Langzeitgedächtnis: Speicherung – Informationsverarbeitungstheorie

Dieser Abschnitt behandelt die Informationsspeicherung im LZG (Langzeitgedächtnis). Obwohl unser Wissen über das LZG begrenzt ist, da wir keinen Einblick in das Gehirn haben, hat die Forschung ein einigermaßen konsistentes Bild des Speicherungsprozesses gezeichnet.

Die Charakterisierung des LZG in dieser Lektion beinhaltet eine Struktur, in der Wissen als Orte oder Knoten in Netzwerken dargestellt wird, wobei Netzwerke miteinander verbunden (assoziiert) sind. Beachten Sie die Ähnlichkeit zwischen diesen kognitiven Netzwerken und den neuronalen Netzwerken, die zuvor im Kurs behandelt wurden. Bei der Erörterung von Netzwerken befassen wir uns hauptsächlich mit deklarativem Wissen und prozeduralem Wissen. Konditionelles Wissen wird in Abschnitt 7 des Kurses zusammen mit metakognitiven Aktivitäten behandelt, die die kognitive Verarbeitung überwachen und steuern. Es wird davon ausgegangen, dass das meiste Wissen im LZG in verbalen Codes gespeichert wird, aber die Rolle der Bildsprache wird am Ende dieser Lektion ebenfalls behandelt.

Das Wesen von Propositionen

Eine Proposition ist die kleinste Informationseinheit, die als wahr oder falsch beurteilt werden kann. Propositionen sind die grundlegenden Einheiten von Wissen und Bedeutung im LZG (Anderson, 1990; Kosslyn, 1984; Norman & Rumelhart, 1975). Jede der folgenden Aussagen ist eine Proposition:

• Die Unabhängigkeitserklärung wurde 1776 unterzeichnet.
• .
• Tante Frieda hasst Rüben.
• Ich bin gut in Mathe.
• Die Hauptfiguren werden früh in einer Geschichte eingeführt.

Diese Beispielpropositionen können als wahr oder falsch beurteilt werden. Beachten Sie jedoch, dass die Leute in ihren Urteilen unterschiedlicher Meinung sein können. Carlos mag glauben, dass er schlecht in Mathe ist, aber sein Lehrer mag glauben, dass er sehr gut ist.

Die genaue Natur von Propositionen ist nicht gut verstanden. Obwohl sie als Sätze betrachtet werden können, ist es wahrscheinlicher, dass sie Bedeutungen von Sätzen sind (Anderson, 1990). Die Forschung unterstützt den Punkt, dass wir Informationen im Gedächtnis als Propositionen und nicht als vollständige Sätze speichern. Kintsch (1974) gab den Teilnehmern Sätze zu lesen, die die gleiche Länge hatten, sich aber in der Anzahl der Propositionen unterschieden, die sie enthielten. Je mehr Propositionen ein Satz enthielt, desto länger brauchten die Teilnehmer, um ihn zu verstehen. Dies impliziert, dass, obwohl Studenten den Satz generieren können: “Die Unabhängigkeitserklärung wurde 1776 unterzeichnet”, das, was sie höchstwahrscheinlich im Gedächtnis gespeichert haben, eine Proposition ist, die nur die wesentlichen Informationen enthält (Unabhängigkeitserklärung: unterzeichnet—1776). Mit bestimmten Ausnahmen (z. B. das Auswendiglernen eines Gedichts) scheint es, dass Menschen normalerweise Bedeutungen und nicht genaue Formulierungen speichern.

Propositionen bilden Netzwerke, die aus einzelnen Knoten oder Orten bestehen. Knoten können als einzelne Wörter betrachtet werden, obwohl ihre genaue Natur unbekannt, aber wahrscheinlich abstrakt ist. Zum Beispiel haben Studenten, die einen Geschichtskurs belegen, wahrscheinlich ein “Geschichtskurs”-Netzwerk, das solche Knoten wie “Buch”, “Lehrer”, “Ort”, “Name des Studenten, der links von ihnen sitzt” usw. umfasst.

Propositionale Netzwerke

Propositionen werden nach einer Reihe von Regeln gebildet. Forscher sind sich nicht einig, welche Regeln das Set bilden, aber sie glauben im Allgemeinen, dass Regeln Knoten zu Propositionen und wiederum Propositionen zu Strukturen oder Netzwerken höherer Ordnung kombinieren, die Mengen von miteinander verbundenen Propositionen sind.

Andersons ACT-Theorie (Anderson, 1990, 1993, 1996, 2000; Anderson et al., 2004; Anderson, Reder & Lebiere, 1996) schlägt ein ACT-R (Adaptive Control of Thought-Rational) Netzwerkmodell des LZG mit einer propositionalen Struktur vor. ACT-R ist ein Modell der kognitiven Architektur, das versucht zu erklären, wie alle Komponenten des Geistes zusammenarbeiten, um kohärente Kognition zu erzeugen (Anderson et al., 2004). Eine Proposition wird gebildet, indem zwei Knoten mit einer Subjekt-Prädikat-Verbindung oder Assoziation kombiniert werden; ein Knoten bildet das Subjekt und ein anderer Knoten das Prädikat. Beispiele sind (implizite Informationen in Klammern): “Fred (ist) reich” und “Einkaufen (braucht) Zeit.” Eine zweite Art von Assoziation ist die Relation-Argument-Verbindung, wobei die Relation ein Verb (in der Bedeutung) ist und das Argument der Empfänger der Relation oder das, was von der Relation betroffen ist. Beispiele sind “Kuchen essen” und “Rätsel lösen.” Relationsargumente können als Subjekte oder Prädikate dienen, um komplexe Propositionen zu bilden. Beispiele sind “Fred isst Kuchen” und “Rätsel lös(en) (braucht) Zeit.”

Propositionen sind miteinander verbunden, wenn sie ein gemeinsames Element teilen. Gemeinsame Elemente ermöglichen es Menschen, Probleme zu lösen, mit Umweltanforderungen fertig zu werden, Analogien zu ziehen usw. Ohne gemeinsame Elemente würde kein Transfer stattfinden; alles Wissen würde separat gespeichert und die Informationsverarbeitung wäre langsam. Man würde nicht erkennen, dass Wissen, das für einen Bereich relevant ist, auch für andere Bereiche relevant ist.

Abbildung 'Beispielhaftes propositionales Netzwerk' zeigt ein Beispiel für ein propositionales Netzwerk. Das gemeinsame Element ist “Katze”, weil es Teil der Propositionen “Die Katze lief über den Rasen” und “Die Katze fing eine Maus” ist. Man kann sich vorstellen, dass die erstere Proposition mit anderen Propositionen in Bezug auf das eigene Haus verbunden ist, während die letztere mit Propositionen über Mäuse verbunden ist.

Es gibt Hinweise darauf, dass Propositionen in hierarchischen Strukturen organisiert sind. Collins und Quillian (1969) zeigten, dass Menschen Informationen auf der höchsten Ebene der Allgemeinheit speichern. Zum Beispiel hätte das LZG-Netzwerk für “Tier” auf der höchsten Ebene solche Fakten wie “bewegt sich” und “isst” gespeichert. Unter dieser Kategorie würden solche Arten wie “Vögel” und “Fische” fallen. Unter “Vögel” sind “hat Flügel,” “kann fliegen” und “hat Federn” gespeichert (obwohl es Ausnahmen gibt—Hühner sind Vögel, aber sie fliegen nicht). Die Tatsache, dass Vögel essen und sich bewegen, wird nicht auf der Ebene von “Vogel” gespeichert, da diese Information auf der höheren Ebene von Tier gespeichert wird. Collins und Quillian stellten fest, dass die Abrufzeiten zunahmen, je weiter die Konzepte im Gedächtnis gespeichert waren.

Die Idee der hierarchischen Organisation wurde durch Forschungsergebnisse modifiziert, die zeigen, dass Informationen nicht immer hierarchisch sind. So ist “Collie” in einer Tierhierarchie näher an “Säugetier” als an “Tier”, aber die Leute stimmen eher zu, dass ein Collie ein Tier ist, als dass er ein Säugetier ist (Rips, Shoben & Smith, 1973).

Darüber hinaus können vertraute Informationen sowohl mit ihrem Konzept als auch auf der höchsten Ebene der Allgemeinheit gespeichert werden (Anderson, 1990). Wenn Sie eine Vogeltränke haben und oft Vögel beim Fressen beobachten, haben Sie möglicherweise “essen” sowohl mit “Vögel” als auch mit “Tiere” gespeichert. Dieses Ergebnis schmälert nicht die zentrale Idee, dass Propositionen organisiert und miteinander verbunden sind. Obwohl einiges Wissen hierarchisch organisiert sein kann, sind viele Informationen wahrscheinlich weniger systematisch in propositionalen Netzwerken organisiert.

Deklaratives Wissen

Deklaratives Wissen (Wissen, dass etwas der Fall ist) umfasst Fakten, Überzeugungen, Meinungen, Verallgemeinerungen, Theorien, Hypothesen und Einstellungen über sich selbst, andere und Weltereignisse (Gupta & Cohen, 2002; Paris et al., 1983). Es wird erworben, wenn eine neue Aussage im LZG gespeichert wird, normalerweise in einem verwandten aussagenlogischen Netzwerk (Anderson, 1990). Die ACT-Theorie postuliert, dass deklaratives Wissen in Chunks repräsentiert wird, die die grundlegenden Informationen plus verwandte Kategorien umfassen (Anderson, 1996; Anderson, Reder, & Lebiere, 1996).

Der Speicherungsprozess funktioniert wie folgt. Zuerst erhält der Lernende neue Informationen, z. B. wenn der Lehrer eine Aussage macht oder der Lernende einen Satz liest. Als Nächstes werden die neuen Informationen in eine oder mehrere Aussagen im AG übersetzt. Gleichzeitig werden verwandte Aussagen im LZG abgerufen. Die neuen Aussagen werden durch den Prozess der Aktivierungsausbreitung (im folgenden Abschnitt erläutert) mit den verwandten Aussagen im AG verknüpft. An diesem Punkt können die Lernenden zusätzliche Aussagen generieren. Schließlich werden alle neuen Aussagen – die empfangenen und die vom Lernenden generierten – zusammen im LZG gespeichert (Hayes-Roth & Thorndyke, 1979).

Abbildung 'Speicherung von deklarativem Wissen' veranschaulicht diesen Prozess. Nehmen wir an, ein Lehrer präsentiert eine Einheit über die US-Verfassung und sagt der Klasse: “Der Vizepräsident der Vereinigten Staaten ist Präsident des Senats, stimmt aber nur bei Stimmengleichheit ab.” Diese Aussage kann anderes aussagenlogisches Wissen aktivieren, das in den Erinnerungen der Schüler gespeichert ist und sich auf den Vizepräsidenten bezieht (z. B. mit dem Präsidenten gewählt, wird Präsident, wenn der Präsident stirbt oder zurücktritt, kann wegen Verrats angeklagt werden) und den Senat (z. B. 100 Mitglieder, zwei aus jedem Bundesstaat gewählt, 6-jährige Amtszeit). Wenn die Schüler diese Aussagen zusammensetzen, sollten sie ableiten, dass der Vizepräsident abstimmen würde, wenn 50 Senatoren für einen Gesetzentwurf stimmen und 50 dagegen.

Speicherprobleme können auftreten, wenn Schüler keine bereits vorhandenen Aussagen haben, mit denen sie neue Informationen verknüpfen können. Schüler, die noch nie von der US-Verfassung gehört haben und nicht wissen, was eine Verfassung ist, werden leer ausgehen, wenn sie das Wort zum ersten Mal hören. Konzeptuell bedeutungslose Informationen können im LZG gespeichert werden, aber Schüler lernen besser, wenn neue Informationen mit etwas verknüpft werden, das sie wissen. Wenn man den Schülern ein Faksimile der US-Verfassung zeigt oder sie mit etwas in Verbindung bringt, das sie gelernt haben (z. B. die Unabhängigkeitserklärung), erhalten sie einen Bezugspunkt, mit dem sie die neuen Informationen verknüpfen können.

Selbst wenn Schüler verwandtes Material gelernt haben, verknüpfen sie es möglicherweise nicht automatisch mit neuen Informationen. Oft müssen die Verbindungen explizit hergestellt werden. Bei der Erörterung der Funktion des Vizepräsidenten im Senat könnten die Lehrer die Schüler an die Zusammensetzung des US-Senats und die anderen Aufgaben des Vizepräsidenten erinnern. Aussagen, die ein gemeinsames Element haben, werden im LZG nur dann verknüpft, wenn sie gleichzeitig im AG aktiv sind. Dieser Punkt hilft zu erklären, warum Schüler möglicherweise nicht erkennen, wie sich neues Material auf altes Material bezieht, obwohl die Verbindung für den Lehrer klar ist. Unterricht, der aussagenlogische Netzwerke im Gedächtnis der Lernenden am besten etabliert, umfasst Wiederholung, Organisation des Materials und Erinnerungen an Dinge, die sie wissen, an die sie aber gerade nicht denken.

Wie bei vielen Gedächtnisprozessen erleichtern Sinnhaftigkeit, Organisation und Ausarbeitung die Speicherung von Informationen im Gedächtnis. Sinnhaftigkeit ist wichtig, weil sinnvolle Informationen leicht mit bereits vorhandenen Informationen im Gedächtnis verknüpft werden können. Folglich ist weniger Wiederholung notwendig, was Platz und Zeit von Informationen im AG spart. Die Schüler, die im Eröffnungsszenario besprochen werden, haben ein Problem damit, Algebra sinnvoll zu gestalten, und die Lehrer äußern ihre Frustration darüber, dass sie den Inhalt nicht auf sinnvolle Weise vermitteln.

Eine Studie von Bransford und Johnson (1972) liefert eine eindrucksvolle Veranschaulichung der Rolle der Sinnhaftigkeit bei der Speicherung und dem Verständnis. Betrachten Sie die folgende Passage:

Der Vorgang ist eigentlich ganz einfach. Zuerst ordnet man die Dinge in verschiedene Gruppen. Natürlich kann ein Haufen ausreichen, je nachdem, wie viel zu tun ist. Wenn man aufgrund fehlender Einrichtungen woanders hingehen muss, ist das der nächste Schritt, ansonsten ist man ziemlich gut vorbereitet. Es ist wichtig, die Dinge nicht zu übertreiben. Das heißt, es ist besser, zu wenige Dinge auf einmal zu tun als zu viele. Kurzfristig mag dies nicht wichtig erscheinen, aber es können leicht Komplikationen auftreten. Ein Fehler kann auch teuer sein. Zuerst wird der ganze Vorgang kompliziert erscheinen. Bald wird er jedoch nur noch eine weitere Facette des Lebens sein. Es ist schwierig, ein Ende der Notwendigkeit für diese Aufgabe in naher Zukunft vorherzusehen, aber man kann es ja nie wissen. Nachdem der Vorgang abgeschlossen ist, ordnet man die Materialien wieder in verschiedene Gruppen. Dann können sie an ihren entsprechenden Platz gebracht werden. Schließlich werden sie wieder verwendet und der ganze Kreislauf muss dann wiederholt werden. Das ist jedoch Teil des Lebens. (S. 722)

Ohne Vorwissen ist diese Passage schwer zu verstehen und im Gedächtnis zu speichern, weil es schwierig ist, sie mit vorhandenem Wissen im Gedächtnis in Beziehung zu setzen. Wenn man jedoch weiß, dass es um “Wäsche waschen” geht, wird das Erinnern und Verstehen einfacher. Bransford und Johnson fanden heraus, dass sich Schüler, die das Thema kannten, etwa doppelt so viel erinnerten wie diejenigen, die es nicht kannten. Die Bedeutung der Sinnhaftigkeit beim Lernen wurde in zahlreichen anderen Studien nachgewiesen (Anderson, 1990; Chiesi, Spilich, & Voss, 1979; Spilich, Vesonder, Chiesi, & Voss, 1979).

Organisation erleichtert die Speicherung, weil gut organisiertes Material leichter mit bereits vorhandenen Gedächtnisnetzwerken in Beziehung gesetzt werden kann als schlecht organisiertes Material (Anderson, 1990). In dem Maße, in dem Material in einer hierarchischen Anordnung organisiert werden kann, bietet es eine fertige Struktur, die in das LZG aufgenommen werden kann. Ohne ein bestehendes LZG-Netzwerk ist die Erstellung eines neuen LZG-Netzwerks mit gut organisierten Informationen einfacher als mit schlecht organisierten Informationen.

Ausarbeitung oder der Prozess des Hinzufügens von Informationen zu zu lernendem Material verbessert die Speicherung, weil Lernende durch die Ausarbeitung von Informationen in der Lage sein können, sie mit etwas in Beziehung zu setzen, das sie wissen. Durch die Aktivierungsausbreitung kann das ausgearbeitete Material schnell mit Informationen im Gedächtnis verknüpft werden. Zum Beispiel könnte ein Lehrer den Vulkan Ätna besprechen. Schüler, die dieses Wissen erweitern können, indem sie es mit ihrem persönlichen Wissen über Vulkane (z. B. Mt. St. Helens) in Beziehung setzen, werden in der Lage sein, die neuen und alten Informationen im Gedächtnis zu verknüpfen und das neue Material besser zu behalten.

Aktivierungsausbreitung

Die Aktivierungsausbreitung hilft zu erklären, wie neue Informationen mit Wissen im LZG verknüpft werden (Anderson, 1983, 1984, 1990, 2000; Collins & Loftus, 1975). Die grundlegenden Prinzipien sind wie folgt (Anderson, 1984):

• Menschliches Wissen kann als Netzwerk von Knoten dargestellt werden, wobei Knoten Konzepten und Verbindungen Assoziationen zwischen diesen Konzepten entsprechen.
• Die Knoten in diesem Netzwerk können sich in verschiedenen Zuständen befinden, die ihren Aktivierungsniveaus entsprechen. Aktivere Knoten werden “besser” verarbeitet.
• Die Aktivierung kann sich entlang dieser Netzwerkpfade durch einen Mechanismus ausbreiten, bei dem Knoten ihre Nachbarknoten aktivieren können. (S. 61)

Anderson (1990) führt das Beispiel einer Person an, der das Wort Hund präsentiert wird. Dieses Wort ist assoziativ mit anderen Konzepten im LZG der Person verknüpft, wie z. B. Knochen, Katze und Fleisch. Jedes dieser Konzepte ist wiederum mit anderen Konzepten verknüpft. Die Aktivierung von Hund im LZG breitet sich über Hund hinaus auf verknüpfte Konzepte aus, wobei die Ausbreitung mit Konzepten abnimmt, die weiter von Hund entfernt sind.

Experimentelle Unterstützung für die Existenz der Aktivierungsausbreitung wurde von Meyer und Schvaneveldt (1971) erhalten. Diese Forscher verwendeten eine Reaktionszeitaufgabe, bei der den Teilnehmern zwei Buchstabenfolgen präsentiert wurden und sie entscheiden sollten, ob beide Wörter waren. Wörter, die assoziativ verknüpft waren (Brot, Butter), wurden schneller erkannt als Wörter, die nicht verknüpft waren (Krankenschwester, Butter).

Die Aktivierungsausbreitung führt dazu, dass ein größerer Teil des LZG aktiviert wird als Wissen, das unmittelbar mit dem Inhalt des AG verbunden ist. Aktivierte Informationen bleiben im LZG, es sei denn, sie werden absichtlich abgerufen, aber diese Informationen sind für das AG leichter zugänglich. Die Aktivierungsausbreitung erleichtert auch den Wissenstransfer in verschiedene Bereiche. Der Transfer hängt davon ab, dass aussagenlogische Netzwerke im LZG durch denselben Hinweis aktiviert werden, so dass die Schüler erkennen, dass Wissen in den Bereichen anwendbar ist.

Schemas

Aussagenlogische Netzwerke stellen kleine Wissensstücke dar. Schemas (oder Schemata) sind große Netzwerke, die die Struktur von Objekten, Personen und Ereignissen darstellen (Anderson, 1990). Die Struktur wird mit einer Reihe von “Slots” dargestellt, von denen jeder einem Attribut entspricht. In dem Schema oder Slot für Häuser könnten einige Attribute (und ihre Werte) wie folgt aussehen: Material (Holz, Ziegel), Inhalt (Räume) und Funktion (menschliche Behausung). Schemas sind hierarchisch; sie sind mit übergeordneten Ideen (Gebäude) und untergeordneten Ideen (Dach) verbunden.

Brewer und Treyens (1981) fanden Forschungsergebnisse, die die zugrunde liegende Natur von Schemas stützen. Personen wurden gebeten, kurz in einem Büro zu warten, woraufhin sie in einen Raum gebracht wurden, wo sie alles aufschrieben, woran sie sich über das Büro erinnern konnten. Die Erinnerung spiegelte den starken Einfluss eines Schemas für Büro wider. Sie erinnerten sich korrekt daran, dass das Büro einen Schreibtisch und einen Stuhl (typische Attribute) hatte, aber nicht, dass das Büro einen Schädel enthielt (untypisches Attribut). Bücher sind ein typisches Attribut von Büros; obwohl das Büro keine Bücher hatte, erinnerten sich viele Personen fälschlicherweise an Bücher.

Schemas sind während des Unterrichts und für den Transfer wichtig (Matlin, 2009). Sobald Schüler ein Schema gelernt haben, können Lehrer dieses Wissen aktivieren, wenn sie Inhalte unterrichten, auf die das Schema anwendbar ist. Nehmen wir an, ein Lehrer unterrichtet ein allgemeines Schema zur Beschreibung geografischer Formationen (z. B. Berg, Vulkan, Gletscher, Fluss). Das Schema könnte die folgenden Attribute enthalten: Höhe, Material und Aktivität. Sobald Schüler das Schema gelernt haben, können sie es verwenden, um neue Formationen zu kategorisieren, die sie studieren. Dabei würden sie neue Schemata für die verschiedenen Formationen erstellen.

Prozedurales Wissen

Prozedurales Wissen oder Wissen darüber, wie kognitive Aktivitäten ausgeführt werden (Anderson, 1990; Gupta & Cohen, 2002; Hunt, 1989; Paris et al., 1983), ist für einen Großteil des schulischen Lernens von zentraler Bedeutung. Wir verwenden prozedurales Wissen, um mathematische Probleme zu lösen, Informationen zusammenzufassen, Passagen zu überfliegen und Labortechniken durchzuführen.

Prozedurales Wissen kann als verbale Codes und Bilder gespeichert werden, ähnlich wie deklaratives Wissen gespeichert wird. Die ACT-Theorie postuliert, dass prozedurales Wissen als Produktionssystem gespeichert wird (Anderson, 1996; Anderson, Reder, & Lebiere, 1996). Ein Produktionssystem (oder eine Produktion) ist ein Netzwerk von Bedingungs-Aktions-Sequenzen (Regeln), in dem die Bedingung die Menge der Umstände ist, die das System aktiviert, und die Aktion die Menge der Aktivitäten ist, die stattfindet (Anderson, 1990; Andre, 1986; siehe nächsten Abschnitt). Produktionssysteme scheinen konzeptionell neuronalen Netzen ähnlich zu sein.

Produktionssysteme und konnektionistische Modelle bieten Paradigmen zur Untersuchung der Funktionsweise kognitiver Lernprozesse (Anderson, 1996, 2000; Smith, 1996). Konnektionistische Modelle stellen eine relativ neue Perspektive auf das kognitive Lernen dar. Bisher gibt es wenig Forschung zu konnektionistischen Modellen, die für die Bildung relevant ist. Zusätzliche Quellen liefern weitere Informationen über konnektionistische Modelle (Bourne, 1992; Farnham-Diggory, 1992; Matlin, 2009; Siegler, 1989).

Produktionssysteme

ACT – eine Aktivierungstheorie – legt fest, dass ein Produktionssystem (oder eine Produktion) ein Netzwerk von Bedingungs-Aktions-Sequenzen (Regeln) ist, in dem die Bedingung eine Reihe von Umständen ist, die das System aktiviert, und die Aktion die Reihe von Aktivitäten ist, die stattfindet (Anderson, 1990, 1996, 2000; Anderson, Reder, & Lebiere, 1996; Andre, 1986). Eine Produktion besteht aus Wenn-dann-Aussagen: Wenn-Aussagen (die Bedingung) beinhalten die Ziel- und Testaussagen und dann-Aussagen sind die Aktionen. Als Beispiel:

• WENN ich zwei Zahlen sehe und sie addiert werden müssen,
• DANN entscheide, welche größer ist und beginne mit dieser Zahl und zähle bis zur nächsten. (Farnham-Diggory, 1992, S. 113)

Obwohl Produktionen Formen prozeduralen Wissens sind, an die Bedingungen (konditionelles Wissen) geknüpft werden können, beinhalten sie auch deklaratives Wissen.

Das Erlernen von Prozeduren zur Ausführung von Fertigkeiten erfolgt oft langsam (J. Anderson, 1982). Zuerst stellen Lernende eine Abfolge von Aktionen in Form von deklarativem Wissen dar. Jeder Schritt in der Abfolge wird als Proposition dargestellt. Lernende lassen allmählich einzelne Hinweise weg und integrieren die einzelnen Schritte in eine kontinuierliche Abfolge von Aktionen. Zum Beispiel neigen Kinder, die das Addieren einer Spalte von Zahlen lernen, anfangs dazu, jeden Schritt langsam auszuführen, möglicherweise sogar laut zu verbalisieren. Wenn sie geschickter werden, wird das Addieren Teil einer automatischen, reibungslosen Abfolge, die schnell und ohne bewusste Aufmerksamkeit abläuft. Automatizität ist ein zentrales Merkmal vieler kognitiver Prozesse (z. B. Aufmerksamkeit, Abruf) (Moors & De Houwer, 2006). Wenn Prozesse automatisch werden, ermöglicht dies dem Verarbeitungssystem, sich komplexen Teilen von Aufgaben zu widmen.

Eine wichtige Einschränkung beim Erlernen von Fertigkeiten ist die Größenbeschränkung des AG (Baddeley, 2001). Prozeduren würden schneller erlernt, wenn das AG gleichzeitig alle deklarativen Wissenspropositionen aufnehmen könnte. Da dies nicht möglich ist, müssen die Schüler Propositionen langsam kombinieren und periodisch innehalten und nachdenken (z. B. „Was mache ich als Nächstes?“). Das AG enthält nicht genügend Platz, um in den frühen Lernphasen große Prozeduren zu erstellen. Wenn Propositionen zu kleinen Prozeduren kombiniert werden, werden letztere gleichzeitig mit anderen Propositionen im AG gespeichert. Auf diese Weise werden allmählich größere Produktionen konstruiert.

Diese Ideen erklären, warum das Erlernen von Fertigkeiten schneller voranschreitet, wenn Schüler die erforderlichen Vorläuferfertigkeiten ausführen können (d. h. wenn sie automatisch werden). Wenn letztere als etablierte Produktionen vorliegen, werden sie gleichzeitig mit neuen zu integrierenden Propositionen im AG aktiviert. Beim Erlernen des Lösens von Aufgaben zur langen Division erinnern sich Schüler, die wissen, wie man multipliziert, einfach an die Prozedur, wenn es nötig ist; sie muss nicht zusammen mit den anderen Schritten der langen Division gelernt werden. Obwohl dies im Eröffnungsszenario nicht das Problem zu sein scheint, ist das Erlernen von Algebra für Schüler mit grundlegenden Fertigkeitsdefiziten (z. B. Addition, Multiplikation) schwierig, weil selbst einfache Algebraaufgaben schwer korrekt zu beantworten sind. Kinder mit Leseschwächen scheinen nicht in der Lage zu sein, Informationen gleichzeitig effektiv zu verarbeiten und zu speichern (de Jong, 1998).

In manchen Fällen ist es schwierig, die Schritte im Detail festzulegen. Zum Beispiel folgt kreatives Denken möglicherweise nicht für jeden Schüler derselben Abfolge. Lehrer können kreatives Denken modellieren, um solche Selbstfragen einzubeziehen wie: „Gibt es noch andere Möglichkeiten?“ Wann immer Schritte festgelegt werden können, sind Lehrerdemonstrationen der Schritte in einer Prozedur, gefolgt von Schülerübungen, effektiv (Rosenthal & Zimmerman, 1978).

Ein Problem beim Erlernen von Prozeduren ist, dass Schüler sie als starre Abfolgen betrachten könnten, denen unabhängig davon, ob sie angemessen sind, gefolgt werden muss. Gestaltpsychologen zeigten, wie funktionale Fixierung oder ein unflexibler Ansatz zur Problemlösung die Problemlösung behindert (Duncker, 1945). Das starre Befolgen einer Abfolge beim Lernen kann den Erwerb erleichtern, aber Lernende müssen auch die Umstände verstehen, unter denen andere Methoden effizienter sind.

Manchmal überlernen Schüler Fertigkeitsprozeduren so weit, dass sie vermeiden, alternative, einfachere Prozeduren zu verwenden. Gleichzeitig gibt es nur wenige oder gar keine Alternativen für viele der Prozeduren, die Schüler lernen (z. B. Dekodieren von Wörtern, Addieren von Zahlen, Bestimmen der Subjekt-Verb-Übereinstimmung). Das Überlernen dieser Fertigkeiten bis zur automatischen Produktion wird zu einem Vorteil für die Schüler und erleichtert das Erlernen neuer Fertigkeiten (z. B. Schlussfolgerungen ziehen, Seminararbeiten schreiben), die die Beherrschung dieser grundlegenden Fertigkeiten erfordern.

Man könnte argumentieren, dass es wenig Sinn macht, Schülern, die Defizite in grundlegenden mathematischen Fakten und Dekodierungsfertigkeiten aufweisen, Problemlösungs- oder Schlussfolgerungsfertigkeiten zu vermitteln. Forschungen zeigen, dass ein schlechtes Verständnis grundlegender Zahlenfakten mit einer geringen Leistung bei komplexen Rechenaufgaben zusammenhängt (Romberg & Carpenter, 1986) und langsames Dekodieren mit einem schlechten Verständnis zusammenhängt (Calfee & Drum, 1986; Perfetti & Lesgold, 1979). Nicht nur das Erlernen von Fertigkeiten wird beeinträchtigt, sondern auch die Selbstwirksamkeit leidet.

Übung ist unerlässlich, um grundlegendes prozedurales Wissen zu verankern (Lesgold, 1984). In den frühen Lernphasen benötigen Schüler korrigierendes Feedback, das die Teile der Prozedur hervorhebt, die sie korrekt implementiert haben, und diejenigen, die eine Modifikation erfordern. Oft lernen Schüler einige Teile einer Prozedur, aber nicht andere. Wenn Schüler an Geschicklichkeit gewinnen, können Lehrer auf ihre Fortschritte beim schnelleren oder genaueren Lösen von Problemen hinweisen.

Der Transfer von prozeduralem Wissen findet statt, wenn das Wissen im LZG mit unterschiedlichen Inhalten verknüpft ist. Der Transfer wird dadurch gefördert, dass Schüler die Prozeduren auf die unterschiedlichen Inhalte anwenden und die Prozeduren bei Bedarf ändern. Allgemeine Problemlösungsstrategien sind auf unterschiedliche akademische Inhalte anwendbar. Schüler lernen etwas über ihre Allgemeingültigkeit, indem sie sie auf verschiedene Fächer anwenden (z. B. Lesen, Mathematik).

Produktionen sind für das kognitive Lernen relevant, aber es müssen mehrere Punkte berücksichtigt werden. Die ACT-Theorie postuliert eine einzige Reihe kognitiver Prozesse, um verschiedene Phänomene zu erklären (Matlin, 2009). Diese Ansicht steht im Widerspruch zu anderen kognitiven Perspektiven, die je nach Art des Lernens unterschiedliche Prozesse abgrenzen (Shuell, 1986). Rumelhart und Norman (1978) identifizierten drei Arten des Lernens. Akkretion beinhaltet das Enkodieren neuer Informationen in Form bestehender Schemata; Restrukturierung (Schemaerstellung) ist der Prozess der Bildung neuer Schemata; und Tuning (Schemaentwicklung) bezieht sich auf die langsame Modifikation und Verfeinerung von Schemata, die auftritt, wenn sie in verschiedenen Kontexten verwendet werden. Diese beinhalten unterschiedliche Mengen an Übung: viel für Tuning und weniger für Akkretion und Restrukturierung.

ACT ist im Wesentlichen ein Computerprogramm, das entwickelt wurde, um das Lernen auf kohärente Weise zu simulieren. Als solches befasst es sich möglicherweise nicht mit der Bandbreite der Faktoren, die am menschlichen Lernen beteiligt sind. Ein Problem betrifft die Frage, wie Menschen wissen, welche Produktion sie in einer bestimmten Situation verwenden sollen, insbesondere wenn sich Situationen dafür eignen, dass unterschiedliche Produktionen eingesetzt werden. Produktionen können nach Wahrscheinlichkeit geordnet werden, aber es muss ein Mittel zur Entscheidung zur Verfügung stehen, welche Produktion angesichts der Umstände am besten geeignet ist. Ebenfalls von Bedeutung ist die Frage, wie Produktionen verändert werden. Wenn zum Beispiel eine Produktion nicht effektiv funktioniert, verwerfen Lernende sie, modifizieren sie oder behalten sie bei, suchen aber nach weiteren Beweisen? Was ist der Mechanismus, der entscheidet, wann und wie Produktionen verändert werden?

Ein weiteres Problem betrifft Andersons (1983, 1990) Behauptung, dass Produktionen als deklaratives Wissen beginnen. Diese Annahme erscheint zu stark angesichts der Beweise, dass diese Abfolge nicht immer befolgt wird (Hunt, 1989). Da die Darstellung von Fertigkeitsprozeduren als Teile deklarativen Wissens im Wesentlichen eine Zwischenstation auf dem Weg zur Meisterschaft ist, könnte man sich fragen, ob Schüler die einzelnen Schritte lernen sollten. Die einzelnen Schritte werden schließlich nicht mehr verwendet, so dass die Zeit möglicherweise besser genutzt wird, um die Schüler diese üben zu lassen. Den Schülern eine Liste von Schritten zur Verfügung zu stellen, auf die sie sich beziehen können, während sie allmählich eine Prozedur entwickeln, erleichtert das Lernen und verbessert die Selbstwirksamkeit (Schunk, 1995).

Schließlich könnte man sich fragen, ob Produktionssysteme, wie sie allgemein beschrieben werden, nichts anderes als ausgefeilte Stimulus-Reaktions-Assoziationen (S-R) sind (Mayer, 1992). Propositionen (Teile prozeduralen Wissens) werden im Gedächtnis verknüpft, so dass, wenn ein Teil abgerufen wird, auch andere aktiviert werden. Anderson (1983) räumte die assoziationistische Natur von Produktionen ein, glaubt aber, dass sie weiter fortgeschritten sind als einfache S-R-Assoziationen, weil sie Ziele beinhalten. Zur Unterstützung dieses Punktes sind ACT-Assoziationen analog zu neuronalen Netzwerkverbindungen. Vielleicht kann ACT, wie im Fall behavioristischer Theorien, die Leistung besser erklären als das Lernen. Diese und andere Fragen (z. B. die Rolle der Motivation) müssen durch Forschung angegangen und mit dem Erlernen akademischer Fähigkeiten in Verbindung gebracht werden, um den Nutzen von Produktionen in der Bildung besser zu ermitteln.

Konnektionistische Modelle

Ein neuerer Ansatz zur Theoretisierung komplexer kognitiver Prozesse umfasst konnektionistische Modelle (oder Konnektionismus, aber nicht zu verwechseln mit Thorndikes Konnektionismus, der früher im Kurs besprochen wurde; Baddeley, 1998; Farnham-Diggory, 1992; Smith, 1996). Wie Produktionen stellen konnektionistische Modelle Computersimulationen von Lernprozessen dar. Diese Modelle verbinden das Lernen mit der Verarbeitung im neuronalen System, wo Impulse über Synapsen feuern, um Verbindungen zu bilden. Die Annahme ist, dass höhere kognitive Prozesse durch die Verbindung einer großen Anzahl von Basiselementen wie Neuronen gebildet werden (Anderson, 1990, 2000; Anderson, Reder, & Lebiere, 1996; Bourne, 1992). Konnektionistische Modelle umfassen verteilte Darstellungen von Wissen (d. h. über ein breites Netzwerk verteilt), parallele Verarbeitung (viele Operationen finden gleichzeitig statt) und Interaktionen zwischen einer großen Anzahl einfacher Verarbeitungseinheiten (Siegler, 1989). Verbindungen können sich in verschiedenen Aktivierungsstadien befinden (Smith, 1996) und mit der Eingabe in das System, der Ausgabe oder einer oder mehreren Zwischenschichten verbunden sein.

Rumelhart und McClelland (1986) beschrieben ein System der parallelen verteilten Verarbeitung (PDP). Dieses Modell ist nützlich, um kategoriale Urteile über Informationen im Gedächtnis zu fällen. Diese Autoren lieferten ein Beispiel mit zwei Banden und Informationen über Bandenmitglieder, einschließlich Alter, Bildung, Familienstand und Beruf. Im Gedächtnis sind die ähnlichen Eigenschaften jedes Einzelnen miteinander verknüpft. Zum Beispiel würden die Mitglieder 2 und 5 miteinander verknüpft, wenn sie beide ungefähr im gleichen Alter, verheiratet und in ähnlichen Bandenaktivitäten engagiert wären. Um Informationen über Mitglied 2 abzurufen, könnten wir die Speichereinheit mit dem Namen der Person aktivieren, was wiederum andere Speichereinheiten aktivieren würde. Das durch diese Ausbreitung der Aktivierung erzeugte Muster entspricht der Speicherrepräsentation für den Einzelnen. Borowsky und Besner (2006) beschrieben ein PDP-Modell zur Entscheidungsfindung im Lexikon (z. B. entscheiden, ob ein Stimulus ein Wort ist).

Konnektionistische Einheiten weisen einige Ähnlichkeiten mit Produktionen auf, da beide Gedächtnisaktivierung und verknüpfte Ideen beinhalten. Gleichzeitig bestehen Unterschiede. In konnektionistischen Modellen sind alle Einheiten gleich, während Produktionen Bedingungen und Aktionen enthalten. Einheiten werden in Bezug auf Muster und Grad der Aktivierung unterschieden. Ein weiterer Unterschied betrifft Regeln. Produktionen werden durch Regeln gesteuert. Konnektionismus hat keine festen Regeln. Neuronen „wissen“, wie sie Muster aktivieren; im Nachhinein können wir eine Regel als Bezeichnung für die Sequenz angeben (z. B. Regeln zur Benennung aktivierter Muster; Farnham-Diggory, 1992).

Ein Problem des konnektionistischen Ansatzes ist die Erklärung, wie das System weiß, welche der vielen Einheiten im Gedächtnis aktiviert werden sollen und wie diese vielfältigen Aktivierungen in integrierten Sequenzen verknüpft werden. Dieser Prozess erscheint im Falle etablierter Muster unkompliziert; zum Beispiel wissen Neuronen, wie sie auf ein klingelndes Telefon, einen kalten Wind und einen Lehrer reagieren, der ankündigt: „Alle aufpassen!“ Bei weniger etablierten Mustern können die Aktivierungen problematisch sein. Wir könnten uns auch fragen, wie Neuronen überhaupt selbstaktivierend werden. Diese Frage ist wichtig, weil sie hilft, die Rolle von Verbindungen beim Lernen und im Gedächtnis zu erklären. Obwohl der Begriff der Verbindungen plausibel erscheint und in dem verwurzelt ist, was wir über die neurologische Funktionsweise wissen, war dieses Modell bisher nützlicher, um die Wahrnehmung als das Lernen und die Problemlösung zu erklären (Mayer, 1992). Letztere Anwendungen erfordern erhebliche Forschung.