Problemlösung: Kognitive Prozesse verstehen & meistern

Eine der wichtigsten Arten kognitiver Verarbeitung, die häufig beim Lernen stattfindet, ist die Problemlösung. Die Problemlösung ist seit langem ein Studiengegenstand – historisches Material wird in diesem Abschnitt behandelt –, aber das Interesse an diesem Thema ist mit dem Wachstum kognitiver Lerntheorien gestiegen. Einige Theoretiker betrachten die Problemlösung als den Schlüsselprozess beim Lernen, insbesondere in Bereichen wie Naturwissenschaften und Mathematik (Anderson, 1993). Obwohl „Problemlösung“ und „Lernen“ keine Synonyme sind, ist die Problemlösung oft am Lernen beteiligt, insbesondere wenn Lernende ein gewisses Maß an Selbstregulation beim Lernen ausüben können und wenn das Lernen Herausforderungen und nicht offensichtliche Lösungen beinhaltet. Im Eröffnungsszenario empfiehlt Meg eine stärkere Betonung der Problemlösung.

Ein Problem liegt vor, wenn es eine „Situation gibt, in der man versucht, ein Ziel zu erreichen und ein Mittel finden muss, um dorthin zu gelangen“ (Chi & Glaser, 1985, S. 229). Das Problem kann darin bestehen, eine Frage zu beantworten, eine Lösung zu berechnen, ein Objekt zu lokalisieren, einen Job zu sichern, einen Schüler zu unterrichten usw. Problemlösung bezieht sich auf die Bemühungen von Menschen, ein Ziel zu erreichen, für das sie keine automatische Lösung haben.

Unabhängig von Inhaltsbereich und Komplexität haben alle Probleme bestimmte Gemeinsamkeiten. Probleme haben einen Ausgangszustand – den aktuellen Status oder Wissensstand des Problemlösers. Probleme haben ein Ziel – was der Problemlöser zu erreichen versucht. Die meisten Probleme erfordern auch, dass der Problemlöser das Ziel in Teilziele unterteilt, die, wenn sie gemeistert werden (normalerweise sequentiell), zur Zielerreichung führen. Schließlich erfordern Probleme die Durchführung von Operationen (kognitive und Verhaltensaktivitäten) am Ausgangszustand und an den Teilzielen, die die Natur dieser Zustände verändern (Anderson, 1990; Chi & Glaser, 1985).

Angesichts dieser Definition beinhalten nicht alle Lernaktivitäten Problemlösung. Problemlösung ist wahrscheinlich nicht beteiligt, wenn die Fähigkeiten der Schüler so gut etabliert sind, dass sie automatisch Aktionen ausführen, um Ziele zu erreichen, was bei vielen Fähigkeiten in verschiedenen Bereichen geschieht. Problemlösung kann auch nicht bei Lernen auf niedrigem Niveau (möglicherweise trivial) auftreten, wo Schüler wissen, was sie tun müssen, um zu lernen. Dies scheint ein Problem an der Nikowsky Middle School zu sein, da sich die Lehrer auf grundlegende Fähigkeiten konzentrieren, die für die Tests benötigt werden. Gleichzeitig lernen die Schüler neue Fähigkeiten und neue Anwendungen für zuvor gelernte Fähigkeiten, so dass viele Schulaktivitäten irgendwann während des Lernens Problemlösung beinhalten könnten.

Einige historische Perspektiven zur Problemlösung werden als Hintergrund für aktuelle kognitive Ansichten untersucht: Versuch und Irrtum, Einsicht und Heuristik.

Versuch und Irrtum

Thorndikes (1913b) Forschung mit Katzen erforderte Problemlösung; das Problem war, wie man aus dem Käfig entkommt. Thorndike verstand Problemlösung als Versuch und Irrtum. Das Tier war in der Lage, bestimmte Verhaltensweisen im Käfig auszuführen. Aus diesem Verhaltensrepertoire führte das Tier ein Verhalten aus und erlebte die Konsequenzen. Nach einer Reihe von zufälligen Verhaltensweisen zeigte die Katze die Reaktion, die die Luke zum Entkommen öffnete. Mit wiederholten Versuchen machte die Katze weniger Fehler, bevor sie das Fluchtverhalten zeigte, und die Zeit, die zur Lösung des Problems benötigt wurde, verkürzte sich. Das Fluchtverhalten (Reaktion) wurde mit Hinweisen (Reizen) im Käfig verbunden.

Wir verwenden gelegentlich Versuch und Irrtum, um Probleme zu lösen; wir führen einfach Aktionen aus, bis eine funktioniert. Aber Versuch und Irrtum ist nicht zuverlässig und oft nicht effektiv. Es kann Zeitverschwendung sein, möglicherweise nie zu einer Lösung führen, zu einer weniger als idealen Lösung führen und negative Auswirkungen haben. In ihrer Verzweiflung könnte eine Lehrerin einen Versuch-und-Irrtum-Ansatz verwenden, indem sie verschiedene Lesematerialien mit Kayla ausprobiert, bis sie anfängt, besser zu lesen. Dieser Ansatz könnte effektiv sein, könnte sie aber auch Materialien aussetzen, die frustrierend sind und dadurch ihren Lesefortschritt behindern.

Einsicht

Es wird oft angenommen, dass Problemlösung Einsicht beinhaltet, oder das plötzliche Bewusstsein für eine wahrscheinliche Lösung. Wallas (1921) untersuchte große Problemlöser und formulierte ein Vier-Stufen-Modell wie folgt:

Wallas' Stadien waren deskriptiv und wurden keiner empirischen Überprüfung unterzogen. Gestaltpsychologen postulierten auch, dass ein Großteil des menschlichen Lernens einsichtig sei und eine Veränderung der Wahrnehmung beinhalte. Lernende dachten zunächst über die Zutaten nach, die zur Lösung eines Problems notwendig sind. Sie integrierten diese auf verschiedene Weise, bis das Problem gelöst war. Wenn Lernende zu einer Lösung gelangten, taten sie dies plötzlich und mit Einsicht.

Viele Problemlöser berichten von Momenten der Einsicht; Watson und Crick hatten einsichtsvolle Momente bei der Entdeckung der Struktur der DNA (Lemonick, 2003). Eine wichtige pädagogische Anwendung der Gestalttheorie lag im Bereich der Problemlösung oder des produktiven Denkens (Duncker, 1945; Luchins, 1942; Wertheimer, 1945). Die Gestaltansicht betonte die Rolle des Verstehens—das Erfassen der Bedeutung eines Ereignisses oder das Erfassen des Prinzips oder der Regel, die der Leistung zugrunde liegt. Im Gegensatz dazu war das Auswendiglernen—obwohl es oft von Studenten verwendet wird—ineffizient und wurde selten im Leben außerhalb der Schule verwendet

Forschungen von Katona (1940) zeigten den Nutzen des Regel-Lernens im Vergleich zum Auswendiglernen. In einer Studie wurden die Teilnehmer gebeten, Zahlenfolgen zu lernen (z. B. 816449362516941). Einige lernten die Sequenzen auswendig, während andere Hinweise erhielten, um das Lernen zu unterstützen (z. B. “Denken Sie an quadrierten Zahlen”). Lernende, die die Regel zur Erzeugung der Sequenzen bestimmten, behielten sie besser als diejenigen, die sie auswendig lernten.

Regeln führen zu besserem Lernen und Behalten als Auswendiglernen, weil Regeln eine einfachere Beschreibung des Phänomens geben, sodass weniger Informationen gelernt werden müssen. Darüber hinaus helfen Regeln, Material zu organisieren. Um Informationen abzurufen, ruft man die Regel ab und füllt dann die Details aus. Im Gegensatz dazu erfordert das Auswendiglernen das Abrufen von mehr Informationen. Auswendiglernen ist im Allgemeinen ineffizient, da die meisten Situationen eine gewisse Organisation aufweisen (Wertheimer, 1945). Probleme werden gelöst, indem die Organisation der Situation und die Beziehung der Elemente zur Problemlösung entdeckt werden. Durch das Anordnen und Umordnen von Elementen erhalten die Lernenden schließlich Einsicht in die Lösung.

Köhler (1926) leistete während des Ersten Weltkriegs auf der Insel Teneriffa bekannte Arbeiten zur Problemlösung mit Affen. In einem Experiment legte Köhler eine Banane außerhalb der Reichweite eines Affen in einem Käfig; der Affe konnte die Banane mit einem langen Stock holen oder indem er zwei Stöcke zusammenfügte. Köhler kam zu dem Schluss, dass Problemlösung einsichtig war: Die Tiere sondierten die Situation, “sah„n” plötzlich die Mittel, um das Ziel zu erreichen, und testeten die Lösung. Die ersten Problemlösungsversuche der Affen scheiterten, da sie verschiedene ineffektive Strategien ausprobierten (z. B. einen Stock auf die Banane warfen). Schließlich sahen sie den Stock als Verlängerung ihrer Arme und benutzten ihn entsprechend.

In einer anderen Situation (Köhler, 1925) konnte das Tier das Ziel sehen, es aber nicht erreichen, ohne sich abzuwenden und einen indirekten Weg zu nehmen. Zum Beispiel könnte sich das Tier in einem Raum mit einem Fenster befinden und draußen Futter sehen. Um das Ziel zu erreichen, muss das Tier den Raum durch eine Tür verlassen und einen Korridor entlanggehen, der nach draußen führt. Beim Übergang von der Vorlösungs- zur Lösungsphase könnte das Tier eine Reihe von Alternativen ausprobieren, bevor es sich für eine entscheidet und diese anwendet. Einsicht trat ein, als das Tier eine wahrscheinliche Lösung testete.

Ein Hindernis für die Problemlösung ist die funktionale Fixierung oder die Unfähigkeit, verschiedene Verwendungen für Objekte oder neue Konfigurationen von Elementen in einer Situation wahrzunehmen (Duncker, 1945). In einer klassischen Studie gab Luchins (1942) Personen Probleme, die erforderten, eine bestimmte Menge Wasser mit drei unterschiedlich großen Gläsern zu erhalten. Personen im Alter von 9 Jahren bis zum Erwachsenenalter lernten leicht die Formel, die immer die richtige Menge ergab. In das Problemset waren einige Probleme eingestreut, die mit einer einfacheren Formel gelöst werden konnten. Personen wandten im Allgemeinen weiterhin die ursprüngliche Formel an. Der Hinweis, dass es möglicherweise eine einfachere Lösung gibt, führte einige dazu, die einfacheren Methoden zu entdecken, obwohl viele an der ursprünglichen Formel festhielten. Diese Forschung zeigt, dass Schüler, wenn sie ein Phänomen nicht verstehen, blind einen bekannten Algorithmus anwenden und nicht verstehen, dass es einfachere Methoden gibt. Diese verfahrensgebundene Natur der Problemlösung kann überwunden werden, wenn während des Unterrichts verschiedene Verfahren betont werden (Chen, 1999).

Die Gestalttheorie hatte wenig darüber zu sagen, wie Problemlösungsstrategien gelernt werden oder wie Lernende dazu gebracht werden könnten, einsichtsvoller zu sein. Wertheimer (1945) glaubte, dass Lehrer die Problemlösung unterstützen könnten, indem sie Elemente einer Situation so anordnen, dass die Schüler eher wahrnehmen, wie die Teile zum Ganzen in Beziehung stehen. Solche allgemeinen Ratschläge sind für Lehrer möglicherweise nicht hilfreich.

Eine andere Möglichkeit, Probleme zu lösen, ist die Verwendung von Heuristiken. Dies sind allgemeine Methoden zur Problemlösung, die Prinzipien (Faustregeln) verwenden, die in der Regel zu einer Lösung führen (Anderson, 1990). Polyas (1945/1957) Liste der mentalen Operationen, die an der Problemlösung beteiligt sind, lautet wie folgt:

• Das Problem verstehen.
• Einen Plan entwerfen.
• Den Plan ausführen.
• Zurückblicken.

Das Verständnis des Problems beinhaltet das Stellen von Fragen wie “Was ist das Unbekannte?” und “Welche Daten gibt es?” Oft hilft es, ein Diagramm zu zeichnen, das das Problem und die gegebenen Informationen darstellt. Bei der Erstellung eines Plans versucht man, eine Verbindung zwischen den Daten und dem Unbekannten herzustellen. Es ist nützlich, das Problem in Teilziele zu unterteilen und über ein ähnliches Problem und dessen Lösung nachzudenken (d. h. Analogien zu verwenden). Möglicherweise muss das Problem neu formuliert werden. Bei der Durchführung des Plans ist es wichtig, jeden Schritt zu überprüfen, um sicherzustellen, dass er richtig ausgeführt wird. Zurückblicken bedeutet, die Lösung zu überprüfen: Ist sie richtig? Gibt es eine andere Möglichkeit, sie zu erreichen?

Bransford und Stein (1984) formulierten eine ähnliche Heuristik, die als IDEAL (ideal) bekannt ist:

• Das Problem identifizieren.
• Das Problem definieren und darstellen.
• Mögliche Strategien erforschen.
• Die Strategien umsetzen.
• Zurückblicken und die Auswirkungen Ihrer Aktivitäten bewerten.

Das Creative Problem Solving (CPS)-Modell bietet ein weiteres Beispiel für einen generischen Problemlösungsrahmen (Treffinger, 1985; Treffinger & Isaksen, 2005). Dieses Modell umfasst drei Hauptkomponenten: das Verstehen der Herausforderung, das Generieren von Ideen und die Vorbereitung auf die Aktion (Treffinger, 1995; Treffinger & Isaksen, 2005). Metakognitive Komponenten (z. B. Planung, Überwachung, Verhaltensänderung) sind während des gesamten Prozesses vorhanden.

Das Verstehen der Herausforderung beginnt mit einem allgemeinen Ziel oder einer Richtung für die Problemlösung. Nachdem wichtige Daten (z. B. Fakten, Meinungen, Bedenken) gesammelt wurden, wird ein spezifisches Ziel oder eine Frage formuliert. Das Kennzeichen des Generierens von Ideen ist das divergente Denken, um Optionen zur Erreichung des Ziels zu entwickeln. Die Vorbereitung auf die Aktion umfasst die Prüfung vielversprechender Optionen und die Suche nach Hilfsquellen und Möglichkeiten, Widerstände zu überwinden.

Allgemeine Heuristiken sind am nützlichsten, wenn man mit unbekannten Inhalten arbeitet (Andre, 1986). Sie sind in einem vertrauten Bereich weniger effektiv, da die Schüler mit der Entwicklung domänenspezifischer Fähigkeiten zunehmend etabliertes prozedurales Wissen verwenden. Allgemeine Heuristiken haben einen didaktischen Vorteil: Sie können den Schülern helfen, systematische Problemlöser zu werden. Obwohl der heuristische Ansatz unflexibel erscheinen mag, gibt es tatsächlich Flexibilität bei der Durchführung der Schritte. Für viele Schüler ist eine Heuristik systematischer als ihre derzeitigen Problemlösungsansätze und führt zu besseren Lösungen.

Newell und Simon (1972) schlugen ein informationsverarbeitendes Modell der Problemlösung vor, das einen Problemraum mit einem Anfangszustand, einem Zielzustand und möglichen Lösungswegen enthielt, die durch Teilziele führten und die Anwendung von Operationen erforderten. Der Problemlöser bildet eine mentale Repräsentation des Problems und führt Operationen durch, um die Diskrepanz zwischen dem Anfangs- und dem Zielzustand zu verringern. Der Prozess der Bearbeitung der Repräsentation, um eine Lösung zu finden, wird als Suche bezeichnet (Andre, 1986).

Der erste Schritt bei der Problemlösung ist die Bildung einer mentalen Repräsentation. Ähnlich wie Polyas erster Schritt (das Problem verstehen) erfordert die Repräsentation die Übersetzung bekannter Informationen in ein Modell im Gedächtnis. Die interne Repräsentation besteht aus Propositionen und möglicherweise Bildern im AG. Das Problem kann auch extern dargestellt werden (z. B. auf Papier, Computerbildschirm). Informationen im AG aktivieren verwandtes Wissen im LZG, und der Löser wählt schließlich eine Problemlösungsstrategie aus. Wenn Menschen Probleme lösen, ändern sie oft ihre anfängliche Repräsentation und aktivieren neues Wissen, insbesondere wenn ihre Problemlösung nicht erfolgreich ist. Daher beinhaltet die Problemlösung die Bewertung des Fortschritts bei der Zielerreichung.

Die Problemrepräsentation bestimmt, welches Wissen im Gedächtnis aktiviert wird und wie einfach das Problem folglich zu lösen ist (Holyoak, 1984). Wenn Löser das Problem falsch darstellen, indem sie nicht alle Aspekte berücksichtigen oder zu viele Einschränkungen hinzufügen, ist es unwahrscheinlich, dass der Suchprozess einen korrekten Lösungsweg identifiziert (Chi & Glaser, 1985). Egal wie klar Löser anschließend argumentieren, sie werden keine korrekte Lösung erreichen, wenn sie keine neue Repräsentation bilden. Es überrascht nicht, dass Problemlösungstrainingsprogramme in der Regel viel Zeit für die Repräsentationsphase aufwenden (Andre, 1986).

Wie Fähigkeiten (die zuvor besprochen wurden) können Problemlösungsstrategien allgemein oder spezifisch sein. Allgemeine Strategien können auf Probleme in verschiedenen Bereichen unabhängig vom Inhalt angewendet werden; spezifische Strategien sind nur in einem bestimmten Bereich nützlich. Beispielsweise ist das Aufteilen eines komplexen Problems in Teilprobleme (Teilzielanalyse) eine allgemeine Strategie, die auf Probleme wie das Verfassen einer Hausarbeit, die Wahl eines akademischen Hauptfachs und die Entscheidung, wo man leben möchte, anwendbar ist. Umgekehrt sind Tests, die man durchführen könnte, um Laborproben zu klassifizieren, aufgabenspezifisch. Die berufliche Entwicklung, die Nikowskys Lehrern zuteil wurde, umfasste wahrscheinlich allgemeine und spezifische Strategien.

Allgemeine Strategien sind nützlich, wenn man an Problemen arbeitet, bei denen Lösungen nicht sofort offensichtlich sind. Nützliche allgemeine Strategien sind Generierungs- und Teststrategien, Mittel-Ziel-Analyse, analoges Schließen und Brainstorming. Allgemeine Strategien sind weniger nützlich als bereichsspezifische Strategien, wenn man mit sehr vertrauten Inhalten arbeitet. Einige Beispiele für Problemlösung in Lernkontexten sind im folgenden Block gegeben:

Generate-and-Test Strategy

Die Generate-and-Test-Strategie ist nützlich, wenn eine begrenzte Anzahl von Problemlösungen getestet werden kann, um festzustellen, ob sie das Ziel erreichen (Resnick, 1985). Diese Strategie funktioniert am besten, wenn mehrere Lösungen in Bezug auf die Wahrscheinlichkeit geordnet werden können und mindestens eine Lösung geeignet ist, das Problem zu lösen.

Nehmen wir beispielsweise an, Sie betreten einen Raum, legen den Lichtschalter um, aber das Licht geht nicht an. Mögliche Ursachen sind: Die Glühbirne ist durchgebrannt; der Strom ist abgestellt; der Schalter ist defekt; die Lampenfassung ist fehlerhaft; der Schutzschalter hat ausgelöst; die Sicherung ist durchgebrannt; oder die Verkabelung hat einen Kurzschluss. Sie werden wahrscheinlich die wahrscheinlichste Lösung generieren und testen (die Glühbirne austauschen); wenn dies das Problem nicht löst, können Sie andere wahrscheinliche Lösungen generieren und testen. Obwohl der Inhalt nicht sehr vertraut sein muss, sind einige Kenntnisse erforderlich, um diese Methode effektiv anzuwenden. Vorwissen legt die Hierarchie möglicher Lösungen fest; aktuelles Wissen beeinflusst die Lösungsfindung. Wenn Sie also einen Elektrizitätsversorgungs-LKW in Ihrer Nachbarschaft bemerken, würden Sie feststellen, ob der Strom abgestellt ist.

Means–Ends Analysis

Um die Mittel-Ziel-Analyse zu verwenden, vergleicht man die aktuelle Situation mit dem Ziel und identifiziert die Unterschiede zwischen ihnen (Resnick, 1985). Teilziele werden festgelegt, um die Unterschiede zu verringern. Man führt Operationen durch, um das Teilziel zu erreichen, woraufhin der Prozess wiederholt wird, bis das Ziel erreicht ist.

Newell und Simon (1972) untersuchten die Mittel-Ziel-Analyse und formulierten den General Problem Solver (GPS)—ein Computersimulationsprogramm. GPS zerlegt ein Problem in Teilziele, die jeweils einen Unterschied zum aktuellen Zustand darstellen. GPS beginnt mit dem wichtigsten Unterschied und verwendet Operationen, um diesen Unterschied zu beseitigen. In einigen Fällen müssen die Operationen zunächst einen anderen Unterschied beseitigen, der Voraussetzung für den wichtigeren ist.

Die Mittel-Ziel-Analyse ist eine leistungsstarke Problemlösungsheuristik. Wenn Teilziele richtig identifiziert werden, ist es am wahrscheinlichsten, dass die Mittel-Ziel-Analyse das Problem löst. Ein Nachteil ist, dass die Mittel-Ziel-Analyse bei komplexen Problemen das Arbeitsgedächtnis belastet, da man möglicherweise mehrere Teilziele im Auge behalten muss. Das Vergessen eines Teilziels vereitelt die Problemlösung.

Die Mittel-Ziel-Analyse kann vom Ziel zum Ausgangszustand (Rückwärtsarbeiten) oder vom Ausgangszustand zum Ziel (Vorwärtsarbeiten) verlaufen. Beim Rückwärtsarbeiten beginnt man mit dem Ziel und fragt, welche Teilziele erforderlich sind, um es zu erreichen. Man fragt dann, was notwendig ist, um diese Teilziele zu erreichen, und so weiter, bis der Ausgangszustand erreicht ist. Um rückwärts zu arbeiten, plant man daher eine Reihe von Zügen, die jeweils darauf ausgelegt sind, ein Teilziel zu erreichen. Erfolgreiches Rückwärtsarbeiten erfordert einiges an Wissen im Problembereich, um Ziel- und Teilzielvoraussetzungen zu bestimmen.

Rückwärtsarbeiten wird häufig verwendet, um geometrische Sätze zu beweisen. Man beginnt mit der Annahme, dass der Satz wahr ist, und arbeitet dann rückwärts, bis die Postulate erreicht sind. Ein geometrisches Beispiel ist in Abbildung 'Mittel-Ziel-Analyse angewendet auf ein Geometrieproblem' dargestellt. Das Problem ist, den Winkel m zu lösen. Rückwärtsarbeitend erkennen die Schüler, dass sie den Winkel n bestimmen müssen, da Winkel m = 180° ein Winkel n ist (gerade Linie = 180°). Weiter rückwärtsarbeitend verstehen die Schüler, dass, da sich die parallelen Linien schneiden, der entsprechende Winkel d auf der Linie q gleich dem Winkel n ist. Unter Berufung auf ihr geometrisches Wissen bestimmen die Schüler, dass Winkel d = Winkel a, der 30° beträgt. Somit ist Winkel n = 30° und Winkel m = 180° - 30° = 150°.

Als ein weiteres Beispiel für Rückwärtsarbeiten nehmen wir an, man hat eine Hausarbeit, die in 3 Wochen fällig ist. Der letzte Schritt vor der Abgabe ist das Korrekturlesen (am Tag vor der Abgabe der Arbeit). Der Schritt davor ist das Tippen und Drucken der endgültigen Fassung (1 Tag einplanen). Davor nimmt man letzte Überarbeitungen vor (1 Tag), überarbeitet die Arbeit (3 Tage) und tippt und druckt den Entwurf (1 Tag). Weiter rückwärtsarbeitend könnten wir 5 Tage für das Schreiben des Entwurfs, 1 Tag für die Gliederung, 3 Tage für die Bibliotheksrecherche und 1 Tag für die Themenfindung einplanen. Wir planen insgesamt 17 Tage für die teilweise Bearbeitung der Arbeit ein. Wir müssen also 4 Tage ab heute beginnen.

Eine zweite Art der Mittel-Ziel-Analyse ist das Vorwärtsarbeiten, manchmal auch Hill Climbing genannt (Matlin, 2009; Mayer, 1992). Der Problemlöser beginnt mit der aktuellen Situation und ändert sie in der Hoffnung, sich dem Ziel näher zu kommen. In der Regel sind mehrere Änderungen erforderlich, um das Ziel zu erreichen. Eine Gefahr besteht darin, dass das Vorwärtsarbeiten manchmal auf einer oberflächlichen Problemanalyse basiert. Obwohl jeder Schritt ein Versuch ist, ein notwendiges Teilziel zu erreichen, kann man leicht auf eine Tangente abdriften oder in einer Sackgasse landen, da man in der Regel nicht viele Alternativen vor sich sieht, sondern nur den nächsten Schritt (Matlin, 2009).

Als Beispiel für eine Vorwärtsarbeitsstrategie nehmen wir Schüler in einem Labor, die verschiedene Substanzen in Gläsern haben. Ihr Ziel ist es, die Substanzen in ihren Gläsern zu beschriften. Dazu führen sie eine Reihe von Tests an den Substanzen durch, die, wenn sie richtig durchgeführt werden, zu einer Lösung führen. Dies stellt eine Vorwärtsarbeitsstrategie dar, da jeder Test die Schüler ihrem Ziel, ihre Substanzen zu klassifizieren, näher bringt. Die Tests sind geordnet, und die Ergebnisse zeigen, was die Substanzen nicht sind, sowie was sie sein könnten. Um zu verhindern, dass die Schüler vom falschen Weg abkommen, legt der Lehrer das Verfahren sorgfältig fest und stellt sicher, dass die Schüler verstehen, wie die Tests durchgeführt werden.

Eine weitere allgemeine Problemlösungsstrategie ist das analoge Schließen, bei dem eine Analogie zwischen der Problemsituation (dem Ziel) und einer Situation gezogen wird, mit der man vertraut ist (der Basis oder Quelle; Anderson, 1990; Chen, 1999; Hunt, 1989). Man bearbeitet das Problem im vertrauten Bereich und bezieht dann die Lösung auf die Problemsituation (Holyoak & Thagard, 1997). Analoges Schließen beinhaltet den Zugriff auf das Netzwerk des vertrauten Bereichs im LTM und dessen Abbildung (Beziehung) auf die Problemsituation im WM (Halpern, Hansen & Riefer, 1990). Die erfolgreiche Anwendung setzt voraus, dass die vertraute Situation der Problemsituation strukturell ähnlich ist, obwohl sich die Situationen in Oberflächenmerkmalen unterscheiden können (z. B. könnte es sich bei der einen um das Sonnensystem und bei der anderen um molekulare Strukturen handeln). Die Teilziele bei diesem Ansatz bestehen darin, die Schritte im ursprünglichen (vertrauten) Bereich mit denen im Transferbereich (Problembereich) in Beziehung zu setzen. Studenten verwenden oft die Analogiemethode, um Probleme in Lehrbüchern zu lösen. Beispiele werden im Text (vertrauter Bereich) durchgearbeitet, dann beziehen die Studenten diese Schritte auf die Probleme, die sie lösen müssen.

Gick und Holyoak (1980, 1983) demonstrierten die Macht des analogen Problemlösens. Sie präsentierten den Lernenden ein schwieriges medizinisches Problem und, als Analogie, ein gelöstes militärisches Problem. Ihnen das analoge Problem einfach zu geben, veranlasste sie nicht automatisch, es zu nutzen. Ihnen jedoch einen Hinweis zu geben, das militärische Problem zur Lösung des medizinischen Problems zu verwenden, verbesserte die Problemlösung. Gick und Holyoak stellten auch fest, dass das Geben von zwei analogen Geschichten zu einer besseren Problemlösung führte als das Geben einer Geschichte. Sie die analoge Geschichte zusammenfassen zu lassen, ihnen das der Geschichte zugrunde liegende Prinzip während des Lesens zu geben oder ihnen ein Diagramm zur Veranschaulichung des Problem-Lösungs-Prinzips zur Verfügung zu stellen, verbesserte die Problemlösung jedoch nicht. Diese Ergebnisse legen nahe, dass Studenten in einem unbekannten Bereich Anleitung für die Verwendung von Analogien benötigen und dass mehrere Beispiele die Wahrscheinlichkeit erhöhen, dass Studenten mindestens ein Beispiel mit dem zu lösenden Problem verknüpfen.

Um am effektivsten zu sein, erfordert analoges Problemlösen gute Kenntnisse des vertrauten und des Problembereichs. Studenten haben oft genug Schwierigkeiten, Analogien zur Lösung von Problemen zu verwenden, selbst wenn die Lösungsstrategie hervorgehoben wird. Mit unzureichendem Wissen ist es unwahrscheinlich, dass Studenten die Beziehung zwischen dem Problem und dem Analogon erkennen. Selbst unter der Annahme guten Wissens ist die Wahrscheinlichkeit, dass die Analogie fehlschlägt, am größten, wenn sich der vertraute und der Problembereich konzeptionell unterscheiden. Lernende verstehen möglicherweise, wie ein Kampf (das militärische Problem) einem Kampf gegen eine Krankheit (das medizinische Problem) ähnlich ist, aber sie verstehen möglicherweise keine anderen Analogien (z. B. einen Kampf gegen einen feindlichen Übernahmeversuch).

Entwicklungsbezogene Beweise deuten darauf hin, dass Kinder trotz ihrer Schwierigkeiten analoges Schließen anwenden können (Siegler, 1989). Das Lehren von Analogien an Kinder – einschließlich solcher mit Lernschwierigkeiten – kann ihre anschließende Problemlösung verbessern (Grossen, 1991). Die Verwendung von Fallstudien und fallbasiertem Schließen kann helfen, analoges Denken zu entwickeln (Kolodner, 1997). Zu den effektiven Techniken für die Verwendung von Analogien gehören, dass der erwachsene Lehrer und das Kind das Lösungsprinzip verbalisieren, das den ursprünglichen und den Transferproblemen zugrunde liegt, Kinder auffordern, sich an Elemente der kausalen Struktur des ursprünglichen Problems zu erinnern, und die beiden Probleme so präsentieren, dass die kausalen Strukturen vom offensichtlichsten zum am wenigsten offensichtlichen verlaufen (Crisafi & Brown, 1986). Andere Vorschläge umfassen die Verwendung ähnlicher ursprünglicher und Transferprobleme, die Präsentation mehrerer ähnlicher Probleme und die Verwendung von Bildern zur Darstellung kausaler Beziehungen.

Dies soll nicht bedeuten, dass alle Kinder Experten im Umgang mit Analogien werden können. Die Aufgabe ist schwierig, und Kinder ziehen oft unpassende Analogien. Im Vergleich zu älteren Studenten benötigen jüngere mehr Hinweise, lassen sich leichter von irrelevanten Wahrnehmungsmerkmalen ablenken und verarbeiten Informationen weniger effizient (Crisafi & Brown, 1986). Der Erfolg von Kindern hängt stark von ihrem Wissen über das ursprüngliche Problem und ihren Fähigkeiten bei der Kodierung und dem mentalen Vergleich ab, was große individuelle Unterschiede aufweist (Richland, Morrison & Holyoak, 2006; Siegler, 1989). Kinder lernen Problemlösungsstrategien besser, wenn sie sie beobachten und erklären, als wenn sie sie nur beobachten (Crowley & Siegler, 1999).

Analoges Problemlösen ist im Unterricht nützlich. Lehrer haben oft Studenten in ihren Klassen, deren Muttersprache nicht Englisch ist. Es ist unmöglich, Studenten in ihrer Muttersprache zu unterrichten. Lehrer könnten dieses Problem mit dem Unterrichten von Studenten in Verbindung bringen, die Schwierigkeiten beim Lernen haben. Bei den letztgenannten Studenten würden Lehrer langsam vorgehen, wann immer möglich konkrete Erfahrungen nutzen und viel individuellen Unterricht geben. Sie könnten die gleichen Taktiken bei Studenten mit eingeschränkten Englischkenntnissen anwenden und ihnen gleichzeitig englische Wörter und Sätze beibringen, damit sie mit den anderen Studenten im Unterricht mithalten können.

Diese Analogie ist angebracht, weil Studenten mit Lernproblemen und Studenten, die wenig Englisch sprechen, Schwierigkeiten im Unterricht haben. Andere Analogien sind möglicherweise unangebracht. Unmotivierte Studenten haben ebenfalls Lernschwierigkeiten. Wenn der Lehrer sie für die Analogie verwendet, könnte er den Studenten mit eingeschränkten Englischkenntnissen Belohnungen für das Lernen anbieten. Diese Lösung ist wahrscheinlich nicht effektiv, da es sich bei dem Problem mit Studenten mit eingeschränkten Englischkenntnissen eher um ein unterrichtliches als um ein motivationales Problem handelt.

Brainstorming ist eine allgemeine Problemlösungsstrategie, die sich zur Formulierung möglicher Problemlösungen eignet (Isaksen & Gaulin, 2005; Mayer, 1992; Osborn, 1963). Die Schritte beim Brainstorming sind wie folgt:

• Definieren Sie das Problem.
• Generieren Sie so viele Lösungen wie möglich, ohne diese zu bewerten.
• Entscheiden Sie sich für Kriterien zur Beurteilung potenzieller Lösungen.
• Wenden Sie diese Kriterien an, um die beste Lösung auszuwählen.

Erfolgreiches Brainstorming setzt voraus, dass die Teilnehmer Kritik an Ideen zurückhalten, bis alle Ideen generiert wurden. Darüber hinaus können die Teilnehmer Ideen entwickeln, die aufeinander aufbauen. Daher sollten “wild” und ungewöhnliche Ideen gefördert werden (Mayer, 1992).

Wie bei der analogen Problemlösung beeinflusst das Wissen über den Problembereich den Erfolg des Brainstormings, da ein besseres Domänenwissen es ermöglicht, mehr potenzielle Lösungen und Kriterien für die Beurteilung ihrer Machbarkeit zu generieren. Brainstorming kann individuell eingesetzt werden, obwohl die Gruppeninteraktion in der Regel zu mehr Lösungen führt.

Brainstorming eignet sich gut für viele instruktionelle und administrative Entscheidungen in Schulen. Es ist am nützlichsten, um viele unterschiedliche—und möglicherweise einige einzigartige—Ideen zu generieren (Isaksen & Gaulin, 2005). Nehmen wir an, ein neuer Schulleiter stellt eine geringe Mitarbeitermoral fest. Die Mitarbeiter sind sich einig, dass eine bessere Kommunikation erforderlich ist. Die Stufenleiter treffen sich mit dem Schulleiter, und die Gruppe kommt zu folgenden potenziellen Lösungen: Abhalten eines wöchentlichen Treffens mit den Mitarbeitern, Versenden eines wöchentlichen (elektronischen) Bulletins, Aushang von Mitteilungen an einem Schwarzen Brett, Abhalten wöchentlicher Treffen mit den Stufenleitern (danach treffen sie sich mit den Lehrern), häufiges Versenden von E-Mail-Informationsnachrichten, Durchsagen über die Lautsprecheranlage. Die Gruppe formuliert zwei Kriterien: (a) minimaler Zeitaufwand für die Lehrer und (b) minimale Störung des Unterrichts. Unter Berücksichtigung der Kriterien entscheiden sie, dass der Schulleiter ein wöchentliches Bulletin und häufige E-Mail-Nachrichten versenden und sich mit den Stufenleitern als Gruppe treffen sollte. Obwohl sie Zeit in Anspruch nehmen, werden die Treffen zwischen dem Schulleiter und den Stufenleitern fokussierter sein als die zwischen dem Schulleiter und dem gesamten Personal.

Problemlösen ist oft mit Lernen verbunden, aber die Konzepte sind in ihrer Bedeutung nicht synonym. Gemäß einer zeitgenössischen informationsverarbeitenden Sichtweise (Anderson, 1990, 1993, 2000) umfasst Problemlösen den Erwerb, die Speicherung und die Nutzung von Produktionssystemen. Dies sind Netzwerke von Bedingungs-Aktions-Sequenzen (Regeln), in denen die Bedingungen die Mengen von Umständen sind, die das System aktivieren, und die Aktionen die Mengen von Aktivitäten sind, die auftreten (Anderson, 1990; Andre, 1986). Ein Produktionssystem besteht aus Wenn-Dann-Aussagen. Wenn-Aussagen (die Bedingung) beinhalten das Ziel und Testaussagen, dann sind Aussagen die Aktionen.

Produktionen sind Formen des prozeduralen Wissens, das deklaratives Wissen und die Bedingungen enthält, unter denen diese Formen anwendbar sind. Produktionen werden im LZZ als propositionale Netzwerke dargestellt und auf die gleiche Weise wie anderes prozedurales Wissen erworben. Produktionen sind auch hierarchisch mit untergeordneten und übergeordneten Produktionen organisiert. Um zwei Gleichungen mit zwei Unbekannten zu lösen, stellt man zuerst eine Unbekannte in Bezug auf die zweite Unbekannte dar (untergeordnete Produktion), danach löst man nach der zweiten Unbekannten (Produktion) und verwendet diesen Wert, um nach der ersten Unbekannten zu lösen (übergeordnete Produktion).

Produktionen können allgemein oder spezifisch sein. Spezifische Produktionen gelten für Inhalte in klar definierten Bereichen. Im Gegensatz dazu sind Heuristiken allgemeine Produktionen, weil sie auf verschiedene Inhalte anwendbar sind. Eine Mittel-Ziel-Analyse könnte wie folgt dargestellt werden (Anderson, 1990):

Wenn das Ziel ist, den aktuellen Zustand in den Zielzustand zu transformieren und D die größte Differenz zwischen den Zuständen ist -> Dann setze als Unterziele:

1. Die Differenz D zu eliminieren
2. Den resultierenden Zustand in den Zielzustand zu überführen.

Eine zweite Produktion muss dann mit der Wenn-Dann-Aussage verwendet werden: “Wenn das Ziel ist, die Differenz D zu eliminieren.” Diese Sequenz setzt sich fort, bis die Unterziele auf einer spezifischen Ebene identifiziert wurden; dann werden domänenspezifische Regeln angewendet. Kurz gesagt, allgemeine Produktionen werden so lange heruntergebrochen, bis die Ebene erreicht ist, auf der domänenspezifisches Wissen angewendet wird. Produktionssysteme bieten eine Möglichkeit, allgemeine mit spezifischen Problemlösungsverfahren zu verknüpfen. Andere Problemlösestrategien (z. B. analoges Schließen) können ebenfalls als Produktionen dargestellt werden.

Schulisches Lernen, das stark reguliert ist, erfordert möglicherweise kein Problemlösen. Problemlösen ist nicht anwendbar, wenn Schüler ein Ziel und ein klares Mittel haben, um es zu erreichen. Problemlösen wird wichtiger, wenn Lehrer sich von starrem, stark reglementiertem Unterricht entfernen und originelleres und kritischeres Denken der Schüler fördern. Daran arbeiteten die Lehrer in Nikowsky nach ihrem Treffen mit Meg. Es gibt eine Bewegung in der Bildung, das Problemlösen durch Schüler zu fördern, und viele Pädagogen glauben, dass sich dieser Trend fortsetzen wird. In der Zwischenzeit müssen die Schüler sowohl allgemeine als auch spezifische Problemlösestrategien erlernen, damit sie mit diesen zusätzlichen Anforderungen im Zusammenhang mit dem Lernen umgehen können.

Wie beim Kompetenzerwerb haben Forscher Unterschiede zwischen unerfahrenen und erfahrenen Problemlösern festgestellt (Anderson, 1990, 1993; Bruning et al., 2004; Resnick, 1985). Ein Unterschied betrifft die Anforderungen an das Arbeitsgedächtnis (WM). Erfahrene Problemlöser aktivieren keine großen Mengen potenziell relevanter Informationen; sie identifizieren Schlüsselmerkmale des Problems, setzen diese in Beziehung zu Hintergrundwissen und generieren eine oder wenige potenzielle Lösungen (Mayer, 1992). Experten reduzieren komplexe Probleme auf eine überschaubare Größe, indem sie den Problemraum von der größeren Aufgabenumgebung trennen, welche die Domäne von Fakten und Wissen umfasst, in die das Problem eingebettet ist (Newell & Simon, 1972). Gepaart mit der Tatsache, dass Experten mehr Informationen im WM speichern können (Chi, Glaser & Farr, 1988), behält dieser Reduktionsprozess relevante Informationen, verwirft irrelevante Informationen, passt innerhalb der Grenzen des WM und ist genau genug, um eine Lösung zu ermöglichen.

Experten wenden oft eine „Working-Forward“-Strategie an, indem sie das Problemformat identifizieren und einen passenden Ansatz entwickeln (Mayer, 1992). Dies beinhaltet typischerweise das Aufteilen des Problems in Teile und das sequenzielle Lösen der Teile (Bruning et al., 2004). Unerfahrene Problemlöser versuchen jedoch oft, Probleme stückweise zu lösen, was zum Teil auf die schlechtere Organisation in ihrem Gedächtnis zurückzuführen ist. Sie verwenden möglicherweise Versuch und Irrtum oder versuchen, von dem, was sie herausfinden wollen, rückwärts zu den Problemvorgaben zu arbeiten – eine ineffektive Strategie, wenn sie sich der erforderlichen Teilschritte nicht bewusst sind (Mayer, 1992). Ihre Mittel-Ziel-Analysen basieren oft auf Oberflächenmerkmalen von Problemen. In der Mathematik generieren Anfänger Formeln aus dem Gedächtnis, wenn sie mit Textaufgaben konfrontiert werden. Der Versuch, übermäßige Informationen im WM zu speichern, beeinträchtigt ihr Denken (Resnick, 1985).

Experten und Anfänger unterscheiden sich auch in ihrem domänenspezifischen Hintergrundwissen, obwohl sie anscheinend vergleichbare Kenntnisse über allgemeine Problemlösungsstrategien besitzen (Elstein, Shulman & Sprafka, 1978; Simon, 1979). Experten verfügen über umfangreichere und besser organisierte LTM-Strukturen in ihrem Fachgebiet (Chi et al., 1981). Je mehr Wissen Experten zur Lösung von Problemen einsetzen können, desto wahrscheinlicher ist es, dass sie diese lösen, und desto besser erleichtert ihre Gedächtnisorganisation die Effizienz.

Qualitative Unterschiede zeigen sich in der Art und Weise, wie Wissen im Gedächtnis strukturiert ist (Chi, Glaser & Rees, 1982). Das Wissen von Experten ist hierarchischer organisiert. Experten neigen dazu, Probleme nach „Tiefenstruktur“ zu klassifizieren, während sich Anfänger eher auf Oberflächenmerkmale verlassen (Hardiman, Dufresne & Mestre, 1989). Interessanterweise verbessert das Training von Anfängern zur Erkennung von Tiefenmerkmalen ihre Leistungen im Vergleich zu denen von ungeschulten Anfängern.

Anfänger reagieren typischerweise auf Probleme in Bezug auf ihre Darstellung; Experten interpretieren Probleme neu, um eine zugrunde liegende Struktur aufzudecken, die höchstwahrscheinlich ihrem eigenen LTM-Netzwerk entspricht (Resnick, 1985). Anfänger versuchen, die gegebenen Informationen direkt in Formeln zu übersetzen und die fehlenden Größen zu berechnen. Anstatt Formeln zu generieren, zeichnen Experten möglicherweise zunächst Diagramme, um die Beziehungen zwischen den Problemaspekten zu verdeutlichen. Sie erstellen oft eine neue Version des Problems. Wenn sie bereit sind, Berechnungen durchzuführen, haben sie das Problem in der Regel vereinfacht und führen weniger Berechnungen durch als Anfänger. Während der Arbeit überwachen Experten ihre Leistungen besser, um den Fortschritt der Ziele und den Wert der von ihnen verwendeten Strategie zu beurteilen (Gagné et al., 1993).

Schließlich verbringen Experten mehr Zeit mit Planung und Analyse. Sie sind aufmerksamer und gehen erst dann vor, wenn sie eine Strategie im Sinn haben. Moore (1990) fand heraus, dass erfahrene Lehrer mehr Zeit mit der Planung verbringen als weniger erfahrene Lehrer und auch mehr Zeit damit verbringen, neue Klassenzimmer zu erkunden. Eine solche Planung erleichtert die Umsetzung der Strategie.

Zusammenfassend lässt sich sagen, dass die Unterschiede zwischen unerfahrenen und erfahrenen Problemlösern vielfältig sind. Im Vergleich zu Anfängern:

• Besitzen Experten mehr deklaratives Wissen
• Haben Experten eine bessere hierarchische Organisation des Wissens
• Verbringen Experten mehr Zeit mit Planung und Analyse
• Erkennen Experten Problemformate leichter
• Stellen Experten Probleme auf einer tieferen Ebene dar
• Überwachen Experten ihre Leistungen sorgfältiger
• Verstehen Experten den Wert des Strategieeinsatzes besser

Schlussfolgern bezieht sich auf die mentalen Prozesse, die bei der Erstellung und Bewertung logischer Argumente beteiligt sind (Anderson, 1990). Schlussfolgern führt von Gedanken, Wahrnehmungen und Behauptungen zu einer Schlussfolgerung (Johnson-Laird, 1999) und beinhaltet das Durcharbeiten von Problemen, um zu erklären, warum etwas passiert ist oder was passieren wird (Hunt, 1989). Zu den Fähigkeiten des Schlussfolgerns gehören Klärung, Grundlage, Inferenz und Bewertung (Ennis, 1987; Quellmalz, 1987).

Klärung

Klärung erfordert das Erkennen und Formulieren von Fragen, das Analysieren von Elementen und das Definieren von Begriffen. Diese Fähigkeiten umfassen das Bestimmen, welche Elemente in einer Situation wichtig sind, was sie bedeuten und wie sie zusammenhängen. Manchmal werden wissenschaftliche Fragen gestellt, aber manchmal müssen Studenten Fragen entwickeln wie “Was ist das Problem, die Hypothese oder die These?” Klärung entspricht der Repräsentationsphase der Problemlösung; Studenten definieren das Problem, um eine klare mentale Repräsentation zu erhalten. Wenig produktives Argumentieren erfolgt ohne eine klare Problemstellung.

Grundlage

Die Schlussfolgerungen von Personen über ein Problem werden durch Informationen aus persönlichen Beobachtungen, Aussagen anderer und früheren Schlussfolgerungen gestützt. Das Beurteilen der Glaubwürdigkeit einer Quelle ist wichtig. Dabei muss man zwischen Fakten, Meinungen und begründeten Urteilen unterscheiden. Nehmen wir an, ein mit einer Waffe bewaffneter Verdächtiger wird in der Nähe des Tatorts eines Mordes festgenommen. Dass der Verdächtige bei seiner Festnahme eine Waffe hatte, ist eine Tatsache. Labortests an der Waffe, den Kugeln und dem Opfer führen zu dem begründeten Urteil, dass die Waffe bei dem Verbrechen verwendet wurde. Jemand, der den Fall untersucht, könnte der Meinung sein, dass der Verdächtige der Mörder ist.

Schlussfolgerung

Wissenschaftliches Argumentieren erfolgt induktiv oder deduktiv. Induktives Argumentieren bezieht sich auf die Entwicklung allgemeiner Regeln, Prinzipien und Konzepte aus Beobachtung und Kenntnis spezifischer Beispiele (Pellegrino, 1985). Es erfordert die Bestimmung eines Modells und seiner zugehörigen Schlussfolgerungsregeln (Hunt, 1989). Menschen argumentieren induktiv, wenn sie Ähnlichkeiten und Unterschiede zwischen spezifischen Objekten und Ereignissen extrahieren und zu Verallgemeinerungen gelangen, die getestet werden, indem sie auf neue Erfahrungen angewendet werden. Individuen behalten ihre Verallgemeinerungen so lange bei, wie sie wirksam sind, und sie modifizieren sie, wenn sie widersprüchliche Beweise erleben.

Einige der häufigsten Arten von Aufgaben, die zur Beurteilung des induktiven Denkens verwendet werden, sind Klassifikations-, Konzept- und Analogieprobleme. Betrachten Sie die folgende Analogie (Pellegrino, 1985):

• Zucker : süß :: Zitrone : ______
• gelb sauer Frucht auspressen Tee

Die geeigneten mentalen Operationen stellen eine Art Produktionssystem dar. Zunächst repräsentiert der Lernende mental kritische Attribute jedes Begriffs in der Analogie. Sie aktiviert Netzwerke im LTM, die jeden Begriff betreffen und kritische Attribute der Begriffe enthalten, einschließlich untergeordneter und übergeordneter Konzepte. Als nächstes vergleicht sie die Merkmale des ersten Paares, um die Verbindung zu bestimmen. “Süß” ist eine Eigenschaft von Zucker, die den Geschmack betrifft. Sie durchsucht dann das ‟Zitronen”-Netzwerk, um festzustellen, welche der fünf aufgeführten Eigenschaften in der Bedeutung “Zitrone” entspricht, wie “süß” zu “Zucker”. Obwohl alle fünf Begriffe höchstwahrscheinlich in ihrem ‟Zitronen”-Netzwerk gespeichert sind, betrifft nur “sauer” direkt den Geschmack.

Kinder beginnen im Alter von etwa 8 Jahren, grundlegendes induktives Denken zu zeigen. Mit der Entwicklung können Kinder schneller und mit komplexerem Material argumentieren. Dies geschieht, weil ihre LTM-Netzwerke komplexer und besser verknüpft werden, was wiederum die Belastung des WM reduziert. Um das induktive Denken zu fördern, könnten Lehrer einen geleiteten Entdeckungsansatz verwenden, bei dem Kinder verschiedene Beispiele lernen und versuchen, eine allgemeine Regel zu formulieren. Zum Beispiel können Kinder Blätter sammeln und einige allgemeine Prinzipien in Bezug auf Stängel, Adern, Größen und Formen von Blättern von verschiedenen Bäumen formulieren. Lehrer könnten den Schülern ein Problem stellen, wie z. B. “Warum sinkt Metall im Wasser, aber Metallschiffe schwimmen?” Anstatt den Schülern zu sagen, wie sie das Problem lösen sollen, könnte der Lehrer Materialien bereitstellen und sie ermutigen, Hypothesen zu formulieren und zu testen, während sie an der Aufgabe arbeiten. Phye (1997; Klauer & Phye, 2008) diskutierte effektive Lehrmethoden und Programme, die verwendet wurden, um Schülern induktives Denken beizubringen.

Deduktives Argumentieren bezieht sich auf die Anwendung von Schlussfolgerungsregeln auf ein formales Modell eines Problems, um zu entscheiden, ob spezielle Instanzen logisch folgen. Wenn Individuen deduktiv argumentieren, gehen sie von allgemeinen Konzepten (Prämissen) zu spezifischen Instanzen (Schlussfolgerungen) über, um zu bestimmen, ob letztere aus ersteren folgen. Eine Deduktion ist gültig, wenn die Prämissen wahr sind und wenn die Schlussfolgerung logisch aus den Prämissen folgt (Johnson-Laird, 1985, 1999).

Sprachliche und deduktive Denkprozesse sind eng miteinander verbunden (Falmagne & Gonsalves, 1995; Polk & Newell, 1995). Eine Art von Deduktionsproblem ist die dreigliedrige Reihe (Johnson-Laird, 1972). Zum Beispiel,

• Wenn Karen größer ist als Tina, und ->; (Erzeugen des Musters)
• Wenn Mary Beth nicht so groß ist wie Tina, dann ->; (Bestätigung des Musters)
• Wer ist der Größte? => (Muster vollständig)

Die bei diesem Problem angewandten Problemlösungsprozesse ähneln denen, die zuvor diskutiert wurden. Zunächst bildet man eine mentale Repräsentation des Problems, wie z. B. , . Man arbeitet dann vorwärts, indem man die Aussagen ( ) kombiniert, um das Problem zu lösen. Entwicklungsfaktoren begrenzen die Fähigkeiten von Kindern, solche Probleme zu lösen. Kinder können Schwierigkeiten haben, relevante Probleminformationen im WM zu behalten, und verstehen möglicherweise die Sprache nicht, die zur Beschreibung der Beziehungen verwendet wird.

Eine andere Art von deduktivem Denkproblem ist der Syllogismus. Syllogismen sind durch Prämissen und eine Schlussfolgerung gekennzeichnet, die die Wörter alle, keine und einige enthalten. Die folgenden sind Beispielprämissen:

• Alle Universitätsprofessoren sind faul. -> (kontextuelle Verallgemeinerung)
• Einige Doktoranden sind nicht faul. -> (kontextueller Ausschluss)
• Kein Student im Grundstudium ist faul. -> (Disposition der Kontroverse)

Ein Beispielsyllogismus lautet wie folgt:

• Alle Schüler in Kens Klasse sind gut in Mathematik. -> (Prämissenvorschlag)
• Alle Schüler, die gut in Mathematik sind, werden ein College besuchen. -> (Biasbildung)
• (Daher) Alle Schüler in Kens Klasse werden ein College besuchen. -> (allgemeine Annahme)

Forscher debattieren darüber, welche mentalen Prozesse Menschen verwenden, um Syllogismen zu lösen, einschließlich der Frage, ob Menschen die Informationen als Venn-(Kreis-)Diagramme oder als Zeichenketten von Aussagen darstellen (Johnson-Laird, 1985). Eine Produktionssystemanalyse von Syllogismen ergibt eine grundlegende Regel: Ein Syllogismus ist nur dann wahr, wenn es keine Möglichkeit gibt, die Prämissen so zu interpretieren, dass sie das Gegenteil der Schlussfolgerung implizieren; das heißt, ein Syllogismus ist wahr, es sei denn, es kann eine Ausnahme von der Schlussfolgerung gefunden werden. Die Forschung muss untersuchen, welche Arten von Regeln Menschen anwenden, um zu testen, ob die Prämissen eines Syllogismus eine Ausnahme zulassen.

Es wurden verschiedene Ansichten vorgeschlagen, um die Mechanismen des deduktiven Denkens zu erklären (Johnson-Laird, Byrne, & Tabossi, 1989). Eine Ansicht besagt, dass das Denken auf der Grundlage formaler Schlussfolgerungsregeln erfolgt. Menschen lernen die Regeln (z. B. die Modus-Ponens-Regel regelt “Wenn p dann q”-Aussagen) und gleichen dann Instanzen mit den Regeln ab.

Eine zweite, verwandte Ansicht postuliert inhaltspezifische Regeln. Sie können als Produktionen ausgedrückt werden, so dass spezielle Instanzen die Produktionsregeln auslösen. So kann eine Produktion alle Autos betreffen und ausgelöst werden, wenn ein spezifisches Auto (“meine Marke X”) angetroffen wird.

Eine dritte Ansicht besagt, dass das Denken von semantischen Prozeduren abhängt, die nach Interpretationen der Prämissen suchen, die Gegenbeispiele zu Schlussfolgerungen sind. Nach dieser Ansicht konstruieren Menschen ein oder mehrere mentale Modelle für die Aussagen, denen sie begegnen (Interpretationen der Prämissen); die Modelle unterscheiden sich in der Struktur und werden verwendet, um die Logik der Situation zu testen. Studenten können das Problem wiederholt auf der Grundlage von Informationen neu codieren; somit ist die Deduktion weitgehend eine Form des verbalen Denkens (Polk & Newell, 1995). Johnson-Laird und Kollegen (Johnson-Laird, 1999; Johnson-Laird, Byrne, & Schaeken, 1992; Johnson-Laird et al., 1989) haben diese semantische Analyse auf verschiedene Klassen von Schlussfolgerungen ausgedehnt (z. B. solche, die wenn, oder, und, nicht und mehrere Quantoren beinhalten). Weitere Forschung wird auch dazu beitragen, die Auswirkungen dieser theoretischen Analysen auf den Unterricht zu bestimmen.

Bewertung

Bewertung beinhaltet die Anwendung von Kriterien, um die Angemessenheit einer Problemlösung zu beurteilen. Bei der Bewertung behandeln die Studierenden Fragen wie: “Sind die Daten ausreichend, um das Problem zu lösen?” “Benötige ich mehr Informationen?” und “Basieren meine Schlussfolgerungen auf Fakten, Meinungen oder begründeten Urteilen?” Bewertung beinhaltet auch die Entscheidung, was als Nächstes geschehen sollte—das heißt, Hypothesen über zukünftige Ereignisse zu formulieren, unter der Annahme, dass die eigene Problemlösung bisher korrekt ist.

Deduktives Schließen kann auch durch den Inhalt beeinflusst werden, abgesehen von der Logik. Wason (1966) legte den Teilnehmern vier Karten (mit A B 2 3) vor. Ihnen wurde gesagt, dass jede Karte auf der einen Seite einen Buchstaben und auf der anderen eine Zahl enthielt, und sie erhielten eine konditionale Regel: “Wenn eine Karte auf einer Seite ein A hat, dann hat sie auf der anderen Seite eine 2.” Ihre Aufgabe war es, die Karten auszuwählen, die umgedreht werden mussten, um festzustellen, ob die Regel wahr ist. Obwohl die meisten Teilnehmer die A-Karte und viele auch die 2 wählten, wählten nur wenige die 3; diese muss jedoch umgedreht werden, da die Regel falsch ist, wenn sich auf der anderen Seite ein A befindet. Als der Inhalt in eine alltägliche Verallgemeinerung geändert wurde (z. B. Buchstabe = Haarfarbe, Zahl = Augenfarbe, A = blondes Haar, 2 = blaue Augen), trafen die meisten Leute die richtigen Auswahlen (Wason & Johnson-Laird, 1972). Diese Ergebnisse unterstreichen, wie wichtig es ist, keine Verallgemeinerung beim Schließen vorauszusetzen, sondern den Studierenden vielmehr Erfahrungen mit verschiedenen Arten von Inhalten zu ermöglichen.

Metakognitive Prozesse fließen in alle Aspekte des wissenschaftlichen Schließens ein. Lernende überwachen ihre Bemühungen, um sicherzustellen, dass Fragen richtig gestellt werden, dass Daten aus angemessenen Quellen verfügbar sind und verwendet werden, um Schlussfolgerungen zu ziehen, und dass relevante Kriterien bei der Bewertung angewendet werden. Das Lehren von Schlussfolgerungen erfordert eine Unterweisung in Fähigkeiten und in metakognitiven Strategien. Auch die kognitive Belastung scheint wichtig zu sein. Wissenschaftliches Schließen ist schwierig, wenn mehrere Informationsquellen gleichzeitig verarbeitet werden müssen, was das Arbeitsgedächtnis (WM) belastet. Carlson et al. (2003) fanden heraus, dass die wissenschaftliche Leistung von Studierenden von zwei Verfahren profitierte, die entwickelt wurden, um die kognitive Belastung zu reduzieren: Diagramme und Anweisungen, die die gleichzeitig zu verarbeitende Informationsmenge minimierten.

Die Verbindungen zwischen Lernen und Problemlösen legen nahe, dass Schüler Heuristiken und Strategien erlernen und bessere Problemlöser werden können (Bruning et al., 2004). Darüber hinaus ist es für die Verknüpfung von Informationen im Gedächtnis am besten, Problemlösen in akademische Inhalte zu integrieren (wie Meg im Eröffnungsszenario empfahl), anstatt Problemlösen mit eigenständigen Programmen zu unterrichten. Nokes, Dole und Hacker (2007) fanden heraus, dass Heuristikunterricht in den Unterricht integriert werden kann, ohne das inhaltliche Lernen der Schüler zu beeinträchtigen.

Andre (1986) listete mehrere Vorschläge auf, die aus Theorie und Forschung abgeleitet sind und die für die Schulung von Schülern in Problemlösungsfähigkeiten nützlich sind, insbesondere in Bezug auf die Darstellung von Produktionen im Gedächtnis.

• Bieten Sie den Schülern metaphorische Darstellungen an. Eine konkrete analoge Passage, die den Schülern vor einer instruktionellen Passage gegeben wird, erleichtert das Lernen aus der Zielpassage.
• Lassen Sie die Schüler während des Problemlösens verbalisieren. Die Verbalisierung von Gedanken während des Problemlösens kann Problemlösungen und Lernen erleichtern.
• Verwenden Sie Fragen. Stellen Sie den Schülern Fragen, die sie dazu auffordern, die gelernten Konzepte zu üben; viele solcher Fragen können notwendig sein.
• Geben Sie Beispiele. Geben Sie den Schülern viele ausgearbeitete Beispiele, die die Anwendung von Problemlösungsstrategien zeigen. Schüler können Schwierigkeiten haben, selbst zu erkennen, wie Strategien auf Situationen angewendet werden.
• Koordinieren Sie Ideen. Zeigen Sie, wie Produktionen und Wissen miteinander in Beziehung stehen und in welcher Reihenfolge sie möglicherweise angewendet werden müssen.
• Verwenden Sie entdeckendes Lernen. Entdeckendes Lernen erleichtert oft den Transfer und das Problemlösen besser als darstellender Unterricht. Entdeckung kann Schüler zwingen, Regeln aus Beispielen zu generieren. Dasselbe kann durch darstellenden Unterricht erreicht werden, aber Entdeckung eignet sich möglicherweise besser für bestimmte Inhalte (z. B. wissenschaftliche Experimente).
• Geben Sie eine verbale Beschreibung. Es kann hilfreich sein, den Schülern eine verbale Beschreibung der Strategie und ihrer Anwendungsregeln zu geben.
• Vermitteln Sie Lernstrategien. Lernende benötigen möglicherweise Unterstützung bei der Anwendung effektiver Lernstrategien.
• Verwenden Sie kleine Gruppen. Eine Reihe von Studien hat gezeigt, dass das Lernen in kleinen Gruppen die Problemlösungsfähigkeiten der Schüler fördert. Die Gruppenmitglieder müssen für ihr Lernen verantwortlich gemacht werden, und alle Schüler müssen sich an der Arbeit beteiligen.
• Sorgen Sie für ein positives psychologisches Klima. Psychologische Faktoren sind wichtig für ein effektives Problemlösen. Minimieren Sie übermäßige Angst bei den Schülern und helfen Sie, ein Gefühl der Selbstwirksamkeit bei den Schülern zu erzeugen, um ihre Fähigkeiten zu verbessern.

Ein weiterer Unterrichtsvorschlag ist die schrittweise Einführung des Problemlösens, was besonders hilfreich für Schüler sein kann, die wenig Erfahrung damit haben. Dies kann durch die Verwendung von ausgearbeiteten Beispielen geschehen (Atkinson, Renkl, & Merrill, 2003; Renkl & Atkinson, 2003; wird später im Abschnitt dieses Kurses behandelt). Mathematiktexte beispielsweise geben oft eine Regel oder einen Satz an, gefolgt von einem oder mehreren ausgearbeiteten Beispielen. Die Schüler lösen dann vergleichbare Probleme, indem sie die Schritte aus den ausgearbeiteten Beispielen anwenden (eine Art analoges Schließen). Renkl und Atkinson empfahlen, sich in den frühen Lernphasen auf Beispiele zu verlassen, gefolgt von einem Übergang zum Problemlösen, wenn die Schüler Fähigkeiten entwickeln. Dieser Prozess trägt auch dazu bei, die Anforderungen an das Arbeitsgedächtnis oder die kognitive Belastung der Lernenden zu minimieren. So könnte der Übergang wie folgt ablaufen. Zunächst wird ein vollständiges Beispiel gegeben, dann ein Beispiel, bei dem ein Schritt ausgelassen wird. Mit jedem nachfolgenden Beispiel wird ein weiterer Schritt ausgelassen, bis die Lernenden selbstständig Probleme lösen.

Problembasiertes Lernen (PBL; Hmelo-Silver, 2004) bietet eine weitere Unterrichtsanwendung. Bei diesem Ansatz arbeiten die Schüler in Gruppen an einem Problem, das keine richtige Lösung hat. Die Schüler identifizieren, was sie wissen müssen, um das Problem zu lösen. Die Lehrer fungieren als Moderatoren, indem sie Unterstützung, aber keine Antworten geben. Es hat sich gezeigt, dass PBL effektiv ist, um Problemlösungs- und Selbstregulierungsfähigkeiten zu vermitteln, aber die meisten Forschungen wurden in der Medizin- und Begabtenausbildung durchgeführt (Evenson, Salisbury-Glennon, & Glenn, 2001; Hmelo-Silver, 2004). PBL ist nützlich für die Erforschung sinnvoller Probleme. Da es zeitaufwendig ist, müssen die Lehrer seine Eignung angesichts der Unterrichtsziele berücksichtigen.