Wie gehen (angehende) Lehrpersonen mit wissenschaftlicher Evidenz um?

Überblick

Evidenzinformierte Schulpraxis
Studie 1: Confirmation Bias vs. Belief Updating
Studie 2: Practical Significance Bias?
Ausblick: Weitere Befunde zur Effektstärken-
kommunikation
Referenzen

Informationsquellen

Episodische Evidenz (Visualisierung erstellt mit Copilot)

Daten (Visualisierung aus QUOP; https://www.quop.de/de/start/)

Wissenschaftliche Evidenz (Adesope et al., 2017)

professionelles Handeln von Lehrpersonen zeichnet sich u.a. dadurch aus, dass sie bei Entscheidungen auf geeignete Informationsquellen zurückgreifen
Für situative Entscheidungen kann episodische Evidenz wie z.B. eigene Erfahrungen nützlich sein
- welche/n Schüler:in rufe ich als nächstes auf (z.B. S., die/der die richtige Antwort mit hoher Wahrscheinlichkeit kennt; S., der/die sich grundsätzlich selten meldet)
um gezielte individuelle Unterstützungsmaßnahmen für SuS zu formulieren, Lernverlaufsdiagnostik hilfreich; kann Lehrperson kann dabei auf Daten zurückgreifen
wissenschaftliches Wissen hingegen kann Lehrpersonen in z.B. konzeptuelle Entscheidungen in der Unterrichtsplanung unterstützen
- z.B. zur Untersützung beim Lernen auf Klassenarbeit: Probetest
Rückgriff auf wissenschaftliche Evidenz wird als EISP

Evidenzinformierte Schulpraxis

Evidenz = systematisch gewonnene Information (z.B. Bromme et al., 2014; Döring & Bortz, 2016; Shavelson et al., 2021)

Steigerung der Professionalisierung von Lehrpersonen, der Schul- und Unterrichtsqualität und Schüler:innenleistung
(z.B. Bell et al., 2010; Coldwell et al., 2017; Double et al., 2020; Filderman et al., 2018; Kennedy et al., 2017)

Idealtypischer Prozess evidenzinformierten Handelns

Schmidt (2024) adaptiert von Groß Ophoff et al. (2023)

Idealtypischer Prozess

Umsetzung durch Lehrpersonen

Katalysatoren und Barrieren

Verschiedene Einflussfaktoren, die je nach Ausprägung als Katalysatoren oder Barrieren wirken (vgl. z.B. systematische Reviews von Dagenais et al., 2012; Hemsley-Brown & Sharp, 2003; Schaik et al., 2018; Schmidt, 2024)

Katalysatoren und Barrieren

Verschiedene Einflussfaktoren, die je nach Ausprägung als Katalysatoren oder Barrieren wirken (vgl. z.B. systematische Reviews von Dagenais et al., 2012; Hemsley-Brown & Sharp, 2003; Schaik et al., 2018; Schmidt, 2024)

Katalysatoren und Barrieren

Verschiedene Einflussfaktoren, die je nach Ausprägung als Katalysatoren oder Barrieren wirken (vgl. z.B. systematische Reviews von Dagenais et al., 2012; Hemsley-Brown & Sharp, 2003; Schaik et al., 2018; Schmidt, 2024)

Katalysatoren und Barrieren

Einflussfaktoren, die je nach Ausprägung als Katalysatoren oder Barrieren wirken, können der Seite der Nutzenden oder der Seite des Angebots zugeordnet werden (Schmidt, 2024)

… der Angebots oder Nutzenden-Seite zugeordnet werden

Nutzendenseite bezieht sich auf die Ausstattung der (angehenden) Lehrpersonen - evidenzinformiertes Handeln erleichtern
- bspw. über welche Überzeugungen Lehrpersonen verfügen
- oder ihr forschungsmethodisches Wissen
Angebot bezieht sich auf die wissenschaftliche Evidenz
- Aufbereitung durch Forschende oder Schnittstellen sogenannte Knowledge Brokers wie Clearing Houses
- z.B. ihre Zugänglichkeit und ihre Aufbereitung
Zudem können sich beide Seiten gegenseitig beeinflussen
- Beispiel: Graph literacy könnte durch ein gut gemachtes Angebot mit z.B. Hervorhebungen, die die Aufmerksamkeit auf wichtige Infos lenkenerhöht werden
Daher kann man die Umsetzung EISP auch als Interaktion zwischen Angebot und Nutzung verstehen
mit dieser Heuristik auf unsere Forschungsstudien blicken

Studie 1: Confirmation Bias vs.
Belief Updating (Nutzendenseite)

gemeinsam mit Samuel Merk

Bestätigungsfehler

Bestätigungsfehler (engl. Confirmation Bias) = Vorabüberzeugungen verzerren die Suche, Interpretation und Erinnerung von Informationen (e.g., Hart et al., 2009; Nickerson, 1998; Oswald & Grosjean, 2004; Stroud, 2017)
- Informationen, die kongruent zu eigenen Überzeugungen sind, werden bevorzugt, als valider wahrgenommen und schneller erinnert.
- Informationen, die inkongruent zu eigenen Überzeugungen sind, werden schneller abgewertet, hinterfragt, auf Fehler untersucht und schlechter erinnert.
Die Überzeugungen von (angehenden) Lehrpersonen beeinflussen…
- … ihre Evaluation von wissenschaftlichen Studien (Masnick & Zimmerman, 2009)
- … ihr Vertrauen in bildungswissenschaftliche Aussagen (Schmidt et al., 2022)
- … ihre Beurteilung der Aussagekraft bildungswissenschaftlicher Ergebnisse (Futterleib et al., 2022; Thomm et al., 2021)

Allerdings passen Studierende ihre Überzeugung an überzeugungsinkongruente Evidenz an (Futterleib et al., 2022; Thomm et al., 2021)

zentrales Schlagwort dabei ist der Bestätigungsfehler (ConfBias)
ConfBias meint, dass unsere bestehenden Überzeugungen beeinflussen wie wir Infos sucht, interpretiert und erinnert
Confbias hat verschiedene Komponenten - fokussiere mich jetzt auf das Interpretieren
- genauer, bedeutet ConfBias hier, dass man Informationen, die zur eigenen Überzeugung passen als valider/aussagekräftiger/überzeugender wahrnimmt
- wohingegen Infos, die nicht kongruent zu den eigenen Überzeugungen sind schneller abwertet, in Frage stellt
viel Forschung zu ConfBias, die die Existenz in verschiedenen Kontexten belegt, aber im Bildungsbereich wenig Forschung, die in unterschiedliche Richtung deutet
- verschiedene Studien deuten darauf hin, dass ConfBias in Buerteilung der Evidenz vorliegt
- um ein Beispiel zu geben: aktive Lehrpersonen vertrauen Aussagen aus der Bildungswissenschaft weniger, wennn diese inkongruent - also nicht passend - zu ihren Überzeugungen sind im Vergleich zu solchen, die zu ihren Überzeugungen passen
- Aber überraschenderweise zeigen zwei Studien, dass Lehramststudierende dennoch ihre Überzeugungen an die überzeugungswidrige Evidenz anpassen
Daher wollten wir sehen, inwieweit wir diese Diskrepnz zwischen verzerrter Beurteilung der Evidenz und Belief-Updating konzeptuell replizieren können

Forschungsfragen

Forschungsfrage 1: Inwieweit beeinflusst die (In)Kongruenz zwischen Überzeugungen und Evidenz Lehramtsstudierende in ihrer Bewertung von Studienergebnissen?

Forschungsfrage 2: Inwieweit passen Lehramtsstudierende ihre Überzeugungen an die Evidenz an?

Forschungsfrage 3: Inwieweit beeinflusst die (In)Kongruenz zwischen Überzeugungen und Evidenz Lehramtsstudierende in ihrer Überzeugungssicherheit?

Stichprobe

N = 526 Lehramtsstudierende
83,08 % der Studierende sind weiblich
68,25 % der Studierende sind im zweiten Semester
67,11 % der Studierende studieren Lehramt der Primarstufe
57,98 % der Studierenden studieren mindestens ein Fach im sprachlichen Bereich
61,03 % aller Studierende sind zu Beginn der Studie davon überzeugt, dass die Verwendung der rein männlichen Form zu keiner überproportionalen Assoziation mit männlichen Schülern führt.

Design, Materialien und Variablen

Between-person Design mit dem 2-stufigen Experimentalfaktor (In)kongruenz zwischen Überzeugung und Evidenz
Thema “Gendergerechte Sprache in der Schule”
Abhängige Variablen
- Überzeugungsrichtung:
- Überzeugungssicherheit:
- Beurteilung der Studie:

unser Experiment war ein between-person Experiment, gerahmt durch das Thema gendergerechte Sprache in der Schule gerahmt
im Vordergrund stand die Frage, ob das generische Maskulinum zu einer überproportionalen Assoziation mit männlichen Schülern führt - male bias
erst haben die Studierende ihre Überzeugung zu diesem Thema angeklickt
und abhängig von Ihrer Überzeugung, wurden sie dann danach gefragt wie sicher sie sich sind
dann erhielten die Teilnehmenden einen solchen Forschungsbericht, in dem eine experimentelle Studie zum Thema male bias vorgestellt wurde.
- Forscher:innen wollten wissen, ob Lehrpersonen mehr männliche Vornamen nennen, wenn sie nach den leistungsstärksten Schüler vs. Schülerinnen und Schüler fragen.
- Forschungsbericht war immer gleich aufgebaut, lediglich zwei verschiedene Versionen der Ergebnisse: Studie die Existenz des male bias stütze oder nicht
- experimentelle Manipulation, also ob Gruppe überzeugungskongruente und -inkongruente war Zusammenspiel auf Überzeugung und Evidenz
- Beispiel: Person X geht nicht von einem Male Bias aus ist in der Experimentalgruppe überzeugungsinkongruente Evidenz, dann diesen Forschungsbericht mit dem Ergebnis, das mehr männliche als weibliche Vornamen genannt wurden. Aber auch eine Person, die von der Existenz des male bias überzeugt ist und in Experimentalgruppe “überzeugungskongruente Evidenz” ist, erhält diesen Bericht.
Nach dem Lesen sollten die Studierenden die Studie beurteilen - auf einer fünfstufigen Likert-Skala wie überzeugend sie das Studienergebnis fanden
und zum zweiten Mal Überzeugungsrichtung und Sicherheit angeben
kommen wir zu den Ergebnissen

Ergebnisse: Beurteilung der Studie

Ergebnisse: Updating der Überzeugungsrichtung

Ergebnisse: Updating Überzeugungssicherheit

Zentrale Erkenntnisse

Lehramtsstudierende beurteilen wissenschaftliche Evidenz basierend auf ihren Überzeugungen
Lehramtsstudierende, die überzeugungsinkongruente Evidenz lesen, passen nicht ihre Überzeugungsrichtung, aber ihre Überzeugungssicherheit an
- Lehramtsstudierende scheinen nicht unreflektiert an ihren Überzeugungen festzuhalten
- Grad der Anpassung könnte von verschiedenen Faktoren (z.B. Thema, Anzahl an Forschungsberichten) abhängen

zusammenfassend: Diskrepanz konzeptuell repliziert
- Lehramtsstudierenden beurteilen Evidenz unterschiedlich je nachdem ob diese ihrer Überzeugung entspricht oder widerspricht. Barrier für EIP -> Umgang mit Evidenz nicht automatisch informiertere Entscheidungen
- Ziel: Lehramtsstudierende in Evaluation von Evidenz unterstützen, um Einfluss der Überzeugungen zu reduzieren
in unserer Studie kaum Anpassung ihrer Überzeugungsrichtung, aber Überzeugungssicherheit verändert sich nach Sichtung der Evidenz
- scheinen also auch bei uns nicht “unreflektiert” an Überzeugung festzuhalten
- Unterschied zu bisherigen Studien: wir haben nur eine Studie präsentiert, vorher verschiedene Studien zum gleichen Thema
- möglicherweise Grad des Updating von verschiedenen Faktoren - wie Anzahl der Studien, Thema selbst - abhängig
- zentrale Frage, die abschließend ohne Antwort in den Raum stellen möchte: was ist eigentlich eine angemessene Reaktion nach Sichtung der Evidenz, denn wir verfolgen auch nicht das Ziel, dass blind in Forschung vertraut wird
mit dieser Frage die Perspektive wechseln / zur anderen Seite der Medaille

Studie 2: Practical Significance Bias?
(Angebot von Evidenz)

gemeinsam mit Samuel Merk und Florian Kühlwein

Kommunikation von Forschungsergebnissen

Diverse Formate der Wissenschaftskommunikation (Besa, 2024)
- Kaum empirische Forschung zu nutzer:innenfreundliche Gestaltung von Wissenschaftskommunikation (z.B. Fitzgerald & Tipton, 2022; Lortie-Forgues et al., 2021; Merk et al., 2023)
- Diverse Darstellungsweisen der Forschungsergebnisse:

(Knogler et al., 2017)

(Backfisch et al., 2021)

(Rijkhoek, 2019)

(Michler, 2014)

Verschiedene textliche und visuelle Darstellungen von Effektstärken beeinflussen die Wahrnehmung und Einschätzung von Effektstärken durch (angehende) Lehrpersonen (z.B. Schmidt et al., 2023; Kühlwein et al., 2025; Merk et al., 2023; Schneider et al., 2024)
Wenn in Forschungsberichten Informationen über Effektstärken fehlen, assoziieren wissenschaftliche Laien automatisch große Effekte (Practical Significance Bias) (Michal & Shah, 2024)

Hintergrund ist der
Wenn man sich aktuell die Landschaft der Wissenschaftskommunikation anschaut sehr divers
- von Pressemitteilungen, Zeitungsartikel über Podcasts bis hin zu knowledge broker wie CH
- allerdings kaum empirische Forschung, die untersucht Forschungsergebnisse für die Zielgruppe der Lehrpersonen informativ, praktisch relevant aber dennoch verständlich aufbereitet werden kann
- spiegelt sich auch in ganz unterschiedliche Ansätze wider
  - Clearinghouses: Effektstärken berichtet z.B. Cohen’s d als numerischer Wert, andere eine Transformation von Cohen’s d, sogenannte Cohen’s U3 (erklären) - verbal, aber auch visuel
  - In Pressemitteilungen oder Abstracts aus Originalstudien gar keine Information über Effektstärke z.B. nur die Rede von “Schüler:innen in der vorderen Sitzreihe lösen Matheaufgaben schneller als in der hinteren Sitzteihe”
  - Zeitungsartikel: Effektgröße im Sinne von Mittelwertsunterschieden, aber ohne Information über Streuung, also keine sogenannten standardisierten Effekt
- Die wenige Forschung, die existiert zeigt, dass unterschiedliche Darstellung unterschiedlich wahrgenommen und eingeschätzt werden
- hervorheben mnöchte ich vor allem ein Ergebnis nämlich, dass eine neuere Studie zeigt, dass fehlende Information von Effektstärken dazu führt, dass automatisch ein großer Effekt assoziiert wird - sogenannten practical significance bias; Studie erweitert replizieren

Forschungsfrage

Inwieweit weisen Lehramtsstudierende beim Rezipieren von Evidenz einen Practical Significance Bias auf?

Stichprobe

N = 211 Lehramtsstudierende
68,25 % der Studierende sind weiblich und studieren im zweiten Semester
53,55 % der Studierende studieren Lehramt der Primarstufe
46,92 % der Studierende studieren mindestens ein Fach im sprachlichen Bereich

Design, Materialien und Variablen

Between-person Experiment mit fünf Experimentalbedingungen (1 = Effektstärke wird nicht präsentiert; 2 = kleine Effektstärke als Text; 3 = große Effektstärke als Text; 4 = kleine Effektstärke als BESD; 5 = große Effektstärke als BESD)

Abhängige Variablen:
- Entscheidungsrating:
- Guestimation der Effektstärke:

Probability of Superiority

Likert-Item

wieder between-person design
insgesamt 5, aber nur 3 Experimentalbedingungen für heute relevant
Alle Studierenden erhielten einen solchen Ausschnitt zur Mathekompetenz bei Grundschulkindern. Forscher:innen das alte Curriculum mit einem neuen Vergleichen
- dieser Bericht unterscheided sich zufällig darin, wie die Ergebnisse dargestellt werden
  - wie hier keine Effektstärke
  - kleine Effektstärke verbal (wie im Orignal)
  - große Effekte statt 27, 35%
  - Erweiterung jetzt nicht relevant
Studierenden sollten dann ein Entscheidungsrating abgeben, auf einer Skala von 0 bis 100 inwieweit sie dem Schulbezirk empfehlen würden das neue Curriculum einzusetzen
ergänzend zur Originalstudie noch die Einschätzung der Effektstärke abgefragt
- angelehnt an die sogenannte POS, indem sie angeben sollten wie wahrscheinlich es ist, dass ein zufällig ausgewählte Schülerin, die die Regelstandard erreicht hat, mit dem neuen Curriculum unterrichtet wurde
- ordinalen Skala
zusätzlich Ihre Entscheidung begründen (noch nicht ausgewertet)

Kommen wir auch hier - zu den vorläufigen - Ergebnissen

Ergebnisse: Entscheidungsrating

Ergebnisse: Guestimation I

Ergebnisse: Guestimation II

Zentrale (vorläufige) Erkenntnisse

Practical Significance Bias kann bei Lehramtsstudierenden repliziert werden (Michal & Shah, 2024)
- Je nach Operationalisierung (Entscheidungsrating vs. Guestimation) unterschiedlich stark ausgeprägt
- Kommunizieren von Effektstärken als mögliche Gegenmaßnahme

Ausblick: Weitere Befunde zur Effektstärkenkommunikation

Lehrpersonen differenzieren zwischen kleinen und großen Effektstärken (Kühlwein et al., 2025; Merk et al., 2023)
Mit geeigneten Visualisierungen schätzen Lehrpersonen Effektgrößen erstaunlich akkurat ein (Darstellung von Streuung (Merk et al., 2023); Annotationen (Schneider et al., 2024))

Common Language Effect Size \(\nRightarrow\) Widely Understood Effect Size:
- Lehrpersonen weisen Fehlkonzepte z.B. in der Interpretation von Cohens’ U3 auf (z.B. Kühlwein et al., 2025; Schmidt et al., 2023; Schneider et al., 2024)
- Lehrpersonen haben (teilweise) Schwierigkeiten Informationen über Effektstärken und Inferenzstatistiken voneinander zu trennen (z.B. Schmidt et al., 2023)
Text und Bild scheinen komplementäre Vor- und Nachteile zu haben: Lehrpersonen nehmen Cohen’s U3-Formulierungen beispielsweise informativer wahr, schätzen aber visuelle Effektstärkendarstellung (Halfeye-Plots) genauer ein (Kühlwein et al., 2025)

Lehrpersonen können zwischen großen und kleinen Effekten unterscheiden -> wie auch vorher und daher verstärktes Argument für EffSize
gerade mit geeigneten Visualisierungen z.B. neben Infos zur MW auch Streuung oder zusätzliche Annotationen gelingt es ihnen auch Effektsize erstaunlich akkurat einzuschätzen
- neue Studie deutet darauf hin, dass BESD ein Ansatz sein könnte, hier Einschätzungen bei POS ziemlich akkurat
In Literatur spricht man von common language effect sizes / translated effect sizes, um Effektgröße leichter verständlich aufzubereiten, aber bedeutet nicht gleich weit verständliche Effektstärke,
- z.B. viele Fehlkonzepte bei U3
- trotzdem Schwierigkeiten zwischen Effsize und U3 zu unterscheiden (Anmerkung Disentangling -> Paralellität zu PSB)
- was dazu führt, dass wirklich visuelle Ergänzungen hilfreich sein könnten
ABER Visualisierungen und Text scheinen komplementäre Vor-und Nachteile zu haben: Viz akkuratere Einschätzungen, aber Text informativer, leichter verständlich (etwas informativer -> relevanter für die Praxis)

Zusatz: - Overlap etwas weniger Bias, aber immer noch gebiased

Limitation

Interpretation eine notwendige, aber nicht hinreichende Bedingung für gelingendes evidenzinformiertes Handeln

Eigene Adaption des Prozessmodells nach Groß Ophoff et al. (2023)

Referenzen

Adesope, O. O., Trevisan, D. A., & Sundararajan, N. (2017). Rethinking the Use of Tests: A meta-analysis of practice testing. Review of Educational Research, 87(3), 659–701. https://doi.org/10.3102/0034654316689306

Backfisch, I., Schneider, J., & Lachner, A. (2021). Gamification. Bibliothek Aufbereiteter Forschungssynthesen Tübingen.

Bell, M., Cordingley, P., Isham, C., & Davis, R. (2010). Report of professional practitioner use of research review: Practitioner engagement in and/or with research. Centre for the Use of Research and Evidence in Education (CUREE), General Teaching Council for England (GTCE), Learning and Skills Improvement Service (LSIS), & National Teacher Research Panel (NTRP). http://www.curee.co.uk/node/2303

Besa, K. (2024). Evidenzfernes Lehrkräftehandeln - Braucht die Bildungsforschung eine neue Wissenschaftskommunikation? Unterrichtswissenschaft. https://doi.org/10.1007/s42010-024-00203-7

Bromme, R., Prenzel, M., & Jäger, M. (2014). Empirische Bildungsforschung und evidenzbasierte Bildungspolitik: Eine Analyse von Anforderungen an die Darstellung, Interpretation und Rezeption empirischer Befunde. Zeitschrift für Erziehungswissenschaft, 17(4), 3–54. https://doi.org/10.1007/s11618-014-0514-5

Coldwell, M., Greany, T., Higgins, S., Brown, C., Maxwell, B., Bernadette, S., Stoll, L., Willis, B., & Hellen, B. (2017). Evidence-informed teaching: An evaluation of progress in England. Department for Education. https://www.gov.uk/government/publications/evidence-informed-teaching-evaluation-of-progress-in-england

Dagenais, C., Lysenko, L., C. Abrami, P., M. Bernard, R., Ramde, J., & Janosz, M. (2012). Use of Research-Based Information by School Practitioners and Determinants of Use: A Review of Empirical Research. Evidence & Policy, 8(3), 285–309. https://doi.org/10.1332/174426412X654031

Döring, N., & Bortz, J. (2016). Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften (5. Aufl.). Springer.

Double, K. S., McGrane, J. A., & Hopfenbeck, T. N. (2020). The impact of peer assessment on academic performance: A meta-analysis of control group studies. Educational Psychology Review, 32(2), 481–509. https://doi.org/10.1007/s10648-019-09510-3

Filderman, M. J., Toste, J. R., Didion, L. A., Peng, P., & Clemens, N. H. (2018). Data-based decision making in reading interventions: A synthesis and meta-analysis of the effects for struggling readers. The Journal of Special Education, 52(3), 174–187. https://doi.org/10.1177/0022466918790001

Fitzgerald, K. G., & Tipton, E. (2022). The meta-analytic rain cloud plot: A new approach to visualizing clearinghouse data. Journal of Research on Educational Effectiveness, 15(4), 848–875. https://doi.org/10.1080/19345747.2022.2031366

Futterleib, H., Thomm, E., & Bauer, J. (2022). The Scientific Impotence Excuse in Education – Disentangling Potency and Pertinence Assessments of Educational Research. Frontiers in Education, 7. https://www.frontiersin.org/articles/10.3389/feduc.2022.1006766

Groß Ophoff, J., Brown, C., & Helm, C. (2023). Do Pupils at Research-Informed Schools Actually Perform Better? Findings from a Study at English Schools. Frontiers in Education, 7, 1011241. https://doi.org/10.3389/feduc.2022.1011241

Hart, W., Albarracín, D., Eagly, A. H., Brechan, I., Lindberg, M. J., & Merrill, L. (2009). Feeling Validated versus Being Correct: A Meta-Analysis of Selective Exposure to Information. Psychological Bulletin, 135(4), 555–588. https://doi.org/10.1037/a0015701

Hemsley-Brown, J., & Sharp, C. (2003). The use of research to improve professional practice: A systematic review of the literature. Oxford Review of Education, 29(4), 449–471. https://doi.org/10.1080/0305498032000153025

Kennedy, M. J., Hirsch, S. E., Rodgers, W. J., Bruce, A., & Lloyd, J. W. (2017). Supporting high school teachers’ implementation of evidence-based classroom management practices. Teaching and Teacher Education, 63, 47–57. https://doi.org/10.1016/j.tate.2016.12.009

Knogler, M., Hetmanek, A., & Group, C. R. (2017). Forschendes Lernen oder lehrerzentrierte Ansätze im naturwissenschaftlichen Unterricht: Was ist effektiver? Kurzreview 1.

Kühlwein, F., Merk, S., Schneider, J., & Schmidt, K. (2025). How to Communicate Evidence to Teachers: Comparing the Effects of Verbal and Visual Effect Size Representation [Registered Report - Stage I]. Learning and Instruction, 100, 102179. https://doi.org/10.1016/j.learninstruc.2025.102179

Lortie-Forgues, H., Sio, U. N., & Inglis, M. (2021). How should educational effects be communicated to teachers? Educational Researcher, 50(6), 345–354. https://doi.org/10.3102/0013189X20987856

Masnick, A. M., & Zimmerman, C. (2009). Evaluating Scientific Research in the Context of Prior Belief: Hindsight Bias or Confirmation Bias? Journal of Psychology of Science and Technology, 2(1), 29–36. https://doi.org/10.1891/1939-7054.2.1.29

Merk, S., Groß Ophoff, J., & Kelava, A. (2023). Rich data, poor information? Teachers’ perceptions of mean differences in graphical feedback from statewide tests. Learning and Instruction, 84, Article 101717. https://doi.org/10.1016/j.learninstruc.2022.101717

Michal, A. L., & Shah, P. (2024). A Practical Significance Bias in Laypeople’s Evaluation of Scientific Findings. Psychological Science, 09567976241231506. https://doi.org/10.1177/09567976241231506

Michler, I. (2014). Pisa-Studie: Deutsche Mädchen schwächeln beim Problemlösen. Die Welt.

Nickerson, R. S. (1998). Confirmation Bias: A Ubiquitous Phenomenon in Many Guises. Review of General Psychology, 2(2), 175–220. https://doi.org/10.1037/1089-2680.2.2.175

Oswald, M. E., & Grosjean, S. (2004). Confirmation Bias. In R. F. Pohl (Hrsg.), Cognitive Illusions. A Handbook on Fallacies and Biases in Thinking, Judgement and Memory. (1. Aufl., S. 79–96). Unpublished. http://rgdoi.net/10.13140/2.1.2068.0641

Rijkhoek, K. G. (2019). In der ersten Reihe lernt man besser. Der Sitzplatz wirkt sich auf die Lernleistung aus – Das zeigt eine Studie der Universität Tübingen in einem virtuellen Klassenzimmer.

Schaik, P. van, Volman, M., Admiraal, W., & Schenke, W. (2018). Barriers and Conditions for Teachers’ Utilisation of Academic Knowledge. International Journal of Educational Research, 90, 50–63. https://doi.org/10.1016/j.ijer.2018.05.003

Schmidt, K. (2024). Teachers’ Engagement with Educational Science. How to Communicate Findings from Educational Science in a User-Friendly Way to Teachers. Pädagogische Hochschule Karlsruhe.

Schmidt, K., Edelsbrunner, P. A., Rosman, T., Cramer, C., & Merk, S. (2023). When Perceived Informativity Is Not Enough. How Teachers Perceive and Interpret Statistical Results of Educational Research. Teaching and Teacher Education, 130, 104134. https://doi.org/10.1016/j.tate.2023.104134

Schmidt, K., Rosman, T., Cramer, C., Besa, K.-S., & Merk, S. (2022). Teachers Trust Educational Science - Especially If It Confirms Their Beliefs. Frontiers in Education, 7. https://www.frontiersin.org/articles/10.3389/feduc.2022.976556

Schneider, J., Schmidt, K., Bohrer, K., & Merk, S. (2024). Communicating Effect Sizes to Teachers. Zeitschrift für Psychologie. https://doi.org/10.1027/2151-2604/a000573

Shavelson, R., Fu, A., Kurpius, A., & Wiley, E. (2021). Evidence-Based Practice in Science Education. In R. Gunstone (Hrsg.), Encyclopedia of Science Education (S. 1–4). Springer Netherlands. https://doi.org/10.1007/978-94-007-6165-0_158-1

Stroud, N. J. (2017). Understanding and Overcoming Selective Exposure and Judgment When Communicating about Science. In K. H. Jamieson, D. M. Kahan, & D. A. Scheufele (Hrsg.), The Oxford Handbook of the Science of Science Communication (Bd. 1, S. 377–388). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780190497620.013.41

Thomm, E., Gold, B., Betsch, T., & Bauer, J. (2021). When preservice teachers’ prior beliefs contradict evidence from educational research. British Journal of Educational Psychology, 91(3), Article e12407. https://doi.org/10.1111/bjep.12407