Abstract:

Der Erwerb der Wissensgrundlage fuer das Steuern komplexer Systeme wird untersucht. Als entscheidende situative Faktoren fuer den Lernerfolg werden hierbei die Schwierigkeit des Systems und die Art der Lernform betrachtet. Bezueglich der Lernformen werden zwei grundsaetzliche Arten unterschieden: das entdeckende Schlussfolgern und Lernformen mit einem erklaerenden Anteil, wie z.B. das Lesen von Instruktionen. Es werden folgende Kernhypothesen aufgestellt: (1) Lernformen mit erklaerendem Anteil sind im allgemeinen selbststaendig schlussfolgernden Lernformen ueberlegen. (2) Wenn das zu lernende System einfach ist, sind Lernformen des selbststaendigen Schlussfolgerns gegenueber denen mit erklaerendem Anteil ueberlegen. (3) Mit zunehmender Schwierigkeit des zu lernenden Systems erweisen sich Lernformen erklaerendem Anteil als ueberlegen. Die beiden Variablen "Schwierigkeit des zu lernenden Systems" und "Lernform" wurden experimentell manipuliert, indem Versuchspersonen randomisiert den verschiedenen Versionen einer Computersimulation zugewiesen wurden. Insgesamt nahmen 496 Teilnehmer in gueltiger Weise an der Untersuchung teil, wobei es sich meist um maennliche Personen im Alter von 16 - 29 handelte, die aus technischen Studiengaengen bzw. Ausbildungen stammten. Ergebnisse: Die Hypothesen konnten bestaetigt werden. Entsprechend wird fuer die Praxis empfohlen, lediglich bei leichteren Problemen einem learning-by-doing bezueglich der reinen Steuerleistung eines Systems den Vorzug zu geben, wobei jedoch auch hier das erworbene Wissen quantitativ nicht das Ausmass bei anderer Lernformen erreicht. Es wird argumentiert, dass fuer das Steuern komplexer Systeme je nach Aufgabentypus und erwuenschtem Lernresultat sowohl eine erste selbststaendige Exploration mit anschliessender Vermittlung theoretischen Wissens als auch die umgekehrte Abfolge sinnvoll ist.