Advertisement

Interaktivität und Adaptivität in multimedialen Lernumgebungen

  • Helmut M. NiegemannEmail author
  • Steffi Heidig
Living reference work entry
  • 569 Downloads
Part of the Springer Reference Psychologie book series (SRP)

Zusammenfassung

Der Begriff Interaktivität bezeichnet einen dynamischen Prozess zwischen einem Lernenden und einem Lernsystem. Dabei sollte mindestens eine der Grundfunktionen des Lehrens (Klauer 1985: Framework for a theory of teaching. Teaching & Teacher Education, 1(1), 5–17; Klauer und Leutner 2012: Lehren und Lernen. Einführung in die Instruktionspsychologie (2. Aufl.). Weinheim: Beltz/PVU) unterstützt werden: Motivation, Information, Förderung von Behalten, Verstehen und Transfer sowie Regulation und Organisation des Lernprozesses. Sowohl auf Seiten der Lernenden als auch des Lernsystems ist eine Reihe von Aktionen möglich, die in diesem Kapitel dargestellt und diskutiert werden. Zur Frage, inwieweit Interaktivität lernwirksam bzw. effizient sein kann, werden drei Modelle vorgestellt, die zu weiteren Forschungen in diesem Bereich anregen können. Am Ende des Beitrags wird der Zusammenhang von Interaktivität und Adaptivität thematisiert und es werden Beispiele adaptiver Lernumgebungen genannt.

Schlüsselwörter

Interaktivität Interaktion Adaptivität Instruktionsdesign E-Learning Designentscheidungen 

1 Was ist Interaktivität?

Technikunterstützte Lernangebote werden seit circa 50 Jahren mit dem Hinweis beworben, dass sie interaktiv seien, über Interaktivität verfügten. Dabei wird unterstellt, dass Interaktivität Lernprozesse generell positiv beeinflussen kann. Unklar ist allerdings, bei welchen Aktionen der Lernenden oder des Lernsystems von Interaktivität gesprochen werden kann. Begründet allein die Möglichkeit, bestimmte Seiten im Lernprogramm anzuwählen schon das Prädikat interaktiv? Inwieweit sollte das Lernsystem in der Lage sein, auf Eingaben des Lernenden zu reagieren, um von Interaktivität sprechen zu können? Inwieweit wirkt sich Interaktivität tatsächlich generell positiv auf das Lernen aus und unter welchen Bedingungen ist es sinnvoll ein Lernangebot mit Interaktivität auszustatten?

Als Interaktion bezeichnen wir aus sozialwissenschaftlicher Perspektive das wechselseitig handelnde aufeinander Einwirken zweier Subjekte. Seit Computer Funktionen menschlicher Kommunikationspartner übernehmen können, kann diese Definition (metaphorisch) erweitert werden auf Fälle, in denen eines der Subjekte durch ein entsprechendes technisches System ersetzt wird. Handeln meint stets ein zielgerichtetes Verhalten und schließt kommunikative Akte ein.

Im Bereich des technikunterstützten Lernens haben wir es in der Regel mit Interaktionsketten zu tun, deren Idealtyp (außer beim kooperativen bzw. kollaborativen Lernen: diese Formate werden in diesem Band separat behandelt, s. Weinberger et al. 2018) der Situation eines einzelnen Lernenden mit einem kompetenten Privatlehrer oder Coach nahekommt. In solchen Situationen initiiert eine Aktion des Interaktionspartners A (z. B. des Lehrenden) bestimmte mentale Operationen beim Partner B (z. B. dem Lernenden). Als Ergebnis oder Begleitphänomen dieser Operationen agiert B seinerseits und dieses Agieren hat dann zweierlei Funktion: Zum einen liefert es A eine Rückmeldung bzw. Antwort zu seiner vorangegangenen Aktion (wurde sie aufgenommen/verstanden?), zum anderen werden nun durch die Aktion von B bei A mentale Operationen ausgelöst.

Interaktivität im Bereich des technikbasierten Lernens meint demnach die wechselseitige Aktivität zwischen einem Lernenden und einem Lernsystem, wobei die (Re)Aktionen des Lernenden auf die (Re)Aktionen des Lernsystems bezogen sein müssen und umgekehrt (Domagk et al. 2010).

2 Ist Interaktivität messbar?

Wird Interaktivität als dynamischer Prozess zwischen einem Lerner und einem Lernsystem aufgefasst, so kann eine Lernumgebung nicht per se interaktiv sein. Interaktivität bezeichnet vielmehr das Ausmaß, in dem eine Lernumgebung Interaktionen ermöglicht und fördert.

Nimmt man an, Interaktionen seien grundsätzlich lernförderlich, scheint es auf den ersten Blick durchaus zweckmäßig, Interaktivität zu messen. Dies wurde auch versucht. Es gibt oder gab Maße für die Interaktivität, die auf einer Zählung der Dateneingaben (Tastenanschläge, Wörter oder Mausklicks) der Lernenden beruhen (US Military Handbook 29612, Definitions; zit. nach Shook 2002) und dementsprechend z. B. vier oder fünf Niveaus von Interaktivität unterscheiden. Offensichtlich wird dabei die Menge der Eingaben als Maß für die Qualität des Lernsystems betrachtet. Das entspräche einer Zählung der Wörter und Zeigehandlungen eines Lehrers als Qualitätsmerkmal seiner Lehre.

Komplexere Taxonomien aus technologischer Perspektive klassifizieren Interaktivität anhand der Übertragungsmedien (z. B. Web, Videokonferenz, VoIP), der Eingabemedien (z. B. Tastatur, Maus, Touchscreen) oder der angebotenen Funktionen (z. B. Hypertext, Simulationen, Multimedia) (Johnson et al. 2006; Sims 1997; Schwier und Misanchuk 1993). Sie sind jedoch für die Konzeption von technikgestützten Lernangeboten ebenfalls wenig hilfreich, da die Beziehung zwischen den Kategorien einerseits und den kognitiven Prozessen der Lernenden andererseits in keinem Fall erläutert werden.

Auch aus psychologischer Perspektive wurde versucht Interaktivität zu klassifizieren (z. B. Moreno und Mayer 2007; Kalyuga 2007). Hier werden zwar die kognitiven Operationen der Lernenden in den Blick genommen, die resultierenden Taxonomien unterscheiden sich jedoch nicht wesentlich von denen aus technologischer Perspektive. Auch hier wird versucht eine Lernumgebung als mehr oder weniger interaktiv einzustufen und auch hier liegt die Annahme zugrunde, dass ein Mehr an Interaktivität die Qualität einer Lernumgebung und die Lernergebnisse positiv beeinflusst. Tatsächlich ist eine Quantifizierung von Interaktivität wenig hilfreich. Interaktivität ist weder eine Funktion der Angebote einer Lernumgebung noch eine Funktion der kognitiven Aktivitäten der Lernenden. Vielmehr handelt es sich um einen dynamischen Prozess zwischen dem Lernsystem und dem Lernenden (Domagk et al. 2010).

Worauf es alleine ankommt, ist der Beitrag, den die (Inter)Aktionen auf Seiten der Lernenden und der Lernumgebung jeweils mittelbar oder unmittelbar zum erwünschten Lernergebnis beitragen können (Sims 1997).

3 Funktionen von Interaktivität

Interaktivität hat im Bereich der Lernmedien zweifellos eine ausgesprochen positive Konnotation. Nicht selten wird computer- bzw. webbasiertes Lernen in der Werbung und in nichtwissenschaftlichen Publikationen von vornherein gleichgesetzt mit interaktivem Lernen. Dabei sind etliche der so charakterisierten Lernprogramme etwa so interaktiv wie ein Buch: Man kann an jeder beliebigen Stelle beginnen, man kann von hinten nach vorne lesen, es gibt ein Inhaltsverzeichnis, vielleicht sogar ein Glossar und Querverweise im Text.

Die entscheidende Frage für das Instruktionsdesign ist, welche Funktion die einzelnen Merkmale dialogähnlicher Kommunikation haben. Angestrebt werden sicher oft die Funktionen der Kommunikation mit einem menschlichen Tutor oder Trainer:
  • Motivieren,

  • Informieren,

  • Verstehen fördern,

  • Behalten und Abrufen fördern,

  • Anwenden bzw. Transfer fördern und

  • den Lernprozess organisieren und regulieren.

Dies sind die Grundfunktionen jedes Lehrens (Klauer und Leutner 2012). Interaktivität, die keine dieser Funktionen unterstützt ist wahrscheinlich überflüssig, wenn nicht kontraproduktiv.

Eine motivierende Funktion von Interaktivität (ohne nähere Spezifikation) wird recht häufig reklamiert, ähnlich wie dies von farbigen Grafiken, Bildern, Animationen und Filmsequenzen behauptet wird. Tatsächlich spricht Vieles dafür, dass es oft weniger effektiv ist, wenn Lernende bloß rezeptiv Informationen aufnehmen, als wenn sie stimuliert werden, aktiv zu werden. Diese Aktivitäten müssen dann aber den Prozess des Wissensaufbaus unterstützen und es muss eine theoretische Vorstellung verfügbar sein, in welcher Art dies geschieht. Im Folgenden werden einige Möglichkeiten genannt, wie Interaktivität zu den einzelnen Lehrfunktionen beitragen kann.

Motivationsfördernde Interaktionen. Eine leicht implementierbare Möglichkeit sind ermutigende Äußerungen, die darauf abzielen, mit dem Lernen zu beginnen oder weiter zu lernen. Wichtig ist vor allem, jede potenziell demotivierende Interaktion zu vermeiden (Prenzel 1997). Dies sind alle Äußerungen, die in irgendeiner Weise geeignet sind, den Selbstwert, die Selbsteinschätzung Lernender zu beeinträchtigen: Auch scherzhaft gemeinte Herabwürdigungen in Rückmeldungen (Du lernst es anscheinend nie!) sind tabu: Beim Design von Bildungsmedien kennen wir die Adressaten nicht, wir haben bestenfalls statistische Informationen über durchschnittliche Nutzer und können daher nicht einschätzen, was im Einzelfall durch Herabwürdigungen angerichtet wird. Angriffe auf den Selbstwert Lernender sind in Schule, Aus- und Weiterbildung stets schwere Kunstfehler, die leider nur selten sanktioniert werden. Eine ausführliche Darstellung motivationaler Aspekte multimedialen Lernens geben Zander und Heidig (2019).

Information liefernde Interaktionen: Hinweise auf die jeweils noch zu bearbeitenden Kapitel oder Abschnitte erleichtern das selbstgesteuerte Lernen. Fehlerdiagnostische Rückmeldungen mit Erläuterungen bezüglich der Fehler liefern wertvolle Hinweise auf Wissenslücken und Denkfehler. Auch Fragemöglichkeiten für Lernende gehören hierzu.

Verstehen fördernde Interaktionen: Verstehen bedeutet, dass neue Informationen in bestehende individuelle Wissensstrukturen eingeordnet werden können, dass Bezüge hergestellt werden. Verstehen fördernde Interaktionen können z. B. adaptiv unterschiedliche Darstellungen, alternative Erklärungen oder spezielle Hilfen bereitstellen und eventuell entsprechende Empfehlungen geben. Zu den wichtigsten Möglichkeiten, das Verstehen zu fördern, gehören sicherlich Fragen, und zwar sowohl seitens des Systems als auch seitens der Lernenden.

Behalten und Abrufen fördernde Interaktionen: Neben vielfältigen Verknüpfungen mit anderen Gedächtnisinhalten wird das Behalten durch Üben (Memorieren) gefördert. Multimediale Lernumgebungen können das Behalten fördern, indem sie Tools bereitstellen, die geeignete Mnemotechniken unterstützen und lernerfolgsabhängige Übungsmöglichkeiten anbieten. Neben dem Behalten ist das Abrufen des Behaltenen wichtig: Es bedarf spezifischer Trainingsmaßnahmen um das Abrufen (Erinnern) zu fördern (Roediger und Karpicke 2006; Klauer und Leutner 2012, S. 83).

Interaktionen, die das Anwenden und den Transfer fördern: Aufgaben- bzw. Problemstellungen, deren Lösung die Verwendung des zuvor vermittelten bzw. angeeigneten Wissens erfordert, können den Transfer unterstützen. Anwendungs- und Transferförderung lassen sich praktisch nicht trennen, da jede Abweichung von den Aufgaben, die bei der Vermittlung des Lehrstoffs verwendet wurden, bereits einen (nahen) Transfer beinhaltet.

Das Ausmaß des automatisch zu erwartenden Lerntransfers wird von Lehrenden oft deutlich überschätzt. Transfer kann explizit gefördert werden, in dem auf Anwendungsmöglichkeiten und Besonderheiten der Anwendung des Gelernten in bestimmten Situationen ausdrücklich hingewiesen wird. Im Kontext multimedialen Lernens sind spezielle Verweise (Links) möglich, die z. B. beim Anklicken in einem eigenen Fenster solche Hinweise enthalten. Eine weitere Möglichkeit der Transferförderung besteht in der systematischen Variation von Aufgaben und Problemstellungen. Beim situierten Lernen sollte zu jedem Thema mehr als eine Aufgabenstellung angeboten werden (s. auch van Merriënboer 2019).

Interaktionen, die den Lernprozess regulieren: Übersichten (site-maps) zu Inhalten, die Anzeige noch nicht bearbeiteter Kapitel, Rückmeldungen, Empfehlungen für bestimmte Lernwege, Hinweise auf Übungsangebote, Lernhilfen, Tipps und integrierte Tools zur Lernplanung und zum Zeitmanagement sind Möglichkeiten, den Prozess der Selbstregulation zu unterstützen. Es ist aber auch zu bedenken, dass es durchaus legitim und von Lernenden oft erwünscht ist, Entscheidungshilfen von Experten zu erhalten. Wer sich auf eigenen Wunsch beraten oder anleiten lässt, fühlt sich keineswegs gegängelt, vorausgesetzt, er kann die Führung jederzeit wieder verlassen.

4 Interaktionsformen und ihre Realisierung

4.1 Aktionen Lernender

Die Aktionen des Lernenden und des Lehrsystems müssen zwar aufeinander bezogen sein, sie sind jedoch nicht notwendigerweise symmetrisch. Aus instruktionstechnologischer Sicht lassen sich u. a. folgende Aktionsformen der Lernenden unterscheiden:

Die selbstständige Auswahl von Lehrinhalten: Sie darf natürlich nicht fehlen, obwohl es fast lächerlich wirkt, wenn diese Möglichkeit bei der Beschreibung eines Lernprogramms als Beleg für „Interaktivität“ aufgeführt wird und sich später als einzige erweist. Die Umsetzung erfolgt meist durch einfache Hyperlinks. Dabei empfiehlt es sich, jeweils die gesamte Überschrift in einem Inhaltsverzeichnis als Link zu definieren und nicht nur ein vorangestelltes Aufzählungszeichen. Wenn Überschriften nicht selbsterklärend sind, empfiehlt sich ein Pop-up-Fenster mit einer kurzen Erläuterung (öffnen bei Berührung mit dem Mauscursor). Auch kurze Kapitelzusammenfassungen können auf diese Weise angeboten werden.

Die selbstständige Wahl einer Reihenfolge (Sequenz) des Lehrstoffs ist für sich genommen trivial. Falls bestimmte Sequenzen für bestimmte Nutzergruppen (z. B. je nach Vorkenntnissen oder Interessen) besonders günstig sind, empfiehlt sich das Angebot von „guided tours“. Die Realisierung ist innerhalb einer Website bereits mit sehr einfachen Mitteln möglich. Bei der Entscheidung eines Nutzers für eine bestimmte „guided tour“ sollte er die Freiheit zu Abstechern haben, also anderen Links folgen können. „Tour maps“, die über den Verlauf der „guided tour“ informieren, können solchen Nutzern helfen gegebenenfalls wieder in die Spur zu kommen. Eine „Tour-map“ kann z. B. analog einer hervorgehobenen Strecke innerhalb der Darstellung eines städtischen Verkehrsnetzes präsentiert werden. Solche maps sollten während einer „tour“ jederzeit verfügbar sein.

Auswahlentscheidungen bezüglich Beispielen und Aufgaben betonen das Angebot selbstgesteuerten Lernens: Die Auswahl zwischen unterschiedlichen Schwierigkeitsniveaus dürfte für die meisten Lerner unproblematisch sein, manche benötigen allerdings Aufforderungen oder geeigneten Zuspruch, damit sie sich für höhere Schwierigkeitsgrade entscheiden. Wenn sich die Beispiele und vor allem Aufgaben anders als nach Schwierigkeit unterscheiden, sind die meisten Lerner allerdings überfordert, es sei denn das Programm liefert Entscheidungshilfen. Zur technischen Umsetzung genügen meist einfache Links und Pop-up-Fenster.

Das Treffen stellvertretender Handlungsentscheidungen ist erfahrungsgemäß für Lernende besonders reizvoll, wenn anschließend die Konsequenzen beobachtet werden können. Hier können interaktive Videosequenzen didaktisch sinnvoll eingesetzt werden. Die Verzweigungen einer Filmstory müssen allerdings aus Gründen des Speicherplatzes und des Umfangs der Dreharbeiten in der Regel eng begrenzt bleiben. Ein interaktives Video, bei dem eine stellvertretende Handlungsentscheidung jeweils Konsequenzen für alle weiteren Handlungsverläufe hat, dürfte auch vom Drehbuch her kaum realisierbar sein: Eine gute Dramaturgie für viele Verlaufsvarianten gleichzeitig zu entwickeln hat wohl noch kein Drehbuchautor geschafft.

Das Bearbeiten und Lösen von Aufgaben und Problemen erfordert einigen Programmieraufwand, wenn die Aktivitäten der Lerner aus mehr bestehen sollen als dem Anklicken oder Verschieben von Objekten auf dem Monitor. Problemorientierte Lernumgebungen sind meist sehr aufwändig in der technischen Realisierung, sie erfordern häufig eine größere Zahl Video- und Audio-Assets. Wünschenswert ist eine möglichst „intelligente“ Auswertung komplexer Lerner-Inputs:
  • Sortieraufgaben,

  • Erstellung von concept-maps und

  • (pseudo)natürlichsprachige Eingaben.

  • Das Anfordern und Nutzen von Hilfen (=passive Hilfen) stellt insbesondere ergonomische Anforderungen: Es sollte von einem Benutzer nicht erwartet werden, dass er die genaue Bezeichnung des Gesuchten kennt. Benutzerfreundliche Hilfen sind kontextsensitiv, d. h. es wird in der Regel Hilfe zu dem Inhalt der aktuellen Bildschirmseite angeboten. Hilfe zur Handhabung des Programms generell kann ein spezieller Menüpunkt innerhalb der lokalen Hilfe sein oder es sollte dafür einen eigenen Button geben.

  • Die Möglichkeit des Vervollständigens oder Modifizierens angebotener Lernmaterialien kann genutzt werden, um Lernende zu aktivieren und die Aufmerksamkeit aufrecht zu erhalten; z. B. indem beim Teleteaching Schaubilder angeboten werden, die von den Lernenden während der Instruktion grafisch oder textlich zu vervollständigen sind. Besonders interessant ist die Möglichkeit, Lehrtexte mit Annotationen zu versehen, ähnlich wie die Kommentarfunktion in gängigen Textverarbeitungssystemen.

  • Das Stellen von Fragen durch Lernende bezeichnet einen der massivsten Schwachpunkte computer- und webbasierter Lernmedien: Obwohl die „Interaktivität“ von technikgestütztem Lernen in der Werbung stets besonders herausgestellt wird, ist diese elementare Lehrer-Lerner-Interaktion oft nicht einmal ansatzweise vorgesehen. Tatsächlich ist eine echte natürlichsprachige Interaktion, wenn überhaupt, nur mit großem Aufwand möglich. Es gibt jedoch mehrere Möglichkeiten Lernenden auch im Kontext technikunterstützter Lernumgebungen das Fragenstellen zu ermöglichen: Eine technisch einfach realisierbare Art besteht darin, vorgefertigte Fragen anzubieten, etwa in einem speziellen Fragenfenster (Graesser et al. 1992). Es kommt darauf an, dass diese Fragen dem Fragebedarf der Lernenden entsprechen; erfahrene Lehrer bzw. Trainer des jeweiligen Fachgebiets sollten hierzu herangezogen werden. Eine aufwändigere Art besteht darin, eine Art „Fragenparser“ zu programmieren: Eine Prozedur, die es erlaubt aus einer vorgegebenen Menge von Begriffen und fachgebietsbezogenen „Fragestämmen“ Fragen zu generieren. Nicht sinnvolle Kombinationen werden mit der Aufforderung zu einer „Umformulierung“ zurückgewiesen. Beispiele für „Fragestämme“ sind: Wie hängen X und Y zusammen? Was ist die Ursache von X? Wie kann Y verstärkt werden? Für X und Y können durch „drag and drop“ oder in Form von Schieberegistern Begriffe aus einer umfangreichen Liste eingesetzt werden; die Flexibilität dieser Form ist etwas größer als bei vorgegebenen Fragen. Eine dritte Form sind pseudo-natürlichsprachige Fragen: Hierbei ist eine freie Eingabe möglich, die Eingaben werden hinsichtlich des Vorkommens von Frage- und Schlüsselwörtern bzw. deren Wortstämmen sowie der Sequenz der Wörter ausgewertet; irrelevante Wörter werden ignoriert. Je nach Fachgebiet kann dies sehr vielfältige Fragen ermöglichen. Technisch steht für die Beantwortung der Fragen bei allen Formen eine Matrix im Hintergrund, die alle Begriffskombinationen präsentiert und mit einer geeigneten Antwort verknüpft. Didaktisch interessant ist in diesem Zusammenhang die Idee einer fragebasierten Navigation: Programme können so organisiert werden, dass bestimmte Verzweigungen nur über Fragen zugänglich sind. Lernende müssen sich dann an bestimmten Stellen überlegen, was sie wissen möchten, anstatt einfach einen Weiter-Button anzuklicken. Die bewusste Entscheidung für eine Frage kann sich positiv auf das Behalten des Lehrstoffs auswirken.

  • Die Eingabe von Antworten auf systemseitig gestellte Fragen ist in der Regel unproblematisch, wenn es sich um das Markieren korrekter Alternativen von Mehrfachwahlaufgaben, um Lückentexte oder drag and drop-Aktionen handelt: Hierzu gibt es in allen guten Autorensystemen vorgefertigte Routinen. Werden ganze Sätze erwartet, kann eine pseudo-natürlichsprachige Verarbeitung (s. o.) verwendet werden. Bei mehreren Sätzen oder Kurzaufsätzen ist eine automatische Verarbeitung derzeit nur sehr eingeschränkt möglich. Hier können dem Lerner Musterantworten zum Vergleich angeboten werden. Möglichkeiten einer automatischen Bewertung von Kurzaufsätzen beim webbasierten Lernen bestehen, sind aber verhältnismäßig aufwendig.

  • Die Steuerung bzw. Regelung von Systemen ist ein Standardfall hoher Interaktivität bei Simulationen und Lernspielen (modell-anwendende Simulationen). Aus didaktischer Sicht ist es hierbei wünschenswert, dass die Gründe für ein bestimmtes Systemverhalten transparent gemacht werden, wenn die Wirkung einer Eingabe nicht trivial ist: Es sollte möglichst erkennbar werden, welche Wechselwirkung von Bedingungen den entsprechenden Effekt bewirkt hat. Geeignet dazu sind insbesondere spezielle Diagramme, die den Einfluss der Eingabe erläutern. Ausführlicher behandelt werden Simulationen in Niegemann (2019). Besonders interessante und vielfältige Möglichkeiten virtueller Handlungen bieten VR-Brillen bzw. -systeme (Thomas et al. 2018).

  • Ein didaktisch weitergehender Ansatz besteht darin, die Lernenden selbst Simulationsmodelle erstellen zu lassen (modell-bildende Simulationen). Entsprechende Versuche unternahmen Hillen et al. (2000; auch Hillen et al. 2002). Beispiele didaktisch orientierter Software, die vom Kindergarten bis zur Universität solche Modellbildung fördert sind u. a. AgentSheets (Informationen unter: http://www.agentsheets.com), NetLogo (https://ccl.northwestern.edu/netlogo/) und Scratch (http://scratch-dach.info/wiki/Mit_Scratch_programmieren).

  • Eine bisher nur sehr selten umgesetzte Form von Interaktivität betrifft Hilfen zur Planung und Regelung des eigenen Lernens (Ziele, Zeit): Vor allem bei umfangreichen Lernwebsites wäre es für manche Lerner hilfreich, zu Beginn des Lernprozesses einen Plan aufzustellen, z. B. anhand einer Folge von Fragen nach Zielen und verfügbarer Zeit. Das Programm könnte dann später an die ursprünglich genannten Ziele und Zeitvorstellungen erinnern, z. B. wenn ein Lerner sich im Web weit weg von seinen Zielen bewegt hat. Dabei sollte selbstverständlich stets die Möglichkeit gegeben sein, Ziele und Zeiten anzupassen. Ein derartiges Hilfesystem ließe sich auch um weitere lerntechnische Tools und Tipps erweitern.

4.2 Aktionen des Lehrsystems

Vom Lehrsystem ausgehend sind insbesondere folgende Aktionen realisierbar:
  • Die Darbietung von Informationen in Form von Texten, Bildern, Tönen, Filmen und Animationen kann dann als interaktiv bezeichnet werden, wenn sie auf der Basis von Informationen über den jeweiligen Lernenden variabel gestaltet wird. Dies war und ist ein wesentliches Ziel intelligenter tutorieller Systeme (Nye et al. 2014; Wenger 1987), deren Entwicklungsmöglichkeiten Ende der achtziger Jahre zunächst überschätzt wurden. Adaptivität ist jedoch nach wie vor ein wichtiger Faktor der Effektivität von Lehrmedien. Die Informationen für die Anpassung (z. B. Niveau von Aufgaben, Darbietung von Zusatztexten usw.) können durch Fragen an den Lerner, durch Input eines Trainers oder durch den Aufbau eines Lernermodells auf der Grundlage einer mehr oder weniger raffinierten Diagnosefunktion des Systems gewonnen werden.

  • Das Stellen von Fragen, Aufgaben und Problemen ist im Allgemeinen technisch unproblematisch. Umso mehr Aufwand kann die Bereitstellung von Eingabemöglichkeiten und eine angemessene Auswertung der Antworten erfordern. Am häufigsten zu finden sind bisher die Standardformen von Fragen und Antworten: Multiple-Choice, Lückentext, Drag and Drop und Eingabe einzelner Wörter, evtl. auch Sätze. Interessante Möglichkeiten können aber auch Techniken der Begriffsnetzdarstellung bieten (Eckert 1999). Es ist dabei möglich, ein von Lernenden erzeugtes Begriffsnetz (concept-map) automatisch mit dem Netz eines Experten zu vergleichen.

  • Fehlertolerante Verarbeitung und Rückmeldung auf Eingaben: Es ist immer wieder ärgerlich, wenn ein Lernender die Antwort auf eine Frage oder die Lösung einer Aufgabe eingibt und trotz inhaltlich richtiger Antwort die Rückmeldung falsch bekommt. Die Eingabeprozedur muss zumindest in der Lage sein, vor oder hinter einer Antwort eingegebene Leerzeichen zu ignorieren. Schwieriger ist die Gestaltung (rechtschreib)fehlertoleranter Eingaberoutinen. Fehlertolerant heißt dabei nicht, dass der Rechtschreibfehler unkommentiert hingenommen wird, sondern, dass die Eingabe inhaltlich dennoch korrekt interpretiert wird. Zweckmäßigerweise wird der Lerner dann auf den Fehler hingewiesen, eventuell kann das Programm auch rückfragen, ob die vermeintlich korrekte Schreibweise das vom Lerner Gemeinte wiedergibt (z. B. Meinten Sie RichtigeSchreibweise?). Problematisch ist hier die Abgrenzung dessen, was noch toleriert werden kann und was zurückgewiesen werden muss. Es gilt hier den erforderlichen Programmieraufwand gegen den Nutzen des Erkennens seltener Falschschreibungen abzuwägen.

Das Problem beim aktiven Anbieten von Hilfen (aktive Hilfen) besteht darin, Indikatoren dafür zu finden, wann eine derartige Hilfe erwünscht sein könnte. Hierzu gibt es seit langem Arbeiten im Bereich der KI-Forschung (Künstliche Intelligenz). Es hat sich allerdings gezeigt, dass hier auch psychologische Aspekte eine wichtige Rolle spielen. Auch objektiv nützliche Hilfsangebote werden aus verschiedenen Gründen nicht selten abgelehnt. Indikatoren für Hilfebedarf können sein: Längeres Verweilen auf einer Bildschirmseite ohne Input (Mausklicks, Tastatureingaben), wiederholte typische Fehler oder ungünstige Handlungsfolgen. Wichtig ist, dass jedes Hilfeangebot vom Lerner sofort abgelehnt werden kann (Aleven et al. 2003).

Ohne Rückmeldungen (Feedback) auf Lerneraktivitäten kann auch in der dreistesten Werbung kein Lernprogramm als interaktiv bezeichnet werden. Entscheidend ist jedoch hier die Qualität. Ein bloßes Falsch oder Schade als Feedback zu einer unrichtigen Aufgabenbearbeitung ist didaktisch meist unzureichend: Zumindest die korrekte Antwort, möglichst mit Erläuterungen sollte unmittelbar folgen, damit der Fehler Ausgangspunkt eines Lernprozesses sein kann. Eine ausführliche Darstellung zum Thema Feedback liefert Narciss (2006, 2008, 2017). Vorteilhaft ist, wenn Rückmeldungen jeweils auf einer Fehleranalyse basieren. Fehleranalysen zu planen und zu programmieren kann ziemlich aufwendig sein. Sie sind eher einfach, wenn die Aufgaben feststehen. In diesem Fall kann jeder kategorisierbare Fehler als spezieller Eingabefall vorgesehen werden. Wenn aber, wie z. B. bei einem Rechentrainer, die Aufgaben jeweils zufällig erzeugt werden, muss das entsprechende Programm in der Lage sein, für jede Fehlerkategorie die typische Antwort zur Laufzeit zu generieren um bei Eingabe einer falschen Antwort entsprechend zu reagieren. Da gelegentlich der gleichen falschen Antwort unterschiedliche Denkfehler zugrunde liegen können, müssen alternative Fehlererklärungen ausgegeben werden. Um geeignete Fehlerkategorien zu finden, können eigene Felduntersuchungen nötig sein, in vielen Fällen genügen zunächst Interviews mit erfahrenen Lehrern, Dozenten und Trainern. Bei webbasierten Lernumgebungen empfiehlt es sich, alle Antworten zu speichern und von Zeit zu Zeit zu analysieren, ob und welche falschen Antworten aufgrund systematischer Denkfehler bzw. unangemessener Vorstellungen vom jeweiligen Lerngegenstand zustande gekommen sind. Bei jeder Fehleranalyse bleibt natürlich eine Restkategorie für Tippfehler und andere nicht kategorisierbare Fehler.

Generell ist bei allen wertenden Rückmeldungen darauf zu achten, dass das Selbstwertgefühl der Lerner in keiner Weise beeinträchtigt wird. Gerade weil der Autor den Lernenden nicht kennt, ist äußerste Zurückhaltung bei tadelnden Äußerungen angebracht.

5 Wann ist Interaktivität effizient?

Bisher wurden hauptsächlich Funktionen und Formen von Interaktionen beschrieben und Gestaltungsmöglichkeiten aufgezeigt. Wann ist aber nun Interaktivität besser, wann sind Interaktionen mit einer multimedialen Lernumgebung effektiv (lernwirksam) bzw. (unter Berücksichtigung des Aufwands) effizient?

Die Lernwirksamkeit der Interaktivität multimedialer Lernumgebungen wird zumindest beeinflusst von folgenden Variablen (Abb. 1):
  • von der Qualität der lehrzielrelevanten Information, die Lernende durch spezifische Einwirkung auf die Lernumgebung gewinnen können und die ihnen ohne diese Einwirkung nicht zur Verfügung steht,

  • von der Qualität der kognitiven Operationen, die durch Einwirkungen der Lernumgebung auf Lernende initiiert werden,

  • von Art und Ausmaß der Belastung des Arbeitsgedächtnisses der Lernenden während des Lernprozesses,

  • vom aktivierten Vorwissen der jeweiligen Lernenden,

  • den in der jeweiligen Lernsituation realisierten metakognitiven bzw. selbstregulatorischen Fähigkeiten des jeweiligen Lernenden sowie

  • von Persönlichkeitsmerkmalen, motivationalen und emotionalen Zuständen der Lernenden während des Lernprozesses.

Abb. 1

Relevante Variablen für effiziente Interaktivität in multimedialen Lehr-/Lernprozessen

Akzeptiert man, dass diese Variablen die Effektivität der Interaktionen eines Lernenden mit einer multimedialen Lernumgebung beeinflussen, stellt sich die Frage, wie dies geschieht und wie die Variablen funktionell zusammenhängen. Im Folgenden werden zwei Modelle vorgestellt, die Interaktivität bei multimedialen Lernprozessen beschreiben und eine Grundlage für Forschung in diesem Bereich bilden.

5.1 Modell zur Erklärung effizienter Interaktivität in multimedialen Lehr-/Lernprozessen

Gegeben sei jeweils ein Lernender mit einem bestimmten Vorwissen sowie bestimmten motivationalen und emotionalen Eigenschaften und Zuständen (Abb. 2).
Abb. 2

Modell zur Erklärung effizienter Interaktivität in multimedialen Lehr-/Lernprozessen (AG: Arbeitsgedächtnis, LZG: Langzeitgedächtnis, LU_ Lernumgebung)

Die multimediale Lernumgebung präsentiert ein bestimmtes Informationsangebot sowie Aktionsmöglichkeiten. In Wechselwirkung mit dem durch das Informationsangebot aktivierten Vorwissen sowie den motivationalen und emotionalen Eigenschaften und Zuständen kann das Informations- und Aktionsangebot der Lernumgebung den Anreiz zu einem Handlungsimpuls liefern (Rheinberg und Vollmeyer 2019). Grundlage können Neugier oder auch die Erwartung bestimmter Handlungskonsequenzen sein.

In Abhängigkeit von den metakognitiven Fähigkeiten des Lernenden wird nun vom Lernenden (selbstregulativ) eine Handlung (oder eine Abfolge von Handlungen) geplant und ausgeführt. Diese Handlung (technisch realisiert z. B. durch Mausklick oder -bewegung, Eingabe von Text oder Sprache, technisch registrierte Bewegung der Hand oder des ganzen Körpers) resultiert in einer mehr oder weniger komplexen Informationseingabe und -verarbeitung auf Seiten des Lehrsystems. Die Lernumgebung agiert dann ihrerseits, was bedeutet, dass sich ihr Informationsangebot ändert. Wenn das Lernsystem gut konzipiert ist, zielt das neue Informationsangebot bzw. dessen kognitive (mentale) und emotionale Verarbeitung auf die Initiierung oder Veränderung kognitiver Operationen und Wissensstrukturen des Lernenden im Langzeitgedächtnis.

Diese Initiierung bzw. Veränderung kognitiver Operationen und Strukturen (Begriffe und Relationen) ist entscheidend für die Effektivität von Interaktionen. Bei der Modellierung kognitiver Operationen gibt es allerdings erheblichen Forschungsbedarf. Eine für das multimediale Lernen wichtige Kategorie von Operationen hat Salomon (1979) als Supplantation bezeichnet.

Die Effizienz des Lernprozesses hängt u. a. vom Ausmaß der Belastung des Arbeitsgedächtnisses während der Verarbeitung der neuen Informationen ab (Mayer 2014; Plass et al. 2010; Sweller et al. 2011). Die Belastung des Arbeitsgedächtnisses ist dabei zu einem erheblichen Teil von der Konzeption der Lernumgebung abhängig, nicht zuletzt gerade auch von den Bedingungen, die Interaktionen zwischen Lernumgebung und Lernenden ermöglichen bzw. den Formen der Interaktion selbst.

5.2 INTERACT – Integriertes Modell der Interaktivität beim multimedialen Lernen

Ein weiteres Modell, dass sowohl die Lernumgebung als auch die kognitiven Aktivitäten der Lernenden integriert und Interaktivität als dynamischen Prozess beschreibt, ist INTERACT, das integrierte Modell der Interaktivität beim multimedialen Lernen (Domagk et al. 2010; s. Abb. 3). Das INTERACT-Modell beschreibt Interaktivität als komplexen und dynamischen Prozess zwischen den Lernsystem und dem Lernenden. Es betont, dass eine Lernumgebung an sich nicht interaktiv sein kann. Interaktivität entsteht vielmehr durch das gegenseitige Aufeinanderbeziehen der (Re)aktionen des Lernsystems und des Lernenden.
Abb. 3

INTERACT – Integriertes Modell der Interaktivität beim multimedialen Lernen (Domagk et al. 2010)

Das INTERACT-Modell unterscheidet sechs Komponenten:
  1. (1)

    Die Lernumgebung mit ihren Interaktionsmöglichkeiten und ihrem Instruktionsdesign. Hier können Taxonomien aus technologischer Perspektive eingeordnet werden (z. B. Sims 1997) und Charakteristiken wie der Grad der Lernerkontrolle (Kalyuga 2007) oder die Antwortgeschwindigkeit (Steuer 1995). Innerhalb des INTERACT-Modells wird dann ihr Einfluss im interaktiven Prozess analysiert.

     
  2. (2)

    Die physischen Aktivitäten (behavioral activities) der Lernenden, die zur Interaktion mit dem Lernsystem ausgeführt werden. Sie sind durch die vorhandenen Eingabegeräte vorgegeben und umfassen bspw. Text auf einer Tastatur eingeben, mit der Maus klicken, einen Controller schwenken oder über einen Bildschirm wischen. Im Gegensatz zu anderen Modellen werden physische Aktivitäten des Lernenden hier als eigene Kategorie unterschieden, um sie von Systemeigenschaften einerseits und (meta)kognitiven Aktivitäten der Lernenden andererseits abzugrenzen. So gelingt eine genaue Zuordnung von Aktivitäten, die in anderen Modellen (z. B. Kennedy 2004; Sims 1997) konfundiert wurden. Wird z. B. ein Button geklickt, um eine Frage zu beantworten, so ist das Klicken als physische Aktivität einzuordnen, während die Frage eine Interaktionsmöglichkeit des Systems darstellt. Es bleibt zu klären, ob der Lernenden über die Antwort nachgedacht hat (kognitive Aktivität) oder willkürlich einen Button auswählt.

     
  3. (3)

    Die kognitiven und metakognitiven Aktivitäten der Lernenden. Die kognitiven Aktivitäten der Lernenden umfassen die mentalen Operationen und Prozesse, die ausgeführt werden, um Informationen auszuwählen, zu organisieren und in vorhandene Wissensstrukturen zu integrieren. In Anlehnung an Anderson und Krathwohls (2001) Revision der klassischen Taxonomie von Lehr- und Lernzielen nach Bloom (1972) können die kognitiven Aktivitäten erinnern, verstehen, anwenden, analysieren, bewerten und erzeugen unterschieden und den Wissensdimensionen Faktenwissen, konzeptionelles Wissen, prozedurales und metakognitives Wissen zugeordnet werden. Mit Metakognition wird das Wissen über die eigenen kognitiven Prozesse und deren Regulation bezeichnet. Metakognitive Aktivitäten umfassen Strategien zur Planung, Überwachung und Evaluation des Lernprozesses (Vrugt und Oort 2008).

     
  4. (4)

    die aktuelle Motivation und die Emotionen der Lernenden. Gemeint sind hier die aktuellen Emotionen (states) und der aktuelle motivationale Zustand, die durch die gegebene Lernsituation ausgelöst werden. Beispiele dafür sind lange Ladezeiten oder eine schlechte Usability, die zu Ärger und Hilfslosigkeit führen und die aktuelle Motivation beeinträchtigen können. Dagegen sollten Interaktionsmöglichkeiten wie Lernerkontrolle, Auswahl von Lernweg und Lernzielen sowie angebotene Simulationen und Lernspiele die aktuelle Motivation der Lernenden positiv beeinflussen (vgl. ARCS-Modell: Keller 1983; Zander und Heidig 2019).

     
  5. (5)

    das mentale Modell des Lernenden bezeichnet die Lernergebnisse, die aus der gegebenen Interaktion hervorgehen. Es werden bestehende Wissensstrukturen der Lernenden verändert und erweitert sowie neue Wissensstrukturen angelegt. Die Lernergebnisse sind dabei nicht als Endprodukt der Interaktion zu betrachten, sondern fließen kontinuierlich in den Prozess mit ein. Sie beeinflussen ihrerseits das folgende Lernerverhalten (physische Aktivitäten), die kognitiven Aktivitäten und den emotional-motivationalen Zustand.

     
  6. (6)

    die Lernermerkmale umfassen neben soziodemografischen Merkmalen, wie Alter und Geschlecht, die relativ stabilen Persönlichkeitsmerkmale des Lernenden (traits). Dies sind u. a. das Vorwissen und die Selbstregulationsfähigkeiten des Lernenden (im Gegensatz zu aktuellen (meta)kognitiven Aktivitäten, die separat im Modell vorgesehen sind) sowie motivationale und emotionale Traits, wie Selbstwirksamkeitserwartung und Ängstlichkeit (im Gegensatz zur aktuellen Motivation/Emotion, den states). Es wird angenommen, dass die zugrundeliegenden Lernermerkmale den gesamten Interaktionsprozess beeinflussen.

     

Der interaktive Prozess zwischen dem Lernsystem und dem Lernenden wird im INTERACT-Modell durch Feedbackschleifen dargestellt, die die einzelnen Komponenten verbinden (Abb. 3). Notwendige Voraussetzung für Interaktivität sind physische Aktivitäten des Lernenden, durch die er Eingaben in das Lernsystem vornimmt, auf das dieses wiederum reagieren kann. Das Stellen einer Frage an den Lernenden, das ihn zwar zu kognitiven Aktivitäten anregt, jedoch keine Eingabe (physische Aktivität) nach sich zieht, auf die das System reagieren könnte, ist demnach nicht als Interaktivität anzusehen. Eine Anwendung des INTERACT-Modells zur Analyse von Forschungsarbeiten zur Effektivität von Interaktivität beim multimedialen Lernen wird im folgenden Abschnitt erläutert (am Beispiel Lernerkontrolle). Weitere Anwendungsbeispiele finden sich bei Domagk et al. (2010).

6 Forschungsfragen zur Effektivität bzw. Effizienz von Interaktivität

Einige Forschungsfragen zur Effektivität bzw. Effizienz der Interaktivität multimedialer Lernumgebungen sind zumindest teilweise weiterhin ungeklärt:

Lernerkontrolle: Möglichkeiten das Lerntempo, den Lerninhalt oder die Art der Darstellung selbst zu bestimmen bzw. auszuwählen, zählen unter dem Stichwort Lernerkontrolle zu den am häufigsten untersuchten Interaktionsangeboten (Kalyuga 2007; Scheiter und Gerjets 2007). Es wird angenommen, dass ein höherer Grad an Lernerkontrolle vorteilhaft ist, da er es ermöglicht die Instruktion an die Bedürfnisse des Lernenden anzupassen. Gleichzeitig stellt die Lernerkontrolle jedoch höhere Anforderungen an die (meta)kognitiven Aktivitäten der Lernenden. Sogar empirische Studien zur selben Art der Lernerkontrolle (z. B. Kontrolle des Lerntempos) variieren deutlich in den untersuchten Interaktionsmöglichkeiten. Beispielsweise hatten die Lernenden in einer Studie nur die Möglichkeit durch das Klicken eines Buttons auf die nächste Bildschirmseite zu wechseln (Mayer und Chandler 2001), während die Lernenden in einer anderen Studie Videos starten, stoppen, wiederholen, rückwärts ansehen und die Geschwindigkeit anpassen konnten, indem sie Buttons und Schieberegler bedienten (Schwan und Riempp 2004). In beiden Studien fielen die Lernergebnisse besser aus, wenn die Lernenden das Lerntempo beeinflussen konnten. Wird das INTERACT-Modell angewendet, wird deutlich, dass sich die Studien jedoch nicht nur im Hinblick auf die angebotenen Interaktionsmöglichkeiten unterscheiden. Sie unterscheiden sich auch in den möglichen physischen Aktivitäten (Button klicken, Schieberregler bedienen), den notwendigen metakognitiven Aktivitäten (deutlich niedrigere Anforderungen, wenn nur bestimmt werden kann, wann die nächste Seite angezeigt werden soll) und in den Lernergebnissen. Bei Mayer und Chandler (2001) wurde der Prozess der Entstehung von Blitzen vermittelt (Faktenwissen, konzeptionelles Wissen) und bei Schwan und Riempp (2004) das Knüpfen nautischer Knoten (prozedurales Wissen). Somit ergeben sich neben der Frage nach den Lernergebnissen weitere Fragen: Welche Art der Lernerkontrolle ist unter welchen Bedingungen motivierend? Welche wirkt sich positiv auf die Emotionen der Lernenden aus? Sollten für Lernende mit geringem Vorwissen weniger Möglichkeiten der Lernerkontrolle angeboten werden oder sogar mehr? Werden komplexere Angebote wie im Beispiel der zweiten Studie effizient genutzt? Wie kann dies unterstützt werden?

Perspektivenwechsel bei interaktiven Videopräsentationen: Mehrperspektivische interaktive Videoformate ermöglichen es, dass Lernende selbstreguliert die Perspektive wählen: Es stehen unterschiedliche Videodarstellungen parallel zur Verfügung und Lernende entscheiden, ob und in welcher Sequenz sie zwischen den unterschiedlichen Perspektiven wechseln. Derartige Angebote werden in der Annahme entwickelt, dass die Möglichkeit des eigenständigen Perspektivenwechsels zu einem höheren Ausmaß an Differenziertheit in der Meinungsbildung beitragen könnte (Lucht 2007). Dabei sind noch mehrere Fragen unbeantwortet: Unter welchen internen und externen Bedingungen wird eine höhere Differenziertheit des Wissens und der Meinung gefördert? Welche Merkmale metakognitiver Prozesse sind ausschlaggebend für die Art und Weise, mit der Lernende bei diesem Format die Perspektive wechseln? Wovon hängt es ab, ob und wann ein Perspektivenwechsel vorgenommen wird? Unter welchen Bedingungen ist es zweckmäßig Perspektivenwechsel zu fördern? Für welche Themen ist ein solches Format geeignet?

Pädagogische Agenten sind Figuren, die durch multimediale Lernprogramme führen. Entgegen der Annahme, dass Pädagogische Agenten die Motivation der Lernenden und deren Lernerfolg fördern, zeigten empirische Studien bisher keinen generellen lernförderlichen Effekt (Heidig und Clarebout 2011). Es müssen vielmehr die Gestaltung der Figur, ihre Funktion, die Eigenschaften der Lernumgebung und des Lernenden mit in Betracht gezogen werden. Unter welchen Bedingungen sind Pädagogische Agenten lernwirksam? Welche Rolle spielen das Aussehen (im Hinblick auf Sympathie der Lernenden) und die Stimme solcher Agenten (Domagk 2008, 2010)? Welche Rolle spielt der durch die Beobachtung des Agenten verursachte Cognitive Load beim Lernprozess? Welche Art der Unterstützung (Funktion) durch Pädagogische Agenten ist lernwirksam? Wie sollten Pädagogische Agenten in Serious Games gestaltet werden (Schuldt 2017)?

Fragen Lernender an das Lehrsystem (Lernerfragen): Welche Formen von Fragemöglichkeiten werden von Lernenden unter welchen Bedingungen akzeptiert und genutzt (s. o.)? Unter welchen Bedingungen (einschließlich Antwortformen des Lehrsystems) sind Lernerfragen an ein informationstechnisches Lehrsystem lernwirksam?

Informatives selbstreguliertes Feedback (ISF): Komplexe Lern- und Übungsaufgaben (z. B. Antwort erfordert Texteingabe) werden beim multimedial unterstützten Selbstlernen oft nicht gestellt, weil eine Prüfung und Rückmeldung der eingegebenen Antwort ohne aufwendige Verwendung von KI nicht möglich ist. Eine noch nicht hinreichend untersuchte Methode besteht in der Anforderung an den Lernenden, die eigene Antwort bzw. Lösung anhand einer Musterlösung und/oder einer Kriterienliste selbst zu überprüfen und zu dokumentieren. Welche Faktoren beeinflussen die Compliance der Lernenden? Unter welchen Bedingungen ist dieses Verfahren lernwirksam? Welcher Art sind die Lernprozesse bei der Prüfung der eigenen Lösungen bzw. Antworten? Können diese ggfls. gefördert werden?

Nutzung von Interaktionsmöglichkeiten: Werden in multimedialen Lernmaterialen Interaktionsmöglichkeiten, wie die Auswahl verschiedener Lernmaterialien (z. B. Texte, Videos, Simulationen), die Bearbeitung der Lernmaterialien (z. B. Hervorheben, Notizen) oder Lernaufgaben zum Selbsttests angeboten, so stellt sich dennoch die Frage, wie diese von den Lernenden angenommen werden. Studien zum Studierplatz 2000 an der TU Dresden zeigten, dass nur 40 % der Lernenden die Interaktionsangebote ernsthaft nutzten (Narciss et al. 2007). Diejenigen, die sie nutzten, zeigten jedoch auch bessere Lernergebnisse (Proske et al. 2007). Wie kann sichergestellt werden, dass angebotene Interaktionsmöglichkeiten wahrgenommen und sinnvoll genutzt werden? Wie können Lernende bei der Auswahl von Angeboten und Hilfen unterstützt werden?

Edutainment (Spielend lernen/Lernen beim Spielen): Die Cognitive Load Theorie (Mayer 2014; Plass et al. 2010; Sweller et al. 2011) sagt für Edutainment-Produkte schlechtere Lernleistungen voraus als für Entertainment-freie Lernumgebungen. Ist diese Hypothese empirisch haltbar oder gibt es doch einen trade-off zwischen cognitive load und Motivierung?

Exer-Learning-Games: Dieses Genre von digitalen Lernspielen kombiniert nicht nur Spielen und Lernen, sondern zusätzlich Bewegung (exercise) und betont damit die physischen Aktivitäten im Interaktionsprozess. Ein Beispiel dafür ist Hopscotch, ein Spiel, bei dem die Eingaben über eine Tanzmatte erfolgen, die einer Handytastatur nachempfunden ist (Lucht und Heidig 2013; Lucht 2017). Ein weiteres Beispiel ist ein Kinect-basiertes Bilderbuch, mit dem Kinder beim Lesenlernen durch Gesten und Bewegungen interagieren können (Homer et al. 2014). Es wird angenommen, dass die physischen Aktivitäten (das Springen auf der Matte, die Gesten und Bewegungen) sich nicht nur positiv auf die Motivation, sondern auch auf die kognitiven Aktivitäten auswirken können. Für welche Lerninhalte und welche Zielgruppen sind Exer-Learning-Games geeignet? Wirkt sich die Exercise-Komponente tatsächlich positiv auf das Lernen aus oder wirkt sie eher ablenkend? Wie ist die Akzeptanz von Exer-Learning-Games über den Neuigkeitseffekt hinaus?

Multimedial angeleitetes selbstreguliertes Lernen (MaSL): MASL als Lehrformat orientiert sich an Ideen von Weltner (Leitprogramme, Weltner 1975) und Keller (PSI – Personalized System of Instruction, Keller 1968) und leitet insbesondere zum selbstständigen Lernen anhand von Lehrtexten oder heute Microlearning-Einheiten auf dem Smartphone an, unterstützt durch die Verwendung von Lerntagebüchern und interaktiven Selbsttests mit informativer Rückmeldung. Welchen Einfluss haben selbstregulatorische Fähigkeiten auf Akzeptanz und Lernwirksamkeit der Methode? Inwieweit sind integrierte Hilfen zum selbstregulierten Lernen effektiv?

Statische Bilder vs. Animationen zur Förderung des Aufbaus angemessener mentaler Modelle (dynamischer Sachverhalte): Empirische Befunde zeigen, dass es keine generelle Überlegenheit von Bewegtbildern gegenüber Standbildern bei der Wissensvermittlung gibt (Schnotz und Lowe 2008; Höffler und Leutner 2007). Die jeweilige Überlegenheit des einen oder des anderen Bildformats hängt ab vom Vorwissen des jeweiligen Lernenden und den sachlogischen Erfordernissen für den Aufbau eines angemessenen mentalen Modells. Bilder können auf unterschiedliche Art und Weise animiert werden und die Lernenden können ein unterschiedliches Maß an Kontrolle über den Ablauf erhalten. Unter welchen Bedingungen sind Lernende in der Lage, die Art und Weise der Animation von Bildern lernwirksam selbst zu regulieren? Welche Rolle spielt dabei der Cognitive Load?

Simulationen können sehr effizient zum Aufbau mentaler Modelle komplexer Lerngegenstände beitragen (Plass und Schwartz 2014). Dazu können die Simulationen mehr oder weniger stark selbst reguliert werden. Lernende können die Wirkungen bestimmter Operationen stärker frei explorieren oder sie sind gehalten anhand eines Simulationsmodells bestimmte Lernaufgaben zu bewältigen. Das Ausmaß an Informationen zum Lerngegenstand, das sie jeweils erhalten, kann variiert werden. Unter welchen Bedingungen sind mehr oder weniger strukturierte Lernaufgaben beim Lernen mit Simulationsmodellen einem mehr oder weniger freien Explorieren hinsichtlich der Lernwirksamkeit überlegen (z. B. Homer und Plass 2014; Plass et al. 2012)?

Die Entwicklung von Simulationsmodellen als Lernaufgabe kann ebenfalls in verschiedenen Domänen (Wirtschaft, Technik) lernwirksam sein. Unterschiedliche Simulationsbaukästen stehen zur Verfügung (z. B. VenSim, Stella, Netlogo, Agent Sheets). Die Anforderungen an die kognitiven und metakognitiven Fähigkeiten der Lernenden sind dabei relativ hoch, ebenso der zeitliche Aufwand. Unter welchen Bedingungen (z. B. Vorwissen der Lernenden) ist diese Instruktionsmethode effizient? Inwieweit beeinträchtigt die für die Konstruktionsleistung erforderliche Belastung des Arbeitsgedächtnisses (Cognitive Load) den Aufbau eines angemessenen mentalen Modells des Lerngegenstands? Wie kann diese Belastung ggfls. reduziert werden?

7 Die Media-Equation-Annahme

Weitgehend unabhängig von den Inhalten spielen bei der Interaktion mit einem Medium sozial-emotionale Aspekte eine meist unterschätzte Rolle. Die Kommunikationspsychologen Reeves und Nass fanden in einer langen Reihe replizierter Experimente die Media Equation-Annahme bestätigt: „Menschen verhalten sich gegenüber Medien genauso wie sie sich gegenüber anderen Menschen verhalten“ (Reeves und Nass 1996). Auch wenn die These überspitzt klingt: Die Experimente zeigten, dass Menschen unbewusst bzw. unreflektiert soziale Verhaltensmuster auf die Interaktion mit Medien übertragen. Befunde liegen u. a. vor für
  • Höflichkeitsregeln: Versuchspersonen verhielten sich höflich gegenüber einem Computer. Wenn ein Computer um Bewertung seiner Leistung bat (Bewertung eines Lehrprogramms), so waren die Antworten positiver und homogener als wenn die gleiche Frage von einem anderen Computer kam. Analog dem Unterschied, ob ein Redner selbst einen Zuhörer fragt Wie war ich oder ob jemand anderes fragen würde, wie gut der Redner war. Den Versuchspersonen war die Tendenz zu höflichen Antworten nicht bewusst.

  • Zwischenmenschliche Distanz – Persönlicher Raum: Kulturabhängig lehnen wir es ab, wenn uns fremde Menschen physikalisch zu nahekommen. Leute, die uns weniger sympathisch sind, finden wir noch weniger sympathisch, wenn sie im Gespräch die Grenze des persönlichen Nahraums überschreiten. Bei Medien entspricht dies Ganznah- bzw. Detailaufnahmen auf einem großen Bildschirm.

  • Reaktionen auf Lob und Schmeicheleien: Personen, die einem schmeicheln, werden tendenziell positiver bewertet. Dieses Prinzip gilt auch für Software, die einem Nutzer schmeichelt; die Gesetzmäßigkeit gilt sowohl im realen Leben wie im Umgang mit Medien offenbar auch dann, wenn die Schmeicheleien als solche durchschaut werden.

  • Wirkung von und Reaktionen auf Lob und Kritik: Kritikern wird z. B. eine höhere Intelligenz zugesprochen als lobenden Personen. Wenn Lob oder Kritik von einem Computer kommen, werden analoge Zuschreibungen gemacht.

  • Wahrgenommene Persönlichkeitsmerkmale: Bestimmte wahrgenommene Persönlichkeitsmerkmale von Interaktionspartnern führen zu bestimmten Zuschreibungen (Attribuierungen). Dies gilt auch für Medien (Computer), bei denen aufgrund ihres Verhaltens (Formulierungen, Ausdrucksweise) bestimmte Persönlichkeitsmerkmale wahrgenommen werden (u. a. Dominanz vs. Unterwürfigkeit, Offenheit vs. Verschlossenheit, Gewissenhaftigkeit, Emotionale Stabilität vs. Instabilität).

  • Wahrnehmung von und Verhalten gegenüber Experten: Informationen über Titel, besondere Kompetenz usw. führen zu Veränderungen im zwischenmenschlichen Verhalten und analog im Verhalten gegenüber Medien.

  • Geschlechtsbezogene Stereotype: Einem Computerprogramm, das mit weiblicher Stimme über Technik spricht, wird, entsprechend dem gängigen Stereotyp, das Frauen weniger technische Kompetenz zuschreibt, als weniger kompetent eingeschätzt als das gleiche Programm, das mit männlicher Stimme spricht.

Dies sind nur einige der sozialpsychologischen Mechanismen, von denen Reeves und Nass (1996) zeigen konnten, dass sie auf interaktive Medien übertragen werden. Die plausibelste Erklärung bisher ist, dass Menschen über bestimmte schematische Verhaltensmuster verfügen, auf die wir mangels Alternativen auch in Situationen zurückgreifen, die den zwischenmenschlichen ähneln.

Trotz der experimentellen Bestätigung der Media Equation-Theorie stellt sich die Frage, ob bzw. inwieweit diese Befunde zeit- und kulturabhängig sind. Für die Höflichkeit gegenüber dem Computer konnte eine ziemlich genaue Replikation der Studie im Jahre 2003 mit deutschen Studierenden die Ergebnisse nicht bestätigen (Krannich 2003). Ein Grund könnte sein, dass etwa zehn Jahre nach den Studien in Stanford der PC bereits zu einem so alltäglichen und vertrauten Gebrauchsgegenstand geworden war, dass der Effekt nicht länger auftritt. Eine alternative Erklärung könnte mit der unterschiedlichen Bedeutung von Höflichkeit in Nordamerika und in Deutschland zusammenhängen: Höflichkeit spielt in der Tat in der amerikanischen Gesellschaft eine andere Rolle und zeigt andere Ausprägungen als hierzulande (Watts 2003). Hier sind weitere Studien erforderlich und auch die übrigen Befunde gehören auf den Prüfstand.

8 Adaptivität

Ein interaktives System ist kaum denkbar ohne ein Minimum an Adaptivität. Äußerungen des Systems sollen sich auf vorangegangene Äußerungen des Nutzers beziehen und sie nach Möglichkeit an Besonderheiten (z. B. Vorwissen, Interessen) des individuellen Lerners anpassen.

Adaptivität ist in dem Maße gegeben, in dem eine Lernumgebung ihr Verhalten an veränderte Bedingungen, d. h. insbesondere die individuell unterschiedlichen Lernvoraussetzungen bzw. Lernfortschritte Lernender anpasst oder sich anpassen lässt (Leutner 1992, 2002).

Variablen Lernender, die eine Anpassung der externen Lernbedingungen erfordern oder zweckmäßig erscheinen lassen, sind u. a.:
  • Kognitive Lernvoraussetzungen (Vorwissen bzw. vorhandenes Kompetenzprofil), insbesondere auch spezielle Fehlerprofile (Fehlkonzepte, falsche oder übersimplifizierte mentale Modelle),

  • Sprache, Sprachniveau,

  • Benötigte Lernzeit, Lerntempo,

  • Motivationale Lernvoraussetzungen der Lernenden,

  • Kulturelle Unterschiede der Lernenden,

  • Spezielle Beeinträchtigungen Lernender.

Genannt wird in diesem Kontext häufig der Lerntypus oder Lernstil, was nach dem Stand empirischer Forschung allerdings wenig zweckmäßig erscheint (Plass et al. 1998; Pashler et al. 2008; Willingham et al. 2015).

Anpassungen können sich u. a. beziehen auf eine oder mehrere der Variablen: Instruktionsumfang, Lernzeit, Sequenz, Zeit der Aufgabenpräsentation oder Aufgabenschwierigkeit (Leutner 2002), aber auch spezielle methodische Vorgehensweisen oder Veranschaulichungen, z. B. beim Vorliegen von Fehlkonzepten und unangemessenen mentalen Modellen (conceptual change, s. Vosniadou 2008).

Adaptive Lernumgebungen haben sich durchaus als effektiv erwiesen, ihre Entwicklung erfordert einschlägige Kenntnisse der Wechselwirkungen zwischen Persönlichkeitsmerkmalen von Lernenden und Merkmalen von Lernumgebungen (vgl. Leutner 1992, 2002). Aus technischer Sicht ist Adaptivität ein wichtiger Aspekt Intelligenter Tutorieller Systeme (ITS).

Einfacher ist die Entwicklung adaptierbarer Lernangebote, die vom Lernenden oder einem Lehrenden an die aktuellen Lernvoraussetzungen angepasst werden. Ein Beispiel ist ein Schieberegler, mit dem in einem Sprachlernprogramm die Sprechgeschwindigkeit dargebotener Dialoge an die Fähigkeit der Lernenden angepasst werden kann.

Nachdem es um die Idee adaptiver Lernsysteme eine Zeitlang relativ ruhig war, scheint die Thematik wieder an Attraktivität in der Forschung zu gewinnen (Shute und Towle 2003). Tatsächlich handelt es sich um einen zentralen Aspekt des E-Learning. Wenn man nicht überzeugt ist, dass die meisten Lerner in der Lage sind, sich ihre Informationen selbst zu besorgen und angemessen aufzubereiten, selbstständig hinreichend zu üben und für Transferförderung zu sorgen, dann können individuell angepasste Lernangebote am ehesten mittels technikunterstützter Lernumgebungen bereitgestellt werden.

Ansätze, ein adaptives E-Learning außerhalb universitärer Forschungslabors zu realisieren gibt vergleichsweise wenige, Beispiele sind:

9 Fazit und Ausblick

Der Begriff Interaktivität bezeichnet einen dynamischen Prozess zwischen einem Lernenden und einem Lehrsystem. Dabei sollte mindestens eine der Grundfunktionen des Lehrens (Klauer 1985; Klauer und Leutner 2012) unterstützt werden: Motivation, Information, Förderung von Behalten, Verstehen und Transfer sowie Regulation und Organisation des Lernprozesses. Diese Lehrfunktionen können für die Praxis Grundlage einer kritischen Prüfung des Designs von Interaktivität in multimedialen Lernangeboten liefern: Welchen Beitrag liefert die jeweilige Konzeption einer Interaktionsmöglichkeit tatsächlich für den Lernprozess?

Adaptivität findet man in einigen digitalen Lernprogrammen durchaus, allerdings meist auf bestimmte, leicht diagnostizierbare Aspekte des Vorwissens Lernender bezogen. Die Diagnose relevanter Bedingungen für eine effektive Adaption während des Lehr-Lern-Prozesses ist sicherlich der Schwachpunkt entsprechender Ansätze. Dies soll verbessert werden durch Learning Analytics (Ifenthaler 2015; Ifenthaler und Drachsler 2018).

Literatur

  1. Aleven, V., Stahl, E., Schworm, S., Fischer, F., & Wallace, R. (2003). Help seeking and help design in interactive learning environments. Review of Educational Research, 73(3), 277–320.CrossRefGoogle Scholar
  2. Anderson, L. W., & Krathwohl, D. R. (Hrsg.). (2001). A taxonomy for learning, teaching, and assessing. A revision of Bloom’s taxonomy of educational objectives. New York: Longman.Google Scholar
  3. Bloom, B. S. (Hrsg.). (1972). Taxonomie von Lernzielen im kognitiven Bereich (4. Aufl.). Weinheim: Beltz.Google Scholar
  4. Creß, U. (2006). Lernorientierung, Lernstile, Lerntypen und kognitive Stile. In H. Mandl & H. F. Friedrich (Hrsg.), Handbuch Lernstrategien (S. 365–377). Göttingen: Hogrefe.Google Scholar
  5. Domagk, S. (2008). Pädagogische Agenten in multimedialen Lernumgebungen. Empirische Studien zum Einfluss der Sympathie auf Motivation und Lernerfolg (Band 9 der Reihe Wissensprozesse und digitale Medien). Berlin: Logos.Google Scholar
  6. Domagk, S. (2010). Do pedagogical agents facilitate learner motivation and learning outcomes? The role of the appeal of the agent’s appearance and voice. Journal of Media Psychology, 22(2), 84–97.CrossRefGoogle Scholar
  7. Domagk, S., Schwartz, R. N., & Plass, J. L. (2010). Interactivity in multimedia learning: An integrated model. Computers in Human Behavior, 26, 1024–1033.CrossRefGoogle Scholar
  8. Eckert, A. (1999). Die „Mannheimer Netzwerk-Elaborierungs-Technik (MaNET)“ – Ein computerunterstütztes Instrument zur Analyse vernetzten Wissens. In W. K. Schulz (Hrsg.), Aspekte und Probleme der didaktischen Wissensstrukturierung (S. 93–111). Frankfurt a. M.: Peter Lang.Google Scholar
  9. Graesser, A. C., Langston, M. C., & Lang, K. L. (1992). Designing educational software around questioning. Journal of Artificial Intelligence in Education, 3, 235–243.Google Scholar
  10. Heidig, S., & Clarebout, G. (2011). Do pedagogical agents make a difference to student motivation and learning? A review of empirical research. Educational Research Review, 6(1), 27–54.CrossRefGoogle Scholar
  11. Hillen, S., Berendes, K., & Breuer, K. (2000). Systemdynamische Modellbildung als Werkzeug zur Visualisierung, Modellierung und Diagnose von Wissensstrukturen. In H. Mandl & F. Fischer (Hrsg.), Wissen sichtbar machen. Begriffsnetze als Werkzeuge für das Wissensmanagement (S. 95–102). Göttingen: Hogrefe.Google Scholar
  12. Hillen, S., Paul, G., & Puschhof, F. (2002). Systemdynamische Lernumgebungen. Modellbildung und Simulation im kaufmännischen Unterricht. Frankfurt a. M.: Peter Lang.Google Scholar
  13. Höffler, T. N., & Leutner, D. (2007). Instructional animation versus static pictures: A meta-analysis. Learning and Instruction, 17, 722–738.CrossRefGoogle Scholar
  14. Homer, B. D., & Plass, J. L. (2014). Level of interactivity and executive functions as predictors of learning in computer-based chemistry simulations. Computers in Human Behavior, 36, 365–375.CrossRefGoogle Scholar
  15. Homer, B. D., Kinzer, C. K., Plass, J. L., Letourneau, S. M., Hoffman, D., Bromley, M., Hayward, E. O., Turkey, S., & Kornak, Y. (2014). Moved to learn: The effects of interactivity in a Kinect-based literacy game for beginning readers. Computers & Education, 74, 37–49.CrossRefGoogle Scholar
  16. Ifenthaler, D. (2015). Learning analytics. In J. M. Spector (Hrsg.), The SAGE encyclopedia of educational technology (Bd. 2, S. 447–451). Thousand Oaks: Sage.Google Scholar
  17. Ifenthaler, D., & Drachsler, H. (2018). Learning analytics. In H. M. Niegemann & A. Weinberger (Hrsg.), Handbuch Bildungstechnologie. Heidelberg: Springer.Google Scholar
  18. Johnson, G. J., Bruner, G. C., & Kumar, A. (2006). Interactivity and its facets revisited. Journal of Advertising, 35(4), 35–52.CrossRefGoogle Scholar
  19. Kalyuga, S. (2007). Enhancing instructional efficiency of interactive e-learning environments: A cognitive load perspective. Educational Psychology Review, 19, 387–399.CrossRefGoogle Scholar
  20. Keller, F. S. (1968). Goodbye teacher. Journal of Applied Behavior Analysis, 1, 79–89.PubMedPubMedCentralCrossRefGoogle Scholar
  21. Keller, J. M. (1983). Motivational design of instruction. In C. M. Reigeluth (Hrsg.), Instructional design theories and models: An overview of their current studies (S. 383–434). Hillsdale: Erlbaum.Google Scholar
  22. Kennedy, G. E. (2004). Promoting cognition in multimedia interactivity research. Journal of Interactive Learning Research, 15, 43–61.Google Scholar
  23. Klauer, K. J. (1985). Framework for a theory of teaching. Teaching & Teacher Education, 1(1), 5–17.CrossRefGoogle Scholar
  24. Klauer, K. J., & Leutner, D. (2012). Lehren und Lernen. Einführung in die Instruktionspsychologie (2. Aufl.). Weinheim: Beltz/PVU.Google Scholar
  25. Krannich, C. (2003). Soziale Interaktion mit einem interaktiven Medium: Replikation eines Experimentes zur Media Equation Theorie (Höflichkeit). Unveröffentlichte Diplomarbeit, Institut für Medien- und Kommunikationswissenschaft, Technische Universität Ilmenau.Google Scholar
  26. Leutner, D. (1992). Adaptive Lehrsysteme: Instruktionspsychologische Grundlagen und experimentelle Analysen. Weinheim: Psychologie Verlags Union.Google Scholar
  27. Leutner, D. (2002). Adaptivität und Adaptierbarkeit multimedialer Lehr- und Informationssysteme. In L. J. Issing & P. Klimsa (Hrsg.), Information und Lernen mit Multimedia und Internet (3. Aufl., S. 115–125). Weinheim: Beltz.Google Scholar
  28. Lucht, M. (2007). Erfüllung der Informations- und Meinungsbildungsfunktion im Fernsehen: Eine experimentelle Studie zum Vergleich von herkömmlicher Dokumentation und Multiperspektivendokumentation. Saarbrücken: VDM Verlag Dr. Müller.Google Scholar
  29. Lucht, M., & Heidig, S. (2013). Applying HOPSCOTCH as an exer-learning game in English lessons: Two exploratory studies. Educational Technology Research and Development, 61(5), 767–792.CrossRefGoogle Scholar
  30. Mayer, R. E. (2011). Does styles research have useful implications for educational practise? Learning and Individual Differences, 21(3), 319–320.CrossRefGoogle Scholar
  31. Mayer, R. E. (Hrsg.). (2014). Cognitive theory of multimedia learning. In The Cambridge handbook of multimedia learning (2. Aufl., S. 43–71). New York: Cambridge University Press.Google Scholar
  32. Mayer, R. E., & Chandler, P. (2001). When learning is just a click away: Does simple user interaction foster deeper understanding of multimedia messages? Journal of Educational Psychology, 93(2), 390–397.CrossRefGoogle Scholar
  33. Melis, E., & Siekmann, J. (2004). ActiveMath: An intelligent tutoring system for mathematics. In L. Rutkowski, J. H. Siekmann, R. Tadeusiewicz & L. A. Zadeh (Hrsg.), Artificial intelligence and soft computing – ICAISC 2004 (Lecture notes in computer science, Bd. 3070). Berlin/Heidelberg: Springer.Google Scholar
  34. Merriënboer, J. van (2019). Das Vier-Komponenten Instructional Design Modell. In H. Niegemann & A. Weinberger (Hrsg.), Lernen mit Bildungstechnologien. ISBN: 978-3-662-54373-3.Google Scholar
  35. Moreno, R., & Mayer, R. E. (2007). Interactive multimodal learning environments. Educational Psychology Review, 19, 309–326.CrossRefGoogle Scholar
  36. Narciss, S. (2006). Informatives tutorielles Feedback. Münster: Waxmann.Google Scholar
  37. Narciss, S. (2008). Feedback strategies for interactive learning tasks. In J. M. Spector, M. D. Merrill, J. Van Merriënboer & M. P. Driscoll (Hrsg.), Handbook of research on educational communications and technology (3. Aufl., S. 125–143). New York: Lawrence Erlbaum Associates.Google Scholar
  38. Narciss, S. (2017). Feedback. In H. M. Niegemann & A. Weinberger (Hrsg.), Handbuch Bildungstechnologie. Heidelberg: Springer.Google Scholar
  39. Narciss, S., Proske, A., & Körndle, H. (2007). Promoting self-regulated learning in web-based learning environments. Computers in Human Behavior, 23, 1126–1144.CrossRefGoogle Scholar
  40. Niegemann, H. M. (2019). Instructional Design. In H. M. Niegemann & A. Weinberger (Hrsg.), Handbuch Bildungstechnologie. Heidelberg: Springer.Google Scholar
  41. Nye, B., Graesser, A., & Hu, X. (2014). AutoTutor and family: A review of 17 years of natural language tutoring. International Journal of Artificial Intelligence in Education, 24(4), 427–469.Google Scholar
  42. Pashler, H., McDaniel, M., Rohrer, D., & Bjork, R. (2008). Learning styles: Concepts and evidence. Psychological Science in the Public Interest, 9(3), 105–119.PubMedCrossRefGoogle Scholar
  43. Plass, J. L., & Schwartz, R. N. (2014). Multimedia learning with simulations and microworlds. In R. E. Mayer (Hrsg.), Cambridge handbook of multimedia learning (S. 729–761). Cambridge: Cambridge University Press.CrossRefGoogle Scholar
  44. Plass, J. L., Chun, D. M., Mayer, R. E., & Leutner, D. (1998). Supporting visual and verbal learning preferences in a second-language multimedia learning environment. Journal of Educational Psychology, 90(1), 25–36.CrossRefGoogle Scholar
  45. Plass, J., Moreno, R., & Brünken, R. (Hrsg.). (2010). Cognitive load theory. Cambridge, Cambridge University Press.Google Scholar
  46. Plass, J. L., Milne, C., Homer, B. D., Schwartz, R. N., Hayward, E. O., Jordan, T., Verkuilen, J., Ng, F., Wang, Y., & Barrientos, J. (2012). Investigating the effectiveness of computer simulations for chemistry learning. Journal of Research in Science Teaching, 49, 394–419.CrossRefGoogle Scholar
  47. Prenzel, M. (1997). Sechs Möglichkeiten, Lernende zu demotivieren. In H. Gruber & A. Renkl (Hrsg.), Wege zum Können. Determinanten des Kompetenzerwerbs (S. 32–44). Bern: Hans Huber.Google Scholar
  48. Proske, A., Narciss, S., & Körndle, H. (2007). Interactivity and learners’ achievement in web-based learning. Journal of Interactive Learning Research, 18(4), 511–531.Google Scholar
  49. Reeves, B., & Nass, C. (1996). The media equation. How people treat computers, televisions, and new media like real people and places. New York: Cambridge University Press.Google Scholar
  50. Rheinberg, F., & Vollmeyer, R. (2019). Motivation (9. Aufl.). Stuttgart: Kohlhammer.Google Scholar
  51. Roediger, H. L., & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255.PubMedCrossRefGoogle Scholar
  52. Rohrer, D., & Pashler, H. (2012). Learning styles: Where’s the evidence? Medical Education, 46(7), 634–635.PubMedCrossRefGoogle Scholar
  53. Salomon, G. (1979). Interaction of media, cognition, and learning. San Francisco: Jossey Bass.Google Scholar
  54. Scheiter, K., & Gerjets, P. (2007). Learner control in hypermedia environments. Educational Psychology Review, 19, 285–307.CrossRefGoogle Scholar
  55. Schnotz, W., & Lowe, R. K. (Hrsg.). (2008). A unified view of learning from animated and static graphics. In Learning with animation (S. 304–356). New York: Cambridge University Press.Google Scholar
  56. Schuldt, J. (2017). Serious Games und Gamification. In H. M. Niegemann & A. Weinberger (Hrsg.), Handbuch Bildungstechnologie. Heidelberg: Springer.Google Scholar
  57. Schwan, S., & Riempp, R. (2004). The cognitive benefits of interactive videos: Learning to tie nautical knots. Learning and Instruction, 14, 293–305.CrossRefGoogle Scholar
  58. Schwier, R. A., & Misanchuk, E. R. (1993). Interactive multimedia instruction. Englewood Cliffs: Educational Technology Publications.Google Scholar
  59. Shook, B. (2002). Measuring levels of interactivity in computer based training. http://www.aicc.org/docs/meetings/04feb2002/online.htm. Zugegriffen am 01.05.2003.
  60. Shute, V., & Towle, B. (2003). Adaptive e-learning. Educational Psychologist, 38(2), 105–114.CrossRefGoogle Scholar
  61. Sims, R. (1997). Interactivity: A forgotten art? Computers in Human Behavior, 13(2), 157–180.CrossRefGoogle Scholar
  62. Steuer, J. (1995). Defining virtual reality: Dimensions determining telepresence. In F. Biocca & M. R. Levy (Hrsg.), Communication in the age of virtual reality. Hillsdale: Lawrence Erlbaum Associates.Google Scholar
  63. Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive load theory. New York: Springer.CrossRefGoogle Scholar
  64. Thomas, O., Metzger, D., & Niegemann, H. M. (Hrsg.). (2018). Digitalisierung der Aus- und Weiterbildung. Virtuelle Lernumgebungen für industrielle Geschäftsprozesse. Heidelberg: Springer.Google Scholar
  65. Vosniadou, S. (Hrsg.). (2008). International handbook of research on conceptual change. New York/London: Routledge.Google Scholar
  66. Vrugt, A., & Oort, F. J. (2008). Metacognition, achievement goals, study strategies and academic achievement. Metacognition and Learning, 30, 123–146.CrossRefGoogle Scholar
  67. Watts, R. J. (2003). Politeness. Cambridge: Cambridge University Press.CrossRefGoogle Scholar
  68. Weinberger, A., Hartmann, C., Schmitt, L. J., & Rummel, N. (2018). Computer-unterstützte kooperative Lernszenarien. In H. Niegemann & A. Weinberger (Hrsg.), Lernen mit Bildungstechnologien.  https://doi.org/10.1007/978-3-662-54373-3_20-1.Google Scholar
  69. Weltner, K. (1975). Das Konzept des integrierenden Leitprogramms – Ein Instrument zur Förderung der Studienfähigkeit. Informationen zur Hochschuldidaktik, (12), 292–305.Google Scholar
  70. Wenger, E. (1987). Artificial intelligence and tutoring systems – Computational and cognitive approaches to the communication of knowledge. Los Altos: Morgan Kaufmann.Google Scholar
  71. Willingham, D. T., Hughes, E. M., & Dobolyi, D. G. (2015). The scientific status of learning styles theories. Teaching of Psychology, 42(3), 266–271.CrossRefGoogle Scholar
  72. Zander, S., & Heidig, S. (2019). Motivationsdesign. In H. M. Niegemann & A. Weinberger (Hrsg.), Handbuch Bildungstechnologie. Heidelberg: Springer.Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Fakultät HW, BildungstechnologieUniversität des SaarlandesSaarbrückenDeutschland
  2. 2.KommunikationspsychologieHochschule Zittau/GörlitzGörlitzDeutschland

Personalised recommendations