Praxisbericht 46 - ERCIS - European Research Center for ...

Heinz Lothar GrobJan vom BrockeHerausgeberChristoph Weischer, Alexander YendellStatistik erfahren...Entwicklung von e-Lehrmaterialien für dieerziehungs- und sozialwissenschaftliche StatistikausbildungE-LearningPraxisberichtePraxisbericht Nr. 46

PraxisberichteE-LearningERCIS – European Research Center for Information SystemsHrsg.: Heinz Lothar Grob, Jan vom BrockePraxisbericht 46Statistik erfahren...Entwicklung von e-Lehrmaterialien für dieerziehungs- und sozialwissenschaftlicheStatistikausbildungChristoph Weischer, Alexander Yendell

1 •Inhaltsverzeichnis1 Einleitung ................................................................................................................................12 Die Entwicklung von „Statistik erfahren“ .................................................................................22.1 Anforderungen an e-Lehrmaterialien in der sozialwissenschaftlichenStatistikausbildung........................................................................................................22.2 Projektergebnisse .............................................................................................................63 Entwicklungsperspektiven.....................................................................................................15

1 •1 EinleitungDie Statistikausbildung hat in der universitären sozialwissenschaftlichen Ausbildung einen hohenStellenwert, da solide Kenntnisse der Statistik in den für Sozialwissenschaftlerinnen undSozialwissenschaftlern relevanten Berufsfeldern von großer Bedeutung sind. Die sozialwissenschaftlicheStatistik-Ausbildung weist allerdings Defizite auf. Sie ist nicht praxis- und berufsfeldbezogengenug und Studierenden fällt es erfahrungsgemäß eher schwerer als in anderen Bereichender Ausbildung, den Dozentinnen und Dozenten zu folgen und die Lehrbücher zu verstehen.Statistik wird oft als trockene Materie aufgefasst, den mathematischen Grundlagen wirdhäufig mit Ängsten und Vorbehalten begegnet. Der Einsatz von e-Lehrmaterialien kann daherals Chance begriffen werden, das Interesse bzw. die Lernbereitschaft der Studierenden zu fördernund größere Lernerfolge sowie eine effizientere Vorbereitung auf den Beruf zu ermöglichen.Im Rahmen der 2. Förderausschreibung E-Learning hatten wir die Möglichkeit im Projekt „Statistik+ Online“ e-Lehrmaterialien zu entwickeln, die die klassische Statistikausbildung bestehendaus Vorlesungen und Übungen unterstützen und zur Beseitigung der Defizite in der Statistik-Ausbildungbeitragen sollen. Eine solche Unterstützung durch e-Lehrmaterialien in der statistischenLehre soll dabei mehrere Aufgaben erfüllen:• Durch die Visualisierung sollen einfache und komplexe statistische Verfahren für die Studierendengreifbarer gemacht werden.• Interaktive Elemente sollen die Erprobung statistischer Verfahren ermöglichen. So soll derLernende oder Lehrende bspw. in einer Anwendung, die sich mit der Stichprobenziehungbefasst, eine hohe Zahl von Stichproben ziehen können und die Verteilung von Stichprobenparameternbeobachten.• Multivariate Verfahren sollen so aufbereitet werden, dass sie möglichst in allen Schrittennachvollzogen und auch nachgerechnet werden können.• Es soll erfahrbar werden, wie verschiedene statistische Verfahren auf die Veränderung vonParametern oder Modellannahmen reagieren.• Schließlich sollen die Studierenden handlungsorientiert lernen und die Relevanz statistischerVerfahren im Bereich der Erziehungs- und Sozialwissenschaften erfahren.Diese e-Lehrmaterialien sollen die klassische Lehrveranstaltung oder auch die Übung nichtersetzen. Das Verständnis von theoretischen und mathematischen Zusammenhängen ist inunserem Verständnis nach wie vor unumgänglich. Die e-Lehrmaterialien sollen hier unterstützenund einen weiteren Weg des Zugangs zu statistischen Verfahren eröffnen. Neben einemVerständnis über Formeln und Algorithmen soll im Sinne handlungsorientierter Lernprozesseein eher erfahrungsbezogener Zugang zu statistischen Operationen ermöglicht werden. Dabeisollen die Materialien nicht als Ersatz für die Präsenzlehre konzipiert werden. Vielmehr sollensie die Lehre in der Vorlesung, der Übung bzw. beim Selbststudium unterstützen und sind zumEinsatz in der Präsenzveranstaltung sowie als Ergänzung zur Präsenzlehre („add on“) anzusehen.

3 •didaktische Modell für Studierende in den Anfangssemestern mit Ängsten und Desinteressegegenüber Statistik, besonders gut geeignet ist [Sc06, S. 244].Das forschend-entdeckende Lernen lehnt an Jean Piaget und Jerome Bruner an. Piaget nahman, dass ein Lerner zunächst immer aus eigener Aktion lernt, dass er dabei seine eigene Wirklichkeitkonstruiert, die er dann in Abgleich mit seiner Umwelt bringen muss. Bruner ergänztePiagets konstruktivistisches Konzept um die Bedeutung von sozialen Interaktionen, aber auchum historisch-kulturelle Dimensionen sowie ein verändertes Sprachverständnis. Diese Ansätzesehen das Lernen also als konstruktiven Prozess an. Jeder Lernende lernt auf der Basis seinerErfahrungen und setzt dabei eigene Werte, Überzeugungen, Muster und Vorerfahrungen ein.Dabei sind die Interaktionen mit anderen dafür ausschlaggebend, wie das Lernen angenommen,weitergeführt und entwickelt wird. Entscheidend ist, inwieweit es dem Lernenden gelingt,eine eigene Perspektive auf sein Lernen einzunehmen, indem er sich motiviert, selbst organisiertlernt, sich seiner Muster und Schematisierungen bewusst wird, diese handlungsorientiertentwickelt und selbstkritisch sein Lernen hinterfragt bzw. gegebenenfalls sein Lernverhaltenmodifiziert [NRV01, S. 256-257].Für den Lehrenden bedeutet dies, dass er nicht mehr das Wissen erzeugt, dass „in die Köpfeder Schüler“ soll, vielmehr ermöglicht er „Prozesse der selbsttätigen und selbständigen Wissenserschließungund Wissensaneignung“ im Sinne einer „Ermöglichungsdidaktik“ [Ar93, S.53]. Handlungsorientiert heißt für uns, dass der Lerngegenstand vor allem dann im Gedächtnisdes Lernenden aufgenommen wird, wenn der Lernende „die Motivation und die Möglichkeit hat,das Gelernte durch mentale oder reale Aktivitäten auch anzuwenden“ [Tr04, S.37], immer imBewusstsein, dass sich Menschen vorrangig mit Dingen beschäftigen, die ihnen aufgrund vorliegenderkognitiver Strukturen und dringender situativer Ereignisse als wichtig erscheinen. ImRahmen solch handlungsorientierter Lernprozesse können Emotionen wie Angst und Langweile– eher lernhinderliche Emotionen, die bei Studierenden in der sozialwissenschaftlichen Statistikausbildunghäufig auftreten – sowie Neugier und Freude nicht außer Acht gelassen werden.Welche Anforderungen erwachsen nun aus den skizzierten Defiziten in der sozialwissenschaftlichenStatistikausbildung und den daraus resultierenden Forderungen und Empfehlungen – vordem Hintergrund der angerissenen theoretischen Überlegungen – an die Entwicklung von e-Lehrmaterialien?Zunächst muss in einem ersten Schritt geklärt werden, in welchem Rahmen die Statistikausbildungmit e-Lehrmaterialien stattfindet bzw. um welchen Seminartypus es sich handelt. Schulmeisterbeschreibt vier eLearning-Szenarien, die im Grad der Virtualität variieren [Sc06, S. 192]:

4 •PräsenzseminarDas Seminar findet ausschließlich als Präsenzseminarstatt. Alle benötigten Lernmaterialienbefinden sich in Büchern, Ordnern, Bibliotheken,Karteien, etc. Im Seminar werden keine Mediengenutzt. Man könnte sagen, im Grunde findetkein eLearning statt, es sei denn man wolle dieTatsache, dass die Studierenden gelegentlich imInternet recherchieren und Quellen aus demInternet nutzen, als partielle Form des eLearningbezeichnen.Präsenz begleitet durch NetzDas Seminar findet ebenfalls ausschließlich alsPräsenzseminar statt. Ab und zu werden imSeminar elektronische Materialien aus demInternet genutzt. Die Studierenden greifen übereine Web-Site oder eine Austausch-Plattformwie BSCW auf Lernmaterial und Aufgaben zu.Gelegentlich werden die im Internet gesammeltenBeispiele in den Unterricht im Präsenzseminareinbezogen. Präsenz- und eLearning-Komponente bleiben getrennt.Blended LearningDas Seminar ist zwar Präsenzseminar, abereinige Sitzungen finden online statt. Die Studierendenstellen in einer Plattform die Ergebnisseihrer Recherchen, ihre Präsentationen und ihreHausaufgaben ein. Diese Arbeit findet unabhängigvon Terminen asynchron statt. Die Arbeitsgruppentreffen sich gelegentlich online zu bestimmtenTerminen und diskutieren dann synchronihre Aufgaben und Themen.Virtuelles SeminarDas Seminar findet nach einer Einführung in dieSoftware nur noch online statt. Die Studierendenstellen ihre Recherchen und Materialien in denvirtuellen Klassenraum ein. Diese Arbeit findetasynchron statt. Die Arbeitsgruppen treffen sichregelmäßig online, ihre synchronen Sitzungenwerden evtl. durch Tutoren moderiert. Plenumssitzungenfinden synchron online statt und werdendurch den Dozenten moderiert.Tabelle 1: Vier Formen der Integration von eLearning und Präsenzseminar nach SchulmeisterUnsere e-Lehrmaterialien sollen in erster Linie wegen der Komplexität und dem Schwierigkeitsgradstatistischer Verfahren, die in unserem Verständnis ohne Lehrenden, ohne face-to-face-Situation und ohne gruppendynamische Prozesse nicht zu vermitteln sind, für die Nutzung imPräsenzseminar und zur Nachbereitung genutzt werden. Sie sind also unterstützend im Sinneeines „hybriden Lernarrangements“, können demnach als Demonstrations- und Übungsmaterialin Präsenzveranstaltungen oder aber als Begleitmaterial genutzt werden, um im Seminar oderder Vorlesung Gelerntes nachzubereiten. Eine Unterscheidung zwischen „Blended Learning“und Lernen mittels „Präsenz begleitet durchs Netz“ entspricht in unserem Verständnis nichtdem eLearning-Szenario, welches in der sozialwissenschaftlichen Statistikausbildung zum gefordertenLernziel führen soll. Man kann unsere e-Lehrmaterialien daher in Anlehnung an Kerreset al. als Ergänzung und Erweiterung zur Präsenzlehre betrachten, die entdeckendes Lernenmit computerbasierten Simulationen ermöglicht [Ke + 05, S. 20-21].Die Gestaltung der e-Lehrmaterialien erfolgt unter Berücksichtigung emotionaler Aspekte desLernens. In Anlehnung an Reinmann, die emotionsbezogene Konstrukte wie „Neugier“ und„Flow-Erleben“ 1 in ihr Modell zur Integration von Emotion und Motivation beim eLearning1 Das Flow-Erleben beschreibt eine positive Erfahrung, die ein Mensch erlebt, wenn er in spielerischer Leichtigkeitkreativ arbeitet, spielt oder konzentriert einer Aktivität nachgeht und dabei seine Umgebung und die Zeit vergisst[Re04, S.107].

5 •(IEMEL-Modell) zur Grundlage macht [Re04, S.106-112], stehen dem Lehrenden dabei dreiGestaltungsebenen zur Verfügung: Oberfläche, Struktur und Prozess [Re04, S.112-114].Als Oberfläche gilt bei den e-Lehrmaterialien die Ebene, die die Aufmerksamkeit des Lernendenlenken soll und ein ansprechendes Informationsdesign liefert. Für die Ausbildung in der Statistikund speziell für unser Projekt bedeutet dies, dass die Webseite und die e-Lehrmaterialien ästhetischeKriterien erfüllen müssen, die dem User einen Anreiz zur Informationsbeschaffungund zum Lernen geben soll. Zur Struktur, die für den Lernenden eine Lust- oder Unlustquelledarstellt, zählen die inhaltliche Anordnung sowie Informationen zur Handhabung der e-Lehrmaterialien. In den einzelnen e-Lehrmaterialien sollte eine stimmige und möglichst einheitlicheGesamtkonzeption Inhalte, Erläuterungen, Szenarien und Aufgaben strukturieren. ZumProzess bzw. zur Prozessgestaltung gehört aufgrund unseres spezifischen eLearning-Szenarios vor allem die Betreuung durch den Lehrenden, der eine wichtige emotionale undmedial vermittelnde Tätigkeit einnimmt.Im Sinne eines handlungsorientierten Lernarrangements erscheint die Praxisrelevanz desLehrmaterials als wichtigstes Werkzeug zur Lernmotivation. Dies könnte zum einen dadurcherreicht werden, dass in den Lehrveranstaltungen über die guten Chancen von Sozialwissenschaftlerinnenund Sozialwissenschaftler mit guten statistischen Kenntnissen informiert wird –somit wäre das Thema „Statistik“ im Allgemeinen für alle Sozialwissenschaftlerinnen und Sozialwissenschaftlerinteressant, die nach Beendigung ihres Studiums im sozialwissenschaftlichenBerufsfeld tätig sein möchten. Zum anderen könnte durch die Verwendung bedeutsamer sozialwissenschaftlicherForschungsthemen bzw. Datensammlungen wie beispielsweise des SoziooekonomischenPanels (SOEP) unter Berücksichtigung aktueller gesellschaftspolitischer Fragestellungen,Neugier und Anreize zum Lernen geschaffen werden.Betrachtet man die Geschichte der sozialwissenschaftlichen Statistikausbildung, so knüpft dasKonzept „Statistik erfahren…“ an klassische Statistikeinführungen wie „Statistik leicht gemacht“von Rolf Wagenführ [Wa71] an, die das Ziel hatten, eine anspruchsvolle Einführung in die Statistikmit einem relativ hohen Maß an „Allgemeinverständlichkeit“ zu verbinden; eine erste Auflagewar bereits 1933 erschienen. Spuren dieses Ansatzes finden sich noch in der von WernerVoß, einem vormaligen Mitarbeiter Wagenführs, mitverfassten Einführung „Statistik am PC“[MV05].Es gibt bereits eine Reihe von recht ambitionierten Ansätzen zur Verbesserung der Statistik-Ausbildung. Zu nennen ist hier der Methodenlehre-Baukasten (MLBK), welcher unter der Koordinationdes Interdisziplinären Zentrum für Hochschuldidaktik der Universität Hamburg im Rahmender BMB+F-Programms „Neue Medien in der Lehre“ von 2001 bis 2004 entwickelt wurde(http://www.methodenlehre-baukasten.de). Auch das Projekt „Neue Statistik“ ist ein vomBMB+F gefördertes elearning-Projekt (Programm: „Neue Medien in der Bildung“), welches dieGrundausbildung im Fach Statistik verschiedener Fachrichtungen abdeckt. Integriert in die multimedialeLern- und Arbeitsumgebung ist das Statistik-Labor von Nicolas Apostolopoulos(http://www.statistiklabor.de), mit dem man interaktiv statistische Analysen erstellen kann undwelches zugleich als Lernumgebung bzw. als Methode für Klausurenprüfungen geeignet ist.Gegenüber diesen Ansätzen, die eine sehr weitgehende Anpassung der örtlichen Ausbildungan die vorgegebenen Strukturen und Materialien erfordern bzw. die Ausbildung in einer spezifischenStatistiksoftware (R) nahe legen, sind die von uns entwickelten Materialien eher als Ein-

6 •zelbausteine zu begreifen, die in ganz unterschiedliche Ausbildungskonzepte integriert undflexibel angepasst werden können.2.2 ProjektergebnisseAufgrund des handlungsorientierten und erfahrungsbezogenen Zugangs der Lehrmaterialienwurde die Datenbank, über die die verschiedenen Materialien im Netz verfügbar sind „Statistikerfahren…“ genannt.Für die Programmierung der einzelnen Lehrmaterialien wurde Microsoft-Excel genutzt. Die Entscheidungfür eine Excel-Umgebung hatte mehrere Gründe:• Excel ist im Hochschulbereich eine recht verbreitete Standardsoftware• Die Erstellung und Weiterentwicklung der Anwendungen kann auch durch „qualifizierte Laien“erfolgen• Zudem ist es für „qualifizierte Nutzer und Nutzerinnen“ möglich, die Funktionsweise der Anwendungen,bzw. die interessierenden statistischen Operationen nach zu verfolgen. Das istgerade bei den multivariaten Verfahren sinnvoll.• Mit den von uns entwickelten Standards kann man in kurzer Zeit neues Material erstellen.• Die Anwendungen können auch heruntergeladen und für die eigenen Zwecke modifiziertwerden.Denkbar wäre auch eine Realisierung der Lehrmaterialien über HTML und JAVA-Applets gewesen.Solche Implementationen finden sich an verschiedene Stellen im WWW. Eine Programmierungmit HTML-und Java-Applets hätte jedoch einen ungleich höheren Programmieraufwanderfordert und damit höhere Kosten verursacht. Zudem stellt sich häufig das Problem, dassApplets auf der Nutzerseite viele Vorarbeiten erfordern, um Sicherheitsoptionen, Firewalls etc.anzupassen. In nicht wenigen Fällen sitzt der User bzw. die Userin dann vor einem leeren Framevor geblockten Popups etc. Ein Nachteil der von uns gewählten Lösung liegt darin, dassMicrosoft Excel vorausgesetzt wird. Zudem muss die Makrosicherheit temporär reduziert werden.Für die Verwaltung der verschiedenen e-Lehrmaterialien im Netz wird mit einer einfachenMySQL-Datenbank, die über Java-Server-Pages gesteuert wird, gearbeitet. Das macht dieVerwaltung sehr einfach; für die Benutzer stellt sich umgekehrt eine einfache thematisch strukturierteOberfläche dar. Zudem bietet diese Lösung den Vorteil, dass wir den Aufruf des Excel-Programms aus dem jeweiligen Browser besser steuern können. Grundsätzlich können dieseProgramme aber auch unter anderen Oberflächen verwaltet werden.Die Möglichkeiten der Excel-Standard-Funktionen wurden über verschiedene Visual-Basic-Programme ergänzt. Für komplexere statistische Verfahren wurde auf zusätzliche addins zurückgegriffen.Auch die Aufbereitung der Benutzeroberfläche und der Programmsteuerung überSteuerelemente bzw. Kontextmenüs erfolgt über Visual-Basic-Programme. In allen Anwendun-

7 •gen können über das Kontextmenü Erläuterungen, Aufgaben und Hilfestellungen angefordertwerden.Erstellung der e-LehrmaterialienBereits im Vorfeld des Projekts war eine Reihe von e-Lehrmaterialien erstellt worden, die jedochin ihrer Funktionalität und ihrer Gestaltung didaktisch noch wenig ansprechend waren. Im Rahmendes Projekts wurden die Oberflächen dieser Materialien optimiert und mit einer einheitlichenSteuerung über Kontextmenüs ausgerüstet.Deskriptivstatistik Wissenschaft Kommerzielle MarktundMeinungsforschungEmpirische Beiträgein der FachliteraturDeskriptive Analyse 1. (.117) 1. (.119) 1. (.374)OLS-Regression 2. (.111) 2. (.105) 2. (.127)Faktorenanalyse 3. (.097) 4. (.099) 6. (.048)Varianzanalyse 4. (.095) 6. (.084) 9. (.018)Clusteranalyse 5. (.093) 3. (.102) 11. (.006)Qualitative InhaltsanalyseLogistische RegressionQuantitative Inhaltsanalyse6. (.082) 5. (.087) 4. (.072)7. (.080) 9. (.041) 3. (.090)8. (.077) 6. (.084) 8. (.030)Verlaufsanalyse 9. (.073) 7. (.077) 7. (.036)Diskriminanzanalyse 10. (.066) 5. (.087) 11. (.006)Loglinerae Regression 11. (.064) 10. (.029) 7. (.036)Conjointanalyse 12. (.027) 8. (.070) 11. (.006)Hermeneutische Verfahren13. (.018) 11. (.017) 10. (.012)Typologisierung 9. (.018)Multiple Klassifikationsanalyse9. (.018)Ereignisdatenanalyse 5. (.067)Sonstige Je: 11. (.006)Gesamtnennungen 452 344 166Tabelle 2: Rangplätze und relative Bedeutung statistischer Analyseverfahren

8 •Alle erforderlichen Parameter sind leicht zugänglich und veränderbar. Zudem wurden im Rahmendes Projekts weitere e-Lehrmaterialien erstellt und didaktisch aufbereitet. Die Themenauswahlfür die Excel-Anwendungen richtete sich neben den in der Studienordnung festgelegtenThemen nach der Rangliste von Pötschke/Simonson (vgl. Tabelle 3), die in einer Online-Studie Anwender aus wissenschaftlichen Forschungseinrichtungen sowie Markt- und Meinungsforschungsinstitutenu.a. nach dem Einsatz statistischer Analyseverfahren befragt haben [PS03,S.84].In der Studie von Pötschke-Simonson wird deutlich, dass der Einsatz deskriptiv-statistischerVerfahren in allen Praxisbereichen außerordentlich verbreitet ist. Deshalb haben wir uns zunächstauf die e-Lehrmaterialien im Bereich der Deskriptiv- und Inferenzstatistik konzentriert.Dieser Bereich wird im Rahmen der statistischen Grundausbildung am Fachbereich Erziehungswissenschaftund Sozialwissenschaften gelehrt. Derzeit stehen hierzu 33 Materialien zurVerfügung.DeskriptivstatistikUnivariate Verteilungen 8Bivariate Verteilungen 12Zeitverläufe 1InferenzstatistikKombinatorik/ Wahrscheinlichkeit 1Schätzen und Testen 3Wahrscheinlichkeitsverteilungen 8Summe 33AnzahlTabelle 3: Excel-Anwendungen aus dem Bereich der deskriptiven und induktiven StatistikDie e-Lehrmaterialien zur multivariaten Verfahren sind bislang nur in Testversionen verfügbar.Sie haben noch nicht die Funktionalitäten der anderen Programme. In diesem Bereich habenwir z.Zt. 21 Materialien.

9 •Multivariate AnalyseAnzahlClusteranalyse 3Diskriminanzanalyse 1Ereignisanalyse 1Faktoranalyse 1GSK-Ansatz 1Korrespondenzanalyse 2Logistische Regression 9Loglineare Modelle 3Summe 21Tabelle 4: Anzahl der Excel-Anwendungen aus dem Bereich der multivariaten AnalysenEs kann konstatiert werden, dass der relativ bedeutende Bereich der deskriptiven und induktivenAnalyse gut abgedeckt ist. Im Bereich der multivariaten Analysen sind die für Wissenschaftund kommerzielle Markt- und Meinungsforschungsinstitute bedeutendsten Verfahren berücksichtigt,können und müssen aber noch erweitert werden.Praxisbeispiel – Vergleich von Lorenzkurven und Gini-IndicesIn dem folgenden Praxisbeispiel soll der didaktische Mehrwert von Statistik erfahren dargestelltwerden. Die e-Lehrmaterialien können auf der Homepage heruntergeladen werden. Auf derStartseite finden sich Informationen über die Idee, die Handhabung der Datenbank, der Excel-Programme sowie über mögliche Probleme. In der linken Spalte kann das Thema und ein Unterthemaausgewählt werden. In diesem Beispiel wird zunächst der Bereich „Deskriptivstatistik -Univariate Verteilungen“ ausgewählt.

10 •Abbildung 1: Startseite „Statistik erfahren“Dann wird die Datei „Vergleich von Lorenzkurven und Gini-Indices“ durch Klick auf dasdanebenstehende Excel-Symbol heruntergeladen.

11 •Abbildung 2: Unterthema Deskriptivstatistik - Univariate VerteilungenIn der Anwendung „Vergleich von Lorenzkurven und Gini-Indices“ (Abb. 3) soll den Studierendeneine kritische Auseinandersetzung mit dem Gini-Index ermöglicht werden. Es werden dortdie typischen Probleme illustriert, die sich bei einem Vergleich von Gini-Indices stellen.

12 •Abbildung 3: Vergleich von Lorenzkurven und Gini-IndicesUm dieses Beispiel näher zu beschreiben, ist eine kurze Erläuterung des Gini-Index notwendig:der Gini-Index ist ein statistisches Maß, welches zur Darstellung der Ungleichverteilung z.B. vonEinkommen und Vermögen eingesetzt werden kann. Die Berechnung von Gini-Indices findetsich zum Beispiel häufig in der Armutsforschung wieder und gilt als wichtige Grundlage für dieMessung sozialer Ungleichheit. Mathematisch betrachtet, gibt der Gini-Index über den Grad derAbweichung zwischen den Lorenz-Kurven einer gleichverteilten und der beobachteten GesellschaftAuskunft. Er kann einen Wert zwischen Null und Eins annehmen. Ein Wert nahe Nullzeigt eine homogene Einkommens- oder Vermögensverteilung an, ein Gini-Wert nahe Eins einesehr ungleiche Verteilung. Eine Zunahme des Gini-Koeffizienten würde demnach eine Zunahmeder Ungleichverteilung bedeuten.Allerdings gibt der Gini-Index lediglich darüber Auskunft, in welchem Maße die jeweilige Verteilungvon der Gleichverteilung abweicht. Auf welche Segmente der Verteilung diese Abweichungzurückgeht, wird nicht dargestellt. Daher können ganz unterschiedlich strukturierte Abweichungenvon der Gleichverteilung zu ein und demselben Gini-Index führen. Der Gini-Index ist somitnur bedingt aussagekräftig und kann ohne kritische Überprüfung schnell zu Missinterpretationenführen. Dies erfahren die Lernenden durch die Aufgabe, die durch das Aufrufen des Kontextmenüsper rechtem Mausklick, aufgerufen werden kann. In dieser Aufgabe werden die Studierendendazu aufgefordert, mit den Schiebern zwei Verteilungen zu erstellen, die bei ungleicherGestalt den gleichen Gini-Index haben.

13 •Abbildung 4: Aufgabe (Gleiche Gini-Werte bei unterschiedlichen Verteilungen)Die Motivation zum Experimentieren mit den Schiebern in dieser interaktiven Anwendung wirddadurch verstärkt, dass dem Lernenden hierdurch der Praxisbezug deutlich wird, da der Lernendemit dem klassischen soziologischen Thema der sozialen Ungleichheit konfrontiert wird.Die Oberflächenstruktur mit dem auch in den anderen Anwendungen verwendeten Logo undder schlichten Farbgestaltung soll dabei angsthemmend wirken und den „Spieltrieb“ des Lernendenanregen. Durch die Hilfestellung, die inhaltlichen Anregungen und die Aufgaben, die imKontextmenü zu finden sind, sowie durch die inhaltliche Konzentration auf das Wesentlicheerhält die Anwendung ein stimmiges Gesamtkonzept auf struktureller Ebene und erreicht einendidaktischen Mehrwert, der in Lehrbüchern so nicht vermittelt werden kann. Der Lernende kannhier „Statistik erfahren“. Dieser Mehrwert wird vor allem über die interaktiven Elemente der Anwendungenerreicht. Es lassen sich im Gegensatz zu konventionellen Lehr- und Lernmethodensehr viele Beispiele erstellen. Dabei können die Parameter der dargestellten statistischen Verfahrenmit wenigen „Mouseklicks“ verändert werden. Hier kann in wenig Zeit viel Lernstoff anschaulichvermittelt werden. Dies stellt einen enormen Vorteil gegenüber herkömmlichen Lehrmethoden(z.B. Zeichnungen auf Tafel oder Folien) dar.Trotz des erfolgreichen Ergebnisses gibt es einige Kritikpunkte und Verbesserungsvorschläge.Die Excel-Anwendungen sind zwar leicht herunterzuladen. Allerdings muss der Anwender nochdie Makros in Excel aktivieren, was den ein oder anderen ungeübten Excel-Anwender abschreckt.Da dieses Problem nicht strukturell lösbar ist, müsste hier eine bessere Unterstützungdurch die Hilfe-Funktion erfolgen. Auf inhaltlicher und struktureller Ebene sind noch einigePunkte, die überarbeitet werden müssen:• Die Erläuterungen in den einzelnen Anwendungen müssen ausführlicher werden, da sich dieAnwendungen nicht von selbst erklären. Die Anwendungen bedürfen teilweise einer Überar-

14 •beitung bzw. Beschriftung, damit Skalierungen und Werte in Tabellen ausreichend erklärtwerden.• Einzelne interaktive Elemente oder Werte sollten durch Klick oder „Mouse-over“ direkt erklärtwerden, damit der Lernende nicht nach einzelnen Elementen suchen muss. Bisher konntenErläuterungen über das Kontextmenü aufgerufen werden, der Lernende musste allerdingsselbst nach den einzelnen Elementen in der Anwendung – ähnlich wie bei der Nutzung einesHandbuches – suchen.• Die Motivation der Lernenden könnte durch die Aufgabenstellung und Überprüfung der Ergebnissegesteigert werden. Bisher wurden nur Aufgaben gestellt, aber keine Ergebnisseüberprüft.• Die Homepage müsste umstrukturiert werden. Bisher sind zu viele technische Details auf derStart-Seite, die bei den Lernenden ein Unlustgefühl aufkommen lassen könnte. Hier sollteman sich auf das Wesentliche zur Handhabung der Excel-Anwendungen konzentrieren. Dietechnischen Details sollten in einem Untermenü nur für den daran interessierten Lernendenaufgerufen werden.

15 •3 EntwicklungsperspektivenMit der im Rahmen dieses Projekts geleisteten Entwicklungsarbeit liegt eine tragfähige Basis fürden weiteren Ausbau des Systems »Statistik erfahren« vor. Für die zentralen Probleme wurdengeeignete Software-Lösungen gefunden. Zudem besteht mit den derzeit vorliegenden e-Lehrmaterialien ein Grundstock von Programmen für die grundlegende Statistikausbildung inden Sozialwissenschaften.• Entwicklungsperspektiven beziehen sich erstens auf eine Verbesserung der Benutzeroberfläche,auf die in allen Programmen zurückgegriffen wird. Hier wären Funktionen erforderlich,die es ermöglichen, die in allen Programmen verfügbaren Fenster für Erläuterungen,Hilfefunktionen und Aufgaben benutzerfreundlicher zu gestalten, in dem Fenster und Schriftenskaliert werden können etc. Das ist insbesondere dann sinnvoll, wenn die Programmeeinerseits in Lehrveranstaltungen auf dem Beamer präsentiert werden sollen und wenn sieandererseits zum Selbststudium auf einem Standardbildschirm benutzt werden. Zudem sollteauch eine Prozedur für die Präsentation von Lösungen implementiert werden.• Zum zweiten ist es erforderlich, den bereits vorliegenden Bestand an E-Lehrmaterialienweiterzuentwickeln; das bezieht sich auf eine Verbesserung der Erläuterungen und eine systematischeEntwicklung von Aufgaben zu den einzelnen Materialien. Je nach Aufgabenstellungsind dann auch Lösungen anzugeben.• Zum dritten sollte der bereits vorliegende Bestand an Lehrmaterialien systematisch erweitertwerden. Das bezieht sich auf Ergänzungen im Bereich der Materialien zur grundlegendenStatistikausbildung; zudem sollen die bereits vorliegenden Materialien zu multivariatenVerfahren in ihrer Gestaltung und Funktionalität den Materialien zur grundlegenden Statistikausbildungangepasst werden. Schließlich sollte das Angebot zu multivariaten statistischenVerfahren erweitert werden.• Viertens erscheint eine Evaluierung der bereits entwickelten E-Lehrmaterialien sinnvoll.Dies kann zum einen durch Zusatzfragen bei der Evaluierung von Lehrveranstaltungen geschehen.Zum anderen könnten noch einzurichtende Kommentarfelder genutzt werden, umunmittelbare Rückmeldungen und Verbesserungsvorschläge der Programmnutzer festzuhalten.

16 •Literaturverzeichnis[Ar93] Arnold, R.: Natur als Vorbild, Frankfurt/Main 1993.[DGS02] Empfehlungen der Deutschen Gesellschaft für Soziologie zur Methodensausbildung,www.soziologie.de/dokumente/empfehlung_methoden.pdf, download am 20.02.2007[En02]Engel, U. (Hrsg.): Praxisrelevanz der Methodenausbildung, Bonn: InformationszentrumSozialwissenschaften 2002[Ke + 05] Kerres, M., Euler, D., Seufert, S., Hasanbegovic, J., Voss, B.: Lehrkompetenz für e-Learning-Innovationen in der Hochschule. Ergebnisse einer explorativen Studie zuMaßnahmen der Entwicklung von eLehrkompetenz, St. Gallen 2005.[MT06] Mayer, H. O., Treichel, D. (Hrsg.): Handlungsorientiertes Lernen und eLearning –Grundlagen und Praxisbeispiele, München 2004.[MV05] Monka, Michael/ Voß, Werner 2005: Statistik am PC. Lösungen mit Excel, München/Wien, 2005[NRV01] Neubert, S./Reich, K./Voß, R.: Lernen als konstruktiver Prozess. In (Hug, T. Hrsg):Wie kommt die Wissenschaft zu ihrem Wissen?, Bd. 1, Einführung in das wissenschaftlicheArbeiten, Hohengehren 2001, S. 253-265.[PS03][Re04]Pötschke, M., Simonson, J.: Konträr und ungenügend? Ansprüche an Inhalt und Qualitäteiner sozialwissenschaftlichen Methodenausbildung. In „ZA-Information“, H 52,2003, S. 72-92.Reimann, G.: Die vergessenen Weggefährten des Lernens: Emotionen beim eLearning.In (Mayer, H. O., Treichel, D. Hrsg.): Handlungsorientiertes Lernen und eLearning– Grundlagen und Praxisbeispiele, München 2004, S. 102-118.[Sc06] Schulmeister, R.: eLearning: Einsichten und Aussichten, München 2006.[SK02][Tr04]Schnell, R., Krebs, D.: Die Ausbildung in Methoden der empirischen Sozialforschung.Ergebnisse der Befragung der Lehrenden durch die AG „Methodenausbildung“. In„Soziologie“, H 1 2002, S. 39-48.Treichel, D.: Handlungsorientiertes Lernen – Konsequenzen für die Mediendidaktik. In(Mayer, H. O., Treichel, D. Hrsg.): Handlungsorientiertes Lernen und eLearning –Grundlagen und Praxisbeispiele, München 2004, S. 37-54.[Wa71] Wagenführ, R.: Statistik leicht gemacht. Bd. I: Einführung in die deskriptive Statistik,Köln 1971Wagenführ, R. / Tiede, M. / Voss, W.: Statistik leicht gemacht. Bd. II: Einführung in dieinduktive Statistik. Köln 1971

17 •E-Learning PraxisberichteHrsg.: Heinz Lothar Grob, Jan vom BrockeNr. 1Nr. 2Nr. 3Thomas, M., Eckenbach, T., Fey, P., Thiemann, G., Fortbildung zum Informatikunterrichtdurch Telelearning (FIT), Münster 2006.Gebauer, J., Lichtenberger, A., Digitale Diathek Münster – Bilddatenbank am Institutfür Klassische Archäologie und Frühchristliche Archäologie der WWU Münster, Münster2006.Scheerer, H., Marek, M., Tjettmers, S., EW-Learning – Systematische Unterstützungvon erziehungswissenschaftlichen Einführungsvorlesungen durch ein Learning-Management-System, Münster 2006.Nr. 4 Freitag, K., TAG – Tutorium zur Alten Geschichte, Münster 2006.Nr. 5Nr. 6Nr. 7Nr. 8Blöbaum, B., Brückerhoff, B., Nölleke, D., Nuernbergk, C., O-Kurs interaktiv und PropädeutikKommunikationswissenschaft – Konzeption und Umsetzung einesE-Learning-Angebotes am Institut für Kommunikationswissenschaft der Universität,Münster, Münster 2006.Mäsch, G., Fallwerk – Interaktive, multimediale und praxisnahe Lernsoftware für Juristen,Münster 2006.Zeisberg, I., Jander, P., Denz, C., Erstellung einer Videodatenbank und eines Webinterfaces– E-Learning in experimenteller Physik, Münster 2006.Busse, B., Realisierung einer virtuellen Lernumgebung als Einführung in die EnglischeSprachwissenschaft – Introduction to English Linguistics Online (IELO), Münster 2006.Nr. 9 Reinhard F., unter Mitarbeit von Auditor, O., Müller, E. und Springob, S., Koinonia –Eine praktisch-theologische Wissensallmende, Münster 2006.Nr. 10Nr. 11Nr. 12Nr. 13Nr. 14Reepmeyer, J.-A., LPLUS-Integration – Entwicklung eines Rahmens für den Einsatzeines computergestützten Prüfungssystems, Münster 2006.Hartz, T., Ückert, F., Vertretungslernen – International substitute E-Learning, Münster2006.Pohlmann, P., Lernsoftware zum Zivilprozessrecht – Erkenntnisverfahren, Münster2006.Schumacher, F., IntegraX – Integration XML-basierter E-Learning-Materialien zur Linguistikin ein „Learning Management System“, Münster 2006.Arweiler, A., DAEDALUS - Interaktives Lernen mithilfe von Hypertextstrukturen in derKlassischen Philologie, Münster 2006.

18 •Nr. 15Nr. 16Büdding, H., Wetzorke P., Behr, J., Einstieg in e-Science @ University – Einstieg in„E-Computer-Science@University", Vorkurs Informatik für StudienanfängerInnen,Münster 2006.Weinheimer, C., Wessels, J. P., E-lectronics - Signal and Data Analysis, Münster2006.Nr. 18 Wolffgang, H.-M., Dallimore, C., Kafeero, E., Wolffgang, R., World Customs Review -Erstellung eines eJournals, Münster 2006.Nr. 19Büdding, H., Wetzorke, P., Knüwer, S., Mobile Learning und Qualitätsentwicklung anSchulen - Planung, Realisierung und Evaluation eines E-Learning-Pilotprojektes imRahmen eines Seminars, Münster 2006.Nr. 20 Casper, M., Die Verbesserung der Visualisierung von Vorlesungsfolien, Münster 2006.Nr. 21Nr. 22Nr. 22Riedemann, C., Dupke, S., Knieper, C., Stepp Nicolai, K., Scherer, F., Espeter, M.,Brox, C., Kuhn, W., IKLEL - Interaktive Kartographie-Lektionen für E-Learning, Münster2006.Reepmeyer, J.-A., Elektronisch grafisch fragen - Erschließung neuer Möglichkeitenzur Fragestellung in einem computergestützten Prüfungssystem, Münster 2007.Reepmeyer, J.-A., Elektronisch grafisch fragen – Erschließung neuer Möglichkeitenzur Fragestellung in einem computergestützten Prüfungssystem, Münster 2007.Nr. 23 Müller, S, Peters, H., C-Klausur: Konjunktur und Beschäftigung, Münster 2007.Nr. 24Nr. 25Nr. 26Nr. 27Nr. 28Nr. 29Arweiler, A., DAEDALUS II – Methoden- und Themenmodule zum hyperlinkgestütztenLernen in der Latein. Philologie, Münster 2007.Hüttemann, T., Thielsch, M. T., Förster, N., Nagel, K., Bommert, H., Diagnostik-Online– E-Learning in der psychologischen Diagnostikausbildung, Münster 2007.Gebauer, J., Lichtenberger, A., Digitale Diathek Münster – Die Etablierung der Bilddatenbankam Institut für Klassische Archäologie und Frühchristliche Archäologie derWWU, Münster 2007.Walter, O. B., Holling, H., Bestimmung optimaler Stichprobengrößen in HERBIE,Münster 2007.Stöcker, A., Interaktive Lehr- und Lernplattform der Literaturwissenschaften – Einführungin die hispanistische Literaturwissenschaft Online (EHILIO), Münster 2007.Blöbaum, B., Donk, A., Gehrau, V., Einführung I & Methoden-Interaktiv – E-Learningin der Kommunikationswissenschaft, Münster 2007.

19 •Nr. 30Nr. 31Nr. 32Nr. 33Nr. 34Nr. 35Nr. 36Nr. 37Nr. 38Nr. 39Nr. 40Nr. 41Nr. 42Nr. 43Hallmann, J., Rüther, H., Tomasek, T., Einführungsvorlesung – EDV Unterstützungder Vorlesung „Einführung in die Literaturwissenschaft“, Münster 2007.Miederhoff, D., Holodynski, M., Haaser, K., eLearn-Videoanalyse – E-Learning basierteVideoanalyse von Unterricht und Diagnosekompetenz von Lehramtsstudierenden,Münster 2007.Mühle, E., Lehr, S., E-Material Osteuropa – E-Materialien zu einer vergleichendenGeschichte, Münster 2007.Frantz, C., Altstaedten, F., Kortmann, M., Schulte, M., E-SoFo Online – E-Learninggestütztes Methodenlernen am Institut für Politikwissenschaft, Münster 2007.Dörner, H., Reuschenbach, V., eTools & Workflow Jura – eStandardisierung eLearningObjectsJura - onCampus eTools & Workflows, Münster 2007.Keller, C., Thieltges, A., ew-online@herbie.de – Plattform für Diskussion und Publikationstudentischer Medienprodukte, Münster 2007.Mäsch, G., Fallwerk – Interaktive, multimediale und praxisnahe Lernsoftware für Juristen,Münster 2007.Hegelich, S., GraSP_online – Virtuelle Schnittstelle für Forschung, Lehre und Studiuman der Graduate School of Politics (GraSP), Münster 2007.Grießhaber, W., Holtz, C., i-tence – Ein Projekt zur Förderung interkultureller Handlungskompetenzunter Nutzung der Kommunikationsplattform HERBIE, Münster 2007.Busse, B., Introduction to English Linguistics Online – Realisierung einer virtuellenLernumgebung als Einführung in die Englische Sprachwissenschaft, Münster 2007.Schumacher, F., IntegraX II – Integration XML-basierter Lehrmaterialien in ein Systemzur Lehrveranstaltungsplanung, Münster 2007.Lippe, W.-M., Analyse von Werkzeugen zur Entwicklung von E-Learning-Produktenunter besonderer Berücksichtigung der Erstellung interaktiver Module, Münster 2007.Keller, C., Thieltges, A., OpenUSS Evaluation – Evaluation der Nutzung von OpenUSSin Seminaren zwecks Innovation der Lehre in der Lehreinheit Erziehungswissenschaften,Münster 2007.Hegelich, S. (unter Mitarbeit von Nikola Borosch und Sebastian Bornemann), politik+religion.net– Erstellung einer interaktiven Lern-DVD für den Standardkurs Politikund Religion, Münster 2007.Nr. 44 Wagner-Egelhaaf, M., Schreiber, D., Kammesheidt, R., Schaffrick, M., ProLit – E-Learning-Einheit zur Unterstützung eines literaturwissenschaftlichen Propädeutikums,Münster 2007.

20 •Nr. 45Nr. 46Grießhaber, W., Beile-Meister, B., Reading Skills for Business – E-Learning Komponentefür BWL Englisch-Modul, Münster 2007.Weischer, C., Yendell, A., Statistik erfahren – Entwicklung von e-Lehrmaterialien fürdie erziehungs- und sozialwissenschaftliche Statistikausbildung, Münster 2007.

21 •AutorenProf. Dr. Christoph Weischer, Westfälische Wilhelms-Universität Münster, Fachbereich Erziehungswissenschaftenund Sozialwissenschaften, Institut für Soziologie.Alexander Yendell, M. A., Westfälische Wilhelms-Universität Münster, Fachbereich Erziehungswissenschaftenund Sozialwissenschaften, Institut für Soziologie.

ERCISE-Learning-KompetenzzentrumERCIS – European Research Center for Information SystemsUniversität MünsterLeonardo-Campus 3 48149 Münster Germanye-learning@ercis.de http://e-learning.uni-muenster.deGefördert durch:Projektträger: