Logfile- und blickdatenbasierte Erfassung des Diagnoseprozesses von Experten in einer Kfz-Computersimulation
Research output: Contribution to book/conference proceedings/anthology/report › Conference contribution › Contributed › peer-review
Contributors
Abstract
Die Identifizierung von Störungen macht rund ein Drittel aller Arbeiten an Kraft-fahrzeugen aus. Solche Diagnoseprobleme werden nicht nur von Kfz-Techniker-meistern bearbeitet, sondern immer häufiger auch von Facharbeitern. Eine wich-tige Voraussetzung für die Identifizierung von Störungsursachen ist die Kfz-Diag-nosekompetenz. Diese Kernkompetenz ist in der Ausbildungsordnung für Kfz-Mechatroniker verankert und sollte am Ende der Ausbildung beherrscht werden. Nickolaus et al. (2012) wiesen jedoch nach, dass ein beachtlicher Teil der Auszu-bildenden zu Ende der Ausbildung kein hinreichendes Niveau dieser Kompetenz erreicht. Für die Entwicklung wirksamer Interventionen zur Förderung der Diag-nosekompetenz ist eine Kenntnis der kognitiven Prozesse und Barrieren während der Störungsdiagnose nötig. Diese Prozesse sind bislang nicht hinreichend ver-standen. Abele (2018) entwickelte und evaluierte ein Modell zur Beschreibung des diagnostischen Problemlösens in der Kfz-Domäne. Dieses Modell beschreibt den Diagnoseprozess anhand kognitiver und beobachtbarer Aktivitäten und fol-gender Teilprozesse: Repräsentation von Informationen sowie Generieren, Tes-ten und Bewerten von Hypothesen. Unklar ist jedoch, inwieweit sich der Diagno-seprozess von Auszubildenden und Experten unterscheidet. Die vorgestellte Pi-lotstudie untersucht die Bearbeitung eines Diagnoseproblems durch Kfz-Exper-ten und zielt darauf ab, das Modell und die Teilprozesse anhand empirischer Da-ten weiterzuentwickeln. Das Vorgehen der N = 8 Experten wurde anhand von Logdaten und Laut-Denken-Protokollen nachvollzogen und anschließend durch ergänzende Interviews weiter präzisiert. Zusätzlich wurden die Blickbewegungen der Probanden mittels Eyetracking aufgezeichnet, um die während der Diagnose aufgerufenen Bereiche hinsichtlich ihrer Reihenfolge und der Anzahl ihrer Be-trachtungen sowie der jeweiligen Verweildauer untersuchen zu können. Die Logdaten und Interview-Audioprotokolle wurden kodiert, kategorisiert und ver-glichen. Die in der Studie herausgearbeiteten Diagnoseschritte der Experten wur-den den Teilschritten des vorhandenen Modells zugeordnet. Außerdem wurde das Modell um bisher nicht berücksichtigte Teilprozesse erweitert (siehe Abbil-dung 1). Die Validierung des neuen Modells mit einer größeren Stichprobe steht noch aus. Zukünftige Untersuchungen zu Zusammenhängen zwischen dem Vor-gehensmodell und den von Abele und Davier (2019) erarbeiteten Diagnosestra-tegien könnten das Verständnis der Kfz-Störungsdiagnose weiter verbessern.
Details
Original language | German |
---|---|
Title of host publication | Technikdidaktik - Erweiterung des Lehrens und Lernens durch Technologien |
Editors | Bernd Zinn, Ralf Tenberg, Daniel Pittich |
Place of Publication | Stuttgart |
Publisher | Journal of Technical Education (JOTED) |
Chapter | Session 15 |
Pages | 63-64 |
ISBN (Electronic) | 2198-0306 |
Publication status | Published - 19 Apr 2023 |
Peer-reviewed | Yes |
External IDs
ORCID | /0000-0002-3689-8428/work/142235933 |
---|---|
ORCID | /0000-0002-5182-577X/work/142249611 |