Rekursive Problemlösung in der Online Lernumgebung CodingBat durch Informatik-Studierende 

Die im Datenpaket enthaltenen Daten entstammen aus dem zweiten Teilstrang der Dissertation der Datengebenden, Natalie Kiesler. Dieser hat informatives Feedback, dessen Gestaltung und Umsetzung in der grundlegenden Programmierausbildung von Studierenden zum Schwerpunkt. Konkret wird der Forschungsfrage nach den Wirkungen informativen Feedbacks, welches von (Online)-Selbstlerntools angeboten wird, nachgegangen. Besonders Übungstools mit automatischer Bewertung können zu Frustrationen bei Lernenden führen, wenn letztere minimale Rückmeldung erhalten oder Aufgaben zu komplex sind. Daher erschien es sinnvoll, die Wirkungen einzelner Feedback-Typen näher zu untersuchen, um zu einer Einschätzung bezüglich dessen Angemessenheit im Kontext gelangen zu können. So wurde anhand von Lautes Denken-Experimenten die Auswirkung informativen Feedbacks auf Lernende exploriert, um weitere Anhaltspunkte für die lernförderliche Gestaltung von Feedback in der grundlegenden Programmierausbildung zu erhalten. In einem professionellen Usability Labor wurden die studentischen Arbeitsschritte während der rekursiven Problemlösung von Standardproblemen in der Informatik (u.a. Berechnung der Fakultät natürlicher Zahlen, sowie Berechnung der Fibonacci-Zahlenfolge) in Form von sowohl Audio- als auch Video-Daten aufgezeichnet. Als Grundlage wurde ein eigens entwickelter Feedback-Prototyp sowie das frei verfügbare Online Tool CodingBat genutzt. Anhand der Daten, der Bearbeitungszeit, Interaktionen, Feedback-Bedarfe und -Nutzung können die studentischen Schritte im Problemlöseprozess qualitativ nachvollzogen werden. So können z.B. mentale Modelle, oder generell das studentische Vorgehen transparent und nachvollziehbar werden. Die umfassenden Transkripte der Lautes Denken-Experimente werden aus Gründen der Datensparsamkeit nicht bereitgestellt, sondern nur die Transkriptionen der Bildschirmaktivitäten der studentischen Testpersonen.