Die Rolle von Modellen beim Lernen mit komplexen Aufgaben

• Antragstellerin: Professorin Dr. Regina Vollmeyer
• Fachliche Zuordnung: Entwicklungspsychologie und Pädagogische Psychologie
• Förderung: Förderung von 2011 bis 2014
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 194051249

Lerner im Bereich der Naturwissenschaften müssen bei neuen Problemen Hypothesen generieren, was als Problemlöseprozess beschrieben werden kann. Auch in unserer Forschung werden wir das Lernen in Physik als eine Form von Problemlösen konzipieren. Dazu haben wir ein Modell entwickelt, in dem Problemlösen als Suche in Problemräumen betrachtet wird: Im instance space werden die Zustände (states) der Aufgabe repräsentiert, im rule space die Regeln und der model space definiert, welche Regeln als gültig angesehen werden. In unserer bisherigen Forschung haben wir Zielspezifität manipuliert, um dadurch zu beeinflussen, ob im instance space oder im rule space gesucht wird. Wir fanden, dass mit nicht-spezifischen Zielen besser gelernt wird als mit spezifischen. In diesem Antrag schlagen wir vier Experimente vor, die als Weiterentwicklung den model space integrieren. Zuerst werden wir das Modell erforschen, das Lerner von einer bestimmten Physikaufgabe haben. Diese Ergebnisse werden wir nutzen, um eine Operationalisierung für den model space zu entwickeln. Diese Vorarbeiten führen zum Hauptziel, nämlich zur Überprüfung der Hypothese, die lautet: Lerner, die ein gutes Modell der Aufgabe haben, erwerben mehr Wissen mit einem nicht-spezifischen Ziel. Aber wenn Lerner ein schlechtes Modell der Aufgabe haben, dann lernen sie besser mit einem spezifischen Ziel. Unsere Forschung hat als Folge für die Praxis, dass wir empfehlen können, wann das Vorlegen von spezifischen Zielen hilfreich ist.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Australien
• Beteiligte Person: Dr. Bruce Burns