Nationalbibliografie;
Detaillierte bibliografische Daten sind im Internet über http://dnb.ddb.de abrufbar.
1. Auflage 2010
© 2010 by Verlag: Deutsche Veterinärmedizinische Gesellschaft Service GmbH, Gießen
Printed in Germany
ISBN 978-3-941703-
Verlag: DVG Service GmbH Friedrichstraße 17
35392 Gießen 0641/24466 geschaeftsstelle@dvg.net
www.dvg.net 7 -3 5
Standardisierung der computergestützten Spermienanalyse durch Einsatz einer E-Learning-Applikation
INAUGURAL – DISSERTATION zur Erlangung des Grades eines
Doktors der Veterinärmedizin - Doctor medicinae veterinariae -
vorgelegt von Martin Behr
Köln Hannover 2010
Reproduktionsmedizinische Einheit der Kliniken 2. Univ.-Prof. Dr. H. Bollwein
Klinik für Rinder der TiHo Hannover
1. Gutachterin: Apl.-Prof. Dr. D. Waberski
2. Gutachterin: Apl.-Prof. Dr. S. Meinecke-Tillmann
Tag der mündlichen Prüfung: 03.05.2010
Die Arbeit wurde gefördert von der Firma Minitüb GmbH, Tiefenbach.
Meinen großartigen Eltern und mir
Inhaltsverzeichnis
1 Einleitung ...1
2 Literaturübersicht ...3
2.1 Computergestützte Spermienanalyse (CASA) ... 3
2.1.1 Historische Entwicklung ... 3
2.1.2 Grundlagen und Technik ... 4
2.1.3 Spermienmotilität und -konzentration ... 6
2.1.3.1 Spermienmotilität... 6
2.1.3.2 Spermienkonzentration... 6
2.1.3.3 Mindestanforderungen an die Qualität von Bullen- und Ebersperma 7 2.1.3.4 Beziehung zwischen Spermienparametern und Fertilität... 8
2.1.4 Weitere kinetische Parameter... 10
2.1.5 Einflussfaktoren auf das Messergebnis ... 11
2.1.5.1 Das CASA-System ... 12
2.1.5.2 Systemeinstellungen ... 13
2.1.5.3 Laborpersonal und Untersuchungstechnik ... 15
2.1.5.4 Messkammer ... 16
2.1.5.5 Beschaffenheit und Verdünnung der Probe... 18
2.1.6 Standardisierung in spermatologischen Laboren ... 20
2.2 E-Learning ... 23
2.2.1 Definitionen ... 23
2.2.1.1 Was ist Lernen?... 23
2.2.1.2 E-Learning ... 23
2.2.1.3 Selbst gesteuertes Lernen... 24
2.2.1.4 Didaktik... 24
2.2.1.5 Mediendidaktik... 24
2.2.1.6 Interaktivität ... 25
2.2.2 Zugrunde liegende Lerntheorien... 25
2.2.2.1 Behaviorismus ... 25
2.2.2.2 Kognitivismus ... 29
2.2.2.3 Konstruktivismus ... 30
2.2.3 Lernsoftwarearten ... 32
2.2.3.1 Art der Distribution... 32
2.2.3.2 Art der Wissensvermittlung... 33
2.2.4 E-Learning in der Spermatologie ... 35
3 Material und Methoden ... 37
3.1 Das CASA-System SpermVisionTM... 37
3.1.1 Systemeinstellungen... 38
3.1.2 Untersuchungsmaterial... 39
3.1.3 Probenaufbereitung und Kammerbeschickung ... 39
3.1.4 Erhebung von Referenz-Messwerten... 41
3.1.5 Einfluss der Lagerungszeit verdünnten Bullenspermas auf die Motilitätsparameter... 42
3.2 Intraindividuelle Varianz der Messergebnisse mit dem CASA-System SpermVisionTM im Rahmen eines Anwender-Workshops ... 42
3.2.1 Testpersonen ... 42
3.2.2 Untersuchungsmaterial... 43
3.2.3 Messung ... 43
3.3 Erstellung eines interaktiven Lernprogramms zur Standardisierung der computergestützten Spermienanalyse... 45
3.3.1 Definition der Lernziele und der Zielgruppe... 45
3.3.1.1 Lernziele ... 45
3.3.1.2 Zielgruppe... 45
3.3.2 Wahl des Speichermediums ... 46
3.3.3 Erstellung des Programms ... 46
3.3.4 Didaktische Programmstruktur ... 48
3.3.4.1 Interface... 48
3.3.4.2 Bildschirmaufteilung ... 48
3.3.4.3 Navigationselemente ... 49
3.3.4.4 Text ... 51
3.3.5 Gliederung des Programms... 52
3.3.5.1 Start... 52
3.3.5.2 Kapitel ... 54
3.4 Intraindividuelle Varianz der CASA-Messergebnisse vor und nach Nutzung des Lernprogramms ... 59
3.4.1 Versuchsaufbau... 59
3.4.2 Testpersonen ... 59
3.4.3 Untersuchungsmaterial... 60
3.4.4 Messung ... 60
3.4.5 Evaluierung des Lernprogramms... 61
3.4.6 Statistische Auswertung ... 61
4 Ergebnisse ...62
4.1 Erhebung von Zielwerten für die Variationskoeffizienten mit dem CASA-System SpermVisionTM... 62
4.1.1 Intraindividuelle Varianz der Messergebnisse ... 62
4.1.1.1 Spermienkonzentration... 62
4.1.1.2 Spermienmotilität... 63
4.1.1.3 Progressive Spermienmotilität ... 64
4.2 Einfluss der Lagerungszeit verdünnten Bullenspermas auf die Motilitätsparameter... 64
4.2.1 Gesamtmotilität... 65
4.2.2 Progressive Spermienmotilität ... 65
4.3 Intraindividuelle Varianz der Messergebnisse mit dem CASA-System SpermVisionTM im Rahmen eines Anwender-Workshops ... 67
4.3.1 Untersuchung von Bullen- und Eberejakulaten ... 67
4.3.1.1 Spermienkonzentration... 68
4.3.1.2 Spermienmotilität... 70
4.3.1.3 Progressive Spermienmotilität ... 72
4.4 Interaktives Lernprogramm zur Standardisierung der computergestützen Spermienanalyse ... 74
4.5 Intra- und interindividuelle Varianzen verschiedener CASA-
Messparameter vor und nach Nutzung des Lernprogramms ... 75
4.5.1 Intraindividuelle Varianzen ... 77
4.5.1.1 Spermienkonzentration... 77
4.5.1.2 Spermienmotilität... 80
4.5.1.3 Progressive Spermienmotilität ... 83
4.5.2 Vergleich der Probenvorbereitung, Kammerbeschickung und Messung ... 87
4.5.3 Evaluierung des Lernprogramms... 92
4.5.3.1 Kategorie „Inhalt und Gliederung“... 92
4.5.3.2 Kategorie „Lernprogrammbedienung“... 93
4.5.3.3 Kategorie „Lernerfolg“... 95
4.5.3.4 Kategorie „Allgemeines“ Testpersonen ... 97
5 Diskussion ... 99
5.1 Erhebung von Referenz-Messwerten mit dem CASA-System SpermVisionTM...100
5.2 Intraindividuelle Varianz der Messergebnisse mit dem CASA-System SpermVisionTM im Rahmen eines Anwender-Workshops ...102
5.3 Interaktives Lernprogramm zur Standardisierung der computergestützten Spermienanalyse ...104
5.4 Intra- und interindividuelle Varianzen verschiedener CASA- Messparameter vor und nach Nutzung des Lernprogramms ...107
6 Zusammenfassung ... 112
7 Summary...114
8 Literaturverzeichnis ...116
9 Anhang ... 134
9.1 Verbrauchsmaterialien, Medien, Verdünner, Geräte...134
9.1.1 Verbrauchsmaterialien ...134
9.1.2 Medien und Verdünner...135
9.1.3 Geräte ...136
9.1.4 SpermVisionTM (Version 3.5) Settings (Systemeinstellungen)...136
9.1.5 Material für die Erstellung des Lernprogramms ...140
9.1.5.1 Hardware ...140
9.1.5.2 Software ...141
9.2 Fragebogen ...142
9.2.1 Fragebogen 1 für Anwender-Workshop ...142
9.2.2 Fragebogen 2 zur Lernprogrammevaluierung ...144
Abkürzungsverzeichnis
ADR Arbeitsgemeinschaft Deutscher Rinderzüchter ALH amplitude of lateral head displacement
AOC averaged orientation change, englisch für durchschnittliche Richtungswechsel
Aqua dest. Destilliertes Wasser BMP bitmap, ein Grafikdateityp
CASA computer assisted sperm analysis; englisch für computergestützte Spermienanalyse
CBT Computer Based Training CD-ROM compact disc – read only memory
DAP distance averaged path, englisch für Strecke der errechneten mittleren Bahn
DCL distance curved line, englisch für kurvilineare Strecke DSL distance straight line, englisch für direkte Strecke DVC Durchschnittsvariationskoeffizient
DVD digital versatile disc
Fa Firma
GB Gigabyte (entspricht 1.024 MByte)
HF Holstein Friesian
LIN VSL/ VCL: linearity, englisch für Linearität Mhz Megahertz
MB Ein Megabyte entspricht 1.048.576 Byte Mrd Milliarde
PC Personal Computer RAM random access memory RT Raumtemperatur
SD standard deviation, englisch für Standardabweichung SGZ Spermiengesamtzahl
Sp Spermien, in der Konzentrationsangabe Sp / ml
TG Tiefgefrier u. und
VAP velocity averaged path, englisch für Geschwindigkeit auf der mittleren Bahn
VCL velocity curved line, englisch für kurvilineare Geschwindigkeit VK Variationskoeffizient, wird berechnet: VK = SD x 100 / x vs. versus, lateinisch für gegen, verglichen mit
VSL velocity straight line, englisch für rektilineare Geschwindigkeit WBT Web Based Training
WOB VAP/ VCL: wobble WWW world wide web z.B. zum Beispiel
ZDS Zentralverband der Deutschen Schweineproduktion
1 Einleitung
Die Motilität und Konzentration von Spermien wird im Routinebetrieb in Besamungsstationen bisher vorwiegend mikroskopisch von erfahrenem Laborpersonal geschätzt. Dieses Untersuchungsverfahren ist allerdings nur bedingt aussagefähig, da es eine große Variationsbreite und ein hohes Maß an Subjektivität besitzt. Aus diesem Grund gibt es seit den 80er Jahren Bestrebungen, die bis heute üblichen Schätzmethoden durch objektive, exakte und reproduzierbare Verfahren zu ersetzen. Die computergestützte Spermienanalyse (CASA) ermöglicht prinzipiell präzise und wiederholbare Messergebnisse der Spermienmotilität, -konzentration und weiterer kinetischer Parameter zu erheben. Daher werden CASA-Systeme nicht nur in spermatologisch spezialisierten Forschungslaboren, sondern zunehmend auch in Besamungsstationen eingesetzt. Während die technischen Voraussetzungen zur Erhebung präziser, objektiver Messergebnisse gegeben sind, ist die Standardisierung von Arbeitsprozessen bis zur Messung erforderlich. Dies beinhaltet sowohl die Probenhandhabung als auch die Geräte- und Softwareeinstellung.
Voraussetzung dafür ist das Verständnis für Messprinzipien und mögliche Fehlerquellen bei dem Laborpersonal. E-Learning-Programme stellen ein geeignetes Medium dar, um das Verständnis dieser Zusammenhänge in interaktiver Lernweise zu vermitteln. Ziel der vorliegenden Arbeit war es, ein E-Learning- Programm zur standardisierten Messung mit einem CASA-System zu entwickeln und dessen Nutzen bei Laborpersonal mit unterschiedlicher Vorerfahrung zu testen.
Dies beinhaltete im Einzelnen folgende Vorgehensweise unter Verwendung des CASA-Systems SpermVisionTM (Minitüb GmbH, Tiefenbach):
- die Erhebung von Referenz-Messwerten
- die Erfassung personenbedingter Einflüsse auf mit dem CASA-System SpermVisionTM erzielte Messwerte
- die Entwicklung eines interaktiven, elektronischen Lernprogramms zur Erlangung präziser und reproduzierbarer Messergebnisse
- die Evaluierung des Lernprogramms durch den Vergleich der Messergebnisse vor und nach der Nutzung des Lernprogramms.
2 Literaturübersicht
2.1 Computergestützte Spermienanalyse (CASA)
CASA (computer assisted sperm analysis) bezeichnet ein automatisiertes System, das aufeinander folgende Bilder von Spermien digitalisiert und analysiert. Die Auswertung der gewonnenen exakten und aussagefähigen kinetischen Informationen einzelner Spermien, aber auch Populationen, erfolgt computergestützt (AMANN u.
KATZ 2004). Diese Form der Spermienanalyse soll eine höhere Präzision und Reproduzierbarkeit in der Erfassung quantitativer und qualitativer Daten zur Spermienmotilität als die herkömmliche mikroskopische Schätzung bieten. Dies konnte bei Bullen- und Hengstspermien nachgewiesen werden (GSCHWEND 1986;
LEIDL et al. 1987b; ZIEGLER 1991; LEIDL et al. 1993). Neben der Fähigkeit, eine große Anzahl von Spermien auszuwerten, können mit dem CASA-System die Art der Bewegung und die Geschwindigkeit sowie andere kinetische Parameter (z.B.
lateraler Spermienkopfausschlag) gemessen werden (WABERSKI et al. 1999).
2.1.1 Historische Entwicklung
Die Entwicklung der ersten CASA- Systeme wurde in den 40er Jahren durch den Wunsch, objektive Messdaten prozentualer Spermienmotilität und -geschwindigkeit zu erhalten, begonnen. Ziel war die Erforschung verschiedener Spermienfunktionen in spezialisierten Laboren, zunächst aber nicht die Nutzung im Routinebetrieb der andrologischen Praxis (AMANN u. KATZ 2004). Zuerst wurde versucht, Sperma durch die visuelle Auswertung von Fotografien zu beurteilen. Dieses Verfahren war sehr aufwendig und subjektiven Einflüssen unterworfen (RIEMKE 1983). JECHT und RUSSO (1973) berichteten das erste Mal über die Untersuchung menschlicher Spermien mit einem Motion Analysis System. Hierbei bildete ein Videoband die Schnittstelle zwischen Mikroskop und dem eigentlichen Analysesystem. Die benötigte Zeit zur manuellen Nachbearbeitung war jedoch erheblich. Dieses System ermöglichte auch die Analyse der Spermiengeschwindigkeit als viel versprechenden Parameter. Die Software des ersten Systems, das Bilder digitalisieren und daraus
auch die prozentualen Anteile motiler Spermien errechnen konnte, wurde von LIU und WARME (1977) entwickelt und 1978 vorgestellt (AMANN u. KATZ 2004).
Seitdem wurden CASA-Systeme stetig weiterentwickelt. Dies betraf vor allem die Optik und Lichttechnik zur Verbesserung der Spermienerkennung. Das Fortschreiten in der Soft- und Hardwareentwicklung ermöglichte Zeitgewinn bei der Untersuchung und die Möglichkeit zur Analyse einer immer größeren Spermienanzahl, wodurch die statistische Sicherheit erhöht werden konnte. Diese Entwicklung war Voraussetzung für die Nutzung des Systems in Besamungsstationen, da Samenproben dort schnell und sicher untersucht werden müssen. In spermatologischen Forschungslaboren steht die Differenzierung kinetischer Unterschiede von Spermiensubpopulationen nach definierter Behandlung der Spermaproben im Vordergrund (NICOLAE 2006).
Mit zunehmender Entwicklung der Software nahm der Einfluss der untersuchenden Person auf den Prozess der Spermienanalyse ab. Heute beschränkt sich die Anwendung in der Sicherstellung der Gerätefunktion, der Platzierung der Probe unter dem Mikroskopobjektiv und die Kontrolle der Messdaten (BOYERS et al. 1989). Mit zunehmender Automatisierung wurde der Einfluss der Probenvorbereitung und - handhabung auf das Messergebnis deutlicher (NICOLAE 2006).
Die computergestützte Analyse von Spermien sollte eine höhere Präzision und Reproduzierbarkeit quantitativer und qualitativer Daten zur Spermienmotilität bieten.
Sie blieb methodisch bis heute grundsätzlich gleich, nur die Entwicklung der Computerbestandteile schritt weiter fort (HIRAI et al. 2001; BIBER 2003).
2.1.2 Grundlagen und Technik
Bei der computergestützten Spermienanalyse werden über eine am Mikroskop angebrachte Kamera Bildsequenzen aufgenommen und in einem PC mit einer speziellen Software verarbeitet und ausgewertet.
Jedes Bild wird in einzelne Bildpunkte (Pixel) aufgegliedert. Die Spermien werden anhand ihrer tierartspezifischen Kopffläche über Grauwertstufen erkannt. Je nach Arbeitsfrequenz des analysierenden Computers werden 25 bis 50 Bildanalysen pro Sekunde durchgeführt. Zur Ermittlung der Spermienbewegungen werden die Spermienköpfe in jedem Bild detektiert. Daraufhin werden die Strecken zwischen den
Mittelpunkten der Spermienköpfe auf den unterschiedlichen Bildern gemessen (JASKO et al. 1988; SCHRÖPPEL 1988; BLACH et al. 1989). So ist es möglich, die Bewegungsart und Geschwindigkeit sowie auch andere Parameter einer großen Anzahl von Spermien einzeln auszuwerten (BOYERS et al. 1989; WABERSKI et al.
1999; BALTISSEN 2007). Obwohl die Bewegung der Spermien eine Konsequenz des Schwanzschlages ist, wurde bei den meisten Systemen nur die besser detektierbare Kopfbewegung gemessen. Systeme, die sowohl die Spermienkopf- bewegung als auch die des Schwanzes messen, befinden sich in der Minderheit (JEULIN et al. 1996).
Die negative Phasenkontrastoptik (helle Spermien vor dunklem Hintergrund) eignet sich laut YEUNG et al (1993) am besten für die Motilitätsanalyse, weil hier die Kursverfolgung wesentlich genauer ist als bei der positiven Phasenkontrastoptik.
SEHNER (2005) berichtet, dass vor Messbeginn die Spermaprobe in Abhängigkeit von ihrer Dichte mit einer transparenten, für die Spermien gut verträglichen Lösung verdünnt werden solle. Die Spermienkonzentration der zu untersuchenden Probe sei wichtig für ein optimales Messergebnis und darf einen vom Hersteller bestimmten Grenzwert weder stark über- noch unterschreiten. Sollte eine Verdünnung vor Messbeginn notwendig sein, ist hierzu eigelbfreier Verdünner zu verwenden, da sonst die enthaltenen Partikel einen Einfluss auf das Messergebnis nehmen würden.
Die Messung mehrerer Felder erfolgt in einer Messkammer auf dem Objektträgertisch, entweder mittels Rastermechanik oder automatisiert (VERSTEGEN et al. 2002). Im Handel sind verschiedene Messkammern erhältlich, die im Probenvolumen und der Schichtdicke variieren. In der Software der meisten CASA-Systeme kann die verwendete Kammer eingestellt werden, was notwendig ist, um die Spermienkonzentration präzise messen zu können. Eine weitere Voraussetzung dafür ist eine Kalibrierung des CASA-Systems mit der verwendeten Messkammer (SEHNER 2005).
2.1.3 Spermienmotilität und -konzentration
Bei der klassischen mikroskopischen Untersuchung einer Spermaprobe werden die Motilität sowie die Konzentration geschätzt und die Morphologie der Spermien beurteilt. Das Vorkommen von Agglutinationen von Partikeln und Zellen, die nicht Spermien sind, so genannte „Fremdzellen“, wird ebenfalls bestimmt (WHO 1992).
2.1.3.1 Spermienmotilität
Die Motilität ist eine relativ einfach zu untersuchende Vitalitätseigenschaft, die Spermien besitzen müssen, um selbstständig befruchten zu können (JANUSKAUSKAS 1999). Deshalb nimmt die Bestimmung der Spermienmotilität eine zentrale Stellung in der Spermatologie ein (GSCHWEND 1986).
Insbesondere um eine große Anzahl von Ejakulaten zu untersuchen, boten sich nach BOYERS et al. (1989) computergestützte Analyseverfahren an. Neben der Erfassung der Standardparameter wurden dabei mehrere Geschwindigkeits- und Richtungsparameter erhoben (KATZ et al. 1985). Auch andere Autoren stellten fest, dass es bei der computergestützten Spermienanalyse (CASA) neben der hohen Zuverlässigkeit gegenüber der subjektiven Beurteilung die Möglichkeit gab, zusätzlich zum prozentualen Anteil vorwärtsbeweglicher und ortsbeweglicher Spermien auch die Bewegungsgeschwindigkeit und -richtung zu bestimmen (LEIDL et al. 1987a; WEITZE 2001).
2.1.3.2 Spermienkonzentration
Bei der Bestimmung der Spermienkonzentration galt lange Zeit als genaueste Methode die von FREUND und CAROL (1964) eingeführte Partikelzählung im Haemozytometer, wie sie noch vielerorts für Spermien oder auch Blutzellen eingesetzt wird. Nach Vorverdünnung des nativen Ejakulats und Immobilisation der enthaltenen Spermien wurde die Auszählung in einer Messkammer vorgenommen.
Die Berechnung der Spermienkonzentration anhand einer Gleichung erforderte akkurates Arbeiten, war sehr zeitaufwändig, und es konnten so nur wenige Spermien ausgezählt werden (WHO 1999).
Eine hohe Messgenauigkeit der Spermienkonzentration ist in der Rinderproduktion von hoher wirtschaftlicher Bedeutung. Je genauer die Messung ist, desto exakter können die zur künstlichen Besamung eingesetzten Portionen dosiert werden. Das bedeutet, dass bei gleich bleibender Qualität eine höhere Anzahl von Besamungsportionen produziert werden kann und so die Kosten für jede einzelne Portion sinken. Die Erfassung der Spermienkonzentration erfolgt mit dem CASA- System durch die Einzelpartikelerkennung. Aus dem Verhältnis der Partikelzahl zur Fläche bei einer definierten Tiefe kann dieses System dann die Spermienkonzentration berechnen (NICOLAE 2006).
2.1.3.3 Mindestanforderungen an die Qualität von Bullen- und Ebersperma
Für die Qualität von Ejakulaten landwirtschaftlicher Nutztiere existieren keine internationalen Richtwerte, die mit in der Humanmedizin festgelegten WHO- Richtlinien vergleichbar wären (ZAIMI et al. 1985).
Es existieren jedoch in Deutschland Mindestanforderungen an die Spermaqualität für das Rind und das Schwein in Form von Mindestanforderungen an Ejakulate nach der ADR- (Arbeitsgemeinschaft Deutscher Rinderzüchter e.V.) Empfehlung zur Beurteilung der Bullenspermaqualität und für das Schwein in Form von einer Empfehlung der Besamungsorganisationen im ZDS (Zentralverband der Deutschen Schweineproduktion e.V.) für die Anforderungen an Besamungseber hinsichtlich ihrer Eignung zum Einsatz in der Künstlichen Besamung.
Die ADR-Empfehlung beinhaltet, dass das Ejakulatvolumen bei jüngeren Bullen (< 2 Jahre) mindestens 2 ml und bei älteren Bullen (> 2 Jahre) mindestens 4 ml betragen muss, bei einer Mindestspermiendichte von 600.000/ml. Bei ungestörter Mobilität muss eine Motilität von 70 % progressiv vorwärtsbeweglicher Spermien
gewährleistet sein. Formveränderungen dürfen maximal 20 % betragen (maximal 5 % Kopfveränderungen; 10 % Akrosomveränderungen). Die Spermien müssen bei
sachgerechter Lagerung auch nach 72 Stunden noch eine Motilität von mindestens 50 % haben. Tiefgefrorenes Sperma muss nach dem Auftauen eine Motilität von mindestens 50 % aufweisen (ZDS 2005).
Die Empfehlung des ZDS gibt Mindestanforderungen an die Spermienkonzentration (106 Spermien/ μl) bei jüngeren Ebern (< 9 Monate) von 0,15 und bei älteren Ebern (> 9 Monate) von 0,20 an. Die Spermiengesamtzahl, SGZ (109 Spermien/ Ejakulat) soll bei jüngeren Ebern 15,0 und bei älteren 20,0 nicht unterschreiten. Eine Motilität von 70 % progressiv vorwärtsbeweglicher Spermien muss gewährleistet sein. Nach 72 Stunden Konservierung soll die Motilität noch 65 % betragen. Morphologisch anomale Spermien einschließlich Spermien mit Plasmatropfen sollen < 25 % liegen, Spermien mit Kopfveränderungen < 5 %, mit Kopfkappenveränderungen < 10% und Spermien mit Plasmatropfen bzw. Schleifen jeweils < 15 %. Andere morphologische Abweichungen sollen 15 % nicht übersteigen.
2.1.3.4 Beziehung zwischen Spermienparametern und Fertilität
Im Vergleich zur konventionellen Motilitätseinschätzung sahen MALMGREN et al.
(1997) in der computergestützten Methode eine Möglichkeit, eine bessere Aussage hinsichtlich der Fertilität zu erhalten. In der Literatur gab es unterschiedliche Aussagen, die von keiner Korrelation der Motilität zur Fertilität (ERICSSON et al.
1993; HIRAI 2000) bis zu einer hohen Korrelation (r = 0,54) reichten (GSCHWEND 1986). KRAUSE (1991) bezeichnete die Motilität als den „für die Fertilität prognostisch wichtigsten Faktor“. Nach JANUSKAUSKAS (2000) war die aussagefähigste Methode zur Spermaevaluierung die Beurteilung der Non-Return- Rate (NRR). Nachteil dieses Verfahrens sind durch die hohe Anzahl benötigter weiblicher Tiere der hohe Kostenfaktor und der damit verbundene hohe Zeitaufwand.
CORREA et al. (1997) fanden beim Bullen die höchsten Korrelationen zwischen dem Ejakulatsparameter Motilität und der Fruchtbarkeit, gemessen an der NRR der Kühe.
Diese lag bei r = 0,53. In der Gruppe der fertilen Bullen betrug sie r = 0,61, in der der weniger fruchtbaren Tiere hingegen r = 0,39 (alle p < 0,01). Auch KJÆSTAD et al., (1993) fanden bei der Schätzung von Motilität und Geschwindigkeit von Bullenspermien eine Korrelation zur NRR von r = 0,55 bzw. r = 0,64 (p < 0,02).
Bei anderen Spezies, wie beim Hengst, korrelierte nach DÍAZ und DÍAZ (1989) eine geschätzte Spermienmotilität signifikant mit der Fruchtbarkeit. Bei subjektiv
geschätzter und computergestützter Auswertung der Motilität bei Hengsten mit unterdurchschnittlicher Fertilität, fanden JASKO et al (1992) eine geringere Anzahl motiler und progressiv motiler Spermien. SIEME et al. (2001) hingegen sahen bei 30 untersuchten Hengsten keine derartigen Zusammenhänge.
Obwohl viele Faktoren bei der Befruchtung eine Rolle spielten, sahen FOOTE (2003) und GADEA et al. (2005) zumindest eine Korrelationen einzelner Parameter zur Fertilität. Aus diesem Grund schlugen die Autoren kombinierte Kriterien oder die nur mit CASA erhältlichen, exakten Motilitätsdaten von Spermiensubpopulationen als Parameter vor.
Die Untersuchung des Zusammenhangs zwischen mehreren spermatologischen Parametern und der Fruchtbarkeit führte zu unterschiedlichen Ergebnissen.
GRAHAM und MOCE (1991) sowie AMANN und KATZ (2004) sahen keine deutliche Korrelation zwischen klassischen Motilitätsparametern bzw. spermatologischer Analyse und den Fertilitätsdaten. Auch HIRAI et al. (2001) fanden keine signifikante Beziehung der verschiedenen Motilitätsparameter in TG-Spermaproben zur Fertilität.
LUDWIG und FRICK (1987) hingegen sahen die Beurteilung der drei Kriterien Motilität, Konzentration und Morphologie als am wichtigsten an, um die Befruchtungsfähigkeit eines Ejakulates zu bestimmen.
Um eine hohe Präzision in der Beurteilung von Ejakulaten zu erreichen, ist eine Kombination ausgewählter Methoden eher geeignet, als nur einen einzigen Test zu nutzen. Eine gute Lager- und Befruchtungsfähigkeit bei möglichst geringer Konzentration ist hierfür von Bedeutung, gerade wenn das Sperma aufgrund der praktischen Nutzung maximal ausgenutzt werden soll (WABERSKI et al. 1999).
Samenproben, die den jeweiligen Mindestanforderungen nicht gerecht werden, werden verworfen (LINFORD et al. 1976;.JANUSKAUSKAS 1999; WABERSKI et al.
1999; MAGISTRINI et al. 2001).
2.1.4 Weitere kinetische Parameter
Weitere kinetische Parameter sind neben der lokalen, der progressiven und der fehlenden Motilität detaillierte Beschreibungen der Kinetik jedes einzelnen Spermiums.
Die Geschwindigkeit, Linearität und seitliche Kopfauslenkung werden dabei am häufigsten zur Standardanalyse von Spermien herangezogen (LENZI 1997). Zur Vereinfachung des internationalen Umgangs mit den Parametern, werden diese nach den englischen Bezeichnungen abgekürzt (BOYERS et al. 1989):
DCL= Distance curve line (µm): Die tatsächlich zurückgelegte Strecke des Spermiums zwischen Anfangs- und Endpunkt der Messung.
DSL= Distance straight line (µm): Die errechnete direkte Strecke zwischen Anfangs- und Endpunkt der Messung.
DAP= Distance average path (µm): Die errechnete zurückgelegte Strecke der gemittelten Bahn zwischen Anfangs- und Endpunkt der Messung.
VCL= Velocity curve line (µm/s): Die Geschwindigkeit des Spermiums auf der tatsächlichen, kurvolinearen Bahn.
VSL= Velocity straight line (µm/s): Die errechnete Durchschnittsgeschwindigkeit des Spermiums entlang der geraden Linie zwischen dem ersten und letzten Punkt der erkannten Bahn.
VAP= Velocity average path (µm/s): Die Durchschnittsgeschwindigkeit des Spermienkopfes entlang der gemittelten Bahn.
ALH= Amplitude of lateral head displacement (µm): Die Größe des seitlichen Spermienkopfausschlages von der gemittelten Bahn.
LIN= Linearity (VSL/VCL): Die Linearität der tatsächlichen Bahn.
WOB= Wobble (VAP/VCL): Die Abweichung der tatsächlichen Bahn von der gemittelten Bahn.
STR= Straightness (VSL/VAP): Die Linearität der gemittelten Bahn.
BCF= Beat cross frequency (Schläge/s): Die Kopfschlagfrequenz, berechnet aus der durchschnittlichen Anzahl der Kreuzungspunkte der tatsächlichen Bahn mit der gemittelten Bahn.
MAD= Mean angular displacement (Grad): Der über die Zeit gemittelte Drehwinkel des Spermienkopfes entlang seiner tatsächlichen Bahn.
Nach DAVIS und SIEMERS (1995) reflektierten diese Parameter nicht die vollständige, natürliche Bewegung der Spermien, sondern stellten rechnerisch ermittelte vereinfachte Kinetiken dar. Die Wahl der Parameter orientiert sich vor allem an den technischen Möglichkeiten der Kinetikanalyse, ohne dass die biologische Bedeutung für die Fruchtbarkeit im Einzelfall bekannt ist. Richtwerte bzw.
Mindestanforderungen sind für die meisten Parameter nicht definiert.
2.1.5 Einflussfaktoren auf das Messergebnis
Die computergestützte Spermienanalyse (CASA) soll eine objektive Bewertung verschiedener Spermienarakteristika wie Motilität, Geschwindigkeit und Konzentration ermöglichen. Probleme bestehen in der Standardisierung und Optimierung der Ausstattung und der Untersuchungsabläufe. COOPER et al. (2002) sahen, dass nur unter standardisierten und optimierten Bedingungen brauchbare Ergebnisse erhalten werden können. Auch andere Autoren stellten fest, dass viele Faktoren die Erhebung von aussagekräftigen und wiederholbaren Messergebnissen beeinflussen (BRAZIL et al. 2004a).
Weitere Einflussfaktoren sind die Art des verwendeten CASA-Systems (Optik, temperierter/automatisierter und/oder nicht temperierter/automatisierter Kreuztisch), die Systemeinstellungen (Lichtstärke, Tiefenschärfe, Verdünnungsgrad), die verwendeten Messutensilien (Art der Probengefäße, der Pipetten, und -spitzen und die Temperatur), die Untersuchungstechnik (Anzahl und Auswahl der Messfelder, Art/Ort der Probenentnahme und Art der Kammerbeschickung, Probenhandling und Pipettiertechnik) sowie die Probe selbst (Temperatur, Konzentration, Verdünner, Detritus) (DAVIS u. KATZ 1993). Weil Spermien sich nicht immer gleich schnell und in die gleiche Richtung bewegen, kann die sehr kurze Untersuchungsspanne von CASA-Systemen dazu führen, dass die ermittelten Ergebnisse irreführend sind (VANTMAN et al. 1988).
2.1.5.1 Das CASA-System
Die computergestützte Spermienanalyse unterliegt einer ständigen technischen Verbesserung des gesamten Systems und somit der Messung.
FARRELL et al. (1995) zeigten, dass bei Parallelmessungen der Konzentration und der Motilität fast zu 100 % identische Messergebnisse mit zwei gleich eingestellten Geräten möglich sind. LENZI (1997) hingegen schilderte Messunterschiede bei Systemen des gleichen Herstellers und wies so auf ein Problem der Standardisierung hin, welches bereits beim CASA-System selbst beginnt. HOLT et al. (1994) zeigten, dass zwischen unterschiedlichen Versionen des gleichen Gerätes größere Unterschiede bei allen Parametern messbar waren, als zwischen verschiedenen CASA-Systemen. Die Autoren folgerten, dass der Probenumgang und die Erfahrung der Nutzer wichtiger einzustufen sind als die Optimierung der CASA- Systeme.
SIEMERS (1994) und DAVIS und SIEMERS (1995) zeigten hingegen, dass ähnliche Messergebnisse auch beim Gebrauch unterschiedlicher Computersysteme erzielt werden können. Sie verglichen die Bewegungsarten von Spermien und deren Geschwindigkeiten anhand eines Videos und werteten dieses mit den beiden CASA-Systemen von CellTrak-S und Hamilton-Thorn aus. Die Variationen lagen unter 8 % mit Korrelationen von r = 0,994 bei der VCL und r = 0,996 bei der VSL.
VARNER et al. (1991) verglichen zwei CASA-Systeme (Hamilton-Thorn und frame- by-frame playback video micrography) und kamen zu dem Ergebnis, dass beide Computersysteme die Möglichkeit bieten, die Spermienmotilität und -geschwindigkeit bei Hengsten zuverlässig zu bestimmen. Auch sie kamen auf eine hohe Korrelation zwischen beiden Systemen (r = 0,97). JASKO et al. (1988; 1991) analysierten mit einem CASA-System von CellSoft Motilitäten von Hengstsperma und erreichten wiederholbare und für den klinischen Gebrauch ausreichend genaue Werte. GILL et al. (1988) hingegen verglichen den CellSoft Semen Analyzer und den Hamilton Thorn Motility Analyzer (HTM) 2000 im Vergleich zur subjektiven Auswertung mit der Makler-Kammer. Bei der Konzentrationsmessung schnitt das HTM 2000 mit einer Überbewertung von 8 % etwas besser als das CellSoft-System mit durchschnittlich 35 % mehr Spermien gegenüber den Kontrollen ab. AGARWAL et al. (1992)
verglichen die Messergebnisse zweier gleicher CASA-Systeme der Firma Hamilton Thorne mit gleichen Systemeinstellungen. Trotz gleichem Umgang mit der Probe wurden signifikante Unterschiede in der gemessenen Spermienkonzentration, den gezählten motilen Spermien und den kinetischen Parametern ALH, LIN und BCF nachgewiesen. Keine signifikanten Unterschiede gab es in den Bewegungs- parametern Gesamtmotilität, VAP, VSL, VCL und progressive Motilität. Die Autoren diskutierten, dass der Gebrauch der Makler-Zählkammer in ihren Untersuchungen möglicherweise für die fehlende Reproduzierbarkeit der Ergebnisse verantwortlich war. Auch andere Autoren fanden heraus, dass die Makler-Zählkammer ungenaue Ergebnisse im Vergleich zum Haemozytometer und Microcell liefert (GINSBURG u.
ARMANT 1990).
Es wurde deutlich, dass sowohl personenbezogene Einflüsse durch Standardisierung des Umgangs und der Beurteilung zu minimieren waren als auch versucht werden muss, durch die Beurteilung einer sehr hohen Spermienzahl eine repräsentativere Aussage über die Samenqualität zu erreichen. In der Regel lassen sich diese Verbesserungen nur durch maschinelles Bearbeiten erreichen, z.B. durch den Einsatz eines automatisierten Scannertisches, wie es bei neueren Modellen der Fall ist, mit Hilfe dessen eine Messung an standardisierten Messpositionen der Messkammer ermöglicht wird (VERSTEGEN et al. 2002; NICOLAE 2006)
2.1.5.2 Systemeinstellungen
WIEDERMANN (1992) führte den Erhalt unterschiedlicher Messergebnisse auf die Verwendung verschiedener Computereinstellungen und -programme zurück. So entstanden die Unterschiede dadurch, dass verschiedene Algorithmen, Bildaufnahmesysteme, verarbeitende Hardware und Software zur Bestimmung nominell identischer Parameter verwendet wurden. Allein die Wahl unterschiedlicher Objektive konnte eine Ursache für den Erhalt divergierender Messergebnisse darstellen (WIEDERMANN 1992). Auch LENZI (1997) beschrieb Messunterschiede bei Systemen des gleichen Herstellers und sah deren Entstehung unter anderem in unterschiedlichen Geräteeinstellungen. Bereits OVERSTREET und COOPER (1978)
und KATZ et al. (1989) zeigten die Notwendigkeit auf, die vom Systemhersteller vorgegebenen Einstellungen zu benutzen. Dies sei aber nur dann gut, wenn deren Leistung periodisch überprüft und das Gerät ständig neu kalibriert werden würde.
Auch erwähnten Sie, dass CASA nicht der Goldstandard der Messung motiler Spermien sei.
VERSTEGEN et al. (2002) wiesen auf die Möglichkeit hin, dass nicht nur die vom Hersteller empfohlenen Einstellungen verwendet werden können, sondern auch die nutzerorientierte Anpassung des Parametersatzes möglich sei. Dies betraf auch die Definition der durchschnittlichen Größe der Spermienköpfe, durch die die Spermienerkennung in vielen CASA-Systemen gewährleistet sei.
Die optimale Einstellung der Lichtintensität beschrieben VERSTEGEN et al. (2006) als wichtigsten Faktor bei der Spermienerkennung, weshalb diese idealerweise vor jeder Messung überprüft und eingestellt werden sollte.
Da Kammern mit unterschiedlichen Schichtdicken im Handel erhältlich sind, war die Eingabe der verwendeten Kammer für eine exakte Konzentrationsbestimmung essentiell. Je nach CASA-System können diese Daten in der Software gespeichert werden (VERSTEGEN et al. 2002).
Es existieren einige Studien über den Vergleich der manuellen mikroskopischen Spermienzählung und der Motilitätsschätzung mit der computergestützten Spermienanalyse (KRAUSE 1995; CENTOLA 1996; JOHNSON et al. 1996a;
DOMES 2003). Allen gemein ist die generell höhere Reproduzierbarkeit der computergestützten Spermienanalyse gegenüber der Spermienzählung und der Motilitätsschätzung bei der manuellen Untersuchung.
Verbesserungsmöglichkeiten sah NICOLAE (2006) im CASA-System selbst. Diese boten sich in der Nutzung mathematischer Programme zur Identifizierung der Wege von sich kreuzenden Bahnen. Auch eine verbesserte Erkennung der Spermien durch Einbeziehung des Mittelstücks sah der Autor trotz verbesserter Technik nur bei wenigen Systemen verwirklicht.
2.1.5.3 Laborpersonal und Untersuchungstechnik
SCHRÖPPEL (1988) wies Untersuchereinflüsse auf das Messergebnis nach. Er stellte wiederholt fest, dass die Subjektivität des Untersuchers die Beurteilung einer Spermaprobe stark beeinflussen konnte. Die Folgen waren erhebliche Ab- weichungen zwischen den Befunden verschiedener Untersucher. VETTER et al.
(1998) zufolge spielten unter anderem die Variablen der Konzentration der Probe und die Erfahrung des Untersuchers eine Rolle.
RIEMKE (1983) zeigte, dass der Untersucher durch die Auswahl der Messfelder und auch der Zeit, die die Spermien brauchten, um sich an die Kammertemperatur anzupassen (Äquilibrierungszeit) einen starken Einfluss auf das vom Computerprogramm erhobene Messergebnis haben konnte. Auch VERSTEGEN et al. (2002) sahen in der Anzahl der untersuchten Messfelder und Zellen eine Möglichkeit, starken Einfluss zu nehmen. Mit steigender Zahl der Untersuchungen stieg ihrer Studie nach auch die Messgenauigkeit. Andere Autoren beschrieben, dass es durch die unterschiedliche Aufarbeitung der Proben und die Auswahl nicht repräsentativer Blickfelder zum Auftreten von Fehlern und somit zu einer großen Einflussnahme auf das Messergebnis kommen konnte (NEUWINGER et al. 1990b;
DAVIS u. KATZ 1993; CENTOLA 1996). LENZI (1997) hingegen beschrieb Messunterschiede bei Systemen des gleichen Herstellers und begründete deren Entstehung unter anderem in den individuellen Arten der Probenentnahme. Laut LEIDL et al. (1989) waren die Qualität und Auswahl des mikroskopischen Bildes vom Untersucher abhängig und stellten für die Autoren somit einen nicht standardisierbaren Einfluss dar. Einige Systeme bieten anderen Autoren zufolge heutzutage die technische Möglichkeit zur Verwendung eines automatisierten Scannertischs, der eben diesen Einfluss eliminieren kann (VERSTEGEN et al. 2002;
NICOLAE 2006).
2.1.5.4 Messkammer
Die Wahl der verwendeten Messkammer (LENZI 1997) und deren Tiefe (DAVIS u.
KATZ 1993) hatte einen bedeutenden Einfluss auf die Reproduzierbarkeit und die Aussagekraft des Messergebnisses.
Beim dem Vergleich verschiedener Kammern wurden unterschiedliche Ergebnisse erzielt. Den Kammereinfluss auf die Konzentration beschrieben TOMLINSON et al.
(2001). Sie beobachteten, dass die Neubauer-Kammer signifikant höhere Werte für die Spermien-Konzentration erbrachte als die Microcell-Kammer und dass die ermittelten Werte wiederum signifikant höher waren als die der Leja-Kammer. Die Variationskoeffizienten der Konzentrationsbestimmung mit Hilfe dieser Kammern betrugen 7,4, 10,2 und 10,6 %. Die Autoren machten jedoch keine Angaben, welches CASA-System verwendet wurde. Dagegen ergaben die Messungen von GINSBURG und ARMANT (1990) gleiche Spermienkonzentrationswerte mit der Neubauer- und der Microcell-Kammer. Die gemessenen Konzentrationswerte in der Makler-Kammer waren dagegen signifikant höher. Messungen der Konzentration von Hundespermien ergaben mit dem SpermVisionTM-System vergleichbare Ergebnisse mit der Microcell- Kammer und der Leja-Kammer (VERSTEGEN et al. 2006).
JOHNSON et al. (1996b) stellten bei ihren Untersuchungen mit einem CASA-System von Hamilton-Thorne unter Verwendung von Microcell-Kammern mit einer definierten Tiefe von 20 μm eine unregelmäßige Verteilung der Spermienkonzentration innerhalb der Kammer fest. Im Bereich von bis zu 8 mm von der Einfüllmulde entfernt war die Konzentration signifikant erhöht, verglichen mit der Konzentration gemessen weiter als 8 mm von der Einfüllmulde der Kammer entfernt. Auch bei der Untersuchung der Spermienverteilung in der 20 µm tiefen Leja-Kammer stellte sich heraus, dass die Konzentration sich in Richtung Kammerausgang erhöhte (DOUGLAS-HAMILTON et al. 2005a,b; VERMEIDEN et al. 2005; KUSTER 2005; NICOLAE 2006). Die Autoren führten dies auf die bestimmten Eigenschaften einer Flüssigkeit, in einem starren System zu fließen, zurück und gaben als Lösungsvorschlag einen Korrekturfaktor von 1,17 bis 1,3 vor, welcher mit der in der Kammermitte gemessenen Konzentration multipliziert werden sollte.
Nach dem Gesetz von Hagen-Poiseuille bilden Flüssigkeiten in einem starren System eine laminäre Strömung aus. Dies hat zur Folge, dass der Axialstrom (Kammermitte) am schnellsten fließt und die in der Flüssigkeit befindlichen Partikel (Spermien) sich am vorderen Teil des Meniskus ansammeln. Dieser Effekt wurde von SEGRE und SILBERBERG (1961) beschrieben und von DOUGLAS-HAMILTON et al. (2005a,b) für die Leja-Kammer nachgewiesen. Die Erklärung hierfür war, dass Partikel aus den außen liegenden, langsamer fließenden Schichten, in schneller fließende Schichten gezogen werden. So sammelten sich bei Flüssigkeiten zwischen Ebenen „in der Leja-Kammer sind es entsprechend zwei Ebenen„ Partikel in einer Schicht, die nur einen geringen Abstand zur Mitte des Stromes haben und es entstehen die sogenannten „Segre-Silberberg Ebenen“ (Abb. 1) (DOUGLAS- HAMILTON et al. 2005a,b). Die Stärke der Auswirkung dieses Effektes war von vielen Faktoren abhängig. Dazu gehörten Form und Volumen der Partikel, Viskosität der Flüssigkeit (abhängig von Temperatur und Dichte), Fließgeschwindigkeit und Tiefe der Kammer sowie deren Beschichtung (normal/extra beschichtet) (ARMANT u.
ELLIS 1995).
Einen negativen Kammereinfluss auf die Spermienmotilität beschrieb HANSEN (2009) bei der Leja-Kammer. In seinen Untersuchungen nahm die Spermienmotilität während der Kammerbefüllung in Richtung Kammersausgang ab; als Ursache vermutete der Autor einen spermientoxischen Effekt des Klebers.
Die Tiefenschärfe der meisten Mikroskope liegt bei ca. 16 µm. Daher benutzen alle Systeme, deren Spermienanalyse über eine auf dem Mikroskop angebrachte Kamera arbeitet, Einwegkammern mit einer maximalen Tiefe von 20 µm. Nur wenn alle Partikel in der Schärfeebene liegen, können diese exakt erkannt werden. Bei der Verwendung von Messkammern mit einer Tiefe von 10 μm liegen alle Spermien in der Schärfeebene, sind aber in ihrer Bewegung so eingeschränkt, dass keine natürliche Bewegung beurteilt werden kann (NICOLAE 2006).
2.1.5.5 Beschaffenheit und Verdünnung der Probe
In zwei Untersuchungen beeinflussten die Temperatur, die Konzentration, der Detritus und der verwendete Verdünner einer Probe die Reproduzierbarkeit und Aussagefähigkeit der Messungen mit dem CASA-System (DAVIS u. KATZ 1993;
ARMANT u. ELLIS 1995). Die Autoren sahen in der Spermienkonzentration einer Probe einen wesentlichen Einflussfaktor auf das Messergebnis. Erst aus der Untersuchung einer bestimmten Anzahl gemessener Spermien resultierte ein exaktes Messergebnis. Die Mindestanzahl an Spermien ist für die Messung mit einem CASA-System speziesspezifisch (BUDWORTH et al. 1987; BUDWORTH et al.
1988;). Nach RIEMKE et al. (1986) mussten beim gleichen System mindestens 200 Spermien ausgewertet werden, damit die Messgenauigkeit der Geschwindigkeit reproduzierbar war. Um auf einen Variationskoeffizienten von unter 10 % zu kommen, mussten laut VERSTEGEN et al. (2002) hingegen pro Kammer mindestens 600 Spermien gemessen werden. LENZI (1997) gab in seiner Studie einen Konzentrationsbereich von unter 5-10x106 und über 50-100x106 an, in dem das CASA-System keine präzisen und zuverlässigen Messergebnisse lieferte.
Abb. 1: Verhalten von Partikeln in laminären Strömungen. Die Flüssigkeit ist hellgrau, die Bewegung der Partikel wird durch Pfeile symbolisiert. Die geraden Pfeile symbolisieren die Segre-Silberberg Ebenen (Quelle: NICOLAE 2006)
VERSTEGEN et al. (2006) beschrieben, dass das SpermVisionTM innerhalb eines großen Konzentrationsbereichs effektive Messergebnisse ohne signifikante Unterschiede lieferte und gaben für eine optimale Messung zwischen 50 und 100 Mio. Spermien/ml in einer Probe an. Bei Proben mit über 100 Mio. Spermien pro ml kam es zu einer Unterbewertung der Motilität. Dies lässt den Schluss zu, dass die Ursache in vermehrt auftretenden Zusammenstößen und Überlagerungen bei hoher Spermiendichte in der Messschicht lag (VANTMAN et al. 1988; WIEDERMANN 1992). VETTER et al. (1998) beschrieben diesen Konzentrationseinfluss auf die Motilitätsmessung ebenfalls. Laut SEHNER (2005) mussten die Ejakulate zur Erzielung von optimalen Messergebnissen in einem bestimmten Konzentrations- bereich liegen, der ihrer Aussage zufolge vom Hersteller vorgegeben wird.
Grundsätzlich sollte weitgehend unabhängig von der Probenkonzentration versucht werden, durch die Beurteilung einer möglichst hohen Spermienzahl eine repräsentativere Aussage über die Spermienqualität zu erreichen (NICOLAE 2006).
Dies ist nicht durch eine Erhöhung der Spermienkonzentration in der Probe, sondern durch eine Erhöhung der Anzahl an Messfeldern zu realisieren. Gerade eine geringe Spermienkonzentration erforderte eine hohe Anzahl an Messfeldern (NICOLAE 2006). Nach der Untersuchung verschiedener Einflussfaktoren auf die Messgenauigkeit der Konzentration und der Motilität von Ebersamen mit dem SpermVisionTM-System in der Leja-Kammer wurden von NICOLAE (2006) Empfehlungen für die Messung erarbeitet. Zum Beispiel sollten die zu messenden Proben Konzentrationen zwischen 18 und 55 x 106 Spermien pro ml haben, für praxisrelevante Versuche ca. 25 x 106 Spermien pro ml (wie der Inhalt der Besamungstuben).
Einen weiteren Einflussfaktor auf das Messergebnis stellt der Verdünner dar. Je nach der Dichte müssen die zu untersuchenden Spermaproben für die Messung zunächst mit physiologischem und transparentem Medium verdünnt werden. Die Spermienvitalität durfte durch diese Lösung nicht beeinflusst werden. Verfälschungen der Ergebnisse können durch eventuell enthaltene Partikel der gleichen Größe wie Spermien, z.B. Eidotter, das Messergebnis entstehen (VERSTEGEN et al. 2002;
SEHNER 2005). ANZAR et al. (1991) konnten trotz optimierter Einstellung und
Filtration eine Überbewertung der Konzentration bei unfiltriertem, mit Eidotter verdünnten Bullensperma gegenüber einem Teilchenzählgerät von durchschnittlich 10 % nachweisen. Besonders bei Hengstspermien kommt es aufgrund ihrer geringen Größe leicht zu einer Verwechslung mit Eidotterpartikeln und somit zu einem methodisch bedingten Einfluss auf das Ergebnis (LEIDL et al. 1987b; LEIDL et al.
1989; ZIEGLER 1991).
Auch die Probentemperatur hatte einen Einfluss auf das Messergebnis. IGUER- OUADA und VERSTEGEN (2001) untersuchten Hundeejakulate bei 30° Celsius, entsprechend der Temperatur des Ejakulates nach der Absamung, und bei 38°
Celsius, entsprechend der Körpertemperatur. Alle Motilitätsparameter waren bei einer Temperatur von 30°C vermindert. Dieses Ergebnis stellt einen wichtigen Faktor für die Befruchtung dar, da die Temperatur im Uterus bei 38°C liegt. Somit sollte die Untersuchung bei 38° Celsius erfolgen.
2.1.6 Standardisierung in spermatologischen Laboren
Die computergestützte Motilitätsanalyse stellt ein mögliches Werkzeug für die effiziente, objektive und zuverlässige Beurteilung kinetischer Spermienqualitäts- parameter dar. Die verschiedenen CASA-Systeme auf dem Markt zeigten einen hohen Level an Präzision, so dass die technischen Voraussetzungen für eine standardisierte Spermienmotilitätskontrolle gegeben sind. AGARWAL et al. (1992) beschrieben, dass die computergestützte Spermienanalyse gegenüber der subjektiven Beurteilung erheblich mehr Informationen und eine messbare Verringerung der Untersuchungszeit bietet. VERSTEGEN et al (2002) sahen darin einen Grund, weshalb diese Technologie mittlerweile nicht nur in Forschungseinrichtungen sondern in zunehmendem Maße auch in Besamungs- stationen eingesetzt wird.
Die Vielfalt der Untersuchungen und der Ergebnisse zeigten die Notwendigkeit einer Standardisierung, vergleichbare Messergebnisse zu erzielen. Oftmals wird der exakte Ablauf der Messprozedur, der Messort oder die Anzahl ausgezählter Spermien nicht angegeben. Ohne diese Informationen kann man Untersuchungen
nicht vergleichen, geschweige denn einen vergleichbaren Versuch konzipieren (BRAZIL et al. 2004a; KEEL 2004). Eine Schwierigkeit der Standardisierung besteht darin, dass für Ejakulate landwirtschaftlicher Nutztiere keine den spermatologischen Richtlinien der WHO vergleichbaren Standards existieren (ZAIMI et al. 1985).
DOMES (2003) sprach von einer guten Wiederholbarkeit der Messungen mit einem einzelnen Computersystem, wenn möglichst alle Faktoren standardisiert sind. Daher sind Laborprotokolle rigoros zu standardisieren sowie Qualitätskontrollen der Labore, auch Leistungstests, und Trainings für das Personal einzuführen. Nur dann ließen sich Spermaqualtitätsdaten zwischen Laboren vergleichen (BRAZIL et al. 2004a,b).
Auch andere Autoren teilten diese Meinung. Laut VERSTEGEN (2002) müssten zur Standardisierung die benutzten Messmethoden präzise und vor allem vollständig beschrieben werden. Für die Reproduzierbarkeit und Präzision sei ein Training des Personals essentiell, da die Kompetenz der Nutzer ihrer Meinung nach den wichtigsten Einflussfaktor auf die Leistung eines CASA-Systems darstellten. Um die Trainingserfolge zu überprüfen, seien interne und externe Qualitätskontrollen absolut notwendig.
Zur Qualitätskontrolle von Spermienkonzentrations und -motilitätsmessungen kommen Trainingsworkshops in Frage. Bei drei aufeinander folgenden Workshops mit einer Kombination von Training und Workshop konnten die Variationskoeffizienten zwischen den Laboren von 28 % über 17 % auf 8 % für die Konzentration und von 17 % über 14 % auf 11 % für die Vorwärtsbeweglichkeit der Spermien gesenkt werden (TOFT et al. 2005). AUGER et al. (2000) ermittelten während eines Workshops die intra- und interindividuelle Variabilität bei der Konzentration und der Motilität von 13 Teilnehmerinnen aus 10 Laboratorien. Jedes Laborteam nutzte seine eigene Ausstattung und eigene Methode zur Untersuchung.
Es erfolgte eine dreifache Untersuchung jeder Probe. Der interindividuelle Durchschnittsvariationskoeffizient (DVC) lag für die Konzentration bei 22,9 % und für die Motilität bei 21,8 %, der intraindividuelle DVC für die Konzentration bei 15,8 % und für die Motilität bei 26,2 %. Deutliche Unterschiede konnten zwischen erfahrenen bzw. unerfahrenen Untersuchern festgestellt werden. Der DVC betrug für die Konzentration bei erfahrenen bzw. unerfahrenen Personen 10 % bzw. 28 % und für
die Motilität 23 % bzw. 33 %. Die Ergebnisse untermauerten die Notwendigkeit externer Kontrollprogramme. In Untersuchungen von KEEL et al. (2000) wiesen trotzdem die mit CASA bestimmten Werte einen niedrigeren Variationskoeffizienten der Konzentrationen (VK: 53 ± 8 %) auf als die mikroskopisch ausgezählten (VK:
80 ± 9 %). JORGENSEN et al. (1997) und TOFT et al. (2005) wiesen nach, dass Training und die Nutzung gleicher Methoden bei der Untersuchung Unterschiede in den Messergebnissen verringerten. Die Autoren zeigten weiterhin, dass die Ergebnisse von gemeinsam trainiertem Laborpersonal geringere Unterschiede aufwiesen als die von nicht gemeinsam trainiertem.
In humanmedizinischen andrologischen Laboren führten COOPER et al. (1999) externe Qualitätskontrollen durch, um die klassische Spermienanalyse zu standardisieren. So konnte eine bessere Reproduzierbarkeit der Messergebnisse erreicht werden. In einer weiteren Studie wies die Arbeitsgruppe (COOPER et al.
2002) auf die Notwendigkeit einer globalen Standardisierung der Spermienanalyse hin. Vor allem Trainings sind aufgrund der Dezentralität sehr kosten- und zeitintensiv.
Die Steigerung der Effizienz, die Vereinfachung und auch die Kostensenkung von Trainings können durch den Einsatz von E-Learning erreicht werden.
2.2 E-Learning
2.2.1 Definitionen 2.2.1.1 Was ist Lernen?
Für den Begriff Lernen existieren verschiedene Definitionen, z.B.:
1. Das Wort "Lernen" geht laut WASSERZIEHER (1974) auf die gotische Bezeichnung für "ich weiß" (lais) und das indogermanische Wort für "gehen"
(lis) zurück. Die Wortherkunft deutet bereits darauf hin, dass es sich beim Lernen um einen Prozess handelt, bei dem man einen Weg zurücklegt und dabei zu Wissen gelangt (MIELKE 2001). Aus lerntheoretischer Sicht wird unter Lernen ein Erfahrungsprozess verstanden, welcher zu einer relativ permanenten Änderung des Verhaltens führen sollte (BODENMANN 2005).
2. SCHILLING (1997) definierte Lernen als einen Prozess des Aufnehmens, Verarbeitens und Umsetzen von Informationen, der lebenslang andauert.
3. SCHMITT (1999) verstand unter Lernen den Erwerb, die Veränderung oder den Abbau von Erlebens- und Verhaltensweisen durch bestimmte Umwelterfahrungen.
2.2.1.2 E-Learning
Seit Mitte der 1990er Jahre hat sich der Begriff electronic learning (E-Learning) etabliert. HOHENSSTEIN et al. (2002) beschrieben E-Learning als einen Oberbegriff für elektronisch unterstütztes Lernen. Darunter wurden alle Formen von Lernen verstanden, bei denen für die Präsentation und Distribution von Lernmaterialien digitale Medien zum Einsatz kamen (KERRES 2001). Der Begriff wurde aber zunehmend zu einem Oberbegriff für Web- und Computer- Based Training (siehe Kap. 2.2.3.1) vereinfacht (KÖSTER 2005).
2.2.1.3 Selbst gesteuertes Lernen
“Tell me and I forget, teach me and I remember, involve me and I learn.”
— KONFUZIUS
Für den Begriff selbst gesteuerten Lernens existieren verschiedene Beschreibungen:
1. WEINERT (1982) hielt die Möglichkeit des Lernenden, die wesentlichen Entscheidungen, ob, was, wann, wie und woraufhin er lernt beeinflussen zu können, für entscheidend und folgenreich.
2. Für SCHIEFELE u. PEKRUN (1996) kamen zusätzlich die Lernmotivation und die dadurch bedingten Selbststeuerungsmaßnahmen, sowie die eigene Überwachung des Fortschritts dazu.
In der deutschen Fachliteratur ließen sich einige ähnliche Begriffe finden, da die Grenzen des Begriffs „selbst gesteuertes Lernen“ fließend sind (FRIEDRICH u.
MANDEL 1997). Zum Beispiel: Autodidaktisches Lernen, autonomes Lernen, selbst organisiertes Lernen, selbst reguliertes Lernen, selbst kontrolliertes Lernen, selbst bestimmtes Lernen, offenes Lernen, Selbststudium. Eine Eigenverantwortung der Lernenden für den einen oder anderen Aspekt Ihres Lernens hatten alle diese Lernformen gemeinsam.
2.2.1.4 Didaktik
Die Didaktik (vom griechischen.: didáskein = lehren; die Unterrichtslehre) im engeren Sinn beschäftigt sich nur mit der Theorie des Unterrichts, in einem weiteren Sinne auch mit der Theorie und Praxis des Lehrens und Lernens (BLANKERTZ 1969).
2.2.1.5 Mediendidaktik
Die wissenschaftliche Beschäftigung mit Medien gestützten Lernangeboten stellt die Mediendidaktik dar. Das Fachgebiet der Pädagogik beschäftigt sich mit Medien, die mit dem Ziel entwickelt werden, bestimmte Lernprozesse anzuregen (KERRES 2001).
2.2.1.6 Interaktivität
SCHAFHAUSER (2000) beschreibt Interaktivität als „gegenseitige Beeinflussung“
oder „Wechselwirkung“. Interaktivität gestattet es dem Lernenden, kreativ sein zu dürfen und selbst die Kontrolle über den Lernprozess zu übernehmen (ISSING u.
STRZEBKOWSKI 1995). Aus medienpädagogischer Sicht ist sie ein kennzeichnendes Merkmal von Lernsoftware (BAUMGARTNER u. PAYR 1999) und ermöglicht die aus konstruktivistischer Sicht für den Lernprozess notwendige
„Individualisierung des Wissenserwerbs“ (WEIDENMANN 1993). Allerdings wird der Begriff in diesem Fall hauptsächlich für die Interaktion in Form von Eingriffs- und Steuermöglichkeiten zwischen Computer und Anwender gebraucht.
2.2.2 Zugrunde liegende Lerntheorien
Lerntheorien sind der Versuch, Kenntnisse bzw. Auffassungen über das Lernen, die sich in verschiedenen Definitionen (Kap. 2.2.1) niederschlagen, in einem einheitlichen System zusammenzufassen (LEFRANCOIS 1976; KLIMSA 1993). Die zugrunde liegende Auffassung über das Lernen beeinflusst stark die Gestaltung konkreter Systeme. In jeder Lernsoftware schlägt sich mindestens ein theoretisches Lernmodell nieder, und je nach behandeltem Thema bestimmt das implementierte didaktische Modell den Aufbau und die Struktur (BAUMGARTNER 1997).
Bei Betrachtung der Gestaltung von Lernsystemen, spielen besonders drei grundlegende Positionen eine Rolle: die behavioristische, die kognitivistische und die konstruktivistische Orientierung (BAUMGARTNER 1994).
Die Systematisierung der Lerntheorien erfolgt nach der historischen Entwicklung (Behaviorismus-> Kognitivismus-> Konstruktivismus). Im Anschluss daran werden die Einflüsse der Theorien auf Lernsysteme aufgezeigt (KÖSTER 2005).
2.2.2.1 Behaviorismus
Der Begriff Behaviorismus wurde abgeleitet vom amerikanisch-englischen Wort behavior = Verhalten. Unter Konditionierung wird nach SKINNER (1954) in der Psychologie das Erlernen von Reiz-Reaktions-Mustern verstanden. Auf einen bestimmten Reiz folgt beim Organismus eine bestimmte Reaktion. Es werden die
zwei Grundtypen der Konditionierung unterschieden: Die Klassische Konditionierung und die Operante Konditionierung (Abb. 2).
Klassische Konditionierung
Die Theorie der klassischen Konditionierung wurde von dem russischen Physiologen PAWLOW (1849 bis 1936) begründet und besagt, dass einem natürlichen, meist an- geborenen Reflex auf einen Reiz, ein bedingtes Reiz-Reflexmuster hinzugefügt werden kann. Der bedingte Reiz führt zur gleichen Auslösung des Verhaltens wie der natürliche oder unbedingte Reflex. Dieser Vorgang wird in der klassischen Konditionierung als Lernen bezeichnet (WATSON 1913; SKINNER 1954;
THORNDIKE 1966) (Abb. 3).
Das Gehirn des Lernenden wird dabei als "Black Box" betrachtet. Den internen Prozessen, die zum Lernen führen, wird keine Aufmerksamkeit geschenkt. Bei komplexeren Inhalten und Aufgaben müssen diese in kleine Lernschritte zerlegt und in eine „nach Auffassung des Lehrenden“ optimale Reihenfolge gebracht werden, die so genannte programmierte Instruktion (HASEBROOK 1995).
Damit die Konditionierung zum Erfolg führen kann, müssen der natürliche Reiz und der noch unbedingte Reiz kurz aufeinander folgen (LÜCK 1991; ZIMBARDO 1992;
LEFRANCOIS 1994; EDELMANN 1996; SEEL 2000).
Abb. 2: Behaviorismus (nach: http://wulv.uni-greifswald.de/2005_hh_paedpsy_vorl/
userdata/2005_04_12_finalgold_geschichte_und_grundrichtungen_pae_ps.pdf)
Operante Konditionierung
Bei der operanten Konditionierung wird dem Reiz-Reaktionsschema der Aspekt der Belohnung und Bestrafung hinzugefügt (SKINNER 1954). Das durch einen Reiz ausgelöste Verhalten baut eine Wechselwirkung zum Ergebnis des Verhaltens auf.
Hat dieses Ergebnis positive Auswirkungen auf den Organismus (Belohnung, Erfolg), wird es verstärkt. Bei einer negativen oder bei einer ausbleibenden Wirkung (Bestrafung, Misserfolg) wird es bestraft und nicht wieder gezeigt. SKINNER (1954) sprach von positiven und negativen Verstärkern, sowie von einer positiven und negativen Bestrafung. Dieser Mechanismus läuft im Leben meist automatisch ab, kann aber nach SKINNER (1954) auch bewusst kontrolliert und gesteuert werden.
Abb. 3: Pawlowscher Reflex. Unbedingter Reiz (US); Bedingter Reiz (CS);
Unbedingter Reflex (UR); Bedingter Reflex (CR) (http://arbeitsblätter.stangl- taller.at/LERNEN/konditionierungklassisch.)
COMER (1995) beschrieb die operante Konditionierung folgendermaßen: "Beim operanten Konditionieren lernen Menschen und Tiere bestimmte Verhaltensweisen, weil sie von ihrer Umwelt dafür Verstärkung erhalten".
Behaviorismus und Lernsoftware
Die Prinzipien des Behaviorismus erweisen sich vor allem beim Einüben körperlicher und kognitiver Fertigkeiten als sehr vorteilhaft und haben nach wie vor Aktualität.
„Drill and Practice“ (oder auch „Drill and Test“) ist die Bezeichnung für jenen Softwaretyp, bei dem dieses Modell zur Anwendung kommt. Erfolg und Misserfolg können klar definiert werden, die Beurteilung der Leistung ist gut möglich und die programmtechnische Umsetzung relativ einfach (SUESSENBACHER 1997).
Technologiegestützte Lehr- und Lernsysteme, die sich auf die behavioristische Lerntheorie beziehen, sind auf eine Überprüfung des Lernprozesses angewiesen.
SCHWEIGHOFER (1992) schrieb, dass bei einer rein behavioristisch ausgerichteten Lernsoftware das System keine spezielle Rücksicht auf die Reaktionen und Leistungen des Individuums nimmt. Technologiegestützte Lehr- und Lernsysteme, die sich an dieser Theorie orientieren, sind gekennzeichnet durch eine lineare Programmstruktur. Typisch sind Präsentationen, in denen Fakten mittels Text, Grafik, Bild oder Ton präsentiert und mittels eines Abschlussquiz abgefragt werden (SCHULMEISTER 1996).
Auf Basis dieser Theorie entwickelte, technologiegestützte Lehr- und Lernsysteme können als ein Versuch bezeichnet werden, Wissen objektiv zu vermitteln. Die behavioristischen Systeme sind nicht in der Lage, individuelles Lernverhalten zu analysieren (MANDL et al. 1995). Auch heute noch ist die Mehrzahl verfügbarer Lernprogramme überwiegend nach behavioristischen Prinzipien gestaltet (BLUMSTENGEL 1997). Lernen ist dann erfolgreich, wenn Erfolg erlebt wird, stellte TERGAN (2004) fest. KERRES (1998) war der Meinung, dass der Lernende auch Fehler machen darf, da diese als wichtige Informationsquelle das Lernen auch fördern können.
In Tab. 1 sind die sieben Prinzipien des programmierten Lernens nach SKINNER (1954) aufgeführt.
Nummer Lernprinzip
1 Auf jede Antwort muss eine Rückmeldung erfolgen.
2 Der Lernende sollte in seinem persönlichen Lerntempo den Stoff bewältigen.
3 Die Lernziele müssen für den Lernenden klar definiert werden.
4 Aufgaben sollten mit hoher Wahrscheinlichkeit (über 90 Prozent) gelöst werden können.
5 Der Lernstoff sollte in Abfolge von Frage-Antwort-Kombinationen gegliedert werden.
6 Die Aufgaben sollten so gestellt sein, dass sie vom Lernenden möglichst aktiv bearbeitet werden können.
7 Engagiertes Arbeiten sollte durch Belohnung bekräftigt werden.
2.2.2.2 Kognitivismus
Bei der kognitivistischen Sichtweise des Lernens spielen die Denk- und Verstehensprozesse der Lernenden eine zentrale Rolle. Im kognitivistischen Grundmodell wird Lernen als ein Informationsverarbeitungsprozess oder die Art und Weise des Menschen, Wissen zu speichern, angesehen (KLIMSA 1993;
BAUMGARTNER 1994).
SCHWEIGHOFER (1992) beschrieb das kognitive Lernen als einen Prozess, bei dem neue Informationen mit den Mitteln des vorhandenen Wissens, das sich seinerseits in diesem Verarbeitungsprozess umstrukturiert, verarbeitet werden. Im Kognitivismus wird das menschliche Gehirn nicht mehr als passiver Behälter gesehen, da diesem vielmehr eine eigene Verarbeitungs- und Transformationskapazität zugeschrieben wird. Jedoch wird das Gehirn analog zum Computer als ein reines informationsverarbeitendes Gerät verstanden (SCHWEIGHOFER 1992; LEFRANCOIS 1994; EDELMANN 1996). Das Individuum wird als Zentrum des Wissens und des Handelns überbewertet. Leiblichkeit, Emotionalität und das situierte Handeln des Menschen wurde hier laut KERRES (2001) zu wenig berücksichtigt.
Tab. 1: Sieben Prinzipien des programmierten Lernens nach SKINNER (1954), zitiert nach MAYER und TREICHEL (2004)
Kognitivismus und Lernsoftware
Der Autor SUESSENBACHER (1997) schrieb, dass die dem Kognitivismus zugeordnete Lernsoftware nicht Faktenwissen vermittelt, sondern Prozessverständnisse, z.B. Regeln und deren Anwendung. Die Ebene „Drill and Test“ geht in eine Kombination von Präsentation und Drill (Darstellen und Einüben von Inhalten) über. Solche Softwareanwendungen sind nach Meinung des Autors unter den Bezeichnungen Tutorials oder Tutorensysteme bekannt. Technische Anforderungen an kognitivistische Lernsysteme sind komplexer als bei behavioristischen, da der linear ablaufende Lernprozess durch variable Methoden abgelöst wird (ELEN u. LOWYCK 2000).
WOOLF et al. (1995) und KERRES (2001) waren der Meinung, das es in diesem Programm darum geht, Methoden und Ansätze zur Problemlösung zu finden und zu demonstrieren.
2.2.2.3 Konstruktivismus
GLASERFELD (1997) beschrieb als Hauptaussage dieser Theorie in seiner radikalen Form, dass Individuen keine objektive Wirklichkeit wahrnehmen, sondern aufgrund der eigenen Wahrnehmung ihre individuelle Wirklichkeit konstruieren.
Lernen wurde durch ROTH (1996) als ein aktiver Prozess der Wissenskonstruktion bezeichnet und ist dann am effektivsten, wenn die Lernenden ihren Lernprozess umfassend selbst steuern können (SIEBERT 2003; REICH 2006).
Im Gegensatz zum Behaviorismus betont der Konstruktivismus die internen Verstehensprozesse. In Abgrenzung zum Kognitivismus lehnt er jedoch die Annahme einer Wechselwirkung zwischen der externen Präsentation und dem internen Verarbeitungsprozess ab. Stattdessen wird der individuellen Wahrnehmung, Interpretation und Konstruktion eine wesentlich stärkere Bedeutung eingeräumt (TULODZIECKI et al. 1996).
Konstruktivismus und Lernsoftware
Die entsprechenden Softwarebeispiele sind hauptsächlich Spiele und offene Wissens-Management Systeme. In Simulation und Mikrowelten können eigene Wirklichkeiten konstruiert bzw. gesteuert werden. Durch Veränderungen verschiedener Faktoren können die Lernenden komplexe Situationen beeinflussen.
Die Aufgabe des Lernenden ist es, die Beziehungen der einzelnen Parameter zueinander kennen zu lernen, um schließlich die optimalen Werte für diese zu erfahren (SUESSENBACHER 1997).
Die Postulate des Konstruktivismus sind in Tab. 2 aufgeführt.
Postulat Erläuterung
Aktivität des Lernenden Der Lernende ist selbst aktiv. Aufbau oder Umstrukturierung von Konstrukten werden vom Lernenden selbst bestimmt.
Situativität des Lernenden
Lernende sind der Kontextgebundenheit unterworfen. Sie lernen in einer bestimmten individuellen Situation.
Interaktivität des Lernenden Durch Interaktion mit anderen Individuen werden Wissensstrukturen aufgebaut.
Kumulation von Informationen Informationen werden mit allen schon vorhandenen Informationen verknüpft.
Konstruktivität des
Wissenserwerbs Durch die Verknüpfung von Informationen erfolgt ein Aufbau von Wissenskonstrukten.
Zielorientierung des Lernenden Das Ziel muss erkannt werden, damit der Lernprozess erfolgreich ist.
Selbstregulierung des Lernenden
Konstruktivistische Theorien ordnen jedem Individuum einen eigenen Erkenntnisprozess zu.
Deshalb ist es wichtig, dass der Lernprozess aktiv und selbstbestimmt erfolgen kann und nicht auf Instruktion beruht.
Tab. 2: Postulate des Konstruktivismus (SCHULMEISTER 1996)
2.2.3 Lernsoftwarearten
Eine Einteilung der Lernsoftwarearten erfolgt anhand der Distributionsform oder nach der Art der Wissensvermittlung.
2.2.3.1 Art der Distribution
Computer Based Training
SCHWEIGHÖFER (1992) sah im Computer Based Training (CBT) einen übergeordneten Begriff für alle Lehr- und Lernsysteme, die auf einem Wechselspeichermedium, wie CD-ROM (Compact Disc Read Only Memory, bis zu 700 MB) und DVD (Digital Versatile Disc: digitale Mehrzweck-Scheibe, bis zu 4,7 GB) vorliegen. Der Begriff CBT kann auch als Synonym für Lernsoftware im weiteren Sinne angesehen werden, in dem Texte, Bilder, Animationen, Simulationen, Videos und Ton kombiniert werden können (BRENDEL 1990; SEIDEL 1993; REINMANN- ROTHMEIER et al. 1994). Vorteile liegen hier in der Verwendungsmöglichkeit großer Datenmengen (SHORT 2002) in Form von Videos und Animationen, der preiswerten Herstellung und der Robustheit (WAGNER u. FRÖHLICH 2003).
In Tab. 3 sind häufig verwendete Begriffe Distributionsarten aufgelistet.
Abkürzungen Bedeutung
CBT Computer Based Training CBI Computer Based Instruction CAT Computer Aided Teaching
CAI Computer Aided/Assisted Instruction CAL Computer Aided/Assisted Learning CUL Computerunterstütztes Lernen CUU Computerunterstützter Unterricht
CBL Computer Based Learning/ bzw. Computerbasiertes Lernen Tab. 3: Übersicht häufig verwendeter Begriffe (BLUMSTENGEL 1998)
Web Based Training
KÖSTER (2005) sah im Web Based Training (WBT) einen übergeordneten Begriff für alle technologiegestützten Lehr- und Lernsysteme, die über das Internet abrufbar sind. Es handelt sich um multimediale interaktive Lernpakete, die im Internet lauffähig sind. Dadurch können Lerninhalte und Informationen einer großen Anzahl von Lernenden bereitgestellt werden. Vorteile dieser Distributionsform lagen in der im hohen Maß möglichen Verfügbarkeit und der Tutorierbarkeit. Die Verarbeitungs- möglichkeit von nur kleineren Datenmengen wurde dagegen als nachteilig gesehen (KERRES 2002).
2.2.3.2 Art der Wissensvermittlung
POHL (1998) und auch SCHULMEISTER (1996) beschrieben eine mögliche Einteilung von Lernprogrammen nach Ihren Phasen der Wissensvermittlung, Interaktionsfreiheit und Kontrollintensität. BAUMGARTNER et al. (1999) unterschieden grundsätzlich fünf Programmtypen, deren genaue Abgrenzung in der Praxis oft schwer fällt:
Präsentations- und Visualisierungssoftware
MADER (1999) beschrieb, dass es bei diesem Softwaretyp um die reine Darstellung von Lerninhalten, z.B. als Powerpoint-Präsentationen und Videos (z.B.
http://www.februartagung.de/2006/) geht. Die Möglichkeiten des Nutzers beschränkten sich auf die Steuerung und die Entscheidung über die Bearbeitungszeit sowie die Reihenfolge der Inhalte.
Drill- und Testsoftware
„Drill- und Testsoftware“ wird auch „Übungssoftware“, „Drill and Practice Software“
oder „Übungsprogramme“ genannt (BAUMGARTNER u. PAYR 1999). Bei diesem Lernsoftwaretyp werden bereits erworbenes Wissen und Fertigkeiten durch Übungen und Wiederholungen vertieft (z.B.: http://www.lernsoftware.de/Lernwelt/download/
download.htm). Es dient nicht primär der Transferierung neuen Wissens
