key: cord-0016480-ny67qy7a
authors: Fütterer, Tim; Hoch, Emely; Stürmer, Kathleen; Lachner, Andreas; Fischer, Christian; Scheiter, Katharina
title: Was bewegt Lehrpersonen während der Schulschließungen? – Eine Analyse der Kommunikation im Twitter-Lehrerzimmer über Chancen und Herausforderungen digitalen Unterrichts
date: 2021-04-01
journal: Z Erziehwiss
DOI: 10.1007/s11618-021-01013-8
sha: 39fb070e7ddc9a3faa57cec44ad953c79a22b206
doc_id: 16480
cord_uid: ny67qy7a

Many schools introduced distance learning as a result of the school closings due to the Corona pandemic in March 2020. Such instruction was often organized digitally without much prior preparation. As a result, an increased exchange between teachers in online communities was to be expected. Analyzing the communication of the online community Twitter-Lehrerzimmer provided insight into topics and allowed to compare topics that were discussed before and during school closings. To identify topics, we applied computational linguistic analysis methods on 128,422 tweets and qualitative content analysis of 270 tweets. The results indicated that topics such as (a)synchronous digital teaching had already been discussed previously but was addressed more often and in more breadth during school closings. The Twitter-Lehrerzimmer was used for mutual support and exchange on urgent challenges such as the availability of high-quality software (compliant with data protection). The results reveal deficits in the German digitalization process from the perspective of teachers using Twitter and show the potential of online communities for information exchange and networking.

Lehrpersonen, Schülerinnen und Schüler sowie Erziehungsberechtigte vor große Herausforderungen gestellt: Die wenigsten Schulen verfügten über die notwendige digitale Infrastruktur um kohärente Bildungsangebote bereitzustellen (z. B. Cloudlösungen, die ein Teilen von Lern-und Arbeitsmaterialien ermöglichen), Lehrpersonen waren oftmals nur unzureichend auf den Einsatz digitaler Medien -im Unterricht und noch weniger im Kontext des Fernunterrichts -vorbereitet, Schülerinnen und Schüler verfügten nicht über die notwendigen (Medien-)Kompetenzen sich selbstreguliert Inhalte mithilfe digitaler Lernmedien anzueignen und Erziehungsberechtigte verzweifelten vor der Aufgabe, die nötige Infrastruktur zuhause bereitzustellen und ihre Kinder im Lernprozess anzuleiten und zu unterstützen. Diese Darstellung mag übermäßig dramatisierend wirken, beschreibt aber vielerorts die Situation sehr treffend, wie sie sich auch in der "JIMplus Corona Studie" des medienpädagogischen Forschungsverbund Südwest (2020) widerspiegelt.

Eine wesentliche Ursache für diese Situation liegt in dem jahrelangen Versäumnis, das deutsche Bildungssystem auf das Thema Digitalisierung im Kontext schulischen Lernens angemessen vorzubereiten (Scheiter und Lachner 2019) . Neben mangelnder Infrastruktur verfügen die wenigsten Schulen über strukturelle und didaktische Konzepte zum Unterrichten mit digitalen Medien. Weiter gibt es kaum curricular motivierte oder empirisch geprüfte digitale Unterrichtsmaterialien, die zu einem kohärenten digitalen Bildungsangebot beitragen könnten (Scheiter und Lachner 2019) . Darüber hinaus stellt das Thema Unterrichten mit digitalen Medien bisher -wenn überhaupt -einen eher sporadischen Inhalt für die Professionalisierung von Lehrpersonen in der Lehrerbildung dar. Die durch die Corona-Pandemie notwendigen Schulschließungen können demnach als Belastungstest der Machbarkeit und Funktionsfähigkeit des deutschen Schulsystems bezüglich digitalen Unterrichtens betrachtet werden. Doch wie wird das von den eigentlichen Akteuren, die digitalen Fernunterricht bereitstellen müssen und mussten -den Lehrpersonen -wahrgenommen? Bieten die Schulschließungen neben Herausforderungen vielleicht auch Chancen für das digitale Unterrichten?

Erste empirische Befunde legen nahe, dass digital gestützter Unterricht in Deutschland bisher vor allem denjenigen "Medienenthusiasten" überlassen war, die sich aus persönlicher Überzeugung im Selbststudium in die Thematik eingearbeitet haben (Backfisch et al. 2021) . Solche medienaffinen Lehrpersonen nutzen digitale Medien nicht nur für den Unterricht, sondern auch für ihre eigene Weiterbildung und den informellen Austausch mit Gleichgesinnten, wie beispielsweise über die Online-Plattform Twitter (Fischer et al. 2019; Visser et al. 2014) . Gerade während der Schulschließungen, also als der persönliche Austausch im realen Lehrerzimmer wegfiel, liegt es nahe, zu vermuten, dass medienaffine Lehrpersonen, aber auch weniger erfahrene Lehrpersonen auf solche Plattformen zurückgreifen, um sich über die Anforderungen des digitalen Fernunterrichts auszutauschen.

Aus Forschungssicht bietet daher die Analyse von Twitterdaten das Potenzial zu untersuchen, welche Themen Lehrpersonen vor und während der Schulschließungen bewegten, ohne dass großangelegte Fragebogeninstrumente implementiert werden müssten. Unter der Nutzung computerlinguistischer Methoden, wurde in dieser Studie anhand von Twitterbeiträgen untersucht, (1) welche Themen die Lehrpersonen im Zuge der Schulschließungen insbesondere mit Fokus auf das Unterrichten mit K digitalen Medien beschäftigten sowie (2) welche Chancen und Herausforderungen Lehrpersonen mit der neuen Situation des digitalen Fernunterrichts verbanden.

Bereits vor der Corona-Pandemie fand in Deutschland die Nutzung digitaler Medien im Unterricht kaum statt. Im Rahmen der internationalen Vergleichsstudie International Computer and Information Literacy Study (ICILS) wurden Lehrpersonen aus Klassen der achten Jahrgangsstufe hinsichtlich der Häufigkeit der Nutzung von Computern im Unterricht befragt. Deutschland belegte hinsichtlich der Häufigkeit des Computereisatzes im Vergleich von 21 Bildungssystemen den letzten Platz (Bos et al. 2014) . Eine erneute Befragung 2018 zeigt hier kaum eine Verbesserung im Ranking (Eickelmann et al. 2019) . Die mangelnden (infra)strukturellen Voraussetzungen an Schulen sind eine notwendige, aber nicht hinreichende Erklärung für diese eingeschränkte Nutzung (Scheiter 2016; Scheiter und Lachner 2019) . Gerade Lehrpersonen kommt eine entscheidende Rolle beim Unterrichten mit digitalen Medien zu (Drossel und Eickelmann 2018; Eickelmann und Drossel 2020) . Nach dem aktuellem Verständnis über die Voraussetzungen zur lernwirksamen Gestaltung von Unterricht kann davon ausgegangen werden, dass Lehrpersonen professionelle Kompetenzen, d. h. Professionswissen, motivationale Voraussetzungen, Einstellungen und selbstregulatorischen Fähigkeiten, aufweisen müssen, um digitale Medien didaktisch sinnvoll für das Unterrichten zu nutzen (Baumert und Kunter 2006; Stürmer und Lachner 2017) . Laut ICILS 2018 schätzten 78,9 % der deutschen Lehrpersonen ein, dass sie digitalen Unterricht planen können (ICILS 2013: 67,0 %). Dieser Anteil ist zwar gestiegen, liegt aber immer noch unter dem internationalen Mittelwert (83, 9 %) . Belastbare Erkenntnisse zu den faktischen (nicht-selbsteingeschätzten) Kompetenzen zum lernwirksamen Unterrichten mit digitalen Medien liegen darüber hinaus erst vereinzelt vor (z. B. zum technologisch-pädagogischen Wissen: Lachner et al. 2019) . Eher verweisen erste Befunde darauf, dass Lehrpersonen in Deutschland ungünstige Voraussetzungen für das Unterrichten mit digitalen Medien mitbringen. So zeigt sich beispielsweise, dass sie -wenn sie digitale Medien im Unterricht nutzenbisherige Unterrichtsverfahren oder analoge Medien lediglich ersetzen (Backfisch et al. 2020) . Die Ergebnisse aus ICILS zeigen darüber hinaus, dass Lehrpersonen in Deutschland dem Einsatz digitaler Medien im Unterricht ein deutlich geringeres Lernpotenzial zuschreiben als dies in anderen Ländern der Fall ist, auch wenn die Werte in 2018 gegenüber 2013 höher ausfielen. Dies ist problematisch, da solche Nützlichkeitsüberzeugungen hinsichtlich digitaler Medien einen wesentlichen Prädiktor für die Häufigkeit der Mediennutzung und vor allem auch für die Qualität des resultierenden Unterrichts darstellen (Backfisch et al. 2020) . Lehrpersonen in Deutschland haben dagegen häufiger als Lehrpersonen anderer Länder Bedenken gegenüber dem Medieneinsatz. Laut ICILS 2013 (die Variablen wurden 2018 nicht erhoben) werden in fast keinem Teilnehmerland Aussagen zu organisatorischen Problemen und Problemen beim Umgang mit Informationsquellen häufiger bejaht als in Deutschland.

Zeitliche Abfolge der bundesweiten Schulschließungen K Insgesamt verweisen die bisherigen Befunde auf eine sehr ungünstige Ausgangslage für die durch die Corona-Pandemie über Nacht notwendig gewordene Digitalisierung im schulischen Bildungsbereich. Auch Lehrpersonen nutzen soziale Netzwerke wie Twitter seit vielen Jahren zunehmend als Plattform für informellen Austausch (Rosenberg et al. 2020; Trust 2012; Trust et al. 2016) . Dabei spielen insbesondere der niedrigschwellige Zugang zu Informationen und der interaktive Charakter der Plattform eine Rolle (Carpenter und Krutka 2015) . Im Vergleich zu traditionellen Lehrerzimmern konnte Twitter insbesondere auch während der Schulschließungen als Plattform genutzt werden (Trust et al. 2020) . Hierfür werden in Deutschland überwiegend die beiden zentralen Hashtags #twitterlehrerzimmer und #twlz genutzt. Mitglieder, welche innerhalb dieser Hashtags Twitterbeiträge verfassen, teilen, kommentieren, liken oder lesen, können als Online-Community beziehungsweise als eine Art virtuelles Lehrerzimmer aufgefasst werden, in dem sich User und insbesondere Lehrpersonen informell zu schulbezogenen Themen aller Art austauschen und informieren (Gewerkschaft für Erziehung und Wissenschaft 2019). Da sich diese Community insbesondere auch mit Veränderungen, Chancen und Herausforderungen von Digitalisierungsprozessen beschäftigt, erscheint es lohnend, diese Twitter-Daten zu nutzen und bezüglich diskutierter Themen während der Schulschließungen auszuwerten. Die durch die Hashtags #twitterlehrerzimmer und #twlz abgebildete Community wird im Folgenden zur Vereinfachung nur noch als Online-Community Twitter-Lehrerzimmer bezeichnet.

Vor dem Hintergrund der Schulschließungen, welche als Konsequenz eine radikale Disruption von Unterrichtshandeln bedeuteten, untersuchten wir anhand von Twitterdaten, wie und über welche Themen sich Lehrpersonen austauschten und wie sich diese Themen aufgrund der Schulschließungen in Zeiten der Corona-Pandemie veränderten.

F1 Welche Themen waren in der Community Twitter-Lehrerzimmer während der bundesweiten Schulschließungen drängend (z. B. bezüglich digitalen Unterrichts)?

Es sollte betrachtet werden, über welche Themen sich Lehrpersonen in der Twitter-Community austauschten, welches dabei die besonders drängenden Themen waren, also welche Themen besonders häufig auftraten und wie diese Themen zueinander in Beziehung standen. Dabei gingen wir davon aus, dass sich Themen bezüglich digitalen Unterrichts besonders salient zeigten. 

Zur Beantwortung der Forschungsfragen wurde ein Mixed-Methods-Analyseansatz verwendet (Johnson et al. 2007) , um sowohl die Breite der Themen erfassen als auch ein tieferes Verständnis wahrgenommener Chancen und Herausforderungen während der Schulschließungen herausarbeiten zu können (Triangulation: Denzin 2012) . Alle quantitativen Textanalysen wurden mit R berechnet (v4.0.2; R Core Team 2020) unter Verwendung von RStudio (v. 1.3.959; RStudio Team 2020) . Die qualitativen Textanalysen (Inhaltsanalysen) wurden mit der Software MAXQDA (Version 20.0.5) durchgeführt.

Um die Themen zu identifizieren, die für die Online-Community Twitter-Lehrerzimmer während der bundesweiten Schulschließungen besonders drängend waren (F1), wurden zunächst über die einzelnen Tweets während der Schulschließungen hinweg die Substantive, als Indikatoren von Themen, automatisch mit der Textmarkierungsfunktion udpipe_annotate des R Paketes udpipe (v0.8.3; Wijffels 2019) markiert (Parts of Speech tagging). Dabei wurden ebenfalls verwendete Hashtags als Substantive berücksichtigt und Substantive auch mehrmals gezählt, wenn sie mehrmals in einem Tweet vorkamen. Anschließend wurden die absoluten Auftretenshäufigkeiten der Substantive als Indikator dafür verwendet, wie drängend ein Thema war. Ein Thema wurde als umso drängender eingestuft, je häufiger dieses erwähnt wurde.

Zusätzlich wurden Bigrams auf Basis aller Worte analysiert. In Bigrams werden zwei direkt aufeinander folgende Worte betrachtet, um die Beziehung von Worten untereinander und Zusammenhänge zwischen Themen deskriptiv zu beschreiben (Bekkerman und Allan 2003) . In Bigram-Netzwerken werden diejenigen Worte sichtbar, die besonders häufig mit mehreren anderen Worten verknüpft sind (Knotenpunkte) und die somit ein Anhaltspunkt für Themenfelder (d. h. zugehörige Inhalte) bieten. Es wurden die Netzwerke derjenigen Bigrams betrachtet, die mindestens 10-Mal (vor den Schulschließungen) beziehungsweise 17-Mal (vor und während der Schulschließungen) auftraten. Die cut-off Werte wurden so gewählt, dass die Netzwerke übersichtlich und interpretierbar blieben, also sowohl eine manuelle Auswertung als auch eine übersichtliche grafische Darstellung der Themenfelder möglich war. Explorative Analysen unterschiedlicher Schwellenwerte zeigten, dass sich die zentralen Themenfelder durch niedrigere als die final gewählten Schwellen kaum beeinflussten, sondern lediglich alleinstehende Wortpaare ergänzt wurden, die nicht mit den Netzwerken verbunden und somit wenig aussagekräftig waren.

Um die Unterschiede der Themen im Twitter-Lehrerzimmer vor und während der bundesweiten Schulschließungen (F2) zu analysieren, untersuchten wir, welche Substantive und Bigrams besonders charakteristisch für die jeweiligen Betrachtungszeiträume waren. Dafür nutzten wir klassische computerlinguistische tf-idf-Analysen (term frequency-inverse document frequency) von Substantiven und Bigrams in Tweets vor und während der Schulschließung (Silge und Robinson 2017) . Um die inhaltliche Bedeutung der Substantive beschreiben zu können, wurden Korrelationen der jeweils drei charakteristischsten Substantive mit allen anderen in den Tweets verwendeten Worten berechnet. Es wurden die zehn Worte mit den jeweils stärksten K Zusammenhängen, die zugleich bezüglich der Forschungsfrage inhaltlich relevant waren, betrachtet.

Um einen möglichst gegenstandsnahen Einblick in die schwerpunktmäßig thematisierten Chancen und Herausforderungen während der bundesweiten Schulschließungen zu erhalten (F3), führten wir eine qualitative Inhaltsanalyse derjenigen 270 Tweets durch, die ein besonderes Echo in der Twitter-Community erzeugt hatten (siehe Anhang A1 für eine Beschreibung des Filterprozesses). Bei der Analyse folgten wir dem Prozessmodell induktiver Kategorienbildung nach Mayring (2015) . In einem ersten Schritt wurde für alle 270 Tweets die Analyseeinheiten bestimmt. Als Analyseeinheiten legten wir die Tweetebene sowohl als Kodier-als auch als Kontexteinheit fest. In einem zweiten Schritt wurde jeder Tweet paraphrasiert, indem die Inhalte der Tweets auf zentrale Stichworte reduziert wurden. Teilweise waren in Tweets Dokumente verknüpft (z. B. Videos, Blogeinträge) und ohne diese inhaltlich nicht interpretierbar. Daher wurden alle verlinkten Dokumente ebenfalls separat zum Tweet paraphrasiert. In einem dritten Schritt wurden die Paraphrasen entsprechend der zentralen Inhalte, die sich unter den Oberkategorien Chancen und Herausforderungen subsumieren ließen, zu Subkategorien von Chancen und Herausforderungen zugeordnet. Dabei wurden zugleich bedeutungslose Phrasen entfernt sowie Phrasen gleichen Bedeutungsinhaltes zusammengefasst. In einem vierten Schritt wurde das finale Kategoriensystem zu Chancen und Herausforderungen basierend auf den reduzierten Subkategorien entwickelt. Diese Schritte wurden zunächst von einem Rater für 81 der 270 Tweets (30 %) durchgeführt. Anschließend wurde das Kategoriensystem basierend auf denselben 81 Tweets gemeinsam mit einem weiteren Rater überarbeitet, woraus 23 Kategorien resultierten. Beide Rater werteten anschließend unabhängig voneinander weitere 75 Tweets (28 %) aus mit zufriedenstellender Übereinstimmung (70 %). Unterschiede in den Ratings wurden für das finale Kategoriensystem konsensvalidiert (Anhang A2, Tab. 2). Schließlich kodierte ein Rater alle 270 Tweets, wobei Mehrfachkodierungen zulässig waren.

Die anschließende Analyse der identifizierten Chancen und Herausforderungen umfasste drei Schritte: Zuerst wurde durch Häufigkeitsanalysen bestimmt, wie drängend die Chancen und Herausforderungen waren. Die Chancen und Herausforderungen wurden als umso drängender eingestuft, je häufiger sie thematisiert wurden. Anschließend wurde das Echo von Chancen und Herausforderungen im Twitter-Lehrerzimmer durch prozentuale Anteile an Tweets analysiert, die besonders häufig verbreitet, denen besonders stark zugestimmt und die besonders intensiv diskutiert worden waren. Dafür wurden Tweets ausgewählt, deren Anzahl an Retweets, Likes oder Comments jeweils mindestens den Mittelwerten über alle 270 Tweets entsprachen. So wurden 87 Tweets mit mindestens 31 Retweets, 81 Tweets mit mindestens 131 Likes und 86 Tweets mit mindestens 13 Comments ausgewählt. Zuletzt wurden die Beziehungen der Chancen und Herausforderungen durch die Analyse der Häufigkeiten gemeinsamen Auftretens in den Tweets bestimmt.

Um zunächst einen Überblick über das Twitter-Lehrerzimmer zu erhalten, wurden zentrale Merkmale der User und der abgesetzten Tweets im gesamten Ausgangsdatensatz (d. h. alle 128.422 Tweets von 21.328 Usern im Zeitraum 01. November 2019 bis 03. Juni 2020; Datensatz D1) untersucht. Die User, die in dem vorliegenden Zeitraum Beiträge in der Twitter-Community veröffentlichten, hatten sich zwischen dem 21. Juli 2006 und dem 01. Juni 2020 bei Twitter angemeldet (SD = 3,74 Jahre). Die Anmeldezahlen der letzten vier Jahre legen einen stetigen Zuwachs des Twitter-Lehrerzimmers nahe. Vergleicht man die Anmeldungen der Monate März bis April aus 2020 mit den entsprechenden Anmeldungen aus den Vorjahren, so sind die Anmeldezahlen im Jahr 2020 höher (Beispiel März: 2018: n = 193; 2019: n = 248; 2020: n = 410). Für Mai 2020 zeigte sich der niedrigste Wert an Anmeldungen seit dem Jahr 2008. Insgesamt legen diese Befunde nahe, dass die Corona-Pandemie mit einem Zuwachs der Anmeldungen bei Twitter und einer verstärkten Aktivität der Lehrpersonen im Twitter-Lehrerzimmer einherging, während die Kurve im Mai bereits wieder abflachte.

Um die Aktivität im Twitter-Lehrerzimmer vor und während der Schulschließungen abzubilden, wurden die absoluten Häufigkeiten der Tweets des gesamten Ausgangsdatensatzes pro Monat und die relativen Häufigkeiten der Tweets pro User pro Monat analysiert (Abb. 2). Zwischen Februar und März 2020 fällt ein deutlicher Anstieg der absoluten Häufigkeiten und zwischen März und April 2020 ein Anstieg der relativen Häufigkeiten an veröffentlichten Tweets auf. Diese Anstiege untermauern die Annahmen, dass das Twitter-Lehrerzimmer besonders zu Beginn der Schulschließungen einen Zulauf an Usern verzeichnete und während der Schulschließungen intensiver von Usern genutzt wurde.

Bei den 44.040 veröffentlichten Tweets des Ausgangsdatensatzes D1 der 11.304 User während der Schulschließungen, fällt auf, dass die meisten Tweets nicht retweetet (68 %), geliket (73 %) oder kommentiert (85 % K Was bewegt Lehrpersonen während der Schulschließungen? -Eine Analyse der...

Fernunterricht). Erneut wurde das Häufigkeitskriterium für den Zeitraum vor den Schulschließungen angepasst (n ≥ 10), um zu berücksichtigen, dass in diesem Zeitraum insgesamt weniger getwittert wurde (Abb. 4b). Die Netzwerke zeigen, dass sich die Themenfelder vor und während der Schulschließungen inhaltlich wenig unterschieden. Auch für den Zeitraum vor den Schulschließungen lassen sich drei zentrale Netzwerke differenzieren, welche -wie im Zeitraum während der Schulschließungen -die Themen Digitale Bildung (z. B. digital, Medien, Bildung, Lernen), synchrone Lerngelegenheiten (z. B. Twitch, live, livestream) und asynchrone Lerngelegenheiten (z. B. YouTube, Lernvideos, FlippedClassroom) beinhalten. Ebenfalls deuten kleinere Netzwerke (z. B. brauche-Hilfe, tolle-Idee) darauf hin, dass das Twitter-Lehrerzimmer schon vor den Schulschließungen für Austausch und Vernetzung hinsichtlich digitalen Unterrichts genutzt worden war.

Während erste Hinweise zu Unterschieden von Themen bereits durch den Abgleich der Auftretenshäufigkeit von Worten vor und während der Schulschließungen beschrieben wurden, bieten tf-idf-Analysen zusätzlich die Möglichkeit, charakteristische Worte und Bigrams für die beiden Beobachtungszeiträume zu identifizieren. Bezüglich der Substantive zeigte sich, dass der Zeitraum vor den Schulschließungen besonders durch die drei Worte Lernzukunft20, Biko20 und Bildungsnotstand charakterisiert war. Die für den Zeitraum vor den Schulschließungen charakteristischen Substantive stammten aus Hashtags, die sich zum einen auf spezifische Bildungsevents (Lernen der Zukunft, Januar 2020, Frankfurt; Bildungskongress 2020, Februar 2020, Köln) und zum anderen auf Ausführungen zur Situation und Gestaltung gelingender Bildungsprozesse beziehen. Zieht man für die Interpretation der drei Substantive diejenigen Worte hinzu, die am stärksten mit diesen drei Substantiven korrelierten und zugleich für die Forschungsfrage inhaltlich relevant waren, so ergibt K sich ein recht homogenes Bild. So korrelierten die Worte Lernzukunft20 und Biko20 am stärksten mit eher messespezifischen Worten (z. B. Frankfurt, Werbung, Informationen, Wochenende), während das Wort Bildungsnotstand am stärksten mit Worten wie Bildungsrevolution, Bildung, Lernen oder Noten zusammenhing. So zeigt sich zum einen, dass unterschiedliche Aspekte des Lehrens und Lernens (Lernen und Leistungsbeurteilung) thematisiert wurden und zum anderen, dass häufig der Wunsch nach Veränderung (Revolution) verknüpft wurde. Die tf-idf-Analysen der charakteristischen Bigrams (Unterricht Schulleben, Bildungsnotstand Bildungsrevolution und Bildung Bildungsnotstand) bekräftigen zudem, dass das Wort Bildungsnotstand eine zentrale Stellung für den Zeitraum vor den Schulschließungen einnahm. Zugleich wird sichtbar, dass der reguläre Unterricht und das Schulleben insgesamt thematisiert wurde. Diese thematische Breite ist während der Schulschließung so nicht auszumachen. So war der Beobachtungszeitraum während der Schulschließungen durch die Substantive Homeschooling, Schulschließung und Schulöffnung charakterisiert. Deutlich spiegeln sich in diesen Worten die einschneidenden Maßnahmen und damit einhergehenden Konsequenzen der Schulschließungen wider. Mit Homeschooling hingen am stärksten die Worte Digitalbildung, Medienkompetenz und Experiment zusammen. Diese Wortpalette bringt zum Ausdruck, dass der Fernunterricht und/oder das Homeschooling im Twitter-Lehrerzimmer als Phase der Ungewissheit wahrgenommen wurde, in welcher wahrscheinlich der Medienkompetenz der Akteure eine entscheidende Rolle zum Gelingen zugeschrieben wurde. Naheliegend ist, dass das Wort Schulschließung stark mit den Worten (Hashtags) Schulmessenger, Remotelearning, Itscommunity oder Herausforderung korrelierte. In diesen Worten werden zum einen Konsequenzen der Schulschließungen sichtbar, dass für einen einhergehenden digitalen Fernunterricht zum Beispiel Technologie bedeutsam ist, zum anderen aber zugleich, dass die Phase der Schulschließungen als Herausforderung empfunden wurde, die in einer Gemeinschaft gemeinsam durchlebt wird. Passend dazu sind die identifizierten Bigrams Online Unterricht, Teachfromhome Googleedu und Twitter Twitchprime charakteristisch für den Zeitraum während der Schulschließungen. Der digitale Unterricht und damit einhergehend digitale Tools standen im Fokus, während der reguläre Unterricht, das Schulleben insgesamt sowie spezifische Einzelevents wie Messen oder Kongresse (charakteristisch für den Zeitraum vor den Schulschließungen) während der Schulschließungen so gut wie keine Rolle spielten.

Die Häufigkeitsanalysen der Kategorien können demnach abbilden, wie drängend Chancen und Herausforderungen sind. Es kann aber davon ausgegangen werden, dass bei derartigen Häufigkeitsanalysen nicht alle Chancen und Herausforderungen, die im Twitter-Lehrerzimmer ein großes Echo erzeugten, ausreichend berücksichtigt werden. Deutlich wird dies zum Beispiel in einem Tweet, der die in sehr wenigen Tweets angeführte Herausforderung der Atomsphäre in Schulen nach der Wiedereröffnung der Schulen thematisiert. Gleichwohl dieser Tweet mit 172 Retweets, 732 Likes und 35 Comments ein großes Echo im Twitter-Lehrerzimmer erzeugte, fällt dieser durch das Raster der Häufigkeitsanalysen. Aus diesen Gründen wurde die Auswertung der Chancen und Herausforderungen durch Analysen der Tweets mit den häufigsten Retweets, Likes und Comments angereichert. Zudem wurden Zusammenhänge von Chancen und Herausforderungen untereinander betrachtet.

In Tab (Rebecca [@profesora_2903] 2020). In dem Tweet wird die Nachfrage nach Unterstützung von der Community bezüglich der Umsetzung guten (digitalen) (Fern-)Unterrichts deutlich. In anderen Tweets ging es auch um Fragen, wie digitaler (Fern-)Unterricht gestaltet sein sollte, ob beispielsweise das alleinige Verschicken von Übungsaufgaben als guter digitaler (Fern-)Unterricht verstanden werden kann. In einigen Tweets wurden diese Fragen explizit mit der Chance nachhaltiger Veränderungen verknüpft, indem der Impuls in die Community gegeben wurde, über notwendige Veränderungen für einen guten digitalen Unterricht zu reflektieren, auch über die Phase der Corona-Pandemie hinaus.

Bezüglich der Herausforderung der Gestaltung guten digitalen Unterrichts fiel bei der Analyse der Tweets neben den drei skizzierten häufigsten bilateralen Verknüpfungen ein weiteres wiederkehrendes Muster von Herausforderungen auf: Herausforderungen wurden während der Schulschließungen häufig gegeneinander abgewogen. Sichtbar zum Beispiel in folgendem Tweet: "Wichtige Erfahrung aus den ersten Tagen Unterricht im Homeschooling Homeoffice: Weniger ist mehr! Erstmal mit den SuS gemeinsam lernen, wie online kommuniziert wird. Nicht mit Inhalten zuschießen. Das Wichtigste ist, dass wir LuL helfen, dass es den SuS jetzt gut geht. #twlz" (Jens Schopper [@je_schop] 2020). Besonders fiel auf, dass die Herausforderung, guten digitalen Unterricht umzusetzen, in vielen Tweets ins Verhältnis zu der Herausforderung einer gesunden Lehrer-Schüler-Beziehung gesetzt wurde. In derartigen Tweets wurde betont, dass beispielsweise das Bereitstellen von Aufgaben in der Phase der Schulschließungen weniger relevant sei als den Kontakt zu den Schülerinnen und Schülern zu halten. Das könnte zum einen durch die Beziehung zur hohen Arbeitsbelastung erklärt werden, weil nicht allen Herausforderungen mit gleichmäßigem Engagement begegnet werden konnte und man deshalb Prioritäten setzen musste. Zum anderen könnten diese Tweets unterschiedliche Gewichtungen der Komponenten guten digitalen (Fern-)Unterrichts andeuten.

Zusammenfassend kann festgehalten werden, dass die durch die Corona-Pandemie notwendigen Schulschließungen Lehrpersonen dazu drängten, ihren Unterricht in digitaler Weise zu gestalten. Die Analysen der Kommunikation im Twitter-Lehrerzimmer zeigten, dass das Thema digitaler Unterricht bereits vorher in dieser Online-Community diskutiert worden war, in der Ausnahmesituation jedoch stärker in den Fokus rückte. Erwartungsgemäß stieg die Anzahl der Tweets im Twitter-Lehrerzimmer an. Dabei decken sich die drei drängendsten Herausforderungen (guter digitaler Unterricht, fehlende Software, unzureichendes digitales Know-How) mit Befunden aus vorherigen Studien (Eickelmann et al. 2019; Vodafone Stiftung Deutschland 2020) . Obwohl die Digitalisierung zuletzt viel Aufmerksamkeit und durch den Digitalpakt auch finanzielle Mittel erhielt, waren diese Themen ebenfalls zu erwarten, da die digitale Ausstattung der Schulen und die Vermittlung entsprechender Kompetenzen an die Lehrpersonen immer noch eine Aufgabe für die Bildungspolitik darstellen (Scheiter und Lachner 2019) . Es bleibt zu hoffen, dass positive Erfahrungen, die im Zuge der Corona-Pandemie und dem damit verbundenen Fernunterricht mit digitalen Medien gesammelt wurden, nachhaltige Veränderungsprozesse für die Digitalisierung der Schulen anstoßen. Die intensivere Auseinandersetzung in Kombination mit der Notwendigkeit, digitalen Unterricht umzusetzen, könnte somit helfen, auf Seiten der Lehrpersonen Berührungsängste abzubauen und zugleich die Akzeptanz für digitalen Unterricht sowie digitale Fertigkeiten und Fähigkeiten zu fördern. Die Bildungspolitik könnte solche Plattformen nutzen, um einen Eindruck drängender Themen zu bekommen und die Frage zu beantworten, was aktuell von Lehrpersonen (auch über digitalisierungsbezogene oder spezifisch für den Fernunterricht relevante Themen hinaus) gebraucht und gefordert wird. Entsprechend wäre auch denkbar, dass dort Angebote und Informationen gezielt von bildungspolitischen Akteuren platziert werden. Es ist anzunehmen, dass soziale Medienplattformen wie Twitter unterstützend wirken können, Berührungsängste abzubauen, indem eine niedrigschwellige Möglichkeit für informelle Lerngelegenheiten und Austausch unter Kolleginnen und Kollegen ermöglicht wird. Die Zunahme der User als auch die intensiveren Diskussionen in der Online-Community können zumindest als Hinweise für einen erhöhten Bedarf an informellem Lerngelegenheiten und Austausch während der bundesweiten Schulschließungen gedeutet werden. Vor diesem Hintergrund sind soziale Medienplattformen insgesamt auch für die Zeit nach der Corona-Pandemie als vielversprechende Ergänzung zu traditionellen, größtenteils formalen Fortbildungsätzen (z. B. Workshops) zu sehen (vgl. Bruguera et al. 2019; Trust et al. 2016) .

Allerdings stellt die Community Twitter-Lehrerzimmer wahrscheinlich eine positiv selektierte Stichprobe von Lehrpersonen dar, die sich durch eine hohe Medienaffinität auszeichnen dürfte. Es ist anzunehmen, dass sogenannte "Medienenthusiasten" von ihren Erfahrungen aus dem digital gestützten Unterricht profitieren konnten. Jedoch stellte auch für diese Lehrpersonen der digitale Fernunterricht eine neue K Situation dar. Zugleich ist davon auszugehen, dass die Einschränkung auf medienaffine Lehrpersonen in Verbindung mit den Defiziten, die in dieser Studie identifiziert wurden, für eine noch defizitärere aktuelle Situation bezüglich der Digitalisierung an Schulen in Deutschland spricht.

Des Weiteren sollte bedacht werden, dass in Online-Communities unterschiedliche Typen von Personen bezüglich der Verbreitung von Informationen existieren (Cha et al. 2012) . Das bedeutet, dass in der Community Twitter-Lehrerzimmer neben vielen durchschnittlichen Usern zum Beispiel auch sogenannte "Meinungsführer" aus unterschiedlichen Motiven Informationen streuen (Cha et al. 2012; Jungnickel 2017) , wodurch die Dominanz von Themen potenziell verzerrt worden sein könnte. Gleichzeitig kann die Community Twitter-Lehrerzimmer nicht vollständig durch die dort online gestellten Tweets abgebildet werden. Neben aktiven Usern, die Tweets verfassen, liken und retweeten, gibt es in Online-Communities viele User, die hauptsächlich Informationen rezipieren (lurking; Frumin et al. 2018 ) und die trotzdem als Mitglieder einer Online-Community verstanden werden (Edelmann 2013) . Die eigentliche Community ist daher mutmaßlich noch viel größer als unser Datensatz sichtbar machen kann. Schließlich beteiligen sich im Twitter-Lehrerzimmer nicht ausschließlich Lehrpersonen, sondern beispielsweise auch Eltern und Erziehungsberechtigte, Vertreter und Vertreterinnen von Verlagen oder aus der Bildungsadministration (wenn auch in geringer Zahl). Zur Generalisierung der Ergebnisse ist somit weitere Forschung notwendig.

Auch sollen weitere Einschränkungen dieser Studie erwähnt werden, die aus dem gewählten methodischen Vorgehen resultieren. Es wurde eine begründete Auswahl von Hashtags für diese Studie vorgenommen, sodass die Ergebnisse ausschließlich für die definierte Online-Community, die durch die beiden Hashtags #twittlerlehrerzimmer und #twlz repräsentiert werden, gültig sein können. Es sei darauf hingewiesen, dass im Bildungskontext weitere bedeutsame Hashtags verwendet werden, die hier nicht eingeschlossen wurden. In zukünftiger Forschung könnte eine breiter angelegte Auswahl die vergleichende Untersuchung verschiedener Communities ermöglichen. Auch wurden die Schwellenwerte für die Auswertung der Bigrams explorativ und in einem Abwägungsprozess zwischen der Möglichkeit einer manuellen Identifizierung von Themenfeldern auf der einen und der Möglichkeit einer übersichtlichen Darstellung auf der anderen Seite festgelegt. Ein quantitatives Kalkül (z. B. Orientierung des Schwellenwertes an Anzahl von Tweets in einem Analysezeitraum) hätte hingegen eine höhere Standardisierung ermöglicht. Somit ist nicht auszuschließen, dass Themenfelder übersehen wurden. Allerdings haben sich die zentralen Themenfelder bei verschiedenen, niedrigeren Schwellen nicht geänderten und es kann davon ausgegangen werden, dass die wichtigsten Themenfelder entdeckt wurden, da diese auch bei höheren Schwellen sichtbar bleiben sollten.

Schließlich sei darauf hingewiesen, dass Sentiment-Analysen die Ergebnisse zu den diskutierten Themen um eine emotionale Komponente hätten erweitern können. Dabei hätten zusätzlich Emojis und Emoticons berücksichtigt werden können. So wären zum Beispiel interessant gewesen, welche Themen im Vergleich vor und während der bundesweiten Schulschließungen eher positiv und welche eher negativ diskutiert wurden. Dies ist eine vielversprechende Forschungsrichtung für zukünftige Studien. K Zudem wurden Worte (Stopwords) entfernt, die sehr häufig auftreten und in der Regel wenig Relevanz für die Erfassung des Tweetinhalts besitzen (z. B. "ist", "ein/e"). Die Stopwords wurden durch die Vereinigung von Listen an deutschsprachigen Stopwords aus den R Paketen stopwords (v 2.0; Benoit et al. 2020) und lsa (v0.73.2; Wild 2020) sowie 115 manuell definierten Stopwords (z. B. "liebes", einzelne Buchstaben, Zahlen) erzeugt. Insgesamt wurden 561 Stopwords berücksichtigt. Bei quantitativen Textanalysen führen Worte, die inhaltlich dasselbe bedeuten aber unterschiedlich geschrieben sind (z. B. "Lehrer" und "Lehrkräfte") zu Auswertungsschwierigkeiten, da zum Beispiel Häufigkeiten der Worte nicht korrekt ausgezählt werden können. Eine automatisierte Reduktion von Worten auf ihren Wortstammbaum (Trunkierung) ging mit einer schwierigeren inhaltlichen Interpretation einzelner Worte einher, weil zum Beispiel das Wort "Eltern" zu "Elt" geändert wurde. Deshalb wurden häufig verwendete und inhaltlich zusammengehörige Worte wie beispielsweise "Schulen" und "Schule" oder "Lehrer" und "Lehrkräfte" manuell zusammengefügt. Aus den so aufbereiteten Tweets wurden diejenigen 14.318 Tweets von 3237 Usern ausgewählt, die während der bundesweiten Schulschließungen (16. März bis 27. April 2020) veröffentlicht wurden (Datensatz D2). Um die in den Tweets behandelten Themen vor und während der bundesweiten Schulschließungen vergleichen zu können, wurden zusätzlich 6731 Tweets von 1853 Usern ausgewählt, die im Zeitraum vom 06. Januar bis 17. Februar 2020 veröffentlicht wurden (Datensatz D3). Die gewählten Zeiträume waren somit gleich lang (42 Tage).

Um einen Datensatz derjenigen Tweets zu erhalten, die ein besonderes Echo im Twitter-Lehrerzimmer während der bundesweiten Schulschließungen auslösten, wurden aus dem Ausgangsdatensatz für den Zeitraum vom 16. März bis 27. April 2020 (n = 44.040 Tweets), die Tweets ausgewählt, die besonders häufig verbreitet wurden (viele Retweets), besonders starke Zustimmung erhalten haben (viele Likes) oder besonders intensiv diskutiert wurden (viele Comments). Betrachteten wir diejenigen Tweets, die jeweils am häufigsten retweetet, geliket und kommentiert wurden, so wurde deutlich, dass die drei Tweet-Eigenschaften (Anzahl an Retweets, Anzahl an Likes, Anzahl an Comments) keine disjunkten Eigenschaften waren. Wählten wir zum Beispiel die Tweets aus, die am meisten retweetet wurden, so waren dies auch diejenigen Tweets, die am meisten gelikt oder kommentiert wurden. Aus diesem Grund untersuchten wir zunächst, wie die drei Tweet-Eigenschaften zusammenhingen. Dafür betrachteten wir die 43.179 Tweets des Ausgangsdatensatzes (D1), die entweder mindestens einmal retweetet oder mindestens einmal geliket oder mindestens einmal kommentiert wurden. Es zeigte sich, dass die Schwelle dafür, auf einen Tweet zu reagieren, für das Retweeten am niedrigsten war. Denn von den 43.179 Tweets gab es lediglich 449 Tweets, die nicht retweetet aber geliket oder kommentiert wurden. Das bedeutet, dass Tweets, die geliket oder kommentiert wurden, in den meisten Fällen auch retweetet wurden. Andersherum wurden 7084 Tweets nicht geliket aber retweetet und 21.901 Tweets nicht kommentiert aber retweetet. Ein Tweet, der retweetet wurde, konnte also nicht losgelöst davon analysiert werden, dass dieser K Tweet auch geliket oder kommentiert wurde beziehungsweise davon, dass eine hohe Anzahl an Retweets mit einer hohen Anzahl an Likes und Comments einherging. Daher haben wir uns dafür entschieden, die Tweets, die am meisten retweetet wurden, ohne Berücksichtigung der Anzahl an Likes und Comments auszuwählen. Um eine Auswertung im Rahmen einer qualitativen Inhaltsanalyse durch eine handhabbare Anzahl an Tweets zu ermöglichen, entschieden wir uns dazu, die 100 meist retweeteten Tweets zu wählen. Für die beiden übrigen Tweet-Eigenschaften (Anzahl an Likes und Anzahl an Comments) wählten wir -unabhängig von der Anzahl der Retweets -je 100 

Ein didaktischer Traum ist wahr geworden: Habe gestern für meine Schule eine Schullizenz für Padlet erworben. Viele Kolleg*innen möchten dauerhaft

Bundesländer. Fahrplan für die Schulöffnungen

Professional knowledge or motivation? Investigating the role of teachers' expertise on the quality of technology-enhanced lesson plans. Learning and Instruction

Variability of teachers' technology integration in the classroom: a matter of utility! Computers & Education, 166, 104159

Stichwort: Professionelle Kompetenz von Lehrkräften

Using bigrams in text categorization

Stopwords: Multilingual Stopword Lists. R package version 2

Computer-und informationsbezogene Kompetenzen von Schülerinnen und Schülern in der 8

Social media and professional development: a systematic review

Engagement through microblogging: educator professional development via twitter

The world of connections and information flow in Twitter. IEEE Transactions on Systems, Man, and Cybernetics-part A: Systems and Humans

Triangulation 2.0

Die Rolle der Lehrerprofessionalisierung für die Implementierung neuer Technologien in den Unterricht

Reviewing the definitions of "Lurkers" and some implications for online research

Lehrer*innenbildung und Digitalisierung -Konzepte und Entwicklungsperspektiven

ICILS 2018 #Deutschland Computer-und informationsbezogene Kompetenzen von Schülerinnen und Schülern im zweiten internationalen Vergleich und Kompetenzen im Bereich Computational Thinking

New contexts for professional learning: analyzing high school science teachers' engagement on twitter

Ich benötige euer Schwarmwissen: Apps für den Englischunterricht in der Grundschule!! Wer kann Tipps und Erfahrungsberichte geben! Gerne RT

Adapting to large-scale changes in advanced placement biology, chemistry, and physics: the impact of online teacher communities

Ich freue mich, meine tolle Kollegin @dani_midd aus der #Grundschule hier im #twitterlehrerzimmer begrüßen zu dürfen. Sie freut sich über

Toward a definition of mixed methods research

Interdisziplinäre Meinungsführerforschung

Ich als Lehrkraft habe das Gefühl, dass ich den "Profis" im Bereich Digitaler Unterricht gnadenlos hinterherlaufe. Viele meiner Kolleg*innen haben

rtweet: collecting and analyzing Twitter data

Ferien im Schuljahr 2019/2020 in den Ländern in der Bundesrepublik Deutschland

Zum Umgang mit dem Corona-Virus. Beschluss der 369

Entschlossenes Handeln in der Krise!

A test-based approach of modeling and measuring technological pedagogical knowledge

Qualitative Inhaltsanalyse: Grundlagen und Techniken (12. Aufl.). Weinheim: Beltz

Using Twitter for demographic and social science research: tools for data collection and processing

Studie: JIMplus 2020 -Corona Zusatzuntersuchung

R: A language and environment for statistical computing. R Foundation for Statistical Computing

Guten Morgen, liebes #twitterlehrerzimmer! Gibt es eine Übersicht mit Kriterien für sinnvolle und gute HomeSchooling-Angebote?

@profe-sora_2903

Täglicher Lagebericht des RKI zur Coronavirus-Krankheit-2019

Täglicher Lagebericht des RKI zur Coronavirus-Krankheit-2019

Idle chatter or compelling conversation? The potential of the social media-based #NGSSchat network for supporting science education reform efforts

Digitales Lernen in Deutschland -Randbedingungen für einen erfolgreichen Einsatz digitaler Medien im Unterricht

DigitalPakt -was nun?

Wichtige Erfahrung aus den ersten Tagen Unterricht im Homeschooling Homeoffice: Weniger ist mehr! Erstmal mit den SuS gemeinsam lernen, wie

Erstellt: 18. März 2020). @je_schop. Zugegriffen

Text mining with R: a tidy approach (1. Aufl.)

Unterrichten mit digitalen Medien

März 2020) Fast alle Länder schließen Schulen und Kitas

Professional learning networks designed for teacher learning

Together we are better": professional learning networks for teachers

#RemoteTeaching & #RemoteLearning: educator tweeting during the COVID-19 pandemic

#TwitterforTeachers: the implications of Twitter as a self-directed professional development tool for K-12 teachers

Schule auf Distanz. Perspektiven und Empfehlungen für den neuen Schulalltag

Udpipe: tokenization, parts of speech tagging, Lemmatization and dependency parsing with the "UDpipe

Lsa: Latent Semantic Analysis