Students' reasoning in choosing measurement instruments in an introductory physics laboratory course

Die Studie zeigt, dass gezielte Laboranweisungen dazu führen, dass Studierende bei der Auswahl von Messinstrumenten in der Physik stärker datenqualitätsgesteuerte Begründungen anstelle von Intuition verwenden.

Das Wesentliche

📏 Wenn Schüler das Lineal wählen: Eine Reise vom Bauchgefühl zur Wissenschaft

Stellen Sie sich vor, Sie müssen einen kleinen Metallstab messen. Sie haben zwei Werkzeuge zur Auswahl: ein digitales Messschieber (wie ein modernes Smartphone für Längen) und ein analoges Mikrometer (ein klassisches, mechanisches Präzisionsinstrument).

Was würden Sie wählen? Der eine greift zum Digitalen, weil es „cool" aussieht. Der andere zum Analogen, weil er es schon immer benutzt hat. Genau diese Entscheidung und die Gründe dafür haben die Forscher Micol Alemani und ihre Kollegen untersucht.

🧪 Das Experiment: Ein Kochbuch vs. ein echter Koch

In vielen Physiklabors lernen Studenten wie beim Kochen nach Rezept. Der Professor sagt: „Nimm dieses Werkzeug, stelle es so ein und miss das." Da gibt es keine Wahl. Aber echte Wissenschaftler sind wie Köche in einem Sterne-Restaurant: Sie müssen selbst entscheiden, welches Messer sie für welchen Fisch nehmen und warum.

Die Forscher wollten herausfinden: Lernen Studenten in einem Labor, wie echte Köche zu denken? Oder bleiben sie bei den alten Gewohnheiten?

📝 Die Untersuchung: Vorher und Nachher

Die Forscher gaben 231 Studenten einen Test, bevor sie den Physik-Kurs begannen, und einen zweiten Test danach.

• Der Test: „Welches Werkzeug würdest du wählen, um einen 1,5 cm dicken Metallstab zu messen?"
• Die Aufgabe: Nicht nur das Werkzeug auswählen, sondern auch erklären, warum.

Dazwischen hatten die Studenten einen speziellen Kurs über Messfehler und Datenqualität besucht. Sie lernten, dass jedes Messen eine kleine Unsicherheit hat und dass man Fehler vermeiden muss.

🔄 Die Ergebnisse: Vom Bauchgefühl zur Logik

1. Vor dem Kurs: Das „Bauchgefühl" dominiert
Bevor die Studenten etwas gelernt hatten, wählten sie oft basierend auf:

• Gewohnheit: „Ich habe das schon mal benutzt."
• Bequemlichkeit: „Das ist einfacher zu halten."
• Gefühl: „Das sieht moderner aus."
• Vergnügen: „Das macht mehr Spaß."

Sie wählten oft das Werkzeug, das ihnen vertraut war, auch wenn es eigentlich ungenauer war. Es war wie der Versuch, mit einem alten, stumpfen Messer einen feinen Fischfilet zu schneiden, nur weil man das Messer kennt.

2. Nach dem Kurs: Die „Daten-Qualität" siegt
Nachdem sie gelernt hatten, wie wichtig genaue Daten sind, änderte sich alles:

• Die meisten wählten plötzlich das Werkzeug mit der höchsten Präzision (das Mikrometer), auch wenn sie es vorher noch nie benutzt hatten.
• Ihre Begründungen änderten sich komplett. Statt „Das kenne ich" sagten sie jetzt: „Das hat weniger Messfehler" oder „Das ist genauer".

Die Metapher:
Stellen Sie sich vor, Sie wollen ein Haus bauen.

• Vor dem Kurs: Der Student sagt: „Ich nehme den Hammer, den ich von meinem Vater habe, weil er mir vertraut ist." (Auch wenn er krumm ist).
• Nach dem Kurs: Der Student sagt: „Ich nehme den neuen, präzisen Laser-Abstandsmesser, weil ich sicherstellen muss, dass die Wände perfekt gerade stehen."

💡 Was haben die Forscher gelernt?

1. Unterricht funktioniert: Wenn man Studenten explizit beibringt, warum Datenqualität wichtig ist, hören sie auf, nur nach Gefühl zu entscheiden. Sie lernen, nach Beweisen zu suchen.
2. Die „Falle" der Präzision: Es gibt einen kleinen Haken. Nach dem Kurs wollten alle das genaueste Werkzeug, egal wofür sie es brauchten.
   • Die Metapher: Wenn Sie nur wissen wollen, ob ein T-Shirt in 2 Jahren noch passt, müssen Sie es nicht auf den Millimeter genau messen. Ein Maßband reicht. Aber die Studenten wollten partout den Mikrometer nehmen.
   • Die Lehre: Man muss Studenten auch beibringen, dass man nicht immer die höchste Präzision braucht, sondern diejenige, die für den Zweck reicht. Ein Übermaß an Genauigkeit kann Zeit und Geld verschwenden.
3. Kein Digital- vs. Analog-Krieg: Es gab keine feste Vorliebe für digitale oder analoge Geräte. Die Studenten wählten einfach das bessere Werkzeug für den Job, sobald sie verstanden hatten, worauf es ankommt.

🚀 Fazit für die Zukunft

Diese Studie zeigt, dass man Studenten nicht nur Fakten beibringen muss, sondern ihnen Entscheidungsfreiheit geben sollte. Wenn man sie zwingt, selbst zu wählen und zu begründen, entwickeln sie die Denkweise eines echten Wissenschaftlers.

Kurz gesagt: Aus „Ich nehme, was ich kenne" wird „Ich nehme, was am besten funktioniert". Und das ist der erste Schritt, um vom Schüler zum echten Forscher zu werden!

Technische Zusammenfassung

Titel:

Students' reasoning in choosing measurement instruments in an introductory physics laboratory course (Das reasoning von Studierenden bei der Wahl von Messinstrumenten in einem einführenden Physikpraktikum)

1. Problemstellung und Hintergrund

Laborpraktika sind ein zentraler Bestandteil des Physikstudiums, sollen aber über die reine Bestätigung von Theorien hinausgehen und Studierende in wissenschaftliche Praktiken einbinden. Ein entscheidender Aspekt wissenschaftlichen Arbeitens ist die autonome Entscheidungsfindung, beispielsweise bei der Auswahl geeigneter Messinstrumente basierend auf dem experimentellen Ziel.
In vielen traditionellen „Kochbuch"-Praktika werden die Instrumente jedoch vom Lehrenden vordefiniert und optimiert, wodurch Studierenden die Möglichkeit genommen wird, Handlungsspielraum (Agency) zu entwickeln. Bisherige Forschung zeigt, dass Studierende oft Schwierigkeiten haben, Messunsicherheiten zu verstehen oder Instrumente basierend auf technischen Kriterien (wie Präzision) statt auf Intuition oder Gewohnheit auszuwählen. Es fehlte jedoch an einer induktiven Analyse, wie Studierende ihre Entscheidungen bei der Instrumentenauswahl begründen und wie sich dies durch gezielte Laboranweisungen verändert.

2. Methodik

Die Studie wurde an der Universität Potsdam im Zeitraum Sommersemester 2024 bis Wintersemester 2024/2025 durchgeführt.

• Teilnehmer: 231 Studierende verschiedener Fächer (Physik, Lehramt, Chemie, Geologie, Biologie, Ernährungswissenschaften) in einführenden Laborpraktika.
• Studiendesign: Pre-/Post-Test-Design mit einem Fragebogen.
  • Pre-Test: Vor der spezifischen Laboranweisung zu Messunsicherheiten.
  • Post-Test: Nach zwei Sitzungen zu Messunsicherheiten, einer Sitzung zu Laborbüchern (für Physiker/Lehramt) und einer praktischen Übung mit den im Fragebogen verwendeten Instrumenten.
• Instrument: Ein Fragebogen mit vier Items. In jedem Item mussten die Studierenden zwischen zwei Messinstrumenten wählen, um den Durchmesser einer Metallstange (ca. 1,5 cm) oder die Länge eines Labortisches zu messen.
  • Instrumentenpaare: Digitaler Messschieber vs. Analoges Mikrometer; Digitaler Messschieber vs. Analoges Messschieber; Analoges Mikrometer vs. Analoges Messschieber; Digitaler Laser-Entfernungsmesser vs. Analoges Maßband.
  • Den Studierenden wurden technische Spezifikationen (Messbereich, Auflösung, Genauigkeit) bereitgestellt.
  • Neben der Auswahl mussten die Studierenden ihre Entscheidung in einem offenen Feld begründen.
• Analyse:
  • Entscheidungen: Statistische Auswertung der Wahlfrequenzen (Chi-Quadrat-Tests).
  • Begründungen: Induktive Entwicklung eines Kodiermanuals. Die Begründungen wurden in drei Hauptkategorien unterteilt:
    1. Datenqualität (data): Präzision, Genauigkeit, Unsicherheitsreduktion.
    2. Experimenteller Prozess (exp.): Praktische Aspekte des Experiments (z. B. Messbereich, Objektspezifika).
    3. Persönliche Überlegungen (pers.): Erfahrung, Bedienbarkeit, Vorlieben, Intuition.
  • Die Zuverlässigkeit des Kodiermanuals wurde durch Inter-Rater-Reliabilität (Cohen's Kappa = 0,76) sichergestellt.

3. Wichtige Beiträge

• Induktives Kodiermanual: Entwicklung eines detaillierten Manuals zur Charakterisierung des studentischen Reasonings bei der Instrumentenauswahl, das über bestehende deduktive Modelle (wie Svensons Entscheidungsstufen) hinausgeht und Nuancen wie „persönliche Voreingenommenheit" oder „Spaßfaktor" erfasst.
• Untersuchung der Agency: Fokus darauf, wie Studierende in einem strukturierten Lernumfeld Entscheidungen treffen, ohne dass ihnen ein spezifisches Messziel (z. B. „maximale Präzision") vorgegeben wurde.
• Längsschnittanalyse: Direkter Vergleich des Reasonings vor und nach einer spezifischen Intervention (Unterricht zu Messunsicherheiten).

4. Ergebnisse

A. Entscheidungen (Instrumentenwahl):

• Vor der Anweisung (Pre-Test): Studierende wählten häufig Instrumente mit höherer Unsicherheit, oft basierend auf Vertrautheit (z. B. digitaler Messschieber statt Mikrometer). Bei Item 1 wählten 68 % den digitalen Messschieber, nur 25 % das Mikrometer (das geringere Unsicherheit aufweist).
• Nach der Anweisung (Post-Test): Es zeigte sich eine signifikante Verschiebung hin zu Instrumenten mit geringerer Unsicherheit. Bei Item 1 wählten nun 57 % das Mikrometer.
• Ausnahme: Bei Item 2 (digitaler Messschieber vs. analoger Messschieber) wählten die Studierenden in beiden Tests überwiegend den digitalen Messschieber, da dieser bereits vor der Anweisung als das präzisere Instrument erkannt wurde.

B. Begründungen (Reasoning):

• Verschiebung der Argumentationsmuster:
  • Pre-Test: Die Begründungen waren stark von persönlichen Faktoren geprägt (47 % der Codes: pers.), wie z. B. „Ich kenne das Gerät" oder „Es ist einfacher zu bedienen". Datenqualität (data) spielte nur in 36 % der Fälle eine Rolle.
  • Post-Test: Nach der Anweisung dominierte die Kategorie Datenqualität (67 % der Codes). Die Argumentation verlagerte sich hin zur Reduzierung von Unsicherheiten und der Vermeidung systematischer Fehler. Persönliche Faktoren sanken auf 22 %.
• Konsistenz: Diese Verschiebung war über alle vier Items hinweg konsistent, unabhängig davon, ob Studierende das „richtige" (präzisere) Instrument wählten oder nicht.
• Fehlanpassungen: Eine kleine Gruppe von Studierenden wählte nach wie vor das weniger präzise Instrument, rechtfertigte dies aber fälschlicherweise mit Datenqualitätsargumenten (z. B. Annahme, digitale Geräte seien immer genauer, obwohl das Mikrometer technisch präziser ist).

5. Signifikanz und Schlussfolgerungen

Die Studie belegt, dass gezielte Laboranweisungen zu Messunsicherheiten und Datenqualität einen signifikanten Einfluss auf das Entscheidungsverhalten und die Begründungsmuster von Studierenden haben.

• Lerneffekt: Studierende lernen, ihre Entscheidungen evidenzbasiert (basierend auf Unsicherheitsbetrachtungen) statt intuitiv oder erfahrungsbasiert zu treffen.
• Pädagogische Implikation: Es ist entscheidend, Studierenden die Möglichkeit zu geben, Instrumente aktiv auszuwählen und zu begründen. Dies fördert die Entwicklung einer „expert-like" Haltung.
• Kritischer Hinweis: Die Studie zeigt auch, dass Studierende zwar die Wichtigkeit von Datenqualität erkennen, aber nicht immer verstehen, dass nicht jede Messung die höchstmögliche Präzision erfordert. Die Wahl des Instruments sollte immer im Kontext des Messziels stehen (angemessene Präzision vs. maximale Präzision).
• Digital vs. Analog: Es gab keine systematische Voreingenommenheit zugunsten digitaler oder analoger Instrumente, solange die technischen Spezifikationen (Unsicherheit) klar waren.

Zusammenfassend empfiehlt die Studie, Laborcurricula so zu gestalten, dass Studierende explizit zwischen Instrumenten wählen und ihre Entscheidungen reflektieren müssen, um wissenschaftliche Entscheidungsfindung und kritisches Denken zu fördern.