Logo des Repositoriums

Auflistung nach Autor:in "Wirzberger, Maria"

1 - 5 von 5
  • Textdokument
    Auswirkung systeminduzierter Delays auf die menschliche Gedächtnisleistung in einem virtuellen agentenbasierten Trainingssetting
    (INFORMATIK 2017, 2017) Wirzberger, Maria; Schmidt, René; Rey, Günter Daniel; Hardt, Wolfram
    Verzögerungen in der Reaktion technischer Systeme können neben negativen Auswirkungen auf das systembezogene Nutzererleben auch Einbußen in der kognitiven Leistungsfähigkeit zur Folge haben. Die vorliegende Arbeit untersucht derartige Effekte anhand eines dialoggestützten Gedächtnistrainings mit einem virtuellen Agenten. Basierend auf der systemseitig kontrollierten Implementierung definierter Verzögerungszeiten zeigten sich in einem experimentellenWizard-of-Oz-Setting neben ungünstigen Effekten längerer Verzögerungen auch vermittelnde Einflüsse nutzerseitiger Charakteristika auf die beobachtete Gedächtnisleistung. Ausgehend von diesen Befunden werden abschließend mögliche Optimierungen und Anknüpfungspunkte für weitere Forschungsarbeiten diskutiert.
  • Textdokument
    Computer Science meets Cognition
    (INFORMATIK 2017, 2017) Wirzberger, Maria; Truschzinski, Martina; Schmidt, René; Barlag, Maria
    Basierend auf der zunehmenden disziplinären Verschränkung informatischer und psychologischer Forschungsansätze zur Beantwortung kognitionsbezogener Fragestellungen, adressiert der Workshop entstehende Möglichkeiten und Herausforderungen aus einer interdisziplinären Perspektive heraus.
  • Conference paper
    Enhanced Program Comprehension: Individualized Learning of Code Tracing with the Feedback Buddy
    (Proceedings of DELFI 2024, 2024) Koch, Nadine Nicole; Kapfenstein, Ann-Kathrin; Meißner, Niklas; Wirzberger, Maria
    The increasing importance of programming skills for various professions highlights the necessity of laying solid foundations for these skills in school. One critical step when learning programming is code tracing, i.e., the ability to analyze program code to predict the data changes when the code is executed. Considering the diverse levels of prior knowledge in computer science classes, it is essential to implement tailored teaching approaches, which can enhance the respective learning outcomes. To create personalized learning paths, we developed the tutoring system Feedback Buddy that teaches if-else branches, for loops, and combinations of them using tracing tables. Thereby, the Feedback Buddy adapts its feedback and task difficulty based on learners’ affective, cognitive, and metacognitive states. Extending former systems, our approach focuses on school education and uses 𝑡h growth mindset feedback. Evaluation with 10 positive results, affirming the usability and usefullness of the Feedback Buddy in secondary school education.
  • Textdokument
    Lernförderliche Gestaltung computerbasierter Instruktionen zur Roboterkonstruktion
    (INFORMATIK 2017, 2017) Bijarsari, Shirin Esmaeili; Wirzberger, Maria; Rey, Günter Daniel
    Durch den zunehmenden Einzug computerbasierter Technologien in den Lehr-und Lernbereich ist die Untersuchung der lernförderlichen Gestaltung wieder stärker in den Vordergrund gerückt. Besonders in praktisch-motorischen Lernszenarien besteht der Bedarf einer angepassten Methodik. Vor diesem Hintergrund diskutiert diese Studie eine Methodik zur computerbasierten Instruktion für die Konstruktion von Lego Mindstorm Robotern. In einem 2x2 Design werden die Instruktionselemente Guidance Fading und Color Coding auf ihre Lernförderlichkeit untersucht. Abschließend werden Vorteile der webbasierten Umsetzung der Studie diskutiert.
  • Zeitschriftenartikel
    Modeling Interruption and Resumption in a Smartphone Task: An ACT-R Approach
    (i-com: Vol. 14, No. 2, 2015) Wirzberger, Maria; Russwinkel, Dr.-Ing. Nele
    This research aims to inspect human cognition when being interrupted while performing a smartphone task with varying levels of mental demand. Due to its benefits especially in the early stages of interface development, a cognitive modeling approach is used. It applies the cognitive architecture ACT-R to shed light on task-related cognitive processing. The inspected task setting involves a shopping scenario, manipulating interruption via product advertisements and mental demands by the respective number of people shopping is done for. Model predictions are validated through a corresponding experimental setting with 62 human participants. Comparing model and human data in a defined set of performance-related parameters displays mixed results that indicate an acceptable fit – at least in some cases. Potential explanations for the observed differences are discussed at the end.