BOND: „Bio-Statistik und Analyseverfahren“ Integrierte Lehrveranstaltung – Blended Learning Kon-zept mit großen Anteilen von asynchroner Lehre zur Förderung selbstgesteuerten Lernens

Nähere Beschreibung des Projekts

Konzept: Die Lehrveranstaltungen des Studiengangs der Radiologietechnologie orientieren sich nach konstruktivistische Lehr-Lernansätze, also ein offenes Verfahren zur Konstruktion der Wissenswelt mit Verantwortung aller beteiligten (Lehrende und Lernende) sowie ein hohes Maß an Selbstorganisation (Selfdirected Learning). Zusätzlich werden neue Technologien, innovative Wissensvermittlung gefördert, um individuellen Bedürfnissen der Lernenden gerecht werden zu können.

Konkret ging es im Online Kurs um das Zusammenspiel von kognitiven (Elaboration, Organisation, und Wiederholung) und metakognitive (Planung, Überwachung und Kontrolle) Lernstrategien so-wie Ressourcenstrategien. Bei der didaktischen Aufbereitung von Inhalten ging es um die Beachtung von multimediale Prinzipen, wie zum Beispiel gut durchdachte Lösungsbeispiele (Worked-Example), die Reduktion von Störsignalen (Avoidance of Split-Attention) sowie die Vermeidung von übermäßiger Darstellung von Informationen in unterschiedlichen Formen (Negativ Redundancy-Effekt).

Der Lernstoff sollte zu tiefgreifenden Lernprozessen (Deep Level Learning) (Vernetzen, Verbinden, Verankern) motivieren, aber auch eine Kombination aus Verständnislernen (Comprehension Learning) bzw. in Anwendungslernen (Operation Learning).

Voraussetzungen/ Bedingungen: Auf Grund von COVID 19 – Sommersemester 2021 - wurde in den Semesterferien ein Lehr-Lernvideo zum Thema Biostatistik im Umfang von ca. 7 Stunden erstellt.

Phase 1: Die Lehrveranstaltung wurde unter den strengen Sicherheitskonzept am Beginn mit einer Präsenzveranstaltung begonnen, indem die Rahmenbedingungen und die Aufgabenstellungen zur Leistungsfeststellung definiert wurden. Ein vorab aufgenommenes Lehrvideo (>6h Material  siehe „Struktur der Lehrveranstaltungen für Details zum Inhalt) wurde auf eine Online Cloud hoch-geladen und mit den Studierenden geteilt.

Phase 2: Es erfolgten 10 virtuelle Termine, die jeweils mit Aufgabenstellungen durchgedacht wur-den. Den Studierenden ist es aber freigestanden, sich an diese vorgegebenen Zeitfenster zu halten, oder ihr eigenes Zeitmanagement zu gestalten. Während diesen asynchronen Lehrveranstaltungen bestand die Möglichkeit, via Forum bzw. via E-Mail in Kontakt zu treten.

Phase 3: Die letzte Veranstaltung wurde wieder in Präsenz durchgeführt, um ein persönliches Feedback von den Studierenden einzuholen.

Organisation der Lernplattform: Es wurde ein Moodle – Kurs mit Themenkonfiguration verwendet, eine lineare Lehr-Lernkonstruktion. Im ersten Themenfeld wurden Lehr-Lernunterlagen zur Verfügung gestellt, die Organisation der Lehrveranstaltung zusammengefasst, die Ziele definiert und das Template für die Aufgabenstellung. Zusätzlich wurde Links für weitere Lehrvideos und praktischen Beispiele inklusive Anleitung zur statistischen Berechnung eingebettet. Jedes weitere Thema/ Zeitfenster im Moodle Kurs wurde verknüpft (1) mit konkreten Inhalten aus dem Lehrvideo, (2) mit der Beschreibung zur Aufgabenstellung zu den einzelnen Inhalten, (3) einem Bereich für Fragestellun-gen (ein Forum) und (4) mit dem Bereich zur Abgabe der einzelnen Arbeiten von den teilnehmen-den Studierenden.

Struktur der Lehrveranstaltung: Zu Beginn werden Literaturempfehlungen und eine Übersicht über die Themen vorgenommen. Es wird der Frage nachgegangen, wozu Statistik gut ist, warum es sich lohnt, sich mit diesem Thema gründlich auseinander zu setzen.

Es erfolgt eine Präsentation der Un-Statistik wie zum Beispiel Cholesterinsenker und Schlaganfallereignisse, Fehlgeburtenrate bei überfälligen schwangeren Frauen oder das Thema Vorsorgeuntersuchungen bei Brustkrebs

Ein großes Kapitel wird den Begriffsbestimmungen gewidmet. Thematisiert werden unter anderem Begriffe wie Population, Stichprobe, Merkmal, Merkmalsträger.

In der deskriptiven Statistik werden Abkürzungen + Begriffe wie Stichprobe / Gesamtpopulation und Skalenniveaus behandelt.

Es werden graphische Darstellungen (das Balkendiagramm, das Histogramm, die Box and Whiskers Darstellung) vorgestellt und ihre Vor- und Nachteile ausgewiesen.

Wichtige beschreibende Elemente wie (1) die absolute und relative Häufigkeit, (2) die Unterscheidung zwischen diskrete und kontinuierliche Daten, (3) Parameter der zentralen Tendenz (Mittel-wert, Median, Modus, Range, Standardabweichung, Varianz) werden erklärt.

Es erfolgen die Erläuterungen zur Unterscheidung von arithmetischen, gewichteten bzw. gewogenen Mittel und geometrischen sowie harmonischen Mittel.

Es wird das Thema Normalverteilung, die Kennzeichen einer Normalverteilung sowie Arten von Verteilungen (rechts-schief, links-schief bzw. rechts-gipflig und links-gipflig) und auch die mehr-gipflige (multimodale Verteilung) besprochen. Es werden Verfahren zur Kontrolle der Normalverteilung wie der Shapiro-Wilk-Test oder die visuelle Abschätzung auf Normalverteilung vorgestellt. Andere Verteilungen wie (A) die Binomialverteilung, (B) die geometrische Verteilung, (C) hypergeometrische Verteilung oder (D) die Poissonverteilung werden ebenfalls behandelt.

Im zweiten großen Kapitel wird die schließende Statistik thematisiert sowie die wichtigsten Begriffe definiert (Stichprobenverteilung, Populationsverteilung, Stichprobenzahl, zentraler Grenzwertsatz).

Die Konfidenzintervalle werden anhand von Beispielen erläutert. Das Problem der Wahl einer repräsentativen Stichprobe (Per Zufall, Klumpen und geschichtet) sowie die Gütekriterien einer statistischen Untersuchung werden näher erklärt: Reliabilität (Arten der Messfehler – zufällige + systematische Fehler; Validität; Objektivität (Durchführung, Auswertung, Interpretation)

Abschließend wird das Grundkonzept eines Versuchsaufbaus, also crossed vs. nested, diskutiert bevor mit einem Unterkapitel, den Umfragen, weitergemacht wird: (1) Aufbau einer Umfrage, (2) Problemstellungen, (3) Berechnung des Stichprobenumfangs

Im Anschluss wird das Konzept und die Interpretation des p-Wertes besprochen. Dazu gehört das Verständnis der Fehlerarten der Statistik: (1) Fehler erster Art oder α- Fehler, (2) Fehler zweiter Art oder β-Fehler.

Aufbauend darauf wird das Aufstellen von Hypothesen und deren Anwendung/Bedeutung näher behandelt sowie ein kurzer Abstecher in die Wissenschaftsethik, wo die Begriffe p-Hacking und Bias und deren Auswirkungen auf die Wissenschaft, thematisiert.

Nach einer Wiederholung der Methodik der Stichprobenberechnung wird das Procedere der Hypothesentests noch einmal an einem Beispiel erläutert.

Es werden zum ersten Mal die Unterschiede der unterschiedlichen statistischen Verfahren genannt sowie anhand der wichtigsten Vertreter (t-Test, ANOVA, etc.) im Detail erklärt. Dabei wird der Kreis zu den Konfidenzintervallen und dem p-Wert, die davor besprochen wurden geschlossen.

Neben der frequentistischen Statistik wird die bayesische Statistik ebenfalls erläutert und dessen Anwendung anhand eines intuitiven Beispiels vorgezeigt, wo die Studierenden mit den wichtigen Begriffen der Diagnostischen Sensitivität und Spezifität konfrontiert werden.

Abschließend werden Korrelationen sowie Regressionen besprochen. Die zuvor gelernten Hypothesentests finden auch hier ihre Anwendung und soll die schließende Statistik nochmal abrunden, um das Verständnis des gesamten Kapitels zu festigen.

Nachhaltigkeit

Das Videomaterial kann adaptiert und für die jeweiligen Studienprogramme im Handlungsfeld der gesundheitswissenschaftlichen Studiengänge modifiziert werden. Das Konzept soll längerfristig und nachhaltig Einsatz finden und kontinuierlich weiterentwickelt werden. Derzeit wurde der erste Testlauf im Bachelorstudiengang Radiologietechnologie durchgeführt worden und es besteht die Übertragbarkeit beispielsweise für die Bereiche Physiotherapie, Logopädie und Hebammenwesen. Wichtig ist hier zu berücksichtigen, dass Fallbeispiele aus der Praxis der jeweiligen Handlungsfelder entwickelt werden müssen. Es ist auch angedacht, die Inhalte auch in Form eines MOOC´s im Department für Gesundheitsstudiengänge als „Back Up“ für die methodische Entwicklung Ihrer Bachelorarbeiten zur Verfügung zu stellen.