Mathematische Konzepte, insbesondere die in der Algebra, sind zentral für den Mathematikunterricht und dienen oft als Tore zum fortgeschrittenen mathematischen Denken. Für viele Schüler fühlen sich Algebra-Konzepte jedoch weniger wie ein Tor und mehr wie eine Mauer an. Das Nation's Report Card hob einen Rückgang der Mathematikleistungen in den Vereinigten Staaten im Vergleich zu den Niveaus vor der Pandemie sowie einen deutlichen Anstiegbei der Algebra-Einschreibung unter 13-Jährigen hervor. Wie unterstützen wir also das Mathematiklernen so, dass Schüler nicht nur diese Mauer überwinden, sondern sie auch zu einer Brücke zum weiteren Studium machen?

Am ETS Research Institute erforschen wir einen vielversprechenden Ansatz in kleinen Teams. Stellen Sie sich vor, drei oder vier Studierende sitzen am Computer und unterhalten sich, während sie Mathematikaufgaben lösen. Die Einbindung von Studierenden in kleinen Teams ermöglicht es ihnen, Wissen aktiv aufzubauen, anstatt es passiv durch Vorlesungen aufzunehmen. Zusammenarbeit unterstützt auch soziales und emotionales Lernen, von der Steigerung von Engagement und Motivation bis hin zur Verbesserung der Beziehungen zu Gleichaltrigen.

Aber allein Zusammenarbeit reicht möglicherweise nicht aus. Schüler, deren Wissen noch nicht vollständig entwickelt ist, können von Moderatoren profitieren, die Gruppeninteraktionen anleiten und sie engagiert, fokussiert und produktiv an der Zusammenarbeit teilnehmen.

Aufbauend auf einem Lernverlauf und gestützten Aufgaben, die im Rahmen eines früheren Projekts unter der Leitung von Edith Aurora Graf entwickelt wurden, konzentrieren wir uns gemeinsam mit Mitarbeitern des Algebra Project, der Southern Illinois University Edwardsville, dem Young People's Project (YPP) und der University of Nebraska-Lincoln darauf, wie Zusammenarbeit in kleinen Teams das mathematische Denken der Studierenden in Bezug auf diesen Lernfortschritt voranbringen kann. 

In unserem aktuellen Projekt haben wir die Frage untersucht: Kann menschliche Moderation verbessern, wie Schüler zusammenarbeiten, um Mathematikaufgaben zu lösen und mathematisches Denken zu unterstützen?

In dieser Studie arbeiteten die Oberstufenschüler in kleinen Teams daran, Aufgaben mit Fokus auf Funktionen zu lösen – ein zentrales, aber herausforderndes Algebra-Konzept. In Zusammenarbeit mit Catherine O'Connor schulten unsere YPP-Kollegen menschliche Facilitatoren im Einsatz von Michaels und O'Connors "Talk Moves", Strategien, die den Dialog der Schüler durch Denken anregen und die Schüler ermutigen, auf den Ideen der anderen aufzubauen, anstatt Antworten zu geben, zu lenken. Zum Beispiel könnten Moderatoren fragen: "Können Sie Ihren Denkprozess dazu erklären?", "Wer kann auf dem gerade Gesagten aufbauen?" oder "Stimmen Sie zu oder widersprechen Sie und warum?" Diese Prompts helfen den Schülern, ihr Denken zu artikulieren, ihren Mitschülern zuzuhören und sich an gemeinsamer Sinnfindung zu beteiligen. Wichtig ist, dass diese Moderatoren keine Lehrer oder Mathematikexperten waren. Die meisten waren nahezu gleichgesinnte Mentoren – College-Studenten mit etwas mehr Erfahrung als die von ihnen unterstützten Highschool-Schüler, aber nicht so viel, dass sie unerreichbar wirkten. Warum Nah-Peer-Mentoren? Forschungen deuten darauf hin, dass sie aufgrund gemeinsamer Identitäten, engerer sozialer Nähe und ähnlicher jüngerer Erfahrungen einzigartig positioniert sind, um Lernende zu unterstützen.

Wir haben uns auf die Chat-Gespräche innerhalb Teams konzentriert, indem wir fortschrittliche Datenanalysemethoden wie epistemische Netzwerkanalyse und sequentielle Musteranalyse genutzt haben, um zu verstehen, wie der Dialog verlaufen ist. Warum Chatprotokolle? Weil in diesen Textzeilen reichhaltige Hinweise darauf verborgen sind, wie Schüler gemeinsam argumentieren, verhandeln und Verständnis aufbauen.

Wichtige Erkenntnisse:

• Moderierte Teams können größere Fortschritte in Bezug auf den mathematischen Lernfortschritt zeigen als unbetreute Teams.
• Nahe-Peer-Mentoren haben erfolgreich produktive kollaborative Verhaltensweisen wie Argumentieren, Erklären und Verhandeln von Ideen ausgelöst.
• Verschiedene Moderationsstrategien führten zu gezielten kollaborativen Interaktionen:
  • Das Auffordern der Schüler, aufeinander zu antworten, führte oft zu Verhandlungen, da sie sich abwechselnd mit anderen Teammitgliedern zustimmten oder widersprachen.
  • Die Aufforderung nach Erklärungen führte zu einem reichhaltigeren Informationsaustausch.
• Die Moderation reduzierte außerdem abweichende oder unangemessene Chats und half den Schülern, sich zu konzentrieren.

Diese Ergebnisse unterstreichen die Kraft menschlicher Unterstützung, die Zusammenarbeit und mathematisches Denken der Studierenden zu steuern. Indem wir über die Aufgabenleistung hinausblickten und die kollaborativen Prozesse durch fortschrittliche Datenanalysemethoden betrachteten, gewannen wir tiefere Einblicke darin, wie Lernen abläuft und wie Moderation die Zusammenarbeit prägt.

Mit Blick auf die Zukunft sind wir begeistert von dem Potenzial, menschliche Moderationsstrategien mit generativer KI zu kombinieren. Könnte ein großes Sprachmodell Mentoren mit nahen Gleichgesinnten simulieren und den Diskurs von Studierenden durch Avatare unterstützen? Diese Studie legt den Grundstein für Innovation.

Algebra muss keine Mauer sein. Mit der richtigen Unterstützung kann sie zu einer Brücke werden.

Yang Jiang ist Forschungswissenschaftlerin am ETS. Ihre Arbeit konzentriert sich darauf, wie technologiebasierte Lehrpläne und Bewertungen Schülern beim Lernen helfen können, und auf den Einsatz von KI in der Bildung. Jessica Andrews-Todd ist leitende Forschungswissenschaftlerin bei ETS. Ihre Arbeit untersucht die Bewertung und Entwicklung zwischenmenschlicher Fähigkeiten sowie die Nutzung digitaler Umgebungen zur Unterstützung des Lernens und der Bewertung von Schülern.

Edith Aurora Graf ist leitende Forschungswissenschaftlerin am ETS. Ihre Arbeit konzentriert sich auf automatische Aufgabengenerierung, kognitive Modellierung für mathematische Bewertung und Unterricht sowie Lernfortschritte.

Diese Arbeit wurde von der National Science Foundation, Zuschuss Nr. 2101393, finanziert. Alle Meinungen, Ergebnisse, Schlussfolgerungen oder Empfehlungen, die in diesem Material geäußert werden, stammen von den Autoren und spiegeln nicht notwendigerweise die Ansichten der National Science Foundation wider.