Optimizing Learning with Dynamic and Static Visualizations to Foster Understanding in the Natural Sciences

DSpace Repository


Dateien:

URI: http://nbn-resolving.de/urn:nbn:de:bsz:21-opus-58007
http://hdl.handle.net/10900/49574
Dokumentart: Dissertation
Date: 2011
Language: English
Faculty: 7 Mathematisch-Naturwissenschaftliche Fakultät
Department: Psychologie
Advisor: Scheiter, Katharina (Prof. Dr.)
Day of Oral Examination: 2011-07-26
DDC Classifikation: 150 - Psychology
Keywords: Lernen , Multimedia , Visualisierung
Other Keywords: Dynamische Visualisierungen , Statische Visualisierungen , Multimediaeffekt , Modalitätseffekt , Cueing
Dynamic Visualizations , Static Visualizations , Multimedia Effect , Modality Effect
License: Publishing license excluding print on demand
Show full item record

Inhaltszusammenfassung:

In der vorliegenden Arbeit wurde in einer Serie von drei Experimenten den Fragen nachgegangen, in wie fern das Verständnis dynamischer Phänomene im naturwissenschaftlichen Kontext durch das Hinzufügen von Visualisierungen zu Text, und im Besonderen durch den Einsatz von dynamischen Visualisierungen (z.B. Videos oder Animationen) im Vergleich zu statischen Visualisierungen, optimiert werden kann. Hierfür wurde exemplarisch die Lerndomäne der physikalischen Prinzipien, die einer undulatorischen Fischbewegung zu Grunde liegen, herausgegriffen. Ausgehend von einer Analyse der Eigenschaften dieser Domäne wurde angenommen, dass dynamische Visualisierungen speziell zur Erlangung eines tieferen Verständnisses des Inhalts besser geeignet sein sollten als statische Visualisierungen (vgl. Bétrancourt & Tversky, 2000). Diese Analyse offenbarte auch, dass das Lernen mit dynamischen Visualisierungen aufgrund ihrer visuellen Komplexität beeinträchtigt sein kann (vgl. z.B. Schnotz & Lowe, 2008). Daher wurden basierend auf einem Literaturüberblick Instruktionsmaßnahmen abgeleitet, mit denen diesem potentiellen Nachteil dynamischer Visualisierungen begegnet können werden sollte. Diese Instruktionsmaßnahmen betrafen einerseits den Einfluss der Verwendung gesprochenen Texts (Studie 2) und anderseits den Einfluss des Hervorhebens relevanter Informationen und Bezüge zwischen Text und Bild (Cueing; Studie 3). Es wurde angenommen, dass diese Maßnahmen das Lernen mit dem benutzten multimedialen Instruktionsmaterial im Allgemeinen und im Besonderen das Lernen mit dynamischen im Vergleich zu statischen Visualisierungen verbessern würden. In Studie 1 wurde in einem ersten Schritt untersucht, ob in Einklang mit der kognitiven Theorie multimedialen Lernens (Mayer, 2009) das Hinzufügen von Visualisierungen zu Text zu einem besseren Verständnis führt. In Übereinstimmung mit dieser Annahme zeigte sich, dass das Hinzufügen von Visualisierungen zu Text zu einer besseren Leistung für bildhafte Aufgaben sowie zu einem tieferen Verständnis (gemessen durch Transferaufgaben) führte und somit Visualisierungen für ein Nachvollziehen dieser Domäne notwendig sind. In Studie 2 wurde der Frage nachgegangen, ob eine Überlegenheit dynamischer gegenüber statischer Visualisierungen besonders stark ausgeprägt ist, wenn die visuelle Aufmerksamkeit nicht zwischen Text und Visualisierungen geteilt werden muss. Hierfür wurde ein 2x2-Design mit den unabhängigen Variablen Visualisierungsart (dynamisch vs. statisch) und Textmodalität (gesprochen vs. geschrieben) verwendet. Die Ergebnisse zeigten im Einklang mit dem Modalitätseffekt (z.B. Ginns, 2005), dass gesprochener Text zu besseren Leistungen für bildhafte Aufgaben und Transferaufgaben führte. Ferner führte das Lernen mit dynamischen Visualisierungen zu einer besseren Leistung bei Transferaufgaben. Allerdings war der Vorteil von dynamischen gegenüber statischen Visualisierungen nicht stärker für gesprochenen im Vergleich zu geschriebenem Text ausgeprägt. Studie 3 adressierte den Einfluss von Cueing auf das Lernen mit dynamischen und statischen Visualisierungen. Da von Cueing angenommen wird, dass es die visuelle Komplexität von Visualisierungen reduziert (z.B. de Koning, 2009), wurde erwartet, dass die Überlegenheit von dynamischen gegenüber statischen Visualisierungen stärker unter Cueing-Bedingungen ausgeprägt sein sollte. Um zu gewährleisten, dass der in Studie 2 gefundene Vorteil dynamischer gegenüber statischen Visualisierungen nicht nur auf eine spezielle Form statischer Visualisierungen zurückzuführen ist, wurde zudem eine weitere Form statischer Visualisierungen implementiert. Somit basierte die Untersuchung auf einem 2x3-Design mit Cueing (ja/nein) und Visualisierungsart (dynamisch, statisch-sequentiell, statisch-simultan) als unabhängige Variablen. Die Ergebnisse zeigten, dass Lernende der Cueing-Bedingungen zwar bessere Leistungen für bildhafte Aufgaben, aber keine besseren Leistungen für Transferaufgaben erzielten. Wie in Studie 2 führte das Lernen mit dynamischen Visualisierungen zu besseren Leistungen in Transferaufgaben als das Lernen mit statischen Visualisierungen, wobei sich kein Effekt der Variation des Präsentationsformats statischer Visualisierungen ergab. Entgegen der ursprünglichen Annahme war die Überlegenheit dynamischer im Vergleich zu statischen Visualisierungen nicht stärker für die Cueing-Bedingungen ausgeprägt. Zusammenfassend lässt sich festhalten, dass erstens für die ausgewählte Domäne das Hinzufügen von Visualisierungen zu Text für das Verständnis wesentlich ist. Zweitens scheinen dynamische Visualisierungen besser geeignet als statische Visualisierungen, um zu einem tieferen Verständnis der Domäne zu gelangen. Es zeigte sich jedoch weder ein moderierender Einfluss der Textmodalität, noch ein moderierender Einfluss von Cueing. Dies deutet darauf hin, dass die visuelle Komplexität der dynamischen Visualisierungen womöglich eine untergeordnete Rolle gespielt hat.

Abstract:

In the current thesis, through a series of three experiments, it was examined how the understanding of dynamic phenomena in the Natural Sciences could be fostered by generally adding visualizations to text, and by using particularly dynamic visualizations (e.g., videos or animations) as compared to static visualizations. To do so, the physical principles underlying fish locomotion were exemplarily chosen as a learning domain. Based on an analysis of the properties of this domain, it was expected that dynamic visualizations would be better suited than static visualizations, particularly with respect to achieving a deeper understanding of the content (cf. Bétrancourt & Tversky, 2000). However, this analysis also revealed that learning with dynamic visualizations might be hampered due to their high degree of visual complexity (cf. Schnotz & Lowe, 2008). Therefore, based on a literature review, instructional methods were derived to cope with the visual complexity of dynamic visualizations. These methods referred on the one hand to the influence of using spoken text (Study 2), and on the other hand to the influence of highlighting relevant information and relationships between text and visualizations (Cueing; Study 3). These methods were assumed to improve the instructional material in general, and specifically dynamic visualizations compared to static visualizations. In a first step, in Study 1 it was examined if adding visualizations to text would lead to a better understanding than text alone, as could be derived from the Cognitive Theory of Multimedia Learning (Mayer, 2009). Results confirmed that assumption; learners receiving text and visualizations performed better in pictorial tasks and gained a deeper understanding (as measured by transfer tasks) than learners receiving text alone, indicating that visualizations are crucial for comprehending this domain. In Study 2 it was investigated whether a superiority of dynamic over static visualizations might be more accentuated when learners did not have to split their visual attention between text and visualizations. For this purpose, a 2x2-design was chosen with type of visualization (dynamic vs. static) and text modality (spoken vs. written) as independent variables. In accordance with the modality effect (e.g., Ginns, 2005), results showed that spoken text lead to better learning outcomes for pictorial tasks and transfer tasks. Moreover, learning with dynamic visualizations led to better performances for transfer tasks than learning with static visualizations. However, other than what was expected, this superiority of dynamic over static visualizations was not more pronounced for using spoken instead of written text. Study 3 addressed the impact of cueing on learning with dynamic and static visualizations. Since cueing is supposed to reduce the visual complexity of visualizations (e.g., de Koning, 2009), it was expected that the superiority of dynamic over static visualizations would be more pronounced under cued than under non-cued conditions. To ensure that the superiority of dynamic over static visualizations that was found in Study 2 was not restricted to one specific presentation format of static visualizations (namely static-sequential visualizations), a further presentation format of static visualizations was implemented (static-simultaneous). Thus, this resulted in a 2x3-desing with cueing (yes/no) and type of visualization (dynamic, static-sequential, static-simultaneous) as independent variables. Results revealed that learners in the cued conditions performed better for pictorial tasks, but other than what was expected, not better for transfer tasks. Likewise as in Study 2, learning with dynamic visualizations led to a better performance on transfer tasks than learning with static visualizations, whereas there was no effect of varying the presentation format of static visualizations. Contrary to the initial assumption, the superiority of dynamic over static visualizations was not more pronounced under cued than under non-cued conditions. Taken together, first, adding visualizations to text can be regarded as crucial for understanding the chosen domain. Second, dynamic visualizations seem to be better suited than static visualizations to gain a deeper understanding of that domain. However, neither the text modality nor cueing moderated learning with these different types of visualizations, indicating that the visual complexity of dynamic visualizations might have played a subordinate role for this domain.

This item appears in the following Collection(s)