Computerbasierte Diagnostik und Erfolgsbedingungen ausgewählter Kfz-Fehlerdiagnosestrategien bei Auszubildenden der Kfz-Mechatronik

Zu Kfz-Fehlerdiagnosestrategien liegen kaum belastbare Erkenntnisse vor. Der affine Forschungsstand legt nahe, dass zwei Strategietypen besonders bedeutsam sind: der symptomatische Typ (per Mustererkennungstheorie und Kfz-Defekt-Skripten) und der topographische Typ (mentale Modellbildung). Das Projekt möchte daher zum einen untersuchen, ob symptomatische und topographische Kfz-Fehlerdiagnosestrategien computerbasiert erfasst werden können und zum anderen unter welchen Bedingungen welcher Strategietyp erfolgreich ist.

In der Studie bearbeiten Kfz-Mechatroniker (n≈350) zwei Defekt-Paare mit ähnlichen Symptomen in einer authentischen Kfz-Computersimulation (Datensatz eines anderen Projekts). Um die Strategien zu ermitteln, werden computerbasierte Verhaltensdaten herangezogen (automatisch erfasst) und den Bearbeitungs-Logfiles theoriegeleitet entnommen. Zur Strategietypisierung werden Clusteranalysen und latente Klassenanalysen durchgeführt. Sofern es die Datenkonstellation zulässt, werden auch kognitive Diagnosemodelle verwendet. Die Bestimmung des Diagnoseerfolgs erfolgt anhand der probandenspezifischen schriftlichen Dokumentationen. Um die Erfolgsbedingungen der Strategien zu untersuchen, werden die Erfolgsquoten beider Typen defektspezifisch ermittelt und verglichen. Beim leichten Defekt sollte sich der symptomatische Typ als erfolgreich, beim schwierigen indes als wenig erfolgreich erweisen. Der topographische Typ dürfte unter beiden Bedingungen erfolgreich sein, aber hauptsächlich bei schwierigen Defekten auftreten. Innerhalb der Defektpaare sollte ferner eine Gruppe identifizierbar sein, die beide Defekte erfolgreich bearbeitet, beim leichten Defekt allerdings symptomatisch und beim schwierigen topographisch vorgeht. Dieser Strategiewechsel resultiert wohl daraus, dass bei den schwierigen Defekten zwar die Symptome bekannt, die Defektursachen aber unbekannt sind. Untersucht wird auch, ob sich der Diagnoseerfolg mit den computerbasierten Verhaltensdaten prognostizieren lässt. Vorgesehen sind ferner eine explorative Suche nach weiteren Strategietypen sowie der ergänzende Einbezug weiterer Personmerkmale (Fehlerdiagnosewissen, Intelligenz etc.) in die Analysen. Vom Projekt sind v.a. Erkenntnisfortschritte im Bereich der Fachdidaktik zu erwarten: Im Sinne der dem Projekt zugrundliegenden Theorie sollten zur Förderung von Kfz-Fehlerdiagnoseleistungen sowohl symptomatische als auch topographische Strategien sowie deren Erfolgsbedingungen vermittelt werden.

Projektleitung
Dr. Stephan Abele (abelespam prevention@bwt.uni-stuttgart.de)

Laufzeit: 05/2016 – 06/2017

Finanzierung
Das Projekt wird von der Deutschen Forschungsgemeinschaft (DFG) finanziert.

Datensatz
Es werden eigenständig erhobene Daten sowie Daten aus dem von der Leibniz-Gemeinschaft geförderten Projekt „Mathematisch-naturwissenschaftliche Kompetenzen in der beruflichen Erstausbildung“ (ManKobE) verwendet.