key: cord-0054198-pow1wg8o
authors: Krammer, Georg; Pflanzl, Barbara; Matischek-Jauk, Marlies
title: Aspekte der Online-Lehre und deren Zusammenhang mit positivem Erleben und Motivation bei Lehramtsstudierenden: Mixed-Method Befunde zu Beginn von COVID-19
date: 2020-12-23
journal: Z f Bildungsforsch
DOI: 10.1007/s35834-020-00283-2
sha: 46a74f3dcc1626227e2fd3ee51379b0368158e85
doc_id: 54198
cord_uid: pow1wg8o

In the summer semester 2019/20 it was degreed that universities switch to purely online learning due to COVID-19/SARS-CoV‑2. This switch offered the unique opportunity to study online learning in teacher education. The aim of the present study was to give recommendations for online learning in teacher education. To this end, we identified aspects of online learning that students experienced beneficial/impeding (study 1) and analyzed their relation to the positive/negative experience of students and their goal orientation (study 2). In study 1 (n = 75), we asked students for aspects of online learning that they experienced as beneficially/impeding for their perceived learning gain (open data & materials: https://osf.io/7knhj/). The study was pre-registered before data collection (https://osf.io/438p6/). We identified 39 aspects by means of qualitative content analysis. In study 2 (n = 855), these aspects were rated for positive & motivating or negative & demotivating courses and related to the situational goal achievement (SELLMO) of the teacher education students (open data & materials: https://osf.io/87v5y/). The study was pre-registered before data collection (https://osf.io/rj5f9/). Analyses with BEST showed seven aspects with very large differences (|d| > 3), 18 with large differences (3 > |d| > 0.8), seven with medium/small differences (0.8 > |d| > 0.2), and seven without differences (2 > |d|) between positive & motivating or negative & demotivating courses. Multigroup path analyses identified 13 aspects that were related to goal orientation. Our results contribute to the understanding of online learning in teacher education. They highlight that online learning can be optimized and steered depending on the objective—positive experience, goal orientation, or both.

In der Literatur gab es bereits vor Covid-19 zahlreiche Theorien zur Online-Lehre. Expertinnen und Experten kritisieren jedoch, dass Theorien stets nur ausgewählte Aspekte der Online-Lehre adressieren (für eine kritischen Überblick: Arghode et al. 2017) . Dieses Phänomen findet sich auch in der Literatur spezifisch zur Online-Lehre im Lehramt wieder, wo Studien stets nur einzelne Aspekte der Online-Lehre im Lehramt aufgreifen (für eine Übersicht: Carrillo und Flores 2020). Dieser Mangel einer übergreifenden Theorie zeigt sich auch darin, dass Studien oft auf einzelne Theorien beschränkt sind (z. B. "Communities of Inquiry") und dementsprechend nur sehr spezifische Inhalte beforscht werden (z. B. Interaktion Studierende-Lehrende: Shea et al. 2010) . Wiederum andere nutzen für Online-Lehre einen viel breiteren theoretischen Rahmen (z. B. Prinzipien guten Unterrichts bzw. EESS model), setzen diesen dann aber ein, um nur einen Aspekt von Hochschullehre zu fördern, wie selbstreguliertes Lernen (Astleitner 2006) oder den wahrgenommen Nutzen (Al-Fraihat et al. 2020) . Vor diesem Hintergrund werden vermehrt qualitative Studien gefordert (Arghode et al. 2017) , um einen Einblick in Online-Lehre zu bekommen, der nicht durch die Brille einer spezifischen Theorie und auf dadurch vorgegebene Aspekte beschränkt ist. Solche qualitativen Studien würden auch dem Anspruch gerecht werden, stärker die Qualität der studentischen Lernerfahrungen zu erfassen (z. B. Robinson und Hullinger 2008) .

Weiters gab es bereits vor Covid-19 zahlreiche Konzepte zu und entsprechende Evaluierungen von Online-Lehre. Leider fehlt es diesen Konzepten an empirischen Überprüfungen (z. B. Hartman und Morris 2019). Auch werden oft nur sehr enge Erfolgskriterien fokussiert (z. B. "student engagement": Ornelles et al. 2019) . Zudem zeigt sich, dass die Vorschläge zur Evaluierung dieser Konzepte dieselben Fallstricke wie die Evaluierung von Präsenz-Lehre aufweisen: Der Fokus liegt auf selbsteingeschätzten Kompetenzen (Paechter 2006) . Zusammengefasst braucht es weitere empirische Belege, welche über enge Erfolgskriterien und selbsteingeschätzte Kompetenzen hinausgehen sollten.

K Schließlich zeigt sich auch eine eingangs erwähnte starke Limitation in der bestehenden Literatur: die Selektionseffekte in LV-Inhalten. Erkenntnisse zur Online-Lehre werden oft dort gewonnen, wo Inhalte zu Online-Lehre gelehrt werden (z. B. "Technology Tools and Integration for Teachers": Cho et al. 2017) . Diese Limitation entsteht vermutlich daraus, dass es pädagogisch sinnvoll ist, diese Inhalte online zu lehren, und dass diese Vortragenden fit in der Online-Lehre sind. Die verordnete Umstellung der gesamten Hochschullehre auf Online-Lehre bot die Möglichkeit diese Limitation zu umgehen.

Meta-Analysen zeigten bislang keinen Vor-bzw. Nachteil von Online-Lehre gegenüber Präsenz-Lehre (ρ 0: Bernard et al. 2004 ; ρ = -0,01: Machtmes und Asher 2000; ρ = 0,10: Zhao et al. 2005) . Empfehlungen für Online-Lehre beruhen auf bescheidenen Effektstärken, wobei kaum neues Wissen über gute Lehre generiert wurde. Bei Bernard et al. (2004) zeigte sich, dass asynchrone Online-Lehre einen leichten Vorteil hat (g = -0,10), aber synchrone einen leichten Nachteil (g = 0,05). Machtmes und Asher (2000) verweisen darauf, dass eine wechselseitige Kommunikation zwischen Lehrenden und Lernenden von Vorteil ist. Die konkretesten Empfehlungen geben Zhao et al. (2005) , z. B., manche LV-Inhalte sind besser online umsetzbar als andere; interindividuelle Unterschiede der Lernenden beeinflussen den Lernerfolg. Zhao et al. betonen dabei die Wichtigkeit bestehendes Wissen über die Effektivität von Präsenz-Lehre auch auf Online-Lehre anzuwenden.

Die jüngste uns bekannte Meta-Analyse zeigte, dass der Studienerfolg in Präsenz-Lehre und Online-Lehre vergleichbar ist (d = 0,05), aber Präsenz-Lehre kleine Nachteile gegenüber Mischformen aufweist ("blended learning": d = 0,33; Schneider und Preckel 2017) . Dieses Ergebnis zeigte sich schon bei Means et al. (2013; g = 0,35) , wobei sich allerdings auch zeigte, dass dieser Unterschied mit mehr Lernzeit, Ressourcen und Interaktionen zwischen Lernenden konfundiert ist.

Zusammengenommen liefern Meta-Analysen keine belastbaren Empfehlungen für die Gestaltung von Online-Lehre, um gleich effektiv oder sogar besser als Präsenz-Lehre zu sein, die über bisherige Erkenntnisse zu guter Lehre hinausgehen. Außerdem bleibt offen, wie Lehrende Online-Lehre tatsächlich umsetzen (Arghode et al. 2017) . Vor diesem Hintergrund scheint es zielführend, eine Breite von Aspekten zu identifizieren, die in Online-Lehre von Studierenden erlebt werden. Solche Aspekte können Kriterien guter Lehre sein, können eine Teilmenge dieser sein, können darüber hinausgehen, oder können Spezifika von Online-Lehre zur konkreten Umsetzung aufgreifen.

In der Multimedia-Psychologie wurde bereits vor Längerem postuliert, dass motivationale Faktoren -wie z. B. die LLM -beträchtlich durch die Anwendung von neuen Medien beeinflusst werden können (Seel und Ifenthaler 2009) . Bisherige Studien beschränken sich darauf, dass die Wichtigkeit von motivationalen Faktoren für z. B. selbstreguliertes Lernen in offenen Online-Lernumgebungen untersucht wird (z. B. Song und Bonk 2016) . Leider fehlen Studien, die die Zusammenhänge von LLM in curricular geplanten und vorgegebenen LV-Formaten untersuchen.

Meta-Analysen zeigten, dass LLM bedeutsame motivationale Faktoren für den Studienerfolg sind (|0,12| ≤ ρ ≤ |0,14|, "goal orientations": Richardson et al. 2012) . LLM stehen bereits in der sekundären Bildung in Zusammenhang mit akademischen Leistungen; vor allem Lernziele sogar über Intelligenz und Persönlichkeit hinaus (Steinmayr et al. 2011; Steinmayr und Spinath 2009 ). Im Lehramtsstudium gehen ungünstigere Berufswahlmotive mit ungünstigerer LLM einher (Lernziele: r = 0,43; Vermeidungsleistungsziele: r = -0,32; König et al. 2018) . Weiters bestehen Zusammenhänge zwischen der LLM und dem pädagogischen Wissen von Studierenden (Lernziele: r = 0,18; Arbeitsvermeidung: r = -0,15; König und Rothland 2013) . Schließlich zeigte sich auch, dass die LLM für den späteren Lehrerberuf relevant sind, so hängen sie zusammen mit Burn-Out und dem Interesse zu unterrichten (z. B.: Arbeitsvermeidung: r = 0,31 bzw. r = -0,35: Retelsdorf et al. 2010) .

Die LLM kann als dispositionelles oder situatives Konstrukt gesehen und erhoben werden (Payne et al. 2007 ). Dispositionell kann LLM beispielsweise für die Schule bzw. das Studium sein (SELLMO-S bzw. SELLMO-ST: Spinath et al. 2002) . Situativ kann LLM beispielsweise auf eine bestimmte Aufgabe (Button und Mathieu 1996) oder eine bestimmte LV (Harackiewicz et al. 1997 ) bezogen sein. Diese Differenzierung musste bei LLM berücksichtigt werden, denn es ging in dieser Studie nicht darum die LLM als stabile Disposition der Studierenden zu erheben. Für die Ziele dieser Studie musste die LLM auf die gesetzlich verordnete Online-Lehre im Lehramtsstudium bezogen sein. Weiters bedeutet eine situative LLM, dass Interventionen auf LV-Ebene geplant werden können, um die LLM zu verändern.

Vor diesem Hintergrund war es unser Ziel zuerst qualitativ zu erheben, welche Aspekte der Online-Lehre Lehramtsstudierende als förderlich bzw. als hinderlich für deren subjektiven Lernerfolg erlebten. In Studie 1 wurden Studierende verschiedener Semester und Studiengänge offen zur Online-Lehre in der Zeit der Umstellung aufgrund von COVID-19/SARS-CoV-2 befragt (Sommersemester 2020). Um einen möglichst breiten Überblick zu bekommen, wurde eine Stichprobe Lehramtsstudierender aus unterschiedlichen Studiengängen und in unterschiedlichen Studienphasen rekrutiert.

Damit kommen wir der Forderung nach stärker die Qualität der studentischen Lernerfahrungen zu erfassen (z. B. Robinson und Hullinger 2008) und zu untersuchen, wie Online-Lehre tatsächlich umgesetzt wird (Arghode et al. 2017) . Weiters ist eine qualitative Herangehensweise nicht an eine bevorzugte Theorie gebunden und kann damit einen breiteren Rahmen abbilden. Unsere Herangehensweise ermöglicht auch über bestehende Kriterien guter Hochschullehre hinauszugehen, indem sich Aspekte zeigen können, die spezifisch für Online-Lehre sind und bisher noch nicht berücksichtigt wurden. Schließlich unterliegt unsere Studie nicht der Limitation, dass nur spezifische LV-Inhalte als Online-Lehre umgesetzt wurden, sondern alle Inhalte des Lehramtsstudiums.

K Darauf aufbauend war es unser Ziel konkrete Empfehlungen abgeben zu können, welche Aspekte aus Studie 1 geeignet sind, um die Qualität von Online-Lehre im Lehramt steigern zu können. Studie 2 sollte dementsprechend jene Aspekte der Online-Lehre aus Studie 1 identifizieren, die (1) positive & motivierende LVen von negativen & demotivierenden unterschieden und (2) mit der LLM der Studierenden zusammenhingen. Ersteres war davon motiviert, dass LVen grundsätzlich positiv & motivierend erlebt werden sollten (Helmke 2012) , und deshalb relevante Aspekte der Online-Lehre auch unterscheiden können sollten, wie eine LV erlebt wurde. Dafür wurden die Aspekte (1) für positive & motivierende bzw. negative & demotivierende LVen erhoben und (2) mit der LLM (Lernziele, Annäherungs-Leistungsziele, Vermeidungs-Leistungsziele und Arbeitsvermeidung) der Studierenden in Bezug gesetzt.

Wir analysierten zuerst explorativ, welche Aspekte von Studie 1 sich zwischen positiven & motivierenden LVen und negativen & demotivierenden LVen unterschieden. Dann analysierten wir explorativ, welche dieser Aspekte mit der situativen LLM in Zusammenhang standen. Von besonderem Interesse waren jene Aspekte, die einerseits zwischen den beiden LVen differenzieren konnten und andererseits mit einer höheren Ausprägung in Lernziele und Annäherungs-Leistungsziele und einer niedrigeren Ausprägung in Vermeidungs-Leistungsziele und Arbeitsvermeidung einhergingen (oder umgekehrt).

Für Studie 1 entschieden wir uns für ein inhaltsanalytisches Vorgehen (Mayring 2014) , um den Gegenstand offen zu erkunden und die Ergebnisse für die Instrumente von Studie 2 zu nutzen (Mayring 2015 

Das Textmaterial wurde mittels qualitativer Inhaltsanalyse mit induktiver Kategorienbildung in QCAmap (Mayring 2014 ) nach förderlichen bzw. hinderlichen Aspekten für das eigene Lernen analysiert. Nach Vorgabe der Web-Applikation QCAmap wurden Basiseinstellungen vorgenommen (Kodiereinheit, Kontexteinheit, Auswertungseinheit) und eine Forschungsfrage für förderliche und eine für hinderliche Aspekte angelegt. Im ersten Materialdurchlauf wurden inhaltstragende Textstellen identifiziert und kodiert (Zweit-und Drittautorin). Beim Kodieren haben die Kodiererinnen (da selbst Lehrende mit Online-Lehrveranstaltungen) explizit darauf geachtet, mögliche Vorannahmen auszublenden und Kategorien textnah zu formulieren. Nach 1/3 des Materials wurde das Kategoriensystem nochmals überprüft (Revision) und die Kategoriendefinition geringfügig nachjustiert. Das gesamte Ausgangsmaterial wurde in einem zweiten Materialdurchlauf mit dem endgültigen Kategoriensystem vollständig analysiert. Danach wurde die Interkoderreliabilität durch einen unabhängigen Zweitkodierer (Erstautor) überprüft. Dabei wurden zufällig 10 % der Texte ausgewählt und einer genauen Überprüfung durch den Zweitkodierer unterzogen. Die geringfügig aufgetretenen Nicht-Übereinstimmungen wurden in einer Kodierkonferenz diskutiert und im Analyseergebnis berücksichtigt (Mayring und Brunner 2010) . Im nächsten Schritt wurden die Kategorien inhaltlich geclustert und zu Aspekten (Hauptkategorien) zusammengefasst. Das Ergebnis ist eine Auflistung der förderlichen und hinderlichen Aspekte und wie oft diese im Material identifiziert wurden.

Wir haben 611 Kategorien induktiv zu 20 förderlichen (f = 366) und 25 hinderlichen (f = 245) Aspekten für den subjektiv erlebten Lernerfolg zusammengefasst, wobei sieben Aspekte in gegenteiliger Form als förderlich und hinderlich erlebt wurden (Tab. 1, 2 und 3). Im Folgenden werden jene Aspekte kurz erläutert, die unseres Erachtens nach nicht selbsterklärend sind.

Die Teilnahme an Videokonferenzen (f = 85) als förderlicher Aspekt beschrieb die Möglichkeiten und Vorteile der direkten Kommunikation. Der Aspekt Einzelarbeit/ Einzelaufträge (f = 11) umfasste die Möglichkeit sich unabhängig von anderen intensiv mit Inhalten auseinanderzusetzen. Der Aspekt übersichtliche Struktur (f = 10) bezog sich vor allem auf die strukturierte Aufbereitung in Lernplattformen. Der 

Studierende wurden gebeten sich an eine LV des von COVID-19/SARS-CoV-2 betroffenen Semesters (Sommersemester 2020) zurückzuerinnern. Zuerst kam der Hinweis an eine LV zu denken. Um sich tiefer hineinzuversetzen sollten max. drei Schlagwörter zur LV angegeben werden. Das spontane Assoziieren der Schlagwörter entspricht einer autobiographischen Erinnerungsaufgabe (autobiographic memory task, z. B.: McFarland und Buehler 1998; Raes et al. 2003 dass die fünf LV-Typen und die Kategorie "Sonstiges" in den beiden Bedingungen nicht gleichverteilt waren (χ 2 [5] = 15,949; p = 0,007). Praktika waren öfters in der positiven & motivierenden Bedingung (4,8 % vs. 2,3 %) und Vorlesungen mit Übung öfters in der negativen & demotivierenden Bedingung (3,7 % vs. 6,5 %). Da diese beiden LV-Typen aber insgesamt selten gewählt wurden (zum Vergleich: Seminare waren 53,9 % aller LVen: 26,9 % vs. 27 %), nahmen wir die Vergleichbarkeit der Bedingungen an.

Demographische und studiumsbezogene Variablen Die Studierenden wurden nach Geschlecht (offene Frage), Alter (in Jahren) und studiumsbezogenen Variablen gefragt. Diese waren: Hauptstudium (Bachelor/Master), Studiengang (Primarstufe, Sekundarstufe Allgemeinbildung, Sekundarstufe Berufsbildung, anderes), Studienfortschritt in Semestern und welcher Hochschultyp ihre Stamminstitution war (hauptinskribiert an einer Universität oder Pädagogischen Hochschule).

Angaben zur LV Die Studierenden sollten angeben, aus welchem Gebiet die LV war (Bildungswissenschaften, Fachdidaktik, Fachwissenschaft, Schulpraxis, anderes), welchem LV-Typ sie zugeordnet war (VO = Vorlesung, VU = Vorlesung mit Übung, SE = Seminar, PR = Praktikum, UE = Übung, andere) und an welchem Hochschultyp sie abgehalten wurde (Universität, Pädagogische Hochschule).

Aspekte Zu den aus Studie 1 extrahierten Aspekten formulierten wir Items. Wir schlossen jene Aspekte aus, die zu selten von Studierenden genannt wurden, keinen Konsens im Forschungsteam fanden oder sich auf persönliche Herausforderungen der COVID-19/SARS-CoV-2 Situation bezogen. Wenn förderliche und hinderliche Aspekte ihr Gegenteil waren, wurde der häufigere gewählt (z. B. Klare Arbeitsaufträge/Aufgabenstellungen der Lehrpersonen wurde häufiger als förderlich genannt als ungenaue Erklärung zu Arbeitsaufträgen als hinderlich). Danach formulierten wir aus den Aspekten Items. Der Itemstamm der Items lautete "In dieser Lehrveranstaltung ...", um die Aspekte auf die betreffende LV zu beziehen. Das Antwortformat ging von 1 = trifft nicht zu bis 4 = trifft zu. Die vollständige Liste der Items kann der deskriptiven Tab. 4 entnommen werden (s. Anhang Tab. 5 für eine Gegenüberstellung der Aspekte und Items).

Die LLM wurde mit den Skalen zur Erfassung der Lern-und Leistungsmotivation (SELLMO: Spinath et al. 2002) erhoben. Der SELLMO ist ein deutschsprachiges Inventar zur Erfassung der LLM, das sich in bildungswissenschaftlichen Studien bewährt hat (z. B. König et al. 2018; Steinmayr et al. 2011; Steinmayr und Spinath 2008 ). Wir haben den Itemstamm angepasst "In dieser Lehrveranstaltung ...", um die LLM für die betreffende LV zu erheben.

Der SELLMO umfasst vier Skalen: Lernziele, Annäherungs-Leistungsziele, Vermeidungs-Leistungsziele und Arbeitsvermeidung. Die vier Skalen haben 31 Items (5-stufiges Antwortformat: 1 = stimmt gar nicht bis 5 = stimmt genau). Die internen Konsistenzen der vier Skalen waren 0,76 ≤ α ≤ 0,88 für die positive & motivierende LV und 0,81 ≤ α ≤ 0,91 für die negative & demotivierende LV. Ein Beispielitem für Lernziele ist "... geht es mir darum ein tiefes Verständnis für die Inhalte zu erwerben". Ein Beispielitem für Annäherungs-Leistungsziele ist "... geht es mir darum Arbeiten besser zu schaffen als andere". Ein Beispielitem für Vermeidungs-Leistungsziele ist "... geht es mir darum nicht durch dumme Fragen aufzufallen". Ein Beispielitem für Arbeitsvermeidung ist "... geht es mir darum den Arbeitsaufwand stets gering zu halten".

Drei Items wurden angepasst. Wir haben zwei Items von Arbeitsvermeidung angepasst, da sie im Original nicht anwendbar auf einzelne LVen der Online-Lehre waren. Wir änderten "... zu Hause keine Arbeiten erledigen zu müssen." zu "... keine Arbeiten über die Lehrveranstaltungszeit hinaus erledigen zu müssen." und "... mit wenig Arbeit durch Schule/Studium zu kommen." zu "... mit wenig Arbeit durch die Lehrveranstaltung zu kommen." ab. Für ein Item von Vermeidungs-Leistungsziele änderten wir das Wort "Dozenten" auf "Lehrperson", um den situativen Bezug herzustellen und auf eine geschlechtsneutrale Formulierung zu achten.

Die Teilnahme an der Befragung war freiwillig und anonym und konnte jederzeit ohne Angabe von Gründen abgebrochen werden. Die Umfrage wurde an Lehramtsstudierende in Österreich ausgeschickt und war online über LimeSurvey zu bearbeiten.

K Aspekte der Online-Lehre und deren Zusammenhang mit positivem Erleben und Motivation... Aspekte & Lern-und Leistungsmotivation Zuerst betrachteten wir den Zusammenhang der Aspekte und der LLM korrelativ für die beiden LVen. Für die weiterführenden Analysen nahmen wir nur Aspekte auf, die mit Skalen der LLM korrelierten (p < 0,05 und r > 0,10).

Die Aspekte wurden mittels Pfadanalysen zu der LLM in Verbindung gesetzt. Alle Pfade wurden zugelassen (Kovarianzen innerhalb der Aspekte und innerhalb der LLM; Regressionspfade von ersterem auf zweiteres). Zuerst wurde dieses Pfadmodell für beide LVen mittels Multigruppen-Pfadmodellen berechnet. Danach schlossen wir jene Aspekte aus, welche zu gering mit der LLM zusammenhingen (alle β < 0,1). 3 Schließlich führten wir Restriktionen über die LVen hinweg schrittweise ein, um zu überprüfen, ob die Zusammenhänge sich zwischen den LVen unterschieden. Wir setzten die Restriktionen in Abhängigkeit der numerischen Ähnlichkeit der Zusammenhänge (die ähnlichste zuerst, usw.).

Die Modelle wurden mit lavaan (Rosseel 2012) berechnet. Es wurde ein WLSMV-Schätzer verwendet; einerseits, da dieser Schätzer besser als ML-Schätzer geeignet ist für Likert-Skalen mit geringer Anzahl von Ausprägungen und andererseits, um robuste Standardfehler ob der schiefen Verteilungen (Schiefe und Kurtosis > |1|) verwenden zu können.

Als Evaluationskriterium für die Modelle wurde die Varianzaufklärung herangezogen. Die Signifikanz der Pfade haben wir mittels deren Standardfehler bestimmt (critical ratio test; p < 0,05). Für die Modellvergleiche verglichen wir die χ 2 -Statistik. Bei einem nicht signifikanten χ 2 (p ≥ 0,05) wurde das Modell mit Restriktionen angenommen.

Die deskriptiven Statistiken der LLM und deren Vergleich zwischen positiven & motivierenden LVen und negativen & demotivierenden LVen sind im oberen Teil von Tab. 4 angeführt. Es zeigte sich ein großer Unterschied in Lernziele (d = 0,60), und ein kleiner Unterschied in Vermeidungs-Leistungsziele (d = -0,37) und Arbeitsvermeidung (d = -0,48). Für Annäherungs-Leistungsziele zeigte sich kein Unterschied (d = 0,05). Mit Ausnahme der Annäherungs-Leistungsziele zeigte der Manipulation Check die erwarteten Ergebnisse.

Im nächsten Schritt wurde verglichen, welche Aspekte sich zwischen positiven & motivierenden LVen und negativen & demotivierenden LVen unterschieden (in Anlehnung an Cohen (1988) erweitert um die Kategorie "sehr große Unterschiede"). Es gab sehr große Unterschiede (|d| > 3) bei sieben Aspekten (z. B. wurden Arbeitsaufträge klar formuliert), große Unterschiede (3 > |d| > 0,8) bei 18 Aspekten (z. B. war die Lehrperson erreichbar), mittlere/kleine Unterschiede (0,8 > |d| > 0,2) bei sieben Aspekten (z. B. fehlte die soziale Interaktion mit anderen Studierenden) und keine Unterschiede (0,2 > |d|) bei weiteren sieben Aspekten (z. B. wurden zu viele unterschiedliche Tools verwendet). Die deskriptiven Statistiken und der Vergleich zwischen den beiden LVen sind im unteren Teil von Tab. 4 angegeben.

Im nächsten Schritt analysierten wir für beide LVen, wie die Aspekte mit der LLM zusammenhingen. Die getrennte Analyse für die beiden LVen wurde auch dadurch bestärkt, dass es für positive & motivierende LVen 76 signifikante Korrelationen gab, für negative & demotivierende LVen nur 30 (s. Tab. 6; s. Tab. 7 für die Interkorrelationen aller Aspekte). Zunächst schlossen wir sechs Aspekte aus, die für beide LVen mit keiner der Skalen der LLM korrelierten (p ≥ 0,05 oder r ≤ 0,10; s. Tab. 6 im Anhang Wie Abb. 2 zeigt, waren die Zusammenhänge der Aspekte mit den Skalen der LLM für die beiden LVen unterschiedlich. Die Aspekte waren besser geeignet um Varianz der LLM der positiven & motivierenden LVen aufzuklären (3,6-12,7 %), als der negativen & demotivieren LVen (1,2-6,5 %). Insgesamt waren zwischen den LVen drei Pfade ident: "fehlte die soziale Interaktion mit der Lehrperson" auf Lernziele, "hatte ich technische Probleme" auf Vermeidungs-Leistungsziele, und "gab es eine Kombination aus Videokonferenz und Nutzung einer Lernplattform" auf Arbeitsvermeidung. Alle anderen Pfade zeigten sich nur für eine der beiden LVen.

Es zeigten sich auch Suppressionseffekte. Alle signifikanten Pfade von "wurden Arbeitsaufträge klar formuliert" und "waren Materialien und Aufgaben strukturiert" zeigten sich im Pfadmodell, nicht aber in den Korrelationen. Gleichermaßen zeigten sich die signifikanten Pfade von "fehlte die soziale Interaktion mit der Lehrperson" für die positive & motivierende LV nicht in den Korrelationen. Weitere Suppressionseffekte für die positive & motivierende LV waren der Zusammenhang zwischen 4 Für diese 33 Aspekte wurde zusätzlich eine Diagnose der Multikollinearität mittels Variance Inflation Factor (VIF) getrennt für die beiden Bedingungen durchgeführt (R-Paket mctest: Imdadullah et al. 2016 "gab es eine Kombination aus Videokonferenz und Nutzung einer Lernplattform" und Arbeitsvermeidung bzw. zwischen "fehlte die soziale Interaktion mit anderen Studierenden" und Annäherungs-Leistungsziele.

Ziel der vorliegenden Studie war es, Empfehlungen für Online-Lehre im Lehramt abgeben zu können. Deshalb haben wir förderlich/hinderlich erlebte Aspekte der Online-Lehre identifiziert und deren Zusammenhang mit der LLM analysiert. Abb. 3 veranschaulicht, wie sich diese Aspekte zwischen positiven & motivierenden bzw. negativen & demotivierenden LVen unterscheiden und wie in Abhängigkeit davon deren Zusammenhang mit der LLM ausfiel. Wie Abb. 3 veranschaulicht weisen die Aspekte sehr differenzierte Zusammenhänge auf. Es zeigten sich Aspekte, die allgemein Gütekriterien von guter Lehre sind (bzw. deren Gegenteil: z. B. schlecht durchdachte Arbeitsaufträge), die differenzierten, ob Studierende LVen positiv & motivierend erlebt haben oder negativ & demotivierend und mit der LLM in Zusammenhang standen. Gleichzeitig zeigte sich, dass diese Aspekte nicht mit der LLM in Zusammenhang stehen müssen (z. B. transparente LV-Ziele). Dies ist konsistent mit Befunden, dass wenn Studierende LVen positiv bewerten, sie dennoch nicht mehr leisten (Uttl et al. 2017 Online-Lehre sollte sich demnach an allgemeinen Gütekriterien der Hochschullehre orientieren. Darüber hinaus geben die qualitativ gewonnenen Erkenntnisse aus Studie 1 konkrete Empfehlungen dafür, wie allgemeine Gütekriterien der Hochschullehre praktisch in der Online-Lehre umgesetzt werden können, sodass Studierende diese als lernförderlich wahrnehmen. An dieser Stelle aus Platzgründen nur beispielhafte Nennungen: Beim Einsatz von Lernplattformen sollte darauf geachtet werden, dass Inhalte in einer logischen Struktur abgebildet werden sowie Arbeitsaufträge und damit verbundene Fristen übersichtlich dargestellt sind. Bei den Fristen ist darauf zu achten, dass Studierende eine individuelle Zeiteinteilung nützen können. Zudem sollte vorab festgelegt und kommuniziert werden, welches Medium (z. B. Lernplattform, E-Mail, Online-Meeting) für welche Art von Informationen verwendet wird (E-Mail z. B. nur für den Versand von Erinnerungen). Diskussionsforen sollten eingerichtet werden, um eine reibungslose und schnelle Kommunikation zu gewährleisten sowie den Austausch unter den Studierenden zu ermöglichen. Zur Verfügung gestellte Audiodateien und/oder Videos ermöglichen Studierenden ein mehrmaliges Abspielen und wurden als besonders lernförderlich beschrieben. Bei der Umstellung von Präsenz-Lehre auf Online-Lehre sollten Lehrende besonders darauf achten, dass sie den Arbeitsaufwand von Online-Arbeitsaufträgen korrekt einschätzen, und dass die (Nicht-)Einhaltung der LV-Zeiten vorab geklärt wird.

Abb. 3 gibt Empfehlungen, welche Aspekte wahrscheinlich dazu führen, dass Studierende LVen der Online-Lehre eher als positiv & motivierend erleben. Neben allgemeinen Gütekriterien der Hochschullehre zeigten sich die größten Effekte dafür, dass mündlicher Input von Lehrpersonen fehlte und Unklarheiten kompliziert zu klären waren. Es gilt daher zu bedenken, dass Unklarheiten und Missverständnisse in der Online-Lehre im Gegensatz zur Präsenz-Lehre nicht rasch in persönlicher Kommunikation ausgeräumt werden können. Diese Befunde erweitern bestehenden Empfehlungen zu Online-Lehre, nämlich, wie wichtig es ist Informationen in Online-Lehre präzise vorzugeben (Seel und Ifenthaler 2009 ). Deshalb sollten Lehrpersonen sensibler dafür sein, dass Materialen und Arbeitsaufträge in Online-Lehre stärker selbsterklärend sein müssen als in Präsenz-Lehre.

Darüber hinaus waren mangelnde IT-Kenntnisse der Lehrpersonen ein zu berücksichtigender Aspekt. Hier sind Hochschulen gefordert ihren Lehrenden die Ressourcen und Fort-und Weiterbildungen anzubieten, damit Online-Lehre erfolgreich umgesetzt werden kann (vgl. Schmidt et al. 2019) .

Auf der anderen Seite zeigte sich auch, dass Aspekte in positiven & motivierenden bzw. negativen & demotivierenden LVen gleich erlebt wurden, beispielsweise das Verwenden von zu vielen verschiedenen Tools oder das Lehren nur via E-Mail. Auch technische Probleme auf Seiten der Studierenden hatten keinen Effekt. Für diese drei Aspekte gilt es zu betonen, dass sie auf beide LVen nicht stark zutrafen (alle M < 2). Gleichermaßen wurden in beiden LVen Arbeitsaufträge in Einzelarbeit durchgeführt und Zeit gespart, da Studierende nicht zur Hochschule fahren mussten (alle M > 3). Im Gegensatz dazu waren die Anwesenheit bei mehrstündigen Videokonferenzen und der fehlende soziale Kontakt zu den Schulklassen mittelhoch ausgeprägt (2,05 ≤ M ≤ 2,36). Für letzteres gilt zu es zu bedenken, dass nur 8,8 % der gewählten LVen der Schulpraxis zuordenbar waren, und diese überwiegend auf die Bedingung der positiven & motivierenden LV ausfielen. Zusammengefasst liegen damit Hinweise vor, wie Lehrende Online-Lehre umgesetzt haben und wir können daher nur darauf hinweisen, dass die Anwesenheit in mehrstündigen Videokonferenzen nicht reduziert werden muss.

Insgesamt waren die Zusammenhänge der Aspekte mit der LLM konsistent. Während es Unterschiede darin gab, welche Skalen der LLM vorhergesagt wurden, war K es konsistent ob der Zusammenhang ein förderlicher war (Verbesserung der Lernziele und/oder Annäherungs-Leistungsziele; Verschlechterung der Vermeidungs-Leistungsziele und/oder Arbeitsvermeidung) oder ein hinderlicher (umgekehrt). So zeigte sich, dass das Fehlen der sozialen Interaktion mit anderen Studierenden die LLM verminderte. Dieser Befund deckt sich mit Meta-Analysen, die Vorteile von Präsenz-Lehre gegenüber Blended-Learning-Formaten u. a. auf die Interaktionen zwischen Lernenden zurückführen (Means et al. 2013 (Biggs 2014) und dabei die Gegebenheiten der Online Lehre berücksichtigen sollten (Pfäffli 2015) .

Der Erkenntnisgewinn unserer Studie muss vor dem Hintergrund derer Limitationen bewertet werden. Erstens war es eine Querschnittstudie. Um Interventionen abzuleiten, sollten die Wirkungsmechanismen im Längsschnitt geprüft werden. Weiterführende Forschung könnte hier auch die LV-Inhalte und LV-Formate thematisieren. Zweitens haben wir nur ein motivationales Konstrukt betrachtet, die LLM. Es bleibt fraglich, wie unsere Aspekte mit anderen motivationalen Konstrukten zusammenhängen. Weitere Studien könnten Motivation breiter fassen und Zusammenhänge mit z. B. akademischer intrinsischer Motivation betrachten (Richardson et al. 2012) . Drittens konnten wir nur geringe Zusammenhänge der Aspekte zur LLM finden. Es muss daher offenbleiben, ob nicht andere Maßnahmen für die LLM zielführender wären. Weitere Studien sollten demnach darauf abzielen die LLM vollständiger vorherzusagen. Eine Möglichkeit wäre die Berücksichtigung von interindividuellen Unterschieden von Studierenden (dispositionell, aber auch situativ auf die persön-lichen Herausforderungen der Online-Lehre zu Zeiten von COVID-19/SARS-CoV-2). Diese könnten auch herangezogen werden, um auszudifferenzieren für welche Untergruppen von Studierenden welche Aspekte mehr oder weniger bedeutsam sind. Viertens wurden die Daten auf Individualebene erhoben. Es muss damit offenbleiben, wie sich das Erleben einzelner Studierender auf die LV-Ebene übertragen lässt. Künftige Studien könnten gezielt alle Studierende mehrerer LVen befragen, um die Individual-und LV-Ebene abzubilden. Fünftens ist unsere Studie auf die von uns identifizierten Aspekte beschränkt. Einerseits könnte man aus den qualitativen Ergebnissen von Studie 1 innerhalb von Aspekten noch genauer differenzieren. Andererseits könnten generell weitere Aspekte identifiziert werden, sowohl durch Studierende, aber auch durch Lehrende oder aus bestehender Literatur. Auch könnten qualitativ gezielt Aspekte gesucht werden, die spezifischer für motivationale Aspekte sind. Bei diesen Punkten könnte genauer darauf geachtet werden, dass die verwendeten Aspekte distinkt verschiedene Bereiche der Online-Lehre abdecken, um Unterschätzungen der βs ob Multikollinearität zu vermeiden. All dies könnte wiederum zu einer vollständigeren Vorhersage der LLM beitragen. Sechstens wurden die Aspekte für Studie 2 als Einzelitems erhoben. Während Einzelitems für studentische Einschätzungen von Hochschullehre durchaus reliabel sind (Wanous und Hudy 2001) , könnten künftige Studien ausgewählte Aspekte dennoch mit mehreren Items erheben. Siebtens haben wir nur zwischen positiven & motivierenden und negativen & demotivierenden LVen unterschieden. Es wäre denkbar, dass eine genauere Differenzierung der LVen notwendig ist. Achtens haben wir nur die Haupteffekte der Aspekte analysiert, aber nicht, ob Kombinationen von Aspekten ausschlaggebend sind. Die Daten könnten dafür mit z. B. neuronalen Netzen oder Machine Learning ausgewertet werden. Die interessierte Leserin/der interessierte Leser sei für fünftens, siebtens und achtens darauf verwiesen, dass wir all unsere Daten offen gelegt haben (https://osf.io/sujry/). An dieser Stelle soll auch erwähnt werden, dass unsere Studie einer entscheidenden Limitation nicht unterlag: Selektionseffekte bezüglich der LV-Inhalte und Lehrenden fielen weg, da die gesamte Lehramtsausbildung online gelehrt wurde. Unseres Wissens nach gab es vor COVID-19/SARS-CoV-2 keine Studie, die dieser Limitation nicht unterlag.

Trotz dieser Limitationen lassen sich aus unserer Studie konkrete Empfehlungen für Hochschullehre ableiten. Aspekte der Online-Lehre im Lehramt stehen mit dem positiven Erleben durch Studierende und deren LLM in Zusammenhang, jedoch können diese Zusammenhänge unabhängig voneinander und auch gemeinsam auftreten. Diese Ergebnisse tragen zum Verstehen von Online-Lehre im Lehramtsstudium bei. Sie legen nahe, dass Online-Lehre je nach Ziel -positives Erleben, LLM, beidesoptimiert und gesteuert werden kann.

Beantworten Sie bitte die folgenden Fragen zur Lehre in diesem Semester. Geben Sie so viele Informationen, wie nötig, um Ihre Gedanken nachvollziehen zu können. 

Interkorrelationen der 39 Aspekte 

Evaluating E-learning systems success: an empirical study

Adult learning theories: implications for online instruction

Standard-basiertes E-Lehren und selbstreguliertes E-Lernen. Selbstreguliertes Lernen als Voraussetzung für Qualitätsinnovationen im E-Learning

How does distance education compare to classroom instruction? A meta-analysis of the empirical literature

Constructive alignment in university teaching

Goal orientation in organizational research: a conceptual and empirical foundation

COVID-19 and teacher education: a literature review of online teaching and learning practices

The effect of self-regulated learning on college students' perceptions of community of inquiry and affective outcomes in online learning

Predictors and consequences of achievement goals in the college classroom: maintaining interest and making the grade

Developing an effective interactive online educational leadership supervision course

Unterrichtsqualität und Lehrerprofessionalität: Diagnose, Evaluation und Verbesserung des Unterrichts

Detection of collinearity among regressors

Pädagogisches Wissen und berufsspezifische Motivation am Anfang der Lehrerausbildung. Zum Verhältnis von kognitiven und nicht-kognitiven Eingangsmerkmalen von Lehramtsstudierenden

Motivprofile von Studierenden zu Beginn der Lehrerbildung

Bayesian estimation supersedes the t test

BEST: Bayesian estimation supersedes the t-test

A meta-analysis of the effectiveness of telecourses in distance education

Qualitative Inhaltsanalyse. Grundlagen und Techniken (12. Aufl.). Weinheim: Beltz

Einführung in die qualitative Sozialforschung

Qualitative Inhaltsanalyse

Qualitative content analysis. Theoretical foundation, basic procedures and software solution

The impact of negative affect on autobiographical memory: the role of self-focused attention to moods

The effectiveness of online and blended learning: a meta-analysis of the empirical literature

Designing online courses in teacher education to enhance adult learner engagement

Von der didaktischen Vision zum messbaren Indikator: Entwicklung eines Qualitätssystems für medienbasierte Lehre

A meta-analytic examination of the goal orientation nomological net

Lehren an Hochschulen: eine Hochschuldidaktik für den Aufbau von Wissen und Kompetenzen

Autobiographical memory specificity and affect regulation: an experimental approach

Teachers' goal orientations for teaching: associations with instructional practices, interest in teaching, and burnout. Learning and Instruction

psych: procedures for psychological

Psychological correlates of university students' academic performance: a systematic review and meta-analysis

New benchmarks in higher education: student engagement in online learning

lavaan: an R package for structural equation modeling

Konzeption und Evaluation einer flexiblen Online-Qualifizierung für Hochschullehrende

Gute Hochschullehre: Eine evidenzbasierte Orientierungshilfe: Wie man Vorlesungen, Seminare und Projekte effektiv gestaltet

Variables associated with achievement in higher education: a systematic review of meta-analyses

Online lernen und lehren

Online instructional effort measured through the lens of teaching presence in the community of inquiry framework: A re-examination of measures and approach

Motivational factors in self-directed informal learning from online learning resources

Skalen zur Erfassung der Lernund Leistungsmotivation: SELLMO. Göttingen: Hogrefe

Sex differences in school achievement: what are the roles of personality and achievement motivation?

The importance of motivation as a predictor of school achievement

Goal orientations predict academic performance beyond intelligence and personality

Meta-analysis of faculty's teaching effectiveness: Student evaluation of teaching ratings and student learning are not related

Single-Item Reliability: A Replication and Extension

What makes the difference? A practical analysis of research on the effectiveness of distance education