Messungen – Skalen – Indizes Empirische Sozialforschung Renate Prantner Christoph Schantl.
Kompetenzdefinition SE Vertiefung Allgemeine Psychologie: Wissenspsychologie 22.05.2007 Pabst...
-
Upload
elissa-reeb -
Category
Documents
-
view
103 -
download
0
Transcript of Kompetenzdefinition SE Vertiefung Allgemeine Psychologie: Wissenspsychologie 22.05.2007 Pabst...
KompetenzdefinitionSE Vertiefung Allgemeine Psychologie: Wissenspsychologie22.05.2007
Pabst [email protected]
Schantl [email protected]
2
Definition von Kompetenz
Juristisch betrachtet:
„…gleichbedeutend mit der Zuständigkeit eines
Menschen (oder eines Organs), bestimmte Aufgaben
selbstständig durchzuführen.“ http://drw-www.adw.uni-heidelberg.de/drw/, 2007.
3
Definition von Kompetenz
Wirtschaftlich betrachtet:
„…eine erworbene persönliche Fähigkeit, die
Angestellten ein gleich bleibend hohes Leistungsniveau
in einem bestimmten Berufsfeld ermöglicht.“ http://www.onpulson.de/lesikon/kompetenz.html, 2007.
4
Definition von Kompetenz Psychologisch betrachtet:
„…die bei Individuen verfügbaren oder durch sie erlernbaren kognitiven Fähigkeiten und Fertigkeiten, um bestimmte Probleme zu lösen, sowie die damit verbundenen motivationalen, volitionalen und sozialen Bereitschaften und Fähigkeiten, um die Problemlösungen in variablen Situationen erfolgreich und verantwortungsvoll nutzen zu können.“ Weinert, 2001.
5
Kompetenzen
Thaught competencies:Kompetenzen, die gelehrt werden
Required competencies: Kompetenzen, die erforderlich sind um Lernobjekte (LO) zu verstehen
Tested competencies:jene Kompetenzen, die tatsächlich getestet werden
“The shift from taught to actually tested competencies, however, is only a shift in the interpretation of the model.” Hockemeyer et al, 2003.
6
Kompetenzen (Bsp.)
12 + 3 * (3 / 2) =
Thaught competencies:Rechenregel: Punkt vor StrichKlammerregel
7
Kompetenzen (Bsp.)
12 + 3 * (3 / 2) =
Required competencies:Grundrechnungsarten:+ - / *
8
Kompetenzen (Bsp.)
12 + 3 * (3 / 2) =
Tested competencies:Grundrechnungsarten: + - / *
Rechenregel: Punkt vor Strich Klammerregel
9
Kompetenz-Performanz-Theorie
„Kompetenz ist ein nicht direkt beobachtbares, theoretisches Konstrukt zur Erklärung und Prognose von Performanz.“ Korossy, 1999.
Performanz: empirisch beobachtbares Lösungsverhalten bei Aufgaben Korossy, 1999.
10
Wissensraumtheorie
„…beschreibt das Wissen einer Person in einer bestimmten Domäne als Teilmenge an Aufgaben, die diese Person aus der gesamten Problemdomäne fähig ist zu lösen“ Ley & Albert, 2003.
„Diese Aufgaben sind nicht unabhängig von einander. Es kann durch das Vorliegen von Voraussetzungsbeziehungen beim Lösen einer Aufgabe auf das Lösen anderer Aufgaben geschlossen werden.“ Ley & Albert, 2003.
11
Wissensraumtheorie
Wissenszustand Wird repräsentiert durch die Teilmenge der Aufgaben, die eine Person mächtig ist zu lösen
WissensraumIst die Menge aller möglichen Wissenszustände, einschließlich der leeren Menge
12
Kompetenz-Performanz-Theorie
Erweiterung der Wissensraumtheorie Kompetenzebene Performanzebene Beziehung zwischen Kompetenz- und
PerformanzebeneKorossy, 1999.
13
Kompetenzdefinition
Identifikation von Elementarkompetenzen
Vorarbeit für Kompetenzmodellierung, die
Abhängigkeitsbeziehungen darstellt
14
Kompetenzdefinition
ElementarkompetenzenAnwendungsspezifizierte LösungsmethodeProzedurales und deklaratives WissenNicht unbedingt „atomare Einheiten“ – eher in
sich komplexe „Schemata“ Korossy, 1999.
15
Mögliche Verfahren zur Identifikation von Elementarkompetenzen
Grobe Einteilung: Analysis of (mass) data
Analysis of Didactics und Curricula
Querying experts
Analysis of underlying demands, cognitive skills
and processes
16
Mass data collection Albert & Kaluscha, 1997.
Sammlung von Antwortmustern in einem abgeschlossenen Wissensbereich
Problem:Je mehr Items, desto mehr mögliche
Kompetenzzustände
17
Analysis of Didactics and Curricula Albert & Kaluscha, 1997.
Bestehende Lehrpläne und Curricula für
einen gegebenen Bereich analysieren
18
Analysis of Didactics and Curricula
Beispiel: Statistik im Diplomstudium Psychologie
(1. Abschnitt) – Studienplan 2002
Psychologische Statistik IVO2 (1. Semester)
Psychologische Statistik IIVO2 (2. Semester)
Anwendung statistischer Verfahren am Computer
(2. Semester)
http://www.uni-graz.at/zvwww/studplan/sppsychol.html, 2007.
19
Analysis of Didactics and Curricula
Prerequisites: It is assumed that students enter the course Psychological Statistics II with the knowledge acquired in Psychological Statistics I
Content Introduction:
basic concepts, scales of measurement.Descriptive Statistics: frequency distributions, graphs, central tendency, variability, standard scores, score transformations. Inferential Statistics: probability, normal distribution, basic issues in inferential statistics, confidence intervals, testing hypotheses about single means, t-Test, effect size, power, analysis of variance, chi-square tests, correlation, regression, selection of appropriate tests, interpretation of statistical results.Preview of Multivariate Tests: multiple regression, factor analysis.
Aims: To enable students to use the basic tools of psychological statistics in a professional and responsible way.
http://www.uni-graz.at/~papousek/teaching/stat-e.html, 2007.
Psychologische Statistik I and II
20
Analysis of Didactics and Curricula Anwendung statistischer Verfahren
Inhalt Einführung in das Statistik-Programm SPSS, Dateneingabe und Variablendefinition, Erzeugung neuer Variablen, deskriptive Statistiken, T-Tests, ein- und mehrfaktorielle Varianzanalysen, Normalverteilungsprüfung, verteilungsfreie Verfahren, Chi-Quadrat-Tests, Korrelation und Regression.
Inhaltliche Voraussetzungen
Keine
Ziel: mit dem Statistik-Programm SPSS Daten einzugeben und zu verarbeiten, die Wahl geeigneter statistischer Verfahren, die Durchführung deskriptiver und inferenzstatistischer Analysen sowie die statistische und inhaltliche Interpretation der Ergebnisse
https://online.uni-graz.at/kfu_online/webnav.ini, 2007
21
Analysis of Didactics and Curricula
Verbesserungsvorschlag:
Voraussetzung für Anwendung statistischer
Verfahren am Computer psychologische
Statistik I und psychologische Statistik II Man benötigt die Inhalte beider Vorlesungen, um die
statistischen Verfahren am Computer richtig
anwenden zu können
22
Analysis of Didactics and Curricula “Prerequisite relationships between
learning contents may be applied for (re-) structuring courses and curricula“ Albert &
Hockemeyer, 1999.
Eventuelle Möglichkeit den Studienplan des Diplomstudiums zu überarbeiten
23
Querying experts Heller, 2004.
„Failing all the items in A entails failing all the items in B“
Experten entscheiden, ob sie diese Aussage akzeptieren oder zurückweisen
24
Querying experts Heller, 2004.
Problem Die Anzahl der Fragen an den Experten nimmt
exponentiell mit der Itemanzahl in dem Bereich zu
Eine Reduktion der Fragen:
Ableiten der Antwort von vorherigen gesammelten Antworten erfordert Reliabilität und Konsistenz der Entscheidungen
25
Domain ontologies Heller et al, 2006.
Ontologie SeinslehreStellt eine Aufstellung von Konzepten und
deren Zusammenhänge eines Bereiches dar definiert den Wissensbereich
Repräsentation: concept maps
26
Domain ontologies Heller et al, 2006.
Identifikation von Fähigkeiten mittels Unterstrukturen eines „concept map“, welche die ontologische Information des betreffenden Bereichs repräsentiert
Beispiel:
Abb.1.: Beispiel eines Problems aus dem Wissensbereich „Rechtes Dreieck“
27
Domain ontologies Heller et al, 2006.
Abb.2.: Concept map über den Wissensbereich “Rechtes Dreieck”
28
4 Schritte von
„Definition der Elementarkompetenz“
Korossy, 1999., Dösinger & Albert, 2002a.
29
Kompetenzdefinition
Schritt 1: Identifikation und Darstellung von Lösungswege
Menge Q von Problemen q
Menge E von Elementarkompetenzen Wissensbereich W
30
Kompetenzdefinition
Basis von Elementarkompetenzen: L={{1},
{1,2},{1,2,3},{1,2,4},{1,2,4,5}}
q f(q)
q1 {1}
q2 {1,2}
q3 {1,2,3}
q4 {1,2,4}
q5 {1,2,4,5} Tabelle 1: Zuordnung der Teilmengen von Elementarkompetenzen, die zur Lösung einer Aufgabe benötigt wird Dösinger & Albert, 2002a.
31
Kompetenzdefinition
Schritt 2: Erlangen eines Kompetenzraums
Zusammenfassung aller möglichen
Kompetenzzustände einschließlich der leeren Menge
zu einer Menge
K={{}, {1}, {1,2}, {1,2,3}, {1,2,4}, {1,2,4,5},
{1,2,3,4}, {1,2,3,4,5}}
32
Kompetenzdefinition
Schritt 3: Kompetenz- und Performanzebene miteinander in Beziehung setzen
Interpretationsfunktion: Zuordnung der
Kompetenzzustände zu den jeweiligen Problemen
Repräsentationsfunktion: Zuordnung der Probleme zu
den entsprechenden Kompetenzzuständen
33
Kompetenzdefinition{} {1} {1,2} {1,2,3} {1,2,4} {1,2,4,5} {1,2,3,4} {1,2,3,4,5}
q1
q2
q3
q4
q5
{} {q1} {q1,q2} {q1,q2,q3} {q1,q2,q4} {q1,q2,q4,q5} {q1,q2,q3,q4} {q1,q2,q3,q4,q5}
Tabelle 2: Interpretations – und Repräsentationsfunktion Dösinger & Albert, 2002a.
P= {{}, {q1}, {q1,q2}, {q1,q2,q3}, {q1,q2,q4}, {q1,q2,q4,q5}, {q1,q2,q3,q4}, {q1,q2,q3,q4,q5}}
34
Kompetenzdefinition
Schritt 4: Herleiten der Problemanordnung
q p()q
q1 {q1}, {q1,q2}, {q1,q2,q3}, {q1,q2,q4}, {q1,q2,q4,q5}, {q1,q2,q3,q4}, {q1,q2,q3,q4,q5}
q2 {q1,q2}, {q1,q2,q3}, {q1,q2,q4}, {q1,q2,q4,q5}, {q1,q2,q3,q4}, {q1,q2,q3,q4,q5}
q3 {q1,q2,q3}, {q1,q2,q3,q4}, {q1,q2,q3,q4,q5}
q4 {q1,q2,q4}, {q1,q2,q4,q5}, {q1,q2,q3,q4}, {q1,q2,q3,q4,q5}
q5 {q1,q2,q4,q5}, {q1,q2,q3,q4,q5}
Tabelle 3: Lösungsabhängigkeiten Dösinger & Albert, 2002a.
35
Kompetenzdefinition
q5
q4 q3
q2
q1
Grafik 1: Hasse-Diagramm: Abhängigkeiten zwischen den Problemen Dösinger & Albert, 2002a.
36
Beispiel aus dem CbKST-Kurs
Voraussetzungsbeziehungen
TI_030 – TI_034
37
Schritt 1: Identifikation von Elementarkompetenzen mittels didaktischer Analyse
Grundvoraussetzung: Verständnis von Relationen
1: Wie ist eine Voraussetzungsrelation definiert
2: Aufbau eines Hassediagramms verstehen - incl. lesen
3: Aufbau einer Matrix verstehen - incl. lesen
38
Schritt 1: Identifikation und Darstellung von Elementarkompetenzenq f(q)
q1 {1, 2}
q2 {1, 2}
q3 {1, 3}
q4 {1, 2, 3,}
q5 {1, 2, 3}
L={{1,2},{1,3},{1,2,3}}
Tabelle 4: Zuordnung der Teilmengen von Elementarkompetenzen, die zur Lösung einer Aufgabe benötigt wird
39
Schritt 2: Erlangen eines Kompetenzraums
K ={{}, {1,2}, {1,3}, {1,2,3}}
Graphik 2: Surmise-relation
40
Schritt 3: Kompetenz- und Performanzebene miteinander in Beziehung setzen
{} {1} {1,2} {1,3} {1,2,3}
q1
q2
q3
q4
q5
{} {} {q1,q2} {q3} {q1,q2,q3,q4,q5}
P = {{},{q1,q2},{q3},{q1,q2,q3,q4,q5}}
Tabelle 5: Interpretations – und Repräsentationsfunktion
41
Schritt 4: Herleiten der Problemanordnung
q p()q
q1 {q1,q2}, {q1,q2,q3,q4,q5}
q2 {q1,q2}, {q1,q2,q3,q4,q5}
q3 {q3}, {q1,q2,q3,q4,q5}
q4 {q1,q2,q3,q4,q5}
q5 {q1,q2,q3,q4,q5}
Tabelle 6: Lösungsabhängigkeiten
42
Schritt 4: Herleiten der Problemanordnung
Grafik 3: Hassediagramm: Abhängigkeiten zwischen den Problemen
43
Beispiel aus dem CbKST-Kurs
Mengenlehre: “Grundlagen & Operationen”
TI_001 – TI_010
44
Schritt 1: Identifikation von Elementarkompetenzen mittels didaktischer Analyse Grundvoraussetzung: mathematische
Rechenregeln 1: lesen, definieren einer Mengenschreibweise;
Definitionen von Begriffe 2: Zugehörigkeit ∈/∉ 3: Beziehungen zwischen den Mengen incl.
Schreibweise (Teilmenge, echte Teilmenge…) 4: Operationen zwischen Mengen ∪, ∩ 5: Transformation von mathematischen
Rechenregeln
45
Schritt 1: Identifikation und Darstellung von Lösungswege
L= { {1}, {1,2}, {1,2,3}, {1,2,4}, {1,2,4,5}}
q f(q)
q1 {1, 2}
q2 {1, 2, 3}
q3 {1}
q4 {1}
q5 {1}
q6 {1, 2, 4}
q7 {1, 2, 4}
q8 {1, 2, 4, 5}
q9 {1, 2, 4}
q10 {1, 2, 4, 5}Tabelle 7: Zuordnung der Teilmengen von Elementarkompetenzen, die zur Lösung einer Aufgabe benötigt wird
46
Verständnisfrage
L= { {1}, {1,2}, {1,2,3}, {1,2,4}, {1,2,4,5}}
Stelle den auf obigen Beispiel bezogenen Kompetenzraum dar?
47
Schritt 2: Erlangen eines Kompetenzraums
K = {{}, {1}, {1,2}, {1,2,3}, {1,2,4}, {1,2,3,4}, {1,2,4,5}, {1,2,3,4,5}}
48
{} {1} {1, 2} {1, 2, 3,} {1, 2, 4} {1, 2, 3, 4} {1, 2, 4, 5} {1,2,3,4,
5}
q1
q2
q3
q4
q5
q6
q7
q8
q9
q10
{} {q3,} {q1,q3,q4,
q5}
{q1,q2,q3,q4
,q5}
{q1,q3,q4,q5
,q6,q7,
q9}
{q1,q2,q3,q4,q5
,q6,q7,q9}
{q1,q3,q4,q5,q6
,q7,q8,q9,
q10}
q1,q2,q3,q4,q5
,q6,q7,q8,q9,q
10}Tabelle 8: Interpretations – und Repräsentationsfunktion
49
Schritt 3: Kompetenz und Performanzebene miteinander in Beziehung setzen
P = {{}, {q3,q4,q5}, {q1,q3,q4,q5}, {q1,q2,q3,q4,q5}, {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
50
Schritt 4: Herleiten der Problemanordnungq p()q
q3 {q3,q4,q5}, {q1,q3,q4,q5}, {q1,q2,q3,q4,q5}, {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9},
{q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
q4 {q3,q4,q5}, {q1,q3,q4,q5}, {q1,q2,q3,q4,q5}, {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9},
{q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
q5 {q3,q4,q5}, {q1,q3,q4,q5}, {q1,q2,q3,q4,q5}, {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9},
{q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
q1 {q1,q3,q4,q5}, {q1,q2,q3,q4,q5}, {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q3,q4,q5,q6,q7,q8,q9,q10},
{q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
q2 {q1,q2,q3,q4,q5}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
q6 {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
q7 {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
q9 {q1,q3,q4,q5,q6,q7,q9}, {q1,q2,q3,q4,q5,q6,q7,q9}, {q1,q3,q4,q5,q6,q7,q8,q9,q10}, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
q8 {q1,q3,q4,q5,q6,q7,q8,q9,q10, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
q10 {q1,q3,q4,q5,q6,q7,q8,q9,q10, {q1,q2,q3,q4,q5,q6,q7,q8,q9,q10}
Tabelle 9: Lösungsabhängigkeiten
51
Schritt 4: Herleiten der Problemanordnung
Grafik 4: Hasse-Diagramm: Abhängigkeiten zwischen den Problemen der Mengenlehre
52
Diskussion
Kompetenz- und Performanzraum sind Aufgabenabhängig Je nach gegebenen Aufgaben ändert sich der
Kompetenz- als auch PerformanzraumJe mehr differenzierte Aufgaben, desto
geringer ist die Chance einen möglichen Kompetenzzustand zu übersehen
53
Kritik/Beispiele
Nummerierung falsch:LO_005 fehltLO_045 auf LO_050LO_055 auf LO_060LO_063 auf LO_900TI_025 auf TI_030
„Bitte auswählen“ deutschsprachiger Button in englischsprachiger Software eingebaut
54
Kritik/Beispiele
„Echte Obermenge“ wird erklärt daher auch Einführung der „Obermenge“ plus Beispiel und Aufgabenerweiterung
{} ist Teilmenge jeder Menge
55
LO_004: SetTheorieTheBasics
In case that every member of a set A is also a member of a set B, then A is said to be a subset of B which is written by A ⊆ B (also "A is contained in B"). Vice Versa, B is said to be a superset of A which is written by B ⊇ A (also "B includes A"). In case that set A is a subset of B, but not equal to B, then A is called a proper subset of B, written A ⊂ B (A is a proper subset of B) and B ⊃ A (B is proper superset of A), respectively. Moreover, the empty set is a subset of every set and every set is a subset of itself.
Example 6:
{1, 2, 3, 4} ⊂ {1, 2, 3, 4, 5, 6, 7, 8} or {a,b,c,d} ⊆ {a,b,c,d,e,f,g}{1, 2, 3, 4} ⊆ {1, 2, 3, 4}{} ⊆ {a,b,c,d}{1, 2, 3, 4, 5, 6, 7, 8} ⊃ {1, 2, 3, 4} or {a,b,c,d,e,f,g} ⊇ {a,b,c,d}
56
Task 02: Mark all correct notations:
Set A = {1, 2, 3} Set B = {1, 2, 3, 4, 5}Set C = {a, f, k, x} Set D = {m, x} Set E = {a, f, k, m, x} Set F = {1, 2, 3}Set G = {}
A ⊂ B B ⊃ C E ⊃ D C ⊂ D A ⊃ C A ⊆ F G ⊆ A B ⊇ F C ⊇ G E ⊂ A E ⊃ C A ⊆ B
57
Kritik/Beispiele
Erweiterung Mengenschreibweise: Reihenfolge der Zahlen oder Buchstaben muss nicht in aufsteigend geordnet sein
Beistrich hinter letzten Zahl für genaue Schreibweise
Schreibweise mit Doppelpunkt
58
Task: Mark all correct notations of sets: M = {P,S,Y,C,H,O,L,O,G,I,E} M = {a,b,c,d,e,e} M = {3,5,9,7} M = {1,7,7,10} M = {a,b,c,d,} M = {B,L,U,M,E} M = {A,L,B,E,R,T} M = {1,5,7,20,12} M = {n2 – 4: n is a whole number and 0 ≤n≤ 19}
59
Verständnisfrage
Definiere in eigenen Worten die Begriffe Kompetenzraum und Kompetenzzustand?
60
Literaturverzeichnis
Albert, D., & Hockemeyer, C. (1999). Developing Curricula for Tutoring Systems Based on Prerequisite Relationships. In G. Cumming, T. Okamoto & L. Gomez (Eds.), Advanced Research in Computers and Communications in Education: New Human Abilities for the Networked Society (Vol. 2, pp. 325–328). Amsterdam: IOS Press.
Albert, D., & Kaluscha, R. (1997). Adapting Knowledge Structures in Dynamic Domains. In C. Herzog (Ed.), Beiträge zum Achten Arbeitstreffen der GI–Fachgruppe 1.1.5/7.0.1 „Intelligente Lehr–/Lernsysteme'', September 1997, Duisburg, Germany [Contributions of the 8th Workshop of the GI SIG „Intelligent Tutoring Systems''] (pp. 89–100). TU München.
Dösinger, G., & Albert, D. (2002a). Adaptive Competence Testing in eLearning. European Journal of Open, Distance and E-Learning (EURODL).
61
Literaturverzeichnis
Heller, J. (2004). A Formal Framework for Characterizing Querying Algorithms. Journal of Mathematical Psychology, 48, 1–8.
Heller, J., Steiner, C., Hockemeyer, C., & Albert, D. (2006). Competence-Based Knowledge Structures for Personalised Learning. International Journal on E-Learning, 5(1), 75-88.
Hockemeyer, C., Conlan, O., Wade, V., & Albert, D. (2003). Applying Competence Prerequisite Structures for eLearning and Skill Management. Journal of Universal Computer Science, 9, 1428–1436.
Korossy, K. (1999). Qualitativ-strukturelle Wissensmodellierung in der elementaren Teilbarkeitslehre [1]. Zeitschrift für Experimentelle Psychologie, 46(1), 28-52.
62
Literaturverzeichnis
Ley, T., & Albert, D. (2003). Kompetenzmanagement als formalisierbare Abbildung von Wissen und Handeln für das Personalwesen. Wirtschaftspsychologie,3, 86-93.
Weinert, F.E. (2001): Vergleichende Leistungsmessung in Schulen – eine umstrittene Selbstverständlichkeit; IN: Weinert, F.E. (Hrsg.): Leistungsmessungen in Schulen, Beltz Verlag, Weinheim – Basel,17-31.
http://drw-www.adw.uni-heidelberg.de/drw/, 20.05.2007. http://www.onpulson.de/lesikon/kompetenz.html, 06.06.2007. http://www.uni-graz.at/~papousek/teaching/stat-e.html, 17.06.2007. http://www.uni-graz.at/zvwww/studplan/sppsychol.html,17.06.2007. https://online.uni-graz.at/kfu_online/webnav.ini, 17.06.2007.
Danke für die Aufmerksamkeit!