Cognitive Load Theory and Worked Examples in Mathematics

Ergebnisse

1. Theoretischer Kern: Arbeitsgedächtnis, Schemata und drei Belastungen

CLT modelliert die menschliche Kognition nach Gearys Unterscheidung zwischen biologisch primärem Wissen (evolutionär vorbereitet, z. B. gesprochene Sprache) und biologisch sekundärem Wissen (kulturell wichtig, aber nicht vorbereitet, z. B. geschriebene Arithmetik und Algebra) [13]. Da Mathematik biologisch sekundär ist, muss sie explizit gelehrt werden, und sie wird durch das Arbeitsgedächtnis begrenzt, das nur wenige neue Elemente gleichzeitig hält und sie innerhalb von Sekunden verliert, sofern sie nicht in ein Langzeit‑Gedächtnis‑Schema organisiert werden [1][13]. CLT teilt die Belastung in intrinsisch (unvermeidliche Komplexität, getrieben von Element‑Interaktivität — wie viele interagierende Teile gleichzeitig im Kopf gehalten werden müssen), extrinsisch (durch schlechtes Design hinzugefügt, kein Lernwert) und germane (aufwändige Verarbeitung, die das Schema aufbaut). Das Design sollte die extrinsische Belastung minimieren, damit freie Kapazität der germanen Verarbeitung dient [1][7][13].

2. Der Worked‑Example‑Effekt

Sweller und Cooper (1985) lehrten Algebra in fünf Experimenten und stellten fest, dass bei konstanter Lernzeit die Worked‑Example‑Teilnehmer die Nachtest‑Aufgaben etwa doppelt so schnell lösten und dabei nur etwa ein Fünftel so viele Fehler machten wie die Studierenden, die von Anfang an ohne Hilfestellung lösten [1][2]. Problemlösen ohne Hilfestellung erzwingt einen Suchprozess, der mit dem Aufbau von Schemata konkurriert; das Lesen eines Beispiels lenkt stattdessen die gesamte Kapazität auf das Erkennen der Lösungsstruktur. Sweller bezeichnet es als „the best known and most widely studied of the cognitive load effects“ [1]. Spätere Arbeiten (Van Gog, Kester & Paas, 2011) zeigen, dass nur‑Beispiel‑ und abwechselnde Beispiel‑Problem‑Paare reines Problemlösen in anderen prozeduralen Bereichen (z. B. Schaltkreis‑Analyse) übertreffen, sodass der Effekt über Algebra hinaus generalisiert [1].

3. Expertise‑Reversal und Redundanz

Der Nutzen ist nicht dauerhaft. Kalyuga zeigte in den Bereichen Ingenieurwesen, Relais‑Schaltungen und SPS‑Training, dass der Vorteil von Worked‑Examples gegenüber dem Problemlösen schrumpft und sich umkehrt, wenn die Lernenden Erfahrung sammeln [3][4]. Mechanismus: Ein effizientes Schema existiert bereits, sodass das erneute Zeigen jedes Schrittes die Verarbeitung unnötiger Informationen erzwingt, Kapazität verschwendet, die für Abruf‑Übungen genutzt werden könnte — und die Übung selbst verwehrt [3][4]. Dies veranlasste Sweller, seine eigene Behauptung von 1988 zu überarbeiten, dass Problemlösen im Allgemeinen minimiert werden sollte: Die richtige Menge an unbeaufsichtigtem Lösen ist eine Funktion der aktuellen Expertise, nicht der curricularen Phase [4].

4. Ausblenden, Abschlussprobleme und Selbsterklärung

Renkls Fading: Beginnen Sie mit vollständig ausgearbeiteten Beispielen, dann lassen Sie einen Schritt weg (ein Abschlussproblem), dann weitere, bis der Lernende unbeaufsichtigt löst. Fading kann vorwärts oder rückwärts erfolgen; rückwärts (zuerst den letzten Schritt weglassen) wird allgemein empfohlen, da der letzte Schritt meist die Verbindung zum Ziel verankert [5]. Gefadete Beispiele in der Geometrie führten zu einem tieferen konzeptuellen Verständnis als Blöcke ungefadeter Beispiele [5]. Fading allein unterstützt zuverlässig den Near‑Transfer, jedoch nicht den Far‑Transfer. Atkinson, Renkl und Merrill (2003, J. Educational Psychology, 95(4), 774–783) kombinierten Fading mit Selbsterklärungs‑Hinweisen — kurzen Fragen, die die Lernenden auffordern, das Prinzip hinter jedem Schritt zu benennen, basierend auf Chis Befund, dass starke Lernende spontan selbst erklären, schwache Lernende jedoch nicht [6][14]. In zwei Experimenten erzeugte diese Kombination mittlere bis große Verbesserungen sowohl beim Near‑ als auch beim Far‑Transfer ohne zusätzliche Lernzeit — „highly recommendable“ laut den Autoren [6]. Eine breitere Metaanalyse von Selbsterklärungen berichtet eine mittlere Effektgröße von g = 0,66 über 69 Vergleiche hinweg [14].

5. Geteilte Aufmerksamkeit und Redundanz im Design

Zwei Design‑Fehler‑Effekte. Split‑Attention: Verstehen erfordert die mentale Integration physisch oder zeitlich getrennter Quellen (Diagramm getrennt von Beschriftung oder ein Schritt, der vor seiner Erklärung gezeigt wird); integrierte, gut gestaltete Materialien übertreffen geteilte [7]. Redundanz: Das Präsentieren identischer Informationen zweimal in unterschiedlichen Kanälen (z. B. das gesprochene Wort‑für‑Wort‑Narrativ des Bildschirmttexts) verursacht einen Abstimmungsaufwand ohne Nutzen [7]. Für mathematische Benutzeroberflächen: ein Lösungsschritt und die dahinterstehende Begründung sollten gleichzeitig denselben visuellen Bereich einnehmen; pro Informationseinheit nur einen Kanal wählen.

6. Der Ziel‑freie Effekt

Ein spezifisches Ziel‑Problem („solve for x“) löst Means‑Ends‑Analyse aus: Zielzustand, aktueller Zustand, deren Differenz und mögliche Operatoren gleichzeitig zu halten — hohe Belastung, nützlich zum Finden einer Antwort, aber schlecht für das Erlernen der Methode, da die Aufmerksamkeit dem Ziel nachjagt statt der Struktur [8]. Eine ziel‑freie Version („find as many values as you can“) entfernt das Ziel, sodass Lernende opportunistisch von ihrem Vorwissen aus vorwärts arbeiten, die Belastung senken und die Aufmerksamkeit auf die Struktur lenken, was das Lernen verbessert, obwohl es nicht wie „das Problem lösen“ aussieht [8].

7. Kritiken, Messprobleme und Replikationsdebatte

Der führende Verfechter von CLT selbst erkennt eine Geschichte von „replication crises and incorporation of other theories“ an, die nach fehlgeschlagenen Replikationen mehrmals überarbeitet wurde — am sichtbarsten die 1988‑Position, das Problemlösen zu minimieren, die durch Expertise‑Reversal aufgehoben wurde [3][4][9]. Die tiefere, ungelöste Kritik betrifft Messung: Es gibt kein validiertes, zuverlässiges Instrument zur Messung der kognitiven Belastung selbst; die vorherrschende Praxis ist ein einzelnes Selbsteinschätzungs‑Item zur Anstrengungsbewertung, das nicht auf Zuverlässigkeit geprüft werden kann und das gefühlte Anstrengungsniveau mit dem, was die Manipulation tatsächlich am Arbeitsgedächtnis bewirkt hat, vermischt [9]. Viele klassische Effekte werden aus Verhaltensresultaten (Fehler, Transfer, Zeit) abgeleitet, wobei die Belastung als unbeobachtet gilt — sinnvoll im Aggregat, aber schwer im Einzelfall zu diagnostizieren. Kritiker bemerken zudem, dass „cognitive load“ manchmal als nachträgliche Bezeichnung für jedes theorie‑konforme Ergebnis fungiert, statt ein unabhängig gemessenes Konstrukt zu sein — eine Kritik, die mit der breiteren Replikationskrisen‑Literatur der Psychologie geteilt wird und nicht einzigartig für CLT ist [9].

8. Zeitgesteuertes Üben, Schnellbewertung und Matheangst

Am relevantesten für ein Punkte‑für‑Geschwindigkeit‑Design. Ashcrafts Programm zeigt, dass Matheangst als gleichzeitige sekundäre Aufgabe fungiert, das Arbeitsgedächtnis (die exekutive Komponente) belegt, das sonst der Arithmetik dienen würde — es erzeugt Fehler und Verzögerungen, die wie ein Kompetenzdefizit aussehen, tatsächlich aber ein durch Angst induziertes Ressourcen‑Defizit sind, nicht die Mathematik selbst [11]. Zeitgesteuerte Tests decken zuverlässig angstbedingte Lücken in der Arithmetik auf, die in nicht‑zeitgesteuerten Tests desselben Inhalts nicht erscheinen — die Uhr, nicht die Mathematik, wird unter Druck bei ängstlichen Lernenden gemessen [11][12]. Boaler: Der Beginn zeitgesteuerter Tests ist für einen bedeutenden Anteil der Schülerinnen und Schüler der Ausgangspunkt der Matheangst selbst, und sobald Angst besteht, wird das Arbeitsgedächtnis teilweise von dieser Angst verbraucht, wodurch der Zugriff auf Fakten, die sie sonst kennen, blockiert wird — ein sich selbst verstärkender Kreislauf [12]. Die Evidenz ist nicht einseitig: Einige Studien finden, dass zeitlich abgeglichene Bedingungen die Genauigkeit erhöhen können, und eine Studie fand keine signifikante dreifache Interaktion von Gedächtnis, Angst und Zeitmessung [11] — real, aber moderiert durch das Angstniveau und danach, ob „timed“ einen harten Timer oder eine getaktete Verfügbarkeit bedeutet.

Synthese: Geschwindigkeit ist ein legitimer Indikator für Automatisierung, sobald ein Schema konsolidiert ist — schnelle, mühelose Abrufung ist genau das, wofür germane Belastung „bezahlt hat“ [1][13]. Aber Geschwindigkeit, gemessen vor der Konsolidierung, misst kein Verständnis; sie misst den aufwändigen Prozess, den der Lernende substituiert, und eine Uhr zusätzlich fügt genau die extrinsische Belastung hinzu, die CLT zu vermeiden empfiehlt, wenn das Arbeitsgedächtnis gerade geschützt und nicht belastet werden sollte [1][7][8][11].

Design implikationen für Math Challenge

1. Zeige ein vollständiges Durchrechnungsbeispiel, bevor ein Kind den ersten Versuch mit einem neuen Muster unternimmt (nie gelöst, oder die letzten N Versuche bei dieser Fähigkeit fehlgeschlagen) statt „zuerst kämpfen“ — entspricht dem Worked‑Example‑Effekt für Anfänger [1][2].
2. Kombiniere „neues Muster“ niemals mit einer Countdown‑Uhr. Null‑Gewicht‑Geschwindigkeitsbewertung bei den ersten Durchgängen; Zeitmessung erst einführen, wenn das Muster korrekt gelöst ist, ohne dass ein Durchrechnungsbeispiel vorhanden ist [11][12].
3. Fading automatisch anhand eines Beherrschungs‑Signals, nicht anhand einer festen Item‑Anzahl: aktuelle Genauigkeit, Hinweis‑Nutzung, Anzahl ununterstützter Schritte bestimmen die nächste Stufe (vollständiges Beispiel → eine Lücke → zwei Lücken → vollständiges Problem), gemäß Renkls Completion‑Problem‑Sequenz [5][6].
4. Bias‑Fading rückwärts (zuerst den letzten Schritt weglassen), da es die Zielverbindung verankert und früh geübt werden sollte [5].
5. Kombiniere jeden ausgeblendeten Schritt mit einer Ein‑Tap‑Selbsterklärungs‑Aufforderung (Multiple‑Choice für jüngere Kinder, Freitext/Sprachaufnahme für Ältere) — die einzige Intervention, die Ferntransfer ohne Zeitaufwand nachweislich erhöht [6][14].
6. Gestalte die UI gegen Split‑Attention und Redundanz: halte einen Schritt und seine Erklärung gleichzeitig im selben visuellen Bereich; niemals gleichzeitig erzählen und identischen Text anzeigen [7].
7. Verwende ziel‑freie Formulierungen für Platzierungs‑/Diagnose‑Items („finde so viele Werte wie du kannst“), um Vorwissen bei geringerer Belastung zu ermitteln, und wechsle zu ziel‑spezifischer Bewertung, sobald die Beherrschungs‑Beurteilung startet [8].
8. Betrachte den Expertise‑Reversal‑Effekt als absoluten Stopp für Scaffolding: jenseits einer Beherrschungs‑Schwelle werden Durchrechnungsbeispiele/Hinweise standardmäßig zurückgehalten (nur auf Anfrage verfügbar), da redundantes Scaffolding nachweislich fortgeschrittene Lernende beeinträchtigt [3][4].
9. Entkopple Punkte für Korrektheit von Punkten für Geschwindigkeit als separat einstellbare Kanäle; das Standard‑Geschwindigkeits‑Gewicht liegt nahe Null, bis die Fade‑Leiter „vollständiges Problem, keine Hinweise“ erreicht. Informiere Eltern/Lehrkräfte ausdrücklich, dass eine Erhöhung des Geschwindigkeits‑Gewichts die angst‑bedingte Varianz bei Lernenden unterhalb der Beherrschung steigert [11][12].
10. Lasse keinen globalen Sitzungs‑/Streak‑Timer die Beherrschungs‑Sperre pro Fähigkeit ersetzen — eine Meta‑Uhr kann denselben Angst‑Effekt selbst bei unzeitgesteuerten Aufgaben wieder einführen; mache Streak‑Timer überspringbar und blockiere niemals den Zugriff auf Durchrechnungsbeispiele.
11. Protokolliere, welche Fade‑Stufe ein Kind benötigte, als Beherrschungs‑Signal für Lehrkräfte/Eltern, nicht nur die Korrektheit — die Form des Scaffolding‑Rückzugs ist selbst diagnostisch für die Schema‑Stärke [5][6].
12. Instrumentiere „cognitive load“ nicht direkt übermäßig (z. B. nur anhand der Reaktionszeit‑Varianz); verwende verhaltensvalidierte Stellvertreter — Genauigkeits‑Verlauf über die Fade‑Leiter, Qualität der Selbsterklärung — da selbst in der CLT‑Literatur kein validiertes direktes Belastungsmaß vorhanden ist, auf das man aufbauen könnte [9].

Offene Fragen für den Projektinhaber

1. Sollten geschwindigkeitsbasierte Punkte standardmäßig aktiviert sein für jede Altersgruppe angesichts der Angst‑Belege, oder per Eltern‑/Lehrkraft‑Konto optional?
2. Welche Beherrschungs‑Schwelle (z. B. N aufeinanderfolgende korrekte Antworten bei der „vollständiges Problem“-Stufe) sollte den Übergang von unzeitgesteuert zu zeitgesteuert pro Fähigkeit steuern?
3. Sollten Selbsterklärungs‑Aufforderungen verpflichtend oder überspringbar sein, da Kinder im Alter von ca. 4–6 Jahren möglicherweise nicht über die metakognitive Sprache dafür verfügen?
4. Lässt sich „finde so viele Werte wie du kannst“ (ziel‑freie Formulierung) sauber in EN/ES/FR/PT/DE übersetzen, ohne seine Offenheit zu verlieren?
5. Sollte die Fade‑Leiter für das Kind sichtbar sein oder nur im Backend verborgen?