten Gestaltung und Verwendung vondigitalen Medien zu, um Lernprozesse effektiv und nachhaltig zu fördern.1Alswissenschaftliche Disziplin beschäftigt sich die Medienpädagogik mit allen erzie-herischen Fragen, Problemen und Themen, die mit Medien zusammenhängen.Im weiteren Sinne versteht man unter Medienpädagogik die sowohl pädagogischorientierte praktische als auch theoretische Beschäftigung mit den Medien; siewird als eigenständige Fachrichtung innerhalb der Pädagogik aufgefasst.2ZurMedienpädagogik zählen die Mediendidaktik, die Medienerziehung sowie dieinformationstechnische Bildung:Abbildung 3: Medienpädagogik und ihre Teilgebiete3Die Mediendidaktik befasst sich mit der Erziehung durch Medien, d.h. mit denFunktionen, der Auswahl, dem Einsatz, der Entwicklung, Herstellung und Gestal-tung sowie den Wirkungen von Medien in Lehr- und Lernprozessen. Das Ziel derMediendidaktik ist die Optimierung dieser Prozesse mithilfe von Medien.4Typische Fragen, mit denen sich die Mediendidaktik beschäftigt sind: „WelcheMedien eignen sich für die Erreichung bestimmter pädagogisch gerechtfertigterZielvorstellungen? Welche Funktionen können konkrete Medien im Bildungs-1Vgl. Glaser, M./Weigand, S./Schwan, S. (2009), S. 1902Vgl. Wikipedia (2012c), o. S.3Entnommen aus: Glaser, M./Weigand, S./Schwan, S. (2009), S. 1914Vgl. de Witt, C./Czerwionka, T. (2007), S. 32
  • 25. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 17prozess übernehmen? Wie können Medien als Werkzeuge in Lehr- und Lern-situationen von Lernenden genutzt werden?“1Um diese Fragen beantworten zukönnen, ist es notwendig, die Lernwirksamkeit von Medien bzw. Medien-merkmalen zu erforschen und darüber hinaus Theorien zum Lernen mit Medienzu entwickeln.2Die Medienerziehung thematisiert die Hinführung des Lernenden zu einemkompetenten Umgang mit Medien im Sinne einer kritischen und bewusstenMediennutzung, d.h. sie zielt auf den reflektierten Medienkonsum und kritischenUmgang mit Medienangeboten ab.3Fragen der Medienerziehung sind: Welchebildungsrelevanten Ziele bezüglich Medien sollen angestrebt werden? Wiekönnen diese Ziele in erzieherischen Kontexten erreicht werden?4Die Mediendidaktik und Medienerziehung stehen in engem Bezug zum drittenTeilgebiet, der informations-, medien- oder kommunikationstechnischen Bildung,die die Vermittlung von Basisqualifikationen für mediendidaktisches und medien-erzieherisches Handeln zum Gegenstand hat. Die informationstechnischeBildung unterstützt den Aufbau von Medienkompetenz und Medienwissen, umdie aktive Teilhabe von Menschen in der Medien- und Wissensgesellschaft zuermöglichen.52.2.2 Zum Begriff Medium bzw. MedienEs handelt sich beim Medienbegriff um einen ausgesprochen vielseitig verwen-deten Begriff, der je nach Zielsetzung und Begründungszusammenhang unter-schiedlich konkretisiert wird. Eine einheitliche Begriffsbestimmung lässt sich fürden Begriff Medium bzw. Medien nicht finden.6Mindestens zwei Grundbedeu-tungen des Begriffs „Medium“ sind jedoch festzuhalten: Zum einen sind MedienVermittler, als Dinge, Instrumente oder Symbolsysteme, die zwischen Menschund Welt vermitteln. Diese Dinge, Instrumente oder Symbolsysteme haben zum1Glaser, M./Weigand, S./Schwan, S. (2009),S. 190f.2Vgl. Dörr, G. (2009), S. 2083Vgl. Glaser, M./Weigand, S./Schwan, S. (2009), S. 1904Vgl. Dörr, G. (2009), S. 2085Vgl. Glaser, M./Weigand, S./Schwan, S. (2009), S. 1906Vgl. Lermen, M. (2008), S. 214
  • 26. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 18anderen immer den Charakter der Öffentlichkeit, d.h. sie sind Gemeingut und füralle zugänglich; sie haben somit eine soziale Funktion.In der ersten Bedeutung werden Medien als Informationsvermittler verstanden.Sie erfüllen einerseits eine vermittelnde Funktion zwischen Menschen undWissen und andererseits können sie als Mittel der Kommunikation zwischenMenschen verstanden werden. Ein Medium ist in dieser Bedeutung ein Trägeroder Mittler von Information, welcher Kommunikation ermöglicht.1Im engenSinne kann dementsprechend von Medien als Hilfsmittel in organisierten Lehr-und Lernprozessen gesprochen werden. Für einen pädagogisch sinnvollenEinsatz von Medien ist es erforderlich, die Medien in der „Doppelfunktion alsLehr- und Lernmittel“ zu betrachten.2In der zweiten Bedeutung sind Medien Repräsentationen der Welt für Menschen,und zwar öffentlich, d.h. allgemein zugänglich und verständlich. Dabei sindMedien immer von Menschen. Aus der Öffentlichkeit von Medien folgt die„Objektivierung pädagogischer Handlungen“. Mediale Lern-angebote sind zeitu-nabhängig und ortsunabhängig. Ebenso ist die Qualität von in Medien repräsen-tierten objektivierten Lehrhandlungen unabhängig von einzelnen Lehrpersonengleichbleibend.3In der Literatur wird häufig mit mehrfachen Medienbegriffen operiert, die genauerdifferenziert werden können:4• Medien als konventionalisierte Kommunikationsmittel:Dieser Medienbegriff beschreibt die Symbolsysteme, mit denen Informationvermittelt wird. Das sind im umfassenden Sinn alle Objekte, die als Zeichendienen können. Als Beispiele können die Beschilderung im Straßenverkehroder grafische Benutzungsoberflächen für technische Systeme genanntwerden.1Vgl. Klebl, M. (2006), S. 842Vgl. Lermen, M. (2008), S. 2153Vgl. Klebl, M. (2006), S. 844Vgl. ebenda, S. 84f.
  • 27. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 19• Medien als Medienangebot:Dieser Medienbegriff beschreibt das einzelne Resultat der Verwendung vonKommunikationsmitteln, d.h. ein einzelnes, konkretes Produkt innerhalb einesSymbolsystems. Das kann eine einzelne Fernsehsendung oder ein einzelnerText sein.• Medien als Geräte und Technik (Mediensystem):Dieser Medienbegriff beschreibt Materialien und Werkzeuge, die zur Erstel-lung und Verbreitung von Medienangeboten eingesetzt werden, einschließlichder Endgeräte bzw. Trägermedien, die für die Nutzung eines Medienangebotsnotwendig sind. Für digitale Medien, die auf Rechnertechnik aufbauen, kanneine spezifische Kombination aus physischer Rechnertechnik, Betriebssys-tem, Netzwerktechnik und Programmwerkzeugen als ein komplexes Medien-system betrachtet werden. Digitale Medien unterliegen immer einer sich ge-genseitig ergänzenden Funktionalität von Hard- und Software.1• Medien als Organisation:Dieser Medienbegriff umfasst alle Unternehmen und Institutionen, die die Er-stellung und Verbreitung von Medienangeboten zur Aufgabe oder zum Zweckhaben. Dazu zählen z.B. Rundfunkanstalten und Verlagshäuser.Entscheidend für die vorliegende Masterarbeit ist hauptsächlich das Mediensys-tem. Das Mediensystem steht in engem Zusammenhang mit Medienangeboten.Die konzeptionelle wie technische Unterscheidung der Medienangebote vomMediensystem, d.h. von einem technischen Lernsystem, das die Medienangebo-te verwaltet und den Beteiligten am Lehr-/Lernprozess durch ein Lern-Dialogsystem zugänglich macht, ermöglicht Austausch und Verwendung vondigitalen Bildungsmedien. Medienangebote sind einzelne Lehr-/Lerneinheiten fürmediengestützte Bildungsprozesse, d.h. einzelne konkrete Inhalte zur Verwen-dung in Lehr-/Lernprozessen. Die Trennung von Mediensystem und Medien-angebot entspricht letztendlich der Trennung von Lernsystem und Lerninhalt.21Vgl. Schwier, B. (2008), S. 22Vgl. Klebl, M. (2006), S. 85
  • 28. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 20Hinsichtlich des Technikeinsatzes kann zwischen vier Mediengruppen unter-schieden werden, die in der folgenden Tabelle 1 aufgeführt sind:Kategorie BeispielePrimärmedien (Menschmedien) Theater, Hofnarr, Erzähler, Priester, SpielleuteSekundärmedien (Druckmedien) Brief, Tafel, Zeitung, Zeitschrift, Flugblatt, Buch,Plakat, HeftTertiärmedien (Elektronische Medien) Hörfunk, Tonträger, Film, Video, Fernsehen, TelefonQuartärmedien (Digitale Medien) Computer, E-Mail, Intranet, World Wide WebTabelle 1: Mediengruppen1Die Trennung in die einzelnen Mediengruppen ist nicht immer eindeutig. DieGruppierungen sind jedoch weit verbreitet, und es lassen sich einige Gemein-samkeiten in den einzelnen Gruppen erkennen.2Im Rahmen dieser Masterarbeitsind die digitalen Medien von Bedeutung, die in den folgenden Kapiteln näherbetrachtet werden.2.2.3 Digitale Medien in Bildungsprozessen2.2.3.1 Digitale Medien und digitale ArbeitsmittelDie Einführung eines jeden Mediums in den Lehr-Lern-Prozess ist mit einertechnischen Innovation verbunden. Bei der Nutzung eines neuen Kommunikati-ons- und Interaktionsmediums kann somit immer von einem jeweils „neuen“Medium gesprochen werden. Mit dem Terminus „Neue Medien“ werden heutzu-tage die mit Hilfe des Computers und des Internets realisierten digitalen Medienbezeichnet – in Abgrenzung gegenüber den „alten“ Medien. Zu diesen zählenneben den Druckmedien in erster Linie die klassischen Massenmedien wieFernsehen und Rundfunk. Die Unterschiede zwischen den neuen und alten Me-dien sind dabei fließend, wobei die bestehenden Medien nicht von den neuenMedien verdrängt, sondern vielmehr ergänzt werden.31Mit Änderungen entnommen aus: Lermen, M. (2008), S. 2172Vgl. Lermen, M. (2008), S. 217f.3Vgl. ebenda, S. 218
  • 29. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 21Unter digitalen Medien werden „alle Formen der Wissensaufbereitung oder derInformationsvermittlung verstanden, die in digitalisierter Form über Computeroder Internet erreichbar sind und die sich durch eine hypermediale Struktur aus-zeichnen“.1Die digitalen Medien umfassen neben einzelnen Medienproduktenauch komplexe medientechnische (Software-) Systeme wie z.B. die verschiede-nen Arten von Lernplattformen.2Zu diesen medientechnischen Systemen kann auch der im Rahmen des Projekts„Digital Classroom“, auf der die empirische Untersuchung dieser Masterarbeitbasiert, verwendete Begriff „digitale Arbeitsmittel“ gezählt werden. Das Projekt-team setzte nicht den Begriff „neue Medien“ im Projekt ein, sondern entwickeltefolgende Definition für den Begriff „digitale Arbeitsmittel“: „Unter digitalen Ar-beitsmitteln werden Software-Anwendungen verstanden, die Lehr- und Lernakti-vitäten unterstützen. Diese Anwendungen bieten mehr interaktive Funktionen alsdie üblichen Office-Anwendungen wie Word, Excel oder PowerPoint. ÖffentlicheSeiten des World Wide Web sind nicht Teil dieser Definition von Arbeitsmitteln.“2.2.3.2 Merkmale digitaler MedienDie (neuen) digitalen Medien lassen sich im Vergleich zu herkömmlichen Mediendurch verschiedene Merkmale abgrenzen, wie die folgende Abbildung 4 darstellt:Abbildung 4: Kennzeichen digitaler Medien31Aufenanger, S. (1999), S. 42Vgl. Pfäffli, B. K. (2005), o. S.3Entnommen aus: Lermen, M. (2008), S. 222
  • 30. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 22Die Basis der digitalen Medien bildet die Integration verschiedener (Einzel-)Medien auf einer Plattform, dem Computer, und den damit verbundenen techni-schen Möglichkeiten. Dies kann unter dem Begriff „Multimedia“ zusammenge-fasst werden. Multimedia ist ein Konzept, das technische und anwendungsbezo-gene Dimensionen integriert. Mit Hilfe des Computers erlaubt es als zentralesIntegrationselement die Kombination von zeitabhängigen (dynamischen) undzeitunabhängigen (statischen) Informationen. Die Vorteile der Computerbasie-rung liegen in den Möglichkeiten der Digitalisierung und Speicherung von Daten,der Vernetzung von Computersystemen und dem Datenaustausch. Weitere zent-rale Merkmale sind die Möglichkeiten der Vernetzung und der Interaktivität. MitHilfe der digitalen Medien werden Formen der Kooperation zwischen Lernendenund Lehrenden sowie zwischen Lernenden untereinander realisierbar. Die Ver-netzung beinhaltet sowohl die technische Verbindung über Intra- oder Internetals auch die Möglichkeit, Informationen zueinander in Beziehung zu setzen undInhalte zu vernetzen. Die Interaktivität ist darin zu sehen, dass die Mediennut-zenden mit dem medialen System interagieren und eine unmittelbare Rückmel-dung vom Medium erhalten können; Möglichkeiten der Steuerung und Modifika-tion von Interaktionen treten dadurch in den Vordergrund. Ein weiteres Merkmalist die Hyperstrukturierung. Sie bezeichnet die Möglichkeit der nicht-linearenVernetzung von Informationen in Form von Hypertexten. Den Lernenden könnendadurch individuelle Zugänge zu den verschiedensten Themengebieten angebo-ten werden. Informationen können auch mit Hilfe der digitalen Medien in wesent-lich komplexerer Art und Weise präsentiert werden (Multifunktionalität). Die Multi-funktionalität digitaler Medien wird besonders bei Simulationssoftware deutlich.1Diese sechs Merkmale lassen sich vereinzelt auch bei den Primär-, Sekundär-und Tertiärmedien finden. Jedoch zeichnen sich die digitalen Medien neben demAspekt der Digitalisierung vor allem dadurch aus, dass die Verteilungswege derKommunikation andere sind (Kabelnetze, Satellitentechnik, Internet etc.) und sieeine Medienkonvergenz aufweisen.21Vgl. Lermen, M. (2008), S. 219ff.2Vgl. ebenda, S. 221
  • 31. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 232.2.3.3 Digitale Medien als E-Learning-WerkzeugeDer Einsatz digitaler Medien ist von einer wachsenden Anzahl neuer Begriffsde-finitionen und Anglizismen begleitet. Als dominierender Begriff im Zusammen-hang mit der Integration von digitalen Medien in Lehr-Lern-Prozesse hat sich derTerminus E-Learning durchgesetzt. E-Learning wird als Oberbegriff für alleVarianten computer- und internetbasierter Lehr- und Lernangebote verstanden,die auf der Anwendung von Informations- und Kommunikationstechnologienbasieren.1Hense und Mandl (2009) definieren E-Learning ganz allgemein als„den Einsatz digitaler Medien und Technologien als Werkzeuge zur Gestaltungvon Lernumgebungen und zur Unterstützung von Lehr- und Lernprozessen“.2Eskönnen zwei Klassen von E-Learning-Werkzeugen unterschieden werden, die imFolgenden näher beleuchtet werden:• Werkzeuge zur Unterstützung der Präsenzlehre• Werkzeuge zur Gestaltung netzbasierter Lehr-Lern-AngeboteWerkzeuge zur Unterstützung der PräsenzlehreUm die klassische Lehr-Lern-Situation in Klassenzimmern, Seminar-/Vorlesungs-räumen zu unterstützen, werden digitale Technologien in vielen Kontexten ver-wendet. Zur Standardausstattung dieser digital unterstützen Präsenzlehre zähltein mobiler oder fest installierter Beamer zur Projektion von Computer- oderVideobildern. Ein Präsentationsrechner ist entweder vorhanden oder wird alsmobiles Notebook mitgebracht. Smartboards können zudem die Kombinationaus Präsentationsrechner und Beamer mit der Möglichkeit ergänzen, Eingabendirekt auf dem projizierten Computerbildschirm vorzunehmen. Spezielle Stifteersetzen dabei die Maus und erlauben über die integrierte Schrifterkennungauch die Eingabe von Texten in das Programm. Auch das direkte Zeichnen aufder Benutzeroberfläche ist möglich; Zeichnungen können gespeichert und späterweitergegeben bzw. wiederverwendet werden.3Der große Vorteil technischer1Vgl. Lermen, M. (2008), S. 2232Hense, J./Mandl, H. (2009), S. 303Vgl. ebenda, S. 30f.
  • 32. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 24Hilfsmittel wie Smartboards oder auch Graphiktabletts ist, dass man eine Prä-sentation direkt und während des Vortrags erweitern und damit ein vertiefendesLehren und Lernen ermöglichen kann.1Zunehmend werden Computeranwendungen nicht nur frontal eingesetzt,sondern durch alle Lernenden in sogenannten Laptop-Klassen. Diese sind injedem konventionellen Lernraum zu realisieren, indem mobile Rechner in einemspeziellen Rollschrank vorrätig gehalten werden, wo sie aufgeladen und je nachBedarf zum Einsatz gebracht werden. Laptop-Klassenräume erlauben einen sehrflexiblen Computereinsatz, bei dem sowohl frontal, individuell als auch koopera-tiv gelernt werden kann.2Werkzeuge zur Gestaltung netzbasierter Lehr-Lern-AngeboteIm Rahmen virtueller Lehr-Lern-Angebote werden eine Vielzahl unterschiedlichernetzbasierter Medien und Technologien verwendet. Dabei wird auf das gesamteSpektrum an Kommunikations- und Informationswerkzeugen zurückgegriffen, dieauch allgemein im Internet eingesetzt werden. Hierzu zählen z.B. E-Mail, Mai-linglisten, Diskussionsforen, Newsgroups, Chats oder konventionelle (statische)Webseiten. Darüber hinaus gibt es noch eine Vielzahl weiterer Anwendungen; imFolgenden werden die wichtigsten Anwendungen aus den Bereichen „ContentManagement Systeme“ und Lernplattformen sowie Anwendungen und Dienstedes „Web 2.0“ kurz aufgezeigt:• „Content Management Systeme“ und LernplattformenEin „Content Management System“ dient der einfachen webbasierten Erstel-lung von Auftritten im Internet; es ist eine Software zur gemeinschaftlichenErstellung, Bearbeitung und Organisation von Inhalten zumeist in Webseiten,aber auch in anderen Medienformen.3Zu den wichtigsten Merkmalen gehö-ren ein Redaktionssystem mit verschiedenen Rollen und Zuständigkeiten,Frontend und Backend, Unabhängigkeit von Inhalt und Layout sowie Modula-1Vgl. Bartsch, T.-C./Rex. B. F. (2008), S. 272Vgl. Hense, J./Mandl, H. (2009), S. 30f.3Vgl. Wikipedia (2012d), o. S.
  • 33. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 25rität und Erweiterbarkeit. Darüber hinaus gibt es sogenannte „Learning Con-tent Management Systeme“, die speziell für den Einsatz als Lernplattformausgelegt sind. Wichtigste Ergänzungen sind Module zur Verwaltung vonKursen, Kursgruppen, Teilnehmerdaten sowie ein Autorentool, das zur Erstel-lung von multimedialen Lerneinheiten und automatisierten Lernerfolgstestsdient. Daneben sind auch Groupware-Funktionen wie ein gemeinsamer Ka-lender für eine Lerngruppe, interne E-Mail-Funktion und private oder gemein-same Dateibereiche weitere Elemente.1Lernplattformen haben den Vorteil,dass sie zeit- und ortsunabhängigen Zugriff über Web-Browser ermöglichenund einfach zu bedienen sind. Darüber hinaus verfügen sie über eine Vielzahlvon Funktionen für die online-gestützte Lehre. Für Lernende ergibt sich eineVereinfachung des Auffindens, Abrufens und Verwaltens von Kursinhalten,Dokumenten und formalen Aufgaben. Lehrende können von den Möglichkei-ten, Lerninhalte über die Software zu gestalten, zu dokumentieren und zupräsentieren, profitieren.2Eine der bekanntesten Lernplattformen ist moodle.• Anwendungen und Dienste des Web 2.0Zu Beginn des Internetzeitalters standen aufgrund der technischen undfinanziellen Anforderungen bei der Publikation von Webinhalten einige weni-ge Inhaltsanbieter vielen Inhaltsrezipienten gegenüber. Inzwischen ermögli-chen die Anwendungen des Web 2.0 auch technisch weniger versiertenPersonen, Inhalte im Rahmen häufig kostenloser Dienste einem breiten Pub-likum mit Hilfe eines Webbrowsers zu präsentieren. Zu den bekanntestenzählen u.a. Weblogs, Podcasts und Wikis, die technisch gesehen speziali-sierte Content Management Systeme darstellen.3Weblogs sind regelmäßig aktualisierte, thematische „Tagebücher“ einer ein-zelnen Person oder einer Personengruppe, die öffentlich über eine festeInternetadresse gelesen werden können. Sie werden pädagogisch genutztals Portfolios z.B. für Schreibübungen im Sprachunterricht oder bei Projekt-arbeiten zur einfachen Dokumentation von Lernprozessen und Lernergebnis-1Vgl. Hense, J./Mandl, H. (2009), S. 32f.2Vgl. Hörr, A. (2010), o. S.3Vgl. Hense, J./Mandl, H. (2009), S. 33
  • 34. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 26sen. Der Einsatz von Weblogs kann auch als „Sprachrohr“ von Lehrpersonenerfolgen, über das bei der rein virtuellen Lehre Inhalte, Rückmeldungen oderArbeitsaufträge an die gesamte Lerngruppe weitergegeben werden.Podcasts sind in ihrer Funktionalität Weblogs ähnlich. Die Inhalte werdenjedoch nicht als Text eingestellt, sondern als Audio- oder Videodatei. DieseDateien können entweder direkt im Internet angesehen bzw. angehört oderfür den mobilen Einsatz auf entsprechende Endgeräte kopiert werden. DerAufwand für die Produktion von Inhalten ist hier sehr hoch, so dass diese inpädagogischen Kontexten bislang wenig eingesetzt werden.Wikis ermöglichen den einfachen Aufbau eines multimedialen Hyptertexts,bei dem die Inhalte jederzeit kommentiert oder verändert werden können. Siesind einfach zu bedienen. Das bekannteste Wiki ist die Online-EnzyklopädieWikipedia. In Lehr-Lern-Szenarien werden Wikis gerne zur kollaborativenErarbeitung eines Themengebiets genutzt. Einzelne Aspekte des Themenge-biets werden erarbeitet und in das Wiki als Einträge eingestellt. Anschließenderfolgt die Vernetzung des Wikis zwischen den einzelnen Beiträgen. Wikisdienen jedoch auch oftmals als einfache Alternative zum umfangreichenContent Management System. Sie werden eingesetzt, um z.B. die Interaktionzwischen den Lernenden untereinander und mit der Lehrperson oder denDateiaustausch online zu organisieren.12.2.3.4 Einsatzformen digitaler Medien für Lehr- und Lern-ZweckeIn der Literatur lassen sich eine Vielzahl von Kategorisierungen und Klassifizie-rungen für den Einsatz digitaler Medien und Technologien im Bereich desLehrens und Lernens finden. Digitale Medien und Technologien können in unter-schiedlichen Kontexten und Szenarien des E-Learning verwendet werden. Gehtman von der „klassischen“ Gestaltung von Lernangeboten in Präsenzform (face-to-face) aus, so lassen sich grundsätzlich vier Einsatzformen unterscheiden:21Vgl. Hense, J./Mandl, H. (2009), S. 33f.2Vgl. ebenda, S. 34f.
  • 35. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 27• Ein additiver Einsatz liegt vor, wenn klassische Präsenzangebote wiez.B. ein Seminar um E-Learning-Elemente ergänzt und angereichert wer-den. Hierunter fallen sowohl die Nutzung von Präsentationsrechner undBeamer zur Unterstützung eines Lehrvortrags als auch die Einrichtung ei-ner begleitenden Lernplattform.• Wenn das Angebot sowohl in klassischer Präsenzform als auch als reinesE-Learning-Angebot bereitsteht, so kann man von einem alternativenEinsatz sprechen. Ein komplett neues E-Learning-Angebot zu entwickelnist meist sehr aufwendig. So werden beispielsweise im universitären Be-reich Vorlesungen mit besonders großer Zuhörerzahl aufgezeichnet undzum Download (z.B. per Videocast) oder als Videostream im Internet ver-fügbar gemacht.• Das Präsenzlernen wird beim substitutiven Einsatz komplett durch E-Learning ersetzt. Beispiele sind multimediale Selbstlernprogramme inForm von Computer-based Trainings bzw. Web-based Trainings. Sie wer-den zu den unterschiedlichsten Inhaltsgebieten angeboten und kommenohne den Kontakt zu einer Lehrperson aus. Verbreitung gefunden habenFormen der virtuellen Lehre, bei denen im Rahmen einer Lernplattformnicht gänzlich alleine, sondern im Kontakt mit Lehrpersonen und Mitler-nenden gearbeitet wird (Bsp.: Virtuelles Klassenzimmer).• Der integrative Einsatz versucht, die Vorteile von Präsenz- und E-Learning-Angeboten durch den Wechsel von Face-to-face- und virtuellenPhasen konzeptionell zu kombinieren. Diese gemischte Einsatzform istunter dem Begriff des „Blended Learning“ zu finden. Zu Beginn und amEnde eines Kurs- bzw. Seminarangebots werden je eine Präsenzveran-staltung durchgeführt und dazwischen eine oder mehrere virtuelle Lern-einheiten. In anderen Worten: Die klassischen Lernmethoden werden mitden Möglichkeiten der digitalen Medien in einem umfassenden Lehr-Lern-Arrangement kombiniert.1Ein Modell hybrider Lernarrangements in Hoch-schulen ist Anlage A5 zu entnehmen.1Vgl. Lermen, M. (2008), S. 230
  • 36. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 28In jüngster Zeit haben sich auch Einsatzformen entwickelt, die sich nicht klar ineine der vier Einsatzformen einordnen lassen, da sie sowohl additiv als auchalternativ, substitutiv oder integrativ eingesetzt werden. Hierzu gehören „MobileLearning“ und „Game based Learning“. Während beim „Mobile Learning“ der Zu-griff auf lernrelevante Inhalte über mobile Endgeräte wie Smartphone, PDAs,Mini-Notebooks oder mobile Audio- und Videoplayer erfolgt, werden beim„Game-based Learning“ computer- oder netzbasierte Spiele zur gezielten Unter-stützung von Lehr-Lern-Prozessen eingesetzt.12.2.4 Mehrwert digitaler Medien2.2.4.1 Pädagogische und lernförderliche Potenziale digitaler MedienMit der Einführung eines neuen Mediums geht meistens zunächst ein erheblicherMehraufwand einher. Damit stellt sich die Frage, ob diesem erhöhten Aufwandein tatsächlich vorhandener pädagogisch-didaktischer Mehrwert entgegensteht.2„Ein Einsatz computerbasierter Medien ist in jedem Fall nur sinnvoll, wenn sichein Mehrwert gegenüber konventionellen Medien ergibt“.3Technologische, inhalt-liche, ergonomische und didaktische Aspekte vermischen sich dabei bei der Nut-zung medialer Lernarrangements.4Häufig ist die Nutzung neuer digitaler Medien mit hohen Erwartungen in Bezugauf ihre Lernwirksamkeit und ihren Innovationsgehalt verbunden. Diese Erwar-tungen haben sich im Rückblick oft als naiv und überzogen herausgestellt. Invielen Fällen wurde die Technik zu stark in den Vordergrund gestellt und päda-gogische Aspekte vernachlässigt. Neue Technologien werden infolge dieserHerangehensweise häufig in Verbindung mit ungeeigneten Lehr-Lern-Ansätzenzum Einsatz gebracht. Der Einsatz neuer digitaler Medien entfaltet nicht per segroße Effekte in Bezug auf ein verbessertes Lernen oder eine nachhaltige Moti-vierung von Lernenden. Es lassen sich allerdings Ansatzpunkte finden, in denen1Vgl. Hense, J./Mandl, H. (2009), S. 35f.2Vgl. Lermen, M. (2008), S. 2483Staiger S. (2004), S. 414Vgl. Lermen, M. (2008), S. 248
  • 37. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 29digitale Medien das Potenzial aufweisen, deren Umsetzung zu erleichtern und zuunterstützen:1• Schaffung eines authentischen und realitätsnahen Kontexts:Fallbasierte Lernszenarien, Planspiele oder Simulationssysteme erlauben amEinzelplatzrechner oder im Netzwerk mit komplexen Szenarien zu agieren.Die Interaktivität dieser Systeme ermöglicht es, jederzeit Rückmeldung überdie Handlungen beim Lernen zu erhalten. Weitere Gestaltungsmöglichkeitensind durch den unmittelbaren Informationszugriff neuer Medien gegeben.• Anregen von multiplen Perspektiven und Kontexten:Das Arbeiten an komplexen Fällen und in simulierten Systemen erlaubt oft-mals die Variation von Bedingungen, Abläufen und Lösungswegen. DerselbeLerngegenstand lässt sich somit aus verschiedenen Perspektiven und Kon-texten betrachten. Multiple Perspektiven entstehen zum Beispiel durch dasEinnehmen verschiedener Rollen in computermodellierten Simulationen oderdurch das Suchen alternativer Lösungswege. Durch die Informationsfülle undMultimedialität neuer Medien ergeben sich weitere Zugänge.• Unterstützung von Kommunikation und Kooperation:Neben E-Mail, Diskussionsforen und Chats sind hier vor allem auch die neue-ren „social networks“ wie etwa MySpace, Facebook oder verschiedeneOnline-Communities wie YouTube oder Twitter zu nennen. Sie sind leichtnutzbare Möglichkeiten, in Computernetzen zu kommunizieren und kooperie-ren. Die Anwendungen und Dienste des Web 2.0 wie Wikis und Weblogs eig-nen sich vor allem für das gemeinsame Arbeiten an konkreten Produkten wieTexten. Diese Werkzeuge alleine garantieren jedoch nicht automatisch einelernförderliche Kommunikation und Kooperation. Wichtig ist der Einsatzinstruktionaler Unterstützung in Form von Kooperationsskripts, Feedback-Regeln oder Online-Tutoring.1Vgl. Hense, J./Mandl, H. (2009), S. 36f.
  • 38. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 30• Bereitstellen von instruktionaler Unterstützung:Selbstgesteuertes und kooperatives Lernen müssen instruktional begleitetund unterstützt werden, um Überforderungen zu vermeiden oder einen Ein-stieg in ein neues Thema zu erleichtern. Für die direkte und individualisierteRückmeldung können digitale Medien wie Weblogs und Wikis genutztwerden.Der Begriff Mehrwert ist im pädagogischen Kontext nicht eindeutig belegt. Unter-schiedliche Autoren kommen zu diversen Einschätzungen und Kategorisierun-gen, worin der Mehrwert digitaler Medien bestehen kann.1Neben diesen viererläuterten Ansatzpunkten können noch weitere lernförderliche Potenziale be-nannt werden wie Dezentralisierung und Deregulierung von Lernorten, Multi-codalität und Multimodalität, Information-on-demand und just-in-time, Adaptivität,Entlastung von Routinetätigkeiten oder sanktionsfreie Räume.2Einen Überblicküber mögliche Mehrwerte liefert Anlage A6.Grundsätzlich kann jedoch nicht von einem den Medien selbst innewohnendenMehrwert ausgegangen werden, der sich einstellt, sobald ein bestimmtes Medi-um oder Mediensystem eingeführt wird. Die Generierung des Mehrwerts ist eine„mediendidaktische Gestaltungsaufgabe“.32.2.4.2 Mehrwert im Bereich der HochschuleAuf den Mehrwert digitaler Medien für das Lehren und Lernen im universitärenBereich wird von diversen bildungpolitisch orientierten Gremien hingewiesen. Sohat der Wissenschaftsrat in seinen „Empfehlungen zur Hochschulentwicklungdurch Multimedia in Studium und Lehre“ zahlreiche Vorteile genannt, die derEinsatz virtueller Lehrveranstaltungen in den normalen Lehrbetrieb mit sichbringt. Mit Hilfe der digitalen Medien sollen neben der systematischen Verbesse-rung der Qualität der Lehre vor allem flexiblere Angebote, eine kooperative Aus-stattung von Studiengängen, mehr Selbststudium, die Einbeziehung internatio-naler Module sowie eine bessere Betreuung in kleineren Studiengruppen1Vgl. Stratmann, J. (2007), S. 162Vgl. Herzig, B. (2008), S. 499f.3Vgl. Stratmann, J. (2007), S. 22
  • 39. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 31realisiert werden. Zugleich soll durch die virtuelle Praxis eine Integration vonForschung ins Studium erzielt werden. Der Programmbeirat der Virtuellen Hoch-schule Baden-Württemberg formuliert in seinen „Empfehlungen des Programm-beirats der Virtuellen Hochschule Baden-Württemberg“ folgende vier Aspekte,die die Entwicklung einer virtuellen Hochschule begleiten:1• Attraktivere Lehrangebote durch die Integration „moderner“ Studienele-mente und Vermittlungsformen (Anreicherung)• Nutzung des didaktischen Mehrwerts multimedialer Lehr- und Lernformen(Qualitätsverbesserung)• Ergänzung des hauseigenen Lehrangebots durch den Import von Stu-dienmodulen bzw. dessen Profilierung durch den Export von hauseigenenLehrveranstaltungen (Programmpflege)• Skalengewinne und Entlastungseffekte z.B. bei hoch standardisiertenGrundveranstaltungen (Effizienzsteigerung)2.2.5 Medienkompetenz2.2.5.1 Medienkompetenz nach BaakeMedienkompetenz wird als leitender Begriff und zentrales theoretisches Konzeptder Medienpädagogik seit Anfang der 1990er Jahre verstärkt diskutiert. Im Zugeder Einführung von Internet und Multimedia wurde ein medienpädagogischer wiemateriell-ausstattungsbezogener Nachholbedarf in nahezu allen Bereichen vonBildung und Erziehung attestiert.2Medienkompetenz ist ein vielschichtiger Beg-riff. Generell bedeutet er die Befähigung, mit Medien aller Art souverän umzuge-hen.3Baacke versteht unter Medienkompetenz „eine Schlüsselqualifikation zurBewältigung der Aufgabe, insbesondere mit den neuen Möglichkeiten der Infor-mationsnutzung umgehen zu können“.4Diese Kompetenz reicht über die techni-sche Fähigkeit zur Bedienung verschiedener Medien hinaus.1Vgl. Lermen, M. (2008), S. 2502Vgl. Hugger, K.-U. (2008), S. 933Vgl. Schneider, F. (2011), S. 74Vollbrecht, R. (2000), S. 63
  • 40. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 32Baacke differenziert den Begriff der Medienkompetenz in vier Dimensionen, dieprinzipiell jeder Mensch entwickelt haben sollte: Medienkritik, Medienkunde,Mediennutzung und Mediengestaltung.1Abbildung 5 gibt die vier Dimensionender Medienkompetenz nach Baacke wieder, die im Folgenden erläutert werden.Abbildung 5: Medienkompetenz nach Baacke2Medienkritik bedeutet die Fähigkeit, problematische gesellschaftliche Prozesse(z.B. Medienkonzentration) analytisch angemessen zu erfassen. Jeder Menschsollte reflexiv in der Lage sein, dieses analytische Wissen auf sich selbst unddas eigene Handeln anzuwenden. Die ethische Dimension daran ist, das analyti-sche Denken und reflexiven Rückbezug als sozial verantwortet abzustimmenund zu definieren. Medienkunde umfasst das Wissen über die heutigen Medien-systeme. Die informative Dimension der Medienkunde beinhaltet klassischeWissensbestände, und die instrumentell-qualifikatorische Dimension beinhaltetdie Fähigkeit, neue Geräte auch bedienen zu können. Mediennutzung ist zwei-fach zu verstehen: Medien sollen rezeptiv angewendet werden (Programm-Nutzungskompetenz) und interaktive Angebote genutzt werden können. Schließ-lich stellt Mediengestaltung in Baackes Ausdifferenzierung den vierten Bereichder Medienkompetenz dar. Hierunter fallen einerseits die innovativen Verände-rungen und Entwicklungen des Mediensystems und andererseits die kreativenästhetischen Varianten, die über die Grenzen der alltäglichen Kommunikations-1Vgl. Lermen, M. (2008), S. 2612Enthalten in: Lermen, M. (2008), S. 261
  • 41. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 33routinen hinausgehen.1Die beiden Aspekte Medienkritik und Medienkunde um-fassen die Dimension der Vermittlung, während die Dimension der Zielorientie-rung im Handeln der Menschen, d.h. der Mediennutzung und Mediengestaltung,liegt.2Das Modell der Medienkompetenz von Baacke ist mittlerweile zwar vonanderen Autoren weiterentwickelt und modifiziert worden, meistens sind die vierDimensionen jedoch übernommen worden.3Baake hebt den Begriff Medienkompetenz theoretisch auf die überindividuelle,gesellschaftliche Ebene. Der Begriff wird mit diesem Ausdifferenzierungsziel zum„Diskurs der Informationsgesellschaft“, der alle wirtschaftlichen, technischen,sozialen, kulturellen und ästhetischen Probleme mit einbezieht, so dass er stän-dig aktualisiert werden kann und muss.Bei dieser Betrachtung des Begriffs Medienkompetenz und den Möglichkeitenseiner Vermittlung zeigt sich, dass sich durch aktive (Be-)Nutzung der Medieneine Kritikfähigkeit herausbilden soll, die zum Auswählen diverser Medienange-bote genutzt werden kann. Mit anderen Worten: Die eigene aktive Arbeit mit ei-nem Medium ermöglicht dessen kritische Nutzung sowohl im privaten wie auchberuflichen Alltag. Die Auseinandersetzung mit Medien kann zu einer kritischenAuseinandersetzung der Person mit sich selbst im Sinne einer Bewusstseinsbil-dung eingesetzt werden und der Person damit neue Formen autonomen Han-delns ermöglichen.42.2.5.2 Medienkompetenz von LehrpersonenDie Entwicklung von Medienkompetenz als Aufgabe der Schule setzt seitens derLehrpersonen voraus, dass sie selbst Medienkompetenz erworben haben oderdiese weiterentwickeln und darüber hinaus in der Lage sind, die Medienkompe-tenz ihrer Schüler/innen zu fördern. Lehrpersonen sollten zu folgenden Punktenin der Lage bzw. bereit sein:51Vgl. Hugger, K.-U. (2008), S. 942Vgl. Wikipedia (2012e), o. S.3Vgl. Lermen, M. (2008), S. 2614Vgl. Wikipedia (2012e), o. S.5Vgl. Tulodziecki, G./Herzig, B./Grafe, S. (2010), S. 359
  • 42. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 34• Medienangebote und nicht-mediale Möglichkeiten im Hinblick auf ange-strebte Nutzungszusammenhänge erläutern und sachgemäß handhaben,kriterienbezogen vergleichen und bewerten, begründet auswählen sowieunter Beachtung gesellschaftlicher bzw. sozialer Verantwortung nutzen.• Eigene Aussagen unter Verwendung bewusst ausgewählter Gestaltungs-arten mit sachgemäßer Handhabung der jeweiligen Technik und situati-onsangemessener Planung sowie unter Beachtung gesellschaftlicher undsozialer Verantwortung gestalten und Einzelnen bzw. bestimmten Grup-pen zur Verfügung stellen oder öffentlich verbreiten.• Gestaltungsmöglichkeiten von Medien erläutern und in ihrer Bedeutungfür mediale Aussagen einschätzen sowie Gestaltungsmittel für eigeneMedienbeiträge begründet auswählen, die eingesetzten Gestaltungsmittelin vorhandenen Medienangeboten analytisch erfassen und hinsichtlich derÜbereinstimmung von Form, Inhalt oder anderer Kriterien bewerten.• Medieneinflüsse beschreiben, kriterienbezogen bewerten und problemati-sche Einflüsse der Mediennutzung in geeigneten Formen aufarbeiten undihnen gegebenenfalls entgegenwirken sowie Medieneinflüsse bei dereigenen Mediengestaltung und Verbreitung berücksichtigen.• Bedingungen von Medienproduktion und Medienverbreitung erläutern,Verbindungen zwischen solchen Bedingungen und den Medienproduktensowie ihrer Nutzung herstellen, die Bedingungen in Orientierung amgesellschaftlich Wünschenswerten beurteilen und Einflussmöglichkeitenbeim eigenen Handeln skizzieren und wahrnehmen.Medienkompetenz ist als ein wichtiger Bestandteil medienpädagogischerKompetenz anzusehen. Medienpädagogische Kompetenz erfordert zudemBereitschaft sowie Wissen und Können in den Kompetenzfeldern der Medienso-zialisation, der Medienbildung insgesamt einschließlich medienerzieherischerMaßnahmen, der Medienverwendung für Lernen und Lehren sowie die Entwick-lung medienpädagogischer Konzepte.1Auf diese Kompetenzbereiche soll hier imRahmen dieser Masterarbeit nicht weiter eingegangen werden.1Vgl. Tulodziecki, G./Herzig, B./Grafe, S. (2010), S. 360
  • 43. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 352.3 Fragestellung der empirischen Untersuchung –konzeptioneller RahmenAusgangspunkt dieser empirischen Untersuchung sind die Forschungsergebnis-se von Inan und Lowther (2009). In ihrer Studie haben sie ein Pfadmodell entwi-ckelt, welches die direkten und indirekten Einflüsse von Lehrereigenschaften undSchulfaktoren auf die Integration von Technologien von Lehrern in deren Lehr-veranstaltungen prüft; die hypothetischen Kausalzusammenhänge zwischenEinflussfaktoren, die für die Integration von Technologien von Bedeutung sind,werden dabei erklärt (vgl. Anlage A4).1Ein erstes Pfadmodell wurde bereits vonRobinson (2003) in seiner Dissertation „External and internal factors whichpredict teachers’ computer usage in K-12 classrooms“ entwickelt, welches Inanund Lowther weiterentwickelt haben.2Das erweiterte Pfadmodell von Inan und Lowther (2009) wird im Rahmen dieserArbeit in angepasster Form eingesetzt. Es wird hierbei nicht auf die Integrationvon Technologie im Allgemeinen eingegangen, sondern speziell der Einsatz vondigitalen Arbeitsmitteln (Digital Tools) in Lehrveranstaltungen untersucht.Die verwendeten Variablen und deren Beschreibungen, das hypothetischePfadmodell, die Annahmen bzw. Hypothesen und deren Begründungen sowiedie Forschungsfragen der Studie werden in den folgenden Kapiteln vorgestellt.Es wird an dieser Stelle darauf hingewiesen, dass die Variablen im Pfadmodell inder empirischen Untersuchung in englischer Sprache eingesetzt werden.2.3.1 Variablen im hypothetischen PfadmodellFür das hypothetische Pfadmodell der Studie werden insgesamt acht Variablenverwendet, die in der folgenden Tabelle 2 beschrieben werden.1Vgl. Inan, F. A./Lowther, D. L. (2009), S. 140f.2Vgl. Robinson, W. I. (2003), o. S.
  • 44. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 36Variablen Beschreibung der VariablenAge (Alter) Angegebenes Alter der befragten LehrpersonYears of Teaching (Jahre des Lehrens) Angegebene Jahre des Lehrens als LehrpersonProficiency of Digital Tools(Kenntnisstand digitaler Arbeitsmittel)Wahrnehmung der befragten Lehrperson an eigenenFähigkeiten bezüglich des Einsatzes digitalerArbeitsmittelOverall Support(Allgemeine Unterstützung)Wahrnehmung der befragten Lehrperson an derUnterstützung von administrativer Seite, Kollegen,Interessengruppen etc. hinsichtlich der Integrationdigitaler Arbeitsmittel in der BildungseinrichtungTechnical Support(Technische Unterstützung)Wahrnehmung der befragten Lehrperson an derEignung der technischen Unterstützung, Verfügbar-keit an Ressourcen und Unterstützung bei Computer-Software und FehlerbehebungTeachers’ Readiness(Bereitschaft der Lehrperson)Auffassung bzw. Wahrnehmung der befragtenLehrperson seiner Fähigkeiten und Fertigkeiten, dieerforderlich sind, um digitale Arbeitsmittel in seineLehrveranstaltung zu integrierenTeachers’ Beliefs(Ansichten der Lehrperson)Auffassung bzw. Wahrnehmung der befragtenLehrperson an dem Einfluss digitaler Arbeitsmittel aufden Lernerfolg und die Lernleistung der Studenten/Studentinnen bzw. Schüler/innen (Impact onStudents) sowie auf den Unterricht (Impact onClassroom Instruction)Integration of Digital Tools(Integration digitaler Arbeitsmittel)Selbsteinschätzung der befragten Lehrperson an derHäufigkeit des Einsatzes an digitalen Arbeitsmitteln inseiner LehrveranstaltungTabelle 2: Beschreibung der Variablen1Inan und Lowther (2009) verwendeten in ihrem Pfadmodell eine weitere Variab-le: „Computer Availability“. Diese Variable wird im Rahmen dieser empirischenUntersuchung nicht eingesetzt. Die technische Ausstattung und Verfügbarkeitvon Computern in den Bildungseinrichtungen wird vorausgesetzt.1Mit Änderungen entnommen aus: Inan, F. A./Lowther, D. L. (2009), S. 141
  • 45. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 372.3.2 Hypothetisches PfadmodellDas hypothetische Pfadmodell dieser Studie zeigt die folgende Abbildung 6:Block 1 Block 2 Block 3 Block 4Abbildung 6: Hypothetisches Pfadmodell der empirischen Untersuchung1Das Pfadmodell besteht aus vier Variablenblöcke:Block 1: Block 1 beinhaltet vier exogene (unabhängige) Variable. Hierzu zäh-len die demographischen Eigenschaften der Lehrperson „Age“ und„Years of Teaching“ und Eigenschaften der Bildungseinrichtung hin-sichtlich der Unterstützung beim Einsatz digitaler Arbeitsmittel„Overall Support“ und „Technical Support“.Block 2: Block 2 enthält die Variable „Proficiency of Digital Tools“. Diese en-dogene Variable fungiert sowohl als unabhängige als auch abhängi-ge Variable im Pfadmodell.Block 3: Block 3 beinhaltet zwei auf die Lehrperson bezogene, endogeneVariable: zum einen die Variable „Teachers’ Readiness“ und zumanderen „Teachers’ Beliefs“. Beide Variablen werden als unabhän-gige und abhängige Variable im Pfadmodell eingesetzt.Block 4: Block 4 wird von der endogenen Variablen „Integration of DigitalTools“ gebildet; hierbei handelt es sich um eine abhängige Variable.1Mit Änderungen entnommen aus: Inan, F. A./Lowther, D. L. (2009), S. 146
  • 46. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 382.3.3 HypothesenDie Forschungsergebnisse von Inan und Lowther (2009) sind Ausgangspunktdieser empirischen Untersuchung; folglich liegen die Hypothesen für die Unter-suchung dieser Masterarbeit (hauptsächlich) in deren Forschungsergebnissebegründet. Es werden lediglich direkte Einflüsse der Variablen untersucht, d.h.indirekte Effekte auf die Integration digitaler Arbeitsmittel bleiben im Rahmendieser Masterarbeit unberücksichtigt. Die Hypothesen stellen die Pfeilrichtungenim hypothetischen Pfadmodell in Kapitel 2.3.2 dar.Forschungsergebnisse von Inan und Lowther (2009) und Robinson (2003) habenergeben, dass die demographischen Eigenschaften von Lehrpersonen einennegativen direkten Einfluss auf die Computer-Kenntnisse der Lehrperson haben.Lehrer, die älter sind und länger unterrichten, haben geringere Kenntnisse undFähigkeiten im Umgang mit Computern, d.h. die Computer-Kenntnisse verrin-gern sich mit zunehmendem Alter und Unterrichtserfahrung.1Hieraus ergebensich die folgenden Hypothesen:H1: „Age“ hat einen negativen direkten Einfluss auf „Proficiency of DigitalTools“: Je älter die Lehrperson, desto geringer ist der Kenntnisstand digi-taler Arbeitsmittel.H2a: „Years of Teaching“ hat einen negativen direkten Einfluss auf„Proficiency of Digital Tools“: Je länger die Lehrperson bereits unterrich-tet, desto geringer ist der Kenntnisstand digitaler Arbeitsmittel.Ein weiteres Forschungsergebnis von Inan und Lowther (2009) ist, dass Lehrer,die länger unterrichten eine geringere Bereitschaft besitzen, Technologien ein-zusetzen. Dies führt zu folgender Hypothese:H2b: „Years of Teaching“ hat einen negativen direkten Einfluss auf„Teachers’ Readiness“: Je länger die Lehrperson bereits unterrichtet,desto geringer ist die Bereitschaft der Lehrperson, digitale Arbeitsmitteleinzusetzen.1Vgl. Inan, F. A./Lowther, D. L. (2009), S. 145f.
  • 47. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 39Des Weiteren hat die Studie von Inan und Lowther (2009) ergeben, dass sichdas Vorhandensein von Eigenschaften der Bildungseinrichtung wie allgemeineUnterstützung, technische Unterstützung und Computer-Verfügbarkeit sowohlauf die Computer-Kenntnisse von Lehrern als auch auf die Bereitschaft und dieAnsichten der Lehrperson, Technologie einzusetzen, positiv auswirkt bzw. dieseFaktoren erhöht. Die allgemeine Unterstützung hat in deren Pfadmodell dengrößten positiven Einfluss auf die Ansichten der Lehrperson, Technologie einzu-setzen. Auch Mumtaz (2005) sowie Windschitl und Sahl (2002) haben herausge-funden, dass Eigenschaften der Bildungseinrichtung wesentlich die Ansichtender Lehrperson beeinflussen, indem die Lehrperson Unterstützung und positiveVorstellungen von administrativer Seite und Interessengruppen erhält. Lumpeund Chambers (2001) haben in ihrer Untersuchung eine Liste mit Einflussfakto-ren auf die Ansichten der Lehrperson erfasst, welche auch die allgemeine undtechnische Unterstützung enthält. Für die Untersuchung lassen sich hieraus diefolgenden Hypothesen ableiten:H3a: „Overall Support“ hat einen positiven direkten Einfluss auf „Proficiency ofDigital Tools“: Je größer die allgemeine Unterstützung in der Bildungsein-richtung ist, desto größer ist der Kenntnisstand digitaler Arbeitsmittel.H3b: „Overall Support“ hat einen positiven direkten Einfluss auf „Teachers’Readiness“: Je größer die allgemeine Unterstützung in der Bildungsein-richtung ist, desto größer ist die Bereitschaft der Lehrperson, digitaleArbeitsmittel einzusetzen.H3c: „Overall Support“ hat einen positiven direkten Einfluss auf „Teachers’Beliefs“: Je größer die allgemeine Unterstützung in der Bildungseinrich-tung ist, desto größer sind die Ansichten der Lehrperson, digitaleArbeitsmittel einzusetzen.H4a: „Technical Support“ hat einen positiven direkten Einfluss auf „Proficiencyof Digital Tools“: Je größer die technische Unterstützung ist, desto größerist der Kenntnisstand digitaler Arbeitsmittel.H4b: „Technical Support“ hat einen positiven direkten Einfluss auf „Teachers’Readiness“: Je größer die technische Unterstützung ist, desto größer istdie Bereitschaft der Lehrperson, digitale Arbeitsmittel einzusetzen.
  • 48. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 40H4c: „Technical Support“ hat einen positiven direkten Einfluss auf „Teachers’Beliefs“: Je größer die technische Unterstützung ist, desto größer sind dieAnsichten der Lehrperson, digitale Arbeitsmittel einzusetzen.Inan und Lowther (2009) haben zudem herausgefunden, dass Computer-Kenntnisse sowohl die Bereitschaft als auch die Ansichten der Lehrperson,Technologien einzusetzen, positiv beeinflussen. Die Computer-Kenntnisse derLehrperson haben in deren Pfadmodell den größten Einfluss auf die Bereitschaft,Technologien einzusetzen. Hieraus ergeben sich folgende Hypothesen:H5a: „Proficiency of Digital Tools“ hat einen positiven direkten Einfluss auf„Teachers’ Readiness“: Je größer der Kenntnisstand digitaler Arbeitsmit-tel ist, desto größer ist die Bereitschaft der Lehrperson, diese einzusetzenH5b: „Proficiency of Digital Tools“ hat einen positiven direkten Einfluss auf„Teachers’ Beliefs“: Je größer der Kenntnisstand digitaler Arbeitsmittel ist,desto größer sind die Ansichten der Lehrperson, diese einzusetzen.In den Forschungsergebnissen von Inan und Lowther (2009) beeinflussensowohl die Bereitschaft als auch die Ansichten der Lehrperson, Technologieneinzusetzen, die Integration von Technologie in positiver Weise. Ansichten derLehrperson ist ein wesentlicher Einflussfaktor auf die Integration von Technolo-gie im Unterricht; dies bestätigen auch zahlreiche vorangegangene Studien (u.a.Ertmer, 2005 sowie Vannatta und Fordham, 2004). Die Bereitschaft der Lehrper-son hat in Inan und Lowther’s Studie den größten Einfluss auf die Integration vonTechnologie. Vorangegangene Studien belegen dieses Forschungsergebnis:Kanaya, Light und Culp (2005) als auch Scheffler und Logan (1999) geben an,dass Lehrer, die bereit und überzeugt sind, Technologie zu integrieren, häufigerTechnologie im Unterricht einsetzen. Folgende Hypothesen lassen sich ableiten:H6: „Teachers’ Readiness“ hat einen positiven direkten Einfluss auf „Integra-tion of Digital Tools“: Je größer die Bereitschaft der Lehrperson ist, destogrößer ist die Integration digitaler Arbeitsmittel.H7: „Teachers’ Beliefs“ hat einen positiven direkten Einfluss auf „Integrationof Digital Tools“: Je größer die Ansichten der Lehrperson sind, destogrößer ist die Integration digitaler Arbeitsmittel in Lehrveranstaltungen..
  • 49. 2 Hintergrundinformationen und theoretischer Bezugsrahmen 412.3.4 Zweck der Untersuchung und ForschungsfragenZweck dieser Untersuchung ist es, die Einflüsse von individuellen Eigenschaftenund Umweltfaktoren von Lehrpersonen auf die Integration digitaler Arbeitsmittelin Lehrveranstaltungen der Lehrpersonen zu untersuchen, d.h. was beeinflusstden Einsatz digitaler Arbeitsmittel in Lehrveranstaltungen und welche positivenund negativen direkten Zusammenhänge bestehen zwischen den Variablen.Zudem ist geplant, die Beziehungen zwischen den Einflussgrößen durch einentwickeltes Pfadmodell zu erklären, das auf vorangegangenen Studien basiert.Betrachtet man das Pfadmodell als Forschungsrahmen, so sollen folgendeForschungsfragen in der Untersuchung beleuchtet werden:F1: Beeinflussen demographische Eigenschaften von Lehrpersonen die In-tegration digitaler Arbeitsmittel in Lehrveranstaltungen?F2: Beeinflussen Eigenschaften der Bildungseinrichtung die Integration digi-taler Arbeitsmittel in Lehrveranstaltungen?F3: Beeinflussen der Kenntnisstand digitaler Arbeitsmittel der Lehrperson, dieBereitschaft und Ansichten der Lehrperson, digitale Arbeitsmittel einzu-setzen, die Integration digitaler Arbeitsmittel in Lehrveranstaltungen?Neben diesen speziell auf das hypothetische Pfadmodell bezogenen For-schungsfragen sollen im Rahmen dieser empirischen Studie auch Mittelwertun-terschiede nicht im Pfadmodell abgebildeter Eigenschaften untersucht werden:F4: Unterscheiden sich Frauen und Männer im Mittel bezüglich der Integrati-on digitaler Arbeitsmittel?F5: Unterscheidet sich die Integration digitaler Arbeitsmittel im Mittelzwischen Unterrichtsfächer, Lehrmethoden oder Schulungen der Lehr-person?Nicht Gegenstand der Untersuchung sind indirekte und totale Effekte auf dieIntegration digitaler Arbeitsmittel. Ebenso werden keine Unterschiede zwischenden befragten (deutschen) Bildungseinrichtungen untersucht und keine Länder-vergleiche vorgenommen.
  • 50. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 423. Einsatz digitaler Medien in Lehrveranstaltungen – eineempirische UntersuchungZur Prüfung bzw. Beantwortung der in den Kapiteln 2.3.3 und 2.3.4 formuliertenForschungshypothesen und Forschungsfragen wird im Rahmen dieser Master-arbeit mit Hilfe eines Fragebogens der Zusammenhang zwischen diversen Ein-flussfaktoren und der Integration digitaler Arbeitsmittel in Lehrveranstaltungenerforscht. Die empirische Untersuchung wird in den folgenden Kapiteln darge-stellt.3.1 Forschungsdesign3.1.1 ForschungsmethodeZur Erhebung der Daten im Rahmen dieser Masterarbeit wurde die Methode derstandardisierten Online-Befragung als Forschungsmethode gewählt. Die Befra-gung stellt eine der in den Sozialwissenschaften am häufigsten verwendetenMethoden dar und dient der Ermittlung von Fakten, Wissen, Meinungen, Einstel-lungen oder Bewertungen eines Personenkreises.1Die Online-Befragung ist eineder jüngsten Erhebungsarten in der empirischen Forschung. Online-Befragungensind Erhebungen, bei denen die Teilnehmer entweder den auf einem Server ab-gelegten Fragebogen im Internet online ausfüllen oder den Fragebogen von ei-nem Server herunterladen und per E-Mail zurücksenden oder den Fragebogenper E-Mail zugeschickt bekommen und zurücksenden. Die Online-Befragung istkeine modernisierte Form der schriftlichen Befragung, sondern eine völlig neueBefragungsart mit charakteristischen Stärken und Schwächen und zählt zurquantitativen Marktforschung. Die quantitative Befragung hat die Aufgabe, exak-te und für die Grundgesamtheit repräsentative Daten zu beschaffen, damit dieseauf das Universum hochgerechnet werden können. Sie zielt darauf ab, den Un-tersuchungsgegenstand zu beschreiben oder Zusammenhänge mit statistischenRechenverfahren zu untersuchen.21Vgl. Schnell, R./Hill, P./Esser, E. (1999), S. 2992Vgl. Hofte-Fankhauser, K./Wälty, H. F. (2009), S. 58ff.
  • 51. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 43Für die Online-Befragung dieser empirischen Untersuchung wurde ein standar-disierter Fragebogen eingesetzt, um die Auffassungen von Lehrpersonen in Hin-blick auf die Integration digitaler Arbeitsmittel zu erheben. Fragen und Antwort-vorgaben wurden genau festgelegt. Die Online-Befragung erfolgte in Form einerQuerschnittsuntersuchung, d.h. die Daten wurden einmalig innerhalb einer vor-gegebenen Zeitspanne erhoben. Angelegt wurde der Fragebogen in LimeSur-vey, einem Programm zur Erstellung von Online-Fragebogen.1Die Verteilungdes Fragebogens erfolgte über einen Link, der mit einem Begleitschreiben per E-Mail an den Ansprechpartner der jeweiligen Hochschule versendet wurde.Die Wahl der standardisierten Online-Befragung als Erhebungsmethode indieser Masterarbeit wurde aus verschiedenen Gründen gewählt: Zum einen gibtes bereits standardisierte Fragebogen aus vorangegangenen Studien zu diesemThemengebiet. So haben beispielsweise Lowther, Strahl, Inan und Ross (2008)den Fragebogen „Teacher Technology Questionnaire“ (TTQ) und Wozney,Venkatesh und Abrami (2001) den Fragebogen „Technology ImplementationQuestionnaire“ (TIQ) entwickelt und in ihren Forschungen erfolgreich eingesetzt.Die Neuentwicklung eines Fragebogens mit all seinen Konstrukten ist sehr zeit-aufwendig und kostenintensiv, daher wurde im Vorfeld der empirischen Untersu-chung entschieden, auf bereits bestehende Fragebogen zurückzugreifen. Bereitsexistierende Fragebogen können miteinander kombiniert und weiterentwickeltbzw. für die eigene Untersuchung angepasst werden. Forschungsergebnisselassen sich dabei auch einfacher miteinander vergleichen und können aufeinan-der aufbauen. Zum anderen ist der ausgewählte Personenkreis für die Online-Befragung online erreichbar. Die Daten lassen sich dadurch rasch erheben; einRücklauf erfolgt meistens schnell, d.h. die Feedback-Zeit ist nur kurz. Hinzukommt, dass die Daten für die anschließende Auswertung sofort verfügbar sind,da sie automatisch direkt in eine Datenbank eingespeist werden. Dadurch wer-den Eingabefehler, wie sie bei schriftlichen Befragungen vorkommen können,vermieden.2Allgemein betrachtet sind Online-Befragungen relativ kostengünstig,da kein personeller oder materieller Aufwand bei der Durchführung notwendigist. Die computergestützte Benutzerführung vermeidet zudem Fehler des Inter-1Vgl. http://www.limesurvey.com2Vgl. Wikipedia (2012f), o. S.
  • 52. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 44viewers. Die Beantwortung der Fragen ist zudem zeit- und ortsunabhängig undkann dadurch breit gestreut werden.13.1.2 StichprobeDie Probandengruppe der empirischen Untersuchung setzte sich aus Lehrper-sonen, Dozenten und Professoren aus sieben Bildungseinrichtungen zusammen:Zum einen wurden Lehrpersonen an den am Projekt „Digital Classroom“ teil-nehmenden Bildungseinrichtungen befragt und zum anderen Lehrpersonen inBildungseinrichtungen in Deutschland, die zwar nicht am Projekt „Digital Class-room“ beteiligt waren, jedoch das Projekt mit ihrem Beitrag unterstützten. DieAuswahl der zweiten Probandengruppe erfolgte durch persönliche Kontakte vonHerrn Prof. Dr. Michael Klebl (Lehrstuhl für Wirtschaftspädagogik, WHL) und derAutorin dieser Masterarbeit. Zur ersten Probandengruppe zählten das AberdeenCollege (Aberdeen/Schottland), das IOC Institut Obert de Catalunya (Barcelo-na/Spanien), das Karamürsel 100.Yil Technical and Vocational Highschool (Ka-caeli/Türkei), das Kungälv Vuxenutbildning (Kungälv/Schweden) und die AKAD-Gruppe, welche die WHL Wissenschaftliche Hochschule Lahr einschließt. DasMolde Voksenopplæringssenter (Molde/Norwegen) hat sich an der Umfragenicht beteiligt. Die zweite Probandengruppe bestand aus Repräsentanten derDualen Hochschule Baden-Württemberg Stuttgart (DHBW Stuttgart) und der Be-rufskollege Hagen. Lernende, Schüler und Studenten wurden nicht befragt. Inder Anlage A7 werden die teilnehmenden Bildungseinrichtungen kurz beschrie-ben; detailliertere Informationen sind den Webseiten der Hochschulen zu ent-nehmen.Bei der Stichprobe dieser empirischen Untersuchung handelt es sich um eineKlumpen-Stichprobe. Die Grundgesamtheit ist in viele kleine Teilgesamtheitenzerlegt, die sogenannten Klumpen. Jeder Klumpen entspricht einer einzelnenBildungsinstitution. Im Gegensatz zur geschichteten Stichprobe wird bei derKlumpen-Stichprobe nur ein Teil der Klumpen zufällig ausgewählt und gelangt indie Stichprobe.2Die Elemente der Klumpen werden vollständig erfasst; es1Vgl. Hofte-Fankhauser, K./Wälty, H. F. (2009), S. 712Vgl. Wikipedia (2010), o. S.
  • 53. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 45Geschlecht Häufigkeit ProzentWeiblich 161 42,1Männlich 221 57,9Alter Häufigkeit Prozent29 Jahre und jünger 12 3,130 - 39 Jahre 73 19,140 - 49 Jahre 141 36,950 - 59 Jahre 128 33,560 Jahre und älter 28 7,3Jahre des Lehrens Häufigkeit Prozent0 - 2 Jahre 18 4,73 - 5 Jahre 30 7,96 - 10 Jahre 76 19,911 - 15 Jahre 70 18,316 Jahre und mehr 188 49,2Unterrichtsfach Häufigkeit ProzentMathematik, Informatik, Naturwissenschaften oder Technik 103 27,0Geisteswissenschaften und Sprachen 81 21,2Sozialwissenschaften (einschließlich BWL / VWL) 67 17,5Sport 4 1,0Sonderpädagogik 5 1,3Sonstige 122 31,9werden alle Lehrpersonen, Dozenten und Professoren an den einzelnenBildungseinrichtungen befragt.Die Online-Befragung erfolgte einmalig, d.h. es gab nicht mehrere Versuchszeit-punkte. Die Versuchsbedingungen für die Probanden können als identischbetrachtet werden. Insgesamt haben sich 443 Lehrpersonen an der Online-Befragung beteiligt, von denen 382 Fragebogen in der Analyse verwendet wer-den. Die genaue Anzahl der befragten Lehrpersonen in den einzelnen Bildungs-einrichtungen ist nicht bekannt, so dass keine Rücklaufquote berechnet werdenkann. Die Stichprobe setzt sich wie folgt zusammen:Abbildung 7: Anteil der Lehrpersonen aus den einzelnen Hochschulen an der verwendetenStichprobeTabelle 3: Verwendete Stichprobe nach demographischen Eigenschaften (N = 382)N = 382
  • 54. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 463.2 Erhebungsverfahren3.2.1 Standardisierter FragebogenDer eingesetzte Fragebogen basiert – wie bereits erwähnt – auf zwei Fragebo-gen vorangegangener Forschungen: dem Fragebogen „Teacher TechnologyQuestionnaire“ (TTQ) der University of Memphis im Rahmen einer Studie vonLowther, Strahl, Inan und Ross (2008) und dem Fragebogen „TechnologyImplementation Questionnaire“ (TIQ) der Concordia University, Montreal imRahmen einer Studie von Wozney, Venkatesh und Abrami (2001). Diese beidenFragebogen wurden speziell für das Projekt „Digital Classroom“ von den Projekt-teilnehmern der WHL Wissenschaftliche Hochschule Lahr zu einem einzigenFragebogen zusammengefasst und angepasst.Der Fragebogen mit dem deutschen Titel „Digitale Arbeitsmittel in der Lehre“ ent-hält insgesamt 17 Fragen1, die in fünf Abschnitte eingeteilt sind:1) Persönlicher Hintergrund und Lehrstil2) Einschätzung der eigenen Fähigkeiten bezüglich des Einsatzes digitalerArbeitsmittel3) Expertenmeinungen zu digitalen Arbeitsmitteln4) Wahrnehmung des (technischen) Supports5) Wahrnehmung bezüglich der Häufigkeit der EinbindungDie Basis bildete ursprünglich der englische Fragebogen, der von den Projekt-teilnehmern „Digital Classroom“ in die jeweilige Landessprache übersetzt wurde;für jedes Land entstand somit ein separater Fragebogen. In Deutschland mach-ten die unterschiedlichen Arten an beteiligten Bildungseinrichtungen drei separa-te Fragebogen erforderlich. Im Fragebogen der DHBW Stuttgart und der AKAD-Gruppe wird von „Studierenden“ gesprochen, während im Fragebogen derBerufskollegs Hagen „Schüler/-innen“ an den entsprechenden Stellen im Frage-bogen eingesetzt wird. Lehrveranstaltungen werden im Fragebogen der DHBWStuttgart und der Berufskollegs Hagen mit „Lehrveranstaltungen“ beschrieben,hingegen wird der Begriff „Bildungsangebote“ bei der AKAD-Gruppe verwendet.118 Fragen für die Berufskollegs Hagen
  • 55. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 47Der Fragebogen wurde vor dem Versand an den Personenkreis der jeweiligenHochschulen durch die Teilnehmer am Projekt „Digital Classroom“ getestet (Pre-test erfolgte Mitte September 2012); Fehler und Unstimmigkeiten wurden hierbeibeseitigt. Zudem wurde die Dauer für das Ausfüllen des Fragebogens getestet.Der „Teacher Technology Questionnaire“ (TTQ) wurde validiert und bereits häu-fig in Forschungs- und Evaluationsstudien eingesetzt (u.a. Lowther und Ross,2000; Sterbinsky und Burke, 2004; Lowther, Strahl, Inan und Ross, 2008). DieReliabilität des TTQ wurde vor der Studie von Inan und Lowther (2009) an 4.863Lehrern getestet, die den Fragebogen als Teil des Forschungsprojekts für das„Center of Research in Educational Policy“ abgeschlossen haben; die ermitteltenReliabilitätskoeffizienten lagen für jede Sub-Skala zwischen 0.75 und 0.89. DieSkalen im vorliegenden Fragebogen werden später im Rahmen der Untersu-chung einer Reliablitätsanalyse unterzogen.Im Folgenden werden nun die einzelnen Fragebogen-Abschnitte sowie die Ope-rationalisierung der eingesetzten Konstrukte bzw. Skalen anhand des Fragebo-gens der DHBW Stuttgart näher erläutert. Der vollständige Fragebogen derDHBW Stuttgart ist der Anlage A8 zu entnehmen; die vollständigen Fragebogender anderen Hochschulen finden sich im Anhang B (Anlage B1 bis B6).3.2.1.1 Persönlicher Hintergrund und LehrstilIm ersten Fragebogen-Abschnitt wurden demographische und lehrbezogeneEigenschaften der Lehrpersonen erhoben. Fünf Items sind in diesem Abschnittenthalten. Bei den Variablen handelt es sich um manifeste Variable, d.h. sie sinddirekt beobachtbar und können auch als Indikatoren bezeichnet werden. ZurBeantwortung der Fragen wurden – mit Ausnahme der Auswahlkategorie „Sons-tige" bei der Erfragung des Unterrichtsfachs – geschlossene Antwortformate ein-gesetzt, was die Objektivität verbessert.Frage 1: Geschlecht, erfasst als dichotomes Merkmal (Weiblich bzw. Männ-lich)Frage 2: Alter („Age“), gemessen in den Ausprägungen 29 Jahre und jün-ger, 30 – 39 Jahre, 40 – 49 Jahre, 50 – 59 Jahre, 60 Jahre und älter
  • 56. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 48Frage 3: Jahre des Lehrens („Years of Teaching), erhoben in den Ausprä-gungen 0 – 2 Jahre, 3 – 5 Jahre, 6 – 10 Jahre, 11 – 15 Jahre, 16Jahre und mehr1Frage 4: Unterrichtsfach, erfasst in sechs Kategorien:• Mathematik, Informatik, Naturwissenschaften oder Technik• Geisteswissenschaften und Sprachen• Sozialwissenschaften (einschließlich BWL/VWL)2• Sport• Sonderpädagogik• Sonstiges3Frage 5: Lehrmethodik, erfasst in fünf Ausprägungen:• Überwiegend von der Lehrkraft ausgehend (z.B. Vortrag undVorlesungen)• Stärker von der Aktivität der Lehrkraft ausgehend• Balance zwischen den auf die Lehrkraft und den auf die Lernen-den ausgerichteten Aktivitäten• Stärker auf die Aktivitäten der Lernenden ausgerichtet• Überwiegend auf die Aktivitäten der Lernenden ausgerichtet(Entdecken-lassendes, experimentelles Lernen)Der Fragebogen für die Berufskollegs Hagen beinhaltete darüber hinaus einezusätzliche Frage, in der die Lehrperson aufgefordert wurde, das Berufskolleganzugeben, indem hauptsächlich unterrichtet wird.Frage 5b: Berufskolleg Hagen, erfasst in sechs Kategorien: Cuno-Berufskolleg I, Cuno-Berufskolleg II, Kaufmannsschule I Berufskol-leg, Kaufmannsschule II Berufskolleg, Käthe-Kollwitz-Berufskolleg,keine Angabe1Im schwedischen Fragebogen wurden die Ausprägungen 0 – 2 Jahre und 3 – 5 Jahre zu einerAusprägung < 5 Jahre zusammengefasst. Diese Abweichung ergab sich aufgrund des vorzeiti-gen Beginns der Umfrage in Schweden.2Diese Ausprägung wurde im schwedischen Fragebogen nicht erfasst.3Die Kategorie „Sonstiges“ wurde im Fragebogen so angelegt, dass das Unterrichtsfach vondem Probanden näher spezifiziert werden kann; es handelt sich hier um ein offenes Antwort-format.
  • 57. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 493.2.1.2 Einschätzung der eigenen Fähigkeiten bezüglich des Einsatzesdigitaler ArbeitsmittelIm zweiten Fragebogen-Abschnitt wurde die Einschätzung der Fähigkeiten be-züglich des Einsatzes digitaler Arbeitsmittel der befragten Lehrperson sowie derFähigkeiten und Fertigkeiten, die erforderlich sind, um digitale Arbeitsmittel in dieLehrveranstaltung zu integrieren, erhoben. Zwei Fragen sind in diesem Abschnittenthalten, aus denen sich die Variablen „Proficiency of Digital Tools“ (Frage 6)und „Teachers’ Readiness“ (Frage 7) im Pfadmodell ergeben.Frage 6: Leistungsstand digitaler Arbeitsmittel („Proficiency of DigitalTools“), erhoben in sechs Ausprägungen:• Ich habe keinerlei Erfahrung mit digitalen Arbeitsmitteln.• Ich habe versucht, digitale Arbeitsmittel zu nutzen, benötige je-doch regelmäßig Unterstützung.• Ich kenne die Grundfunktionen einiger Computer-Anwendungen.• Ich weise durchschnittliche Kenntnisse in einigen Computer-Anwendungen auf.• Ich habe den kompetenten Umgang für ein breites Spektrum andigitalen Arbeitsmitteln erlernt.• Ich beherrsche die Anwendung eines großen Spektrums digitalerArbeitsmittel sehr gut.Bei der Variablen „Teachers’ Readiness“ handelt es sich um ein Konstrukt, d.h.eine nicht direkt beobachtbare (latente) Variable, die über beobachtbare Indika-toren operationalisiert und messbar gemacht werden musste. Hierfür wurden vierItems im Fragebogen eingesetzt, die von den Untersuchungsteilnehmern jeweilsanhand einer fünfstufigen Likert-Skala mit den Antwortoptionen (1) „trifft über-haupt nicht zu“, (2) „trifft eher nicht zu“, (3) „trifft teilweise zu“, (4) „trifft eher zu“,(5) „trifft vollkommen zu“ beurteilt wurden.Frage 7: Bereitschaft der Lehrperson („Teachers’ Readiness“), erfasstdurch vier Items:• Ich weiß, wie ich digitale Arbeitsmittel ideenreich in den Lehrver-anstaltungen einsetze.
  • 58. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 50• Ich bin in der Lage, den Einsatz digitaler Arbeitsmittel mit demgültigen Lehrplan abzustimmen.• Ich bin hinreichend geschult worden, damit ich digitale Arbeits-mittel in meinen Lehrveranstaltungen einsetzen kann.• Meine Computerkenntnisse reichen aus, um Lehrveranstaltun-gen angemessen abzuhalten, in denen Studierende digitale Ar-beitsmittel nutzen.3.2.1.3 Expertenmeinungen zu digitalen ArbeitsmittelnIm dritten Abschnitt des Fragebogens wurden die Lehrpersonen aufgefordert, dieAuffassung bzw. Wahrnehmung in Hinblick auf den Einfluss digitaler Arbeitsmit-tel auf den Lernerfolg und die Lernleistung der Studenten/Studentinnen bzw.Schüler/innen sowie auf den Unterricht zu beurteilen.In diesem Fragebogen-Abschnitt wurde das Konstrukt „Teachers’ Beliefs“ opera-tionalisiert und messbar gemacht. Zur Operationalisierung dieses Konstruktswurden für diesen Abschnitt zwei Sub-Konstrukte eingesetzt: „Impact onStudents“ (Frage 8) und „Impact on Classroom Instruction“ (Frage 9); beide zu-sammen bestimmten die Variable „Teachers’ Beliefs“. Das Sub-Konstrukt„Impact on Students“ setzte sich aus acht Items, das Sub-Konstrukt „Impact onClassroom Instruction“ aus vier Items zusammen. Die Untersuchungsteilnehmerwurden dabei aufgefordert, für jedes Item den Grad ihrer Zustimmung zu beurtei-len. Hierfür standen ihnen jeweils fünfstufige Likert-Skalen mit den Antwortoptio-nen (1) „trifft überhaupt nicht zu“, (2) „trifft eher nicht zu“, (3) „trifft teilweise zu“,(4) „trifft eher zu“, (5) „trifft vollkommen zu“ zur Verfügung.Frage 8: Auswirkungen auf Studierende/Lernende/Schüler („Impact onStudents“), zusammengesetzt aus acht Items:• Der Einsatz digitaler Arbeitsmittel hat das Niveau der Interaktionund/oder der Zusammenarbeit zwischen den Studierenden er-höht.• Der Einsatz digitaler Arbeitsmittel hat das Lernen und die Leis-tung der Studierenden positiv beeinflusst.
  • 59. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 51• Der Einsatz digitaler Arbeitsmittel hat die Arbeitsqualität der Stu-dierenden verbessert.• Der Einsatz digitaler Arbeitsmittel verbessert das problemlösen-de Lernen.• Der Einsatz digitaler Arbeitsmittel motiviert die Studierenden da-zu, sich mehr in die Lernaktivitäten einzubringen.• Der Einsatz digitaler Arbeitsmittel fördert die Entwicklung derSozialkompetenz der Studierenden (z.B. die Fähigkeit, eine per-sönliche Beziehung zu anderen aufzubauen oder mit ihnen zu-sammen zu arbeiten).• Der Einsatz digitaler Arbeitsmittel fördert die Entwicklung derKommunikationsfähigkeit (z.B. die Schreib- und Präsentations-techniken).Frage 9: Auswirkungen auf Studium/Unterricht („Impact on ClassroomInstruction“), erfasst durch vier Items:• Das Studium ist stärker auf die Studierenden ausgerichtet, wenndigitale Arbeitsmittel eingesetzt werden.• Die Lernaktivitäten haben sich durch die Bemühungen, digitaleArbeitsmittel in den Unterricht einzubinden, auf sehr positiveWeise verändert.• Das Studium ist interaktiver, wenn digitale Arbeitsmittel in denLehrveranstaltungen eingesetzt werden.• Der Einsatz digitaler Arbeitsmittel ermöglicht es den Lehrkräften,Lernmoderatoren anstelle von Informationslieferanten zu sein.Den dritten Fragebogen-Abschnitt beendeten die folgenden zwei Items, die alsKontrollvariablen im Fragebogen für Frage 9 eingesetzt wurden1:Frage 10: Wie bewerten Sie grundsätzlich den Einsatz digitaler Arbeits-mittel in Lehrveranstaltungen? (Bewertung), erfasst als dicho-tomes Merkmal (eher schlecht bzw. eher gut)1Hinweis: Beide Kontrollvariable sind nicht Gegenstand der Masterarbeit, d.h. sie bleiben in denAnalysen unberücksichtigt.
  • 60. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 52Frage 11: Wie bewerten Sie grundsätzlich den Einsatz digitaler Arbeits-mittel in Lehrveranstaltungen? (Nützlichkeit), erfasst als dicho-tomes Merkmal (eher nutzlos bzw. eher hilfreich)3.2.1.4 Wahrnehmung des (technischen) SupportsIm vierten Fragebogen-Abschnitt wurden institutionenbezogene Eigenschaftenbzw. die Unterstützung seitens der Bildungseinrichtung erhoben: die wahrge-nommene Unterstützung von administrativer Seite, Kollegen, Interessengruppenetc. hinsichtlich der Integration digitaler Arbeitsmittel in der Bildungseinrichtung(„Overall Support“) sowie die Wahrnehmung an der Eignung der technischenUnterstützung, Verfügbarkeit an Ressourcen und Unterstützung bei Computer-Software und Fehlerbehebung („Technical Support“) (jeweils Frage 12). Darüberhinaus wurde die Unterstützung hinsichtlich Schulungen (Frage 13) und einesTechnologie-Coaches („Technology Coach Effectiveness“) (Frage 14 und 151)erfasst.Bei den Variablen „Overall Support“, „Technical Support“ und „Technology Co-ach Effectiveness“ handelt es sich jeweils um Konstrukte, die über beobachtbareIndikatoren operationalisiert und messbar gemacht werden mussten. Für „Over-all Support“ und „Technical Support“ wurden hierfür acht Items (für jedes Kon-strukt vier Items) und für „Technologie-Coach“ vier Items im Fragebogen einge-setzt, die von den befragten Lehrpersonen jeweils anhand einer fünfstufigen Li-kert-Skala mit den Antwortoptionen (1) „trifft überhaupt nicht zu“, (2) „trifft ehernicht zu“, (3) „trifft teilweise zu“, (4) „trifft eher zu“, (5) „trifft vollkommen zu“ beur-teilt wurden.Frage 12: Allgemeine Unterstützung („Overall Support“), erfasst durch vierItems:• Verschiedene Interessengruppen unterstützen die technologi-schen Bemühungen unserer Institution.1Hinweis: Die Variable „Technology Coach Effectiveness“ ist nicht Gegenstand der Masterarbeit,d.h. sie bleibt in den Analysen unberücksichtigt.
  • 61. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 53• Die Lehrkräfte werden ausreichend administrativ unterstützt, umdigitale Arbeitsmittel in Lehrveranstaltungen einzubinden.• Unsere Institution hat einen gut entwickelten Technologieplan,der zu allen technologischen Neuerungen instruiert.• Im Allgemeinen unterstützen die Lehrkräfte unserer Institutiontechnologische Neuerungen.Technische Unterstützung („Technical Support“), zusammen-gesetzt aus vier Items:• Der überwiegende Teil unserer Computer wird in gutem Arbeits-zustand gehalten.• Ich kann ohne Weiteres Auskunft zu technischen Fragen einho-len.• Meine Studierenden haben ausreichenden Zugang zu techni-schen Arbeitsmitteln, die sich auf dem neuesten Stand befinden.• Der Zugang zu digitalen Arbeitsmitteln in Lehrveranstaltungen istan unserer Institution sehr leicht.Frage 13: Schulung, erhoben in den Ausprägungen keine Schulung, einenganzen Tag oder weniger, mehr als einen Tag und weniger als einSemester, einen Semester-Lehrgang, mehr als ein Semester.Frage 14: Gibt es in Ihrer Institution eine Person, die als eine Art „Tech-nologie-Coach“ zur Verfügung steht? (Technology Coach), er-fasst als dichotomes Merkmal (ja bzw. nein)Frage 15: Effektivität eines Technologie-Coach („Technology Coach Ef-fectiveness“), erfasst durch vier Items:• Ich habe regelmäßig an Fortbildungen teilgenommen, die vonunserem Technologie-Coach geplant und angeboten wurden.• Ich setze digitale Arbeitsmittel häufiger in meinen Lehrveranstal-tungen ein, seitdem ich an einer Fortbildung teilgenommen habe,die von unserem Technologie-Coach geplant und angebotenwurde.
  • 62. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 54• Die Qualität meiner Lehrveranstaltungen, in denen ich techni-sche Arbeitsmittel einsetze, hat sich verbessert, seitdem ich aneiner Fortbildung teilgenommen habe, die von unserem Techno-logie-Coach geplant und angeboten wurde.• Im Großen und Ganzen ist unser Technologie Coach ein wert-voller Gewinn, was die Implementierung von Technologie in un-serer Institution angeht.3.2.1.5 Wahrnehmung bezüglich der Häufigkeit der EinbindungIm fünften Abschnitt des Fragebogens wurden die Teilnehmer aufgefordert, dieWahrnehmung bezüglich der Häufigkeit der Einbindung digitaler Arbeitsmittel inihre Lehraktivitäten zu beurteilen.In diesem Fragebogen-Abschnitt wurde das Konstrukt „Integration of DigitalTools“ operationalisiert und messbar gemacht. Zur Operationalisierung diesesKonstruktes wurden das Sub-Konstrukt „Process of Integration“ (Frage 16) unddas Sub-Konstrukt „Future Development of Integration“ (Frage 17) eingesetzt.Das Konstrukt „Process of Integration“ setzte sich aus zehn Items zusammen,die von den Untersuchungsteilnehmern anhand einer fünfstufigen Likert-Skalabewertet wurden. Die Antwortoptionen waren (1) „nie“, (2) „selten“, (3) „manch-mal“, (4) „oft“ und (5) „immer“.Das Konstrukt „Future Development of Integration“ setzte sich aus drei Itemszusammen. Hier wurden die Lehrpersonen aufgefordert, für jedes Item den Gradihrer Zustimmung anhand einer fünfstufigen Likert-Skala mit den Antwortoptio-nen (1) „trifft überhaupt nicht zu“, (2) „trifft eher nicht zu“, (3) „trifft teilweise zu“,(4) „trifft eher zu“, (5) „trifft vollkommen zu“ zu beurteilen.Frage 16: Häufigkeit der Integration („Process of Integration“), zusam-mengesetzt aus zehn Items:• Instruierend (z.B. Vortrag, Vorlesung)• Kommunikativ (z.B. E-Mail, ICQ, Facebook, Skype, Videokonfe-renz)• Organisatorisch (z.B. Datenbank, Arbeitsblätter, Aufzeichnun-gen, Unterrichtspläne)
  • 63. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 55• Analytisch/programmierend (z.B. Statistiken, Grafiken, Simulati-onen)• Entspannend (z.B. Spiele)• Erweiternd (z.B. Experimente, Erkundungsumgebung, Brain-storming)• Kreativ (z.B. audio-visuelle Medien wie Film, Animationen, Bil-der)• Veröffentlichend (z.B. Blog, Online-Journal)• Evaluierend (z.B. Prüfung, Portfolio, Tests)• Informativ (z.B. Internetrecherche)Frage 17: Zukünftige Entwicklung der Integration („Future Developmentof Integration“), erfasst durch drei Items:• Ich denke, ich werde digitale Arbeitsmittel viel mehr in meinenLehrveranstaltungen einsetzen als ich dies im Augenblick tue.• Ich kann mir vorstellen, dass meine Lehre in Zukunft viel stärkertechnologiebasiert sein wird.• Ich werde den Einsatz digitaler Arbeitsmittel meinen Kollegenweter empfehlen.3.2.2 Ablauf der Online-BefragungJeder der sieben Fragebogen wurde in LimeSurvey mit einem Link angelegt, derdirekt zur Einleitungsseite und dem ersten Themenblock des Fragebogens führt.Dieser Link wurde zunächst per E-Mail an den Ansprechpartner der jeweiligenHochschule geschickt, der den Link wiederum an den entsprechenden Perso-nenkreis an der Hochschule versendet bzw. weitergeleitet hat. Die Ansprech-partner wurden im Vorfeld festgelegt.1Der Versand an die Lehrpersonen in denHochschulen wurde damit dem Ansprechpartner überlassen; zwar wurde dieKontrolle über den Versand des Fragebogens „aus der Hand gegeben“, jedochkennt der Ansprechpartner den Personenkreis seiner Hochschule besser, sodass dadurch eine höhere Rücklaufquote zu erwarten ist als bei einem Versand1In den teilnehmenden Hochschulen des Projekts „Digital Classroom“ handelte es sich um diejeweiligen Projektkoordinatoren der Hochschulen.
  • 64. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 56an die Lehrpersonen von einer unbekannten Person. An den deutschen Hoch-schulen erfolgte der Versand des Links zusammen mit einem Begleitschreiben.Das Begleitschreiben enthielt u.a. Hintergrundinformationen zur Umfrage, dieBearbeitungsdauer der Umfrage sowie eine Frist für die Teilnahme an der Onli-ne-Befragung, d.h. bis wann an der Umfrage teilgenommen werden kann. DerAnlage A9 ist beispielhaft das Begleitschreiben an den deutschen Hochschulenzu entnehmen.Der Zeitraum, d.h. Start- und Endtermin der Online-Befragung war aufgrund or-ganisatorischer Gegebenheiten an den einzelnen Hochschulen unterschiedlich.Ursprünglich war eine Bearbeitungszeit von vier Wochen geplant. In Schwedenwurde die Umfrage jedoch bereits vor dem Pretest Anfang September 2012 ge-startet und endete zum 31. Oktober 2012. Vorgenommene Änderungen der Pro-jektgruppe am Fragebogen Mitte September 2012 konnten hier nicht berücksich-tigt werden. An den Hochschulen in Schottland, der Türkei, Spanien und an derDHBW Stuttgart erfolgte die Befragung im Zeitraum von Anfang Oktober 2012bis 31. Oktober 2012, an den Berufskollegs Hagen zwischen Ende Oktober 2012und 11. November 2012 und an der AKAD-Gruppe zwischen Anfang November2012 und 25. November 2012.1Zur Steigerung der Rücklaufquote wurde bei al-len Untersuchungsteilnehmern kurz vor Ablauf der Frist noch einmal per E-Mailum Unterstützung geworben. Da die Online-Befragung der AKAD-Gruppe undder Berufskollegs Hagen zum Auswertungszeitpunkt dieser Masterarbeit nochnicht abgeschlossen war, wurde für die Analyse der Ergebnisse der Stand derDaten zum 10. November 2012 eingesetzt.1Der genaue Starttermin bzw. der Versand der E-Mails an den teilnehmenden Personenkreis dereinzelnen Hochschulen liegt der Autorin nicht vor.
  • 65. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 573.3 AuswertungsverfahrenDie Datenanalyse der empirischen Untersuchung erfolgt in mehreren Schrittenüber das Statistikprogramm SPSS® Statistics 17.0. Das schrittweise Vorgehenwird in diesem Kapitel ausführlich erläutert.3.3.1 Datenimport und Datenbereinigung in SPSSDatenimport in SPSSDas Fragebogen-Tool LimeSurvey enthält für jede Hochschule einen separatenFragebogen, der in der jeweiligen Landessprache angelegt ist. Für jede der sie-ben Hochschulen existieren damit separate Antwort-Datensätze, die aus Lime-Survey in das Statistikprogramm SPSS importiert werden (müssen). Zunächstwerden aus LimeSurvey alle Antworten je Hochschule, d.h. sowohl die unvoll-ständigen als auch vollständigen Antworten, über eine Syntax-Datei und eineDaten-Datei exportiert und anschließend in SPSS importiert und je Hochschuleabgespeichert. Jede Hochschule verfügt nun über einen Antwort-Datensatz inSPSS.Überprüfung der Variablen in den einzelnen DatensätzenIm ersten Schritt der Datenbereinigung werden die Variablen in der Variablenan-sicht überprüft. Zunächst liegt das Augenmerk auf den Variablentypen. In einerSPSS Tabelle sollen generell nur Variablen mit dem Typ „Numerisch“ stehen;„String“ Variable sind nicht für Auswertungen geeignet. Eine Vielzahl der Variab-len wurde als Variablentyp „String“ importiert, die es nun „umzukodieren“ gilt.1Hierbei ist darauf zu achten, dass alle Antwortoptionen in den Wertelabels über-nommen werden; zur Kontrolle werden die Wertelabels mit den Original-Fragebogen der einzelnen Hochschulen abgeglichen. Zudem wird die Reihenfol-ge der Werte in den Wertelabels in den einzelnen Datensätzen für jede Hoch-schule überprüft und – sofern erforderlich – durch Umpolung in allen Datensät-1Funktion in SPSS: Transformieren – Automatisch umkodieren; für jede umzukodierende Variab-le wird ein neuer Name vergeben.
  • 66. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 58zen vereinheitlicht.1Dies ist für die spätere Zusammenführung der einzelnen Da-tensätze der Hochschulen zu einem gesamten Datensatz notwendig. Ebenso istdarauf zu achten, dass die Namen und das Spaltenformat der einzelnen Variab-len in jedem Datensatz identisch sind.Nach Anpassung des Variablentyps und der Wertelabels werden die Messni-veaus der einzelnen Variablen überprüft und angepasst; die Messniveausnominal, ordinal und metrisch werden den einzelnen Variablen entsprechendzugeordnet. Zu den nominalskalierten Variablen zählen „Geschlecht“, „Unter-richtsfach“ und „Berufskolleg Hagen“ sowie die dichotomen Variablen „Bewer-tung“, „Nützlichkeit“ und „Technologie-Coach“. Die Variablen „Lehrmethodik“ und„Schulung“ werden als ordinalskalierte Variable angelegt. Zu den ordinalskalier-ten Variablen gehören streng genommen auch die Variablen „Age“, „Years ofTeaching“ sowie „Proficiency of Digital Tools“; aufgrund des zu untersuchendenhypothetischen Pfadmodells mittels multipler Regressionsanalyse2werden dieseVariablen aber als intervallskalierte bzw. metrische Variablen in SPSS angelegtund als solche betrachtet. Ebenfalls zu den metrischen Variablen gehören alleItems, die mit einer fünfstufigen Likert-Skala im Fragebogen ausgewiesen sindsowie die Skalen, die aus diesen Items gebildet werden. Ein Auszug derVariablenansicht mit den zugeordneten Messniveaus ist der Anlage A10 zu ent-nehmen.Nun gilt es noch, die Variablenlabels in der Variablenansicht anzupassen. BeimDatenimport aus LimeSurvey in SPSS wird die Frage bzw. der Text jedes Itemsim Variablenlabel in der jeweiligen Sprache der Fragebogen ausgewiesen. Zu-nächst wird der Datensatz einer Hochschule als „Masterdokument“ ausgewählt,in dem später die anderen Datensätze zu einer Gesamtdatei zusammengefügtwerden. Für diese empirische Studie wird der Datensatz der DHBW Stuttgart1Einige Antwortoptionen in den Fragebogen der Sprachen Englisch, Spanisch, Türkisch undSchwedisch hatten eine andere Reihenfolge als die deutschen Fragebogen: Wertelabels 5-4-3-2-1 müssen auf 1-2-3-4-5 umgepolt werden. Dies erfolgte während des Umkodierungsprozes-ses über die Funktion in SPSS: Transformieren – Automatisch umkodieren. Im Dialogfeld wirdfolgende Einstellung vorgenommen: Umkodierung beginnen bei: Größtem Wert.2Eine multiple Regressionsanalyse erfordert Intervallskalenniveau der eingesetzten Variablen.Laut der Studie von Inan und Lowther (2009) wurden die Variablen in ihrem Pfadmodell einermultiplen Regression unterzogen, daher wird davon ausgegangen, dass auch in ihrer Studiealle Variablen intervallskaliert waren.
  • 67. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 59(Sprache: Deutsch) als Masterdokument verwendet; hier werden nun die Vari-ablenlabels umbenannt.1Zusammenführung der einzelnen Datensätze zu einer GesamtdateiVor dem Zusammenfügen der einzelnen Datensätze zu einer Gesamtdatei wirdin jedem Datensatz eine zusätzliche, neue „numerische“ Variable eingefügt,welche die jeweilige Hochschule identifizieren soll; das Messniveau ist normal-skaliert. Den Fällen wird die entsprechende Hochschule zugewiesen. Darüberhinaus wird in den einzelnen Datensätzen nach „leeren“ Fällen sortiert, d.h. Fäl-le, die bereits zu Beginn abgebrochen wurden und keine Daten für die Daten-analyse bereitstellen. Diese werden aus den Datensätzen entfernt; es handeltsich hier um insgesamt 20 Fälle.Nachdem nun alle Datensätze dieselbe Variablenstruktur aufweisen, können dieeinzelnen Datensätze je Hochschule im letzten Schritt der Datenbereinigung zueiner Gesamtdatei zusammengefügt werden.Anmerkungen zur DatenbereinigungBei der Datenbereinigung sind einige Probleme aufgetreten, deren Lösungenbzw. Umsetzungen im Folgenden kurz beschrieben werden:Datensatz Schweden:Die Online-Umfrage der Hochschule Schweden wurde vorzeitig gestartet, sodass Änderungen im Fragebogen, die im Projekt „Digital Classroom“ nachträg-lich gemacht wurden, nicht berücksichtigt werden konnten:• Frage 3 des schwedischen Fragebogens beinhaltete lediglich vierAntwortoptionen (< 5 Jahre, 6 – 10 Jahre, 11 – 15 Jahre, 16 Jahre undmehr), während die Fragebogen der anderen Hochschulen aus fünf Ant-wortoptionen (0 – 2 Jahre, 3 – 5 Jahre, 6 – 10 Jahre, 11 – 15 Jahre, 16Jahre und mehr) bestanden. Die zusätzliche Antwortoption, die denBereich < 5 Jahre nochmals unterteilt, ist im Projekt „Digital Classroom“nochmals geändert worden. Bei der Datenbereinigung wurde festgestellt,dass es zwei Fälle gab, bei denen die Antwortoption < 5 Jahre von den1Die Variablenlabels der anderen Datensätze können vernachlässigt werden, da beim Zusam-menfügen der Datensätze lediglich die Fälle übernommen werden.
  • 68. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 60Lehrpersonen ausgewählt wurde. Diese beiden Fälle wurden aus derGesamtdatei für die Analyse ausgeschlossen, da nicht bekannt ist, ob essich bei der Antwortoption um 0 – 2 Jahre oder 3 – 5 Jahre handelt.1• Frage 4 des schwedischen Fragebogens beinhaltete nur fünf Unterrichts-fächer. Das Unterrichtsfach „Sozialwissenschaften (einschließlich BWL/VWL)“ wurde nicht erfragt. Zudem wurde der Fragebogen in LimeSurveymit der Option Mehrfachantworten angelegt; zwei Fälle sind hiervon be-troffen, die für die Analyse aus der Gesamtdatei ausgeschlossen wurden.• Die Fragenreihenfolge des schwedischen Fragebogens wurde anders an-gelegt. Die Fragenreihenfolge 6, 7, 8, 9, 10 und 11 im schwedischen Fra-gebogen entsprachen der Fragenreihenfolge 8, 9, 10, 11, 6 und 7 in denanderen Fragebogen; die Reihenfolge des schwedischen Fragebogenswurde an die Reihenfolge der anderen Fragebogen angepasst.Datensatz Türkei:Trotz der Antwort „Nein“ bei Frage 14 wurde Frage 15 von allen Lehrpersonenausgefüllt; Der Grund war eine fehlerhafte Einstellung dieser Frage in LimeSur-vey. In der Hochschule Türkei steht keine Person als eine Art „Technologie-Coach“ zur Verfügung, deswegen wurden die Angaben in Frage 15 aus demDatensatz der Türkei und letztendlich auch aus der Gesamtdatei für die Hoch-schule Türkei entfernt.3.3.2 Deskriptive DatenanalyseDie deskriptive Statistik beschäftigt sich mit der Darstellung der gesammeltenDaten, um einen schnellen Überblick der Ergebnisse zu gewinnen. Sie ist not-wendig, um die Eignung der Daten für bestimmte bi- und multivariate Analyse-verfahren einzuschätzen. Im Rahmen der deskriptiven, univariaten Analyse wer-den in der Regel Häufigkeitsverteilungen, Lage- und Streuungsparameter be-trachtet, aber auch die Normalverteilung sowie Schiefe und Steilheit einer (Häu-figkeits-)Verteilung sind von Bedeutung.1Einer der beiden Fälle wurde zusätzlich nur „teilweise abgeschlossen“.
  • 69. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 61Häufigkeitsverteilungen beschreiben, wie oft die verschiedenen Merkmalsaus-prägungen einer Variablen im Datensatz vorkommen. Es wird zwischen absolu-ten und relativen Häufigkeiten unterschieden. Die sogenannte zentrale Tendenzder Daten wird durch Lageparameter dargestellt. Sie charakterisieren die Häu-figkeitsverteilung durch einen einzigen Wert, der die gesamte Verteilung so gutwie möglich repräsentieren soll. Zu den wichtigsten zählen das arithmetischeMittel, der Median und der Modus. Die Streuungsparameter hingegen beschrei-ben die Variabilität eines Merkmals in einem Datensatz. Dabei wird gemessen,wie dicht die Werte einer Häufigkeitsverteilung um den Mittelwert streuen. DieVarianz und die Standardabweichung sind hierbei die am häufigsten verwende-ten Größen.1Die annähernde Normalverteilung der Daten gilt für die Durchfüh-rung vieler statistischer Verfahren als wichtigste Voraussetzung. Es gibt unend-lich viele Normalverteilungen; allen gemeinsam ist die Symmetrie um den Mittel-wert. Bei einer Normalverteilung sind Schiefe und Steilheit immer Null.2Die deskriptive Analyse dieser Arbeit erfolgt mit der Gesamtdatei nach der Ent-fernung der Fälle mit „fehlenden Werten“.3Für den Gesamtdatensatz werdenHäufigkeitstabellen für alle Variablen bzw. Items ermittelt. Zudem wird für nomi-nalskalierte Variablen der Modalwert (Modus) berechnet und als Diagrammtypein Balkendiagramm ausgewiesen, welches die Häufigkeiten in den Diagramm-werten angibt. Ordinalskalierte Variablen werden mit dem Median und Modalwertausgewiesen und erhalten als Diagrammtyp ebenfalls ein Balkendiagramm, dasdie Häufigkeiten in den Diagrammwerten angibt. Die Lageparameter Modalwert,Median und Mittelwert sowie die Streuungsparameter Standardabweichung undVarianz und die Verteilung der Normalverteilung (Schiefe, Kurtosis) werden fürdie intervallskalierten Variablen berechnet. Darüber hinaus wird als Diagrammtypein Histogramm mit Normalverteilungskurve je intervallskalierte Variable erstellt.41Hinweis: Nicht alle Lage- und Streuungsparameter sind für jedes Skalenniveau geeignet bzw.einsetzbar.2Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010a), o. S.3Aufgrund des großen Datensatzes der Umfrage wird im Rahmen dieser Masterarbeit die Ge-samtdatei vor Entfernung der Fälle mit „fehlenden Werten“ nicht betrachtet. Die deskriptiveAnalyse findet lediglich mit dem Gesamtdatensatz ohne „fehlende Werte“ statt; N = 382.4Die Prüfung auf Normalverteilung erfolgt im Rahmen der deskriptiven Datenalyse lediglich an-hand eines grafischen Tests; ein Chi² Test sowie eine explorative Datenanalyse werden mit denVariablen im Pfadmodell vor der bzw. parallel zur multiplen Regressionsanalyse vorgenommen.
  • 70. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 62Die deskriptiven Statistiken erfolgen in SPSS über den Befehl Analysieren – De-skriptive Statistiken – Häufigkeiten1.Um eine Übersicht der Häufigkeitsverteilung für jede Variable je Hochschule, diein die Fallauswahl bzw. den folgenden Analysen einbezogen werden, zu be-kommen, werden für jede Variable zudem „einfache“ Kreuztabellen erstellt.Die Kreuztabelle wird in SPSS über den Befehl Analysieren – Deskriptive Statis-tiken – Kreuztabellen2vorgenommen.3.3.3 Reliabilitätsanalyse zur Skalenbewertung und SkalenbildungItems im Fragebogen, die ein Konstrukt bilden, werden zunächst auf Reliabilitätüberprüft. Erfüllen die Items die Kriterien, werden sie zu einer Skala zusammen-gefügt. Um in SPSS eine Reliabilitätsanalyse zur Bewertung einer zusammen-gesetzten Skala durchzuführen, ist es nicht notwendig, dass diese Skala tatsäch-lich konstruiert und ihre Ausprägungen berechnet wurden. Die einzelnen Items,die zu einer Skala zusammengefasst werden sollen, bilden die Grundlage derProzedur, und SPSS berechnet im Hintergrund die zusammengefasste Skala,auf die sich die Aussagen der Reliabilitätsanalyse beziehen. Eine Skala wird alsSumme der einzelnen Items gebildet. SPSS addiert die Werte der ausgewähltenItems, so dass die Summe der Testergebnisse als Skala zur Messung des Kon-strukts dient. Die Reliabilitätsanalyse wird anhand dieser Skala durchgeführt, dieErgebnisse der Analyse sind allerdings allgemeiner Natur und geben Aufschlussdarüber, wie gut die einzelnen Items geeignet sind, in einer gemeinsamen Skalazusammengefasst zu werden. Die einzelnen Items bzw. Variablen müssen fol-1Folgende Einstellungen werden im Dialogfeld vorgenommen: In das Feld Variable(n) werdendie Variablen bzw. Items eingefügt. Im Dialogfeld der Schaltfläche Statistiken werden in derGruppe Lagemaße – je nach Skalenniveau – Modalwert, Median und Mittelwert, in der GruppeStreuung Standardabweichung, Varianz sowie Minimum und Maximumg und in der GruppeVerteilung Schiefe und Kurtosis angekreuzt. Im Dialogfeld der Schaltfläche Diagramme werdenals Diagrammtyp Balkendiagramme für nominal- und ordinalskalierte Variable und Histogram-me Mit Normalverteilungskurve für intervallskalierte Variable sowie als Diagrammwerte Häufig-keiten ausgewählt.2Im Dialogfeld warden die folgenden Einstellungen vorgenommen: In das Feld Spalten wird dieVariable Hochschule bzw. Land eingetragen, in das Feld Zeile(n) alle anderen Variablen. Zu-dem wird das Feld Gruppierte Balkendiagramme anzeigen ausgewählt; für alle weiteren Dialog-felder werden die Voreinstellungen von SPSS übernommen.
  • 71. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 63gende Anforderungen erfüllen, damit sich die Ergebnisse der Reliabiltätsanalysesinnvoll interpretieren lassen:1• Skalenniveau: dichotom, ordinalskaliert oder intervallskaliert; für alle müs-sen numerische Kodierungen verwendet werden.• Einheitliche Orientierung: Notwendige Voraussetzung ist eine einheitlicheOrientierung der Items, d.h. bei allen Items sollten die inhaltliche Bedeu-tung der großen/kleinen Werte übereinstimmen. Kennzeichnen bei einemItem große Werte ein positives und kleine Werte ein negatives Testergeb-nis, sollte dies bei allen übrigen Items auch der Fall sein. Andernfallsmüssen die Werte umkodiert werden.• Einheitlicher Wertebereich: Items sollten sich sinnvoll additiv zu einer Ge-samtskala zusammenfassen lassen. Dies erfordert einen einheitlichenWertebereich der Items. Ist dies nicht der Fall, so sollten die Items ggf.umkodiert und auf einen einheitlichen Wertebereich normiert werden.Der Wert Cronbachs Alpha ist ein zentrales Ergebnis der Reliabilitätsanalyse.„Cronbachs Alpha ist ein Maß für die Reliabilität (die Zuverlässigkeit) der Ge-samtskala und wird häufig auch als ein Maß der internen Konsistenz bezeich-net.“2Je größer Cronbachs Alpha, desto höher ist die Validität der Gesamtskala;d.h. der Wert von Cronbachs Alpha ist umso höher, je stärker die einzelnenItems miteinander korrelieren. In der Literatur wird ein Wert von mindestens 0.8gefordert, damit eine zusammengesetzte Skala als hinreichend zuverlässig an-gesehen werden kann. Im Output von SPSS gibt die Reliabilitätsanalyse fernerAuskunft darüber, welchen Beitrag die einzelnen Items zur Gesamtskala leisten.3Es wird für die folgenden Fragen bzw. deren Items im Fragebogen eine Reliabili-tätsanalyse durchgeführt:• Frage 7: Zusammenfassung der 4 Items zur Skala „Teachers’ Readiness“• Frage 8: Zusammenfassung der 8 Items zur Skala „Impact on Students“1Vgl. Brosius, F. (2006), S. 797f.2Brosius, F. (2006), S. 7983Vgl. ebenda, S. 800
  • 72. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 64• Frage 9: Zusammenfassung der 4 Items zur Skala „Impact on ClassroomInstruction“• Frage 12/1: Zusammenfassung der Items 1, 2, 3, 4 zur Skala „OverallSupport“• Frage 12/2: Zusammenfassung der Items 5, 6, 7, 8 zur Skala „TechnicalSupport“• Frage 15: Zusammenfassung der 4 Items zur Skala „Technology Coach“• Frage 16: Zusammenfassung der 10 Items zur Skala „Process ofIntegration“• Frage 17: Zusammenfassung der 3 Items zur Skala „Future Developmentof Integration“Alle Items erfüllen die oben genannten Anforderungen: sie sind intervallskaliertund haben durch die vorgegebene fünfstufige Likert-Skala sowohl eine einheitli-che Orientierung als auch einheitliche Wertelabels in SPSS.Die Reliabilitätsanalyse wird in SPSS über den Befehl Analysieren – Skalierung– Reliabilitätsanalyse1vorgenommen.Der Wert von Cronbachs Alpha wird häufig auch als Maß für die Eindimensiona-lität der Items aufgefasst. Es wird versucht, aus Cronbachs Alpha Erkenntnissedarüber zu gewinnen, ob die Items tatsächlich dieselbe Größe messen und ineiner gemeinsamen Skala aufgehen sollten: sind alle Items stark miteinanderkorreliert, scheint ihnen dieselbe Größe bzw. Hintergrundvariable zugrunde zuliegen. Umgekehrt bilden Items mit geringer Korrelation unterschiedliche Dimen-sionen ab, und es ist möglicherweise nicht sinnvoll, sie zu einer Skala zusam-menzufassen. Diese Zusammenhänge treffen zwischen der Korrelation derItems und ihrer Eindimensionalität grundsätzlich zu, jedoch gibt Cronbachs Al-pha nur bedingt Aufschluss darüber, inwieweit alle Items dieselbe Dimensionabbilden. So kann sich auch für eine Gruppe von Items, die zwei oder mehr Di-1Folgende Einstellungen werden im Dialogfeld vorgenommen: In das Feld Items werden dieItems eingefügt, die zu einer Skala zusammengefasst werden sollen. In der Dropdown-ListeModell wird der Eintrag Alpha gewählt. Im Dialogfeld der Schaltfläche Statistiken werden in derGruppe Deskriptive für alle drei Optionen Item, Skala und Skala wenn Item gelöscht, in derGruppe Zwischen Items Korrelationen, in der Gruppe ANOVA-Tabelle der F-Test angekreuzt.
  • 73. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 65mensionen abbilden, ein hoher Alpha-Wert ergeben. Um solche Zusammenhän-ge zu identifizieren, eignet sich eine Faktorenanalyse.1Letztendlich bedeutetdies, dass Items vor einer Skalenbildung vorsichtshalber einer Faktorenanalyseunterzogen werden sollten.Neben den oben genannten Skalen werden zwei weitere Skalen gebildet, diesich jeweils aus zwei Fragen mit verschiedenen Items zusammensetzen:• Frage 8 und Frage 9: Zusammenfassung der 12 Items zur Skala„Teachers’ Beliefs“• Frage 16 und Frage 17: Zusammenfassung der 13 Items zur Skala„Integration of Digital Tools“Da sich diese Skalen aus mehr als einer Frage zusammensetzen, sollen dieseItems neben einer Reliabilitätsanalyse zusätzlich einer Faktorenanalyse unterzo-gen werden, auf die im folgenden Kapitel näher eingegangen wird. Damit sollgeprüft werden, ob sie jeweils dieselbe Dimension abbilden. Auf eine Faktoren-analyse weiterer (oben) gebildeter Skalen wird verzichtet.Nachdem die Skala auf Reliabilität überprüft wurde, werden die Items in SPSSzu der entsprechenden Skala zusammengefügt. Dies erfolgt über den BefehlTransformieren – Variable berechnen2.3.3.4 FaktorenanalyseDie Faktorenanalyse zählt zu den Interdependenzanalysen. Ausgangspunkt derFaktorenanalyse bildet eine große Anzahl von Variablen, von denen a priori nichtbekannt ist, ob und in welcher Weise sie miteinander zusammenhängen, für diejedoch vermutet wird, dass sie bestimmte komplexe Sachverhalte repräsentie-ren. Es lässt sich mit der Faktorenanalyse untersuchen, ob sich unter den be-trachteten Variablen solche Gruppen von Variablen befinden, denen jeweils eine1Vgl. Brosius, F. (2006), S. 8012Im Dialogfeld werden folgende Einstellungen vorgenommen: Unter Zielvariable wird der Nameder neugebildeten Variablen eingegeben. Zur Bildung des Mittelwerts gibt man unter numeri-scher Ausdruck MEAN ein und fügt die einzelnen Items, die die Skala abbilden sollen, durchKommata getrennt in einer Klammer ein.
  • 74. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 66komplexe Hintergrundvariable, ein sogenannter Faktor, zugrunde liegt.1Ziel ei-ner Faktorenanalyse ist die Zusammenfassung und Reduktion von vielen Variab-len zu wenigen Faktoren. Bei einer explorativen Analyse wird keine Struktur derDaten vorausgesagt, bei einer konfirmatorischen Analyse hingegen soll eine an-genommene Struktur bestätigt werden.2Im Rahmen dieser Untersuchung werden die gebildeten Skalen „Teachers’Beliefs“ und „Integration of Digital Tools“ einer explorativen Faktorenanalyseunterzogen. Das schrittweise Vorgehen der Faktorenanalyse wird im Folgendenbeschrieben:3VariablenauswahlZunächst werden die ausgewählten Variablen bzw. Items in einem Modellmit entsprechenden Fragestellungen dargestellt. Es wird davon ausgegangen,dass die Struktur anfangs unbekannt ist; d.h. es kann ein Faktor oder mehr alsein Faktor bei der Analyse entdeckt werden.Modell 1: Skala „Teachers’ Beliefs“Können die 12 Items der Fragen 8 und 9 zu einem Faktor, der Ska-la „Teachers’ Beliefs“ zusammengefasst werden oder bilden sichmehrere Faktoren heraus?1Vgl. Brosius, F. (2006), S. 7632Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010b), o. S.3Vgl. ebenda, o. S.Item 12…Item 1Item 2Item 3Faktor(Skala „Teachers’ Beliefs)?Item 12…Item 1Item 2Item 3Faktor(Skala „Teachers’ Beliefs)?
  • 75. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 67Modell 2: Skala „Integration of Digital Tools“Können die 13 Items der Fragen 16 und 17 zu einem Faktor, derSkala „Integration of Digital Tools“ zusammengefasst werden oderbilden sich mehrere Faktoren heraus?Berechnung und Eignung der KorrelationsmatrixDurch die Berechnung einer Korrelationsmatrix in SPSS erhält man einen erstenÜberblick über die Variablen; in ihr werden die bivariaten Korrelationen zwischenden einzelnen Variablen aufgetragen. Sie gibt jedoch noch keine Auskunft übereinen gemeinsamen Faktor. Im nächsten Schritt muss geprüft werden, ob dieKorrelationsmatrix bzw. die Daten für eine Faktorenanalyse geeignet sind. Dieserfolgt mit dem „Maß der Stichprobeneignung“. Es zeigt an, wie stark die Variab-len zusammengehören und ob eine Faktorenanalyse sinnvoll ist oder nicht. DasMaß kann Werte zwischen 0 und 1 annehmen – je höher, desto besser. ÜberSPSS wird eine Anti-Image-Matrix erstellt, die als Entscheidungshilfe dient, obeinzelne Variablen aus der Analyse entfernt werden sollten.Bestimmung der KommunalitätenIn den oben gezeigten Modellen wird davon ausgegangen, dass die kompletteVarianz der Variablen durch den Faktor bzw. die Faktoren erklärt werden kann.Es gibt allerdings meistens noch merkmalsspezifische Einflüsse, die nicht durchdie Faktoren bewirkt werden und auf die Variablen einwirken, die sogenanntenEinzelrestfaktoren. Unter Kommunalität eines Merkmals wird nun der Varianzan-teil eines Merkmals verstanden, der durch die gemeinsamen Faktoren erklärtwird. Gibt es Einzelrestfaktoren im Modell, so stellt sich die Frage, welcheItem 13…Item 1Item 2Item 3Faktor(Skala „Integration ofDigital Tools“)?Item 13…Item 1Item 2Item 3Faktor(Skala „Integration ofDigital Tools“)?
  • 76. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 68Größenordnung für die Kommunalitäten angenommen werden soll. Dies wird alsKommunalitäten-Problem bezeichnet. Zwei Lösungen sind möglich:• Hauptkomponentenanalyse: Es wird davon ausgegangen, dass es keineEinzelrestfaktoren gibt und die Varianz nur durch die Faktoren erklärtwird. Für jede Kommunalität wird der Wert 1 angenommen.• Hauptachsenmethode: Kleinere Kommunalitäten werden vorgegeben.Für die zwei Modelle der Untersuchung wird die Hauptkomponentenanalysegewählt; die Frage lautet: Wie lassen sich die auf einen Faktor hoch ladendenVariablen durch einen Sammelbegriff (Komponente) zusammenfassen?Extraktion und Zahl der FaktorenNachdem die Daten überprüft und die Methode gewählt wurde, beginnt die ei-gentliche Faktorenanalyse. Die mathematische Berechnung beruht auf derRechnung mit Matrizen und Vektoren. Das Ziel ist es, ein neues Bezugssystem(Koordinatensystem) mit möglichst wenigen Dimensionen (Achsen) zu finden,das möglichst gut in die Daten eingepasst werden kann. Die Achsen stellen dieFaktoren dar. Die Größe der Winkel von Vektoren und Achsen spiegeln die Kor-relationen der Variablen und der Faktoren wider. Je kleiner der Winkel, destostärker laden die Variablen auf den Faktor und desto größer ist die Korrelationmit dem Faktor; diese Korrelationen nennt man Faktorladungen.Für die Bestimmung der Anzahl der Faktoren wird das Kaiser-Kriterium in SPSSeingesetzt. Es sollen alle die Faktoren extrahiert werden, deren Eigenwert grö-ßer 1 ist. Anhand der Eigenwerte lässt sich der Varianzanteil bestimmen, derdurch den Faktor erklärt wird. Die Eigenwerte der Faktoren lassen sich aus derSPSS Ausgabe ablesen.Bestimmung der FaktorwerteIm nächsten Schritt muss bestimmt werden, welche Variablen auf welchen Fak-tor hochladen. SPSS gibt hierzu eine Komponentenmatrix mit Faktorladungenan, die die Korrelation zwischen Variable und Faktor darstellen. In der Fußnotedieser Matrix wird angegeben, wie viele Faktoren über SPSS extrahiert wurden.In der jeweiligen Spalte der Komponenten sind die Faktorladungen enthalten. Abeinem Wert von 0.5 kann von einer hohen Korrelation gesprochen werden.
  • 77. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 69Damit eine Variable nur auf einen Faktor hochlädt, wird zusätzlich über SPSSeine Rotation der Achsen vorgenommen, so dass sich die Faktorladungenändern und eine eindeutigere Einfachstruktur erreicht wird. Die Achsen werdendabei orthogonal zueinander belassen.Interpretation der FaktorenIm letzten Schritt der Faktorenanalyse wird nun ein Sammelbegriff für die Variab-len gefunden, die auf den jeweiligen Faktor hochladen. Da die Faktorenanalysenicht im Mittelpunkt dieser Arbeit steht, wird in den zwei Modellen lediglich über-prüft, ob die Items sich zu einem Sammelbegriff und damit der jeweils gebildetenSkala zusammenfassen lassen oder ob sich mehrere Sammelbegriffe ergeben.Die Faktorenanalyse erfolgt in SPSS über den Befehl Analysieren – Dimensions-reduzierung – Faktorenanalyse1.3.3.5 Korrelationsanalyse zur Prüfung eines ZusammenhangsBevor eine multiple Regressionsanalyse vorgenommen wird, soll zunächst derZusammenhang zwischen den einzelnen Variablen untersucht werden. Hierfürgibt es je nach Skalenniveau der Variablen unterschiedliche Verfahren. Relevantfür die Variablen im zu untersuchenden Pfadmodell ist die Korrelation. Sie wirdverwendet, wenn der lineare Zusammenhang zweier intervallskalierter Variablenidentifiziert werden soll; sie findet hauptsächlich Anwendung, wenn der lineareZusammenhang ungerichtet ist. Zur Bestimmung der Stärke dieses Zusammen-hangs wird der Produkt-Moment-Korrelationskoeffizient nach Pearson und Brav-ais (Pearsons Korrelationskoeffizient) berechnet.2Der ermittelte Korrelationskoeffizient ist ein Maß für die Stärke und die Richtungdes Zusammenhangs zweier Variablen. Der Korrelationskoeffizient drückt die1Im Dialogfeld werden folgende Einstellungen vorgenommen: Die im Modell zu untersuchendenItems bzw. Variablen werden unter Variablen eingegeben. In dem Dialogfeld der SchaltflächeDeskriptive Statistik werden in der Gruppe Statistiken die Anfangslösung und in der GruppeKorrelationsmatrix die Koeffizienten ausgewählt. Zudem wird für die Berechnung des Maßesder Stichprobeneignung KMO und Bartlett-Test auf Sphärizität sowie Anti-Image angekreuzt. Indem Dialogfeld der Schaltfläche Extraktion wird in der Dropdown-Liste Methode die Hauptkom-ponenten ausgewählt. In der Gruppe Analysieren Korrelationsmatrix und in der Gruppe Extra-hieren Basierend auf dem Eigenwert Eigenwerte größer als: 1 angekreuzt. In dem Dialogfeldder Schaltfläche Rotation wird die Methode Varimax ausgewählt.2Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010c), o. S.
  • 78. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 70Stärke des linearen Zusammenhangs in einer zwischen –1 und +1 liegendenMaßzahl aus, wobei ein positiver Wert auf einen positiven Zusammenhang undein negativer Wert auf einen negativen Zusammenhang hinweist. Bei einemWert von 0 besteht kein Zusammenhang zwischen den Variablen.1Die folgenden Variablenpaare werden einer Korrelationsanalyse unterzogen:Mit den ausgegebenen Korrelationskoeffizienten lässt sich noch keine Aussagedarüber machen, ob ein statistischer Zusammenhang besteht oder nicht. Esmuss ein Signifikanztest vorgenommen werden, der überprüft, ob ein signifikan-1Vgl. Brosius, F. (2006), S. 513Technical Support Teachers’ BeliefsTechnical Support Integration of Digital ToolsTechnical Support Teachers’ ReadinessTechnical Support Proficiency of Digital ToolsOverall Support Integration of Digital ToolsProficiency of Digital Tools Teachers’ ReadinessProficiency of Digital Tools Teachers’ BeliefsProficiency of Digital Tools Integration of Digital ToolsTeachers’ Readiness Integration of Digital ToolsOverall Support Teachers’ BeliefsTeachers’ Beliefs Integration of Digital ToolsTechnical Support Teachers’ BeliefsTechnical Support Integration of Digital ToolsTechnical Support Teachers’ ReadinessTechnical Support Proficiency of Digital ToolsOverall Support Integration of Digital ToolsProficiency of Digital Tools Teachers’ ReadinessProficiency of Digital Tools Teachers’ BeliefsProficiency of Digital Tools Integration of Digital ToolsTeachers’ Readiness Integration of Digital ToolsOverall Support Teachers’ BeliefsTeachers’ Beliefs Integration of Digital ToolsYears of Teaching Proficiency of Digital ToolsYears of Teaching Teachers’ ReadinessAge Integration of Digital ToolsAge Teachers’ BeliefsAge Teachers’ ReadinessYears of Teaching Teachers’ BeliefsYears of Teaching Integration of Digital ToolsOverall Support Proficiency of Digital ToolsOverall Support Teachers’ ReadinessAge Proficiency of Digital ToolsYears of Teaching Proficiency of Digital ToolsYears of Teaching Teachers’ ReadinessAge Integration of Digital ToolsAge Teachers’ BeliefsAge Teachers’ ReadinessYears of Teaching Teachers’ BeliefsYears of Teaching Integration of Digital ToolsOverall Support Proficiency of Digital ToolsOverall Support Teachers’ ReadinessAge Proficiency of Digital Tools
  • 79. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 71ter Zusammenhang zwischen den betrachteten Variablen überhaupt vorliegt, d.h.ob aus den Stichprobenbeobachtungen geschlossen werden kann, dass in derGrundgesamtheit ein solcher linearer Zusammenhang besteht.In SPSS werden die Korrelationskoeffizienten für jedes Variablenpaar mit demBefehl Analysieren – Korrelation – Bivariat1bestimmt. Bei der Berechnung derKorrelation gibt SPSS den p-Wert automatisch aus; die Korrelation wird zweisei-tig auf Signifikanz getestet.3.3.6 Multiple RegressionsanalyseNachdem mit der Korrelation die Stärke und Richtung des Zusammenhangszwischen den Variablenpaaren untersucht wurde, werden nun mit multiplen Reg-ressionsanalysen (linear) gerichtete Zusammenhänge geprüft. An dieser Stellesei angemerkt, dass unabhängig von den Ergebnissen der Korrelationsanalysealle im hypothetischen Pfadmodell abgebildeten Variablen in die entsprechendenmultiplen Regressionsanalysen eingesetzt werden.Die multiple Regressionsanalyse wird angewendet, um die Abhängigkeit einerintervallskalierten abhängigen Variablen von mehreren intervallskalierten unab-hängigen Variablen zu untersuchen. Die Zusammenhänge lassen sich quantita-tiv beschreiben und erklären. Anders als bei einer reinen Korrelationsanalysewird bei einer Regressionsanalyse eine eindeutige Richtung der Zusammenhän-ge angenommen; diese basieren in dieser Untersuchung auf vorangegangenenStudien. Eine Kausalität lässt sich mit einer Regression jedoch nicht beweisen.Eine multiple Regressionsanalyse erfolgt in mehreren Schritten, die im Folgen-den beschrieben werden:21Im Dialogfeld werden die im Modell zu untersuchenden Variablen unter Variablen eingegeben.Unter Korrelationskoeffizienten wird Pearson ausgewählt, da es sich um intervallskalierte Vari-able handelt, und der Test auf Signifikanz wird auf Zweiseitig eingestellt. Ebenso wird das FeldSignifikante Korrelationen markieren angeklickt.2Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010d), o. S
  • 80. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 72ModellformulierungDie Variablen „Proficiency of Digital Tools“, „Teachers’ Beliefs“, “Teachers’Readiness” und “Integration of Digital Tools” sind endogene Variablen des hypo-thetischen Pfadmodells (vgl. Kapitel 2.3.2). Außer der Variablen “Integration ofDigital Tools” dienen die endogenen Variablen sowohl als abhängige als auchunabhängige Variablen. Für jede exogene Variable („Age“, „Years of Teaching“,„Overall Support“ und „Technical Support”) soll mit der multiplen Regressions-analyse der Einfluss auf die endogene Variablen berechnet werden. Fungiert dieendogene Variable nicht als abhängige Variable im Modell, so wird sie als unab-hängige Variable betrachtet und fließt ebenfalls in das multiple Regressions-modell ein.Hieraus ergeben sich für die acht Variablen im Pfadmodell vier Abhängigkeitenabhängiger Variablen von mehreren unabhängigen Variablen, die jeweils mitHilfe einer multiplen Regressionsanalyse untersucht bzw. überprüft werden.Nachfolgend werden die einzelnen Modelle sowie deren Fragestellung darge-stellt:Modell 1: Welchen Einfluss haben die Variablen „Age“, „Years of Teaching“,„Overall Support“ und „Technical Support“ auf „Proficiency ofDigital Tools“?Modell 2: Welchen Einfluss haben die Variablen „Age“, „Years of Teaching“,„Overall Support“, „Technical Support“ und „Proficiency of DigitalTools“ auf “Teachers’ Readiness”?Technical SupportYears of TeachingAgeProficiency of Digital ToolsOverall SupportTechnical SupportYears of TeachingAgeProficiency of Digital ToolsOverall SupportProficiency of Digital ToolsTechnical SupportOverall SupportYears of TeachingAgeTeachers’ ReadinessProficiency of Digital ToolsTechnical SupportOverall SupportYears of TeachingAgeTeachers’ Readiness
  • 81. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 73Modell 3: Welchen Einfluss haben die Variablen „Age“, „Years of Teaching“,„Overall Support“, „Technical Support“ und „Proficiency of DigitalTools“ auf “Teachers’ Beliefs”?Modell 4: Welchen Einfluss haben die Variablen „Age“, „Years of Teaching“,„Overall Support“, „Technical Support“, „Proficiency of DigitalTools“, „Teachers’ Readiness“ und „Teachers’ Beliefs“ auf“Integration of Digital Tools“?Schätzung der RegressionsfunktionIm nächsten Schritt wird die Regressionsfunktion geschätzt. Mit Hilfe von SPSSlässt sich die Regressionsgerade berechnen; die Regressionskoeffizienten derRegressionsgeraden und der standardisierten Regressionsgleichung können inder Tabellenausgabe Koeffizienten abgelesen werden. Die standardisierte Gera-de läuft durch den Ursprung; mit ihr lässt sich feststellen, wie stark der Zusam-menhang ist und ob dieser signifikant ist. Zudem kann festgestellt werden, wel-che unabhängige Variable den stärksten Einfluss auf die abhängige Variable hat.Teachers’ BeliefsTeachers’ ReadinessProficiency of Digital ToolsTechnical SupportOverall SupportYears of TeachingAgeIntegration of Digital ToolsTeachers’ BeliefsTeachers’ ReadinessProficiency of Digital ToolsTechnical SupportOverall SupportYears of TeachingAgeIntegration of Digital ToolsProficiency of Digital ToolsTechnical SupportOverall SupportYears of TeachingAgeTeachers’ BeliefsProficiency of Digital ToolsTechnical SupportOverall SupportYears of TeachingAgeTeachers’ Beliefs
  • 82. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 74Prüfung der RegressionsfunktionEs werden zwei Gütemaße berechnet, um zu prüfen, wie gut die Regressions-funktion das Modell beschreibt: das Bestimmtheitsmaß R² und die F-Statistik.Wie gut die Regressionsgerade zu den empirischen Daten passt, wird durch dasBestimmtheitsmass R² angegeben. R² kann Werte zwischen 0 und 1 annehmen;bei einem Wert von 0 wird keine Varianz der Daten durch das Modell erklärt,wobei bei einem Wert von 1 die gesamte Varianz erklärt wird. Da das Bestimmt-heitsmaß die Eigenschaft hat, dass es umso größer wird, je größer die Zahl derunabhängigen Variablen ist, wird der von SPSS ausgegebene korrigierte R²-Wert in der Analyse verwendet.Durch die F-Statistik wird überprüft, ob das Bestimmtheitsmass nur zufällig oderdurch den Zusammenhang der Daten entstanden ist. Die berechnete F-Statistikmuss mit dem theoretischen Wert aus der Wahrscheinlichkeitsverteilung vergli-chen werden; er sollte höher sein als der theoretisch angenommene.Prüfung der RegressionskoeffizientenDie Überprüfung der Regressionskoeffizienten erfolgt mit der t-Statistik. Der be-rechnete Wert wird mit dem theoretischen Wert einer Wahrscheinlichkeitsfunkti-on verglichen und zwar mit dem der t-Verteilung. Bei der multiplen Regressionlässt sich somit feststellen, welche unabhängige Variable den größten Einflusshat und welche Variable(n) gegebenenfalls aus dem Modell entfernt werdenmuss bzw. müssen.1Werden Variablen aus dem Modell entfernt, ändern sich die Werte für das Modellund auch die Regressionskoeffizienten der anderen Variablen. Wird festgestellt,dass Variablen aus dem einen oder anderen Modell entfernt werden sollten, sowird für das entsprechende Modell eine Modellanpassung vorgenommen.Prüfung der ModellprämissenNeben der Prüfung der Regressionsgleichung und der Regressionskoeffizientenwerden die Annahmen geprüft, die der Berechnung einer linearen multiplen Reg-ressionsanalyse zugrunde liegen. Die Annahmen können durch folgende Punkteverletzt werden:1Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010d), o. S
  • 83. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 75• Nicht-Linearität: Die Daten einer multiplen Regressionsanalyse lassensich nicht mehr in einem Koordinatensystem darstellen. Eine Prüfungmittels eines Diagramms ist daher nicht möglich. Für die zu prüfendenModelle wird von Linearität der Daten ausgegangen.• Keine Normalverteilung der Residuen: Die Residuen einer Regressions-schätzung sollten nicht nur zufällig auftreten, sondern zudem normalver-teilt sein.1In SPSS wird zur Prüfung auf Normalverteilung ein grafischerTest bzw. ein Histogramm der Residuen mit einer Normalverteilungs-kurve angefordert.• Hetereoskedastizität: Residuen der gemessenen Daten sollten die glei-che Varianz haben. Mit SPSS lässt sich die Homoskedastizität durchBetrachten der Residuen in einem Diagramm überprüfen. Auf der x-Achse werden die standardisierten Werte für y aufgetragen, auf der y-Achse die standardisierten Residuen. Bei Heteroskedastizität lässt sichein Zusammenhang zwischen beiden Variablen erkennen.• Autokorrelation: Die Residuen dürfen nicht korreliert sein, ansonstenspricht man von Autokorrelation. In SPSS erfolgt die Überprüfung mitHilfe des Durbin-Watson-Tests. Diese Durbon-Watson-Statistik kannWerte zwischen 0 und 4 annehmen: Bei einem Wert von 0 liegt einevollständig positive Autokorrelation, bei einem Wert von 2 liegt keine Au-tokorrelation, bei einem Wert von 4 eine vollständige negative Autokor-relation vor.• Multikollinearität: Bei einer multiplen Regression darf keine Multikolli-nearität vorliegen. Multikollinearität liegt dann vor, wenn sich eine unab-hängige Variable als lineare Funktion einer anderen unabhängigen Va-riable darstellen lässt. SPSS gibt zwei Statistiken aus, mit der die Vari-ablen auf Multikollinearität überprüft werden kann: Der Toleranzwert undder VIF (Variance Inflation Factor). Der Toleranzwert sollte nicht unter0.25 und der VIF nicht über 5 liegen.21Vgl. Brosius, F. (2006), S. 571ff.2Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010d), o. S
  • 84. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 76Auswahl des RegressionsmodellsEs gibt nicht nur eine mögliche Regressionsgleichung, die mit den vorhandenenVariablen berechnet werden kann. Mit SPSS ist es möglich, verschiedene Mo-delle zu berechnen. Für diese empirische Untersuchung wird die Standardein-stellung „Einschluss“ gewählt, d.h. alle unabhängigen Variablen werden in dieRegressionsgleichung einbezogen.Die multiplen Regressionsanalysen der vier Modelle erfolgt in SPSS über denBefehl Analysieren – Regression – Linear1.AnmerkungParallel zur Durchführung der multiplen Regressionsanalysen der vier Modellewerden alle Variablen im Pfadmodell einem Chi²-Test sowie einer explorativenDatenanalyse unterzogen. In der explorativen Datenanalyse können die zu un-tersuchenden Daten zudem auf Normalverteilung (Kolmogorov-Smirnov-Testund Shapiro-Wilk-Test) und Homogenität der Varianz (Levene-Test) geprüft wer-den. Sowohl der Chi²-Test als auch die explorative Datenanalyse zählen nichtzur Auswertung dieser Arbeit; ihre Ergebnisse dienen lediglich als Zusatz fürweitergehende Untersuchungen bzw. Analysen.23.3.7 Zentrale Tendenz nicht im Pfadmodell abgebildeter VariablenDer Fragebogen bzw. die Daten in SPSS enthalten neben den Variablen imPfadmodell auch Variablen, die im Pfadmodell nicht eingesetzt werden. DasPfadmodell soll in dieser Masterarbeit nicht erweitert werden, jedoch soll der Ein-fluss der nicht abgebildeten Variablen auf die Variablen „Proficiency of Digital1Im Dialogfeld werden folgende Einstellungen vorgenommen: die im Modell zu untersuchendeAbhängige Variable und Unabhängige Variablen werden eingegeben. In der Dropdown-ListeMethode wird der Eintrag Einschluss gewählt. In dem Dialogfeld der Schaltfläche Statistikenwerden in der Gruppe Regressionskoeffizien Schätzer, Anpassungsgüte des Modells und Kolli-nearitätsdiagnose sowie in der Gruppe Residuen Durbin-Watson angekreuzt. In dem Dialogfeldder Schaltfläche Diagramme wird *ZRESID auf die Y-Achse, *ZPRED auf die X-Achse für dasDiagramm Heteroskedastizität als auch Diagramme der standardisiert Histogramm und Nor-malverteilungsdiagramm ausgewählt.2Der Chi²-Test erfolgt in SPSS über den Befehl Analysieren – Nichtparametrische Tests – Chi-Quadrat-Test und die explorative Datenanalyse über den Befehl Analysieren – Deskriptive Sta-tistiken – Explorative Datenanalyse. Die entsprechenden Einstellungen in SPSS sind AnlageB28 und Anlage B29 – zusammen mit deren Ergebnissen – zu entnehmen.
  • 85. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 77Proficiency ofDigital ToolsFrauen MännerProficiency ofDigital ToolsFrauen MännerTools“, „Teachers’ Beliefs“, „Teachers’ Readiness“ sowie „Integration of DigitalTools“ hinsichtlich ihrer Mittelwertunterschiede untersucht werden.Es gibt eine große Anzahl Verfahren, mit denen Stichproben hinsichtlich ihrerMittelwertunterschiede untersucht werden können.1Bei den vorliegenden Stich-proben handelt es sich um unabhängige Stichproben; die Variablen werden ein-malig erhoben. Mit den nicht abgebildeten Variablen im Pfadmodell werden zweiVerfahren eingesetzt: t-Test für unabhängige Stichprobe sowie einfaktorielleVarianzanalyse.3.3.7.1 t-Test für unabhängige StichprobenDie Mittelwertunterschiede einer normalverteilten, intervallskalierten Variablenkönnen mit einem t-Test zwischen zwei unabhängigen Stichproben untersuchtwerden. Im Rahmen dieser Studie werden Mittelwertunterschiede der nominal-skalierten Variable „Geschlecht“ mit den Ausprägungen Weiblich und Männlichhinsichtlich der endogenen Variablen im Pfadmodell analysiert; die Ausprägun-gen werden hierbei als zwei unterschiedliche Stichproben angesehen.ModellformulierungUnterscheiden sich Frauen und Männer im Mittel in „Proficiency of Digital Tools“,„Teachers’ Readiness, „Teachers’ Beliefs“ und „Integration of Digital Tools“?Modell 1:Modell 2:Modell 3:Modell 4:1Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010e), o. STeachers’ReadinessFrauen MännerTeachers’ReadinessFrauen MännerTeachers’BeliefsFrauen MännerTeachers’BeliefsFrauen MännerIntegration ofDigital ToolsFrauen MännerIntegration ofDigital ToolsFrauen Männer
  • 86. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 78Berechnung der Teststatistik, Test auf Varianzhomogenität und Prüfungauf SignifikanzZur Überprüfung der Modelle wird zunächst je Modell eine Teststatistik in SPSSerstellt, die dann mit dem kritischen Wert auf der durch die Freiheitsgradebestimmten Testverteilung verglichen wird. Es ist darauf zu achten, ob die Vari-anzen der beiden Stichproben gleich oder unterschiedlich sind. Die Freiheitsgra-de des t-Wertes müssen angepasst werden, wenn keine Varianzhomogenitätvorliegt. SPSS führt automatisch einen F-Test bzw. Levene-Test aufVarianzhomogenität durch und gibt damit bei der Durchführung eines t-Testsautomatisch zwei unterschiedliche Freiheitsgrade sowie die dazugehörigen Sig-nifikanzwerte aus. Bei Varianzhomogenität sollte der F-Wert nicht signifikantwerden, d.h. die Signifikanz sollte größer als das festgelegte Signifikanzniveau1sein.Im letzten Schritt wird die berechnete Teststatistik auf Signifikanz überprüft. Derberechnete t-Wert wird mit dem kritischen Wert auf der theoretischen t-Verteilungverglichen; dieser Vergleich lässt sich in SPSS an der ausgegebenen Signifikanzablesen.2Der t-Test für unabhängige Stichproben erfolgt in SPSS über den BefehlAnalysieren – Mittelwerte vergleichen – t-Test bei unabhängigen Stichproben3.3.3.7.2 Einfaktorielle Varianzanalyse (ANOVA)Die einfaktorielle Varianzanalyse (ANOVA) wird eingesetzt, um eine unabhängi-ge Variable und eine abhängige Variable zu untersuchen; vorausgesetzt wirdeine Intervallskalierung und Normalverteilung der abhängigen Variablen sowieVarianzgleichheit der Daten.4In dieser Arbeit wird die ANOVA eingesetzt, um die1Bei einem Test auf Varianzhomogenität: p = 0.1 oder sogar noch höher. (vgl. Universität Zü-rich/Schwarz, J. (Hrsg.) (2010f), o. S.2Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010f), o. S.3Im Dialogfeld werden folgende Einstellungen vorgenommen: Die zu testenden Variablen wer-den unter Testvariable(n) und die zwei unterschiedlichen Stichproben, d.h. die Variable „Ge-schlecht“ als Gruppenvariable eingegeben. In dem Dialogfeld der Schaltfläche Gruppen definie-ren wird Angegebene Werte verwenden angeklickt und in Gruppe 1 der Wert des Wertelabelsfür Weiblich (1) und in Gruppe 2 der Wert des Wertelabels für Männlich (2) eingetragen.4Vgl. Brosius, F. (2005), S. 496
  • 87. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 79die Mittelwertunterschiede der nicht im Pfadmodell abgebildeten nominal- bzw.ordinalskalierten Variablen „Unterrichtsfach“, „Lehrmethodik“ und „Schulung“ imHinblick auf die endogenen Variablen im Pfadmodell zu untersuchen.ModellformulierungModell 1(a – d):Unterscheiden sich Lehrpersonen mit unterschiedlichen Unter-richtsfächern bezüglich ihrer „Proficiency of Digital Tools“ (1a),„Teachers’ Readiness“ (1b), „Teachers’ Beliefs“ (1c) und„Integration of Digital Tools“ (1d)?1Modell 2(a – d):Unterscheiden sich Lehrpersonen mit unterschiedlichen Lehrme-thodiken bezüglich ihrer „Proficiency of Digital Tools“ (2a),„Teachers’ Readiness“ (2b), „Teachers’ Beliefs“ (2c) und„Integration of Digital Tools“ (2d)?21UF1: Mathematik, Informatik, Naturwissenschaften oder Technik; UF2: Geisteswissenschaftenund Sprachen; UF3: Sozialwissenschaften (einschließlich BWL/VWL); UF4: Sport; UF5: Son-derpädagogik; UF6: Sonstige2LM1: Überwiegend von der Lehrkraft ausgehend; LM2: Stärker von der Aktivität der Lehrkraftausgehend; LM3: Balance zwischen den auf die Lehrkraft und den auf die Lernenden ausge-richteten Aktivitäten; LM4: Stärker auf die Aktivitäten der Lernenden ausgerichtet; LM5: Über-wiegend auf die Aktivitäten der Lernenden ausgerichtetFür Modell 1a: Proficiency of Digital ToolsFür Modell 1b: Teachers’ ReadinessFür Modell 1c: Teachers’ BeliefsFür Modell 1d: Integration of Digital ToolsUF1 UF2 UF3 UF5UF4 UF6Für Modell 1a: Proficiency of Digital ToolsFür Modell 1b: Teachers’ ReadinessFür Modell 1c: Teachers’ BeliefsFür Modell 1d: Integration of Digital ToolsUF1 UF2 UF3 UF5UF4 UF6Für Modell 2a: Proficiency of Digital ToolsFür Modell 2b: Teachers’ ReadinessFür Modell 2c: Teachers’ BeliefsFür Modell 2d: Integration of Digital ToolsLM1 LM2 LM3 LM5LM4Für Modell 2a: Proficiency of Digital ToolsFür Modell 2b: Teachers’ ReadinessFür Modell 2c: Teachers’ BeliefsFür Modell 2d: Integration of Digital ToolsLM1 LM2 LM3 LM5LM4
  • 88. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 80Modell 3(a – d):Unterscheiden sich Lehrpersonen mit unterschiedlichen Schulun-gen zu digitalen Arbeitsmitteln bezüglich ihrer „Proficiency of DigitalTools“ (3a), „Teachers’ Readiness“ (3b), „Teachers’ Beliefs“ (3c)und „Integration of Digital Tools“ (3d)?1Test auf Varianzhomogenität, Berechnung der Teststatistik und Prüfungauf SignifikanzVoraussetzung für die Durchführung einer einfaktoriellen Varianzanalyse ist dieVarianzhomogenität, daher wird zunächst ein Levene-Test auf Varianzgleichheitvorgenommen. Bei Varianzhomogenität sollte der Test nicht signifikant sein, d.h.die Signifikanz sollte größer als ein Signifikanzniveau von 0.1 sein.An dieser Stelle sei darauf hingewiesen, dass die einfaktorielle Varianzanalysebei sehr großen Stichprobenumfängen robust gegen die Verletzung der Annah-me der Varianzhomogenität ist, so dass sie für die vorliegende Untersuchungtrotzdem durchgeführt werden kann.2Die Mittelwerte der Variablen lassen sich mithilfe eines Diagramms darstellen.Anhand des Diagramms lässt sich erkennen, ob es einen Unterschied der Mit-telwerte zwischen den Unterrichtsfächern, zwischen den Lehrmethodiken undzwischen dem Schulungen zu digitalen Arbeitsmitteln gibt. Die Varianzanalyseprüft diesen Unterschied auf statistische Signifikanz. Die Grundidee der Varianz-analyse ist die Zerlegung und der Vergleich der gesamten Stichprobenvarianz,d.h. die gesamte Streuung der betrachteten Variablen in der vorliegenden Stich-1S1: Keine Schulung; S2: Einen ganzen Tag oder weniger; S3: Mehr als einen ganzen Tag undweniger als ein Semester; S4: Einen Semester-Lehrgang; S5: Mehr als ein Semester2Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010g), o. S.Für Modell 3a: Proficiency of Digital ToolsFür Modell 3b: Teachers’ ReadinessFür Modell 3c: Teachers’ BeliefsFür Modell 3d: Integration of Digital ToolsS1 S2 S3 S5S4 S6Für Modell 3a: Proficiency of Digital ToolsFür Modell 3b: Teachers’ ReadinessFür Modell 3c: Teachers’ BeliefsFür Modell 3d: Integration of Digital ToolsS1 S2 S3 S5S4 S6
  • 89. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 81probe lässt sich einerseits gedanklich in die Streuung der einzelnen Fallgruppenund andererseits in die Streuung zwischen den Gruppen aufteilen.1Zunächst werden die Streuung der Stichprobenmittelwerte um den Gesamtmit-telwert (zwischen den Gruppen bzw. Treatmentvariation), die Streuung derMerkmalsausprägungen um den Stichprobenmittelpunkt (innerhalb der Gruppenbzw. Binnenvariation) sowie die Gesamtstreuung der Teilstreuungen (Gesamt)berechnet. Darüber hinaus werden durch Normierung (anhand der Freiheitsgra-de) die Binnen- und Treatmentvarianz berechnet, d.h. die Mittel der Quadrate.Sind Binnen- und Treatmentvarianz gleich gross oder ist die Binnenvarianz grö-ßer als die Treatmentvarianz, so gibt es keine Unterschiede der Mitten zwischenden Stichproben. Ist jedoch die Treatmentvarianz größer als die Binnenvarianz,dann deutet dies darauf hin, dass es Unterschiede gibt. Aus dem Verhältnis derBinnenvarianz zur Treatmentvarianz wird die Teststatistik, d.h. der F-Wert, ermit-telt. Diesen gilt es auf Signifikanz zu prüfen. Der berechnete F-Wert wird hierfürmit dem kritischen Wert auf der theoretischen F-Verteilung verglichen; dieserVergleich lässt sich in SPSS an der ausgegebenen Signifikanz ablesen.2Post-Hoc-TestDie Varianzanalyse untersucht nur, ob Unterschiede vorliegen. Um zu überprü-fen, welcher der Mittelwerte signifikant von den anderen abweicht wird ein soge-nannter Post-Hoc-Test nach der Durchführung der Varianzanalyse vorgenom-men. Im Prinzip handelt es sich dabei um t-Tests für unabhängige Stichprobenfür alle möglichen Paarvergleiche.Die einfaktorielle ANOVA erfolgt in SPSS über den Befehl Analysieren – Mittel-werte vergleichen – Einfaktorielle ANOVA3.1Vgl. Brosius, F. (2006), S. 4992Vgl. Universität Zürich/Schwarz, J. (Hrsg.) (2010g), o. S.3Im Dialogfeld werden folgende Einstellungen vorgenommen: Die zu testende abhängige Variab-le wird unter Abhängige Variablen und die unabhängige Variable unter Faktor eingegeben. Indem Dialogfeld der Schaltfläche Post Hoc wird in der Gruppe Varianz-Gleichheit angenommenTurkey-B und in der Gruppe Keine Varianz-Gleichheit angenommen Games-Howell ausgewähltund bei Signifikanzniveau: 0,05 eingetragen. Im Dialogfeld der Schaltfläche Optionen wird inder Gruppe Statistiken Deskriptive Statistik und Test auf Homogenität der Varianzen angeklicktund Diagramm der Mittelwerte ausgewählt.
  • 90. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 823.4 Untersuchungsergebnisse3.4.1 Abgeschlossene FragebogenAn der Online-Befragung haben insgesamt 443 Lehrpersonen teilgenommen;davon wurden 385 Fragebogen vollständig und 58 teilweise abgeschlossen. Diesergibt eine Abbruchquote (teilweise abgeschlossene Fragebogen/FragebogenGesamt) von 13,1 Prozent. Eine Übersicht an abgeschlossenen Fragebogen ausden einzelnen Hochschulen zeigt die folgende Tabelle 4:Hochschule VollständigabgeschlosseneFragebogen*TeilweiseabgeschlosseneFragebogen*FragebogenGesamt*Abbruchquoteder FragebogenAusgeschlosseneFälle für AnalyseVerwendete Fällefür AnalyseDHBW Stuttgart 30 1 31 3,2% 1 30AKAD Gruppe 80 20 100 20,0% 20 80Berufskollegs Hagen 34 1 35 2,9% 1 34Hochschule Schottland 32 5 37 13,5% 5 32Hochschule Spanien 123 18 141 12,8% 18 123Hochschule Schweden 42 13 55 23,6% 16 39Hochschule Türkei 44 0 44 0,0% 0 44Hochschulen Gesamt 385 58 443 13,1% 61 382*Datenstand der Online-Umfrage: 10.11.2012Tabelle 4: Abgeschlossene Fragebogen der HochschulenDie meisten Fragebogen mit insgesamt 141 kommen aus Spanien; hiervon wur-den 123 Fragebogen vollständig und 18 teilweise abgeschlossen. Die Abbruch-quote liegt mit 12,8 Prozent unter der gesamten Abbruchquote von 13,1 Prozent.Die AKAD-Gruppe folgt an zweiter Stelle mit insgesamt 100 Fragebogen. Eswurden 80 Fragebogen vollständig und 20 teilweise abgeschlossen, dieAbbruchquote liegt bei 20 Prozent, d.h. jeder fünfte hat den Fragebogen ab-gebrochen. Die höchste Abbruchquote ist von der Hochschule Schweden mit23,6 Prozent zu verzeichnen; mit 55 Fragebogen insgesamt liegt die HochschuleSchweden an der dritten Stelle hinsichtlich abgeschlossener Fragebogen, davonwurden 42 vollständig und 13 unvollständig abgeschlossen. An vierter Stelle folgtdie Hochschule in der Türkei. Sie hat als einzige Hochschule alle ihrer 44Fragebogen vollständig abgeschlossen. Die fünfte Position abgeschlossenerFragebogen nimmt die Hochschule Schottland mit insgesamt 37 Fragebogenund einer Abbruchquote von 13,5 Prozent ein. Die Berufskollegs Hagen folgenan vorletzter Stelle mit insgesamt 35 Fragebogen; hiervon wurde nur ein Frage-bogen teilweise abgeschlossen. Die geringste Anzahl an Fragebogen kommt vonder DHBW Stuttgart mit 31. Auch hier wurde nur ein Fragebogen teilweise abge-schlossen.
  • 91. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 83Für jede Hochschule sollen die 58 teilweise abgeschlossenen Fragebogen kurznäher beleuchtet werden, indem untersucht wird, wo bzw. an welcher Stelle die-se von den befragten Lehrpersonen abgebrochen wurden. Anlage A11 enthälteine Auflistung je Hochschule nach Abbruch im Fragebogen. Näher betrachtetwerden soll jedoch die Anzahl der Hochschulen im Gesamten nach Abbruch imFragebogen; dies wird in der folgenden Abbildung 8 dargestellt.Aufteilung der "teilweise abgeschlossenen Fragebogen"nach Abbruch im Fragebogen0 5 10 15 20 25zu Beginnnach Frage 4nach Frage 5nach Frage 5b**nach Frage 7/Item 1nach Frage 7/Item 2nach Frage 7/Item 4nach Frage 8/Item 8nach Frage 10nach Frage 11nach Frage 12/Item 2nach Frage 13nach Frage 14nach Frage 15/Item 4AbbruchdesFragebogens...Anzahl der Abbrüche der Hochschulen GesamtAbbildung 8: Aufteilung der „teilweise abgeschlossenen Fragebogen“ nach AbbruchWie schon in Kapitel 3.3.1 erwähnt, haben bereits 20 befragte Lehrpersonen denFragebogen zu Beginn der Umfrage abgebrochen. Die größte Anzahl an Abbrü-chen verzeichnet Frage 7/Item 4 mit elf Abbrüchen, gefolgt von Frage 5 mit neunund Frage 11 mit sieben Abbrüchen. Zwei Abbrüche erfolgten nach Frage 14und jeweils einmalig wurde nach den Fragen 4, 5b, 7/Item1, 7/Item 2, 8/Item 8,10, 12/Item 2, 13 und 15/Item 4 abgebrochen.In der folgenden Datenanalyse werden nur die Fälle betrachtet, die vollständigabgeschlossen wurden, d.h. teilweise abgeschlossene Fragebogen bzw. Fällemit „fehlenden Werten“ werden nicht betrachtet. Wie aus der Tabelle 4 ersichtlichist, werden 61 Fälle1aus der Gesamtdatei ausgeschlossen. Damit ergeben sichinsgesamt 382 Fälle, die für die Auswertung der Analyse verwendet werden.1Teilweise abgeschlossene Fragebogen sowie 3 Fälle aus Schweden**Fragebogen der Berufskollegs Hagen enthält im 1. Fragebogenteil nicht 5, sondern 6 Fragen
  • 92. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 843.4.2 Deskriptive DatenanalyseDie Ergebnisse der deskriptiven Datenanalyse werden im Folgenden hinsichtlichdes Skalenniveaus der einzelnen Variablen dargestellt.1Variablen mit NominalskalenniveauDie Lageparameter (Modus), Häufigkeitstabellen sowie die Balkendiagrammeder nominalskalierten Variablen „Geschlecht“, „Unterrichtsfach“, „BerufskollegHagen“, „Beurteilung“, „Nützlichkeit“, „Technologie-Coach“ sowie die Zusatzvari-able „Hochschule bzw. Land“ sind in Anlage B7 zu finden.Der häufigste Wert (Modus) der Verteilung für die Variable „Geschlecht“ ist dieAusprägung Männlich (2) mit einer Häufigkeit von 221 und einem Anteil von 57,9Prozent. Für die Variable „Unterrichtsfach“ wird der Modus 6 angegeben mit ei-ner Häufigkeit von 122 bzw. 31,9 Prozent; dieser Wert entspricht der Ausprä-gung Sonstige. Da die Angaben im Fragebogen zur Ausprägung Sonstige in denjeweiligen Landessprachen erfolgte und die Ergebnisse sich nicht bzw. nurschlecht zusammenfassen lassen, soll hier noch der zweithäufigste Wert derVerteilung genannt werden: die Ausprägung Mathematik, Informatik, Naturwis-senschaften oder Technik hat eine Häufigkeit von 103 und einen Anteil von 27Prozent. Mit einer Häufigkeit von 23 und einem Anteil von 6 Prozent (bezogenauf die Gesamtdatei) hat die Ausprägung Kaufmannsschule II Berufskolleg (4)innerhalb der Variablen „Berufskolleg Hagen“ den häufigsten Wert der Vertei-lung. Für die Variable „Beurteilung“ ist die Ausprägung eher gut (2) mit einerHäufigkeit von 360 und einem Anteil von 94,2 Prozent und für die Variable „Nütz-lichkeit“ die Ausprägung eher hilfreich (2) mit einer Häufigket von 363 und 95Prozent Anteil der häufigste Wert der Verteilung. Der Modus der Verteilung fürdie Variable „Technologie Coach“ ist die Ausprägung Nein (2) mit einer Häufig-keit von 271 und einem Anteil von 70,9 Prozent. Schließlich ist der häufigsteWert der Verteilung für die Variable „Hochschule bzw. Land“ die AusprägungSpanien (5) mit einer Häufigkeit von 123 und 32,2 Prozent.1Aufgrund des Umfangs der deskriptiven Datenanalyse erfolgen lediglich die wichtigsten Anga-ben im Text; weitere Informationen liefern die entsprechenden Anlagen zu den Variablen. DesWeiteren wird lediglich die Gesamtdatei betrachtet; es wird hier nicht je Hochschule spezifiziert.Eine Übersicht zur Häufigkeitsaufteilung je Hochschule liefern die Kreuztabellen in Anlage B11.
  • 93. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 85Variablen mit OrdinalskalenniveauFür die ordinalskalierten Variablen „Lehrmethodik“ und „Schulung“ sind die La-geparameter (Modus, Median), Häufigkeitstabellen und Balkendiagramme derAnlage B8 zu entnehmen.Für die Variable „Lehrmethodik“ wird ein Modalwert von 3 bei einer Häufigkeitvon 167 und 43,7 Prozent Anteil angegeben; dieser Wert entspricht der Ausprä-gung Balance zwischen den auf die Lehrkraft und den auf die Lernenden ausge-richteten Aktivitäten. Zusätzlich wird ein Median von 3 ausgewiesen, d.h. die el-be Ausprägung 3 (Balance zwischen den auf die Lehrkraft und den auf die Ler-nenden ausgerichteten Aktivitäten) ist das 50 Prozent Quantil der Verteilung derVariablen „Lehrmethodik“.Der Modalwert und der Wert für den Median sind bei der Variablen „Schulung“mit dem Wert 3 ebenfalls identisch; es handelt sich hier um die AusprägungMehr als einen Tag und weniger als ein Semester. Die Häufigkeit AusprägungMehr als einen Tag und weniger als ein Semester beträgt 141 bei einem Anteilvon 36,9 Prozent.Variablen mit IntervallskalenniveauDie Lageparameter (Modus, Median, Mittelwert), Streuungsparameter (Varianzund Standardabweichung), Angaben zu Schiefe und Steilheit, Häufigkeitstabel-len sowie Histogramme mit Normalverteilungskurve sind für die Variablen „Age“,„Years of Teaching“ und „Proficiency of Digital Tools“ sowie alle Items mit einerfünfstufigen Likert-Skala in der Anlage B9 zu finden.Die Lage- und Streuungsparameter für die drei Variablen werden im Folgendentabellarisch zusammengefasst:Variable Modus HäufigkeitModusAnteil Modus Median Mittelwert Standard-abweichungVarianzAge 3 = Ausprägung40 - 49 Jahre141 36,9% 3 3.23 0.946 0.896Years of Teaching 5 = Ausprägung16 Jahre und mehr188 49,2% 4 3.99 1.197 1.433Proficiency of DigitalTools4 = AusprägungIch weisedurchschnittlicheKenntnisse ineinigen Computer-Anwendungen auf.130 34,0% 4 4.32 1.131 1.280Tabelle 5: Lage- und Streuungsparameter intervallskalierter Variablen
  • 94. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 86Betrachtet man die Histogramme mit der Normalverteilungskurve der drei Variab-len sowie die Schiefe und die Kurtosis, so scheinen die Variablen lediglich„annähernd“ normalverteilt. Kein Wert der Schiefe bzw. Kurtosis liegt bei Null,was einer Normalverteilung entspricht. Die Schiefe liegt bei der Variablen „Age“bei –0.170 und die Kurtosis bei –0.419, damit ist die Verteilung linksschief undflach; für die Variable „Years of Teaching“ wird die Schiefe mit –0.931 und dieKurtosis mit –0.181 und für die Variable „Proficiency of Digital Tools“ wird dieSchiefe mit –0.510 und die Kurtosis mit 0.105 angegeben. Die Verteilung derVariablen „Years of Teaching“ ist linksschief und flach, die Verteilung der Variab-len „Proficiency of Digital Tools“ ist stark linksschief und steil.Auf die Ergebnisse der einzelnen Items soll hier nicht eingegangen werden;allerdings werden die Variablen im Pfadmodell nach Skalenbildung betrachtet.Variablen mit Intervallskalenniveau nach SkalenbildungFür die Variablen „Overall Support“, “Technical Support”, “Teachers’ Readiness”,“Teachers’ Beliefs” und “Process of Integration” sind die Lageparameter (Modus,Median, Mittelwert), Streuungsparameter (Varianz und Standardabweichung),Angaben zu Schiefe und Steilheit, Häufigkeitstabellen sowie Histogramme mitNormalverteilungskurve der Anlage B10 zu entnehmen.Die Lage- und Streuungsparameter der fünf Variablen werden in Tabelle xx zu-sammengefasst.1Variable Modus HäufigkeitModusAnteil Modus Median Mittelwert Standard-abweichungVarianzOverall Support 3 und 4 43 11,3% 3.25 3.28 0.84 0.71Technical Support 4 60 15,7% 3.75 3.56 0.89 0.79Teachers Readiness 4 56 14,7% 4.00 3.87 0.80 0.65Teachers Beliefs 4 25 6,5% 3.67 3.60 0.74 0.55Process of Integration 3.2 25 6,5% 3.20 3.23 0.79 0.62Tabelle 6: Lage- und Streuungsparameter intervallskalierter Variablen (nach Skalenbildung)Alle fünf Variablen scheinen nach den Histogrammen mit der Normalverteilungs-kurve sowie deren Schiefe und Kurtosis nur „annähernd“ normalverteilt zu sein.Auch hier liegt kein Wert der Schiefe bzw. Kurtosis bei Null. Bei der Variablen1Die Antwortoptionen der Items, aus denen die Skalen gebildet wurden, erfolgten anhand einerfünfstufigen Likert-Skala: (1) trifft überhaupt nicht zu, (2) trifft eher nicht zu, (3) trifft teilweise zu,(4) trifft eher zu, (5) trifft vollkommen zu bzw. für die Variable „Process of Integration“ (1) nie, (2)selten, (3) manchmal, (4) oft, (5) immer.
  • 95. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 87„Overall Support“ liegt die Schiefe bei 0.055 und die Kurtosis bei –0.517, damitist die Verteilung rechtsschief und flach. Die Variable „Technical Support“ ist miteiner Schiefe von –0.474 und einer Kurtosis von –0.159 linksschief und flach, dieVariable „Teachers’ Readiness“ ist ebenfalls linksschief und flach (Schiefe:–0.530; Kurtosis: –0.110) und die Variable „Teachers’ Beliefs“ ist mit einer Schie-fe von –0.383 und einer Kurtosis von 0.118 linksschief und steil. Bei der Variab-len „Process of Integration“ liegt der Wert der Schiefe bei –0.097 und der Wertder Kurtosis bei –0.192, d.h. die Verteilung ist linksschief und flach.AnmerkungDie Variablen im Pfadmodell sind nicht zu hundert Prozent normalverteilt, ledig-lich „annähernd“. Die nachfolgenden Analysen bzw. Auswertungen erfolgendennoch ohne Transformation der Daten.3.4.3 Reliabilitätsanalyse und SkalenbildungDie Ergebnisse der Reliabilitätsanalyse für jede Skala sind in den Anlagen B12bis B21 dargestellt. Für die einzelnen Skalen ergeben sich folgende Werte fürCronbachs Alpha:Frage und Skala Itemanzahl Cronbachs Alpha7: Teachers Readiness 4 0.8158: Impacts on Students 8 0.9129: Impacts on Classroom Instruction 4 0.8508+9: Teachers Beliefs 12 0.93312/1: Overall Support 4 0.81112/2: Technical Support 4 0.84315: Technology Coach 4 0.83416: Process of Integration 10 0.86117: Future Development of Integration 3 0.88516+17: Integration of Digital Tools 13 0.875Tabelle 7: Cronbachs Alpha-Werte aus der ReliabilitätsanalyseAlle Skalen weisen einen hohen Cronbachs Alpha-Wert von über 0.8 aus, d.h.die interne Konsistenz der Skalen ist hoch und die einzelnen Items können sinn-voll zu einer Gesamtskala addiert werden. Die zusammengesetzten Skalen kön-nen somit als zuverlässig angesehen werden. Den höchsten Wert der internen
  • 96. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 88Konsistenz liefert die Skala „Teachers’ Beliefs“ mit einem Wert von 0.933; dieserkann als exzellent interpretiert werden.1Die Reliabilitätsanalyse ist Ausgangspunkt für die Skalenbildung und die multip-len Regressionsanalysen dieser empirischen Untersuchung. Im Folgenden wirdlediglich auf Hauptauffälligkeiten in Bezug auf Trennschärfe, Mittelwerte und/oder Standardabweichungen in den Ergebnissen der Skalen eingegangen.Die Skala „Teachers’ Readiness“ weist einen Cronbachs Alpha-Wert von 0.815auf. Betrachtet man die Trennschärfe, d.h. die Korrelation zwischen dem jeweili-gen Item und der Gesamtskala, die sich unter Ausschluss des jeweiligen Itemsergäbe, so zeigt sich, das Item 3 mit 0.535 in der Item-Skala-Statistik nur eineschwache Korrelation mit der Gesamtskala der übrigen Items aufweist. Das Itemdeutet darauf hin, dass es möglicherweise nicht dieselbe Größe misst wie dieübrigen Items und möglicherweise aus der gemeinsamen Skala ausgeschlossenwerden sollte. Ohne dieses Item würde der Cronbachs Alpha-Wert bei 0.846liegen. Die anderen Trennschärfen der Skala liegen zwischen 0.637 (Item 4) und0.732 (Item 2). Ebenso weichen der Mittelwert mit 3.24 und die Standardabwei-chung mit 1.259 des Items 3 deutlich von den anderen Werten ab.Für die Skala „Impact on Students“ wird ein Cronbachs Alpha-Wert von 0.912ermittelt. Die Mittelwerte der Items liegen zwischen 3.19 und 3.76 nahe beiein-ander. Die Werte für die Trennschärfe sind hoch; für Item 8 ergibt sich dergeringste Wert mit 0.648. Würde irgendein Item der acht Items weggelassenwerden, so würde der Cronbachs Alpha-Wert unter dem angegebenen Wert lie-gen. Dies deutet darauf hin, dass die einzelnen Items für die Gesamtskala gutgeeignet sind.Ähnlich verhält es sich für die Skala „Impact on Classroom Instruction“. DerCronbachs Alpha-Wert liegt bei 0.850. Würde irgendein Item entfernt werden, sowürde der Cronbachs Alpha-Wert geringer ausfallen. Die Mittelwerte der Itemsliegen zwischen 3.52 (Item 1) und 3.89 (Item 4); ebenso verhält es sich für dieWerte der Trennschärfe. Die Korrelation zwischen dem jeweiligen Item und derGesamtskala liegt zwischen 0.672 (Item 4) und 0.721 (Item 2). Die Items sind fürdie Gesamtskala gut geeignet.1Vgl. Wikipedia (2012g), o. S.
  • 97. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 89Für die Skala „Teachers’ Beliefs“ ermittelt sich ein Cronbachs Alpha-Wert von0.933. Auch hier würde der Cronbachs Alpha-Wert geringer sein, wenn irgendeinItem weggelassen werden würde. Die Mittelwerte der Items bewegen sich von3.19 (Item 6) bis 3.89 (Item 12). Die Korrelationen sind mittlerer (0.654 für Item12) bis höherer Stärke (0.768 für Item 3). Auch hier sind die Items für die Ge-samtskala gut geeignet.Die Items der Skalen „Overall Support“ und „Technical Support“ sind ebenfallsgut für die jeweilige Gesamtskala geeignet. Die Skala „Overall Support“ weisteinen Cronbachs Alpha-Wert von 0.811, die Skala „Technical Support“ einenWert von 0.843 auf. Beim Weglassen irgendeines Items, würde für beide Skalender Cronbachs Alpha-Wert geringer ausfallen. In der Skala „Overall Support“ hatItem 1 die geringste Stärke der Korrelation mit der Gesamtskala von 0.565. Dieanderen Items bewegen sich bis zu einer Korrelation von 0.694 (Item 3). IhreMittelwerte liegen nahe beieinander. Ähnlich verhält es sich für die Skala„Technical Support“. Den geringsten Wert der Trennschärfe liefert Item 2 mit0.627; die anderen korrelieren mit höheren Werten mit der Gesamtskala.Die Skala „Technology Coach“ ergibt einen Cronbachs Alpha-Wert von 0.834. Inder Reliabilitätsanalyse weist Item 4 mit 0.447 eine schwache Korrelation zurGesamtskala auf; die Standardabweichung liegt mit 0.844 deutlich unter denWerten der anderen Items, während der Mittelwert mit 3.92 deutlich über denWerten der anderen Items liegt. Bei Entnahme des Items würde sich ein höhererCronbachs Alpha-Wert von 0.872 ergeben. Item 4 deutet darauf hin, dass esmöglicherweise nicht dieselbe Größe misst wie die übrigen Items und daher ausder gemeinsamen Skala ausgeschlossen werden sollte.Die Hauptauffälligkeit in Skala „Process of Integration“ ist Item 5 mit einer Trenn-schärfe von lediglich 0.390 und einem Mittelwert von 1.96. Die gesamte Skalahat einen Cronbachs Alpha von 0.861; dieser würde sich jedoch durch Weglas-sen von Item 5 nicht verändern. Die Mittelwerte und Trennschärfen der anderenItems liegen nahe beieinander.Für die Skala „Future Development of Integration“ wird ein Cronbachs Alpha-Wert von 0.885 ermittelt. Die Trennschärfen der drei Items liegen zwischen0.712 (Item 3) und 0.811 (Item 2), auch die Mittelwerte und Standardabweichun-
  • 98. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 90gen der Items liegen nahe beieinander. Der Cronbachs Alpha-Wert wäre ledig-lich höher (0.891), wenn Item 3 weggelassen würde.Die Skala „Integration of Digital Tools“ weist einen Cronbachs Alpha-Wert von0.875 auf. Drei der 13 Items weisen in der Trennschärfe einen Wert unter 0.5und somit eine schwache Korrelation auf: Item 5 (0.375), Item 11 (0.492) undItem 12 (0.469). Bei Weglassen dieser Items würden sich höhere CronbachsAlpha-Werte ergeben.3.4.4 Explorative FaktorenanalyseDie Ergebnisse der Faktorenanalyse in SPSS für die zwei zu untersuchendenModelle Skala „Teachers’ Beliefs“ und Skala „Integration of Digital Tools“ sind inden Anlagen B22 und B23 zusammengefasst. Beide Faktorenanalysen erfolgtenauf der Basis einer Extraktion nach dem Eigenwert größer 1. Im Folgenden wer-den die Ergebnisse aus der Faktorenanalyse für die Modelle erläutert.1Modell 1: Skala „Teachers’ Beliefs“Die Korrelationsmatrix gibt einen ersten Überblick, welche Variablen stark undwelche nur schwach miteinander korrelieren. Eine hohe Korrelation ist zwischenItem 1–2 und Item 2–3 mit einem Wert von jeweils 0.686 zu erkennen, dieschwächsten Korrelationen liegen zwischen Item 5–12 mit 0.398 und Item 5–9mit 0.457. Die anderen Korrelationen liegen nahe beieinander, so dass mehrereHintergrundvariablen mit der Korrelationsmatrix auf den ersten Blick nicht aufzu-decken sind.Der Bartlett-Test auf Sphärizität ist mit 2743.028 außerordentlich hoch bei einemSignifikanzwert von p = 0.000; d.h. zwischen einigen der 12 Items besteht auchin der Grundgesamtheit eine Korrelation. Das Kaiser-Mayer-Olkin-Maß (KMO)der Stichprobeneignung im KMO- und Bartlett-Test wird mit 0.95 angegeben.Dieser Wert kann als „fabelhaft“ gut angesehen werden, so dass die Zusam-menstellung der Items für ein faktoranalytisches Modell durchaus geeignet zu1Da die Faktorenanalyse nicht im Mittelpunkt der Masterarbeit steht, wird auf eine ausführlicheAnalyse der Ergebnisse bzw. Werte verzichtet.
  • 99. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 91sein scheint.1Die 12 MSA-Werte (Measure of Sampling Adequacy) in der Haupt-diagonalen der Anti-Image-Korrelationsmatrix liegen zwischen 0.928 für Item 2und 0.961 für Item 7. Der kleinste in der Matrix ausgewiesen MSA-Wert mit0.928 ist noch immer „fabelhaft“, d.h. auch die MSA-Werte bieten keinen Anlass,eine oder mehrere Variablen aus dem Modell auszuschließen.Im nächsten Schritt werden die Eigenwerte und Kommunalitäten näher betrach-tet. Während der Eigenwert angibt, welcher Teil der Gesamtstreuung allerVariablen durch einen bestimmten Faktor erklärt wird, gibt die Kommunalität an,welcher Teil der Streuung einer Variablen durch alle Faktoren erklärt wird.2Dererste Faktor in der Tabelle „Erklärte Gesamtvarianz“ und der Spalte „AnfänglicheEigenwerte“ erklärt absolut 6.947 und damit bereits 57,8 Prozent der Gesamt-streuung (Varianz). Der zweite Faktor erklärt absolut 0.823 und damit 6,9 Pro-zent der Gesamtstreuung. Nach dem Kaiser-Kriterium ist nur ein Faktor zuextrahieren, da nur der erste Faktor einen Eigenwert von größer als 1 aufweist.Somit kann bereits an dieser Stelle die Faktorenanalyse für dieses Modellbeendet werden. Es wird nur ein Faktor bestimmt, d.h. die 12 Items desAusgangsmodells können zu einem Faktor, der Skala „Teachers’ Beliefs“, zu-sammengefasst werden.Modell 2: Skala „Integration of Digital Tools“In der Korrelationsmatrix erkennt man, dass einige Items sehr stark (z.B. Item11–12, Item 11–13 und Item 12–13 mit Werten zwischen 0.673 und 0.805) undeinige sehr schwach (z.B. Item 3–5, Item 5–11 und Item 5–12 mit Werten zwi-schen 0.135 und 0.147) miteinander korrelieren; ein Großteil der Korrelationenbewegt sich im mittleren Korrelationsbereich. Dies deutet darauf hin, dass esmindestens zwei bis drei Faktoren geben wird.Der Bartlett-Test auf Sphärizität ist mit 2121.553 außerordentlich hoch bei einemSignifikanzwert von p = 0.000. Somit besteht zwischen einigen der 13 Itemsauch in der Grundgesamtheit eine Korrelation. Das Kaiser-Mayer-Olkin-Maß derStichprobeneignung im KMO- und Bartlett-Test wird mit 0.872 angegeben, d.h.der Wert ist „recht gut“, und die Zusammenstellung der Items scheint für ein fak-1Vgl. Brosius, F. (2006), S. 771f.2Vgl. Brosius, F. (2006), S. 775
  • 100. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 92toranalytisches Modell durchaus geeignet zu sein. Die 13 MSA-Werte in derHauptdiagonalen der Anti-Image-Korrelationsmatrix bewegen sich zwischen0.763 für Item 12 und 0.947 für Item 2. Der kleinste Wert in der Matrix ist noch„mittelprächtig“, so dass alle Items im Modell bleiben können.Der anfängliche Eigenwert des ersten Faktors erklärt absolut 5.257 und 40,4Prozent der Gesamtstreuung. Der zweite Faktor absolut 1.759 und 13,5 Prozentder Gesamtstreuung und der dritte Faktor 1.076 und 8,3 Prozent der Gesamt-streuung. Die ersten drei Faktoren weisen einen Eigenwert von größer als 1 auf;somit sind nach dem Kaiser-Kriterium drei Faktoren zu extrahieren.Neben der Komponentenmatrix wird auch die rotierte Komponentenmatrix imErgebnis der Anlage B23 angegeben, welche die Faktorladungen der Items aufdie Faktoren angeben. Betrachtet man für jedes Item die Faktorladungen mitdem stärksten Koeffizienten in der rotierten Komponentenmatrix, so lassen sichdie Items wie folgt zu den Faktoren zuordnen:• Faktor 1: Item 1, 2, 3, 4, 9, 10• Faktor 2: Item 11, 12, 13• Faktor 3: Item 5, 6, 7, 8Dies ist nur eine erste Interpretation der Faktorenanalyse, die hier nicht weiteruntersucht werden soll; sie basiert auf der Extraktion nach dem Eigenwert größerals 1. Man kann jedoch feststellen, dass sich die Faktoren 1 und 2 aus der Skala„Process of Integration“ (Frage 16) und Faktor 3 ausschließlich aus der Skala„Future Development of Integration“ (Frage 17) ergeben.AnmerkungWie die Faktorenanalyse der Skala „Integration of Digital Tools“ zeigt, werdendrei Faktoren herausgebildet, d.h. die Items lassen sich trotz eines hohen Cron-bachs Alpha von 0.875 aus der Reliabilitätsanalyse nicht zu nur einem Faktorbzw. einer Skala zusammenfassen. Für die weitere Untersuchung dieser Mas-terarbeit werden nun die Skalenwerte der Skalen „Process of Integration“ und„Future Development of Integration“ hinsichtlich Varianz, Normalverteilung,Schiefe etc. näher betrachtet, um auf dieser Grundlage eine Entscheidung zutreffen, welche Skala für die weiteren Untersuchungen als „Integrationsvariable“
  • 101. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 93eingesetzt werden soll. Die Skalenwerte sind in Anlage A12 abgebildet. DieStreuung der Skala „Process of Integration“ liegt bei 0.62 gegenüber einerStreuung der Skala „Future Development of Integration“ bei 0.807. Die Schiefeund die Standardabweichung sind bei der Skala „Future Development of Integra-tion“ mit –0.686 bzw. 0.898 deutlich ausgeprägter bzw. größer als bei der Skala„Process of Integration“ mit –0.097 Schiefe und einer Standardabweichung von0.787.Betrachtet man die Normalverteilungskurve mit den Balken des Histogramms derWerte, so ist die Annahme normalverteiler Variablenwerte in der Skala „Processof Integration“ plausibler. Aus diesem Grund wird für alle weiteren Untersuchun-gen die Skala „Process of Integration“ als „Integrationsvariable“ eingesetzt.3.4.5 KorrelationsanalyseDie Ergebnisse der Korrelationsanalyse für alle Variablenpaare im Pfadmodellsind in der folgenden Tabelle 8 zusammengefasst. Der Output aus SPSS für dieVariablenpaare sind den Anlagen A13 bis A18 zu entnehmen.Variable Proficiency of DigitalToolsTeachers Readiness Teachers Beliefs Process of IntegrationAge -0.010 -0.049 0.020 -0.146**Years of Teaching 0.036 0.048 0.164** 0.046Overall Support 0.075 0.453** 0.426** 0.440**Technical Support 0.071 0.287** 0.163** 0.207**Proficiency of Digital Tools - 0.550** 0.229** 0.401**Teachers Readiness - - - 0.520**Teachers Beliefs - - - 0.482**** Die Korrelation ist auf dem Niveau von 0.01 (2-seitig) signifikant.* Die Korrelation ist auf dem Niveau von 0.05 (2-seitig) signifikant.Tabelle 8: Korrelationskoeffizienten für die Variablenpaare im PfadmodellWie der Tabelle 8 zu entnehmen ist, sind die Werte der Korrelationskoeffizientenzwischen den exogenen Variablen „Age“, „Years of Teaching“, „Overall Support“und „Technical Support“ und der Variablen „Proficiency of Digital Tools“ sehr ge-ring und weisen zudem keinen signifikanten Zusammenhang auf (p > 0.05).Die Beträge der Korrelationskoeffizienten zwischen „Age“ und „Teachers’Readiness“ als auch zwischen „Years of Teaching“ und „Teachers’ Readiness“sind ebenfalls sehr gering und nicht signifikant (p > 0.05). Anders verhält es sichmit den Variablen „Overall Support“, „Technical Support“ und „Proficiency of
  • 102. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 94Digital Tools“ und der Variablen „Teachers’ Readiness“, deren Werte mit p <0.01 positiv (zweiseitig) signifikant sind. „Technical Support“ weist mit r = 0.287eine schwache positive Korrelation, „Overall Support“ (r = 0.453) und „Proficien-cy of Digital Tools“ (r = 0.550) eine mittlere positive Korrelation mit „Teachers’Readiness“ aus.Der Zusammenhang zwischen „Age“ und „Teachers’ Beliefs“ ist mit 0.020 sehrschwach und bei einem Signifikanzniveau (zweiseitig) von p > 0.05 nicht signifi-kant. Positiv (zweiseitig) signifikant mit p < 0.01 hingegen sind die Beträge derKorrelationskoeffizienten zwischen „Years of Teaching“, „Overall Support“,„Technical Support“ und „Proficiency of Digital Tools“ und der Variablen„Teachers’ Beliefs“. Die stärkste Korrelation mit „Teachers’ Beliefs“ weist „OverallSupport“ mit r = 0.426 auf, gefolgt von „Proficiency of Digital Tools“ mit r = 0.229,„Years of Teaching“ mit r = 0.164 und „Technical Support“ mit r = 0.163.Zwischen „Years of Teaching“ und „Process of Integration” liegt ein sehr gerin-ger, nicht signifikanter Zusammenhang vor. Der Zusammenhang zwischen„Process of Integration“ und den anderen Variablen im Pfadmodell ist jeweils mitp < 0.01 (zweiseitig) signifikant: „Age“ korreliert negativ mit „Process of Integrati-on“ bei r = –0.146, „Technical Support” schwach positiv (r = 0.207), “Proficiencyof Digital Tools” mit r = 0.401, “Overall Support” mit r = 0.440 und “Teachers’Beliefs” mit r = 0.482 mittlerer Stärke. Der stärkste signifikant positive Zusam-menhang besteht zwischen „Teachers’ Readiness“ und „Process of Integration“mit r = 0.520.AnmerkungWie die Ergebnisse der Korrelation in Tabelle 8 zeigen, liegt bei einigen Vari-ablenpaaren kein signifikanter Zusammenhang vor. Diese Variablen können ei-gentlich schon vor der Durchführung der multiplen Regressionsanalysen der ent-sprechenden Modelle entfernt werden; im Rahmen dieser Arbeit erfolgen jedochdie multiplen Regressionsanalysen mit allen Variablen in den Modellen.
  • 103. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 953.4.6 Multiple RegressionsanalyseDie Ergebnisse der multiplen Regressionsanalysen der vier Modelle aus SPSSsind in den Anlagen A19 („Proficiency of Digital Tools“), A20 und A21 („Tea-chers’ Readiness“), A22 und A23 („Teachers’ Beliefs“) sowie A24 und A25 („Pro-cess of Integration“) zu finden.Die standardisierten Regressionskoeffizienten β und die korrigierten R-Quadrateaus den vier Modellen der multiplen Regressionsanalysen sind in der folgendenTabelle 9 zusammengefasst.vorAnpassungnachAnpassungvorAnpassungnachAnpassungvorAnpassungnachAnpassungvorAnpassungnachAnpassungAge -0.046 - -0.050 - -0.071 - -0.185** -0.134**Years of Teaching 0.061 - 0.027 - 0.160** 0.116* 0.081 -Overall Support 0.043 - 0.397** 0.414** 0.461** 0.467** 0.249** 0.222**Technical Support 0.045 - 0.023 - -0.114* -0.116* -0.051 -Proficiency of DigitalTools- - 0.517** 0.519** 0.195** 0.197** 0.220** 0.220**Teachers Readiness - - - - - - 0.189** 0.187**Teachers Beliefs - - - - - - 0.250** 0.266**korrigiertes R² -0.001 - 0.468 0.470 0.237 0.236 0.426 0.423** p < 0.01* p < 0.05UnabhängigeVariableEndogene abhängige VariableProficiency of DigitalToolsTeachers Readiness Teachers Beliefs Process of IntegrationTabelle 9: Direkte Einflüsse auf die endogenen Variablen im Pfadmodell (standardisierte Reg-ressionskoeffizienten)Die Ergebnisse der multiplen Regressionsanalysen sowie der Einfluss auf jedeendogene abhängige Variable wird nun im Detail erklärt.3.4.6.1 Ergebnisse und Hypothesenbewertung Modell „Proficiency of DigitalTools“Statistische Ergebnisse des ModellsDie multiple Regressionsanalyse mit der Methode „Einschluss“ berechnet für dasModell 1 „Proficiency of Digital Tools“ eine Regressionsgleichung mit folgendenWerten:1y = 3.874 – 0.055x1 + 0.058x2 + 0.058x3 + 0.058x41x1, β1 = Variable „Age“; x2, β2 = Variable „Years of Teaching“; x3, β3 = Variable „Overall Support“;x4, β4 = Variable „Technical Support“
  • 104. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 96sowie eine standardisierte Regressionsgleichung mit den Werten:y = –0.046β1 + 0.061β2 + 0.043β3 + 0.045β4Aus diesen geschätzten Regressionsgleichungen lässt sich zunächst ablesen,dass das Vorzeichen und somit der Zusammenhang der Variablen „Age“ zu„Proficiency of Digital Tools“ negativ ist. Die Variablen „Years of Teaching“,„Overall Support“ und „Technical Support“ hingegen weisen ein positives Vorzei-chen und damit einen positiven Zusammenhang auf.Für das korrigierte R² berechnet SPSS einen Wert von –0.001. Dies bedeutet,dass für die vier Variablen lediglich 0,1 Prozent der Varianz durch das Modell„Proficiency of Digital Tools“ erklärt werden kann. Die ermittelte Regressionsge-rade passt somit nicht zu den empirischen Daten. Die Effektstärke ist sehr klein,nahezu nicht vorhanden. Die F-Statistik ermittelt einen Wert von 0.871 bei einemSignifikanzniveau p = 0.482; dieser Wert liegt über 0.05, so dass davon ausge-gangen werden kann, dass der Zusammenhang der Variablen im Modell nichtstatistisch signifikant ist.Betrachtet man die einzelnen standardisierten Regressionskoeffizienten β, sohat keine der Variablen einen signifikanten Einfluss auf die Variable„Proficiency of Digital Tools“. Die angegebenen Signifikanz-Werte liegen übereinem Wert von 0.05. „Age“ hat einen nicht signifikanten, negativen Einfluss auf„Proficiency of Digital Tools“ von β = –0.046 bei p = 0.488; „Years ofTeaching“ einen nicht signifikanten, positiven Einfluss auf „Proficiency of DigitalTools“ von β = 0.061 bei p = 0.354; „Overall Support“ einen nicht signifikanten,positiven Einfluss von β = 0.043 bei p = 0.493 und „Technical Support“ einennicht signifikanten, positiven Einfluss von β = 0.045 bei p = 0.469.Sowohl das ganze Modell als auch die einzelnen standardisierten Regressions-koeffizienten sind nicht signifikant, d.h. die Wahrscheinlichkeit, dass die Unter-schiede zwischen den Messgrößen durch Zufall zustande kommen, ist sehrhoch. Da lediglich nicht signifikante Werte und damit keine signifikanten Zusam-menhänge vorliegen, wird auf eine Prüfung der Modellprämissen verzichtet.
  • 105. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 97ModellanpassungDas Modell „Proficiency of Digital Tools“ umfasst lediglich nicht signifikante Wer-te, daher sollten alle Variablen aus dem Modell entfernt werden. Für das Modell„Proficiency of Digital Tools“ wird keine Modellanpassung vorgenommen.HypothesenbewertungIn den Hypothesen H1 und H2a wurde postuliert, dass die demographischen Ei-genschaften der Lehrperson (Variablen „Age“ und „Years of Teaching“) jeweilseinen negativen direkten Einfluss auf den Leistungsstand zu digitalen Arbeitsmit-teln („Proficiency of Digital Tools“) haben. Die Hypothesen H3a und H4a nahmenan, dass die Eigenschaften der Bildungseinrichtung (Variablen „Overall Support“und „Technical Support“) jeweils einen positiven direkten Einfluss auf die Variab-le „Proficiency of Digital Tools“ haben. Wie die Ergebnisse zeigen, liegen keinesignifikanten Werte vor und die Hypothesen H1, H2a, H3a und H4a können nichtbestätigt werden.3.4.6.2 Ergebnisse und Hypothesenbewertung Modell „Teachers’ Readiness“Statistische Ergebnisse des ModellsFür das Modell 2 „Teachers’ Readiness“ berechnet die multiple Regressionsana-lyse eine Regressionsgleichung mit folgenden Werten:1y = 1.033 – 0.042x1 + 0.018x2 + 0.379x3 + 0.021x4 + 0.367x5sowie eine standardisierte Regressionsgleichung mit den Werten:y = –0.050β1 + 0.027β2 + 0.397β3 + 0.023β4 + 0.517β5Das Vorzeichen und damit der Zusammenhang der Variablen „Age“ zu„Proficiency of Digital Tools“ ist negativ. Die Variablen „Years of Teaching“,„Proficiency of Digital Tools“, „Overall Support“ und „Technical Support“ besitzenein positives Vorzeichen, d.h. die Zusammenhänge hinsichtlich „Proficiency ofDigital Tools“ sind positiv.1x1, β1 = Variable „Age“; x2, β2 = Variable „Years of Teaching“; x3, β3 = Variable „Overall Support“;x4, β4 = Variable „Technical Support“; x5, β5 = Variable „Proficiency of Digital Tools“
  • 106. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 98SPSS berechnet für das korrigierte R² des Modells einen Wert von 0.468; somitkönnen für die fünf Variablen 46,8 Prozent der Varianz durch das Modell„Teachers’ Readiness“ erklärt werden. Die ermittelte Regressionsgerade passtzu den empirischen Daten und es kann von einem großen Effekt ausgegangenwerden. Die F-Statistik ermittelt einen Wert von 67.903 bei p = 0.000, d.h. derZusammenhang der Variablen im Modell ist statistisch signifikant.Betrachtet man die einzelnen standardisierten Regressionskoeffizienten β, sohat die Variable „Proficiency of Digital Tools“ mit β = 0.517 den größten signifi-kanten Einfluss auf die Variable „Teachers’ Readiness“ mit p = 0.000. Denzweitgrößten Einfluss hat die Variable „Overall Support“ mit β = 0.397; der Wertist mit einem Signifikanzwert von p = 0.000 ebenfalls signifikant. Die anderenVariablen haben keinen signifikanten Einfluss auf „Teachers’ Readiness“; ihreSignifikanzwerte liegen über 0.05. „Age“ hat einen nicht signifikanten, negativenEinfluss von β = –0.050 bei p = 0.297; „Years of Teaching“ einen nicht signifikan-ten, positiven Einfluss von β = 0.027 bei p = 0.580 und „Technical Support“ einennicht signifikanten, positiven Einfluss von β = 0.023 bei p = 0.613.Im Folgenden werden noch die Modellprämissen des Modells „Teachers’Readiness“ geprüft: der grafische Test der Residuen auf Normalverteilung zeigtim Histogramm und Normalverteilungsplot der Residuen eine „annähernde“Normalverteilung. Das Streudiagramm der Residuen in Anlage xx deutet auf einenicht konstante Streuung hin, d.h. die Varianzen der Residuen scheinen unter-schiedlich, und es liegt voraussichtlich Heteroskedastitzät vor. Die Heteroske-dastizität kann mit dem Levene-Test geprüft werden, der hier jedoch nicht An-wendung findet.1Die Durbon-Watson-Statistik gibt für das Modell einen Wert von2.017 aus. Dieser Wert entspricht nahezu dem Wert 2, d.h. es liegt keine Auto-korrelation der Residuen vor. Als letzte Modellprämisse wird die Multikollinearitätuntersucht. Aus der Kolinearitätsstatistik des Modells lassen sich Toleranzwerteund VIF-Werte für die einzelnen Variablen ablesen. Die Toleranzwerte liegenzwischen 0.602 und 0.991 und die VIF-Werte zwischen 1.009 und 1.662. Da die1Die Normalverteilung und Homoskedastizität werden in allen multiplen Regressionsanalysennur graphisch geprüft und ausgewertet. Die Ergebnisse des Chi² Test und der explorativen Da-tenanalyse sind der Anlage xx zu entnehmen; sie sind nicht Gegenstand dieser Masterarbeit,dienen jedoch als Ausgangspunkt bzw. Zusatz weiterer Analysen.
  • 107. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 99Toleranzwerte nicht unter 0.25 und die VIF-Werte nicht über 5 liegen, liegt somitkeine Multikollinearität vor.ModellanpassungDas Modell „Teachers’ Readiness“ beinhaltet drei nicht signifikante Variable(„Age“, „Years of Teaching“ und „Technical Support“), die aus dem Modell ent-fernt werden. Da sich durch das Entfernen der Variablen die Werte für das Mo-dell und die Regressionskoeffizienten der anderen Variablen ändern, wird eineModellanpassung vorgenommen. Die Ergebnisse der Modellanpassung sind inAnlage A21 dargestellt und werden im Folgenden aufgezeigt.Für das angepasste Modell „Teachers’ Readiness“ wird eine Regressionsglei-chung mit folgenden Werten berechnet:1y = 0.985 + 0.394x3 + 0.368x5sowie eine standardisierte Regressionsgleichung mit den Werten:y = 0.414β3 + 0.519β5Für das korrigierte R² des angepassten Modells berechnet SPSS einen Wert von0.470; somit können für die zwei Variablen 47 Prozent der Varianz durch dasModell „Teachers’ Readiness“ erklärt und von einem großen Effekt ausgegangenwerden. Laut F-Statistik ist der Zusammenhang der Variablen im angepasstenModell statistisch signifikant (169.822; p = 0.000).Den größten signifikanten Einfluss auf „Teachers’ Readiness“ hat die Variable„Proficiency of Digital Tools“ mit β = 0.519 bei p = 0.000. Die Variable „OverallSupport“ kommt auf einen signifikant positiven Wert von β = 0.414 bei p = 0.000.Nach dem Histogramm und Normalverteilungsplot der Residuen liegt eine „an-nähernde“ Normalverteilung vor. Die Homoskedastizität ist graphisch nicht ein-deutig nachweisbar; auf einen Levene-Test wird jedoch verzichtet. Auch im an-gepassten Modell existiert weder eine Autokorrelation (Durbon-Watson-Statistik:2.005) noch eine Multikollinearität (Toleranzwerte: jeweils 0.994; VIF-Werte: je-weils 1.006). Die Modellprämissen können mit Einschränkungen als „erfüllt“ be-trachtet werden.1x3, β3 = Variable „Overall Support“; x5, β5 = Variable „Proficiency of Digital Tools“
  • 108. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 100HypothesenbewertungIn der Hypothese H2b wurde postuliert, dass die Jahre des Lehrens („Years ofTeaching“) einen negativen direkten Einfluss auf die Bereitschaft der Lehrperson(„Teachers’ Readiness“) haben. Diese Hypothese H2b kann nicht bestätigt wer-den, da für die Variable „Years of Teaching“ kein signifikanter Wert vorliegt.In den Hypothesen H3b und H4b wurde angenommen, dass die Eigenschaftender Bildungseinrichtung (Variablen „Overall Support“ und „Technical Support“)einen positiven, direkten Einfluss auf die Variable „Teachers’ Readiness“ haben.Hypothese H3b kann bestätigt werden: die Variable „Overall Support“ liefert imModell einen hohen signifikanten positiven Wert auf „Teachers’ Readiness“. Hy-pothese H4b kann nicht bestätigt werden, da für die Variable „Technical Support“kein signifikanter Wert ausgewiesen wird.In der Hypothese H5a wurde postuliert, dass der Leistungsstand zu digitalen Ar-beitsmitteln („Proficiency of Digital Tools“) einen positiven direkten Einfluss aufdie Bereitschaft der Lehrperson („Teachers’ Readiness“) nimmt. Diese Hypothe-se kann durch den hohen signifikanten positiven Wert der Variablen „Proficiencyof Digital Tools“ im Modell bestätigt werden.3.4.6.3 Ergebnisse und Hypothesenbewertung Modell „Teachers’ Beliefs“Statistische Ergebnisse des ModellsDie multiple Regressionsanalyse berechnet für das Modell 3 „Teachers’ Beliefs“eine Regressionsgleichung mit folgenden Werten:1y = 1.849 – 0.055x1 + 0.099x2 + 0.404x3 – 0.095x4 + 0.128x5sowie eine standardisierte Regressionsgleichung mit den Werten:y = –0.071β1 + 0.160β2 + 0.461β3 – 0.114β4 + 0.195β5Die Variablen „Age“ und „Technical Support“ besitzen ein negatives Vorzeichenund weisen damit einen negativen Zusammenhang auf. Die Variablen „Years of1x1, β1 = Variable „Age“; x2, β2 = Variable „Years of Teaching“; x3, β3 = Variable „Overall Support“;x4, β4 = Variable „Technical Support“; x5, β5 = Variable „Proficiency of Digital Tools“
  • 109. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 101Teaching”, “Proficiency of Digital Tools” und “Overall Support” hingegen zeigenein positives Vorzeichen und damit einen positiven Zusammenhang auf.Für das korrigierte R² des Modells wird ein Wert von 0.247 berechnet, d.h. für diefünf Variablen können 24,7 Prozent der Varianz durch das Modell „Teachers’Beliefs“ erklärt werden. Bei diesem Wert kann von einer mittleren bis großen Ef-fektstärke ausgegangen werden. Die F-Statistik ermittelt einen Wert von 24.732bei p = 0.000, d.h. der Zusammenhang der Variablen im Modell ist statistischsignifikant.Die Variable „Overall Support“ hat mit β = 0.461 den größten signifikanten Ein-fluss auf die Variable „Teachers’ Beliefs“ mit p = 0.000, den zweitgrößten signifi-kanten Einfluss hat die Variable „Proficiency of Digital Tools“ mit β = 0.195 bei p= 0.000 und den drittgrößten signifikanten Einfluss die Variable „Years ofTeaching“ mit β = 0.160 bei p = 0.006. „Technical Support“ hat einen signifikan-ten negativen Einfluss auf „Teachers’ Beliefs“ mit β = –0.114 bei p = 0.037. Indiesem Modell hat lediglich die Variable „Age“ keinen signifikanten Einfluss auf„Teachers’ Beliefs“; ihr standardisierter Regressionskoeffizient nimmt einen ne-gativen Wert von β = –0.071 bei p = 0.217 an.Betrachtet man die Modellprämissen des Modells „Teachers’ Beliefs“, so zeigendas Histogramm und das Normalverteilungsplot der Residuen eine „annähernde“Normalverteilung. Das Streudiagramm hingegen deutet nicht auf eine konstanteStreuung hin, d.h. die Varianzen der Residuen sind vermutlich unterschiedlichund es liegt Heteroskedastizität vor. Eine Prüfung mit dem Levene-Test wird imRahmen dieser Arbeit nicht vorgenommen. Für das Modell wird eine Durbon-Watson-Statistik von 1.831 ausgegeben. Dieser Wert liegt relativ nah an demWert 2, d.h. es liegt höchstens eine sehr schwache positive Autokorrelation derResiduen vor. Die Prüfung auf Multikollinearität liefert die folgenden Ergebnissein der Kolinearitätsstatistik: die Toleranzwerte der Variablen liegen zwischen0.602 und 0.991 und die VIF-Werte zwischen 1.009 und 1.662, d.h. es liegt keineMultikollinearität vor.
  • 110. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 102ModellanpassungDas Modell „Teachers’ Beliefs“ beinhaltet eine nicht signifikante Variable „Age“,die aus dem Modell entfernt wird. Wegen der Veränderung der Werte für dasModell und den Regressionskoeffizienten der anderen Variablen bei der Ent-nahme der Variablen, wird auch hier eine Modellanpassung vorgenommen. DerAnlage A23 sind die Ergebnisse der Modellanpassung zu entnehmen; sie wer-den im Folgenden dargestellt.Für das angepasste Modell „Teachers’ Beliefs“ wird eine Regressionsgleichungmit folgenden Werten berechnet:1y = 1.761 + 0.071x2 + 0.409x3 – 0.096x4 + 0.129x5sowie eine standardisierte Regressionsgleichung mit den Werten:y = 0.116β2 + 0.467β3 – 0.116β4 + 0.197β5Für das korrigierte R² des angepassten Modells berechnet SPSS einen Wert von0.244; für die vier Variablen werden somit 24,4 Prozent der Varianz durch dasModell „Teachers’ Beliefs“ erklärt und von einem Effekt mittlerer bis größererStärke ausgegangen. Der Zusammenhang der Variablen im angepassten Modellist nach der F-Statistik statistisch signifikant (30.491; p = 0.000).Den größten signifikanten positiven Einfluss auf „Teachers’ Beliefs“ hat die Vari-able „Overall Support“ mit β = 0.467 bei p = 0.000. Die Variable „Proficiency ofDigital Tools“ folgt an zweiter Stelle mit einem signifikant positiven Wert von β =0.197 bei p = 0.000. Die Variable „Years of Teaching“ hat einen signifikant positi-ven Einfluss von β = 0.116 und einem Signifikanzwert von p = 0.011. Einen signi-fikanten negativen Einfluss hat die Variable „Technical Support“ mit β = –0.116bei p = 0.035.Auch im angepassten Modell sind die Residuen „annähernd“ normalverteilt unddas Streudiagramm zeigt eine Tendenz zur Heteroskedastizität, die hier nichtweiter untersucht wird. Weiter liegt eine sehr schwache positive Autokorrelation(Durbon-Watson-Statistik: 1.828) und keine Multikollinearität (Toleranzwerte:1x2, β2 = Variable „Years of Teaching“; x3, β3 = Variable „Overall Support“; x4, β4 = Variable„Technical Support”; x5, β5 = Variable „Proficiency of Digital Tools“
  • 111. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 103zwischen 0.668 und 0.992; VIF-Werte: zwischen 1.008 und 1.497) vor. Die Mo-dellprämissen können mit Einschränkungen als „erfüllt“ angesehen werden.HypothesenbewertungIn den Hypothesen H3c und H4c wurde angenommen, dass die Eigenschaftender Bildungseinrichtung (Variablen „Overall Support“ und „Technical Support“)jeweils einen positiven, direkten Einfluss auf die Variable „Teachers’ Beliefs“ ha-ben. Hypothese H3c kann bestätigt werden; die Variable „Overall Support“ liefertim Modell einen hohen signifikanten positiven Wert auf „Teachers’ Beliefs“. Einsignifikant postulierter Einfluss der Variablen „Technical Support“ auf „Teachers’Beliefs“ liegt zwar vor, allerdings ist dieser negativ. Somit kann Hypothese H4cnicht bestätigt werden.In der Hypothese H5b wurde postuliert, dass der Leistungsstand zu digitalen Ar-beitsmitteln („Proficiency of Digital Tools“) einen positiven direkten Einfluss aufdie Vorstellungen der Lehrperson („Teachers’ Beliefs“) hat. Wie die Ergebnissezeigen, kann diese Hypothese H7 bestätigt werden.3.4.6.4 Ergebnisse und Hypothesenbewertung Modell „Process of Integration“Statistische Ergebnisse des ModellsFür das Modell 4 „Integration of Digital Tools“1berechnet die multiple Regressi-onsanalyse eine Regressionsgleichung mit folgenden Werten:2y = 0.573 – 0.154x1 + 0.053x2 + 0.232x3 – 0.045x4 + 0.153x5 + 0.185x6 +0.266x7sowie eine standardisierte Regressionsgleichung mit den Werten:y = –0.185β1 + 0.081β2 + 0.249β3 – 0.051β4 + 0.220β5 + 0.189β6 + 0.250β71Die im Pfadmodell angegebene Variable „Integration of Digital Tools“ entspricht der Variablen„Process of Integration“, die nach den Ergebnissen der Faktorenanalyse in Kapitel 3.4.4 als „In-tegrationsvariable“ eingesetzt wird. Für die Berechnungen in SPSS wurde die Variable nichtumbenannt.2x1, β1 = Variable „Age“; x2, β2 = Variable „Years of Teaching“; x3, β3 = Variable „Overall Support“;x4, β4 = Variable „Technical Support“; x5, β5 = Variable „Proficiency of Digital Tools“; x6, β6 =Variable „Teachers’ Readiness“; x7, β7 = Variable „Teachers’ Beliefs“
  • 112. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 104Aus diesen geschätzten Regressionsgleichungen lässt sich ablesen, dass dasVorzeichen der Variablen „Age“ und „Technical Support“ negativ ist und damitein negativer Zusammenhang zu „Process of Integration“ besteht. Die Variablen„Years of Teaching“, „Proficiency of Digital Tools“, „Teachers’ Readiness“, „Tea-chers’ Beliefs“ und „Overall Support“ besitzen ein positives Vorzeichen; ihr Zu-sammenhang zu „Process of Integration” ist positiv.SPSS berechnet für das korrigierte R² des Modells einen Wert von 0.426; somitkönnen für die sieben Variablen 42,6 Prozent der Varianz durch das Modell„Process of Integration“ erklärt werden. Die ermittelte Regressionsgerade passtzu den empirischen Daten und es kann von einem großen Effekt ausgegangenwerden. Der Zusammenhang der Variablen im Modell ist statistisch signifikant(F-Statistik: 41.383, p = 0.000).Betrachtet man die standardisierten Regressionskoeffizienten β, so haben zweiVariablen keinen signifikanten Einfluss auf „Process of Integration“: die Variable„Years of Teaching“ (β = 0.081; p = 0.112) und die Variable „Technical Support“(β = –0.051; p = 0.289). Den größten signifikanten Einfluss auf „Process ofIntegration“ hat die Variable „Teachers’ Beliefs“ (β = 0.250; p = 0.000), gefolgtvon den Variablen „Overall Support“ (β = 0.249; p = 0.000), „Proficiency of DigitalTools“ (β = 0.220; p = 0.000) und „Teachers’ Readiness (β = 0.189; p = 0.001).Die Variable „Age“ hat einen signifikanten negativen Einfluss von β = –0.185 beip = 0.000 auf „Process of Integration“.Der graphische Test auf Normalverteilung liefert eine „annähernde“ Normalver-teilung. Das Streudiagramm zeigt keine eindeutige konstante Streuung, d.h. dieVarianzen der Residuen scheinen unterschiedlich und es liegt voraussichtlichHeteroskedastizität vor; eine Prüfung auf Homoskedastizität mit dem Levene-Test erfolgt nicht. Die Durbon-Watson-Statistik gibt für das Modell einen Wertvon 1.917 aus, d.h. es liegt eine sehr schwache positive Autokorrelation der Re-siduen vor. Die Toleranzwerte des Modells zur Prüfung der Multikollinearität lie-gen zwischen 0.497 und 0.734 und die VIF-Werte zwischen 1.363 und 2.013.Damit liegt keine Multikollinarität vor.
  • 113. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 105ModellanpassungDas Modell „Process of Integration“ beinhaltet zwei nicht signifikante Variable„Years of Teaching“ und „Technical Support“, die aus dem Modell entfernt wer-den. Die Ergebnisse der Modellanpassung aus SPSS sind in Anlage A25 darge-stellt und werden im Folgenden aufgezeigt.Für das angepasste Modell „Process of Integration“ wird eine Regressionsglei-chung mit folgenden Werten berechnet:1y = 0.518 – 0.111x1 + 0.208x3 + 0.153x5 + 0.183x6 + 0.284x7sowie eine standardisierte Regressionsgleichung mit den Werten:y = –0.134β1 + 0.222β3 + 0.220β5 + 0.187β6 + 0.266β7Für das korrigierte R² des angepassten Modells berechnet SPSS einen Wert von0.423; 42,3 Prozent der Varianz können für die fünf Variablen durch das Modell„Process of Integration“ erklärt werden. Es handelt sich um eine große Effekt-stärke. Laut F-Statistik ist der Zusammenhang der Variablen im angepasstenModell statistisch signifikant (56.881; p = 0.000).Im angepassten Modell hat die Variable „Teachers’ Beliefs“ den größten signifi-kanten Einfluss auf „Process of Integration“ mit β = 0.266 bei p = 0.000. Der sig-nifikante Einfluss der Variablen „Overall Support“ mit β = 0.222 bei p = 0.000sowie „Proficiency of Digital Tools“ mit β = 0.220 bei p = 0.000 ist nahezu iden-tisch. Die Variable „Teachers’ Readiness“ hat einen Einfluss auf „Process ofIntegration” von β = 0.187 bei p = 0.001. Einen signifikanten negativen Einflussauf „Process of Integration“ hat die Variable „Age“ (β = –0.134; p = 0.001).Das Histogramm und Normalverteilungsplot der Residuen zeigt einen extremenAusreißer, der hier jedoch nicht näher untersucht werden soll. Die Normalvertei-lung ist dadurch nur bedingt „annähernd“ gegeben. Auch im angepassten Modellzeigt das Streudiagramm keine eindeutige konstante Streuung, d.h. es liegt auchhier vermutlich Heteroskedastizität vor, die in weiteren Analysen untersucht wer-den sollte. Des Weiteren liegt eine sehr schwache positive Autokorrelation(Durbon-Watson-Statistik: 1.880), jedoch keine Multikollinearität (Toleranzwerte1x1, β1 = Variable „Age“; x3, β3 = Variable „Overall Support”; x5, β5 = Variable „Proficiency ofDigital Tools“; x6, β6 = Variable „Teachers’ Readiness“; x7, β7 = Variable „Teachers’ Beliefs“
  • 114. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 106zwischen 0.513 und 0.995; VIF-Werte zwischen 1.005 und 1.948) vor. DieModellprämissen können lediglich mit Einschränkungen als „erfüllt“ betrachtetwerden.HypothesenbewertungIn den Hypothesen H6 und H7 wurde postuliert, dass die Bereitschaft der Lehr-person („Teachers’ Readiness“) und die Ansichten der Lehrperson („Teachers’Beliefs) jeweils einen positiven direkten Einfluss auf die Integration digitaler Ar-beitsmittel („Integration of Digital Tools“) haben. Beide Hypothesen können mitden Ergebnissen der multiplen Regressionsanalyse bestätigt werden.3.4.7 Geschätztes PfadmodellMit den Ergebnissen der multiplen Regressionsanalysen wird ein überarbeitetesPfadmodell in Abbildung 9 aufgestellt. Die im Pfadmodell angegebenen Wertefür die standardisierten Regressionskoeffizienten β entsprechen den angepass-ten Modellen der multiplen Regressionsanalysen aus Kapitel 3.4.6.Block 1 Block 2 Block 3 Block 4Abbildung 9: Geschätztes Pfadmodell
  • 115. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 107Folgende Zusammenhänge bzw. Einflüsse auf die Integration digitaler Arbeits-mittel lassen sich aus dem überarbeiteten Pfadmodell zusammenfassen:• Keine exogene Variable hat einen direkten Einfluss auf „Proficiency ofDigital Tools“.• Die Variable „Age“ hat einen negativen direkten Einfluss auf die Variable„Integration of Digital Tools“.• Die Variable „Years of Teaching“ hat einen positiven direkten Einflussauf die Variable „Teachers’ Beliefs“.• Die Variable „Overall Support“ hat einen positiven direkten Einfluss aufdie Variablen „Teachers’ Readiness“, „Teachers’ Beliefs“ sowie„Integration of Digital Tools“.• Die Variable „Technical Support“ hat einen negativen direkten Einflussauf die Variable „Teachers’ Beliefs“.• Die Variable „Proficiency of Digital Tools“ hat einen positiven direktenEinfluss auf die Variablen „Teachers’ Readiness“, „Teachers’ Beliefs“und „Integration of Digital Tools“.• Die Variable „Teachers’ Readiness“ und die Variable „Teachers’Beliefs“ haben jeweils einen positiven direkten Einfluss auf die Variable„Integration of Digital Tools“.3.4.8 Zentrale Tendenz nicht im Pfadmodell abgebildeter Variablen3.4.8.1 t-Test für unabhängige StichprobenDie Ergebnisse des t-Tests für die Variable „Geschlecht“ mit den endogenen Va-riablen im Pfadmodell sind der Anlage B24 zu entnehmen. Anhand der Datenlässt sich erkennen, dass es einen Unterschied des Mittelwertes zwischen Frau-en und Männern bezogen auf die einzelnen Variablen gibt. Der Mittelwert hin-sichtlich „Proficiency of Digital Tools“ liegt bei den Männern auf einer Skala von 1(keinerlei Erfahrung) bis 6 (sehr gute Beherrschung) mit 4.45 höher als bei denFrauen mit 4.15, dasselbe gilt bei „Teachers’ Readiness“ mit 3.88 bei den Män-nern und 3.86 bei den Frauen auf einer Skala von 1 (trifft überhaupt nicht zu)
  • 116. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 108und 5 (trifft vollkommen zu). Der Mittelwert der beiden Variablen „Teachers’ Be-liefs“ und „Process of Integration“, jeweils auf einer Skala von 1 (trifft überhauptnicht zu) und 5 (trifft vollkommen zu), ist hingegen bei den Frauen mit 3.72(„Teachers’ Beliefs“) und 3.34 („Process of Integration“) höher im Vergleich zuden Männern mit 3.52 („Teachers’ Beliefs“) und 3.15 („Process of Integration“).Der Levene-Test zur Prüfung auf Varianzhomogenität gibt für „Proficiency of Di-gital Tools“ einen F-Wert von 1.434 bei einer Signifikanz von p = 0.232 aus. Dadieser Wert nicht signifikant ist1, liegt Varianzhomogenität vor und die Werte fürden T-Test lassen sich aus der Zeile Varianzen sind gleich ablesen. Für den T-Test für die Mittelwertgleichheit ergeben sich Freiheitsgrade von 380 und ein t-Wert von -2.608 bei einer (zweiseitigen) Signifikanz von p = 0.009. Da der Signi-fikanzwert unter dem Niveau von 0.01 liegt, unterscheiden sich die Mittelwertevon Männern und Frauen im Hinblick auf „Proficiency of Digital Tools“ signifikant.Bei „Teachers’ Readiness“ ergibt sich ein F-Wert von 2.517 bei p = 0.113 für denLevene-Test der Varianzgleichheit, auch dieser Wert ist nicht signifikant, so dasses sich auch in diesem Fall um Varianzhomogenität handelt. Der T-Test für dieMittelwertgleichheit liefert Freiheitsgrade von 380 und ein t-Wert von –0.257 beieiner (zweiseitigen) Signifikanz von p = 0.798. Der Signifikanzwert liegt deutlichüber dem Signifikanzniveau von 0.05, so dass sich die Mittelwerte von Männernund Frauen hinsichtlich „Teachers’ Readiness“ nicht signifikant unterscheiden.Der Levene-Test der Variablen „Teachers’ Beliefs” ergibt einen F-Wert von 0.775bei p = 0.379; der Wert ist nicht signifikant und es liegt Varianzhomogenität vor.Der T-Test liefert Freiheitsgrade von 380 und einen t-Wert von 2.747 bei (zwei-seitiger) Signifikanz von p = 0.006. Damit unterscheiden sich die Mittelwerte vonMännern und Frauen im Hinblick auf „Teachers’ Beliefs“ signifikant.Auch bei der Variablen „Process of Integration” liegt Varianzhomogenität vor (F-Wert: 0.863; p = 0.354). Aus dem T-Test für die Mittelwertgleichheit ergeben sichFreiheitsgrade von 380 und ein t-Wert von 2.376 bei einem (zweiseitigen) Signi-fikanzwert von p = 0.018. Dieser Wert liegt noch unter dem Signifikanzniveau1Der F-Wert sollte bei Varianzhomogenität nicht signifikant werden. Bei einem Test auf Varianz-homogenität liegt das Signifikanzniveau bei 0.1. (vgl. Universität Zürich/Schwarz, J. (Hrsg.)(2010f), o. S.)
  • 117. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 109von 0.05, d.h. die Mittelwerte von Frauen und Männer hinsichtlich „Process ofIntegration“ unterscheiden sich ebenfalls signifikant.3.4.8.2 Einfaktorielle Varianzanalyse (ANOVA)Die Ergebnisse der Varianzanalyse für Modell 1a, 1b, 1c und 1d sind in AnlageB25, für Modell 2a, 2b, 2c und 2d in Anlage B26 und für Modell 3a, 3b, 3c und 3din Anlage B27 zu finden.Statistische Ergebnisse Modell 1Die Mittelwert-Diagramme für Modell 1a, 1b, 1c und 1d zeigen Unterschiede derMittelwerte zwischen den Unterrichtsfächern.• Modell 1a („Unterrichtsfach“ hinsichtlich „Proficiency of Digital Tools“):Für das Modell wird ein F-Wert von 3.773 bei p = 0.002 ausgewiesen, d.h.mindestens einer der Mittelwerte der Variablen „Unterrichtsfach“ weicht signi-fikant von den anderen ab.Der Test auf Varianzhomogenität liefert einen Signifikanzwert von p = 0.101.Da der Wert über 0.1 liegt, besteht Varianzhomogenität und für den Post-Hoc-Test wird der Turkey-B-Test eingesetzt. Hieraus ergeben sich zwei ho-mogene Untergruppen für Alpha = 0.05:Homogene Untergruppe 1: Unterrichtsfach 2, 5Homogene Untergruppe 2: Unterrichtsfach 1, 2, 3, 4, 6Ob sich die Mittelwerte signifikant unterscheiden, lässt sich aus dem Turkey-B-Test nicht ablesen.• Modell 1b („Unterrichtsfach“ hinsichtlich „Teachers’ Readiness“):Der F-Wert des Modells beträgt 2.720 bei p = 0.020 für das Modell, d.h. min-destens einer der Mittelwerte der Variablen „Unterrichtsfach“ weicht signifi-kant (für 0.01 < p < 0.05) von den anderen ab.Der Test auf Varianzhomogenität liefert einen Signifikanzwert von p = 0.128.Auch hier besteht Varianzhomogenität und für den Post-Hoc-Test wird derTurkey-B-Test eingesetzt. Für den Post-Hoc-Test ergibt sich nur eine Unter-gruppe für Alpha = 0.05. Alle Mittelwerte liegen in derselben homogenen Un-
  • 118. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 110tergruppe. Es liegt ein signifikanter Unterschied zwischen den Mittelwertender Unterrichtsfächer vor, welche der Unterrichtsfächer sich signifikant vonden anderen unterscheiden, kann mit dem Turkey-B-Test nicht nachgewiesenwerden. Ein zusätzlicher (alternativer) Test erfolgt nicht.• Modell 1c („Unterrichtsfach“ hinsichtlich „Teachers’ Beliefs“):Der F-Wert beträgt 6.117 bei p = 0.000 für das Modell. Somit weicht mindes-tens einer der Mittelwerte der Variablen „Unterrichtsfach“ signifikant von denanderen ab.Der Levene-Test liefert einen Signifikanzwert von p = 0.294. Auch hier be-steht Varianzhomogenität und für den Post-Hoc-Test wird der Turkey-B-Testeingesetzt. Für den Post-Hoc-Test ergibt sich nur eine Untergruppe für Alpha= 0.05. Alle Mittelwerte liegen auch hier in derselben homogenen Untergrup-pe. Es liegt ein signifikanter Unterschied zwischen den Mittelwerten der Un-terrichtsfächer vor, welche der Unterrichtsfächer sich signifikant von den an-deren unterscheiden, kann jedoch mit dem Turkey-B-Test nicht nachgewie-sen werden. Auf einen zusätzlichen Test wird auch hier verzichtet.• Modell 1d („Unterrichtsfach“ hinsichtlich „Process of Integration“):Der F-Wert beträgt 5.220 bei p = 0.00 für das Modell 2d, d.h. mindestens ei-ner der Mittelwerte der Variablen „Unterrichtsfach“ weicht signifikant von denanderen ab.Der Test auf Varianzhomogenität liefert einen Signifikanzwert von p = 0.174.Auch hier besteht Varianzhomogenität und für den Post-Hoc-Test wird derTurkey-B-Test eingesetzt. Es ergeben sich zwei homogene Untergruppen fürAlpha = 0.05:Homogene Untergruppe 1: Unterrichtsfach 1, 2, 3, 5, 6Homogene Untergruppe 2: Unterrichtsfach 1, 2, 3, 4, 6Ob sich die Mittelwerte signifikant unterscheiden, lässt sich aus dem Turkey-B-Test nicht ablesen.
  • 119. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 111Statistische Ergebnisse Modell 2Die Mittelwert-Diagramme für Modell 2a, 2b, 2c und 2d zeigen Unterschiede derMittelwerte zwischen den Lehrmethoden.• Modell 2a („Lehrmethodik“ hinsichtlich „Proficiency of Digital Tools“):Der ermittelte F-Wert von 2.789 für das Modell 2a wird mit einem Signifi-kanzwert von p = 0.026 angegeben, d.h. das Signifikanzniveau liegt zwarüber p > 0.01, jedoch unter p < 0.05. Damit weicht mindestens einer der Mit-telwerte der Variablen „Lehrmethodik“ signifikant von den anderen ab.Der Levene-Test liefert für das Modell 2a eine Signifikanz von p = 0.016, d.h.es liegt Varianzheterogenität vor. Für den Post-Hoc-Test wird somit der Ga-mes-Howell-Test angewendet, da keine Varianz-Gleichheit angenommenwird. Betrachtet man die Ergebnisse des Post-Hoc-Tests, so liegen insge-samt vier Signifikanzwerte unter 0.05:Lehrmethodik 2 – Lehrmethodik 5 bzw.Lehrmethodik 5 – Lehrmethodik 2: p = 0.026Lehrmethodik 3 – Lehrmethodik 5 bzw.Lehrmethodik 5 – Lehrmethodik 3: p = 0.028Nach dem Games-Howell-Test unterscheiden sich die Mittelwerte der Leh-methoden 2 und 5 sowie der Lehrmethoden 3 und 5 signifikant.• Modell 2b („Lehrmethodik“ hinsichtlich „Teachers’ Readiness“):Für das Modell 2b wird ein F-Wert von 3.950 bei p = 0.004 ausgewiesen, d.h.mindestens einer der Mittelwerte der Variablen „Lehrmethodik“ weicht signifi-kant von den anderen ab.Der Test auf Varianzhomogenität liefert einen Signifikanzwert von p = 0.059.Da der Wert unter 0.1 liegt, besteht Varianzheterogenität und für den Post-Hoc-Test wird der Games-Howell-Test eingesetzt. Insgesamt liegen sechsSignifikanzwerte unter 0.05:Lehrmethodik 1 – Lehrmethodik 5 bzw.Lehrmethodik 5 – Lehrmethodik 1: p = 0.023
  • 120. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 112Lehrmethodik 2 – Lehrmethodik 5 bzw.Lehrmethodik 5 – Lehrmethodik 2: p = 0.000Lehrmethodik 3 – Lehrmethodik 5 bzw.Lehrmethodik 5 – Lehrmethodik 3: p = 0.000Die Mittelwerte der Lehrmethoden 1 und 5, der Lehrmethoden 2 und 5 sowieder Lehrmethoden 3 und 5 unterscheiden sich signifikant.• Modell 2c („Lehrmethodik“ hinsichtlich „Teachers’ Beliefs“):Der F-Wert für dieses Modell beträgt 7.526 bei einer Signifikanz von p =0.000. Somit weicht auch in diesem Modell mindestens einer der Mittelwerteder Variablen „Lehrmethodik“ signifikant von den andern ab.Der Test auf Varianzhomogenität liefert einen Signifikanzwert von p = 0.020.Es besteht Varianzheterogenität und für den Post-Hoc-Test wird der Games-Howell-Test eingesetzt. Insgesamt liegen sechs Signifikanzwerte unter 0.05:Lehrmethodik 1 – Lehrmethodik 4 bzw.Lehrmethodik 4 – Lehrmethodik 1: p = 0.002Lehrmethodik 2 – Lehrmethodik 3 bzw.Lehrmethodik 3 – Lehrmethodik 2: p = 0.003Lehrmethodik 2 – Lehrmethodik 4 bzw.Lehrmethodik 4 – Lehrmethodik 2: p = 0.000Die Mittelwerte der Lehrmethoden 1 und 4, der Lehrmethoden 2 und 3 sowieder Lehrmethoden 2 und 4 unterscheiden sich signifikant.• Modell 2d („Lehrmethodik“ hinsichtlich „Process of Integration“):Der F-Wert beträgt 9.351 bei p = 0.000, d.h. mindestens einer der Mittelwerteder Variablen „Lehrmethodik“ weicht signifikant von den anderen ab.Der Levene-Test liefert einen Signifikanzwert von p = 0.964. Der Wert liegtüber 0.1 und es besteht somit Varianzhomogenität. Für den Post-Hoc-Testwird der Turkey-B-Test eingesetzt, da Varianz-Gleichheit angenommen wird.Es ergeben sich drei homogene Untergruppen für Alpha = 0.05:Homogene Untergruppe 1: Lehrmethodik 1, 2, 3Homogene Untergruppe 2: Lehrmethodik 3, 4
  • 121. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 113Homogene Untergruppe 3: Lehrmethodik 4, 5Ob sich die Mittelwerte signifikant unterscheiden, lässt sich aus dem Turkey-B-Test nicht ablesen.Statistische Ergebnisse Modell 3Für Modell 3a, 3b, 3c und 3d zeigen die Mittelwert-Diagramme Unterschiede derMittelwerte zwischen den Schulungen.• Modell 3a („Schulung“ hinsichtlich „Proficiency of Digital Tools“):Für das Modell 3a wird ein F-Wert von 8.978 bei p = 0.000 ausgewiesen.Mindestens einer der Mittelwerte der Variablen „Schulung“ weicht signifikantvon den anderen ab.Der Test auf Varianzhomogenität liefert einen Signifikanzwert von p = 0.063.Es liegt Varianzheterogenität vor und für den Post-Hoc-Test wird der Games-Howell-Test eingesetzt. Insgesamt liegen sechs Signifikanzwerte unter 0.05:Schulung 2 – Schulung 5 bzw.Schulung 5 – Schulung 2 p = 0.000Schulung 3 – Schulung 5 bzw.Schulung 5 – Schulung 3 p = 0.000Schulung 4 – Schulung 5 bzw.Schulung 5 – Schulung 4 p = 0.028Die Mittelwerte der Schulung 2 und 5, der Schulung 3 und 5 sowie der Schu-lung 4 und 5 unterscheiden sich signifikant.• Modell 3b („Schulung“ hinsichtlich „Teachers’ Readiness“):Der F-Wert des Modells 3b wird mit 17.403 bei p = 0.000 ausgewiesen, d.h.mindestens einer der Mittelwerte der Variablen „Schulung“ weicht signifikantvon den anderen ab.Der Test auf Varianzhomogenität liefert einen Signifikanzwert von p = 0.140.Da der Wert über 0.1 liegt, besteht Varianzhomogenität und für den Post-Hoc-Test wird der Turkey-B-Test eingesetzt. Mit dem Turkey-B-Test ergebensich drei homogene Untergruppen für Alpha = 0.05:
  • 122. 3 Einsatz digitaler Medien in Lehrveranstaltungen – eine empirische Untersuchung 114Homogene Untergruppe 1: Schulung 1, 2Homogene Untergruppe 2: Schulung 2, 3Homogene Untergruppe 3: Schulung 4, 5Ob sich die Mittelwerte signifikant unterscheiden, lässt sich aus dem Turkey-B-Test nicht ablesen.• Modell 3c („Schulung“ hinsichtlich „Teachers’ Beliefs“):Der F-Wert beträgt 11.531 bei p = 0.000. Mindestens einer der Mittelwerteder Variablen „Schulung“ weicht somit signifikant von den anderen ab.Der Levene-Test liefert einen Signifikanzwert von p = 0.978. Es besteht Vari-anzhomogenität und für den Post-Hoc-Test wird der Turkey-B-Test einge-setzt. Mit dem Turkey-B-Test ergeben sich für dieses Modell ebenfalls dreihomogene Untergruppen für Alpha = 0.05:Homogene Untergruppe 1: Schulung 1, 2Homogene Untergruppe 2: Schulung 3, 5Homogene Untergruppe 3: Schulung 4, 5Ob sich die Mittelwerte signifikant unterscheiden, lässt sich aus dem Turkey-B-Test nicht ablesen.• Modell 3d („Schulung“ hinsichtlich „Process of Integration“):Der F-Wert beträgt 17.888 bei p = 0.000, d.h. mindestens einer der Mittelwer-te der Variablen „Schulung“ weicht signifikant von den anderen ab.Der Test auf Varianzhomogenität liefert einen Signifikanzwert von p = 0.561.Es besteht Varianzhomogenität und für den Post-Hoc-Test wird der Turkey-B-Test eingesetzt. Hieraus ergeben sich für dieses Modell zwei homogene Un-tergruppen für Alpha = 0.05:Homogene Untergruppe 1: Schulung 1, 2, 3Homogene Untergruppe 2: Schulung 4, 5Ob sich die Mittelwerte signifikant unterscheiden, lässt sich aus dem Turkey-B-Test nicht ablesen.
  • 123. 4 Diskussion und Interpretation der Ergebnisse 1154. Diskussion und Interpretation der ErgebnisseIn dieser empirischen Studie wurde ein Pfadmodell eingesetzt, um Einflüsse de-mographischer Eigenschaften von Lehrpersonen sowie Wahrnehmungen im Um-feld der Bildungseinrichtungen von Lehrpersonen auf die Integration digitalerArbeitsmittel in Lehrveranstaltungen zu untersuchen. Ein Teil des hypothetischenPfadmodells kann durch die Ergebnisse bestätigt werden. Das Modell veran-schaulicht deutlich, dass die Integration digitaler Arbeitsmittel in Lehrveranstal-tungen ein komplexer Prozess ist, der sowohl von den Eigenschaften der Lehr-personen als auch von deren Wahrnehmungen im Umfeld der Bildungseinrich-tungen beeinflusst wird. Im Folgenden werden die direkten Einflüsse der Variab-len auf die endogenen Variablen im Pfadmodell diskutiert. Die indirekten Effektewerden „angedeutet“; ihre Berechnung war im Rahmen dieser Arbeit nicht Be-standteil der Untersuchung. Des Weiteren werden Mittelwertunterschiede nichtim Pfadmodell abgebildeter Eigenschaften erörtert und abschließend Grenzender Studie aufgezeigt.Einflüsse der Variablen im untersuchten PfadmodellDemographische Eigenschaften von Lehrpersonen beeinflussen die Integrationdigitaler Arbeitsmittel von Lehrveranstaltungen. Das Alter hat einen signifikantennegativen direkten Einfluss auf die Integration digitaler Arbeitsmittel in Lehrver-anstaltungen. Die Jahre des Lehrens haben keinen signifikanten direkten Ein-fluss auf die Integration digitaler Arbeitsmittel von Lehrveranstaltungen, jedocheinen indirekten Einfluss über die Ansichten der Lehrperson, digitale Arbeitsmit-tel einzusetzen.Der negative Einfluss des Alters bedeutet, dass ältere Lehrpersonen wenigerdigitale Arbeitsmittel in ihren Lehrveranstaltungen integrieren als jüngere Lehr-personen. Dies kann als „Generationenproblem“ angesehen werden, auf dasauch in der Literatur häufig hingewiesen wird.1Ältere Lehrpersonen zeigen sichoftmals abgeneigt, neues auszuprobieren und im Unterricht einzusetzen. DerEinfluss auf die Integration digitaler Arbeitsmittel verringert sich allerdings in dermultiplen Regressionanalyse nach Entnahme der Variablen „Years of Teaching“1Vgl. Brake, Ch. (2000), S. 125f.
  • 124. 4 Diskussion und Interpretation der Ergebnisse 116und „Technical Support“ im angepassten Modell. Beide entnommenen Variablenscheinen den negativen Einfluss auf die Integration digitaler Arbeitsmittel inLehrveranstaltungen verstärkt zu haben.Wie die Korrelationsanalyse zeigt, hat das Alter einen sehr geringen negativenEinfluss auf den Kenntnisstand digitaler Arbeitsmittel und auf die Bereitschaft derLehrpersonen sowie einen sehr geringen positiven Einfluss auf die Ansichten derLehrpersonen, digitale Arbeitsmittel einzusetzen. Alle drei Einflüsse sind jedochnicht signifikant. Auf ähnliche Ergebnisse kommt man auch in den multiplen Reg-ressionsanalysen. Hier hat das Alter jedoch einen geringen nicht signifikantennegativen Einfluss auf die Ansichten der Lehrpersonen. Somit existiert auch keinsignifikanter indirekter Einfluss des Alters auf die Integration digitaler Arbeitsmit-tel über eine andere Variable im Pfadmodell. Forschungsergebnisse von Inanund Lowther (2009) und Robinson (2003), die besagten, dass das Alter einenindirekten Einfluss über Computer-Kenntnisse auf den Einsatz von Technologienhat, können nicht bestätigt werden.Die Jahre des Lehrens haben lediglich einen signifikanten positiven direkten Ein-fluss auf die Ansichten der Lehrperson, digitale Arbeitsmittel einzusetzen. Be-trachtet man die Korrelationskoeffizienten und die standardisierten Regressions-koeffizienten, so sind die Einflüsse der Jahre des Lehrens auf den Kenntnisstanddigitaler Arbeitsmittel, auf die Bereitschaft der Lehrperson, digitale Arbeitsmitteleinzusetzen, und auf die Integration digitaler Arbeitsmittel positiv, jedoch nichtsignifikant. Somit besteht weder ein direkter Einfluss auf den Kenntnisstand digi-taler Arbeitsmittel noch auf die Bereitschaft der Lehrperson, digitale Arbeitsmitteleinzusetzen, wie postuliert wurde und Forschungsergebnisse von Inan undLowther (2009) und Robinson (2003) belegt haben. Die Jahre des Lehrens be-einflussen jedoch indirekt über die Ansichten der Lehrpersonen die Integrationdigitaler Arbeitsmittel in Lehrveranstaltungen. Dieses Ergebnis wird teilweise un-terstützt durch Mathews und Guarino (2000), die herausfanden, dass die Jahredes Lehrens den Einsatz von Technologie sowohl direkt als auch indirekt beein-flussen.Betrachtet man die Stichprobe der Untersuchung, so haben fast die Hälfte derbefragten Lehrpersonen über 16 Jahre Lehrerfahrung. Der positive Einfluss derJahre des Lehrens gibt zu verstehen, dass je länger die Lehrperson unterrichtet,
  • 125. 4 Diskussion und Interpretation der Ergebnisse 117desto größer sind die Ansichten der Lehrperson, digitale Arbeitsmittel einzuset-zen. Dies zeigt, dass vor allem erfahrene Lehrpersonen, digitale Arbeitsmittel inihre Lehrveranstaltungen integrieren (Stichwort: Lebenslanges Lernen). Ande-rerseits überrascht das Ergebnis, da vorangegangene Studien herausgefundenhaben, dass Lehrpersonen, die noch nicht so lange unterrichten und erst einVorbereitungsprogramm für Lehrer absolviert haben, technologiekompetenter(Jones und Madden, 2002 und O’Dwyer, Russell und Bebel, 2004) und besservorbereitet sind, Technologie im Unterricht einzusetzen (Mims, Polly, Shepherdund Inan, 2006).Weiter lässt sich aus den Ergebnissen ablesen, dass der signifikant positive Ein-fluss der Jahre des Lehrens auf die Ansichten der Lehrperson, digitale Arbeits-mittel einzusetzen, sich in der multiplen Regressionanalyse nach Entnahme derVariablen „Age“ im angepassten Modell verringert. Das Signifikanzniveau steigtvon p < 0.01 auf p < 0.05. Das Alter verringert damit den Einfluss der Jahre desLehrens auf die Ansichten der Lehrperson, digitale Arbeitsmittel einzusetzen.Meines Erachtens stehen der positive Einfluss der Jahre des Lehrens auf dieAnsichten der Lehrperson, digitale Arbeitsmittel einzusetzen, und der negativeEinfluss des Alters auf die Integration digitaler Arbeitsmittel im Widerspruch: Älte-re Lehrpersonen haben eigentlich auch mehr Lehrerfahrung und damit mehrJahre des Lehrens hinter sich. Nach den Ergebnissen integrieren ältere Lehrper-sonen digitale Arbeitsmittel seltener, lehren sie allerdings schon einige Jahre, sosind ihre Ansichten, digitale Arbeitsmittel einzusetzen, höher. Daraus lässt sichableiten, dass jüngere Lehrpersonen, die schon lange unterrichten digitale Ar-beitsmittel am ehesten integrieren.Ebenfalls beeinflussen die Eigenschaften der Bildungseinrichtung die Integrationdigitaler Arbeitsmittel in Lehrveranstaltungen. Die Allgemeine Unterstützung hatsowohl einen signifikanten positiven direkten Einfluss auf die Integration digitalerArbeitsmittel als auch indirekte Effekte über die Bereitschaft und Ansichten derLehrperson, digitale Arbeitsmittel zu integrieren. Die Technische Unterstützunghingegen hat keinen signifikanten direkten Einfluss auf die Integration digitalerArbeitsmittel, allerdings einen indirekten Einfluss über die Ansichten der Lehr-person, digitale Arbeitsmittel einzusetzen.
  • 126. 4 Diskussion und Interpretation der Ergebnisse 118Der direkte Einfluss der Allgemeinen Unterstützung auf die endogenen Variablen„Teachers’ Readiness“, “Teachers’ Beliefs“ und „Process of Integration“ ist je-weils sehr stark signifikant positiv, wie die Korrelationsanalysen als auch die mul-tiplen Regressionsanalysen zeigen. Im Vergleich der Werte der Korrelationskoef-fizienten zu den standardisierten Regressionskoeffizienten lässt sich erkennen,dass der direkte Zusammenhang der Allgemeinen Unterstützung zu den einzel-nen endogenen Variablen höher ist als in den Regressionsmodellen, d.h. dieanderen Variablen in den Regressionsmodellen schwächen den Einfluss der All-gemeinen Unterstützung ab. In dem Regressionsmodell „Integration of DigitalTools“ ist der Einfluss der Allgemeinen Unterstützung sogar nur noch halb sogroß wie in der Korrelationsanalyse der beiden Variablen. Der Einfluss der All-gemeinen Unterstützung auf die Integration digitaler Arbeitsmittel wird somitstark abgeschwächt. Nach Entnahme der Variablen „Years of Teaching“ und„Technical Support“ im angepassten Regressionsmodell „Integration of DigitalTools“ verringert sich der signifikante direkte Einfluss der Allgemeinen Unterstüt-zung auf die Integration digitaler Arbeitsmittel nochmals zusätzlich.Trotz der Abschwächungen in den Regressionsmodellen hat die Allgemeine Un-terstützung den zweitgrößten direkten Einfluss auf die Integration digitaler Ar-beitsmittel, den größten direkten Effekt auf die Ansichten der Lehrperson undden zweitgrößten direkten Einfluss auf die Bereitschaft der Lehrperson, digitaleArbeitsmittel einzusetzen. Sie spielt damit eine bedeutende Rolle im Pfadmodell:je größer die Allgemeine Unterstützung in der Bildungseinrichtung ist, umso grö-ßer ist die Integration digitaler Arbeitsmittel in Lehrveranstaltungen aus direkterals auch indirekter Sicht.Der postulierte Einfluss auf den Kenntnisstand digitaler Arbeitsmittel hingegenkann nicht bestätigt werden. Dieser Einfluss der Allgemeinen Unterstützung istgering positiv, jedoch nicht signifikant.Den starken positiven Einfluss der Allgemeinen Unterstützung auf die Bereit-schaft und Ansichten der Lehrperson, digitale Arbeitsmittel einzusetzen, belegteauch die Studie von Inan und Lowther (2009). Hernandez-Ramos (2005), Lum-pe und Chambers (2001) und Mumtaz (2005) fanden heraus, dass die Integrati-on von Technologie durch die Unterstützung beeinflusst wird, welche von Kolle-gen, von administrativer Seite und von Interessengruppen kommt.
  • 127. 4 Diskussion und Interpretation der Ergebnisse 119Der direkte Einfluss der Allgemeinen Unterstützung auf die Integration digitalerArbeitsmittel wurde nicht postuliert, jedoch belegen vorangegangene Forschun-gen diese Erkenntnis. Studien von Hernandez-Ramos (2005), Mumtaz (2005),O’Dwyer, Russell und Bebel (2004) und Wozney, Venkatesh und Abrami (2006)haben ergeben, dass die Integration von Technologien durch alle Variablen imModell direkt beeinflusst wird. Dies trifft im untersuchten Pfadmodell jedoch nurteilweise zu, nämlich für die Allgemeine Unterstützung, das Alter, den Kenntnis-stand digitaler Arbeitsmittel sowie der Bereitschaft und den Ansichten der Lehr-person, digitale Arbeitsmittel einzusetzen.Die angenommenen positiven direkten Einflüsse der Technischen Unterstützungauf den Kenntnisstand digitaler Arbeitsmittel, die Bereitschaft und die Ansichtender Lehrperson, digitaler Arbeitsmittel einzusetzen, können mit den Ergebnissender Untersuchung nicht bestätigt werden.Betrachtet man die Korrelationskoeffizienten der Technischen Unterstützung mitden vier endogenen Variablen, so haben alle einen positiven Wert, von denenallerdings lediglich die Werte mit der Bereitschaft und den Ansichten der Lehr-person sowie der Integration digitaler Arbeitsmittel signifikant sind. Die standar-disierten Regressionskoeffizienten der Technischen Unterstützung sind sowohlim Modell „Proficiency of Digital Tools“ als auch im Modell „Teachers’ Readiness“positiv, jedoch nicht signifikant. Die eingesetzten Variablen im Regressionsmo-dell „Teachers’ Readiness“ – das Alter, die Jahre des Lehrens, die AllgemeineUnterstützung und der Kenntnisstand digitaler Arbeitsmittel – schwächen dieTechnische Unterstützung zu einem nicht signifikanten, sehr geringen positivenWert ab.In den Regressionsmodellen „Teachers’ Beliefs“ und „Integration of Digital Tools“hingegen sind die standardisierten Regressionskoeffizienten negativ, wobei le-diglich der Wert für das Regressionsmodell „Teachers’ Beliefs“ (0.01 < p < 0.05)signifikant ist. Dies bedeutet, dass die eingesetzten Variablen in diesen beidenRegressionsmodellen den positiven Zusammenhang der Technischen Unterstüt-zung zu den Ansichten der Lehrperson und die Integration digitaler Arbeitsmittelin der Korrelationsanalyse in einen negativen Einfluss in der multiplen Regressi-onsanalyse „umwandeln“. Im Regressionsmodell „Teachers’ Beliefs“ handelt essich um das Alter, die Jahre des Lehrens, die Allgemeine Unterstützung und den
  • 128. 4 Diskussion und Interpretation der Ergebnisse 120Kenntnisstand digitaler Arbeitsmittel und im Regressionsmodell „Integration ofDigital Tools“ um das Alter, die Jahre des Lehrens, die Allgemeine Unterstüt-zung, den Kenntnisstand digitaler Arbeitsmittel sowie die Bereitschaft und dieAnsichten der Lehrperson, digitale Arbeitsmittel einzusetzen. Diese Variablenbewirken eine Umpolung des positiven Einflusses in einen negativen.Der signifikant negative Einfluss der Technischen Unterstützung auf die Ansich-ten der Lehrperson bedeutet, dass je größer die technische Unterstützung in derBildungseinrichtung ist, umso geringer sind die Ansichten der Lehrperson, digita-le Arbeitsmittel einzusetzen. Dieses Ergebnis ist konträr zu vorangegangenenStudien, in denen herausgefunden wurde, dass mit hinlänglicher technischer Un-terstützung, sich Lehrer sicherer und bereiter fühlen, Technologie einzusetzen(Hernandez-Ramos, 2005; Sandholtz und Reilly, 2004). Den Erkenntnissen derStudie von Sandholtz und Reilly (2004), die besagte, dass Lehrer gewöhnlichUnterstützung beim Einsatz von Technologie benötigen, wenn Probleme bei derInstallation und Benutzung der Software oder technischen Angelegenheiten auf-treten, kann ebenfalls nicht zugestimmt werden.Wie die Ergebnisse weiter zeigen, nimmt die Technische Unterstützung im un-tersuchten Pfadmodell keine bedeutende Rolle ein und hat auch keinen hohenEinfluss auf die Mediationsvariablen im Pfadmodell, wie die Studie von Inan undLowther (2009) belegte. Des Weiteren besteht kein direkter Einfluss auf die In-tegration digitaler Arbeitsmittel, jedoch ein indirekter über die Ansichten derLehrperson, digitale Arbeitsmittel einzusetzen. Dadurch beeinflusst die Techni-sche Unterstützung die Ansichten der Lehrperson wesentlich (Mumtaz, 2005;Windschitl und Sahl, 2002); der Einfluss ist jedoch nicht positiv, sondern negativ.Der Kenntnisstand digitaler Arbeitsmittel der Lehrperson, die Bereitschaft undAnsichten der Lehrperson, digitale Arbeitsmittel einzusetzen, beeinflussen dieIntegration digitaler Arbeitsmittel in Lehrveranstaltungen. Der Kenntnisstand digi-taler Arbeitsmittel hat einen signifikanten positiven direkten Einfluss auf die In-tegration digitaler Arbeitsmittel in Lehrveranstaltungen sowie indirekte Einflüsseüber die Bereitschaft und Ansichten der Lehrperson, digitale Arbeitsmittel einzu-setzen. Die Bereitschaft und die Ansichten der Lehrperson, digitale Arbeitsmitteleinzusetzen, haben jeweils einen signifikanten positiven direkten Einfluss auf dieIntegration digitaler Arbeitsmittel in Lehrveranstaltungen.
  • 129. 4 Diskussion und Interpretation der Ergebnisse 121Für den Kenntnisstand digitaler Arbeitsmittel sind alle Koeffizienten in der Korre-lationsanalyse und den multiplen Regressionsanalysen signifikant. Die Werte derstandardisierten Regressionskoeffizienten in den Modellen „Teachers’ Readi-ness“ und „Teachers’ Beliefs“ für den Kenntnisstand digitaler Arbeitsmittel sindnur geringfügig kleiner als die Werte der Korrelationskoeffizienten zwischen denVariablenpaaren. Im Regressionsmodell „Integration of Digital Tools“ hingegenist der Wert des standardisierten Regressionskoeffizienten nur annähernd halbso groß wie der Wert des Korrelationskoeffizienten. Das Alter, die Jahre desLehrens, die Allgemeine Unterstützung, die Technische Unterstützung, die Be-reitschaft und die Ansichten der Lehrperson reduzieren im Regressionsmodellden hohen direkten Zusammenhang aus der Korrelationsanalyse zwischen demKenntnisstand digitaler Arbeitsmittel und der Integration digitaler Arbeitsmittel.Der Kenntnisstand digitaler Arbeitsmittel ist einer der wichtigsten (positiven) Ein-flussfaktoren auf die Integration digitaler Arbeitsmittel in Lehrveranstaltungen. Erhat den drittgrößten direkten Einfluss auf die Integration digitaler Arbeitsmittel,den größten direkten Einfluss auf die Bereitschaft der Lehrperson und denzweitgrößten direkten Einfluss auf die Ansichten der Lehrperson, digitale Ar-beitsmittel einzusetzen. In anderen Worten: Je größer der Kenntnisstand digita-ler Arbeitsmittel ist, umso größer sind zum einen die Bereitschaft und die Ansich-ten der Lehrperson, digitale Arbeitsmittel einzusetzen und umso größer ist zumanderen die Integration digitaler Arbeitsmittel in Lehrveranstaltungen. BereitsInan und Lowther (2009) haben in ihrer Studie herausgefunden, dass Computer-Kenntnisse sowohl die Bereitschaft als auch die Ansichten der Lehrperson,Technologien einzusetzen, positiv beeinflussen, und dass Computer-Kenntnisseder Lehrperson in deren Pfadmodell den größten Einfluss auf die Bereitschafthaben, Technologien einzusetzen.Der Einfluss auf die Integration digitaler Arbeitsmittel ist nicht – wie postuliert –nur indirekt über die Bereitschaft und Ansichten der Lehrperson, sondern derKenntnisstand digitaler Arbeitsmittel hat auch einen starken direkten Einfluss aufdie Integration digitaler Arbeitsmittel. Mathews und Guarino (2000) und Robinson(2003) kamen in ihren Pfadmodellen zu vergleichbaren Ergebnissen, nämlichdass der Effekt der Computer-Kenntnisse sowohl signifikant als auch direkt ist. In
  • 130. 4 Diskussion und Interpretation der Ergebnisse 122beiden Pfadmodellen werden jedoch keine Mediationsvariablen, wie die Bereit-schaft und Ansichten der Lehrperson, ausgewiesen bzw. berechnet.Nicht wie im hypothetischen Pfadmodell angegeben und von vorangegangenenForschungsergebnissen aufgezeigt (zum Beispiel von Inan und Lowther, 2009),hat keine exogene Variable im Pfadmodell einen signifikanten Einfluss auf denKenntnisstand digitaler Arbeitsmittel. Somit existiert kein (gerichteter) Zusam-menhang der Variablen. Bereits in der Korrelationsanalyse der Variablenpaarewerden lediglich sehr geringe und nicht signifikante Korrelationskoeffizientenausgewiesen; das multiple Regressionsmodell „Proficiency of Digital Tools“ un-terstreicht den nicht signifikanten Zusammenhang der exogenen Variablen zumKenntnisstand digitaler Arbeitsmittel. Der Kenntnisstand digitaler Arbeitsmittelfungiert demnach nicht als eine Mediationsvariable zu den anderen endogenenVariablen im Pfadmodell. Es ist zu hinterfragen, ob der Kenntnisstand digitalerArbeitsmittel weiterhin als endogene Variable im Pfadmodell betrachtet werdensoll oder für zukünftige Untersuchungen als exogene Variable fungiert;möglicherweise besteht mit nicht im Pfadmodell abgebildeter Variablen ein Zu-sammenhang bzw. Einfluss auf den Kenntnisstand digitaler Arbeitsmittel. DerEinfluss des Kenntnisstands digitaler Arbeitsmittel auf die anderen endogenenVariablen ist – wie oben dargestellt wurde – von großer Bedeutung.Die Bereitschaft der Lehrperson, digitale Arbeitsmittel einzusetzen, hat in derKorrelationsanalyse einen sehr starken signifikanten positiven Zusammenhangzur Integration digitaler Arbeitsmittel in Lehrveranstaltungen. Hingegen fällt die-ser Zusammenhang im Regressionsmodell „Integration of Digital Tools“ deutlichgeringer aus; der standardisierte Regressionskoeffizient ist ebenfalls signifikantpositiv. Die anderen Variablen im Modell schwächen den Einfluss der Bereit-schaft der Lehrperson auf die Integration digitaler Arbeitsmittel stark ab. Nichts-destotrotz ist die Integration digitaler Arbeitsmittel umso größer, je größer dieBereitschaft der Lehrperson ist, digitale Arbeitsmittel einzusetzen. Zu einem po-sitiven Einfluss der Bereitschaft der Lehrperson auf die Integration digitaler Ar-beitsmittel gelangten auch Inan und Lowther (2009) in ihrem Pfadmodell. For-schungen von Kanaya, Light und Culp (2005) als auch Scheffler und Logan(1999) ergaben, dass Lehrer, die bereit und überzeugt sind, Technologie zu in-
  • 131. 4 Diskussion und Interpretation der Ergebnisse 123tegrieren, häufiger Technologie im Unterricht einsetzen. Sie bestätigen damitebenfalls das Ergebnis aus dem untersuchten Pfadmodell.Die Bereitschaft der Lehrperson, digitale Arbeitsmittel einzusetzen, hat im ange-passten Pfadmodell jedoch nicht wie in der Studie von Inan und Lowther (2009)den größten Einfluss auf die Integration von Technologie, sondern lediglich denviertgrößten Einfluss. Zudem fungiert die Variable „Teachers’ Readiness“ alsMediationsvariable. Von den exogenen Variablen hat jedoch nur die AllgemeineUnterstützung einen Einfluss auf die Bereitschaft der Lehrperson. Die demogra-phischen Eigenschaften Alter und Jahre des Lehrens haben weder einen direk-ten noch einen indirekten Einfluss auf die Bereitschaft der Lehrperson. Dengrößten signifikanten Einfluss verzeichnet die endogene Variable „Proficiency ofDigital Tools“. Dieses Ergebnis belegt auch die Studie von Inan und Lowther(2009). Nach den Forschungsergebnissen von Hernandez-Ramos (2005) wächstgrundsätzlich das Gefühl der Lehrer, Technologie in ihre Lehrveranstaltungen zuintegrieren, sobald sich die Computer-Kenntnisse der Lehrer erhöhen.Die Ansichten der Lehrperson, digitale Arbeitsmittel zu integrieren, haben dengrößten signifikanten positiven Einfluss auf die Integration digitaler Arbeitsmittelin der vorliegenden Studie, d.h. je größer die Ansichten der Lehrperson sind,desto größer ist die Integration digitaler Arbeitsmittel in Lehrveranstaltungen. Aufdie Integration von Technologie im Unterricht sind sie ein wesentlicher Einfluss-faktor, wie auch zahlreiche vorangegangene Studien (u.a. Ertmer, 2005; Vannat-ta und Fordham, 2004; Inan und Lowther, 2009) belegen.Betrachtet man für die Ansichten der Lehrperson die Korrelationsanalyse und diemultiple Regressionsanalyse, so weisen beide starke signifikante positive Koeffi-zienten aus. Der Wert des standardisierten Regressionskoeffizienten im Modell„Integration of Digital Tools“ ist allerdings um fast die Hälfte geringer als der Wertdes Korrelationskoeffizienten. Auch hier lässt sich erkennen, dass die anderenVariablen (Alter, Jahre des Lehrens, Allgemeine Unterstützung, Technische Un-terstützung, Kenntnisstand digitaler Arbeitsmittel und Bereitschaft der Lehrper-son) im Regressionsmodell den Zusammenhang der Ansichten der Lehrpersonzur Integration digitaler Arbeitsmittel reduzieren.Die Ansichten der Lehrperson, digitale Arbeitsmittel einzusetzen, fungierenebenfalls als Mediationsvariable im Pfadmodell. Den stärksten Einfluss hat die
  • 132. 4 Diskussion und Interpretation der Ergebnisse 124exogene Variable Allgemeine Unterstützung. Zu diesem Ergebnis gelangt auchdie Studie von Inan und Lowther (2009). Die Technische Unterstützung beein-flusst die Ansichten der Lehrperson negativ, d.h. die Ansichten der Lehrpersonnehmen mit zunehmer Technischer Unterstützung ab. Mumtaz (2005) sowieWindschitl und Sahl (2002) haben herausgefunden, dass Eigenschaften der Bil-dungseinrichtung wesentlich die Ansichten der Lehrperson beeinflussen, indemdie Lehrperson Unterstützung und positive Vorstellungen von administrativerSeite und Interessengruppen erhält. Dies trifft jedoch nur für die Allgemeine Un-terstützung zu. Zudem haben Lumpe und Chambers (2001) in ihrer Untersu-chung eine Liste mit Einflussfaktoren auf die Ansichten der Lehrperson erfasst,welche auch die allgemeine und technische Unterstützung enthält.Einen großen Einfluss auf die Ansichten der Lehrperson hat auch der Kenntnis-stand digitaler Arbeitsmittel. Lehrer möchten, dass sie sich „Wohlfühlen“ mit derTechnologie, bevor sie die Technologie einsetzen (Snoeyink und Ertmer, 2002).Von den demographischen Eigenschaften der Lehrperson haben lediglich dieJahre des Lehrens einen positiven Einfluss auf die Ansichten der Lehrperson.Das Alter beeinflusst die Ansichten der Lehrperson im untersuchten Pfadmodellnicht. In der Literatur wird darauf hingewiesen, dass noch andere Eigenschaftender Lehrperson wie Unterrichtsfach und Schulung einen Einfluss auf die Ansich-ten der Lehrperson, digitale Arbeitsmittel einzusetzen, haben könnten (Hew undBrush, 2007; Lih-Juan, Jon-Chao, Jeou-Shyan, Shih-Hui und Hui-Chuan, 2006).Mittelwertunterschiede nicht im Pfadmodell abgebildeter EigenschaftenFrauen und Männer unterscheiden sich im Mittel bezüglich des Kenntnisstandsdigitaler Arbeitsmittel, den Ansichten, digitale Arbeitsmittel einzusetzen, und derIntegration digitaler Arbeitsmittel in Lehrveranstaltungen signifikant.Bei Männern ist der Kenntnisstand digitaler Arbeitsmittel im Durchschnitt höherals bei den Frauen. Dies kann bedeuten, dass Frauen die Verwendung von digi-talen Arbeitsmitteln in Lehrveranstaltungen in geringem Maße einsetzen. Zu ei-nem ähnlichen Ergebnis kamen auch Mathews und Guarino (2000). Sie fandenheraus, dass weibliche Lehrer ein signifikant geringeres Niveau an Computerfä-higkeiten besitzen als männliche Lehrer. Hingegen liegen bei Frauen sowohl dieAnsichten, digitale Arbeitsmittel einzusetzen, als auch die Integration digitalerArbeitsmittel in Lehrveranstaltungen im Mittel höher als bei den Männern. Damit
  • 133. 4 Diskussion und Interpretation der Ergebnisse 125sind auch in der Grundgesamtheit die Mittelwerte voneinander verschieden. DieBereitschaft, digitale Arbeitsmittel einzusetzen, ist bei Männern im Durchschnitthöher als bei Frauen, jedoch unterscheiden sich die Mittelwerte zwischen Män-nern und Frauen nicht signifikant.Der Kenntnissstand digitaler Arbeitsmittel, die Bereitschaft und die Ansichten derLehrperson wie auch die Integration digitaler Arbeitsmittel unterscheiden sichjeweils im Mittel signifikant zwischen den Unterrichtsfächern.Welcher der Mittelwerte zwischen den Unterrichtsfächern sich signifikant unter-scheidet, konnte bezüglich der Bereitschaft und der Ansichten der Lehrpersonnicht festgestellt werden. Hinsichtlich des Kenntnisstands digitaler Arbeitsmittelund der Integration digitaler Arbeitsmittel lassen sich jeweils zwei homogene Un-tergruppen der Mittelwerte zwischen den Unterrichtsfächern bilden.Auch zwischen den Lehrmethoden unterscheiden sich der Kenntnisstand digita-ler Arbeitsmittel, die Bereitschaft und die Ansichten der Lehrperson wie auch dieIntegration digitaler Arbeitsmittel jeweils im Mittel signifikant.Bezüglich des Kenntnisstands digitaler Arbeitsmittel unterscheiden sich die Mit-telwerte der Lehrmethoden „Stärker von der Aktivität der Lehrkraft ausgehend“und „Überwiegend auf die Aktivitäten der Lernenden ausgerichtet“ sowie dieLehrmethoden „Balance zwischen den auf die Lehrkraft und den auf die Lernen-den ausgerichteten Aktivitäten“ und „Überwiegend auf die Aktivitäten derLernenden ausgerichtet“ signifikant. Die Mittelwerte der Lehrmethoden „Über-wiegend von der Lehrkraft ausgehend“ und „Überwiegend auf die Aktivitäten derLernenden ausgerichtet“, der Lehrmethoden „Stärker von der Aktivität der Lehr-kraft ausgehend“ und „Überwiegend auf die Aktivitäten der Lernenden ausgerich-tet“ sowie der Lehrmethoden „Balance zwischen den auf die Lehrkraft und denauf die Lernenden ausgerichteten Aktivitäten“ und „Überwiegend auf die Aktivitä-ten der Lernenden ausgerichtet“ unterscheiden sich bezüglich der Bereitschaftder Lehrperson signifikant. Bezüglich der Ansichten der Lehrperson unterschei-den sich die Lehrmethoden „Überwiegend auf die Aktivitäten der Lernendenausgerichtet“ und „Stärker auf die Aktivitäten der Lernenden ausgerichtet“, dieLehrmethoden „Stärker von der Aktivität der Lehrkraft ausgehend“ und „Balancezwischen den auf die Lehrkraft und den auf die Lernenden ausgerichteten Aktivi-täten“ sowie die Lehrmethoden „Stärker von der Aktivität der Lehrkraft ausge-
  • 134. 4 Diskussion und Interpretation der Ergebnisse 126hend“ und „Stärker auf die Aktivitäten der Lernenden ausgerichtet“ signifikant.Hinsichtlich der Integration digitaler Arbeitsmittel lassen sich drei homogene Un-tergruppen der Mittelwerte zwischen den Lehrmethoden bilden.Schließlich unterscheiden sich der Kenntnisstand digitaler Arbeitsmittel, dieBereitschaft und Ansichten der Lehrperson wie auch die Integration digitaler Ar-beitsmittel jeweils im Mittel signifikant zwischen den Schulungen der Lehrperson.Die Mittelwerte der Schulungen „Einen ganzen Tag oder weniger“ und „Mehr alsein Semester“, der Schulungen „Mehr als einen Tag und weniger als ein Semes-ter“ und „Mehr als ein Semester“ sowie der Schulungen „Einen Semester-Lehrgang“ und „Mehr als ein Semester“ unterscheiden sich bezüglich demKenntnisstand digitaler Arbeitsmittel signifikant. Bezüglich der Bereitschaft undden Ansichten der Lehrperson, digitale Arbeitsmittel einzusetzen, lassen sichjeweils drei homogene Untergruppen der Mittelwerte und bezüglich der Integrati-on digitaler Arbeitsmittel in Lehrveranstaltungen zwei homogene Untergruppender Mittelwerte zwischen den Schulungen bilden.Grenzen der empirischen StudieAnalysen mit Pfadmodellen sind eine nützliche Methode, Beziehungen zwischeneiner Reihe von Variablen zu untersuchen. Allerdings können Pfadmodelle dieGrenzen, die entweder durch schwach entwickelte Modelle, hoch korrelierendenVariablen oder begrenzter Stichprobe entstehen, nicht überwinden.1In dieserStudie wurde daher auf ein vorangegangenes Pfadmodell und Forschungen zu-rückgegriffen und eine große Stichprobe eingesetzt. Die mit einer Pfadanalyseverbundene kritischste Einschränkung ist allerdings, dass sie keinen Test aufKausalität anbietet; weder prüft sie die Kausalität noch bestätigt sie die Richtungder Kausalität.2Deshalb sollten die Interpretation der Ergebnisse mit Vorsichtund die wiedergegebenen Einflüsse zwischen den Variablen als „suggestiv“ be-trachtet werden.Weiter wurde in den multiplen Regressionsanalysen festgestellt, dass nicht alleRegressionsmodelle die Prämissen bzw. Voraussetzungen für die Durchführungeiner multiplen Regressionsanalyse erfüllten. Die Normalverteilung der Variablen1Vgl. Inan, F. A./Lowther, D. L. (2009), S. 1492Vgl. ebenda, s. 149
  • 135. 4 Diskussion und Interpretation der Ergebnisse 127und die Homoskedastizität wurden in einigen Modellen verletzt. Um die Analysenin dieser empirischen Untersuchung trotzdem durchführen zu können, wurdeeine Normalverteilung der Variablen und Homogenität der Varianzen angenom-men. Für weitere Untersuchungen sollte jedoch die explorative Datenanalyseherangezogen und gegebenenfalls in SPSS Transformationen der Variablenvorgenommen werden.
  • 136. 5 Zusammenfassung und Ausblick 1285. Zusammenfassung und AusblickZiel der Masterarbeit war es, die Einflussfaktoren auf die Bereitschaft zur Integ-ration digitaler Medien in Lehrveranstaltungen mithilfe einer empirischen Studiezu analysieren und zu beurteilen. Zunächst wurde ein Einblick in den For-schungsstand zur Integration digitaler Medien in Lehrveranstaltungen gegeben.Darüberhinaus wurden theoretische Bezugspunkte digitaler Medien aufgezeigt.Es wurde dabei auf die Medienpädagogik, den Medienbegriff, die Digitalen Me-dien in Bildungsprozessen, den Mehrwert digitaler Medien sowie auf die Medien-kompetenz eingegangen. Weiter wurde die Fragestellung der empirischen Un-tersuchung dargelegt. Neben den Variablen und dem hypothetischen Pfadmodellwurden die Hypothesen der Untersuchung und die Forschungsfragen dargestellt.Im praktischen Teil wurde der Einsatz digitaler Medien in Lehrveranstaltungenempirisch untersucht. Hierfür wurde ein forschungsgestütztes Pfadmodell mitacht Variablen eingesetzt, um die kausalen Zusammenhänge zwischen den Fak-toren zu erklären. Zuerst wurde auf das Forschungsdesign und das eingesetzteErhebungsverfahren eingegangen. Nachdem die verschiedenen Auswertungs-verfahren dargestellt wurden, wurden die Untersuchungsergebnisse ausführlichaufgezeigt. Dabei wurden die direkten und indirekten Effekte auf die Integrationdigitaler Arbeitsmittel in Lehrveranstaltungen sowie Mittelwertunterschiede dernicht im Pfadmodell abgebildeten Variablen auf die Integration digitaler Arbeits-mittel identifiziert.Schließlich wurden die Ergebnisse der empirischen Studie ausführlich diskutiertund interpretiert sowie Grenzen der Studie aufgezeigt.Wie die empirische Studie darlegte, gibt es eine Vielzahl möglicher Einflussfakto-ren auf die Integration digitaler Medien bzw. Arbeitsmittel in Lehrveranstaltun-gen. Einer der möglichen Ansätze für weiterführende Forschungen ist, dasPfadmodell mit zusätzlichen Variablen zu erweitern. Das Hinzufügen von weite-ren schulischen und demographischen Faktoren wie beispielsweise Geschlecht,Unterrichtsfach, Lehrmethodik, Schulung, Schulkultur, pädagogische Überzeu-gungen, Effektivität eines Technologie-Coach (Technology Coach Effectiveness)oder Erfahrungen, können das Verständnis von einigen Variablen steigern, fürdie das gegenwärtige Pfadmodell lediglich eine eingeschränkte Erklärung liefer-
  • 137. 5 Zusammenfassung und Ausblick 129te. Des Weiteren sollten einige der in das Pfadmodell einbezogenen Variablendetaillierter und vor allem kritisch geprüft werden. Die gebildeten Skalen könnenbeispielsweise einer Faktorenanalyse unterzogen werden, um die Items der ein-zelnen Skalen – über die Reliabilitätsanalyse hinaus – dahingegen zu untersu-chen, ob sie dieselbe Dimension abbilden. Weiter kann die Faktorenanalyse „In-tegration of Digital Tools“ in Hinblick auf ihre Faktoreneinteilung untersucht wer-den. Die Items der „Integrationsvariable“ sollten nochmals kritisch überprüft wer-den; gegebenenfalls müssen neue Items gefunden, alte Items ausgetauschtbzw. Items für das Konstrukt „Integration of Digital Tools“ neu zusammengestelltwerden.Die vier multiplen Regressionsanalysen wurden mit der Methode „Einschluss“durchgeführt. Eine weitere Möglichkeit zukünftiger Forschungen besteht darin,die multiple Regression „schrittweise“ vorzunehmen. Dabei werden die Variablenschon bei jedem Schritt auf Ausschluss und Aufnahme geprüft. Nachdem fest-gestellt wurde, dass die Normalverteilung und Homoskedastizität in den multip-len Regressionsmodellen nicht durchgehend gegeben sind, sollten für weitereUntersuchungen Transformationen der Variablen vorgenommen werden, um ei-ne Normalverteilung und Homogenität der Varianzen zu erzielen.In der vorliegenden Studie wurden lediglich die direkten Werte der Einflussgrö-ßen berechnet. Von Interesse sind auch die indirekten und totalen Effekte überdie Mediationsvariablen „Teachers’ Readiness“ und „Teachers’ Beliefs“ auf dieIntegration digitaler Arbeitsmittel in Lehrveranstaltungen, die bei weiterführendenForschungen untersucht werden können. Das hypothetische Pfadmodell wurdebislang für den Gesamtdatensatz berechnet, d.h. alle Hochschulen und alle Län-der sind zusammengefügt und als eine große Stichprobe betrachtet worden. Fürweitere Untersuchungen können auch die Ergebnisse aus den einzelnen Län-dern bzw. je Hochschule von Interesse sein: Gibt es Unterschiede zwischen denLändern bzw. Hochschulen? Liefert das Pfadmodell für jede einzelne Hochschu-le andere Ergebnisse? Verschiedene Untersuchungen können dabei mit Vari-anzanalysen vorgenommen werden.Neben der reinen quantitativen Analyse sind in der Bildungsforschung auchzunehmend qualitative Ansätze bzw. gemischte Ansätze mit quantitativen undqualitativen Methoden von Interesse. Deshalb sollten in zukünftigen Studien
  • 138. 5 Zusammenfassung und Ausblick 130neben den quantitativen auch qualitative Daten wie Beobachtungen in Lehrver-anstaltungen oder Diskussionen und Interviews von Eltern, Schulleiter und Schü-ler/-innen bzw. Studierende erhoben und analysiert werden. Diese Daten würdenunterschiedliche Perspektiven und Einblicke in die Komplexität der Integrationvon digitalen Medien in Lehrveranstaltungen geben. Bei zukünftigen Erhebungensollte zudem darauf geachtet werden, dass die Daten erst nach einem Pretestdes Fragebogens erfasst werden, um Einheitlichkeit und Vergleichbarkeit zu ge-währleisten.
  • 139. Anhang A VIIIAnhang AAnlage A1: Schulische Ebenen........................................................................ IXAnlage A2: Übersicht hemmende Bedingungsfaktoren..................................... XAnlage A3: Übersicht förderliche Bedingungsfaktoren..................................... XIAnlage A4: Geschätztes Pfadmodell der Forschungsergebnisse von Inanund Lowther (2009) .......................................................................................... XIIAnlage A5: Hybride Lernarrangements in Hochschulen................................. XIIIAnlage A6: Mehrwerte digitaler Medien .........................................................XIVAnlage A7: Beteiligte Bildungseinrichtungen an der empirischenUntersuchung...................................................................................................XVAnlage A8: Fragebogen der DHBW Stuttgart..................................................XXAnlage A9: Begleitschreiben der Online-Befragung.................................. XXVIIIAnlage A10: Auszug Variablenansicht mit zugeordneten Messniveaus...... XXIXAnlage A11: Aufteilung der „teilweise abgeschlossenen Fragebogen“ ........ XXXAnlage A12: Entscheidung „Integrationsvariable“ ....................................... XXXIAnlage A13: Korrelationen Variable „Age“ ................................................ XXXIIIAnlage A14: Korrelationen Variable „Years of Teaching“..........................XXXIVAnlage A15: Korrelationen Variable „Overall Support“...............................XXXVAnlage A16: Korrelationen Variable „Technical Support“..........................XXXVIAnlage A17: Korrelationen Variable „Proficiency of Digital Tools“............XXXVIIAnlage A18: Korrelationen Variable „Teachers’ Readiness“ und “Teachers’Beliefs” .....................................................................................................XXXVIIIAnlage A19: Multiple Regressionsanalyse Modell “Proficiency of DigitalTools” .........................................................................................................XXXIXAnlage A20: Multiple Regressionsanalyse Modell “Teachers’ Readiness”..... XLIAnlage A21: Multiple Regressionsanalyse Modellanpassung “Teachers’Readiness”.................................................................................................... XLIIIAnlage A22: Multiple Regressionsanalyse Modell “Teachers’ Beliefs”..........XLVAnlage A23: Multiple Regressionsanalyse Modellanpassung “Teachers’Beliefs” .........................................................................................................XLVIIAnlage A24: Multiple Regressionsanalyse Modell „Integration of DigitalTools“ ............................................................................................................XLIXAnlage A25: Multiple Regressionsanalyse Modellanpassung „Integration ofDigital Tools“ ..................................................................................................... LI
  • 140. Anhang A IXAnlage A1: Schulische Ebenen11Enthalten in: Eickelmann, B. (2010), S. 98
  • 141. Anhang A XAnlage A2: Übersicht hemmende Bedingungsfaktoren11Enthalten in: Eickelmann, B. (2010), S. 281
  • 142. Anhang A XIAnlage A3: Übersicht förderliche Bedingungsfaktoren11Enthalten in: Eickelmann, B. (2010), S. 284
  • 143. Anhang A XIIAnlage A4: Geschätztes Pfadmodell der Forschungsergebnisse von Inan undLowther (2009)11Entnommen aus: Inan, F. A./Lowther, D. L. (2009), S. 146
  • 144. Anhang A XIIIAnlage A5: Hybride Lernarrangements in Hochschulen1Hybride Lernarrangements beinhalten die möglichst optimale Kombination bzw.den bestmöglichen Medienmix von klassischen Lernszenarien, alten und neuen(digitalen) Medien sowie Sozialformen vor dem Hintergrund der Anpassung andie Bedürfnisse und den Kenntnisstand der Lernenden sowie der Anforderun-gen und situativen Gegebenheiten (ökonomische und technische Rahmen-bedingungen) der Lehre:1Enthalten in: Lermen, M. (2008), S. 231
  • 145. Anhang A XIVAnlage A6: Mehrwerte digitaler Medien11Entnommen aus: Stratmann, J. (2007), S. 21
  • 146. Anhang A XVAnlage A7: Beteiligte Bildungseinrichtungen an der empirischen UntersuchungAberdeen College (Aberdeen/Schottland)Das Aberdeen College ist eines der größten Colleges für Erwachsenenbildungin Schottland mit einer jährlichen Studentenzahl von über 30.000 Studierenden.Das Hauptcollege befindet sich in Gallowgate Centre in Aberdeen. Darüber hin-aus verfügt es über Trainingszentren in über 100 Gemeinden in ganz AberdeenCity und Aberdeenshire. Das College ist von der schottischen Further EducationUnit und Her Majesty’s Inspector of Education für die Qualität und hervorragen-de Leistung seiner Lehr- und Lernerfolge anerkannt. Die Einrichtung spielt einebedeutende Rolle bei der Entwicklung von Know-hows und Wirtschaft in Aber-deen und dem Nordosten Schottlands.1Das Aberdeen College unterrichtet in vier großen Lehrbereichen: Business,Computing & Landbased; Creative Industries, Sport and Languages; Engineer-ing & Construction; Care, Service Industries & Social Sciences. Die Studienmo-dule sind flexibel gestaltbar. Viele der Studenten kommen aus wirtschaftlichbenachteiligten Schichten, die finanzielle Unterstützung durch Stipendien, Edu-cation Maintenance Allowance (EMA) und der Scottish Award Agency for Scot-land (SAAS) erhalten.2IOC Institut Obert de Catalunya (Barcelona/Spanien)Das IOC Institut Obert de Catalunya ist eine Berufsschule und technischeFachschule in Barcelona mit mehr als 5.000 Schüler/innen. Das IOC, die koor-dinierende Organisation in diesem Projekt, wurde im Jahr 2006 von drei beste-henden Initiativen im Fernstudium ins Leben gerufen, geleitet durch das Bil-dungsministerium von Katalonien: das ICESD Institut Català d’EnsenyamentSecundari a Distància (Pflicht- und Sekundarschulwesen Fernstudium), Palaude Mar – GES (verpflichtendes Erwachsenen-Fernstudium) und FP operta (Be-rufsausbildung Fernstudium).1Vgl. Wikipedia (2012h), o. S.2Vgl. Aberdeen College (2012), o. S.
  • 147. Anhang A XVIInzwischen wird das IOC in Katalonien empfohlen, wenn es darum geht, überallund jederzeit zu lernen. Der Großteil der Studenten sind Erwachsene (über 20Jahre), die schon im Berufsleben stehen. Eine kleine Anzahl sind Jugendliche,die unter besonderen Bedingungen lernen: zum Beispiel Sportler, Musiker,körperlich behinderte Menschen, im Ausland lebende Studenten, sozial Be-nachteiligte. Zum formalen Bildungsbereich gehören das Graduat en EducacióSecundària (GES) und „Batxillerat“ (höhere berufsbildende Schule); der nicht-formale Bildungsbereich umfasst Kurse zur Vorbereitung auf Aufnahmeprüfun-gen wie CFGM (Berufsausbildung mit mittlerem Abschluss) und CFGS(Berufsausbildung mit höherem Abschluss).1Karamürsel 100. Yıl Teknik ve Endüstri meslek Lisesi (Karamürsel/Türkei)Karamürsel 100. Yıl Teknik ve Endüstri meslek Lisesi ist eine technische undberufsbildende Schule mit Sitz in Karamürsel, einer Stadt in Kocaeli im Westender Türkei. Die meisten Schüler/innen sind Einwanderer aus dem östlichen Teildes Landes und anderen ländlichen Gebieten rund um Kocaeli. Die Familiensind wegen hoher Arbeitslosigkeit und unzureichender Bildungs- und Sozialbe-dingungen eingewandert. Meistens sind die Neuankömmlinge sozialer Aus-grenzung ausgesetzt und sind nicht in der Lage, sich sozial zu integrieren.Die Schule bietet die Fächer Mathematik, Sozialwissenschaften, Sprachen undInformationstechnologien an. Sie ist auch für Erwachsene geeignet, die ihreAusbildung aus verschiedenen Gründen abgebrochen haben, geistig behindertoder arbeitslos sind. Für diesen Personenkreis bietet die Schule Ausbildungs-programme in den Bereichen Maschinenbau, Metall, Elektrotechnik, Dekoration,Kleidung, Friseur.2Kungälv Vuxenutbildning (Kungälv/Schweden)Kungälv Vuxenutbildning ist eine öffentliche Non-Profit-Organisation in Kun-gälvs, einer Gemeinde 20 km nördlich von Göteborg entfernt. Die Schule er-möglicht den individuell passenden Zugang zu einem breiten Angebot an Klas-1Vgl. IOC Institut Obert de Catalunya (2012), o. S.2Vgl. Karamürsel (2012), o. S.
  • 148. Anhang A XVIIsen und Ausbildungen von der Grundschule bis zur Hochschulbildung. Im An-gebot der Schule sind beispielsweise Mathematik, Sozialwissenschaften, Spra-chen und IT (Informationstechnologie). Für diejenigen, die nach Kungälv gezo-gen sind und Schwedisch lernen möchten, bietet die Schule Sprachkurse anund unterstützt mit Ausbildungsplätzen. Kungälv Vuxenutbildning bietet auchAusbildungsprogramme im Bereich Marine und Tourismus an.Die Schule ist vor allem für Erwachsene geeignet, die ihre Ausbildung nicht ab-geschlossen haben, arbeitslos sind, ihre Kompetenzen erhöhen müssen, umauf dem Arbeitsmarkt „attraktiv“ zu bleiben, aus einem anderen Land kommenund Schwedisch lernen müssen oder geistig behindert sind. Das zentrale Zielder Schule ist es, benachteiligten Menschen qualitativ hochwertige Bildung zuermöglichen.1AKAD-GruppeDie AKAD-Gruppe ist mit derzeit rund 8.200 Studierenden zwischen 20 und 65Jahren der größte private Fernhochschulverbund in Deutschland. Seit 1959haben sich über 55.000 Berufstätige erfolgreich bei der AKAD weitergebildet.Über 340 Professoren und Dozenten mit wissenschaftlicher Qualifikation undPraxiserfahrung lehren an den vier staatlich anerkannten Hochschulen: WHLWissenschaftliche Hochschule Lahr sowie Hochschulen in Stuttgart, Leipzigund Pinneberg. Das AKAD-Studienkonzept ist eine Kombination aus Fernstudi-um, Präsenzseminaren und Online-Studium – speziell auf die BedürfnisseBerufstätiger zugeschnitten.Die AKAD-Gruppe bietet Studien- und Aufbaustudiengängen in den DisziplinenBetriebswirtschaft, Wirtschaftsinformatik, Maschinenbau, Wirtschaftsingenieur-wesen, Mechatronik und Sprachen an. Zudem finden am AKAD Kolleg Fach-lehrgänge, Fernkurse, Sprachdiplome oder IHK-Lehrgänge statt. Im BereichAKAD Business werden in Zusammenarbeit mit Unternehmen, berufsbegleiten-de Weiterbildungen in den Bereichen Wirtschaft, Technik, Sprachen angebo-ten.21Vgl. Kungälv Vuxenutbildning (2012), o. S.2Vgl. AKAD Bildungsgesellschaft mbH (2012), o. S.
  • 149. Anhang A XVIIIDHBW StuttgartDie Duale Hochschule Baden-Württemberg (DHBW) Stuttgart gehört mit über7.000 Studierenden und 2.000 haupt- und nebenberuflichen Dozent/innen ausWissenschaft und Praxis zu den größten Hochschulen in den Regionen Stutt-gart und Oberer Neckar. In Kooperation mit rund 2.500 ausgewählten Unter-nehmen und sozialen Einrichtungen, den dualen Partnern, bieten die FakultätenWirtschaft, Technik und Sozialwesen mehr als 40 national und international an-erkannte Bachelor-Studienrichtungen an. Zentrales Merkmal ist der regelmäßi-ge Wechsel zwischen den Theoriephasen an der Hochschule und den berufs-praktischen Phasen beim ausbildenden dualen Partner. Mit dualen Masterpro-grammen in allen Fakultäten ermöglicht die DHBW Stuttgart außerdem eineberufsintegrierte Weiterentwicklung auch über den Bachelorabschluss hinaus.Das duale Studium orientiert sich an den realen Anforderungen des Arbeits-marktes und der Unternehmen bzw. sozialen Einrichtungen und garantiert eineeinzigartige Verbindung von Theorie und Praxis. Die frühere BerufsakademieBaden-Württemberg ist heute als DHBW eine national und international aner-kannte und akkreditierte Hochschule mit einem außerordentlich hohen Quali-tätsniveau, was sich auch in einer Übernahmequote von durchschnittlich 80Prozent ihrer Absolventen widerspiegelt. Die DHBW Stuttgart mit ihrem Cam-pus Horb ist der größte von acht Standorten der Dualen Hochschule Baden-Württemberg.1Berufskollegs HagenDie Hagener Berufskollegs bestehen aus Cuno-Berufskolleg I, Cuno-Berufs-kolleg II, Kaufmannsschule I, Kaufmannsschule II sowie Käthe-Kollwitz-Berufskolleg. Jedes Berufskolleg beschäftigt in etwa 80 Lehrpersonen bei einerjeweiligen Schülerzahl von über 2.000.Das Cuno-Berufskolleg I und II sind gewerblich-technische berufsbildendeSchulen. In den Berufsfeldern Metalltechnik, Elektrotechnik, Mechatronik, In-formations- und Telekommunikationstechnik, Bädertechnik sowie Physik/ Che-mie wird als Partner im Dualen System der schulische Teil der beruflichen Erst-1Vgl. Duale Hochschule Baden-Württemberg Stuttgart (2012), o. S.
  • 150. Anhang A XIXausbildung am Cuno-Berufskolleg I durchgeführt.1Das Bildungsangebot wirddurch weitere technische Bildungsgänge ergänzt. Die im Cuno-Berufskolleg IIangebotenen Bildungsgänge umfassen Berufsschule, höhere Berufsfachschule,Fachoberschule, Assistenten, Technisches Gymnasium und Fachschule fürVermessungstechnik.2Die Kaufmannsschule I und II sind kaufmännische be-rufsbildende Schulen und bieten die Bildungsgänge Berufsfachschule, Berufs-schule, Fachschule für Wirtschaft (Abendstudium), Fachoberschule, Wirt-schaftsgymnasium sowie höhere Handelsschule für Abiturienten an.3Das Kä-the-Kollwitz-Berufskolleg ist ein Berufskolleg für Sozial- und Gesundheitswesen,Hauswirtschaft und Allgemeingewerbe sowie Berufliches Gymnasium der StadtHagen (Sekundarstufe II).41Vgl. Cuno-Berufskolleg I (2012), o. S.2Vgl. Cuno-Berufskolleg II (2012), o. S.3Vgl. Kaufmannsschule I (2012), o. S. und Kaufmannsschule II (2012), o. S.4Vgl. Käthe-Kollwitz-Berufskolleg (2012), o. S.
  • 151. Anhang A XXAnlage A8: Fragebogen der DHBW Stuttgart
  • 152. Anhang A XXI
  • 153. Anhang A XXII
  • 154. Anhang A XXIII
  • 155. Anhang A XXIV
  • 156. Anhang A XXV
  • 157. Anhang A XXVI
  • 158. Anhang A XXVII
  • 159. Anhang A XXVIIIAnlage A9: Begleitschreiben der Online-BefragungOnline-Umfrage zum Thema "Digitale Arbeitsmittel in der Lehre"- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -Liebe Kolleginnen und -kollegen,ich habe von einer Studentin des Studiengangs Wirtschaftspädagogik an der WHL Wissen-schaftliche Hochschule Lahr eine Anfrage zur Beteiligung an einer Umfrage zum Thema "Digita-le Arbeitsmittel in der Lehre" erhalten, die ihre Masterarbeit über die Erhebung schreiben wird.Die Online-Umfrage finden Sie hier:< Link >Die Umfrage findet im Rahmen des Projekts "Digital Classroom" statt. Es handelt sich hier umeine von der EU geförderte Grundtvig-Lernpartnerschaft, die zum Ziel hat, den Einsatz und dieEinbindung digitaler Arbeitsmittel in Bildungsangeboten für Erwachsene zu untersuchen. DerLehrstuhl für Wirtschaftspädagogik an der WHL ist an diesem Projekt beteiligt.Sie unterstützen durch Ihre Angaben das Projekt, da Daten von Lehrkräften aus ganz Europaerfasst und verglichen werden.Die Bearbeitung des Fragebogens dauert etwa 12 Minuten. Die Ergebnisse werden vollkommenanonym erfasst und vertraulich behandelt.Unter digitalen Arbeitsmitteln werden Software-Anwendungen verstanden, die Lehr- und Lern-aktivitäten unterstützen. Diese Anwendungen bieten mehr interaktive Funktionen als die übli-chen Office-Anwendungen wie Word, Excel oder PowerPoint. Öffentliche Seiten des WorldWide Web sind nicht Teil dieser Definition von digitalen Arbeitsmitteln.Auch wenn Sie selbst keine oder wenig digitale Arbeitsmittel in Ihrem Bildungsangeboten(Kurse, Module, Seminare etc.) verwenden, ist Ihre Meinung sehr wichtig.Ich möchte Sie bitten, die Studentin zu unterstützen und an der Umfrage bis zum < Datum >teilzunehmen.Vielen Dank für Ihren Beitrag!Mit freundlichen GrüßenN.N.
  • 160. Anhang A XXIXAnlage A10: Auszug Variablenansicht mit zugeordneten Messniveaus
  • 161. Anhang A XXXAnlage A11: Aufteilung der „teilweise abgeschlossenen Fragebogen“Hochschule TeilweiseabgeschlosseneFragebogen*zu Beginn nachFrage 4nachFrage 5nachFrage 5b**nachFrage7/Item 1nachFrage7/Item 2DHBW Stuttgart 1 1AKAD Gruppe 20 6 2 1 1Berufskollegs Hagen 1 1Hochschule Schottland 5 1 1Hochschule Spanien 18 7 1Hochschule Schweden 13 5 6Hochschule Türkei 0Hochschulen Gesamt 58 20 1 9 1 1 1*Datenstand der Online-Umfrage: 10.11.2012**Fragebogen der Berufskollegs Hagen enthält im 1. Fragebogenteil nicht 5, sondern 6 FragenHochschule nachFrage7/Item 4nachFrage8/Item 8nachFrage 10nachFrage 11nachFrage12/Item 2nachFrage 13nachFrage 14nachFrage15/Item 4DHBW StuttgartAKAD Gruppe 4 1 3 1 1Berufskollegs HagenHochschule Schottland 2 1Hochschule Spanien 5 1 2 1 1Hochschule Schweden 1*** 1Hochschule TürkeiHochschulen Gesamt 11 1 1 7 1 1 2 1***Frage 9 im Schwedischen Fragebogen
  • 162. Anhang A XXXIAnlage A12: Entscheidung „Integrationsvariable“HäufigkeitenProcess_IntegrationDevelopment_IntegrationGültig 382 382Fehlend 0 03,2314 3,87703,2000 4,00003,20 4,00,78734 ,89829,620 ,807-,097 -,686,125 ,125-,192 ,335,249 ,2491,00 1,005,00 5,00HäufigkeitstabelleHäufigkeit Prozent Gültige ProzenteKumulierteProzente1,00 2 ,5 ,5 ,51,10 1 ,3 ,3 ,81,20 1 ,3 ,3 1,01,30 1 ,3 ,3 1,31,40 1 ,3 ,3 1,61,50 1 ,3 ,3 1,81,70 1 ,3 ,3 2,11,80 5 1,3 1,3 3,41,90 9 2,4 2,4 5,82,00 6 1,6 1,6 7,32,10 4 1,0 1,0 8,42,20 13 3,4 3,4 11,82,30 10 2,6 2,6 14,42,40 5 1,3 1,3 15,72,50 13 3,4 3,4 19,12,60 17 4,5 4,5 23,62,70 12 3,1 3,1 26,72,80 17 4,5 4,5 31,22,90 15 3,9 3,9 35,13,00 20 5,2 5,2 40,33,10 15 3,9 3,9 44,23,20 25 6,5 6,5 50,83,30 17 4,5 4,5 55,23,40 23 6,0 6,0 61,33,50 20 5,2 5,2 66,53,60 14 3,7 3,7 70,23,70 19 5,0 5,0 75,13,80 11 2,9 2,9 78,03,90 12 3,1 3,1 81,24,00 18 4,7 4,7 85,94,10 6 1,6 1,6 87,44,20 6 1,6 1,6 89,04,30 10 2,6 2,6 91,64,40 6 1,6 1,6 93,24,50 4 1,0 1,0 94,24,60 6 1,6 1,6 95,84,70 6 1,6 1,6 97,44,80 6 1,6 1,6 99,05,00 4 1,0 1,0 100,0Gesamt 382 100,0 100,0MinimumMaximumProcess_IntegrationGültigStandardabweichungVarianzSchiefeStandardfehler der SchiefeKurtosisStandardfehler der KurtosisStatistikenNMittelwertMedianModus
  • 163. Anhang A XXXIIHäufigkeit Prozent Gültige ProzenteKumulierteProzente1,00 5 1,3 1,3 1,31,33 1 ,3 ,3 1,61,67 3 ,8 ,8 2,42,00 8 2,1 2,1 4,52,33 9 2,4 2,4 6,82,67 24 6,3 6,3 13,13,00 27 7,1 7,1 20,23,33 36 9,4 9,4 29,63,67 49 12,8 12,8 42,44,00 85 22,3 22,3 64,74,33 30 7,9 7,9 72,54,67 21 5,5 5,5 78,05,00 84 22,0 22,0 100,0Gesamt 382 100,0 100,0Development_IntegrationGültigHistogramm
  • 164. Anhang A XXXIIIAnlage A13: Korrelationen Variable „Age“Age Proficiency Digital ToolsKorrelation nachPearson1 -,010Signifikanz (2-seitig) ,840N 382 382Korrelation nachPearson-,010 1Signifikanz (2-seitig) ,840N 382 382Age Teachers ReadinessKorrelation nachPearson1 -,049Signifikanz (2-seitig) ,336N 382 382Korrelation nachPearson-,049 1Signifikanz (2-seitig) ,336N 382 382Age Teachers BeliefsKorrelation nachPearson1 ,020Signifikanz (2-seitig) ,702N 382 382Korrelation nachPearson,020 1Signifikanz (2-seitig) ,702N 382 382Age Process of IntegrationKorrelation nachPearson1 -,146**Signifikanz (2-seitig) ,004N 382 382Korrelation nachPearson-,146** 1Signifikanz (2-seitig) ,004N 382 382AgeTeachers ReadinessAgeProficiency Digital ToolsKorrelationen**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.KorrelationenAgeProcess of IntegrationAgeTeachers BeliefsKorrelationenKorrelationen
  • 165. Anhang A XXXIVAnlage A14: Korrelationen Variable „Years of Teaching“Years of Teaching Proficiency Digital ToolsKorrelation nachPearson1 ,036Signifikanz (2-seitig) ,481N 382 382Korrelation nachPearson,036 1Signifikanz (2-seitig) ,481N 382 382Years of Teaching Teachers ReadinessKorrelation nachPearson1 ,048Signifikanz (2-seitig) ,352N 382 382Korrelation nachPearson,048 1Signifikanz (2-seitig) ,352N 382 382Years of Teaching Teachers BeliefsKorrelation nachPearson1 ,164**Signifikanz (2-seitig) ,001N 382 382Korrelation nachPearson,164** 1Signifikanz (2-seitig) ,001N 382 382Years of Teaching Process of IntegrationKorrelation nachPearson1 ,046Signifikanz (2-seitig) ,374N 382 382Korrelation nachPearson,046 1Signifikanz (2-seitig) ,374N 382 382KorrelationenYears of TeachingProcess of Integration**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.KorrelationenYears of TeachingTeachers BeliefsYears of TeachingTeachers ReadinessKorrelationenKorrelationenYears of TeachingProficiency Digital Tools
  • 166. Anhang A XXXVAnlage A15: Korrelationen Variable „Overall Support“Overall Support Proficiency Digital ToolsKorrelation nachPearson1 ,075Signifikanz (2-seitig) ,142N 382 382Korrelation nachPearson,075 1Signifikanz (2-seitig) ,142N 382 382Overall Support Teachers ReadinessKorrelation nachPearson1 ,453**Signifikanz (2-seitig) ,000N 382 382Korrelation nachPearson,453** 1Signifikanz (2-seitig) ,000N 382 382Overall Support Process of IntegrationKorrelation nachPearson1 ,440**Signifikanz (2-seitig) ,000N 382 382Korrelation nachPearson,440** 1Signifikanz (2-seitig) ,000N 382 382**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.KorrelationenOverall SupportProcess of IntegrationOverall SupportTeachers Readiness**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.KorrelationenKorrelationenOverall SupportProficiency Digital Tools
  • 167. Anhang A XXXVIAnlage A16: Korrelationen Variable „Technical Support“Technical Support Proficiency Digital ToolsKorrelation nachPearson1 ,071Signifikanz (2-seitig) ,167N 382 382Korrelation nachPearson,071 1Signifikanz (2-seitig) ,167N 382 382Technical Support Teachers ReadinessKorrelation nachPearson1 ,287**Signifikanz (2-seitig) ,000N 382 382Korrelation nachPearson,287** 1Signifikanz (2-seitig) ,000N 382 382Technical Support Teachers BeliefsKorrelation nachPearson1 ,163**Signifikanz (2-seitig) ,001N 382 382Korrelation nachPearson,163** 1Signifikanz (2-seitig) ,001N 382 382Technical Support Process of IntegrationKorrelation nachPearson1 ,207**Signifikanz (2-seitig) ,000N 382 382Korrelation nachPearson,207** 1Signifikanz (2-seitig) ,000N 382 382**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.KorrelationenTechnical SupportProcess of IntegrationTeachers Beliefs**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.KorrelationenTechnical SupportTechnical SupportTeachers Readiness**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.KorrelationenKorrelationenTechnical SupportProficiency Digital Tools
  • 168. Anhang A XXXVIIAnlage A17: Korrelationen Variable „Proficiency of Digital Tools“Proficiency DigitalTools Teachers ReadinessKorrelation nachPearson1 ,550**Signifikanz (2-seitig) ,000N 382 382Korrelation nachPearson,550** 1Signifikanz (2-seitig) ,000N 382 382Proficiency DigitalTools Teachers BeliefsKorrelation nachPearson1 ,229**Signifikanz (2-seitig) ,000N 382 382Korrelation nachPearson,229** 1Signifikanz (2-seitig) ,000N 382 382Proficiency DigitalTools Process of IntegrationKorrelation nachPearson1 ,401**Signifikanz (2-seitig) ,000N 382 382Korrelation nachPearson,401** 1Signifikanz (2-seitig) ,000N 382 382Proficiency DigitalToolsProcess of Integration**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.KorrelationenKorrelationenProficiency DigitalToolsTeachers Beliefs**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.KorrelationenProficiency DigitalToolsTeachers Readiness**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.
  • 169. Anhang A XXXVIIIAnlage A18: Korrelationen Variable „Teachers’ Readiness“ und “Teachers’Beliefs”Teachers Readiness Process of IntegrationKorrelation nachPearson1 ,520**Signifikanz (2-seitig) ,000N 382 382Korrelation nachPearson,520** 1Signifikanz (2-seitig) ,000N 382 382Teachers Beliefs Process of IntegrationKorrelation nachPearson1 ,482**Signifikanz (2-seitig) ,000N 382 382Korrelation nachPearson,482** 1Signifikanz (2-seitig) ,000N 382 382Teachers BeliefsProcess of Integration**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.KorrelationenTeachers ReadinessProcess of Integration**. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.Korrelationen
  • 170. Anhang A XXXIXAnlage A19: Multiple Regressionsanalyse Modell “Proficiency of Digital Tools”Regression Modell "Proficiency of Digital Tools"ModellAufgenommeneVariablenEntfernteVariablen Methode1 Technical Support,Years of Teaching,Overall Support,Agea. EinschlußModell R R-QuadratKorrigiertes R-QuadratStandardfehlerdes SchätzersDurbin-Watson-Statistik1 ,096a ,009 -,001 1,132 1,444Quadratsumme dfMittel derQuadrate F Sig.Regression 4,464 4 1,116 ,871 ,482aNicht standardisierteResiduen483,284 377 1,282Gesamt 487,749 381StandardisierteKoeffizientenRegressionskoeffizientB Standardfehler Beta Toleranz VIF(Konstante) 3,874 ,344 11,271 ,000Age -,055 ,078 -,046 -,694 ,488 ,610 1,640Years of Teaching ,058 ,062 ,061 ,927 ,354 ,603 1,658Overall Support ,058 ,084 ,043 ,687 ,493 ,663 1,508Technical Support ,058 ,079 ,045 ,725 ,469 ,673 1,485(Konstante) AgeYears ofTeaching Overall SupportTechnicalSupport1 4,808 1,000 ,00 ,00 ,00 ,00 ,002 ,113 6,525 ,00 ,12 ,11 ,08 ,083 ,033 12,102 ,05 ,45 ,66 ,18 ,074 ,025 13,986 ,02 ,25 ,22 ,73 ,495 ,022 14,814 ,93 ,18 ,01 ,01 ,35Minimum Maximum MittelwertStandardabweichung NNichtstandardisiertervorhergesagterWert4,03 4,58 4,32 ,108 382NichtstandardisierteResiduen-3,433 1,888 ,000 1,126 382StandardisiertervorhergesagterWert-2,707 2,340 ,000 1,000 382StandardisierteResiduen-3,032 1,668 ,000 ,995 3821a. Abhängige Variable: Proficiency Digital ToolsResiduenstatistikaa. Abhängige Variable: Proficiency Digital Toolsa. Abhängige Variable: Proficiency Digital ToolsKollinearitätsdiagnoseaModell Dimension Eigenwert KonditionsindexVarianzanteileModellNicht standardisierte KoeffizientenT Sig.Kollinearitätsstatistik1ANOVAbModell1a. Einflußvariablen : (Konstante), Technical Support, Years of Teaching, Overall Support, Ageb. Abhängige Variable: Proficiency Digital ToolsKoeffizientenaAufgenommene/Entfernte Variablena. Alle gewünschten Variablen wurden eingegeben.Modellzusammenfassungba. Einflußvariablen : (Konstante), Technical Support, Years of Teaching, Overall Support, Ageb. Abhängige Variable: Proficiency Digital Tools
  • 171. Anhang A XLDiagramme
  • 172. Anhang A XLIAnlage A20: Multiple Regressionsanalyse Modell “Teachers’ Readiness”Regression "Teachers Readiness"Modell Aufgenommene Variablen Entfernte Variablen Methode1 Proficiency Digital Tools, Age,Overall Support, TechnicalSupport, Years of Teachinga. EinschlußModell R R-QuadratKorrigiertes R-QuadratStandardfehlerdes SchätzersDurbin-Watson-Statistik1 ,689a ,475 ,468 ,58631 2,017Quadratsumme dfMittel derQuadrate F Sig.Regression 116,711 5 23,342 67,903 ,000aNicht standardisierteResiduen129,252 376 ,344Gesamt 245,963 381StandardisierteKoeffizientenRegressionskoeffizientB Standardfehler Beta Toleranz VIF(Konstante) 1,033 ,206 5,021 ,000Age -,042 ,041 -,050 -1,044 ,297 ,609 1,642Years of Teaching ,018 ,032 ,027 ,553 ,580 ,602 1,662Overall Support ,379 ,044 ,397 8,648 ,000 ,662 1,510Technical Support ,021 ,041 ,023 ,506 ,613 ,672 1,487Proficiency Digital Tools ,367 ,027 ,517 13,764 ,000 ,991 1,009(Konstante) AgeYears ofTeachingOverallSupportTechnicalSupportProficiencyDigital Tools1 5,743 1,000 ,00 ,00 ,00 ,00 ,00 ,002 ,116 7,050 ,00 ,13 ,12 ,06 ,06 ,023 ,067 9,251 ,00 ,01 ,01 ,09 ,07 ,674 ,032 13,296 ,01 ,53 ,64 ,13 ,10 ,015 ,024 15,314 ,00 ,17 ,22 ,69 ,63 ,006 ,017 18,299 ,98 ,15 ,00 ,03 ,14 ,301a. Abhängige Variable: Teachers Readinessa. Abhängige Variable: Teachers ReadinessKollinearitätsdiagnoseaModell Dimension Eigenwert KonditionsindexVarianzanteileModellNicht standardisierte KoeffizientenT Sig.Kollinearitätsstatistik1ANOVAbModell1a. Einflußvariablen : (Konstante), Proficiency Digital Tools, Age, Overall Support, Technical Support, Years of Teachingb. Abhängige Variable: Teachers ReadinessKoeffizientenaAufgenommene/Entfernte Variablena. Alle gewünschten Variablen wurden eingegeben.Modellzusammenfassungba. Einflußvariablen : (Konstante), Proficiency Digital Tools, Age, Overall Support, Technical Support, Years of Teachingb. Abhängige Variable: Teachers ReadinessMinimum Maximum MittelwertStandardabweichung NNicht standardisiertervorhergesagter Wert2,0689 5,1527 3,8711 ,55347 382Nicht standardisierteResiduen-1,66937 1,66091 ,00000 ,58245 382Standardisiertervorhergesagter Wert-3,256 2,316 ,000 1,000 382StandardisierteResiduen-2,847 2,833 ,000 ,993 382Residuenstatistikaa. Abhängige Variable: Teachers Readiness
  • 173. Anhang A XLIIDiagramme
  • 174. Anhang A XLIIIAnlage A21: Multiple Regressionsanalyse Modellanpassung “Teachers’Readiness”Regression Modellanpassung "Teachers Readiness"Modell Aufgenommene Variablen Entfernte Variablen Methode1 Proficiency Digital Tools,Overall Supporta. EinschlußModell R R-QuadratKorrigiertes R-QuadratStandardfehlerdes SchätzersDurbin-Watson-Statistik1 ,687a ,473 ,470 ,58503 2,005Quadratsumme dfMittel derQuadrate F Sig.Regression 116,246 2 58,123 169,822 ,000aNicht standardisierteResiduen129,717 379 ,342Gesamt 245,963 381StandardisierteKoeffizientenRegressionskoeffizientB Standardfehler Beta Toleranz VIF(Konstante) ,985 ,160 6,137 ,000Overall Support ,394 ,036 ,414 11,058 ,000 ,994 1,006Proficiency Digital Tools ,368 ,027 ,519 13,869 ,000 ,994 1,006(Konstante) Overall SupportProficiency DigitalTools1 2,919 1,000 ,00 ,01 ,012 ,058 7,085 ,00 ,52 ,563 ,023 11,229 1,00 ,48 ,44Minimum Maximum MittelwertStandardabweichung NNichtstandardisiertervorhergesagterWert2,1417 5,1668 3,8711 ,55237 382NichtstandardisierteResiduen-1,67989 1,69415 ,00000 ,58349 382StandardisiertervorhergesagterWert-3,131 2,346 ,000 1,000 382StandardisierteResiduen-2,871 2,896 ,000 ,997 3821a. Abhängige Variable: Teachers ReadinessResiduenstatistikaa. Abhängige Variable: Teachers Readinessa. Abhängige Variable: Teachers ReadinessKollinearitätsdiagnoseaModell Dimension Eigenwert KonditionsindexVarianzanteileModellNicht standardisierte KoeffizientenT Sig.Kollinearitätsstatistik1ANOVAbModell1a. Einflußvariablen : (Konstante), Proficiency Digital Tools, Overall Supportb. Abhängige Variable: Teachers ReadinessKoeffizientenaAufgenommene/Entfernte Variablena. Alle gewünschten Variablen wurden eingegeben.Modellzusammenfassungba. Einflußvariablen : (Konstante), Proficiency Digital Tools, Overall Supportb. Abhängige Variable: Teachers Readiness
  • 175. Anhang A XLIVDiagramme
  • 176. Anhang A XLVAnlage A22: Multiple Regressionsanalyse Modell “Teachers’ Beliefs”Regression "Teachers Beliefs"Modell Aufgenommene Variablen Entfernte Variablen Methode1 Proficiency Digital Tools,Age, Overall Support,Technical Support, Yearsa. EinschlußModell R R-QuadratKorrigiertes R-QuadratStandardfehlerdes SchätzersDurbin-Watson-Statistik1 ,497a ,247 ,237 ,64453 1,831Quadratsumme dfMittel derQuadrate F Sig.Regression 51,372 5 10,274 24,732 ,000aNicht standardisierteResiduen156,200 376 ,415Gesamt 207,572 381StandardisierteKoeffizientenRegressionskoeffizientB Standardfehler Beta Toleranz VIF(Konstante) 1,849 ,226 8,171 ,000Age -,055 ,045 -,071 -1,235 ,217 ,609 1,642Years of Teaching ,099 ,036 ,160 2,780 ,006 ,602 1,662Overall Support ,404 ,048 ,461 8,388 ,000 ,662 1,510Technical Support -,095 ,045 -,114 -2,091 ,037 ,672 1,487Proficiency Digital Tools ,128 ,029 ,195 4,349 ,000 ,991 1,009a. Abhängige Variable: Teachers BeliefsModellNicht standardisierte KoeffizientenT Sig.Kollinearitätsstatistik1ANOVAbModell1a. Einflußvariablen : (Konstante), Proficiency Digital Tools, Age, Overall Support, Technical Support, Years of Teachingb. Abhängige Variable: Teachers BeliefsKoeffizientenaAufgenommene/Entfernte Variablena. Alle gewünschten Variablen wurden eingegeben.Modellzusammenfassungba. Einflußvariablen : (Konstante), Proficiency Digital Tools, Age, Overall Support, Technical Support, Years of Teachingb. Abhängige Variable: Teachers Beliefs(Konstante) AgeYears ofTeaching Overall SupportTechnicalSupportProficiency DigitalTools1 5,743 1,000 ,00 ,00 ,00 ,00 ,00 ,002 ,116 7,050 ,00 ,13 ,12 ,06 ,06 ,023 ,067 9,251 ,00 ,01 ,01 ,09 ,07 ,674 ,032 13,296 ,01 ,53 ,64 ,13 ,10 ,015 ,024 15,314 ,00 ,17 ,22 ,69 ,63 ,006 ,017 18,299 ,98 ,15 ,00 ,03 ,14 ,301a. Abhängige Variable: Teachers BeliefsKollinearitätsdiagnoseaModell Dimension Eigenwert KonditionsindexVarianzanteileMinimum Maximum Mittelwert Standardabweichung NNichtstandardisiertervorhergesagterWert2,6662 4,5506 3,6036 ,36720 382NichtstandardisierteResiduen-3,13121 1,57668 ,00000 ,64029 382StandardisiertervorhergesagterWert-2,553 2,579 ,000 1,000 382StandardisierteResiduen-4,858 2,446 ,000 ,993 382Residuenstatistikaa. Abhängige Variable: Teachers Beliefs
  • 177. Anhang A XLVIDiagramme
  • 178. Anhang A XLVIIAnlage A23: Multiple Regressionsanalyse Modellanpassung “Teachers’Beliefs”Regression Modellanpassung "Teachers Beliefs"Modell Aufgenommene Variablen Entfernte Variablen Methode1 Proficiency Digital Tools,Years of Teaching,Technical Support,a. EinschlußModell R R-QuadratKorrigiertes R-QuadratStandardfehlerdes SchätzersDurbin-Watson-Statistik1 ,494a ,244 ,236 ,64498 1,828Quadratsumme dfMittel derQuadrate F Sig.Regression 50,738 4 12,685 30,491 ,000aNicht standardisierteResiduen156,834 377 ,416Gesamt 207,572 381StandardisierteKoeffizientenRegressionskoeffizientB Standardfehler Beta Toleranz VIF(Konstante) 1,761 ,215 8,191 ,000Years of Teaching ,071 ,028 ,116 2,569 ,011 ,987 1,014Overall Support ,409 ,048 ,467 8,529 ,000 ,668 1,497Technical Support -,096 ,045 -,116 -2,116 ,035 ,673 1,486Proficiency Digital Tools ,129 ,029 ,197 4,393 ,000 ,992 1,008(Konstante)Years ofTeaching Overall SupportTechnicalSupportProficiency DigitalTools1 4,807 1,000 ,00 ,00 ,00 ,00 ,002 ,083 7,611 ,00 ,62 ,08 ,10 ,003 ,066 8,533 ,00 ,15 ,07 ,04 ,684 ,026 13,569 ,03 ,00 ,85 ,63 ,035 ,018 16,170 ,97 ,23 ,00 ,23 ,291a. Abhängige Variable: Teachers Beliefsa. Abhängige Variable: Teachers BeliefsKollinearitätsdiagnoseaModell Dimension Eigenwert KonditionsindexVarianzanteileModellNicht standardisierte KoeffizientenT Sig.Kollinearitätsstatistik1ANOVAbModell1a. Einflußvariablen : (Konstante), Proficiency Digital Tools, Years of Teaching, Technical Support, Overall Supportb. Abhängige Variable: Teachers BeliefsKoeffizientenaAufgenommene/Entfernte Variablena. Alle gewünschten Variablen wurden eingegeben.Modellzusammenfassungba. Einflußvariablen : (Konstante), Proficiency Digital Tools, Years of Teaching, Technical Support, Overall Supportb. Abhängige Variable: Teachers BeliefsMinimum Maximum Mittelwert Standardabweichung NNicht standardisiertervorhergesagter Wert2,7151 4,5769 3,6036 ,36493 382Nicht standardisierteResiduen-3,09597 1,56571 ,00000 ,64159 382Standardisiertervorhergesagter Wert-2,435 2,667 ,000 1,000 382StandardisierteResiduen-4,800 2,428 ,000 ,995 382Residuenstatistikaa. Abhängige Variable: Teachers Beliefs
  • 179. Anhang A XLVIIIDiagramme
  • 180. Anhang A XLIXAnlage A24: Multiple Regressionsanalyse Modell „Integration of Digital Tools“Regression "Integration of Digital Tools"Modell Variablen Entfernte Variablen Methode1 Teachers Beliefs, Age,Technical Support,Proficiency Digital Tools,Years of Teaching,Teachers Readiness,a. EinschlußModell R R-QuadratKorrigiertes R-QuadratStandardfehlerdes SchätzersDurbin-Watson-Statistik1 ,661a ,436 ,426 ,59655 1,917Quadratsumme dfMittel derQuadrate F Sig.Regression 103,088 7 14,727 41,383 ,000aNicht standardisierteResiduen133,095 374 ,356Gesamt 236,183 381StandardisierteKoeffizientenRegressionskoeffizientB Standardfehler Beta Toleranz VIF(Konstante) ,573 ,231 2,484 ,013Age -,154 ,042 -,185 -3,703 ,000 ,605 1,652Years of Teaching ,053 ,033 ,081 1,594 ,112 ,590 1,696Overall Support ,232 ,051 ,249 4,518 ,000 ,497 2,013Technical Support -,045 ,042 -,051 -1,063 ,289 ,663 1,507Proficiency Digital Tools ,153 ,033 ,220 4,586 ,000 ,653 1,531Teachers Readiness ,185 ,053 ,189 3,489 ,001 ,512 1,951Teachers Beliefs ,266 ,048 ,250 5,507 ,000 ,734 1,363a. Abhängige Variable: Process of IntegrationModellNicht standardisierte KoeffizientenT Sig.Kollinearitätsstatistik1ANOVAbModell1a. Einflußvariablen : (Konstante), Teachers Beliefs, Age, Technical Support, Proficiency Digital Tools, Years of Teaching, Teachers Readiness, Overall Supportb. Abhängige Variable: Process of IntegrationKoeffizientenaAufgenommene/Entfernte Variablena. Alle gewünschten Variablen wurden eingegeben.Modellzusammenfassungba. Einflußvariablen : (Konstante), Teachers Beliefs, Age, Technical Support, Proficiency Digital Tools, Years of Teaching, Teachers Readiness, Overall Supportb. Abhängige Variable: Process of Integration(Konstante) AgeYears ofTeachingOverallSupportTechnicalSupportProficiency DigitalToolsTeachersReadinessTeachersBeliefs1 7,683 1,000 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,002 ,125 7,829 ,00 ,14 ,13 ,02 ,03 ,01 ,01 ,003 ,071 10,391 ,00 ,00 ,00 ,09 ,12 ,31 ,02 ,004 ,039 14,125 ,00 ,16 ,12 ,04 ,30 ,06 ,00 ,275 ,029 16,189 ,03 ,41 ,72 ,00 ,06 ,06 ,00 ,176 ,023 18,119 ,09 ,15 ,03 ,45 ,24 ,00 ,12 ,217 ,016 21,825 ,16 ,03 ,00 ,18 ,01 ,53 ,65 ,098 ,013 24,054 ,72 ,09 ,00 ,22 ,25 ,02 ,21 ,251a. Abhängige Variable: Process of IntegrationKollinearitätsdiagnoseaModell Dimension Eigenwert KonditionsindexVarianzanteileMinimum Maximum Mittelwert Standardabweichung NNichtstandardisierter1,5410 4,3952 3,2314 ,52017 382Nichtstandardisierte-1,61657 1,53439 ,00000 ,59104 382Standardisiertervorhergesagter-3,250 2,237 ,000 1,000 382StandardisierteResiduen-2,710 2,572 ,000 ,991 382Residuenstatistikaa. Abhängige Variable: Process of Integration
  • 181. Anhang A LDiagramme
  • 182. Anhang A LIAnlage A25: Multiple Regressionsanalyse Modellanpassung „Integration ofDigital Tools“Regression Modellanpassung "Integration of Digital Tools"Modell Aufgenommene Variablen Entfernte Variablen Methode1 Teachers Beliefs, Age,Proficiency Digital Tools,Overall Support, TeachersReadinessa. EinschlußModell R R-Quadrat Korrigiertes R-QuadratStandardfehler desSchätzers Durbin-Watson-Statistik1 ,656a ,431 ,423 ,59803 1,880Quadratsumme df Mittel der Quadrate F Sig.Regression 101,713 5 20,343 56,881 ,000aNicht standardisierteResiduen134,470 376 ,358Gesamt 236,183 381ANOVAbModell1a. Einflußvariablen : (Konstante), Teachers Beliefs, Age, Proficiency Digital Tools, Overall Support, Teachers Readinessb. Abhängige Variable: Process of IntegrationAufgenommene/Entfernte Variablena. Alle gewünschten Variablen wurden eingegeben.Modellzusammenfassungba. Einflußvariablen : (Konstante), Teachers Beliefs, Age, Proficiency Digital Tools, Overall Support, Teachers Readinessb. Abhängige Variable: Process of IntegrationStandardisierteKoeffizientenRegressionskoeffizientB Standardfehler Beta Toleranz VIF(Konstante) ,518 ,218 2,375 ,018Age -,111 ,032 -,134 -3,435 ,001 ,995 1,005Overall Support ,208 ,044 ,222 4,699 ,000 ,677 1,477Proficiency Digital Tools ,153 ,033 ,220 4,562 ,000 ,654 1,530Teachers Readiness ,183 ,053 ,187 3,444 ,001 ,513 1,948Teachers Beliefs ,284 ,048 ,266 5,955 ,000 ,760 1,317a. Abhängige Variable: Process of IntegrationModellNicht standardisierte KoeffizientenT Sig.Kollinearitätsstatistik1Koeffizientena(Konstante) AgeOverallSupportProficiencyDigital ToolsTeachersReadinessTeachersBeliefs1 5,795 1,000 ,00 ,00 ,00 ,00 ,00 ,002 ,086 8,185 ,00 ,70 ,03 ,03 ,02 ,013 ,060 9,823 ,00 ,00 ,29 ,37 ,00 ,024 ,027 14,626 ,03 ,06 ,34 ,04 ,04 ,725 ,016 18,810 ,55 ,12 ,20 ,38 ,25 ,186 ,015 19,426 ,42 ,12 ,13 ,18 ,68 ,071a. Abhängige Variable: Process of IntegrationKollinearitätsdiagnoseaModell Dimension Eigenwert KonditionsindexVarianzanteileMinimum Maximum Mittelwert Standardabweichung NNichtstandardisiertervorhergesagterWert1,5779 4,4286 3,2314 ,51668 382NichtstandardisierteResiduen-1,71593 1,52978 ,00000 ,59409 382StandardisiertervorhergesagterWert-3,200 2,317 ,000 1,000 382StandardisierteResiduen-2,869 2,558 ,000 ,993 382Residuenstatistikaa. Abhängige Variable: Process of Integration
  • 183. Anhang A LIIDiagramme
  • 184. Anhang B LIIIAnhang B1Anlage B1: Fragebogen der AKAD-Gruppe ..................................................B-IIIAnlage B2: Fragebogen der Berufskollegs Hagen ........................................B-XIAnlage B3: Fragebogen der Hochschule in Schottland............................... B-XXAnlage B4: Fragebogen der Hochschule in Schweden..........................B-XXVIIIAnlage B5: Fragebogen der Hochschule in Spanien............................. B-XXXVIAnlage B6: Fragebogen der Hochschule in der Türkei............................. B-XLIVAnlage B7: Häufigkeiten Variablen mit Nominalskalenniveau......................B-LIIAnlage B8: Häufigkeiten Variablen Ordinalskalenniveau ............................B-LVIAnlage B9: Häufigkeiten Variablen Intervallskalenniveau ..........................B-LVIIAnlage B10: Häufigkeiten Variablen Intervallskalenniveau (nachSkalenbildung) .......................................................................................... B-LXXIAnlage B11: Häufigkeiten – Kreuztabelle nach Land bzw. Hochschule ..B-LXXVAnlage B12: Reliabilitätsanalyse Skala „Teachers’ Readiness“................... B-CIAnlage B13: Reliabilitätsanalyse Skala „Impact on Students“.................... B-CIIIAnlage B14: Reliabilitätsanalyse Skala „Impact on Classroom Instruction“B-CVIAnlage B15: Reliabilitätsanalyse Skala „Overall Support“........................B-CVIIIAnlage B16: Reliabilitätsanalyse Skala „Technical Support“.......................B-CXAnlage B17: Reliabilitätsanalyse Skala „Technology Coach“....................B-CXIIAnlage B18: Reliabilitätsanalyse Skala „Process of Integration“...............B-CXVAnlage B19: Reliabilitätsanalyse Skala „Future Development ofIntegration“..............................................................................................B-CXVIIIAnlage B20: Reliabilitätsanalyse Skala „Teachers’ Beliefs“ ......................B-CXXAnlage B21: Reliabilitätsanalyse Skala „Future Development ofIntegration“............................................................................................. B-CXXIVAnlage B22: Faktorenanalyse “Teachers’ Beliefs” .............................. B-CXXVIIIAnlage B23: Faktorenanalyse “Integration of Digital Tools” ................ B-CXXXIIIAnlage B24: Mittelwertsunterschiede t-Test......................................B-CXXXVIIIAnlage B25: ANOVA Variable „Unterrichtsfach“ .................................B-CXXXIXAnlage B26: ANOVA Variable „Lehrmethodik“.......................................B-CXLVIAnlage B27: ANOVA Variable „Schulung“..............................................B-CLVIIIAnlage B28: Chi²-Test............................................................................B-CLXIIIAnlage B29: Explorative Datenanalyse.................................................B-CLXVII1Anhang B befindet sich auf der beiliegenden CD-ROM.
  • 185. Literaturverzeichnis LIVLiteraturverzeichnisAberdeen College (2012): Aberdeen College, in: http://www.abcol.ac.uk,Stand vom 31.10.2012, Aberdeen 2012AKAD Bildungsgesellschaft mbH (2012): AKAD, in: http://www.akad.de, Standvom 02.11.2012, Stuttgart 2012Albrecht, R. (2004): E-Teaching-Kompetenz aushochschuldidaktischer Perspektive, in: Bett,K./Wedeking, J./Zentel, P. (Hrsg.):Medienkompetenz für die Hochschule, NewYork/München/Berlin 2004Altobelli, C. F. (2007): Marktforschung: Methoden – Anwendungen –Praxisbeispiele, Stuttgart 2007Aufenanger, S. (1999): Lernen mit neuen Medien – Was bringt eswirklich? Forschungsergebnisse undLernphilosophien, in: Medien praktisch.Zeitschrift für Medienpädagogik, 1999,Heft 4, S. 4-8Bartsch, T.-C./Rex, B. F. (2008): Rede im Studium!, Paderborn 2008Bebell, D./Russell, M./O’Dwyer, L. (2004): Measuring teachers´ technologyuses: Why multiple measures are morerevealing, in: Journal of Research onTechnology in Education, Volume 37,Number 1, p. 45-63Brake, Ch. (2000): Politikfeld Multimedia: multimediale Lehre imNetz der Restriktionen, Münster/New York/München/Berlin 2000
  • 186. Literaturverzeichnis LVBreiter, A. (2001): IT-Management in Schulen, Neuwied 2001Brosius, F. (2006): SPSS 14, Heidelberg 2006Brosius, H.-B./Koschel, F. (2001): Methoden der empirischenKommunikationsforschung – Eine Einführung,Wiesbaden 2001Cuno-Berufskolleg I (2012): Cuno-Berufskolleg I, in: http://www.cuno-online.de/, Stand vom 21.11.2012,Hagen 2012Cuno-Berufskolleg II (2012): Cuno-Berufskolleg II, in:http://www.cuno.de/code/schule/start.ph,Stand vom 21.11.2012, Hagen 2012de Witt, C./Czerwionka, T. (2007): Mediendidaktik – Studientexte fürErwachsenenbildung, Bielefeld 2007Dörr, G. (2009): Medienpädagogik, in: Henninger, M./Mandl,H.: Handbuch Medien- undBildungsmanagement, Weinheim undBasel 2009Duale Hochschule Baden-Württemberg Stuttgart (2012): DHBW Stuttgart, in:http://www.dhbw-stuttgart.de/, Stand vom15.11.2012, Stuttgart 2012Eickelmann, B. (2010): Digitale Medien in Schule und Unterrichterfolgreich implementieren, Münster 2010Ertmer, P. A. (2005): Teacher pedagogical beliefs: The final frontierin our quest for technology integration?, in:Educational Technology Research andDevelopment, Volume 53, Number 4, p. 25-39
  • 187. Literaturverzeichnis LVIFullan, M. (2001): Leading in a Culture of Change, SanFrancisco 2001Glaser, M./Weigand, S./Schwan, S. (2009): Mediendidaktik, in: Henninger,M./Mandl, H.:Handbuch Medien- undBildungsmanagement, Weinheim undBasel 2009Hense, J./Mandl, H. (2009): Bildung im Zeitalter digitaler Medien – Zurwechselseitigen Verflechtung von Bildung undTechnologien, in: Henninger, M./Mandl, H.:Handbuch Medien- und Bildungs-management, Weinheim und Basel 2009Hernandez-Ramos, P. (2005): If not here, where? Understanding teachers’use of technology in Silicon Valley schools, in:Journal of Research on Technology inEducation, Volume 38, Issue 1, p. 39-64Herzig, B. (2008): Schule und digitale Medien, in: Sander,U./Gross, F./Hugger, K.-U. (2008): HandbuchMedienpädagogik, Wiesbaden 2008Herzig, B./Grafe, S. (2006): Digitale Medien in der Schule –Standortbestimmung undHandlungsempfehlungen für die Zukunft,Paderborn 2006Hew, K. F./Brush, T. (2007): Integrating technology into K-12 teaching andlearning: Current knowledge gaps andrecommendations for future research, in:Educational Technology Research andDevelopment, Volume 55, Issue 3, p. 223-252
  • 188. Literaturverzeichnis LVIIHofte-Fankhauser, K./Wälty, H. F. (2009): Marktforschung – Grundlagen mitzahlreichen Beispielen, Repetitionsfragen mitLösungen und Glossar, 2. Auflage,Zürich 2009Hörr, A. (2010): Vor- und Nachteile von Lernplattformen, in:http://www.lmsnews.com/vor-und-nachteile-von-lernplattformen, Stand vom 31.10.2012,o. O. 2010Hugger, K.-U. (2008): Medienkompetenz, in: Sander, U./Gross,F./Hugger, K.-U. (Hrsg.): HandbuchMedienpädagogik, Wiesbaden 2008Hunneshagen, H. (2005): Innovationen in Schulen: Identifizierungimplementationsfördernder und –hemmenderBedingungen des Einsatzes neuer Medien,Münster 2005Hunneshagen, H./Schulz-Zander, R./Weinreich, F. (2000): Schulen ans Netz:Veränderung von Lehr- und Lernprozessendurch den Einsatz Neuer Medien, in: Rolff, H.-G./Bos, W./Klemm, K./Pfeiffer, H./Schulz-Zander, R. (Hrsg.): Jahrbuch derSchulentwicklung, Band 11, S. 55-180,Weinheim und München 2000Inan, F. A./Lowther, D. L. (2009): Factors affecting technology integration in K-12 classrooms: a path model, in: EducationalTechnology Research and Development,Volume 58, Number 2 (2010), p. 137-154
  • 189. Literaturverzeichnis LVIIIIOC Institut Obert de Catalunya (2012): IOC Institut Obert de Catalunya, in:http://ioc.xtec.cat, Stand vom 31.10.2012,Barcelona 2012Jones, S./Madden, M. (2002): The Internet goes to college: How studentsare living in the future with today’s technology,Washington, DC : Pew Internet and AmericanLife ProjectKammerl, R./Luca, R./Hein, S. (Hrsg.) (2011): Keine Bildung ohne Medien!Neue Medien als pädagogischeHerausforderung, Hamburg 2011Kanaya, T./Light, D./Culp, K. M. (2005): Factors influencing outcomes from atechnology-focused professional developmentprogramm, in: Journal of Research onTechnology in Education, Volume 37, Issue 2,p. 313-329Karamürsel (2012): Karamürsel 100. Yıl Teknik ve Endüstrimeslek Lisesi, in:http://www.karamurseleml.k12.tr, Stand vom31.10.2012, Karamürsel 2012Käthe-Kollwitz-Berufskolleg (2012): Käthe-Kollwitz-Berufskolleg, in:http://www.kaethe-kollwitz-bk-ha.de/, Standvom 21.11.2012, Hagen 2012Kaufmannsschule I (2012): Kaufmannsschule I, in:http://www.k1-hagen.de, Stand vom21.11.2012, Hagen 2012Kaufmannsschule II (2012): Kaufmannsschule II, in:http://www.k2-hagen.de/, Stand vom21.11.2012, Hagen 2012
  • 190. Literaturverzeichnis LIXKlebl, M. (2006): Nachhaltiges Design digitaler Lernmedien:Netzgestützte Bildungsprozesse mit IMSLearning Design, Innsbruck 2006Kungälv Vuxenutbildning (2012): Kungälv Vuxenutbildning, in:http://www.kungalv.se/Barn-och-utbildning/skolportalen/vuxenutbildning, Standvom 01.11.2012, Kungälv 2012Lermen, M. (2008): Digitale Medien in der Lehrerbildung –Rahmenbedingungen, Einflussfaktoren undIntegrationsvorschläge aus(medien)pädagogischer Sicht,Baltmannsweiler 2008Lih-Juan, C./Jon-Chao, H./Jeou-Shyan, H./Shih-Hui, C./Hui-Chuan, C. (2006):Factors influencing technology integration inteaching: A Taiwanese perspective, in:Innovations in Education & TeachingInternational, Volume 43, Issue 1, p. 57-68Lindau-Bank, D./Magenheim, J. (1998): Neue Medien und Schulorganisation,in: Computer + Unterricht, Nr. 32, S. 4Lowther, D. L./Ross, S. M. (2000): Teacher Technology Questionnaire (TTQ);Memphis, TN: Center for Research inEducational Policy, The University ofMemphis, Memphis 2000Lowther, D. L./Strahl, J. D./Inan, F. A./Ross, S. M. (2008): Does technologyintegration “work” when key barriers areremoved?, New York 2008
  • 191. Literaturverzeichnis LXLumpe, A. T./Chambers, E. (2001): Assessing Teachers’ context beliefs abouttechnology use, in: Journal of Research onTechnnology in Education, Volume 34, Issue1, p. 93-107Mathews, J. G./Guarino, A. J. (2000): Predicting teacher computer use: A pathanalysis, in: International Journal ofInstructional Media, Volume 27, Issue 4,p. 385-392Mims, C./Polly, D./Shepherd, C./Inan, F. A. (2006): Examining PT3 projectsdesigned to improve preservice education, in:TechTrends, Volume 50, Issue 3, p. 16-24Müller, Ch. (2012): Digitale Medien im Bildungsbereich – Eskommt auf Lehrer und Professoren an, in:http://www.sozial-pr.net/digitale-medien-im-bildungsbereich-es-kommt-auf-lehrer-und-professoren-an/, Stand vom 09.12.2012,Winnenden 2012Mumtaz, S. (2005): Factors affecting Teachers’ use of informationand communications technology: A review ofthe literature, in: Technology, Pedagogy andEducation, Volume 9, Issue, p. 319-342National Center for Education Statistics (2000): Teachers’ tools for the 21stcentury: A report on Teachers’ use oftechnology, in:Nienhüser, W./Krins, C. (2005): Betriebliche Personalforschung – Eineproblemorientierte Einführung, München undMering 2005
  • 192. Literaturverzeichnis LXIO’Dwyer, L./Russel, M./Bebel, D. (2004): Elementary teachers’ use oftechnology: Characteristics of teachers,schools, and districts associated withtechnology use. Boston, MA: Technology andAssessment Study Collaborative, BostonCollegePfäffli, B. K. (2005): Lehren an Hochschulen – EineHochschuldidaktik für den Aufbau von Wissenund Kompetenzen, Bern 2005Reinecke, J. (2005): Strukturgleichungsmodelle in denSozialwissenschaften, München 2005Robinson, W. I. (2003): External, and internal factors which predictTeachers’ computer usage in K-12classrooms, Wayne State University,Detroit 2003Rogers, E. (2003): Diffusion of Innovations, 5. Auflage,New York 2003Ross, J. A./Hogaboam-Gray, A./Hannay, L. (1999): Predictors of teachers´confidence in their ability to implementcomputer-based instruction, in: Journal ofEducational Computing Research, Volume 21,Number 1, p. 75-97Sandholtz, J. H./Reilly, B. (2004):Teachers, not technicians: Rethinkingtechnical expectations for teachers, in:Teachers College Record, Volume 106,Issue 3, p. 487-512
  • 193. Literaturverzeichnis LXIIScheffler, F. L./Logan, J. P. (1999): Computer technology in schools: Whatteachers should know and be able to do, in:Journal of Research on Computing inEducation, Volume 31, Issue 3, p. 305-365Schneider, F. (2011): Lernen mit Medien, Bern/Luzern/Zürich 2011Schnell, R./Hill, P./Esser, E. (1999): Methoden der empirischenSozialforschung, München/Wien 1999Scholl, W./Prasse, D. (2001): Was hemmt und was fördert dieInternetnutzung? Ergebnisse der Evaluationder Initiative „Schulen ans Netz“: Problemeund Lösungsmöglichkeiten, in: Computer +Unterricht, Nr. 41, S. 21-23Schulz-Zander, R. (2001): Neue Medien als Bestandteil vonSchulentwicklung, in: Aufenanger, S./Schulz-Zander, R./Spanhel, D. (Hrsg.): Jahrbuch derMedienpädagogik, S. 263-281, Opladen 2001Schulz-Zander, R./Eickelmann, B. (2008): Zur Erfassung vonSchulentwicklungsprozessen im Bereichdigitaler Medien: Methodologische Konzeptioneiner Fallstudienuntersuchung alsFolgeuntersuchung zur deutschen IEA-StudieSITES M2, in:http://www.medienpaed.com/14/schulz-zander0801.pdf, Stand vom 31.10.2012,o. O. 2008
  • 194. Literaturverzeichnis LXIIISchwier, B. (2008): Lernen mit digitalen Medien an Förderschulen– Inhaltsanalytische und explorativeUntersuchungen zu Förderschulen mit demSchwerpunkt „Lernen“, Berlin 2008Shiue, Y. M. (2007): Investigating the sources of teachers´instructional technology use through thedecomposed theory of planned behavior, in:Journal of Educational Computing Research,Volume 36, Number 4, p. 425-453Snoeying, R./Ertmer, P. A. (2001): Thrust in Technology, in: Journal ofEducational Technology Systems, Volume 30,Number 1, p. 85-111Staiger, S. (2004): Computerbasierte Lehr-Lern-Arrangements:didaktische Konzepte und Potenzialekonkretisiert an einem Beispiel für beruflichenUnterricht, Frankfurt 2004Sterbinsky, A./Burke, D. (2004): Tennessee EdTech Accountability Model(TEAM) Reliability Study; Alexandria, VA: TheCNA Corporation, Alexandria 2004Stratmann, J. (2007): Pädagogischer Mehrwert undImplementierung von Notebooks an derHochschule, Münster 2007Teo, T. (2009): Modelling technology acceptance ineducation: A study of pre-service teachers, in:Computers & Education, Volume 52, Issue 2,p. 302-312
  • 195. Literaturverzeichnis LXIVTulodziecki, G. (1999): Kompetenzen, die Studierende der Lehrämterwährend der universitären Ausbildungerwerben sollten, in: Schell, F./Stolzenburg,E./Theunert, H. (Hrsg.): Medienkompetenz –Grundlagen und pädagogisches Handeln, S.297-304, München 1999Tulodziecki, G./Herzig, B./Grafe, S. (2010): Medienbildung in Schule undUnterricht – Grundlagen und Beispiele,Regensburg 2010Universität Zürich/Schwarz, J. (Hrsg.) (2010a): Deskriptive, univariate Analyse(Verteilungen), in:http://www.methodenberatung.uzh.ch/datenanalyse/deskuniv.html, Stand vom 30.11.2012,Zürich 2010Universität Zürich/Schwarz, J. (Hrsg.) (2010b): Reduktion der Variablen, in:http://www.methodenberatung.uzh.ch/datenanalyse/interdependenz/reduktion.html, Standvom 30.11.2012, Zürich 2010Universität Zürich/Schwarz, J. (Hrsg.) (2010c): Korrelation, in:http://www.methodenberatung.uzh.ch/datenanalyse/zusammenhaenge/korrelation.html,Stand vom 30.11.2012, Zürich 2010Universität Zürich/Schwarz, J. (Hrsg.) (2010d): Mulitple Regressionsanalyse, in:http://www.methodenberatung.uzh.ch/datenanalyse/zusammenhaenge/mreg.html, Standvom 25.11.2012, Zürich 2010
  • 196. Literaturverzeichnis LXVUniversität Zürich/Schwarz, J. (Hrsg.) (2010e): Zentrale Tendenz, in:http://www.methodenberatung.uzh.ch/datenanalyse/unterschiede/zentral.html, Stand vom24.11.2012, Zürich 2010Universität Zürich/Schwarz, J. (Hrsg.) (2010f): t-Test für unabhängigeStichproben, in:http://www.methodenberatung.uzh.ch/datenanalyse/unterschiede/zentral/ttestunabh.html,Stand vom 01.12.2012, Zürich 2010Universität Zürich, Schwarz, J. (Hrsg.) (2010g): Einfaktorielle Varianzanalyse,in:http://www.methodenberatung.uzh.ch/datenanalyse/unterschiede/zentral/evarianz.html,Stand vom 03.12.2012, Zürich 2010Vamatta, R. A./Fordham, N. (2004): Teacher dispositions as predictors ofclassroom technology use, in: Journal ofResearch on Technology in Education,Volume 36, Issue 3, p. 253-271Van Braak, J. (2001): Individual characteristics influencing teachers´class use of computers, in: Journal ofEducational Computing Research, Volume 25,Number 2, p. 141-157Van Braak, J./Tondeur, J./Valcke, M. (2004): Explaining different types ofcomputer use among primary schoolteachers, in: European Journal of Psychologyof Education, Volume 19, Issue 4, p. 407-422Venezky, R./Davis, C. (2002): Quo vademus? The transformation ofschooling in a networked world, Paris 2002
  • 197. Literaturverzeichnis LXVIVollbrecht, R. (2000): Handlungsorientierte Medienpädagogik:Medien und soziales Lernen(Medienpädagogik III, Kurseinheit 1),Fernuniversität Hagen 2000Weinreich, F./Schulz-Zander, R. (2000): Schulen am Netz – Ergebnisse derbundesweiten Evaluation. Ergebnisse derBefragung der Computerkoordinatoren und –koordinatorinnen an Schulen, in: Zeitschrift fürErziehungswissenschaft, 3. Jahrgang (2000),Heft 4, S. 577-594Wikipedia (2010): Klumpen-Stichprobe, in:http://de.wikipedia.org/wiki/Klumpen-Stichprobe, Stand vom 06.11.2012, o. O.2010Wikipedia (2012a): Exogen, in:http://de.wikipedia.org/wiki/Exogen, Standvom 06.11.2012, o. O. 2012Wikipedia (2012b): Endogen, in:http://de.wikipedia.org/wiki/Endogen, Standvom 06.11.2012, o. O. 2012Wikipedia (2012c): Medienpädagogik, in:http://de.wikipedia.org/wiki/Medienp%C3%A4dagogik, Stand vom 22.10.2012, o. O. 2012Wikipedia (2012d): Content-Management-System, in:http://de.wikipedia.org/wiki/Content-Management-System, Stand vom 31.10.2012,o. O. 2012
  • 198. Literaturverzeichnis LXVIIWikipedia (2012e): Medienkompetenz, in:http://de.wikipedia.org/wiki/Medienkompetenz,Stand vom 22.10.2012, o. O. 2012Wikipedia (2012f): Befragung, in:http://de.wikipedia.org/wiki/Befragung, Standvom 22.11.2012, o. O. 2012Wikipedia (2012g): Cronbachs Alpha, in:http://de.wikipedia.org/wiki/Cronbachs_Alpha,Stand vom 26.11.2012, o. O. 2012Wikipedia (2012h): Aberdeen College, in:http://en.wikipedia.org/wiki/Aberdeen_College,Stand vom 22.10.2012, o. O. 2012Windschitl, M./Sahl, K. (2002): Tracing Teachers’ use of technology in alaptop computer school: The interplay ofteacher beliefs, social dynamics andinstitutional culture, in: American EducationResearch Journal, Volume 39, Issue 1,p. 165-205Wozney, L./Venkatesh, V./Abrami, P. C. (2001): TIQ TechnologyImplementation Questionnaire, Montreal 2001
  • 199. Ehrenwörtliche Erklärung LXVIIIEhrenwörtliche ErklärungIch versichere hiermit, dass ich, Carmen Müller, meine Masterarbeit mit demThema „Einflussfaktoren auf die Bereitschaft von Lehrpersonen zur Integrationdigitaler Medien in Lehrveranstaltungen – eine empirische Studie“ selbst-ständig verfasst, keine anderen als die angegebenen Quellen und Hilfsmittelbenutzt habe, die Übernahme wörtlicher Zitate aus der Literatur sowie dieVerwendung der Gedanken anderer Autoren an den entsprechenden Stelleninnerhalb der Arbeit gekennzeichnet habe und dass ich meine Masterarbeit beikeiner anderen Prüfung vorgelegt habe.___________________________Oberstenfeld, den 12.12.2012 Carmen Müller