Diagnostic Case Based Training Systems (D-CBT) provide learners with a means to learn and exercise knowledge in a realistic context. In medical education, D-CBT Systems present virtual patients to the learners who are asked to examine, diagnose and state therapies for these patients. Due a number of conflicting and changing requirements, e.g. time for learning, authoring effort, several systems were developed so far. These systems range from simple, easy-to-use presentation systems to highly complex knowledge based systems supporting explorative learning. This thesis presents an approach and tools to create D-CBT systems from existing sources (documents, e.g. dismissal records) using existing tools (word processors): Authors annotate and extend the documents to model the knowledge. A scalable knowledge representation is able to capture the content on multiple levels, from simple to highly structured knowledge. Thus, authoring of D-CBT systems requires less prerequisites and pre-knowledge and is faster than approaches using specialized authoring environments. Also, authors can iteratively add and structure more knowledge to adapt training cases to their learners needs. The theses also discusses the application of the same approach to other domains, especially to knowledge acquisition for the Semantic Web. / Fallbasierte diagnostische Trainingssysteme (FDT) ermöglichen es Lernern, Wissen durch Anwendung in einem realistischen Kontext zu erwerben und zu festigen. In der medizinischen Ausbildung präsentieren FDT Systeme virtuelle Patienten, an denen der Lerner die Auswahl und Interpretation der richtigen Untersuchungen, die Diagnostik und die Bestimmung geeigneter Therapien erlernen und üben kann. Eine Vielzahl von Anforderungen durch die Lerner und die Autoren solcher Systeme hat zur Entwicklung unterschiedlicher Trainingsumgebungen geführt. Darunter gibt es einfache, präsentationsorientierte Systeme ebenso wie komplexe wissensbasierte Systeme, die exploratives Lernern erlauben. Diese Dissertation untersucht einen Ansatz und Werkzeuge, um FDT Systeme aus vorhandenen Daten (d.h. Dokumenten, beispielsweise Entlassschreiben) und mit Hilfe bekannter Werkzeuge (d.h. Textverarbeitung) zu entwickeln: Die Autoren annotieren dazu die Dokumente, um die Fälle zu modellieren. Eine skalierbare Wissensrepräsentation kann das so extrahierte Wissen auf verschiedenen Ebenen erfassen, angefangen mit unstrukturierten Elementen bis zu Wissensmodellen mit kausalen Beziehungen. Autoren können mit Hilfe des vorgestellten Ansatzes fallbasierte diagnostische Trainingssysteme mit geringerem Vorwissen und schneller erstellen als mit Hilfe spezialisierter Autorensysteme. Dabei können die Autoren insbesondere die Fälle sukzessive mit weiterem Wissen anreichern und so auf die Anforderungen ihrer Lerner anpassen. In der Dissertation wird darüber hinaus die Anwendung des Ansatzes und der entstandenen Werkzeuge auf andere Domänen untersucht. Besonders interessant ist dabei die Anwendung in der Wissensakquisition für das Semantic Web.

In dynamic CE MR perfusion imaging the passage of an intravenously injected CA bolus through tissue is monitored to assess the myocardial pefusion state. To enable this, knowledge of the shape of CA wash-in through upstream epicardial vessels is required, the so-called AIF. For technical reasons this cannot be quantified directly in the supplying vessels and is thus measured in the left ventricle, which introduces the risk of systematic errors in quantification of MBF due to bolus dispersion in coronary vessels. This means occuring CA dispersion must be accounted in the quantification process in order to produce reliable and reproducible results. In order to do this, CFD simulations are performed to analyze and approximate these errors and deepen insights and knowledge gained from previous CFD analyses on both idealized as well as realistic and pathologically altered 3D geometries. In a first step, several different procedures and approaches are undertaken in order to accelerate the performed workflow, however, maintaining a sufficient degree of numerical accuracy. In the end, the implementation of these steps makes the analysis of the cardiovascular 3D model of unprecedented detail including vessels at pre-arteriolar level feasible at all. The findings of the Navier-Stokes simulations are thus validated with regard to different aspects of cardiac blood flow. These include the distribution of VBF into the different myocardial regions, the areals, which can be associated to the large coronary arteries as well as the fragmentation of VBF into vessels of different diameters. The subsequently performed CA transport simulations yield results on the one hand confirming previous studies. On the other hand, interesting additional knowledge about the behavior of CA dispersion in coronary arteries is obtained both regarding travelled distance as well as vessel diameters. The relative dispersion of the so-called vascular transport function, a characterizing feature of vascular networks, shows a linear decrease with vessel diameter. This results in asymptotically decreased additional dispersion of the CA time curve towards smaller and more distal vessels. Nonetheless, perfusion quantification errors are subject to strong regional variability and reach an average value of $(-28\pm16)$ \% at rest across the whole myocardium. Depending on the distance from the inlet and the considered coronary tree, MBF errors up to 62 \% are observed. / Bei der Messung der myokardialen Perfusion mittels Kontrastmittel (KM)-gestützter Magnet Resonanz Tomographie (MRT) wird die zeitliche Entwicklung der Anströmung eines intravenös injizierten Kontrastmittel-Bolus im Herzmuskelgewebe gemessen und hinsichtlich des Myokardialen Blutflusses (MBF) ausgewertet. Zusätzlich zum Signal des KM im Gewebe ist für eine Quantifizierung des MBF außerdem aber die sogenannte arterielle Eingangsfunktion (AEF) notwendig. Diese Funktion beschreibt, wie das KM durch das versorgende koronare Blutgefäß ins Gewebe einströmt. Aus technischen Gründen ist die AEF nicht direkt messbar, weshalb sie in der Regel im großen Blutvolumen des linken Ventrikels bestimmt wird. Da der KM-Bolus auf dem Weg vom linken Ventrikel aufgrund der Strömungsverhältnisse in den Herzkranzgefäßen einer zeitlichen und räumlichen Veränderung, sogenannter Dispersion unterliegt, birgt die Verwendent der AEF aus dem linken Ventrikel das Risiko systematischer Fehler bei der MBF-Quantifizierung mit dieser Methode. Für eine reproduzierbare und verlässliche Perfusionsmessung mittels KM-gestützter MRT ist daher die Berücksichtigung der Bolus-Dispersion zwingend erforderlich. Um diese Effekte zu untersuchen und eine Fehlerabschätzung zu ermöglichen, werden in dieser Arbeit fluid-mechanische Berechnungen (Computational Fluid Dynamics, CFD) des Blutflusses und KM-Transports in 3D Geometrien von Herzkranzgefäßen durchgeführt. CFD Simulationen auf realistischen Gefäßgeometrien, wie sie hier präsentiert werden, gehen mit speziellen Anforderungen einher. Dies betrifft sowohl die technische Durchführbarkeit als auch die Wahl der Randbedingungen um physiologisch korrekte Ergebnisse zu erhalten. In dieser Arbeit werden daher verschiedene Ansätze angewendet und validiert, um die zeitlich effiziente aber dennoch numerisch akkurate Berechnung des Blutflusses und KM-Transports in hochdetaillierten 3D Geometrien der kardialen Vaskulatur unter Verwendung realistischer Randbedingungen überhaupt erst zu ermöglichen. Anschließend werden die Ergebnisse der Blutfluss-Simulationen hinsichtlich verschiedener Aspekte validiert. Dies beinhaltet sowohl die Verteilung des gesamten Blutvolumens in die verschiedenen Regionen des Myokards, die Zuordnung dieser Regionen zu den großen epikardialen Gefäßen (die rechte und die Hauptadern der linken Koronarie) sowie das Verhältnis des Volumen-Blut-Flusses zur Größe des betrachteten Gefäßes. Anschließend werden die Ergebnisse der Blutfluss-Simulationen verwendet, um die CFD-Analyse des KM-Transports in den kleinen koronaren Gefäßen durchzuführen. Diese Analysen bestätigen zum Einen die Erkenntnisse aus vorherigen Arbeiten, liefern jedoch wichtige neue Erkenntnisse über auftretende KM-Dispersion in Abhängigkeit sowohl des Gefäßdurch\-messers als auch des zurückgelegten Wegs des KM. Hierfür wird die sogenannte vaskuläre Transportfunktion (VTF) verwendet. Sie beschreibt die Veränderung der AEF auf dem Weg vom linken Ventrikel durch die Herzkranzgefäße aufgrund der Gefäßbeschaffenheit. Die relative Dispersion (RD) der VTF kann als charakteristische Größe eines vaskulären Netzwerks betrachtet werden und die Ergebnisse dieser Arbeit zeigen eine lineare Abnahme der RD mit dem Gefäßdurchmesser. Dies hat zur Folge, dass die zeitliche Verbreiterung der AEF selbst eine asmptotische Sättigung in kleineren distalen Gefäßen aufweist. Nichtsdestotrotz zeigen die Untersuchungen dieser Arbeit, dass die Fehler der Perfusionsquantifizierung mit Bolus-basierten MRT-Messungen starker regionaler Variabilität unterliegen. Im Ruhezustand beträgt dieser Fehler $(-28\pm16)$ \% im Durchschnitt über den gesamten Herzmuskel. In Abhängigkeit vom Abstand zum Inlet des Gefäßmodells und des betrachteten Koronarbaums wird eine maximale Unterschätzung von bis zu 62 \% beobachtet.

Learning with digital media has become a substantial part of formal and informal educational processes and is gaining more and more importance. Technological progress has brought overwhelming opportunities for learners, but challenges them at the same time. Learners have to regulate their learning process to a much greater extent than in traditional learning situations in which teachers support them through external regulation. This means that learners must plan their learning process themselves, apply appropriate learning strategies, monitor, control and evaluate it. These requirements are taken into account in various models of self-regulated learning (SRL). Although the roots of research on SRL go back to the 1980s, the measurement and adequate support of SRL in technology-enhanced learning environments is still not solved in a satisfactory way. An important obstacle are the data sources used to operationalize SRL processes. In order to support SRL in adaptive learning systems and to validate theoretical models, instruments are needed which meet the classical quality criteria and also fulfil additional requirements. Suitable data channels must be measurable "online", i.e., they must be available in real time during learning for analyses or the individual adaptation of interventions. Researchers no longer only have an interest in the final results of questionnaires or tasks, but also need to examine process data from interactions between learners and learning environments in order to advance the development of theories and interventions. In addition, data sources should not be obtrusive so that the learning process is not interrupted or disturbed. Measurements of physiological data, for example, require learners to wear measuring devices. Moreover, measurements should not be reactive. This means that other variables such as learning outcomes should not be influenced by the measurement. Different data sources that are already used to study and support SRL processes, such as protocols on thinking aloud, screen recording, eye tracking, log files, video observations or physiological sensors, meet these criteria to varying degrees. One data channel that has received little attention in research on educational psychology, but is non-obtrusive, non-reactive, objective and available online, is the detailed, timely high-resolution data on observable interactions of learners in online learning environments. This data channel is introduced in this thesis as "peripheral data". It records both the content of learning environments as context, and related actions of learners triggered by mouse and keyboard, as well as the reactions of learning environments, such as structural or content changes. Although the above criteria for the use of the data are met, it is unclear whether this data can be interpreted reliably and validly with regard to relevant variables and behavior. Therefore, the aim of this dissertation is to examine this data channel from the perspective of SRL and thus further close the existing research gap. One development project and four research projects were carried out and documented in this thesis. / Lernen mit digitalen Medien ist ein substantieller Bestandteil formeller und informeller Bildungsprozesse geworden und gewinnt noch immer an Bedeutung. Technologischer Fortschritt hat überwältigende Möglichkeiten für Lernende geschaffen, stellt aber gleichzeitig auch große Anforderungen an sie. Lernende müssen ihren Lernprozess sehr viel stärker selbst regulieren als in traditionellen Lernsituationen, in denen Lehrende durch externe Regulation unterstützen. Das heißt, Lernende müssen ihren Lernprozess selbst planen, geeignete Lernstrategien anwenden, ihn überwachen, steuern und evaluieren. Diesen Anforderungen wird in verschiedenen Modellen des selbst-regulierten Lernens (SRL) Rechnung getragen. Obwohl die Wurzeln der Forschung zu SRL bis in die 1980er Jahren zurück reichen, ist die Messung und adäquate Unterstützung von SRL in technologie-gestützten Lernumgebungen noch immer nicht zufriedenstellend gelöst. Eine wichtige Hürde sind dabei die Datenquellen, die zur Operationalisierung von SRL-Prozessen herangezogen werden. Um SRL in adaptiven Lernsystemen zu unterstützen und theoretische Modelle zu validieren, werden Instrumente benötigt, die klassischen Gütekriterien genügen und darüber hinaus weitere Anforderungen erfüllen. Geeignete Datenkanäle müssen „online“ messbar sein, das heißt bereits während des Lernens in Echtzeit für Analysen oder die individuelle Anpassung von Interventionen zur Verfügung stehen. Forschende interessieren sich nicht mehr nur für die Endergebnisse von Fragebögen oder Aufgaben, sondern müssen auch Prozessdaten von Interaktionen zwischen Lernenden und Lernumgebungen untersuchen, um die Entwicklung von Theorien und Interventionen voranzutreiben. Zudem sollten Datenquellen nicht intrusiv sein, sodass der Lernprozess nicht unterbrochen oder gestört wird. Dies ist zum Beispiel bei Messungen physiologischer Daten der Fall, zu deren Erfassung die Lernenden Messgeräte tragen müssen. Außerdem sollten Messungen nicht reaktiv sein – andere Variablen (z.B. der Lernerfolg) sollten also nicht von der Messung beeinflusst werden. Unterschiedliche Datenquellen die zur Untersuchung und Unterstützung von SRL-Prozessen bereits verwendet werden, wie z.B. Protokolle über lautes Denken, Screen-Recording, Eye Tracking, Log-Files, Videobeobachtungen oder physiologische Sensoren erfüllen diese Kriterien in jeweils unterschiedlichem Ausmaß. Ein Datenkanal, dem in der pädagogische-psychologischen Forschung bislang kaum Beachtung geschenkt wurde, der aber nicht-intrusiv, nicht-reaktiv, objektiv und online verfügbar ist, sind detaillierte, zeitlich hochauflösende Daten über die beobachtbare Interkation von Lernenden in online Lernumgebungen. Dieser Datenkanal wird in dieser Arbeit als „peripheral data“ eingeführt. Er zeichnet sowohl den Inhalt von Lernumgebungen als Kontext auf, als auch darauf bezogene Aktionen von Lernenden, ausgelöst durch Maus und Tastatur, sowie die Reaktionen der Lernumgebungen, wie etwa strukturelle oder inhaltliche Veränderungen. Zwar sind die oben genannten Kriterien zur Nutzung der Daten erfüllt, allerdings ist unklar, ob diese Daten auch reliabel und valide hinsichtlich relevanten Variablen und Verhaltens interpretiert werden können. Ziel dieser Dissertation ist es daher, diesen Datenkanal aus Perspektive des SRL zu untersuchen und damit die bestehende Forschungslücke weiter zu schließen. Dafür wurden eine Entwicklungs- sowie vier Forschungsarbeiten durchgeführt und in dieser Arbeit dokumentiert.

Diese Arbeit beschäftigt sich mit der Anwendung von Patterns in der Analysephase der Softwareentwicklung. Dazu wird die in der Literatur bisher nicht ausreichend beschriebene Anwendung des Pattern-Ansatzes in der Analysephase aufgearbeitet und anhand von Beispielen konkretisiert. Die in dieser Arbeit gefundenen Hauptvorteile von Analyse Patterns sind die Verwendung von Expertenwissen durch abstrakte Modelle mit konkreten Beispielen und der starke Fokus auf Erfahrungen mit organisatorischen, wirtschaftlichen und sozialen Konsequenzen. Am Beispiel einer Familie von Patterns für Informationsmanagement und deren Anwendung im Rahmen des Projekts 'Virtuelle Universität' an der Wirtschaftsuniversität Wien werden die Vorteile von Analyse Patterns quantifiziert und nachgewiesen. (Autorenreferat)

Obwohl das Angebot von Feedback in Lehr-Lernsituationen eine wichtige instruktionale Maßnahme darstellt,um Lernende in ihrem Lernprozess zu unterstützen, wird dessen Potenzial in multimedialen Lernumgebungen nur selten optimal genutzt. Feedback, welches in aller Regel im Anschluss an die Bearbeitung von Lernaufgaben bereitgestellt wird und den Lerner über die Qualität seiner Aufgabenbearbeitung informiert, beschränkt sich häufig auf die Bereitstellung einer richtig/falsch Rückmeldung mit einem sich anschließenden, zusätzlichen Lösungsversuch bzw. der Präsentation der richtigen Lösung. Als prototypisch für diese Art der Feedbackgestaltung erweist sich das in mathematischer Grundschulsoftware implementierte Feedback. Der Lerner erhält weder Informationen zu dem Ort und der Art des Fehlers noch einen Hinweis auf die korrekte Lösungsstrategie. Vor diesem Hintergrund bestand ein zentrales Ziel der vorliegenden Arbeit in der Entwicklung von fehlerspezifischem informativem tutoriellem Feedback (ITF) für die schriftliche Subtraktion auf der Grundlage des heuristischen Feedbackmodells von Narciss (2004) und der aus diesem Modell abgeleiteten Gestaltungsprinzipien für ITF. Obwohl allgemein erwartet wird, dass informatives Feedback lernwirksamer ist als Feedback, welches nur die richtige Lösung präsentiert, konnte diese Annahme durch die Ergebnisse der empirischen Feedbackforschung bisher nicht bestätigt werden. So ist die Feedbackforschung durch eine inkonsistente Befundlage gekennzeichnet. Vor diesem empirischen Hintergrund bestand ein weiteres zentrales Ziel der vorliegenden Arbeit in der Überprüfung der Effektivität des entwickelten fehlerspezifischen ITFs hinsichtlich verschiedener Lern- und motivationaler Parameter. Fehlerspezifisches ITF zeichnet sich dadurch aus, dass bei fehlerhaften Aufgabenlösungen Informationen angeboten werden, die auf der Grundlage einer kognitiven Anforderungs- und Fehleranalyse als korrekturrelevant identifiziert worden waren. Diese korrekturrelevanten Informationen werden dem Lernenden ohne Bekanntgabe der korrekten Lösung präsentiert, so dass sich dieser dazu aufgefordert sieht, die bereitgestellten strategischen Informationen in einem erneuten Lösungsversuch unmittelbar anzuwenden. In zwei Studien mit Viertklässlern wurde dieses computergestützte ITF im Hinblick auf seine Lern- und motivationale Wirksamkeit evaluiert. In der ersten Studie (N = 30) erfolgte diese Evaluation gegen eine Feedbackbedingung, welche das üblicherweise in mathematischer Lernsoftware realisierte Knowledge of Response und Knowledge of Correct Response (KR-KCR) Feedback präsentierte. In der zweiten Studie (N = 105) wurden zwei zusätzliche Feedbackbedingungen "Knowledge about Mistake (KR-KM) und Knowledge on How to proceed (KR-KH)" aufgenommen. Diese sind in ihrem Informationsgehalt zwischen dem ITF und dem KR-KCR Feedbackalgorithmus anzusiedeln. Die Ergebnisse beider Studien bestätigen die postulierte Lern- und motivationale Wirksamkeit des fehlerspezifischen ITFs für die schriftliche Subtraktion. Besonders im Vergleich zu der wenig informativen KR-KCR Feedbackbedingung konnten in beiden Studien signifikante Wirksamkeitsunterschiede nachgewiesen werden. Auch im Vergleich zu den komplexeren Feedbackformen Knowledge about mistake (KR-KM) und Knowledge on how to proceed (KR-KH) konnten für die Schüler der ITF Bedingung bessere Leistungen beobachtet werden, auch wenn diese Unterschiede nur partiell signifikant wurden. Die Ergebnisse der vorliegenden Untersuchungen zeigen, dass es möglich ist, auf der Grundlage des von Narciss (2004) vorgestellten Feedbackmodells und der aus diesem Feedbackmodell abgeleiteten Gestaltungsprinzipien lern- und motivationsförderliches ITF zu entwickeln. So liefern die Ergebnisse beider Studien erste empirische Belege für die Annahme, dass informatives Feedback nicht nur den Lernprozess unterstützt, sondern auch motivationsförderlich wirkt. / Feedback is considered to be an important factor to promote learning and motivation with computer-based training tools. However the findings of studies on the effectiveness of feedback are rather inconsistent. One reason for these inconsistent findings might be that the implementation of feedback is more based on intuition than on well-founded design principles. Therefore the aims of the present work was (1) to develop theoretical well-founded elaborated feedback forms for a procedural skill like the written subtraction, (2) to implement them in an adaptive feedback algorithm that induces the mindful processing of feedback, and (3) to evaluate this elaborated feedback regarding his impact on learning and motivation. Using results from prior feedback research and from cognitive task and error analysis of written subtraction tasks, information relevant to the correction of typical systematic errors (e.g. location of error, source of error, type of error and hints to the correct solution strategy) were selected. This information was used to design different types of bug-related feedback messages. These different feedback messages were arranged in an adaptive bug-related algorithm presenting three levels of feedback with increasing informational value to support the learner in finding the correct solution on his own. Because the developed feedback allows assisted multiple response attempts for an item by providing relevant information for error correction, but no immediate Knowledge of Correct Response (KCR) feedback, and by encouraging the learner to apply the corrective information to a further attempt, this kind of feedback was called bug-related "informative tutoring feedback (ITF)". In two computer-based learning experiments cognitive and motivational effects of this bug-related ITF were evaluated with forth-grade students with difficulties in written subtraction. In the first study (N=30) the bug-related ITF was compared to the effects of a standard Knowledge of Result-Knowledge of Correct Response feedback (KR-KCR) algorithm. In the second study (N=105) two additional feedback algorithms - Knowledge about Mistake (KR-KM) und Knowledge on How to proceed (KR-KH) - were implemented. These both feedback algorithms range between the bug-related ITF and the simple KR-KCR feedback regarding to their amount of information. In both studies significant positive effects of the bug-related ITF compared to the KR-KCR feedback could be found. Regarding to the more informative KR-KM and KR-KH feedback a positive effect of the bug-related ITF could be showed sporadic. These results are discussed in detail.

Ziel der vorliegenden Arbeit war die Entwicklung eines fallbasierten Online-Trainingssystems auf der Basis des d3web.Train zur Eingliederung in die Lehre im Fach Rheumatologie sowie dessen Evaluation. Der Trainer wurde als Pflichtkomponente sukzessive in die Lehre eingeführt und dessen Einsatz in drei Stufen evaluiert. Ziel der Integration war eine Verbesserung der studentischen Ausbildung. Das Programm d3web.Train ist ein Werkzeug zur Erstellung, Darstellung und Vermittlung von medizinischem Wissen. Um dem klinischen Alltag und einer möglichst realitätsnahen Lehre gerecht zu werden, wurden Trainingsfälle nach dem Prinzip des Problem-orientierten-Lernens (POL) auf der Basis echter anonymisierter Patientengeschichten entwickelt und darin die wichtigsten Diagnosen des rheumatologischen Formenkreises abgebildet. Bei der (durch entsprechende Tools unterstützten) Erstellung der Fälle aus ausführlichen Fallberichten auf der Basis von Arztbriefen und der Falldokumentation in den Krankenhausakten sollte sowohl der Aufwand für die Dozenten im Verhältnis zum Nutzen für die Studenten untersucht werden. Im Lernmodus präsentiert der Trainer den Fall nach der im Klinikalltag typischen diagnostischen Vorgehensweise anhand von Text- und Multimediamaterial, wozu die Studenten Fragen beantworten und Verdachtsdiagnosen eingeben müssen. Das Programm reagiert mit entsprechendem Feedback sowie der Präsentation von Hintergrundwissen und begleitet den Lernenden auf diese Weise durch den Fall bis am Ende eine definitive Diagnose gestellt werden muss. Zum Fallabschluss wird durch das System der komplette Fall erläutert, alle Fragen richtig beantwortet und eine Zusammenfassung geliefert. Insgesamt sind die Fälle eher kurz gehalten, um die Studenten zu motivieren eine größere Anzahl an Fällen zu lösen und deshalb durch mehr Wiederholungen eine Verfestigung des Wissens zu erreichen.   Die 62 an dem Kurs teilnehmenden Studenten erhielten zu Beginn des Kurses eine Einführung in das System. Der Zugriff erfolgte von extern über eigene oder Universitätscomputer. Die Trainingsfälle wurden parallel zu den Themen der Vorlesung freigeschaltet. Am Ende des Kurses erfolgte eine Wissensüberprüfung anhand einer Multiple-Choice-Abschlussklausur, welche an die Trainingskasuistiken angelehnt war. Zwingende Vorbedingung für die Zulassung zur Klausur waren 20 richtig gelöste (Score im Fall ≥ 60%) Kasuistiken. Diese Klausurvoraussetzung wurde von allen 60 Kursteilnehmern erreicht. Gesamthaft wurden knapp 3000 Fallbearbeitungen durch das System gezählt, durchschnittlich wurden pro Teilnehmer im Trainingsmodus 47 Fälle gelöst. Die gemittelte Note pro Fall lag bei rund 2,34. Die Klausur zum erfolgreichen Abschluss des Kurses enthielt 4 Kasuistiken und zusätzlich 10 Multiple-Choice-Fragen zum Gegenstandskatalog der Vorlesung. Alle zugelassenen Studenten bestanden die Klausur. Die zu Beginn erhobenen Daten zeigen initial generell eine hohe Akzeptanz des Systems, der Fälle und der Lehrmethode sowie aus Gesprächen mit den Teilnehmern heraus während der Einführungsveranstaltung eine gewissen Neugierde gegenüber des neuen Kursdesigns. Aber es gab auch ablehnende und zweifelnde Haltungen. Im Speziellen zeigten die vor dem Kurs erhobenen Umfragewerte eine große Erwartungshaltung von seitens der Studenten gegenüber dem Lern- und Trainingssystem als Ergänzung der Lehre. Am Ende des Kurses wurden die gleichen Fragen noch einmal gestellt: Es zeigte sich dabei, dass die initial schon recht hohen Erwartungen an das System erfüllt und sogar übertroffen werden konnten. Insbesondere „Zweifler“, die dem Programm zuerst ablehnend gegenüberstanden, konnten „überzeugt“ werden. Eine weiteres Kernelement des Kurses und der Evaluation war der Erwerb praktischen Wissens. Zu Semesterbeginn waren die meisten Studenten davon überzeugt, dass die neue Lehrmethode das für den erfolgreichen Abschluss des Kurses geforderte praktische Wissen gut vermitteln könne. Bei der Schlussumfrage nahm die Zahl derjenigen Studenten, die in diesen Lern- und Trainingssystemen ein geeignetes Werkzeug für den Wissenserwerb sehen, zu. Auch hier zeigen die Daten, dass es zum Ende hin weniger ablehnende Haltungen gab. Zusammenfassend lässt sich festhalten, dass nach Kursabschluss unter den Studenten eine hohe Akzeptanz des Systems, der Fälle und der Lehrmethode herrscht und diese im Kursverlauf noch gesteigert werden konnte. Die Ergebnisse der Abschlussklausur unterstreichen die Nützlichkeit des Einsatzes und den Wissenserwerb durch die Teilnehmer. Es zeigte sich auch, dass die technische Ausstattung und Computerkompetenz der Studenten zum Zeitpunkt der Kursdurchführung ein Niveau erreicht hat, auf dem fall- und webbasierte Trainingssysteme mit eher geringem Aufwand in die medizinischen Curricula integriert werden können. Von Dozentenseite her zeigten sich die größten Vorteile des Systems durch eine relativ einfach und schnell zu erstellende Fallbasis anhand bestehender echter Patienten-geschichten. Einmal erstellte Kasuistiken sind mit geringem Aufwand aktualisier- und veränderbar. / Development and evaluation of a case- and web-based learning tool as a mandatory part of the curriculum in rheumatology at the University of Wuerzburg in 2004/2005

Obwohl das Angebot von Feedback in Lehr-Lernsituationen eine wichtige instruktionale Maßnahme darstellt,um Lernende in ihrem Lernprozess zu unterstützen, wird dessen Potenzial in multimedialen Lernumgebungen nur selten optimal genutzt. Feedback, welches in aller Regel im Anschluss an die Bearbeitung von Lernaufgaben bereitgestellt wird und den Lerner über die Qualität seiner Aufgabenbearbeitung informiert, beschränkt sich häufig auf die Bereitstellung einer richtig/falsch Rückmeldung mit einem sich anschließenden, zusätzlichen Lösungsversuch bzw. der Präsentation der richtigen Lösung. Als prototypisch für diese Art der Feedbackgestaltung erweist sich das in mathematischer Grundschulsoftware implementierte Feedback. Der Lerner erhält weder Informationen zu dem Ort und der Art des Fehlers noch einen Hinweis auf die korrekte Lösungsstrategie. Vor diesem Hintergrund bestand ein zentrales Ziel der vorliegenden Arbeit in der Entwicklung von fehlerspezifischem informativem tutoriellem Feedback (ITF) für die schriftliche Subtraktion auf der Grundlage des heuristischen Feedbackmodells von Narciss (2004) und der aus diesem Modell abgeleiteten Gestaltungsprinzipien für ITF. Obwohl allgemein erwartet wird, dass informatives Feedback lernwirksamer ist als Feedback, welches nur die richtige Lösung präsentiert, konnte diese Annahme durch die Ergebnisse der empirischen Feedbackforschung bisher nicht bestätigt werden. So ist die Feedbackforschung durch eine inkonsistente Befundlage gekennzeichnet. Vor diesem empirischen Hintergrund bestand ein weiteres zentrales Ziel der vorliegenden Arbeit in der Überprüfung der Effektivität des entwickelten fehlerspezifischen ITFs hinsichtlich verschiedener Lern- und motivationaler Parameter. Fehlerspezifisches ITF zeichnet sich dadurch aus, dass bei fehlerhaften Aufgabenlösungen Informationen angeboten werden, die auf der Grundlage einer kognitiven Anforderungs- und Fehleranalyse als korrekturrelevant identifiziert worden waren. Diese korrekturrelevanten Informationen werden dem Lernenden ohne Bekanntgabe der korrekten Lösung präsentiert, so dass sich dieser dazu aufgefordert sieht, die bereitgestellten strategischen Informationen in einem erneuten Lösungsversuch unmittelbar anzuwenden. In zwei Studien mit Viertklässlern wurde dieses computergestützte ITF im Hinblick auf seine Lern- und motivationale Wirksamkeit evaluiert. In der ersten Studie (N = 30) erfolgte diese Evaluation gegen eine Feedbackbedingung, welche das üblicherweise in mathematischer Lernsoftware realisierte Knowledge of Response und Knowledge of Correct Response (KR-KCR) Feedback präsentierte. In der zweiten Studie (N = 105) wurden zwei zusätzliche Feedbackbedingungen "Knowledge about Mistake (KR-KM) und Knowledge on How to proceed (KR-KH)" aufgenommen. Diese sind in ihrem Informationsgehalt zwischen dem ITF und dem KR-KCR Feedbackalgorithmus anzusiedeln. Die Ergebnisse beider Studien bestätigen die postulierte Lern- und motivationale Wirksamkeit des fehlerspezifischen ITFs für die schriftliche Subtraktion. Besonders im Vergleich zu der wenig informativen KR-KCR Feedbackbedingung konnten in beiden Studien signifikante Wirksamkeitsunterschiede nachgewiesen werden. Auch im Vergleich zu den komplexeren Feedbackformen Knowledge about mistake (KR-KM) und Knowledge on how to proceed (KR-KH) konnten für die Schüler der ITF Bedingung bessere Leistungen beobachtet werden, auch wenn diese Unterschiede nur partiell signifikant wurden. Die Ergebnisse der vorliegenden Untersuchungen zeigen, dass es möglich ist, auf der Grundlage des von Narciss (2004) vorgestellten Feedbackmodells und der aus diesem Feedbackmodell abgeleiteten Gestaltungsprinzipien lern- und motivationsförderliches ITF zu entwickeln. So liefern die Ergebnisse beider Studien erste empirische Belege für die Annahme, dass informatives Feedback nicht nur den Lernprozess unterstützt, sondern auch motivationsförderlich wirkt. / Feedback is considered to be an important factor to promote learning and motivation with computer-based training tools. However the findings of studies on the effectiveness of feedback are rather inconsistent. One reason for these inconsistent findings might be that the implementation of feedback is more based on intuition than on well-founded design principles. Therefore the aims of the present work was (1) to develop theoretical well-founded elaborated feedback forms for a procedural skill like the written subtraction, (2) to implement them in an adaptive feedback algorithm that induces the mindful processing of feedback, and (3) to evaluate this elaborated feedback regarding his impact on learning and motivation. Using results from prior feedback research and from cognitive task and error analysis of written subtraction tasks, information relevant to the correction of typical systematic errors (e.g. location of error, source of error, type of error and hints to the correct solution strategy) were selected. This information was used to design different types of bug-related feedback messages. These different feedback messages were arranged in an adaptive bug-related algorithm presenting three levels of feedback with increasing informational value to support the learner in finding the correct solution on his own. Because the developed feedback allows assisted multiple response attempts for an item by providing relevant information for error correction, but no immediate Knowledge of Correct Response (KCR) feedback, and by encouraging the learner to apply the corrective information to a further attempt, this kind of feedback was called bug-related "informative tutoring feedback (ITF)". In two computer-based learning experiments cognitive and motivational effects of this bug-related ITF were evaluated with forth-grade students with difficulties in written subtraction. In the first study (N=30) the bug-related ITF was compared to the effects of a standard Knowledge of Result-Knowledge of Correct Response feedback (KR-KCR) algorithm. In the second study (N=105) two additional feedback algorithms - Knowledge about Mistake (KR-KM) und Knowledge on How to proceed (KR-KH) - were implemented. These both feedback algorithms range between the bug-related ITF and the simple KR-KCR feedback regarding to their amount of information. In both studies significant positive effects of the bug-related ITF compared to the KR-KCR feedback could be found. Regarding to the more informative KR-KM and KR-KH feedback a positive effect of the bug-related ITF could be showed sporadic. These results are discussed in detail.

Virtual Collaborative Learning (VCL) beschäftigt sich mit einer Möglichkeit, Lernenden eine virtuelle Lernumgebung zu bieten, in der sie die Vorteile von E-Learning, wie zeitliche Flexibilität oder Ortsunabhängigkeit, mit den Vorteilen einer kollaborativen Zusammenarbeit kombinieren können. Hierbei steht die systematisch vorbereitete, tutoriell begleitete, unter Projektbedingungen (klare Zielvorgabe, offener Lösungsweg, begrenzte personelle und zeitliche Ressourcen) realisierte und mit Hilfe von Informations- und Kommunikationstechnologie hauptsächlich in virtueller Umgebung stattfindende, selbstorganisierte Kleingruppenarbeit an authentischen Problemstellungen im Mittelpunkt. Das Ziel der vorliegenden Arbeit ist die Unterstützung eines Entscheidungsträgers beim Treffen von VCL-bezogenen Planungsentscheidungen und somit die Erhöhung der Wahrscheinlichkeit eines erfolgreichen Einsatzes dieser Lehrform. Hierfür wurden basierend auf den Erfahrungen und Daten, die innerhalb von sieben VCL Projekten zwischen 2001 und 2003 am Lehrstuhl für Wirtschaftsinformatik, insb. Informationsmanagement, der Technischen Universität Dresden gesammelt und ausgewertet wurden, die Besonderheiten eines VCL Einsatzes systematisiert und ein Vorgehensmodell zur Unterstützung des Entscheidungsträgers abstrahiert. Die im Teil A der Arbeit vorgestellten Informationen ermöglichen dem Leser, Virtual Collaborative Learning in die Vielzahl unterschiedlicher Lehrformen der virtuellen Gruppenarbeit einzuordnen, eine präzise Vorstellung über die mit VCL erreichbaren Ziele zu gewinnen und VCL im Detail kennen zu lernen. Dieses Wissen ist notwendig, um das im Teil B vorgestellte Vorgehensmodell erfolgversprechend nutzen zu können. Das Vorgehensmodell teilt den gesamten Entscheidungsprozess in einzelne Phasen, die Phasen in mehrere Schritte und die Ermittlung möglicher Alternativen in mehrere aufeinander aufbauende Module auf. Zu den einzelnen Vorgehensschritten stehen dem Entscheidungsträger im Anhang unterstützende Informationen, abgeleiteten Empfehlungen, Checklisten und abstrahierte Regeln zur Verfügung.

Gemeinsamer Workshop von Universitaetsrechenzentrum und Professur Rechnernetze und verteilte Systeme (Fakultaet fuer Informatik) der TU Chemnitz. Workshop-Thema: Infrastruktur der ¨Digitalen Universitaet¨ Der Vortrag führt in den in Entwicklung befindlichen Standard IEEE1484 ein. Die Standardisierung im Bereich computer- und netzgestützter Kurse ist Voraussetzung für Datenaustausch und Verbreitung.

In der Arbeit wird ein Ansatz zur Verwaltung von Lernmaterialien in einem semistrukturierten Datenbanksystem vorgestellt. Der Ansatz zeichnet sich durch die Wiederverwendung einmal gespeicherter Lernmaterialien aus