Lernen verstehen

Wie Lernen aus kognitionspsychologischer Sicht funktioniert, und warum das, was sich wie Lernen anfühlt, oft das Gegenteil ist.

In diesem Block legen wir die wissenschaftlichen Grundlagen: Gedächtnissysteme, Arbeitsgedächtnis als Flaschenhals, Cognitive Load Theory, Expertise-Entwicklung und das Lernparadox. Diese Grundlagen bilden das Fundament für alle weiteren Blöcke des Tages.

Block 1: Gedächtnis und kognitive Architektur (30 Min)

Gedächtnis und kognitive Architektur

View slides in full screen

Präsentiere die Slides in zwei Blöcken:

Block A: Gedächtnissysteme (~15 Min). Kernbotschaften:

  1. Gedächtnis = verschiedene Systeme mit verschiedenen Regeln
  2. Deklarativ (episodisch + semantisch) vs. prozedural
  3. Der Übergang von Episoden zu Wissen erfordert aktiven Abruf und variierende Kontexte

Aktivität: Sortieraufgabe Gedächtnissysteme (3 Min). Nach dem Abschnitt über Gedächtnissysteme. Teilnehmende ordnen Beispiele den Systemen zu. Siehe Tab “Aktivitäten”.

Aktivität: Arbeitsgedächtnis erleben (5 Min). Nach dem Abschnitt über Arbeitsgedächtnis. Siehe Tab “Aktivitäten”.

Block B: Cognitive Load Theory (~15 Min). Kernbotschaften:

  1. Elementinteraktivität als das eigentliche Limit
  2. Intrinsische und extrinsische Last (germane processing = produktiver Anteil der intrinsischen Verarbeitung, kein dritter Lasttyp)
  3. Schwierig ≠ komplex: Elementinteraktivität bestimmt, was geschützt werden muss

Aktivität: Vertrautheit ≠ Verständnis (2 Min). Metakognitive Falle demonstrieren.

Aktivität: Elementinteraktivität einschätzen (3 Min). Teilnehmende schätzen Elementinteraktivität verschiedener Aufgabentypen ein und finden eigene Beispiele.

PairSortieraufgabe: Gedächtnissysteme (3 Min)

Ordnet die folgenden Beispiele dem richtigen Gedächtnissystem zu (episodisch, semantisch, prozedural):

  1. Du erinnerst dich an die Seminarraumtür, die heute morgen klemmte
  2. Du weisst, dass Regression quadrierte Residuen minimiert
  3. Du tippst dein Laptop-Passwort, ohne darüber nachzudenken
  4. Du erinnerst dich, dass “CLT” in der letzten Slide vorkam
  5. Du kannst erklären, was Elementinteraktivität bedeutet (nachdem du es gelernt hast)

Diskutiert: Bei welchen Beispielen ist die Zuordnung nicht eindeutig? Warum?

Active-processingArbeitsgedächtnis erleben (5 Min)

Chunking und Schemata spüren: Dieselben Elemente, aber Organisation macht den Unterschied.

  1. Aufgabe 1: Du siehst eine Anordnung von geraden und geschwungenen Linien. Versuche, sie dir in 5 Sekunden einzuprägen und anschliessend aus dem Gedächtnis nachzuzeichnen.
  2. Aufgabe 2: Dieselben Linien, neu angeordnet: Sie bilden ein Wort. Präge dir die Anordnung in 5 Sekunden ein und zeichne sie nach.

Die Linien waren in beiden Aufgaben identisch. Dein Arbeitsgedächtnis hat sich nicht verändert. Was sich verändert hat: In Aufgabe 2 konntest du die Linien als einen Chunk (ein Wort) verarbeiten, weil du ein Schema dafür hattest. Genau das ist, was Expertise mit Information macht: Sie komprimiert viele Elemente zu wenigen Chunks. Ein Experte verarbeitet “F = ma” als einen Chunk, ein Anfänger als drei unverbundene Elemente. Der Workshop macht erlebbar, was er erklärt.

PairVertrautheit ≠ Verständnis (2 Min)

Schätze ehrlich: Wie gut hast du die Cognitive Load Theory verstanden? (1 = gar nicht, 5 = könnte sie erklären)

Schreib deine Zahl auf.

Erkläre deinem Nachbarn in 30 Sekunden den Unterschied zwischen intrinsischer und extrinsischer Last, ohne in die Slides zu schauen. Dann wechselt. Vergleicht danach kurz: Wo hattet ihr Lücken?

Klappe jetzt die Aufgabe auf. Starte den Timer, indem du darauf klickst. Jetzt.

Die Lücke zwischen deiner Einschätzung und deiner tatsächlichen Erklärfähigkeit ist die metakognitive Falle. Fliessend zuhören erzeugt Vertrautheit, nicht Verständnis. Eure Studierenden erleben das nach jeder Vorlesung.

PairElementinteraktivität einschätzen (3 Min)

Schätzt die Elementinteraktivität der folgenden Aufgaben ein (niedrig/mittel/hoch) und begründet:

  1. Fachbegriffe definieren
  2. Einen Forschungsartikel kritisch bewerten
  3. Eine Formel auf ein neues Problem anwenden
  4. Chronologische Reihenfolge von Ereignissen lernen

Bonusfrage: Nennt ein Beispiel aus eurem eigenen Fach für niedrige und hohe Elementinteraktivität.

  1. Fachbegriffe definieren: niedrig. Jeder Begriff kann unabhängig gelernt werden. Viele Elemente (= schwierig), aber sie interagieren kaum miteinander.

  2. Einen Forschungsartikel kritisch bewerten: hoch. Methodik, Ergebnisse, theoretischer Rahmen und Argumentationslogik müssen gleichzeitig im Arbeitsgedächtnis gehalten und zueinander in Beziehung gesetzt werden.

  3. Eine Formel auf ein neues Problem anwenden: mittel bis hoch. Die Formel selbst hat niedrige Elementinteraktivität, aber die Übertragung auf einen neuen Kontext erfordert, Problemstruktur und Formelstruktur gleichzeitig zu verarbeiten und aufeinander abzubilden.

  4. Chronologische Reihenfolge von Ereignissen lernen: niedrig. Die Elemente stehen in einer einfachen sequenziellen Beziehung zueinander. Schwierig (viele Elemente), aber nicht komplex.

Die Kernunterscheidung: Schwierig (viele unabhängige Elemente) ist nicht dasselbe wie komplex (viele interagierende Elemente). Für die Lehre bedeutet das: Routinehafte, schwierige Anteile können delegiert oder nachgeschlagen werden. Die komplexen Anteile, bei denen Schemabildung stattfindet, müssen geschützt werden.

Die folgenden Abschnitte vertiefen die Konzepte aus den Slides. Sie sind als Nachlese-Material für das Selbststudium gedacht.

Arbeitsgedächtnis: Der Flaschenhals

Der Aufmerksamkeitsfokus unseres Arbeitsgedächtnisses umfasst nur etwa 4±1 Elemente gleichzeitig (Cowan 2010). Jeder Denkakt (Verstehen, Problemlösen, Entscheiden) muss durch diesen Flaschenhals.

Wichtig: Die Zahl “4±1” gilt für einfache, unverbundene Elemente. Die effektive Kapazität hängt stark vom Vorwissen ab. Experten verarbeiten “F = ma” als einen Chunk, Anfänger als drei separate Elemente. Cowan (2010) beschreibt Arbeitsgedächtnis als aktivierte Teile des Langzeitgedächtnisses: Vorwissen kann schnell aktiviert werden und die aktuelle Verarbeitung unterstützen. Dasselbe Material, dieselbe Erklärung, aber eine fundamental unterschiedliche kognitive Aufgabe, je nach Vorwissen.

Und: Pausen sind keine verlorene Zeit. Das TBRS-Modell (Barrouillet und Camos 2015) zeigt, dass Aufmerksamkeit zwischen Verarbeitung und Auffrischung von Gedächtnisspuren geteilt werden muss. Schon kurze Mikropausen (30–60 Sekunden) zwischen Instruktionssegmenten geben dem Gehirn Zeit, zerfallende Spuren aufzufrischen. Das Modell legt nahe, dass ununterbrochene Vermittlung schädlicher ist als dieselbe Menge Inhalt mit Atempausen.

Vertiefung: Arbeitsgedächtnis und Instruktion. Die vier Modelle des Arbeitsgedächtnisses und was sie für die Lehre bedeuten

Langzeitgedächtnis: Der unbegrenzte Speicher

Das Langzeitgedächtnis ist praktisch unbegrenzt, aber passives Aufnehmen genügt nicht. Damit Inhalte ins Langzeitgedächtnis gelangen, braucht es aktive kognitive Prozesse: Abrufen, Elaborieren und Verknüpfen.

Dabei ist “Gedächtnis” kein einheitliches System: Deklaratives Wissen (Fakten, Konzepte) und prozedurales Wissen (Fertigkeiten, Abläufe) folgen unterschiedlichen Regeln und erfordern unterschiedliche Instruktionsansätze. Und der Übergang von episodischem Erinnern (“die Dienstags-Vorlesung in Raum 204”) zu semantischem Wissen (“Regression minimiert quadrierte Residuen”) geschieht nicht automatisch, sondern erfordert variierende Begegnungen und aktiven Abruf.

Wünschenswerte Schwierigkeiten (Desirable Difficulties)

Vier Strategien, die sich schwerer anfühlen, aber besseres Lernen erzeugen (E. L. Bjork und Bjork 2011):

  1. Abrufpraxis (Retrieval Practice): Aktives Erinnern statt Wiederlesen
  2. Verteiltes Lernen (Spacing): Über Zeit verteilen statt Pauken
  3. Abwechslung (Interleaving): Aufgabentypen mischen statt blockweise üben
  4. Generierungseffekt: Selbst produzieren statt passiv aufnehmen

Diese vier Strategien haben eines gemeinsam: Sie erzwingen variierende Verarbeitung in unterschiedlichen Kontexten und bauen so kontextunabhängige Abrufpfade auf, die Transfer ermöglichen (R. Bjork und Bjork 1992).

Die metakognitive Falle

Was sich wie Lernen anfühlt, ist oft keines. Was sich schwierig anfühlt, produziert oft das beste Lernen.

Fliessend lesen = “Ich verstehe das”. Aber: Vertrautheit ist nicht Verständnis. Die metakognitive Falle: Subjektive Leichtigkeit ist ein schlechter Indikator für tatsächliches Lernen.

Cognitive Load Theory

Zwei Quellen kognitiver Belastung:

Typ Beschreibung Ziel
Intrinsisch Komplexität des Materials selbst (abhängig von Elementinteraktivität und Vorwissen) Angemessen dosieren
Extrinsisch Schlechtes Design, Ablenkung, trägt nicht zum Lernen bei Minimieren

Das Designprinzip: Extrinsische Last reduzieren, um Arbeitsgedächtnisressourcen freizusetzen, damit sie für die produktive Verarbeitung der intrinsischen Komplexität zur Verfügung stehen. In der älteren CLT-Literatur hiess diese produktive Verarbeitung “germane load”; heute spricht man präziser von germane processing, also der lernrelevanten Auseinandersetzung mit dem Material.

Schwierig ≠ Komplex

Eine häufig übersehene Unterscheidung (Chen, Paas, und Sweller 2023): Aufgaben können schwierig sein, ohne komplex zu sein, und umgekehrt. Schwierig ist eine Aufgabe, wenn viele Elemente gelernt werden müssen, die aber unabhängig voneinander sind (z.B. Fachvokabular, Periodensystem-Symbole, Quellenformate). Die Elementinteraktivität ist niedrig, das Arbeitsgedächtnis wird kaum beansprucht. Komplex ist eine Aufgabe, wenn die Elemente gleichzeitig in Beziehung zueinander verarbeitet werden müssen (z.B. eine Argumentation aufbauen, eine Gleichung lösen, einen Fall analysieren). Die Elementinteraktivität ist hoch, und genau hier findet Schemabildung statt.

Block 2: Expertise und das Lernparadox (30 Min)

Expertise und das Lernparadox

View slides in full screen

Block C: Expertise (~15 Min). Kernbotschaften:

  1. Gleiche Hardware, unterschiedliche Software: Schemata als organisiertes Wissen
  2. Transfer als das eigentliche Ziel von Hochschulbildung
  3. Biologisch primär vs. sekundär: Akademische Fähigkeiten brauchen explizite Instruktion
  4. Arbeitsgedächtnis als Flaschenhals: Warum sekundäres Lernen anstrengend ist (kurze Brücke zu Präsentation 1)
  5. Expertise Reversal Effect: Was Anfängern hilft, schadet Experten
  6. Von deklarativ zu prozedural (Wissenskompilation)
  7. Vorhersagefehler als Lernmechanismus

Aktivität: Expertise Reversal in der eigenen Lehre (3 Min). Retrieval + Transfer: Teilnehmende erklären den Expertise Reversal Effect und identifizieren eine relevante Situation in ihrer Lehre.

Block D: Das Lernparadox (~15 Min). Kernbotschaften:

  1. Abrufpraxis erzeugt Lernen, nicht nur misst es
  2. Drei Missverständnisse: “schwer = kein Lernen”, “produzieren = lernen”, “leicht = verstanden”
  3. Die metakognitive Falle: Verarbeitungsflüssigkeit ≠ Lernerfolg

Aktivität: Vorhersage (2 Min). Vor den Fallstudien: Teilnehmende schreiben eine Vorhersage auf, wer mehr lernt (Person A oder B). Modelliert Vorhersagefehler.

Aktivität: Fallstudien-Analyse (15 Min). Die zentrale Transferaktivität, nicht kürzen.

Konsolidierung: Wichtigste Erkenntnis (1 Min). Vor der Kaffeepause.

PairExpertise Reversal in der eigenen Lehre (3 Min)

Schritt 1 (Retrieval): Erkläre deinem Partner den Expertise Reversal Effect in einem Satz, ohne nachzuschauen.

Schritt 2 (Transfer): Identifiziert gemeinsam eine Situation in eurer Lehre, in der der Expertise Reversal Effect relevant sein könnte: Gibt es ein Unterstützungsangebot (z.B. Worked Examples, Schritt-für-Schritt-Anleitungen, Vorlagen), das für Anfänger hilfreich, aber für Fortgeschrittene möglicherweise hinderlich ist?

Lücken beim Retrieval sind willkommen: Sie zeigen dir, worauf du beim Weiterhören besonders achten kannst.

Was unterscheidet Anfänger von Experten?

Experten haben kein grösseres Arbeitsgedächtnis. Sie haben ein besser organisiertes Langzeitgedächtnis mit reichen, vernetzten Schemata, die als “Chunks” funktionieren.

Anfänger Experte
Wissen Isolierte Fakten (deklarativ) Vernetzte Schemata (prozedural)
Verarbeitung Bewusst, langsam, fehleranfällig Automatisiert, schnell, flexibel
Arbeitsgedächtnis Schnell überlastet Effizient durch Chunking
Transfer Kontextgebunden, fragil Flexibel auf neue Situationen anwendbar
Wissenskompilation: Der Lernprozess

Der Weg vom Anfänger zum Experten verläuft nach ACT-R (Anderson 1982) über Wissenskompilation: Deklaratives Wissen (Regeln, die man bewusst anwendet) wird durch tausende Übungszyklen mit Feedback zu prozeduralem Wissen (automatisierte Produktionsregeln). Dieser Prozess erfordert aktive Verarbeitung, Übung und Rückmeldung.

Ergänzend dazu beschreibt die Forschung zu Vorhersagefehlern (aus einer anderen theoretischen Tradition) einen weiteren wichtigen Lernmechanismus: Das Gehirn bildet Erwartungen, vergleicht sie mit der Realität und aktualisiert seine internen Modelle bei Diskrepanzen. Zusammen mit Konsolidierung, Elaboration und Mustererkennung erklären diese Mechanismen, warum die didaktischen Strategien funktionieren, die wir gleich kennenlernen.

Biologisch primäres vs. sekundäres Wissen

Die Unterscheidung von Geary (gearyEducationalPsychologyOnce2008?; vgl. auch Sweller, Ayres, und Kalyuga 2011) erklärt, warum manche Dinge mühelos gelernt werden und andere nicht. Biologisch primäres Wissen (Sprache, Gesichtserkennung, einfache soziale Interaktion) wird ohne formale Instruktion erworben, weil es evolutionär vorbereitet ist. Biologisch sekundäres Wissen (Lesen, Schreiben, Mathematik, fachliches Denken) erfordert bewusste, anstrengende Verarbeitung und explizite Instruktion.

Akademische Kompetenzen sind fast ausschliesslich biologisch sekundär. Das bedeutet: Die kognitive Anstrengung, die Studierende beim Lernen empfinden, ist kein Zeichen schlechter Lehre, sondern eine unvermeidliche Eigenschaft des Lernprozesses selbst. Für den KI-Einsatz hat das eine direkte Konsequenz: Wenn KI die bewusste Verarbeitung übernimmt, wird genau der Mechanismus umgangen, der für den Erwerb sekundären Wissens nötig ist.

Expertise Reversal Effect

Was Anfängern hilft, schadet Experten, und umgekehrt (Kalyuga 2009):

  • Worked Examples sind für Anfänger effektiver als Problemlösen
  • Für Experten kehrt sich dieser Effekt um
  • Die Asymmetrie zwischen Anfängern und Experten wird ein zentrales Thema für KI in der Lehre
WichtigWie die Konzepte zusammenhängen

Die Konzepte aus diesem Block stammen aus verschiedenen Forschungstraditionen, ergänzen sich aber für die Lehrpraxis:

  • Cognitive Load Theory erklärt, wie Instruktionsdesign die Arbeitsgedächtnisbelastung optimieren kann (extrinsische Last minimieren, produktive Verarbeitung ermöglichen)
  • Desirable Difficulties beschreiben Lernbedingungen, die sich schwierig anfühlen, aber langfristiges Behalten fördern (Abrufpraxis, Spacing, Interleaving, Generierung)
  • Wissenskompilation (ACT-R) modelliert den Übergang von deklarativem zu prozeduralem Wissen durch Übung und Feedback
  • Vorhersagefehler beschreiben, wie das Gehirn aus Diskrepanzen zwischen Erwartung und Erfahrung lernt

Gemeinsam ist diesen Ansätzen: Lernende müssen aktiv verarbeiten (abrufen, elaborieren, vergleichen, anwenden). Diese Prozesse fühlen sich oft anstrengend an, und genau das signalisiert, dass Lernen stattfinden kann.

Ein scheinbarer Widerspruch zwischen diesen Traditionen verdient Beachtung: Einerseits zeigt die Forschung zu expliziter Instruktion, dass Anfänger bei minimaler Anleitung scheitern. Andererseits zeigt die Desirable-Difficulties-Forschung, dass es dem langfristigen Lernen schadet, wenn man es Lernenden zu leicht macht. Der Expertise Reversal Effect löst diese Spannung auf: Anfänger brauchen mehr Anleitung, um unproduktive kognitive Belastung zu reduzieren, während Fortgeschrittene von “productive struggle” profitieren. Entscheidend ist, den Grad der Unterstützung an den aktuellen Wissensstand der Lernenden anzupassen.

Tulvings Encoding-Specificity-Prinzip (2002) zeigt: Gedächtnisabruf funktioniert am besten, wenn der Abrufkontext mit dem Lernkontext übereinstimmt. Studierende “wissen” oft etwas im Vorlesungskontext, können aber in der Prüfung nicht darauf zugreifen, weil der Abrufpfad kontextabhängig ist. Das ist ein starkes Argument für variierende Kontexte beim Üben und für Interleaving: Jeder neue Kontext schafft zusätzliche Abrufpfade und macht Wissen transferierbarer.

IndividualVorhersage: Was erzeugt mehr Lernen? (2 Min)

Bevor du die Fallstudien analysierst, notiere dir eine kurze Vorhersage.

Stell dir zwei Studierende vor:

  • Person A liest die Lösung eines Fallbeispiels dreimal durch und fühlt sich sicher.
  • Person B versucht das Fallbeispiel selbst zu lösen, scheitert teilweise, und liest dann die Lösung einmal.

Wer wird in einer Woche besser abschneiden? Schreibe deine Begründung in einem Satz auf.

Wir kommen nach der Fallstudien-Analyse darauf zurück.

Fallstudien-Analyse (15 Min)

PairFallstudien-Analyse

Analysiert in Paaren ein Szenario-Paar (z.B. A1 und A2, oder B1 und B2), ein effektives und ein ineffektives Beispiel für KI-Integration in der Lehre.

Leitfrage: Welches Szenario erzeugt mehr Lernen? Warum?

Nutzt die Konzepte aus diesem Block:

  • Gedächtnissysteme & Arbeitsgedächtnis
  • Elementinteraktivität & Cognitive Load Theory
  • Expertise Reversal Effect
  • Wissenskompilation & Vorhersagefehler
  • Das Lernparadox & metakognitive Falle

Dein Ergebnis: Formuliere mit deinem Partner gemeinsam 2-3 Sätze: (1) Welcher kognitive Mechanismus wird im ineffektiven Szenario umgangen? (2) Wie stellt das effektive Szenario diesen Mechanismus wieder her? Sei bereit, die Antwort in 30 Sekunden im Plenum vorzustellen.

Fallstudien-Material (nutze den Tab “Kognitive Analyse”)

Konsolidierung (1 Min)

IndividualWichtigste Erkenntnis

Schreibe in einem Satz auf: Was ist die wichtigste Erkenntnis für deine eigene Lehre?

Diese Konsolidierung vor der Pause hilft, das Gelernte zu verankern, bevor neuer Input kommt.

Ressourcen

Für das Selbststudium

Zurück nach oben

Literatur

Anderson, John R. 1982. „Acquisition of Cognitive Skill“. Psychological Review 89 (4): 369–406. https://doi.org/10.1037/0033-295X.89.4.369.
Barrouillet, Pierre, und Valérie Camos. 2015. Working Memory: Loss and Reconstruction. Working Memory: Loss and Reconstruction. New York, NY, US: Psychology Press.
Bjork, Elizabeth Ligon, und Robert A. Bjork. 2011. „Making Things Hard on Yourself, but in a Good Way: Creating Desirable Difficulties to Enhance Learning“. In Psychology and the Real World: Essays Illustrating Fundamental Contributions to Society, 56–64. New York, NY, US: Worth Publishers.
Bjork, Robert, und Elizabeth Bjork. 1992. „A New Theory of Disuse and an Old Theory of Stimulus Fluctuation“. Essays in honor of William K. Estes, Vol. 1991: From learning theory to connectionist theory, Januar, 1935–67.
Chen, Ouhao, Fred Paas, und John Sweller. 2023. „A Cognitive Load Theory Approach to Defining and Measuring Task Complexity Through Element Interactivity“. Educational Psychology Review 35 (2): 63. https://doi.org/10.1007/s10648-023-09782-w.
Cowan, Nelson. 2010. „The Magical Mystery Four: How Is Working Memory Capacity Limited, and Why?“ Current Directions in Psychological Science 19 (1): 51–57. https://doi.org/10.1177/0963721409359277.
Kalyuga, Slava. 2009. „The Expertise Reversal Effect“. In Managing Cognitive Load in Adaptive Multimedia Learning, 58–80. IGI Global Scientific Publishing. https://doi.org/10.4018/978-1-60566-048-6.ch003.
Sweller, John, Paul Ayres, und Slava Kalyuga. 2011. Cognitive Load Theory. New York, NY: Springer. https://doi.org/10.1007/978-1-4419-8126-4.
Tulving, Endel. 2002. „Episodic Memory: From Mind to Brain“. Annual Review of Psychology 53: 1–25. https://doi.org/10.1146/annurev.psych.53.100901.135114.

Wiederverwendung