Julia Sirock hat an der Ruprecht-Karls-Universität Heidelberg Lehramt für das Gymnasium mit den Fächern Mathematik und Chemie studiert. Nach dem 1. Staatsexamen promovierte sie an der Pädagogischen Hochschule Heidelberg im interdisziplinären Forschungs- und Nachwuchskolleg EKoL (Effektive Kompetenzdiagnose in der Lehrerbildung) der Pädagogischen Hochschulen Heidelberg und Ludwigsburg. Anschließend absolvierte sie ihr Referendariat am Max-Born-Gymnasium in Neckargemünd und unterrichtete weitere fünf Jahre in Mannheim-Feudenheim am Gymnasium.

Aktuell arbeitet Julia Sirock als Habilitandin an der Pädagogischen Hochschule Heidelberg. Einige der aktuellen Projekte in diesem Rahmen sind untenstehend beschrieben.

„Analyse und Unterstützung von mentalen Repräsentationen und Strategien beim Lösen von Bayesianischen Problemen“

Kooperation mit Universität Ulm (Prof. Dr. Tina Seufert)

Das Lösen von Bayesianischen Problemen ist mit vielen Herausforderungen verbunden, z. B. dem Erkennen relevanter numerischer Informationen, dem Klassifizieren und Übersetzen in mathematische Formeln und dem Erstellen einer mentalen Repräsentation. In der Forschung werden diese Herausforderungen mit dem Fokus auf Unterstützungsmöglichkeiten im Hinblick auf Bayesianische Probleme untersucht.

Die Ergebnisse deuten klar darauf hin, dass die Darstellung der Informationen im Häufigkeitsformat gegenüber Wahrscheinlichkeiten bedeutend zur Lösung der Aufgaben beiträgt. Ebenso gelten verschiedene Visualisierungen, wie beispielsweise Vierfeldertafel, Baumdiagramm oder das Einheitsquadrat, als Hilfe beim Lösen. Das Projekt vergleicht nicht nur die Visualisierungen der Vierfeldertafel und des Einheitsquadrats, sondern konzentriert sich auch auf die Ergebnisse, die durch die Selbsterstellung dieser Visualisierungen durch die Teilnehmer erzielt wurden. Da bisher nicht untersucht wurde, ob sich die bessere Übereinstimmung zwischen externer und interner Visualisierung auch auf die kognitive Belastung beim Lösen von Bayes-Aufgaben auswirkt, werden zusätzlich passive und aktive kognitive Belastung gemessen.

Unter folgendem Link finden Sie eine erste Publikation zu dem Thema:

https://www.frontiersin.org/articles/10.3389/fpsyg.2023.1085470/full

„Anwendungen des Satz von Bayes und die Unterstützung von Visualisierungen beim Bearbeiten Bayesianischer Fragestellungen“

Kooperation mit Universität Regensburg (Prof. Dr. Stefan Krauss), Fachhochschule Nordwestschweiz (Prof. Dr. Georg Bruckmaier)

Der Satz von Bayes und die Berechnungen bedingter Wahrscheinlichkeiten finden in verschiedenen Disziplinen Anwendung. Beispielsweise können in Medizin Wahrscheinlichkeiten für bestimmte Krankheiten aufgrund von vorhandenen Testergebnissen oder im Bereich der Juristik Wahrscheinlichkeiten für die Schuld aufgrund bestimmter Beweise und Indizien berechnet werden.

Da die Anwendung des Satzes von Bayes einerseits eine große Rolle in diversen Bereichen spielt, andererseits jedoch eine beunruhigende Unsicherheit bei den konkreten Berechnungen solcher Bayesianischer Fragestellungen herrscht, ist es das Ziel dieses Projektes die Anwendungen in den genannten Fachbereichen detaillierter zu untersuchen. Dabei wird beispielsweise auf die Unterstützung beim Lösen Bayesianischer Fragestellungen durch Visualisierungen eingegangen, die sich anhand der Performanz oder auch anhand der Blickbewegungen mittels Eyetracking erforschen lassen.

„Vergleich des Baumdiagramms und des Einheitsquadrats als Hilfestellung beim Beantworten statistischer Fragestellungen“

Kooperation mit Universität Kassel (Prof. Dr. Andreas Eichler)

Der Umgang mit Wahrscheinlichkeiten und insbesondere der Umgang mit bedingten Wahrscheinlichkeiten stellt viele Menschen vor große Herausforderungen. Der Fokus dieser Forschungsarbeit liegt daher in der Untersuchung zweier Visualisierungen, die beim Lösen einfacher und komplexerer statistischer Fragestellungen unterstützen sollen. Konkret handelt es sich um den Vergleich des Baumdiagramms und des Einheitsquadrats. Während das Baumdiagramm bereits aus dem schulischen Kontext bekannt ist und daher für die meisten Probanden eine vertraute Visualisierung darstellt, ist das Einheitsquadrat meist wenig geläufig. Das Einheitsquadrat bietet jedoch einige Vorteile, wie die proportional zu den Daten dargestellten Flächen und die daraus möglicherweise resultierende erleichterte Flexibilität im Umgang mit Änderungen in den Daten.

Mittels eines Fragebogens in zwei Versionen (Version 1 mit Baumdiagramm, Version 2 mit Einheitsquadrat) wird die potentielle Unterstützung der beiden Visualisierungen im Hinblick auf die Performanz überprüft.