Vorgerechnete Beispiele vs. Problemlösen: Wann du zuerst zuschauen solltest

Du kennst das Gefühl. Du liest ein Kapitel, nickst, dann öffnest du die Aufgabensammlung. Und nichts. Die Seite könnte genauso gut in einer anderen Sprache sein. Also blätterst du zurück, liest nochmal, versuchst es erneut. Immer noch stecken. Drei Stunden später hast du „gelernt" und vier halbgelöste Aufgaben vorzuweisen.

Die meisten Studierenden lösen das, indem sie mehr Aufgaben lösen. Sich durch die Verwirrung kämpfen. Das ist doch Lernen, oder?

Die Evidenz sagt etwas anderes. Und der Grund hat weniger mit Anstrengung zu tun als damit, wie das Arbeitsgedächtnis mit neuen Informationen umgeht.

Was vorgerechnete Beispiele tatsächlich bewirken

John Sweller hat Jahrzehnte damit verbracht, etwas zu untersuchen, das offensichtlich klingt, sobald man es hört: Dein Gehirn hat eine winzige mentale Werkbank. Wenn du etwas Neues lernst, kämpfen alle Teile um Platz auf dieser Werkbank. Neuer Wortschatz. Ungewohnte Operationen. Die Struktur des Problems selbst. Wenn du das alles gleichzeitig aufs Arbeitsgedächtnis wirfst, bleibt nichts hängen. Die Werkbank bricht zusammen.

Swellers Cognitive Load Theory, zuletzt 2011 verfeinert, unterscheidet zwischen intrinsischer Belastung (wie komplex das Material tatsächlich ist) und extraneous Belastung (wie das Material präsentiert wird). Wenn du ein Problem von Grund auf löst, trägst du beide Lasten gleichzeitig. Du versuchst, die Struktur eines Problems zu lernen, während du gleichzeitig den Lösungsweg erfindest. Für einen Anfänger ist das, als würde man versuchen, französische Grammatik zu lernen, während man ein Gedicht auf Französisch schreibt. Eine dieser Aufgaben muss verschwinden.

Ein vorgerechnetes Beispiel ist ein vollständig gelöstes Problem, bei dem jeder Schritt gezeigt wird. Es entfernt die Suche. Statt nach der richtigen Operation zu jagen, während du mit neuen Konzepten jonglierst, siehst du den Lösungsweg ausgelegt. Dein Arbeitsgedächtnis muss nichts erzeugen. Es muss nur verstehen.

Der kognitive Mechanismus hier ist spezifisch. Swellers Rahmenwerk von 2011 beschreibt, wie vorgerechnete Beispiele die extraneous Belastung drastisch reduzieren. Sie lassen dich all deine mentalen Ressourcen darauf verwenden, das aufzubauen, was er ein Schema nennt — einen mentalen Rahmen für diesen Problemtyp. Stell dir ein Schema wie eine komprimierte Datei vor. Wenn du eines hast, fallen zehn Schritte in einen Brocken zusammen. Dein Arbeitsgedächtnis bekommt plötzlich Raum zum Atmen.

Deshalb können Experten Probleme lösen, die einen Anfänger überwältigen würden. Sie sind nicht klüger. Sie haben bessere Schemata. Ein Kalkül-Professor berechnet nicht jede Ableitung von Grund auf neu. Er erkennt das Muster, und der Lösungsweg ergibt sich automatisch. Vorgerechnete Beispiele sind der schnellste Weg zu diesem Zustand für jemanden, der das Muster noch nie gesehen hat.

Wann Zuschauen besser ist als Machen

Eine Studie von Van Gog und Kollegen aus dem Jahr 2015 verfolgte, wie Studierende Fehlerbehebungsverfahren in der Elektronik lernen. Manche Gruppen bekamen zuerst vorgerechnete Beispiele und gingen dann zu Problemen über. Andere begannen sofort mit Problemlösen. Die Gruppen, die mit vorgerechneten Beispielen anfingen, schnitten bei Transferaufgaben durchgängig besser ab — nicht nur bei ähnlichen Problemen, sondern auch bei neuartigen, die verlangten, das Prinzip in einem neuen Kontext anzuwenden.

Hier kommt der Teil, der die Leute überrascht. Die Gruppe mit den vorgerechneten Beispielen war auch schneller fertig. Nicht weil sie oberflächlich gelesen haben. Sondern weil sie keine Zeit mit Sackgassen verschwendeten. Jede Minute wurde darauf verwendet, die richtige mentale Struktur aufzubauen, statt den falschen Ansatz durch Versuch und Irrtum zu verfestigen. Wenn du ein Problem ohne Schema löst, löst du es oft schlecht. Und dann erinnerst du dich an die schlechte Lösung.

Aber das Format zählt. Ein vorgerechnetes Beispiel ist nicht nur ein Antwortschlüssel. Die besten vorgerechneten Beispiele zeigen die Begründung zwischen den Schritten. Sie erklären, warum der Lösende diese und nicht jene Operation gewählt hat. Van Gog's Forschung betont, dass Beispiele visuelle und textliche Informationen integrieren sollten. Wenn die Erklärung getrennt vom Diagramm steht, teilt der Lernende seine Aufmerksamkeit zwischen ihnen auf und verliert den Vorteil. Diagramm und Text müssen auf der Seite zusammenleben.

Die Umkehrung der Expertise

Es gibt einen Haken, natürlich. Vorgerechnete Beispiele wirken bei Anfängern brillant und bewirken fast nichts bei Leuten, die die Grundlagen bereits kennen.

Kalyuga, Chandler, Tuovinen und Sweller dokumentierten dies 2001. Sie nannten es den Expertise Reversal Effect. Wenn Lernende bereits Teilschemata für ein Thema hatten, wurden vorgerechnete Beispiele überflüssig. Das Schritt-für-Schritt-Format, das als Gerüst gedient hatte, wurde plötzlich zum Rauschen. Für fortgeschrittene Lernende erzeugte Problemlösen bessere Lernergebnisse.

Der Übergangspunkt ist fuzzy. Du wachst nicht eines Tages auf und wechselst den Modus. Wissen baut sich in Gradienten auf. Aber das Prinzip gilt: Wenn dein Verständnis tiefer wird, muss das instruktionale Format, das dir geholfen hat, aus dem Weg gehen.

Das erklärt, warum manche Studierende auf vorgerechnete Beispiele schwören, während andere sie herablassend langsam finden. Keine Seite hat Unrecht. Sie stehen nur an verschiedenen Punkten der Expertise-Kurve. Der Studierende, der sagt „lasst mich einfach die Aufgaben machen", hat vielleicht recht, für seinen Standort. Der Studierende, der jeden Schritt sehen muss, hat vielleicht auch recht.

Die Kunst besteht darin, zu wissen, wer man gerade ist, jetzt, für dieses spezifische Thema.

Wie man das tatsächlich anwendet

Fang mit vorgerechneten Beispielen an, nicht mit Aufgaben. Wenn du brandneu in einem Thema bist, öffne nicht die Aufgabensammlung. Finde vollständig durchgerechnete Lösungen. Lehrbücher, Lösungsbücher, Schritt-für-Schritt-Videos. Studiere die Begründung hinter jedem Schritt. Merke dir nicht die Sequenz. Verstehe, warum Schritt drei auf Schritt zwei folgt.

Erkläre dir selbst. Renkl (2014) zeigte, dass sich der Nutzen vorgerechneter Beispiele vervielfacht, wenn du sie dir selbst erklärst. Nachdem du ein vorgerechnetes Beispiel studiert hast, schließe das Buch und erkläre es dir selbst. Wenn du nicht artikulieren kannst, warum ein Schritt passiert, verstehst du es noch nicht. Geh zurück. Selbsterklärung zwingt dich, die Lücken zu bemerken, die passives Lesen verbirgt.

Blende schrittweise aus. Van Gog's Forschung weist auf eine Fading-Strategie hin. Fang mit vollständig vorgerechneten Beispielen an. Dann geh zu Vervollständigungsaufgaben, bei denen der letzte Schritt fehlt und du ihn ergänzt. Dann Aufgaben, bei denen zwei Schritte fehlen. Dann vollständiges Problemlösen. Du springst nicht vom Zuschauen zum Machen. Du gleitest über eine Brücke, Brett für Brett.

Teste ehrlich auf die Umkehrung der Expertise. Wenn du die ersten Übungsaufgaben ohne Spicken lösen kannst, bist du wahrscheinlich über die Phase der vorgerechneten Beispiele hinaus. Wechsle zum Problemlösen. Wenn du zwei Minuten lang auf eine leere Seite starrst, brauchst du mehr Beispiele. Sei hier ehrlich mit dir selbst. Die meisten Studierenden drücken zu früh ins Problemlösen, weil es sich produktiver anfühlt. Auf eine leere Seite zu starren fühlt sich wie Arbeit an. Ist es meistens nicht.

Paar Beispiele später mit Retrieval Practice. Sobald du das Schema durch vorgerechnete Beispiele verinnerlicht hast, festigt verteilte Retrieval Practice es. Ein paar Tage nachdem du vorgerechnete Beispiele studiert hast, schließe deine Notizen und löse Aufgaben von Grund auf. Diese Kombination (zuerst Beispiele, später Retrieval) erzeugt die stärkste langfristige Behaltensleistung in der Literatur. Die vorgerechneten Beispiele bauen die Struktur. Retrieval Practice zementiert sie.

Ein häufiger Einwand: „Aber ich lerne besser durch Tun." Wahrscheinlich tust du das, für Dinge, die du bereits teilweise verstehst. Das ist nicht dasselbe wie ein neues Thema. Mit dieser Einstellung in Analysis zu gehen ist, als würde man Autofahren lernen, indem man zuerst auf die Autobahn fährt. Du musst jemandem ein paarmal beim Schalten zuschauen, bevor das Muster Sinn ergibt. Danach, bitte, setz dich selbst ans Steuer.

Was die meisten Lerntipps falsch machen

Die Active-Learning-Bewegung war so erfolgreich, dass sie eine Art Dogma geschaffen hat. Passiv ist schlecht, aktiv ist gut. Lesen ist passiv, Problemlösen ist aktiv. Also gewinnt Problemlösen immer.

Diese Vereinfachung übersieht, was vorgerechnete Beispiele tatsächlich sind. Ein gut konstruiertes vorgerechnetes Beispiel mit voller kognitiver Beteiligung zu studieren ist nicht passiv. Es ist strukturierte Beobachtung. Du baust aktiv das mentale Modell auf, das du später brauchen wirst. Die wirkliche Unterscheidung ist nicht passiv versus aktiv. Sie ist produktiv versus unproduktiv.

Mit dem Kopf gegen Aufgaben zu rammen, für die du keinen Rahmen hast, ist aktiv. Es ist auch unproduktiv. Ein vorgerechnetes Beispiel halb schlafend anzuschauen ist passiv. Auch unproduktiv. Ein vorgerechnetes Beispiel, das mit echter Konzentration studiert wird, mit Selbsterklärung, mit dem danach geschlossenen Buch, um dein Verständnis zu testen, ist die produktivste Nutzung deiner Zeit als Anfänger. Die Literatur stützt das durchgängig, und sie stützt es über Jahrzehnte und Disziplinen hinweg.

Wenn du also das nächste Mal etwas wirklich Neues lernst, widerstehe dem Drang, direkt in die Aufgaben zu springen. Schau zuerst zu. Verstehe die Form der Lösung. Wenn das Schema sich dann in deinem Kopf zu formen beginnt, wechsle den Modus. Der Übergangspunkt, nicht eines der Extreme, ist wo die eigentliche Kunst liegt.

Was war das letzte Thema, bei dem du direkt in die Aufgaben gesprungen bist und es bereut hast?