Warum? – Verstehen von Zusammenhängen und Prozessen in Flusslandschaften

Auswertung der Prä-/Post Texte zum Einzugsgebiet der Traisen

Um festzustellen ob, Veränderungen im Verständnis der SchülerInnen nach Modellierung und Feldarbeiten messbar sind, wurde eine Prä-/Post-Evaluierung durchgeführt. Dabei drückten die SchülerInnen jeweils ihr gegenwärtiges Wissen über sowie ihr Verständnis von Prozessen und Zusammenhängen im Traisen-Einzugsgebiet frei handgeschrieben aus.
Die strukturierte semantische qualitative Text-Analyse der eingescannten Prä- und Post-Texte der SchülerInnen über das Einzugsgebiet der Traisen erfolgte mit der Atlas.ti Software. Atlas.ti ist eine Software zur qualitativen Datenanalyse, die das detaillierte Codieren von Texten, akustischen Aufnahmen, Bildern und Videos erlaubt. Anhand einer anschließenden Analyse kann nach Mustern in den Codes gesucht werden, die die konzeptionelle Struktur der zugrundeliegenden Daten wiedergibt (Lewis 2004).
Die Prä- und Post-Texte mit den schriftlichen Antworten der SchülerInnen wurden eingescannt und in eine „Hermeneutic Unit“ (HU) der Software Atlas.ti importiert. Eine HU (dt. Hermeneutische Einheit) ist grundsätzlich eine Sammlung von Dokumenten, die mittels der Software Atlas.ti einer qualitativen Analyse unterzogen werden soll. Die einzelnen Texte selber werden als „Primary Documents“ (PD) bezeichnet. Es konnte bei der Kodierung auf die im Rahmen des FlussAuWOW Projektes erstellten Codes zurückgegriffen werden.
Die einzelnen Elemente des Texts wurden mit Zitaten („Quotations“) versehen (dabei wurde direkt im pdf Text auf dem Element ein Fenster geöffnet, welches dann mit einem Code klassifiziert werden kann. Als Codes wurden grundsätzlich die Namen der Elemente bzw. Textpassagen verwendet, die in den Antworten vorkamen. Sie wurden mit einer zusätzlichen Klassifizierung nach dem Typ des Wissenselements in Klammer ergänzt.
Die verwendete Terminologie für die unterschiedlichen erfassten Wissenselemente orientierte sich an einer von Zitek et al. (2013) speziell für die Analyse qualitativer, konzeptioneller kausaler Modellbeschreibungen entwickelten Methode. Diese bezieht sich vor allem auf die ontologischen Bezeichnungen, wie diese im Rahmen der des Qualitative Reasonings, einer Forschungsrichtung der Artifical Intelligence (AI), verwendet werden (Bredeweg et al. 2009, Bredeweg et al. 2013).

Die codierten Wissenselemente wurden nach Zitek et. al (2013) eingeteilt in:
1.    Aktivitäten, welche vor allem Freizeittätigkeiten von Menschen in einer Flusslandschaft beschreiben
2.    Assoziierungen – einfache Verbindungen zwischen Begriffen, ohne Kausalität
3.    aufzählende Assozierungen
4.    Attribute
5.    Einfache kausale Verbindungen
6.    Entitäten
7.    Falsche kausale Verbindungen
8.    Falsche Terminologie
9.    Kausale Änderungsverbindungen, die eine eindeutige Veränderung des Systems beschreiben
10.    Missverständliche Verbindung
11.    Prozesse
12.    Quantitäten
13.    Räumliche Assoziierungen
14.    Räumliches Attribut
15.    Grenzwerte bzw. „Landmarks“ als spezielle Ausprägung von Quantitäten, die spezielle und wichtige Systemzustände repräsentieren
16.    Systemverhalten – umfasst Beschreibungen, die eine Systemdynamik beschreiben
17.    Zeitliches Attribut

Gegenüberstellung der Nennungen einzelner Kategorien im Zuge von Prä- und Post- Texten (n=19 Tests)

Gegenüberstellung der Nennungen einzelner Kategorien im Zuge von Prä- und Post- Texten (n=19 Tests)

Die Auswertungen mit Atlas.ti wurden für jeweils 19 Prä- und 19 Post-Texte, die jeweils von denselben SchülerInnen stammen, durchgeführt. Es wurden der Mittelwert (MW), Median, Standardabweichung (Stabwn.) und die Summe je Kategorie berechnet. Zusätzlich wurde die Änderung der jeweiligen Gesamtsumme in % vom Ausgangswert berechnet. Schlussendlich wurde ein Wilcoxon Vorzeichen Rang Test durchgeführt, der die Verbundenheit der zu vergleichenden Stichproben berücksichtigt, um die statistische Signifikanz der Änderung je Parameter festzustellen.

Es zeigte sich, dass die Angabe von Aktivitäten wie Schwimmen, Spazierengehen etc., die vor allem die Nutzung der Flusslandschaft durch den Menschen darstellen, in Post Texten signifikant abgenommen hatte.

Mittelwert (MW), Median, Standardabweichung (Stabw.) und Gesamtanzahl der Nennung der einzelnen Kategorien in Pre- und Post-Texte

Mittelwert (MW), Median, Standardabweichung (Stabw.) und Gesamtanzahl der Nennung der einzelnen Kategorien in Pre- und Post-Texte

Signifikant zugenommen haben Entitäten, Grenzwerte, Prozesse, Quantitäten und räumliche Attribute.

Ebenfalls deutlich zugenommen haben die meisten anderen Parameter, die auf eine verbesserte Systemsichtweise bei der Betrachtung einer Flusslandschaft hinweisen, wie einfache kausale Verbindungen, kausale Änderungsverbindungen und spezielles Systemverhalten, obwohl hier die statistische Signifikanz nicht gegeben ist.

Literatur

Bredeweg, B., Linnebank, F., Bouwer, A. & Liem, J. (2009). Garp3 – Workbench for Qualitative Modelling and Simulation. Ecological informatics, 263-281.
Bredeweg, B., Liem, J., Beek, W., Linnebank, F., Gracia, J., Lozano, E., Wißner, M., Bühling, R., Salles, P., Noble, R., Zitek, A., Borisova, P. & Mioduser D. (2013). DynaLearn – An intelligent learning environment for learning conceptual knowledge. AI Magazine 34(4):46-65.
Lewis, R. B. (2004). NVivo 2.0 and ATLAS.ti 5.0: A Comparative Review of Two Popular Qualitative Data-Analysis Programs. Field Methods 16(4):439-464.
Zitek, A., Poppe, M., Stelzhammer, M., Muhar, S. & Bredeweg, B. (2013). Learning by Conceptual Modeling–Changes in Knowledge Structure and Content. IEEE Transactions on Learning Technologies 6(3):217-227.

Auswertung ausgewählter Fragen – 2. Fragebogendurchlauf

In Ergänzung zu den Wissenstests, Modellierungen und Prä-/Post-Texte der SchülerInnen Fragebögen eingesetzt, um das Verständnis und die Wahrnehmung von Flusslandschaften zu erforschen. In einem ersten Schritt werteten zwei SchülerInnen im Rahmen eines Praktikums die Fragebögen, die die SchülerInnen der beiden Klassen und ihre Angehörigen im Juni 2015 ausgefüllt hatten, aus.
Zu den ausgewählten Ergebnissen zählt die Frage nach dem Bezug zur Flusslandschaft. Hier gaben jeweils ca. 2/3 der Befragten an, dass ihr Wohnsitz weniger als 5 km entfernt von der Traisen liegt und sie an der Traisen ihre Freizeit verbringen. Ein Großteil der Befragten kennt die Traisen vom Vorbeifahren mit dem Fahrrad (69%) bzw. mit dem Auto (60%). Nur wenige Befragte haben aus beruflichen oder ehrenamtlichen Gründen mit der Traisen zu tun.
Eine weitere Frage, die ausgewertet wurde, ist jene zur Aufenthaltshäufigkeit an der Traisen. Viele SchülerInnen und ihre Angehörige halten sich mindestens dreimal pro Monat (39%) oder dreimal pro Jahr (27%) an der Traisen auf. Jeweils 16% der Befragten halten sich seltener als dreimal pro Jahr oder mindestens dreimal pro Woche an der Traisen auf. Täglich besuchen die Traisen nur 2% der Befragten.
Auf die Frage nach der Wichtigkeit des Traisenbesuchs bewertet die Mehrheit der Befragten (62%) den Aufenthalt an der Traisen mit 2 oder 3 (1=sehr wichtig, 5=nicht wichtig). Beinahe 19% empfinden den Traisenbesuch als sehr wichtig und für 8% ist der Besuch nicht wichtig.
Die letzte Frage behandelt die Bedeutung ausgewählter Nutzungskriterien für die Befragten. Für die meisten Befragten sind ein freier Zutritt zum Fluss und eine gute Wasserqualität die wichtigsten Faktoren. Auch Auwaldbereiche und Bäume entlang des Ufers, sowie das Vorhandensein von Mistkübeln und Sitzbänken, Bademöglichkeiten und eine gute Erreichbarkeit sind wichtig. Am wenigsten wichtig sind den SchülerInnen und ihren Angehörigen Parkplätze und Gastronomie an der Traisen.

 Zusammengefasste Ergebnisse AP 3

Wissensvermittlung von gewässerökologischen Themen in Schulen ist wichtig, da bei den Jugendlichen kaum Bewusstsein über regionale Vorgänge oder Prozesse in Flusslandschaften vorhanden ist. Zu Beginn des Projekts konnten wir klar ein fehlendes Problembewusstsein der Jugendlichen zum ökologischen Zustand der Traisen belegen. Durch die Durchführung der Schulworkshops konnte dieses maßgeblich verbessert, erweitert und geschärft werden.
Darauf aufbauend konnten die SchülerInnen mittels der Lern-Software DynaLearn angeleitet werden, Zusammenhänge in einer komplexen Umwelt zu verstehen. Systemverständnis ist elementar um Ursache-Wirkungs-Zusammenhänge zu erkennen und nachhaltige Entscheidungen im Flussgebietsmanagement zu treffen. Qualitative kausale Modellierung wird hierbei immer öfter als wertvolles Werkzeug zur Wissenschaftserziehung betrachtet, da grundsätzlich Lernen viel mit der Entwicklung von konzeptionellem Verständnis zu tun hat (Bredeweg und Forbus 2003).
Mithilfe der Auswertungen der Modelle und Szenarien der SchülerInnen konnte ein deutlich zum Ausdruck gebrachtes Verständnis wichtiger Ursache-Wirkungs-Zusammenhänge bei den SchülerInnen nachgewiesen werden.

Durch die Arbeit mit der Lern-Software konnten SchülerInnen Zusammenhänge herstellen und ihr Bewusstsein für Flusslandschaften stärken – ein Zugang der auch im nachhaltigen Flussgebietsmanagement immer mehr Anwendung findet (Hare 2011, Halbe et al. 2013). Die Wissensstruktur hat sich bei den SchülerInnen von einer aufzählenden Darstellung zu einem kausalen und prozessorientierten Verständnis gewandelt. Eine durch den Menschen verursachte negative Veränderung der Umwelt am Beispiel der Traisen wurde in zwei Fällen auch mittels Feedback-Loop als Ursache möglicher negativer Auswirkungen auf den Menschen selbst zurückbezogen, und belegen die Entwicklung einer systemorientierten Sichtweise durch das Arbeiten mit der Modellierungs-Software DynaLearn.

SchülerInnen-Modell zur Traisen – Modellstruktur mit Simulationsergebnissen (grauer Pfeil: Start der Simulation, blaue Pfeile zeigen Entwicklungstendenzen)

SchülerInnen-Modell zur Traisen – Modellstruktur mit Simulationsergebnissen (grauer Pfeil: Start der Simulation, blaue Pfeile zeigen Entwicklungstendenzen)

Sowohl die SchülerInnen der 5. Klasse, die verstärkt mit dem ÖSL-Konzept arbeiteten, als auch jene der 7. Klasse, die mit der Lern-Software „DynaLearn“ modellierten, zeigten nach den Schul-Workshops einen signifikanten Verständniszuwachs. Dadurch werden die SchülerInnen letztendlich im Umgang mit komplexen und umfangreichen Informationen unterstützt und die Entwicklung einer wissenschaftlichen Denkweise über Umweltphänomene wird gefördert (Jonassen und Strobel 2006).
Gleichzeitig wurden das Verständnis über kausale Zusammenhänge sowie das grundsätzliche Systemverständnis signifikant gefördert. Die spielerische Entwicklung von Szenarien unter Einbeziehung der menschlichen Bedürfnisse und Handlungen führte zu einem besseren Verständnis über mögliche Handlungsalternativen in einem gegebenen sozialen Umfeld. Alle am Ende des Workshops erstellten Modell-Szenarien der SchülerInnen spiegelten nachhaltige Entwicklungen der Flusslandschaft wider.

Wichtig für die Wissensvermittlung und das Lernen erscheinen multimodale Unterrichtsformen (Zitek et al. 2013, Poppe et al. 2013), die unterschiedlichste Aktivitäten (u.a. Verwendung analoger und digitaler Systemzugänge, z. B. mit der „DynaLearn“ Lern-Software, Diskussionen, Vortrag, Feedback-Runden, Schreiben von Blog-Beiträgen, Befragungen, Feldarbeiten, selbständige Gruppenarbeiten, Erstellung eines Kurzfilms) in der Zusammenarbeit mit den SchülerInnen integrieren. Interessanterweise konnte bei der Punkteauswertung der Wissenstests kein signifikant erweitertes Systemverständnis durch die Feldarbeiten der SchülerInnen dokumentiert werden. Bei der Analyse der einzelnen Antworten wurden aber nach den Feldarbeiten neue Begriffe verwendet. Beim Themenblock der ÖSL wurden durch die Arbeit im Augebiet der Traisen neue Funktionen von Flusslandschaften wie Hochwasserretention oder Klimaregulation von den SchülerInnen wahrgenommen und in den Testantworten angeführt, während andere, ursprünglich genannte ÖSL weggelassen wurden.
Gemeinsam mit den SchülerInnen des BG/BRG St. Pölten wurde während der Workshops und der Feldarbeiten ein Kurzfilm erstellt. Hier ist der Spaß an der Feldarbeit deutlich ersichtlich und wurde im Feedback der SchülerInnen an das Projektteam, gemeinsam mit den vielfältigen, abwechslungsreichen Schulaktivitäten klar als positive Aspekte des Projektes angesprochen.

Die Ergebnisse dokumentieren weiters, dass das Konzept der ÖSL eine geeignete Methode zur Wissensvermittlung von komplexen Zusammenhängen in Flusslandschaften darstellt. Damit bestätigen sich die Ergebnisse einer Untersuchung an den Flusslandschaften Enns und Drau (Böck et al. 2015), in der InterviewpartnerInnen aus unterschiedlichen Fachbereichen das ÖSL-Konzept als vielversprechendes Instrument für Kommunikationszwecke und Umweltbildung einstuften. Es wurde angenommen, dass das Konzept das Verständnis für die Zusammenhänge zwischen Gesellschaft und Natur verbessern und Neugier und Interesse fördern kann (Böck et al. 2015).

Die Multiplikatorwirkung der Jugendlichen zeigt sich bei der Analyse der Befragungen von Angehörigen der SchülerInnen, vor allem bei der Frage nach der Kenntnis des derzeit im Untersuchungsgebiet laufenden LIFE+ Traisen-Projekts. Hier gab im 2. Durchlauf der Befragung nach den Feldarbeiten bereits ein Fünftel der Angehörigen an, zumindest schon etwas davon gehört zu haben. Die SchülerInnen leisteten in diesem Kontext also einen Beitrag zur Verbesserung des Wissens ihrer Angehörigen zu Vorgängen im Einzugsgebiet ihres Heimatflusses.

Literatur:

Böck K, Muhar S, Muhar A, Polt R (2015) The Ecosystem Services Concept: Gaps between Science and Practice in River Landscape Management. GAIA – Ecol Perspect Sci Soc 24:32–40. doi: 10.14512/gaia.24.1.8

Bredeweg B, Forbus KD (2003) Qualitative Modeling in Education. AI Magazine, 24, 35-46.

Halbe J, Pahl-Wostl C, Sendzimir J, Adamowski J (2013) Towards adaptive and integrated management paradigms to meet the challenges of water governance. Water Science and Technology, 67.11, 2251–2260. http://doi.org/10.2166/wst.2013.146.

Hare M (2011) Forms of Participatory Modelling and its Potential for Widespread Adoption in the Water Sector. Environmental Policy and Governance, 21, 386–402. http://doi.org/10.1002/eet.590.

Jonassen D, Strobel J (2006) Modeling for Meaningful Learning. In: D. Hung, M.S. Khine (Hrsg.) Engaged Learning with Emerging Technologies. Dordrecht: Springer Netherlands.

Poppe M, Zitek A, Scheikl S, et al (2013) Erfassen von Ursache-Wirkungs-Beziehungen in Flusslandschaften: Vermittlung von Systemwissen in Schulen als Beitrag für ein nachhaltiges Flussgebietsmanagement. Österreichische Wasser- und Abfallwirtschaft. doi: 10.1007/s00506-013-0119-x

Zitek A, Poppe M, Stelzhammer M, et al (2013) Learning by Conceptual Modeling—Changes in Knowledge Structure and Content. IEEE Trans Learn Technol 6:217–227. doi: 10.1109/TLT.2013.7