Home

Training in Genetischer Epidemiologie

1. Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 2 E 5 E g al 2 E 5 E g is ZS ei 8 S 2 si s E E E 4 amp 3 z S 3 E E sel 5 sel 5 z E O ei a O of 2 z S S lt 77 E ei ZS 5 4 o lt os bal bal i J E E Abbildung 6 7 Es ist eine aus Abbildung 6 8 Die R ckmeldungen reichende technische Betreuung durch den Betreuer waren hilfreich vorhanden Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 Ip 5 amp 88 amp je 2 3 3 si S Ki z E z4 5 P E el E 5 p 9 de P S ise E 3 18 al S S p ef E 9 2 Ed E e Ki C o4 3 Kb 3 E E ebe EE f S SZ E a d ech S Je Sch Eat Abbildung 6 9 Es gab Schwierigkei Abbildung 6 10 Meine Vorkenntnis ten den Kurs auf meinem Computer se im Computerumgang sind zum Laufen zu bringen 144 6 2 Zeitplanung Evaluation des Kurses 6 2 Zeitplanung Ein wichtiger Bestandteil des didaktischen Konzepts ist es die Lernenden m glichst pr zise dar ber zu informieren wie viel Zeit sie f r bestimmte Inhalte aufzuwen den haben vgl Kapitel 2 5 F r die Angabe der Zeit Werte zu ermitteln die im Einklang mit dem didaktischen Konzept sind stellt sich h ufig als schwierig her aus Abbildung 6 11 zeigt dass die erste grobe Absch tzung des ben tigten Zeitauf wands den tats chlichen Aufwand nur f r einen Teil der Kurs
2. Bezeichner keyword Beschreibung Dieser Knoten kodiert ein Schl sselwort Schl sselw rter k n nen mit einem abgek rzt werden z B arbeit stimmt mit arbei ten Arbeiter arbeitslos berein und optional auch als regul rer Ausdruck kodiert werden Kindknoten keine value Schl sselwort Attribute i credits Punkte bei Auffinden dieses Schl sselwortes regexp true oder false Handelt es sich um einen re gul ren Ausdruck lt keyword value 0 6 4 36 361 credits 1 regexp true gt Beispiel lt keyword gt Tabelle C 9 ReT3 Knoten keyword Die Standardwerte sind fett hervorgehoben 221 D XGAP Dokumentation Abbildung D 1 zeigt alle m glichen XML Knoten und deren Zusammenh nge Die Tabellen D 1 D 4 beschreiben die Knoten und ihre Argumente genauer 222 XGAP Dokumentation Knoten problem Tab A 1 subproblem Tab A 2 content Tab A 3 n external choice external Tab A 4 choice Tab A 5 Referenz subproblem solution Tab A 6 CDATA keywords keywords keyword Tab A 7 group keyword keyword Tab A 9 Abbildung D 1 Diagramm der XGAP XML Knoten Dargestellt sind die vorhandenen XML Knoten sowie ihre Zusammenh nge und Abh ngigkeiten Zu jedem Knoten existiert eine Referenz auf eine Tabelle in der die Bedeutung des Knotens detailliert beschrieben ist 223
3. Tabelle 2 1 Darstellung einiger M glichkeiten Online und Pr senzveranstaltungen be z glich ihrer zeitlichen Einteilung sinnvoll zu kombinieren 1 Sequenzielle Blockveranstaltung mit Online Vorbereitung Die Teilnehmer nutzen den Online Kurs ber einen definierten Zeitraum z B drei Wochen danach nehmen sie an einer geblockten Pr senzveranstaltung teil das kann z B ein dreit giges Seminar sein 2 Sequenzielle Blockveranstaltung mit Online Nachbereitung Die Teilnehmer nehmen erst an einer geblockten Pr senzveranstaltung teil danach lernen sie ber einen definierten Zeitraum eigenst ndig mit dem Online Kurs 3 Parallele Blockveranstaltung mit Online Vorbereitung Jeder Veranstaltungs tag wird in einen Online Vorbereitungsteil und einen Pr senzteil aufgeteilt Beispielsweise w re eine einw chige Veranstaltung denkbar bei der die Teil nehmer vormittags eigenst ndig mit dem Online Kurs lernen und nachmit tags eine Pr senzveranstaltung besuchen die den Inhalt des Onlineteils vom Vormittag voraussetzt 4 Parallele Blockveranstaltung mit Online Nachbereitung Jeder Veranstaltungs tag wird in einen Pr senzteil und einen Online Nachbereitungsteil aufgeteilt Zum Beispiel vormittags Besuch der Pr senzveranstaltung und nachmittags eigenst ndiges Lernen mit dem Online Kurs 5 Semester Veranstaltung mit Online Vorbereitung Die Teilnehmer nutzen die Zeit zwischen zwei Vorlesungsveranstaltungen um sich mit
4. D s1 82 E IO 1 wobei Z s die Menge der N Gramme der Zeichenkette s darstellt Beispiel Gegeben seien die beiden Zeichenketten s gene und an gone Die Trigramm Zerlegungen und deren Schnittmenge sehen dann wie folgt aus e Z s1 1 8 ee Ren ene nee gt Z3s Den N Grammen liegen mathematische Gedanken zugrunde die Andrei A Markov im Jahre 1913 entwickelte und die als Markov Kette bekannt wurden vgl Jurafsky und Martin 2000 51 2 2 Lernaufgaben Methoden e Z s2 __g 20 gon one ne_ e__ gt Z s2 6 e Z s1 N Z s2 __g ne_ eaa gt Z s1 A Z s2 3 D gene gone 3 0 5 Der Dice Koeffizient beziehungsweise die hnlichkeit der Zeichenketten gene und gone betr gt also 50 2 2 4 Ein neuer Auswertungsalgorithmus f r Freitext Lernaufgaben Um die Lernprozesse beim Benutzer des Kurses Training in Genetischer Epidemiologie bestm glich zu aktivieren wurde f r das bungsaufgabenmodul ein Algorithmus f r die Freitextauswertung entwickelt der den Einsatz von komplexen Lernaufga ben wie am Anfang von Kapitel 2 2 gefordert erm glicht Ziel des Algorithmus ist es den Grad der hnlichkeit zwischen einem vom Be nutzer frei eingegebenen L sungstext und einer vorab definierten Musterl sung zu berechnen Der Grad der hnlichkeit s kann dabei von berhaupt keine bereinstim mung 0 bis vollst ndige bereinstimmung 100 reichen d h s 0 1
5. 182 A 1 E Learning Angebote zur Statistik Literaturrecherche EMILeA stat Mozilla Firefox Ioj x Datei Bearbeiten Ansicht Chronik Lesezeichen Extras Hilfe ac OG NW co http emilea stat rwth aachen def we idd A a St bern in EMILeA stat Inhaltsverzeichnis Assoziation gt AssoziationsmaBe gt dds Ratio EMILeA stat Modulwelt evel B O Amtliche Statistik Definition Erlauterung Fall Kontroll Studie Erlauterung Berechnung Erlauterung Infer Assoziation Assoziationsma e I Cohens Kappa Koeffizient O Cramers Y 3 Goodman und Kruskals Gamma 1 Goodman und Kruskals Lambda Goodman und Kruskals Tau Kendalls Tau Werte 3 Koeffizient Eta Quadrat kont effizient von Pearson Odds Ratio Das Odds Ratio ist ein Ma f r den Zusammenhang zwischen einer Faktorvariablen und dem Eintreten eines Ereignisses Dieses Ma basiert auf der Fall Kontroll oder retrospektiven Analyse als Untersuchungskonzept Das Odds Ratio beinhaltet die relativen Chancen f r das Ereignis bei Vorhandensein des Faktors im Vergleich zum Nichtvorhandensein des Faktors 3 Phi Koeffizient Relatives Risiko 13 SomersD 3 Unsicherheitskoeffizient A Konkordanz und Diskordanz O Beschreibende Statistik L Entropie 3 Explorative Datenanalyse 3 Finanzmathematik Lineare Strukturgleichungen Machine Learning 3 Mathematische Grundlagen A Methodenkritische Begle
6. Answer the following question Which are the main constituents of a DNA molecule My Solution lL Benutzeroberfl che My Solution Main constituents of a DNA molecule backbone of sugar and phosphate residues bases adenine and guanine cytosine and thymine My Solution Model Solution Credit Points Main constituents of a DNA molecule backbone of sugar 1P and phosphate 1P residues bases 1P adenine 0 5P and guanine 0 5P cytosine 0 5P and thymine 0 5P O You got 5 of 5 5 points This is equivalent to 91 Problem 1 1 1 1 5 of 5 5 points 7 30 2008 Problem 1 1 1 2 7of7 points 7 30 2008 10 Sum 12 of 12 5 points 96 Abbildung 5 25 Exemplarische Darstellung der Benutzeroberfl che des Lernaufgabenmo duls ReT3 sowie verschiedener Zust nde die das Lernaufgabenmodul vor w hrend und nach der Aus und Bewertung eines durch den Benutzer frei eingegebenen L sungstextes einnimmt Die Erl uterung der Abbildung erfolgt aus Platzgr nden im Text 130 5 2 Multimedia Elemente Umsetzung erkannten Schl sselworte gr n hervorgehoben 8 Hinter jedem Schl sselwort sind in Klammern die erreichten Punkte f r das Schl sselwort angegeben Direkt unter dem L sungstext wird das Ergebnis der Bewertung des eingegebenen L sungstex tes angezeigt 8 Im Beispiel wurden 5 von 5 5 Punkten beziehungsweise 91 er reicht Die eingegebene L sung war also nicht ganz vollst
7. SUN Java Applets URL http java sun com applets Terwilliger J D amp Ott J 1994 Handbook of Human Genetic Linkage Johns Hopkins University Press Baltimore 175 Literaturverzeichnis Literaturverzeichnis The International Human Genome Mapping Consortium 2001 A physical map of the human genome Nature 409 6822 934 941 Thomas D C 2004 Statistical Methods In Genetic Epidemiology Oxford University Press New York Velleman P F 2008 ActivStats Software CD ROM Siebte Ausgabe Addison Wesley New York Venter J C Adams M D Myers E W Li P W Mural R J Sutton G G Smith H O Yandell M Evans C A Holt R A Gocayne J D Amanatides P Bal lew R M Huson D H Wortman J R Zhang Q Kodira C D Zheng X H Chen L Skupski M Subramanian G Thomas P D Zhang J Miklos G L G Nelson C Broder S Clark A G Nadeau J McKusick V A et al 2001 The sequence of the human genome Science 291 5507 1304 1351 W3C 2002 XHTML 1 0 The Extensible HyperText Markup Language A Reformulation of HTML 4 in XML 1 0 Zweite Ausgabe World Wide Web Consortium URL http www w3 org TR xhtml1 W3C 2006 Extensible Markup Language XML 1 0 Vierte Ausgabe World Wide Web Consortium URL http www w3 org TR xml Ziegler A amp K nig I R 2006 A Statistical Approach to Genetic Epidemiology Concepts and Applications Wiley VCH We
8. The Logic of Hypothesis Testing Testing Hypotheses with Standard Errors Power Introduction to Between Subjects ANOVA Factorial Between Subjects ANOVA Within Subjects Repeated Measures ANOVA Prediction Chi Square Distribution Free Tests Measuring Effect Size 1993 2007 David M Lane Email me at dmlane davidmlane com David Lane is an Associate Professor of Psychology Statistics and Management at Rice University H Statistics Solutions Inc e The county s lender in atnitistica Consulting elp with statistical analysis for ur thesis and or dissertation StatisticsSolutions com College Textbooks Math and Statistics Textbooks 9888 Related Material Ads by Google Statistics with MATLAB Statistics analysis modeling and algorithm ka development with Research Proposal and MATLAB Statistics Help for Grad Students Kee Free Consultation 877 437 8622 www Statistics Solutions com Statistics Solutions Inc Statistical Analysis Need Statistical analysis ScienceOps has answers yunun scienceops com Follow this link to statistics jokes humor sites Statistics software Apply artificial intelligence with neural nets Free trial vany peltarion com 2 oys and 30 o Is icti support me therefore I ll get un 51 of the vote aT ERR Zs Download a Free a Ge Abde Click here for more cartoons by Glossaries Ben Shabad HyperStat Other Sourc
9. onsf hig wenn sich die Technologie ver ndert und weiterentwickelt Diese recht allgemein formulierten Anforderungen wurden f r das Projekt Training in Genetischer Epidemiologie konkretisiert und speziell f r die Bed rfnisse der Ziel gruppe erweitert 1 Interoperabilit t Alle g ngigen E Learning Standards m ssen unterst tzt wer den Dazu geh ren das Shareable Courseware Object Reference Model SCORM ADL 2004 das Instructional Management System IMS GLC 2005 und die AICC Guidelines for CMI Interoperability des Aviation Industry CBT Com mittee AICC 2000 2 Wiederverwendbarkeit Flexibel konfigurierbarer Export des Kurses Verwen dung innerhalb von Learning Management Systemen LMS usw Verwen dung offline und online 3 Verwaltbarkeit Anbieten des Kurses eingebettet in eine Web Plattform 4 Zugang Der mit dem Autorenwerkzeug erstellte E Learning Kurs soll sowohl online als auch offline benutzt werden k nnen Das heift der Kurs soll zum einen direkt von einem Speichermedium z B CD Rom benutzt werden k n nen auf der anderen Seite soll er ber das Internet genutzt werden k nnen Diese beiden E Learning Formen werden h ufig auch als Computer Based Training CBT und Web Based Training WBT bezeichnet 184 3 2 Autorenwerkzeuge Entwicklungsmaterial 5 Nachhaltigkeit Es sollen die Standards und Medienformate aus Kapitel 3 1 eingesetzt werden nicht so weit verbreitete oder aufgrund von
10. 2 2 2 R R amp 5 z 2 E 18 S g 2 2 7 S E E En D ES G E g 5 S 3 E E 1 SS eg 2 15 8 3 8 4 2 5 N R 1 8 o E a 3 3 8 KR 3 4 N N ek a gt no g 8 4 gt 2 4 o ad 2 E Anzahl der Antworten D 1 2 3 4 5 6 8 9 10 11 12 13 14 415 fi L Anzahl der Antworten 0 1 2 3 4 5 6 7 8 9 10 1 12 13 1415 fi m Abbildung 6 38 Der Stoffumfang Abbildung 6 39 Die zu lesenden des Kurses ist Texte im Kurs waren h u g zu lang Der Stoffumfang des Kurses wird mehrheitlich als genau richtig eingesch tzt Ab bildung 6 38 Die L nge der zu lesenden Texte wurde von den Teilnehmern nicht als zu lang empfunden Abbildung 6 39 Die Frage zur Textl nge ist negativ mit der Frage Meine Vorkenntnisse in Genetik sind siehe Abbildung 6 25 korreliert p 0 0319 KorrspgARMAN 0 49 Ein Grund daf r k nnte sein dass Benut zer mit gro en Genetik Vorkenntnissen den Lerninhalt etwas schneller aufnehmen konnten und die L nge der Texte deshalb als genau richtig empfunden haben 157 6 6 Klassisches Vorlesungskonzept versus Pr sentationskonze amp p luation des Kurses 6 6 Pr senzveranstaltung Klassisches Vorlesungskonzept versus Pr sentationskonzept Nach der dreit gigen Pr senzphase wurde genau wie bei der Onlinephase ein Evaluationsfragebogen an die Teilnehmer verteilt mit dessen Hilfe anschlie end untersucht werden sollte o
11. 2 2 Lernaufgaben Methoden Indexmatrix erzeugen ie ij Pij 0 sonst Pr fe ob der Sonderfall II siehe Definition B 2 S 205 vorliegt und andere ggf die Indexmatrix P P P P Pi Pj gt max el d d max d A d L m n Qi L Pix L Pj 9 k 1 h 1 0 sonst Sei BD dh dl elementweise in der Reihenfolge durchgehen die durch die Ap proximationsmatrix A erzeuge A mit Algorithmus B 5 S 208 gegeben ist und ber ssige len eliminieren n 0 er Pip gt 1A gt GE di sonst ehr I E it _ Pij Die gewichtete Ahnlichkeitsmatrix S P elementweise mit der Indexmatrix multi SC _ e P __ P Ee a plizieren Si SP e D d h Sij s Pi i lu Tele S zeilenweise durchgehen und in jeder Zeile nur den gr ten Wert behalten j 1 A Sij Sij max s x s 0 D ljene J ljem 0 sonst S spaltenweise durchgehen und in jeder Spalte nur den gr ten Wert behalten i 1 Si Sy max s N LE 0 gc J in Je lin Tells 0 sonst EY 2 2 Lernaufgaben Methoden F r jedes Wort des L sungstextes die erreichten Creditpunkte Pyeceived berechnen 19 Preceived S em s 1m Ein praktisches Beispiel f r eine Freitextauswertung die mit den fertig implemen tierten Versionen der Algorithmen 2 1 und 2 2 durchgef hrt wurde findet sich in Kapiel 5 2 3 siehe Erkl rungstext auf S 131 und Abbildung 5 25 auf S 130 2 2 5 Lernaufgaben mi
12. A 4 Webseiten mit Lernmaterialien USZUNSSLIOA UOA USSUNUYITZFNEOSPIA PUN mpowuT sUTAPY LAOS U9SUNJULUTES ELISIYEN aso wn UISPUOS smy Zurure 4 auDIDIau Zu um PIU asay Jap Ur VIS sa Japuey UALR UsIegSNj1VA JOP uap Tag UAS NOIIA USIOTIIISUSWSY L U9USPITYISISA NZ USITELISYEWUII IYSSTUOIJaI9 VIP UISIOIQUY UOA u p sq M Ayemadsny GV APqLL Apnys Jo 1X9 asIno gt EIPAWIHINN aayoe yos sug Taq uauonepnung YUSHEIS woo yooqzeyseuTTUO MMM 1 JUJ UV SOHSTIEIS IUUQ 1X SOSPIA yos sug TI u uoyewruy yyeuey Z3 0o qyyeup mmm Zurmuursog ayy WoL VNA 1X SOSPIA yos sug TI u uoyewruy Y19U99 310 Cep nnm aADZ2EISaIUL VNA snes Vue Suel yos sug ToL O8pIA ayosTJauay S8ss npe qen ydos mmam ye eweqery jo AysiaAtuGQ ypst suq HSHRIS uoyep yostuayey ugIyps g 4x9 SOAPIA Ipsu 310 susdo me mmm UNOJ soyauasy ueadomny aypeids Suesnz dAyus paW ewy L THA PHL 198 B Auswertungsalgorithmus f r Freitext Lernaufgaben B 1 Entwicklung von Auswertungsalgorithmus Algorithmus fiir beliebige Wortreihenfolgen Im folgenden Teil des Anhangs soll Algorithmus 2 1 siehe Kapitel 2 2 4 S 57 schrittweise hergeleitet werden Die Herleitung setzt die Annahmen und Defini tionen aus Kapitel 2 2 4 voraus Ziel ist es einen Algorithmus zu entwickeln der einen Wort Schl sselwort Vergleich durchf hrt und dabei die Reihenfolge der W r ter nicht ber cksichtigt Hintergrund daf r ist
13. XGAP Dokumentation XGAP Knoten pedigree Bezeichner pedigree Beschreibung Hauptknoten des XGAP Formats der alle Knoten eines komplet ten Stammbaums einschliesst Kindknoten generation siehe Tabelle D 2 format xgap version 1 0 Versionsnummer des Formats id Eindeutige Kennung showButtons true oder false view maximize minimize oder thumbnail Attribute popupInfo true oder false align left right oder center position top bottom oder middle x Position auf der X Achse 0 ganz links y Position auf der Y Achse 0 ganz oben ibs true oder false ibd true oder false alphaMaximized Hintergrundfarbdichte Standard 80 alphaThumbnail Hintergrundfarbdichte Standard 100 lt pedigree format xgap version 1 0 id 1 gt Beispiel lt pedigree gt Tabelle D 1 XGAP Knoten pedigree Die Standardwerte sind fett hervorgehoben 224 XGAP Dokumentation XGAP Knoten generation Bezeichner generation Beschreibung Dieser Knoten enth lt alle Knoten Personen Paare Tochterge nerationen einer Generation Kindknoten generation couple person siehe Tabelle D 2 D 3 und D 4 name Name Attribute showname true oder false numbering true oder false lt generation name F1 numbering true gt Beispiel lt generation gt Tabelle D 2 XGAP Knoten generation Die Standard
14. false gt lt xs attribute name father type xs NCName gt 229 XGAP Dokumentation lt xs attribute name id use required type xs NCName gt lt xs attribute name indexproband type xs boolean default false gt lt xs attribute name mother type xs NCName gt lt xs attribute name name gt lt xs attribute name numbering type xs boolean default false gt lt xs attribute name parents type xs NCName gt lt xs attribute name sex use optional type xs NCName default unknown gt lt xs attribute name twin type xs NCName gt lt xs complexType gt lt xs element gt lt xs element name marker gt lt xs complexType gt lt xs attribute name allelei use required type xs NMTOKEN gt lt xs attribute name allele2 use required type xs NMTOKEN gt lt xs attribute name haplotype type xs boolean default false gt lt xs complexType gt lt xs element gt lt xs schema gt Listing D 1 XML Schema f r das XGAP Format Das XML Schema beschreibt exakt die Struktur des XGAP Formats und kann z B in Verbindung mit geeigneter Software zur Validierung von XGAP Dateien benutzt werden 230 E Evaluation der Pr senzveranstaltung In den Abbildungen E 1 E 21 sind die Ergebnisse einer Befragung von Kursteil nehmern siehe Kurs 03 2007 Kapitel 6 dargestellt Um einen direkten Vergleich zu erleichtern wurden jeweils die entsprechenden Ergebnisse des
15. 0 1 x R 0 lt x lt 1 sind dabei wie folgt definiert Sij d de 0 1 Ad f Wi kj tel J baM wobei f o kr die Frequenz der hnlichkeit zwischen dem Wort w mit der Lange lw und dem Schl sselwort k mit der L nge Ik berechnet 1 f Wi kj 1 ER L z D Wi kj D Kam max ko li max D w kj 0 Imax berechnet den Abstand von zwei Zeichenketten Der Abstand ist 0 wenn perfekte bereinstimmung gegeben ist das hei t er bezeichnet ein Di stanzma wie es in Kapitel 2 2 3 beschrieben wurde Schl sselw rter kj ky ka k3 see km w1 511 512 513 Sim 11 w2 521 22 23 ee 52m 12 W rter w W3 531 32 533 sae S3m 13 Wn Syl Sn2 Sn3 tee Sum Tu C1 C C3 Sr Cm Tabelle 2 4 hnlichkeitsmatrix S mit den Elementen si 0 1 die den Grad der Uber einstimmung zwischen den W rtern w und den Schl sselw rtern k ausdr cken wobei i 1 n und j 1 m Au erdem enthalten sind die Zeilenmaxima r max si max Sil Su Bi Sin und die Spaltenmaxima cj max s max 81 82j 83j Snj Auswertungsalgorithmus Auf Basis obiger Definitionen wurde Algorithmus 2 1 entwickelt Die ausf hrliche Herleitung des Algorithmus mit Beispielen findet sich in Anhang B 1 H ufig ist der Sinn eines Satzes unabh ngig davon in welcher Reihenfolge die W r ter angeordnet sind Algorithmus 2 1 l sst die Wortreihenfolge daher unber cksich tigt und ist damit f r viele einfache Freitex
16. 2 020 183 xi Abbildungsverzeichnis Abbildungsverzeichnis A 5 Screenshot der Benutzeroberfl che von HyperStat 185 Ap Screenshot der Benutzeroberfl che von Statistik 188 A 7 Screenshot der Benutzeroberfl che von Neue Statistik 189 A 8 Screenshot der Benutzeroberfl che von LernStats 189 A 9 Screenshot der Benutzeroberfl che von Visual Bayes 190 A 10 Screenshot der Benutzeroberfl che von JUMBO 190 A 11 Screenshot einer Inhaltsseite von JUMBO 191 A 12 Screenshot der Benutzeroberfl che von ROBISYS Biomedos 191 A 13 Screenshot der Benutzeroberfl che von ROBISYS Random 192 A 14 Screenshot der Benutzeroberflache von NUMAS 192 C 1 Kel Klassenabh ngigkeiten 4 lt i604 44404824 494444 84 213 C 2 Diagramm der ReT3 XML Knoten ars sau ck a 215 D 1 Diagramm der XGAP XML Knoten EEN a 223 E 1 Evaluation Gliederung und Zeitplan der Veranstaltung 231 E 2 Evaluation Gestaltung der Veranstaltung durch den Dozenten 232 E 3 Evaluation Umgang des Dozenten mit den Kursteilnehmern 232 RA Evaluation Praxisrelevanz der Veranstaltung 233 FS Evaluation Verst ndlichkeit des Dozenten 233 E 6 Evaluation Ber cksichtigung von Fragen und Anregungen 234 E 7 Evaluation Inhaltliche Qualit t der Veranstaltung 234 E 8 Evaluation Motivation durch den Doze
17. 2004 Das Statistiklabor Einf hrung und Benutzerhandbuch Springer Berlin Sch le H 2002 Die Nutzung von e Learning Content in den Top350 Unternehmen der deutschen Wirtschaft Eine Studie im Auftrag der unic mind com AG Studienreport unicmind com AG G ttingen Schulmeister R 2004 Diversit t von Studierenden und die Konsequenzen f r eLearning In Carstensen D amp Barrios B Hrsg Campus 2004 Kommen die di gitalen Medien in die Jahre Band 29 von Medien in der Wissenschaft S 133 144 Waxmann M nster Schulmeister R 2000 Selektions und Entscheidungskriterien f r die Auswahl von Lernplattformen und Autorenwerkzeugen Gutachten f r das BM BWK ZHW Universit t Hamburg Hamburg URL www izhd uni hamburg de pdfs Plattformen pdf Seel N M 1981 Lernaufgaben und Lernprozesse Kohlhammer Studienb cher W Kohlhammer Stuttgart Siebert H 1998 Konstruktivismus Konsequenzen f r Bildungsmanagement und Se minargestaltung Band 14 von Materialien f r Erwachsenenbildung DIE Frankfurt Main Slavin R E 1980 Effects of Individual Learning Expectations on Student Achieve ment J Educ Psychol 72 4 520 524 Slavin R E 2000 Eduactional Psychology Theory and Practice Sechste Ausgabe Allyn and Bacon Boston Suanpang P Petocz P amp Kalceff W 2004 Student attitudes to learning business statistics Comparison of online and traditional methods Educ Tech Soc 7 3 9 20
18. Copyright 2008 Friedrich Pahlke Admin Impressum AGBs All Rights Reserved Passwort Abbildung 5 30 Screenshot der Kommunikationsplattform www genepi de e das Hilfe und Diskussions Forum benutzen e einen Weblog steht f r Web Logbuch auch Blog genannt zum Austausch von Informationen Gedanken und Erfahrungen nutzen e ber ein Formular Anfragen an den technischen oder inhaltlichen Betreuer stellen e auf einfache Weise Kontakt zu anderen Kursteilnehmern aufnehmen z B per Kontaktformular oder E Mail sowie e wichtige Informationen einsehen z B Termine von Pr senzveranstaltunegn Au erdem haben die Kursteilnehmer im Lernraum die M glichkeit den bungs raum zu benutzen um sich vorab an die virtuelle Lernumgebung zu gew hnen f r einen Screenshot siehe Abbildung 5 31 Dadurch lassen sich beispielsweise bei 137 5 3 Kommunikationsplattform Umsetzung bungsraum eg UI contents direc User Pahlke Uberblick Wenn Sie sich etwa 5 Minuten Zeit nehmen dann lernen Sie Lernziele den Online Kurses in optimaler Weise zu benutzen alle Funktionen der Interaktionen voll auszunutzen um den bestm glichen Lernerfolg zu erzielen unbefriedigende Auswertungsergebnisse bei den bungsaufgaben zu vermeiden Gliederung 1 Optimieren Sie Ihre Lernumgebung durch Dr cken einer Taste 2 Nutzen Sie den Funktionsumfang der Interaktionen voll aus
19. Der Kurs besitzt eine klare Gliederung und einen klaren 152 6 5 Lehr und Lernkonzept Evaluation des Kurses Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 Abbildung 6 26 Mein Interesse an Abbildung 6 27 Ich habe in dem dem Kurs ist Kurs gelernt sehr gering gering mittel gro sehr gro sehr wenig wenig einiges viel sehr viel Anzahl der Antworten D 1 2 3 4 5 6 8 9 10 11 12 13 14 145 Anzahl der Antworten D 1 2 3 4 5 6 7 8 9 10 1 12 13 14 15 Zeitplan siehe Abbildung 6 28 p 0 023 Korrspg ARMAN 0 54 und Die Medien sind in ausreichender Menge und guter Qualit t vorhanden siehe Ab bildung 6 17 p 0 0043 KorrspgARMAN 0 69 Benutzer die die Gliederung und den Zeitplan des Kurses als klar und die Menge und Qualit t der Medien als ausreichend empfunden haben das ist mehrheitlich der Fall haben der eigenen Einsch tzung nach weniger gelernt Das l sst sich m glicherweise damit erkl ren dass Benutzer die der eigenen Auffassung nach weniger gelernt haben ein besseres Vorwissen hatten und daher mit der Gliederung dem Zeitplan sowie der Menge und Qualit t der Medien besser zurecht kamen Die Gestaltung des Kurses wurde mehrheitlich als eher interessant empfundene siehe Abbildung 6 29 In den Abbildungen 6 30 und 6 31 sind die Abstimmung von Theorie und Praxis sowie die Praxisrelevanz dargestellt Hier fielen die Antworten der Te
20. Ein naiver Ansatz f r die Berechnung der erreichten Punktzahl nachfolgend Credits genannt ergibt sich dann wie folgt F r Benutzer k und Aufgabe i ergeben sich die Credits max pri durch Multiplikation von au mit den maximal erreichbaren Credits p max Pki Ski Pi Eine unter didaktischen Gesichtspunkten wichtige Anforderung an den Algorith mus war neben der Berechnung der Credits die visuelle Korrektur des Benutzertex tes zu erm glichen Folgende Anforderungen wurden in diesem Zusammenhang als wichtig erachtet e Korrekte Kernpunkte und aussagen sollen visuell hervorgehoben werden e Die fehlerhaften Stellen im Text sollen farbig markiert werden siehe Bei 52 2 2 Lernaufgaben Methoden spiel 2 1 e Die Bewertung des L sungstextes soll f r den Lernenden nachvollziehbar sein Diese Anforderungen gehen weit ber die reine Berechnung des Grads der ber einstimmung von Texten hinaus und vergr ern die ohnehin schon hohen Anfor derungen an den Algorithmus weiter Um die Anforderungen trotzdem erf llen zu k nnen wurde entschieden auf ein m glichst einfaches Konzept zur ckzugreifen wie es auch in der automatischen Rechtschreibkorrektur eingesetzt wird Die Aus wertung anhand von vorab definierten Schl sselw rtern Dadurch ist auch ohne ein echtes Textversta ndnis eine visuelle Korrektur des Benutzertextes m glich Beispiel 2 1 Beispiel f r die Korrektur einer Lernaufgabe die es dem Lernen
21. Lieb W Cambien F Fischer M Ouwehand W Blankenberg S Balmforth A J Baessler A Ball S G Strom T M Braenne I Gieger C Deloukas P Tobin M D Ziegler A Thompson J R Schunkert H amp WTCCC and the Car 246 diogenics Consortium 2007 Genomewide association analysis of coronary artery disease N Engl J Med 357 5 443 453 Ziegler A Pahlke F amp K nig I R 2008 Comments on Mendelian randomizati on using genes as instruments for making causal inferences in epidemiology by Debbie A Lawlor R M Harbord J A Sterne N Timpson and G Davey Smith Statistics in Medicine Stat Med 27 15 2974 2976 Buch und Konferenzbeitr ge Kleensang A Pahlke F amp Ziegler A 2007 Familienstudien in der Genetischen Epidemilogie Ein berblick In Freyer G amp Biebler K E Hrsg Biometrische Aspekte der Genomanalyse III Band 13 von Biometrie und Medizinische Informatik Greifswalder Seminarberichte S 3 15 Shaker Verlag Aachen Pahlke E K nig I R amp Ziegler A 2007 Erweiterte Darstellung von Familien stammb umen in der technologiegest tzten Lehre In Kundt G Bernauer J Fischer M R Haag M Klar R Leven F J Matthies H K amp Puppe F Hrsg eLearning in der Medizin und Zahnmedizin S 73 78 GMDS AG Computergest tzte Lehr und Lernsysteme in der Medizin Shaker Verlag Aachen Vortr ge und Poster G tz A Lieb W Konig I
22. den erm glicht die gemachten Fehler und die Bewertung nachzuvollziehen Im L sungstext wird das Wort beziehungsweise Zeichen welches falsch ist und daher zum Punkteabzug f hrt entsprechend gekennzeichnet Aufgabenstellung Gegeben ist folgende Basensequenz eines DNA Abschnitts TACAATGATCTGACGATT Wie lautet die Sequenz des komplement ren DNA Strangs L sung des Lernenden ATGTTACTAGACTTCTAA Visuelle Korrektur ATGTTACTAGACTTCTAA Auswertungsalgorithmus De nitionen F r den Auswertungsalgorithmus wurden folgende Anforderungen definiert e Es sollen frei eingegebene L sungstexte bez glich einer Aufgabenstellung ausgewertet und bewertet werden 153 2 2 Lernaufgaben Methoden e Die Bewertung soll anhand von Schl sselw rten durchgef hrt werden e Um bei der Auswertung die Ber cksichtigung inhaltlicher Zusammenh nge zu erm glichen soll der L sungstext im ersten Schritt der Analyse anhand von Trennzeichen z B Punkt und Zeilenumbruch in S tze unterteilt werden e Inhaltlich zusammengeh rige Schl sselw rter sollen gruppiert werden k n nen um auf diese Weise S tze abzubilden Bevor auf den Algorithmus n her eingegangen wird sollen im Folgenden grundle gende Begriffe und Notationen definiert werden De nition 2 1 Eine Zeichenkette auch Wort oder String genannt ist eine endliche Folge von ASCIP Symbolen die ohne Zwischenraum hintereinander geschrieben werden So sind z B
23. lt lt Oo E eech N e f oJ E i lt ad lt ol i Abbildung E 13 Der Dozentin Dem Dozenten scheint der Lernerfolg der Studierenden gleichgiil tig zu sein 237 Evaluation der Pr senzveranstaltung Vorlesungskonzept Pr sentationskonzept ore i e u bd E Q E ef E 2J 2 2 E S 5 E G 2 E 5 E G 3 8 15 S 5 E I 5 S 5 E Soh 8 g E Zi SZ E aj 9 E ai 5 E gt N gt N zd E c S 3 Gu Si 5 5 Ead Beh rei G i lt lt Se ke 04 oO oO Oo o aS Cc Ra Ra GE f od E E s al og 4 4 oe E Abbildung E 14 Der Dozent Die Dozentin kommt h u g vom Thema ab Signifikanter Unterschied zwischen den beiden Konzepten p 0 036 Wilcoxon Rangsummentest Bonferroni adjustiert Vorlesungskonzept Pr sentationskonzept 25 D pe Ai L pe 25 D pe pa oO E E S E si S 2 SZ 5 E el E 2 5 E z S 5 E E 5 E S 5 S CT T 5 ei 3 ef 8 5 E KR 24 8 oi 3 E gt no 2 n E 5 gt 3 S m Sr 5 Sri ZS Zot Zot E G lt lt E Oa 2 o O KN KN E N o N ei KE G T al lt ol lt 4 aa a a o a al Abbildung E 15 Der Dozent Die Dozentin verdeutlicht Zusammenh nge zu wenig 238 Evaluation der Pr senzveranstaltung Anzahl der
24. werkzeugen war der DYNAMIC POWERTRAINER der Firma Dynamic Media noch einer der vielversprechendsten L sungen Nach einem eingehenden Test musste aber auch dieses Softwarewerkzeug ausscheiden da es in der getesteten Version 2 zu sehr von der Java Applet Technologie abh ngig war und ein noch nicht ganz ausgereiftes didaktisches Konzept verfolgte Aufgrund guter Kontakte zur Fachhochschule L beck ergab sich die M glichkeit das Autorenwerkzeug EXACT PACKAGER GIUNTI Labs zu testen das dort bereits seit mehreren Jahre erfolgreich eingesetzt und didaktisch weiterentwickelt wurde Es stellte sich heraus dass der EXACT PACKAGER in der Lage war die oben genann ten Anforderungen in angemessener Weise zu erf llen Das didaktische Herzst ck dieser Software wird von der ONCAMPUS FACTORY gebildet einer Sammlung von Templates f r den EXACT PACKAGER in die das Know how und die langj hrigen Er fahrungen mit E Learning Projekten der Fachhochschule L beck eingeflossen sind Abbildung 3 5 zeigt wie der EXACT PACKAGER im Kontext mit der ONCAMPUS FACTORY und den Datei und Medienformaten funktioniert Die Entwicklungso berfl che soll anhand von Abbildung 3 6 illustriert werden Auf die Besonderheiten der ONCAMPUS FACTORY im Zusammenspiel mit dem EXACT PACKAGER wird im nachfolgenden Abschnitt genauer eingegangen 187 3 2 Autorenwerkzeuge Entwicklungsmaterial Entwickler Kursbenutzer eXact Packager Visuelle Autorenumgebung on
25. 2 sw LijSij lt Lisi S zeilenweise durchgehen und in jeder Zeile nur den gr ten Wert behalten j 1 Si 43 max s A Ds 0 1 1 1 j dee SE D e E E VE 0 sonst S spaltenweise durchgehen und in jeder Spalte nur den gr ten Wert behalten i 1 Si Si max s A ES el H ijr 9i h Sij J J J h 1 tg 1G i 1 n 0 sonst 58 2 2 Lernaufgaben Methoden F r jedes Wort des L sungstextes die erreichten Creditpunkte Pyeceived berechnen 19 Preceived s em EN S 1m Auswertungsalgorithmus Il Neben Algorithmus 2 1 wird noch eine Variante f r feste Wortreihenfolgen ben tigt Zum Beispiel handelt es sich bei Beispiel 2 1 S 53 um eine Lernaufgabe bei der die Reihenfolge der durch den Lernenden eingegebenen W rter mit der Reihen folge der Schl sselw rter bereinstimmen muss Daher wurde Algorithmus 2 2 ent wickelt welcher die Reihenfolge der W rter ber cksichtigt Die ausf hrliche Her leitung des Algorithmus mit Beispielen findet sich in Anhang B 2 Algorithmus 2 2 _Freitextauswertung f r feste Wortreihenfolgen hnlichkeitsmatrix S erzeugen g Cue ON AH sl Creditmatrix P erzeugen 1 1 1 Bu pi pi nu pi P p Pr Pko os Pe ko Km E wi AN AN Pi Pky Pin wobei px die Creditpunkte des j ten Schl sselwortes bezeichnen hnlichkeitsmatrix S elementweise mit der Creditmatrix P multiplizieren sP geb mit P amp 159
26. 5 5 S 2 24 ZG bi g 5 2 bi bi 3 3 E E N N E N N aj g E 8 g x a 2 g g N N 3 gt N N 3 gt ed E D E D gc E S ET S S 3 S 3 ES te fe fe 2 e Zo G i SS D o 1 e Ba lt L ad L o lt lt e 4 a a Abbildung E 19 Der Schwierigkeitsgrad der Veranstaltung ist 240 Evaluation der Pr senzveranstaltung Pr sentationskonzept Vorlesungskonzept youB yooy nz in youB yooy nz semys Bayou neua Buus ybups u nz sem Buna y upalu nz Ian a ee uayomuy Jap yezuy youB yooy nz ala yJoubyyaoy nz seme Bayou neus EEE Buua ybups u nz sem f al Buue6 6upatu nz aia OL SL th EL zZ LL OL 6 8 D 9 S v E Z L 0 uayomuy Jap yezuy Abbildung E 20 Der Stoffumfang der Veranstaltung ist Pr sentationskonzept Vorlesungskonzept yosB yooy nz Ei youB yooy nz seme Bayou neus Buue6 6upaiu nz seme Bulsa6 6ipaiu nz j81A T T T T T T T OL Sb pl b Zh oth OL 6 8 7 JS SE S 4 l 0 uayomjuy Jap jyezuy youBy yooy nz ala H youbyyaoy nz seme a Bunua y ups u nz sem u Buno yblipsiu nz j81A a SL nr er ZA LL Ob 6 8 D 9 S t 4 L 0 uayomjuy Jap yezuy Abbildung E 21 Das Tempo der Veranstaltung ist 241 Danksagung Herrn Prof Dr Andreas Ziegler danke ich f r die Bereitstellung des Themas und den angenehmen Arbeitsplatz vor allem aber f r die intensive fachliche Unters
27. In Abbildung C 1 sind in einem einfachen Klassendiagramm die Klassenabh ngig keiten des Pakets ExaminationPackage dargestellt Das Paket stellt nur einen Teil des Lernaufgabenmoduls ReT3 dar und dient der Umsetzung der Auswertungsalgorith men siehe Kapitel 2 2 4 und Anhang C 2 Mit diesem Beispiel soll unter anderem illustriert werden dass f r den Entwurf ein klassisches objektorientiertes Softwa redesign gew hlt wurde 212 C 1 Entwurf der ActionScript Klasse Examination ReT3 Dokumentation Examination BE Sentence KeywordGroup Word Keyword LevenshteinDistance RegExp Table Abbildung C 1 ReT3 Klassenabh ngigkeiten des Pakets ExaminationPackage f r die Frei textauswertung Frei eingegebene Texte werden von der Klasse Examination in S tze zerlegt die dann jeweils als ein Objekt der Klasse Sentence vorliegen Sentence wiederum speichert die unterschiedlichen W rter eines Satzes in einer Liste von Objekten der Klasse Word Ex amination hat die Schl sselw rter in einer Liste von Objekten der Klasse KeywordGroup bzw Keyword vorliegen Zur Berechnung der bereinstimmung des frei eingegebenen Satzes mit der Menge der Schl sselw rter benutzt Examination ein Objekt der Klasse LevenshteinDi stance oder RegExp falls das Schl sselwort ein regul rer Ausdruck ist LevenshteinDistance benutzt zur Berechnung der Distanz Objekte der Klasse Table 213 C 2 XML basierte Kodierung von Lernaufgabe
28. Prentice Hall Englewood Cliffs Ecma International 1999 Standard ECMA 262 ECMAScript Language Specifi cation URL http www ecma international org publications standards Ecma 262 htm 168 Literaturverzeichnis Literaturverzeichnis Elston R C amp Spence M A 2006 Advances in statistical human genetics over the last 25 years Stat Med 25 18 3049 3080 Freeman E amp Sierra K 2005 Entwurfsmuster von Kopf bis Fu O Reilly Beijing Gagn R Briggs L amp Wagner W 1988 Principles of Instructional Design Dritte Ausgabe Holt Rinehart and Winston New York GIUNTI Labs eXact Packager URL http www giuntilabs com Goetz T amp Preckel F 2006 Der Big Fish Little Pond Effekt Fischteicheffekt Eine Untersuchung an der Sir Karl Popper Schule und am Wiedner Gymnasium in Wien news amp science Sonderausgabe 10 06 24 26 Gronlund N E 1991 How to Write and Use Instructional Objectives Vierte Ausgabe Prentice Hall Englewood Cliffs Haerdle W Klinke S amp Ziegenhagen U 2007 On the utility of E learning in sta tistics Int Stat Rev 75 3 355 364 Hafen L Schneider A amp Stuker J 2004 Studie tiber die Behindertentauglichkeit von Schweizer Websites Studienreport namics ag St Gallen Haladyna T M 1996 Writing Test Items to Evaluate Higher Order Thinking Allyn amp Bacon Boston Hametner K Jarz T Moriz W Pauschenwein J Sandtn
29. ReT3 Knoten solution Bezeichner solution Beschreibung Dieser Knoten enth lt die Musterl sung und weitere Informatio nen die definieren wie die Bewertung durchgef hrt werden soll Kindknoten keywords siehe Tabelle C 7 Attribute title Titel der L sung Inhalt CDATA Objekt mit der Musterl sung lt solution title Solution 1 1 gt Beispiel lt CDATA RE lt solution gt Tabelle C 6 ReT3 Knoten solution ReT3 Knoten keywords Bezeichner keywords Beschreibung Dieser Knoten enth lt die Schl sselw rter und Schl sselwort gruppen f r eine Freitextbewertung Kindknoten keyword group siehe Tabelle C 9 und C 8 lt keywords gt Beispiel lt keywords gt Tabelle C 7 ReT3 Knoten keywords 220 C 2 XML basierte Kodierung von Lernaufgaben ReT3 Dokumentation ReT3 Knoten group Bezeichner group Beschreibung Dieser Knoten gruppiert mehrere Schl sselw rter um eine Be wertung in der Gesamtheit dieser W rter zu erzielen Es m ssen immer mindestens zwei W rter in der eingegebenen L sung vor kommen damit eine positive Bewertung erfolgt Kindknoten keyword siehe Tabelle C 9 Attribute sorted true oder false Soll die Reihenfolge beachtet werden lt group sorted true gt Beispiel lt group gt Tabelle C 8 ReT3 Knoten group Die Standardwerte sind fett hervorgehoben ReT3 Knoten keyword
30. Umfangs auszuw hlen Das tragende Fundament des Kurses soll ein didaktisches Konzept sein das einen nachhaltig erfolgreichen Einsatz des fertigen E Learning Kurses erm glicht Da das nur mit einem ausgereiften und auf langj hriger Erfah rung basierenden Konzept m glich ist soll auf ein fertiges didaktisches Konzept zu r ckgegriffen werden Dieses soll dann an die speziellen Anforderungen des Fach gebiets angepasst und unter Ber cksichtigung neuster lerntheoretischer Erkenntnis se erweitert werden Um die sprachlichen Barrieren global betrachtet so gering wie m glich zu halten soll der Kurs komplett in englischer Sprache verfasst werden Um den Erfolg des komplexen Projektes nicht zu gef hrden soll es wie zum Beispiel in der Softwaretechnik blich gem einem geeigneten Vorgehensmodell bearbei 125 1 2 Motivation und Zielsetzung Einleitung tet werden Das ist von fundamentaler Bedeutung da dass das Projekt von einer einzelnen Person umgesetzt wird im direkten Widerspruch zu dem Satz Die Pro duktion von E Learning ist eine Teamarbeit mit vielen Beteiligten die sehr unter schiedliche Berufsbilder aufweisen Mair 2005 S 3 Die Einzelperson muss also ber sehr unterschiedliches interdisziplin res Fachwissen verf gen beispielsweise aus den Bereichen Lernpsychologie Didaktik und Urheberrecht F r die Planung und Umsetzung sind au erdem fundierte Kenntnisse eines Programmierers Grafi kers Medienautor
31. a b und c Symbole und abac ist eine Zeichenkette Die L nge einer Zeichenkette w die hier mit w bezeichnet wird ist die Anzahl der Symbole aus denen sich die Zeichenkette zusammensetzt vgl z B Hopcroft und Ullman 2000 S 1 De nition 2 2 Ein Satz ist eine endliche Menge Reihenfolge unwichtig oder Folge Rei henfolge wichtig von Zeichenketten die durch ein oder mehrere Worttrennzeichen ge trennt hintereinander geschrieben werden Folgende Worttrennzeichen sind zugelassen Leerzeichen Komma De nition 2 3 Ein L sungstext ist eine endliche Menge von S tzen die durch ein oder mehrere Satztrennzeichen getrennt hintereinander geschrieben werden Folgende Satztrenn zeichen sind zugelassen Semikolon Punkt Zeilenumbruch 3 ASCII American Standard Code for Information Interchange ist ein seit 1967 existierender Standard fiir die Kodierung von Zeichen der insgesamt 128 Zeichen definiert jedem Zeichen ist ein 7 Bit Muster zugeordnet 154 2 2 Lernaufgaben Methoden Wort Schl sselwort hnlichkeit Wy ky S11 Wy k2 12 Wy kz 13 w ky S21 w E S22 w ks 593 ms k S31 w k S32 w3 k3 S33 Tabelle 2 3 Beispiel f r die Bewertung eines L sungstextes mit den W rtern w anhand der Schl sselw rter E mit i j 1 2 3 Jedes Wort w wird mit jedem Schl sselwort k verglichen und es wird der Grad der hnlichkeit s bestimmt Bei der Erstellung einer Lernaufgabe muss anhand der Muste
32. and guanine G being purines and cytosine C and thymine T being pyrimidines The structural unit of one sugar with an attached base is called a nucleoside and one nucleoside with a phosphate group tied to the carbon atom 5 or 3 makes one nucleotide In addition to this structure of a single strand the two strands of the DNA molecule are connected by a hydrogen bond between two opposing bases of the two strands Specifically thymine always bonds with adenine via two hydrogen bonds and cytosine with guanine via three hydrogen bonds The resulting DNA resembles a ladder whose sides are connected by the bases However because of the chemical nature of its components the ladder does not go straight up but is slightly twisted which is why it has been described as a double helix Figure 1 1 right Any two DNA fragments differ only with respect to the order of their bases Therefore the genetic information we are looking for is coded exactly in the linear sequence of the bases of the DNA fragment This linear sequence of the bases is called the primary structure of the DNA Because the bonding of the bases between the two strands is specific the two strands can be said to be complementary meaning that the sequence of one strand can be exactly inferred from the other As a consequence if one wants to describe the sequence it suffices to write the sequence of one strand Here it has become customary to write the sequence in the 5 to 3
33. cytosine and thymine pyrimidines Subproblem G 2 3 j DIR Submit Abbildung 5 26 Beispiel f r die Musterl sung einer ReT3 Lernaufgabe Um neben dem Eingabefeld f r die L sung des Benutzers auch die Musterl sung und die Punkte bersicht auf engstem Raum unterbringen zu k nnen wurde in ReT3 ein sogenanntes Tabbed Docu ment Interface TDI implementiert d h die Unterfenster My Solution Model Solution und Credit Points sind in Registerkarten organisert Durch Anklicken des entsprechen den Reiters kann eine Registerkarte in den Vordergrund geholt werden Die Registerkarten Model Solution und Credit Points sind nur dann sichtbar wenn die Teil Aufgabe be reits gel st wurde Im dargestellten Beispiel wurde die erste Teilaufgabe bearbeitet und die Musterl sung 12 wurde durch Anklicken der Registerkarte Model Solution sichtbar ge macht Eine kleine Meldung erinnert den Benutzer daran dass es noch zwei ungel ste Tei laufgaben gibt 13 Nach der Auswertung hat das Modul erfolgreich eine Verbindung zum Evaluationsserver hergestellt und daraufhin einen kleinen Evaluationsbogen zur Qualit ts sicherung und verbesserung eingeblendet 14 132 5 2 Multimedia Elemente Umsetzung M glichkeit nach vorheriger Pr fung weitere Schl sselworte in die Lernaufgabe aufzunehmen beziehungsweise die Lernaufgabe mit Hilfe der Benutzerantwort aus der Datenbank anzupassen und zu verbessern Der Lehrende od
34. direction The basic length unit of the DNA is one nucleotide or one basepair bp which refers to the two bases that connect the two strands In total the human DNA contains about 3 3 billion bp As a second carrier of genetic information in addition to the DNA in chromosomes copies of parts of the DNA are found in smaller molecules called ribonucleic acid RNA in the nucleus and the surrounding plasma of the cell The RNA is constructed ina way very similar to the DNA but shows four main differences In addition to being much shorter RNA consists of only a single strand instead of two Also this single Kernaussage 1 Where is the genetic information located Kernaussage 2 How is the DNA built on Kernaussage 3 What is RNA Abbildung 4 3 Beispiel fiir die Einteilung des Quellskripts in Kernaussagen Auf Seite 2 des Buchs von Ziegler und K nig 2006 wurden drei Kernaussagen im dargestellten Ab schnitt ermittelt und entsprechend gekennzeichnet F r jede Kernaussage wurde eine zen trale Frage formuliert die das dahinter stehende Lernziel auf den Punkt bringt und damit sp ter auch als berschrift der jeweiligen E Learning Inhaltsseite dienen kann 101 4 2 Feinkonzept Konzeption des E Learning Kurses 4 2 Feinkonzept Gs a Das Feinkonzept wurde gem Kapitel 2 4 f r jeden einzelnen In Feinkonzept haltsabschnitt analog zum Grobkonzept in einem vierstufigen Zy klus erstellt 2
35. http www biostat uzh ch teaching lecturenotes online olscriptku pdf das die Studierenden der Universit t Z rich bei der Erarbeitung der Grundlagen der Biostatistik unterst tzen soll Die Lernumgebung ist mit einem elektronischen Textbuch vergleichbar das auf der rechten Seite des Dokuments mit grundlegenden Navigationsschaltfl chen Vor Zur ck Springe zu Seite usw verse hen wurde In dem Dokument sind am Ende einige Ja Nein bungsaufgaben f r eine bersicht ber m gliche Aufgabentypen siehe Kapitel 2 2 1 S 44 enthalten Die Korrektheit der angekreuzten Antworten kann der Lernende separat f r jede Aufgabe per Mausklick berpr fen Inhaltlich werden die Themen Deskriptive Sta tistik Wahrscheinlichkeit Testen von Hypothesen und Regression behandelt Diskussion Auf den Inhaltsseiten sind teilweise Animationen und Interaktionen Java Applets verlinkt Die Intention des Autors war es dass sich diese nach einem Klick mit der Maus auf den entsprechenden Hyperlink im Webbrowser ffnen also in einem se paraten Fenster Die letzte Version von Grundbegriffe der Biostatistik stammt aus 3Das Portable Document Format PDF ist ein Dateiformat f r Dokumente das aufgrund seiner Offenlegung und Plattformunabh ngigkeit im Internet sehr verbreitet ist 13 1 1 bersicht ber verf gbare E Learning Angebote Einleitung dem Jahre 2004 und wurde nicht mehr an eine Umstellung des Content Manage ment Systems der
36. pus FH L beck Programmieren in R Institut f r Medizinische Informa tionsverarbeitung Biometrie und Epidemiologie Ludwig Maximilians Universit t M nchen GMDS F rderpreis 2005 245 Publikationsliste Zeitschriftenartikel H dicke O Pahlke F amp Ziegler A 2008 A general approach for sample size and power calculations based on the Haseman Elston method Biom J 50 2 257 269 geteilte Erstautorenschaft K nig I R Pahlke F amp Ziegler A 2004 Don t leave randomisation to chance GCP 11 10 27 30 Pahlke F Konig I R amp Ziegler A 2004 Randomization In Treatment Arms RI TA Ein Randomisierungs Programm fiir klinische Studien Inform Biom Epidemiol Med Biol 35 1 1 22 Pahlke F K nig I R Bischoff M amp Ziegler A 2006 Ein inkrementelles Vor gehensmodell fiir E Learning Projekte an Hochschulen GMS Med Inform Biom Epidemiol 2 3 Doc25 Raasch W Wittmershaus C Dendorfer A Voges I Pahlke F Dodt C Domi niak P amp J hren O 2006 Angiotensin II inhibition reduces stress sensitivity of hypothalamo pituitary adrenal axis in spontaneously hypertensive rats Endocri nology 147 7 3539 3546 Samani N J Erdmann J Hall A S Hengstenberg C Mangino M Mayer B Dixon R J Meitinger T Braund P Wichmann H E Barrett J H Konig I R Stevens S E Szymczak S Tregouet D A Iles M M Pahlke F Pollard H
37. stiert seit 1999 und ist Anfang 2008 in der siebten Ausgabe erschienen Es werden die Themen Deskriptive Statistik Zufallsexperimente Testen von Hypothesen Regression und Varianzanalyse behandelt Neben der Software existiert der umfangreiche Activ Stats Teachers Guide der Lehrverantwortliche bei einem didaktisch sinnvollen Ein satz des Produkts unterst tzen soll online verf gbar unter http www datadesk com support guide 12 1 1 bersicht ber verf gbare E Learning Angebote Einleitung Diskussion Sp testens bei Betrachtung des Produktkartons wird klar dass sich AktivStats in erster Linie an Anwender bestimmter Softwareprodukte richtet auf der Frontsei te findet sich folgende Aufschrift Learn how to use Data Desk JMP Excel MI NITAB and SPSS Neben der Studentenversion ist eine deutlich teurere Versi on von AktivStats beim Hersteller von Data Desk erh ltlich Dort hei t es Ac tivStats is an innovative multimedia education product that teaches introductory college level statistics and the use of our Data Desk data exploration package http www datadesk com products mediadx activstats Es geht hier also klar darum neben statistischen Grundlagen den Umgang mit der Software Data Desk zu lernen Aus diesem Grund soll das E Learning Angebot hier nicht weiter betrachtet werden Grundbegri e der Biostatistik Bei Grundbegriffe der Biostatistik handelt es sich um ein interaktives PDF Dokument
38. tistik Suchmaschine Google Scholar Suchergebnisse Von den acht Treffern bei der ersten Suche hatten nur die ersten drei direkt mit dem Thema E Learning Angebote zum Thema Statistik zu tun Die ersten beiden Suchergebnisse verwiesen zudem beide auf denselben Artikel so dass hier letztend lich nur zwei Artikel untersucht wurden Muche und Seefried 2006 und Kladroba 2006 Bei der zweiten Suche ergaben sich 12 Treffer von denen sieben noch nicht bei der ersten Suchanfrage enthalten waren Nach Inspektion dieser Artikel blieb ein Artikel Muche 2006 brig der als relevant in Bezug auf das Thema angesehen wurde und daher n her betrachtet wurde In den Artikeln waren 11 E Learning Angebote zum Thema Statistik genannt die noch nicht in den vorhergehenden Re chercheergebnissen enthalten waren e Statistik Beschreibende Statistik und explorative Datenanalyse e Neue Statistik II PC Statistik Trainer 1 0 LernSTATS Methodenlehre Baukasten AktiveStats e AST 186 A 1 E Learning Angebote zur Statistik Literaturrecherche Grundbegriffe der Biostatistik JUMBO Visual Bayes VisualStat e ROBISYS e NUMAS Der Adaptive Statistik Tutor AST wurde ber mehrere Jahre von der Universit t Trier im Internet angeboten Die Lernumgebung ist daher in mehreren vergleichen den Arbeiten zum Thema E Learning Angebote zum Thema Statistik zu finden Da das Angebot online aber nicht mehr erreichbar ist soll AST hier nich
39. 0 sonst F r jedes Wort des Losungstextes die erreichten Creditpunkte Pyeceived berechnen 19 gt No Preceived EWEN 1m 203 B 1 Entwicklung von Auswertungsalgorithmus I Auswertungsalgorithmus Die fr he Ber cksichtigung der Creditpunkte im Algorithmus f hrt dazu dass zwei Sonderf lle auftreten k nnen die zu einem anderen Ergebnis f hren als erhofft Die se Spezialf lle sollen hier anhand von zwei Beispielen illustriert werden Beispiel B3 Sonderfall I mit unerw nschtem Bewertungsergebnis Algorithmus B 2 generiert f r die Ahnlichkeitsmatrix mit Creditpunkten SP bisher folgendes Ergebnis 01 E gt 5 0 gt Preceived 2 1 1 0 2 Oh ta gt do 01 gt EI 1 gt Preceived 3 Beispiel B 4 Sonderfall II mit unerw nschtem Bewertungsergebnis Algorithmus B 2 generiert f r die Ahnlichkeitsmatrix mit Creditpunkten SP bisher folgendes Ergebnis 11 01 01 5 i gt d 10 BI 0 gt Preceived 2 Wiinschenswert wiire hier folgende Berechnung 1 1 0 u dh T 0 BI on gt Preceived 3 Die beiden Sonderfalle aus Beispiel B 3 und B 4 sind in den Definitionen B 1 und B 2 allgemeing ltig beschrieben 204 B 1 Entwicklung von Auswertungsalgorithmus I Auswertungsalgorithmus De nition B 1 Der Sonderfall I liegt vor wenn f r die gewichtete hnlichkeitsmatrix S P undi 1 n j 1 m gilt P i 1 j 1 P P gt 8 41 i 1 j g
40. 2 2 1 darstellen k nnen In der XML Datei sollen beliebig viele Teilaufgaben definiert werden k nnen In jeder Teilaufgabe sollen je weils das Problem und die Musterl sung genau spezifiziert werden k nnen Das Modul soll des Weiteren die direkte Eingabe der L sung durch den Benutzer erm g lichen Die L sung soll auf Basis geeigneter Schl sselworte die in der XML Datei definiert werden vom Modul ausgewertet bewertet und mit adaptiven Feedbacks versehen werden siehe Abschnitt 2 2 5 Es soll im Modul eine bersicht angezeigt werden k nnen die einen berblick ber alle bisher gel sten Aufgaben und die erreichten Punktzahlen gibt Das Modul soll technisch und visuell so gestaltet wer den dass sich jede Aufgabe perfekt mit dem Autorenwerkzeug siehe Kapitel 3 2 2 in den E Learning Kurs einbinden l sst Daf r m ssen zum Beispiel die u eren Ma e und die Farbgebung entsprechend gew hlt werden Alle Aufgaben sollen zu dem samt Ergebnissen und Musterl sungen ausdruckbar sein Die Aufgabetypen aus Abschnitt 2 2 1 wurden zun chst noch genauer f r das Pro jekt Training in Genetischer Epidemiologie spezifiziert Um die Schwerpunkte der bungsaufgaben vorab zu lokalisieren wurden die Aufgaben im Buch von Ziegler und K nig 2006 untersucht Folgende empirisch gewonnenen Erkenntnisse waren von besondere Bedeutung f r die Entwicklung des Aufgabemoduls e Es handelt sich bei etwa 40 der Aufgaben um mathematische Probleme sie
41. 2 3 Nach dem ersten Kurs konnten auf Ba sis der gewonnen Daten erste Anpassungen der Lernaufgaben vorgenommen wer den Abbildung 6 19 legt nahe dass weitere Anpassungen der Lernaufgaben auf der Basis von im Praxiseinsatz gewonnenen Daten die Auswertungsergebnisse und damit die Benutzerzufriedenheit weiter verbessern werden Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 L stimmt L stimmt stimmt nicht stimmt eher stimmt nicht stimmt eher stimmt eher nicht stimmt eher nicht nicht sinnvoll beantwortbar nicht sinnvoll beantwortbar Anzahl der Antworten D 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 L Anzahl der Antworten 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 Abbildung 6 19 Die Ergebnisse der Abbildung 6 20 Die Feedbacks der Echtzeitauswertung der interaktiven interaktiven bungsaufgaben haben bungsaufgaben waren gut mich motiviert Die Frage Die Feedbacks der interaktiven bungsaufgaben haben mich motiviert siehe Abbildung 6 20 ist negativ mit der Frage Meine Vorkennt nisse im Computerumgang sind siehe Abbildung 6 10 korreliert p 0 0185 KorrspgARMAN 0 56 Benutzer mit gr eren Computerkenntnissen wurden demnach durch die Feedbacks weniger motiviert als Benutzer mit gerin 149 6 4 Evaluation der Medien Evaluation des Kurses geren Kenntnissen Gr nde daf r k nnten zum Beispiel in einer u
42. 5 _Diagonalapproximation Erzeuge die na X na Approximationsmatrizen AU und A wie folgt wobei na hinreichend gro gew hlt werden muss intjatl i p42 V k 2 ig 1 0 m 9 1 j 0 na 1 k 0 intjatl Al p 2 V k 2 ja i 0 na L j 0 n 1 k 0 208 B 2 Entwicklung von Auswertungsalgorithmus II Auswertungsalgorithmus 1 falls i gt j 2 sonst n i 1 fallsi gt j j j falls i gt j Ke A 1 sonst m j 1 sonst Beispiel B 6 Mit Algorithmus B 5 erstellte Approximationsmatrix Tabelle B 3 zeigt ein Beispiel fiir eine Approximationsmatrix Aus der Matrix geht hervor dass im ersten Schritt das fiinfte Wort mit dem ersten Schliisselwort verglichen wird 5 1 22 14 8 4 2 19 24 16 10 6 11 17 25 18 12 5 9 15 23 20 1 3 27 38 Ned Tabelle B 3 Beispiel f r eine 5 x 5 Approximationsmatrix Die Zahlen geben die Reihen folge an in der die Matrix durchlaufen wird Im dargestellten Beispiel lautet die Reihenfolge also 5 1 1 5 5 2 usw Zur Steigerung der Geschwindigkeit des Algorithmus bietet es sich an die Appro ximationsmatrix vorab einmal zu erzeugen und dann f r alle Auswertungen der laufenden Sitzung zu benutzen Dabei ist zu beachten dass na gr er oder gleich der Wortanzahl sein muss Falls der zu analysierende Satz mehr W rter hat als es in der Matrix Zeilen gibt muss die Matrix mit entsprechender Gr e neu erzeugt
43. Antwort ausw hlen Die Single Choice Auswahlliste ist ein Spezialfall von der Multiple Choice Auswahlliste Cross Choice Tabelle Der Lernende muss mehrere vorgegebene Antworten in einer Tabelle zueinander in Beziehung setzen Dabei geben die Zeilen und Spal tenbeschriftungen die Kombinationsm glichkeiten an Beispiel Gegeben sei en die vier m glichen Antworten A B C und D Um auszudr cken dass A mit C und B mit D in Beziehung stehen w re die Cross Choice Tabelle wie folgt auszuf llen 145 2 2 Lernaufgaben Methoden Antwort A Antwort B Antwort C x Antwort D x Wahr Falsch Auswahl Der Lernende muss die Frage mit Wahr oder Falsch bezie hungsweise Ja oder Nein beantworten Dieser Typ kann als ein Spezialfall von der Single Choice Auswahlliste angesehen werden Multiple Choice Wahr Falsch L ckentext und Zuordnung sind die am meisten ver breiteten Aufgabentypen Slavin 2000 S 476 Unabh ngig von der Fachrichtung lassen sich die meisten bungsaufgaben einer dieser Aufgabentypen zuordnen Nimmt man zu diesen Aufgabentypen die Freitextaufgabe hinzu und betrachtet die Wahr Falsch Aufgabe als Spezialfall der Single Choice Aufgabe und die Single Choice Aufgabe als Spezialfall der Multiple Choice Aufgabe dann bleiben vier echt verschiedene Aufgabentypen brig von denen die Freitextaufgabe die gr ten Her ausforderungen an die computergest tzte Aus und Bewertung der Aufgabe stellt Es sei hi
44. Aufgabe kennt die Ergebnisse bereits gel ster Lernaufgaben unabh ngig davon in welchem Kapitel die Aufgabe gel st wurde und generiert mit diesen Informationen ein adaptives Feedback Au erdem haben die Lernenden jederzeit die M glichkeit sich alle Ergebnisse ihrer bereits ge l sten Aufgaben in einer bersicht anzeigen zu lassen Der E Learning Kurs ist flexibel einsetzbar So kann er zum einen online betrieben werden zum Beispiel eingebettet in einen Lernraum mit Kommunikationsplatt form zum anderen ist die Nutzung offline zum Beispiel per CD Rom m glich wobei auch dort die volle Funktionalit t gegeben ist Bez glich des Inhalts ist hervorzuheben dass der Kurs ganzheitlich in die Thematik einf hrt Das bedeutet die derzeit wichtigsten Inhalte der Genetischen Epidemiolo gie sind enthalten und die theoretischen Grundlagen werden umfassend behandelt sowie anhand von praktischen Beispielen illustriert Der Kurs behandelt die The 162 Diskussion men Molecular Genetics Formal Genetics Genetic Markers Data Quality Genetic Map Distances Fundamental Concepts Case Control Association Analysis sowie Haplotypes in Association Analyses Der Aufwand f r die Bearbeitung der Kursinhalte entspricht in etwa 4 ECTS Punkten Von den bisher verf gbaren Lernangeboten hat inhaltlich nur das E Seminar Henry Stewart Talks Genetic Epidemiology I II in Tabel le 7 1 abgek rzt als HST Genet Epi I II eine vergleichb
45. C 3 ReT3 Knoten content Damit in der Fragestellung Html Markup Zeichen lt gt und amp verwendet werden k nnen muss der Text innerhalb eines CDATA Abschnitts stehen CDATA steht dabei f r Character Data Innerhalb des CDATA Abschnitts k nnen Markup Zeichen enthalten sein z B lt b gt lt b gt f r Fettschrift die dann vom XML Parser ignoriert werden 218 C 2 XML basierte Kodierung von Lernaufgaben ReT3 Dokumentation ReT3 Knoten external Bezeichner external Beschreibung Dieser Knoten kodiert ein externes Media Objekt PEDCHART JPEG Abbildung Kindknoten keine type pedigree oder figure file Dateiname Attribute width Breite height H he thumbnail Dateiname des Miniaturbilds thumb_width Breite des Miniaturbilds thumb_height H he des Miniaturbilds lt external type pedigree file pedigree_1 xml height 117 gt Beispiel lt external gt Tabelle C 4 ReT3 Knoten external ReT3 Knoten choice Bezeichner choice Beschreibung Jeder dieser Knoten enth lt eine Antwortm glichkeit einer Multiple Choice Aufgabe Kindknoten keine Attribute value Text der Auswahlm glichkeit credits Punkte f r das Ausw hlen dieser L sung lt choice value X chromosomal credits 1 gt Beispiel lt choice gt Tabelle C 5 ReT3 Knoten choice 219 C 2 XML basierte Kodierung von Lernaufgaben ReT3 Dokumentation
46. Data Quality Genetic Map Distances and Association Analyses Table of Contents Molecular Genetics Formal Genetics Genetic Markers Data Quality Genetic Map Distances Fundamental Concepts of Association Analyses Association Analysis With Unrelated Individuals Haplotypes in Association Analyses Abbildung 5 2 Screenshot des Kurstiberblicks Es sind die Kursziele ein erster Inhalts tiberblick sowie der geschatzte Zeitaufwand in kompakter Form dargestellt 110 5 1 Produzierte Lernseiten Umsetzung Training in Genetic Epidemiology 2 4 10 3 Modified central dogma of molecular biology Similarly it might be more promising not to search for causes of the final disease status itself but rather to analyze intermediate phenotypes that may be less subject to genetic or environmental impact Put simply the central dogma of molecular biology see Section 1 1 10 can be modified to FA Statement For instance the investigation of the intermediate phenotype of the angiotensin l converting enzyme level has led to the identification of a polymorphism that is a causative factor in myocardial infarction Soubrier1994 Similar strategies have been suggested for other complex diseases such as eating disorders but not proven successful Allison1997 Fi contents directories DNA makes RNA RNA makes proteins proteins make intermediate phenotypes intermediate phenotypes make diseases E Abbildung 5 3 Sc
47. Die exportierten Medien kommen dann im Autorensystem vgl Abbildung 3 5 zum Einsatz Macromedia Flash MX 2004 Adobe Flash Adobe Flash ehemals Macromedia Flash ist eine integrierte Entwicklungsumge bung zur Erstellung multimedialer Inhalte Mit Flash k nnen zum einen Animatio nen und Filme erstellt werden und zum anderen interaktive und datenverarbeiten de Anwendungen Letzteres wird durch die integrierte Programmiersprache Acti onScript kurz AS erm glicht Die mit der kommerziellen Entwicklungsumgebung erstellten Quelldateien FLA Dateien m ssen vor der Einbindung in eine Webseite oder einen E Learning Kurs 93 3 2 Autorenwerkzeuge Entwicklungsmaterial erst kompiliert werden Die resultierenden SWF Dateien siehe Kapitel 3 1 k nnen dann mit Hilfe des frei erh ltlichen Flash Players abgespielt werden Der Flash Player ist f r die Betriebssysteme Windows Mac OSX und Linux erh ltlich und fun giert jeweils auch als Webbrowserplugin das hei t bei der Installation des Flash Players werden auch die g ngigen installierten Webbrowser z B Firefox Internet Explorer dahingehend erweitert dass sie SWF Dateien abspielen k nnen Adobe Photoshop CS2 Adobe Photoshop ist ein kommerzielles Bildbearbeitungsprogramm zur Bearbei tung von Rastergrafiken Photoshop genie t den Ruf eines der weltweit besten Bildbearbeitungsprogramme zu sein und ist im Bereich der professionellen Bild bearbeitung Marktf hrer D
48. E 3 Der Dozent Die Dozentin verh lt sich den Studierenden gegen ber freundlich und respektvoll 232 Evaluation der Pr senzveranstaltung Pr sentationskonzept Vorlesungskonzept uns p Jaye zws OOo aiu Ooo Jequomjueag J OAULIS WO T T a sh EL Zh Lh OL 6 8 Jg str L 0 uayomuy Jap yezuy ywwns ID Jaye uwns KH wou uns ER Jequomjueag J OAULIS WO OL SL th EL zZ I OL 6 8 D 9 S v E Z L 0 uayomuy Jap yezuy Abbildung EA Die Veranstaltung ist vermutlich f r die sp tere Berufspraxis sehr n tzlich Pr sentationskonzept Vorlesungskonzept ws Se EE WU Jaye PWNS qyolu zwwugs Jequomjuesg joAuUIS WD T T T T T T T OL Sb pl b Zh oth OL 6 8 7 JS SE S 4 l 0 uayomjuy Jap jyezuy wus Jaye JWUWI s a Jequomjuesg joAuUIS WD a StL FL EL ZA LL Ob 6 8 D 9 S t 4 L D USOMJUY Jap yezuy Abbildung E 5 Der Dozent Die Dozentin dr ckt sich klar und verst ndlich aus 233 Evaluation der Pr senzveranstaltung Pr sentationskonzept Vorlesungskonzept wuwns qyolu Jaya zws qyolu Jwwys Jequomjueeg OAUUIS YyoIU T T T T OL Sb ph b Zh oth OL 6 8 219 uayomjuy Jap yezuy quis qyolu Jaya Juwns qyolu Vum Jequomjuesg OAULIS YyoIU a SL FL EL ZA LL Ob 6 8 D 9 S USOMJUY Jap yezuy Abbildung E 6 Der Dozent Die Dozentin geht auf Fragen und Anregungen der Studierenden
49. EMILeA stat oben das seinen Ursprung in der Entwicklung der Lernsoftware Statistik interaktiv 1998 2000 sieht im Buchhandel auf CD ROM erh ltlich Apostolopoulos et al 2002 Neue Statistik II verspricht einen Online Gesamtlehrplan zur interaktiven Ver mittlung von Statistiklehrinhalten siehe http www neuestatistik de Das Pro jekt wurde in Zusammenarbeit von Statistik Lehrst hlen an zehn deutschen Hoch schulen entwickelt Die Lehreinheiten sind als Lernmodule aufbereitet in denen folgende Themen behandelt werden Deskriptive Statistik Wahrscheinlichkeitstheo rie Sch tzen Testen von Hypothesen Regression Erhebungsverfahren und Survivalana 1 1 bersicht ber verf gbare E Learning Angebote Einleitung lyse Laut Anbieter beinhalten die ber 80 Lernmodule klassische Lehrbuchtexte animierte Kurzvorlesungen Adobe Flash Format interaktive Java Applets For melsammlungen Fallstudien sowie Aufgaben mit L sungen f r das Statistiklabor http www statistiklabor de Schlittgen 2004 Der Onlinezugang ist nur f r Mitglieder und Partner des Konsortiums und de ren Lernende verf gbar Das schlie t auch die Dienstleistungen f r Lehrende und Lernende von CeDiS Center f r Digitale Systeme Kompetenzzentrum e Learning Multimedia Freie Universit t Berlin ein Beispielsweise besteht das An gebot f r Lehrende aus der Unterst tzung durch CeDiS Mitarbeiter bei der Nut zung des Statistiklabors der individ
50. Epidemiology Training in Genetic Epidemiology Training in Genetic Epidemiology nme Gm ine MN omeen 11 maa mate Ebbe ann eo Semen ate nee A em a aA am Deeg ore mc Gece nen 8 Wa ma 1 1 1 Where is the genetic information located 1 1 2 How Is the DNA bultt on 1 1 3 What Is RNA Abbildung 5 1 Schematische Darstellung der Umsetzung von Inhaltsseiten gem Dreh buch am Beispiel von Seite 2 des Buchs von Ziegler und K nig 2006 aufbauend auf die Abbildungen 4 3 und 4 4 Abgebildet sind drei fertige Inhaltsseiten die mit dem EXACT PACKAGER bzw der ONCAMPUS FACTORY umgesetzt wurden Auf der ersten Inhaltsseite ist eine Identifikationsfigur zu sehen in die zweite Seite wurde eine Interaktion integriert die gem einem eigens definierten Drehbuch mit Flash siehe Kapitel 3 2 4 implementiert wurde Die Kapitel 5 2 5 2 3 beschreiben wie die Multimedia Elemente mit den jeweils da f r am besten geeigneten Werkzeugen erstellt wurden Um die Vorteile einer agilen Softwareentwicklung z B Flexibilit t ausnutzen zu k nnen wurden die Arbeiten mit dem Autorenwerkzeug sowie die Produktion der Multimedia Elemente h ufig quasi parallel durchgef hrt Die hier gew hlte Kapitelstruktur entspricht also nicht unbedingt der tats chlichen Abfolge w hrend der Entwicklung 107 Umsetzung Evaluation Die Funktionsf higkeit der umgesetzten Lerneinheiten wurde mit sogenannten Modultests berpr ft
51. Fragen k nnen ber eine XML Datei flexibel konfiguriert werden das heift beispielsweise in verschiedene Sprachen bersetzt werden Die Ergebnisse der kleinen Evaluati on werden zusammen mit der durch den Benutzer eingegebenen L sung in einer Datenbank die zentral auf dem Evaluationsserver l uft gespeichert und k nnen vom Lernaufgabenadministrator oder Tutor online eingesehen und heruntergela den werden Mit Hilfe dieser Daten lassen sich die Lernaufgaben adaptiv verbes sern und an die individuellen Bed rfnisse der Benutzer anpassen Beispielsweise kann durch die kleine Evaluation ermittelt werden ob der Benutzer mit der Aus wertung unzufrieden war Wenn das der Fall ist kann dar ber hinaus ermittelt werden ob die eingegebene L sung nach Ansicht des Benutzers trotz schlechter Bewertung richtig war Der Lernaufgabenadministrator hat dann gegebenfalls die 131 5 2 Multimedia Elemente Umsetzung Problem 1 1 1 Die Auswertung war Answer the following questior Siet zufriedenstellend schlecht Which are the main constituents of aDNA molec Meine Loesung war nicht so gut wie die Musterloesung Do not for get to solve subproblem 2 and 3 e inhaltlich identisch zur Musterloesung besser als die Musterloesung Die erreichten Punkte waren zu hoch genau richtig zu niedrig Submit My Solution Model Solution Credit Points Maximum score 5 5 Backbone of sugar and phosphate residues bases adenine and guanine purines
52. Kapitels ein Abschnitt mit Lernaufgaben die das Wissen des gesamten Kapitels abfragen und trainieren Die Entscheidung wurde zugunsten des zweiten Konzepts gef llt da es die Ler nenden ermuntert sich die Inhalte eines Kapitels ber l ngere Zeit zu merken zu mindest bis zum Ende des jeweiligen Kapitels Das erste Konzept hat mehr einen Trainingscharakter und ist daher weniger gut zur Lernerfolgskontrolle geeignet als das zweite Konzept Vergleichen l sst sich das zum Beispiel mit einer Vorlesung bei 103 4 3 Drehbuch Konzeption des E Learning Kurses Drehbuch Quellskript Inhaltsseite 1 Inhaltsseite 2 Inhaltsseite 3 How is the DNA built on What is RNA Where is the genetic information located Abbildung 4 4 Beispiel f r die Einteilung des Quellskriptes in Drehbuchseiten Aus den drei Kernaussagen auf Seite 2 des Buchs von Ziegler und K nig 2006 wurden mit der IATFX basierten Drehbuchumgebung siehe Kapitel 3 2 direkt drei Drehbuchseiten entwickelt Bei der Entwicklung des Feinkonzepts wurde f r jede Inhaltsseite zun chst das grobe Lernziel mit Hilfe einer pr gnanten berschrift festgehalten der die Abschlu pr fung zum Erwerb des Scheins am Ende des Semesters durchge f hrt wird und nicht zum Ende jeder einzelnen Vorlesungsstunde Das regelm ige Training des Vorlesungsinhalts ist nicht Aufgabe der Abschlu pr fung sondern er folgt h ufig mit Hilfe von schriftlichen bung
53. R Schwarz D F Pahlke F Szymczak S Gieger C Heid I Meitinger T Ziegler A Schunkert H amp Erdmann J 2007 Genetic determinants of cardiac mass and structure Preliminary results of the first gwa study Genet Epidemiol 31 6 628 Pahlke E 2005 Randomization In Treatment Arms Weiterentwicklung und richt linienkonforme Validierung eines Randomisierungsprogramms f r klinische Stu dien In Klar R K pcke W Kuhn K Lax H Weiland S amp Zai A Hrsg 50 Jahrestagung der Deutschen Gesellschaft fiir Medizinische Informatik Biometrie und Epidemiologie gmds 12 15 September 2005 Freiburg im Breisgau Doc 05gmds658 German Medical Science D sseldorf URL http www egms de en meetings gmds2005 05gmds522 shtnml 247 Pahlke F K nig I R amp Ziegler A 2005 Online Training Course in Genetic Epide miology In NGFN Meeting 19 20 November 2005 University of Bonn Abstracts S 314 Nationales Genomforschungsnetz Bonn Pahlke F K nig I R amp Ziegler A 2006 Onlinetraining in Genetischer Epidemio logie In Trampisch H J Windeler J amp Ziegler A Hrsg Evaluation 2006 im Gesundheitswesen 6 9 M rz 2006 Bochum S 44 Pahlke F K nig I R amp Ziegler A 2006 Onlinetraining in Genetischer Epide miologie In L ffler M amp Winter A Hrsg Klinische Forschung Vernetzen S 298 GMDS D sseldorf Pahlke F K nig I
54. ReT3 Dokumentation XML Knoten group asus 44 6446 aus 221 ReT3 Dokumentation XML Knoten keyword 2 2 2 2220 221 XGAP Dokumentation XML Knoten pedigree 2 2 2 2 224 XGAP Dokumentation XML Knoten generation 2 2 225 AGAP Dokumentation AML Knoten couple u 0000 00 0 225 XGAP Dokumentation XML Knoten person 2 22 00 226 XGAP Dokumentation XML Knoten marker 2 22 2020 227 xiv 1 Einleitung 1982 wurde das junge Forschungsgebiet der Genetischen Epidemiologie der Be griff wurde erst in den 1970er Jahren gepr gt von Newton E Morton wie folgt definiert Genetic epidemiology deals with etiology distribution and control of disease in groups of relatives and with inherited causes of disease in populations Morton 1982 Diese Definition ist bis heute gleich geblieben Morton 2006 S 269 das Forschungsgebiet und seine Schwerpunkte dagegen haben sich in den letzten Jahrzehnten mit rasantem Tempo weiterentwickelt siehe Abbildung 1 1 Die beiden Forschungsgebiete der Genetik und der Epidemiologie haben sich tiber die Jahre langsam angen hert und sind schlie lich zu einem eigenst ndigen Fach gebiet verschmolzen vgl Morton 2006 Sp testens nach der Entschl sselung der menschlichen DNA Sequenz The International Human Genome Mapping Consor tium 2001 Venter et al 2001 wurde die Bedeutsamkeit der Genetischen Epide miologie allgemein erkannt Der Erfolg der genetisc
55. S 070 0 gt Preceived 0 7 2 0 9 0 5 3 0 0 09 0 Algorithmus B 2 bezieht die Credits bereits ab dem zweiten Schritt ein und umgeht das zuvor beschriebene Problem auf diese Weise Algorithmus Bi Freitextauswertung mit verbesserter Bewertung hnlichkeitsmatrix S erzeugen sj d de 0 1JAd f w k i 1 n j 1 m Creditmatrix P erzeugen 1 1 1 1 1 Pi Pko pn Pin gt p p o p P p gt Ph Ph ao Pin K kz l Km op Pk Pk Ea Pky wobei px die Creditpunkte des j ten Schl sselwortes bezeichnen 202 B 1 Entwicklung von Auswertungsalgorithmus I Auswertungsalgorithmus hnlichkeitsmatrix S elementweise mit der Creditmatrix P multiplizieren SP geb mit P pi Indexmatrix erzeugen du 1J l Py EE 5 j 1 m 0 sonst Sei elementweise von links oben nach rechts unten durchgehen und ber ssige len eliminieren n 0 Lei Pie gt 1A gt rj gt 1 d sonst PES sate Je bsss m rs Die gewichtete hnlichkeitsmatrix S P elementweise mit der Indexmatrix di multi plizieteh SSP 0 dag Galan E DE CT zeilenweise durchgehen und in jeder Zeile nur den gr ten Wert behalten j 1 Si Sy max si A Z s 0 H 1 1 1 u j Pi N ik t Leg Je less 0 sonst S spaltenweise durchgehen und in jeder Spalte nur den gr ten Wert behalten i 1 Si Si max s A X Se nm ijr Si h 8 J hai Y d Go ree ame ed a
56. Therefore the genetic information we are looking for is coded exactly in the linear sequence of the bases of the DNA fragment This linear sequence of the bases is called the primary structure of the DNA As the bonding of the bases between the two strands is specific the two strands can be said to be complementary meaning that the sequence of one strand can be exactly inferred from the other As a consequence if one wants to de scribe the sequence it suffices to write the sequence of one strand Here it has become customary to write the sequence in the 5 to 3 direction Einheit Groesse The basic length unit of the DNA is one nucleotide or one j 5 base pair bp which refers to the two bases that connect the two strands In total the human DNA contains about 3 3 billion bp Abbildung 3 1 Beispiel f r eine Drehbuchseite die mit der KIEX basierten Drehbuchum gebung erstellt wurde An oberster Stelle steht der Titel der immer mit LO Inhaltsseite X beginnt und bereits in der Grobkonzeptphase bestimmt wird Darunter folgen die Lernzie le Dann erst folgt der eigentliche Bildschirmtext Der entscheidende Inhalt dieser Seite ist durch eine geeignete Textkennzeichnung hervorgehoben F r die schrittweise berf hrung des originalen KTpX Quelltextes in das Drehbuch sind diese neuen Befehle unter anderem wichtig zur Unterscheidung zwischen Text teilen die sich noch im Originalzustand befinden und Textteilen die bereits
57. W3C standardisiertes Regel werk f r den Aufbau von Dokumenten dar W3C 2006 Mit Hilfe von XML lassen sich durch strukturelle und inhaltliche Einschr nkungen anwendungsspezifische Sprachen definieren beispielsweise XHTML oder XGAP siehe Kapitel 5 2 2 XHTML Die Extensible HyperText Markup Language kurz XHTML ist eine W3C standardisierte textbasierte Auszeichnungssprache zur Darstellung von Inhalten siehe W3C 2002 Es handelt sich dabei um eine Neuformulierung von HTML 4 in XML 1 0 und soll den alten HTML Standard ersetzen Die Darstellung von XHTML Dokumenten erfolgt mit einem so genannten Browser Die am weitesten verbreiteten Browser in Europa sind der Internet Explorer mit 67 Prozent Marktanteil und der Mozilla Firefox mit 28 Prozent Stand Juli 2007 Quelle XiTiMonitor URL http www xitimonitor com CSS Cascading Style Sheets kurz CSS ist die Standard Stylesheetsprache f r das Inter net Bos et al 1998 Mit Hilfe von CSS wird in einem oder mehreren zentralen Dokumenten Abschnitten oder CSS Dateien definiert wie der eigens daf r ausge zeichnete Inhalt in zum Beispiel HTML oder XML Dateien dargestellt werden soll Ein grofser Vorteil des Einsatzes von CSS ist die saubere Trennung von Darstellung 176 3 1 Datei und Medienformate Entwicklungsmaterial und Inhalt was ein nachtr gliches ndern der Darstellung z B Anpassung an neue Bildschirmaufl sungen erheblich vereinfacht JavaScript Jav
58. aktuelle graphische Bildschirminhalt bezeichnet SOP Eine Standardarbeitsanweisung engl Standard Operating Procedure kurz SOP beschreibt das Vorgehen innerhalb eines Arbeitsprozesses Mit Hilfe ei ner SOP kann z B bei h ufig wiederkehrenden Arbeitsabl ufen eine gleich bleibende Qualit t gew hrleistet werden Soziale Software Eine sogenannte Soziale Software engl Social Software ist eine Software die der menschlichen Kommunikation und Zusammenarbeit dient und den Aufbau von Communities unterst tzt SWE siehe Flash Vektorgra k Eine Vektorgrafik ist eine Computergrafik die aus einer Bildbe schreibung besteht die die Objekte z B Linien Kreise Polygone oder Kur ven aus denen das Bild aufgebaut ist exakt definiert Beispielsweise werden f r die Darstellung eines Kreises nicht wie bei einer Rastergrafik die einzelnen Bildpunkte gespeichert sondern nur die Parameter Mittelpunktposition Ra dius Linienst rke und Farbe Vektorgrafiken ben tigen in der Regel deutlich weniger Speicherplatz als Rastergrafiken und k nnen ggf mit einem passen den Vektorgrafikprogramm verlustfrei bearbeitet und ver ndert werden Z B ist eine beliebige Skalierung der Gr e ohne Qualit tsverlust m glich Virtuelle Community siehe Online Community Webbrowser Webbrowser auch Browser genannt to browse engl bedeutet durchsuchen bl ttern dtsch sind spezielle Computerprogramme zum Be trachten von Webseiten im World Wide Web W
59. ausreichend ein Prasentationskonzept Vorlesungskonzept quis Jaye uwns Wou JUS Jeqomjuesg OAULIS WO EN T T T T QL Sb ph EL ZL Lb Ob 6 SS 9 8 uayomjuy Jap yezuy quis Jaye uwns Wou JUS Jequomjuesg OAULIS WO Rene a rt fr on 01 1 2 foo QL Sb ph EL ZL LL OL 6 8 L 9 S uayomjuy Jap yezuy Abbildung E 7 Die Veranstaltung gibt einen guten berblick ber das Themengebiet 234 Evaluation der Pr senzveranstaltung Pr sentationskonzept Vorlesungskonzept ywwns Jaye uwns Fe ID zwwgs Jequomjueag J OAULIS WO T T a sh EL Zh Lh OL 6 8 Jg str L 0 uayomuy Jap yezuy ywwns Jaye uwns Deg ID UWNS Jequomjueag J OAULIS WO OL Ss th EL zZ LL OL 6 8 D 9 S v E Z L 0 uayomuy Jap yezuy Abbildung E 8 Der Dozent Die Dozentin f rdert mein Interesse am Themenbereich Pr sentationskonzept Vorlesungskonzept ywwugs WU Jaye uns qyolu zwwugs Gest EEN Jequomjuesg joAuUIS WD T T T T T T T OL Sb pl b Zh oth OL 6 8 7 JS SE S 4 l 0 uayomjuy Jap jyezuy qwws Jaya uwns Be you zwwugs Jequomjuesg Jjoauu s WD TIty Ttot oe TEE Tr E TEE OL StL ph b ZIL OL 6 8 L 9S pr O uayomjuy Jap yezuy Abbildung E 9 Die Art wie die Vorlesung gestaltet ist tr gt zum Verst ndnis des Stoffes bei 235 Evaluation der Pr senzveranstaltung A
60. bei denen diese Stabilit t der relativen H ufigkeiten zu beobachten ist bezeichnen wir als Zufallsexperimente Applet Monzwurf Zufallsexperimente zeichnen sich durch drei Eigenschaften aus Applet zum Venn Diagramm II Es gibt mehrere m gliche Ergebnisse des Vorganges BUNGEN Bei einer Durchf hrung ist das Ergebnis nicht mit Sicherheit Gharakterislaren von vorhersagbar Zufallsexperimenten e mit ihren Der Vorgang ist unter gleichen Randbedingungen Ergebnissen und der wiederholbar Ereignismenge Rechnen mit Die erste Eigenschaft stellt sicher dass wir nicht immer das gleiche Ereignissen Ergebnis erhalten Dieses h tte ja sonst in jeder Versuchsserie die i j In Ereignisse im relative H ufigkeit eins Das w re zwar sehr stabil aber auch Venn Diagramm sllin uninteressant Abbildung A 7 Screenshot der Benutzeroberfl che von Neue Statistik bzw Neue Statistik II Die Benutzeroberfl che ist recht ansprechend gestaltet die Navigation ist einheitlich und intuitiv Leider sind die Seiten h ufig so lang dass der Benutzer beim Lesen laufend nach unten Scrollen muss Sowohl mit dem Firefox Browser als auch mit dem Internet Explorer wurden Umlaute und Sonderzeichen nicht korrekt dargestellt STARB Glossar Texte Impressum Home LernStats Skalen Entscheidungsbaum zum Skalenniveau Glossar LernStats Kapitel 2 Seite 3 5 Beim Klick auf die grau hinterlegten Glossareintrage i
61. das hei t alle Komponenten und Module des E Learning Systems wurden f r sich isoliert auf Funktionsf higkeit und Fehlerfreiheit getestet Nach Abschluss der Modultests wurde ein sogenannter Integrationstest durchge f hrt das hei t die fertigen Inhaltsabschnitte und Einzelkomponenten des komple xen E Learning Systems die zur einfacheren Handhabung einzeln als kleinere Teil probleme bearbeitet wurden wurden im Zusammenspiel miteinander getestet Bei diesen Tests ging es in erster Linie um die Absicherung der technischen Funk tionsf higkeit der Lerneinheiten Die Evaluation durch Benutzer in der das Projekt auch bez glich anderer Erfolgsfaktoren berpr ft werden kann z B in Bezug auf das Lehr und Lernkonzept erfolgt in Kapitel 6 108 5 1 Produzierte Lernseiten Umsetzung 5 1 Mit dem Autorenwerkzeug produzierte Lernseiten Um die Ergebnisse der Umsetzung zu veranschaulichen sollen an dieser Stel le einige ausgew hlte Inhaltsseiten aus dem fertigen Kurs Training in Genetischer Epidemiologie pr sentiert werden Dabei wird noch nicht auf die dort enthaltenen Mutlimedia Objekte eingegangen da diese im nachfolgenden Kapitel gesondert be trachtet werden sollen Nur auf diese Weise kann gen gend Raum geschaffen wer den um auf die jeweiligen Besonderheiten in angemessener Weise einzugehen Es wird hier bewusst darauf verzichtet ganze Abschnitte oder gar den gesamten E Learning Kurs abzubilden Das w rde zum einen
62. dem Online Kurs eigenst ndig auf die n chste Vorlesung vorzubereiten 6 Semester Veranstaltung mit Online Nachbereitung Die Teilnehmer nutzen die Zeit zwischen zwei Vorlesungsveranstaltungen um die letzte Vorlesung ei genst ndig mit dem Online Kurs nachzubereiten 42 2 2 Lernaufgaben Methoden 2 2 Lernaufgaben Zu den wichtigsten Erfolgsfaktoren eines technolgiegest tzen Lernsystems geh ren didaktisch ausgereifte Lern und bungsaufgaben Es geht um die Frage wie Lernaktivit ten sichergestellt werden k nnen Hierbei erweisen sich a Lernaufga ben und b tutorielle Betreuung als kritische Erfolgsfaktoren f r E Learning Bestimmte kognitive und oder emotionale Prozesse sind notwendig damit Lerner folge tats chlich eintreten Dabei kann das Medium diese Lernprozesse anregen sie aber sicherzustellen ist die Forderung an eine Lernaufgabe Kerres 2005 S 169 170 Lernaufgaben sollen den eigentlichen Lernprozess durch eine geeignete Aufgaben stellung anregen Anders als beispielsweise Hausaufgaben dienen diese also nicht dazu einen Lernprozess der bereits stattgefunden hat zu sichern sondern sie sol len den Lernprozess als solches aktivieren vgl Seel 1981 Es geht bei den Lern aufgaben also zum einen darum Informationen durch bung in Wissen zu trans formieren zum anderen aber auch darum den Lernfortschritt messbar das hei t f r den Lernenden und Lehrenden sichtbar zu machen Die
63. den Rahmen dieser Arbeit spren gen zum anderen reichen die Freiheitsgrade eines gedruckten Dokuments nat r lich nicht ansatzweise aus um ein technologiebasiertes Lernmodul in ad quater Art und Weise darzustellen Der Leser sei daher bei Interesse am gesamten Kurs auf die Online Version siehe Kommunikationsplattform Kapitel 5 3 verwiesen Die Abbildungen 5 2 5 5 zeigen vier ausgew hlte Lernseiten des fertigen Kurses Training in Genetischer Epidemiologie Die Abbildungen sollen dem Leser ein Gef hl f r die Lernumgebung geben sowie die Bandbreite der eingesetzten didaktischen Techniken illustrieren Der erste berblick ber die Inhalte des Kurses ist klar struk turiert Abbildung 5 2 wichtige Textpassagen werden sinnvoll hervorgehoben Li teraturverweise sind direkt im Text verlinkt Abbildung 5 3 um dem Benutzer die Orientierung innerhalb einer Lernseite zu erleichtern sind unter anderem Bei spiele Formeln und Tabellen entsprechend am linken Rand gekennzeichnet Abbil dung 5 4 inhaltliche Zusammenh nge werden neben der textuellen Beschreibung h ufig auch visuell dargestellt Abbildung 5 5 109 5 1 Produzierte Lernseiten Umsetzung Training in Genetic Epidemiology tents dir Overview Welcome to the online training course in Genetic Epidemiology Learning Objectives In the whole course you will learn the most important knowledge about Molecular Genetics Formal Genetics Genetic Markers
64. durchgef hrt Im Juni 2008 wurden Teile des Kurses in der Sommerschule Genomweite Assoziationsstu dien St Andreasberg 1 4 Juni eingesetzt die von der Deutschen Region der In ternationalen Biometrischen Gesellschaft veranstaltet wurde Insgesamt kann dazu gesagt werden dass die R ckmeldungen der Teilnehmer sehr positiv waren und im wesentlichen die Ergebnisse der nachfolgenden Evaluation widerspiegelten Im ersten Teil der Betrachtung der Evaluationsergebnisse sollen die Stichproben der Kurse 03 2007 und 09 2007 etwas n her beschrieben werden Abbildung 6 1 macht deutlich dass die Teilnehmer sehr unterschiedlich ausgebildet sind also ein sehr he terogenes Vorwissen mitbringen Die meisten Teilnehmer haben einen abgeschlos senen Hochschulabschluss und sind oder waren wissenschaftlich t tig siehe Abbil dung 6 2 Das mittlere Alter der Teilnehmer betr gt 32 Jahre Standardabweichung Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 Ian seo 2 cx g E Ss g lt SsmHeESEeESS ER lt 9 o eas 83s5 3185 HD a 2 2 g a E E o x E s 5 C 4 ie 2 2 EN oO o 2 2 lt wel lt gal 3 3 S S E E Abbildung 6 1 Ausbildung der Abbildung 6 2 Ausbildungsstand Kursteilnehmer der Kursteilnehmer co 7 in Kurs 03 2007 und 35 Jahre Standardabweichung 0 6 in Kurs 09 2007 siehe Abbildung 6 3 Das weibliche Geschlecht ist etwas h ufiger vertreten als das m nnliche siehe A
65. e Mouse Over Interaktion auch Rollover Interaktion genannt Aktionen wer den durch die Bewegung des Mauszeigers auf aktive Regionen ausgel st Es handelt sich dabei um vorab definierte Regionen an denen ein sogenann ter Event Handler dtsch Ereignisbehandler lauscht ob das Mausereig nis Mouse Over eingetreten ist und gegebenenfalls ein bestimmtes Ereignis ausl st Dar ber hinaus kommt hier noch ein spezielles Mouse Over Konzept zum Einsatz das eigens f r dieses Projekt entwickelt wurde Die bidirektionale Mouse Over Interaktion Die Funktionsweise der didaktische Hintergrund sowie die dem Kon zept zugrunde liegende Idee sollen nachfolgend kurz beschrieben werden 113 5 2 Multimedia Elemente Umsetzung Gr nes Dreieck Abbildung 5 6 Illustration der Hintergrundidee zum bidirektionalen Mouse Over Konzept Der Dozent zeigt mit seinem Zeigestock auf die Darstellung seines gesprochenen Wortes d h er stellt eine unmittelbare Beziehung zwischen Text und Bild her Um Studierenden in einer Vorlesung komplexe Inhalte zu vermitteln versuchen Dozenten h ufig verschiedene Sinne der Lernenden anzusprechen So wird der gesprochene oder an die Tafel geschriebene Text h ufig mit Hilfe einer grafischen Darstellung zus tzlich illustriert Der Text wird unmittelbar mit der passenden Ab bildung in Beziehung gesetzt In Abbildung 5 6 spricht der Dozent vom gr nen Dreieck und zeigt gleichzeitig auf die passende
66. f r die Strukturierung der lokalen Daten erweitert um auf diese Weise die Nachhaltigkeit positiv zu beeinflussen Bereits kurz nach Projektstart war absehbar dass die Menge an anfallenden Quell und Medien Dateien derart anwachsen w rde dass eine sp tere Pflege des Projekts ohne standardisierte Datenstruktur u erst schwer werden w rde F r die SOP wurden folgende Richtlinien festgelegt 1 Es soll eine strikte Trennung von Medien und Textinhalt erfolgen 2 Fertige Medien sollen von ihren Quelldaten getrennt abgelegt werden 3 Die Ordnerstruktur soll sich an der Struktur des Lerninhalts Kapitel etc ori entieren um ein schnelles und intuitives Auffinden der Medien zu gew hrlei sten In Abbildung 2 7 ist die finale Version der SOP f r die Strukturierung der lokalen Daten schematisch dargestellt Die Daten sind an oberster Stelle getrennt in Textin halte Ordner content und Medien Ordner resources Die Strukturierung der Me dien wiederum orientiert sich an der Struktur des Lerninhalts Ordner chapter_1 chapter_12 Abbildungen und Interaktionen liegen in den Ordnern gures und intercations wobei jede Abbildung und jede Interaktion einen eigenen Unterordner erh lt Die Quelldateien zu den Medien liegen getrennt im Ordner src wobei dieser eine analoge Unterordner Struktur aufweist Diese strikte Trennung hat den gro en Vorteil dass die Quelldaten bei der Ver ffentlichung des fertigen E Learning Kurses auf einfach
67. he Abbildung 2 5 e Bei 86 der Abbildungen die zu Aufgabenstellungen geh ren handelt es sich um Familienstammb ume Insgesamt beziehen sich die Aufgaben auf 43 ver schiedene Familienstammb ume 47 2 2 Lernaufgaben Methoden Aufgabentypklassen 60 65 70 i l Berechnung Beweis 55 i Multiple Choice Begriffsdefinition Daten und Fakten Anzahl der Vorkommnisse 15 20 25 30 35 40 45 50 i l 1 Textuelle Beschreibung 10 u ii o E BE Abbildung 2 5 Empirisch ermittelte Auftrittsh ufigkeiten der verschiedenen didaktischen Aufgabentypklassen im Buch von Ziegler und K nig 2006 148 2 2 Lernaufgaben Methoden 2 2 3 Grundlagen der algorithmenbasierten Auswertung von Freitext Lernaufgaben F r das Verst ndnis der algorithmenbasierten Auswertung von Freitext Lernaufgaben bedarf es einiger theoretischer Grundlagen die in diesem Teil der Arbeit kurz dargestellt werden sollen Einen von einem Lernenden frei einge gebenen Text allein mit einem mathematischen Algorithmus auszuwerten ist eine u erst schwierige Aufgabe da die Bewertung oder gar das Verst ndnis mensch licher Worte und S tze ein Problem mit hoher Komplexit t ist Eine zuverl ssige computergest tzte semantische Analyse also die Erschliessung von Sinn und Bedeutung eines Textes durch einen Algorithmus ist derzeit noch nicht m glich Die Forschung auf diesem Gebiet befindet sich nach wie vor im Anfangsstadium Im Inte
68. lt person id p4 father pl mother p2 sex female gt lt generation gt lt generation gt lt pedigree gt Abbildung 5 22 Beispiel f r einen XGAP kodierten Stammbaum Der Stammbaum enth lt in der F1 Generation ein Elternpaar mit einem erkrankten Vater und in der F2 Generation zwei gesunde Kinder Das XGAP Format zeichnet sich durch folgende Punkte aus e Das Format ist leicht lesbar weil die einzelnen Generationen und Elternpaa rungen sofort ersichtlich sind Bereits bei der Betrachtung der XGAP Datei in einem beliebigen Editor ist der Stammbaum nachvollziehbar siehe Abbil dung 5 22 e Das Format ist flexibel einsetzbar weil es auf XML basiert und ein XML 124 5 2 Multimedia Elemente Umsetzung Schema zur Validierung bereitgestellt wird die vollst ndige XML Schema Datei ist in Anhang D abgedruckt e ber entsprechende XML Attribute ist es m glich erweiterte Informationen direkt einzubinden Geschlecht M nnlich weiblich unbekannt Krankheitsstatus Nicht erkrankt erkrankt bertr ger unbekannt Personenname Eltern bzw Vater und Mutter Person verstorben Ja Nein Marker Allele Haplotypen es handelt sich um den Index Proband Ja Nein die Personen bei der Darstellung durchnummerieren Ja Nein Generationenname IBS und oder IBD Wert anzeigen Ja Nein Zwillingsstatus Eine ausf hrliche Beschreibung der m glichen XML
69. lt xs attribute name view type xs NCName default maximize gt lt xs attribute name x type xs integer gt lt xs attribute name y type xs integer gt lt xs complexType gt lt xs element gt 228 XGAP Dokumentation lt xs element name generation gt lt xs complexType gt lt xs choice minOccurs 1 maxOccurs 3 gt lt xs element ref generation minOccurs 0 gt lt xs element ref person maxOccurs unbounded minOccurs 0 gt lt xs element ref couple maxOccurs unbounded minOccurs 0 gt lt xs choice gt lt xs attribute name name use required type xs NCName gt lt xs attribute name numbering type xs boolean default false gt lt xs attribute name showname type xs boolean default false gt lt xs complexType gt lt xs element gt lt xs element name couple gt lt xs complexType gt lt xs sequence gt lt xs element minOccurs 2 maxOccurs 2 ref person gt lt xs sequence gt lt xs attribute name id use required type xs NCName gt lt xs complexType gt lt xs element gt lt xs element name person gt lt xs complexType gt lt xs sequence gt lt xs element minOccurs 0 maxOccurs unbounded ref marker gt lt xs sequence gt lt xs attribute name affection type xs NMTOKEN default o gt lt xs attribute name count type xs integer default 1 gt lt xs attribute name deceased type xs boolean default
70. molecule type Free text header hide dependence nicht abh ngig Abbildung 5 27 Screenshot des ReT3CMS Formulars f r das Editieren von Aufgaben stellungen 134 5 2 Multimedia Elemente Umsetzung Titel Solution 1 1 1 Musterl sungstext Backbone of sugar and phosphate residues bases adenine and guanine purines cytosine and Maximum score 5 5 Keywords Anzahl 9 Sum of scores 5 5 Reihenfolge egal sugar phosphate phosphor base adenine guanine purines cytosine thymine pyrimidines Neues Keyword hinzuf gen Abbildung 5 28 Screenshot des ReT3CMS Formulars f r das Editieren von Muster l sungen Suproblem 1 ie al Hinzuf gen L schen ichern R ckg ngig Vorschau d Abbildung 5 29 Screenshot der ReT3CMS Schaltfl che Mit Hilfe der Kn pfe im oberen Teil lassen sich Teilprobleme ausw hlen hinzuf gen und l schen Die Kn pfe im unteren Teil dienen dem Aktualisieren Speichern und R ckg ngigmachen von nderungen 135 5 3 Kommunikationsplattform Umsetzung 5 3 Kommunikationsplattform Um einen Lehrauftrag ad quat erf llen zu k nnen muss ein E Learning Kurs in ei nem geeigneten Kontext pr sentiert beziehungsweise angeboten werden zum Bei spiel eingebettet in einen Lernraum vgl Kapitel 2 1 3 Der Lernraum des Kurses Training in Genetischer Epidemiolo
71. ndig Neben dieser Be wertung erh lt der Benutzer vom Lernaufgabenmodul ein Feedback Bei der erst maligen Benutzung des Lernaufgabenmoduls wird in Abh ngigkeit von den gerade erreichten Punkten ein Feedback angezeigt 9 Bei allen darauffolgenden Auswer tungen wird das Feedback nach der ILE Methode siehe Kapitel 2 2 5 generiert 11 also in Abh ngigkeit von den vorhergenden Ergebnissen Im Beispiel wurde zu n chst die erste Teilaufgabe gel st und anschliessend die zweite Nachdem der Submit Button gedr ckt und die Aus und Bewertung abgeschlossen wurden werden die Schaltfl chen Model Solution und Credit Points eingeblen det siehe Abbildung 5 26 Damit kann der Benutzer auf die Musterl sung zugrei fen 12 und sich die bis dahin erreichten Punkte sowie den Gesamtpunktestand anzeigen lassen 10 Falls die Aufgabe aus mehreren Teilaufgaben besteht im Beispiel gibt es drei ver schiedene Teilaufgaben dann wird der Benutzer nach der Aus und Bewertung einer Teilaufgabe an gegebenenfalls noch nicht gel ste Teilaufgaben erinnert 13 Zum Abschluss der Aus und Bewertung einer Teilaufgabe pr ft das Lernaufga benmodul ob es ber das Internet eine Verbindung zu einem Evaluationsserver aufbauen kann Wenn die Verbindung erfolgreich hergestellt werden kann dann wird ein kleiner Evaluationsbogen eingeblendet 14 mit dessen Hilfe dem Benut zer drei Fragen zur Qualit t der Aus und Bewertung gestellt werden Die
72. r die Entwicklung und den Betrieb des Lernsystems beschrieben Das schlie t zum Beispiel die Systemanforderungen For mate und Standards sowie Softwarewerkzeuge ein 28 2 1 Lehr und Lerntheorie Methoden 2 1 Lehr und Lerntheorie Mit der technologiegest tzten Lehre h lt man verschiedene Instrumente in der Hand um die kognitiven M glichkeiten des Lernenden gezielt zu nutzen Die Nut zung dieser Instrumente in der Regel gew hrleistet durch das Zugrundelegen ei nes geeigneten didaktischen Konzepts ist essentiell f r den Erfolg von Projekten dieser Art Zum Lernen geh rt viel mehr als nur Text auf einer Seite Freeman und Sierra 2005 S XXV Es ist wichtig gezielt mehrere Sinne anzusprechen um die Lernf higkeit zu erh hen Persuasive Kommunikationstechniken die sich unter dem Begriff der Visuellen Rhetorik zusammenfassen lassen k nnen dabei hilfreich sein auf die Visuelle Rhetorik wird in Abschnitt 2 1 3 noch n her eingegangen Das didaktische Konzept sollte dabei aber immer in den Vordergrund gestellt werden und nicht die technische Umsetzung denn Oft bleiben Projekte technikverliebt und sind nicht konsequent auf die L sung von Bildungsproblemen ausgerichtet Es kann also keineswegs davon ausgegangen werden dass eine m glichst at traktive aufmerksamkeitserregende z B multimediale Pr sentation die erwarteten Lerneffekte erzeugt Kerres 2005 S 156 158 die Konzeption so
73. sselworten kann optional definiert werden dass die Reihenfolge zu beachten ist e Alle Ergebnisse werden automatisch lokal auf dem Computer des Benutzers abgespeichert ffnet der Benutzer eine Lernaufgabe die er bereits bearbeitet hat dann werden die Ergebnisse der Aus und Bewertung automatisch ge laden Der Benutzer kann zudem seinen pers nlichen Gesamtlernfortschritt einsehen indem er die in ReT3 anw hlbare bersicht ber alle bis dahin er reichten Punkte sowie den Gesamtpunktestand betrachtet e Neben klassischen Aufgabentypen wie zum Beispiel Single und Multiple 128 5 2 Multimedia Elemente Umsetzung Choice vgl Kapitel 2 2 1 werden von ReT3 auch Freitextaufgaben unterst tzt Daf r wurden die beiden Auswertungsalgorithmen 2 1 und 2 2 siehe S 57 und 59 sowie ein ILE Feedbackgenerator siehe Kapitel 2 2 5 mit Flash Acti onScript implementiert e ReT3 kann so konfiguriert werden dass der Benutzer nach einer Auswertung mit einem sehr schlechten Ergebnis z B Erreichen von weniger als 30 der Punkte f r jede Aufgabe eine einmalige Nachbesserungsm glichkeit erh lt Damit k nnen der Trainingseffekt gesteigert und Demotivation durch schlech te Ergebnisse verhindert werden e Zur Verbesserung der Aufgabenstellung und auswertung erm glicht ReT3 ei ne halbautomatische Adaption der Lernaufgaben e Es wird das Einbinden von externen Medien in die Aufgabenstellung unter st tzt Beispielsweise kann
74. to computers will unleash a revolution of new 167 Literaturverzeichnis Literaturverzeichnis possibilities Sci Am 284 5 28 37 URL http www sciam com article cfm id the semantic web Bongulielmi L 2001 Leitfaden f r Interface Entwickler des Projektes Coma Zentrum f r Produkte Entwicklung ETH Z rich Bonsiepe G 1996 Interface Design neu begreifen Bollmann K ln Bos B Lie H W Lilley C amp Jacobs I 1998 Cascading Style Sheets level 2 CSS2 Specification W3C Recommendation URL http www w3 org Style CSS Bourier G 2002 PC Statistiktrainer Eine interaktive Lernsoftware Software CD ROM Verlag Neue Wirtschafts Briefe Herne Brown J S Collins A amp Duguid P 1989 Situated cognition and the culture of learning Educational Researcher 18 1 32 43 Cannings C amp Edwards A 1968 Natural selection and the de Finetti diagram Ann Hum Gen 31 4 421 428 Chambers G N 1999 Motivating Language Learners Modern Languages in Practice Multilingual Matters Ltd Clevedon CSHL 2002a DNA from the Beginning Cold Spring Harbor Laboratory New York URL http www dnaftb org CSHL 2002b Gene Almanac Cold Spring Harbor Laboratory New York URL http www dnalc org CSHL 2003 DNA interactive Cold Spring Harbor Laboratory New York URL http www dnai org Ebel R L amp Frisbie D A 1991 Essentials of Educational Measurement F nfte Aus gabe
75. unangenehm schrillen Hintergrund pr sentiert wird Neben Motivations und Hygienefaktoren ist f r die Erh hung der Lernf higkeit das gezielte Ansprechen von mehreren Sinnen wichtig Daf r kann man sich zum Beispiel den Mitteln der Visuellen Rhetorik bedienen einer Ansammlung von Heu ristiken die dazu eingesetzt werden um Gef hle Stimmungen und Einstellungen beim Benutzer des Lernmoduls zu beeinflussen Bei der Entwicklung eines Lern moduls erfordert das den gezielten Einsatz visueller Hervorhebungen z B Far ben Kontraste Formen Texturen Bewegung etc In dem Augenblick da er der Designer die Information gestaltet also sinnlich erfahrbar macht beginnt bereits der Prozess der rhetorischen Infiltration bei der Gestaltung der Informationen treten die verbalen und visuellen Komponenten in Wechselwirkung Bonsie pe 1996 S 90 Auf diese Weise werden gezielt mehrere Sinne angesprochen was zur Erh hung der Lernf higkeit beitr gt Die M glichkeiten der Visuellen Rhetorik k nnen dar ber hinaus durch den Einsatz der Dynamischen Rhetorik im Bereich der Computergrafik erweitert werden Damit sind beispielsweise Animation und Bild sequenzen gemeint vgl Bonsiepe 1996 Die Richtlinien und Empfehlungen dieses Abschnitts die die Grundlagen f r das didaktische Konzept des Kurses Training in Genetischer Epidemiologie bilden werden in Abbildung 2 3 mit einer schematischen Darstellung zusammengefasst Bi
76. und Seitenstruktur Abbildung 2 3 Illustration der Bestandteile des didaktischen Konzepts des Kurses Es wer den zum einen Elemente aus dem Instruktionsdesign und dem Konstruktivismus kombi niert und zum anderen wichtige Hygiene und Motivationsfaktoren ber cksichtigt br chten die neuen technischen M glichkeiten auch wirklich einen Gewinn f r die bildungshungrige Kundschaft Kirchgessner 2008 S 22 Das didaktische Kon zept des Kurses soll hier deshalb noch um ein Konzept f r die Nutzung der fertigen Lernsoftware erweitert werden Dieses Konzept sieht vor dass der Kurs in einem f r den Lernerfolg sinnvollen Kontext angeboten wird der im Folgenden Lernraum genannt werden soll Abbildung 2 4 zeigt eine schematische Darstellung des Lern raums der f r den Kurs verwendet werden soll Er beinhaltet vier wesentliche Elemente f r den erfolgreichen Einsatz des Kurses in der Praxis e Eine Kommunikationsplattform e technische Betreuung 38 2 1 Lehr und Lerntheorie Methoden Lernraum Online Kommunikations Plattform E Learning Kurs Technische Betreuung Administration Lerninhalt Inhaltliche Interaktionen Betreuung Motivationselemente Lernerfolgskontrolle Pr senzveranstaltung Lernende Abbildung 2 4 Schematische Darstellung des Lernraums Um die Kommunikation und Vernetzung zwischen den Lernenden sowie den Lernenden und Kursbetreuern zu f rdern wird der Kurs eingebettet in einen Lernraum
77. und in der einfachen Navigation durch die The mengebiete Die Inhalte selbst bestehen berwiegend aus Text Formeln und Tabel len Zu einigen Themen existieren dar ber hinaus Abbildungen sowie sehr wenige interaktive Java Applets Letztere sind allerdings nicht direkt in die Inhaltsseiten eingebunden sondern m ssen aus einem Untermen Applets heraus aufgerufen werden HyperStat Rice Virtual Lab in Statistics Beim HyperStat Online Statistics Textbook f r einen Screenshot der Benutze roberfl che siehe Abbildung A 5 S 185 handelt es sich um eine englischspra chige Internet Plattform die umfangreiche Informationen und Links zum Thema Statistik beinhaltet Zentraler Bestandteil der Seite ist das einf hrende Statistik Textbuch und Online Tutorial von Professor David Lane Rice Universit t Hou ston USA Auf der Webseite sind Inhalte zu folgenden Themen verlinkt vgl http davidmlane com hyperstat Univariate and bivariate Daten Wahrscheinlich keit Verteilungen Punktsch tzer Kon denzintervalle Testen von Hypothesen Power Va rianzanalyse Regression Verteilungsfreie Tests Messung von Effektgr en HyperStat ist auch ber die Webseite Rice Virtual Lab in Statistics http onlinestatbook com rvls html erreichbar auf der sich weitere Unterrichtsmate rialien zum Thema Statistik befinden Diskussion HyperStat lie e sich prinzipiell als E Learning Kurs einsetzen hat aber einen klaren Textbuc
78. werden Damit dies nicht allzu h ufig passiert sollte die Gr e der Approximati onsmatrix m glichst genau den spezifischen Anforderungen angepasst werden Tabelle B 4 zeigt ein Beispiel f r eine 15 x 15 Approximationsmatrix Bei einem Wort Schl sselwort Vergleich wird nur der notwendige Bereich der Matrix benutzt 209 B 2 Entwicklung von Auswertungsalgorithmus II Auswertungsalgorithmus Im dargestellten Beispiel sollen drei W rter mit f nf Schl sselw rtern verglichen werden Tabelle B 5 zeigt den f r diesen Vergleich ben tigten Ausschnitt aus Tabel le B 4 211 184 158 134 112 92 74 58 44 32 22 209 212 186 160 136 114 94 76 60 46 34 24 16 181 207 213 188 162 138 116 96 78 62 48 36 26 18 155 179 205 214 190 164 140 118 98 80 64 50 38 28 20 131 153 177 203 215 192 166 142 120 100 82 66 52 40 30 109 129 151 175 201 216 194 168 144 122 102 84 68 54 42 89 107 127 149 173 199 217 196 170 146 124 104 86 70 56 71 87 105 125 147 171 197 218 198 172 148 126 106 88 72 55 69 85 103 123 145 169 195 219 200 174 150 128 108 90 41 53 67 83 101 121 143 167 193 220 202 176 152 130 110 29 39 51 65 81 99 119 141 165 19
79. wurden also ebenfalls durch das BMBF Programm Neue Medien in der Bildung gef rdert Diskussion Beim ersten Modul handelt es sich um statische HTML Seiten die ausschlie lich mit dem Internet Explorer funktionieren Die Benutzeroberfl che wirkt veraltet und l sst didaktisch wichtige Funktionen vermissen z B existiert keine Fortschrittsan zeige siehe Abbildung A 12 S 191 Das Modul enth lt eine Seite mit Multiple Choice Textaufgaben Jede Aufgabe kann der Lernende per Mausklick auswerten lassen und erh lt dann ein Feedback von der Art C ist falsch A ist korrekt Beim zweiten und dritten Modul handelt es sich jeweils um ein kleines Programm 16 1 1 bersicht ber verf gbare E Learning Angebote Einleitung das komplett im Adobe Flash Format bereitgestellt wird Das bringt einen gravie renden Nachteil mit sich Alle Inhaltstexte werden in den beiden Modulen von Flash automatisch gegl ttet Bei kurzen Texten wie sie normalerweise in Flash Animationen blich sind ist das unproblematisch In den beiden Flash Modulen wird von den Benutzern aber das Lesen l ngerer Texte erwartet was zu einer unn tigen Strapazierung und Erm dung der Augen f hren kann Desweiteren ist die Na vigation durch die Kapitel aus didaktischer Sicht unvorteilhaft gestaltet Beispiels weise wird der Benutzer gezwungen sich Schritt f r Schritt durch die verschiede nen Inhaltsseiten zu bewegen er kann also nicht frei entscheiden o
80. zwei Blockveranstaltungen f nf Tage Institut f r Medizinische Biometrie und Statistik Universit t zu L beck bungen zur Statistik mit R zwei Blockveranstaltungen f nf Tage Institut f r Medizinische Biometrie und Statistik Universit t zu L beck bungen zur Statistik mit R I II f nft gige Blockveranstal tung Institut f r Medizinische Biometrie und Statistik Uni 244 03 2007 10 2007 03 2008 06 2008 Fortbildungen 10 2004 11 2004 12 2004 12 2005 10 2006 Auszeichnungen 09 2005 versit t zu L beck bungen zur Statistik mit R f nft gige Blockveranstaltung Institut f r Medizinische Biometrie und Statistik Universit t zu L beck bungen zur Statistik mit R II f nft gige Blockveranstal tung Institut f r Medizinische Biometrie und Statistik Uni versit t zu L beck bungen zur Statistik mit R f nft gige Blockveranstaltung Institut f r Medizinische Biometrie und Statistik Universit t zu L beck Referent bei der Sommerschule Genomweite Assoziations studien St Andreasberg 1 4 Juni Deutsche Region der Internationalen Biometrischen Gesellschaft Certificate in eLearning and Online Teaching oncampus FH Liibeck Certificate in Advanced eLearning and Online Teaching on campus FH Liibeck Certificate in Professional eLearning and Online Teaching oncampus FH L beck Expert Certificate in eLearning and Online Teaching oncam
81. 1 221 204 178 154 132 19 27 37 49 63 79 97 117 139 163 189 222 206 180 156 47 61 77 95 115 137 161 187 223 208 182 33 45 59 75 93 113 135 159 185 224 210 21 31 43 57 73 91 111 133 157 183 225 Tabelle B 4 Beispiel fiir eine vorab erzeugte 15 x 15 Approximationsmatrix Gelb hervor gehoben ist der Bereich der fiir einen 3 x 5 Wort Schliisselwort Vergleich benutzt wird Tabelle B 5 Beispiel fiir einen 3 x 5 Ausschnitt aus der in Tabelle B 4 dargestellten Appro ximationsmatrix Statt fiir jede Auswertung die Approximationsmatrix neu zu erzeugen w hlt der Algorithmus nur den ben tigten Bereich aus 210 B 2 Entwicklung von Auswertungsalgorithmus II Auswertungsalgorithmus Das verwendete Distanzma In dem hier vorgestellten Algorithmus wird die Levenshtein Distanz verwendet das hei t es gilt D Wi kj LEV Wi kj Alternativ zur Levenshtein Distanz w re zum Beispiel auch der Hamming Abstand oder der Dice Koeffizient als Abstandsma geeignet vgl dazu Kapitel 2 2 3 Die Levenshtein Distanz wurde aufgrund ihrer guten Eigenschaften ausgew hlt zum Beispiel weil sie im Gegensatz zur Hamming Distanz auch f r den Vergleich von Zeichenketten unterschiedlicher L nge benutzt werden kann 211 C ReT3 Dokumentation C 1 Entwurf der ActionScript Klasse Examination
82. 2 2 Spezifikation eines neuen Lernaufgaben Softwaremoduls 2 2 3 Grundlagen der algorithmenbasierten Aufgabenauswertung 2 2 4 Ein neuer Auswertungsalgorithmus f r Freitext Lernaufgaben 2 2 5 Lernaufgaben mit adaptiven Feedbacks 2 3 Erweiterte Darstellung von Familienstammb umen 2 3 1 Das Linkage Format zur Kodierung von Stammb umen 2 3 2 Anforderungen an ein neues Stammbaumformat 2 4 Projekt Vorgehensmodell lt 4 2 4 44 2 was us ana ns 2 4 1 Inkrementelles Vorgehensmodell f r E Learning Projekte 2 4 2 Erweiterung Strukturierung der lokalen Daten 2 5 Zeitplanung f r E Learning Kurse lt 4 u ses au aus eu ns Inhaltsverzeichnis Inhaltsverzeichnis 3 Entwicklungsmaterial 75 3 1 Datei und Medienformate 2 2 2 2 2 2 nn nennen 75 32 EE cse eos er a pia a oa eee A ee EE ER 79 3 2 1 Die KIEX basierte Drehbuchumgebung 79 3 2 2 Autorenwerkzeug zur Inhaltserstellung 83 ah ONceampusS PACHA ne een ee 90 3 2 4 Softwarewerkzeuge zur Medienerstellung 93 4 Konzeption des E Learning Kurses 95 4l Grobkonzept oca erg er Te a ne nl 97 42 Fenkonzept anna EDO arena he 102 43 Drehbuch cd oie ha Re ae a a ee a ER EEE RR EG 104 5 Umsetzung 106 5 1 Produziert Lernseiten 2 435 8222 85 ho OH 4 Ei 109 5 2 Multimedia Blemente i466 e E NENNEN rar 113 el Merlin Be been 113 5 2 2 Kodierung und Darstellung von Stammb umen 124
83. 22 3 Das Lemaulsabenmodul REIS A a s mo rno a ohh aus 127 5 3 ugeet cs ce ga Ren era ee ee 136 6 Evaluation des Kurses 139 6 1 Technische Organisation s sss seans aai FG RG EG RES HS 142 EE EE EE EE EEE HE ES 145 Deet 4 2 een Ho wey Hs hw we oe eae 147 6 4 Evaluation der Medien oc REN 0 8 0 wo wi RK GR AC 148 6 5 Lehre und Lernk nzest u sac ann en ah ehe ES 152 6 6 Klassisches Vorlesungskonzept versus Pr sentationskonzept 158 7 Diskussion 160 8 Zusammenfassung 165 A Literaturrecherche 177 Al E Learning Angebote zur Statistik 22 2 ok 288 20 oe e 177 A 2 E Learning Angebote zur Epidemiologie 193 A 3 E Learning Angebote zur Genetischen Epidemiologie 195 iii Inhaltsverzeichnis Inhaltsverzeichnis A A Webseiten mit Lernmaterialien 2 2 2 oo 197 B Auswertungsalgorithmus 199 BI Entwicklung von Auswertungsalgorithmusl 199 B 2 Entwicklung von Auswertungsalgorithmusll 207 C ReT3 Dokumentation 212 C 1 Entwurf der ActionScript Klasse Examination 2 22 22 212 C 2 XML basierte Kodierung von Lernaufgaben 214 D XGAP Dokumentation 222 E Evaluation der Pr senzveranstaltung 231 Lebenslauf 243 Glossar ActionScript ActionScript AS ist eine in Adobe Flash integrierte objektorientier te Programmiersprache Adobe Flash siehe Flash Blended Learning Blended Learning bedeutet soviel wie vermischtes Lernen und kombiniert di
84. 3 So vermeiden Sie unbefriedigende Auswertungsergebnisse bei den bungsaufgaben Zeitumfang 5 Minuten Abbildung 5 31 Screenshot des bungsraums mit dessen Hilfe sich die Benutzer des Kur ses vorab an die virtuelle Lernumgebung gew hnen k nnen neuen Benutzern typische Anfangsschwierigkeiten vermeiden Die Benutzer k n nen sich im bungsraum mit der Oberfl che vertraut machen ohne dass sie auf den Inhalt achten m ssen Sie lernen zudem wie sie die technischen Gegebenhei ten z B Webbrowser Interaktionen und Lernaufgaben so nutzen beziehungsweise konfigurieren dass das Arbeiten mit dem Kurs unter optimalen Bedingungen er folgt 138 6 Evaluation des Kurses In diesem Kapitel soll die Evaluation des E Learning Kurses Training in Genetischer Epidemiologie beschrieben werden Dabei ging es zum einen darum den Lerner folg w hrend und nach Ablauf der Lernprozesse zu evaluieren Zum anderen sollte berpr ft werden ob der Kurs erfolgreich in der Lehre eingesetzt werden kann also den erkl rten Lehrauftrag erf llen kann Bei E Learning Projekten ist es blich die Qualit tssicherung durch Anwendertests durchzuf hren Anwendertests dominieren bei der Qualit tssicherung Sch le 2002 S 20 Daher soll auch hier die Evaluation durch eine empirische Untersu chung erfolgen bei der die Daten durch die Befragung von Kursbenutzern erhoben werden Im M rz und im September 2007 wurde an der
85. 40 bis 640x480 unterst tzen Die f nf Anforderungen von Baumgartner lassen eine weitere zentrale Anforde rung an Autorenwerkzeuge vermissen Die Didaktik Das die Didaktik auch von anderen Autoren vernachl ssigt wird wurde bereits von Schulmeister angemahnt 85 3 2 Autorenwerkzeuge Entwicklungsmaterial Die Didaktik kommt bei den meisten Vergleichsuntersuchungen zu kurz In der Regel werden lediglich die herk mmlichen Testformen L ckentext Multiple Choi ce Zuordnung abgefragt aber nicht die komplexeren didaktischen Kategorien wie Lernmodelle und Methoden Schulmeister 2000 S 17 Es soll daher an dieser Stelle ein weiterer Anforderungspunkt erg nzt werden 6 Didaktik Das didaktische Konzept siehe Kapitel 2 1 3 soll im Autorenwerk zeug konsequent umgesetzt werden k nnen Das bedeutet zum Beispiel Be r cksichtigung des Lerntheoriemodells Bereitstellung von Methoden und Werkzeugen f r die Lernenden didaktisch sinnvolle Navigation sowie Er m glichung von Interaktionen Schulmeister hat im Auftrag des Bundesministeriums f r Wissenschaft und For schung sterreich verschiedene Reviews und Vergleichuntersuchungen zum The ma Lernplattformen und Autorenwerkzeuge recherchiert und daraus Selektions und Entscheidungskriterien f r die Auswahl von Autorenwerkzeugen abgeleitet Schulmeister 2000 Zum Zeitpunkt als ein geeignetes Autorenwerkzeug f r das Projekt Training in Genetischer Epidemiologie aus
86. 7 5 2 Multimedia Elemente Umsetzung Beispiel f r eine klassische Mouse Over Interaktion Codon Ziel der in Abbildung 5 10 dargestellten Interaktion ist es dem Lernenden den Um gang mit der so genannten Codon Tabelle zu illustrieren Das Codon wird benutzt um eine RNA Sequenz in seine zugeh rige Aminos ure zu bersetzen Mit Hilfe dieser Interaktion soll der Lernende die verschiedenen bersetzungsm glichkeiten auf anschauliche Weise kennenlernen Aus technischer Sicht handelt es sich dabei um eine klassische Mouse Over Interaktion das hei t der Zustand der Interaktion ndert sich in Abh ngigkeit von der Position des Mauszeigers auf der Interaktion selbst Sobald der Mauszeiger eine Position au erhalb der Interaktion einnimmt nimmt die Interaktion automatisch wieder ihren Ausgangszustand an ain termination hain termination hain termination CUU cuc CUA CUG Abbildung 5 10 Flash Interaktion zur Illustration des Codons Der Mauszeiger befindet sich aktuell ber der Aminos ure Leucine Dadurch wurden die Basen der m glichen Codes rot hervorgehoben Zus tzlich wurde auf der rechten unteren Seite eine kleine Tafel ge ff net auf der die m glichen Codes noch einmal separat dargestellt sind Dadurch wird z B sofort ersichtlich dass die Codon Tabelle immer von innen nach au en gelesen wird 118 5 2 Multimedia Elemente Umsetzung Beispiel f r eine bidirektionale Mouse Over Interaktion DNA In Ab
87. 9 Ziele des Feinkonzepts Ziel des Feinkonzepts war es das Ergebnis des Grobkonzepts strukturell zu verfei nern und um Ideen und Entw rfe f r Interaktionen und Medien zu erweitern Das didaktische Konzept Zum didaktischen Konzept des Feinkonzepts geh rt dass eine didaktisch sinnvolle Feinstruktur f r die einzelnen Lektionen und Unterkapitel definiert wird Im Projekt Training in Genetischer Epidemiologie wurde folgender lerntheoretisch anerkannter Abschnittsaufbau gew hlt vgl z B Kapitelaufbau in Slavin 2000 1 bersicht ber die Lernziele 2 Voraussichtlicher Zeitbedarf f r die Bearbeitung 3 Einleitung und Motivation 4 Eigentlicher Inhalt 5 Zusammenfassung Zur Feinstrukturierung geh rte auch die didaktische Reduktion der Inhalte also ei ne qualitative und quantitative Beschr nkung des Lernstoffes auf die wesentlichen Elemente mit dem Ziel Sachverhalte berschaubar und bildschirmgerecht darzu stellen F r die didaktische Reduktion gilt folgende Formel So viel wie f r das Lernziel n tig doch so wenig wie m glich Mair 2005 S 48 Um einen einheitlichen Rahmen f r die Interaktionen und Medien vorzugeben wurden hier folgende Richtlinien formuliert 102 4 2 Feinkonzept Konzeption des E Learning Kurses e Die Bedienelemente der Interaktionen und Medien sollen alle ein einheitliches Design aufweisen um ein intuitive Handhabung zu beg nstigen e Bei bei der Mediengestalt
88. Abbildung an der Tafel Die Stu dierenden h ren oder lesen also einen Textabschnitt w hrend die zugeh rige gra phische Darstellung hervorgehoben wird Es wurde versucht dieses Prinzip auf ein technisches Konzept f r den E Learning Kurs zu bertragen Das Ergebnis ist in Ab bildung 5 7 schematisch dargestellt Die Idee ist dass wichtige Textstellen besonders gekennzeichnet werden zum Beispiel mit einem Unterstrich Wenn der Lernende w hrend er den Lerntext liest den Mauszeiger ber die gekennzeichneten Textstel len bewegt dann werden in der neben dem Text platzierten Interaktion die pas senden Abbildungen auff llig hervorgehoben so als w rde ein Dozent mit seinem Zeigestock darauf zeigen Der Lernende hat au erdem die M glichkeit von der In teraktion auszugehen und nicht vom Text das heift er kann sich bestimmte Stellen innerhalb der Interaktion anschauen und der zugeh rige Textteil wird dann far big hervorgehoben Es wird also in umgekehrter Richtung eine Beziehung vom Bild zum Text hergestellt Bei der Umsetzung des bidirektionalen Mouse Over Konzepts war zu beachten dass die Interaktionen in jedem Fall getrennt vom Inhaltstext blei ben sollten Das hei t es sollte auf keinen Fall umfangreicherer Inhaltstext in die Interaktionen eingebaut werden um beispielsweise die Nachhaltigkeit der Inhalte nicht zu gef hrden Au erdem lassen sich l ngere Texte die mit Flash erstellt wur 114 5 2 Multimedia Elemente Umsetzun
89. Antworten 10 11 12 13 14 15 16 9 8 Vorlesungskonzept nicht sinnvoll beantwortbar stimmt nicht stimmt eher nicht stimmt eher stimmt Anzahl der Antworten Prasentationskonzept nicht sinnvoll beantwortbar stimmt nicht stimmt stimmt eher nicht stimmt eher Abbildung E 16 Der Dozent Die Dozentin verdeutlicht zu wenig die Verwendbarkeit und den Nutzen des behandelten Stoffes Anzahl der Antworten 10 11 12 13 14 15 16 9 8 Vorlesungskonzept Note 1 Note 2 Note 3 Note 4 Note 5 Note 6 Anzahl der Antworten Prasentationskonzept Note 1 Note 2 Note 3 Note 4 Note 5 Note 6 Abbildung E 17 Welche Schulnote 1 6 w rden Sie der Veranstaltung insgesamt geben 239 Evaluation der Pr senzveranstaltung Anzahl der Antworten 10 11 12 13 14 15 16 9 8 Vorlesungskonzept Note 1 Note 2 Note 3 Note 4 Note 5 Note 6 Anzahl der Antworten Pr sentationskonzept Note 1 Note 2 Note 3 Note 4 Note 5 Note 6 Abbildung E 18 Welche Schulnote 1 6 w rden Sie der Dozentin dem Dozenten als Veranstal tungsleiter in geben Vorlesungskonzept Pr sentationskonzept e e Pr D D dD ei 2 a D D D ei 2 E 2 o S E 2 o S 2178 o g 2 2 o g 2 a Di E F D D Ka P F zi gt 2 8 S gt gt z 8 S 5 5 2
90. Aus dem Institut f r Medizinische Biometrie und Statistik der Universit t zu L beck Direktor Prof Dr rer nat Andreas Ziegler Training in Genetischer Epidemiologie Entwicklung einer technologiegest tzten Lehrveranstaltung Inauguraldissertation zur Erlangung der Doktorw rde der Universit t zu L beck Aus der Medizinischen Fakult t vorgelegt von Friedrich Pahlke aus Freiburg im Breisgau L beck 2008 1 BERICHTERSTATTER Prof Dr rer nat Andreas Ziegler 2 BERICHTERSTATTERIN Prof Dr med Gabriele Gillessen Kaesbach 3 BERICHTERSTATTER Prof Dr med Reinhard Putz TAG DER M NDLICHEN PR FUNG 05 05 2009 Zum Druck genehmigt L beck den 05 05 2009 gez Prof Dr med Werner Solbach Dekan der Medizinischen Fakult t Inhaltsverzeichnis 1 Einleitung 1 1 bersicht ber verf gbare E Learning Angebote 1 11 Bleamms Angebaie zur Statist san 1 1 2 E Learning Angebote zur Epidemiologie 1 1 3 E Learning Angebote zur Genetischen Epidemiologie 1 1 4 Zusammenfassung der Rechercheergebnisse 1 2 Motivation und Zielsetzung 22 65 Ba eee eee OE OS 2 Methoden 2 1 Lehe und Lernth eorie sn AS we wR we 21 1 Instrukionsdesigii u ak naar areas 2 12 Konstruktive os pee p ho SE ara Re OR 2 1 3 Das didaktische Konzept des Kurses 22 2 2020 22 Lemaulgaben arena nenne han 221 Autgabentyp n e sere asso oe Bu reg 2
91. CUFA Technology Guidelines in an Elementary Social Studies Methods Course Theor Res Soc Educ 30 3 429 455 Mori Y Yamamoto Y amp Yadohisa H 2002 Data oriented Learning System of Statistics based on Analysis Scenario Story DoLStat In Phillips B Hrsg Proceedings 6th International Conference on Teaching Statistics S 74 77 Internatio nal Statistical Institute Voorburg Morton N E 1982 Outline of Genetic Epidemiology S Karger Pub Basel Morton N E 2006 Fifty years of genetic epidemiology with special reference to Japan J Hum Genet 51 4 269 277 Muche R 2006 Auswahl und Einsatz eines Standard E Learning Systems im Lehr projekt Biometrie an der Uni Ulm GMS Med Inform Biom Epidemiol 2 3 Doc21 Muche R amp Seefried K 2006 Computereinsatz und E Learning im Lehrprojekt Biometrie GMS Z Med Ausbild 23 1 Doc08 oncampus factory 2008 oncampus factory Ein Autorenwerkzeug f r die Erstel lung von akademischen E Learning Inhalten URL http www oncampus de index php id 971 Online Stand 12 M rz 2008 173 Literaturverzeichnis Literaturverzeichnis Pahlke F K nig I R Bischoff M amp Ziegler A 2006 Ein inkrementelles Vor gehensmodell f r E Learning Projekte an Hochschulen GMS Med Inform Biom Epidemiol 2 3 Doc25 Pahlke F K nig I R amp Ziegler A 2007 Erweiterte Darstellung von Familien stammb umen in der technologiegest tzten Lehre
92. Evaluation des Kurses folgt in Kapitel 6 Anhand einer empirischen Untersu chung wird dort gezeigt dass der fertige Kurs erfolgreich in der Lehre eingesetzt werden kann An letzter Stelle folgen die Diskussion Kapitel 7 und die Zusam menfassung der Arbeit Kapitel 8 27 2 Methoden Dieser Teil der Arbeit befasst sich im ersten Teil mit den wichtigsten Lehr und Lern theorien anhand derer im Anschluss Richtlinien und Empfehlungen f r die didak tische Konzeption des E Learning Kurses formuliert werden In Kapitel 2 2 wird das didaktische Konzept um ein Lernaufgaben Konzept erweitert Ein elementarer Bestandteil der Ausbildung in Genetischer Epidemiologie ist die Benutzung von Familienstammb umen zur Illustration von Lerninhalten Daher wird in Kapitel 2 3 beschrieben wie der Einsatz von Stammbaum Illustrationen in der technologiegest tzten Lehre praktisch bewerkstelligt werden kann In Kapitel 2 4 wird das Vorgehensmodell beschrieben das den Rahmen f r die Pla nung Bearbeitung und Validierung der einzelnen Projektphasen vorgibt und da bei unter besonderer Ber cksichtigung der lerntheoretischen berlegungen aus Ab schnitt 2 1 1 2 1 3 immer das didaktische Konzept in den Vordergrund stellt Da es f r den Erfolg eines E Learning Kurses von gro er Bedeutung ist folgt da nach ein kurzer Abschnitt zur Planung des Arbeits und Zeitaufwands f r die Leh renden und Lernenden Zum Abschluss werden die Materialien f
93. In Kundt G Bernauer J Fi scher M R Haag M Klar Rand Leven F J Matthies H K amp Puppe F Hrsg eLearning in der Medizin und Zahnmedizin S 73 78 GMDS AG Computergest tzte Lehr und Lernsysteme in der Medizin Shaker Verlag Aachen Reich K 2006 Konstruktivistische Didaktik Lehr und Studienbuch mit Methodenpool Dritte Ausgabe Beltz Weinheim Reinmann Rothmeier G 2003 Didaktische Innovation durch Blended Learning Leit linien anhand eines Beispiels aus der Hochschule Lernen mit neuen Medien Huber Bern Renkl A 1996 Tr ges Wissen Wenn Erlerntes nicht genutzt wird Psychol Rundsch 47 2 78 92 Roelofs G 1999 PNG The De nitive Guide O Reilly Beijing Rosenberg M J 2000 E Learning Strategies for Delivering Knowledge in the Digital Age McGraw Hill New York Royce W W 1970 Managing The Development of Large Software Systems Con cepts and Techniques In WESCON Technical Papers Band 14 S 1 9 WESCON Los Angeles Ruf U amp Goetz N B 2002 Dialogischer Unterricht als padagogisches Versuchs handeln Instruktion und Konstruktion in einem komplexen didaktischen Arran gement In Vo R Hrsg Unterricht aus konstruktivistischer Sicht Die Welten in den K pfen der Kinder Hermann Luchterhand Neuwied Salmon G 2002 E Tivities The Key to Active Online Learning RoutledgeFalmer Ox ford 174 Literaturverzeichnis Literaturverzeichnis Schlittgen R
94. Inhaltsseiten zu plat zieren siehe Abbildung 3 8 e Die Kapitel sind lerntheoretisch sinnvoll strukturiert Jedes Kapitel beinhal tet eine Kurzbeschreibung die Lernziele den Zeitbedarf und endet nach den Inhaltsseiten mit einer kurzen Zusammenfassung e Zujeder Interaktion Abbildung und Tabelle wird automatisch eine graphische Marginalie erzeugt die das jeweilige Medium typspezifisch kennzeichnet Der 91 3 2 Autorenwerkzeuge Entwicklungsmaterial Lernende kann damit sehr schnell visuell erfassen worum es sich handelt und welche M glichkeiten der Interaktion gegebenenfalls existieren e Das schnelle Orientieren und Auffinden von wichtigen Inhalten kann optional mit einpr gsamen graphischen Marginalien erleichert werden Es stehen da f r Symbole f r Merksatz Stichwort Achtung Wichtig Anmerkung Formel Norm Quelltext Gesetz und Einheit Groesse zur Verf gung Abbildung 3 8 Exemplarische Darstellung von einigen ausgew hlten Identifikationsfigu ren die in der ONCAMPUS FACTORY zur Verf gung stehen Die Identifikationsfiguren k n nen auf den Lernseiten wahlweise alleinstehend oder textumflossen eingebunden werden und dienen dazu l ngere Texte ohne themenspezifische Abbildungen oder Interaktionen aufzulockern sowie die Aufmerksamkeit des Lernenden auf bestimmte Stellen im Text zu lenken zum Beispiel durch die Abbildung einer mit dem Finger zeigenden Person Die in Kapitel 2 1 1 formulierten Anforderungen an
95. Knoten ihrer Argumente und ihrer Zusammenh nge findet sich in Anhang D PEDCHART F r die Darstellung von XGAP kodierten Stammb umen am Bildschirm wurde das Flash Programm PEDCHART entwickelt Das Programm l sst sich in beliebi ge Webseiten integrieren und liest bei jedem Aufruf der Seite die XGAP Datei ein die im gleichen Verzeichnis liegt und abgesehen von der Dateiendung den gleichen Namen tr gt Das macht die Benutzung von PEDCHART sehr einfach da keiner lei Konfigurationen n tig sind sondern lediglich der Dateiname angepasst werden muss PEDCHART ben tigt lediglich 18 KB Speicherplatz und ist damit auch f r Mit Hilfe eines XML Schemas XSD XML Schema Definition l sst sich exakt die Struktur des XML Dokuments beschreiben Das XML Schema kann dann z B zusammen mit geeigneter Soft ware zur Validierung von XML Dokumenten benutzt werden 125 5 2 Multimedia Elemente Umsetzung den Einsatz in Online Kursen geeignet Optional kann PEDCHART verschiedene Female with carrier status Abbildung 5 23 Beispiel f r einen mit PEDCHART dargestellten Stammbaum In der zu grunde liegenden XGAP Datei wurden die interaktiven Info Fenster aktiviert sowie die An zeige der Generationennamen Fl F2 und F3 Zusatzinformationen sowie Informationen die das Verst ndnis des Stammbaums erleichtern in interaktiven Pop Up Fenstern darstellen Wenn der Benutzer mit der Maus ber bestimmte Regionen f hrt erscheint beispielsweise d
96. Kompetenz und Motivation zum selbstgesteuerten Lernen voraussetzt Wenn der Lernende daf r noch nicht reif genug ist kann es passieren dass er sich inhalt lich ausschlie lich an seinem momentanen Interesse ausrichtet Ein weiterer Kritikpunkt ist der hohe Entwicklungsaufwand f r konstruktivistische Lernumgebungen Im Vergleich zu traditionellen computerunterst tzten Lernsyste men besitzen konstruktivistische Lernsysteme hohe Freiheitsgrade die in der Ent wicklung um ein Vielfaches teurer sind Das kann gerade im Hochschulbereich ein entscheidender Faktor sein 2 1 3 Das didaktische Konzept des Kurses Erweitertes kombiniertes Design Bei der Entwicklung von technologiegest tzten Bildungsangeboten empfielt es sich ein didaktisches Konzept zu w hlen das Elemente aus Instruktionsdesign und Kon 134 2 1 Lehr und Lerntheorie Methoden struktivismus unter Ber cksichtigung der Anforderungen und Gegebenheiten kom biniert Eine Entscheidung zwischen radikalem Instruktionsdesign und radikalem Konstruktivismus ist nicht n tig Es geht nicht darum die eine beste didaktische Methode zu finden und anzuwenden Die L sung eines Bildungsanliegens macht es vielmehr erforderlich den Prozess der Konzeption und Entwicklung als Gestal tungsaufgabe zu erkennen Die Herausforderung besteht also darin die Anforde rungen in diesem Prozess zu verstehen und die Konzeption und Entwicklung von Bildungsmedien als vielschichtiges Entscheid
97. Lehrb cher das sich mit biometrischen Zusammenh ngen besch ftigt wurde im Jahre 1741 von Johann Peter S milch verfasst S milch war evangelischer Dekan in C lln dem heutigen Neuk lln in Berlin Sein Lehrbuch tr gt den Titel Glossar Die g ttliche Ordnung in den Ver nderungen des menschlichen Geschlechts aus der Geburt Tod und Fortpflanzung desselben erwiesen Die grundlegend neue Erkenntnis seiner Untersuchungen besteht darin dass er Gesetzm igkeiten in der belebten Natur beobachtete die mit Mitteln der Startseite deterministischen Logik von Ursache und Wirkung nicht erkl rbar und erkennbar sind falls Kasuistik betrieben wird bungen Das vorliegende Skript soll dem interessierten Studenten helfen einen berblick ber die Darstellung und Beschreibung von Studienergebnissen zu bekommen Als Mediziner legte der Autor bei der Erstellung dieser Seiten Wert darauf den Leser nicht mit verwirrenden Formelsammlungen zu Sonstiges berh ufen die meist sowieso schnell vergessen werden Komplexere Formeln werden meist zus tzlich verbal formuliert um das Verstehen zu erleichtem und somit bessere Langzeitergebnisse zu erreichen Es wird neben der Beachtung der Hinweise empfohlen zun chst den Bereich Eindimensionale Haufigkeitsverteilungen durchzuarbeiten und sich danach den Zweidimensionalen Haufigkeitsverteilungen zu widmen Pr fungsrelevante Teilgebiete sind graphisch besonders hervorgehoben Der Autor w nscht den Lesem vi
98. Motivation und Zielsetzung Durch die Literaturrecherche konnte gezeigt werden dass es bisher keinen techno logiegest tzten Trainingskurs gab der das Themengebiet der Genetischen Epide miologie umfassend bedient und speziell darauf zugeschnitten ist Der Bedarf bei Studierenden und Wissenschaftlern f r einen E Learning Kurs zu diesem Thema wurde bereits im Jahre 2004 festgestellt Ende 2004 wurde das Projekt Training in Genetischer Epidemiologie initialisiert Die Projektziele wurden wie nachfolgend be schrieben definiert Ziel dieses Projektes ist es einen E Learning Kurs zu entwickeln der dazu geeignet ist die Grundlagen und Methoden der Genetischen Epidemiologie zu lernen und zu lehren Der fertige Kurs soll so gestaltet sein dass e Lernende sich mit Hilfe des Kurses das Themengebiet im Selbsstudium aneig nen k nnen e Lehrende den Kurs in Kombination mit einer Pr senzveranstaltung zum Bei spiel einer klassischen Vorlesung einsetzen k nnen Inhaltlich soll der Kurs auf dem Buch A Statistical Approach to Genetic Epidemio logy von Ziegler und K nig 2006 basieren Vom Umfang her soll der Kurs etwa einer zehnt gigen Pr senzveranstaltung mit insgesamt 80 110 Stunden Arbeitsauf wand entsprechen quivalent mit 3 4 ECTS Punkten siehe Kapitel 2 5 Es geht also nicht darum den Inhalt des gesamten Buchs in den E Learning Kurs aufzu nehmen sondern die wichtigsten Kapitel und Inhalte f r einen Kurs des besagten
99. P 0 TI l OH H la be gt Abbildung 5 11 Schematische Darstellung der Desoxyribonuklein s ure engl deoxyribonucleic acid DNA fa 144 krit Abbildung 5 12 Den Lerntext n her erkl rende Kennzeichnung des ersten Strangs der DNA The DNA is a large molecule consisting of two strands WY Each strand has a linear backbone of alternati N sugar deoxyribose YU and phosphate U residu To facilitate the description of the structure the five carbon atoms of the deoxyribose are consecutively numbered from 1 to 5 Abbildung 5 13 Erster Teil des Textes der neben der Interaktion aus Abbildung 5 11 auf der Kursseite platziert ist Vier Stellen des abgebildeten Textes sind sichtbar Maus aktiv unterstrichen und blau eingef rbt Drei Textstellen besitzen zus tzlich ein kleines Maus Symbol das darauf hinweist dass ein Mausklick die Interaktion in einen anderen Zustand versetzt Beispielsweise w rde ein Klick auf two strands nicht mehr den ersten Strang rot umrahmen Abbildung 5 12 sondern den zweiten Strang 120 Umsetzung 5 2 Multimedia Elemente o P O o P 0 Sugar n Y a 2 E x 3 3 a Doz z 4 hs e NED RER Il Ro F O 121 CO Il a I o Po m tration eines Nukleotids Abbildung 5 19 Illus Abbildung 5 16 Illus Nukleinbase tration der Linearsequenz tration der komplement ren Nukleinb
100. P D T berechnen Achtung P T D ist die Wahrscheinlichkeit da der Test positiv ausf llt wenn der Patient erkrankt ist P D T hingegen ist die Wahrscheinlichkeit da der Patient erkrankt ist wenn der Test positiv ausf llt Machen Sie sich klar da diese Wahrscheinlichkeiten v llig verschiedene Dinge sind F r die Berechnung von P T bzw P T sind folgende einleuchtenden Formeln n tzlich P T P T 4 D Pilz DJ P T P T D PT o DI vgl Vierfeldertafel Aus der Definition der bedingten Wahrscheinlichkeit ergibt sich P A B P AIB x P B Abbildung A 9 Screenshot der Benutzeroberfl che von Visual Bayes Die Benutzeroberfl che von Visual Bayes bedeckt mit einer festen Bildschirmaufl sung von 640x480 gerade mal ein Viertel der Oberfl che aktueller Bildschirme Das Design wirkt mit seiner MS DOS Optik hoffnungslos veraltet bungen zur medizinischen Biometrie 2 Deskriptive Statistik I Aufgabe der deskriptiven Statistik ist es die in den Daten der Stichprobe enthaltene Information bersichtlich und unverf lscht in Tabellen Grafiken und statistischen Ma zahlen zusammenzufassen Wie das zu geschehen hat h ngt entscheidend vom Typ des betrachteten Merkmals ab 2 1 Lernziele zu Kapitel 2 tabellarische und graphische Darstellung der Daten eines qualitativen Merkmals tabellarische und graphische Darstellung der Daten eines quantitativen Merkmals stati
101. Pr fung und Zertifi zierung des Lernerfolges ist f r das lernende Individuum nicht nur aus Sicht eines m glichen beruflichen Fortkommens wichtig sondern auch f r das Gef hl ein de finiertes Pensum bew ltigt zu haben F r den Bildungsanbieter werden solche Informationen ber Lernfortschritte noch wichtiger als bei konventionellen Ma nahmen da der mehr oder weniger valide unmittelbare Eindruck des Dozenten aus dem Unterrichtsgespr ch fehlt Nur durch Lernaktivit ten und die Bearbei tung von Lernaufgaben ist es m glich die Performanz des Lernenden zu erfassen d h der Lernfortschritt ist nur aus dem Verhalten des Lernenden im Umgang mit dem Lerninhalt zu erkennen Kerres 2005 S 165 166 Damit die Lernaufgaben die Erwartungen an sie auch erf llen k nnen ist es wich tig dass sie einen hinreichend hohen Komplexit tslevel aufweisen Bei automati sierten Lernaufgaben z B MultipleChoice Aufgaben kann eine Aktivierung mit ei ner guten Fragekonstruktion und hinreichender Komplexit t der Fragen erzielt wer den Eine st rkere Aktivierung wird jedoch beim Einsatz von komplexeren Lern aufgaben erreicht Kerres 2005 S 170 Der Komplexit tslevel der Lernaufgaben h ngt aus technischer Sicht vom Aufgabentyp ab Daher soll an dieser Stelle ei 143 2 2 Lernaufgaben Methoden ne theoretische Betrachtung der verschiedenen m glichen Aufgabentypen folgen Im Anschluss werden die Anforderungen an eine
102. R Bischoff M amp Ziegler A 2007 Training in Genetic Epide miology Implementation of a technology based training course Genet Epidemiol 31 6 641 Pahlke F K nig I R amp Ziegler A 2008 Training in Genetic Epidemiology Im plementation of a technology based training course In Hothorn L A Mans mann U Tutz G Burger U amp Mejza S Hrsg Lifestat 2008 Statistics and Life Sciences Perspectives and Challenges March 10 13 2008 Munich Abstracts of Talks and Posters S 218 Lehmanns Media Berlin Raasch W Wittmershaus C Dendorfer A Pahlke E Dominiak P amp J hren O 2006 Angiotensin II inhibition reduces stress sensitivity of hypothalamo pituitary adrenal axis in SHR Exp Clin Endocrinol Diabetes 114 Suppl 1 36 Schwarz D F K nig I R Szymczak S G tz A Pahlke F Strom T Lieb W Mayer B Meitinger T Wichmann H E Erdmann J Schunkert H amp Ziegler A 2007 Genome wide association studies get in a flow Genet Epidemiol 31 6 643 248
103. R 135 Screenshot der Kommunikationsplattform www genepi de 137 Screenshot des Ubungsraums 138 bersicht Ausbildung der Kursteilnehmer 141 bersicht Ausbildungsstand der Kursteilnehmer 141 bersicht Alter der Kursteilnehmer 142 bersicht Geschlecht der Kursteilnehmer 2 2 2 142 Evaluation Kursbetreuer 222er ces en 143 Evaluation Kursbetreuung ber ein Forum 143 Evaluation Technische Betreuung 4 424 0 004 ead 4 144 Evaluation R ckmeldungen des Betreuers 4 un os 144 Abbildungsverzeichnis Abbildungsverzeichnis 6 9 6 10 6 11 6 12 6 13 6 14 6 15 6 16 6 17 6 18 6 19 6 20 6 21 6 22 6 23 6 24 6 25 6 26 6 27 6 28 6 29 6 30 6 31 6 32 6 39 6 34 6 35 6 36 6 37 6 38 6 39 A 1 A 2 A2 A 4 Evaluation Technische Funktionalit t 2 222222 144 bersicht Computervorkenntnisse der Kursteilnehmer 144 EN ar en ee 146 bersicht Zeitaufwand f r Kapitel 146 bersicht Zeitaufwand f r Kapitel 2 2 2222 22 146 bersicht Zeitaufwand f r Kapitel3 2 2222 22 146 Evaluation Qualit t der Textinhalte 147 Evaluation Erscheinungsbild des Kurses 2 222 220 147 Evaluation Qualit t der Medien a 148 Evaluation Bidirektionales Mouse Over Konzept 148 Evaluation Echtzeitauswertung der Ubungsaufgaben 149 Evaluati
104. Schritt f r Schritt berpr ft und es wurde nach m glichen Verbesse rungen gesucht da nderungen in diesem fr hen Stadium noch keine allzu gro en Auswirkungen auf das Gesamtprojekt hatten 100 4 1 Grobkonzept Konzeption des E Learning Kurses 2 MOLECULAR GENETICS familiar with molecular genetics could certainly skip this chapter especially those who feel comfortable with the problems at the end of this chapter 1 1 WHAT IS THE NATURE OF GENETIC INFORMATION 1 1 1 Where is the genetic information located Every human cell except for the red blood cells has a nucleus that carries the individ ual s genetic information in chromosomes At the same time chromosomes are found almost exclusively in the nucleus of the cell Hence almost every cell of the body carries the information that is required for the entire organism The chromosomes are composed of deoxyribonucleic acid DNA and proteins The DNA is the carrier of the genetic information whereas the protein components provide different functions The DNA is a large molecule consisting of two strands Each strand has a linear backbone of alternating sugar deoxyribose and phosphate residues To facilitate the description of the structure the five carbon atoms of the deoxyribose are consecutively numbered from 1 to 5 see Figure 1 1 left hand side Covalently attached to the backbone is a sequence of bases Here four bases are found with adenine A
105. Sicherheits restriktionen nicht immer lauff hige Technologien sollen dagegen nicht ein gesetzt werden z B Java Applets Export unter Ber cksichtigung neuer An forderungen dazu geh ren beispielsweise ver nderte Bildschirmaufl sungen siehe dazu Abbildung 3 4 Die textuellen Inhalte k nnen schnell und ohne Programmierkenntnisse ge ndert werden alle Medien sind ohne M he aus tauschbar das Autorenwerkzeug wird permanent weiterentwickelt und so zum Beispiel f r die neusten Browser Generationen optimiert Q y Kei e gege 800x600 1024x768 1280x1024 1600x1200 40 Anteil in Prozent 20 10 I I I I I I I 2002 2003 2004 2005 2006 2007 2008 Jahr Abbildung 3 4 nderung der Bildschirmaufl sung von Internetcomputern in den Jahren 2002 2008 Die Abbildung zeigt dass sich die Aufl sung 1024x768 im dargestellten Zeit raum zwar als Standard behaupten kann in den letzten Jahren aber leicht abgenommen hat Der Anteil der Bildschirme mit niedrigerer Aufl sung nahm in dieser Zeit sehr rasch ab wo hingegen der Anteil der Ger te mit hoher bis sehr hoher Aufl sung rasch zunahm Daten quellen OneStat com http www onestat com Webtrekk http www webtrekk de WebHits http www webhits de Dabei ist zu beachten dass zunehmend mobile End ger te wie zum Beispiel Handy s oder PDA s zum Einsatz kommen die h ufig nur recht niedrige Aufl sungen von etwa 320x 2
106. Teil komplett auf Lernaufgaben verzichtet MM STAT HyperStat Statistik Beschreibende Statistik und explorative Datenanalyse VisualStat Leider kann keines der tibrigen E Learning Angebote mit seinen Lern 22 1 1 bersicht ber verf gbare E Learning Angebote Einleitung aufgaben berzeugen berwiegend handelt es sich um Aufgaben in Textform zu denen eine Musterl sung verlinkt ist nicht anders als habe der Benutzer ein Text buch vor sich liegen Keine der Aufgaben generiert zur Motivation der Lernenden individuelle Feedbacks Die wenigen Lernaufgaben die eine sofortige Aus und Be wertung der L sung vornehmen haben einen sehr niedrigen Komplexit tslevel das hei t sie sind nicht anspruchsvoll genug um den Lernenden zu motivieren Erreichte Punkte gehen nach Verlassen der jeweiligen Aufgabe verloren das heifst der Lernende wird nicht ber seinen Lernfortschritt insgesamt informiert Damit ist es dem Lernenden nicht m glich die Ergebnisse f r eine l ngerfristige kontinuier liche Lernerfolgskontrolle zu benutzen sondern er erh lt immer nur eine Moment aufnahme seines Lernerfolgs Zum Thema Genetische Epidemiologie wurden drei E Learning Angebote ermittelt Bei allen drei handelt es sich im wesentlichen um Aufzeichnungen von Vortr gen die mit den zugeh rigen Vortragsfolien verkn pft wurden Hier stellt sich die Frage ob diese einfache und kosteng nstig zu produzierende Form eines elektronischen Lernangeb
107. Universit t zu L beck jeweils ein auf maximal 15 Teilnehmer begrenzter Kurs mit dem Titel Training in Genetischer Epidemiologie angeboten Der Kurs bestand aus einer zweiw chigen Onlinepha se Betreuer Friedrich Pahlke und einer dreit gigen Pr senzphase Dozenten Prof Dr Andreas Ziegler Dr Inke R K nig im Anschluss Es handelte sich also jeweils um eine sequenzielle Blockveranstaltung mit Online Vorbereitung siehe Kapitel 2 1 3 Bei der Pr senzphase verfolgten beide Dozenten unterschiedliche didaktische Konzepte Bei Herrn Professor Ziegler kam das klassische Vorlesungskonzept ohne Folien zum Einsatz bei Frau Doktor K nig das Pr sentationskonzept das hei t es wurde eine Folienpr sentation erstellt mit PowerPoint eingesetzt die mit einem Videoprojektor auf eine Leinwand projiziert wurde um die Inhalte und Zusam menh nge zu veranschaulichen 139 Evaluation des Kurses Die Ziele des Kurses wurden vorab wie folgt beschrieben Nach der Onlinephase e kennen Sie sich mit den wichtigsten molekulargenetischen Grundlagen aus e wissen Sie wie man bestimmte Erbg nge anhand von Stammb umen erkennt e ist Ihnen die Bedeutung von GRRs und HWE unmittelbar bewusst e k nnen Sie ein De Finetti Diagramm lesen Nach der Pr senzphase e kennen Sie die wichtigsten Studiendesigns f r Assoziation Fall Kontroll und Kohorten Design Design f r quantitative Ph notypen e sind Sie mit dem Problem der Population
108. Universit tswebseite angepasst Das hat zur Folge dass die Links zu den Animationen nicht mehr funktionieren und selbige nur noch direkt aus dem Funpark mit statistischen Simulationen einer losen Sammlung von Animationen siehe http www biostat uzh ch teaching lecturenotes online html aufge rufen werden k nnen Die bungsaufgaben haben mit dem Ja Nein Aufgabentyp einen sehr niedrigen Komplexit tslevel und k nnen daher nur bedingt zum Lerner folg beitragen vgl dazu Kapitel 2 2 Abgesehen von der Anzeige der erreichten Punkte erh lt der Lernende nach der Aufgabenauswertung kein Feedback JUMBO Bei der Java unterst tzte M nsteraner Biometrie Oberflache JUMBO handelt es sich um eine HTML basierte Lernumgebung f r die Grundlagen der Biometrie Die Lernumgebung ist online nutzbar http imib uni muenster de fileadmin template conf imib lehre skripte biomathe jumbo html kann aber auch bei den Autoren auf CD ROM bestellt werden Die Nutzung von JUMBO ist kostenfrei In dem E Learning Angebot werden die Themen Deskriptive Statistik Wahrscheinlich keitsrechnung Zufallsvariable Testen von Hypothesen Verteilungen und Versuchsplanung behandelt Ein Vorl ufer von JUMBO wurde 1997 das erste Mal vorgestellt K pcke und Hei necke 1997 die fertige Version wurde vier Jahre sp ter ver ffentlicht K pcke und Heinecke 2001 Die aktuellste Version von JUMBO Version 6 8 stammt aus dem Jahre 2002 Diskussion Di
109. Vorlesungskon zepts und des Pr sentationskonzepts nebeneinander plaziert Vorlesungskonzept Pr sentationskonzept fan oO L stimmt L stimmt L stimmt nicht stimmt eher nicht stimmt eher i stimmt nicht stimmt eher nicht L nicht sinnvoll beantwortbar L nicht sinnvoll beantwortbar Anzahl der Antworten Anzahl der Antworten D 1 2 3 4 5 6 F 8 9 10 11 12 13 14 15 16 D 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Abbildung E 1 Die Veranstaltung verl uft nach einer klaren Gliederung Signifikanter Unterschied zwischen den beiden Konzepten p 2 10 4 Wilcoxon Rangsummentest Bonferroni adjustiert 231 Evaluation der Pr senzveranstaltung Anzahl der Antworten Abbildung E 2 Der Dozent Die Dozentin gestaltet die Veranstaltung interessant Anzahl der Antworten 10 11 12 13 14 15 16 9 10 11 12 13 14 15 16 9 Vorlesungskonzept nicht sinnvoll beantwortbar stimmt nicht stimmt eher nicht stimmt eher stimmt Vorlesungskonzept nicht sinnvoll beantwortbar stimmt nicht stimmt eher nicht fan oO E stimmt Anzahl der Antworten Anzahl der Antworten Pr sentationskonzept nicht sinnvoll beantwortbar stimmt nicht stimmt eher nicht stimmt eher stimmt Pr sentationskonzept nicht sinnvoll beantwortbar stimmt nicht stimmt eher nicht fan oO E stimmt Abbildung
110. WW Die Webseiten werden dabei durch das eingeben einer URL Internetadresse oder Verfolgen von vii Inhaltsverzeichnis Inhaltsverzeichnis Hyperlinks aufgerufen Webbrowser stellen die Benutzeroberfl che f r We banwendungen dar und k nnen neben HTML Seiten verschiedene andere Arten von Dokumenten anzeigen Die bekanntesten und verbreitetsten Ver treter von Webbrowsern sind der Windows Internet Explorer auch Internet Ex plorer oder kurz IE und der Mozilla Firefox kurz Firefox XHTML Extensible HyperText Markup Language XHTML ist eine W3C standardisierte textbasierte Auszeichnungssprache zur Darstellung von Inhalten XML Extensible Markup Language XML ist ein W3C standardisiertes Regelwerk f r den Aufbau von Dokumenten viii Abbildungsverzeichnis 11 2 1 2 2 29 2 4 2 3 2 6 K SL 3 2 Beds 3 4 3 0 3 6 S SE N 4 1 4 2 4 3 4 4 Sl 5 2 53 5 4 Zeitliche Entwicklung der Genetischen Epidemiologie 1 Schematische Darstellung eines Instruktionsdesign Modells 30 Darstellung einer konstruktivistischen Lernumgebung 34 Illustration des didaktischen Konzepts des Kurses 38 Schematische Darstellung des Lernraums 39 Auftrittsh ufigkeiten der Aufgabentypklassen im Buch 48 Inkrementelles Vorgehensmodell f r E Learning Projekte 69 Illustration der lokalen Projekt Datenstruktur 73 Beispiel f r eine Drehbuchsei
111. aScript kurz JS ist eine ojektbasierte Skriptsprache die unter dem Namen ECMAScript durch die Ecma International standardisiert wurde Ecma International 1999 JavaScript ist unentbehrlich fiir die Realisierung von dynamischen Inhaltsver nderungen Das f ngt an bei einfachen Reaktionen auf Benutzerinteraktionen wie zum Beispiel der farblichen Anderung eines Hyperlinks wahrend sich der Mauszei ger ber dem Link befindet und reicht bis zu einer XHTML Flash Kommunikation ber JS SWF ShockWave Flash kurz SWF ist ein auf Vektorgrafiken basierendes Grafik und Animationsformat das mit dem Flash Player kostenfrei erh ltlich unter http www adobe com de products flashplayer abgespielt werden kann SWF Dateien auch Flash Animationen Filme oder Interaktionen genannt werden mit der inte grierten Entwicklungsumgebung Adobe Flash erstellt siehe Kapiel 3 2 4 Folgende Gr nde sprechen f r den Einsatz von Flash Interaktionen e Der hohe Verbreitungsgrad des Flash Browserplugins Der Flash Player ist auf ber 98 Prozent aller Internetcomputer installiert siehe Louis und Nissen 2004 S 23 e Die Spezialisierung auf die Erstellung von Animationen und Interaktionen e Die integrierte objektorientierte Programmiersprache ActionScript 2 0 e Die hohe Funktionssicherheit Diese ist bei Interaktionen die zum Beispiel als Java Applets SUN realisiert wurden auf heutigen Computern aufgrund strenger Sicherheitsrestriktionen ni
112. aktische Kon zept der Fachhochschule L beck in das deren langj hrige Erfahrungen mit techno logiegest tzter Lehre eingeflossen sind Beispielsweise wurde ab 1998 unter Feder f hrung der Fachhochschule L beck die Virtuelle Fachhochschule VFH aufgebaut einem durch das Bundesministeriums f r Bildung und Forschung finanzierten Bun desleitprojekt mit dem Ziel komplette Online Studieng nge in bis dato einmaliger Form anzubieten Aus technischer Sicht handelt es sich bei der ONCAMPUS FACTORY um spezielle Templates f r den EXACT PACKAGER die sich aus didaktischer Sicht durch folgende Punkte auszeichnen e Das Design ist ansprechend und sthetisch gestaltet Das bedeutet zum Bei spiel dass die Inhaltsseiten klar strukturiert sind und unauff llige Farben und Farbverl ufe aufweisen e Die Navigation durch den gesamten Kurs ist durchweg einheitlich und in tuitiv siehe Navigation in Abbildung 3 7 Es handelt sich dabei um die so genannte hierarchische Navigation mit Baumstruktur die derzeit blich ist Mair 2005 Dies Art der Navigation ist sehr flexibel was f r den Lernenden zum Beispiel bedeutet dass er die M glichkeit hat Inhalte zu berspringen wenn er bereits ber hinreichend gute Kenntnisse verf gt e Aufalle Lerninhalte Interaktionen Abbildungen und Tabellen kann ber ent sprechende Verzeichnisse direkt zugegriffen werden siehe Inhalts und Medi enverzeichnis in Abbildung 3 7 e Der Lernende sieht
113. alks E Seminare In der Rubrik Biomedical amp Life Sciences bietet die Henry Stewart Group of Com panies derzeit drei E Seminare zum Thema Genetische Epidemiologie an http www hstalks com main browse_series php father_id 4 Stand 26 August 2008 Genetic Epidemiology I Genetic Epidemiology II und Statistical Methods for the Analysis of Genome Wide Association Studies Das recht umfangreiche E Seminar Genetic Epidemiology I Henry Stewart Talks 2004 ist eine kommerzielle Lernsoftware die bis vor kurzem ausschlie lich auf CD ROM angeboten wurde Seit geraumer Zeit k nnen die E Seminare auch di rekt ber das Internet genutzt werden Voraussetzung daf r ist allerdings der Er werb einer zeitlich begrenzten Nutzungslizenz Bei allen E Seminaren handelt es sich um digitale Pr sentationen also eine Kombination aus Videoprojektor Folien und gesprochenem Text die zu verschiedenen Themengebieten abgespielt werden k nnen Der Hersteller selber schreibt Henry Stewart Talks is dedicated to provi ding CD ROM based talks of the highest standard About Henry Stewart HST CD ROM In Genetic Epidemiology I werden folgende Themen behandelt Gene tische Grundlagen f r Statistiker Einf hrung in die Populationsgenetik Segregationsana lyse Kopplungsanalyse Studiendesign Genomweite Scans und Assoziationsanalyse Dar ber hinaus sind einige vertiefende Pr sentationen enthalten Lernaufgaben sin
114. angeboten Der Lernraum stattet den Kurs mit wichtigen Kommunikationswerkzeugen aus zum Lernraum z hlt aber auch eine den Kurs begleitende Pr senzveranstaltung sowie die technische und inhaltliche Betreuung e inhaltliche Betreuung und e eine Pr senzphase Wie die einzelnen Bestandteile des Lernraums konkret aussehen soll im folgenden Teil dieser Arbeit n her beschrieben werden Kommunikationsplattform Die Kommunikationsplattform dient in erster Linie dazu die Kursteilnehmer und Betreuer miteinander zu vernetzen und ihnen f r das technologiegest tzte Lernen n tzliche Kommunikationswerkzeuge zur Verf gung zu stellen Dar ber hinaus dient die Kommunikationsplattform aber auch als Informations und Diskussions 139 2 1 Lehr und Lerntheorie Methoden plattform F r den Aufbau der Kommunikationsplattform sollte nach M glichkeit eine Soft ware ausgew hlt werden die Elemente und Werkzeuge einer sogenannten Sozialen Software engl Social Software beinhaltet Das heift es sollte eine Software sein die der menschlichen Kommunikation und Zusammenarbeit dient und den Auf bau von Communities unterst tzt Virtual Communities sind Pl tze im Internet wo Menschen die die gleichen Interessen teilen zusammenkommen Mitglie der sind in der Regel Experten bzw Interessierte an einem Thema ber Services der Community wie Schwarze Bretter Diskussionsforen und Chats steuern sie Er fahrungen Wissen und Anregungen
115. anhand der Fortschrittsanzeige permanent wie viele von wie vielen Seiten er schon bearbeitet hat das heifst an welcher Position im Kurs er sich befindet siehe Fortschrittsanzeige in Abbildung 3 7 e Ein direkter Seitenzugriff ist auch ber die Eingabe der Seitenzahl oder einer 90 3 2 Autorenwerkzeuge Entwicklungsmaterial Inhaltsverzeichnis Medienverzeichnisse Fortschrittsanzeige Navigation Seitenzugriff Training in Ge 2 A cell containing a single set of chromosomes with all 22 autosomes and one of the two sex chromosomes is termed to be haploid A regular human cell however is diploid meaning that it contains a double set with one coming from the father and the other coming from the mother Hence a regular cell has 2 22 44 autosomes and two sex chromosomes Interaction 4 The human cell Abbildung 3 7 Beispiel zur Illustration der grundlegenden Gestaltung der Lernseiten Im oberen Bereich befinden sich die Steuerelemente f r die Navigation innerhalb des Kurses und den Zugriff auf verschiedene Verzeichnisse Auf der linken Seite befinden sich Her vorhebungen die die Funktionalit t und oder Wichtigkeit bestimmter Komponenten und Inhalte kennzeichnen In der Mitte erscheinen die eigentlichen Lerninhalte bestehend aus Textinhalten Interaktionen und anderen Medien Kapitelnummer m glich siehe Seitenzugriff in Abbildung 3 7 e Es gibt die M glichkeit Identifikationsfiguren auf den
116. ann um eine RNA Sequenz in die zugeh rigen Aminos uren zu ber setzen Status Mit Flash umgesetzt Kurzbeschreibung Codon Die kreisf rmige Codon Abbildung soll mit aktiven Fl chen versehen werden die beim Dr berfahren mit der Maus automatisch die Codes und die zugeh rigen Aminos uren anzeigen Ende Drehbuch f r Interaktion 1 2 Abbildung 3 3 Beispiel f r die PDF Ausgabe eines Interaktions Drehbuchs Neben Meta informationen enth lt das Drehbuch eine kurze Beschreibung was mit Hilfe der Interaktion gelernt werden soll 182 3 2 Autorenwerkzeuge Entwicklungsmaterial HTEX Befehle f r das Drehbuch F r das Drehbuch wurden zus tzlich folgende KTEX Befehle definiert e Marginalien und Schlagworte farbige Texthervorhebungen Textkennzeichnungen z B Merksatz Achtung Formel etc und e Identifikationsfiguren Ein Beispiel f r eine Textkennzeichnung des Typs Einheit Groesse findet sich in Ab bildung 3 1 In Abbildung 3 2 wird die Aufmerksamkeit durch eine Marginalie auf der linken Seite auf das Wort RNA gelenkt 3 2 2 Das Autorenwerkzeug zur Inhaltserstellung Die Entscheidung f r ein bestimmtes Autorenwerkzeug sollte m glichst fr h ge f llt werden am besten bereits w hrend der Erstellung des Grobkonzepts Pahlke et al 2006 S 4 Die Auswahl eines geeigneten Autorenwerkzeugs f r das Projekt Training in Genetischer Epidemiologie erfolgte eben in diesem Zeitraum siehe Kapite
117. apitel 2 2 Dar ber hinaus sollten auch Lehrende und Tutoren Feedbacks zum Lernfortschritt der Lernenden erhalten Slavin 2000 S 466 ReT3 wurde gem der Spezifikation in Kapitel 2 2 2 implementiert und zeichnet sich durch folgende Eigenschaften aus e Die ReT3 Lernaufgaben lassen sich nahtlos in alle Lernobjekte einbetten die mit dem EXACT PACKAGER erstellt wurden Dadurch dass ReT3 mit Flash und ActionScript umgesetzt wurde ein Teil des Softwaredesigns ist in An hang C 1 abgebildet l sst sich das Modul auch in viele andere Dokumenten typen einbinden z B HIML kann aber auch alleinstehend als Stand Alone Programm benutzt werden e ReT3 l sst sich einfach handhaben F r jede Aufgabe muss eine Kopie der Flash Datei SWF Datei unter neuem Namen erstellt werden Des Weiteren ist eine XML Datei erforderlich die den gleichen Namen Prefix tr gt aber mit der Endung xml anstelle von swf versehen ist In der XML Datei werden die Aufgabenstellungen und die L sungen definiert Es k nnen wahlweise ei ne oder mehrere Teilaufgaben definiert werden e F r die Beschreibung der Aufgaben wurde ein XML basiertes Speicherformat entwickelt das in Anhang C 2 genau beschrieben ist Mit dessen Hilfe ist eine sehr flexible Definition von Aufgaben m glich Um auch Tutoren ohne XML 127 5 2 Multimedia Elemente Umsetzung Kenntnisse das Anlegen und Editieren von Aufgaben zu erm glichen wurde mit PHP eine einfa
118. arbigem Text Textkennzeichnung Identifikationsfiguren oder einer Leitfigur Ziele und DK evaluieren Kritischer Vergleich zwischen Ist und Soll Zustand Phase 4 Umsetzung Ziele festlegen Erstellung einer funktionsf higen E Learning Lerneinheit DK bestimmen Beachtung grundlegender Richtlinien die die sthetik der Medien und die Ergonomie des Moduls sichern f r entsprechende Gui delines siehe z B Mair 2005 S 124 128 f r softwareergonomische Prin zipien siehe z B Herczeg 1994 Ziele unter Beachtung des DK umsetzen Implementierung gem dem Drehbuch Ziele und DK evaluieren Anforderungen aus dem Drehbuch evaluieren ab schnittsweise Evaluierung zusammen mit Studierenden Fertigstellung amp Evaluation Die fertigen Inhaltsabschnitte die zur einfacheren und flexibleren Handhabung einzeln als kleinere Teilprobleme bearbeitet wurden werden am Ende zu einem ganzheitlichen E Learning Kurs zusam mengef gt Abschlie end sollte der Kurs als Ganzes evaluiert werden Hier geht es in erster Linie darum zu berpr fen ob der Kurs erfolgreich in der Lehre eingesetzt werden kann also den erkl rten Lehrauftrag erf llen kann 71 2 4 Projekt Vorgehensmodell Methoden 2 4 2 Erweiterung Standardarbeitsanweisung f r die Strukturierung der lokalen Daten Das Vorgehensmodell aus Pahlke et al 2006 wurde speziell f r das Projekt Trai ning in Genetischer Epidemiologie um eine Standardarbeitsanweisung SOP
119. are Bandbreite Der gesamte Kurs ist so gestaltet dass er mit geringem Aufwand gepflegt und an neue Anforderungen angepasst werden kann Das ist eine fundamentale Voraus setzung um die Nachhaltigkeit des Lernobjekts gew hrleisten zu k nnen Zwei Beispiele sollen hier die konsequente Umsetzung eines nachhaltigen Konzepts il lustrieren Das erste Beispiel betrifft das neue Lernaufgabenmodul ReT3 Dieses ist so konzipiert und umgesetzt worden dass f r das Anlegen ndern und Pflegen von Lernaufgaben keinerlei Programmierkenntnisse n tig sind Das zweite Beispiel f r ein nachhaltiges Konzept betrifft die Verwendung von Fa milienstammb umen im Kurs einem elementaren Bestandteil der Ausbildung in Genetischer Epidemiologie Das Erstellen von Stammb umen f r einen E Learning Kurs gelingt am schnellsten mit einem Grafikprogramm Zum Beispiel w re es m g lich die Stammb ume mit dem Programm CorelDRAW zu erstellen und f r den Kurs als PNG Rastergrafik zu exportieren Das w re allerdings f r die Nachhaltig keit des Kurses eine denkbar schlechte L sung da beispielsweise zur Anpassung der Stammb ume an eine neue Bildschirmaufl sung die Quelldatei jedes Stamm baums einzeln mit dem benutzten Grafikprogramm ge ffnet und angepasst werden m sste Im Kurs Training in Genetischer Epidemiologie sind Stammb ume daher nicht als Grafiken in die Inhaltsseiten oder Lernaufgaben eingebettet worden sondern als PEDCHART Interaktionen Im eigens entw
120. as Geschlecht oder der Krankheitsstatus in einem kleinen Info Fenster siehe Abbildung 5 23 Alle kon ventionellen Symbole f r die Darstellung von Stammb umen werden von PED CHART unterst tzt siehe Abbildung 5 23 und 5 24 Dazu geh rt auch dass Spezi alf lle wie Zwillingsstatus oder Inzucht korrekt dargestellt werden 1 3 1 3 Maria Abbildung 5 24 Beispiel f r einen mit PEDCHART dargestellten Stammbaum In der zu grunde liegenden XGAP Datei wurden neben den Markern auch die Namen der Individuen definiert und die Nummerierung aktiviert 126 5 2 Multimedia Elemente Umsetzung 5 2 3 Das Lernaufgabenmodul ReT3 Standardisierte Lernerfolgskontrolle und Training Da das eingesetzte Autorenwerkzeug EXACT PACKAGER in Kombination mit der ONCAMPUS FACTORY keine L sung f r den Einsatz von Lernaufgaben besitzt die den in dieser Arbeit beschriebenen didaktischen Anforderungen gerecht wird vgl Kapitel 3 2 3 wurde eigens das Flash basiertes bungsaufgaben Modul ReT3 zur Einbettung in Online Trainingskurse entwickelt ReT3 steht f r Real Time Test and Training und unterst tzt die kontinuierliche Evaluierung des studentischen Ler nens Zur Erinnerung Der Lernende muss zu jeder Zeit berpr fen k nnen wo er mit seinem Wissen steht und was er gegebenenfalls wiederholen oder vertie fen muss Dazu eignen sich spezielle bungsaufgaben die dem Lernenden ein di daktisch sinnvolles Feedback pr sentieren vgl K
121. as Programm hat sich im professionellen Einsatzbereich als Industriestandard durchgesetzt hat CorelDRAW 12 X3 CorelDRAW ist ein Vektorgrafikprogramm das Bestandteil der Grafiksoftware Sammlung CorelDRAW Graphics Suite der Firma Corel Corporation ist Die erste Version von CorelDRAW wurde 1989 ver ffentlicht Das Programm geh rt neben Adobe Illustrator und Macromedia FreeHand zu den am weitesten verbreiteten Vektorgrafikprogrammen 194 4 Konzeption des E Learning Kurses Die Konzeption des Projekts Training in Genetischer Epidemiologie erfolgte gem dem im Kapitel 2 4 vorgestellten Vorgehensmodell Angelehnt an die gegebene Ka pitelstruktur des Buches von Ziegler und K nig 2006 wurde das zugeh rige Ma nuskript zun chst in kleinere Bearbeitungsabschnitte unterteilt Die Kapitel die in den E Learning Kurs auf jeden Fall einflie en sollten wurden identifiziert Die f r den Erfolg des Kurses weniger wichtigen Kapitel wurden entsprechend mit einer niedrigeren Priorit t versehen siehe Tabelle 4 1 Aus Tabelle 4 1 ergaben sich die inhaltlichen Bearbeitungsabschnitte des Projekts wie folgt die Umsetzung der Lerninhalte erfolgte exakt in dieser Reihenfolge Molecular Genetics Formal Genetics Genetic Markers Data Quality Genetic Map Distance Linkage Disequilibrium Units LDU Fundamental Concepts Case Control Association Analysis o N D OF Q N e Haplotypes in Association Analyses F r jede
122. asen arame Illus tration der Kohlenstoffato me der Desoxyribose Linear _ primary sequence structure ic eo T Wl Abbildung 5 15 Abbildung 5 18 Illus der DNA O P 0 O P O Er o a ll sa a tea EE tration der Desoxyribose Abbildung 5 17 Illus tration der Guanin Abbildung 5 14 Illus 5 2 Multimedia Elemente Umsetzung Beispiel f r eine bidirektionale Mouse Over Interaktion Meiose In Abbildung 5 20 ist eine fertige Inhaltsseite aus dem Kurs Training in Genetischer Epidemiologie mit einer bidirektionalen Mouse Over Interaktion zur Illustration der Meiose zu sehen Abbildung 5 21 zeigt die m glichen Zust nde in denen sich die Interaktion befinden kann 1 2 1 How does the process of Meiosis works Meiosis is a special form of cell division in which a single cell is divided into four daughter cells As the resulting gametes each have only half the number of chromosomes of the progenitor cell these are haploid To be specific meiosis includes one round of chromosome duplication and two rounds of cell division 1 The process begins with a regular diploid cell 2n which means that there is one paternal and one maternal double strand or AG chromosome Matching maternal and paternal chromosomes are termed to be homologous 2 DNA replication The DNA is duplicated and as a result each chromosome now contains t
123. assen aus technischer Sicht Neben der Beschaffenheit lassen sich f r jede Antwort auch die technischen und formalen Anforderungen bestimmen Die Medien m ssen f r das Selbstlernen ge eignet sein das heift sie m ssen ein spezielles didaktisches Konzept verfolgen Wichtig ist dabei unter anderem die Autonomie und Konsistenz der Medien vgl Hohenstein und Wilbers 2001 Folgende technischen Typklassen stehen zur Aus wahl vgl z B Mair 2005 Slavin 2000 Text Eingabefeld Der Lernende muss seine L sung in ein Textfeld eintippen Auf Basis von Schlagworten die in der L sung enthalten sein m ssen wird die hnlichkeit zur Musterl sung berechnet L ckentext Eingabefelder Im Aufgabentext werden bestimmte Worte durch Text Eingabefelder ersetzt Der Lernende muss diese L cken dann f llen indem er die fehlenden Worte in die Textfelder eintippt Es handelt sich um einen Spezialfall des Text Eingabefelds mehrere Text Eingabefelder jeweils mit ge ringerer Auswertungskomplexit t Multiple Choice Auswahlliste Es werden verschiedene Antwortm glichkeiten vor gegeben und der Lernende muss sich f r eine oder mehrere davon entschei den und diese entsprechend selektieren Multiple Choice wird von einigen P dagogen als benutzerfreundlichste und flexibelste Testform angesehen Ebel und Frisbie 1991 Gronlund 1991 Haladyna 1996 Single Choice Auswahlliste Der Lernende muss aus einer Liste von m glichen Ant worten eine einzelne
124. b er bereits be kannte Inhalte direkt berspringen m chte siehe Abbildung A 13 S 192 Nachfol gende Seiten sind zudem direkt im Text verlinkt k nnen also nicht wie blich mit einem Vorw rts Button angesteuert werden NUMAS NUMAS ist ein webbasiertes Lehr und Lernsystem zur Numerischen Mathema tik und Statistik Das Projekt wurde von 2001 bis 2004 durch das BMBF Programm Neue Medien in der Bildung gef rdert Die Nutzung ist online nach vorheriger Anmeldung unter http www numas de m glich Neben einigen Modulen zur Nu merischen Mathematik existieren die Module Statistik und Medizinische Statistik die die Themen Verteilungen Deskriptive Statistik Analytische Statistik berlebensana lysen Diagnostische Tests und Studiendesign beinhalten Diskussion Die Bedienung der Lernumgebung ist nicht immer intuitiv Beispielsweise ist die Navigation f r die verschiedenen Lernmodule so gestaltet dass die Themen zwar beim berfahren mit der Maus wie allgemein blich farblich hervorgehoben werden das Thema aber nicht direkt mit einem Mausklick ausgew hlt werden kann Stattdessen muss erst umst ndlich mit der Maus ein jeweils neu erscheinen der Unterpunkt zu den Lernobjekten angeklickt werden Das unzureichende Be achten von softwareergonomischen Richtlinien gilt auch f r die Navigation und die meisten Hyperlinks Das Anklicken eines Links f hrt berwiegend nicht zu einem Seiten oder Zustandswechsel sondern e
125. b es einen Unterschied zwischen dem Vorlesungskon zept und dem Pr sentationskonzept gibt Die Ergebnisse zu den einzelnen Fra gen finden sich in Anhang E In den Abbildungen E 1 E 21 sind die Antwort m glichkeiten nebst H ufigkeiten jeweils f r das Vorlesungskonzept und das Pr sentationskonzept paarweise nebeneinander in S ulendiagrammen dargestellt Alle Antworten wurden paarweise verglichen Wilcoxon Rangsummentest Bonferroni Korrektur der p Werte Signifikanzniveau a 0 05 Lediglich bei zwei Vergleichen gab es signifikante Unterschiede zwischen den beiden verwendeten Konzepten e Die Veranstaltung verl uft nach einer klaren Gliederung Abbildung E 1 p 2 1074 e Der Die Dozentin kommt h ufig vom Thema ab Abbildung E 14 p 0 036 Die Ergebnisse best tigen dass die beiden Konzepte in der Praxis tats chlich unter schiedlich waren Im Gegensatz zum Vorlesungskonzept hatte das Pr sentations konzept eine klare Gliederung diese wird den Teilnehmern ja per Videoprojektor permanent vor Augen gef hrt Das hat nat rlich zur Folge dass eine Abweichung vom Thema beim Pr sentationskonzept von den Teilnehmern eher als solche wahr genommen wird da sie die Gliederung jederzeit vor Augen haben Bei den brigen Antworten Abbildungen E 2 E 13 und E 15 E 21 gab es kei ne signifikanten Unterschiede zwischen den beiden Konzepten Die Leistungen der Dozenten sowie die Veranstaltungen selber wur
126. bbildung 6 4 141 6 1 Technische Organisation Evaluation des Kurses Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 or 9O NV OMOON NH o NANN NMM YYY Weiblich g 2 KK Ra Anzahl der Antworten Anzahl der Antworten 0 1 2 3 4 5 6 T 8 9 10 1 12 13 144 415 1 Abbildung 6 3 Alter der Kursteil Abbildung 6 4 Geschlecht der nehmer Kursteilnehmer D 6 1 Technische Organisation Da die uneingeschr nkte Lauff higkeit eine der wichtigsten Grundvoraussetzun gen f r den Erfolg eines elektronischen Lernmoduls ist wird an dieser Stelle die Organisation des Kurses aus technischer Sicht evaluiert Ziel der Fragen war es zu ermitteln ob es an dieser Stelle noch Verbesserungsbedarf gibt oder ob das zum Tragen gekommene Konzept bereits hinreichend ist Die Ergebnisse der Fragen in den Abbildungen 6 5 und 6 8 zeigen dass die Teil nehmer bis auf wenige Ausnahmen mit der Leistung des Kursbetreuers zufrieden waren Der Kontakt zwischen dem Kursbetreuer und den Teilnehmern erfolgte hier berwiegend per Telefon oder E Mail Die Frage Die indirekte Kursbetreuung ber ein Forum ist ausreichend sie he Abbildung 6 6 ist negativ mit der Frage Es gab Schwierigkeiten den Kurs auf meinem Computer zum Laufen zu bringen siehe Abbildung 6 9 korreliert p 0 0398 KorrspgARMAN 0 61 Es zeigt sich also dass Benutzer die kei ne technischen Schwierigkeiten hatten
127. bei die zu einer st ndig steigenden Attraktivi t t der Community f hren Beinhauer et al 1999 S 406 Auch bei technolgiege st tzten Lehrveranstaltungen kommen Experten und Personen zusammen die die gleichen Interessen teilen Es liegt also auf der Hand den Lernenden auch die Mit gliedschaft in einer virtuellen Community durch die Einrichtung einer geeigneten Online Plattform zu erm glichen Denn wie bereits oben erw hnt ist die Vernet zung Diskussion und Kommunikation mit anderen Mitgliedern der Lerngemein schaft wichtig um beispielsweise Lernprozesse anzuregen und die Motivation zu steigern Betreuung des Kurses Zur erfolgreichen Durchf hrung des Kurses bedarf es sowohl einer technischen als auch einer inhaltlichen Betreuung Wie diese Betreuung in der Praxis gew hrleistet werden kann soll nachfolgend erl utert werden Wie bereits oben in diesem Abschnitt erw hnt geh rt die uneingeschr nkte techni sche Funktionsf higkeit des E Learning Kurses zu den wichtigsten Hygienefakto ren Es kann von den Kursbenutzern nicht erwartet werden dass sie m gliche tech nische Probleme alleine l sen Die Benutzer m ssen vielmehr von vornherein dazu ermuntert werden sich bei technischen Problemen zeitnah Hilfe zu holen damit die Probleme zu keiner Demotivation f hren Bei inhaltlichen Fragen und Proble men ist der zeitliche Aspekt h ufig nicht ganz so wichtig da der Lernende mit dem Kurs weiter machen kann auch wen
128. bildung 5 11 ist der Ausgangszustand einer bidirektionalen Mouse Over Interaktion zur Illustration der Desoxyribonukleins ure zu sehen Abbildung 5 13 zeigt den ersten Teil des Textes der neben der Interaktion auf der Kursseite plat ziert ist Der Mauszeiger wurde ber den Text two strands bewegt worauf sich der Zustand der Interaktion so ndert wie in Abbildung 5 12 dargestellt ist Es wird also der inhaltlich passende Teil farbig gekennzeichnet In den Abbildungen 5 14 5 19 sind beispielhaft sechs weitere m gliche Zust nde dieser Interaktion abgebildet die in Abh ngigkeit von der Position des Mauszeigers eingenommen werden Das bidirektionale Mouse Over Konzept wurde so imple mentiert dass die Interaktionen automatisch in den Ausgangszustand zur ckkeh ren sobald der Mauszeiger von dem entsprechenden aktiven Textabschnitt wegbe wegt wird Um einen Zustand vor bergehend zu speichern beispielsweise um eine Abbildung in Ruhe und unabh ngig von der Mausposition zu betrachten gen gt es den passenden Textteil mit der linken Maustaste anzuklicken 119 5 2 Multimedia Elemente Umsetzung oO H OH l ly O P O H C C H von d Kasel C o a ae C i L u Su o IN IZ H C C H O P 0 TI O H H Oo Lk o P O H C C H A N el EN sl o Eg i pr geg De o N IAI H C C H O P 0 TI oO H H O Gi O P O H C C H AN a a al t o e 28 E P CH u o NI IZ l H C C H O
129. campus Factory i Das didaktische Konzept Beni 1024x768 Ba XLS XHTML JavaScript gemeingiltiges f Speicherformat Medien Abbildung 3 5 Das Autorenwerkzeug im Kontext Der Kursentwickler erstellt die Inhal te mit dem Autorenwerkzeug EXACT PACKAGER das wiederum auf ONCAMPUS FACTO RY zugreift und auf diese Weise den didaktischen Rahmen vorgibt Die Inhalte werden im XML Format siehe Abschnitt 3 1 abgespeichert In Abh ngigkeit vom vorgesehenen Kursbenutzer Einsatzsystem z B PC Laptop PDA Handy sowie vom Speichermedium z B online Webserver offline CD Rom werden der E Learning Standard z B IMS GLC 2005 und das Exportprofil definiert und beispielsweise die zum Ger t passende Bildschirm aufl sung eingestellt im Beispiel 1024x768 dpi Die bersetzung in XHTML mit JavaScript wird dann vom Autorensystem gem Exportprofil durchgef hrt Eine erneute berstzung ist erst dann wieder n tig wenn das Exportprofil an neue technische Anforderungen an gepasst werden muss z B neue Bildschirm Standardaufl sungen oder die Inhalte sich n dern Die Kursbenutzer greifen auf den Kurs entweder ber eine CD Rom zu oder nutzen den Kurs mit einem Web f higen Endger t ber das Internet Die einzigen Voraussetzungen an das Endger t sind Es muss ein Webbrowser installiert sein bei dem das Flash Plugin in stalliert und JavaScript aktiviert ist 88 3 2 Autorenwerkzeuge Entwicklungsmaterial Multimedia Elemente o
130. ch der Son derfall II siehe Definition B 2 und Beispiel B 4 ber cksichtigt wird Das Ergebnis ist der erweiterte Algorithmus B 4 Algorithmus BA Erweiterte Freitextanalyse II O siehe Algorithmus B 3 Pr fe ob der Sonderfall Il siehe Definition B 2 vorliegt und ndere ggf die Index matrix du Pij gt max sP gt max SCH d A Pij L Pix L Pj 9 k 1 h 1 0 sonst siehe Algorithmus B 3 Schritte 206 B 2 Entwicklung von Auswertungsalgorithmus II Auswertungsalgorithmus B 2 Entwicklung von Auswertungsalgorithmus II Algorithmus f r feste Wortreihenfolgen Im folgenden Teil des Anhangs soll Algorithmus 2 2 siehe Kapitel 2 2 4 S 59 schrittweise hergeleitet werden Die Herleitung setzt die Annahmen und Definitio nen aus Kapitel 2 2 4 voraus Ziel ist es einen Algorithmus zu entwickeln der einen Wort Schl sselwort Vergleich durchf hrt und dabei die Reihenfolge der W rter be r cksichtigt Ein Algorithmus f r eine feste Wortreihenfolge d h eine endliche Folge von Zei chenketten vgl Definition 2 2 S 54 muss so konstruiert werden dass er die Index matrix so erzeugt dass nur noch auf der Diagonalen 1 en stehen f r ein Beispiel siehe Tabelle B 1 ki ko k3 ka w 1 wW 1 w3 1 w4 1 Tabelle B 1 Beispiel f r eine perfekte bereinstimmung der W rter w mit den Schl ssel w rtern k in korrekter Wortreihenf
131. ch oben und unten sowie nach rechts und links erm glichen Artikel 3 Web of Science Suchergebnis Nummer 29 Im Artikel Moebus et al 2002 wird die Entwicklung der internetbasierten Lehr und Lernumgebung EMILeA stat beschrieben einem E Learning System f r die an gewandte Statistik EMILeA stat ging aus dem Projekt e stat hervor das vom Bun desministerium f r Bildung und Forschung BMBF im Programm Neue Medien in der Bildung F rderbereich Hochschulen von April 2001 bis Dezember 2004 mit einem finanziellen Gesamtvolumen von 2 9 Mio Euro gef rdert wurde An dem Projekt waren 13 Antragsteller und 70 Mitarbeiter und Mitarbeiterinnen beteiligt Neben den in Kapitel 1 1 1 aufgef hrten Modulen werden folgende Kurse angebo ten Mathe B Statistik SS06 PISA Begleitkurs e Zur Mathematik derivativer Finanzinstrumente Markov Ketten 180 A 1 E Learning Angebote zur Statistik Literaturrecherche Markov Prozesse Poisson Prozesse Wartesysteme Stamm Blatt Diagramm Versuchsplanung zur Qualit tsoptimierung e Amtliche Statistik Beschreibende Statistik Das Simpson Paradoxon Stochastische Modelle In den Abbildungen A 3 und A 4 ist beispielhaft die Benutzeroberfl che von EMILeA stat dargestellt 181 A 1 E Learning Angebote zur Statistik Literaturrecherche EMILeA stat Mozilla Firefox 5 x Datei Bearbeiten Ansicht Chronik Lesezeichen Extras Hilfe aB G XM amp http ffemilea stat r
132. che Benutzerschnittstelle zum Verwalten aller Lernaufga ben eines Kurses entwickelt die weiter unten noch genauer beschrieben wer den soll e Jede Aufgabe l sst sich mit META Informationen versehen die die Verwal tung und Pflege der Aufgaben vereinfacht Zu diesen META Informationen die sich auf Wunsch in der Flash Animation anzeigen lassen geh ren zum Beispiel eine Versionsnummer das Datum der letzten nderung und der Na me des Autors e Das u ere Erscheinungsbild von ReT3 l sst sich ber eine f r alle Aufgaben g ltige externe CSS Datei steuern Mit wenigen Handgriffen lassen sich damit beispielsweise Schriftformatierungen und Layout nderungen vornehmen e Das Format der L sungen in der XML Datei ndert sich in Abh ngigkeit vom Aufgabentyp z B Freitext Multiple Choice Zum Beispiel setzt sich die L sung einer Freitextaufgabe aus der ausformulierten Musterl sung und einer beliebig langen Liste von Schl sselw rtern und Schl sselwortgruppen zusam men F r jedes Schl sselwort lassen sich die Punkte definieren die vergeben werden falls das Wort im eingegebenen L sungstext gefunden wird Um ver schiedene Varianten eines Wortes abzudecken kann ein Wortteil mit einem Sternchen beendet werden Beispielsweise deckt base u a Singular und Plu ral des Wortes base ab Des Weiteren lassen sich Wortvarianten oder W rter mit ein und derselben Bedeutung auch getrennt durch ein Komma definieren F r Gruppen von Schl
133. chreibende Statistik und Explorative Datenanalyse Windows Internet Explorer lol xi Y ttp iww eu Demo stkurs ES Google CR MD rise Dee D S 2 Q 1 995 1 489 Q min C mit KO Regressionsgerade ohne KQ Regressionsgerade Aktuelle Informationen zum Herbstgutachten finden Sie hier Seite 3 von7 Kleinst Quadrat Schatzung im linearen Modell Eine Regressionsfunktion wird so bestimmt da sie sich den Beobachtungsdaten m glichst gut anpa t Das g ngigste Verfahren zur numerischen Ermittlung die Methode der il Scha minimiert den Mittelwert der quadrierten Abweichungen zwischen den Beobachtungswerten und der Regressionsfunktion Am au Die Sch tzung einer Regressionsfunktion nach der KQ Methode entspricht also der L sung eines Minimierungsproblems Im linearen Fall ergibt sich die L sung mit den Mitteln der Differentialrechnung am ene am sem Abbildung A D Screenshot der Benutzeroberfl che von Statistik Beschreibende Statistik und explorative Datenanalyse Bei einer heutzutage h ufig anzutreffenden Bildschirmauf l sung von 1280x 1024 dpi wird gerade mal ein Viertel der Oberfl che ausgenutzt 188 A 1 E Learning Angebote zur Statistik Literaturrecherche Statistische Wahrscheinlichkeit Zufallsexperimente e Druckansicht Startseite Kurs Navigator Glossar 41 zur ck vori ZUFALLSEXPERIMENTE MEDIEN Applet zum Venn Diagramm I vorg nge
134. cht stimmt eher nicht stimmt eher 1 stimmt nicht stimmt eher nicht stimmt eher nicht sinnvoll beantwortbar i nicht sinnvoll beantwortbar Anzahl der Antworten D 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1415 fi L Anzahl der Antworten 0 1 2 3 4 5 6 7 8 9 10 11 12 1 3 115 fi Abbildung 6 32 Im Kurs wird das Abbildung 6 33 Der Kurs verdeut eigenst ndig wissenschaftliche Arbeiten licht zu wenig die Verwendbarkeit und gef rdert den Nutzen des behandelten Stoffes Die Antworten auf die Frage inwieweit der Kurs das eigenst ndig wissenschaftli che Arbeiten f rdert waren sehr heterogen siehe Abbildung 6 32 was m glicher weise wieder auf die Heterogenit t der Teilnehmergruppe zur ckzuf hren ist vgl Diskussion zu den Abbildungen 6 30 und 6 31 Abbildung 6 33 zeigt dass der Kurs die Verwendbarkeit und den Nutzen des behandelten Stoffes in ausreichendem Ma e verdeutlicht Die Fragen in Abbildung 6 34 und 6 35 zielen darauf ab inwieweit es dem Kurs gelingt die Lernenden zu motivieren Kurzum Greifen die im hier benutzten di daktischen Konzept verankerten Motivationsfaktoren Das ist bei einer deutlichen Mehrheit der Teilnehmer der Fall 21 von 29 Teilnehmern 72 waren der Meinung dass der Kurs ihr pers nliches Interesse am Themenbereich eher f rdert Ebensovie le haben eine gute bis sehr gute Note f r den Spa faktor des Kurses vergeben Alle Teilnehme
135. cht immer gew hrleistet 77 3 1 Datei und Medienformate Entwicklungsmaterial PNG Portable Network Graphics Roelofs 1999 kurz PNG ist ein Grafikformat f r Ra stergrafiken die verlustfrei komprimiert abgespeichert werden im Gegensatz bei spielsweise zum JPEG Format Es ist ein lizenzkostenfreies universelles vom World Wide Web Consortium W3C anerkanntes Format und wird von allen mo dernen Webbrowsern unterst tzt 178 3 2 Autorenwerkzeuge Entwicklungsmaterial 3 2 Autorenwerkzeuge Zu wichtigsten Autorenwerkzeugen z hlen Programme und Hilfsmittel die den Entwickler bei der Erstellung des Drehbuchs unterst tzen die Autorensoftware mit der die Inhalte und Medien organisiert zusammengef gt und als funktions f higer Kurs exportiert werden sowie die Programme mit denen die Medien z B Abbildungen Animationen und Interaktionen erstellt werden 3 2 1 Die KTEX basierte Drehbuchumgebung Um die Projektphasen Grobkonzept Feinkonzept und Drehbuch effizient bew lti gen zu k nnen wurde ein umfangreicher Satz neuer IAIEX Befehle definiert Ziel war es das Quellskript zum Buch von Ziegler und K nig 2006 im Laufe der ein zelnen Phasen direkt in das Drehbuch zu berf hren um so den Arbeitsaufwand zu minimieren Die daraus entstandene JAIFX basierte Drehbuchumgebung wurde bereits in Pahlke et al 2006 auf den Seiten 6 8 beschrieben Der Vollst ndigkeit halber sollen die wichtigsten Befehle und Fun
136. d K nig 2006 sehr viele Stammb ume zur besseren Veranschaulichung des Textin halts verwendet 86 der Abbildungen in den Lernaufgaben des Buches enthalten Stammb ume im gesamten Buch bel uft sich der Anteil auf 40 der insgesamt 70 Abbildungen F r die technologiegest tzte Ausbildung von Studierenden in Genetischer Epide miologie ist die Benutzung von Familienstammb umen folglich essentiell Um die Nachhaltigkeit der digitalen Stammb ume in einem E Learning Kurs zu gew hrlei sten ist es wichtig dass diese nicht einfach als Grafiken erstellt und abgelegt wer den Beispielsweise w re eine nderung der Aufl sung oder die Anpassung an ver nderte Lerninhalte zu einem sp teren Zeitpunkt sehr zeitaufw ndig da jedes Bild einzeln bearbeitet oder gar neu erzeugt werden m sste vgl Nachhaltigkeit Kapi tel 3 2 2 Um eine konsistente Darstellung und die Nachhaltigkeit sicherzustellen 64 2 3 Erweiterte Darstellung von Familienstammb umen Methoden bietet es sich an die Stammb ume lediglich in einer Text Datei ASCH Format zu kodieren und die Darstellung algorithmisch zu l sen Diese L sung ist zum Beispiel vergleichbar mit dem Kozept der Cascading Style Sheets CSS bei dem die Darstel lung von Webseiten zentral in einem externen CSS Dokument definiert wird Das hat den gro en Vorteil dass Darstellungs nderungen zu einem sp teren Zeitpunkt nur an einer Stelle vorgenommen werden m ssen wobei sich die nderungen
137. d dagegen nicht enthalten Im E Seminar Genetic Epidemiology II Henry Stewart Talks 2007 wird auf neuere Entwicklungen des Fachgebiets eingegangen Spezielle Designs Spezielle Populationen Genomweite Studien Datentypen und Genomweite Stu dien 2 Methoden In Statistical Methods for the Analysis of Genome Wide Associa tion Studies Henry Stewart Talks 2008 geht es um die praktische Durchf hrung von genomweiten Assoziationsanalysen GWAs 19 1 1 bersicht ber verf gbare E Learning Angebote Einleitung Diskussion Ob die Henry Stewart Talks E Seminare dazu geeignet sind die selbstgesteckten ehrgeizigen Lehr und Lernziele zu erreichen ist fraglich Der Umstand dass die einzelnen Teilgebiete von unterschiedlichen Dozenten ohne ein gemeinsames di daktisches Konzept aufbereitet wurden f hrt dazu dass die Folien ein sehr hete rogenes und inkonsistentes Erscheinungsbild mit teilweise m iger Qualit t auf weisen Beispielsweise sind einige Folien Iexte nur schwer lesbar weil die Schrift unscharf oder zu klein ist Die E Seminare auf CD Rom laufen zudem nur auf Syste men mit bestimmten Konfigurationen So wird beispielsweise der Internet Explorer ben tigt mit Mozilla Firefox dagegen laufen sie nicht Es werden also mehrere wichti ge Hygienefaktoren nicht erf llt Dar ber muss bem ngelt werden dass die beiden wichtigsten Motivationsfaktoren nicht ber cksichtigt werden Die Interaktivit t des Kurses besch
138. daher auf Anhang A sowie die jeweils vermerkten Literaturhinweise verwiesen 1 1 1 E Learning Angebote zum Thema Statistik Durch die Literaturrecherche konnten 14 verschiedene E Learning Angebote zum Thema Statistik ermittelt werden siehe Anhang A 1 e MM STAT Statistik Wissenschaftliche Datenanalyse leicht gemacht e EMILeA stat e HyperStat Rice Virtual Lab in Statistics e Statistik Beschreibende Statistik und explorative Datenanalyse e Neue Statistik II e PC Statistik Trainer 1 0 e LernSTATS Methodenlehre Baukasten e AktiveStats e Grundbegriffe der Biostatistik JUMBO 4 1 1 bersicht ber verf gbare E Learning Angebote Einleitung e Visual Bayes e VisualStat e ROBISYS e NUMAS Die einzelnen E Learning Angebote werden nun der Reihe nach in der Weise wie oben beschrieben kurz betrachtet und diskutiert MM STAT Statistik Wissenschaftliche Datenanalyse leicht gemacht Bei MM STAT M ller et al 2000 handelt es sich um ein E Learning Modul das un ter dem Titel Statistik Wissenschaftliche Datenanalyse leicht gemacht im Buch handel erh ltlich ist H rdle und R nz 2003 und auf CD ROM ausgeliefert wird Technisch handelt es sich bei dem Kurs um statische HTML Seiten d h eine Nut zung ist prinzipiell sowohl online als auch offline m glich Das Lernmodul steht in den Sprachen Deutsch Englisch Franz sisch und Spanisch zur Verf gung und be handelt folgende Themen Grundbegriff
139. dann auf alle an die CSS Datei gekoppelten Dokumente auswirken Ein weit verbreitetes Format zur Kodierung und digitalen Weiterverarbeitung von Stammb umen ist das so genannte Linkage Format von Jurg Ott Terwilliger und Ott 1994 Es wird von einem Gro teil g ngiger Softwarepakete zur genetischen Analyse unterst tzt und hat sich in diesem Umfeld als quasi Standard etabliert Die Lesbarkeit des Linkage Formats ist f r den Menschen allerdings vergleichsweise schlecht Bez glich der Kodierung von Zusatzinformationen wie zum Beispiel e der Name einer Person oder e die Information ob es sich bei zwei Kindern um Zwillinge handelt ist das Format zudem unflexibel und eingeschr nkt F r den Einsatz in der techno logiegest tzten Lehre erscheint es daher nicht pr destiniert 2 3 1 Das Linkage Format zur Kodierung von Stammb umen Um die Problematik des Linkage Formats beim Einsatz in der technologiegest tz ten Lehre zu illustrieren soll das Format an dieser Stelle kurz betrachtet werden Stammb ume werden beim Linkage Format in einer ASCH Datei definiert die fol genden Aufbau haben muss e Jede Zeile definiert eine Person e Die verschiedenen Charakteristika werden spaltenweise codiert 1 Kennung des Stammbaums bzw der Familie 2 Kennung der Person 65 2 3 Erweiterte Darstellung von Familienstammb umen Methoden 3 Vater der Person 4 Mutter der Person 5 Geschlecht 1 m nnlich 2 weiblich unbekannt wird nich
140. dards Eigenschaften Textinhalt Abbildung 3 6 Darstellung der EXACT PACKAGER Entwicklungsoberfl che Auf der linken Seite kann der gew nschte E Learning Standard ausgew hlt werden was sich erst auf das vom EXACT PACKAGER bersetzte Endergebnis auswirkt Rechts daneben befindet sich eine bersicht ber die in das Projekt importierten Multimedia Elemente Diese lassen sich mit der Maus per Drag amp Drop in den zentralen Navigationsbereich hineinziehen und an der ge w nschten Stelle im Navigationsbaum plazieren Unterhalb des Navigationsbereichs wer den die Eigenschaften des im Navigationsbaum selektierten Elements angezeigt Auf der rechten Seite der Oberfl che befindet sich das Texteingabefenster welches sich nach einem Doppelklick auf ein Textelement im zentralen Navigationsbaum ffnet Es stehen die wich tigsten Editier und Hervorhebungsm glichkeiten zur Verf gung wie man sie von g n gigen Textverarbeitungsprogrammen kennt Im Bereich des Texteingabefensters erscheint nach der bersetzung durch den EXACT PACKAGER auch eine Vorschau des fertigen Lern objekts also der Inhaltsseiten von denen eine in Abbildung 3 7 beispielhaft dargestellt ist 189 3 2 Autorenwerkzeuge Entwicklungsmaterial 3 2 3 oncampus Factory ONCAMPUS FACTORY ist ein Autorenwerkzeug f r die Erstellung von umfangrei chen akademischen E Learning Inhalten das auf dem EXACT PACKAGER basiert oncampus factory 2008 In der ONCAMPUS FACTORY steckt das did
141. das Forum zur Kursbetreuung ausreichend fanden Sobald es Schwierigkeiten gab war das nicht mehr der Fall Dieses Ergebnis wird auch durch die praktischen Erfahrungen w hrend der Onlinephase gest tzt Benutzer mit technischen Problemen griffen lieber zum Telefon anstelle eine Frage 142 6 1 Technische Organisation Evaluation des Kurses im Forum zur Diskussion zu stellen Die Computervorkenntnisse der Teilnehmer waren sehr heterogen siehe Abbil dung 6 10 zum Teil waren die Vorkenntnisse gering Trotzdem wurde die tech nische Betreuung insgesamt von der Mehrheit der Teilnehmer als ausreichend emp funden siehe Abbildung 6 7 In den Abbildungen 6 5 6 8 gibt es aber auch ein zelne unzufriedene Stimmen die darauf hindeuten dass es an der ein oder anderen Stelle noch Verbesserungsbedarf gibt Anzahl der Antworten Abbildung 6 5 Der Kurse 03 2007 und 09 2007 nicht sinnvoll beantwortbar stimmt nicht stimmt eher nicht stimmt eher stimmt Kursbetreuer geht auf Fragen und Anregungen der Teilnehmer ausreichend ein Kurse 03 2007 und 09 2007 stimmt nicht L nicht sinnvoll beantwortbar Anzahl der Antworten 8 L stimmt eher nicht stimmt eher wo 4 4 e 4 a4 co 4 1 stimmt Abbildung 6 6 Die indirekte Kursbetreuung ber ein Forum ist ausreichend 143 6 1 Technische Organisation Evaluation des Kurses
142. das didaktische Konzept sind in der ONCAMPUS FACTORY weitestgehend umgesetzt Die Templates werden konti nuierlich weiter entwickelt beinhalten aber bislang noch kein befriedigendes Kon zept f r Lernaufgaben siehe Kapitel 2 2 Die Umsetzung von Lernaufgaben die die Anforderungen aus Kapitel 2 2 erf llen soll daher Gegenstand dieser Arbeit sein und wird im Ergebnisteil ausf hrlich behandelt 192 3 2 Autorenwerkzeuge Entwicklungsmaterial 3 2 4 Softwarewerkzeuge zur Medienerstellung Im Projekt Training in Genetischer Epidemiologie wurden f r die Erstellung der Me dien z B Grafiken und Interaktionen verschiedene Softwarewerkzeuge eingesetzt die in diesem Abschnitt kurz beschrieben werden sollen Das Zusammenspiel der Softwarewerkzeuge mit dem Autorensystem wird in Abbildung 3 9 illustriert p q Photoshop PNG Autorensystem Grafik Foto CorelDRAW Illustration eXact Packager Visuelle Autorenumgebung oncampus Factory Das didaktische Konzept Flash SWF I ActionScript Animation Interaktion Entwicklung Export Kompilierung Einsatz Abbildung 3 9 Die Softwarewerkzeuge zur Medienerstellung im Kontext mit dem Auto rensystem Grafiken Fotos und Illustrationen werden mit Photoshop oder CorelDRAW er stellt und anschlie end im PNG Format abgespeichert bzw exportiert Animationen und In teraktionen werden mit Flash ActionScript entwickelt kompiliert und im SWF Format ab gespeichert
143. dass der Sinn eines Satzes h ufig nicht von der Wortreihenfolge abh ngt Ein einfacher Algorithmus zur Freitextauswertung k nnte zun chst wie folgt aus sehen Algorithmus BI Einfache Freitextauswertung hnlichkeitsmatrix S erzeugen Sij d de 0 1JAd f Wi kj pt Tu J lea Indexmatrix erzeugen 1 s maxi si V Sj Max s i Pi J Ve U sg cn j 1 m j 0 sonst 199 B 1 Entwicklung von Auswertungsalgorithmus I Auswertungsalgorithmus Sei elementweise von links oben nach rechts unten durchgehen und ber ssige len eliminieren m n j 0 Legere tA L Oy rl Pij k 1 h 1 p lave Fao Pi sonst Die hnlichkeitsmatrix S elementweise mit der Indexmatrix I multiplizieren S D D MER Se d h Mij Sij Pij t laa Jekasm S zeilenweise durchgehen und in jeder Zeile nur den gr ten Wert behalten j 1 no Sip Si max s A Ys 0 Sij k 1 0 sonst Tel j 1 m S spaltenweise durchgehen und in jeder Spalte nur den gr ten Wert behalten al ii Siz Sij max s A Shj Sch 1 h 1 bh j 1 m DE 0 sonst F r jedes Wort des Losungstextes die erreichten Creditpunkte Preceivegd berechnen T Pia bei d gt T Pk Preceived Ss H enh ae i 1 Phin wobei px die Creditpunkte des j ten Schl sselwortes bezeichnen Beispiel B 1 Einfache Freitextauswertung mit Algorithmus B 1 Der Einzelverg
144. den von den Teilnehmern durchweg positiv bewertet Lediglich an wenigen Stellen sind die Antworten derart heterogen dass ber Verbesserungsm glichkeiten nachgedacht werden muss siehe z B Abbil dung E 10 158 6 6 Klassisches Vorlesungskonzept versus Pradsentationskonz jvaluation des Kurses Insgesamt kann festgehalten werden dass die Qualit t der Pr senzveranstaltung von den Teilnehmern nicht daran bemessen wurde welches Konzept zum Einsatz kam Ausschlaggebend f r die Evaluationsergebnisse waren wohl in erster Linie die Dozenten Pers nlichkeiten deren langj hrige Erfahrung sowie die Wahl eines Pr senzkonzepts das zur jeweiligen Pers nlichkeit passte 159 T Diskussion Durch eine systematische Literaturrecherche sind insgesamt 17 verschiedene E Learning Angebote ermittelt worden die sich thematisch mindestens mit einem Teilbereich der Genetischen Epidemiologie besch ftigen also mit Statistik Biome trie Epidemiologie oder Genetischer Epidemiologie Alle Projekte sind einzeln un tersucht und kritisch diskutiert worden Kapitel 1 1 Die Qualit t der verf gbaren E Learning Angebote ist dabei anhand verschiedener Kriterien bemessen worden die in der Summe das didaktische Konzept beschreiben siehe Kapitel 2 1 3 Die wichtigsten Kriterien sollen hier noch einmal f r einen inhaltsunabh ngigen Ver gleich zwischen den verf gbaren E Learning Angeboten und dem Kurs Training in Genetischer Epidemiologie bem ht we
145. didaktisch fundierte Software f r technologiegest tzte Lernaufgaben spezifiziert 2 2 1 Aufgabentypen Ziel der Betrachtung der verschiedenen m glichen Aufgabentypen ist es die wich tigsten Typklassen zu identifizieren und so weit wie m glich zusammenzufassen und zu abstrahieren Dabei sollen sowohl die didaktischen als auch die technischen Anforderungen ber cksichtigt werden Es folgt daher zun chst eine Klassifizierung aus inhaltlicher Sicht Im Anschluss werden die Aufgabentypen aus technischer Sicht untersucht Aufgabentypklassen aus inhaltlicher Sicht Jede Lernaufgabe l sst sich abh ngig davon auf welche Art und Weise sie bearbeitet oder beantwortet werden muss einer der nachfolgenden Typklassen zuordnen Die inhaltliche Beschaffenheit also der Typ der Antwort wird durch diese Klassifizierung n her charakterisiert Berechnung Der Lernende muss ein Ergebnis berechnen und dieses in einer vorge gebenen Liste von m glichen Ergebnissen selektieren oder frei in ein Eingabe feld eingeben Freitext Beschreibung Der Lernende muss einen Sachverhalt mit eigenen Worten beschreiben erkl ren oder begr nden Beweis Der Lernende muss eine Gleichung einen Satz oder ein Theorem schriftlich beweisen beziehungsweise die G ltigkeit zeigen Begriffsde nition Der Lernende muss einen Begriff definieren Daten amp Fakten Der Lernende muss Daten oder Fakten wiedergeben 44 2 2 Lernaufgaben Methoden Aufgabentypkl
146. different Variability across individuals Abbildung 5 5 Screenshot einer Inhaltsseite mit Abbildung H ufig werden inhaltliche Zu sammenh nge neben der textuellen Beschreibung zus tzlich anhand einer visuellen Darstel lung erl utert 112 5 2 Multimedia Elemente Umsetzung 5 2 Multimedia Elemente In diesem Teil der Arbeit sollen die fertigen Multimedia Elemente des E Learning Kurses anhand von ausgew hlten Beispielen pr sentiert werden Im ersten Teil wird auf die unterschiedlichen Interaktionen und deren Besonderheiten eingegangen Im zweiten Teil folgt die Betrachtung eines neuen Flash Moduls zur erweiterten Dar stellung von Familienstammb umen vgl Kapitel 2 3 Im letzten Teil soll auf das im Rahmen dieser Arbeit entwickelte bungsaufgaben Modul ReT3 zur Einbettung in Online Trainingskurse eingegangen werden 5 2 1 Interaktionen Alle Interaktionen im Kurs Training in Genetischer Epidemiologie werden ausschlie lich mit der Maus bedient Das bedeutet durch Bewegen der Maus wird der Maus zeiger an die gew nschte Stelle bewegt und durch Bet tigen der linken oder rechten Maustaste kann der Benutzer Aktionen z B Zustands nderungen ausl sen Zwei Arten von Interaktionen kommen besonders h ufig vor Die Namen dieser Interaktionen leiten sich von der Art ab wie sie mit der Maus bedient werden e Klick Interaktion Aktionen werden durch einen Klick mit der linken oder rechten Maustaste ausgel st
147. e Benutzeroberfl che von JUMBO deren Entwicklung vor ber 10 Jahren begann wurde nicht an neuere Design Standards angepasst Beispielsweise stechen sofort die grellen Farben der Navigationsleiste ins Auge wie sie in den 90er Jahren h u fig bei privaten Homepages anzutreffen waren Auf jeder Inhaltsseite sind blinken de Buttons und Cliparts im GIF Format anzutreffen f r ein Beispiel siehe Abbil dung A 11 S 191 Dazu muss gesagt werden blinkende Elemente st ren den Benutzer beim Lesen ohne dass dieser die M glichkeit hat sich deren Wirkung zu entziehen Die Folge dieser Ablenkung ist die Verringerung der Aufnahmef higkeit 114 1 1 bersicht ber verf gbare E Learning Angebote Einleitung f r die Verarbeitung erstgradiger Informationen bzw die schnellere Auslastung des Gehirns Bongulielmi 2001 S 5 Hinzu kommt dass die blinkenden Grafi ken einem sehbehinderten Besucher den Fokus auf die Textfelder verhindern Ha fen et al 2004 S 24 Jedes Kapitel wurde auf einer einzigen HTML Seite unter gebracht Das f hrt dazu dass beispielsweise das Kapitel Deskriptive Statistik I mit einer H he von 22 Bildschirmseiten Bildschirmaufl sung 1280 x 1024 beim Le sen mit der Maus oder Tastatur sehr h ufig weiter nach oben verschoben engl ge scrollt werden muss Erfreulich ist die gro e Anzahl an Interaktionen Java Applets in der Lernumge bung die allerdings jeweils in einem neuen Fe
148. e Si sl Sp s De nition B 2 Der Sonderfall II liegt vor wenn f r die gewichtete hnlichkeitsmatrix SU undi 1 n j 1 m gilt d gt max sP oe max 3 d wobei Pyy PD _ P P P P P max si Mar Say igy Sin gt PP sl oo P P P P P max si y sy max Sij 83 reS Sir Sj Mit Definition B 1 l sst sich der Algorithmus B 2 so erweitern dass der Sonderfall I siehe Definition B 1 und Beispiel B 3 ber cksichtigt wird Das Ergebnis ist der er weiterte Algorithmus B 3 Algorithmus B 3 Erweiterte Freitextanalyse I O siehe Algorithmus B 2 Sei P P P elementweise von links oben nach rechts unten durchgehen und ber ssige len eliminieren em amp eech E eg oi d sonst E SE E j 1 m Sei dl P elementweise von links unten nach rechts oben durchgehen und ber ssige len eliminieren a Ch oil e lg elap gt i Pij 5 k 1 h 1 j oi sonst n t DEET J pem 205 B 1 Entwicklung von Auswertungsalgorithmus I Auswertungsalgorithmus Die gewichtete Ahnlichkeitsmatrix S P elementweise mit der Indexmatrix ll und p2 multiplizieren D eg k 1 2 i 1 n j 1 m Die bez glich der Summe ber alle Elemente gr te Matrix S bernehmen 1 2 sm LijSij gt LijSij 2 1 2 E LA Sij lt LA Sij siehe Algorithmus B 2 Schritte Mit Definition B 2 l sst sich der Algorithmus B 3 so erweitern dass au
149. e Vorteile von Pr senzveranstaltungen und E Learning Browser siehe Webbrowser Community siehe Online Community CSS Cascading Style Sheets CSS ist eine Stilvorlagesprache mit der beispielsweise die Darstellung von HIML oder XML Dateien an zentraler Stelle definiert werden kann dpi dpi ist ein Ma f r die relative Aufl sung einer Rastergrafik es wird die Punktdichte in dots per inch dpi angegeben ECTS Das European Credit Transfer and Accumulation System ECTS ist ein Lei stungspunktesystem das mit dem Bologna Prozess an europ ischen Hoch schulen eingef hrt wurde Das Punktesystem verbessert die Vergleichbarkeit von Leistungen und erleichtert die Anrechnung von Leistungen bei einem Hochschulwechsel Firefox siehe Webbrowser Inhaltsverzeichnis Inhaltsverzeichnis Flash Adobe Flash ehemals Macromedia Flash ist eine integrierte Entwicklungs umgebung zur Erstellung multimedialer Inhalte Die mit Adobe Flash er stellten Multimediainhalte liegen als SWF Dateien SWF steht f r Shock Wave Flash vor und werden h ufig als Flash Animationen Filme oder Interaktionen bezeichnet Hyperlink Ein Hyperlink kurz Link engl f r Verkn pfung Verbindung Ver weis ist ein Verweis auf ein anderes Dokument z B eine Webseite oder ein Objekt z B eine Datei die heruntergeladen werden kann der durch einen Mausklick verfolgt werden kann Das Konzept von Hyperlinks ist mit Quer verweisen oder Fu noten aus de
150. e Weise weggelassen werden k nnen 72 2 4 Projekt Vorgehensmodell Methoden content resources chapter_1 interactions chapter_12 interactions interactions chapter_12 interactions Abbildung 2 7 Strukturierung der lokalen Daten zum Projekt Training in Genetischer Epi demiologie Die Daten sind an oberster Stelle getrennt in Textinhalte Ordner content und Medien Ordner resources Die Strukturierung der Medien wiederum orientiert sich an der Struktur des Lerninhalts Kapitel um ein schnelles und intuitives Wiederfinden der Medi en zu gew hrleisten was wiederum f r die sp tere Inhaltspflege Nachhaltigkeit wichtig ist 73 2 5 Zeitplanung f r E Learning Kurse Methoden 2 5 Zeitplanung f r E Learning Kurse Der Zeitaufwand f r die Lehrenden und Lernenden sollte vorab m glichst genau geplant werden Es ist f r die Motivation und pers nliche Organisation der Lehren den und Lernenden von gr ter Wichtigkeit dass bereits im Vorfeld klar definiert ist wie viel Zeit sie f r die Bearbeitung des E Learning Kurses beziehungsweise f r einzelne Abschnitte daraus ben tigen werden und was sie bis wann zu tun haben Dabei ist zu ber cksichtigen dass den Lernenden gen gend Zeit gelassen werden sollte sich an die virtuelle Lernumgebung zu gew hnen Salmon 2002 Der Zeit und Arbeitsaufwand eines E Learning Kurses sollte zudem in Leistungs punkten ausgedr ckt w
151. e auto YOMOS sny Jap IS HILI zusIfeyyus usgeSjneu1s puar ra yow ydIafanz pun ayjoasyonidsue puts ueqe3yny Zant eIpournjnu a3ueyuaunuesnz 3xafduoy u pI M FHA YeIIUT Usqasa3 NOYSTYEFSsuoHyJung spyuesydsadumsun sIp IST MUYPP L amur pun yovyute Jaqrxayj UOTJESIARN VIP IST uonedIaeN ZUa TeYasuIa sSprepugrsusisaq 3313ue3 u pI M UBISaq UdTIOSa ey UspueYIOA pru Yeyfoduew pusffegsuspar nz o M3 BuNIepPyIausyoIEZ ST ZI OMZ atsojorumapidy ayosyauay pun LL L attazl attautotgd AUSTIEIS USIOIIII Uap sne ajoqasuYy SUIUIeAT J JoUapaTYPSIIA YN JBI A JasIsuRYyqeuNs eYyU F aBjeqey Idg 32u99 ut Sururedy dy Jouayy e SITWOUIN S91 U2N TLIYSYLIS II 1 1dq 3099 ISH SVAN SASIGOU saXeg enst On yusyeysorg aqpunsy MAIN SIVISYT II JHSHLIS enon ia APS HPI Sp te get Sed u u yeys adAH O e35 VOTINA LVLS NN UMNIUIIT Aq Usqesjny yeparpjersyup Mruya L wonedt en uSIssq j0qa3uy Zurure9 I O O O OJO O O O O 00 oo o VaIOIEISUOHEADOIN u310pjeJ3uslsAH 161 Diskussion Tabelle 7 1 zeigt dass die Kriterien beziehungsweise Erfolgsfaktoren beim Kurs Trat ning in Genetischer Epidemiologie letzte Zeile in der Tabelle gezielt ber cksichtigt und umgesetzt worden sind Daraus resultieren die ma geblichen inhaltsunabh
152. e der Statistik Eindimensionale Hau gkeitsver teilung Wahrscheinlichkeitsrechnung Kombinatorik Zufallsvariable Verteilungsmodelle Stichprobentheorie Sch tzverfahren Statistische Tests Zweidimensionale H u gkeitsver teilung Regression sowie Zeitreihenanalyse Diskussion Bei MM STAT handelt es sich im wesentlichen um ein Textbuch in elektronischer Form das hei t es werden die Textinhalte zu den oben genannten Themen in digita ler Form bereit gestellt Die Interaktivit t ist in dem Modul auf die Navigation zwi schen den einzelnen Inhaltsabschnitten beschr nkt d h die didaktischen M glich keiten der technologiegest tzten Lehre werden nicht ann hernd ausgenutzt Echte Interaktionen zur Veranschaulichung komplexer statistischer Inhalte fehlen eben so wie Lernaufgaben Hinzu kommt dass das Modul kleinere technische Probleme aufweist z B verdeckte Scrollbalken siehe Abbildung A 2 S 180 und im Test mit dem Firefox Browser nicht lief 1Mozilla Firefox ist ein kostenfreier Webbrowser also ein spezielles Computerprogramm zum Be trachten von Webseiten im World Wide Web Firefox steht in Konkurrenz zum Internet Explorer der zusammen mit dem Windows Betriebssystem ausgeliefert wird Zur Verbreitung unterschied licher Webbrowser siehe Kapitel 3 1 1 1 bersicht ber verf gbare E Learning Angebote Einleitung EMILeA stat Bei EMILeA stat handelt es sich um eine internetbasierte Lehr und Lernumgebung fiir die a
153. e e o oe e e e oe g S SS N 8 SG 8 2 8 SS 2 2 A A amp Anzahl der Antworten i l ul Zeit in Minuten Abbildung 6 13 Zeitaufwand f r Kapitel 2 Mittelwert u 180 Mi nuten Standardabweichung oe 82 Minuten Kurse 03 2007 und 09 2007 S s s g s S sc S g S E E E E E E E E e e e e 2 e e g 2 a e e e SG SBS SS A o 2 2 2 8 8 Anzahl der Antworten 4 o 4 Ili BE Zeit in Minuten Abbildung 6 12 Zeitaufwand f r Kapitel 1 Mittelwert u 142 Mi nuten Standardabweichung o 72 Minuten Kurs 09 2007 s s s s s s s E E E E E E E E 3 8 8 8 gg Anzahl der Antworten o II II Zeit in Minuten Abbildung 6 14 Zeitaufwand f r Kapitel 3 Mittelwert u 117 Mi nuten Standardabweichung o 54 Minuten 146 6 3 Qualit tssicherung Evaluation des Kurses 6 3 Qualit tssicherung Zur Qualit tssicherung wurde im Rahmen der Evaluation durch die Benutzer der Kurse 03 2007 und 09 2007 unter anderem direkt nach der Qualit t gefragt In Ab bildung 6 15 geht es um die Frage wie zufrieden die Lernenden mit den Textinhal ten des Kurses sind Die Antworten zeigen dass die Mehrheit zwar zufrieden ist es aber dennoch Verbesserungsbedarf gibt Die Benotung des Erscheinungsbildes des Kurses siehe Abbildung 6 16 zeigt dass der Kurs optisch und sthetisch von den Benutzern berwiegend angenommen wird was eine wichtige Grundvora
154. e entspricht in etwa 4 ECTS Punkten 166 Literaturverzeichnis ADL 2004 Shareable Content Object Reference Model SCORM Dritte Ausgabe Ad vanced Distributed Learning URL http www adinet gov SCORM AICC 2000 Aviation Industry CBT Committee AICC URL http www aicc org Allison D B Ewens W Leal S Fernandez J Elston R Beasley M Neale M Roeder K George V Langefeld C Tiwari H Kerr K Page G amp Yi N 2003 Third annual short course on Statistical Genetics for Obesity amp Nutrition Researchers Video Aufzeichnungen Section on Statistical Genetics School of Public Health Department of Biostatistics University of Alabama at Birmingham URL http www soph uab edu ssg niddkstatgen thirdannual Apostolopoulos N Caumanns J Fungk C amp Geukes A 2002 Statistik interaktiv Software CD ROM Springer Berlin Baumgartner P Hafele H amp Maier H fele K 2004 Content Management Systeme in e Education Auswahl Potenziale und Einsatzm glichkeiten StudienVerlag Inns bruck Beinhauer M Markus U He H amp Kronz A 1999 Virtual Community Kollek tives Wissensmanagement im Internet In Scheer A W Hrsg Electronic Business and Knowledge Management Neue Dimensionen f r den Unternehmenserfolg S 403 431 Physica Heidelberg Berners Lee T Hendler J amp Lassila 2001 The Semantic Web A new form of Web content that is meaningful
155. ebote Einleitung Lernaufgaben enthalten Es bleibt also festzuhalten dass wichtige Hygiene und Motivationsfaktoren die f r ein erfolgreiches E Learning Angebot essentiell sind nicht erf llt werden Webcast Genomics and Genetic Epidemiology Bei Genomics and Genetic Epidemiology General Principles and Application to Disease Studies Lander et al 2003 handelt es sich um einen archivierten Web cast der im Jahre 2003 gelaufen ist Der Webcast enth lt die Vortr ge samt Folien verschiedener Referenten Es werden unter anderem Aufzeichnungen zu folgenden Themen angeboten Bioinformatik Analyse von Microarrays Genetische Epidemiologie Assoziationsanalyse und Studiendesign ber die Aufzeichnungen hinaus werden kei ne weiteren Materialien angeboten Diskussion Der Webcast reiht sich in die Beispiele f r digitale Lernmaterialien zum Thema Ge netische Epidemiologie ein ohne sich positiv von den anderen abzuheben Problema tisch ist wieder die Beteiligung vieler verschiedener Autoren ohne Einbeziehung eines gemeinsamen didaktischen Konzepts Der Nutzer hat nur d rftige Interakti onsm glichkeiten Start Vor Zur ck Pause Stopp die die didaktischen M glichkei ten der technologiegest zten Lehre nicht ann hernd ausnutzen Lernaufgaben sind keine enthalten Wie oben m ssen hier die nicht erf llten Hygiene und Motivati onsfaktoren bem ngelt werden 1 1 4 Zusammenfassung der Rechercheergebnisse Du
156. edenen Vorgehensmodellen orientieren Beispielsweise wird ei ne Multimedia Agentur in der Regel ein Modell benutzen das dem aus der Softwa retechnik bekannten Wasserfallmodell Royce 1970 am n chsten kommt vgl z B Mair 2005 Voraussetzung f r eine sequenzielle Vorgehensweise gem dem Was serfallmodell ist dass die Anforderungen und Pflichten vorab pr zise formuliert werden k nnen Allein schon weil im Hochschulbereich mit R ckschritten gerechnet werden muss siehe z B Kerres 2001 ist dieses Modell dort nicht geeignet Daher wurde im Rah men dieser Arbeit Ein inkrementelles Vorgehensmodell f r E Learning Projekte an Hochschulen entwickelt und publiziert Pahlke et al 2006 Dieses Modell ist deutlich flexibler als beispielsweise das Wasserfallmodell und an die speziellen Bed rfnisse und Rahmenbedingungen im Hochschulbereich ange passt Es soll mit seinen vier Phasen siehe Abbildung 2 6 die Grundlage f r die Vorgehensweise in diesem Projekt bilden Um das Verst ndnis der Vorgehensweise bei der Konzeption siehe Kapitel 4 zu erleichtern sollen die einzelnen Schritte und Phasen dieses Vorgehensmodells im folgenden Abschnitt noch einmal in kompakter Weise illustriert werden 2 4 Projekt Vorgehensmodell Methoden Initialisierung Grobkonzept Feinkonzept Drehbuch Ziele Didakt festlegen Konzept bestimmen Ziele und Ziele umsetz didaktisches en didakt Konzept Konze
157. edingungen da die Kenntnis dar ber f r die Umsetzung des Grobkonzepts und der noch folgenden Phasen von Bedeutung war Da die weiteren technischen Rahmenbedingungen in erster Linie vom eingesetzten Autorenwerkzeug abh ngig waren wurde an dieser Stelle die Entscheidung f r ein Autorenwerkzeug gef llt das die gew nschte Lehr und Lern strategie unterst tzt Wie bereits in Kapitel 3 2 beschrieben wurde wurde daf r auf den EXACT PACKAGER in Kombination mit der ONCAMPUS FACTORY zur ckgegrif fen Umsetzung der Ziele Im dritten Schritt erfolgte die Umsetzung der Ziele unter Beachtung des didakti schen Konzepts das heifst der aktuelle Skriptabschnitt wurde in Inhaltsseiten ein geteilt und f r jede Seite wurden die groben Lernziele benannt f r ein Beispiel siehe Abbildung 4 3 Die Einteilung in Inhaltsseiten wurde so geplant und durchgef hrt dass der Inhalt h chstens den Platz einer Bildschirmseite ben tigte In der Regel wurde das dadurch gew hrleistet dass jede Seite inhaltlich auf nur eine Kernaussa ge beschr nkt wurde wie es z B in Mair 2005 S 79 empfohlen wird Evaluation Im vierten und letzten Schritt des Grobkonzeptzyklus wurden die Ziele und das di daktische Konzept evaluiert Dazu geh rte insbesondere die kritische berpr fung ob der Sollzustand einer ersten E Learning gerechten Inhaltsstrukturierung erreicht wurde Die Einteilung des Quellskripts in Inhaltsseiten wurde zu diesem Zweck noch einmal
158. ehensmodell sowie die Zeitplanung f r E Learning Projekte diskutiert 126 1 2 Motivation und Zielsetzung Einleitung In Kapitel 3 wird das Entwicklungsmaterial beschrieben Dazu geh ren in erster Li nie die verwendeten Autorenwerkzeuge zur Inhalts und Medienerstellung Zwei Werkzeuge sind von grundlegender Bedeutung f r das Projekt und sollen hier be reits Erw hnung finden Die f r dieses Projekt entwickelte IATEX basierte Drehbu chumgebung zur Erstellung des E Learning Drehbuchs und das Autorenwerkzeug ONCAMPUS FACTORY das auf dem ausgereiften didaktischen Konzept der Fach hochschule L beck basiert In Kapitel 4 wird die Konzeption des E Learning Kurses beschrieben Bei der Kon zeption geht es darum den Lerninhalt der hier als Manuskript zum Buch von Zieg ler und K nig 2006 vorlag systematisch in ein Drehbuch f r den E Learning Kurs zu berf hren Das Drehbuch bildet die Grundlage f r die Umsetzung des Kur ses Es enth lt zum Beispiel f r jede Lernseite genaue textuelle Beschreibungen der Lernziele und des Inhalts sowie f r jede Interaktion zus tzlich eine Ideenskizze vergleichbar mit einem Film Drehbuch das genaue Angaben f r jede Szene ent h lt Im Umsetzungsteil Kapitel 5 werden die fertigen Lerneinheiten die Multimedia Elemente des Kurses z B das neu entwickelte Lernaufgabenmodul ReT3 sowie die Kommunikationsplattform mit deren Hilfe der Kurs online absolviert werden kann beschrieben Die
159. eich ter zu implementieren hat aber daf r den Nachteil dass sich die Feedbacks nicht spezifisch an die Leistung des Lernenden adaptieren lassen siehe Beispiel 2 3 Beispiel 2 3 Erweiterte Feedback Auswahl F r Pimp 0 sei die Feedback Menge Fo wie folgt gegeben Fo Das kannst Du besser Auch das kannst Du besser Es ist sofort ersichtlich dass hier das zweite Feedback inhaltlich erst dann Sinn macht wenn der Lernende zuvor das erste Feedback erhalten hat In diesem Beispiel sollte die Auswahl des Feedbacks also nicht rein zuf llig erfolgen sondern in Abh ngigkeit davon welches Feedback der Lernende zuvor erhalten hat ei 2 3 Erweiterte Darstellung von Familienstammb umen Methoden 2 3 Erweiterte Darstellung von Familienstammb umen Elementarer Bestandteil der Ausbildung in Genetischer Epidemiologie ist die Be nutzung von Familienstammb umen zur Illustration von Lerninhalten Zu diesen Lerninhalten geh ren zum Beispiel e die Mendelschen Gesetze e senetische Erbg nge e Genotypen e Rekombination und Rekombinationsfrequenz e Genotypisierungsfehler z B Doppelrekombination e Kopplungsanalyse e die hnlichkeitsma e identisch nach Zustand engl Identity By State kurz IBS und identisch nach Herkunft engl Identity By Descent kurz IBD e Disequilibrium Tests wie zum Beispiel TDT SDT oder PDT Wie bereits in Abschnitt 2 2 2 festgestellt wurde werden im Buch von Ziegler un
160. eine Aufgabe aus einem Text und einer Abbildung bestehen Als Besonderheit erm glicht ReT3 dar ber hinaus das direkte Ein binden von PEDCHART Stammb umen siehe Abschnitt 5 2 2 Die Funktionsweise und die oben beschriebenen Eigenschaften des Lernaufgaben moduls ReT3 sollen im Folgenden anhand der Abbildungen 5 25 und 5 26 illustriert werden Dargestellt sind verschiedene Zust nde die das Lernaufgabenmodul vor w hrend und nach der Aus und Bewertung eines durch den Benutzer frei eingege benen L sungstextes einnimmt Bei Betrachtung der ReT3 Benutzeroberfl che f llt sofort auf dass sie vertikal in zwei Bereiche aufgeteilt ist Im oberen Teil wird die Aufgabenstellung pr sen tiert 1 im unteren Teil befinden sich das Eingabefeld f r den L sungstext des Be nutzers 2 die Schaltfl chen zum Aufrufen einzelner Teilaufgaben 3 sowie der Submit Button 4 mit dem der Benutzer die Aus und Bewertung seiner L sung starten kann In der Mitte werden die maximal erreichbaren Punkte f r die Teilauf gabe angezeigt 5 Zur Illustration der Funktionsweise von ReT3 wurde im dargestellten Beispiel ein L sungstext eingegeben 6 Im Anschluss wurde die Auswertung durch Dr cken des Submit Buttons gestartet W hrend der Auswertung blendet ReT3 eine animier te Fortschrittsanzeige ein 7 Im ausgewerteten L sungstext werden die als korrekt 129 5 2 Multimedia Elemente Umsetzung Problem 1 1 1 Copyright 2008 Friedrich Pahlke
161. eine bedeutende Rolle spielen Nach der Zwei Faktoren Theorie Motivator Hygiene Theorie zur Arbeitszufriedenheit und motivation von Frederick Herzberg Herzberg et al 1959 gibt es auf der einen Seite Faktoren die zur Motivation beitragen und auf der anderen Seite Faktoren sogenannte Hygienefaktoren die die Entstehung von Unzufriedenheit verhindern aber nicht zur Zufriedenheit beitragen H ufig werden diese Faktoren gar nicht be merkt beziehungsweise als selbstverst ndlich betrachtet Erst dann wenn sie nicht vorhanden sind werden sie als Mangel empfunden Zu den wichtigsten Hygiene faktoren beim E Learning z hlen e die uneingeschr nkte technische Funktionsf higkeit des Lernmoduls e eine einfache einheitliche und intuitive Navigation e eine klare und bersichtliche Inhalts und Seitenstruktur e ein angenehmes Erscheinungsbild und Design der Lernumgebung u a un aufdringliche Farbwahl e ein sichtbarer Qualit tsanspruch an die Inhalte und Medien e inhaltliche Konsistenz e die Ber cksichtigung der Diversit t der Zielgruppe Schulmeister 2004 136 2 1 Lehr und Lerntheorie Methoden Das Vorhandensein dieser Hygienefaktoren sorgt f r eine wichtige Grundzufrie denheit beim Lernenden die letztlich erst die Wirksamkeit von Motivationsfaktoren erm glicht Auch die sch nste Interaktion kann nicht oder nur bedingt zur Motiva tion beitragen wenn sie aus technischen Gr nden nicht funktioniert oder vor einem
162. eitpunkt der Bedeutung von Motivation f r das Lernen bewusst sein sollte Motivation is one of the most important ingredients of effective instruction Stu dents who want to learn can learn just about anything Slavin 2000 S 327 In seiner Rede auf der North of England Education Conference im Jahre 1995 hat es Sir Christopher Ball wie folgt ausgedr ckt There are only three things of importance to successful learning motivation motivation and motivation any fool can teach 35 2 1 Lehr und Lerntheorie Methoden students who want to learn vgl Chambers 1999 S 139 Die gerade in der tech nologiegest tzten Lehre mannigfaltig vorhandenen M glichkeiten zur Steigerung der Motivation sollten also unbedingt genutzt werden Aus bildungspsychologischer Sicht wird Motivation als the influence of needs and desires on the intensity and direction of behavior beziehungsweise als an internal process that activates guides and maintains behavior over time definiert Slavin 2000 S 327 In einem E Learning Modul kann die Motivation der Lernenden zum Beispiel durch einen hohen Interaktivit tsgrad sowie anspruchsvolle und zugleich motivierende Lernaufgaben siehe Kapitel 2 2 positiv beeinflusst werden Bei der Auswahl von Motivationselementen und faktoren ist darauf zu achten dass Motivation nicht f lschlicherweise mit Hygienefaktoren verwechselt wird die in der technologiegest tzten Lehre ebenfalls
163. el Erfolg beim Durcharbeiten der Kapitel Abbildung A 12 Screenshot der Benutzeroberfl che von ROBISYS Biomedos 191 A 1 E Learning Angebote zur Statistik Literaturrecherche Validierung Aufgabensammlung Glossar Druck Hilfe Impressum Abbildung A 13 Screenshot der Benutzeroberfl che von ROBISYS Random Nur die gr n gef rbten Themen k nnen direkt mit der Maus angew hlt werden Pers nlicher Schreibtisch Hilfsmittel Kommunikation Sitemap Suchen Lernfeld Statistik Lk Lernobjekt Grafische Darstellungen Fachliche Gliederung Medienbausteine Notizblock Lesezeichen Drucken Zur ck weiter a 6 4H ufigkeitspolygon und Histogramm Ist X1 n eine Stichprobe so l sst sich jedem vorkommenden Wert seine relative H ufigkeit zuordnen Tr gt man diese Werte auf der Abszisse und die zugeh rigen relativen H ufigkeiten auf der Ordinate in ein zwei dimensionales Koordinatensystem ein und verbindet man die so entstehenden Punkte so erh lt man einen Streckenzug das sogenannte H ufigkeitspolygon welches sich in der Darstellung an das Stabdiagramm anlehnt EEE Wir ziehen wiederum das Beispiel der Geschwindigkeitsmessung heran Unter der Annahme dass die Stichprobenwerte in stochastisch unabh ngiger Weise entstehen stellt die relative H ufigkeit eines Wertes x f r gr eren Stichprobenumfang n eine N herung f r die Eintrittswahrscheinlichkeit eines Wertes in der n h
164. ele Benutzer st rend und lenken von den eigentlichen Inhalten ab v BIOMEDOS gt Warum Biometrie EN a Si Braucht der Mediziner Biometrie Hinweise Gsm ga s Se Di sen Bei der Betrachtung von im Rahmen einer Studie gewonnener Daten erkennt man schnell dass es Allgemeines TA ie HALLE schwer ist echte Zusammenh nge oder Unterschiede herauszustellen Ebenso kann es bei der ersten Klas Es rd mi It D Betrachtung der Daten dazu kommen dass man nicht existierende Unterschiede oder Zusammenh nge e ml 3 Gel zu erkennen glaubt Ursache hierf r ist dass man sein erstes Urteil meist nach dem pers nlichen ee igkeitsverteilungen in den Yrinderungen Eindruck f llt Nr ECH bes_menichlishen Ma zahlen der Streuung Befehle 11115292 Aufgrund des pers nlichen Eindrucks gef llte Urteile sind wissenschaftlich jedoch nicht haltbar graphische Darstellung a f f t De a as fla ob M S nd Zur wissenschaftlichen Beurteilung von Fragen und Behauptungen ben tigt man Daten Erst mit ihrer Zweidimensionale dchelben i Hilfe ist es m glich Hypothesen zu bewerten und objektiv zu untermauem Haufigkeitsverteilungen ehann Pree Allgemeines Sisi Fe g Daten sind oft vielf ltig und kaum berschaubar See D emer saoer De kpang 8 EE Lu Weltend Statistische Methoden bringen Ordnung in die Datenberge und erm glichen es Zusammenh nge zu Regression Bu Rater an EA eenz erkennen Bestimmtheitsma graphische Darstellung Eines der ersten
165. ema frei von kommerziellen Absichten n her bringen und neben praktischen Inhalten auch fundiertes theoretisches Wissen vermitteln Wenn E Learning Angebote diese Kriterien nicht erf llten oder nur gegen eine hohe Li zenzgeb hr zug nglich waren wurden sie in dieser Untersuchung nicht n her be trachtet Beispielsweise wenn die Zielgruppe offensichtlich aus kommerziellen Ein richtungen bestand oder das E Learning Angebot f r die Schulung spezieller Sta tistikprogramme entwickelt wurde Desweiteren wurde die Untersuchung auf Pro jekte begrenzt die in englischer und oder deutscher Sprache verf gbar waren Thematisch werden zun chst E Learning Angebote betrachtet die den Fokus auf Lernthemen aus dem Gebiet der Statistik und Biometrie legen Hintergrund daf r war dass die Inhalte des Kurses Training in Genetischer Epidemiologie stark durch die Statistik gepr gt sind was sich zum Beispiel auch im Titel A Statistical Approach to Genetic Epidemiology des dem Kurs inhaltlich zugrunde liegenden Buches von Ziegler und K nig 2006 widerspiegelt Im Anschluss folgt eine Betrachtung von speziellen E Learning Angeboten zum Thema Genetische Epidemiologie F r jedes E Learning Angebot folgt zun chst eine kurze Beschreibung des Produkts und gegebenenfalls des dahinter stehenden Projekts Die Beschreibung enth lt je weils eine Auflistung der im E Learning Angebot enthaltenen Themen Daran l sst sich zum Beispiel erkennen ob es sich um eine
166. en keine allele1 Wert des ersten Allels SE allelel Wert des zweiten Allels haplotype allele1 allele2 both oder false Beispiel lt marker allelel 1 allele2 2 gt Tabelle D 5 XGAP Knoten marker Die Standardwerte sind fett hervorgehoben 227 XGAP Dokumentation XML Schema f r das XGAP Format lt xml version 1 0 encoding UTF 8 gt lt xs schema xmlns xs http www w3 org 2001 XMLSchema elementFormDefault qualified gt lt xs element name pedigree gt lt xs complexType gt lt xs sequence gt lt xs element ref generation gt lt xs sequence gt lt xs attribute name align type xs NCName default center gt lt xs attribute name alphaMaximized type xs integer default 80 gt lt xs attribute name alphaMinimized type xs integer default 100 gt lt xs attribute name format use required type xs NCName fixed xgap gt lt xs attribute name ibd type xs boolean default false gt lt xs attribute name ibs type xs boolean default false gt lt xs attribute name id use required type xs integer gt lt xs attribute name popupInfo type xs boolean true gt default lt xs attribute name position type xs NCName default middle gt lt xs attribute name showButtons type xs boolean default false gt lt xs attribute name version use required type xs decimal gt
167. en Gebieten Statistik Biometrie und Genetische Epidemio logie erfolgen Daf r ist hier zun chst die Frage zu kl ren was in dieser Arbeit unter einem E Learning Angebot verstanden wird da die Definitionen von E Learning in der Literatur durchaus unterschiedlich ausfallen Beispielsweise fordern einige Au toren dass unter E Learning ausschlie lich Web basierte Systeme zu verstehen sind 1 1 bersicht ber verf gbare E Learning Angebote Einleitung Rosenberg 2000 S 28 wohingegen andere unter E Learning computergest tztes Lehren und Lernen verstehen also eine Kombination aus Pr senzlehre d h klassi schem Frontalunterricht und selbstst ndigem Lernen mit Hilfe einer Lernsoftware Hiemstra et al 2002 S 1 Diese Form der Lernorganisation wird h ufig als Blen ded Learning bezeichnet was so viel bedeutet wie vermischtes Lernen Reinmann Rothmeier 2003 S 19 zur Kombination der Vorteile von Pr senzveranstaltungen und E Learning Bei der hier durchgef hrten Recherche waren beide Definitionen erlaubt das heift bei der Suche wurden sowohl E Learning Angebote ber cksich tigt die vornehmlich f r ein reines Selbststudium gedacht sind als auch Angebote die ein kombiniertes Konzept aus Online und Pr senzphase vorsehen Der Kurs Training in Genetischer Epidemiologie dessen Entwicklung Gegenstand die ser Arbeit ist soll sich unter anderem auch f r die universit re Ausbildung eignen das heift er muss das Th
168. en subproblem siehe Tabelle C 2 lt problem gt Beispiel lt problem gt Tabelle C 1 ReT3 Knoten problem 216 C 2 XML basierte Kodierung von Lernaufgaben ReT3 Dokumentation ReT3 Knoten subproblem Bezeichner subproblem Beschreibung Dieser Knoten beinhaltet alle Informationen einer Teilaufgabe Kindknoten content solution siehe Tabelle C 3 und C 6 id Eindeutige Nummer date Datum der letzten Bearbeitung TT MM JJJJ version Version der Aufgabe Beginnt bei 1 0 und wird Attribute bei jeder Bearbeitung um 0 1 erh ht author Initialien des Autors z B FP type text oder mc header true oder false dependence id der Aufgabe von der diese abh ngig ist training true oder false im Trainingsmodus werden L sungen und Auswertungen nicht gespeichert lt subproblem id 1 version 1 0 type mc gt Beispiel lt subproblem gt Tabelle C 2 ReT3 Knoten subproblem Die Standardwerte sind fett hervorgehoben 217 C 2 XML basierte Kodierung von Lernaufgaben ReT3 Dokumentation ReT3 Knoten content Bezeichner content Beschreibung Dieser Knoten enth lt die eigentliche Aufgabenstellung Kindknoten external choice siehe Tabelle C 4 und C 5 Attribute title Titel der Aufgabe Inhalt CDATA Abschnitt mit der Fragestellung lt content title Problem 1 1 gt Beispiel lt CDATA RE lt content gt Tabelle
169. ene Nutzungsm glichkeiten beispielswei se k nnen sie PHP Hypertext Preprocessor ist eine Open Source Skriptsprache mit einer an C C angelehn ten Syntax die haupts chlich zur Erstellung von dynamischen Webseiten oder Webanwendun gen verwendet wird 3MySQL ist ein freies relationales Datenbankverwaltungssystem Alternativ zu MySQL kann in Drupal auch das freie objektrelationale Datenbanksystem PostgreSQL verwendet werden 136 5 3 Kommunikationsplattform Umsetzung genepi de Training in Genetischer Epidemiologie ay Sie lernen technologiegestiitzt die Grundlagen der Genetischen Epidemiologie Nach der Onlinephase kennen Sie sich mit den wichtigsten molekulargenetischen Grundlagen aus wissen Sie wie man bestimmte Erbg nge anhand von Stammb umen erkennt ist Ihnen die Bedeutung von GRRs und HWE unmittelbar bewusst k nnen Sie ein De Finetti Diagramm lesen 2 Kurs starten Nach der Pr senzphase Zeitlicher Ablauf kennen Sie die wichtigsten Studiendesigns f r Assoziation e Februar M rz 2008 Fall Kontroll und Kohorten Design Design f r quantitative Ph notypen sind Sie mit dem Problem der Populationsstratifikation vertraut J Kurs im Februar M rz 2008 e ist es Ihnen m glich einen genetischen Effekt zu sch tzen Weiterlesen Benutzername Dozenten d Prof Dr Andreas Ziegler Dr Inke R K nig Weiterlesen SEN BRI I IMBS
170. ene Vorlesung oder bung durch E Learning Inhalte zu verbessern Es soll an dieser Stelle noch einmal hervorgehoben werden dass die Benutzer dabei ein hohes Ma an Zeit und Orts Flexibilit t genie en und ein Lernmedium nutzen das weit ber die didaktischen M glichkeiten eines Lehrbuchs oder Vorlesungs skripts hinausgeht Bis hierhin l sst die Zielgruppenanalyse schon vermuten dass sich die restlichen Parameter zum Teil nur schwach eingrenzen lassen werden daher sollen die Ergeb nisse hier nur in Kurzform aufgelistet werden 1 Zielgruppengr e 1 N Die Zielgruppe kann sowohl aus einer Einzelperson bestehen die sich die Inhalte im Selbststudium aneignet als auch aus einer prinzipiell unbegrenzt gro en Gruppe die den Kurs zum Beispiel ber das Internet nutzt 2 Alter der Lernenden 18 60 Der E Learning Kurs kann sowohl von jungen Studierenden genutzt werden als auch von Wissenschaftlern Dozenten oder anderweitig Interessierten im h heren Alter 3 Lernort Beliebig Es wird lediglich ein Computer ben tigt ber den On oder Offline auf den Kurs zugegriffen werden kann 99 4 1 Grobkonzept Konzeption des E Learning Kurses 4 Computerkompetenz Niedrig Es ist lediglich eine grundlegende Vertrautheit mit der Nutzung eines Webbrowsers n tig Lehr und Lernstrategie Im Grobkonzept ging es bei der Festlegung der Lehr und Lernstrategie in erster Li nie um die Ermittlung der technischen Rahmenb
171. er H Schinnerl I Sfiri A amp Teufel M 2006 Qualit tskriterien f r E Learning Ein Leitfaden f r Lehrer in nen Lehrende und Content Ersteller innen FH Joanneum GmbH Graz Hamming R W 1950 Error detecting and error correcting codes AT amp T Tech J XXVI 2 147 160 Hardle W amp R6nz B 2003 Statistik Wissenschaftliche Datenanalyse leicht gemacht Bi lingual Edition Dt Engl Software CD ROM Multimedia Hochschulservice Ber lin Henry Stewart Talks 2004 Genetic Epidemiology I Fundamentals Theory Practice 169 Literaturverzeichnis Literaturverzeichnis and Latest Developments In Weale M Hrsg 21 seminar style audio visual talks presented by leading world experts Henry Stewart Talks Southampton URL http www hstalks com genepid Henry Stewart Talks 2007 Genetic Epidemiology II Latest Developments In Weale M Hrsg 21 seminar style audio visual talks presented by leading world ex perts Henry Stewart Talks Southampton URL http www hstalks com main browse_talks php father_id 26 Henry Stewart Talks 2008 Statistical Methods for the Analysis of Genome Wide Association Studies Practical advice and guidance In Marchini J Hrsg 21 se minar style audio visual talks presented by leading world experts Henry Stewart Talks Southampton URL http www hstalks com main browse_talks php father_ id 337 Herczeg M 1994 Software Ergonomie Grundlagen der Mensch Comp
172. er der Tutor des Kurses erh lt mit dem Zugriff auf den Evaluationsserver ein wichtiges Feedback zum Lernfortschritt der Kursteilnehmer 133 5 2 Multimedia Elemente Umsetzung Onlinepflege von ReT3 Lernaufgaben Um die Pflege der ReT3 Lernaufgaben zu erleichtern und die adaptive Anpas sung zur Verbesserung der Aus und Bewertungsqualit t auch Personen oh ne XML Kenntnisse zu erm glichen wurde das PHP Programm ReT3CMS zur Lernaufgaben Verwaltung entwickelt ReT3CMS l sst sich so f r einen E Learning Kurs konfigurieren dass es eine bersicht ber alle vorhandenen ReT3 Lernaufga ben anzeigt W hlt der Benutzer eine Lernaufgabe per Mausklick aus dann wird die zugeh rige XML Datei vom System eingelesen und in zwei editierbaren Formula ren dargestellt Das erste Formular f r ein Beispiel siehe Abbildung 5 27 dient der Eingabe und Konfiguration der Aufgabenstellung Das zweite Formular f r ein Bei spiel siehe Abbildung 5 28 dient der Eingabe und Konfiguration der Musterl sung Jede ReT3 Lernaufgabe l sst sich auf diese Weise einfach ver ndern oder zum Bei spiel um weitere Teilaufgaben erweitern siehe Abbildung 5 29 Wenn nderungen ber ReT3CMS abgespeichert werden sind sie danach sofort im Kurs g ltig id 1 date 30 07 2008 version 1 01 author FP Titel Problem 1 1 1 Einleitender Satz Answer the following question Beschreibung Aufgabe Fragestellung Which are the main constituents of a DNA
173. er noch angemerkt dass sich der Komplexit tsgrad der einzelnen Aufga bentypen abh ngig von der Fachrichtung stark unterscheiden kann Insbesondere visuelle Darstellungen und komplexe mathematische Probleme stellen eine beson dere Herausforderung an den Aufgabenentwickler dar 2 2 2 Anforderungen an ein Softwaremodul zur Bereitstellung von Lernaufgaben Wie bereits in der Einleitung dieser Arbeit festgestellt wurde werden Lernaufga ben in den vorhandenen Online Lernangeboten zum Thema Genetische Epidemiolo gie und Statistik gar nicht oder nur didaktisch verwendet Das mag zum Teil auch an den verwendeten Autorenwerkzeugen liegen bei denen sich die Erstellung von Lernaufgaben in der Praxis auf Aufgabentypen mit einem geringen Komplexit ts grad z B Multiple Choice beschr nkt F r das Projekt Training in Genetischer Epidemiologie soll hier deshalb ein Softwa remodul zur Bereitstellung von Lernaufgaben entworfen und spezifiziert werden das den oben genannten Anforderungen gen gt und die f r diesen Kurs wichtigen Ae 2 2 Lernaufgaben Methoden Aufgabentypen in flexibler Weise unterst tzt Es sei an dieser Stelle bereits vorweg genommen dass auch das f r dieses Projekt verwendete Autorenwerkzeug keine befriedigende L sung bereitgestellt hat siehe Kapitel 3 2 3 und daher eine Eigen entwicklung n tig war Das Aufgabenmodul soll ber eine externe XML Datei alle f r den Kurs relevanten Aufgabentypen siehe Abschnitt
174. eraturrecherche Statistik The WWW Virtual Library 184 A 3 Literaturrecherche Statistik Google Scholar 2 sc 186 AA Literaturrecherche Epidemiologie Web of Science 193 A 5 Literaturrecherche Epidemiologie Google Scholar 194 Ap Literaturrecherche Genetische Epidemiologie Web of Science 195 A 7 Literaturrecherche Genetische Epidemiologie Google Scholar 196 A 8 Literaturrecherche Genetische Epidemiologie M Tevfik Dorak 196 A 9 Linksammlung Webseiten mit Lernmaterialien 198 B 1 Beispiel f r eine perfekte Wort Schl sselwort bereinstimmung 207 B 2 Beispiel f r einen Wort Schltisselwort Vergleich 208 B 3 Beispiel f r eine 5 x 5 Approximationsmatrix 209 B 4 Beispiel f r eine vorab erzeugte Approximationsmatrix 210 B 5 Beispiel f r eine 3 x 5 Approximationsmatrix 210 C 1 ReT3 Dokumentation XML Knoten problem 2 2 2 2 216 C 2 ReT3 Dokumentation XML Knoten subproblem 217 xiii Tabellenverzeichnis Tabellenverzeichnis C3 CA C5 C 6 C7 C3 KS D 1 DZ D3 D 4 D 5 ReT3 Dokumentation XML Knoten content anaana aaau aa 218 ReT3 Dokumentation XML Knoten external 2 22 219 ReT3 Dokumentation XML Knoten choice aus usa an aan 219 ReT3 Dokumentation XML Knoten solution 220 ReT3 Dokumentation XML Knoten keywords 2 2 2 220
175. erden die f r nationale und internationale Vergleichbarkeit sorgen In Europa werden daf r die Leistungspunkte des European Credit Transfer and Accumulation Systems kurz ECTS benutzt Tabelle 2 6 zeigt eine M glichkeit wie sich bei technologiegest tzten Bildungsmafsnahmen die ECTS Leistungspunkte in Lernstunden umrechnen lassen Damit ist eine gezielte Planung des Zeit und Ar beitsaufwands m glich Lernstunden E Learning ECTS SWS Face to Face Online Moderation Selbstlernen Summe 2 1 5 10 39 54 3 1 5 7 5 15 58 5 81 4 2 10 20 78 108 Tabelle 2 6 Umrechnung von ECTS Punkten in Lernstunden bei technologiegest tzten Bildungsma nahmen Quelle Hametner et al 2006 S 12 1 ECTS Punkt betr gt hier 27 Lernstunden die sich zu 9 aus Pr senzunterricht zu 19 aus online moderiertem Unter richt und zu 72 aus Selbstlernen zusammensetzen 74 3 Entwicklungsmaterial F r die Entwicklung eines E Learning Kurses bedarf es vieler verschiedener Ent wicklungsmaterialien Dazu geh ren auf der einen Seite die Datei und Medienfor mate und auf der anderen Seite die Werkzeuge zur Erstellung von Inhalten und Medien Es stehen viele verschiedene Formate und Werkzeuge zur Verf gung aus denen die f r das Projekt am besten geeigneten ausgew hlt werden m ssen Diese Auswahl die zu Beginn des Projektes erfolgen muss ist von gro er Bedeutung f r den Erfolg des Kurses Aufgrund des rasanten Entwicklungsfortschrit
176. eren Umgebung von x dar Somit gibt das H ufigkeitspolygon in gewisser Weise eine Beschreibung der Wahrscheinlichkeitsverteilung der zugrundeliegenden Zufallsgr e der Werte wieder hnlich der Dichtefunktion Allerdings stimmt der Ma stab nicht Abbildung A 14 Screenshot der Benutzeroberfl che von NUMAS 192 A 2 E Learning Angebote zur Epidemiologie Literaturrecherche A 2 Literaturrecherche E Learning Angebote zum Thema Epidemiologie Web of Science Recherche Datum 1 Juli 2008 Suchmaschine ISI Web of Knowledge Web of Science http apps isiknowledge com Suchbegriffe Topic epidemiology AND e learning Zeitraum Alle Jahre Datenbanken SCI EXPANDED SSCI A amp HCI Ergebnisse 1 Tabelle A 4 Suchkriterien der Literaturrecherche E Learning Module zum Thema Epide miologie Suchmaschine Web of Science Suchergebnisse Der Treffer wird hier nicht ber cksichtigt da es in der Ver ffentlichung um ein Lern programm f r Studierende der Veterin rmedizin handelt 193 A 2 E Learning Angebote zur Epidemiologie Literaturrecherche Google Scholar Recherche Datum 1 Juli 2008 Suchmaschine Google Scholar http scholar google de Suchmodus Erweiterte Scholar Suche Artikel finden mit allen W rtern im Titel des Artikels Suchbegriffe allintitle epidemiology e learning Zeitraum 1995 2008 Ergebnisse 0 Tabelle A 5 Suchkriterie
177. erstellt wurde Die Aufmerksamkeit des Lernenden wird durch farbliche Markie rung und eine Marginalie auf den Begriff RNA gelenkt Ein Teil des urspr nglichen Textes wurde entfernt durchgestrichen und durch bildschirmfreundlichen Text ersetzt e Datum e Version e Lernziel e Umsetzungsstatus und e Kurzbeschreibung was f r die Implementierung Organisation und sp tere Pflege der Interaktionen wichtig ist Nachfolgend ist exemplarisch der 4TEX Quelltext f r einen Drehbuch Header mit Metainformationen abgebildet Wo Storyboard header newcommand sboardheader 5 framebox parbox h 98 textwidth color rgb 0 1 0 1 0 5 begin center small vspace 0 3cm begin tabular lp 8cm Datum amp 1 81 3 2 Autorenwerkzeuge Entwicklungsmaterial Version amp 2 Lernziel amp 3 ifthenelse equal 4 1 Status amp Mit Flash umgesetzt Status amp Noch nicht umgesetzt Kurzbeschreibung amp 5 0 4cm end tabular end center normalcolor in ahh Ein Beispiel f r eine mit diesem Code erzeugte PDF Ausgabe findet sich in Abbil dung 3 3 der zugeh rige Aufruf im IX Code des Drehbuchs sieht wie folgt aus sboardheader 21 06 2006 1 0 Der Studierende soll wissen 1 Codon Drehbuch fiir Interaktion 1 2 Datum 21 06 2006 Version 1 0 Lernziel Der Studierende soll wissen wie er die sogenann te Codon Tabelle benutzen k
178. es Stat Primer by Bud Gerstman of Be San Jose State University STEPS Books ACT Training Courses Superb ACT Courses For All Users Tailored To Suit Your Company vun Int ac co uk ds by Google Ads by oogle Statistics for the Utterly Confused by Lloyd Jaisingh A good introductory statistics book somewhat more elementary than HyperStat The Visual Display of Quantitative Information by Edward R Tufte This bookis must reading for anyone creating or interpreting graphs Beautifully done Intuitive Biostatistics by Harvey Motulsky An excellent and easy to understand introduction to biostatistics Intuitive Abbildung A 5 Screenshot der Benutzeroberflache von HyperStat 185 A 1 E Learning Angebote zur Statistik Literaturrecherche Google Scholar Recherche Datum 4 Juni 2008 Suchmaschine Google Scholar http scholar google de Suchmodus Erweiterte Scholar Suche Artikel finden mit allen W rtern Suchbegriffe 1 statistik biometrie e learning Suchbegriffe 2 statistik biometrie e learning Suchbegriffe 3 statistics biometry e learning Suchbegriffe 4 statistics biometry e learning Suchbegriffe 5 statistics biometrics e learning Suchbegriffe 6 statistics biometrics e learning Zeitraum 1995 2008 Ergebnisse 8 12 56 60 151 166 Tabelle A 3 Suchkriterien der Literaturrecherche E Learning Angebote zum Thema Sta
179. es Feedbacks aus der Feedback Tabelle Improvement Points Feedback 0 Das kannst Du besser 1 ber Deinem Durchschnitt das kannst Du aber noch besser 2 Besser als Dein Durchschnitt gute Arbeit 3 Super Viel besser als der Durchschnitt 162 2 2 Lernaufgaben Methoden Beispiel 2 2 Feedback Generierung nach der ILE Methode Der Lernende Tiro habe im Vorfeld drei Lernaufgaben bearbeitet und daf r von jeweils Pmax 100 m glichen Punkten die Punkte p 50 pa 85 und p3 65 bekommen Als Base Score f r die n chste Lernaufgabe ergibt sich dann 50 85 75 60 70 70 Toor 1007100 maxi Phase max 60 100 F r seine L sung der n chsten Aufgabe erh lt Tiro p 77 Punkte Die Improvement Points ergeben sich dann wie folgt 70 5 lt 77 lt 70 9 gt Phase 9 SPS Phase 9 gt Pimp 2 Tiro erh lt also folgendes Feeback Besser als Dein Durchschnitt gute Arbeit Erweitertes Feedbacksystem Damit die Feedbacks im Falle einer gleichbleibenden Leistung des Lernenden ihre Glaubw rdigkeit und damit ihren Beitrag zur Motivation des Lernenden nicht ver lieren soll die ILE Methode an dieser Stelle dahingehend erweitert werden dass es zu jedem der vier Improvement Points verschiedene Varianten von Feedbacks gibt Aus der Menge von Feedback Texten kann dann entweder der Reihe nach oder per Zufall ein Text ausgew hlt werden Eine rein zuf llige Feedback Auswahl ist l
180. g In Interaktion 1 gibt es In Interaktion 1 gibt es folgende Darstellungen folgende Darstellungen Gr nes Dreiest 2 z Gr nes Dreieck gr nes Viereck O gr nes Viereck gr ner Kreis gr ner Kreis Interaktion 1 x A a d Dreieck Markiere Textstelle Abbildung 5 7 Illustration des bidirektionalen Mouse Over Konzepts Es gibt eine bidi rektionale Kommunikation zwischen Interaktion und Inhaltstext Im Beispiel auf der linken Seite bewegt der Lernende den Mauszeiger tiber den Text den er graphisch illustriert haben m chte Daraufhin wird im Hintergrund der Befehl Markiere Dreieck ausgesandt und das Dreieck wird auff llig hervorgehoben so als w rde ein Dozent darauf zeigen Im Beispiel auf der rechten Seite schaut sich der Lernende anhand der Interaktion ein Element an das ihn interessiert hier Das Dreieck Daraufhin wird im Hintergrund der Befehl Markiere Textstelle ausgesandt und der passende Textteil wird auff llig hervorgehoben den nur schwer am Bildschirm lesen da die Schrift automatisch gegl ttet wird Wie oben angek ndigt folgen nun ausgesuchte Beispiele zur Illustration der ver schiedenen Interaktionen im E Learning Kurs Es werden zun chst drei klassi sche Interaktionen vorgestellt Eine Klick Interaktionen eine Drag and Drop Interaktion und eine Mouse Over Interaktion Danach folgen zwei bidirektionale Mouse Over Interaktionen Beispiel fiir eine Klic
181. gew hlt werden musste Ende 2004 konnte keines der in diesem Gutachten aufgef hrten Werkzeuge alle oben genann ten Anforderungen in befriedigender Weise erf llen Die h ufigsten Eigenschaften die zum Ausschluss des jeweiligen Autorenwerkzeugs f hrten waren e Ausschlie lich Erstellung von Online Kursen d h eingeschr nkter Zugang e Ausschlie lich Erstellung von Offline Kursen d h eingeschr nkter Zugang e Ungen gende Ber cksichtigung des pr ferierten didaktikischen Konzepts e Einsatz von weniger verbreiteten Technologien d h Gefahr schlechter Nach haltigkeit und Interoperalit t Vor allem das didaktikische Konzept stellte sich als kritischer Faktor heraus denn JJI die Wahl bestimmter lerntheoretischer Modelle zieht zwangl ufig die Ent scheidung f r ein bestimmtes Design f r ad quate Lehr Lernmethoden und f r entsprechende Navigationsmethoden und Interaktionsformen nach sich berwie gend sind diese Entscheidungen jedoch bereits von den Lernplattform Produzenten getroffen worden so dass die Entscheidung f r eine bestimmte Lernplattform au E 3 2 Autorenwerkzeuge Entwicklungsmaterial tomatisch die Gestaltungsfreiheit der Benutzer einschr nkt Schulmeister 2000 5 21 Zur Identifikation des am besten f r das Projekt geeigneten Autorenwerkzeugs wurden daher weitere Recherchen durchgef hrt Das Resultat war zum damaligen Zeitpunkt relativ ern chternd Von den wenigen in Frage kommenden Autoren
182. gie wurde wie in Abbildung 2 4 S 39 dargestellt konzipiert In diesem Teil der Arbeit soll beschrieben werden wie die Kommuni kationsplattform f r den Kurs umgesetzt wurde Auf die anderen Bestandteile des Lernraums Kursbetreuung und Pr senzphase soll erst in Kapitel 6 n her einge gangen werden Die Kommunikationsplattform wurde mit dem Content Management System CMS Drupal umgesetzt Drupal ist unter http www drupal org frei erh ltlich und steht unter der GNU General Public License F r den Betrieb einer Drupal Webseite wird lediglich ein Webserver ben tigt der PHP und MySQL unter st tzt Drupal wurde ausgew hlt da es wichtige Elemente und Werkzeuge einer Sozia len Software siehe Kapitel 2 1 3 beinhaltet Mit einer breiten Palette an Kommu nikationswerkzeugen siehe Auflistung unten und einem differenzierten Rollen und Rechtesystem unterst tzt Drupal unter anderem den Aufbau von Communi ties Vor diesem Hintergrund eignet sich Drupal hervorragend f r den Aufbau einer E Learning Kommunikationsplattform Abbildung 5 30 zeigt einen Screenshot der Kommunikationsplattform des Kurses Training in Genetischer Epidemiologie Die Plattform ist unter http www genepi de online erreichbar Es k nnen sich beliebig viele Benutzer bei der Seite als Kursteil nehmer registrieren Alternativ kann die Anmeldung der Teilnehmer auch kontrol liert durch einen Administrator erfolgen Registrierte Teilnehmer haben verschied
183. h Charakter wie auch dem Titel der Webseite zu entnehmen ist Es han delt sich also mehr um eine Sammlung von Inhalten als um einen ganzheitlichen E 7 1 1 bersicht ber verf gbare E Learning Angebote Einleitung Learning Kurs mit erkennbarem didaktischen Konzept Die HyperStat Internetseite wird seit 1993 betrieben und man sieht den Seiten an dass keine Anpassungen an neuere Ergonomie und Design Standards vorgenommen wurden Beispielswei se enthalten viele Seiten einen Next Button der wenn er mit der Maus angeklickt wird zum Ende eines Kapitels durch einen Prev Button ersetzt wird Es ist also nicht m glich kapitel bergreifend von einer Seite zur n chsten zu navigieren son dern es muss jedesmal umst ndlich in das Inhaltsverzeichnis gewechselt werden Die Lerninhalte selber bestehen berwiegend aus Text und wenigen Abbildungen bungsaufgaben sind keine vorhanden Es werden also viele der eingangs erw hn ten Motivations und Hygienefaktoren nicht ber cksichtigt Der didaktische Mehr wert gegen ber einem reinen Textbuch liegt also nur in der schnelleren Navigation durch die Inhalte und in der schnelleren Verfolgung von Querverweisen mittels Hy perlinks Statistik Beschreibende Statistik und explorative Datenanalyse Bei Statistik Beschreibende Statistik und explorative Datenanalyse handelt es sich um einen E Learning Kurs der im Buchhandel erh ltlich ist CD ROM Mittag und Stemann 2004 Technisch handel
184. h um kleine interaktive Demonstrationen von inhaltlichen Zusammenh ngen also nicht wie der Name suggeriert um Beispiele zum Selberrechnen Der E Learning Kurs wurde f r eine Bildschirmaufl sung von 800x600 dpi ent wickelt f r einen Screenshot der Benutzeroberfl che siehe Abbildung A 6 S 188 die nicht mehr zeitgem ist vgl Abbildung 3 4 S 85 Der Umstand dass die Ent wicklung mit FrontPage 2 0 erfolgte das im Jahre 1996 zusammen mit dem Office Paket ausgeliefert wurde l sst vermuten dass der Kurs schon ber einen l nge ren Zeitraum nicht aktualisiert und an neue technische Standards angepasst wurde Hierin liegt m glicherweise auch der Grund weshalb sowohl der Firefox Browser als auch der Internet Explorer beim Testen des Kurses an bestimmten Stellen an denen Multimediainhalte eingebunden waren abst rzten Zusammenfassend l sst sich festhalten dass das Lernprogramm zwar konsequent ein didaktisches Konzept verfolgt leider aber wichtige Hygiene und Motivations faktoren nicht erf llen kann Insbesondere muss das Fehlen von Lernaufgaben be m ngelt werden da es den Lernenden dadurch nicht m glich ist bestimmte Inhalte zu trainieren und den eigenen Lernfortschritt zu kontrollieren Neue Statistik II Bei dem Projekt Neue Statistik II handelt es sich um eine Weiterentwicklung des Projekts Neue Statistik 2001 2004 BMBF gef rdert im Programm Neue Medi en in der Bildung vgl
185. hen Forschung in der Medizin beruht im Wesentlichen auf der interdisziplin ren Zusammenarbeit von Moleku WER EI 1970er 1980er 1990er DNA LD MaBe D r2 Kopplungs 1 Journal SNP s Human DNA 1 Marker Neutralitats Kartierung ASP s Humangenom Entschl sselung Karyogramm Theorie ee ER PCR projekt LDU Maps LOD Score GE aum ISTRs HapMap Projekt Swas IBD 1 Buch Abbildung 1 1 Die zeitliche Entwicklung der Genetischen Epidemiologie GE ist hier in stark verk rzter Weise dargestellt Es soll lediglich deutlich gemacht werden dass es sich um ein junges Forschungsgebiet handelt das sich in den letzten 50 Jahren vergleichswei se rasch entwickelt hat F r detaillierte Informationen zur Entwicklung der GE siehe z B Morton 2006 oder Elston und Spence 2006 1 1 1 bersicht ber verf gbare E Learning Angebote Einleitung larbiologen Bioinformatikern Statistikern Mathematikern und Humanmedizinern Interessierte Studierende und Wissenschaftler stehen daher vor einer gro en Her ausforderung Sie m ssen sich komplexes Fachwissen aus sehr unterschiedlichen Fachgebieten aneignen Daf r stehen ihnen einige wenige Lehrb cher zur Verf gung z B Ziegler und K nig 2006 Thomas 2004 Mao 2007 aber kein technolo giegest tzter Trainingskurs der das Themengebiet umfassend bedient und speziell auf die Genetische Epidemiologie zugeschnitten ist Es sind
186. i systematischer Vorgehensweise sowie die Einbeziehung des didaktischen Konzepts aus F r die Erstellung des Drehbuchs einer Anleitung und Vorlage f r die Umsetzung des Kurses wurde eine neue I4TpxX basierte Drehbuchumgebung konzipiert Damit wurde das dem Kurs zugrunde liegende Manuskript in ein detailliertes E Learning Drehbuch berf hrt Jede Drehbuchseite dient unter anderem der Spezifikation von Lernzielen und Multimediaelementen F r den Einsatz des E Learning Kurses in einer Lehrveranstaltung wurde ein spezi fisches Lehrkonzept entwickelt dass sich auf vier Eckpfeiler st tzt 1 Technische Be treuung 2 Inhaltliche Betreuung 3 Kombination mit einer Pr senzveranstaltung 4 Vernetzung der Lehrenden und Lernenden mit einer Kommunikationsplattform Der Kurs wurde in den Jahren 2007 und 2008 wiederholt veranstaltet und getestet Die Evaluation hat gezeigt dass die hohen Anforderungen an die Qualit t der In halte und Medien sowie an das didaktische Konzept mit seinen vielen Einzelkom ponenten erf llt werden Das Ergebnis dieser Arbeit ist ein ganzheitlicher E Learning Kurs der die Grund lagen und Methoden der Genetischen Epidemiologie vermittelt Die Pflege und Er weiterung des Kurses um neue Inhalte wird durch das nachhaltige Gesamtkonzept stark vereinfacht Der Kurs ist zum Selbststudium geeignet kann aber auch in Kom bination mit einer Pr senzveranstaltung eingesetzt werden Der Aufwand f r die Bearbeitung der Kursinhalt
187. ickelte Flash Programm PEDCHART wird der Stammbaum erst zur Laufzeit also im Moment des ffnens gezeichnet und zwar anhand der Informationen in einer separat abgespeicherten XML Datei Vorteilhaft ist dass sich die XML Datei mit einem beliebigen Texteditor ffnen und ndern l sst wobei sich nderungen gegebenenfalls sofort auf die Darstellung des Stammbaums auswirken f r eine Anpassung an neue Bildschirmaufl sungen muss nicht mehr jede Datei einzeln ge ndert werden sondern es bedarf lediglich einer einfachen Anpassung des PEDCHART Programms Der Kurs kann erfolgreich in der Lehre eingesetzt werden also den erkl rten Lehr auftrag erf llen Das ist das Ergebnis der Evaluation des Kurses Durch eine empiri 163 Diskussion sche Untersuchung bei der die Teilnehmer zweier Veranstaltungen die unter dem Titel Training in Genetischer Epidemiologie mit einem Abstand von sechs Monaten an der Universit t zu L beck stattfanden befragt wurden konnte gezeigt werden dass der Kurs die hohen Anforderungen an die Qualit t der Inhalte und Medien sowie an das didaktische Konzept mit seinen vielen Einzelkomponenten erf llt Das kom plexe Lehr und Lernkonzept des Kurses hat seine Tauglichkeit somit im Praxistest unter Beweis gestellt Beispielsweise haben 83 der Teilnehmer dem Kurs f r die Vermittlung des Lernstoffs die Schulnote 2 gegeben Abschlie end kann festgehalten werden dass das Projekt Training in Genetischer Epi de
188. idemiologie Suchmaschine Web of Science Suchergebnisse Keine 195 A 3 E Learning Angebote zur Genetischen Epidemiologie Literaturrecherche Google Scholar Recherche Datum 5 Juni 2008 Suchmaschine Google Scholar http scholar google de Suchmodus Erweiterte Scholar Suche Artikel finden mit allen W rtern im Titel des Artikels Suchbegriffe genetic epidemiology e learning Zeitraum 1995 2008 Ergebnisse 0 Tabelle A 7 Suchkriterien der Literaturrecherche E Learning Module zum Thema Gene tische Epidemiologie Suchmaschine Google Scholar Suchergebnisse Keine M Tev k Dorak Recherche Datum 5 Juni 2008 Webseite M Tevfik Dorak Genetic Epidemiology http www dorak info epi genetepi html Rubrik Multimedia Ergebnisse 3 Tabelle A 8 Suchkriterien der Literaturrecherche E Learning Angebote zum Thema Ge netische Epidemiologie Suchmaschine M Tev k Dorak Genetic Epidemiology Suchergebnisse e UAB Statistical Genetics Short Course Lectures on Video e Genetic Epidemiology Webcasts e Genetic Epidemiology on CD ROM Henry Stuart Talks 196 A 4 Webseiten mit Lernmaterialien Literaturrecherche A 4 Webseiten mit Lernmaterialien In Tabelle A 9 sind ausgew hlte Webseiten mit elektronischen Lernmaterialien z B Videoaufzeichnungen von Vorlesungen zu verschiedenen Themengebieten aufge f hrt 197 Literaturrecherche
189. ie Ergebnisse einer kleinen Evaluation mit drei Fragen zur Qualit t der Aus und Bewertung dar die w hrend der Nutzung des Lernaufgabenmoduls ReT3 in den Kursen 03 2007 und 09 2007 durchgef hrt wurde Dazu wurde direkt nach jeder Aus und Bewertung einer Lernaufgabe ein kleiner Evaluationsbogen eingeblendet siehe Abbildung 5 26 beziehungsweise Ka pitel 5 2 3 der vom Benutzer mit wenigen Mausklicks beantwortet werden konnte Die Ergebnisse zeigen dass die Benutzer mit den Ergebnissen berweigend zufrie 150 6 4 Evaluation der Medien Evaluation des Kurses den waren Abbildung 6 21 Es gibt allerdings ganz klar Verbesserungsbedarf bei der Bewertung und Punktevergabe denn die Benutzer waren in den meisten F llen davon berzeugt dass ihre eingegebene L sung inhaltlich identisch zur Musterl sung war Abbildung 6 22 und trotzdem zu wenig Punkte daf r erhalten haben Abbildung 6 23 Es kann also festgehalten werden dass eine weitere Adaption der Lernaufgaben auf der Basis von im Praxiseinsatz gewonnenen Daten n tig ist Die erreichten Punkte waren Keine Antwort zu hoch genau richtig zu niedrig Anzahl der Antworten 41234567893 11 13 15 17 19 21 23 25 27 Abbildung 6 23 Zufriedenheit der Benutzer mit der Bewertung und Punktevergabe durch das Auswertungsmodul 151 6 5 Lehr und Lernkonzept Evaluation des Kurses 6 5 Lehr und Lernkonzept In diesem Abschnitt soll das Lehr und Ler
190. ie Zeitrei henanalysen Diskussion Bei EMILeA stat handelt es sich um eine sehr umfangreiche Sammlung von Lernin halten zur Statistik Obwohl die Inhalte von vielen verschiedenen Autoren erstellt wurden ist die Prasentation der Inhalte und Module weitestgehend homogen und konsistent Das durch das datenbankgest tzte Content Management System vor gegebene Design der Lernumgebung ist ansprechend und modern gestaltet und verfolgt konsequent ein didaktisches Konzept fiir Details dazu sei auf die Projekt Webseite und Moebus et al 2002 verwiesen Beim Durchblattern der Inhaltsseiten fallt allerdings auf dass die Aufbereitung ahnlich wie das oben beschriebene Lern modul MM STAT den Charakter eines elektronischen Textbuchs hat Beispielswei se wurden bei keinem der gesichteten Inhalte direkt eingebundene Interaktionen 1 1 bersicht ber verf gbare E Learning Angebote Einleitung verwendet um komplexe Inhalte zu illustrieren Nach Lern und bungsaufgaben sucht man in den Modulen abgesehen von wenigen Ausnahmen vergeblich In den Kursen finden sich einige Textaufgaben mit Musterl sungen Die direkte Be arbeitung der Aufgaben am Computer ist allerdings nicht m glich Der Lernende erh lt folglich keinerlei Feedbacks vom Lernsystem Der didaktische Mehrwert gegen ber einem Textbuch oder Skript liegt hier also zumindest zum jetzigen Zeitpunkt in erster Linie in der klaren Strukturierung in der Verlinkung von Inhalten
191. ignetes Konzept f r die Generierung individueller Feedbacks ist die Metho de der Individual Learning Expectations ILE Slavin 1980 Hinter ILE steckt die Idee bei der Bewertung einer Lernaufgabe die zuvor erbrachten Leistungen des jeweili gen Lernenden mit einzubeziehen Ziel ist die stetige Verbesserung der Leistung bis 161 2 2 Lernaufgaben Methoden nur noch exzellente Ergebnisse vom jeweiligen Lernenden erzielt werden Im Ver gleich zu traditionellen Bewertungssystemen erh ht ILE den Lernerfolg signifikant Slavin 2000 S 355 Der Einsatz der ILE Methode innerhalb von Lernaufgaben soll hier kurz illustriert werden Nachdem der Lernende seine L sung der Lernaufgabe eingegeben hat er folgt die Generierung des Feedbacks in drei Schritten 1 Berechnung der Basispunktzahl pas engl Base Score Gegeben seien die Fr gebnisse der Aufgaben 1 n Dann gilt n D Phase max 60 100 Ei max i 1 f1 2 Berechnung der Verbesserungspunkte pimp engl Improvement Points Die Im provement Points dr cken mit einer Zahl zwischen Null und Drei aus wie stark sich der Lernende im Vergleich zum Base Score verbessert hat der h chste Wert VON Pimp 3 wird bei sehr starker Verbesserung gegen ber Ppase oder bei Er reichen der maximalen Punktzahl pmax vergeben 3 p Pmax V P Phase 10 2 Phase 95 lt p lt Phase T 9 Pimp 1 Phase 4 lt p lt Phase T 4 0 p lt Phase 5 3 Heraussuchen d
192. ilnehmer sehr unterschiedlich aus was vermutlich mit der Heterogenit t der Teilnehmergruppe zusammenh ngt siehe z B Ausbildung Abbildung 6 1 Vorkenntnisse Abbildun gen 6 24 und 6 25 153 6 5 Lehr und Lernkonzept Evaluation des Kurses Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 10 11 12 13 14 15 stimmt nicht stimmt eher nicht stimmt eher stimmt stimmt nicht stimmt eher nicht stimmt eher stimmt L nicht sinnvoll beantwortbar L nicht sinnvoll beantwortbar Anzahl der Antworten 0 1 2 3 4 5 6 7 8 9 L L L 1 L L Anzahl der Antworten D 1 2 3 4 5 6 7 8 9 L L L L i L L i L L Abbildung 6 28 Der Kurs besitzt ei Abbildung 6 29 Die Gestaltung des ne klare Gliederung und einen klaren Kurses ist interessant Zeitplan Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 nicht sinnvoll beantwortbar stimmt nicht stimmt eher nicht stimmt eher stimmt nicht sinnvoll beantwortbar stimmt nicht stimmt eher nicht stimmt eher stimmt Anzahl der Antworten 8 L Anzahl der Antworten 8 L 4 4 o 4 o 4 d d o m o Abbildung 6 30 Im Kurs sind Abbildung 6 31 Der Kurs ist ver Theorie und Praxis gut aufeinander mutlich f r die Berufspraxis sehr abgestimmt n tzlich 154 6 5 Lehr und Lernkonzept Evaluation des Kurses Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 L stimmt L stimmt L L stimmt ni
193. inheim 176 A Systematische Literaturrecherche A 1 Literaturrecherche E Learning Angebote zum Thema Statistik Ziel war es systematisch nach Literatur zu folgenden Themen zu suchen 1 E Learning Angebote zum Thema Statistik die f r eine Nutzung ohne Pr senzphase vorgesehen sind 2 E Learning Angebote zum Thema Statistik die auf einem Lehr und Lernkon zept basieren das neben dem Online Teils eine Pr senzphase vorsieht Web of Science Recherche Tabelle A 1 zeigt die Kriterien die f r die Recherche festgelegt wurden Datum 3 Juni 2008 Suchmaschine ISI Web of Knowledge Web of Science http apps isiknowledge com Suchbegriffe Topic statistic AND e learning Zeitraum Alle Jahre Datenbanken SCI EXPANDED SSCI A amp HCI Ergebnisse 32 Sortierung der Ergebnisse Letztes Datum Tabelle A 1 Suchkriterien der Literaturrecherche E Learning Angebote zum Thema Sta tistik Suchmaschine Web of Science 177 A 1 E Learning Angebote zur Statistik Literaturrecherche Suchergebnisse Es wurden 17 Suchergebnisse dem Gebiet Technologien didaktische Methoden Mthoden zur Auswertung von E Learning Daten zugeordnet genau waren das die Nummern 1 2 7 8 9 12 13 14 15 16 17 20 21 22 23 24 und 26 12 weitere Ergebnisse beinhalteten zwar E Learning Themen waren aber thema tisch weit vom Thema Statistik entfernt die genauen Artikel aus verschiedenen Nich
194. ische Professionalit t bei der Konzeption und Ent wicklung technologiebasierter Lernszenarien In Herzig B Hrsg Medien machen Schule Grundlagen Konzepte und Erfahrungen zur Medienbildung Klinkhardt Bad Heilbrunn Kerres M 2005 Didaktisches Design und eLearning Zur didaktischen Trans formation von Wissen in mediengest tzte Lernangebote In Miller D Hrsg E Learning Eine multiperspektivische Standortbestimmung Kapitel 1 S 156 182 Haupt Verlag Bern Kirchgessner K 2008 Vorlesung in MP3 Die Zeit Nr 19 Internet Spezial April 2008 S 22 URL http www zeit de 2008 19 I Lernen Lernen Kladroba A 2006 E learning in der Statistik Ein Vergleich verschiedener Lern softwareangebote All Stat Arch 90 2 323 340 Koivunen M R amp Miller E 2002 W3C Semantic Web Activity In Hyv nen E Hrsg Semantic Web Kick Off in Finland Vision Technologies Research and Applicati ons HIIT Publications S 27 44 Helsinki Institute for Information Technology HI IT HUT Publications Helsinki URL http www w3 org 2001 12 semweb fin w3csw K pcke W amp Heinecke A 1997 Ein Lehr und Lernsystem f r die Ubungen in Medizinischer Biometrie In Conradi H Kreutz K amp Spitzer K Hrsg CBT in der Medizin S 47 59 Augustinus Aachen K pcke W amp Heinecke A 2001 JUMBO Java unterst tzte M nsteraner Biome trie Oberflache In Grob H Hrsg Computergestiitzte Hochschu
195. itung zu PISA 21 O Numerische Methoden L Qualit tsoptimierung 7 Robuste Statistik Schlie ende Statistik L Sequenzielle Methoden Statistik der Finanzm rkte Pe 2 2 Abbildung A 4 Screenshot der Lernumgebung von EMILeA stat Auf der linken Seite be findet sich ein Naviagtionsbau mit dessen Hilfe der Benutzer sich durch die verschiedenen Module bewegen kann Im dargestellten Beispiel wurde das Modul Assoziation gestartet Es ist das Thema Assoziationsma e Odds Ratio ausgew hlt Rechts ist die Seite mit dem ei gentlichen Lerninhalt zu sehen Die Inhalte sind tiberwiegend auf reinen Text siehe Beispiel Odds Ratio oben Formeln und Tabellen beschr nkt 183 A 1 E Learning Angebote zur Statistik Literaturrecherche The World Wide Web Virtual Library Statistics Recherche Tabelle A 2 zeigt die Kriterien die f r die Recherche festgelegt wurden Datum 4 Juni 2008 Webseite The World Wide Web Virtual Library Statistics http www stat ufl edu vlib statistics html Rubrik On Line Educational Resources Ergebnisse 7 Tabelle A 2 Suchkriterien der Literaturrecherche E Learning Angebote zum Thema Sta tistik Suchmaschine The World Wide Web Virtual Library Statistics Suchergebnisse 56 Probability Distributions and their Properties Central Limit Theorem General Tutorial on Univariate Mathematical Modeling PDF HyperStat Java Applets for Vis
196. k Interaktion Die genetische Transkription Abbildung 5 8 zeigt vier ausgew hlte Zust nde einer Klick Interaktion zur Illustra tion der genetischen Transkription also der Synthese von RNA anhand der DNA In diesem Beispiel handelt es sich um eine Bewegtbild Animation die an bestimmten Stellen automatisch pausiert damit der Lernende die Informationen besser aufneh men und das Gesehene verstehen kann Mit einem Maus Klick auf den rot umran deten Abspielen Knopf wird die Animation fortgesetzt so lange bis das n chste Pause Signal den Film anh lt Der Lernende hat dar ber hinaus die M glichkeit die Animation nach eigenem Belieben zu steuern Daf r stehen ein Pause und Stop Knopf sowie Kn pfe f r schnellen Vor R cklauf und Sprung zum vorherigen oder n chsten Kapitel zur Verf gung 115 5 2 Multimedia Elemente Umsetzung DD OTIC Ww TGAAGCCTGT RNA ea i u 14 144 ri pi KA EN ACUUCGGA IX i 9 U TGAAGCCTG X signal Stop EH fia 144 por st pre mRNA ACUUCGGACA Abbildung 5 8 Flash Interaktion zur Illustration der Transkription Beispielhaft abgebildet sind vier Teilbilder in denen die Bewegtbild Animation pausiert In der rechten unteren Ecke befindet sich das Bedienfeld das auf die Mausklicks des Benutzers reagiert 116 5 2 Multimedia Elemente Umsetzung Beispiel f r eine Drag and Drop Interaktion De Finetti Diagramm Abbildung 5 9 zeig
197. kann m glicherwei se darauf zur ckgef hrt werden dass die Teilnehmer nur sehr wenig Zeit hatten sich an dieses neuartige Konzept zu gew hnen und positive Erfahrungen damit zu sammeln Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 a 2 5 8 a E 2 8 zu T T Su E K g E S E 5 E KR S 5 E KR Zi S E 5 E Pah E E 5 E ei 8 u E p sl 8 D E D O oH 2 O a4 2 3 T 3 T d lt 7 By a zo i zo Abbildung 6 17 Die Medien sind in Abbildung 6 18 Die Verkn p ausreichender Menge und guter Quali fung bestimmter Interaktionen und t t vorhanden Animationen mit aktiven Textstellen Hyperlinks war hilfreich 148 6 4 Evaluation der Medien Evaluation des Kurses Evaluation des Echtzeitauswertungsmoduls ReT3 Die Ergebnisse zu der Frage Die Ergebnisse der Echtzeitauswertung der interakti ven bungsaufgaben waren gut siehe Abbildung 6 19 zeigen dass die Benut zer sehr unterschiedliche Erfahrungen mit dem Lernaufgabenmodul gesammelt ha ben Es gibt einige Benutzer die mit den Ergebnissen gar nicht zufrieden waren an dere wiederum waren sehr zufrieden Auff llig ist dass es im ersten Kurs 03 2007 mehr unzufriedene Stimmen gab als beim zweiten Kurs 09 2007 Hierzu muss gesagt werden dass beim ersten Kurs noch keine Adaption der Lernaufgaben statt gefunden hatte da nat rlich noch keine Benutzerfeedbacks vorlagen zur Adaption von ReT3 Lernaufgaben siehe Kapitel 5
198. ktionen dieser Drehbuchumgebung hier kurz in berarbeiteter und erweiterter Form dargestellt werden HTEX Befehle f r das Grobkonzept F r das Grobkonzept des Lernobjekts LO wurden folgende IATpX Befehle f r die Strukturierung definiert f r ein Beispiel siehe Abbildung 3 1 e LO Kapitel LO Unterkapitel LO Unterunterkapitel e LO Inhaltsseite und e Lernziele m Anmerkung zur KlIEX basierten Drehbuchumgebung Obwohl das dem E Learning Kurs zu Grunde liegende Textbuch in englischer Sprache vorlag und auch der Kurs in derselben Spra che verfasst wurde wurde entschieden alle nicht zum eigentlichen Inhalt geh renden Elemente im Drehbuch Regieanweisungen Drehbuch berschriften etc auf Deutsch zu verfassen da das Autorensystem in der f r die Umsetzung benutzten Version mit speziellen Templates nur in deut scher Sprache verf gbar war auf das Autorensystem wird in Abschnitt 3 2 2 auf Seite 83 n her eingegangen 179 3 2 Autorenwerkzeuge Entwicklungsmaterial P 16 LO Unterkapitel 1 1 LO Inhaltsseite 1 1 2 How is the genetic information coded Lernziel Der Studierende soll wissen was charakteristisch f r einen DNA Abschnitt ist Linearsequenz der Basen komplement re Str nge Er soll zudem die Basisl ngeneinheit bp der DNA kennen und soll wissen wievie le Basenpaare die menschliche DNA ungef hr enth lt Any two DNA fragments only differ with respect to the order of their bases
199. ktionis mus und Determinismus Unter Reduktionismus wird aus konstruktivistischer Sicht die starke Orientierung auf Lernziele und Sublernziele verstanden welche die Komplexit t von Wissens bereichen und Querverbindungen zwischen den Einzelinformationen vernachl s sigt Unter dem Aspekt dass das Verst ndnis eines Fachgebiets mehr als die Be herrschung und Wiedergabe der Summe aller relevanten Fakten beinhaltet wird in diesem Zusammenhang bem ngelt dass kontextuelle Faktoren unzureichend be r cksichtigt werden Mit Determinismus wird die Annahme bezeichnet dass das Ergebnis von Instruk tion f r alle Lernenden im wesentlichen gleich ist Dagegen werden im Konstrukti vismus die Heterogenit t der Lernenden und ihre individuellen und nicht vorher sagbaren Wissenskonstruktionen betont 2 1 2 Konstruktivismus Konstruktivismus repr sentiert eine erkenntnistheoretische Position eine Lerntheo rie eine Philosophie des Lehrens und Lernens ein allgemeines p dagogisches Kon zept oder auch eine Kombination dieser Bedeutungen Molebash 2002 S 434 Aus konstruktivistischer Sicht wird das Wissen vom Lernenden selber im Zuge folgen der Prozesse generiert vgl Reich 2006 e Rekonstruktion Entdecken der Welt e Konstruktion Erfinden der Welt und e Dekonstruktion Kritisieren der Welt Um das Verst ndnis des Konstruktivismus als Lerntheorie zu erleichtern sollen an dieser Stelle die wichtigsten Annahmen ber das Wi
200. l 4 1 Die Kriterien und Beweggr nde die zur Entscheidung f r das hier eingesetzte Autorenwerkzeug f hrten sollen im folgenden Teil der Arbeit genauer beschrieben werden Die Anforderungen an das Autorenwerkzeug sollten vorab exakt definiert werden Danach gilt es das System mit gro er Sorgfalt auszuw hlen denn sollte sich zu einem sp teren Zeitpunkt herausstellen dass das System der Wahl entgegen den eigenen Annahmen ungeeignet ist kann das schwerwiegende Konsequenzen f r das Projekt haben da die bereits mit dem Autorenwerkzeug erstellten Inhalte unter Umst nden komplett neu erstellt werden m ssen Baumgartner stellt im Buch Content Management Systeme in e Education Aus wahl Potenziale und Einsatzm glichkeiten f nf zentrale Anforderungen an Auto renwerkzeuge Baumgartner et al 2004 S 99 1 Interoperabilit t wie gut arbeitet das Autorensystem mit anderen Systemen zu 183 3 2 Autorenwerkzeuge Entwicklungsmaterial sammen und wie gut l sst es sich in eine Lernumgebung integrieren 2 Wiederverwendbarkeit k nnen die erstellten Inhalte Lernobjekte auch ander weitig und in anderen Zusammenh ngen verwendet werden 3 Verwaltbarkeit werden ber das Verhalten der Lernenden und die Inhalte Auf zeichnungen gef hrt 4 Zugang wie einfach k nnen Lehrende zu einer bestimmten Zeit auf bestimmte Inhalte zugreifen 5 Nachhaltigkeit bleiben bisher funktionierende Werkzeuge auch dann funkti
201. l auf den n chsten zwei Seiten versuchen folgen de Fragen so pr zise wie m glich zu beantworten e Was ist ber die Zielgruppe bekannt Welche Merkmale zeichnen die Ziel gruppe aus Konkret bedeutet das Welche Vorkenntnisse haben die Lernenden Wie gro ist die Zielgruppe Wie alt sind die Lernenden Was l sst sich zum Lernort sagen Welche Computerkompetenz haben die Lernenden 197 4 1 Grobkonzept Konzeption des E Learning Kurses e Welchen Einfluss haben dieses Wissen und diese Merkmale auf die Konzepti on des Lernobjekts e Welcher spezifische Nutzen entsteht durch das Lernangebot f r die Ziel gruppe vgl z B Mair 2005 S 49 Zur Beantwortung dieser Fragen ist es wichtig die vier Eckpfeiler der Genetischen Epidemiologie zu kennen Das Fachgebiet der Genetischen Epidemiologie umfasst interdisziplin res Wissen aus den Bereichen Biologie Genetik Epidemiologie und Stati stik Die Zielgruppe des Projekts die sich aus Molekularbiologen Bioinformatikern Statistikern Mathematikern und Humanmedizinern zusammensetzt verf gt daher ber kein einheitliches Vorwissen was die vier genannten Eckpfeiler betrifft siehe Abbildung 4 2 Biologie Genetik Biomathematik Human Bioinformatik Statistik Mathematik Medizin Epidemio logie Abbildung 4 2 Schematisch Darstellung der Diversit t innerhalb der Zielgruppe des Pro jekts Training in Genetischer Epidemiologie Das Fachgebie
202. lcher Angebote stellt ein komplexes mehrdimensionales Ge staltungsproblem dar das sich mit Hilfe von Analysen didaktischer Parameter ein grenzen l sst Kerres 2005 S 175 Die kritische Auseinandersetzung mit den wichtigsten lerntheoretischen Grundlagen soll daher Gegenstand der nachfolgen den Abschnitte sein In den Abschnitten 2 1 1 und 2 1 2 werden zun chst die bei den bekanntesten Lerntheorien die auch bei der technologiegest tzten Lehre zum Einsatz kommen vorgestellt und kurz diskutiert In Abschnitt 2 1 3 wird eine Kom bination der beiden Lerntheorien als Grundlage f r das didaktische Konzept des Kurses Training in Genetischer Epidemiologie pr feriert 2 1 1 Instruktionsdesign Instruktionsdesign engl Instructional Design bezeichnet die systematische Planung und Entwicklung von Lernumgebungen und materialien verschiedenster Anwen dungsfelder auf der Basis lehr und lernpsychologischer Theorien und schlie t den gesamten Prozess von der Analyse der Lernbed rfnisse und ziele bis hin zur Ent 129 2 1 Lehr und Lerntheorie Methoden wicklung und Evaluation des Lernsystems ein Damit ist es f r die Gestaltung von E Learning Lernumgebungen von besonderer Bedeutung da es insbesondere auch auf eine Integration moderner Informations und Kommunikationstechnologien abzielt Im Buch Principles of Instructional Design von Gagn et al 1988 werden die Ziele wie folgt formuliert The purpose of desi ened instr
203. lediglich einige multi medial angereicherte Webseiten verf gbar die bestenfalls Teilbereiche dieses Wis senschaftsgebiets abdecken siehe z B CSHL 2002a b 2003 sowie wenige Online Angebote die nur sehr bedingt zum Selbststudium geeignet sind Die didaktischen Potentiale der digitalen Medien werden bei den bisher verf gbaren Lernmaterialien nicht in ad quater Weise genutzt Mit dieser Aussage wird an dieser Stelle bereits das Ergebnis einer ausf hrlichen Untersuchung der wichtigsten derzeit verf gbaren E Learning Angebote aus den Gebieten Statistik Biometrie und Genetische Epide miologie vorweggenommen Ausgehend von einer systematischen Literaturrecher che siehe Anhang A wurden insgesamt 17 E Learning Angebote untersucht die in Abschnitt 1 1 genauer betrachtet werden sollen Die Ergebnisse der Literaturrecherche bilden den Ausgangspunkt f r die Entwick lung des technologiegest tzten Trainingskurses Training in Genetischer Epidemiologie Die vorliegende Arbeit wird einen umfassenden berblick ber den gesamten Ent wicklungsprozess des Kurses geben Im Anschluss an die bersicht ber die bisher verf gbaren E Learning Angebote soll daf r zun chst die Motivation und Zielset zung des Projekts beschrieben werden bevor der weitere Aufbau der Arbeit erl u tert wird 1 1 bersicht ber verf gbare E Learning Angebote Im folgenden soll eine bersicht ber die wichtigsten derzeit verf gbaren E Learning Angebote aus d
204. leich zwischen den drei W rtern eines L sungstextes und den Schl sselw r tern einer Schl sselwortgruppe der L nge Drei hat nachfolgende hnlichkeitsmatrix erge 200 B 1 Entwicklung von Auswertungsalgorithmus I Auswertungsalgorithmus ben 03 08 0 OG eG oi 0 06 0 Im n chsten Schritt werden die Zeilenmaxima r und Spaltenmaxima cj der Ahnlichkeits matrix bestimmt Schliisselworter ky ko k3 w 03 0 8 0 0 8 W rter w 0 9 0 0 1 0 9 w3 0 0 6 0 0 6 0 9 0 8 0 1 010 010 5 p 101 gt 101 1 0 010 0 0 08 O 0080 rege 1 NEE EE GE 0 06 0 0 0 0 T T 2 1 1 6 1 gy Bee T Preceived H ey So 2 1 18 1 34 2 1 0 1 Die maximal erreichbare Punktzahl pmax errechnet sich wie folgt Pmax pT e Pi 2 2 2 6 Das Ergebnis lautet also Es wurden 3 4 von 6 m glichen Punkten erreicht Diese Vorgehensweise bezieht die Credits erst am Schluss in die Berechnung ein Das f hrt dazu dass das Ergebnis nicht immer das Bestm gliche ist was mit fol gendem Beispiel illustriert werden soll 201 B 1 Entwicklung von Auswertungsalgorithmus I Auswertungsalgorithmus Beispiel B 2 Schwachstelle des Algorithmus B 1 Sei p 1 2 1 T Dann ergibt sich mit Algorithmus B 1 0 3 0 7 0 5 011 010 S 07 0 05 gt 101 gt 001 09 09 0 1 10 100 0 07 0 0 07 0 S 0 005 38S 0 0 05 09 0 0 09 0 0 gt Preceived 0 9 2 0 7 0 5 2 8 W nschenswert w re hier folgendes Ergebnis 0 0 05 gt
205. llehre S 157 164 LIT Verlag Miinster Lander E S Altshuler D Kohane I S LaBaer J Schinke M O Donnell C J 171 Literaturverzeichnis Literaturverzeichnis Seidman J G Palmer L J Hirschhorn J N Old S E Gilman B Butte A J Lindblad Toh K Pennacchio L Svenson K L Jacob H J Izumo S Moo tha V Seidman C E Weiss S T Hirschhorn J N Levy D amp Kucherlapa ti R 2003 Genomics and Genetic Epidemiology General Principles and Applicati on to Disease Studies Webcast The Harvard Medical School Department of Con tinuing Medical Education and Beth Israel Deaconess Medical Center Boston URL http ustools you niversity com youtools companies viewArchives asp affiliateId 37 Levenshtein V I 1965 Binary codes capable of correcting deletions insertions and reversals Dokl Akad Nauk SSSR 163 4 845 848 Levenshtein V I 1966 Binary codes capable of correcting deletions insertions and reversals Sov Phys Dokl 10 8 707 710 Louis D amp Nissen S 2004 Flash MX 2004 und ActionScript Markt und Technik Miinchen Mair D 2005 E Learning das Drehbuch Springer Verlag Berlin Mao W 2007 Genetic Epidemiology Prediction of Susceptibility to Complex Diseases Vdm Verlag Dr M ller Saarbr cken Marsh H W 1987 The big fish little pond effect on academic self concept J Educ Psychol 79 3 280 295 Marsh H W Koller O am
206. llen Das k nnte zum Beispiel der Fall sein wenn ein Studierender 123 1 1 bersicht ber verf gbare E Learning Angebote Einleitung an einer deutschen Universit t gro es Interesse an der Vorlesung eines bestimmten Experten an einer amerikanischen Universit t hat Der Studierende k nnte die Vor lesung gegebenenfalls zeitnah ber das Internet verfolgen was ihm ansonsten wo m glich aus Zeit und Kostengr nden verwehrt bleiben w rde Derartige Videoauf zeichnungen sollten dann aber aus oben genannten Gr nden nicht als E Learning Kurse bezeichnet werden Nach obigen Ausf hrungen kann festgehalten werden dass die Qualit t der be trachteten E Learning Angebote nicht f r ein reines Selbststudium ausreicht Es w re daher naheliegend eine didaktisch sinnvolle Kombination mit einer Pr senzver anstaltung aufzuzeigen um den Erfolg der Lernangebote dennoch zu sichern Lei der spiegelt sich die mangelhafte didaktische Reife der untersuchten E Learning Angebote auch im Lehr und Lernkonzept wider F r keines der untersuchten E Learning Angebote wird ein Curriculum bereitgestellt das den Einsatz der Lern module speziell im Rahmen eines Blended Learning Angebots definiert Es wird zwar teilweise die M glichkeit eines Einsatzes in Kombination mit einer Pr senz veranstaltung erw hnt siehe z B ActivStats Teachers Guide konkrete Konzepte da f r fehlen aber 24 1 2 Motivation und Zielsetzung Einleitung 1 2
207. ltet bungsaufgaben aus den Bereichen deskriptive und schlie ende Statistik f r Studierende der Wirtschaftswissenschaften im Grundstudium 110 1 1 bersicht ber verf gbare E Learning Angebote Einleitung Es handelt sich um keine komplette Lernumgebung sondern um ein Software programm zum Trainieren von Statistikaufgaben Die Aufgaben beschr nken sich in der Regel auf das reine Ausrechnen ohne die Methodik in einem konkreten Sachverhalt zu betrachten oder theoretische Hintergr nde zu erl utern Aus diesen Gr nden wird an dieser Stelle auf eine n here Betrachtung und Diskussion des Pro gramms verzichtet Diese Entscheidung wird durch folgende Aussage in der hier untersuchten Literatur gest tzt Der PC Statistik Trainer 1 0 ist nicht zum eigen st ndigen Lernen der Statistik geeignet Kladroba 2006 S 333 LernSTATS Methodenlehre Baukasten LernSTATS ist eine HIML basierte Lernumgebung http www lernstats de die sich inhaltlich auf Studierende der Psychologie fokussiert In insgesamt 11 Kapiteln werden folgende Themen behandelt Skalen H u gkeitsverteilungen Lagema e Streu ungsma e Standardisierung Korrelation Regression und Faktorenanalyse In die Lern seiten sind regelm ig kleine Interaktionen Adobe Flash Format eingebunden die versuchen das theoretische Wissen anschaulich darzustellen f r ein Beispiel siehe Abbildung A 8 S 189 LernSTATS ist in den 90er Jahren als Innovationspr
208. m rechten 7 bari are hierdie Stellen Sie sich vor Sie wollen zum Beispiel im Rahmen des empirischen Praktikums Erkl rung des Begriffes eine Untersuchung durchf hren Entscheidungsbaum zum Skalenniveau Um zu entscheiden auf welchem Skalenniveau ihre gemessenen Daten Jetzt Neu Q vorliegen k nnen Sie den Entscheidungsbaum benutzen Klicken Sie mit der i Maus auf die Ja Nein Felder Der Methodenlehre Baukasten Dr cken die Me werte Gr er Kleiner Na gt Nominalskala Beziehungen aus Sind die Me werte gleichabst ndig zl Hefter Ordinalskala Ein interaktives Lehr Lernpropramm zur Deskriptiv und Inferenzstatistik incl multivariater Verfahren und weiteren Lernmodulen f r die Methodenlehre Hat die Skala einen nat rlichen Nullpunkt bc intervallskala Glossar Texte Impressum Abbildung A 8 Screenshot der Benutzeroberfl che von LernStats 189 A 1 E Learning Angebote zur Statistik Literaturrecherche x Rechnen mit der Formel von Bayes Testcharakteristika Formel yon Bayes P D x P TID P T Als gegeben werden vorausgesetzt 1 Die Sensitivit t P T D 2 Die Spezifit t P T D 3 Die Pr valenz P D P DIT A priori Wahrscheinlichkeiten Mit der Formel von Bayes lassen sich die Wahrscheinlichkeit der Erkrankung bei einem positiven Testergebnis P D T bzw der Nichterkrankung bei einem negativen Testergebnis
209. miologie einen E Learning Kurs hervorgebracht hat der sich positiv von den bis her verf gbaren E Learning Angeboten aus den Gebieten Statistik Biometrie Epi demiologie und Genetische Epidemiologie abhebt Die Voraussetzungen f r einen erfolgreichen Einsatz des Kurses in der genetisch epidemiologischen Aus und Wei terbildung sind aus inhaltlicher methodischer und didaktischer Sicht erf llt Der Kurs eignet sich sowohl f r einen kombinierten Einsatz mit einer Pr senzveranstal tung als auch zum Selbststudium 164 8 Zusammenfassung Die Aus und Weiterbildung in Genetischer Epidemiologie gestaltet sich schwie rig da es kaum ganzheitliches Lehr und Lernmaterial gibt Die Gr nde daf r lie gen zum einen in der raschen Entwicklung neuer und verbesserter Technologien zum Beispiel bei genomweiten Assoziationsstudien zum anderen sind die weni gen Experten auf diesem Gebiet durch ihre Forschungst tigkeiten zeitlich stark ein gebunden In einer systematischen Literaturrecherche wurden 17 themenbezogene Lernangebote ermittelt von denen keines eine ganzheitliche L sung f r das tech nologiegest tzte Training in Genetischer Epidemiologie bietet Die Kurse nutzen die didaktischen M glichkeiten der technologiegest tzten Lehre nicht aus Wich tige Hygiene und Motivationsfaktoren werden nur unzureichend oder gar nicht ber cksichtigt Dem Mangel an ad quatem Lernmaterial wirkt der E Learning Kurs Training in Ge netischer Epidemiol
210. n gigen Unterschiede zwischen dem neu entwickelten Kurs und den bisher verf gba ren E Learning Angeboten Bei der Planung und Entwicklung des Kurses ist von Anfang an das didaktische Konzept in den Vordergrund gestellt worden und nicht das technische Umsetzungsproblem Das Fundament des Kurses basiert auf dem soliden didaktischen Konzept der Fachhochschule L beck in das mehr als zehn Jahre Erfahrungen mit der Entwicklung und Durchf hrung von Onlinestu dieng ngen eingeflossen sind Dieses didaktische Konzept ist f r den Kurs Training in Genetischer Epidemiologie konsequent weiterentwickelt und an die speziellen Be d rfnisse des Fachgebiets angepasst worden Die nachhaltige Ber cksichtigung der Hygienefaktoren ist durch die Auswahl und Nutzung standardisierter Dateiforma te z B XHMTL und XML W3C 2002 2006 und auf diesen Standards basierender Software Werkzeuge z B oncampus factory 2008 sichergestellt Motivation ist von grundlegender Bedeutung f r das erfolgreiche Lernen siehe z B Chambers 1999 Slavin 2000 Die Motivation der Lernenden wird im Kurs positiv beeinflusst durch qualitativ hochwertige Abbildungen die Inhaltsseiten enthalten insgesamt 41 farbige Abbildungen einen hohen Interaktivit tsgrad in die Inhalts seiten sind insgesamt 22 Interaktionen und sieben Animationen eingebettet sowie anspruchsvolle und zugleich motivierende Lernaufgaben Die Lernaufgaben sind dabei miteinander vernetzt das heift jede
211. n ReT3 Dokumentation C 2 Kodierung von ReT3 Lernaufgaben Ein wichtiger Bestandteil der ReT3 Entwicklung war die Definition eines XML basierten Speicherformats f r die Lernaufgaben Zu diesem Zweck wurde eine Rei he von XML Knoten definiert die jeweils durch ihren Bezeichner Abgrenzer engl Tag ihren m glichen Inhalt und ihre Attribute definiert sind Nachfolgend wird zun chst in einem Diagramm veranschaulicht wie diese Knoten zusammenh ngen und voneinander abh ngen siehe Abbildung C 2 Danach werden die neun Knoten in den Tabellen C 1 C 9 ausf hrlich beschrieben 214 C 2 XML basierte Kodierung von Lernaufgaben ReT3 Dokumentation Knoten problem Tab A 1 subproblem Tab A 2 content Tab A 3 n external choice external Tab A 4 choice Tab A 5 Referenz subproblem solution Tab A 6 keywords Tab A 7 keyword Tab A 9 Abbildung C 2 Diagramm der ReT3 XML Knoten Dargestellt sind die vorhandenen XML Knoten sowie ihre Zusammenh nge und Abh ngigkeiten Zu jedem Knoten existiert eine Referenz auf eine Tabelle in der die Bedeutung des Knotens detailliert beschrieben ist 215 C 2 XML basierte Kodierung von Lernaufgaben ReT3 Dokumentation ReT3 Knoten problem Bezeichner problem Beschreibung Dieser Knoten stellt den Hauptknoten dar der alle Teilaufgaben einschliesst Kindknot
212. n der Literaturrecherche E Learning Module zum Thema Epide miologie Suchmaschine Google Scholar Suchergebnisse Keine Anmerkung Die Schlagwortsuche wurde auf den Titel von Ver ffentlichun gen begrenzt da die Ergebnisse vorher sehr ungenau waren Bei einer Suche ohne den Befehl allintitle ergaben sich bereits auf der ersten Seite 10 Treffer nur the matisch unpassende Ergebnisse 194 A 3 E Learning Angebote zur Genetischen Epidemiologie Literaturrecherche A 3 Literaturrecherche E Learning Angebote zum Thema Genetische Epidemiologie Ziel war es systematisch nach Literatur zu folgenden Themen zu suchen 1 E Learning Angebote zum Thema Genetische Epidemiologie die f r eine Nutzung ohne Pr senzphase vorgesehen sind 2 E Learning Angebote zum Thema Genetische Epidemiologie die auf einem Lehr und Lernkonzept basieren das neben dem Online Teil eine Pr senzpha se vorsieht Web of Science Recherche Datum 5 Juni 2008 Suchmaschine ISI Web of Knowledge Web of Science http apps isiknowledge com Suchbegriffe 1 Topic genetic epidemiology AND e learning Suchbegriffe 2 Topic genetic AND epidemiology AND e learning Suchbegriffe 3 Topic genetic AND statist AND e learning Zeitraum Alle Jahre Datenbanken SCI EXPANDED SSCI A amp HCI Ergebnisse 0 Tabelle A 6 Suchkriterien der Literaturrecherche E Learning Module zum Thema Gene tische Ep
213. n der acht Bearbeitungsabschnitte wurden dann jeweils ein Grobkonzept ein Feinkonzept und ein Drehbuch erstellt Abbildung 4 1 wobei bestimmte Teile in den einzelnen Phasen nur einmal ausgearbeitet werden mussten Dazu geh rt zum Beispiel die Zielgruppenanalyse siehe Abschnitt 4 1 die nat rlich f r den gesamten E Learning Kurs also f r alle Kapitel ihre G ltigkeit behielt Konzeption des E Learning Kurses Buchkapitel Priorit t Part I Introductory Genetics Molecular Genetics sehr hoch Formal Genetics sehr hoch Genetic Markers sehr hoch Data Quality sehr hoch Part II Linkage Analysis Genetic Map Distances z T hoch Model Based Linkage Analysis niedrig Model Free Linkage Analysis for Dichotomous Traits niedrig Model Free Linkage Analysis for Quantitative Traits niedrig Part III Association Analysis niedrig Fundamental Concepts sehr hoch Case Control Association Analysis sehr hoch Family Based Association Analysis niedrig Haplotypes in Association Analyses sehr hoch Abschnitt 1 4 Abschnitt 2 S Grobkonzept en Feinkonzept Drehbuch Zieldefinition Didakt Konz Tabelle 4 1 Inhaltsplanung Die als wichtig gekennzeichneten Kapitel des Buches von Ziegler und K nig 2006 sollten auf jeden Fall in den E Learning Kurs mit einflie en Umsetzung Evaluation Abschnitt 8 Umsetzung Abbildung 4 1 Schematische Darstellung der Vorgehenswei
214. n er an bestimmten Stellen noch ungekl rte Fragen hat 140 2 1 Lehr und Lerntheorie Methoden F r die technische und die inhaltliche Betreuung gilt Wenn das Betreuungskon zept vorab gut ausgearbeitet wurde kann der Aufwand f r die betreuenden Perso nen von vornherein begrenzt werden Zu einem guten Betreuungskonzept geh rt zun chst dass den Lernenden alle g ngigen M glichkeiten der Kommunikation angeboten werden damit sie ein Medium w hlen k nnen das ihnen vertraut ist Dazu geh ren beispielsweise Telefon E Mail Online Kontaktformular und Instant Messenger beziehungsweise Chat eine bersicht ber mediengest tzte Kommu nikationsformen findet sich z B in Kerres 2005 Dar ber hinaus sollte die Kommu nikationsplattform die Lernenden zum Beispiel durch geeignete Hinweise dazu er mutigen immer zuerst in den dort zur Verf gung stehenden Foren nachzuschauen ob bereits andere Teilnehmer ein hnliches Problem hatten Den Lernenden sollte vorab vermittelt werden dass es Sinn macht auftauchende Probleme und Fragen im Forum also innerhalb der Lerngemeinschaft zur Diskussion zu stellen Pr senzphase Idealerweise sollte der Kurs in Kombination mit einer Pr senzveranstaltung ange boten werden da dadurch zum Beispiel die f r erfolgreiches Lernen wichtige Kom munikation und Diskussion zwischen den Teilnehmern Betreuern und Dozenten gef rdert wird Der eigentliche Grund warum Menschen an einem Ort und Raum
215. n ganzheitlichen Kurs oder ein Ein zelprojekt zu einem speziellen Thema handelt Im Anschluss folgt eine kurze Dis kussion in der das jeweilige E Learning Angebot unter didaktischen Gesichtspunk 1 1 bersicht ber verf gbare E Learning Angebote Einleitung ten kritisch betrachtet wird Die Kriterien des didaktischen Konzepts das hier zu grunde gelegt werden soll werden in Kapitel 2 1 3 ausf hrlich beschrieben Zum besseren Verst ndnis soll an dieser Stelle aber vorweggenommen werden dass die Qualit t der verf gbaren E Learning Angebote unter anderem daran bemessen wurde inwieweit sie wichtige Hygiene und Motivationsfaktoren einhalten Zu den wichtigsten Hygienefaktoren beim E Learning z hlen beispielsweise die uneinge schr nkte technische Funktionsf higkeit des Lernmoduls eine einheitliche und in tuitive Navigation sowie eine klare und bersichtliche Inhalts und Seitenstruktur Zu den wichtigsten Motivationsfaktoren geh ren zum Beispiel ein hoher Interakti vit tsgrad sowie anspruchsvolle und zugleich motivierende Lernaufgaben Um den Rahmen der Einleitung nicht zu sprengen soll der nun folgende Teil so kurz wie m glich gehalten werden Damit muss leider in Kauf genommen werden dass die Betrachtungen und Diskussionen dem Aufwand der mit der Entwicklung derartiger Lernsoftware Angebote verbunden ist sicher nicht gerecht werden k n nen F r umfangreichere Informationen zu den einzelnen E Learning Angeboten sei
216. nalen Mouse Over Konzepts 115 Flash Interaktion zur Illustration der Transkription 116 Flash Interaktion zur Illustration des Hardy Weinberg Gesetzes 117 Flash Interaktion zur Illustration des Codons 118 Interaktion Schematische Darstellung der DNA 120 Interaktion Erster Strang der DNA se s os cona ua wa A 120 Beispiel f r den Lerntext neben einer Interaktion 120 Interaktion DNA Illustration der Desoxyribose 121 Interaktion DNA Illustration der Kohlenstoffatome 121 Interaktion DNA Illustration eines Nukleotids 121 Interaktion DNA Illustration der Nukleinbase Guanin 121 Interaktion DNA Illustration der Linearsequenz 121 Interaktion DNA Komplement re Nukleinbasen 121 Screenshot der Inhaltsseite mit der Interaktion Meiose 122 Flash Interaktion zur Illustration der Meiose 123 Beispiel f r einen XGAP kodierten Stammbaum 124 PEDCHART Stammbaum mit Info Fenster und Generationennamen 126 PEDCHART Stammbaum mit eingeblendeten Markern 126 Exemplarische Darstellung des Lernaufgabenmoduls ReT3 130 Beispiel f r die Musterl sung einer ReT3 Lernaufgabe 132 Online Formular f r das Editieren von ReT3 Lernaufgaben 134 Online Formular f r das Editieren von ReT3 Musterl sungen 135 Screenshot der ReT3CMS Schaltfl che 22 82 22 eo ke C
217. ncampus Factory Navigationsbaum E BG BAD oO Spattentent Advanced text a second carrier of genetic information in addition to the DNA in chromosomes d id RNA in the nucleus and the surrounding plasma of the cell RNA differs from I RNA only consists of a single strand instead of two o The sugar component is made up of ribose instead of deoxyribose o Uracil U is found instead of thymine the other bases are the same 8 Kurzbeschreibung Advanced text Erang S Gij Urtek sel What i the nature of genetic niomaton 8 Setertrei Advanced text 8 Kunzbeschreibung Advanced text Sete Where is the genetic infomation located Sete How is the DNA buoni B Setertinet Advanced text Standard vesouscen chagten_ 0Z mah math_ 2 resources chapter_O2 mathivnsth_ge resoueces chagter_ 2 vmath mnath_9e rescxncen chagter_C2 math nath_ge resourcer chapter_OZ mathivmath_9e protien resources chapter_02 enathi math_ approx 8 Loo Adverced und Undenschrit Advanced text Dateien H Arceige Mou rescurcer chapi OT etteractions den zl A Quelle hesousces chapter_01 wterachons ane mt Thumbnail Keyword Advanced tot S IB Soe Whata RNA B Seteritei Advanced test N Standes Act Log gt Loading project GeneticEpidemiology The project GeneticEpidemiology has I titted cheomosomes does a cel cortan E Learning Stan
218. neu gegliedert und didaktisch berarbeitet wurden Hilfreich sind au erdem IAIEX Befehle f r Hinweise und Kommentare und f r Text l schen oder Text ersetzen wobei der Text nur entsprechend markiert wird z B durchgestrichen siehe Abbildung 3 2 da in der Grobkonzeptphase noch nicht ber den endg ltigen Inhalt entschieden wird Letztgenannte Funktionalit ten sind zum Beispiel vergleichbar mit der berarbeiten Funktion in Word mit der sich alle n derungen am Dokument verfolgen beziehungsweise nachvollziehen lassen HTEX Befehle f r das Feinkonzept F r das Feinkonzept und das Drehbuch wurden die IATEX Befehle um eine Drehbu chumgebung f r Interaktionen erg nzt Neben der exakten Beschreibung der Inter aktion verlangt diese Umgebung die Metainformationen 3 2 Autorenwerkzeuge Entwicklungsmaterial d As a second carrier of genetic information in addition to the DNA in chromo somes copies of parts of the DNA are found in smaller molecules called RNA ribonucleic acid RNA in the nucleus and the surrounding plasma of the cell RNA differs from DNA mainly in three points e RNA only consists of a single strand instead of two e The sugar component is made up of ribose instead of deoxyribose e Uracil U is found instead of thymine the other bases are the same 2Ersetzt den vorangehenden Text Abbildung 3 2 Beispiel f r eine Drehbuchseite die mit der KIEX basierten Drehbuchum gebung
219. ngewandte Statistik Moebus et al 2002 EMILeA stat ging aus dem Projekt e stat hervor das vom Bundesministerium fiir Bildung und Forschung BMBF im Programm Neue Medien in der Bildung von April 2001 bis Dezember 2004 mit einem finanziellen Gesamtvolumen von 2 9 Mio Euro gef rdert wurde An dem Projekt waren 13 Antragsteller und 70 Mitarbeiter und Mitarbeiterinnen beteiligt Das Lernsystem ist online ber die Projektseite http www emilea de erreichbar Auf der Startseite kann der Benutzer zwischen verschiedenen M glichkeiten w h len um auf die Lerninhalte und module zuzugreifen Beispielsweise ist ein direk ter Zugriff auf Module zu spezifischen Themen m glich f r ein Beispiel siehe Ab bildung A 4 S 183 oder es k nnen Kurse ausgew hlt werden in denen Inhalte und Module nach fachlichen Gesichtspunkten zusammengestellt wurden Folgen de Lernmodule stehen in EMILeA stat zur Verf gung Amtliche Statistik Assoziati on Deskriptive Statistik Entropie Explorative Datenanalyse Finanzmathematik Lineare Strukturgleichungen Machine Learning Mathematische Grundlagen Methodenkritische Begleitung zu PISA 2000 Numerische Methoden Qualit tsoptimierung Robuste Statistik Schlie ende Statistik Sequenzielle Methoden Statistik der Finanzm rkte Stochastik in der Schule Stochastische Prozesse Verallgemeinerte lineare Modelle Versicherungsmathema tik Wahrscheinlichkeitsrechnung Wirtschafts und Bev lkerungsstatistik sow
220. nkonzept des Kurses evaluiert werden Daf r werden im Folgenden die Ergebnisse zu verschiedenen Fragen ausgewertet die beispielsweise auf den Lernerfolg und die Ber cksichtigung der wichtigsten Hygiene und Motivationsfaktoren abzielen Dieser Teil der Evaluation ist beson ders wichtig denn F r alle Beteiligten ist die Qualit tskontrolle und sicherung der Lernprozesse und ergebnisse von Bedeutung Kerres 2005 S 165 Dabei gilt Die wichtigsten Qualit tskriterien sind Verst ndlichkeit und Lernerfolg Sch le 2002 S 20 Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 P P 3 8 8 los P 3 g e 2 E 2 2 a 2 2 Sr Sr O oJ Qo E E E Be qe 5 3 go 2 Abbildung 6 24 Meine Vorkenntnis Abbildung 6 25 Meine Vorkenntnis se in Statistik sind se in Genetik sind Vorab soll die Gruppe der Kursteilnehmer etwas n her betrachtet werden Die Ab bildungen 6 24 und 6 25 zeigen dass die Teilnehmer sehr heterogene Vorkenntnisse hatten Die Vorkenntnisse in Statistik und Genetik reichten jeweils von sehr gering bis sehr gro wobei die Teilnehmer nach eigener Einsch tzung berwiegend mitt lere Vorkenntnisse hatten Das Interesse der Teilnehmer an dem Kurs reichte von mittel bis sehr gro wobei die meisten ein gro es bis sehr gro es Interesse hatten Abbildung 6 26 Die Frage Ich habe in dem Kurs gelernt siehe Abbildung 6 27 ist negativ kor reliert mit den Fragen
221. nster ge ffnet werden und daher et was aus dem Zusammenhang gerissen wirken Am Ende jedes Kapitels ist ein Java Applet mit Multiple Choice Fragen verlinkt Die bungsaufgaben lie en sich im Test aber weder mit dem Firefox Browser noch mit dem Internet Explorer starten Visual Bayes Visual Bayes ist ein interaktives Lernprogramm das grundlegende Methoden zur Interpretation und Bewertung diagnostischer Tests in anschaulicher Form vermit telt http www imbi uni freiburg de medinf projekte vbayes htm Es han delt sich dabei um ein eigenst ndiges Programm das urspr nglich f r das Be triebssystem MS DOS entwickelt wurde und im Jahre 2003 f r das Betriebssystem Windows angepasst und neukompiliert wurde In 10 kurzen Kapiteln werden die Themen Vierfeldertafel Testkenngr en Formel von Bayes Vorhersagewerte Kombinier te Tests Verteilungen Stichprobe Trennpunkt ROC Kurve und Kostenfunktion behan delt Diskussion Das Lernprogramm ist klar strukturiert und leicht zu bedienen Es enth lt klei ne Lernaufgaben die direkt ausgewertet und kommentiert werden Jede Aufgabe kann beliebig oft wiederholt werden da die Ergebnisse nicht abgespeichert werden Der Benutzeroberfl che von Visual Bayes sieht man sofort an dass sie urspr nglich f r MS DOS entwickelt wurde sie wirkt veraltet W rde man diesen Hygienefak tor unbeachtet lassen so m sste man dennoch bem ngeln dass die Oberfl che auf heutigen Bildschirmen ge
222. nten 235 RS Evaluation Gestaltung der Veranstaltung EE E 235 E 10 Evaluation Qualit t der Lernhilfsmittel 236 E 11 bersicht Interesse an der Veranstaltung een 236 E12 Evaluation Lernerfolg s ec ee aan 237 E 13 Evaluation Motivation des Dozenten 237 E 14 Evaluation Abschweifen vom Thema durch den Dozenten 238 E 15 Evaluation Verdeutlichung der Zusammenh nge 238 E 16 Evaluation Vermittlung der Praxisrelevanz des Kurses 239 E 17 Evaluation Bewertung der Veranstaltung 239 E 18 Evaluation Bewertung des Dozenten vun dE Hs 240 E 19 Evaluation Schwierigkeitsgrad der Veranstaltung 240 E 20 Evaluation Stoffumfang der Veranstaltung 241 E21 Evaluation Tempo der Veranstaltung cosacos EEN ee ee 241 xii Tabellenverzeichnis 2 1 Kombination von Online und Offline Veranstaltungen 42 2 2 Beispiele f r N Gramme verschiedener Lange 51 2 3 Bewertung eines L sungstextes durch Wort Schltisselwort Vegleiche 55 2 4 Auswertungsalgorithmus Aufbau der hnlichkeitsmatrix 56 2 5 Beispiel f r eine Lake Dal a lt 4 Aen ba hg a 66 2 6 Umrechnung ECTS Punkte in Lernstunden 2 2 2 2 74 4 1 Konzeption des E Learning Kurses Inhaltsplanung 96 7 1 Vergleich verschiedener E Learning Angebote u 161 A 1 Literaturrecherche Statistik Web of Science 177 A 2 Lit
223. nterschiedlichen Erwartungshaltung und einem divergenten Eingabeverhalten zu finden sein Das hei t m glicherweise haben die Benutzer mit gr eren Computerkenntnissen der art hohe Erwartungen an das Programm gehabt dass sie sp ter von den Ergebnis sen entt uscht waren Benutzer mit geringeren Kenntnissen haben sich m glicher weise f r die Eingabe ihres L sungstextes mehr Zeit genommen den Text ausf hrli cher oder pr ziser eingegeben und auf diese Weise bessere Ergebnisse erzielt Diese Vermutung wird durch einige m ndliche Aussagen gest tzt denen zufolge erfah rene Computerbenutzer beispielsweise Basensequenzen zusammenh ngend in ei nem Wort eingegeben haben z B ataggtca was zu einer ungen genden Bewer tung durch den Auswertungsalgorithmus gef hrt hat zwischen den Basen m ssen Leerzeichen eingef gt werden vgl Beispiel 2 1 S 53 Die Auswertung war Meine Loesung war 5 Ei Keine Antwort zufriedenstellend schlecht Keine Antwort usterloesung nicht so gut wie die Musterloesung besser als die Musterloesung Anzahl der Antworten 0123456789 11 13 15 17 19 21 23 25 27 Anzahl der Antworten 0123456789 11 3 15 17 19 21 23 25 27 Abbildung 6 21 Zufriedenheit Abbildung 6 22 Einsch tzung der der Benutzer mit den Aus Korrektheit der eingegebenen L wertungsergebnissen durch das sungen durch die Benutzer Auswertungsmodul Die Abbildungen 6 21 6 23 stellen d
224. nzahl der Antworten 10 11 12 13 14 15 16 9 Vorlesungskonzept nicht sinnvoll beantwortbar stimmt nicht stimmt eher nicht stimmt eher stimmt Anzahl der Antworten Prasentationskonzept nicht sinnvoll beantwortbar stimmt nicht stimmt eher nicht stimmt eher stimmt 4 4 o 4 o 4 d u u u o o E Abbildung E 10 Die Hilfsmittel zur Unterst tzung des Lernens sind ausreichend und in guter Qualit t vorhanden Vorlesungskonzept Pr sentationskonzept Anzahl der Antworten 10 11 12 13 14 15 16 9 sehr gering gering mittel grok sehr gro Abbildung E 11 Mein Interesse an dieser Veranstaltung ist Anzahl der Antworten sehr gering gering mittel gro sehr gro 236 Evaluation der Pr senzveranstaltung Vorlesungskonzept Pr sentationskonzept 2q e d g 3 3 Si oe d a 3 u el 8 S 2 gt gt el S S 2 gt 2 7 z S 5 E 7 z S S E ai E 2 zi E 2 2 el 8 2 c EI zg 2 oe 2 el E i L ad st ll T Ld Ld ie So E E lt al lt ol i i Abbildung E 12 Ich habe in der Veranstaltung gelernt Vorlesungskonzept Pr sentationskonzept 25 D Ji E D D Ji ba BS E ba 5 E ei 2 5 E 2J E 5 E E 3 E h E 5 E 3B ES F f amp I 3 S 2 27 ZS E 2 oi 5 Dir gt oO gt no fo 2 S Z I 2 l E G
225. ofstr 20 23611 Bad Schwartau Tel 0451 1216992 E Mail Friedrich Pahlke at Geb 11 03 1978 in Freiburg im Breisgau verheiratet Schulausbildung an der Freien Waldorfschule Ltibeck Abitur Note 2 4 Marli Werkst tten GmbH L beck Informatik mit Nebenfach Medizininformatik Universit t zu L beck Diplom in Informatik Note 1 7 Diplomarbeit Randomiza tion In Treatment Arms Weiterentwicklung und richtlini 243 seit 10 2004 10 2004 08 2008 enkonforme Validierung eines Randomisierungsprogramms f r klinische Studien Note 1 0 Promotionsstudium der Humanbiologie Universit t zu L beck Anfertigung der Dissertation Studentische Hilfst tigkeiten 07 2001 08 2002 05 2002 08 2004 03 2004 04 2004 Berufst tigkeit seit 10 2004 Lehrt tigkeiten 08 2005 03 2006 10 2006 Labor f r Str mungslehre und Str mungsmaschinen Fach hochschule L beck studentische Hilfskraft Entwicklung von Software zu Simulations und Lehrzwecken Institut f r Medizinische Biometrie und Statistik Universit t zu L beck studentische Hilfskraft Entwicklung von wissen schaftlicher Anwendungs Software Institut f r Technische Informatik Universit t zu L beck studentische Hilfskraft Entwicklung von Software zu Lehr und bungszwecken Institut f r Medizinische Biometrie und Statistik Universit t zu L beck wissenschaftlicher Mitarbeiter bungen zur Statistik mit R IL
226. ogie entgegen Die Beschreibung des komplexen Gesamtprojekts sowie der einhergegangenen methodischen und didaktischen Entwicklungen ist Gegenstand dieser Arbeit Ausgangspunkt f r die Entwicklung des Kurses war das didaktische Konzept der Fachhochschule L beck Dieses wurde konsequent weiterentwickelt und an die spe ziellen Bed rfnisse des Fachgebiets angepasst Es zeichnet sich durch einen ho hen Grad an Interaktionsm glichkeiten sowie eine kontinuierliche und motivieren de Lernerfolgskontrolle aus Daf r wurde ein Lernaufgabenmodul entwickelt das neben Standardaufgabentypen wie Multiple Choice auch die algorithmenbasierte Auswertung von Freitextaufgaben unterst tzt Zu jeder Aufgabe erh lt der Lernen de ein individuell generiertes adaptives Feedback dass ihn zum Weitermachen mo tiviert Alle Ergebnisse sind jederzeit einsehbar Zur Darstellung von Familienstammb umen wurde eine Software entwickelt die die Stammb ume erst zur Laufzeit zeichnet also im Moment des ffnens die Ko dierung erfolgt in einem speziell entwickelten Stammbaumformat das auf XML ba 165 Zusammenfassung siert Damit lassen sich die Stammb ume leicht anpassen oder ndern haben ein einheitliches Aussehen und k nnen interaktiv gestaltet werden F r die Konzeption Umsetzung und Evaluation des Kurses wurde ein inkrementel les Vorgehensmodell f r E Learning Projekte an Hochschulen entwickelt Es zeich net sich durch seine hohe Flexibilit t be
227. ojekt an der Universit t Ham burg entwickelt worden Von 2000 2004 wurde die Weiterentwicklung als Ent wicklungsprojekt vom Bundesministerium f r Bildung und Forschung BMBF im Programm Neue Medien in der Bildung gef rdert Das Ergebnis der Wei terentwicklung tr gt den Namen Methodenlehre Baukasten MLBK http www methodenlehre baukasten de und wurde an die F cher Psychologie Erziehungs wissenschaft Soziologie Wirtschaftswissenschaft und Medizin angepasst Dar ber hinaus wurde das Modul Statistik II entwickelt das die Themen Stichprobe und Grundgesamtheit Testen von Hypothesen sowie Varianzanalyse behandelt Im Modul Statistik II kommen neben Flash Interaktionen auch Java Applets zum Einsatz Ne ben den Modulen Statistik I und Statistik II werden die Module Von der Realit t zu den Daten Datenerhebungsverfahren Spezielle Methoden und Experimentalmethoden an geboten F r den Zugang zum Methodenlehre Baukasten wird pro Person eine Li zenzgeb hr von 12 00 Euro pro Jahr erhoben 11 1 1 bersicht ber verf gbare E Learning Angebote Einleitung Diskussion In bezug auf LernSTATS heisst es in der untersuchten Literatur Es ist ein wenig zweifelhaft ob das Programm wirklich f r das eigenst ndige Lernen der Statistik Grundbegriffe geeignet ist da die doch sehr knappen theoretischen Ausf h rungen meistens kaum ber das Niveau einer Formelsammlung hinausgehen Kladroba 2006 S 337 Diese A
228. olge f r i 1 2 3 4 Ein naiver Ansatz w re zum Beispiel dass das Eliminieren berfl ssiger 1 en be dingtes Nullsetzen wie in Schritt 5 Algorithmus B 2 und B 3 abwechselnd in der linken unteren sowie rechten oberen Dreiecksmatrix von au en richtung Diagonale durchgef hrt wird Die Matrix wird also nicht mehr elementweise von links oben nach rechts unten durchlaufen sondern es erfolgt eine schrittweise Ann herung an die Diagonale Beispiel Bb Schrittweise Ann herung an die Diagonale Naiver Ansatz F r eine 4 x 4 Matrix die ber ssigen 1 en in folgender Reihenfolge eliminieren 207 B 2 Entwicklung von Auswertungsalgorithmus II Auswertungsalgorithmus Problem Eine perfekte bereinstimmung sowohl der W rter mit den Schl sselw r tern als auch der Reihenfolge ist nicht immer gegeben siehe Tabelle B 2 ky ko k3 ka w 1 w2 w3 1 w4 1 Tabelle B 2 Beispiel f r einen Wort Schl sselwort Vergleich mit fester Reihenfolge bei dem nur drei von vier W rtern mit den Schl sselw rtern bereinstimmen L sung In Schritt von Algorithmus B 4 nicht elementweise von links oben nach rechts unten durchgehen sondern in der Reihenfolge die durch die Approximati onsmatrix A vorgegeben wird Algorithmus B 5 beschreibt die Erzeugung der Ap proximationsmatrix A wird verwendet falls n lt m AR falls n gt m Algorithmus B
229. on Motivation durch Ubungsaufgaben Feedbacks 149 Evalutaion Zufriedenheit der Benutzer 150 Evalutaion Korrektheit der eigenen L sungen 150 Evalutaion Zufriedenheit mit der Bewertung 4 i464 16 44 151 bersicht Statistikvorkenntnisse der Kursteilnehmer 152 bersicht Genetikvorkenntnisse der Kursteilnehmer 152 bersicht Interesse am Kurs 153 Evaluation Lernerfolg ag nane e d Ve FOE ESE ES 153 Evaluation Gliederung und Zeitplan des Kurses 154 Evaluation Gestaltung des Kurses a4 wen a na 154 Evaluation Abstimmung von Theorie und Praxis 154 Evaluation Praktischer Nutzen des Kurses 0 154 Evaluation F rderung des eigenst ndigen Arbeitens 155 Evaluation Praktischer Nutzen des Lernstoffs 155 Evaluation F rderung des Interesses am Thema durch den Kurs 156 Evaluation Spa blakter des K rses ara cu nano nn Kee 156 Evaluation Vermittlung des Lernstoffs 2 222222 156 Evaluation Schwierigkeitsgrad des Kurses 0 156 Evaluation Stoffumfang des Kurses 4 2 4 4 4 Ho Yea Sees 157 Evaluation Zufriedenheit mit der Textl nge im Kurs 157 Screenshot der Startseite des Lernmoduls MM STAT 179 Screenshot einer Inhaltsseite des Lernmoduls MM STAT 180 Screenshot der Startseite von EMILeA stat 222222000 182 Screenshot der Lernumgebung von EMILeA stat 0
230. orten und S tzen mathematisch berechnen Diese Frage ist nat rlich nicht neu was sich zum Beispiel anhand der oben erw hnten Rechtschreibkorrektur in g ngigen Textverarbeitungsprogrammen praktisch ber 149 2 2 Lernaufgaben Methoden pr fen l sst Es existieren verschiedene Abstandsma e f r den Vergleich von Zei chenketten deren Ideen teilweise auf der 1913 entwickelten Markov Kette basieren Die wichtigsten Abstandsma e die auch h ufig in den Algorithmen zur automati schen Rechtschreibkorrektur zum Einsatz kommen sollen im folgenden kurz vor gestellt werden Hamming Distanz Der Hamming Distanz Hamming 1950 auch Hamming Abstand genannt be zeichnet in der Informationstheorie ein Ma f r den Unterschied zwischen zwei Zeichenketten Die Distanz ergibt sich aus der minimalen Anzahl der Operation Er setzen um die erste Zeichenkette in die zweite mit ihr zu vergleichende Zeichenkette zu berf hren Um beispielsweise das Wort T ne in das Wort Gene zu berf hren sind zwei Ope rationen notwendig der Hamming Abstand HAM betr gt also 2 z 1 Ersetze T durch G x 2 Ersetze durch e T ne m G ne De ai Gene gt HAM 2 Da die Berechnung auf die Operation Ersetzen beschrankt ist konnen nur Zeichen ketten gleicher Lange verglichen werden Levenshtein Distanz Die Levenshtein Distanz Levenshtein 1965 1966 auch Editierabstand genannt bezeichnet ebenfalls ein Ma f r den Unterschied zwischen
231. ots grunds tzlich als vollwertiges E Learning Angebot gelten kann das zum Selbststudium geeignet ist Kurz Ist es sinnvoll Videoaufzeichnungen von Vorlesungen oder Vorlesungsfolien oder beides zusammen im Internet der Allge meinheit kostenfrei oder gegen Entgelt zur Verf gung zu stellen Diese Idee ist nicht neu wie man auch an den oben vorgestellten Lernangeboten sieht Die Hen ry Stewart Firmengruppe zum Beispiel produziert und verkauft seit ber 25 Jahren Lernmaterial in dieser Form Dar ber hinaus gibt es verschiedenste Bildungseinrichtungen die Lernmaterialien von dieser Art im Internet bereitstellen siehe Anhang A 4 Die Diskussionen der drei Beispiele zum Thema Genetische Epidemiologie machen bereits deutlich dass Vorlesungsaufzeichnungen nicht f r ein ernsthaftes Selbststu dium geeignet sind da sie die meisten Anforderungen an ein didaktisch fundiertes E Learning Angebot nicht erf llen k nnen Wichtige Hygiene und Motivationsfak toren werden nicht ber cksichtigt der Grad der Komplexit t und die Anzahl der Freiheitsgrade sind zu niedrig keine Lernaufgaben rudiment re Navgation grobe Auswahl von Inhalten fest vorgegebenes Tempo Kurz Die didaktischen M glich keiten der technologiegest tzten Lehre werden nicht ann hernd ausgenutzt Es soll an dieser Stelle angemerkt werden dass es trotzdem sinnvoll sein kann Studieren den oder anderen interessierten Personen digitale Aufzeichnungen von Vorlesun gen bereitzuste
232. p Baumert J 2001 Reunification of East and West German School Systems Longitudinal Multilevel Modeling Study of the Big Fish Little Pond Effect on Academic Self Concept Am Educ Res J 38 2 321 350 Marsh H W Trautwein U L dtke O Baumert J amp Koller 2007 The Big Fish Little Pond Effect Persistent Negative Effects of Selective High Schools on Self Concept After Graduation Am Educ Res J 44 3 631 669 Meixner J amp Miiller K 2004 Angewandter Konstruktivismus Ein Handbuch fiir die Bildungspraxis in Schule und Beruf Shaker Aachen 172 Literaturverzeichnis Literaturverzeichnis Mittag H J amp Stemann D 2004 Beschreibende Statistik und explorative Datenanalyse Interaktive Multimedia Software CD ROM F nfte Ausgabe Hanser Fachbuch verlag Leipzig M ller M R nz B amp Ziegenhagen U 2000 The multimedia project MM STAT for teaching statistics In Bethlehem J amp van der Heijden P Hrsg COMPSTAT 2000 Proceedings in Computational Statistics S 409 415 Physica Verlag Heidelberg Moebus C Albers B Hartmann S Thole H amp Zurborg J 2002 Towards a spe cification of distributed and intelligent web based training systems In Cerri S A Gouard res G amp Paragua u F Hrsg Intelligent Tutoring Systems 6th Internatio nal Conference ITS 2002 S 291 300 Springer Berlin Molebash P E 2002 Constructivism meets Technology Integration The
233. pt evaluieren beachten Umsetzung Evaluation Abbildung 2 6 Schematische Darstellung des inkrementellen Vorgehensmodells f r E Learning Projekte Die vier Phasen zwischen Projektinitialisierung und abschlie ender Eva luation bestehen jeweils aus einem vierstufigen Zyklus der das didaktische Konzept als zentralen Bestandteil enth lt berarbeitete Abbildung aus Pahlke et al 2006 mit freund licher Genehmigung von GMS German Medical Science 2 4 1 Inkrementelles Vorgehensmodell f r E Learning Projekte Start Unterteilung des Problems in kleinere Teilprobleme Divide and Conquer Strategie d h Unterteilung des Skripts in Bearbeitungsabschnitte angelehnt an die gegebene Kapitelstruktur Jeder Bearbeitungsabschnitt durchl uft dann einzeln die vier nachfolgenden Phasen Phase 1 Grobkonzept Ziele festlegen Erste E Learning gerechte Inhaltsstrukturierung DK bestimmen Zielgruppenanalyse Festlegung der Lehr und Lernstrategie ep 2 4 Projekt Vorgehensmodell Methoden Ermittlung der technischen Rahmenbedingungen Ziele unter Beachtung des DK umsetzen Einteilung des Skriptabschnitts in Inhaltsseiten und f r jede Seite Benennung der groben Lernziele Ziele und DK evaluieren Kritische berpr fung ob der im ersten und zwei ten Schritt definierte Sollzustand erreicht wurde sowie Suche nach m g lichen Verbesserungen Phase 2 Feinkonzept Ziele festlegen Das Ergebnis des Grobkonzepts wird strukt
234. r PD Se Gametes a Feit Restitution of the diploid status Abbildung 5 21 Flash Interaktion zur Illustration der Meiose Reifeteilung Beispielhaft abgebildet sind neun Teilbilder die die wichtigsten Stadien der Meiose schematisch darstellen 123 5 2 Multimedia Elemente Umsetzung 5 2 2 Kodierung und Darstellung von Stammb umen Wie in Kapitel 2 3 erl utert wurde existierte bisher kein Kodierungsformat das f r die besonderen Anforderungen in der technologiegest tzten Lehre siehe Kapitel 2 3 2 geeignet ist Aus diesen Gr nden wurde das eXtended Generation bAsed Pedigree kurz XGAP Format entwickelt Pahlke et al 2007 Es erm glicht eine flexible und um diverse Zusatzinformationen erweiterbare Definition von Stamm b umen und bleibt mit seiner XML Basis trotzdem gut lesbar F r den direkten praktischen Einsatz in der technologiegest tzten Lehre wurde zudem das Flash Programm PEDCHART entwickelt Pahlke et al 2007 das eine interaktive Dar stellung per XGAP Format definierter Stammb ume erm glicht Das XGAP Format lt xml version 1 0 gt lt pedigree format xgap id 1 gt lt generation name F1 gt seouple id c1 gt lt person id p1 sex male affection 1 gt lt person id p2 sex female gt lt couple gt lt generation name F2 gt lt person id p3 father pl mother p2 sex male gt
235. r nkt sich auf die Navigation durch die Inhalte anspruchsvolle und zugleich motivierende Lernaufgaben fehlen g nzlich Video Aufzeichnungen des Short course on Statistical Genetics Beim Third annual short course on Statistical Genetics for Obesity amp Nutrition Re searchers der University of Alabama at Birmingham Allison et al 2003 handelt es sich um eine Reihe von Video Aufzeichnungen die auf der Universit tswebseite im RealMedia Format zur Verf gung gestellt werden Die Filme enthalten die Pr sentationen verschiedener Experten aus dem Gebiet der Statistischen Genetik z B Robert Elston Die Filme selber sind so aufgebaut dass sie auf der linken Seite den Vortragenden zeigen und auf der rechten Seite die Vortragsfolien Es werden folgende Themen behandelt Einf hrung in die Biostatistik Einf hrung in die Genetik Einf hrung in die Genetische Epidemiologie Kopplungsanalyse Familienbasierte Studien Fall Kontroll Studien Transmission Disequilibrium Test Assoziationsanalyse Haplotyp analyse und Analyse von Microarrays Diskussion Der Kurs hat die gleichen Probleme wie das E Seminar Henry Stewart Talks Gene tic Epidemiology I Die einzelnen Teilgebiete wurden von unterschiedlichen Per sonen ohne ein gemeinsames didaktisches Konzept aufbereitet was zu sehr hete rogenen Inhalten und Medien mit teilweise m iger Qualit t f hrt Es sind keine 120 1 1 bersicht ber verf gbare E Learning Ang
236. r nichtelektronischen Literatur vergleich bar bei denen die Ziele der Verweise allerdings manuell aufgesucht werden m ssen Hyperlinks k nnen auch einfach nur eine Aktion ausl sen z B das Wechseln eines Bildes oder eine farbliche Ver nderung Internet Explorer siehe Webbrowser JavaScript JavaScript ist eine ojektbasierte Skriptsprache die unter dem Namen Link ECMAScript durch die Ecma International standardisiert wurde siehe Hyperlink Mozilla Firefox siehe Webbrowser Online Community Eine Online Community Netzgemeinschaft ist eine Gruppe PNG von Personen die ber eine Online Plattform kommuniziert gemeinsames Wissen entwickelt und Erfahrungen teilt Bei der Plattform handelt es sich in der Regel um eine Webseite die mit geeigneten Kommunikationswerkzeugen ausgestattet ist PNG steht f r Portable Network Graphics und ist ein Grafikformat f r Ra stergrafiken die verlustfrei komprimiert abgespeichert werden Das Format wird von allen modernen Webbrowsern unterst tzt Rastergra k Eine Rastergrafik auch Pixelgrafik engl Bitmap ist eine Computer vi Inhaltsverzeichnis Inhaltsverzeichnis grafik bei der jedem Bildpunkt engl Pixel ein Farbwert zugeordnet ist der in einer rasterf rmigen Anordnung abgespeichert wird G ngige Speicherfor mate f r Rastergrafiken sind z B JPEG PNG BMP und TIFF Screenshot Als Screenshot dtsch Bildschirmfoto wird der als Rastergrafik abge speicherte
237. r sind mit der Vermittlung des Lernstoffs durch den Kurs mindestens zufrieden berwiegend wurde die Vermittlung des Lernstoffs mit der Schulnote 1 oder 2 bewertet Abbildung 6 36 5 x Note 1 19 x Note 2 3 x Note 3 88 der Teilnehmer sind der Meinung dass der Schwierigkeitsgrad des Kurses genau richtig ist Abbildung 6 37 155 6 5 Lehr und Lernkonzept Evaluation des Kurses Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 10 11 12 13 14 15 stimmt nicht stimmt eher nicht stimmt eher stimmt f Note 1 Note 2 Note 3 Note 4 Note 5 Anzahl der Antworten 8 L L nicht sinnvoll beantwortbar Anzahl der Antworten 8 L o 4 4 4 o 4 e 4 d d E o o Abbildung 6 34 Der Kurs f rdert Abbildung 6 35 F r seinen Spaffak mein Interesse am Themenbereich tor w rde ich dem Kurs folgende Schul note geben Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 1 Note 1 Note 2 Note 3 Note 4 Note 5 viel zu niedrig gering etwas zu niedrig gering genau richtig etwas zu hoch gro viel zu hoch gro Anzahl der Antworten 8 L Anzahl der Antworten 8 L o4 o E u Abbildung 6 36 F r die Vermittlung Abbildung 6 37 Der Schwierigkeits des Lernstoffs w rde ich dem Kurs fol grad des Kurses ist gende Schulnote geben 156 6 5 Lehr und Lernkonzept Evaluation des Kurses Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007
238. rade mal ein Viertel der Fl che bedeckt da sich die Bild 15 1 1 bersicht ber verf gbare E Learning Angebote Einleitung schirmaufl sung von 640x480 dpi nicht ndern l sst VisualStat Bei VisualStat dynamisch interaktive Visualisierungen zu ausgew hlten Berei chen der Statistik handelt es sich um eine kleine Internetplattform der Universi t t Freiburg http www psychologie uni freiburg de visualstat die neben einigen weiterf hrenden Links zur Statistik im wesentlichen vier Java Appletts be reitstellt die das Verst ndnis folgender Themen erleichtern sollen Das arithmeti sche Mittel im allgemeinen linearen Modell einfaktorielle Varianzanalyse mit zwei oder drei Gruppen und t Test Thematisch wird in VisualStat also nur ein sehr kleiner Be reich der Statistik abgedeckt Demnach handelt es sich um keinen kompletten E Learning Kurs weshalb an dieser Stelle auf eine n here Betrachtung und Diskussi on des Lernangebots verzichtet werden soll ROBISYS Das Rostocker Biometriesystem ROBISYS ist ein E Learning Angebot der Uni versit t Rostock online verf gbar unter http www imib med uni rostock de elearning elearning_start html bestehend aus den Modulen Deskriptive Stati stik Validierung diagnostischer Verfahren und Randomisierungsverfahren f r kontrollier te klinische Studien Die beiden letzteren Module wurden im Rahmen des Projekts Methodenlehre Baukasten siehe oben entwickelt
239. rch die Literaturrecherche konnten 14 verschiedene E Learning Angebote zum Thema Statistik ermittelt werden die insgesamt einen beachtlichen Teil des Fachge biets Statistik abdecken Es f llt auf dass durch die Recherche berwiegend deut sche Projekte ermittelt wurden die international publiziert wurden Die Ursache f r die vielen deutschen Projekte beziehungsweise vergleichsweise wenigen englisch 5Ein Webcast hnelt einer Fernsehsendung die im Internet pr sentiert wird und rudiment re Inter kationsm glichkeiten bietet 21 1 1 bersicht ber verf gbare E Learning Angebote Einleitung sprachigen Projekte liegt m glicherweise in der bereits oben erw hnten intensiven F rderung derartiger Projekte durch das Bundesministerium f r Bildung und For schung BMBF im Programm Neue Medien in der Bildung von April 2001 bis Dezember 2004 f nf von den 14 E Learning Angeboten wurden direkt in diesem Programm gef rdert finanzielles Gesamtvolumen 2 9 Mio Euro An dem Projekt waren derart viele Personen 13 Antragsteller und 70 Mitarbeiter und Mitarbeiterin nen beteiligt dass es unweigerlich zu vielen wissenschaftlichen Ver ffentlichungen gekommen ist Die einzelnen E Learning Angebote unterscheiden sich stark in ihrem Inhaltsum fang Die Spannweite reicht von sehr wenigen interaktiven Inhalten VisualStat bis hin zu sehr umfangreichen Lernsystemen die alle wichtigen Grundlagen der Stati stik beinhalten EMILeA s
240. rden Der Vergleich erfolgt der Einfachheit hal ber tabellarisch siehe Tabelle 7 1 In der ersten Spalte finden sich die Namen der E Learning Projekte wobei die drei Lernangebote PC Statistik Trainer 1 0 AktiveStats und VisualStat nicht aufgef hrt sind da sie in der Literaturrecherche aus dort ge nannten Gr nden nicht n her betrachtet wurden In den Spalten daneben sind die Bewertungsergebnisse zu sieben Qualit tskriterien aufgef hrt Es zeigt sich dass keines der bisher verf gbaren E Learning Angebote die hohen Anforderungen an ein qualitativ hochwertiges Lernangebot erf llen kann Aufwendige Projekte wie zum Beispiel EMILeA stat haben in der Regel keinerlei Probleme in Bezug auf De sign Navigation oder Technik Am h ufigsten sind Schw chen bei den Motivati onsfaktoren anzutreffen sowie bei der Pr sentation des Kurses in einem geeigneten Kontext hier Lernraum genannt In Bezug auf die Motivationsfaktoren f llt auf dass anspruchsvolle Lernaufgaben die den Erfolg eines E Learning Projektes maf geblich mitbestimmen k nnen siehe z B Kerres 2005 S 169 170 durchweg ver nachl ssigt werden Es gibt keine individuellen Feebacks zu gegebenenfalls vorhan denen Lernaufgaben Der Gesamtlernfortschritt kann nicht berwacht werden da eine entsprechende bersicht ber die pers nlichen Ergebnisse fehlt 160 Diskussion us ogadue unIopFefdsuoygeytunwwoy HU WNEIUIIT WU UI SMY Jap PII UMEIUIIT IEIZIOSUII IUO Yne st
241. reenshot einer Textseite Wichtige Textpassagen sind didaktisch sinnvoll hervorgehoben im dargestellten Beispiel kennzeichnet Statement dass es sich um einen wichtigen Merksatz handelt Literaturverweise sind direkt mit dem Literaturverzeichnis verlinkt Example 3 Formula Table To carry on with this example the expectation maximization EM algorithm described in the 7 last chapter of this course was employed to estimate the haplotype frequencies and the results are shown in the table below Given these frequencies different LD statistics can now be calculated for example 0 0080 Den S m wf 0 2832 Dec 0 6523 0 9580 0 6725 0 0080 cc 96795 o 0420 0 29 0 044 Formula 44 Tab 17 Estimated haplotype frequencies for 345 controls at TNFA 238 and IL1B 511 Abbildung 5 4 Screenshot einer Inhaltsseite mit Beispiel Alle Beispiele im Kurs sind durch einen Rahmen deutlich vom brigen Inhalt abgegrenzt Zur Erleichterung der Orientie rung sind Formeln und Tabellen mit einem passenden Symbol am linken Rand als solche gekennzeichnet 111 5 1 Produzierte Lernseiten Umsetzung Training in Genetic Epidemiology 3 1 1 What is a genetic marker A genetic marker is a special DNA locus with at least one base being different between at least two individuals Genetic marker be At least two individuals o eh Mach 7 At least one base being
242. rl sung eine Schl sselwort Menge K definiert werden f r die gilt K k kj O j 1 m wobei die Menge aller Zeichenketten nach Definition 2 1 darstellt und m die An zahl der in der Menge enthaltenen Schl sselw rter Der durch den Benutzer eingegebene L sungtext ist definiert als eine endliche Men ge von S tzen siehe Definition 2 3 Jeder Satz l sst sich wenn man die Reihenfolge au er Acht l sst Folgen werden weiter unten in diesem Kapitel ber cksichtigt als die Wortmenge W auffassen in der n Z W rter enthalten sind W wi w 0 i 1 n Um einen Satz des L sungstextes repr sentiert durch W anhand von K zu bewer ten muss jedes Element aus W mit jedem Element aus K verglichen werden und jeweils der Grad der hnlichkeit bestimmt werden f r ein Beispiel siehe Tabel le 2 3 Anschlie end k nnen die Wort Schl sselwort P rchen mit den besten ber einstimmungswerten bestimmt werden Dieser Analysemthode liegt folgende Idee zugrunde Die Werte die den Grad der hnlichkeit darstellen werden zun chst in einer hnlichkeitsmatrix angeordnet Die hnlichkeitswerte die in der Matrix ein Zeilen oder Spaltenmaximum darstellen identifizieren dann sofern sie einen vor her festgelegten Schwellwert berschreiten die gefundenen Schl sselw rter 55 2 2 Lernaufgaben Methoden Es wird also zun chst die Ahnlichkeitsmatrix S wie in Tabelle 2 4 dargestellt erzeugt Die Elementen a
243. rnet beispielsweise wird seit wenigen Jahren das sogenannte Semantic Web entwickelt siehe z B Berners Lee et al 2001 Koivunen und Miller 2002 Das Semantic Web basiert auf dem Vorschlag des WWW Begr nders Tim Berners Lee das WWW um maschinenlesbare Daten zu erweitern die die Semantik der Inhalte formal festlegen Von einem echten Textverst ndnis ist dieses Konzept f r das es bereits erste praktische Anwendungen gibt z B die semantische Suchmaschine swoogle http swoogle umbc edu weit entfernt Im Personalcomputer Bereich sind moderne Textverarbeitungsprgramme beispielsweise auf die Korrektur von Rechtschreibfehlern und einfachen Grammatikfehlern beschr nkt Die algorith menbasierte Aus und Bewertung von Freitextaufgaben kann daher auf heutigen Computern nur N herungsl sungen anbieten mit denen aber trotzdem gute Trainingseffekte beim Lernenden erzielt werden k nnen da das Gehirn ganz anders gefordert wird als bei den derzeit blichen Lernaufgaben mit einem viel niedrigeren Komplexit tslevel Um zu messen wie korrekt der eingegebene L sungstext zu einer Lernaufgabe ist bietet es sich an den Text mit einer gegebenen Musterl sung zu vergleichen und den Grad der bereinstimmung zu bestimmen Bei voller bereinstimmung erhiel te der Lernende 100 der maximal erreichbaren Punkte bei gar keiner bereinstim mung 0 also null Punkte Die Frage lautet also wie l t sich der Grad der berein stimmung von geschriebenen W
244. s hierhin wurde nur das didaktische Konzept des Lernmoduls selber betrachtet Wenn das Modul schlie lich fertiggestellt ist stellt sich die Frage in welchem Kon text es den Lernenden pr sentiert werden muss damit das didaktische Konzept berhaupt greifen kann Es wird immer wieder darauf hingewiesen dass die Kom munikation und Vernetzung mit anderen Lernenden f r den Lernerfolg unabding bar ist siehe z B Kerres 2005 Ein Wundermittel ist das Onlinelernen allerdings auch nicht Wer alleine vor dem Computerbildschirm sitzt das haben P dagogen in zwischen nachgewiesen kann nur begrenzt neues Wissen aufnehmen weil ihm nie mand hilft die Informationen richtig einzuordnen Erst wenn es gelinge die Nutzer miteinander zu verbinden eine Diskussion ber den Lernstoff in Gang zu bringen 37 2 1 Lehr und Lerntheorie Methoden artes kombinierte gt gt e es On Instructional Design Konstruktivismus Systematische Planung Anforderungen an das und Entwicklung Lernsystem Bedarfsanalyse e Darstellung der Realit t e Konzeption e Authentische Aktivit ten Entwicklung e Multiperspektivische Einsatz amp Evaluation Problemdarstellung e Mehrdimensionale Leistungsbewertung 1 Hygienefaktoren Motivationsfaktoren Technische e Hoher Interaktivit tsgrad Funktionsf higkeit e Anspruchsvolle e Einheitliche und intuitive motivierende Navigation Lernaufgaben e Klare und bersichtliche Inhalts
245. s und Projektleiters gefragt Bei der Erstellung der Inhalte und Medien soll die uneingeschr nkte technische Funktionalit t und die Nachhaltigkeit im Vordergrund stehen Der Kurs soll sowohl offline auf CD Rom als auch online ber das Internet eingesetzt werden k nnen F r den Online Betrieb soll zudem eine geeignete Kommunikationsplattform ent wickelt werden die w hrend des Kursbetriebs die Vernetzung und Kommunikation zwischen Lehrenden und Lernenden vereinfacht Zum Abschluss soll durch eine Evaluation des Kurses berpr ft werden ob die Ziele erreicht wurden Aufbau der Arbeit F r die vorliegende Arbeit wurde ein klassischer Aufbau gew hlt Der erste Teil besch ftigt sich mit Material und Methoden im zweiten Teil werden die Ergebnisse pr sentiert Was den Leser in den einzelnen Abschnitten erwartet soll im Folgenden noch etwas genauer beschrieben werden Im Methoden Teil Kapitel 2 wird ausgehend von den wichtigsten lerntheoreti schen Grundlagen das didaktische Konzept des Kurses beschrieben Dieses Kon zept sieht unter anderem den Einsatz von komplexen Lernaufgaben vor Die Be schreibung der theoretischen Grundlagen f r ein neuartiges Lernaufgabenmodul mit algorithmenbasierter Freitextauswertung und adaptiven Feedbacks wird daher ebenfalls Gegenstand dieses Kapitels sein Dar ber hinaus werden dort die Dar stellung und Kodierung von Familienstammb umen in der technologiegest tzten Lehre das Projekt Vorg
246. s wird ein neues Fenster ge ffnet Bei in tensiver Nutzung der Lernumgebung kann das schnell dazu f hren dass man den 17 1 1 bersicht ber verf gbare E Learning Angebote Einleitung berblick ber die vielen ge ffneten Fenster verliert Das Erscheinungsbild der Oberfl che ist sehr heterogen beispielsweise wurde kein einheitliches Schriftbild und kein einheitliches Farbschema gew hlt So pr sentiert sich die Startseite von NUMAS in einem dunklen Blau die Inhaltsseiten sind da gegen in zarten Lila und Rosat nen gehalten die Sitemap wiederum erscheint in den Farben Gr n und Gelb das Suchfenster ist Hellblau Laut der Startseite von NUMAS befindet sich das System noch in der Entwicklungs phase Es kann dort auch der letzte Stand der Aktualisierung des Systems entnom men werden 21 05 2004 Die Arbeit an der Lernumgebung wurde demnach vor ber vier Jahren eingestellt Die Wirksamkeit des didaktischen Konzepts darf bezweifelt werden Beispielswei se wird die Beschreibung des Histogramms auf einer Lernseite ohne jegliches An schauungsmaterial pr sentiert siehe Abbildung A 14 S 192 Erst dann wenn der Benutzer auf Beispiel klickt ffnet sich ein Fenster in dem auch Histogramme ab gebildet sind Beim Durcharbeiten der Inhalte ist h ufiges Scrollen n tig das hei t die Seite muss immer wieder mit der Maus oder Tastatur nach oben geschoben wer den um am unteren Teil weiterlesen zu k nnen Das Lernmod
247. saufgaben und bungsstunden Das Training im Projekt Training in Genetischer Epidemiologie soll zwar auch durch die Lernaufgaben unterst tzt werden das kontinuierliche Training auf jeder Inhaltssei te soll aber in erster Linie mit Hilfe von Interaktionen erfolgen Evaluation Im vierten Schritt wurde das erstellte Feinkonzept evaluiert Hier galt das gleiche wie f r das Grobkonzept Der kritische Vergleich zwischen Ist und Soll Zustand und das fr hzeitige Erkennen von Verbesserungsm glichkeiten haben zur erfolg reichen Umsetzung des E Learning Kurses beigetragen 4 3 Drehbuch Das Drehbuch wurde f r jeden Inhaltsabschnitt gem des Vorgehensmodells in Kapitel 2 4 f r jeden einzelnen Inhaltsabschnitt wieder in einem vierstufigen Zyklus erstellt 104 4 3 Drehbuch Konzeption des E Lea Ziele des Drehbuchs Drehbuch Im ersten Schritt des Drehbuch Zyklus wurden wieder die Zie 4 le formuliert Die in den beiden vorhergehenden Phasen abge grenzten Inhaltsseiten sollen f r das Lernen und Arbeiten am Bildschirm optimiert werden Au erdem sollen alle Multimedia Objekte jeweils durch ein eigenes Drehbuch genau spezifiziert werden Das didaktische Konzept F r das didaktische Konzept des Drehbuchs wurde festgehalten dass zur Lenkung der Aufmerksamkeit des Lernenden auf den Lernstoff sowie zur Steigerung der Motivation sowohl Margina lien Schlagworte farbiger Text Blau f r die Kennzeichn
248. se bei der Konzeption des E Learning Kurses Training in Genetischer Epidemiologie F r jeden der acht Bearbeitungsab schnitte wurde vor der eigentlichen Umsetzung jeweils ein Grobkonzept ein Feinkonzept und ein Drehbuch erstellt Diese Phasen wiederum waren jeweils in vier kleinere Arbeitsab schnitte gegliedert vgl Vorgehensmodell in Kapitel 2 4 ER 4 1 Grobkonzept Konzeption des E Learning Kurses 4 1 Grobkonzept a 3 Grobkonzept Das Grobkonzept wurde gem dem Vorgehensmodell aus Kapi ept tel 2 4 in vier aufeinander folgenden Schritten erstellt u A Ziele des Grobkonzepts Die Ziele wurden wie folgt festgelegt Das Grobkonzept soll als Ergebnis eine erste E Learning gerechte Inhaltsstrukturierung liefern Das didaktische Konzept Im zweiten Schritt des Zyklus wurde das didaktische Konzept dieser Phase erar beitet und festgelegt Daf r wurde zun chst die Zielgruppe genau analysiert im zweiten Schritt wurde die Lehr und Lernstrategie festgelegt Zielgruppenanalyse Die Kenntnis der Zielgruppe f r die ein Online Bildungsangebot konzipiert wer den soll ist von entscheidender Bedeutung f r die sp tere Gestaltung der Lernum gebung und der Lernmaterialien beispielsweise um die Diversit t der Zielgruppe ad quat ber cksichtigen zu k nnen vgl Kapitel 2 1 3 Es wurden daher alle f r die Entwicklung des Lernmoduls wichtigen Parameter untersucht die die Zielgruppe betreffen Diese Untersuchung sol
249. ssen den Wissenserwerb sowie 31 2 1 Lehr und Lerntheorie Methoden die Rolle des Lehrenden und des Lernenden noch etwas genauer betrachtet werden vgl dazu Meixner und M ller 2004 e Lernen ist ein aktiver und konstruktiver Prozess e Es wird ein ganzheitliches Konzept angestrebt nach dem die Lernenden aus einer F lle an multidimensional ausgerichteten Wissenselementen ausw hlen und ihre subjektiv passenden Lernwirklichkeiten konstruieren k nnen e bungsaufgaben sollten m glichst realistisch sein um die Probleml sekom petenz in den sogenannten ill structured domains Honebein et al 1993 zu f rdern e Dieindividuellen Lernergebnisse sind heterogen und prinzipiell unvorhersag bar da jeder Lernende sein eigenes Vorwissen mit einbringt was sich wie derum auf die Struktur der neu zu erwerbenden Wissenselemente individuell auswirkt e Es werden multisensorische Unterrichtsverfahren favorisiert um die neuen Informationen m glichst mit allen Sinnen begreifbar und in die vorhandenen Wissenskontingente einbaubar zu machen e Vom Lernenden wird erwartet dass er Lernstrategien und metakognitive F higkeiten entwickelt Er sollte m glichst ohne explizite Anleitung durch den Lehrer imstande sein komplexe Aufgaben zu l sen e Der Lehrende sollte im Hintergrund bleiben und eher begleitend und beratend t tig sein e Die Lernumgebungen sollten Wahlm glichkeiten f r die Lernenden berei
250. sstrati kation vertraut e ist es Ihnen m glich einen genetischen Effekt zu sch tzen F r den Kurs 03 2007 wurden zum Ende jeder Phase drei Evaluationsb gen an die Teilnehmer ausgegeben 1 Evaluation der Onlinephase 2 Evaluation der Pr senzphase Vorlesungskonzept 3 Evaluation der Pr senzphase Pr sentationskonzept Die Evaluation des Kurses 09 2007 wurde auf die Onlinephase beschr nkt Auf den folgenden Seiten werden die Ergebnisse der Befragungen in Form von S u lendiagrammen dargestellt wobei hinten in etwas dunklerer Farbe immer die Daten des Kurses 03 2007 dargestellt sind und vorne die Daten des Kurses 09 2007 Um die Bedeutung der dargestellten Ergebnisse leichter erfassen zu k nnen sind die S ulen in unterschiedlichen Farben dargestellt Die Farben reichen von Hellgr n positive Ergebnisse ber Orange bis hin zu Rot negative Ergebnisse Neutrale Antworten z B Nicht sinnvoll beantwortbar sind grau eingef rbt Es soll an dieser Stelle erw hnt werden das der Kurs noch anderweitig eingesetzt wurde In den Jahren 2007 und 2008 wurde der Onlineteil bereits mehrfach von neuen Mitarbeitern des Instituts f r Medizinische Biometrie und Statistik Univer sit t zu L beck benutzt um sich die Grundlagen und Methoden der Genetischen 140 Evaluation des Kurses Epidemiologie im Selbststudium anzueignen Im Februar 2008 wurde eine weitere Lehrveranstaltung im Stil der Kurse 03 2007 und 09 2007
251. stik Literaturrecherche 2 Statistik Wissenschaftliche Datenanalyse leicht gemacht Windows Internet Explorer http www mhsg de fileadmin Demo Demo_Statistik Deutsch gui qui html lecture contents Inhaltsverzeichnis Demoversion E 1 Grundbegriffe der Statistik 4 4 Statistik und ihre Ziele amp 42 Statistische Untersuchung und Tr ger der Statistik 1 3 Statistische Einheit und statistische Masse D 144 Statistisches Merkmal f 3 Wahrscheinlichkeitsrechnung E45 Skalierung Di Di Di Di f 2 Eindimensionale Haufigkeitsverteilung 1 6 Nominalskala 1 7 Ordinalskala 1 8 Metrische Skala Kardinalskala 1 9 Gruppierung von Merkmalsauspr gungen 1 10 Statistische Reihen und H ufigkeiten 6 Verteilungsmodelle 1 11 Multiple Choice Aufgaben f 4 Kombinatorik 5 Zufallsvariable 7 Stichprobentheorie f 8 Sch tzverfahren f 9 Statistische Tests f 10 Zweidimensionale Haufigkeitsverteilung f 11 Regression f 12 Zeitreihenanalyse 13 Editorial III IT internet R 00 7 Abbildung A 1 Screenshot der Startseite des Statistik Lernmoduls MM STAT Der Inhalt ist klar strukturiert Die einzelnen Kapitel sind in Unterkapitel untergliedert die erst nach einem Mausklick auf das Oberkapitel angezeigt werden Das verwendete System Blackboard 5 l sst aber einige R ckschl sse auf die Art des Kurses zu Die St rken von Blackboard liegen eindeutig im reichhal
252. stische Ma zahlen Lagema e Streuungsma e empirische Verteilungsfunktion H ufigkeitsma e in der Epidemiologie 2 2 Tabellarische und graphische Darstellung bei qualitativen Merkmalen Im wesentlichen wird die Auswertung qualitativer Merkmale hier auf die Darstellung der absoluten bzw der relativen H ufigkeiten beschr nkt SN Glossar A B IC D E F G H I K L M IN O P Q R S TIUIV W Z Alternativhypothese Die Alternativhypothese ist die Gegenhypothese H zur Nullhypothese Hy beim statistischen Test Sowohl Hg als auch H sind Aussagen ber die Grundgesamtheit die in einem statistischen Test hem l werden sollen siehe such Sentier wall S Abbildung A 10 Screenshot der Benutzeroberfl che von JUMBO Auffallend ist die Ein teilung der Oberfl che mit Hilfe von Frames Am unteren Bildschirmrand ist das Glossar permanent eingeblendet Die grellen Farben der Navigationsleiste erinnern an Webseiten aus den Anfangszeiten des Internets und stehen im krassen Widerspruch zu modernen Er gonomierichtlinien siehe z B Herczeg 1994 190 A 1 E Learning Angebote zur Statistik Literaturrecherche Javascript Wilcoxon Test f r verbundene Stichproben MC Fragen zu Kapitel 6 U bungen zu Kapitel 6 Musterl sung zu den bungen Ein Kapitel weiter au Ein Kapi al E Abbildung A 11 Screenshot einer Inhaltsseite von JUMBO Blinkende Buttons und Cli parts im GIF Format wirken auf vi
253. t t zung und die zahlreichen Ratschl ge die zum Gelingen dieser Arbeit beigetragen haben Bei Frau PD Dr Inke R K nig bedanke ich mich f r hilfreiche Diskussionen zu lehr und lerntheoretischen Fragestellungen Beim Test des E Learning Kurses in Kombination mit einer Pr senzveranstaltung hat sie Teile des Pr senzunterrichts bernommen und damit zur erfolgreichen Evaluation des Kurses beigetragen Herrn Prof Dr Michael Bischoff von der Fachhochschule L beck danke ich f r sei ne Hilfe bei der Auswahl geeigneter Autorenwerkzeuge die fruchtbare Kooperati on sowie seine freundliche Erlaubnis das didaktische Konzept der Fachhochschule L beck zu benutzen Bei den Teilnehmern der Testveranstaltungen die 2007 und 2008 in L beck stattge funden haben bedanke ich mich daf r dass sie den Praxiseinsatz und die Evaluati on des Kurses erm glicht haben Allen Mitarbeitern des Instituts f r Medizinische Biometrie und Statistik m chte ich daf r danken dass sie mich bei der Fertigstel lung dieser Arbeit auf vielf ltige Weise unterst tzt und motiviert haben Meinem Vater danke ich f r die kritische Durchsicht der gesamten Arbeit Nicht zuletzt danke ich meiner Ehefrau Sindy f r ihr Vertrauen und ihre Unterst tzung in allen Lebenslagen 242 Lebenslauf Personalien Schulbildung 07 1984 06 1997 04 06 1997 Zivildienst 07 1997 10 1998 Studium 10 1998 09 2004 20 09 2004 Friedrich Pahlke Bahnh
254. t Statistik Fachgebieten waren die Nummern 3 5 6 10 11 18 19 27 28 30 31 und 32 Es blieben die drei Artikel 4 25 und 29 aus dem Gebiet Statistik brig Artikel 1 Web of Science Suchergebnis Nummer 4 Beim Artikel von Haerdle et al 2007 handelt es sich um einen Erfahrungsbericht mit Diskussion zum Thema Nutzung von E Learning in der statistischen Ausbil dung In diesem Artikel wird als Beispiel f r ein interaktives E Learning Modul das Programm MM STAT M ller et al 2000 betrachtet Artikel 2 Web of Science Suchergebnis Nummer 25 Artikel Suanpang et al 2004 beschreibt einen Vergleich zwischen technologiege st tzten und traditionellen Lehr und Lernmethoden im Gebiet Business Statistik an der Suan Dusit Rajabhat University SDRU Thailand Der E Learning Kurs der technisch auf der Lernumgebung Blackboard 5 http www blackboard com ba siert ist nicht als reiner Selbstlernkurs gedacht sondern verfolgt eher ein Blendet Learning Konzept Die Studierenden werden dazu angeregt miteinander und mit den Lehrkr ften zu kommunizieren Daf r stehen alle modernen Kommunikations mittel Foren und Diskussionsplattformen zur Verf gung Dar ber hinaus werden Pr senzphasen angeboten Es stehen folgende Themen zur Verf gung Deskriptive Statistik und Schlie ende Statistik Leider sind die Kurse zum Thema Business Statistik nicht ffentlich zug nglich 178 A 1 E Learning Angebote zur Stati
255. t adaptiven Feedbacks Damit die Lernaufgaben wie in Kapitel 2 1 3 gefordert motivierend auf den Ler nenden wirken m ssen Sie neben der Aus und Bewertung auch ein Feedback ge nerieren Gut gew hltes und umgesetztes Feedback ist eine der wichtigsten Moti vationsfaktoren im Lernprogramm Mair 2005 S 107 Das Feedback sollte dabei immer individuell und unter Ber cksichtigung vorhergehender pers nlicher Lei stungen generiert werden Andernfalls besteht die Gefahr dass es zu einen negati ven Einfluss durch den Big fish little pond Effekt Marsh 1987 kommt In zahl reichen Studien z B Marsh et al 2001 2007 wurde gezeigt dass sich soziale Ver gleichsprozesse auf das Selbstbild also das sogenannte akademische Selbstkonzept von Lernenden auswirken k nnen Beispiel Zwei Sch lerinnen oder Sch ler fis hes mit gleicher individueller Leistungsf higkeit die aber Klassen ponds mit unterschiedlichen Leistungsniveaus besuchen weisen unterschiedliche Selbstwahr nehmungen eigener F higkeiten auf Das hei t Sch ler in schw cheren Klassen big fish little pond haben eine h here Wahrnehmung eigener F higkeiten als entspre chende Sch ler in leistungsst rkeren Klassen little fish big pond vgl Goetz und Preckel 2006 Ein Feedback das auf einem zu hoch angesetzten Leistungsniveau basiert w rde demnach das akademische Selbstkonzept leistungsschw cherer Ler nender negativ beeinflussen Ein gee
256. t der Genetischen Epidemiologie beinhaltet Fachwissen aus den Gebieten Biologie Genetik Epidemiologie und Statistik Die Zielgruppe setzt sich aus Molekularbiologen Bioinformatikern Statistikern Mathemati kern und Humanmedizinern zusammen und verf gt ber ein sehr heterogenes Vorwissen das sich nur teilweise berschneidet Quelle Pahlke et al 2006 mit freundlicher Genehmi gung von GMS German Medical Science Die Zielgruppe bringt also sehr inhomogene Voraussetzungen mit sich So haben 98 4 1 Grobkonzept Konzeption des E Learning Kurses beispielsweise Humanmediziner und Molekularbiologen bessere Vorkenntnisse auf der biologischen Seite Statistiker Bioinformatiker und Biomathematiker haben da gegen bessere Kenntnisse auf der statistischen Seite Daraus ergeben sich f r das Lernobjekt zwei wichtige Konsequenzen 1 Es muss aus den vier Fachgebieten Biologie Genetik Epidemiologie und Sta tistik ein breites Spektrum an Grundlagen angeboten werden 2 Es muss jedem Lernenden die M glichkeit einger umt werden die Lerninhal te nach seinen individuellen Bed rfnissen auszuw hlen und gegebenenfalls Inhalte zu berspringen Der spezifische Nutzen f r die Zielgruppe l sst sich wie folgt zusammenfassen Studierende Wissenschaftler oder Dozenten k nnen sich zum einen selber in die Grundlagen der Genetischen Epidemiologie einarbeiten und zum anderen die Ma terialien f r die Lehre nutzen beispielsweise um die eig
257. t ein Beispiel f r eine Drag and Drop Interaktion die sich da durch auszeichnet dass der Benutzer ein Objekt in der Interaktion ziehen und fal lenlassen kann Der besondere Reiz dieser Art der Interaktion liegt darin dass das Ziehen in der Regel stufenlos animiert ist und dass das Fallenlassen prinzipiell an einer beliebigen Stelle auf der Interaktion m glich ist Dadurch k nnen beispiels weise sehr kleine Zwischenschritte dargestellt werden das hei t der Lernende kann Vieles selber ausprobieren Sum of genotype frequencies Allele frequencies p 0 35 0 48 2 0 59 Ree te nae q 0 17 0 48 2 0 41 Abbildung 5 9 Flash Interaktion zur Illustration des Hardy Weinberg Gesetzes Die In teraktion stellt alle Genotyp und Allel Frequenzen die sich perfekt im Hardy Weinberg Gleichgewicht befinden als Kurve in einem gleichseitigen Dreieck dar Diese Form der Dar stellung wird auch De Finetti Diagramm Cannings und Edwards 1968 oder Ternary Plot engl genannt Mit Hilfe der Geraden die parallel zu den Dreiecksseiten liegen und den ge w nschten Punkt auf der Kurve schneiden lassen sich die Genotypfrequenzen ablesen Der Benutzer kann den blauen Punkt mit der Maus anklicken und auf der Kurve verschieben Drag Funktion Wenn die Maus losgelassen wird Drop Funktion wird die letzte Position beibehalten Das erm glicht dem Benutzer einzelne Zust nde in aller Ruhe zu betrachten 11
258. t es sich bei dem Kurs um statische HTML Seiten die mit Microsoft FrontPage 2 0 erzeugt wurden einem HTML Editor der nach dem WYSIWYG Prinzip What You See Is What You Get arbeitet Eine Nutzung des Kurses ist prinzipiell online und offline m glich Das Lernmodul behandelt fol gende Themen Ein und mehrdimensionale Verteilungen Lage Streuungs und Dispa rit tsma e Zusammenh nge Regression Indextheorie sowie Zeitreihen Eine ausf hrli chere Beschreibung dieser Lernsoftware findet sich in Kladroba 2006 S 327 329 Diskussion Der Kurs verfolgt ein klar erkennbares didaktisches Konzept Jedes Kapitel enth lt einen kurzen Textabschnitt in dem der Lernende in das Thema eingef hrt wird ber die Hyperlinks Theorie Beispiel und bung gelangt der Benutzer dann jeweils zu einer multimedialen Aufbereitung der Lerninhalte Theorie und bung bestehen 2Die Entwicklungsumgebung Frontpage 2 0 wurde durch Sichtung des Quelltextes der Demo version online erreichabr unter http www fernuni hagen de STATISTIK Neu Demo Stkurs Statistik htm am 5 Juni 2008 ermittelt Frontpage erschien nach der Version 2 0 noch in den Versionen 3 0 4 0 5 0 und 2003 und wurde 2007 durch Microsoft Expression Web abgel st 1 1 bersicht ber verf gbare E Learning Angebote Einleitung jeweils aus einem kleinen Videofilm f r den ein Browser Plugin erforderlich ist das das RealVideo Format abspielen kann Bei den bungen handelt es sic
259. t n her be trachtet werden Mit Suchanfrage 3 ergaben sich keine neuen Ergebnisse Suchanfrage 4 enthielt als einzige noch nicht betrachtete Ver ffentlichung Hiemstra et al 2002 In dieser Ar beit wird der Stand der Entwicklung eines Projekts an der Abteilung f r Forstli che Biometrie der Universit t Freiburg beschrieben Das Lernmodul Statistics for Foresters wurde im Jahre 2001 mit der Lehrplattform ILIAS http www ilias uni koeln de im Rahmen einer Masterarbeit entwickelt und behandelt folgende Themen Skalenniveaus H u gkeitsverteilungen Lagewerte Streuungsma e Kon denz intervall Verteilungen Sch tz und Testverfahren Korrelation Regression sowie Stichpro benverfahren Das Lernmodul ist f r den studienbegleitenden Einsatz im Forstwis senschaftlichen Studium der Universit t Freiburg vorgesehen Da es nicht ffentlich zug nglich ist soll es hier nicht weiter betrachtet werden Suchanfrage 5 ergab als einzigen thematisch passenden Treffer die Ver ffentlichung Mori et al 2002 in der das Data oriented Learning System of Statistics based on Analysis Scenario Story DoLStat beschrieben wird Da das System unter http mo161 soci ous ac jp d DoLStat index html zwar noch online erreichbar aber leider nicht mehr funktionsf hig ist soll es hier nicht weiter betrachtet werden Suchanfrage 6 ergab keine neuen Ergebnisse 187 A 1 E Learning Angebote zur Statistik Literaturrecherche Bes
260. t unterst tzt 6 Krankheitsstatus 0 unbekannt 1 nicht erkrankt 2 erkrankt 7 Allel 1 von Marker 1 8 Allel2 von Marker 1 9 Weitere Marker Aufgrund dieser minimalistischen Kodierung lassen sich Linkage Dateien vom Menschen nur schlecht lesen das Editieren per Hand ist recht fehleranf llig In Ta belle 2 5 ist beispielhaft der Inhalt einer Linkage Datei abgebildet F r ein unge b tes Auge ist dort auf den ersten Blick nicht sofort ersichtlich wie viele Generationen der Stammbaum hat oder welche Person sich in welcher Generation befindet In un g nstigen F llen kann es beim Lesen der Datei zwischen nebeneinander liegenden Spalten zu einer Verwechslung von Werten kommen siehe z B Tabelle 2 5 Spalte 5 und 6 Die beschriebenen Schwierigkeiten sind nat rlich erst in gr eren Linkage Dateien wirklich relevant 11001112 12 1200223 4 3 4 1 3122 1 1 4 1 4 1412111313 1 512121313 1612221424 Tabelle 2 5 Beispiel f r eine Linkage Datei die einen Stammbaum mit sechs Personen ko diert F r jede Person sind zwei Marker mit jeweils zwei Allelen definiert ep 2 3 Erweiterte Darstellung von Familienstammb umen Methoden 2 3 2 Anforderungen an die Kodierung und Darstellung von Stammb umen F r das Projekt Training in Genetischer Epidemiologie wurden folgende Anforderun gen f r die Kodierung von Stammb umen festgelegt e Die Basissprache zur Kodierung der Informationen soll XML sein siehe Ab schni
261. tat Neue Statistik II Die Lernmodule die sich auf wenige Inhalte konzentrieren haben in der Regel einen h heren Interaktivit tsgrad Stati stik Beschreibende Statistik und explorative Datenanalyse ROBISYS die Lernangebo te die sehr viele Bereiche der Statistik abdecken wollen schaffen es leider nicht den Interaktivit tslevel konsequent hoch zu halten Sie wirken daher h ufig wie ein elektronisches Textbuch mit keinem oder nur geringem didaktischen Mehrwert ge gen ber dem Medium Buch E Learning Angebote die grundlegende Hygienefaktoren nicht einhalten k nnen nicht erfolgreich sein Beispielsweise wenn das System nicht einwandfrei funktio niert Statistik Beschreibende Statistik und explorative Datenanalyse MM STAT JUM BO kann die Demotivation beim Lernenden unter Umst nden soweit reichen dass er das Lernangebot schon nach kurzer Zeit nicht mehr benutzt Hygienefaktoren wie zum Beispiel ein angenehmes Erscheinungsbild und Design der Lernumgebung oder eine einfache einheitliche und intuitive Navigation sind wichtig um beim Lernenden eine positive Grundeinstellung zu erzeugen Obwohl es eigentlich eine Selbstverst ndlichkeit sein m sste werden wichtige Hygienefaktoren h ufig nicht eingehalten JUMBO Visual Bayes ROBISYS NUMAS Zu den wichtigsten Motivationsfaktoren von E Learning Angeboten geh ren an spruchsvolle und zugleich motivierende Lernaufgaben Trotzdem wird in den hier untersuchten Lernangeboten zum
262. taufgaben geeignet 56 2 2 Lernaufgaben Methoden Algorithmus 2 1 Freitextauswertung f r beliebige Wortreihenfolgen hnlichkeitsmatrix S erzeugen s d de 0 1JAd f w k i 1 n j 1 m Creditmatrix P erzeugen 1 1 1 1 Pk Py Ss Pk u D p p P p Ph Pho Pkm n k km m op Pe P P wobei px die Creditpunkte des j ten Schl sselwortes bezeichnen hnlichkeitsmatrix S elementweise mit der Creditmatrix P multiplizieren Ss geb mit P p Indexmatrix erzeugen EEN gP P P 9 1 Sij V Sij C S i 1 N je m J 0 sonst Pr fe ob der Sonderfall II siehe Definition B 2 S 205 vorliegt und andere ggf die Indexmatrix Pi Pij gt max sP max SCH a A m n Pij E Pix EL Phy 9 k 1 h 1 0 sonst Sei D P elementweise von links oben nach rechts unten durchgehen und 157 2 2 Lernaufgaben Methoden ber ssige len eliminieren p t CG wl gien EE eg S 1 GR sonst Sei dl dp P elementweise von links unten nach rechts oben durchgehen und ber ssige len eliminieren ie On a an C 5 k 1 h 1 oe sonst EE Se E E EE Die gewichtete Ahnlichkeitsmatrix S P elementweise mit der Indexmatrix ll und pl multiplizieren sk el e pk k _ AR k _ sn S Sij Pr k 1 2 a RE Pe Die bez glich der Summe ber alle Elemente gr te Matrix S bernehmen 1 Be g ij Z Lan 1
263. te mit Lernzielen 80 Beispiel f r eine Drehbuchseite mit Marginalien 81 Beispiel f r ein Interaktions Drehbuch s o css 6 oe NEE as 82 nderung der Bildschirmaufl sung in den Jahren 2002 2008 85 Das Auforenwerkzeig im Kontext 4 4 6 4 40a dha GEER 4a 88 Entwicklungsoberflache des Autorenwerkzeugs 89 Grundlegender Aufbau einer Lernseite 0 91 Identifikationsfiguren in der ONCAMPUS FACTORY 92 Die Softwarewerkzeuge zur Medienerstellung im Kontext 93 Vorgehensweise bei der Konzeption des E Learning Kurses 96 Diversit t innerhalb der Zielgruppe des Projekts 98 Grobkonzept Einteilung in Kernaussagen 2 22 2020 101 Feinkonzept Einteilung in Drehbuchseiten NEES OS 104 Schematische Darstellung der Umsetzung von Inhaltsseiten 107 Screenshot des Kurs berblicks 2 4 2 4 aa VaR 00a 20 0 110 Screenshot emer Textseite oo 24 ga 44 Er ee 111 Screenshot einer Inhaltsseite mit Beispiel EEN 111 Abbildungsverzeichnis Abbildungsverzeichnis 5 5 5 6 57 3 8 SKS 5 10 S11 3 12 5 13 5 14 9 19 5 16 5 17 5 18 5 19 3 20 5 21 3 22 3 29 5 24 5 25 5 26 5 27 5 28 3 2 5 30 5 31 6 1 6 2 6 3 6 4 6 5 6 6 6 7 6 8 Screenshot einer Inhaltsseite mit Abbildung 112 Illustration der Idee zum bidirektionalen Mouse Over Konzept 114 Illustration des bidirektio
264. teilnehmer ad quat beziffert hat Das Problem besteht haupts chlich in der Diversit t der Lernenden Jeder Mensch hat ein ganz pers nliches Lerntempo insbesondere wenn er sich die Zeit selber ein teilen kann wie es bei einem E Learing Kurs nat rlich der Fall ist Das dies auch f r den Kurs Training in Genetischer Epidemiologie gilt wird bei Betrachtung der Abbil dungen 6 12 6 14 deutlich Zum einen ist ersichtlich dass f r jedes Kapitel eine separate Zeitaufwandsanalyse n tig ist da sich die Kapitel diesbez glich stark un terscheiden Der mittlere Zeitaufwand f r Kapitel 1 2 und 3 betr gt hier 142 180 und 117 Minuten Zum anderen ist ersichtlich dass sich die individuellen Zeitauf wendungen der verschiedenen Benutzer stark unterscheiden Beispielsweise reicht der Zeitaufwand f r Kapitel 1 von 30 bis 330 Minuten Die Diversit t der Lernenden spiegelt sich also auch in der hohen Variabilit t wider F r Kapitel 1 2 und 3 lauten die Standardabweichungen 72 82 und 54 Minuten 145 6 2 Zeitplanung Evaluation des Kurses Kurse 03 2007 und 09 2007 24 D D dD 1 E E S S IA 5 2 2 2 21 2 2 z 8 8 8 3 5 3 3 Ic T gt N N A R 8 z 8 3 Ss 5 g3 E a 5 a Sg lt 7 wa a od E Abbildung 6 11 Der angegebene Zeitaufwand 4 Stunden Kurs 03 2007 6 Stunden Kurs 09 2007 ist Kurse 03 2007 und 09 2007 E E E E E E E E E E E E i E E E E o e e
265. tigen An gebot von Kommunikationsm glichkeiten es handelt sich dabei also eher um einen Web 2 0 Lernraum in dem sich E Learning Kurse einbetten und pr sentieren lassen Zur Qualit t der Inhaltsseiten zum Grad der Interaktivit t und zum didaktischen Konzept des eigentlichen E Learning Kurses l sst sich an dieser Stelle leider nichts sagen Inhaltlich ist der Kurs speziell auf Studierenden der Wirtschaftswissenschaf ten zugeschnitten und soll hier daher nicht n her als bis hier geschehen untersucht werden 179 A 1 E Learning Angebote zur Statistik Literaturrecherche gt Statistik Wissenschaftliche Datenanalyse leicht gemacht e http www mhsg de fileadmin Demo Demo_Statistik Deutsch qui gui html Ece 3sr rs contents BJ Harmonisches Mittel 3 Das harmonische Mittel stellt einen Spezialfall des arithmetischen Mittels dar 1 x Fertig R 00 7 Abbildung A 2 Screenshot der grafischen Oberfl che des Statistik Lernmoduls MM STAT Alle Unterkapitel werden jeweils in einem neuen Tab ge ffnet im dargestellten Beispiel 2 7 und 2 5 Die offenen Tabs lassen sich mit einem Doppelklick wieder schliessen Der offene Tab 2 5 zeigt hier nur einen Ausschnitt des Inhalts dieser Inhaltsseite Der restliche Inhalt l sst sich leider nur bei maximiertem Browserfenster anzeigen da nur dann die horizontalen und vertikalen Scrollbalken angezeigt werden die den Bildlauf also das Verschieben der Inhalte na
266. ts im Techno logiebereich kann es zum Beispiel bei ungl cklich ausgew hlten Medienformaten passieren dass ein Format schon nach wenigen Jahren nicht mehr uneingeschr nkt unterst tzt wird Die Auswahl der Formate muss also vor dem Hintergrund der Nachhaltigkeit erfolgen was auch im Projekt Training in Genetischer Epidemiologie beherzigt wurde Um zu zeigen dass nur Formate mit sehr hohem Verbreitungs grad und von aktuellem Standard eingesetzt wurden sollen diese nachfolgend kurz aufgelistet werden Im Anschluss folgt eine Aufstellung der Autoren und Softwarewerkzeuge die zum Einsatz kamen Es geh rte dort ebenfalls die Nachhaltigkeit zu den wichtigsten Auswahlkriterien wobei die Nachhaltigkeit dort unter anderem von den Medien formaten die das jeweilige Werkzeug unterst tzt abh ngig ist 3 1 Datei und Medienformate Die eingesetzten Datei und Medienformate wurden vorab sorgf ltig ausgew hlt da der uneingeschr nkte Einsatz des Lernobjekts auf jeder Plattform ganz wesent lich davon abh ngt Bei der Wahl der Datei und Medienformate waren in erster 175 3 1 Datei und Medienformate Entwicklungsmaterial Linie deren Verbreitungsgrad und Funktionssicherheit beides in der Regel sicherge stellt durch einen internationalen Standard ausschlaggebend Folgende Datei und Medienformate kommen im Projekt Training in Genetischer Epidemiologie zum Ein satz XML Die Extensible Markup Language kurz XML stellt ein
267. tstel len damit diese zu Eigeninitiativen ermutigt werden e Eine intrinsische Lernmotivation steht im Vordergrund welche es den Lernen den erm glicht die Bedeutung des Gelernten f r ihr Leben zu entdecken und welche deutlich transparente Bez ge zur Welt au erhalb des Klassenraums erkennen l sst Auf diese Weise soll das Problem des tr gen Wissens ver mieden und der Transfer von anwendbarem Wissen erleichtert und gef rdert 32 2 1 Lehr und Lerntheorie Methoden werden Renkl 1996 e Fehler werden als positive Anzeichen daf r gesehen dass das Gleichgewicht im Wissen der Lernenden soweit durcheinander gebracht worden ist dass die notwendigen Prozesse der Selbstreflexion und der Re Strukturierung in Gang gesetzt werden konnten Brown et al 1989 Das steht zum Beispiel im Gegensatz zu objektivistisch orientierten Lehrverfahren die die Fehler der Lernenden sanktionieren um den jeweiligen Grad des normierten Wissens standes zu ermitteln der vom Lehrplan vorgegebenen wurde Aus den oben aufgef hrten Punkten ergeben sich aus konstruktivistischer Sicht fol gende Anforderungen f r die Gestaltung von Lernsystemen e Anstelle abstrakter Inhalte sollte die komplexe Realit t dargestellt werden e Das Lernsystem sollte die Lernenden zu authentischer Aktivit t animieren und damit das selbstgesteuerte Lernen f rdern e Probleme sollten aus multiplen Perspektiven dargestellt werden e Eine Leistungsbewer
268. tt 3 1 e Bei der Kodierung soll eine Unterteilung in Generationen erfolgen das hei t es sollen Informationen zu den Generationen mitkodiert werden um die Les barkeit zu verbessern e Es sollen erweiterte Informationen kodiert werden k nnen beispielsweise der Name der Person der Zwillingsstatus und Typ oder die Information dass der Patient bereits verstorben ist F r die Darstellung am Bildschirm soll mit Flash siehe Kapitel 3 2 4 ein Programm entwickelt werden dass eine XGAP Datei direkt einlesen und den darin kodierten Stammbaum in Echtzeit darstellen kann Des Weiteren werden folgende Anforde rungen an das Programm gestellt e Die Einbindung in beliebige Webseiten und Flash Programme soll m glich sein e Die Handhabung und Konfiguration soll so einfach wie m glich sein e Erweiterte Informationen sollen in interaktiven Fenstern dargestellt werden die erst bei einem berfahren mit dem Mauszeiger an den entsprechenden Positionen erscheinen 167 2 4 Projekt Vorgehensmodell Methoden 2 4 Projekt Vorgehensmodell Wie in Kapitel 2 1 dargestellt wurde sollte bei der Planung und Umsetzung eines E Learning Projektes unbedingt das didaktische Konzept in den Vordergrund gestellt werden und nicht die technische Umsetzung Die einzelnen Phasen des Projektes sollten m glichst pr zise geplant werden um nicht den roten Faden aus den Augen zu verlieren Bei der Projektplanung kann man sich an verschi
269. tung sollte gegebenenfalls mehrdimensional sein Ruf und Goetz 2002 schlagen beispielsweise vor nicht nur die fachliche Korrekt heit zu beurteilen sondern auch den m glichen Praxis Kontext zu ber cksich tigen in welchem die Aussagen der Lernenden erfolgversprechend sein k nn ten Konstruktivistische Lernumgebungen haben den Vorteil dass sie die individuellen Unterschiede der Lernenden st rker ber cksichtigen Die Konzepte sind zudem bes ser geeignet um komplexe F higkeiten z B Probleml sungskompetenz zu vermit teln Es wird vor allem kritisches vernetztes und ganzheitliches Denken gef rdert siehe Abbildung 2 2 Fazit Das Hauptziel des Lernprozesses ist Kompetenz nicht Wissen 133 2 1 Lehr und Lerntheorie Methoden Lernobjekt gt ws I Wechselnde Q Lehr und 7 Lernfunktion d A Teilnehmer Abbildung 2 2 Schematische Darstellung einer konstruktivistischen Lernumgebung vgl Siebert 1998 S 73 Alle beteiligten Personen sind miteinander vernetzt und kommunizie ren miteinander die Lehr und Lernfunktion wechselt zwischen den beteiligten Personen das in der Gruppe vorhandene Wissen wird durch gegenseitiges Anregen aktiviert Kritik am Konstruktivismus Konstruktivistische Lernumgebungen stellen vergleichsweise hohe Anforderungen an den Lernenden da sie in der Regel einen hohen Grad an Komplexit t aufweisen Die Verantwortung wird zudem vom Lehrenden auf den Lernenden bertragen was
270. ualisation of Statistical Concepts Java Application Simulating the Central Limit Theorem N A OI VG GO N e Statistical Java Virginia Polytechnic Institute Bei den Ergebnissen 1 3 und 5 7 handelt es sich jeweils um Material z B Text Abbildungen oder Animationen zu einem speziellen Thema aus der Statistik das zu Lehr und bungszwecken verwendet werden kann Keines dieser Materiali en stellt einen kompletten E Learning Kurs beziehungsweise ein E Learning Modul dar Hinter Suchergebnis 4 verbirgt sich das HyperStat Online Statistics Textbook http davidmlane com hyperstat siehe Abbildung A 5 Es handelt sich dabei um eine Internet Plattform die umfangreiche Informationen und Links zum The ma Statistik beinhaltet Zentraler Bestandteil der Seite ist das einf hrende Statistik Textbuch und Online Tutorial von Professor David Lane von der Rice Universit t Houston USA 184 A 1 E Learning Angebote zur Statistik Literaturrecherche Search HyperStat Visit the HyperStat Online Bookstore HyperStat Online Statistics Textbook RVLS Home Glossary Free Statistical Analysis Tools Instructional Demos Exercises and Problems Statistics Help Privacy policy Introduction to Statistics Describing Univariate Data Describing Bivariate Data Introduction to Probability elementary Normal Distribution Sampling Distributions Point Estimation Confidence Intervals
271. uction is to activate and support the learning of the individual student and to help each person develop as fully as possible in his or her own individual direction Gagn et al 1988 S 4 Instruktionsdesign Modelle spiegeln in der Regel eine Sichtweise des Lernens wi der die dem Instruktionsparadigma folgt demzufolge Lernen im wesentlichen als Funktion von Lehren verstanden wird siehe Abbildung 2 1 In Ubereinstimmung y Kursleiter Kur Lernobjekt Fin TEN Teilnehmer Abbildung 2 1 Schematische Darstellung eines Instruktionsdesign Modells vgl Siebert 1998 S 73 Das extern vom Lernenden vorhandene Wissen wird vom Kursleiter bzw Lern objekt zum Kursteilnehmer transportiert Die Wissensvermittlung erfolgt dabei nur in der mit den Pfeilen dargestellten Richtung mit behaviouristischen und kognitivistischen Lerntheorien wird davon ausgegan gen dass Wissen extern vom Lernenden existiert Aus einer genauen Definition der Lernziele durch den Lehrenden werden Strategien zur ad quaten Vermittlung dieser Lerninhalte abgeleitet Dazu k nnen beispielsweise die Festlegung einer be stimmten Interaktionsform f r jedes Lernziel und die Sequentialisierung der Inhalte geh ren EY 2 1 Lehr und Lerntheorie Methoden Kritik am Instruktionsdesign Kritik am Instruktionsdesign wird berwiegend von den Verfechtern des Konstruk tivismus siehe Abschnitt 2 1 2 ge bt Die Kernpunkte der Kritik sind Redu
272. uellen Anpassung des Gesamtcurriculums so wie der Unterst tzung bei der Duchf hrung von digitalen Pr fungen Nichtmitglie der haben nur Zugriff auf das Statistiklabor sowie einige Beispiele und Demonstra tionen zu der Lernumgebung Neue Statistik F r eine detailliertere Beschreibung von Statistik interaktiv und Neue Statistik sei auf Kladroba 2006 S 329 332 verwiesen Diskussion Die graphische Benutzeroberfl che der Lernumgebung Neue Statistik ist recht an sprechend gestaltet die Navigation ist einheitlich und intuitiv siehe Abbildung A 7 S 189 Die Lerninhalte selber bestehen berwiegend aus klassischen Lehrbuchtex ten die sich h ufig ber mehrere Seiten nach unten erstrecken Daraus resultiert dass der Lernende beim Durcharbeiten der Inhalte sehr viel Scrollen also die Seite immer wieder verschieben muss Die in der Lernumgebung vorhandenen Flash Animationen und Java Applets wirken etwas losgel st vom Lerninhalt da sie nur ber die separate Mediengalerie aufgerufen werden k nnen Zum Teil befinden sich am Ende der Inhaltsseiten bungsaufgaben mit Musterl sungen Allerdings han delt es sich dabei um reine Textaufgaben die g nzlich auf Interaktivit t verzichten und keine Online Auswertung mit Feedback bieten PC Statistik Trainer 1 0 Beim PC Statistik Trainer 1 0 handelt es sich um ein eigenst ndiges Programm f r das Betriebsystem Windows das im Buchhandel erh ltlich ist Bourier 2002 Das Programm beinha
273. ul Statistik enth lt nur sehr wenige interaktive Beispiele Die Lernseiten selber beinhalten bis auf wenige Ausnahmen nur Text und Formeln Die wenigen Abbildungen und Interaktionen werden in der Regel in einem neuen Fenster ge ffnet nachdem der Benutzer mit der Maus den zugeh rigen Hyperlink angeklickt hat Bei den vorhandenen Lern aufgaben handelt es sich um reine Textaufgaben ohne jegliche Interaktivit t Die Aufgaben sind h ufig so konzipiert dass der Lernende Zettel und Stift zur Hand nehmen muss um die Aufgabe zu l sen Beispiel Aufgabe 1b in Kapitel 6 3 lau tet Zeichnen Sie ein S ulen und ein Kreisdiagramm Musterl sungen sind zwar vorhanden der Lernende erh lt aber keinerlei Feedbacks zu seinen L sungen 1 1 2 E Learning Angebote zum Thema Epidemiologie Durch die Literaturrecherche konnten keine E Learning Angebote zum Thema Epi demiologie ermittelt werden siehe Anhang A 2 Eine sogenannte Sitemap erm glicht einen hierarchisch strukturierten berblick ber alle Einzel dokumente d h sie stellt die Inhaltsstruktur des Lernobjekts dar 18 1 1 bersicht ber verf gbare E Learning Angebote Einleitung 1 1 3 E Learning Angebote zum Thema Genetische Epidemiologie Durch die Literaturrecherche konnten drei verschiedene E Learning Angebote zum Thema Genetische Epidemiologie ermittelt werden siehe Anhang A 3 die im Folgen den kurz betrachtet und diskutiert werden sollen Henry Stewart T
274. ung sollen grunds tzlich unauff llige Farben zum Einsatz kommen um gen gend Raum f r die gezielte Hervorhebung von wichtigen Inhalten zu lassen siehe n chster Punkt e Alle Hervorhebungen und erkl renden Texte sollen in einem auff lligen roten Farbton erfolgen der dem Strich eines roten Filzstifts hnelt um die Aufmerk samkeit des Lernenden gezielt darauf zu lenken f r Beispiele siehe Kapitel 3 2 Umsetzung der Ziele F r die Umsetzung des Feinkonzepts wurden die einzelnen Kernaussagen aus dem Grobkonzept schrittweise durchgegangen und auf vorl ufige Drehbuchseiten ber tragen f r ein Beispiel siehe Abbildung 4 4 Danach wurden f r jede Seite die Fein lernziele formuliert und die Struktur wurde wie zuvor definiert verfeinert Au er dem wurden Ideen und Skizzen f r Interaktionen und Medien direkt auf den be treffenden Seiten erg nzt Dazu wurde die aktuelle Version des Feinkonzepts kapi telweise auf Papier ausgedruckt Diese Vorgehensweise war wichtig und wird bei spielsweise auch in Mair 2005 S 10 empfohlen da aussagekr ftige Skizzen per Hand nach wie vor viel schneller zu erstellen sind als am Computer Dar ber hinaus wurde an dieser Stelle auch das Konzept f r die Lernerfolgskon trolle bestimmt Zur Wahl standen zwei Konzepte 1 Einbettung der Lernaufgaben thematisch hinter dem zugeh rigen Lerninhalt also Verteilung der Aufgaben ber die Inhaltsseiten des gesamten Kurses 2 Am Ende jedes
275. ung von Hyperlinks Rot f r Achtung Aufpassen Orange f r wichti ge Inhalte graphische Textkennzeichnungen als auch Identifika tionsfiguren siehe Abbildung 3 8 eingesetzt werden sollten Umsetzung der Ziele Bei der Umsetzung der Ziele des Drehbuchs unter Beachtung des didaktischen Konzepts wurden die Inhaltsseiten Schritt f r Schritt mit passenden Marginalien und Schlagworten angereichert Wichtige Textpassagen und Schlagworte wurden kategorisiert und entsprechend farbig hervorgehoben In haltsabschnitte bei denen der Textinhalt nicht zus tzlich durch Interaktionen oder andere Medien veranschaulicht werden musste wurden mit passenden Identifika tionsfiguren versehen Die geplanten Interaktionen und Animationen wurden mit der IAIEX basierten Drehbuchumgebung jeweils durch ein eigenes Drehbuch genau spezifiziert f r ein Beispiel siehe Abbildung 3 3 Evaluation Abschlie end wurde das Drehbuch genau wie die zwei vorangegangenen Zyklen evaluiert Dazu wurde wieder ein Kritischer Vergleich zwischen Ist und Soll Zustand durchgef hrt 105 5 Umsetzung 4 In diesem Kapitel geht es um die Ergebnisse der eigentlichen Um d setzung des E Learning Kurses Dazu geh ren zum einen die mit TN dem Autorenwerkzeug erstellten Lerneinheiten und zum anderen eg die dafiir eigens produzierten Multimedia Elemente also die fer Umsetzung tigen Interaktionen Medien und Lernaufgaben Die Umsetzung ist der vierte Zykl
276. ungsproblem zu verstehen Kerres 2005 S 5 Hinzu kommt dass die Entscheidung f r eine bestimmte Lerntheorie unter Um st nden f r die praktische Umsetzung von Nachteil sein kann wie folgendes Bei spiel zeigt Die Vertreter des radikalen Konstruktivismus haben dem Instruktions design kein eigenes Entwicklungsmodell entgegengesetzt Fine Umsetzung ohne Entwicklungsmodell ist in der Praxis aber kaum m glich da ein vollst ndig freier und nur durch kreative Einf lle gelenkter Gestaltungsprozess unrealistisch ist Das ist beispielsweise darauf zur ckzuf hren dass die meisten technologiegest tzten Bildungsangebote im Rahmen bestehender Bildungssysteme mit begrenzten Bud gets und mit relativ fest vorgegebenen Zielsetzungen erstellt werden an denen sie auch gemessen werden Bis hierhin soll festgehalten werden F r die Konzeption und Entwicklung eines Bildungsangebots sollten Lerntheorien nicht einseitig herangezogen werden Viel mehr macht es Sinn beispielsweise das systematische Vorgehen des Instruktionsde sign und konstruktivistische Ans tze miteinander soweit wie m glich zu kombinie ren Um die didaktischen Potentiale der technologiegest tzten Lehre richtig auszunut zen sollten neben einer an die speziellen Bed rfnisse zugeschnittenen Kombinati on aus geeigneten Lerntheorie Elementen noch weitere Aspekte in das didaktische Konzept mit einflie en Dazu geh rt beispielsweise dass sich der Kursentwickler zu jedem Z
277. urell verfeinert und um Ideen und Entw rfe f r Interaktionen und Medien erweitert DK bestimmen Definition didaktisch einer sinnvollen Feinstruktur f r die einzelnen Lektionen und Unterkapitel Festlegung von Richtlinien f r die Interaktionen und Medien Ziele unter Beachtung des DK umsetzen F r jede einzelne Inhaltsseite aus dem Grobkonzept schrittweise Formulierung der Feinlernziele und Ver feinerung der Struktur Erg nzung von Ideen und Skizzen f r Interaktio nen und Medien direkt auf den betreffenden Seiten Ziele und DK evaluieren Kritischer Vergleich zwischen Ist und Soll Zustand und fr hzeitiges Erkennen von Verbesserungsm glichkeiten k nnen sp ter viel Arbeit ersparen Phase 3 Drehbuch Ziele festlegen Die in den beiden vorhergehenden Phasen abgegrenzten In haltsseiten sollen f r das Lernen und Arbeiten am Bildschirm optimiert werden genaue Spezifikation aller Multimedia Objekte durch eigene Drehb cher DK bestimmen Einsatz von Hilfsmitteln f r das studierendenzentrierte Ler nen mit denen sich der Bildschirmtext so erweitern l sst dass das Gehirn zum Lernen angeregt wird 170 2 4 Projekt Vorgehensmodell Methoden Ziele unter Beachtung des DK umsetzen Anreicherung der Inhaltsseiten mit Skizzen f r spezielle Medien und Texthervorhebungstechniken zur Lenkung der Aufmerksamkeit auf den Lernstoff sowie zur Steigerung der Motivation des Lernenden Z B Verwendung von Marginalien Schlagworten f
278. us im hier benutzten Vorgehensmodell siehe Ab bildung oben rechts Die Umsetzung jedes Inhaltsabschnitts ist also wieder in die Teilschritte aufgeteilt Ziele der Umsetzung Ziel der Umsetzung eines jeden Inhaltsabschnitts war es eine funktionsf hige E Learning Lerneinheit zu erhalten Jeder fertige Inhaltsabschnitt der zur einfache ren und flexibleren Handhabung einzeln als kleineres Teilproblem bearbeitet wur de sollte sich am Ende in den ganzheitlichen E Learning Kurs problemlos einf gen lassen Das didaktische Konzept F r das didaktische Konzept der Umsetzungsphase wurde festgelegt dass bei der Umsetzung die grundlegenden Richtlinien aus Mair 2005 S 124 128 und Herczeg 1994 die die sthetik der Medien und die Ergonomie des Moduls sichern beachtet werden sollten Umsetzung der Ziele Es erfolgte die Implementierung gem dem Drehbuch Das bedeutet es wurde die 106 Umsetzung Inhaltsstruktur in den EXACT PACKAGER beziehungsweise die ONCAMPUS FACTO RY bertragen und die Textinhalte wurden eingef gt Abbildung 5 1 zeigt beispiel haft wie die Umsetzung von Inhaltsseiten im Kontext vom Quellskript und dem Drehbuch durchgef hrt wurde In Kapitel 5 1 kann sich der geneigte Leser ein Bild von den Ergebnissen machen Drehbuch Quellskript A 4 Inhaltsseite 1 Inhaltsseite 2 Inhaltsseite 3 Where is the genetic information located What is RNA N Training in Genetic
279. ussage gilt zumindest teilweise auch f r die MLBK Lernumgebung da alle Lernseiten zwar komplett berarbeitet und teilweise erwei tert wurden in der Regel ging es dabei aber um eine Anpassung an das neue Design und um die Einbindung neuer Multimedia Elemente Die graphische Be nutzerschnittstelle des MLBK wirkt aufger umt und modern die Navigation durch die Inhalte ist einfach und intuitiv In den Modulen gibt es eine breite Palette an bungsaufgaben die sich aber lediglich zum Training eignen Zur individuellen Lernerfolgskontrolle sind sie leider weniger gut geeignet da die Aufgaben einen geringen Komplexit tsgrad aufweisen es gibt z B die Aufgabentypen Multiple Choice und Drag amp Drop f r eine bersicht ber m gliche Aufgabentypen siehe Kapitel 2 2 1 S 44 und die L sungen der Lernenden nicht direkt korrigiert und bewertet werden per Mausklick k nnen lediglich die Musterl sungen eingeblen det werden Der Lernende erh lt also keinerlei Feedbacks zu seinem pers nlichen Wissensstand was f r den Lernerfolg aber von gro er Bedeutung ist siehe Kapi tel 2 2 Aufgrunddessen muss hier festgehalten werden dass sowohl LernSTATS als auch die Weiterentwicklung mit dem Titel Methodenlehre Baukasten nur bedingt zum eigenst ndigen Lernen geeignet sind AktivStats Bei AktivStats handelt es sich um eine E Learning Software f r PC und MAC die als Studentenversion im Buchhandel erh ltlich ist Velleman 2008 AktivStats exi
280. ussetzung f r den Erfolg des Kurses ist F r etwa sieben von acht Unternehmen ist die optische Aufbereitung ein ber cksichtig tes Qualit tskriterium Sch le 2002 S 20 Kurse 03 2007 und 09 2007 Kurse 03 2007 und 09 2007 8 8 3 2 2 8 3 3 x4 5 E e E E o E 7 zZ zZ z Zz Zz g 38 xf S w S WW a J 3 5 l O o4 2 S ei S R S gt 77 E ei ZS ES 2 si SZ zi Abbildung 6 15 Die Textinhalte des Abbildung 6 16 F r sein Erschei Kurses sind ausreichend und in guter nungsbild w rde ich dem Kurs folgende Qualit t vorhanden Schulnote geben 147 6 4 Evaluation der Medien Evaluation des Kurses 6 4 Evaluation der Medien Lernerfolgskontrolle explizit formulierte Lernziele den individuellen Kenntnis sen des Lernenden entsprechende Lernwege sowie Lexikon Glossarfunktionen sind die am meisten erwarteten Lernmethodiken in eLearning Content Sch le 2002 S 22 Die Frage in Abbildung 6 17 zielt auf die Anzahl und die Qualit t der Medien zum Beispiel Interaktionen und Abbildungen ab Hier l sst sich ein positives Ergebnis verzeichnen In Abbildung 6 18 sind die Ergebnisse der Evaluation des bidirektionalen Mouse Over Konzepts siehe Kapitel 5 2 1 dargestellt Es zeigt sich dass das Konzept von den Benutzern berwiegend als hilfreich angesehen wurde Ein Teil der Benutzer empfand das Konzept allerdings als eher nicht hilfreich Das
281. uter Kommunikation Addison Wesley Bonn Herzberg F Mausner B amp Snyderman B B 1959 The Motivation to Work John Wiley amp Sons New York Hiemstra R Rau O amp Pelz D 2002 Statistik Unterricht mit eLearning In K hl M amp Quednau H Hrsg 14 Tagung DVFFA Sektion Forstliche Biometrie und Infor matik S 15 21 Deutscher Verband Forstlicher Forschungsanstalten Tharandt Hohenstein A amp Wilbers K 2001 Handbuch E Learning Fachverlag Deutscher Wirtschaftsdienst Neuwied Honebein P C Duffy T M amp Fishman B J 1993 Constructivism and the design of learning environments Context and authentic activities for learning In Duffy T M Lowyck J amp Jonassen D Hrsg Designing Environments for Constructive Learning S 87 108 Springer Berlin Hopcroft J E amp Ullman J D 2000 Einfiihrung in die Automatentheorie formale Spra chen und Komplexit tstheorie Vierte Ausgabe Oldenbourg M nchen IMS GLC 2005 IMS Content Packaging IEEE LTSC P1484 17 Standard IMS Global 170 Literaturverzeichnis Literaturverzeichnis Learning Consortium URL http www imsglobal org content packaging Jurafsky D amp Martin J H 2000 Speech and Language Processing An Introduction to Natural Language Processing Computational Linguistics and Speech Recognition Pren tice Hall series in artificial intelligence Prentice Hall New York Kerres M 2001 Mediendidakt
282. werte sind fett hervorgehoben XGAP Knoten couple Bezeichner couple Beschreibung Dieser Knoten enth lt die Personen einer Elternpaarung d h zwei Personen die zusammen ein Kind haben Kindknoten person siehe Tabelle D 4 Attribute id Eindeutige Kennung lt couple id cl gt Beispiel lt couple gt Tabelle D 3 XGAP Knoten couple 225 XGAP Dokumentation XGAP Knoten person Bezeichner person Beschreibung Dieser Knoten enth lt alle relevanten Informationen einer Person Kindknoten marker siehe Tabelle D 4 id Eindeutige Kennung parents Elternkennung couple id father Kennung des Vaters father id mother Kennung der Mutter mother id sex male female unknown random Attribute 0 nicht erkrankt 1 erkrankt affection a bertr ger 3 unbekannt random zuf llig 0 oder 1 name Name indexproband true oder false numbering true oder false deceased true oder false twin ID des Zwillingsgeschwister twinType unknown fraternal oder identical count Anzahl random von bis lt person id p3 father p1 mother p2 gt Beispiel lt person gt Tabelle D 4 XGAP Knoten person Die Standardwerte sind fett hervorgehoben 226 XGAP Dokumentation XGAP Knoten marker Bezeichner marker Beschreibung Dieser Knoten kodiert einen genetischen Marker Kindknot
283. wo identical DNA double strands These are termed sister chromatids Hence there is a total of four double strands 4n in the cell 3 Forming of bivalents Homologous chromosomes are connected to ON form bivalents 4 Possible crossing over In this stage exchange of genetic material between maternal and paternal strands is possible Mett division Non sister chromatids are separated while sister chromatids remain paired The result are two diploid cells containing the sister chromatids Oz Meiotic_division Il Now the sister chromatids are separated which results in four haploid cells gametes 7 During fertilization the fusion of the genetic material from two gametes leads a restitution of the diploid status fe et bet PD Copyright 200 Interaction 8 Meiosis Abbildung 5 20 Screenshot der Inhaltsseite mit der bidirektionalen Mouse Over Interaktion Meiose Die Interaktion hat sieben Zust nde die durch Bewegen der Maus ber die als Hyperlink gekennzeichneten Textstellen blau eingef rbt und unterstrichen einzeln eingenommen werden k nnen Die roten Pfeile und Zahlen 1 7 illustrieren welche Textstelle welchen Zustand in Abbildung 5 21 hervorruft 122 5 2 Multimedia Elemente Umsetzung O A A ert Max pat we doy ble Erha gov Sir ang Homologous Bivalents Ga re Per kt ia 14a Pe
284. wth aachen de Pe Sa D Startseite f r G ste Willkommen bei EMILeA stat Hier k nnen Sie sich einloggen Benutzername Passwort Einloggen Sie haben noch kein Benutzerkonto Als angemeldete r Benutzerfin in EMlLeA stat stehen Ihnen weitere M glichkeiten zur Verf gung Die Anmeldung ist kostenlos und Sie k nnen Ihr Benutzerkonto jederzeit selbst l schen Neu anmelden St bern in EMILeA stat Klicken Sie frei durch die Modulwelt in EMlLeA stat Visualisierung der Konzeptwelt Sehen Sie eine grafische Darstellung der Konzepthierachie in einem neuen Fenster St bern in einem EMILeA stat View Betrachten Sie Module unter dem Gesichtspunkt einer spezialisierten Benutzerlnnengruppe Suchen in EMILeA stat Suchen Sie nach Begriffen und Wissenskonzepten GIG Offentliche Kurse Nutzen Sie Kurse zum angeleiteten Lernen Statistik in der Praxis Die eStadt Lernen Sie die Praxis der Statistik durch authentische Lernszenarien kennen Informationen Hier finden Sie Informationen zur Nutzung des Systemes Abbildung A 3 Screenshot der Startseite von EMILeA stat Die Seite ist ansprechend und bersichtlich gestaltet Der Benutzer kann z B w hlen ob er in den verschiedenen Lernmo dulen st bern siehe Abbildung A 4 oder einen der verf gbaren Kurse starten m chte z B ist der Kurs Beschreibende Statistik Lage und Streuungsma e ffentlich zug nglich
285. zusammenkommen erscheint uns die zwischenmenschliche wechselseitige Kom munikation die aber gerade bei der Vortragsform ja in vielen F llen u erst rudi ment r ist Die Pr senz von Menschen an einem Ort auch mit Dozenten ver folgt hier daher andere Ziele in Themen einf hren zum Lernen motivieren sich Kennen lernen Gruppen bilden etc die interpersonelle bidirektionale Kommuni kation muss in diesem Setting im Vordergrund stehen Kerres 2005 S 162 163 Die Kombination der Onlinephase Selbstlernen mit dem E Learning Kurs mit der Pr senzphase kann dabei auf vielf ltige Weise geschehen Einige dieser M glich keiten sollen hier kurz skizziert werden wobei die Pr senzphase hier einer echten Lehrveranstaltung entsprechen soll im Gegensatz z B zu einer Veranstaltung die Instant Messaging kurz IM oder Nachrichtensofortversand ist eine Kommunikationsmethode bei der zwei oder mehr Personen mittels elektronischen Textnachrichten kommunizieren Dieser Austausch von Textnachrichten in Echtzeit wird auch chatten genannt Bekannte IM Programme sind z B ICQ und Skype 41 2 1 Lehr und Lerntheorie Methoden lediglich dem sich Kennen lernen dient eine kompakte Darstellung der Online Offline Kombinationsm glichkeiten findet sich in Tabelle 2 1 Blockveranstaltung Semester Sequenziell Parallel Veranstaltung Online Vorbereitung 1 3 5 Online Nachbereitung 2 4 6
286. zwei Zeichenketten Die Distanz ergibt sich aus der minimalen Anzahl der Operationen Einf gen L schen und Ersetzen um die erste Zeichenkette in die zweite mit ihr zu vergleichende Zeichenkette zu berf hren Um beispielsweise das Wort Zehn in das Wort Gen zu berf hren sind zwei Opera tionen notwendig die Levenshtein Distanz LEV betr gt also 2 1 Ersetze Z durch G 2 L sche h Zehn en Gehn et Gen gt LEV 2 50 2 2 Lernaufgaben Methoden Zeichenkette N Name A 1 Monogramm ab 2 Bigramm Gen 3 Trigramm Gene 4 Tetragramm GENOM 5 Pentagramm Tabelle 2 2 Beispiele f r N Gramme verschiedener L nge Im Gegensatz zum Hamming Abstand k nnen also auch Zeichenketten unter schiedlicher L nge miteinander verglichen werden N Gramm basierte Berechnung von bereinstimmungen Ein N Gramm ist eine Folge von N benachbarten Zeichen Die verschieden langen N Gramme tragen als Vorsilbe den Namen des entsprechenden griechischen Zah lenwortes siehe Tabelle 2 2 Eine einfache M glichkeit mit Hilfe von N Grammen die hnlichkeit von zwei Zei chenketten zu bestimmen besteht darin f r beide Zeichenketten die enthaltenen N Gramme zu bestimmen Die Gr e der Schnittmenge der beiden N Gramm Mengen liefert dann den hnlichkeits Wert Auf dieser Idee beruht auch die Berechnung des Dice Koef zienten Der Dice Koeffizient D zweier Zeichenketten s und sz ist definiert durch _ 2 Z s1 N Z s2 Z s1 Z s2

Training in Genetischer Epidemiologie

Contents

Download Pdf Manuals

Related Search

Related Contents