Anforderungen* Umgangs mit komplexen und dynamischen Neue Verfahren zur Erfassung intelligenten

(1)

Ernst A. Hany

W a c h s , ! ' . D . (1992). The mturt ofnurmrt. N e w b u r y Park, C A : Saue.

W a c h s , I . D . (1996). K n o w n and potentia! proecss undcrlyin« d c . c i o p n i c n t a l L r a j c c i u d c s in c l u i u h o o d and adolescence. Developmemal Psychology, 32, 7 9 6 - 8 0 1 .

W e i n b e r g . R. A . ( 1 9 9 " ) . It the nature-nurturc war is OUT. w h y du wec o n t i n u c so baulcr In D . K.

I X n i c m u m (Hü.), : tu im,*:.m iuutfibfox*: \U. .?. 7 ? v euviiviim.nt {»o. 1 9 1 - 1 9 4 ; . N o n v o o J , N'J: Abicx.

Vleingart, !?, Kroll, J . & B.iyeru, K. ( 1 9 9 2 . . A C c , BLi C-^. Geschieht, « C Exotik und Ruxcn hygime in Deutschland. Frankfurt a . M . : S u h r k a m p .

W i l s o n , R. S. (1986). C o n t i n u i r y a n d change in cognitive ability profile [Special Issue: Mulcivariatc behavioral genetics and d e v e l o p m e n t ] , Behavior Genetics, 16, 4 5 - 6 0 .

Neue Verfahren zur Erfassung intelligenten Umgangs mit komplexen und dynamischen Anforderungen*

jodeh/m Tinilec

1. Einleitung

M i t den M i t t e 1970 a u f g e k o m m e n e n Arbeiten z u m so genannten „ K o m p l e x e n Problemlösen" ist die Inrelligenzdiagnostik einer starken Kritik unterzogen wor

den. A u f b a u e n d auf den Nullkorrelationen zwischen h e r k ö m m l i c h e n Intelligenz

tests u n d Leistungsparametern beim U m g a n g m i t compurersimulierten Szenarien, wie sie damals etwa D ö r n e r u n d Kreuzig (1983) oder Putz-Osterloh (1981; vgl, auch Putz-Osterloh & Lüer, 1981) berichteten, wurde erstmals die B e h a u p t u n g vertreten, bislang nicht gestellte, aber für die Diagnostik der „operativen Intel

ligenz" (Dörner, 1986) wichtige A n f o r d e r u n g e n realisiert zu haben ( z u m Begriff der „operativen Intelligenz" siehe den Beitrag von Weber & Westmeyer, in diesem Band). Z u diesen neuen A n f o r d e r u n g e n gehören insbesondere die aktive Informationsbeschaffung über Z u s t a n d u n d Struktur des dynamischen Systems, m i t d e m m a n als Versuchsperson ( V p ) konfrontiert wird (Aspekt des Wissens

erwerbs, Identifikation eines Systems), wie auch die Tatsache, dass nicht einzelne Urteile oder Entscheidungen zu fällen sind, sondern im R a h m e n einer Steuerungs

anforderung eine mehrstufige, über einen größeren Zeitraum sich erstreckende A n z a h l von zielführenden Entscheidungen zu treffen ist (Aspekt der Wissens

a n w e n d u n g , Kontrolle eines Systems).

A u c h w e n n sich die A n f a n g der 1980er fahre aufgestellte Hypothese einer Nullkorrelation zwischen M a ß e n des Komplexen Problemlösens u n d Testintel- iigenz empirisch nicht halten lässt (für einen aktuellen Überblick siehe Süß, 1999 sowie seinen Beitrag in diesem Band), bleibt natürlich auf sachlogischer Ebene zu konstatieren, dass mit der V e r w e n d u n g computersimuliener Szenarien tatsächlich neue A n f o r d e r u n g e n an eine V p gestellt werden k ö n n e n , die erheblich über das in Intelligenztests Geforderte hinausgehen. Diese sollen nachfolgend genauer be

leuchtet werden. I m Anschluss an diese Analyse wird gezeigt, wie mittels zweier

Ich b e d a n k e mich bei den T e i l n e h m e r i n n e n u n d Teilnehmern des Heidelberger Seminars „Intel

ligenz und K o m p l e x e s P r o b l e m l ö s e n " i m Somniersemcscer 1999 für die konstruktive Diskussion sowie bei den studentischen R e v i e w e r n Stefan Fleischer (Berlin), Salah (Berlin) u n d Carsten Schulz (Heidelberg) für ihre hilfreichen Korrekturhinweise. Jürgen G u t h k e (Leipzig) und Katrin D r e h e r (Heidelberg) haben zu einer spaterer. M a n u s k r i p t v e r s i o n konstruktive Vcrbcsserungsvor- scbläge g e m a c h t , für die ich danke.

(2)

Joachim Funke

universeller Formalismen Aufgabenstellungen m i t diesen Anforderungen konstruiert und wie innerhalb dieser Paradigmen leistungs- wie prozessbezogene K e n n - werte bestimmt werden können.

2. Über Merkmale komplexer Probleme

Einer der H a u p t g r ü n d e für die Beschränktheit der bisherigen Intelligenztests liegt in der Itmoranz der Testautoren CTg^enüber zwei wichtigen M e r k m a l e n unserer natürlichen U m w e l t : Vernetztheit u n d D v n a m i k . Beide Eigenschaften sind charakteristisch für beinahe alle lebensweltlich relevanten Strukturen und Pro- zesse. Es verwundert daher kaum, w e n n die in diesem Beitrag als Ergänzung zu klassischen Intelligenzmessverfahren vorgeschlagenen neuen Instrumente genau auf diese beiden Eigenscharten abheben. D a in der Literatur z u m U m g a n g mit komplexen Systemen in der Regel wesentlich mehr Merkmale zur Charakterisie- rung derartiger Systeme aufgeführt werden (vgl. D ö r n e r u.a., 1983; Freiisch &

Funke, 1995)- ist zunächst einmal die Konzentration auf die zwei genannten Eigenschaften zu begründen.

Bereits in der Frühzeit der Forschung mit k o m p l e x e n computersimulierten Szenarien wurden folgende f ü n f Eigenschaften als charakteristisch bezeichnet: (a) Komplexität, (b) Vernetztheit, (c) D y n a m i k , (d) Intransparenz u n d (e) Polytelie.

Diese Liste ist mehr oder minder unverändert in nachfolgenden Arbeiten über- n o m m e n worden, o h n e je einer genaueren Prüfung unterzogen worden zu sein.

Allenfalls die seinerzeit ausgetragene Kontroverse über eine T a x o n o m i e von Sys- temen und Anforderungen (vgl. F u n k e , 1990, 1991; Flussy, 1984, S. 122 f.;

Strohschneider, 1991) hat sich mit dieser Frage etwas näher beschäftigt'.

Bei genauerer Betrachtung dieser Merkmalsliste muss m a n allerdings zu folgenden drei Schlüssen k o m m e n :

(1) D i e Merkmale (a) Komplexität und (b) Vernetztheit sind konzeptuell k a u m voneinander zu unterscheiden. Angesichts der unklaren Definition des K o m - plexitätsbegriffs2 schlage ich vor, den operarional besser fassbaren Begriff der Vernetztheit zu verwenden. Vernetztheit ist ein charakteristisches Attribut k o m - plexer Systeme. Vernetztheit bedeutet, dass zwei oder mehr Variablen unter-

Z u dieser Kontroverse ist aus heutiger Sicht nachzutragen, dass 7.umindest die U n t e r s c h e i d u n g von P e r s o n - u n d S i t u a t i o n s m e r k m a l e n K o n i e n s findet (vgl. Kersting, 1999, S. 10 t.; Strauß, 1993, S. 29 f.).

Vielfach - u n d völlig u n z u r e i c h e n d - ist die reine A n z a h l beteiligter Variablen als K o m p l e x i t ä t s - m a ß angeführt w o r d e n ; zur Kritik dieses OperationaUsiertingsvorschlags siehe F u n k e ( 1 9 8 4 ) , K o t k a m p ( 1 9 9 9 . S. 27), Strauß ( 1 9 9 3 , S. 38 f.) u n d Wallach U 9 9 S , S. 130).

Neue Verfahren zur Erfassimg intelligenten Verhaltens

einander Abhängigkeiten aufweisen. Aus diesem M e r k m a l resultiert für die V p die A n f o r d e r u n g , sich über die Struktur des Systems ein Bild zu machen.

(2) Bei M e r k m a l (c) D v n a m i k handelt es sich u m das zweite wichtige Bcsrlm- tr.ungsstück eines komplexen Systems neben seiner VcrsuT/.rheit. W ä h r e n d die Vernetztheit vor allem strukturelle A&pekre des Systems charakterisiert, k o m m t mit D y n a m i k der prozessuale Aspekt eines Systems in Form seiner zeitlichen Charakteristik ins Spiel. Hieraus resultiert die A n f o r d e r u n g an die V p , sich G e d a n k e n über die zeitliche E n t w i c k l u n g des Systems zu m a c h e n , neben den kurzzeitigen also etwa auch längerfristige A u s w i r k u n g e n bestimmter Eingriffe zu bedenken.

(3) Bei den M e r k m a l e n (d) Intransparenz und (e) Polytelie handelt es sich nicht u m M e r k m a l e , die einem System inhärent sind, sondern u m die Frage, wie das System versuchsleiterseitig einer V p zugänglich gemacht wird bzw. m i t welcher Zielsetzung er oder sie an die Steuerung tind Kontrolle des Systems heran- gesetzt wird. In einer intransparenten Situation werden Struktur u n d Zustand des Systems nicht völlig offen gelegt, in einer polytelischen Situation wird die Kontrolle des Systems nicht auf eine isolierte Zielvariable beschränkt, sondern auf mehrere gleichzeitig zu steuernde G r ö ß e n . Ich schlage daher vor, diese beiden M e r k m a l e als unabhängig von d e m jeweiligen System zu betrachten, da sie unabhängig von d e m gewählten System manipuliert werden k ö n n e n , im Unterschied zu den Merkmalen (b) Vernetztheit u n d (c) D y n a m i k , die als zwei zentrale Bestimmungsstücke eines k o m p l e x e n Systems betrachtet werden dür- fen, da sie die systemseitig gegebenen A n f o r d e r u n g e n repräsentieren.

Festzuhalten bleibt: V o n den f ü n f als charakteristisch für k o m p l e x e Szenarien er- achteten M e r k m a l e n bleiben im Wesentlichen zwei Aspekte übrig, die als zentrale systemseitige M e r k m a l e herangezogen werden u n d die nicht m i t „Papier-und- Bleistift"-Techniken realisiert werden k ö n n e n , sondern zu ihrer Realisierung geradezu einen C o m p u t e r e i n s a t z verlangen: Vernetztheit und D y n a m i k . D i e beiden anderen charakteristischen Anforderungen (Polytelie u n d Intransparenz), die im K o n t e x t komplexer Mikroweiten besondere A u f m e r k s a m k e i t verdienen, k ö n n e n auch unabhängig von computersimulierten Szenarien realisiert werden u n d sollen hier nicht weiter verfolgt werden, da sie keine prinzipiell neuen Verfahren dar- stellen.

2.1 Konsequenzen der Beschränkung auf Vernetztheit und Dynamik

W i e müssen Instrumente aussehen, die die beiden Eigenschaften der Vernetztheit u n d D y n a m i k abbilden? D i e A n t w o r t darauf fällt simpel aus: Diese neuen Instru- mente sollten in der Lage sein, unterschiedliche G r a d e von Vernetztheit u n d D y -

(3)

Joachim blinke

n a m i k in einer Aufgabenstellung darzubieten und beide z u m Gegenstand der (kognitiven) Aktivität einer Testperson werden zu lassen.

U m genügend Spielraum für die K o n s t r u k t i o n von Tesrmaterial (im Sinne von

!:r:;m /v !ulv:> Ncf.-r sieh d-.-r R ü c h g n f f a m allgemeine formale Prinzipien an.

Der V v i i J ! «isc.^r A k a r o k r i c . liegt darin, duss vor i'.crr. einheidichen Hintergrund eines derartigen f o r m a l i s m u s z u m einen sich beliebige Schwierigkeitsgrade her- stellen lassen, zum anderen auch große Freiheit in der W a h l der Semantik der zu konstruierenden Systeme besteht u n d z u d e m eine direkte Vergleichbarkeit verschiedener Svsteme, die aus derselben Klasse s t a m m e n , gegeben ist. In einem über- tragenen Sinn kann hier v o m „Ebbinghaus-Ansatz des K o m p l e x e n Problemlösens"

gesprochen werden, da der sauberen K o n s t r u k t i o n des Testmaterials besondere Be- achtung geschenkt wird, im Unterschied z u m „Bartlett-Ansatz" (z.B. D ö r n e r u.a.,

1983), der seinen Schwerpunkt auf die Realitätsnähe der simulierten Szenarien legt.

D i e beiden Formalismen, die den eben genannten Erfordernissen genügen und zugleich bezüglich Vernetztheit wie D y n a m i k die gestellten A n s p r ü c h e erfül- len, sind z u m einen der Ansatz linearer Strukturgleichungen (vgl. Funke, 1985, 1993), z u m anderen die Theorie finiter Automaten (vgl. Buchner & Funke, 1993;

Funke & Buchner, 1992). Beide Ansätze werden zunächst abstrakt vorgestellt, bevor dann die konkreten Anforderungen an die Testperson geschildert werden.

3. Paradigmen

D i e beiden Paradigmen „lineare Strukturgleichungen" u n d „finite A u t o m a t e n "

sind generell (nicht nur in diesem K o n t e x t ) hilfreich bei der Modellierung von Z u - sammenhängen zwischen mehreren Variablen u n d deren Auswirkungen über die Zeit. W ä h r e n d man es bei den linearen Strukturgleichungen mit Variablen zu tun hat, die Intervallskalenniveau aufweisen müssen, sind die finiten A u t o m a t e n inso- fern weniger voraussetzungsreich, als sie bei den beteiligten Variablen lediglich Nominalskalenniveau fordern und s o m i t qualitative Aspekte abbilden k ö n n e n , die in diskteten Abstufungen v o r k o m m e n (auch Ordinaldaten lassen sich darin abbilden). Ich beginne zunächst mit der Darstellung finiter A u t o m a t e n und gehe dann auf Strukturgleichungssysteme ein.

3.1 Was ist ein finiter Automat?

Viele alltäglich genutzte technische Systeme wie Fahrkartenautomaten, V i d e o - und Faxgeräte, Fotokameras, G e t r ä n k e a u t o m a t e n oder Parkautomaten, aber auch

Neue Verfahren zur Erfassung intelligenten Verhaltens

Computerbetriebssysteme, A n w e n d u n g s p r o g r a m m e u n d viele weitere aut den ersten Blick sehr unterschiedlich erscheinende Systeme (z.B. soziale Interaktionen) a u f ganz verschiedenen Komplexitärsstufen sind auf einer abstrakteren F'bene durch eine Reihe gemeinsamer C i g c n s c h a f u n charakterisiert (vgl. Buchner, 1999):

Sie n e h m e n nur eine begrenzte (hmee.) Anzahl von Zuständen an. A u s einem gegebenen Z u s t a n d k ö n n e n sie in einen darauf folgenden Zustand enrweder durch eine Benutzereingabe (bei einer Anvvendungssofrware etwa durch das D r ü c k e n t'inerTaste) oder durch einen a u t o n o m e n Prozess gelangen (bei einem Fahrkarten- automaten erwa durch das selbstständige Zurücksetzen in den Ausgangszustand nach einer festgelegten Zeit ohne M ü n z e i n w u r f ) . In Abhängigkeit von Eingabe u n d erreichtem Z u s t a n d wird anschließend normalerweise ein Ausgabesignal pro- duziert (z.B. standardisierte A n t w o r t des Finanzamts a u f eine Bürgeranfrage w ä h - rend der Bearbeitung von Steuerunterlagen). Solche Systeme lassen sich auf for- maler Ebene als finite A u t o m a t e n datstellen.

Ein deterministischet finiter A u t o m a t ist definiert durch eine endliche M e n g e X von Eingnbesignalen, eine endliche M e n g e Z von Zuständen, eine endliche M e n g e F v o n Ausgabesignalen und durch zwei F u n k t i o n e n (z.B. H o p c r o f t &

U l l m a n , 1988, S. 15 f.). D i e Übergangsfunktion stellt eine A b b i l d u n g von Z x X a u f Z dar; sie b e s t i m m t , welchen Z u s t a n d der A u t o m a t als Konsequenz des in einem bestimmten Z u s t a n d eingegebenen Zeichens a n n i m m t . D i e Ergebnisfunk- tion stellt eine A b b i l d u n g von Z x A a u f Kdar; sie bestimmt, welches Zeichen der A u t o m a t als K o n s e q u e n z des in einem bestimmten Zustand eingegebenen Zei- chens ausgibt. Ein Spezialfall liegt vor, wenn das Ausgabezeichen nur von d e m erreichten Z u s t a n d , nicht aber von der vorangegangenen Eingabe abhängt. Hier wird die Ergebnisfunkrion durch eine Markierfunktion ersetzt, die den Z u s t a n d m i t einem Ausgabesignal verknüpft.

Finite A u t o m a t e n werden häufig als Zustandsübergangsmatrizen oder als gerichtete G r a p h e n dargestellt. Jede Darstellungsform veranschaulicht bestimmte

Tabelle 1: Zustandsübergangsmatrix eines (fiktiven) finiten A u t o m a t e n mit dtei Z u s t ä n d e n (z0, z, und z2) und zwei Eingabemöglichkeiten (x,, x,).

J e d e m Z u s t a n d ist ein Ausgabezeichen ( yp y-,, y3) zugeordnet. D i e Matrixzellen geben an, in welchen Z u s t a n d der A u t o m a t bei W a h l einer Eingabe als Nächstes wechseln wird.

Z u s r ä n d c / A u s g a b e n

*l

Eingaben X,

7-i Aj

z , / y . z. z,

'•jYi

(4)

Joachim Funke

Eigenschaften des Systems besonders gut (vgl. Büchner & Funke, 1993; Funke &

Buchner, 1992). Tabelle 1 enthält z u m Beispiel die Zustandsübergangsmatrix eines fiktiven Systems, dessen graphische Repräsentation in A b b i l d u n g I darge- svelh ist.

Es kann sehr nützlich sein., d y n a m i s c h e Systeme als finire A u t o m a t e n aufzu- fassen, weil dadurch wichtige Eigenschaften des zu bearbeitenden Problems offen- k u n d i g u n d leicht zugänglich werden. So k o n n t e n etwa Funke und Gerdes ( 1 9 9 3 ) durch die Rekonstruktion der in einem M a n u a l erläuterten Zustandsübergänge eines Videorekorders als Übergänge eines finiten A u t o m a t e n u n d durch deren A b - gleich m i t den tatsächlich implementierten Ubergängen nicht nur Fehler in der H a n d a n w e i s u n g aufdecken, sondern auch eine verbesserte Darstellung der Bedie- nungslogik darauf gründen. Buchner, Funke und Berry (1995) konnten das d y n a - mische System „sugar factory" als finiten Autornaten rekonstruieren und gelang- ten dadurch zu einem neuen Verständnis häufig berichteter Dissoziationsphäno- mene bei diesem System. Berichtet w u r d e nämlich von Untersuchungen mit der Zuckerfabrik, in denen ein überraschendes Auseinanderklaffen der Leistungen beim Steuern der simulierten Fabrik (= K ö n n e n , implizit) und bei der nachträg- lichen Beantwortung von Fragen über deren Funktionsweise (= Wissen, explizit) konstatiert wurde (vgl. Berry & Broadbent, 1984, 1987, 1988): G u t e Steuerung ging paradoxerweise m i t geringem W i s s e n über das System einher, hohes Wissen dagegen mit schlechter Steuerung. Diese Dissoziation, die als Beleg für die Exis- tenz zweier verschiedener Lernprozesse und zweier Gedächtnissysteme herangezogen wurde und dadurch theoretisch weit reichende Schlussfolgerungen be-

x ,

A b b i l d u n g 1: Graphische Repräsentation des finiten A u t o m a t e n aus Tabelle 1 mit drei Z u s t ä n d e n (zu, Zj und z j u n d zwei E i n g a b e m ö g l i c h - keiten (x(, x2). D i e Ausgabezeichen ( yr y , , y3) sind links neben die zugehörigen Z u s t a n d s k n o t e n gesetzt.

Neue Verjähren zur Erfassung intelligenten Verhaltens

wirkte, erfuhr durch die Brille der finiten A u t o m a t e n eine neue, wesentlich ein- fachere Interpretation: D a n a c h scheint es geradezu zwangsläufig, dass Personen, die das Zuckersysrem gut steuern (d.h. sich oft im Zielzustand befinden), dadurch weniger Wissen über andere Zustandsübergänge dieses A u t o m a t e n erwerben und dann in der anschließenden Befragung schlecht abschneiden (umgekehrt bei den- jenigen, die nur selten den Zielzustand erreichen).

Eine Reihe weiterer nützlicher Aspekte dieses Werkzeugs für die Problemlöse- forschung ( A n n a h m e n über Lernprozesse u n d die mentale Repräsentation, M e - thoden der Wissenserfassung, systematische K o n s t r u k t i o n und Beschreibung ganzer Klassen v o n Systemen) müssen hier nicht ausgebreitet werden, da sie bei Buchner (1999) näher beschrieben sind.

3.2 Dynamische Systeme vor dem Hintergrund linearer Gleichungs- systeme

Eine Reihe alltäglicher Aktivitäten (z.B. Radrahren, Autofahren) wie auch A k t i - vitäten der Arbeitswelt (Anlagensteuerung bei Kraftwerken, Steuern von C A D - Maschinen, Lenken von Fahrzeugen) enthalten Steuer- und Regelungsprozesse, bei denen es vor allem auf die quantitative A b s t u f u n g bestimmter Eingriffe an- k o m m t . N i c h t nur technische, sondern auch ökologische Systeme machen es er- forderlich, zunächst die Funktionsweise des fraglichen Systems oder Systemaus- schnitts kennen zu lernen, bevor dann zielführend eingegriffen werden kann.

Einer der in vielen Wissenschaften erfolgreichen Wege zur A b b i l d u n g von Syste- men mit quantitativen Variablen u n d zur Untersuchung von deren Eigenschatten stellt das allgemeine Lineare M o d e l l dar (siehe z.B. Werner, 1997).

W i e sieht ein solches lineares Gleichungssystem für einen Problemloser k o n - kret aus? Typischerweise wird den V p n als E i n f ü h r u n g in die Problemstellung er- klärt, dass sie in einem noch unbekannten System einzelne Variablen (so genannte exogene Variablen) verändern k ö n n e n , die dann andere Variablen (so genannte endogene Variablen) beeinflussen. D i e G r u n d s t r u k t u r für ein derartiges einfaches lineares System ist in A b b i l d u n g 2 exemplarisch an einem Vier-Variablen-System dargestellt (vgl. Vollmeyer & Funke, 1999).

In A b b i l d u n g 2 sind A und B die exogenen Variablen, die auf die endogenen Variablen Y und Z wirken. D i e Zahlen an den Pfeilen geben Gewichte an, mit denen die jeweilige exogene auf die endogene Variable wirkt. Formal ist das Sys- tem durch zwei Gleichungen beschreibbar (für jede endogene Variable wird genau eine G l e i c h u n g benötigt), nämlich:

^ , = 2 . ^ (1)

(5)

Joachim Funke

Z „ , = 3 • A; - 2 • Bt + 0,5 • Yt + 0,9 • Z , (2)

Dabei gibt der tiefer gestellte Index jeder Variablen den jeweiligen Z e i t p u n k t (t bzw. t r i ) des Systems an, der in diskreten Stuten getaktet wird. Aus G l e i c h u n g : '} crv.hi sich a!-;o, das; sich der \£'crt der Variable \ zura Zetrpunkt t •>• 1 errech- net ans dem Wert der Variable A raup. Z e i t p u n k t t, multipliziert mit 2. G l e i c h u n g (2) verdeutlicht, dass die endogene Variable Z z u m einen von den beiden exogenen Variablen A und B mit G e w i c h t 3 bzw. - 2 beeinrlusst wird, z u m anderen zusätzlich von der anderen endogenen Variable Y ( G e w i c h t 0,5) sowie von ihrem eigenen vorangegangenen Zustand abhängt ( G e w i c h t 0,9).

Meistens ward so ein System am C o m p u t e r dargeboten, wobei durch die D a r - bietung erkennbar ist, welche Variablen manipuliert werden k ö n n e n . N i c h t erkennbar ist, ob und welche exogene Variable welche endogene Variable beein- Husst. In manchen Systemen wirken endogene Variablen auf andere endogene Variablen (so genannte N e b e n w i r k u n g e n ; im Beispielsystem als W i r k u n g von Y auf Z implementiert, vgl. A b b . 2) oder eine endogene Variable verändert sich k o n - stant, auch wenn das System nicht manipuliert wird (so genannte Eigendynamik;

im Beispielsystem als W i r k u n g von Z auf sich selbst implementiert, vgl. A b b . 2).

D u r c h gezielte V e r w e n d u n g und M a n i p u l a t i o n solcher Systemmerkmale k ö n n e n beliebig komplexe lineare Gleichungssysteme konstruiert werden.

Der Ansatz, menschlichen U m g a n g mit dynamischen Systemen aus der Per- spektive linearer Strukturgleichungssysteme zu betrachten, ist aus denselben

A

i

K~ ± >- Y

A Y

\ . 3

>

0,5

f

B Z

B

_ 2

Z

\ I

\ 0.9 /

A b b i l d u n g 2: Struktur eines einfachen linearen Systems mit zwei Eingangs- variablen A u n d B sowie zwei Ausgangsvariablen Y and Z , die gemäß der angegebenen gerichteten Kanten (= kausalen V e r b i n - dungen zwischen den Variablen) und deren G e w i c h t e untereinander verknüpft sind.

G r ü n d e n nützlich, die auch bei der Betrachtung von Systemen als finite A u t o - maten genannt wurden; Erstens legt auch dieser Ansatz bestimmte A n n a h m e n über Lernprozesse u n d die mentale Repräsentation des erworbenen Systemwissens nahe, zweuens lassen sich daraus M e t h o d e n der Wissensdiaanostik ableiten und drittens schließlich erlaubt der formale Ansatz, erneut die svstematische Konstruk- tion u n d Beschreibung ganzer Klassen von Systemen und damit von experimen- tellen Aufgaben.

4. Anforderungen

D i e bisherigen A u s f ü h r u n g e n haben uns zunächst einmal mit den beiden W e r k -en o zeugen vertraut gemacht. Dabei ist allerdings zunächst noch offen geblieben, in- wiefern mit diesen Werkzeugen brauchbare Aufgaben für diagnostische Zwecke konstruiert werden k ö n n e n . Diesem Aspekt werden wir uns nun w i d m e n und zu- nächst zwei generelle Anforderungen beschreiben, die beim U m g a n g mit ver- netzten u n d dynamischen Systemen zu bewältigen sind.

Stellen wir uns vor, wir seien in einer fremden Stadt auf d e m B a h n h o f ange- k o m m e n und müssten nun mit der Straßenbahn weiterfahren, u m unser Ziel zu erreichen. In unserer technologiegetränkten W e l t finden wir also einen Fahr- kartenautomaten, den wir in dieser Form noch nie gesehen haben. Was ist zu tun?

I m Wesentlichen sind zwei D i n g e zu leisten: (1) M a n muss herausfinden, wie dieser A u t o m a r funktioniert, also z u m Beispiel, welche Eingabezeichen (Tasten, O f f - n u n g e n für Kreditkarten usw.) er besitzt, welche Ausgabezeichen er für uns bereit- stellt (Display, Kartenausgeber usw.); (2) m a n muss Art u n d Preis des gewünschten Tickets eruieren (Zielfindung); und (3) muss m a n (vor d e m H i n t e r g r u n d dieser allgemeinen I n f o r m a t i o n e n ) das gewählte Ziel realisieren, das heißt, durch entsprechende zielführende Aktivitäten an diesem A u t o m a t e n einen gültigen Fahr- schein erwerben (zur Bedeutung von Zielen in komplexen Szenarien siehe Vollmeyer, Burns & H o l y o a k , 1996),

Diese durch Ziele gesteuerten Tätigkeiten lassen sich abstrakt beschreiben als (1) Wissenserwerb u n d (2) Wissensanwendung. Wissenserwerb bezieht sich dabei a u f die Identifikation des Systems, mit d e m m a n es zu tun hat, Wissensamvendung dagegen auf die Kontrolle dieses Systems i m H i n b l i c k auf ein durch den Versuchs- leiter gesetztes Ziel. Beide Aspekte sind beim alltäglichen U m g a n g mit einem Sys- tem miteinander verwoben, da meist schon die ersten Schritte des Wissenserwerbs unter der Vorgabe bestimmter Ziele stehen. So will m a n etwa i m Regelfall nicht herausfinden, wie der Fahrkartenautomat insgesamt programmiert wurde, sondern es geht primär u m den raschen Erwerb der Fahrkarte. D a es sich aber u m zwei klar unterscheidbare Tätigketten handelt, ist es für die diagnostische Situation

(6)

Joachim hinke

wichtig, die beiden Aspekte voneinander zu trennen. W i e dies geschehen kann, wird in den nächsten Abschnitten geschildert.

Da in vielen alltäglichen Situationen auf Vorwissen zurückgegriffen werden kann, ist bereits der Wissenserwerb von der N u t z u n g dsese» Wissens geleitet. Be- snn^e.n m 1-älicR, v.o nur da Bearbeiruiigsdurcbgar.g möglich ist (solche Situatio- nen wurden in vielen Untersuchungen z u m „ K o m p l e x e n Problemlösen" realisiert, z.B. „Lohhausen" von D ö r n e r u.a., 1983), spielt die A n w e n d u n g von Vorwissen natürlich eine entscheidende Rolle bei den ersten Schritten des Wissenservverbs (vgl. Süß, 1999).

4.1 Wissenserwerb

D i e Wissenserwerbssituation ist eine k o m p l e x e Lernsituation, in der die Vernetzt- heit und die D y n a m i k des jeweiligen Systems festzustellen ist. D i e Erfassung der strukturellen Aspekte eines Systems (Vernetztheit) kann allerdings nicht losgelöst von der Erfassung der prozessualen Aspekte dieses Systems ( D y n a m i k ) erfolgen, da sich die Variablen des Systems nur i m zeitlichen Verlauf analysieren lassen. Be- zogen auf lineare Strukturgleichungen bedeutet Identifikation des Systems: Finde heraus, wie die exogenen Variablen auf die endogenen wirken u n d wie die e n d o - genen Variablen sich untereinander beeinflussen. Hierfür ist eine entsprechende Identifikationsstrategie zu entwerfen, da bei komplexeren Systemen eine einzelne Intervention und das Muster der daraus resultierenden Ä n d e r u n g e n nicht aussa- gekräftig ist. Erst aufeinander abgestimmte Muster von Eingriffen (z.B. isolierende Bedingungsvariationen) erlauben kausale Interpretationen der Datenvektoren.

Bei linearen Strukturgleichungssystemen kann das Identifikationsproblem in mehrere Feilziele zerlegt werden: Festzustellen sind (a) die Existenz einer Relation j zwischen zwei Variablen, (b) deren R i c h t u n g (positives oder negatives Vorzeichen) sowie (c) deren genaue Spezifikation in Form des Gewichtungsfaktors, mit d e m die erste Variable auf die zweite oder auch auf weitere Variablen einwirkt. Mir diesen A n n a h m e n verbunden sind Vorstellungen darüber, wie die genannten M e r k - male repräsentiert sein k ö n n t e n (vgl. F u n k e , 1992, Kap. 3) u n d wie entsprechend diesen Repräsentationsannahmen eine theoriegeleitete Wissensdiagnostik aussehen könnte (z.B. als K a u s a l d i a g r a m m - D i a g n o s t i k zut Erfassung expliziten Sys- \ temwissens; vgl. Funke, 1985). D i e formulierten Repräsentationsannahmen sehen j qualitativ verschiedene Stufen des erworbenen Wissens vor, zu denen Relations-, Vorzeichen- und Wirkstärkenwissen gehören. Diese Wissensarten beziehen sich auf verschiedene Differenzierungsgrade des erworbenen Systemwissens, die im R a h m e n der Wissensdiagnostik unterschieden werden k ö n n e n . Hinsichtlich der dafür verwendeten K a u s a l d i a g r a m m - D i a g n o s t i k , die von K l u w e (1988, S. 3 7 1 )

Neue Verfahre;: zur Erfassung intelligenten Verhaltens

wegen ihres h o h e n Aufforderungsgehalts'' kritisiert wurde, liegen inzwischen so- w o h l überzeugende Reliabilitätsstudien vor (vgl. Müller, 1993) als auch Studien, in denen dieser Wissenserwerb erfolgreich m u l t i n o m i a l modelliert wurde ( B e c k m a n n , 1994).

Bei finiten A u t o m a t e n ist cias Idcntihkationsproblcm weniger einfach zu zer- legen: D o r t ist - z u m i n d e s t prinzipiell - die gesamte Zustandsübergangsmatrix zu identifizieren. Allerdings kann die Existenz wiederkehrender Muster in der Matrix (strukturelle R e d u n d a n z ) deren Identifikation erheblich erleichtern, sofern diese erkannt werden. A u c h hier ergibt sich aus diesen Vorstellungen nahtlos die A n - n a h m e , dass die Zustandsübergangsmatrix subjektiv repräsentiert sein muss. D a - raus folgen natürlich zwangsläufig bestimmte Verfahren zur Wissensdiagnostik (z.B. Erfassung v o n Ausschnitten der „subjektiven" Zustandsübergangsmatrix;

vgl. F u n k e & Buchner, 1992).

4.2 Wissensanwendung

W i s s e n s a n w e n d u n g stellt das vorhandene bzw. erworbene Wissen in einen instru- menteilen Z u s a m m e n h a n g : Das Wissen soll genutzt werden, u m einen b e s t i m m - ten Systemzustand zunächst herzustellen u n d d a n n gegebenenfalls längerfristig aufrechtzuerhalten. Dieser zuletzt genannte Aspekt spielt vor allem bei solchen Systemen eine wichtige Rolle, bei denen durch die E i g e n d y n a m i k des Systems ein stabiler Z u s t a n d nur durch ständiges Eingreifen sichergestellt werden kann.

Bezogen a u f lineare Strukturgleichungssysteme bedeutet Kontrolle des Sys- tems, den oder die Eingriffsvektoren zu spezifizieren, die einen gegebenen A u s - gangszustand in den gewünschten Zielzustand überführen, und sodann den oder die Eängriffsvektoren zu bestimmen, die den Zielzustand aufrechterhalten. D i e M e s s u n g erfolgt hier durch die B e s t i m m u n g des Abstands zwischen dem ge- wünschten u n d d e m erreichten Zustand.

Bezogen auf finite A u t o m a t e n bedeutet K o n t r o l l e des Systems die Realisierung einer Sequenz v o n Eingabezeichen, mittels derer der gegebene Ausgangszustand in den gewünschten Zielzustand überführt werden kann. Anders als bei Struktur- gleichungssystemen ist hier in der Regel das Verbleiben im Zielzustand keine besondere A n f o r d e r u n g , da das System im einmal erreichten Zielzustand verharrt.

D i e Messung erfolgt durch B e s t i m m u n g der Schrittzahl v o m Start- z u m Ziel- zustand u n d d e m Vergleich dieses Kennwerts m i t der optimalen Schrittzahl bei vollständiger K e n n t n i s der Zustandsübergangsmatrix.

3 G e m e i n t ist d a m i t , dass die Vorlage von K a u s a l d i a g r a m m e n eine kausale Intergoretation geradezu induziert, die unter natürlichen Bedingungen vielleicht nicht erfolgt.

(7)

Joachim Funke

4.3 Zum Verhältnis von Wissenserwerb und Wissensanwendung

Natürlich stellt sich rasch die Frage, in welchem Verhältnis Wissenserwerb und Wis^cnsamsendung &tchc:i. Die naive A n n a h m e , vorangehender Wissenserwerb sei notwendige und hinreichende B e d i n g u n g iür erfolgreich«: VC'isseiisan Wendung, ist zumindest durch einige Studien infrage gestellt werden. W i e bereits weiter oben dargestellt, fanden etwa Berry u n d Broadbent (1984, 1987, 1988) wiederholt D i s - soziationen zwischen der durch Steuerungsleistungen manifestierten Wissensan- w e n d u n g und d e m durch die V p n verbalisierbaren Wissen. Diese Befunde werden - wie weiter oben geschildert - zwischenzeitlich jedoch anders intetpretiert (vgl.

Buchner, Funke & Berry, 1995; Haider, 1992, 1993). Weiterhin machen eine Reihe neuerer Arbeiten ( B e c k m a n n , 1994; Funke, 1992; Kersting, 1999; Müller,

1993; Preußler, 1996, 1998; Sanderson, 1989; Süß, 1999) z u d e m klar, dass durch- aus substantielle positive Korrelationen zwischen Wissenserwerb und Steuer- leistung zu finden sind u n d vor allem d a n n auftreten, w e n n die Lernenden z u m Wissenserwerb angeregt wurden, entsprechende Erfahrungen sammeln konnten und wenn die Erfassung des erworbenen Wissens hinreichend spezifisch erfolgt.

4.4 Die Erfassung von Prozessaspekten der Aufgabenbearbeitung

W i e eingangs angedeutet wurde, besteht einer der H a u p t v o r w ü r f e gegenüber k o n - ventionellen Intelligenztests in deren Vernachlässigung von prozessorientierten ge- genüber resultatorientierten M a ß e n . G e m e i n t ist damit die Konzentration der Messbemühungen auf die Parameter „Lösungszeit" und „Lösungsgüte" (vgl.

Nährer, 1986) bei gleichzeitiger Vernachlässigung von Kennwerten, die den Bear- beitungsprozess charakterisieren. Letztere sind mit besonderer V e h e m e n z bereits von D ö r n e r (1986) gefordert, aber bis z u m heutigen Tage nicht befriedigend realisiert worden. Selbst die in Dörnet'scher Tradition entstandenen Arbeiten z u m Komplexen Problemlösen sind in letzter Instanz resultatorientierten Indikatoren verhaftet geblieben. Dabei dürfte genau in diesem Bereich der Mehrwert c o m p u - tersimulierter Systeme gegenüber traditionellen Intelligenztests zu finden sein, also ihre über die Korrelation zu I Q - V e r f a h r e n hinausgehende, inkrementelle Va- lidität.

Aufgaben, die vor d e m H i n t e r g r u n d der beiden hier vorgestellten Formalis- men konstruiert u n d Testpersonen zur Bearbeitung (Identifikation wie auch K o n - trolle des jeweiligen Systems) vorgelegt werden, erlauben n u n in besonderer Weise die Ermittlung solcher Prozessaspekte. Diese sollen in den nachfolgenden A b - schnitten skizziert werden. D a b e i wird hauptsächlich auf Datenquellen in Form einer „ L o g - D a t e i " zurückgegriffen; diese Datenquelle umfasst die mit einem Z e i t -

Stempel versehenen fortlaufenden Einträge in eine Datei, in der alle Eingriffe der entsprechenden V p in das System festgehalten und protokolliert werden. A u s den Log-Dateien lässt sich die H a n d h a b u n g des entsprechenden Systems auch später noch sekundengenau rekonstruieren".

4.4.1 Prozessaspekte bei Aufgaben vom Typ „lineares Gleichungssystem"

Prozessaspekte bei Aufgaben v o m T y p „lineares Gleichungssystem" fallen in den beiden Teilbereichen der Identifikation u n d der Kontrolle des Systems an. Z u beiden Bereichen werden nachfolgend nähere Erläuterungen gegeben.

Für den Prozess der Identifikation eines unbekannten Strukturgleichungssystems ist die Gestaltung der Eingriffe von zentraler Bedeutung. Hierfür ist eine A r t „Ver- suchsplanung" angebracht, die im Idealfall das (wissenschaftliche) Prinzip der systematischen Bedingungsvariation realisiert. Hierbei wird der Reihe nach a u f jede der einzelnen exogenen Variablen e i n T e s t i n p u t gelegt (die restlichen exogenen Va- riablen bleiben unberührt) und beobachtet, wie die Auswirkungen dieser Test- signale auf die endogenen Variablen ausfallen. D a d u r c h lassen sich H y p o t h e s e n über den Effekt der exogenen auf die endogenen Variablen bilden. D a es zusätz- liche Effekte der endogenen Variablen untereinander geben kann, sind so genannte „Null-Eingriffe" v o n Bedeutung, also Zeittakte, in denen nicht in das Sys- tem eingegriffen wird, u m die eigenständigen Veränderungen, die eventuell auftreten, feststellen und interpretieren zu k ö n n e n .

Neben der Gestaltung der Eingriffe ist auch deren Dosierung von großer Be- deutung. Für die Identifikation einer Kausalwirkung ist ein starkes Testsignal sinn- voll, da in linearen Systemen starke Eingriffe auch starke Effekte nach sich ziehen u n d damit die E n t d e c k u n g einer bestehenden Kausalbeziehung erleichtern.

W i r d flankierend zur Erfassung von Eingriffen auch das subjektive Kausal- modell einer V p erhoben (wie z.B. bei Funke, 1985), lassen sich prinzipiell A u s - sagen darüber machen, welche Veränderungen an diesem M o d e l l durch einen einzelnen Eingriff bewirkt werden. A u f dieser Auflösungsebene k a n n der Identifika- tionsprozess als Hypothesentest konzipiert (vgl. K l a y m a n & H a , 1987) u n d mit d e m Z w e i - R ä u m e - M o d e l l von S i m o n und Lea (1974) beschrieben werden, das den Problemraum in einen Regelraum und einen Instanzenraum unterteilt. I m Re- gelraum sind alle möglichen Regeln einer A u f g a b e enthalten, im Instanzenraum die möglichen Zustände. A m Beispiel linearer Systeme sind die Regeln alle m ö g - lichen Verbindungen u n d Gewichte zwischen den Eingangs- und Ausgangsvariab- len. D i e Zustände sind alle möglichen Werte, die die Ausgangsvariablen einneh-

* D i e K o n z e n t r a t i o n a u f derartige Verhaltensmaße schließt natürlich nicht aas, dass auch Befra- gungsrechniken z u m Einsatz k o m m e n k ö n n e n , die z u m Beispie! nach den G r ü n d e n für b e s t i m m t e Eingriffe in ein System rragen.

(8)

joachiili hltilke

inen k ö n n e n . D i e O p e r a t o r e n sind die W e r t e , die m a u den Eingangsvariablen zu- weisen k a n n , w o d u r c h der I n s t a n z e n r a u m verändert wird.

Klahr u n d D u n b a r ( 1 9 8 8 ) griffen den A n s a t z des Z w e i - R ä u m e - M o d e l l s a u f und e u t v i c k e h v . i dacau-. das "~SDDS-Mc.de!! („.Seicmihc Discovery as Diu]

Search"). tun den Prozess wissenschaftlicher E n t d e c k u n g e n zu erklären. Ii; diesem M o d e l l ist der Instanzenraum ä h n l i c h d e m Experimenteraum u n d der Regelraum ist ähnlich d e m Hypothesenraum. I m H y p o t h e s e n r a u m werden H y p o t h e s e n über z u m Beispiel V e r b i n d u n g e n zwischen Eingangs- u n d Ausgangsvariablen generiert, modifiziert u n d verworfen. Im E x p e r i m e n t e r a u m werden dagegen Experimente geplant, wie die generierten H y p o t h e s e n überprüft werden k ö n n e n oder wie die O p e r a t o r e n a n z u w e n d e n sind. D a z u müssen beide P r o b l e m r ä u m e (wie schon bei S i m o n & Lea, 1974) interagieren: A k t i v i t ä t e n i m H y p o t h e s e n r a u m lösen O p e r a - tionen i m E x p e r i m e n t e r a u m aus. Es gibt aber auch die u m g e k e h r t e Einflussrich- tung: W e n n keine H y p o t h e s e über B e o b a c h t u n g e n zu d e m System aufgestellt wird (Suche im H y p o t h e s e n r a u m ) , ist es n ä m l i c h m ö g l i c h , O p e r a t o t e n a n z u w e n d e n (Suche i m E x p e r i m e n t e r a u m ) . A u s den Ergebnissen dieser E x p e r i m e n t e k ö n n e n d a n n H y p o t h e s e n abgeleitet werden.

M i t d e m Z w e i - R ä u m e - M o d e l l lässt sich also das Prozessgeschehen b e i m Iden- tifizieren v o n Systemen gut beschreiben u n d die A b l e i t u n g von entsprechenden Prozessmaßen begründen.

Für den Prozess der Steuerung eines identifizierten Strukturgleichungssystems sind zwei A s p e k t e diagnostisch relevant: (a) W i e gelingt es der V p , v o n e i n e m gegebenen Ausgangszustand in den g e w ü n s c h t e n Systemzustand zu k o m m e n , u n d (b) wie gelingt es ihr, den w o m ö g l i c h e i n m a l erreichren Z u s t a n d aufrechtzuerhalten (was nur bei Systemen m i t E i g e n d y n a m i k , also m i t W i r k u n g e n der e n d o - genen Variablen aufeinander, v o n B e d e u t u n g ist). J e nach Systemstruktur kann der erste Schritt (Zielerreichung) sequenriell in mehrere Teilschritte zerlegt werden oder muss - wegen der enthaltenen E i g e n d y n a m i k oder wegen N e b e n w i r k u n g e n exogener Variablen - simultan in e i n e m einzigen, gut geplanten Schritt vollzogen werden.

S o w o h l für die Phase der I d e n t i f i k a t i o n als auch für die der Steuerung lassen sich aus den hier skizzierten „ B a u s t e i n e n " für Prozessmaße k o m p l e x e r e Strategien z u s a m m e n s e t z e n wie etwa: „ M a c h e z u n ä c h s t N u l l - E i n g r i f f e u n d gehe d a n n zu systematischen Einzel-Eingriffen über."

4.4.2 Prozessaspekte bei Aufgaben vom Typ Jiniter Automat

A n d e r s als bei den Strukturgleichungssystemen, w o die V p n zu j e d e m Z e i t p u n k t eine E n t s c h e i d u n g darüber zu fällen haben, bei welcher exogenen Variablen sie m i t welcher Intensität eingreifen wollen (Festlegung v o n O r t u n d D o s i e r u n g der In-

tervention), beschränkt sich die E n t s c h e i d u n g der V p n bei finiten A u t o m a t e n a u f die Frage, welches der insgesamt m ö g l i c h e n Eingabezeichen im nächsten Z e i t - p u n k t realisierr werden soll. D i e G e s t a l t u n g des Eingriffprozesses isr in diesem Fall die E n t s c h e i d u n g über eine sequentielle A b f o l g e v o n T a s t e n d r ü c k e n . Strategien manifestieren sich hierbei durch eine entsprechend systematische A b f o l g e v o n Hingriffen.

D e r Prozess der Exploration einer unbekannten Zustandsühergangsmatrix k a n n unterschiedlich systematisch erfolgen. Bei der Beurteilung der Systematik solcher Eingriffe muss der erreichte S y s t e m z u s t a n d allerdings mit in die Ü b e r l e g u n g e n einbezogen werden, da etwa das wiederholte D r ü c k e n ein u n d derselben Taste ent- weder Z e i c h e n einer unsystematischen Vorgehensvveise (wenn n ä m l i c h jedes M a l der gleiche Folgezustand resultiert) oder Bestandteil einer systematischen Strategie sein kann ( w e n n n ä m l i c h m i t j e d e m w i e d e r h o l t e n D r u c k derselben Taste ein neuer Folgezustand ausgelöst wird). In der prozessorientierten B e w e r t u n g v o n E i n g r i f f s - folgen muss also jeweils das Tripel aus I s t - Z u s t a n d , Intervention u n d Folgezustand herangezogen werden.

Strategisches Vorgehen bei der E x p l o r a t i o n k a n n sich darin äußern, dass m a n erkannte F u n k t i o n s p r i n z i p i e n einer I n t e r v e n t i o n (etwa einer M o d u s - T a s t e , die einen b e s t i m m t e n Z u s t a n d auswählt u n d d u r c h wiederholte Betätigung z w i s c h e n verschiedenen Z u s t ä n d e n wechselt, i m Unterschied zu einer Select-Taste, die den eingestellten M o d u s aktiviert) a u f andere Bereiche des A u t o m a t e n überträgt (Transfer v o n F u n k t i o n s p r i n z i p i e n ) . D i e s ist allerdings nicht einfach zu d i a g n o s t i - zieren.

Prozessinformation fällt auch bei der Steuerung eines Automaten an, dessen Struktur identifiziert wurde. Hier k ö n n e n z u m Beispiel O p t i m a l i t ä t ( N u t z u n g des o p t i m a l e n Pfads v o m Start- z u m Z i e l z u s t a n d ) u n d Effektivität (Anteil wirksamer Eingriffe an der G e s a m t z a h l v o n Steuerungseingriffen) der Z i e l a n n ä h e r u n g be- s t i m m t werden.

S o w o h l Eingriffs- als auch Steuerungsdaten i m K o n t e x t finiter A u t o m a t e n sind i m R a h m e n der nationalen E r h e b u n g des „ P r o g r a m m e for International S t u d e n t Assessment'' ( P I S A ; vgl, B a u m e r t , K l i e m e & Stanat, 1999; K l i e m e u.a., in D r u c k ) d a d u r c h positiv aufgefallen, dass sie einen eigenständigen, nicht d u r c h andere Messinstrtimente abgedeckten Faktor i m R a h m e n der K a u s a l m o d e l l e bilden ( F u n k e , 1999). Für beide Bereiche sind v o n D r e h e r ( 2 0 0 0 ) a u f der Basis erster Er- p r o b u n g s d a t e n innerhalb v o n P I S A zahlreiche interessante O p e r a t i o n a l i s i e r u n g s - vorschläge gemacht w o r d e n . D e r e n T a u g l i c h k e i t wird in den bevorstehenden Datenanalysen der P I S A - H a u p t u n t c r s u c h u n g g e p r ü f t werden.

(9)

Jo.iiliiin lunkc

5. Schlussbemerkungen

Ziel diese» Beitrags ist es, neue Verfahren zur Erfassung des intelligenten Umgangs komplexen d> n.uui^Leu A n f o r d e r u n g e n darrusreüem Hierzu wurden in einem ersten Seiiritt die Aterkuiaie d e r \ e r n e t z r l i e i i u n d l . X n a m i k als zwei zentrale Bestimmungsstücke von Systemen dargestellt, u m deren Realisierung m a n sich G e d a n k e n machen muss. In einem zweiten Schritt wurden zwei Formalismen, der Ansatz linearer Strukturgleichungsmodelle u n d der Ansatz finiter A u t o m a t e n , vorgestellt, mit denen beide M e r k m a l e systematisch und in unterschiedlicher A u s - prägung hergestellt werden k ö n n e n5. In e i n e m dritten Schritt ging es u m die A n - forderungen, die in derartigen U m g e b u n g e n an Probanden gestellt werden k ö n - nen. I m Wesentlichen sind dies die Leistungen der Identifikation u n d Kontrolle solcher Systeme, die in kognirionspsychologischer Terminologie als Wissens- erwerb u n d Wissensanwendung bezeichnet werden.

D i e Ableitung prozessbezogener K e n n w e r t e aus der Bearbeitung solcher Sys- teme steckt noch in den Kinderschuhen. .Allerdings ist bereits jetzt erkennbar, dass mit diesen Paradigmen eine große Vielfalt v o n „Prozessgestalten" identifiziert werden kann. Welche sich davon als brauchbar erweisen, wird erst die empirische Er- probung (etwa im R a h m e n von Validirätssrudien) zeigen. Generell jedoch steht fest, dass durch die sequentielle Bearbeitung derartiger Szenarien eine gute C h a n c e besteht, die Mikrogenese von Wissen (sowohl in der Erwerbs- wie in der A n w e n - durtgssituntion) untersuchbar zu m a c h e n (vgl. Siegler & C h e n , 1998) - ein

Aspekt, den klassische Verfahren zur Erfassung intelligenten Verhaltens strukturell wie messtechnisch bedingt nicht leisten k ö n n e n . Hierbei scheint mit von besonderer Bedeutung, dass gerade auf dieser E b e n e der Aktualgenese die Rolle motiva- tionaler u n d emotionaler Prozesse für die L e n k u n g wie Aufrechterhaltung von Ex- p l o r a t i o n - und Steuerungsprozessen besonders hervortritt: Gerade aufgrund der deraillierten Prozessbetrachtung tritt die enge Verzahnung kognitiver und motiva- rionaler Abläufe in einer Deutlichkeit hervor, die kondensierte Resultatmaße kaum abbilden können. D i e H e r a n z i e h u n g eines handlungstheoretischen Bezugs- rahmens erscheint angemessen, u m diese Feinprozesse der K o g n i t i o n , Volition, A k t i o n u n d E m o t i o n in nöriger D e t a i l a u f l ö s u n g hervortreten zu lassen, die in der klassischen Intelligenzdiagnostik zu e i n e m einzigen K o n g l o m e r a t verschmelzen.

Methodologisch kann dies zunächst nur durch Einzelfallanalysen geleistet werden (vgl. G o b e t & Ritter, 2000).

s Selbstverständlich kann mit beiden F o r m a l i s m e n auch m t h c o n e b i l d e n d e r Absicht gearbeitet wer- den. So verwendet etwa H a w i g h o r s t ( 1 9 9 8 ) erfolgreich einen automatentheoretischen A n s a t z zur Rekonstruktion des Eingreifens in Strukturgleichungssystemc. Z u r T h e o r i e b i l d u n g bei k o m - plexen Problemen mittels S t r u k t u r g l c i c h u n g s m o d e l l e n sieht z u m Beispiel Kröner (1999) s o w i e Süß (1999).

Dass die systematische K o n s t r u k t i o n von Anforderungen unterschiedlicher Schwierigkeit vor d e m Hintergrund eines einheitlichen Be/Aigsrahmens eine Reihe von Vorteilen bietet (z.B. Vcr^IeichbarLeit verschiedener Systeme, B e s t i m m u n g optimaler Vorgehensweisen, N u t z u n g des formalen Apparats), u n d den psycho- metrisch vorgebildeten Leserinnen und Lesern sofort einleuchten. Allerdings soll nicht verschwiegen werden, dass mit dieser Systematik auch ein gewisses M a ß an Künstlichkeit eingeführt wird, was in den A u g e n mancher Kritiker einen Verlust an Alltagsnähe bedeuret. A u f welche Seite m a n sich hier schlägr, hängt von den jeweiligen Untersuchungszielen ab,

Literatur

Baumert, J., K J i e m e , H. & Scannt, P. (1999). P r o g r a m m e for International Student Asscssment ( P I S A ) - Zielsetzung, wissenschaftliche K o n z e p t i o n u n d Design. !n D . Leucner (Hrss;.), Abstracts zur 57. Jagung der Arbeitsgruppe für Empirische Pädagogische Forschung (AEPF). Erfurt: P ä d a g o -

gische H o c h s c h u l e .

B e c k m a n n , J. F. ( 1 9 9 4 ) . Lernen und komplexes Problemlösen. Ein Beitrag zur Konstruktvalidierung von Lerntests. B o n n : H o l o s ,

Berry, D . C . & B r o a d b e n t , D . E. (1984). O n the rclationship berween task P e r f o r m a n c e and associaced verbalizable k n o w l e d g e . Quarterly Journal of Experirnental Psychology, 36A, 2 0 9 - 2 3 1 ,

Berry, D . C . & B r o a d b e n t , D . F. (1987). I h e combination. of expiieit and implicir learning processes in task control. Psychologien! Research, 49, 7 - 1 5 .

Berry, D . C . & B r o a d b e n t , D . E. (1988). Interactive tasks a n d the implicit-expücit distincrion. British Journal of Psychology, 79, 25 1 - 2 7 2 .

Buchner, A . ( 1 9 9 9 ) . K o m p l e x e s Problemlosen vor d e m H i n t e r g r u n d der T h e o r i e finiter A u t o m a t e n . Psychologische Rundschau. 50, 2 0 6 - 2 1 2 .

Buchner, A . & F u n k e , J. ( 1 9 9 3 ) . Finite State a u t o m a t a : D y n a m i c task envi rennten es m p r o b l e m s o l v i n g research. Quarterly Journal of Experirnental Psycholog); 46A, 8 3 - 1 18.

Buchner, A . , F u n k e , J . & Berry, D . C . (1995). N e g a t i v e correlations between control P e r f o r m a n c e a n d verbalizable k n o w l e d g e : Indicators for implicit learning in process control tasks? Quarterly Journal of Experirnental Psychology, 48A, 1 6 6 - 1 8 7 .

D ö r n c r , D . ( 1 9 8 6 ) . D i a g n o s t i k der operativen Inrelligenz. Diagnostica, 32, 2 9 0 - 3 0 8 .

D o r n e r , D . & Kreuzig, H . W . (1983). Problcmlösefahigkeic u n d Intelligenz. Psychologische Rundschau, 34, 1 8 5 - 1 9 2 .

D ö r n e r , D . , Kreuzig, H . VC'., Reither, F. & Sta'udel, T . (Hrsg.). (1983). Lohhausen. Vom Umgang mit Unbestimmtheit und Komplexität. Bern: H u b e r ,

Dreher, K. ( 2 0 0 0 ) . Prozeßindikatoren beiJiniten Automaten. U n v c r ö t f . D i p l o m a r b e i t , Psychologisches Institut der Universität Heidelberg.

Frensch, P. A . & F u n k e , J . ( 1 9 9 5 ) . Definitions, tradirions, a n d a genecal f r a m e w o r k for u n d e r s t a n d i n g c o m p l e x p r o b l e m solving. In P. A . Frensch & J. F u n k e (Eds.), Comp lex problem solving: The Euro- pean perspective (pp. 3 - 2 5 ) . Hillsdale, N J : E r l b a u m .

F u n k e , ] . ( 1 9 8 4 ) . D i a g n o s e der westdeutschen P r o b l e m l ö s e f o r s c h u n g in F o r m einiger T h e s e n . Sprache

& Kognition, 3, 1 5 9 - 1 7 2 .

F u n k e , J. ( 1 9 8 5 ) . Steuerung d y n a m i s c h e r S y s t e m e durch A u f b a u u n d A n w e n d u n g subjektiver Kausal- niodelle. Zeitschrift für Psychologie, 193, 4 3 5 - 4 5 7 .

F u n k e , J. ( 1 9 9 0 ) . S y s t e m m e r k m a l e als D e t e r m i n a n t e n des U n i g a n g s mit d y n a m i s c h e n Systemen. Spra- che & Kognition, 9, 1 4 3 - 1 5 3 .

(10)

Joachim Hinke

Funke, J. (1991). Keine Struktur im (selbstvcrursachten) Chaos-1 Erwiderung z u m Kommentar von Stclan biroh.Nchneider. Sprach? V" Kognition, W, 1 1 4 - 1 18.

Funke, J. (1992). Wissen über dynamische Systeme: Erwerb, Repräsentation und Anwendung. Berlin:

S p r i n g .

i ..:i:ke, j. M V ' U • \ : k .\<\;\y. :c^ b.ised DU inu-ai uqiuuUn' v. \u-;i::: A ipp;u..c;i compleN problem s o h i m : , m a e x p e n m e m a i resuks. Iii t.i. S i n a n e c\ K . - F . W e n d e r ( E o s , ) , Ehe cogmavep^ychoiagy o(

knowledge (pp. 3 1 5 - 5 5 0 j . A m s t e r d a m : Elsevier.

Funke, J. (1999, August). Using fimte statt' automata for assessmg problem solving competencies. Paper presenred at the E A R L I - 8 , Göteborg.

Funke, J . & Buchner, A. (1992). Finitc A u t o m a t e n als Instrumente für die Analyse von wissens- geleirercn Ptoblemlöscprozcssen: Vorstellung eines neuen Untersuchungsparadigmas. Sprache 6"

Kognition, II, 2 7 - 3 7 .

Funke, J. &C Gerdts, H . (1993). Manuale für V i d e o rekorder: Auswahl v o n Textinhalten unter Verwen- dung der Theorie endlicher A u t o m a t e n . Zeitschrift für Arbeitswissenschuft, 47, 4 4 - 4 9 .

G o b e t , F. & Ritter, F. £. (2000). Individual data analvsis and u n i f i e d theories o f C o g n i t i o n : A meth- odological propos.il. In N . Taatgen & J . A a s m a n (Eds.), Procecdings of the Third International Con- ference on Cognitive ModeJiing (pp. 150—137). VeenendaaJ, 1 hc Nerherlands: Universal Press.

Haider, H . (1992). implizites W i s s e n und Lernen. Ein Artefakt? Zeitschrift für Experimentelle und An- gewandte Psychologie, 39. 6 8 - 1 0 0 .

Haider, H . (1993). W a s ist implizit a m impliziten Wissen und Lernen? Sprache & Kognition, 12, 4 4 - 52.

Hawighorst, P (1998). Rough-Set-Theory und abg-Aittomaten. tine Eormalisierung qualitativer Aspekte des Lernens und Hayiddns bei der Regelung komplexer Systeme. Aachen: Shaker,

Hoperon:, J . E. & U ü m a n . J. D . (1988). Einführung in die Automatentheorie, formale Sprachen und Komplexitätstheorie. N e w York: Addison-Wesley.

Hussy, W . (1984). Denkpsychologie, hin Lehrbuch: Bd l. Geschichte, Begriffs- und Problemlöst-forschung Intelligenz. Stuttgart: Kohlhammer.

Kersting, M . (1999). Diagnostik und Personalauswahl mit computergestützten Probleml'öseszenarien? Zur Kriteriumsvalidität von Problemlöseszenarien und Intelligenztests. Göttingen: Ho^refe.

Klahr, D . & Dunbar, K. (1988). D u a l space search during scientific reasoning. Cognitive Science, 12, 1 ^ 8 .

Klayman, }. & Ha, Y.-W. (1987). C o n f i r m a r i o n , disconhrmarion, and information in hypothesis test- ing. Psychological Review, 94, 2 1 1 - 2 2 8 .

Kl lerne, E., Funke, J., Leutner, D . , R e i m a n n , P & W i r t h , J . (in Druck). Problemlösen als facherüber- greifende Kompetenz. Konzeption und erste Ergebnisse aus einer Schulieisrungssrudie. Zeitschrift für Pädagogik.

Kluwe, R. H . (1988). Methoden der Psychologie zur G e w i n n u n g von Daren über menschliches Wis- sen, tn H . M a n d l & H . Spada (Hrsg.). Wissenspsychologie (5. 3 5 9 - 3 8 5 ) . M ü n c h e n : Psychologie Verlags Union.

Korkamp, U . (1999). Elementares und komplexes Problemlösen: Uber Invarianzeigenschafen von Denk- prozessen. Lengerich: Pabst.

Kröner, S. (1999). MultiElux - Entwicklung und Validierung eines sirnulationsbasierten Intelligenz-

dtagnostikums. Unverörf. Dissertation, Erziehungs wissenschaftliche Fakultät der Pädagogische Hochschule Erfurt.

Müller, H . (1993). Komplexes Problemlösen: Reliabilität und Wissen. Bonn: Holos.

Nährcr, W . (1986). Schnelligkeit und Güte ab Dimensionen kognitiver Leistung. Heidelberg: Springer.

Preußler, W . (1996). Z u r Rolle expliziten u n d impliziten Wissens bei der Steuerung dynamischer Sys- teme. Zeitschrifi für Experimentelle Psychologie, 43, 3 9 9 - 4 3 4 .

Preußler, W. (1998). Strukturwissen als Voraussetzung für die Steuerung komplexer dynamischer Sys- teme. Zeitschrift für Experimentelle Psychologie, 45, 2 1 8 - 2 4 0 .

Putz-Oster!oh, W . (1981). Uber die Beziehung zwischen Testinrelligenz und Problemlöseetfolg. Zeit- schrifi für Psychologie, 189, 7 9 - 1 0 0 .

Nette Verfahren zur Erfassung intelligenten Verhaltens

Put/.-Osierloh, W. & Liier, G . (1981). Über die Vorhersagbarkeit komplexer Problcmlöscleistungcn durch Ergebnisse in einen) In reiligen zrevr. Zeitschrift fiir Experimentelle und Angewandte Psycho- logie, 28, 3 0 9 - 3 3 4 .

S.mdvi.soii. P. M . ( 1 9 8 9 ) . Verbali/uble k n o w l e d g e and skillcd task p e i f u r n u M c e : A s s o c i a t i o n , dissoch- rion, a n d m e n t a l m c d e i s . jonnnd of'Experhvernai Psyehology: Lw-i-U« Memory, and Cognition. 15

Siegler, R. S. C h e u , Z . (1998). L V v e l o p m e i i t a l differ.-nces \r. rule k u r n m g ; A m i c r o g e n e t i e analvsis.

Cognitive Psycholog)', 36, 2 7 3 - 3 1 0 .

Simon, H . A . & Lea, G . (1974). Problem solving a n d rule induetion: A unihed view. In L. W . Gregg (Ed.), Knowledge and Cognition (pp. 1 0 5 - 1 2 7 ) . Hillsdale, N J : Erlbaum.

Strauß, B. (1993). Konfundierungen beim Komplexen Problemlosen. Zum Einfluß des Anteils der richtigen Lösungen (ArL) auf das Problemlosem erhalten in komplexen Situationen. Bonn: Holos.

Strohschneider, S. (1991). Kein System von Systemen! K o m m e n t a r zu dem Aufsatz „Systemrnerkmale als Determinanten des Umgangs mit dynamischen Systemen" von Joachim Funke. Sprache &

Kognition, 10, 109-1 13.

Süß, H^-M. (1999). Intelligenz und komplexes Problemlösen. Psychologische Rundschau, 50, 2 2 0 - 2 2 8 . Vbllmcver, R., Bums, B. D . & H o l y o a k , K. J. (1996). T h e impact o f goal specific! ty on strategy use

and the acquisirion o f problem srrucrure. Cognitive Science, 20, 7 5 - 3 0 0 .

Vollmever, R. & Funke, J . (1999). Personen- und Aufgabenmerkmale beim komplexen Problemlösen.

Psychologische Rundschau, 50, 2 1 3 - 2 1 9 .

Wallach, D . (1998). Komplexe Regelungsprozesse. Eine kogniiionswissenschafiliche Analyse. W i e s b a d e n : Deutscher Universitäts-Verlag.

Werner, J . (1997). Lineare Statistik. Das Allgemeine Lineare Modell. Weinheim: Psychologie Verlags Union.