Zwei rationale Teilbewertungsmethoden für Sortieraufgaben sind das „Maximum Relative Chaining Spectrum“ (MRS) und die „Linear Rank Matrix Method“ (LM), wie vom Vortragenden vorgeschlagen. Beide Modelle basieren auf mathematischen Operationen und spiegeln die kognitive Belastung während der Aufgabe wider. MRS ist eine einfache Messmethode, da sie praktisch der minimalen Editierdistanz entspricht. Sie kann jedoch weder die Bewegungs- noch die Aggregationsdistanz der einzelnen Antworten der Testteilnehmer zur Kette korrekter Antworten bewerten. LM hingegen, eine approximative Version von MRS, ist eine allgemeine Form des Kendall-Rangkorrelationskoeffizienten und ermöglicht die Festlegung von Gewichtungen der Element-zu-Element-Distanzen, die in Kendalls Koeffizienten nicht enthalten sind. In dieser Studie wurde die Überlegenheit von LM unter Berücksichtigung der Element-zu-Element-Distanz anhand realer Testdaten zu historischen Ereignissen von 122 Universitätsstudenten verifiziert. Dabei wurde bestätigt, dass sich Elementcluster stabil bildeten, indem multidimensionale Skalierung auf Daten angewendet wurde, die einer bestimmten Transformation der Distanz (Mittelwert) zwischen Sortierelementen unterzogen wurden. Insbesondere traten in der leistungsschwächeren Gruppe Aufgaben auf, die außerhalb des Clusters lagen, was Bereiche aufzeigt, in denen das Verständnis der Lernenden unzureichend war.
*Die letzte Zeile wurde hier ausgelassen, da sie die Zeichenbegrenzung überschritten hat. Wir bitten um Entschuldigung.
