4 Instruktionale Designmodelle

Schließe deine Augen und stelle dir eine Lernsituation vor. Was siehst du? Die meisten Leser werden vermutlich einen geschlossenen Raum sehen. In dem geschlossenen Raum sitzen mehrere Lernende und hören einer Lehrperson zu. Wir sind mit dieser Art an Lehr- und Lernsituationen aufgewachsen. Dieses Lehrmodell ist allerdings nur eines von vielen. Stell dir alternativ vor, wie Lernende in der Meisterlehre lernen. In der Meisterlehre gibt es in der Regel einen Meister / eine Meisterin der oder die dem Lehrling in einer engen Beziehung die zentralen Fähigkeiten eines Handwerks erklärt. In diesem Modell gibt es keine Vorträge, ebenso wenig Hausarbeiten. In diesem Modell beobachten Lernende die Meister und versuchen von diesen Modellen zu lernen. Ein ganz anderes Modell findet man in Spielen. Spiele sind zielgerichtet und das Lernen dient der Erreichung dieser Ziele. Spiele zeichnen sich dadurch aus, dass man selbst Strategien lernen muss, die Ziele am effizientesten zu erreichen: Ohne Dozierende, die einen anleiten.

Solche Modelle nennt man instruktionale Designmodelle. Sie sind die Blaupause, um Lernumgebungen zu gestalten und damit einer der ersten Entscheidungen, die man bei der Konzeption von Lernumgebungen trifft. Im Unterschied zu Lerntheorien beschreiben instruktionale Designmodelle allerdings nicht, wie Lernen von statten geht (Reigeluth, 1999). Vielmehr geben sie uns praktische Hinweise, wie eine Lernumgebung zu konzipieren ist. Wir sprechen in diesem Zusammenhang von präskriptiven Modellen (vorschreibend), im Unterschied zu deskriptiven Modellen (wie beispielsweise Lerntheorien).

Instruktionale Designmodelle sind in der Regel die zweite Entscheidung in der Gestaltung von E-Learning Umgebungen. Nachdem wir die intendierten Lernziele definiert haben, überlegen wir uns, in welchem Lehrmodell diese Ziele am besten umgesetzt werden können. Im E-Learning steht oft das Erlernen von deklarativem Wissen im Vordergrund, daher wählt man häufig instruktionale Designmodelle, welche stark didaktisch angeleitet sind, beispielsweise indem man Lerninhalte in mehrere Module gliedert und diese mit Lernaufgaben anreichert. Ein solches Modell ist allerdings nicht unbedingt das beste Modell, um intendierte Lernziele umzusetzen. Stell dir vor, für dein Produkt steht der Erwerb von Fähigkeiten im Vordergrund (z.B. das Nanodegree Front End Web dEveloper von Udacity). Alignment bedeutet, dass die Lerntätigkeiten zu den intendierten Lernzielen angepasst sind. In diesem Fall sollten Lernende als Lerntätigkeit Fähigkeiten üben anstatt Konzepte und Prozeduren zu lernen. Ebenso ist es notwendig, dass die Prüfungsmethoden testen, inwieweit diese Fähigkeiten erlernt wurden. Für solche Lernziele eigenen sich daher eher problem- oder produktorientierte instruktionale Designmodelle. Gute E-Learning Entwickler wählen daher instruktionale Designmodelle, welche zur Erreichung der intendierten Lernziele beitragen. Schlechte E-Learning Entwickler verharren an einem instruktionalem Designmodell.

Wir werden in diesem Kapitel vier verschiedene instruktionale Designmodelle kennen lernen. Jeder dieser Modelle wird in der Praxis umgesetzt. Das häufigste Modell ist die direkte Instruktion, in denen Lernenden sehr strukturiert angeleitet werden, Konzepte und Prinzipien zu lernen. In den letzten Jahren werden zunehmend Modelle der direkten Instruktion mit projektbasierten Lernen verbunden. In projektbasierten Modellen müssen Lernende ein komplexes Problem selbstreguliert lösen und können dieses als Portfolio verwenden. Unter anderem macht das Portal Udacity starken Gebrauch dieser Kombination. Durch Kurse, welche nach der direkten Instruktion aufgebaut sind, lernen die Lernenden die Konzepte. In Projekten werden später Fähigkeiten zu diesen Konzepten erworben. Ein ähnliches Prinzip verfolgt der Kurs CS50 von edX. In der freien Wirtschaft sind Modelle der Goal-Based Scenarios beliebt. Firmen wie beispielweise imc entwickeln Lernumgebungen in denen Lernende eine konkrete Rolle haben und ein Ziel (daher Goal-Based) verfolgen müssen. Von diesen Modellen wird angenommen, dass sie natürliche menschliche Bedürfnisse erfüllen (z.B., eine Orientierung an Zielen) und daher motivierend sind. Zuletzt lernen wir problembasierte Lernumgebungen kennen. Diese wurden historisch vor allem in der Medizin eingesetzt. In diesen Modelle lösen Kleingruppen kollaborativ Probleme, die zunehmend in ihrer Komplexität steigen.

4.1 Direkte Instruktion

Direkte Instruktion hat einen schlechten Ruf. Ihr wird häufig nachgesagt, dass sie passives Lernen fördert. Dem ist allerdings nicht so, da direkte Instruktion häufig mit einem anderen instruktionalem Designmodell verwechselt wird, welches zwar nicht in der pädagogischen Literatur vorgeschlagen wird, allerdings häufig von unerfahrenen E-Learning Entwicklern umgesetzt wird. Eine Vorlesung beispielsweise ist keine Form der direkten Instruktion. Direkte Instruktion verlangt, dass der Lernstoff in Module und Teile aufgeteilt wird. In Vorlesungen wird meist 90 Minuten ohne Pausen doziert. Die direkte Instruktion setzt voraus, dass den Lernenden die intendierten Lernziele vorgestellt werden. Dozierende in Vorlesungen machen die Ziele meist nicht transparent. Direkte Instruktion lebt von vielen Lernaufgaben, in denen Lernende das gewonnene Wissen festigen können. Vorlesungen leben oft ohne jegliche Form von Lernaufgaben. In der direkten Instruktion erhalten Lernende Feedback über ihren Lernfortschritt. In Vorlesungen wird dies nur selten erreicht. Diese Beispiele sollen genügen zu zeigen, dass direkte Instruktion ein hoch didaktisches instruktionales Designmodell ist, welches Lernende vor allem bei der Aneignung von Wissen anleitet (für eine breitere Einführung siehe Magliaro, Lockee, & Burton, 2005, S. 44). Es gibt mehrere Modelle der direkten Instruktion. Allen umfassen jedoch folgende gerade vorgestellten Merkmale:

  1. Der Lernstoff wird in Teile/Module herunter gebrochen und in einer logischen Reihenfolge angeordnet.
  2. Die Lernziele werden explizit benannt und den Lernenden zurück gespiegelt.
  3. Lernende erhalten die Möglichkeit, das neue Wissen mit ihrem bestehenden Wissen zu verbinden.
  4. Lernende erhalten Übungen, welche der Aneignung des Wissens der einzelnen Teile dienen.
  5. Lernende erhalten zusätzliche Übungen, welche der Festigung diesen Wissens in verschiedenen Kontexten ermöglicht.
  6. Lernende erhalten Feedback über die Übungen.

4.1.1 Didaktische Grundannahmen der direkten Instruktion

Eine zentrale Annahme der direkten Instruktion ist, dass Lernende von stark strukturierten Lernumgebungen profitieren. Diese Annahme gilt insbesondere für Novizen eines Fachs (siehe Kirschner, Sweller, & Clark, 2010). Im Kapitel zu Constructive Alignment hatten wir besprochen, dass die förderlichsten Denkmodelle von Lehrkräften sogenannte Student Models sind, welche sich an der Frage orientieren, was Lernende benötigen, um zu lernen. Die direkte Instruktion ist ein solches Student Model, da es annimmt, dass die Aufnahmefähigkeit für neues Wissen bei Novizen beschränkt ist (siehe Sweller, van Merriënboer, & Paas, 2019), und Lernumgebungen sehr bewusst mit dieser Begrenzung umgehen müssen. Novizen zeichnen sich dadurch aus, dass sie keine mentalen Strukturen haben, durch die sie sich Wissen in einer unbekannten Domäne erschließen können. Ohne eine Anleitung können Lernende daher nicht wissen, welche Elemente in einem Diagramm oder welche Begriffe in einem Text essentiell sind, um zentrale Prinzipien zu lernen. Stell dir beispielsweise vor, eine Lernende ohne Vorwissen über Fliegen soll lernen, wie man eine Boeing fliegt. Die Knopfkombinationen im Cockpit sind für eine solche Lernende unendlich. Sie wird daher willkürliche Suchstrategien verwenden, um zu verstehen, welche Funktion jeder Knopf hat, um schließlich den Flieger zu starten. Eine strukturierte Erklärung wäre für eine solche Lernende deutlich hilfreicher, da ihre Aufmerksamkeit auf die relevanten Elemente des Cockpits gelenkt werden können.

Eine weitere Annahme der direkten Instruktion ist, dass Lernende alles lernen können, sofern sie eine wohl strukturierte Lernumgebung erhalten, die sie an ihrem jeweiligem Wissensstand abholt:

“Direct Instruction builds on the assumption that all students can learn with well-designed instruction. When a student does not learn, it does not mean that something is wrong with the student but, instead, that something is wrong with the instruction. Thus, the theory underlying DI lies in opposition to developmental approaches, constructivism, and theories of learning styles, which assume that students’ ability to learn depends on their developmental stage, their ability to construct or derive understandings, or their own unique approach to learning. Instead, DI assumes all students can learn new material when (a) they have mastered prerequisite knowledge and skills and (b) the instruction is unambiguous. In other words, DI assumes that students are inherently logical beings. Like the constructivist approach, DI assumes that students make inferences from examples that are presented to them. But, unlike constructivism, the theory underlying DI states that learning is most efficient when the examples are carefully chosen and designed. They must be as unambiguous as possible, sequenced to promote the correct inference for learning a new concept, and involve the fewest possible steps to induce learning.” (Stockard et al., 2018, S. 2)

Lernen ist nach dieser Definition ein fragiles Konstrukt. Je eindeutiger und schlüssiger Lernende angeleitet werden, desto besser können sie das was sie schon wissen, mit dem verbinden, was sie lernen sollen. Zentral für diese Annahme ist der sogenannte Mastery-Approach. Mastery bedeutet, dass versucht wird, Lernende so umfassend zu trainieren, dass sie die Lerninhalte in- und auswendig beherrschen. Sobald dieses Mastery Learning erreicht ist, können Lernenden komplexere Dinge lernen und sich damit sukzessive hochkomplexe Fertigkeiten aneignen.

4.1.2 Modelle der direkten Instruktion

Der Begriff direkte Instruktion ist ein Überbegriff für viele verschieden Modelle. Einen Überblick verschiedener Modelle der direkten Instruktion findest du bei Magliaro, Lockee und Burton (2005). Im Folgenden besprechen wir ein paar zentrale Modelle, die häufig verwendet werden.

4.1.2.1 Explicit Teaching Model nach Rosenshine

Barak Rosenshein war ein Professor für Bildungswissenschaft an der Universität Illinois. Bekannt ist er für ein Modell der direkten Instruktion, welches vor allem im schulischen Kontext beliebt geworden ist. In diesem Modell sollen Lehrende bei der Gestaltung von Lernumgebungen 10 Schritte beachten und konsequent umsetzen (siehe Rosenshine, 1987). Lernende, die mit diesem Modell arbeiten, lernen in kleinen Schritten und erhalten nach jedem Schritt hinreichend Übungen, um das Gelernte zu wiederholen. Entscheidend ist, eine hohe Erfolgsrate in den Übungen zu erzeugen, damit Lernende eine hohe Selbstwirksamkeit für die spezifische Domäne aufbauen.

Zu Beginn jeder Lerneinheit werden die Inhalte der letzten Lerneinheit besprochen. Im Bereich des E-Learning wird dies häufig umgesetzt, indem in einem Modul auf die Inhalte des letzten Moduls eingegangen wird (beispielsweise durch ein zusammenfassendes Video). Diese Wiederholungen dienen der Konsolidierung des erworbenen Wissens und sollten regelmäßig durchgeführt werden. Im zweiten Schritte werden die Ziele der aktuellen Lerneinheit vorgestellt und in kurzen Präsentationen erklärt. Dieses Prinzip der Segmentierung von Lerneinheiten findet sich ebenso in anderen Instruktionsmodellen und hat sich als äußerst hilfreich für Lernende erwiesen (siehe Mayer & Moreno, 2010). Nach jeder Präsentation werden den Lernenden Übungen zu den Inhalten der Präsentation gegeben, um diese zu festigen. Erst, wenn Lernende die Übungen erfolgreich umsetzen können, geht die Lehrkraft in die nächste Einheit über. Im dritten Schritt sollte jede Lehrkraft darauf achten, den Lernenden sehr viele Fragen zu stellen und den Lernenden weitere Übungen zu geben, zu denen sie Feedback erhalten. Erneut ist eine hohe Erfolgsquote entscheidend, um das Interesse der Lernenden zu halten. Dies ist ein zentrales Prinzip von E-Learning Produkten, welches häufig vernachlässigt wird. Viele E-Learning Produkte sind überladen mit Formen der Instruktion (z.B. Videos). Als Entwickler eines E-Learning Produktes sollte man daher darauf achten, dass mindestens 30% der Zeit am Lernprodukt mit Lernaufgaben verbracht wird. Die Idee dahinter ist, dass das Betrachten von Inhalten einfach ist, sprich wenig mentale Anstrengung benötigt. Lernaufgaben hingegen erfordern eine erhöhte mentale Anstrengung und sind daher notwendig, um die Inhalte zu konsolidieren. Ganz nach dem Motto: “Television is easy and print is tough” (Salomon, 1984). Übungen sind hilfreich, allerdings nicht immer effizient, da Lernende die Strategien nicht auswendig kennen, Übungen zu lösen. Rosenshine schlägt daher im vierten Schritt vor, dass Lehrende Lernenden ausgearbeitete Lösungsbeispiele präsentieren sollten. In ausgearbeiteten Lösungsbeispiele präsentiert eine Lehrkraft die Lösungsschritte zu einem konkreten Problem. Die Rolle der Lernenden ist es, diese Schritte zu beobachten. Der Vorteil von ausgearbeiteten Lösungsbeispielen ist, dass Lernende effizient lernen, welche Elemente einer Lösungsprozedur wichtig sind und ihre begrenzten Ressourcen damit auf diese zentralen Elemente richten können (siehe auch Atkinson et al., 2000). Ausgearbeitete Lösungsbeispiele sind nur erfolgreich, wenn Lernende die vorgestellten Beispiele selbst lösen. Erst dann konsolidiert sich das Wissen. 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. Als E-Learning Entwickler sollte man daher Lernenden häufig Feedback zu ihren Leistungen geben. Technisch ist dies nicht immer einfach zu realisieren, allerdings kann man bei geschlossenen Multiple-Choice Aufgaben relativ einfach korrektives Feedback implementieren (z.B. richtig/falsch mit einer Erklärung dazu). Alternativ können die Lernenden sich selbst Feedback über ihre Leistungen geben. Hierbei ist es allerdings wichtig, dass diese Aufgaben als Prüfungsmethode implementiert werden, damit ein Alignment hergestellt wird. 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 achten Schritt verlangt Rosenshein, dass die Lehrkraft Lernende in der Lösung von Übungen unterstützt. Dies ist im E-Learning umzusetzen, indem Lernende nur Teilaufgaben eines komplexen Problems erhalten. Dies wird beispielsweise in dem Kurs CS5 von edX umgesetzt, indem Lernende nur einen Teil von komplexeren Programmieraufgaben lösen müssen. Lernen lässt sich allerdings nicht in andere Kontexte transferieren, wenn Lernende nicht lernen, die Inhalte eines Kurses selbstständig umzusetzen. Rosenshine sagt daher in seinem neunten Prinzip, dass Lernende genügend unabhängige Übung mit dem Lernstoff erhalten sollten, in denen sie eine geringe bis keine Anleitung der Lehrkraft erhalten sollten. Im E-Learning wird dies häufig durch Probleme und Produkte umgesetzt, die Lernende selbstständig am Ende eines Kurses lösen müssen. 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 ungelöstes 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. Zuletzt schlägt Rosenshein vor, dass die Lerninhalte wöchentlich und monatlich wiederholt werden. Dieses Prinzip wird nur sehr selten in E-Learning Umgebungen umgesetzt, da diese in der Regel von kürzerer Dauer sind.

4.1.2.2 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 betrachtet, der in bestimmten Schritten umgesetzt wird. 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 sagt Gagné 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 Entwickler 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 Rosenshein. 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.

4.1.2.3 Weitere Modelle der direkten Instruktion

Es gibt noch deutlich mehr Modelle der direkten Instruktion (für eine umfassenden Überblick Magliaro, Lockee & Burton, 2005)). Die Überschneidungen dieser Modelle sind jedoch umfassend, so dass es genügt, ein paar wenige dieser Modelle zu kennen. Gemein ist allen Modellen, dass Lehrende in der Rolle sind die Struktur der Lernumgebungen vorzugeben. Lernende sind in der Rolle dieser Struktur zu folgen. Dieses Prinzip fördert zwar nicht die Autonomie der Lernenden, es ist jedoch in Anbetracht der Begrenztheit des Arbeitsgedächtnisses bei Novizen hilfreich. Ansonsten besteht die Gefahr, dass Lernende vor der unüberwindlichen Herausforderung stehen, selbst eine Struktur in den Lernmaterialien zu finden. Eine Analogie hilft an dieser Stelle: Stell dir vor, du musst selbst die Newtonschen Gravitationsgesetze heraus finden, ohne, dass sie dir jemand 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 instruiert 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.

4.1.3 Forschungsbefunde zur direkten Instruktion

Die Effektivität direkter Instruktion wird häufig verkannt, da sie mit passiven instruktionalen Designmodellen verwechselt wird. Dabei ist die Evidenzlage für die Wirksamkeit der direkten Instruktion außerordentlich stark. Direkte Instruktion ist ein wirksames instruktionales Designmodell zur Vermittlung konzeptuellen Wissens.

In einer umfassenden Meta-Analyse konnten Stockard et al. (2018) durchweg positive Effekte direkter Instruktion zeigen (d = 0.54). Die Meta-Analyse umfasste 328 Studien mit ingesamt 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 ab als Lernende, die nicht direkt instruiert wurden. Im Vergleich zu den Effekten zur Effektivität zu E-Learning per se, sind diese Effekte mehr als doppelt so groß und mit den Effekten der Intelligenten Tutoring Systeme vergleichbar, die wir im letzten Kapitel kennen gelernt haben. Stockard 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 Schüler*innen am besten in ihrem Bildungsweg unterstützt werden können. In einem Teilprojekt wurde untersucht, inwieweit direkte Instruktion den Bildungsweg dieser Schüler*innen fördern kann. Es zeigte sich, dass Schüler, 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 Schüler*innen 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 Akkomodation verstand. Akkomodation 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.

4.1.4 Zusammenfassung direkte Instruktion

Zusammenfassend lässt sich feststellen, dass die Befunde der direkten Instruktion eindeutig sind: 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 Entwickler 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 Entwickler ein äußerst lernwirksames Lernprodukt umgesetzt.

4.2 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 hier und hier). Projekte eignen sich daher als instruktionales Designmodell, sobald Lernenden bereits 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 werden. Aus diese Grund bedienen sich sehr viele E-Learning Anbieter dem Schema, erst Fachinhalte durch direkte Instruktion zu vermitteln und anschließend Studierende eigenständig Projekte umsetzen zu lassen, 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 lernen 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. Diese 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 wenig lernförderlich (Mayer, 2004). Im projektbasierten Lernen erhalten Lernende immer noch Unterstützung, jedoch nicht mehr in der Form der direkten Instruktion, sondern in der Form von Ressourcen und Hilfestellungen, in der Umsetzung der Projekte.

4.2.1 Gründe zur Verwendung des projektbasierten Lernens

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 Produkt entwickelt haben, welches sie zukünftigen Arbeitgebern vorzeigen können. Jedes Produkt kann später zu einem Portfolio zusammen gefügt werden. Da die Lernenden dieses Produkt eigenständig angefertigt haben, zeigt es den Arbeitgebern, 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 Webentwickler werden möchte, wird am besten auf diesen Job vorbereitet, indem er oder sie Webseiten als Projekte anfertigt. Wer Schreiner 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, 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 Bewerber, die diese Programme durchlaufen haben, das nötige Wissen mitbringen, die an sie gestellten Aufgaben ausführen zu können.

4.2.2 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. Ein 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 können, einen Text logisch strukturieren können, fehlerfrei schreiben und eine zentrale Frage beantworten können.

Ein Problem genügt dabei meistens nicht. Projektbasiertes Lernen zeichnet sich dadurch aus, dass Lernende viele 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 Klienten als auch verschiedene Möbelstücke konzipieren soll, sollen Programmierer 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.

Im 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 etwas über dem aktuellen Kenntnisstand der Lernenden gewählt werden sollten. Zu komplexe Projekte frustrieren die Lernenden, zu einfache demotivieren Lernende. Eine Möglichkeit, dieses Problem zu lesen, ist es, den Lernenden die Auswahl der Projekte zu überlassen. Sogenannte Capstone Projekte werden häufig in E-Learning Kursen ermöglicht und werden am Ende einer Online-Weiterbildung umgesetzt. Diese Capstone Projekte 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. Zudem 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 leichtem 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 Moderator/*in 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.

4.2.3 Forschungslage projektbasierten Lernens

Bisher wurden nicht viele Meta-Analysen und Reviews zur Effektivität von projektbasiertem Lernen geschrieben. 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, Probanden wurden in diesen Studien nicht willkürlich auf Versuchsgruppen zugeordnet, sondern es wurden bestehende natürliche Gruppen miteinander verglichen (beispielsweise Männer und Frauen oder Schüler 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 projektbasiertes Lernen 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 Designmodell 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).

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 bereit gestellt werden, diese Projekte umzusetzen. In der Kombination mit einer gut ausgestalteten Lernumgebung der direkten Instruktion können sich beide instruktionale Designmodelle ergänzen und sowohl Fachwissen als auch Fertigkeiten vermitteln.

4.3 Problembasiertes Lernen

4.3.1 Was ist Problembasiertes Lernen?

Wie viele geflüchtete Menschen sollte man in ein Land lassen? Welche Krankheit hat ein 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 ein einem 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 allerdings wurde Parker krank, da er unter anderen Seewasser getrunken hat. Am Tag 20 entschied sich Dudley, einer der anderen drei Personen, Parker zu töten, damit zumindest die restlichen Personen weitere Tage überlegen 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. Im problembasierten Lernumgebung 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 gäbe 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 zusammen setzen und das Problem besprechen. Tatsächlich ist die Art und Weise, wie ein Problem in einer problembasierten Lernumgebung gelöst wird, definiert. Nach Savory (2006) müssen Lernende ein Problem in einer Kleingruppe lösen, sind Lehrende angehalten, als Unterstützer zu fungieren, sollten Lernende das Problem selbstgesteuert lösen, und sollten Lernende die Lösung des Problems mit Tutoren 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 Tutoren. Ansonsten besteht die Gefahr, dass Lernende viel Zeit mit lernirrelevanten Aktivitäten verbringen und auf willkürliche Suchstrategien zurück gehen (siehe Mayer, 2004). Für diese Unterstützung werden in der Regel Tutoren 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 Tutors findest du hier).

4.3.2 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 Ärzte tagtäglich von Problemen, die sie lösen müssen. Jedes Anamnesegespräch stellt ein Problem für Ärzte dar. Im E-Learning Kontext wird problembasiertes Lernen meist nicht in ihrer Reinform umgesetzt. Dies ist in Ordnung, da instruktionale Designmodelle nicht dogmatisch übernommen werden müssen. Jede E-Learning Umgebung ist eine Mischung bzw. eine abgespeckte Version eines instruktionalen Designmodells. Nichtsdestotrotz kann problembasiertes Lernen im E-Learning eingesetzt werden. Stellen wir uns dazu vor, wie der Parker-Fall in einem E-Learning Kurs umgesetzt werden könnte.

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 mit Hilfe von Hyperlinks 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 bereit stellen 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 Tutoren) schnell erreichbar sein und vor 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.

4.3.3 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 DREEM). 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 zur klassischen Vorlesungen lernten Lernende in problembasierten Lernumgebungen nur wenig besser (d = 0.13). Insgesamt muss man 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.

4.4 Goal-Based Scenarios

Die bisherigen instruktionalen Designmodelle unterlagen bestimmten Metaphern. Die Metapher der direkten Instruktion ist die Idee der Lehre als strukturierte Anleitung. Das Arbeitsgedächtnis der Lernenden ist beschränkt, daher brauchen sie angeleitete Unterstützung die zentralen Konzepte in ihrem Arbeitsgedächtnis zu verarbeiten. Die Metapher des projektbasierten Lernens ist die des Transfers. Projekte bereiten Lernende auf die Tätigkeiten außerhalb der formalen Bildung vor und dienen der Erstellung eines Portfolios. Die Metapher des problembasierten Lernens ist die der Problemlösung. Leben bedeutet Problemlösen und wir sollten besser darauf vorbereitet sein. Goal-Based Szenarios wiederum gehen davon aus, dass Menschen zielorientierte Wesen sind. Wir putzen uns die Zähne, um Karies zu vermeiden; wir gehen zum Kühlschrank, um satt zu werden. Für Schank (2009), welcher den Begriff der Goal-Based Szenarios geprägt hat, sind Ziele ein menschliches Grundbedürfnis. Ziele sind daher äußerst motivierend, da wir eine persönliche Relevanz in der Erfüllung dieser Ziele sehen.

Schank sein Argument ist, dass die formale Bildung unsere natürlichen Ziele des Lernens 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 daher 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 der Idee der Goal-Based Szenarios sollten daher Ziele an erster Stelle stehen. Das Ziel sollte als Fähigkeit formuliert sein, welches Lernende erwerben sollen. Beispielsweise könnte in einem E-Learning Kurs das Ziel vorgeben werden, ein Land vor einer Vireninfektion zu schützen. Kein Ziel kommt ohne eine Rahmenhandlung bzw. Geschichte aus. Daher sollte das Ziel in einer Art Cover Story eingeführt werden. Beispielsweise könnte in dem Ziel, ein Land vor einer Vireninfektion zu schützen, ein Land mit dem Namen Xailion vorgestellt werden. Das Land Xailion hat eine schlechte medizinische Infrastruktur und lebt vom Tourismus. Es ist das Jahr 2070 und in einem anderen Land Pawara ist ein unbekannter Virus ausgebrochen, der sich auf die ganze Welt auszubreiten droht. Ein Ziel verlangt, dass die Lernende eine Rolle einnehmen. Beispielsweise könnten Lernende als Berater der Präsidenten agieren, welche die Präsidentin im Verlaufe der Virusentwicklung beraten soll. Die Mission der Lernenden ist es, der Präsidenten zu erklären, wie die Politik auf dem Hintergrund dieser Katastrophe handeln sollte. Soweit die Geschichte. Um die Mission zu erfüllen, benötigen Lernende Feedback über ihre Handlungen und Entscheidungen.

Nehmen wir dieses Beispiel. Stell dir vor, du bist ein Webentwickler und sollst eine Webseite mit dem Namen Catclicker programmieren. Die Webseite umfasst zwei Elemente: Ein Bild einer Katze und einen Score, welcher anzeigt, wie oft jemand auf die Katze geklickt hat. Du hast die Aufgabe diesen Clicker zu programmieren. In dem Kurs bleibt es nicht bei diesem Ziel. Zudem werden die Lernenden später gebeten die Webseite um ein weiteres Bild zu erweitern. Später soll der Score von mehreren Bildern angezeigt werden. Diese Lernumgebung umfasst eine Menge Elemente der Goal-Based Szenarios. Zum einen wird den Lernenden ein konkretes Ziel formuliert. Anstatt das Ziel nur an die Lernenden zu richten, spielt eine andere Person die Figur, welche in die Cover-Story eingebettet ist (Andy). Zugegeben, die Cover Story ist nicht umfassend und könnte stärker erweitert werden. Dieses Beispiel zeigt daher ganz gut, dass instruktionale Designmodelle nicht immer vollumfänglich umgesetzt werden, sondern das in jeder Lernumgebung Elemente mehrerer instruktionaler Designmodelle stecken.

4.4.1 Umsetzung von Goal-Based Szenarios

Entwickler von Goal-Based Szenarios müssen sich zunächst fragen, welche Fähigkeiten erlernt werden sollten. Studierende, die beispielsweise Biologie studieren, müssen in der Lage sein, technische Artikel zu schreiben, Graphen und Tabellen zu erzeugen, Hypothesen durch Experimente zu testen, Präsentationen geben, eine Zentrifuge benutzen können, etc.. Jedes Ziel sollte mehrere dieser Fertigkeiten umfassen. Beispielsweise schlägt Schank (1994) folgendes Ziel vor: “Entwicklung eines mutierten Bakterienstammes, der in der Lage ist, Humaninsulin in ausreichender Menge zu produzieren, um die Bedürfnisse eines Diabetikers zu erfüllen.”. Lernende würden folgendes Szenario erhalten:

“This GBS would be presented in the following terms. The human body contains a gland called the pancreas. Certain cells in the pancreas produce and secrete a hormone called insulin. Johnny’s pancreas does not produce enough insulin, so Johnny has a dangerous condition called diabetes. To avoid the symptoms of diabetes, Johnny must take insulin every day. How can he get enough insulin? YOUR ASSIGNMENT is to develop a way to make bacteria produce insulin that you can give to Johnny. In the course of working through this GBS, students could learn the following skills: Distinguish proteins from other macromolecules, use a centrifuge (in theory), apply operon model to inducible and repressible systems, interpret replica plates, map genes on chromosomes, construct plasmids, distinguish among organelles, regulate carbohydrate metabolism, culture bacteria, operate a chemostat, interpret chemical equations, make restriction maps, analyze enzyme kinetics, sequence proteins, sequence nucleic acids, crack the genetic code, create a “designer gene”, interpret base composition data, apply diffusion equations, evaluate membrane transport data, do pH calculations and prepare nutrient media for bacterial growth." (S. 446-447)

Das Beispiel zeigt sehr deutlich, dass Lernende in Goal-Based Szenarios mehr Anleitung bekommen als in problem- oder projektorientierten Lernumgebungen. Lehrende bestimmen in diesem Beispiel, welche Module angeboten werden, welche Lernende beim Erreichen des Ziels helfen. Ebenso ist es in Goal-Based Szenarios auch erlaubt, Lernende direkt zu instruieren, sofern dies nötig erscheint. Dennoch, im Zentrum der Idee steht das Tun der Lernenden. Daher werden Goal-Based Szenarios häufig auch als “Learning By Doing” bezeichnet.

Schank zeigt in diesem Artikel noch ein anderes Beispiel. Eines Tages traf er sich mit einem Lehrer, der seinen Schülern beibringen wollte, wie Nachrichten in den Abendnachrichten redaktionell zusammen gestellt werden. Der Lehrer hatte die “mutige” Idee, den Schülern die Nachrichten selbst zusammen stellen zu lassen. Schank erklärt, dass viele Professoren an Universitäten anstatt Lernenden einfach die Fähigkeit umsetzen zu lassen, über die Theory der Nachrichtenauswahl doziert hätten. Mit diesem Ziel lernen Lernende eine Menge verschiedene Fähigkeiten. Sie lernen Nachrichten redaktionell aufzuarbeiten, lernen die Recherche von Informationen, lernen Videos aufzuzeichnen und lernen vorzutragen. Schank entwickelte auf diesem Hintergrund das Programm Broadcast News. In diesem Programm stellten Schüler über einen längeren Zeitraum selbst Nachrichten zusammen und wurden von Experten begleitet, die ihnen auf dem Weg Hilfestellung gaben.

4.4.2 Goal-Based Szenarios im E-Learning

E-Learning Agenturen nutzen Goal-Based Szenarios vor allem, um die Lernenden zu motivieren. Lernende sind häufig Mitarbeiter in Unternehmen, die ein E-Learning für ihre berufliche Ausbildung durchführen möchten. Die Motivation ist daher nicht immer besonders groß. Um diese Mitarbeiter abzuholen, bedienen sich die Agenturen daher häufig einer Cover Story und einer Rolle, in die die Lernenden hineinschlüpfen. Zudem fungiert die Cover Story als eine Art Kleber, der die verschiedene Inhalte eines E-Learning Kurses zusammen hält. Die Firma imc beispielsweise vertreibt sogenannte Web-based Story Trainings. Interessanterweise vermischen sie dabei Goal-Based Szenarios mit Elementen des problembasierten Lernens.

4.4.3 Forschungslage

Die Forschungslage zu Goal-based Scenarios ist eher dünn. 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 Berater Klienten über die Gefahren der Übertragung der Sichelzellenanämie zu informieren. Dafür müssen die Lernenden lernen, wie sie den Genotyp des Hämoglobien des Klienten 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. (Kilik & Yildirim, 2013, 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 liesen 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.

4.6 Zusammenfassung

Als E-Learning Entwickler sollten wir ein paar Werkzeuge in der Hand haben, die es uns ermöglichen E-Learning Kurse didaktisch unterschiedlich zu gestalten. Die globalste und wichtigste Entscheidung, wie E-Learning Kurse aufgebaut sind, sind instruktionale Designmodelle. Sie geben uns die Blaupause für die Ausgestaltung eines Kurses. Instruktionale Designmodelle müssen nicht dogmatisch umgesetzt werden, sie können vermischt, verkürzt und erweitert werden. Als E-Learning Entwickler sollten wir allerdings erkennen können, aus welchen instruktionalen Designmodellen 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 Goal-Based Scenarios, 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 Designmodellen hat man den groben Aufbau eines Kurses definiert. Dieser wird häufig in einem sogenannten Grobkonzept festgehalten. Im nächsten Schritt geht es kleinere didaktische Entscheidungen. Beispielsweise der Darstellung von textuellen und grafischen Informationen.

4.7 Weiterführende Literatur

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

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

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

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

4.8 Aufgabe

4.8.1 Kurzbeschreibung

4.8.2 Detaillierte Beschreibung

Instruktionale Designmodelle sind die Blaupause von E-Learning Kursen. Sie bestimmen den generellen Aufbau eines Kurses und ihre Auswahl auf dem Hintergrund der intendierten Ziele. Projektbasierte Kurse eignen sich eher für das Erlernen von Fähigkeiten, Kurse der direkten Instruktion eignen sich eher für den Aufbau konzeptuellen Wissens. Instruktionale Designmodelle sind zudem ein Ideal. Sie werden nur selten in Reinform erreicht. Es benötigt einen erheblichen Aufwand einen Kurs nach einem Modell bis in das kleinste Detail auszuarbeiten.

Die meisten E-Learning Kurse verfolgen eine Form der direkten Instruktion. Die Lerninhalte werden in Module aufgegliedert, die Lernenden erhalten Instruktion in der Form von Videos und machen Übungen begleitend zu diesen Videos. Meistens handelt es sich um eine stark abgespeckte Form der direkten Instruktion. Um besser zu verstehen, wie umfangreich E-Learning Kurse die direkte Instruktion in einem Kurs umsetzen, analysierst du in dieser Aufgabe die Umsetzung der direkten Instruktion in die erste Woche des Kurses Writing in the Sciences. Writing in the Sciences ist ein sehr beliebter Kurs, der Studierenden zentrale Ideen verständlichen Schreibens erklärt. Der Kurs wird von Kristin Sainani angeboten, welche an der Stanford Universität unterrichtet.

Für die Analyse wirst du das Explicit Teaching Model nach Rosenshine verwenden. Zwar wurde das Modell vor allem für den schulischen Unterricht verwendet, es lässt sich zum großen Teil dennoch für E-Learning Kurse verwenden. Für die Analyse kannst du die Informationen aus dem Skript verwenden. Ebenso findest du einen Artikel zu dem Modell von Rosenshine auf Ilias. Versuche in der Analyse folgendes:

  • Analysiere, inwieweit der Kurs die Komponenten des Modells von Rosenshine umgesetzt hat. Gehe dabei sowohl auf Komponenten ein, die umgesetzt, kaum umgesetzt und nicht umgesetzt wurden.
  • Beschreibe, wie jene Komponenten des Modells, die nicht oder kaum umgesetzt sind, in dem Kurs umgesetzt werden könnten. Versuche dabei so konkret wie möglich zu sein, indem du beispielsweise mögliche Übungen beschreibst. Versuche diese Beispiele eng mit dem Kurs zu verbinden, indem du zeigst an welchen Stellen des Kurses deine Elemente eingearbeitet werden sollten.
  • Analysiere zum Schluss die Grenzen der Umsetzung des Modells von Rosenshine für diesen Kurs. Überlege dir, was praktisch machbar ist und was nicht.

Schreibe die Analyse in ganzen Sätzen. Die Analyse sollte ~ 1000 Worte umfassen. Gebe die Aufgabe als Word-Datei (.docx) auf Ilias ab. Benenne das Dokument mit 03_NACHNAME_instructional_design_model.docx. Nur formal korrekt deklarierte Dokumente werden gewertet. Die Deadline für die Abgabe ist am 14. Juni um 23:55 Uhr. Eine verspätete Abgabe wird als nicht abgegeben bewertet.