Instruktionale Modelle

Grundlagen des E-Learning

Letztes Update: 22. April 2021

Schließe deine Augen und stelle dir eine Lehrsituation vor. Was siehst du? Die meisten LeserInnen sehen vermutlich einen geschlossenen Raum. In dem geschlossenen Raum sitzen mehrere Lernende, deren Stühle sind nach vorne gerichtet und sie hören einer Lehrperson zu. Diese Lehr- und Lernsitutation kennen die meisten von der Schule. Wir sind mit diesem didaktischen Modell aufgewachsen. Es ist allerdings nur eines von vielen. Würde man die gleiche Frage Gesellen stellen, würden sie das Modell der Meisterlehre beschreiben. In der Meisterlehre arbeitet Gesellen über Jahre eng mit einer Meisterin oder einem Meister zusammen. Das zentrale didaktische Prinzip ist das Modellieren. Die Meisterin zeigt dem Gesellen wie Handgriffe und Werkstücke erstellt werden. Die Rolle der Gesellen ist es zuzusehen und mit der Zeit die Arbeiten eigenständig ausführen zu können. Es gibt in diesem Modell kaum Vorträge noch Hausarbeiten. Ein ganz anderes Modell, an welches du vermutlich nicht gedacht hast, sind Spiele. Wer schon einmal Monopoly gespielt hat, weiß, dass Spiele auf ein Ziel ausgerichtet sind. Bei Monopoly lautet das Ziel, den größten Wohlstand zu haben. Jedes Spiel hat zudem Regeln. Rücke ich bei Monopoly beispielsweise auf ein Haus vor, welches mir nicht gehört, muss ich Geld an die Person zahlen, welcher das Haus gehört. Lernen geschieht in Spielen nebenher, auch durch Anleitung der anderen.

Diese drei Beispiele nennt man instruktionale Modelle (Reigeluth, 1999). Instruktionale Modelle sind die Blaupause, nach der wir Lernumgebungen gestalten. So wie eine Backform bestimmt wie ein Kuchen aussehen wird, geben instruktionale Modelle vor, wie eine Lernumgebung aussehen wird. Nachdem wir die Lernziele und die Prüfungsmethoden bestimmt haben, sind instruktionale Modelle die nächste kritische Entscheidung in der Gestaltung von E-Learning Kursen. Meist sind diese Entscheidungen allerdings implizit. Wie ein E-Learning Kurs gestaltet ist, beruht oft auf Konvention und Erfahrungswissen der E-Learning EntwicklerInnen. In manchen E-Learning Agenturen beispielsweise werden sehr gerne sogenannte Szenario-basierte E-Learnings entwickelt, in denen Lernende eine Rolle einnehmen und eine Mission zu erfüllen haben. MOOCs wiederum folgen gerne eine Art der direkten Instruktion, in der Lernende in Modulen strukturiert durch die Lerninhalte geführt werden. Unterschiedliche Organisationen und Agenturen haben daher eigene instruktionale Modelle, die sich über die Jahre tradiert haben und welche Teil ihrer Lehr- und Lernkultur sind. Kein Modell ist jedoch statisch. Der Blaupause muss nicht strenggläubig nachgegangen werden. Denn nicht jedes Modell passt in Reinform zu jedem E-Learning Projekt. Manchmal beispielsweise ist der finanzielle Spielrahmen zu gering, um ein Modell vollumfänglich entwickeln zu können, ein anderes Mal gibt es gute Gründe mehrere Modelle miteinander zu vermischen.

Im E-Learning Bereich haben sich unter anderem folgende Modelle etabliert: Szenario-basierte E-Learnings, die direkte Instruktion, projektbasiertes Lernen und problembasiertes Lernen. Jedes dieser Modelle spielt in unterschiedlichen Kontexten eine Rolle. Wir werden gleich ausführlicher auf diese Modelle zu sprechen kommen. In Szenario-basierten E-Learnings nehmen Lernende eine Rolle ein und haben eine Mission zu erfüllen. Sie sind eines der zentralen Modelle in E-Learning Agenturen. Das Modell der direkten Instruktion findet man meist in MOOCs und Web-Based Trainings. In diesem Modell werden die Lerninhalte in Module aufgebaut und strukturiert unterrichtet. In projektbasierten und problembasierten Lernumgebungen setzen Lernende (in Kleingruppen) verschiedene Projekte eigenständig um beziehungsweise lösen gemeinschaftlich Probleme.

Szenario-basierte Modelle

E-Learning Agenturen entwickeln E-Learning Kurse häufig für MitarbeiterInnen einer spezifischen Firma. Die Firma beauftragt die Agentur beispielsweise einen Kurs zum Umgang mit Heterogenität zu machen. Oder, die MitarbeiterInnen sollen über neue Sicherheitsschutzmaßnahmen unterrichtet werden. Die Lernenden, sprich die MitarbeiterInnen, haben nicht aus freien Stücken entschieden, diesen Kurs zu machen. Sie wurden von ihrer Firma dazu gebeten. Nicht immer sind sie daher außerordentlich motiviert, sich tiefergehend mit den Lerninhalten des E-Learning Kurses zu beschäftigen. Um die MitarbeiterInnen bei der Stange zu halten, nutzen E-Learning Agenturen gerne sogenannte Szenario-basierte Modelle oder Goal-Based Szenarios.

Die Grundidee dieses Modells ist, dass Menschen ihr Handeln nach Zielen ausrichten. Wir putzen uns beispielsweise die Zähne, um Karies zu vermeiden; oder wir gehen zum Kühlschrank, um satt zu werden. Roger Schank, welcher das Modell der Goal-Based Scenarios entwickelt hat (Schank, 2009), geht davon aus, dass Ziele ein menschliches Grundbedürfnis darstellen. In Goal-Based Scenarios werden Ziele ausgewählt, die für die Lernenden von Interesse sind. Ziel eines Kurses, welches Goal-Based Scenarios verwendet ist die Erfüllung von Zielen. Schanks Argument für die Orientierung an persönlich interessanten Zielen ist, dass die formale Bildung unsere natürlichen Ziele ad absurdum führt und für künstliche Ziele austauscht. Statt eine Sprache zu lernen, um sie zu sprechen, lernen wir eine Sprache, um eine gute Note in einer Prüfung zu erhalten. Lernen in der Schule und Universität spiegelt für Schank nicht das Lernen in der "realen Welt" wieder: "GBSs are developed based on skills a student can learn. Consequently designers need to express their pedagogical objectives in terms of skills they would like students to master rather than topics to which they students would be exposed. The emphasis on working towards a goal serves to ensure that designers will include opportunities to acquire and practice useful skills while illustrating to students the potential utility of the skills the learning. GBSs essentially comprise a clear, concrete goal to be achieved and set of target skills to be learned and practiced in service of this goal, task environment in which to work" (Schank, Fano, Bell, & Jona, 1994). In diesem Zitat sehen wir bereits die Grundidee des Constructive Alignment. Wir beginnen mit den intendierten Lernzielen und versuchen diese Ziele konstruktiv, das heißt taxonomisch hoch zu halten. Für Schrank sollte das Ziel als Fähigkeit formuliert sein, welches Lernende erwerben sollen.

Schauen wir uns drei Beispiele an, um zu verstehen, wie Lernende in Goal-Based Scenarios Ziele erreichen. Die ersten beiden Beispiele stammen von Roger Schank, das dritte von der Firma IMC. Schank (1994) beschreibt ein Goal-Based Szenario, in dem Lernende lernen sollen, einen Bakterienstamm zu entwickeln, welcher Humaninsulin produziert. Das Szenario für diese Lernumgebung sieht wie folgt aus: Die Bauchspeicheldrüse einer Person mit dem Namen Johnny produziert nicht genügend Insulin. Als Folge leidet Johnny an Diabetes und muss täglich Insulin einnehmen. Nur, woher bekommt Johnny dieses Insulin? Die Aufgabe der Lernenden ist es, einen Weg zu entwickeln, Bakterien dazu zu bringen, Insulin zu produzieren. Auf dem Weg zu diesem Ziel lernen Lernende unter anderem folgendes: Proteine von anderen Makromolekülen zu unterscheiden; Gene auf Chromosomen zu kartieren; Plasmide zu konstruieren; oder Organellen zu unterscheiden. Kennzeichnend für ein Goal-Based Scenario ist, dass die Lernenden eine Rolle in einer Rahmenhandlung einnehmen. In diesem Beispiel schlüpfen die Lernenden in die Rolle einer Biologin und die Rahmenhandlung dreht sich um die Person Johnny. Ebenso umfasst jedes Goal-Based Scenario eine Mission. In diesem Fall lautet die Mission Johnny zu helfen, indem man lernt, Insulin herzustellen. Im Gegensatz zum realen Leben erhalten Lernende allerdings weitere Hilfen, die Mission zu erfüllen. Verschiedene Ressourcen geben den Lernenden Informationen für einzelne Schritte der Mission. Goal-Based Scenarios sind demnach kein reines "Learning-by-doing", sondern ein angeleitetes Learning-by-doing. (Schank, Fano, Bell, und Jona (1994)) sagen daher: "Whenever possible, help should be provided through materials that are consistent with the cover story. It is always better to provide support than not to provide it (after all, a big part of a good learning-by-doing environment is to provide assistance that might not be present in the real world)" (S. 334).

Im gleichen Artikel beschreibt Schank ein weiteres Goal-Based Scenario. In diesem Szenario spielen die Lernenden die Rolle einer Redakteurin einer Nachrichtensendung. Das Ziel ist, die Abendnachrichten für das Programm Broadcast News redaktionell zusammen zu stellen. Um Lernende bei der Erreichung dieses Ziels zu unterstützen, können sich die Lernenden Hilfe von fiktiven ExpertInnen holen und erhalten fiktive Texte von AutorInnen der Nachrichtensendung. Im Verlauf der Lernumgebung lernen die Lernenden unter anderem Nachrichten redaktionell aufzuarbeiten, wichtige tagesaktuelle Informationen zu recherchieren und Videos aufzuzeichnen. Um zu betonen, wie radikal unterschiedlich dieses Modell ist, lass es uns mit dem schulischen oder universitären Modell vergleichen. In einer Lehrveranstaltung der Universität wäre es nicht ungewöhnlich, würde die Professorin über die verschiedenen Phasen der Nachrichtenauswahl instruieren. Ihr Fokus läge auf den einzelnen Inhalten der Nachrichtenzusammenstellung und nicht auf den Fähigkeiten, diese zusammen zu stellen. Ebenso ist die Rolle der Lernenden in universitären Kursen die der peripheren Beteiligten. Man hört viel zu und soll sich periodisch an Diskussionen beteiligen. In Goal-Based Scenarios hingegen sind Lernende im Zentrum der Lehrveranstaltung. Instruiert wird sporadisch und immer mit dem Ziel eine Mission zu erfüllen. Beide Modelle haben ihren Zweck. Im Beispiel der Broadcast News geht es um die Aneignung von Fertigkeiten. In universitären Lehrveranstaltungen liegt der Fokus in der Regel in der Aneignung von Konzepten.

Ein praktischeres Beispiel einer szenario-basierten Lernumgebung stammt von der Firma IMC. Diese Firma entwickelte ein Compliance-Training für MitarbeiterInnen der Firma Audi. Compliance ist gegeben, wenn MitarbeiterInnen einer Firma interne Richtlinien und gesetzliche Bestimmung einhalten. Im E-Learning Produkt mit dem Namen "Willkommen in Fraud City" geht es beim Thema Compliance um die Frage, woran man Betrugsfälle erkennt. Auf der Webseite des Produkts betont IMC bewusst, dass Compliance-Trainings selten auf Begeisterung stoßen. IMC entschied sich daher für ein szenario-basiertes E-Learning. In dem Kurs schlüpfen Lernende in die Rolle von Detective Fraudless und versuchen in einer korrupten Stadt Betrugsfälle aufzudecken (ein bisschen eine Mischung aus Sin City und Batman). Auf dem Weg dorthin sollen die Lernenden lernen, Kriterien von Betrugsfällen zu nennen und erkennen, und auf welche Verhaltensmuster man bei Betrugsfällen achten sollte.

Nun, wann sollten wir Goal-Based Scenarios für E-Learning Produkte verwenden? Ganz praktisch liegt der Vorteil von Goal-Based Szenarios darin, dass sie Lernumgebungen ein Stück weit weniger wie Lernumgebungen aussehen lassen. Dadurch, dass diese Lernumgebungen häufig einem Spiel ähneln (siehe "Willkommen in Fraud City") und grafisch professionell aufbereitet sind, machen sie Lernende neugieriger als in herkömmlichen Formaten. Eine Perspektivenübernahme hilft an dieser Stelle. Stell dir vor, du bist nicht besonders am Thema Compliance interessiert und wirst gebeten einen E-Learning Kurs zu diesem Thema durchzuarbeiten. Stell dir ebenso vor, dass der Kurs so aufgebaut ist wie viele Online-Kurse, die du bereits kennst: Es gibt eine modulare Struktur, instruktionale Videos und am Ende Multiple-Choice Aufgaben. Bei einem solchen Kurs gibt es keine Überraschungsmomente. In einem Goal-Based Scenario hingegen schon. Dort kennst du die Rahmenhandlung noch nicht, weißt nicht, was du in der Lernumgebung tun sollst oder wer du in dieser Rahmenhandlung bist. Kurzum: Der Einstieg in ein Goal-Based Scenario ist für eine solche Zielgruppe wesentlich interessanter als in einem 0815 E-Learning Produkt.

Empirisch haben wir allerdings keine gute Datengrundlage zu der Frage, wie lernwirksam Goal-Based Scenarios sind. Die zentrale Botschaft dieser Ergebnisse ist, dass Lernenden gerne mit Goal-Based Scenarios arbeiten. Bell, Bareiss, & Beckwith (1994) beispielsweise entwickelten ein Goal-Based Scenario zum Thema Sichelzellenanämie und implementierten das Produkt in einem Museum. Lernenden hatten die Mission, als BeraterInnen KlientInnen über die Gefahren der Übertragung der Sichelzellenanämie zu informieren. Dafür müssen die Lernenden lernen, wie sie den Genotyp des Hämoglobien der KlientInnen bestimmen können. Die empirische Befundlage zu diesem GBS ist mager. Zwar führten die Autoren Studien durch, allerdings hatten sie lediglich eine geringe Stichprobenzahl und kleine oder keine Effekte: "We expected that subjects would learn about sickle cell disease from either the system or the pamphlet and, thus, would differ from the control group on both parts of the assessment. However, this was not the case. The pamphlet group did not differ significantly from the control group on any of the measures. On the other hand, the subjects who used Sickle Cell Counselor did generate significantly more correct responses than the control group both during the role playing, t(16) = 2.95, p < .1, and on the questions about patterns of genetic transmission, t(16) = 2.52, p < .05" (S. 373). Naidu, Ip und Linser (2000) entwickelten ein GBS und untersuchten, inwieweit das Produkt die Einstellung zu den Lerninhalten beeinflusste. Sie untersuchten diese Frage anhand einer Fragebogenstudie. Die Ergebnisse waren durchweg positiv. Die Lernenden hatten das "Gefühl", viel durch das Produkt gelernt zu haben und empfanden die Lernumgebung als nützlich. Die Studie erfüllt allerdings nur bedingt wissenschaftlichen Kriterien. Selbstangaben sind selten mit der tatsächlichen Leistung identisch und zudem verglichen die Autoren das Produkt nicht mit anderen Produkten. Kilik und Yildirim (2013) untersuchten an 82 Schülerinnen, wie zufrieden sie mit der Verwendung eines GBS waren. Sie erstellten zwei Versionen des GBS. In einer Version achteten auf Prinzipien der Cognitive Load Theory (z.B. Split Attention), in der anderen Version achteten sie nicht auf die Prinzipien. Als Datengrundlage nahmen die Autoren subjektive Ratingskalen zu ihrer mentalen Anstrengung bei der Bearbeitung des Produktes, reflexive Tagebücher und Interviews. "The findings of the study revealed that a majority of the learners perceived GBS as an effective learning environment. More specifically, learning through mission, roles, and scenario made the learning more enjoyable and meaningful for the learners (Kilik & Yildirim, 2013, S. 340). "The findings showed that the cognitive load theory principles (split attention, multimedia, modality, redundancy, and coherence) implemented in the first version (+CLT) of GBSc3DM contributed to most students’ motivation and satisfaction in positive ways. However, not considering the cognitive load theory principles in the second version (–CLT) of GBSc3DM affected learners’ motivation and satisfaction negatively" (S. 341). Erneut müssen wir sagen, dass die Ergebnisse nur bedingt interpretierbar sind. Lernende fanden GBS motivierend, wir wissen aber nicht, ob die Lernenden die Prozeduren besser lernten als mit einem anderen Instructional Design Modell. Zumbach und Reimann (1999) verglichen ein GBS mit einem Tutorial, welches an die direkte Instruktion angelehnt war und einem Hypertext Programm, welches explorativer war als die direkte Instruktion. Alle Produkte hatten als Thema die Verschmutzung der Weltmeere. Das Tutorial umfasste 7 Kapitel und endete jeweils mit einem Multiple-Choice Quiz. 60 Lernende nahmen an der Untersuchung teil. Das Tutorial war effektiver als das Hypertextformat. Die GBS waren effektiver als das Hypertextformat. Sie ließen die Lernenden zudem Concept Maps nach dem Lernprodukt zeichnen, um "strukturelles Lernen" zu messen. Die Gruppe der GBS schnitt besser ab als die anderen beiden Gruppen. Zudem blieb die Motivation nur bei den GBS im Vergleich zum Beginn des Produktes gleich hoch. Erneut ist die Studie schwach. Es werden keine deskriptiven Daten berichtet, die Effekte werden nicht benannt und die statistischen Tests werden nicht angeführt. Die Studie gibt uns daher nur schwache Evidenz für die Wirksamkeit von GBS. Schoenfeld-Tacher, Jones und Persichitte (2001) untersuchten, ob ein GBS ähnlich effektiv für Menschen sind, die sich in ihren kognitiven und demografischen Variablen unterschieden. Sie fanden, dass GBS für ungeachtet dieser Unterschiede ähnlich effektiv ist. Die Studie gibt uns allerdings wenig Aufschluss darüber, wie effektiv GBS sind. Zwar verglichen sie GBS mit einer Pseudokontrollgruppe, erklären aber nicht, ob diese Gruppe überhaupt über das Thema des GBS etwas gelernt hat.

Zusammenfassung

Szenario-basierte E-Learnings oder Goal-Based Scenarios werden meist genutzt, um Lernende zu motivieren. Oder genauer gesagt, wenn Lernende keine innere Motivation haben, Lerninhalte zu lernen. Häufig tritt dies in Kursen von Agenturen auf, welche vor der Aufgabe stehen, für MitarbeiterInnen einer externen Firma Kurse zu gestalten. Diese Kurse behandeln Themen, welche für das Unternehmen entscheidend sind, weniger allerdings für die MitarbeiterInnen. Jedes Goal-Based Scenario umfasst mehrere Kriterien. Es muss eine Rahmenhandlung geben, in der die Lernenden eine Rolle einnehmen. Ziel der Lernenden ist es, eine Mission zu erfüllen. Zur Erfüllung der Mission erhalten Lernende Zusatzinformationen auf dem Weg zur Erfüllung der Mission. Die empirische Befundlage zu Goal-Based Scenarios ist allerdings dünn. Die meisten Studien erfüllen nicht die Kriterien strikter Forschung und deren Ergebnisse sollten mit Vorsicht genossen werden. Dennoch, szenario-basierte E-Learnings sind äußerst beliebt im E-Learning Markt und sind eines der zentralen instruktionalen Modell im Methodenkasten eines jeden Instructional Designers.

Direkte Instruktion

Die direkte Instruktion ist eines der geläufigsten instruktionalen Modelle im E-Learning. MOOCs sind in der Regel nach der direkten Instruktion, beziehungsweise einer abgespeckten Version derer, aufgebaut. Kurse, welche nach der direkten Instruktion aufgebaut sind, erkennt man daran, dass die Lerninhalte in Module aufgeteilt und sequenziert werden. Sie informieren Lernende ausführlich über die intendierten Lernziele und instruieren die Lernenden über die Lerninhalte durch prägnante Vorträge. Bis dato könnten Vorlesungen eine Form der direkten Instruktion sein, allerdings umfasst das Modell weitere didaktische Elemente. Ebenso erhalten Lernende in der direkten Instruktion zahlreiche Übungen, welche häufig gegeben werden und variantenreich sind. Auf diese Übungen erhalten die Lernenden umfassend Feedback mit weiteren Übungsmöglichkeiten. Wir werden gleich genauer sehen, wie diese Modelle aussehen, diese Struktur ist allerdings allen Modellen der direkten Instruktion gemein. Das zentrale Ziel dieser Modelle ist die Aneignung von Konzepten, nicht Fertigkeiten (für eine breitere Einführung siehe Magliaro, Lockee, & Burton, 2005, S. 44). Direkte Instruktion sollte daher vor allem verwendet werden, wenn die Lernende noch nicht viel über ein Fach wissen.

Die zentrale Annahme über Lernen bei der direkten Instruktion ist, dass Lernende Unterstützung und Führung brauchen, um sich Lerninhalte anzueignen (siehe Kirschner, Sweller, & Clark, 2010). Der Grund für diese Annahme liegt in der Überzeugung, dass die Aufnahmefähigkeit von Novizen für neues Wissen beschränkt ist (siehe Sweller, van Merriënboer, & Paas, 2019). Die zentrale Herausforderung für jede Lernumgebung liegt daher darin, mit dieser Begrenzung umzugehen. Nehmen wir als Beispiel angehende Piloten, welche das Fliegen lernen sollen. Wie lernen diese Personen eine Boeing zu fliegen? Die Knopf- und Hebelkombinationen im Cockpit sind unendlich und lassen sich kaum durch Ausprobieren erschließen. Müsstest du auf 10.000 Meter einen Flieger übernehmen, da die Pilotin und der Copilot ohnmächtig geworden sind, müsstest du dich auf willkürliche Suchstrategien verlassen. Es wäre auf jeden Fall nicht sicher gestellt, dass der Flieger wieder heil am Boden landet. Kurzum: Novizen fehlt es häufig an mentalen Strukturen für neue Fächer und sie müssen Schritt für Schritt unterrichtet werden, damit der Beschränkung ihrer Aufnahmekapazität Rechnung getragen wird. Eine weitere kognitive Annahme der direkten Instruktion ist daher ebenso, dass Lernende alles lernen können, sofern sie eine Lernumgebung erhalten, die die Lernenden an ihrem jeweiligen Wissenstand abholt. Nach dieser Ansicht ist es nicht zwangsläufig das Versagen einer Lernenden, wenn sie nicht im Stande ist, neue Konzepte zu lernen, sondern ein Versagen der Lernumgebung, welche ihr bereichsspezifisches Vorwissen nicht beachtet hat. Die direkte Instruktion stellt sich daher gegen Ansichten über Lehren und Lernen, die annehmen, dass es gewisse Entwicklungsphasen für Lernen gibt beziehungsweise, dass es Lerntypen gibt, welche eine bestimmte Form von Lernumgebung nahelegen. Vielmehr sollten alle Lernende im Stande sein, Konzepte zu lernen, solange sie das notwendige Vorwissen haben und die Lernumgebung detailliert ausgearbeitet ist (siehe Stockard et al., 2018). Je eindeutiger und schlüssiger Lernende angeleitet werden, desto besser können sie das, was sie schon wissen, mit dem verbinden, was sie lernen sollen. Stell dir als Analogie vor: Du sollst die Newton'schen Gravitationsgesetze herausfinden, ohne, dass sie dir jemand strukturiert beibringt. Jeder wäre mit dieser Aufgabe überfordert (siehe auch Mayer, 2004). Allerdings gelingt es den meisten Lernenden diese Gesetze zu lernen, sofern er oder sie umfassend darüber unterrichtet wird. Genau deshalb ist die direkte Instruktion so erfolgreich. Sie nimmt das Wissen um unsere kognitive Architektur ernst und hilft uns mit den begrenzten Ressourcen unseres Denkens umzugehen.

Modelle der direkten Instruktion

Die direkte Instruktion ist ein Überbegriff für viele verschiedene Modelle. Einen ausführlichen Überblick findest du bei Magliaro et al. (2005). Im Folgenden werden wir zwei bekannte Modelle besprechen. Das Explicit Teaching Model nach Rosenshine und die Nine Events of Instruction nach Gagné. Ich werde ebenso versuchen, zu erklären, inwieweit diese Modelle in E-Learning Kursen umgesetzt werden (zwar wird die direkte Instruktion häufig in E-Learning Kursen eingesetzt, sie eignet sich allerdings ebenso gut für Präsenzveranstaltungen).

Explicit Teaching Model nach Rosenshine

Barak Rosenshine war ein Professor für Bildungswissenschaft an der Universität Illinois. Bekannt wurde er durch ein Modell der direkten Instruktion, welches vor allem im schulischen Kontext Verwendung fand. Sein Explicit Teaching Model umfasst 10 Prinzipien, nach denen Lernumgebungen aufgebaut werden sollten (siehe Rosenshine, 1987, 2012). (1) Zu Beginn einer jeder Lerneinheit oder eines jeden Moduls in einem E-Learning Kurs sollten Lernende die Inhalte der letzten Lerneinheit reflektieren. In Präsenzveranstaltung ist dies einfach umzusetzen, beispielsweise, indem die Lehrkraft in den ersten Minuten der Veranstaltung die vergangenen Inhalte moderierend bespricht. In E-Learning Kursen gibt es hingegen selten eine Möglichkeit, die Inhalte synchron zu besprechen. Es ist allerdings durchaus möglich, Lernende in E-Learning Kursen zu bitten, die Lerninhalte zu reflektieren und diese Reflexion durch Mentoren bewerten zu lassen (siehe Constructive Alignment weshalb dies notwendig wäre). Ebenso kann jedes neue Modul mit Fragen zum vorherigen Modul beginnen (z.B. durch kurze Multiple-Choice Fragen beispielsweise). Eine Herausforderung für E-Learning Entwickler liegt allerdings darin, dass zwischen der Wiederholung und der ersten Lernphase Zeit verstreichen sollte. Wir wissen beispielsweise, dass Schlafphasen zwischen Lernepisoden Lernenden helfen, Konzepte nachhaltiger im Gedächtnis zu bewahren (siehe Mattza et al., 2016). Lernende in asynchronen Online-Kursen können diese Lernmöglichkeit verstreichen lassen, indem sie die Wiederholung eines Moduls direkt nach dem Ende des vorherigen Moduls bearbeiten. Dann ist die Wiederholung keine Wiederholung mehr. Ich sehe zwei Möglichkeiten damit umzugehen. Erstens, wir erklären den Lernenden ausführlich, weshalb sie Zeit zwischen den Modulen verstreichen sollten. Zweitens, wir schalten Module erst nach einer gewissen Zeit online. Dies kann allerdings in Kursen problematisch sein, in denen wir Lernenden Freiheiten in der Nutzung des Kurses geben möchten. (2) Das zweite Prinzip besagt, dass Lernende neue Informationen durch prägnante Präsentationen erhalten sollten (siehe Mayer & Moreno, 2010). Dieses Prinzip trägt der beschränkten Aufmerksamkeitskapazität der Lernenden Rechnung und stellt sicher, dass die neuen Lerninhalte nicht zu komplex werden. In E-Learning Kursen sind instruktionale Videos prädestiniert für dieses Prinzip. (3) Das dritte Prinzip besagt, dass Lernende genug Möglichkeiten erhalten sollten, die Inhalte dieser Präsentationen zu üben. Übungen umfassen nicht nur Multiple-Choice Fragen, sondern ebenso offene Fragen, Peer-Aufgaben, angeleitete Lösungsbeispiele als auch Fragen von der Lehrkraft. Genügend Möglichkeiten bedeutet, dass Lernende die Lerninhalte soweit geübt haben sollten, dass sie die Übungen mit einer hohen Erfolgsquote durchführen können. Genau an dieser Stelle machen viele E-Learning Kurse einen dürftigen Job. Meist erhalten Lernende kurze Videosequenzen und lösen anschließend eine oder ein paar Multiple-Choice Fragen. Dies ist zu wenig, um das Wissen hinreichend zu festigen. In der Folge wird der Lernstoff für Lernende in E-Learning Kursen über die Dauer des Kurses zu komplex. Um zudem sicher zu stellen, dass Lernende die Übungen machen, sollten wir sie in die Bewertung des Kurses einfließen lassen, ansonsten stellen wir kein Constructive Alignment her. (4) Übungen sind hilfreich, allerdings nicht immer effizient, da Lernende nicht immer die kognitiven Voraussetzungen haben, Übungen zu lösen. Rosenshine schlägt daher im vierten Schritt vor, dass Lehrende die Lösungen von Übungen modellieren sollten. In einem mathematischem E-Learning Kurs beispielsweise könnte eine Lehrkraft den Lösungsweg einer Aufgabe in einem Video vorzeigen, ohne, dass die Lernenden die Aufgaben eigenständig lösen. Die Rolle der Lernenden ist es, die Schritte zu beobachten. Der Vorteil von solchen ausgearbeiteten Lösungsbeispielen ist, dass sie effizient sind, indem die Lernenden ihre begrenzten geistigen Ressourcen auf die zentralen Elemente der Übung richten können (siehe auch Atkinson et al., 2000). (5) Ausgearbeitete Lösungsbeispiele sind dann besonders wirksam, wenn Lernende die Prinzipien der vorgestellten Beispiele an weiteren Beispielen selbst lösen. In E-Learning Umgebungen sollte daher zu jedem ausgearbeiteten Lösungsbeispiele genügend Übungen gegeben werden, damit sich die Fähigkeiten automatisieren. Lernende müssen zudem wissen, ob ihr Wissen akkurat ist und ob sie Fehlkonzepte haben. Feedback ist daher wichtig. Rosenshine denkt bei diesem Prinzip stark an das Präsenzformat, in welchem Lehrkräfte Lernenden häufig Fragen zu einer Übung stellen können. In E-Learning Kursen muss man meist eine abgespeckte Version dessen umsetzen, es funktioniert aber dennoch. Viele Lernmanagementsysteme erlauben es beispielsweise Fragen innerhalb von Videos einzubetten. (6) Wenn Lernende ihr Wissen durch Übungen oder Fragen veräußern, fangen Lehrkräfte meistens damit etwas an. Beispielsweise vertiefen sie einen Teil der Erklärung oder ändern die Übungen auf Grundlage des Wissens der Lernenden. Sprich, sie reagieren adaptiv auf die Antworten der Lernenden. Adaption ist allerdings eine große Herausforderung in den meisten E-Learning Kursen, da sie eine gute Diagnostik des Wissensstands der Lernenden verlangen und voraussetzen, dass das System die richtigen Übungen auf Grundlage dieser Diagnose auswählt. Der schiere Aufwand dieses Prinzips in E-Learning Kursen führt dazu, dass es kaum umgesetzt wird. Größere E-Learning Produkte wie die KhanAcademy haben allerdings die Möglichkeit durch Methoden des maschinellen Lernens adaptiv auf die Kenntnisse der Lernenden zu reagieren. In diesem Artikel beispielsweise stellt der ehemalige Mitarbeiter David Hu vor, wie die KhanAcademy logistische Regressionen verwendet hat, um heraus zu finden, ob eine Lernende eine bestimmte Art von Übung verstanden hat. Eine weitere Möglichkeit neben der Adaption ist die Verwendung von synchronen Veranstaltungen in E-Learning Kursen. Für die meisten MOOCs ist dies allerdings selten eine sinnvolle Option, da Lernende aus verschiedenen Zeitzonen teilnehmen. (7) Der siebte Schritt besagt, dass Lernende eine hohe Erfolgsquote in der Lösung der Lernaufgaben haben sollten. Eine hohe Erfolgsquote stärkt die Selbstwirksamkeit von Lernenden (siehe Bandura, 2010), welche entscheidend für das weitere Interesse an einem Thema ist. Beispielsweise ist dieses Prinzip sehr erfolgreich im Kurs The Analytics Edge von edX umgesetzt worden. In diesem Kurs erhalten Lernende zu Beginn des Kurses viele Aufgaben zu der Programmiersprache R. Die Aufgaben sind so konzipiert, dass sie eine hohe Erfolgsquote herstellen und Lernenden das Gefühl geben, R zu beherrschen. Im besten Fall liegt die Erfolgsquote bei etwa 80%. Bei dieser Quote sind die Lernende in der Lage die meisten Aufgaben zu lösen, allerdings sind die Aufgaben hinreichend komplex, so dass sie eine Herausforderung darstellen. Eine gute Möglichkeit die Erfolgsquote in E-Learning Kursen herzustellen ist die Aufteilung der Instruktion in kleine Stücke. (8) Im achten Schritt verlangt Rosenshine, dass die Lehrkraft Lernende bei der Lösung komplexer Übungen unterstützt. Nicht immer möchten wir Lernenden kurze Aufgaben (oder atomistische Aufgaben wie wir sie später nennen werden) geben. Wir möchten sie in die Lage versetzen, auch komplexe Aufgaben zu lösen, deren Lösung Stunden bis Wochen benötigen. Dies lässt sich in E-Learning Kursen beispielsweise umzusetzen, indem Lernende nur Teilaufgaben eines komplexen Problems erhalten. Für Rosenshine können wir Lernende daher nur in die Lage versetzen, diese komplexen Aufgaben zu lösen, wenn sie von den Lehrkräften ein Gerüst bekommen. Der Kurs CS5 von edX beispielsweise setzt diese Idee gut um, indem Lernende nur einen Teil von komplexeren Programmieraufgaben lösen müssen (z.B., indem ein Teil des Codes bereits vorgegeben wird). Tatsächlich mangelt es vielen E-Learning Kursen nicht nur an der Unterstützung komplexer Aufgaben, sondern an den komplexen Aufgaben selbst. Wir werden gleich sehen, dass manche MOOC Anbieter zu einem didaktischen Modell gewechselt sind, bei welchem Kurse der direkten Instruktion mit projektbasierten Lernumgebungen kombiniert werden. Komplexe Aufgaben werden in diesem Modell aus der direkten Instruktion ausgelagert und von dem projektbasierten Teil übernommen. (9) In diesen Projekten vertiefen die Lernenden die Lerninhalte meist eigenständig, ohne Anleitung der Lehrkraft. Udacity setzt dieses Prinzip beispielsweise mit seinen Nanodegrees um. Warum sollen Lernende selbstständig lernen, dass Wissen anzuwenden? Damit dieses Wissen automatisiert wird. Jede Lernumgebung steht vor dem Problem der Frage, wie viel Unterstützung Lernenden gegeben werden sollte. Dieses Assistance Dilemma (siehe Koedinger et al., 2008) ist ein viel diskutiertes Problem in der Lehr- und Lernforschung. Sicher ist allerdings, dass an einer Stelle der Entwicklung von Fertigkeiten Lernende befähigt werden sollten, diese Fähigkeiten ohne Anleitung umsetzen zu können. Ein beliebter Weg dorthin ist die sukzessive Abnahme der Unterstützung, beispielsweise im 4C/ID Modell (siehe van Merriënboer, Clark, & de Croock, 2002). In E-Learning Kursen wird dieses Problem häufig gelöst, indem Lernende sukzessive komplexere Probleme lösen. Hierdurch werden Lernende dabei unterstützt, selbstregulierter zu lernen, bis sie schließlich keine explizite Anleitung von Lehrenden mehr benötigen. (10) Zuletzt schlägt Rosenshine vor, dass die Lerninhalte wöchentlich und monatlich wiederholt werden. Dieses Prinzip wird allerdings nur sehr selten in E-Learning Umgebungen umgesetzt, da diese in der Regel von kürzerer Dauer sind.

Nine Events of Instruction

Ein weiteres beliebtes Modell der direkten Instruktion sind die Nine Events of Instruction von Gagne (1985). Gagné prägte die Schule des Instructional Design, welches in den USA entwickelt wurde und Lehre als klar formulierten Prozess betrachtete. Gagnés Modell der Nine Events of Instruction umfasst neun dieser Schritte, welche sich teils mit dem Explicit Teaching Model von Rosenshine überlappen. Zu Beginn einer jeden Lernumgebung soll die Aufmerksamkeit der Lernenden geweckt werden. Die zu Grunde liegende Idee ist, dass Lernende erst etwas lernen können, wenn sie ihre Aufmerksamkeit auf den Lernstoff richten. Im zweiten Schritt präsentieren die Lehrenden die Ziele der jeweiligen Lerneinheit. Dieses Prinzip wird mittlerweile in fast jedem E-Learning Kurs umgesetzt, indem Lernende gleich zu Beginn sehen, was sie aus einem Kurs mitnehmen werden (z.B. Premiere Pro CC for Beginners von Udemy). Zu wissen, was in einem Kurs gelernt wird, hilft Lernenden sich selbst zu regulieren, indem sie auf diese Ziele hinarbeiten können. An dieser Stelle ist es erneut wichtig zu betonen, dass die Perspektive der Lernenden stärker an den Prüfungsmethoden hängt als an den Zielen einer Lerneinheit. Als EntwicklerIn sollte man sich daher nicht der Illusion ergeben, dass Lernende den Lernzielen einer Lerneinheit verschreiben. Im dritten Schritt verlangt Gagné, dass Lernende ihr Vorwissen explizit machen sollen. Im E-Learning wird dieses Prinzip weniger häufig verwendet. Beispiele wie der Kurs The Science of Everyday Thinking von edX hingegen, setzen dieses Prinzip um, indem Lernende gebeten werden zu bestimmten Fragen eine Einschätzung zu geben, die ihr Vorwissen ansprechen. In dem Modul How to you study beispielsweise werden Lernenden gefragt, ob sie ihr Lernen zeitlich verteilen oder eher massiert lernen ("I spread out my study activities over time before an exam"). Im fünften Schritt wird den Lernenden das neue Lernmaterial präsentiert. Im E-Learning geschieht dies meist durch instruktionale Videos. Anschließend sollen die Lernenden Lernaufgaben zu dem Lernmaterial lösen und werden dabei unterstützt. In diesen beiden Punkten unterscheidet sich das Modell von Gagné nicht von dem Modell von Rosenshine. Ebenso sollen Lernenden Feedback über diese Lernaufgaben erhalten und eine Leistungsrückmeldung erhalten, damit sie mögliche Misskonzepte und fehlendes Wissen kennen. Der letzte Punkt verlangt den Transfer und die Konsolidierung des Lernstoffs. Auch in diesem Punkt gibt es starke Überschneidungen zu Rosenshine.

Forschungsbefunde zur direkten Instruktion

Die Effektivität direkter Instruktion wird häufig verkannt, da sie mit anderen instruktionalen Modellen verwechselt wird (z.B. Vorlesungen). Dabei ist die Evidenzlage für die Wirksamkeit der direkten Instruktion außerordentlich stark. Direkte Instruktion ist ein wirksames instruktionales Modelle zur Vermittlung konzeptuellen Wissens. In einer umfassenden Meta-Analyse konnten Stockard et al. (2018) beispielsweise durchweg positive Effekte der direkten Instruktion zeigen (d = 0.54). Die Meta-Analyse umfasste 328 Studien mit insgesamt 4000 Effekten aus den Jahren 1966 bis 2016. Unabängig der Domäne, den Maßen der Testung, der Fähigkeit der Lernenden und Vergleichsgruppen, lernten Lernende, die direkt instruiert wurden, besser als Lernende, die nicht direkt instruiert wurden. Stockard et al. fassen diese Ergebnisse wie folgt zusammen: "Our results support earlier reviews of the DI effectiveness literature. The estimated effects were consistently positive. Most estimates would be considered medium to large using the criteria generally used in the psychological literature and substantially larger than the criterion of .25 typically used in education research (Tallmadge, 1977). Using the criteria recently suggested by Lipsey et al. (2012), 6 of the 10 baseline estimates and 8 of the 10 adjusted estimates in the reduced models would be considered huge. All but one of the remaining six estimates would be considered large. Only 1 of the 20 estimates, although positive, might be seen as educationally insignificant" (S. 22). Einschränkend muss gesagt werden, dass die Effekte für Prozeduren wie beispielsweise das Fahrradfahren kleiner waren. Dieser Befund macht Sinn, da die direkte Instruktion in erster Line für die Bildung konzeptuellen Wissens entwickelt wurde. Eine weitere Evidenz für die Wirksamkeit der direkten Instruktion stammt aus dem Projekt Follow Through. Follow Through war ein amerikanisches Bildungsprojekt, welches in den 60er und 70er Jahren durchgeführt wurde. Ziel des Projektes war es, herauszufinden, wie benachteiligte SchülerInnen am besten in ihrem Bildungsweg unterstützt werden können. In einem Teilprojekt wurde untersucht, inwieweit direkte Instruktion den Bildungsweg dieser SchülerInnen fördern kann. Es zeigte sich, dass SchülerInnen, die direkt instruiert wurden, sowohl höhere Schulabschlüsse erhielten, weniger die Schule abbrachen als auch häufiger in das College aufgenommen wurden (siehe Meyer, Gersten, & Gutkin, 1983). Die SchülerInnen erhielten ein direktes Instruktionsmodell nach Engelmann (siehe Magliaro, Lockee, & Burton, 2005). In diesem Modell wurden neue Konzepte auf Basis des Vorwissens eingeführt. Neue Inhalte wurden durch kurze Präsentationen und Demonstrationen vorgezeigt, indem immer nur ein Konzept erklärt wurde. Dass direkte Instruktion nicht immer und für alle Lernenden vorteilhaft sein muss, konnten Zohar und Aharon-Kravetsky (2005) zeigen. Sie verglichen zwei Instruktionsmodelle miteinander: Die direkte Instruktion mit einem Modell des Cognitive Conflict. Cognitive Conflict zeichnet sich dadurch aus, dass Lernenden ein Konflikt präsentiert wird, welches sie mit ihrem Vorwissen nicht vereinbaren können. Diese Idee geht auf Piaget zurück, welcher Lernen als Akkommodation verstand. Akkommodation bedeutet, dass man bestehende Wissensstrukturen verändern muss, um neues Wissen zu erlangen. Beispielsweise haben Lernende oft ein Konflikt mit ihrem intuitiven Wissen über Physik und akademisch theoretischen Modellen der Physik. Zohar und Aarhon-Kravetsky konnten zeigen, dass Lernende mit wenig Vorwissen von der direkten Instruktion profitierten, während Lernende mit viel Vorwissen von der Methode des kognitiven Konfliktes profitierten. Die Erklärung ist, dass Lernenden ohne Vorwissen, eine starke Strukturierung benötigen, welche sie mit ihrem fehlenden Vorwissen nicht selbst herstellen können (siehe auch Kirschner, Sweller, & Clark, 2010). Dieser Interaktionseffekt zeigt, dass nicht unbedingt alle Lernende von direkter Instruktion profitiert. Der Effekt unterstreicht die Tatsache, dass eine strukturierte Anleitung insbesondere für Lernende mit wenig Vorwissen wichtig ist.

Zusammenfassung direkte Instruktion

Direkte Instruktion hat trotz dieser guten Befundlage einen ramponierten Ruf. Ihr wird häufig nachgesagt, dass sie passives Lernen fördert. Dies ist allerdings ein Trugschluss, da die direkte Instruktion häufig mit anderen Modellen verwechselt wird, welche weitaus weniger didaktisch sind. Vorlesungen beispielsweise sind keine Form der direkten Instruktion. Sie informieren Lernenden häufig nicht über die intendierten Lernziele, haben keinen modularen Aufbau und geben den Lernenden nicht immer genug Übungsmöglichkeiten sowie Feedback. All dies sind zentrale Elemente der direkten Instruktion. Und die Befundlage dieser Modelle ist deutlich: Direkte Instruktion ist eine wirksame Methode zur Vermittlung konzeptuellen Wissens. Sie ist allerdings nur wirksam, sofern sie konsequent umgesetzt wird. Eine konsequente Umsetzung verlangt von Lehrenden eine umfangreiche Vorarbeit und Zeit. E-Learning EntwicklerInnen sollten sich daher bewusst sein, dass direkte Instruktion nicht bedeutet, dass Lerninhalte in einer digitalen Lernumgebung abgelegt werden und sich Lernende den Sinn darauf erschließen (siehe auch Knowledge Telling nach Scardamalia & Bereiter, 1987]). Direkte Instruktion erfordert eine äußerst detaillierte Ausarbeitung von Lernaufgaben, ausgearbeiteten Lösungsbeispielen, Prüfungsmethoden und instruktionalen Videos. Sind diese Elemente hingegen detailliert ausgearbeitet, hat man als E-Learning EntwicklerIn ein äußerst lernwirksames Lernprodukt umgesetzt.

Projektbasiertes Lernen

Projekte sind das Gegenstück zur direkten Instruktion. In Projekten müssen Lernende eigenständig agieren, Probleme zur Erstellung eines Projektes lösen, und selbst-reguliert recherchieren (für eine weitere Einführung siehe dieses Video und dieses Video). Projekte eignen sich daher als instruktionales Modell, sobald Lernenden über Vorwissen über ein Themengebiet verfügen. Haben Lernende nicht genügend Vorwissen, werden sie nicht von der Umsetzung von Projekten profitieren, da sie von der Vielzahl der Möglichkeiten zur Umsetzung eines Projektes überfordert wären. Aus diesem Grund bedienen sich sehr viele E-Learning Anbieter folgendem didaktischem Doppeldecker: Erst werden Fachinhalte durch direkte Instruktion vermittelt und anschließend entwickeln die Lernenden eigenständig Projekte, welche auf diesen Fachinhalten aufbauen (siehe Nanodegrees bei Udacity). Projekte im E-Learning sind eine besondere Form des projektbasierten Lernens, da projektbasiertes Lernen ursprünglich als kollaboratives instruktionales Designmodell gedacht war, in der Lernende in Kleingruppen Projekte umsetzen. Dieser Gedanke der Kollaboration besteht immer noch in E-Learning Produkten, nur, dass die Kollaboration nicht in der gemeinsamen Erstellung eines Produktes liegt, sondern in dem Austausch von Lösungsmöglichkeiten zur Umsetzung der Projekte. Beispielsweise hat Udacity für seine Nanodegress ein sogenanntes Knowledge Hub (eine Art von Forum) entwickelt, in welchem sich Lernende austauschen können.

Projektbasiertes Lernen hat einen fundamental anderen Aufbau als die direkte Instruktion (siehe Kokotsaki, Menzies, & Wiggins, 2016, für einen umfassenden Überblick). Zunächst ist projektbasiertes Lernen durch Autonomie der Lernenden charakterisiert. Im Unterschied zur direkten Instruktion hat die Lehrperson keine direkt anleitende Rolle, sondern fungiert als Begleiter im Lernprozess. Projektbasiertes Lernen ist zudem kollaborativ, indem Lernende gemeinsam an der Erstellung eines Produktes arbeiten. Dieses Produkt soll immer an einen konkreten Kontext gebunden sein, in welchem Lernende später agieren sollen. Wenn beispielsweise Kommunikationsstrategien der Konfliktlösung gelernt werden sollen, sollten Projekte konkrete Szenarien ansprechen, in denen diese Kommunikationsstrategien angewendet werden. In diesem Sinne verfolgt projektbasiertes Lernen einen Constructive Alignment Ansatz, indem die Lernaufgaben sehr stark an die intendierten Lernziele gekoppelt sind. Das Projekt kann nur umgesetzt werden, wenn Lernende ihr Wissen untereinander tauschen. Dieses Prinzip wird auch als Borrowing and Reorganising Principle benannt und besagt, dass wir das meiste Wissen durch den Austausch mit anderen Menschen erlangen (siehe Sweller, 2019). Projektbasiertes Lernen bedeutet allerdings nicht, dass Lernende allein gelassen werden, Projekte umzusetzen. Dies wäre nicht lernförderlich (Mayer, 2004). Im projektbasierten Lernen erhalten Lernende immer noch Unterstützung, jedoch nicht mehr in der Form direkter Instruktion, sondern in der Form von Ressourcen und Hilfestellungen zur Umsetzung der Projekte.

Es gibt sowohl didaktische als auch berufliche Gründe, projektbasiertes Lernen im E-Learning einzusetzen. Der berufliche Grund ist meist, dass Lernende nach einem E-Learning Kurs ein Projekt entwickelt haben, welches sie zukünftigen ArbeitgeberInnen vorzeigen können. Jedes Projekt kann später zu einem Portfolio zusammen gefügt werden. Da die Lernenden dieses Projekt eigenständig angefertigt haben, zeigt es den ArbeitgeberInnen, welche Fähigkeiten die potentiellen Arbeitnehmer haben und dienen damit als Einstellungskriterium. Udacity beispielsweise ist grundlegend auf dieses Ziel ausgerichtet. Der didaktische Grund klingt bereits in dem beruflichen Grund an. Von projektbasiertem Lernen wird sich der Transfer in die Praxis erhofft. Indem Lernende an authentischen und realen Projekten arbeiten, bereiten projektbasierte Lernumgebungen die Lernenden auf diejenigen Aufgaben vor, die ihnen außerhalb formaler Lernumgebungen gestellt werden. Wer beispielsweise WebentwicklerIn werden möchte, wird am besten auf diesen Job vorbereitet, indem er oder sie Webseiten als Projekte anfertigt. Wer SchreinerIn werden möchte, wird am besten auf diesen Job vorbereitet, indem er oder sie Schreinereiprodukte entwickelt. Projektbasiertes Lernen hat daher seine Wurzeln ebenso in der klassischen Meisterlehre, in der die Gesellen am Ende der Ausbildung ihr Können anhand eines komplexen Projektes zeigen. Dieses Artefakt ist ein Beweis dafür, dass eine Person die für eine Gemeinschaft wichtigen Fertigkeiten beherrscht. Die Firma Udacity, welche sehr umfassend auf projektbasiertes Lernen setzt, kollaboriert beispielsweise sehr eng mit Firmen, um Projekte zu entwickeln. Im Austausch mit Firmen entwickelt Udacity Projekte, welche die Lernenden auf diejenigen Arbeiten vorbereiten, die später in ihrem Beruf verlangt werden. Hierdurch wird ein sehr enges Alignment zwischen den Zielen und den Lernaktivitäten geschaffen. Durch dieses Alignment sind Firmen später überzeugt, dass BewerberInnen, die diese Programme durchlaufen haben, das nötige Wissen mitbringen, die an sie gestellten Aufgaben ausführen zu können (ein ähnliches Ziel hat die 42 school).

Aufbau projektbasierten Lernens

Im Zentrum des projektbasierten Lernens stehen selbstredend Projekte (weitere Informationen Merrill, 2002). Projekte sind ganzheitlich, das bedeutet, sie befassen sich mit allen Facetten, die nötig sind, ein Projekt umzusetzen. Eine Schreinerin beispielsweise macht ihre Gesellenprüfung nicht, indem sie nur einen Teil eines Tisches schreinert. Sie wird den ganzen Tisch umsetzen müssen. In einem Projekt in einem E-Learning Kurs gilt das gleiche. In einem E-Learning Kurs, in welchem Lernende ein Essay als Produkt schreiben sollen, genügt es nicht, lediglich die Literaturrecherche umzusetzen. Am Ende muss ein ganzheitliches Produkt stehen, in dem die Lernenden gezeigt haben, dass sie Literatur recherchieren, einen Text logisch strukturieren, fehlerfrei schreiben und eine zentrale Frage beantworten können.

Ein Problem genügt dabei meistens nicht. Projektbasiertes Lernen zeichnet sich dadurch aus, dass Lernende mehrere Projekte umsetzen, die stetig komplexer werden. Diese Progression von einfachen zu komplexen Projekten ist notwendig, um die Autonomie der Lernenden zu fördern; schließlich sollen sie am Ende die Projekte eigenständig ausführen können. Das erste Projekt kann ein ausgearbeitetes Lösungsbeispiel sein, in welchem Lernende noch angeleitet werden. Mit jedem Projekt sollte allerdings die didaktische Unterstützung abnehmen, bis Lernenden gar keine Unterstützung mehr erhalten.

Projekte sollte zudem unterschiedlich sein. Variabel bedeutet, dass die Projekte unterschiedliche Fähigkeiten fördern sollen und in unterschiedlichen Kontexten umgesetzt werden. Genauso wie eine Schreinerin Tische für verschiedene KlientInnen als auch verschiedene Möbelstücke konzipieren soll, sollen ProgrammiererInnen verschiedene Programme mit unterschiedlichen Bedarfsanforderungen umsetzen. Dieses Prinzip der Variation wurde insbesondere von Bjork und Bjork (2011) geprägt, welche von erwünschenswerten Schwierigkeiten sprechen. Schwierigkeiten sind erwünschenswert, sofern sie zwar schwierig sind, allerdings auf lange Sicht Lernen fördern.

In projektbasierten Lernumgebungen erhalten Lernende allerdings nicht keine Unterstützung. Lehrende haben eher eine begleitende Rolle, indem sie versuchen, die Lernenden in der Umsetzung der Projekte zu unterstützen. Dies können sie auf unterschiedliche Wege tun (Kokotsaki, Menzies, & Wiggins, 2016, für einen umfassenden Überblick). Zum einen müssen Lehrende Projekte überhaupt erst vorschlagen. Die Wahl der Projekte ist bereits herausfordernd, da sie mit Sicht auf den aktuellen Kenntnisstand der Lernenden gewählt werden sollten. Zu komplexe Projekte frustrieren die Lernenden, zu einfache demotivieren sie. Eine Möglichkeit, dieses Problem zu lösen, ist es, den Lernenden die Auswahl der Projekte zu überlassen. Sogenannte Capstone Projects werden häufig in E-Learning Kursen angeboten und werden am Ende einer Online-Weiterbildung umgesetzt. Diese Capstone Projects können mit einer Meisterprüfung verglichen werden. Die Umsetzung der Projekte sollte zudem durch bereitgestellte Ressourcen vereinfacht werden. Auf dem Weg zur Umsetzung werden Lernende immer wieder auf unüberwindliche Probleme stoßen, die sie lösen müssen. Ressourcen können einerseits von Lehrenden durch Literatur und Weblinks bereit gestellt werden. Ganz entscheidend ist allerdings, dass die Lernenden die nötigen Voraussetzungen mitbringen, die Projekte umzusetzen. Sie müssen das nötige deklarative Wissen erworben haben, bevor sie sich an die Projekte machen. Andererseits können die anderen Lernenden selbst als Ressource dienen, beispielsweise, indem sie sich in Chatforen gegenseitig unterstützen. Hierbei ist wichtig, dass alle Lernende die gleichen Probleme lösen und ebenso unter einem leichten Zeitdruck stehen, um den Anreiz zu haben, sich gemeinsam zu helfen. Diese Gruppen sollten sich nicht überlassen werden. Im besten Fall agiert eine Lehrperson als ModeratorIn und schafft ein Klima gegenseitiger Unterstützung. Zuletzt ist es äußerst wichtig, für Lernende transparent zu machen, was ein gutes Projekt bedeutet. Bewertungsschema sollten daher gleich zu Beginn der Projekte definiert und den Lernenden kommuniziert werden (Beispiele für Bewertungsschema findest du hier, hier und hier). Bewertungsschema dienen nicht nur der Ermittlung des Kenntnisstandes von Lernenden, sondern sind ebenso ein starkes Feedbackinstrument. Erneut wird dieses Prinzip in den Nanodegrees von Udacity gut umgesetzt. Dort erhalten Lernende nach jedem Projekt innerhalb von 24 Stunden Rückmeldung über die Qualität ihrer Projekte. Jede Rückmeldung umfasst Vorschläge, wie Projekte verbessert werden können.

Forschungslage projektbasierten Lernens

Bisher wurden nicht viele Meta-Analysen und Reviews zur Effektivität von projektbasiertem Lernen geschrieben (Guo et al, 2020). Einer dieser Reviews wurde von Kokatsaki, Menzies und Wiggins (2016) geschrieben. Die meisten Studien, welche von den Autoren zusammen getragen wurden, waren quasi-experimentell, das bedeutet, ProbandenInnen wurden in diesen Studien nicht willkürlich auf Versuchsgruppen zugeordnet, sondern es wurden bestehende natürliche Gruppen miteinander verglichen (beispielsweise Männer und Frauen oder SchülerInnen von Werksrealschulen und Gymnasien). Für die Untersuchung der Effektivität einer didaktischen Maßnahme ist dies problematisch, da quasi-experimentelle Studien keinen kausalen Rückschluss auf die didaktische Methode erlauben. Dieses Review macht daher deutlich, dass im Jahr 2016 die Faktenlage zur Wirksamkeit projektbasierten Lernens mangelhaft war.

Einen ersten umfassenden Befund zur Wirksamkeit lieferten Chen und Yang (2019) in einer Meta-Analyse. In dieser Meta-Analyse untersuchten die Autoren die Effektivität des projektbasierten Lernens auf dem Hintergrund von Studien aus den letzten 20 Jahren. Insgesamt fanden die Autoren einen mittleren bis großen Effekt des projektbasierten Lernens für Fähigkeiten von Lernenden (d = 0.71). Die Effekte waren stärker für Projekte im Bereich der Sozialwissenschaften als Projekte im Bereich der Naturwissenschaften. Die Meta-Analyse weist darauf hin, dass projektbasiertes Lernen ein lernwirksames instruktionales Modell für die Vermittlung von Fähigkeiten sein kann. Zu sicher sollten wir uns allerdings nicht sein, da es noch wenige Meta-Analyse gibt (Meta-Analysen kommen nicht immer auf die gleichen Ergebnisse).

Zusammenfassung

Dennoch, projektbasiertes Lernen wird im E-Learning sehr häufig eingesetzt und ist ein lernwirksames Instrument, um Fähigkeiten zu erlernen. Es muss jedoch die zentralen Gestaltungsempfehlungen umsetzen. Lernende sollen vielfältige Projekte erhalten, die sukzessive in ihrer Schwierigkeit variieren. Zudem müssen Lernenden genügend Ressourcen bereitgestellt werden, diese Projekte umzusetzen. In der Kombination mit einer gut ausgestalteten Lernumgebung der direkten Instruktion können sich beide instruktionale Modelle ergänzen und sowohl Fachwissen als auch Fertigkeiten vermitteln.

Problembasiertes Lernen

Wie viele geflüchtete Menschen sollte man in ein Land lassen? Welche Krankheit hat eine Patientin, wenn sie trockenen Husten, eine triefende Nase und einen verspannten Rücken hat? Ist konservatives Denken amoralischer als liberales Denken? Die Antwort auf jede dieser Fragen kann in Gruppen zu ausufernden Diskussionen führen. Warum? Da sie keine eindeutige Antwort erlauben. Probleme eignen sich daher außerordentlich gut, Lernende aktiv in den Lernprozess einzubinden. Ein Beispiel: Schau dir folgendes Problem an, welches in dem Kurs Justice von edX den Lernenden gestellt wird: Im Jahr 1884 kenterte vier englische Segler in der Nähe des Kap der Guten Hoffnung mit ihrem Schiff (der ganze Fallbericht findet sich hier). Sie konnten sich in ein Rettungsboot retten. Unter den vier Gestrandeten war Richard Parker, der 17-jährige Schiffsjunge. Die ersten 18 Tage konnten sie sich mit Essensresten und einer gefangenen Schildkröte am Leben halten. Ab Tag 18 wurde Parker krank, da er unter anderem Seewasser getrunken hat. Am Tag 20 entschied sich Dudley, einer der anderen drei Personen, Parker zu töten und zu essen, damit zumindest die restlichen Personen überleben können. Parker wurde von Dudley getötet und von den anderen Gestrandeten gegessen. Am 24. Tag wurden die restlichen drei Mitglieder gerettet. Nun, war es moralisch vertretbar, dass Dudley Parker für das Wohl der anderen tötete? Parker war ohnehin bereits krank und die Chance, dass alle ohne Essen überleben, war gering.

Aus verschiedenen Gründen umfasst dieses Problem die Kriterien, welche für ein Problem in einer problembasierten Lernumgebung charakteristisch sind (siehe Savory, 2006). Zunächst gibt es keine einfache Antwort auf das Problem. Probleme sind daher nicht mit Aufgaben zu verwechseln, die häufig durch einen vorbestimmten Lösungsweg gelöst werden können und gar algorithmisch sind. Gibt man dieses Problem verschiedenen Lernenden, werden manche erklären, dass es in Ordnung war Parker zu töten. Andere Lernende werden feststellen, dass die Mitglieder auf dem Boot amoralisch gehandelt haben. In problembasierten Lernumgebungen ist dies in Ordnung, da es immer mehrere Antworten auf ein Problem gibt. Zudem ist das Problem "real". Das bedeutet, das Problem beschreibt ein Szenario in einem ganz bestimmten Kontext, welches im Leben der Lernenden auftreten könnte. Die Lösung eines Problems sollte zudem nicht an eine Domäne gebunden sein. Um den Fall von Richard Parker zu lösen, benötigt man Wissen zur Moraltheorie als auch zur Gesetzestheorie dieser Zeit. Zudem ist es nötig, geografisches Wissen zu haben. Wie würde sich beispielweise deine Einschätzung des Handelns von Dudley ändern, wenn du wüsstest, dass die Schiffsmitglieder die ganze Zeit ein Stück Land am Horizont gesehen hätten?

Es gibt verschiedene Wege, dieses Problem zu lösen. Du könntest dich alleine zu Hause hinsetzen und eine eigene Lösung finden. Du könntest dich mit anderen Lernenden treffen und das Problem diskutieren. Du könntest mit der Lehrkraft zusammensetzen und das Problem besprechen. Tatsächlich ist die Art und Weise, wie ein Problem in einer problembasierten Lernumgebung gelöst wird, definiert. Nach Savory (2006) lösen Lernende ein Problem in einer Kleingruppe; Lehrende sind angehalten, als UnterstützerIn zu fungieren; Lernende sollten das Problem selbstgesteuert lösen und Lernende sollten die Lösung des Problems mit TutorenInnen oder der Lehrkraft reflektieren. Bleiben wir an unserem Beispiel, um diese Kriterien zu verstehen. Zunächst sollte jedes Problem in Kleingruppen gelöst werden. Schau dir beispielsweise an wie die Studierenden dieses Problem im Kurs Justice besprechen. Die Lehrkraft sammelt die Beiträge der Studierenden und ermöglicht, dass verschiedene Meinungen gehört werden. Allerdings findet dieser Austausch in einem Hörsaal statt und weicht daher von dem Kriterium der Kleingruppen ab. Lernende sollten zudem selbstgesteuert arbeiten. Problembasiertes Lernen steht daher im starken Kontrast zur direkten Instruktion, in dem Lernende den Lernprozess stark anleiten. Selbstgesteuert zu arbeiten bedeutet, dass Gruppen Arbeitspakete definieren, Strategien entwickeln, wie das Problem zu lösen ist und sich metakognitiv überwachen, wie weit sie in der Lösung des Problems gekommen sind. Im problembasierten Lernen gibt die Lehrkraft daher keine Hinweise, welche Moraltheorie geeignet ist, den Parker-Fall zu lösen. Genauso wenig beschreibt die Lehrkraft, wie sie zu der Lösung des Problems gekommen ist. Vielmehr werden die Lernende in die Verantwortung genommen, selbst Lösungen für das Problem zu finden und "nebenbei" zentrale Qualifikationen wie die Recherche von Informationen und die Aneignung von Wissen zu erlangen. Ganz ohne Unterstützung sollte es allerdings nicht funktionieren. Da das Problem komplex und real sein sollte, brauchen Lernende immer noch Hilfe von Lehrkräften und TutorenInnen. Ansonsten besteht die Gefahr, dass Lernende viel Zeit mit lernirrelevanten Aktivitäten verbringen und auf willkürliche Suchstrategien zurück greifen (siehe Mayer, 2004). Für diese Unterstützung werden in der Regel TutorenInnen bereit gestellt, welche zentrale Informationen des Problems vermitteln können und für Rückfragen über das Ziel des Problems zur Verfügung stehen (ein Beispiel für die Aufgabe eines/einer TutorIn findest du hier).

Problembasiertes Lernen im E-Learning

Nach dieser Beschreibung klingt es so als wäre problembasiertes Lernen im E-Learning deutlich schwieriger als die direkte Instruktion und das projektbasierte Lernen. In der Tat wurde problembasiertes Lernen ursprünglich im medizinischen Bereich entwickelt (Barrows, 1996). Beispielsweise wurde die in Maastricht die Arztausbildung einer ganzen Universität auf problembasiertes Lernen umgestellt. Die Ausrichtung problembasierten Lernens in der Medizin macht Sinn, schließlich stehen ÄrztInnen tagtäglich vor Problemen, die sie lösen müssen. Jedes Anamnesegespräch stellt ein Problem für ÄrztInnen dar. Im E-Learning Kontext wird problembasiertes Lernen meist nicht in ihrer Reinform umgesetzt. Dies ist in Ordnung, da instruktionale Modelle nicht dogmatisch übernommen werden müssen. Jede E-Learning Umgebung ist eine Mischung bzw. eine abgespeckte Version eines instruktionalen Modells. Nichtsdestotrotz kann problembasiertes Lernen im E-Learning eingesetzt werden.

Zunächst steht die Auswahl des Problems. Dieses ist nicht an ein Medium gebunden. Vielmehr muss das Problem die oben besprochenen Kriterien umfassen und kann sowohl in Präsenzveranstaltungen als auch in Online-Lernumgebungen präsentiert werden. In einer E-Learning Umgebung kann dieses Problem sowohl als Video als auch in textueller Form dargestellt werden. Diese Darstellung ist in einer E-Learning Umgebung gar besser umsetzbar, da Lernenden sowohl der Fall als auch viele Zusatzinformationen zur Verfügung gestellt werden können. Im besten Fall lösen Lernende mehrere Probleme. Jedes Lernmanagementsystem ist in der Lage, Ordner anzulegen, diese Probleme zu unterteilen (siehe diese Webseite für ein Beispiel). Die Gretchenfrage lautet im E-Learning immer: "Wie können Lernende miteinander kollaborieren?". E-Learning Umgebungen wird häufig nachgesagt, dass sie weniger Austausch ermöglichen und daher für Themen, die menschlichen Kontakt erfordern weniger geeignet sind (z.B. Kommunikationskompetenzen). Wie viel Austausch gibt es allerdings in Vorlesungen? Wie viel Austausch gibt es in lehrerzentrierten Seminaren? Wie viel tauscht man sich online mit seinen Freunden über WhatsApp oder Facebook aus? Kurzum: Es gibt genügend Möglichkeiten, einen Austausch auch digital zu ermöglichen. Wer Gruppen erstellen möchte, kann einen Random Group Creator oder den Random Team Generator verwenden. Wer eine Plattform des Austausches für Gruppenteilnehmer bereitstellen möchte, kann Slack oder Teams verwenden. Entscheidend für die Verwendung dieser Tools ist die Frage, inwieweit sie in das Constructive Alignment eingebettet sind. Sobald der Austausch der Gruppenteilnehmer nicht der Lösung des Problems hilft, werden diese Tools nicht benutzt (siehe Perspektive der Lernenden bei Constructive Alignment). Sobald die Bewertung der Lösung des Problems durch kognitiv unanspruchsvolle Multiple-Choice Fragen gebunden ist, werden kollaborative Austauschmöglichkeiten weniger genutzt (Bruch intendierte Lernziele und Prüfungsmethoden). Im Kern bleibt es daher wichtig, Constructive Alignment herzustellen. Der Kontakt zu den Lehrpersonen ist ebenso wichtig in einer E-Learning Umgebung. Am besten sollten Lehrpersonen (auch TutorInnen) schnell erreichbar und präsent sein. Ganz entscheidend für die Umsetzung eines problembasierten Ansatzes bleibt die Art der Prüfungsmethode. Lernende sollten gleich zu Beginn ein ausführliches Bewertungsschema erhalten, welches darstellt, was eine qualitativ gute Lösung des Problems darstellt. Dieses Bewertungsschema wird das Lernverhalten der Lernenden leiten und genauso gut Fragen verursachen, sobald die Kriterien nicht eindeutig definiert sind. Die Aufgabe der Lösung des Problems ist wiederum nicht an das Medium gebunden. Schriftliche Abgaben können sowohl im E-Learning als auch in Präsenzveranstaltungen ermöglicht werden.

Forschungslage des problembasierten Lernens

Die Forschungslage zum problembasierten Lernen ist nicht so breit, wie man es sich wünschen würde. Beispielweise fanden Qin et al. (2016) in ihrer Meta-Analyse nur sechs experimentelle Studien, die die Lernwirksamkeit problembasierten Lernens untersucht haben. Sie verglichen die Bewertung der Lernumgebung von Lernenden, welche entweder problembasierte Lernumgebungen oder klassische Vorlesungen erhielten (siehe Roff, 2005). Sie fanden, dass Lernende problembasierte Lernumgebungen als positiver einstuften als Vorlesungen. Diese Studie sagt allerdings nichts über den Lernerfolg von Lernenden aus. Yew und Goh (2016) berichten in ihrem Review, dass im Vergleich zu traditionellen Vorlesungen problembasierte Lernumgebungen zwar kurzzeitig gleich oder weniger lernwirksam für die Aneignung deklarativen Wissens ist, allerdings die langfristige Behaltensleistung für deklaratives Wissen steigt. Ebenso sind problembasierte Lernumgebungen wirksamer zur Aneignung von Fertigkeiten als traditionelle Vorlesungen. Einschränkend muss man allerdings feststellen, dass diese Studien bisher vor allem im Bereich der Medizin durchgeführt wurden und die Ergebnisse daher keine Allgemeingültigkeit über andere Disziplinen hinaus haben. Eine weitaus größere Meta-Analyse wurde von Walker und Leary (2009) durchgeführt. Insbesondere untersuchten sie die Effektivität problembasierten Lernens auch außerhalb der Medizin. Im Vergleich zu klassischen Vorlesungen lernten Lernende in problembasierten Lernumgebungen nur wenig besser (d = 0.13). Insgesamt muss man daher feststellen, dass die Forschungslage zum problembasierten Lernen weniger umfassend ist als man es sich wünschen würde. Es mangelt vor allem an kontrollierten experimentellen Untersuchungen (siehe auch Wirkala & Kuhn, 2011). Die Beforschung problembasierten Lernens ist zudem kompliziert, da es unterschiedliche Definitionen problembasierten Lernens gibt und daher häufig unterschiedliche didaktische Szenarien miteinander verglichen werden. Im Vergleich zur direkten Instruktion muss man daher feststellen, dass das problembasierte Lernen noch dem Nachweis schuldig ist, welche Qualifikationen mit diesem Lernszenario gelernt werden.

Weitere instruktionale Modelle

Wir haben in diesem Kapitel längst nicht alle IDMs besprochen. Diese vier IDMs geben uns allerdings ein Gerüst, um E-Learning Produkte global beschreiben zu können. Andere IDMs haben ähnliche Elemente und überschneiden sich häufig mit diesen vier. Hier unten siehst du dennoch eine Liste an IDMs, die es noch gibt:

Zusammenfassung

Als E-Learning EntwicklerInnen sollten wir ein paar Werkzeuge in der Hand haben, die es uns ermöglichen E-Learning Kurse didaktisch nach bestimmten Zielen zu gestalten. Die globalste und wichtigste Entscheidung, wie E-Learning Kurse aufgebaut sind, sind instruktionale Modelle. Sie geben uns die Blaupause für die Gestaltung eines Kurses. Instruktionale Modelle müssen nicht dogmatisch umgesetzt werden, sie können vermischt, verkürzt und erweitert werden. Als E-Learning EntwicklerInnen sollten wir allerdings erkennen können, aus welchen instruktionalen Modelle ein Kurs zusammen gesetzt ist. MOOCs beispielsweise bedienen sich mittlerweile sehr stark aus der Kombination der direkten Instruktion mit dem projektbasierten Lernen. E-Learning Agenturen verwenden häufig szenario-basierte Lernumgebungen, um Lernende zu motivieren. Aber auch Elemente des problembasierten Lernens finden sich in Kursen, vor allem Lerninhalten, die keine eindeutigen Antworten versprechen (z.B. moralische Fragen, globale Probleme). Unabhängig davon, welches instruktionale Designmodell umgesetzt ist, bleibt es entscheidend, Constructive Alignment umzusetzen, um sicher zu stellen, dass man die Lernenden zu den Zielen navigiert, die man mit ihnen anstrebt. Mit dem Gerüst aus Constructive Alignment und instruktionalen Modelle hat man den groben Aufbau eines Kurses definiert. Dieser wird häufig in einem sogenannten Grobkonzept festgehalten. Im nächsten Schritt geht es um kleinere didaktische Entscheidungen. Beispielsweise die Verwendung von Erklärungen.

Weiterführende Literatur

Einführende Literatur

Reigeluth, C. M. (1983). Instructional design theories and models: An overview of their current status. Routledge.

Magliaro, S. G., Lockee, B. B., & Burton, J. K. (2005). Direct instruction revisited: A key model for instructional technology. Educational Technology Research and Development, 53(4), 41-55. https://doi.org/10.1007/bf02504684

Fachliteratur

Barron, B. J., Schwartz, D. L., Vye, N. J., Moore, A., Petrosino, A., Zech, L., & Bransford, J. D. (1998). Doing with understanding: Lessons from research on problem-and project-based learning. Journal of the Learning Sciences, 7(3-4), 271-311. https://doi.org/10.1080/10508406.1998.9672056

Chen, C. H., & Yang, Y. C. (2019). Revisiting the effects of project-based learning on students’ academic achievement: A meta-analysis investigating moderators. Educational Research Review, 26, 71-81. https://doi.org/10.1016/j.edurev.2018.11.001

Hmelo-Silver, C. E. (2004). Problem-based learning: What and how do students learn?. Educational Psychology Review, 16(3), 235-266. https://doi.org/10.1023/B:EDPR.0000034022.16470.f3

Schank, R. C., Fano, A., Bell, B., & Jona, M. (1994). The design of goal-based scenarios. The Journal of the Learning Sciences, 3(4), 305-345.

Stockard, J., Wood, T. W., Coughlin, C., & Rasplica Khoury, C. (2018). The effectiveness of direct instruction curricula: A meta-analysis of a half century of research. Review of Educational Research, 88(4), 479-507. https://doi.org/10.3102/0034654317751919