[Validierung der Deutschen Version der Classroom Community Scale (CCS-D)]

Harald Knof ¹
 Thomas Shiozawa <sup>1


1</sup> Eberhard Karls Universität Tübingen, Medizinische Fakultät, Institut für Klinische Anatomie und Zellanalytik, Tübingen, Deutschland

Zusammenfassung

Hintergrund: Eine wichtige Voraussetzung für kollaboratives Lernen ist die Integration der Lernenden in eine Gemeinschaft. Dies unterstützt individuelle Lernprozesse und schafft eine gemeinsame Lernkultur. Das Konstrukt des „sense of community“ („Gemeinschaftssinn“ oder „Gemeinschaftsgefühl“) umfasst Zugehörigkeitsgefühle und sozio-emotionale Bindungen mit Schlüsselelementen wie Interdependenz, Vertrauen, Interaktivität und gemeinsamen Werten. „Lerngemeinschaften“ in Bildungsumgebungen bestehen aus zwei Komponenten: einem Gefühl der Verbundenheit unter den Mitgliedern und gemeinsamen Lernerwartungen. Die „Classroom Community Scale (CCS)“ wurde entwickelt, um das um das Konstrukt „Gemeinschaftsgefühl“ in kollaborativen Lernumgebungen zu erfassen. Bisher ist dieses Instrument nicht auf Deutsch verfügbar. Ziel dieser Arbeit ist die Übersetzung und Validierung einer deutschen Version der Classroom Community Scale (CCS-D).

Methoden: Der Fragebogen wurde N=334 Studierenden im ersten Semester der Studiengänge Humanmedizin, Zahnmedizin und Molekulare Medizin an der Eberhard Karls Universität Tübingen, Deutschland, vorgelegt. Es wurden deskriptive Analysen sowie eine konfirmatorische Faktoren- und eine Hauptkomponentenanalyse durchgeführt.

Ergebnisse: Für den gesamten Fragebogen konnte Cronbachs α=.87 verzeichnet werden, mit Reliabilitäten von α=.85 für die Subskala Verbundenheit und α=.76 für die Subskala Lernen. In der konfirmatorischen Faktorenanalyse erreicht das Modell einen moderaten (CFI=.85; TLI=.83) bis akzeptablen (χ² [169, n=334]=455.368, p<.000; χ²/df=2.694; RMSEA=.071; SRMR=.0605) Modell-Fit.

Diskussion: Die Reliabilität des CCS-D zeigt vergleichbare Ergebnisse wie in der bestehenden Literatur. Die Zwei-Faktoren-Struktur des Modells konnte bestätigt werden, mit moderatem bis akzeptablem Modell-Fit. Daher ist der CCS-D ein nutzbares Instrument zur Messung des Gemeinschaftsgefühls in Lernumgebungen.

---

---

1. Einleitung

„Die Forschung hat gezeigt, dass Lernen sowohl den Wissenserwerb durch kognitive Prozesse aus individuellen Denkprozessen als auch durch das Eingebundensein in eine Gesellschaft umfasst“ [1].

Um den sozialen Aspekt des Lernens anzusprechen, werden kollaboratives Lernen und team-basierte Ansätze in der medizinischen Ausbildung zunehmend implementiert und können viele verschiedene Formen annehmen: persönlich, digital, synchron oder asynchron [2], [3], [4]. Durch kollaboratives Lernen erleben Studierende effektive Teamarbeit, Kommunikationskompetenzen und ein Verantwortungsgefühl für ihre eigene Leistung sowie die Teamleistung, eine notwendige Fähigkeit im zukünftigen Berufsleben, die sich auf die Qualität der Gesundheitsversorgung auswirken kann [5], [6]. Allerdings stehen Studierende beim kollaborativen Lernen weiterhin vor mehreren Herausforderungen. Gruppenarbeit kann mit ungleicher individueller Beteiligung durchgeführt werden, Kommunikation kann ineffektiv und der Umgang mit Gruppenmitgliedern kann schwierig sein [7], [8], [9]. Dies erschwert es auch der empirischen Bildungsforschung im Bereich Medizin durch den Einsatz kollaborativer Lernmethoden und -strategien durchweg bessere Ergebnisse zu erzielen [10]. Ein Parameter zur Förderung des kollaborativen Lernens ist das Gefühl, wie sich die Studierenden in ihre Peer-Gruppe integriert fühlen. Ein psychologisches Konstrukt zur Beschreibung dieses Phänomens ist der sogenannte „sense of community“ (Gemeinschaftsgefühl) [11]. Es wurde gezeigt, dass das kollaborative Lernen der Studierenden signifikant mit dem Gemeinschaftsgefühl korreliert [12].

1.1. Gemeinschaftsgefühl

Obwohl es umfangreiche Literatur gibt, existiert keine allgemein akzeptierte Definition des Begriffs „sense of community“ (Gemeinschaftsgefühl) [11], [13], [14], [15]. Einige Autoren definieren „sense of community“ als ein Gefühl der Zugehörigkeit und geteilte sozio-emotionale Verbindungen [16]. Andere Autoren betonen die Wahrnehmung von Ähnlichkeit und Interdependenz mit anderen [17]. Eine weit verbreitete Definition stammt von McMillan und Chavis: „Sense of community ist das Gefühl, dass Mitglieder ein Gefühl der Zugehörigkeit haben, das Gefühl, dass die Mitglieder einander und der Gruppe wichtig sind, und ein gemeinsamer Glaube, dass die Bedürfnisse der Mitglieder durch ihr Engagement, zusammen zu sein, erfüllt werden“ [11]. Dieses Gemeinschaftsgefühl bezieht sich auf Variablen, die über individuelles Verhalten und individuelle Beziehungen hinausgehen [18]. Die wesentlichsten Elemente eines Gemeinschaftsgefühls sind Geist, Vertrauen, gegenseitige Abhängigkeit unter den Mitgliedern, Interaktivität, gemeinsame Werte und Ziele [13], [19]. Es sollte beachtet werden, dass sich die Dimensionen von Gemeinschaft und damit das Gemeinschaftsgefühl je nach Kontext unterscheiden [18], [20], [21]. Eine Vielzahl von Umgebungen wie Nachbarschaften, Arbeitsplätze oder virtuelle Räume bildeten bereits die Grundlage für Diskussionen und Arbeiten zum Gemeinschaftsgefühl [22]. Lernumgebungen stellen einen besonderen Kontext dar und müssen separat betrachtet werden [23].

1.2. Classroom Community

Klassengemeinschaften stellen eine besondere Form einer psychologischen Gemeinschaft dar. Die entscheidenden Faktoren sind: Der Rahmen ist eine Lernumgebung; der Zweck der Gemeinschaft ist Lernen; die Gemeinschaft ist zeitlich begrenzt, z. B. auf die Dauer des Kurses oder Programms, in dem die Mitglieder eingeschrieben sind [24]. Nach Rovai und basierend auf dem oben beschriebenen theoretischen Rahmen umfassen die Merkmale eines Gemeinschaftsgefühls im Klassenzimmer Gefühle von Verbundenheit, Zusammenhalt, Geist, Vertrauen, Interaktion und gemeinsamen Bildungszielen, in diesem Fall Lernen [13], [24], [25]. Angepasst an die besondere Umgebung von Klassengemeinschaften und Bildungsumgebungen umfasst dies zwei Komponenten: das Gefühl der Verbundenheit unter den Mitgliedern und die Gemeinsamkeit der Lernerwartungen [13].

Verbundenheit steht dabei für das Erkennen der Zugehörigkeit zu einer Gemeinschaft. Gefühle von Freundschaft und Zusammenhalt entwickeln sich unter den Lernenden. Sobald Einzelpersonen als Teil einer Lerngemeinschaft akzeptiert werden, entwickeln sie ein Gefühl von Sicherheit und Vertrauen, wobei Vertrauen als das Gefühl gesehen wird, dass der Gemeinschaft vertraut werden kann und Feedback positiv und unmittelbar sein wird [13], [26]. Dieses Gefühl des Vertrauens geht mit einer Bereitschaft der Gemeinschaftsmitglieder einher, offen zu sprechen, was wichtig ist, da Mitglieder mit diesem Vertrauen eher Lernlücken aufdecken und das Gefühl haben, dass andere Mitglieder der Gemeinschaft auf unterstützende Weise reagieren werden [13], [24].

Lernen ist das Gefühl, dass Wissen und Meinung aktiv innerhalb der Gemeinschaft aufgebaut werden. Dabei fördert die Gemeinschaft den Erwerb von Wissen und Verständnis und die Lernbedürfnisse der Mitglieder werden erfüllt. Mitglieder müssen sich nicht nur mit der Gruppe identifizieren, sondern auch die Werte und Ziele der Gruppe akzeptieren [13]. Lernen ist dieses Ziel und stellt einen unverzichtbaren Teil der Klassengemeinschaft dar [23].

Basierend auf dieser Arbeit kann „Classroom Community“ als eine soziale Gemeinschaft von Lernenden definiert werden, die Wissen, Werte und Ziele teilen [13]. Es ist bekannt, dass ein ausgeprägtes Gemeinschaftsgefühl im Klassenzimmer mit dem Wohlbefinden und Lernfortschritt der Studierenden verbunden ist [12], [27], [28], [29], [30]. Diese „Classroom Community“ sagt akademische Ergebnisse wie Anstrengung voraus und steht in positivem Zusammenhang mit dem Erfolg der Studierenden und der Prüfungsleistung, sowohl in Präsenz- als auch in Online-Kursen [21], [31], [32], [33], [34], [35]. Der allgemeine Trend zu Online-Lernformaten und zu Blended Learning wurde durch die COVID-19-Pandemie beschleunigt. Gerade hier ist es wichtig, dem Gemeinschaftsgefühl mehr Aufmerksamkeit zu schenken, da dieses in Blended-Learning-Formaten schwieriger zu erreichen ist als in Präsenzformaten [36]. Bildungsumgebungen, die ein Gemeinschaftsgefühl im Klassenzimmer fördern, vermitteln den Studierenden ein Gefühl von Sicherheit, Wertschätzung und Respekt, fördern das Lernen und Engagement und unterstützen und fordern somit die Studierenden, bereichern sie aber vor allem in ihrer intellektuellen Erfahrung [37], [38]. Basierend darauf ist das Potenzial zum Lernen mit anderen größer als individuell zu Lernen [39]. Andererseits neigen Studierende mit geringerem Gemeinschaftsgefühl im Klassenzimmer eher dazu, abzubrechen [40]. Lehrende müssen darauf abzielen, starke Gemeinschaftsgefühle aufzubauen und aufrechtzuerhalten, da diese möglicherweise Abbrüche durch erhöhte Unterstützung, Zusammenarbeit, Engagement für Gruppenziele und Zufriedenheit mit den akademischen Bemühungen verhindern können [41], [42].

Wie oben beschrieben, werden kollaboratives Lernen und team-basierte Ansätze in der medizinischen Ausbildung mit mehreren Absichten zunehmend genutzt, aber Herausforderungen wie ungleiche Beteiligung und ineffektive Kommunikation bestehen weiterhin. Ein entscheidender Teil ist das Gemeinschaftsgefühl im Klassenzimmer, bestehend aus den Komponenten Verbundenheit unter den Mitgliedern und gemeinsamen Bildungszielen. Die Anerkennung der Bedeutung der Förderung eines Gemeinschaftsgefühls in Lernumgebungen führte zur Entwicklung der Classroom Community Scale (CCS), eines Instruments zur Messung des Gemeinschaftsgefühls in kollaborativen Bildungsumgebungen [43]. Dies ermöglicht Lehrkräften, die genannten Herausforderungen anzugehen und ermöglicht eine bessere Erforschung der optimalen Gestaltung und Implementierung kollaborativer Bildungsumgebungen [43].

1.3. Classroom Community Scale

Die Classroom Community Scale umfasst 20 Items in zwei Subskalen – Verbundenheit und Lernen. Dies ist in Tabelle 1 [Tab. 1] dargestellt.

Die Subskala Verbundenheit besteht aus 10 Items (ungerade Nummern), die sich auf das Gefühl der Verbundenheit beziehen. Die Subskala Lernen enthält 10 Items (gerade Nummern), die sich auf das Empfinden der Nutzung von Interaktion innerhalb der Lerngemeinschaft beziehen. Die Teilnehmenden bewerten jedes Item auf einer 5-stufigen Likert-Skala von „stimme überhaupt nicht zu“ bis „stimme vollständig zu“. Um den Gesamtscore der Classroom Community Scale zu erhalten (Maximalpunktzahl=80), werden die Werte aller 20 Items summiert. Jede Subskala kann maximal 40 Punkte erreichen. Höhere Werte auf der gesamten Classroom Community Scale deuten auf ein stärkeres Verbundenheitsgefühl hin, während niedrigere Werte auf ein schwächeres Gefühl der Verbundenheit hinweisen [43].

Das Classroom Community Scale-Instrument wurde in verschiedenen Studien in seiner ursprünglichen Form eingesetzt, um das Gemeinschaftsgefühl in Präsenz-, Blended- und virtuellen Lernumgebungen zu bewerten, manchmal ergänzt durch zusätzliche Validierungen [44], [45], [46], [47], [48]. Darüber hinaus wurden übersetzte Versionen des Instruments ins Italienische [49] und Persische [50] validiert und in ähnlichen Kontexten verwendet. Zudem wurde eine Kurzform des ursprünglichen Instruments (CCS-SF) entwickelt [51].

Soweit uns bekannt ist, gibt es in der medizinischen Ausbildungsliteratur bisher kein solches Instrument zur Messung des Gemeinschaftsgefühls in kollaborativen Lernumgebungen im deutschsprachigen Raum. Ziel dieses Artikels ist es, den Übersetzungsprozess der Classroom Community Scale ins Deutsche zu beschreiben und die Zuverlässigkeit sowie die Faktorstruktur der deutschen Version der Classroom Community Scale (CCS-D) zu demonstrieren.

2. Methoden

2.1. Übersetzungsprozess

Nach Erhalt der Erlaubnis zur Übersetzung vom Entwickler des ursprünglichen CCS-Instruments wurde die Übersetzung gemäß internationalen Richtlinien unter Verwendung der Vorwärts-Rückwärts-Übersetzung durchgeführt [52]. Das CCS-Instrument wurde zunächst von einer muttersprachlichen Medizinstudentin in Zusammenarbeit mit den Autoren ins Deutsche übersetzt, um die zugrunde liegenden Konzepte des Fragebogens beizubehalten. Diese abgestimmte deutsche Version wurde dann von einer weiteren Muttersprachlerin mit medizinischem Hintergrund zurück ins Englische übersetzt. Während des Übersetzungsprozesses traten Fragen zur genauen Definition und Übersetzung einzelner Items auf, wie zum Beispiel bei der exakten Übersetzung des Wortes „isolated“ in Item 9 (siehe Tabelle 1 [Tab. 1]). Auch bei Item 8 gibt es einen Unterschied zwischen „sharing gaps“ und „exposing gaps“ (siehe Tabelle 1 [Tab. 1]). Diese Fragen wurden mit den Autoren geklärt, und die deutsche Formulierung wurde entsprechend angepasst.

2.2. Datenerhebung

In den Prüfungswochen des Wintersemesters 21/22 und des Sommersemesters 2022 wurden insgesamt N=344 Studierende des ersten Semesters an der Medizinischen Fakultät der Universität Tübingen mit einem papierbasierten Fragebogen befragt. Zu diesem Zeitpunkt hatten die Teilnehmer alle Kurse des ersten Semesters ihres Medizinstudiums abgeschlossen. Die Studierenden wurden persönlich vom Erstautor zur Teilnahme eingeladen. Für ihre Teilnahme erhielten die Studierenden eine Aufwandsentschädigung in Höhe von 5 €, finanziert von der Medizinischen Fakultät Tübingen. Von allen Teilnehmern wurde vor der Studie eine schriftliche Einwilligung eingeholt. Sie wurden über die Studie, Chancen, Risiken, Rechte, Pflichten und die Freiwilligkeit der Teilnahme informiert. Die Daten wurden pseudonymisiert erhoben. Alle Teilnehmer stimmten auch der Veröffentlichung der Daten in anonymisierter Form zu. Die Studierenden konnten ihre Einwilligung jederzeit widerrufen, ohne dadurch Nachteile zu erleiden. Die Genehmigung für diese Studie wurde von der Ethikkommission der Eberhard Karls Universität Tübingen mit Schreiben Nr. 086/2022BO2 erteilt.

2.3. Datenanalyse

Wie im ursprünglichen CCS-Instrument war die Bewertungsskala für die Items 1, 2, 3, 6, 7, 11, 13, 15, 16 und 19: stimme vollständig zu=4, stimme zu=3, neutral=2, stimme nicht zu=1, stimme überhaupt nicht zu=0; für die Items 4, 5, 8, 9, 10, 12, 14, 17, 18 und 20 lautete die Bewertungsskala: stimme vollständig zu=0, stimme zu=1, neutral=2, stimme nicht zu=3, stimme überhaupt nicht zu=4 [43]. Für die weitere Analyse müssen diese Item-Scores invertiert werden. Diese Items sind in den Tabellen und Abbildungen dieser Arbeit mit einem „i“ gekennzeichnet.

Es wurde eine deskriptive Analyse durchgeführt, um die Stichprobe darzustellen und die Skalen- sowie Itemmerkmale des CCS-D zu bestimmen.

Entsprechend der ursprünglichen Veröffentlichung von Rovai (2002) und den bereits erwähnten Studien von Perrucci et al. (2022), Abdeldayem et al. (2020), Ahmady et al. (2018), Hur et al. (2013), Zhang et al. (2011) und Barnard-Brak & Shiu (2010) wurde Cronbachs Alpha verwendet, um die interne Konsistenz der Subskalen sowie die Konsistenz des gesamten Fragebogens zu bewerten. Werte von .70 oder höher gelten als zufriedenstellend, obwohl vorgeschlagen wurde, dass Werte von mindestens .80 den Mindeststandard darstellen [53].

Die Konstruktvalidität der 2-Faktor-Struktur der deutschen Version des CCS-Instruments wurde durch eine konfirmatorische Faktorenanalyse (CFA) bewertet. Die Untersuchung der externen Validität stellt einen zentralen Schwerpunkt für zukünftige Forschung dar.

Zuerst wurden die beobachteten Variablen (10 Verbundenheits-Items, 10 Lern-Items) in ein CFA-Modell eingefügt. Danach wurden die latenten Variablen (Verbundenheit, Lernen) dem Modell hinzugefügt. Die Maximum-Likelihood-Anpassung wurde gewählt, da die Bedingungen dafür erfüllt waren, da sowohl eine große Stichprobe vorhanden war als auch die Daten kontinuierliche Messniveaus verwendeten. Typischerweise wird eine 5-Punkte-Bewertungsskala als ordinales Maß betrachtet. Die Maximum-Likelihood-Anpassung kann angewendet werden, wenn es mindestens fünf Bewertungsstufen in jeder latenten Variablen und mindestens drei beobachtete Variablen gibt [54].

Zur Bewertung der Passung des 2-Faktoren-Modells wurden die folgenden Indikatoren berücksichtigt, basierend auf internationalen Richtlinien [55], [56], [57] und um die CCS-D mit früheren Validierungen zu vergleichen [44], [45], [49], [50]: Normierter Chi-Quadrat-Güteindikator mit einem Schwellenwert für die Akzeptanz von χ²/df. Comparative Fit Index (CFI) und Tucker–Lewis Index (TLI), wobei eine gute Modellanpassung bei .95 angezeigt wird (Hu & Bentler, 1999). In der Literatur wurden frühere Forschungsergebnisse für den Root Mean Square Error of Approximation (RMSEA) im Bereich von .05 bis .08 als akzeptabel angesehen [59], [60], [61]. Der aktuelle Schwellenwert für den RMSEA-Wert liegt jedoch bei <.06 reference="62">. Der Standardisierte Root Mean Square Residual (SRMR) wurde ebenfalls verwendet, wobei Werte unter .08 als akzeptabel gelten [62].

Zusammen mit der CFA wurde eine Hauptkomponentenanalyse (PCA) durchgeführt, um die Robustheit des Modells zu bewerten, den daten-orientierten Charakter der Untersuchung hervorzuheben, um die zugrunde liegende Faktorstruktur und potenzielle Muster in den Daten zu erkunden, die möglicherweise nicht durch die vorab festgelegten Annahmen der CFA erfasst wurden [63], [64], [65]. Zu diesem Zweck wurde die PCA mit Varimax-Rotation und Kaiser-Normalisierung durchgeführt, wobei nur Items mit Faktorladung ≥|.30| auf einer oder beiden Dimensionen ausgewählt wurden [58], [66].

Zur Erfassung der Fragebogenantworten, Extraktion und Analyse wurde SPSS Statistics 29 (IBM Corp., Armonk, NY) verwendet. Die CFA wurde mit IBM SPSS AMOS 28 (IBM Corp., Armonk, NY) durchgeführt.

3. Ergebnisse

3.1. Stichprobe

Insgesamt wurden N=344 Medizinstudenten im ersten Semester an der Medizinischen Fakultät Tübingen mit einem papierbasierten Fragebogen befragt. Bei einer Aufnahme von insgesamt 210 Studierenden pro Semester hätte maximal 420 Teilnehmer eingeschlossen werden können, was einer Rücklaufquote von 81.9% entspricht. Um die Bedingungen für die Nutzung von AMOS in der weiteren Analyse zu erfüllen, wurden alle Teilnehmer mit fehlenden Daten zu den CCS-D-Items ausgeschlossen. Dies führte zu 334 Teilnehmern. Die Studienteilnehmenden waren zu 69.2% weiblich, was der Geschlechterverteilung bei der Aufnahme entspricht. Das Alter reichte von 18 bis 35 Jahren; das Durchschnittsalter betrug 20,73 Jahre (SD 2.736). Die Mehrheit der Teilnehmer waren Medizinstudierende (96.7%), gefolgt von Zahnmedizinstudierenden (3.0%) und Studierenden der Molekularmedizin (0.3%).

3.2. Skalenmerkmale und interne Konsistenz

Die deskriptiven Statistiken für die einzelnen Items (siehe Tabelle 2 [Tab. 2]) sowie für die gesamte Classroom Community Scale und jede Subskala sind unten dargestellt (siehe Tabelle 3 [Tab. 3]). Die gesamte Classroom Community Scale (Cronbach’s Alpha=.87) und die Subskala Verbundenheit (Alpha=.85) zeigten eine gute interne Konsistenz. Die Subskala Lernen weist einen Cronbach’s Alpha von .76 auf, was auf eine akzeptable interne Konsistenz hinweist.

3.3. Konfirmatorische Faktorenanalyse

Das CFA-Modell für das 2-Faktoren-Modell ist in Abbildung 1 [Abb. 1] dargestellt. Das 2-Faktoren-Modell zeigte eine akzeptable Modellanpassung hinsichtlich des normierten Chi-Quadrats (χ²[169, n=334]=455.368, p<.000>2/df=2.694). Das RMSEA (.071) und der SRMR (.0605) zeigten eine akzeptable Passung. Der CFI (.85) und der TLI (.83) weisen auf eine moderate Modellanpassung hin. Die standardisierten Regressionsgewichte (Faktorladungen) sind alle >.4, mit Ausnahme von Item 6 („Ich habe das Gefühl, dass ich zeitnahes Feedback erhalte“).

3.4. Hauptkomponentenanalyse

Das Kaiser-Meyer-Olkin-Kriterium betrug .881, was auf eine relativ gute Faktorenanalyse hinweist. Der Bartlett-Test auf Sphärizität war signifikant (approx. χ²=2056.322; p<.001 die analysierten daten f daher nicht zu einer identit und sind faktorenanalyse geeignet. es wurden nur faktoren mit eigenwerten ber reference="67">, [68]. Die Untersuchung der Kaiser-Kriterien und des Scree-Plots führte zur Beibehaltung von zwei Faktoren mit Eigenwerten >1, die 39.5% der Gesamtvarianz erklärten. Im Varimax-rotierten Zwei-Faktoren-Modell (siehe Tabelle 4 [Tab. 4]) laden die meisten Items nur auf einen der beiden Faktoren, mit Ausnahme von Item 9 („Ich fühle mich einsam in diesem Kurs“) und Item 16 („Ich habe das Gefühl, dass ich ausreichende Möglichkeiten zu Lernen bekomme.“). Die zugrunde liegende Struktur der Aufteilung der CCS in Verbundenheit und Lernen kann bestätigt werden, da die ungeraden Items stark auf Faktor 1 laden und die geraden Items auf Faktor 2. Nur Item 14 („Ich habe das Gefühl, dass andere Studierende nicht zu meinem Lernerfolg beitragen.“) lädt auf Faktor 1, obwohl es sich tatsächlich um ein Item der Skala Lernen handelt.

4. Diskussion

Der CCS-D zeigt eine gute Reliabilität und repliziert die Faktorstruktur der Originalversion in der konfirmatorischen Faktorenanalyse (CFA). Die Faktorstruktur wurde durch die durchgeführte Hauptkomponentenanalyse (PCA) bestätigt. Die Werte der internen Konsistenz sind im Vergleich zur Originalversion sowie zu anderen Studien und übersetzten Versionen ähnlich (siehe Tabelle 5 [Tab. 5]). Bei der Betrachtung der Modellpassung schneidet die CCS-D in einigen Fällen besser und in anderen schlechter ab. Es sollte beachtet werden, dass mit der begrenzten Literatur zur CFA des CCS-Fragebogens nicht alle Modellpassungen immer berichtet werden (siehe Tabelle 6 [Tab. 6]).

Obwohl die Faktorstruktur repliziert wurde, wurde eine hohe Korrelation zwischen den einzelnen Subskalen Verbundenheit und Lernen festgestellt, was darauf hindeutet, dass diese Subskalen möglicherweise nicht verschiedene Dimensionen der Klassengemeinschaft darstellen und sich gegenseitig beeinflussen. Eine ebenso hohe Korrelation zwischen den Subskalen wurde bereits in der Literatur berichtet [44].

Auch die gekreuzten Ladungen der Items 9 und 16 sowie die Ladung von Item 14 auf die Subskala Verbundenheit in der PCA weisen darauf hin. Diese gekreuzten Ladungen wurden bereits in der Literatur beschrieben [[49], [51], [69]. Einige Teilnehmer könnten Item 9 („Ich fühle mich einsam in diesem Kurs“) so interpretiert haben, dass sie sich vom Lehrer nicht in den Unterricht einbezogen fühlen. Diese Interpretation betrachtet das Item als Teil der Lern-Dimension, in der der Dozent eine zentrale Rolle spielt [49]. Es ist bekannt, dass die Persönlichkeit oder Veranlagungen eines Dozenten das Gefühl der sozialen Präsenz und der Klassengemeinschaft der Studierenden beeinflussen können [70], [71]. Wie oben beschrieben, gab es während des Übersetzungsprozesses Fragen zur genauen Übersetzung des Wortes „isoliert“. Die Wahl war weniger eine wörtliche Übersetzung im Sinne von „Isolation“ und mehr in Richtung „Einsamkeit“, was sich mehr auf die Zusammenarbeit beziehen kann, wie im Fall der Bedeutung des Wortes „einsam“, weniger auf Beziehungen, wie im Fall der Bedeutung des Wortes „allein“. Eine ähnliche Verschiebung der Interpretation könnte für Item 16 („Ich habe das Gefühl, dass ich ausreichende Möglichkeiten zu Lernen bekomme“) auftreten, bei dem die mögliche Interpretation auf Lernmöglichkeiten in der Anwesenheit von Kommilitonen fokussiert ist, wodurch der Verbundenheitskomponente eher Rechnung getragen wird [71]. Es ist plausibel, dass bei Item 14 („Ich habe das Gefühl, dass andere Studierende nicht zu meinem Lernerfolg beitragen“) aufgrund der Formulierung und des Inhalts die Interpretation des Items eher auf die Qualität der Beziehung zu den Kommilitonen fokussiert ist, die als Grund für die mangelnde Hilfe beim Lernen gesehen wird. Dies rückt das Gefühl der Verbundenheit in den Fokus, obwohl das Item ursprünglich als Teil des Lernens konzipiert wurde [49]. Daher kann das allgemeine Interesse der Studierenden an der Entwicklung eines Gemeinschaftsgefühls von ihren Erwartungen beeinflusst sein, wie sie in zukünftigen Kursen und/oder in ihren Karrieren mit anderen Studierenden interagieren werden [72]. Item 9 und Item 14 wurden im Prozess der Erstellung der CCS-SF ausgeschlossen [51]. Es sollte in Betracht gezogen werden, ob ein ähnliches Verfahren bei einer möglichen Erstellung einer deutschen Version der CCS-D-SF verwendet werden kann. Inkonsistenzen zwischen der aktuellen Studie und früheren Forschungen könnten möglicherweise auf Unterschiede in der Stichprobenauswahl, Methodologie und Programm-/Kursunterscheidungen zurückzuführen sein.

Es gibt einige Einschränkungen dieser Arbeit, die berücksichtigt werden sollten. Da ein Teil der Datenerhebung im Wintersemester 21/22 stattfand, könnte die COVID-19-Pandemie das Gefühl der Verbundenheit und des kollaborativen Lernens der Studierenden beeinflusst haben [73], [74]. Eine Homogenisierung der Studierendengemeinschaften kann beobachtet werden, gefördert durch ähnliche und gemeinsame soziale und persönliche Herausforderungen, einschließlich Unsicherheiten und dem Übergang zur Online-Bildung, welcher zu einer Einschränkung der sozialen Kontakte führt. Normalerweise konzentrieren sich Erstsemesterstudierende auf den Aufbau persönlicher Beziehungen und den Aufbau eines für ihr Studium relevanten beruflichen Netzwerks [75]. Die soziale Integration und persönliche Interaktionen waren durch die Pandemie schwieriger, da der Kontakt zu Kommilitonen meist nur digital möglich war [76], [77]. Im Gegensatz zur vorliegenden Studie, bei der das Gemeinschaftsgefühl über ein gesamtes Studienprogramm gemessen wurde, konzentrierten sich die meisten bisherigen Forschungen zur CCS auf einzelne Kurse oder Unterrichtseinheiten [78].

5. Schlussfolgerung

In dieser Studie wurde der Übersetzungsprozess und die konfirmatorische Faktorenanalyse des Classroom Community Scale (CCS)-Instruments in die deutsche Version (CCS-D) vorgestellt.

Die Reliabilität des CCS-D ist vergleichbar mit den Ergebnissen der Literatur und zeigt ähnlich gute Werte. In der konfirmatorischen Faktorenanalyse konnte die Zwei-Faktoren-Struktur des Modells bestätigt werden. Die moderate bis akzeptable Modellpassung ist mit den bestehenden Werten aus früherer Forschung vergleichbar. Auch in der durchgeführten Hauptkomponentenanalyse wurde die Faktorstruktur bestätigt.

Daher ist der CCS-D ein brauchbares Instrument zur Messung des Gemeinschaftsgefühls in Lernumgebungen. Zukünftige Forschung sollte sich auf die Anwendung dieses Fragebogens in deutschsprachigen Ländern konzentrieren. Eine weitere Entwicklung kann erfolgen, sobald größere Datenmengen aus unterschiedlichen Lernumgebungen und Kursformaten verfügbar sind.

ORCIDs der Autoren

• Harald Knof: [0000-0002-0942-653X]
• Thomas Shiozawa: [0000-0002-7112-1016]

Tagungsbeitrag

Auszüge aus diesem Manuskript wurden auf der Jahrestagung der Gesellschaft für Medizinische Ausbildung (GMA) in Osnabrück 2023 präsentiert [79].

Danksagungen

Die Autoren möchten Prof. Alfred P. Rovai von der Regent University (Virginia Beach, VA, USA) für die Genehmigung zur Nutzung und Übersetzung seines CCS-Instruments danken. Sie möchten auch Charlien Wolf und Lena Riha danken, die die Rückübersetzung des Fragebogens durchgeführt haben. Des Weiteren danken die Autoren Prof. Dr. Peter Martus für die statistische Beratung. Den Studierenden der Medizinischen Fakultät Tübingen sind die Autoren dankbar für ihre Teilnahme an dieser Studie.

Wir danken für die Unterstützung durch den Open-Access-Publikationsfonds der Universität Tübingen.

Interessenkonflikt

Die Autoren erklären, dass keine Interessenkonflikte bestehen. Allein die Autoren sind für den Inhalt und das Schreiben dieses Artikels verantwortlich. Die Autoren geben an, dass die Forschung in Abwesenheit jeglicher kommerzieller oder finanzieller Beziehungen durchgeführt wurde, die als potenzieller Interessenkonflikt ausgelegt werden könnten.

---

Literatur

[1] Bandura A. Social foundations of thought and action: A social cognitive theory. Englewood Cliffs (NJ): Prentice-Hall, Inc; 1986.
[2] Pervaz Iqbal M, Velan GM, O'Sullivan AJ, Balasooriya C. The collaborative learning development exercise (CLeD-EX): an educational instrument to promote key collaborative learning behaviours in medical students. BMC Med Educ. 2020;20(1):62. DOI: 10.1186/s12909-020-1977-0
[3] Dillenbourg P. Chapter 1 (Introduction) What do you mean by 'collaborative learning'? In: Dillenboung P, editor. Collaborative learning. 1. edition. Amsterdam: Pergamon; 1999. p.1-15.
[4] Sevenhuysen S, Haines T, Kiegaldie D, Molloy E. Implementing collaborative and peer-assisted learning. Clin Teach. 2016;13(5):325-331. DOI: 10.1111/tct.12583
[5] VanLeuven AJ, Szymik BG, Ramsey LM, Hesse DW. A multi-year evaluation of medical student performance on and perceptions of collaborative gross anatomy laboratory examinations. Anat Sci Educ. 2023;16(3):557-566. DOI: 10.1002/ase.2223
[6] Rosen MA, DiazGranados D, Dietz AS, Benishek LE, Thompson D, Pronovost PJ, Weaver SJ. Teamwork in healthcare: Key discoveries enabling safer, high-quality care. Am Psychol. 2018;73(4):433-450. DOI: 10.1037/amp0000298
[7] Almajed A, Skinner V, Peterson R, Winning T. Collaborative Learning: Students’ Perspectives on How Learning Happens. Interdiscip J Probl Based Learn. 2016;10(2):Article 9. DOI: 10.7771/1541-5015.1601
[8] Almajed A, Winning T, Skinner V, Peterson R. Medical and Dental Students' Perceptions and Experiences of Collaborative Learning: A Systematic Review. JBI Libr Syst Rev. 2011;9(32 Suppl):1-13. DOI: 10.11124/01938924-201109321-00001
[9] Skinner VJ, Braunack-Mayer A, Winning TA. The Purpose and Value for Students of PBL Groups for Learning. Interdiscip J Probl Based Learn. 2015;9(1):Article 7. DOI: 10.7771/1541-5015.1499
[10] Pluta WJ, Richards BF, Mutnick A. PBL and beyond: trends in collaborative learning. Teach Learn Med. 2013;25 Suppl 1:S9-S16. DOI: 10.1080/10401334.2013.842917
[11] McMillan D, Chavis D. Sense of Community: A Definition and Theory. J Community Psychol. 1986;14(1):6-23. DOI: 10.1002/1520-6629(198601)14:1<6::AID-JCOP2290140103>3.0.CO;2-I
[12] Chatterjee R, Correia AP. Online Students’ Attitudes Toward Collaborative Learning and Sense of Community. Am J Distance Educ. 2019;34(1):53-68. DOI: 10.1080/08923647.2020.1703479
[13] Rovai AP. Sense of community, perceived cognitive learning, and persistence in asynchronous learning networks. Internet High Educ. 2002;5(4):319-332. DOI: 10.1016/S1096-7516(02)00130-6
[14] Westheimer J, Kahne J. Building school communities: An experience-based model. Phi Delta Kappan. 1993;75:324-328.
[15] Graves LN. Cooperative Learning Communities: Context for a New Vision of Education and Society. J Educ. 1992;174(2):57-79.
[16] Unger DG, Wandersman A. The importance of neighbors: The social, cognitive, and affective components of neighboring. Am J Community Psychol. 1985;13(2):139. DOI: 10.1007/BF00905726
[17] Sarason SB. The psychological sense of community: Prospects for a Community Psychology. San Francisco: Jossey-Bass; 1974.
[18] Hill JL. Psychological sense of community: Suggestions for future research. J Community Psychol. 1996;24(4):431-438. DOI: 10.1002/(SICI)1520-6629(199610)24:4<431::AID-JCOP10>3.0.CO;2-T
[19] Shaffer C, Anundsen K. Creating community anywhere: Finding support and connection in a fragmented world. London: Tarcher; 1993.
[20] Rheingold H. The virtual community: Finding commection in a computerized world. Boston: Addison-Wesley Longman Publishing Co. Inc.; 1993.
[21] Strayhorn TL. College Students’ Sense of Belonging. A Key to Educational Success for All Students. New York: Routledge; 2018. DOI: 10.4324/9781315297293
[22] Wang W, Gao Y, Pitts A, Dong L. A Bibliometric Analysis of Neighborhood Sense of Community. Sustainability. 2023;15(5):4183. DOI: 10.3390/su15054183
[23] Rovai AP. Building classroom community at a distance: A case study. Educ Technol Res Dev. 2001;49(4):33-48. DOI: 10.1007/BF02504946
[24] Rovai AP. Building and sustaining community in asynchronous learning networks. Internet High Educ. 2000;3(4):285-297. DOI: 10.1016/S1096-7516(01)00037-9
[25] Rovai AP. Building Sense of Community at a Distance. The International Review of Research. Int Rev Res Open Distrib Learn. 2002;3(1). DOI: 10.19173/irrodl.v3i1.79
[26] McMillan DW. Sense of community. J Community Psychol. 1996;24(4):315-325. DOI: 10.1002/(SICI)1520-6629(199610)24:4<315::AID-JCOP2>3.0.CO;2-T
[27] Shackelford JL, Maxwell M. Sense of community in graduate online education: Contribution of learner to learner interaction. Int Rev Res Open Distrib Learn. 2012;13(4):228-249. DOI: 10.19173/irrodl.v13i4.1339
[28] Tayebinik M, Puteh M. Sense of Community: How Important is this Quality in Blended Courses. arXiv. 2015.
[29] Lai KW. Knowledge construction in online learning communities: a case study of a doctoral course. Stud High Educ. 2013;40(4):561-579. DOI: 10.1080/03075079.2013.831402
[30] Garrison DR, Anderson T, Archer W. The first decade of the community of inquiry framework: A retrospective. Internet High Educ. 2010;13(1-2):5-9. DOI: 10.1016/j.iheduc.2009.10.003
[31] Sadera W, Robertson J, Song L, Midon N. The Role of Community in Online Learning Success. J Online Learn Teach. 2009;5:277-284.
[32] Sánchez B, Colón Y, Esparza P. The Role of Sense of School Belonging and Gender in the Academic Adjustment of Latino Adolescents. J Youth Adolesc. 2005;34(6):619-628. DOI: 10.1007/s10964-005-8950-4
[33] Yang Y, Cho Y, Mathew S, Worth S. College Student Effort Expenditure in Online Versus Face-to-Face Courses. J Adv Acad. 2011;22(4):619-638. DOI: 10.1177/1932202X11415003
[34] McKinney JP, McKinney KG, Franiuk R, Schweitzer J. The College Classroom as a Community: Impact on Student Attitudes and Learning. College Teach. 2010;54(3):281-284.
[35] Halic O, Lee D, Paulus T, Spence M. To blog or not to blog: Student perceptions of blog effectiveness for learning in a college-level course. Internet High Educ. 2010;13(4):206-213. DOI: 10.1016/j.iheduc.2010.04.001
[36] Pei L, Poortman C, Schildkamp K, Benes N. Teachers' and students' perceptions of a sense of community in blended education. Educ Inf Technol (Dordr). 2023:1-39. DOI: 10.1007/s10639-023-11853-y
[37] Tinto V. Classrooms as Communities. Exploring the Educational Character of Student Persistence. J High Educ. 2016;68(6):599-623. DOI: 10.1080/00221546.1997.11779003
[38] Keyes TS, Heath RD. The Association Between Teaching Practices and Students’ Perceptions of Being in a Classroom Community of Engaged Learners. School Community J. 2023;33(1):251-278.
[39] Wenger E, White N, Smith J. Learning in Communities. In: Ehlers UD, Schneckenberg D, editors. Changing Cultures in Higher Education. Berlin, Heidelberg: Springer Berlin Heidelberg; 2010. p.257-283. DOI: 10.1007/978-3-642-03582-1_20
[40] Sheets M. Characteristics of Adult Education Students and Factors Which Determine Course Completion: A Review. New Horizon Adult Educ Human Res Dev. 1992;6:3-18. DOI: 10.1002/nha3.10034
[41] Bruffee KA. Collaborative Learning: Higher Education, Interdependence, and the Authority of Knowledge. Baltimore: Johns Hopkins University Press; 1993.
[42] Dede C. The evolution of distance education: Emerging technologies and distributed learning. Am J Distance Educ. 1996;10(2):4-36. DOI: 10.1080/08923649609526919
[43] Rovai AP. Development of an instrument to measure classroom community. Internet High Educ. 2002;5(3):197-211. DOI: 10.1016/S1096-7516(02)00102-1
[44] Abdeldayem M, Aldulaimi SH, Aldulaimi ML. Virtual Learning and Students’ Connectedness in the Time of Coronavirus. Int J Adv Sci Technol. 2020;29(05):12634-12645.
[45] Barnard-Brak L, Shiu W. Classroom Community Scale in the blended learning environment: A psychometric review. Int J E-Learn. 2010;9(3):303-311.
[46] Yan J, Ding X, Xiong L, Liu E, Zhang Y, Luan Y, Qin L, Zhou C, Zhang W. Team-based learning: assessing the impact on anatomy teaching in People's Republic of China. Adv Med Educ Pract. 2018;9:589-594. DOI: 10.2147/AMEP.S169949
[47] Zhang YY, Lin X, Xu M. Rovai’s Classroom Community Scale and Its Application in Chinese College English Class. Sino-US Engl Teach. 2011;8(9):592-598.
[48] Hur EH, Glassman M, Kim Y. Finding autonomy in activity: Development and validation of a democratic classroom survey. Educ Assess Eval Account. 2013;25(4):303-320. DOI: 10.1007/s11092-013-9173-y
[49] Perrucci V, Cacciamani S, Khanlari A, Balboni G. The Classroom Community Scale in a Face-to-Face University Context: Factorial Structure and Convergent/Divergent Validity. Test Psychomet Methodol App Psychol. 2022;29(3):297-307. DOI: 10.4473/TPM29.3.2
[50] Ahmady S, Kohan N, Bagherzadeh R, Rakshhani T, Shahabi M. Validity testing of classroom community scale in virtual environment learning: A cross sectional study. Ann Med Surg (Lond). 2018;36:256-260. DOI: 10.1016/j.amsu.2018.08.021
[51] Cho J, Demmans Epp C. Improving the Classroom Community Scale: Toward a Short-Form of the CCS. AERA Online Paper Repository. 2019. DOI: 10.3102/1432534
[52] Acquadro C, Conway K, Hareendran A, Aaronson N; European Regulatory Issues and Quality of Life Assessment (ERIQA) Group. Literature review of methods to translate health-related quality of life questionnaires for use in multinational clinical trials. Value Health. 2008;11(3):509-521. DOI: 10.1111/j.1524-4733.2007.00292.x
[53] Nunnally JC. Psychometric theory. 2d edition. New York: McGraw-Hill; 1978.
[54] Harrington D. Confirmatory factor analysis - Pocket guides to social work research methods. Oxford, New York: Oxford University Press; 2009.
[55] Crowley SL, Fan X. Structural equation modeling: basic concepts and applications in personality assessment research. J Pers Assess. 1997;68(3):508-531. DOI: 10.1207/s15327752jpa6803_4
[56] Hooper D, Coughlan J, Mullen M. Structural Equation Modeling: Guidelines for Determining Model Fit. Elect J Business Res Meth. 2007;6(1):53-60.
[57] Kline RB. Principles and practice of structural equation modeling. 4th edition. New York: Guilford Press; 2016.
[58] Kline RB. Principles and practice of structural equation modeling. New York: Guilford Press; 1998.
[59] Browne MW, Cudeck R. Alternative Ways of Assessing Model Fit. Sociol Methods Res. 2016;21(2):230-258. DOI: 10.1177/0049124192021002005
[60] Jöreskog KG, Sörbom D. LISREL 8: Structural Equation Modeling with the SIMPLIS Command Language. Scientific Software International; 1993.
[61] MacCallum RC, Browne MW, Sugawara HM. Power analysis and determination of sample size for covariance structure modeling. Psychol Methods. 1996;1(2):130-149. DOI: 10.1037/1082-989X.1.2.130
[62] Hu Lt, Bentler PM. Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Struct Equ Modeling. 1999;6(1):1-55. DOI: 10.1080/10705519909540118
[63] Knekta E, Runyon C, Eddy S. One Size Doesn't Fit All: Using Factor Analysis to Gather Validity Evidence When Using Surveys in Your Research. CBE Life Sci Educ. 2019;18(1):rm1. DOI: 10.1187/cbe.18-04-0064
[64] Martin CR, Savage-McGlynn E. A ‘good practice’ guide for the reporting of design and analysis for psychometric evaluation. J Reprod Infant Psychol. 2013;31(5):449-455. DOI: 10.1080/02646838.2013.835036
[65] Fabrigar L, Wegener D, MacCallum RC, Strahan EJ. Evaluating the use of Exploratory Factor Analysis in psychological research. Psychol Methods. 1999;4(3):272-299. DOI: 10.1037/1082-989X.4.3.272
[66] Comrey AL, Lee HB. A first course in factor analysis. 2nd edition. Hillsdale, NJ: L. Erlbaum Associates; 1992.
[67] Kaiser HF. The Application of Electronic Computers to Factor Analysis. Educ Psychol Meas. 2016;20(1):141-151. DOI: 10.1177/001316446002000116
[68] Guttman L. Some necessary conditions for common-factor analysis. Psychometrika. 1954;19(2):149-161. DOI: 10.1007/BF02289162
[69] Lewis K, McVay-Dyche J, Chen H, Soto T. Examining Sense of Community among Medical Professionals in an Online Graduate Program. J Educ Online. 2015;12(1). DOI: 10.9743/JEO.2015.1.8
[70] Lowenthal PR, Trespalacios J. Classroom Community and Time: Comparing Student Perceptions in Traditional vs. Accelerated Online Courses. Online Learn. 2022;26(4). DOI: 10.24059/olj.v26i4.3498
[71] Trespalacios J, Lowenthal P. What do they really like? An investigation of students' perceptions of their coursework in a fully online educational technology program. Aust J Educ Technol. 2019;35(5):AJET. DOI: 10.14742/ajet.4364
[72] Lowenthal PR, Dunlap JC. Investigating students’ perceptions of instructional strategies to establish social presence. Distance Educ. 2018;39(3):281-298. DOI: 10.1080/01587919.2018.1476844
[73] Knof H, Berndt M, Shiozawa T. The influence of collaborative learning and self-organisation on medical students' academic performance in anatomy. Ann Anat. 2024;251:152182. DOI: 10.1016/j.aanat.2023.152182
[74] Tackett M, Viel S, Manturuk K. A validation of the short-form classroom community scale for undergraduate mathematics and statistics students. J University Teach Learn Pract. 2023;20(1). DOI: 10.53761/1.20.01.08
[75] Traus A, Höffken K, Thomas S, Mangold K, Schröer W. Stu.diCo. – Studieren digital in Zeiten von Corona. Hildesheim: UVH - Universitätsverlag Hildesheim; 2020.
[76] Braun T, Qekaj A, Rapp S, König S, Loewe S, Boehringer D. Anregungen für eine Gestaltung des Studieneinstiegs unter Pandemiebedingung: Blaupausen für das digitale Wintersemester 2020/21. Stuttgart: Universität Stuttgart; 2020.
[77] Andresen S, Lips A, Möller R, Rusack T, Schröer W, Thomas S, Wilmes J. Erfahrungen und Perspektiven von jungen Menschen während der Corona-Maßnahmen: Erste Ergebnisse der bundesweiten Studie JuCo. Hildesheim: UVH - Universitätsverlag Hildesheim; 2020.
[78] Beeson E, Aideyan B, Shoney CO, Bowes DA, Ansell KL, Peterson HM. Predicting Sense of Community among Graduate Students in a Distance Learning Environment. Univers J Educ Res. 2019;7(3):746-753. DOI: 10.13189/ujer.2019.070314
[79] Knof H, Shiozawa T. Validierung der Deutschen Version der Classroom-Community-Scale (CCS-D). In: Jahrestagung der Gesellschaft für Medizinische Ausbildung (GMA). Osnabrück, 14.-16.09.2023. Düsseldorf: German Medical Science GMS Publishing House; 2023. DocV-21-03. DOI: 10.3205/23gma106