ALISA Test
<p>Humboldt-Universität zu Berlin - Institut für Psychologie - Professuren -<br /> Ingenieurpsychologie - Forschung - ALISA<br /><br /> <br /><br /> ALISA - Adaptive Lernumgebung zur Interaktiven Systemnutzung Älterer -<br /> Homepage<br /><br /> Inhalt<br /><br /> <br /><br /> Mitarbeiter/Kontakt<br /><br /> Doreen Struve<br /><br /> Michael Sengpiel<br /><br /> Diplomarbeiten<br /><br /> Studienprojekte<br /><br /> Überblick zum Projekt<br /><br /> In dem beantragten Projekt soll untersucht werden, durch welche Maßnahmen im<br /> Bereich von Training und Arbeitsmittelgestaltung ältere Personen bei der<br /> Nutzung von interaktiven Systemen unterstützt werden können. Wir gehen davon<br /> aus, dass ältere Personen sich altersrollenkonform verhalten und besondere<br /> Probleme mit dem Einstieg in die Nutzung neuartiger technischer Systeme<br /> haben, jedoch nach dem Überwinden einer Schwelle annähernd so gut wie<br /> Jüngere mit einem System interagieren können. Um das Überwinden dieser<br /> Schwelle leicht zu machen, sollte sie möglichst niedrig gehalten werden.<br /> Hier setzt das Projekt an: Die Schwellenreduktion erfolgt zum einen auf der<br /> Basis der Selektions-Optimierungs-Kompensations-Theorie aus der kognitiven<br /> Altersforschung, zum anderen durch das sozialpsychologisch begründete Lernen<br /> am Modell. Als Untersuchungsgegenstand für die Experimente dient ein<br /> simulierter Fahrscheinautomat. Zu Fahrscheinautomaten gibt es<br /> psychologisch-ergonomische Voruntersuchungen, sie sind leicht zugänglich und<br /> gut simulierbar. Die Untersuchungen werden so angelegt, dass es möglich<br /> wird, durch Trainings- und Gestaltungsmaßnahmen (im Sinne eines<br /> transgenerational design) Kohorteneffekte von echten Alterseffekten zu<br /> trennen. Deshalb werden nicht nur ältere, sondern auch jüngere Probanden<br /> untersucht.<br /><br /> Projektdauer: 01.12.05 – 30.11.07, Verlängerung um zwei Jahre<br /> beantragt<br /><br /> Zeitplan<br /><br /> ?<br /><br /> Zeitplan Projektphase 1<br /><br /> ?<br /><br /> Zeitplan Projektphase 2<br /><br /> Forschungshintergrund<br /><br /> Altersaufbau 2050 für Deutschland<br /><br /> Durch die Erhöhung der Lebenserwartung sowie den demografischen Wandel, ist<br /> in den nächsten Jahrzehnten mit einer Veralterung der Gesellschaft zu<br /> rechnen. „Im Jahr 2050 wird jeder dritte Deutsche 60 Jahre oder älter sein.“<br /> (Statistisches Bundesamt, 2003) (Bild einfügen mit Quellenangabe!)<br /><br /> Gleichzeitig ist eine rasante Zunahme an technischen Geräten in Alltags- und<br /> Berufsumfeld zu verzeichnen: Automaten zur Erledigung von Bankgeschäften<br /> oder zum Kauf von Fahrkarten, Handys, das Internet oder die Arbeit am PC<br /> bestimmen unser Leben.<br /><br /> Ältere Personen haben oft Schwierigkeiten im Umgang mit diesen neuen<br /> Technologien, ja sie meiden sie sogar soweit es möglich ist. Dies ist<br /> zumeist darauf zurückzuführen, das Senioren oft über eine geringe „computer<br /> literacy“ verfügen oder sich altersrollenkonform verhalten. Oft wird von<br /> älteren Menschen geäußert, dass sie sich zu alt fühlen, um interaktive<br /> Systeme zu bedienen oder ihre Konzepte zu verstehen. Haben sich Ältere<br /> dennoch überwunden mit der Technik zu interagieren, so passiert es nicht<br /> selten, dass sie Ihre Ziele nicht erreichen und aufgrund schlechter<br /> Erfahrungen aus den Interaktionen die Technik weiterhin meiden.<br /><br /> Dennoch sind ältere Menschen zunehmend auf Techniknutzung im alltäglichen<br /> Leben angewiesen, wie etwa bei der Benutzung von Bank- oder<br /> Fahrscheinautomaten. Immer mehr Filialen und Service-Center werden<br /> geschlossen, an ihre Stelle treten Online-Geschäfte oder Automaten.<br /> Ausweichmöglichkeiten oder Alternativen nehmen ab und eine unabhängige<br /> Lebensführung wird in diesen Bereichen schwieriger.<br /><br /> Dieser viel zitierte demographische und technologische Wandel in unserer<br /> Gesellschaft fordert eine kontinuierliche Anpassung der zukünftigen<br /> Arbeitswelt. Besonders die Gestaltung von Arbeitsmitteln auf Ebene der<br /> Mensch-Maschine-Interaktion sowie der Erwerb des benötigten<br /> Interaktionswissens ist dabei von entscheidender Bedeutung. Neben einer<br /> Betrachtung älterer Arbeitnehmer fokussieren unsere Forschungsbetrachtungen<br /> auch auf Senioren, die schon aus dem aktuellen Arbeitsleben ausgeschieden<br /> sind. Begründet wird dies dadurch, dass Rentner nach ihrem Ausscheiden aus<br /> dem Berufsalltag weiterhin erwerbstätig sind oder sich in gemeinnützigen<br /> Vereinen engagieren (Kern, Deller &amp; Huch, 2006). Aufgrund des<br /> demografischen Wandels erläutert die Geneva Association in ihrem<br /> 4-Säulen-Modell (Kessler, 1988), dass neben der traditionellen Absicherungen<br /> (staatlich, betrieblich, privat) auch die Erwerbstätigkeit im Rentenalter<br /> die Altersversorgung bestimmten. Die weitläufig als „Silver Workers“<br /> bezeichneten aktiven Rentner stellen somit auch einen Fokus unseres<br /> Forschungsprojektes dar. Deshalb sind Trainingsmaßnahmen und<br /> Arbeitsmittelgestaltung im Bereich der Techniknnutzung nicht nur auf die<br /> Zielgruppe bis 67 Jahre zu beschränken. Ein weiteres Anliegen des Projektes<br /> ist es, die zunehmende Technologisierung unseres Alltags zu berücksichtigen.<br /> So soll auch nicht erwerbstätigen Senioren, die in ihrer Freizeit oder im<br /> täglichen Leben technische Produkte nutzen möchten, die Chance geboten<br /> werden, über altersgerechte Lernumgebungen und entsprechende<br /> Produktgestaltung den Zugang zu interaktiven Systemen zu erhalten, so dass<br /> ihnen auch zukünftig eine unabhängige Lebensführung möglich ist.<br /><br /> Bei der Suche nach Altersunterschieden ist zu berücksichtigen, daß diese<br /> generell eher in Grenzbereichen der Leistungsfähigkeit (testing the limits)<br /> zu erwarten sind und die interindividuelle Variabilität im Alter stark<br /> zunimmt. Daß zudem auch die intraindividuelle Variabiltät zunimmt, konnte<br /> z.B. in der Studie „Dynamics“ gezeigt werden, in der Varianzkomponenten auf<br /> Tages-, Trial- und Item-Ebene untersucht wurden (Schmiedeck, 2007). Aus dem<br /> Umstand, daß auch die Plastizität im Alter größer war als erwartet, ergibt<br /> sich Chance &amp; Risiko zugleich: Gelingt es, diese zu nutzen, können auch<br /> im hohen Lebensalter Alltagskompetenz und Autonomie erhalten bleiben, werden<br /> die Fähigkeiten jedoch nicht gebraucht, können sie bis zum Autonomieverlust<br /> verkümmern.<br /><br /> Lernen im hohen Alter ist sehr wohl möglich, wird aber von einer Reihe von<br /> Faktoren beeinflusst, die es bei der Erfassung der Lernleistung zu<br /> berücksichtigen gilt. Dazu zählen neben der individuellen Lernerfahrung und<br /> der Selbstwirksamkeit vor allem die individuellen Ziele und die<br /> Bedeutsamkeit des Lernmaterials, sowie der Einfluß adaptiver Prozesse wie<br /> Kalibrierung, Kompensation, Optimierung und Antizipation (Martin, 2006).<br /> Dies steht im Ein-klang mit der Ressourcenorientierung im SOK-Modell des<br /> erfolgreichen Alterns nach Baltes (1989), an der sich unser Projekt stark<br /> orientiert.<br /><br /> In der bisherigen Projektlaufzeit beschäftigten wir uns im Besonderen mit<br /> der Entwicklung von Lernunterstützung für Ältere. Es existieren bereits sehr<br /> anschauliche didaktische Konzepte, die die mit dem Alter einhergehenden<br /> kognitiven Veränderungen berücksichtigen (z.B. Paas, van Geveren &amp;<br /> Tabbers, 2005; Fisk, Rogers, Charness, Czaja &amp; Sharit, 2004). So kann<br /> festgestellt werden, dass Trainingsprogramme, im Besonderen für ältere<br /> Lernende, stets darauf achten sollten, die Lernenden vor allem im Bereich<br /> des Arbeitsgedächtnisses nicht zu überfordern. Daran anknüpfend greifen wir<br /> die Strategie der Komplexitätsreduktion auf, die bisher noch wenig<br /> altersspezifisch untersucht wurde. Dieses Instrukti-onsdesign beruht darauf,<br /> den Fokus auf wichtige Interaktionselemente zu lenken und Nebenschauplätze<br /> auszublenden, so dass der Lernende zunächst nicht von der gesamten<br /> Komplexität das interaktiven Systems überfordert wird. Aus Untersuchungen<br /> von Bruder, Blessing &amp; Wandke (2007) geht hervor, dass dies auch für<br /> ältere Lernende im Umgang mit technischen Systemen erfolgreich angewendet<br /> werden kann.<br /><br /> Neben den diskutierten kognitiven Veränderung besteht ein Hauptproblem in<br /> der Nichtnutzung technischer Geräte durch ältere Menschen, die zum Teil auf<br /> der Übernahme altersrollekonformer Stereotype und einer eher negativen<br /> Einstellung gegenüber Technik beruht (Staufer, 1992). Ein weiterer,<br /> wesentlicher Prädiktor zur Nichtnutzung stellt die Computerangst dar (Czaja,<br /> Charness, Fisk, Hertzog, Nair, Rogers &amp; Sharit, 2006). Besonders ältere<br /> Personen versuchen daher, Aufgaben in den verschiedenen Arbeits- und<br /> Lebensbereichen zu bewältigen, ohne auf interaktive Systeme zurückgreifen zu<br /> müssen. Daraus resultierend führen die hier dargestellten Faktoren zu einem<br /> Meidungsverhalten und damit zu einer sich selbst erfüllenden Prophezeiung<br /> der Unfähigkeit. Um diesem Selbstbild entgegenzuwirken, ist es nötig, ältere<br /> Menschen stress- und angstfrei an neue Technologien heranzuführen. Daher ist<br /> es unser Bestreben, auf Ebene der parasozialen Unterstützung dem Lernenden<br /> entgegen zu kommen und ihn begleitend motivational im Lernprozess zu<br /> unterstützen. Eine gute Ergänzung zum Konzept des Modellernens (Bandura,<br /> 1977, 1986) bietet hier die Social Agency Theory von Mayer (2005). Dieser<br /> Ansatz faßt die letzten Forschungsergebnisse zur sozialen Unterstützung in<br /> multimedialen Lernumgebungen zusammen. Er besagt, dass<br /><br /> • bei personalisierten Instruktionen besser gelernt wird als bei<br /> formalisierten und<br /><br /> • Personen besser lernen, wenn das Modell akzentfrei spricht und den<br /> Eindruck vermittelt, den Lernenden direkt anzusprechen. Dabei hat<br /><br /> • die Präsentation eines Sprechers per Bild im Gegensatz zu den beiden<br /> ersten Methoden wenig Einfluß auf den Lernerfolg.<br /><br /> Im Kontrast zu der letzten Annahme, dass das Aufzeigen einer Person wenig<br /> Einfluß auf das Lernen hat, gehen wir davon aus, dass gerade bei dynamischen<br /> Instruktionsvideos zur Vermittlung prozeduralen Wissens auch die Darstellung<br /> des Modells sich positiv auf die Wissensgenerierung auswirkt.<br /><br /> (Kern, Deller &amp; Huch, 2006)<br /><br /> (Schmiedeck, 2007)<br /><br /> (Martin, 2006)<br /><br /> Baltes (1989)<br /><br /> (z.B. Paas, van Geveren &amp; Tabbers, 2005; Fisk, Rogers, Charness, Czaja<br /> &amp; Sharit, 2004)<br /><br /> Bruder, Blessing &amp; Wandke (2007)<br /><br /> (Staufer, 1992)<br /><br /> (Czaja, Charness, Fisk, Hertzog, Nair, Rogers &amp; Sharit, 2006)<br /><br /> (Bandura, 1977, 1986)<br /><br /> (Mayer (2005)<br /><br /> Achtung! Ständig aktualisieren!, sollte besser in einem BLOG geführt<br /> werden.<br /><br /> In Bearbeitung: Im Moment befinden wir uns in der abschließenden<br /> Programmierungsphase der Lernumgebung. Diese wird voraussichtlich Mai 2007<br /> abgeschlossen sein, so dass nach einer ersten Probephase das System in<br /> Experimenten zum Einsatz kommen kann.<br /><br /> Projektstand<br /><br /> Es geht mit großen Schritten voran. Die Automatensimulation ist endlich<br /> fertig und kann für den ersten Versuch von Diana Dittberner eingesetzt<br /> werden. Vielen Dank dafür an Jochen, der sich nun beim wohlverdienten<br /> Segelurlaub von den Strapazen der letzten Wochen erholt. Außerdem ist heute<br /> der erste Drehtag für die Instruktionsvideos!<br /><br /> Ergebnisse<br /><br /> Analyse des BVG-Automaten<br /><br /> ATN (zip)<br /><br /> Cognitive Task Analysis nach GOMS (pdf)<br /><br /> Cognitive Walkthrough Teil 1 (pdf)<br /><br /> Cognitive Walkthrough Teil 2 (pdf)<br /><br /> entwickelte Fragebögen<br /><br /> Einstellung und Selbstwirksamkeit (pdf)<br /><br /> Computer Literacy (pdf)<br /><br /> Lernumgebung<br /><br /> Drehbuch (pdf)<br /><br /> Lernaufgabe (ppt)<br /><br /> Voruntersuchung<br /><br /> Ergebnisse (ppt)<br /><br /> Fragebogen zur Computer Literacy<br /><br /> Dieses Arbeitspaket beschäftigt sich mit der Erstellung eines Fragebogens<br /> zur Erfassung der Computer Literacy (CL). In dem Versuch,<br /> Leistungsunterschiede im Nutzerverhalten von Jüngeren und Älteren zu<br /> erklären, unterscheiden wir grundsätzlich zwei Effekte: Alters- und<br /> Kohorteneffekte. Während erstere universell gelten und ausschließlich durch<br /> Gestaltung der Benuzerschnittstelle kompensiert werden können, haben<br /> letztere ihren Ursprung in der individuellen Lerngeschichte und sind damit<br /> veränderbar, insbesondere durch ein Training mit unserer Lernumgebung.<br /> Innerhalb der Kohorteneffekte nimmt die Computer Literacy eine besondere<br /> Stellung ein, denn das Wissen im Umgang mit Computern ist leicht übertragbar<br /> auf Fahrscheinautomaten und wird von diesen, die ja selbst Computer sind,<br /> auch in verschiedener Ausprägung vorausgesetzt.<br /><br /> In der Literatur werden unter dem Begriff "Computer Literacy" sehr<br /> heterogene Konzepte zusammengefaßt und gemessen (Richter, Neumann &amp;<br /> Horz, 2001; Turner, Sweany &amp; Husman, 2000; Miller &amp; Wooten, 1997),<br /> was vor allem zwei Ursachen hat. Zum einen muß sich das Interaktionswissen<br /> der schnellen technischen Entwicklung anpassen, zum anderen haben sehr viele<br /> Wissensaspekte einen Einfluß, die in zwei Gruppen geteilt werden können<br /> (Mason &amp; McMorrow, 2006): „awareness“ (z.B. Computergeschichte, Ethik,<br /> Sicherheit, Ökonomie) und „competence“ (z.B. Computerhardware und -software<br /> nutzen und verstehen, Internetsuche etc.). Wir konzentrieren uns hier auf<br /> Aspekte der „competence“, die für die Benutzung von Computern unmittelbar<br /> relevant sind und betrachten deshalb Computer Literacy als die Fähigkeit,<br /> Interaktionsmuster und Funktionselemente im Umgang mit Computern zu erkennen<br /> und zu nutzen. Diese umfaßt somit die Kenntnis bestimmter Icons, aber auch<br /> Interaktionsregeln und -techniken.<br /><br /> Da CL im Umgang mit interaktiven Systemen, vor allem Computern, erworben<br /> wird, wird häufig nur die Vorerfahrung mit Computern über Dauer und<br /> Intensität des Umgangs erfasst. Wir meinen jedoch, daß Umgang eine<br /> notwendige, aber nicht hinreichende Bedingung für den Erwerb von CL ist, da<br /> man bei gleicher Häufigkeit auf sehr verschiedene Weise mit Computern<br /> umgehen kann (z.B. Texte tippen vs. programmieren) und das Erlebte auch<br /> "verarbeiten" und in seinen Wissensschatz aufnehmen muß, wobei Faktoren wie<br /> Mustererkennung, Logik, Abstraktionsvermögen, Intelligenz und Motivation<br /> eine Rolle spielen. Deshalb wollen wir explizit "Computer Literacy" messen<br /> und zwar genauer jenen Teil, der für die Interaktion mit dem Computer<br /> (interaktiven System) unmittelbar relevant ist. Uns interessiert, ob jemand<br /> die Sprache, genauer, die "lexikalischen Einheiten" der Computer Interaktion<br /> versteht. Diese Einheiten bestehen aus Zeichen und Begriffen, die häufig als<br /> selbstverständlich vorausgesetzt werden und gerade deshalb jenen, die sie<br /> nicht kennen (z.B. Älteren), Schwierigkeiten bereiten. Wir haben hierfür<br /> einen eigenen Fragebogen zur Messung der Computer Literacy entwickelt - den<br /> CLS (Computer Literacy Skala). Entsprechend des oben beschriebenen Konzeptes<br /> erfassen wir damit Wissen in drei Dimensionen: 1. Symbole 2. Begriffe und 3.<br /> Handlungswissen. Die aktuelle Version dieses Fragebogens &lt;link&gt; kann<br /> hier eingesehen werden.<br /><br /> Richter, Neumann &amp; Horz, 2001;<br /><br /> Turner, Sweany &amp; Husman, 2000;<br /><br /> Miller &amp; Wooten, 1997<br /><br /> Mason &amp; McMorrow, 2006<br /><br /> Fragebogen zur Computer Literacy<br /><br /> Dieses Arbeitspaket beschäftigt sich mit der Erstellung eines Fragebogens<br /> zur Erfassung der Computer Literacy (CL). In dem Versuch,<br /> Leistungsunterschiede im Nutzerverhalten von Jüngeren und Älteren zu<br /> erklären, unterscheiden wir grundsätzlich zwei Effekte: Alters- und<br /> Kohorteneffekte. Während erstere universell gelten und ausschließlich durch<br /> Gestaltung der Benuzerschnittstelle kompensiert werden können, haben<br /> letztere ihren Ursprung in der individuellen Lerngeschichte und sind damit<br /> veränderbar, insbesondere durch ein Training mit unserer Lernumgebung.<br /> Innerhalb der Kohorteneffekte nimmt die Computer Literacy eine besondere<br /> Stellung ein, denn das Wissen im Umgang mit Computern ist leicht übertragbar<br /> auf Fahrscheinautomaten und wird von diesen, die ja selbst Computer sind,<br /> auch in verschiedener Ausprägung vorausgesetzt.<br /><br /> In der Literatur werden unter dem Begriff "Computer Literacy" sehr<br /> heterogene Konzepte zusammengefaßt und gemessen (Richter, Neumann &amp;<br /> Horz, 2001; Turner, Sweany &amp; Husman, 2000; Miller &amp; Wooten, 1997),<br /> was vor allem zwei Ursachen hat. Zum einen muß sich das Interaktionswissen<br /> der schnellen technischen Entwicklung anpassen, zum anderen haben sehr viele<br /> Wissensaspekte einen Einfluß, die in zwei Gruppen geteilt werden können<br /> (Mason &amp; McMorrow, 2006): „awareness“ (z.B. Computergeschichte, Ethik,<br /> Sicherheit, Ökonomie) und „competence“ (z.B. Computerhardware und -software<br /> nutzen und verstehen, Internetsuche etc.). Wir konzentrieren uns hier auf<br /> Aspekte der „competence“, die für die Benutzung von Computern unmittelbar<br /> relevant sind und betrachten deshalb Computer Literacy als die Fähigkeit,<br /> Interaktionsmuster und Funktionselemente im Umgang mit Computern zu erkennen<br /> und zu nutzen. Diese umfaßt somit die Kenntnis bestimmter Icons, aber auch<br /> Interaktionsregeln und -techniken.<br /><br /> Da CL im Umgang mit interaktiven Systemen, vor allem Computern, erworben<br /> wird, wird häufig nur die Vorerfahrung mit Computern über Dauer und<br /> Intensität des Umgangs erfasst. Wir meinen jedoch, daß Umgang eine<br /> notwendige, aber nicht hinreichende Bedingung für den Erwerb von CL ist, da<br /> man bei gleicher Häufigkeit auf sehr verschiedene Weise mit Computern<br /> umgehen kann (z.B. Texte tippen vs. programmieren) und das Erlebte auch<br /> "verarbeiten" und in seinen Wissensschatz aufnehmen muß, wobei Faktoren wie<br /> Mustererkennung, Logik, Abstraktionsvermögen, Intelligenz und Motivation<br /> eine Rolle spielen. Deshalb wollen wir explizit "Computer Literacy" messen<br /> und zwar genauer jenen Teil, der für die Interaktion mit dem Computer<br /> (interaktiven System) unmittelbar relevant ist. Uns interessiert, ob jemand<br /> die Sprache, genauer, die "lexikalischen Einheiten" der Computer Interaktion<br /> versteht. Diese Einheiten bestehen aus Zeichen und Begriffen, die häufig als<br /> selbstverständlich vorausgesetzt werden und gerade deshalb jenen, die sie<br /> nicht kennen (z.B. Älteren), Schwierigkeiten bereiten. Wir haben hierfür<br /> einen eigenen Fragebogen zur Messung der Computer Literacy entwickelt - den<br /> CLS (Computer Literacy Skala). Entsprechend des oben beschriebenen Konzeptes<br /> erfassen wir damit Wissen in drei Dimensionen: 1. Symbole 2. Begriffe und 3.<br /> Handlungswissen. Zur Erstellung des CLS haben wir zunächst Symbole und<br /> Begriffe recherchiert und jene gesammelt, die häufig vorkommen / besonders<br /> typisch und nicht betriebssystem- oder anwendungsspezifisch sind. Die<br /> aktuelle Version dieses Fragebogens &lt;link&gt; kann hier eingesehen<br /> werden. Die Erstellung der ersten Version des FB CLS ist abgeschlossen und<br /> erste Untersuchungen zur Validierung des FB laufen bereits. Der Einsatz der<br /> revidierten und um ein Manual ergänzten Fassung auch in anderen Projekten<br /> des SPP1184 (z.B. im Projekt der Gruppe Schlick an der RWTH Aachen) ist<br /> be-reits während eines Arbeitstreffens in Berlin im Februar 2007 vereinbart<br /> worden.<br /><br /> Fragebogen zur Einstellung gegenüber Fahrscheinautomaten<br /><br /> Auch Einstellungen gegenüber dem Versuchsgegenstand können Einfluß auf die<br /> Lernergebnisse ausüben (Torkzadeh, Pflughoeft &amp; Hall, 1999). Usoro<br /> (2000) definiert Einstellungen als „a complex, mostly learned and enduring<br /> but changeable system of cognition and affection which predisposes an<br /> individual to favourable or unfavourable action or reaction to an object“<br /> (S. 59). Zudem wird das Konstrukt der Einstellung häufig in eine<br /><br /> • affektive (positives oder negatives Gefallen gegenüber dem Objekt),<br /><br /> • kognitive (Wahrnehmung und Beurteilung der Eigenschaften des Objektes<br /> und<br /><br /> • behaviorale Komponente (Absicht zum Handeln/ Nichthandeln, z.B. Meidung<br /> von Technik) unterteilt (vgl. Rosenberg &amp; Hovland, 1960).<br /><br /> Problematisch ist jedoch, dass für eine behaviorale Skala die Nutzung eines<br /> Fahrscheinau-tomaten vorausgesetzt werden muß und die Vorstudien bereits<br /> zeigten, dass viele ältere Personen nur wenige oder gar keine Erfahrungen<br /> mit dem Fahrscheinautomaten gesammelt haben, da sie ihn vermeiden. Im<br /> Vergleich zu bereits existierenden Einstellungsfragebögen zu Computern ist<br /> anzumerken, dass zudem die Funktionalität von Fahrscheinautomaten begrenzt<br /> ist. Um dennoch alle Komponenten des Konstrukts erfassen zu können, wurde<br /> ein semantisches Differenzial verwendet, mit dem es möglich ist, in einem<br /> 3-dimensionalen Faktoren-Raum Personen hinsichtlich der Einstellung<br /> gegenüber eines bestimmten technischen Produkts darzustellen. Zudem ist es<br /> durch einfachen Austausch des Einstellungsobjektes möglich, das<br /> Erhebungsinstrument für andere Forschungsprojekte nutzbar zu machen.<br /><br /> Torkzadeh, Pflughoeft &amp; Hall, 1999<br /><br /> Usoro (2000)<br /><br /> Fragebogen zur Selbstwirksamkeit im Umgang mit Fahrscheinautomaten<br /><br /> Die wahrgenommene Selbstwirksamkeit (Self-Efficacy) im Umgang mit<br /> technischen Produkten ist eine wichtige Variable, die Einfluß auf den Umgang<br /> und das Erlernen der Automatenbedienung ausübt. Selbstwirksamkeitsurteile<br /> betreffen die subjektive Einschätzung eines Menschen, über die zur<br /> Bewältigung einer bestimmten Aufgabenart erforderlichen Voraussetzungen<br /> (Fertigkeiten, Fähigkeiten usw.) zu verfügen (Bandura, 1986). Das Erleben<br /> von Wirksamkeit hängt davon ab, ob nach einem Training subjektiv spürbare<br /> Fortschritte wahrnehmbar sind. Karavidas, Lim &amp; Katsikas (2005) stellten<br /> bereits einen Zusammenhang zwischen dem Erlernen der Computernutzung und<br /> einer höheren Selbstwirksamkeitserwartung her. Somit kann ein Training die<br /> Einschätzung des eigenen Wirkungsgrades beeinflussen. In unserem<br /> Forschungsvorhaben war es daher erforderlich, die Messung der<br /> aufgabenspezifischen Selbstwirksamkeit im Umgang mit einem<br /> Fahrscheinautomaten zu gewährleisten. In einer ersten Untersuchung wurde<br /> zunächst eine Skala zur Selbstwirksamkeit im Umgang mit den verschiedensten<br /> öffentlichen Automaten entwickelt (Gramß, 2006). Da jedoch Bandura (2006)<br /> betont, dass Selbstwirksamkeit nur bereichspezifisch gemessen werden sollte,<br /> grenzen wir für die weitere Verwendung die Skala auf den Fahrscheinautomaten<br /> ein. Der reduzierte Fragebogen wurde in Anlehnung an die den allgemeinen<br /> Selbstwirksamkeitsfragebogen von Jerusalem &amp; Schwarzer (2001) sowie den<br /> Selbstwirksamkeitsfragebogen im Umgang mit Computern von Eachus &amp;<br /> Cassidy (2001) entwickelt. Zusätzlich wurden die Guidelines zur Erstellung<br /> von Selbstwirksamkeitsfragebögen von Bong (2006) und Bandura (2006)<br /> berücksichtigt. Insgesamt ergaben sich 16 Items. Da wir davon ausgehen, dass<br /> die Interaktion sowie das Erlernen der Bedienung des Fahrscheinautomaten<br /> Einfluß auf das bereichsspezifische Fähigkeitskonzept hat, nutzen wir das<br /> entwickelte Erhebunginstrument für Prä- und Postmessungen.<br /><br /> Bandura, 1986<br /><br /> Karavidas, Lim &amp; Katsikas (2005)<br /><br /> (Gramß, 2006)<br /><br /> Jerusalem &amp; Schwarzer (2001)<br /><br /> Eachus &amp; Cassidy (2001)<br /><br /> Bong (2006) und Bandura (2006)<br /><br /> Beobachtungen am Bahnhof<br /><br /> Um einen Einblick zu erhalten, welche Personen etwa den DB<br /> Fahrscheinautomaten nutzen und wie diese Interaktionen verlaufen, wurden<br /> Beobachtungen auf verschiedenen Bahnhöfen in Berlin durchgeführt. Erfasst<br /> wurden dabei verschiedene Aspekte, unter anderem das Alter der Nutzer<br /> (geschätzt) und Anzeichen von<br /><br /> * Unsicherheit (am Kopf kratzen, mehrmalige Eingaben und Korrekturen,<br /> Orientierungslosigkeit etc.)<br /><br /> * Nachdenken (am Kopf kratzen, mit dem Finger mitlesen, laut mitlesen<br /> etc.)<br /><br /> * Ärger (Schimpfen, Kopfschütteln, Fluchen etc.).<br /><br /> Die Automatenbedienung wurde über die Zeit in eine Orientierungs-,<br /> Interaktions- und Zahlungsphase eingeteilt, Abbrüche und Neustarts wurden<br /> auch registriert. Die Beobachtungen ergaben, dass meist Jüngere die<br /> Automaten nutzen, nur 14 Personen über 50 Jahre versuchten ein Ticket am<br /> Automaten zu erwerben.<br /><br /> Abbildung 3: Altersverteilung der Benutzer von Fahrkartenautomaten<br /><br /> Es wurde festgestellt, dass 38,3 % aller beobachteten Kunden die Interaktion<br /> mit dem Automaten abbrechen und 40 % den Vorgang mindestens einmal neu<br /> starten mussten. Dies zeigt, dass die Bedienung des Automaten nicht einfach<br /> und intuitiv ausgeführt werden konnte.<br /><br /> Aus der Analyse der Nutzungszeiten ging hervor, dass für die Interaktion mit<br /> dem System die meiste Zeit benötigt wurde. Durchschnittlich dauerte ein<br /> Fahrscheinkauf am Automaten etwa 4,5 Minuten.<br /><br /> Es war zu beobachten, dass junge und alte Menschen die Verkaufsschalter mit<br /> persönlichem Kontakt beim Fahrscheinkauf deutlich bevorzugen. Auf dem<br /> Berliner Bahnhof Zoo beispielsweise konnten lange Warteschlangen vor dem<br /> Service-Center beobachtet werden. Es wird vermutet, dass dies zum einen an<br /> der schwierigen Automatennutzung liegt, zum anderen an mangelndem Vertrauen<br /> in die Technik und auch in sich selbst, solch ein System nutzen zu können.<br /> Dabei scheuen gerade Ältere die Benutzung neuer Technologien. Es ist daher<br /> Ziel unseres Projektes, diese Nutzungsschwelle zu senken, Ängste vor der<br /> Technik abzubauen und Menschen für den Umgang mit Automaten zu<br /> schulen.<br /><br /> 2.2.1 Analyse und Entwicklung eines Modells des Automaten<br /><br /> Zunächst war es notwendig, einige formal beschreibende Analysen am<br /> Versuchsobjekt durchzuführen, um grundlegende Strukturen des Automaten zu<br /> ermitteln und ein vollständiges Modell zu generieren. Weitere Analysen gaben<br /> Aufschluß über kritische User Interface Komponenten und besonders schwierige<br /> Interaktionen und Navigationsstrukturen.<br /><br /> In einem ersten Schritt wurde ein Zustandsübergangsnetzwerk (Buchner &amp;<br /> Funke, 1992) zur formalen Ablaufbeschreibung angefertigt. Das Netzwerk wurde<br /> in HTML erstellt und enthält Screenshots aller Automatenoberflächen sowie<br /> die Zustandsübergänge des finiten Automaten, die über Links realisiert<br /> wurden &lt;link zip&gt;. Das Zustandsübergangsnetzwerk bildete eine<br /> Grundlage für die Programmierung der eigenen Simulation. Diese einfache,<br /> formale Beschreibung reichte jedoch nicht aus, um das Instruktionsdesign für<br /> die spätere Lernumgebung festzulegen. Es ist nötig, aufgabenorientiert zu<br /> erkennen, welche Bereiche des Automaten besonders hohen kognitiven Aufwand<br /> erfordern und Schwierigkeiten in der Interaktion aufgrund von mentaler<br /> Überlastung entstehen können. Daher wurde anschließend eine kognitive<br /> Aufgabenanalyse nach dem GOMS-Modell (vgl. Jonassen, Tessmer &amp; Hannum,<br /> 1999) durchgeführt. Hierbei wurden alle Aufgaben am Automaten auf ihren<br /> kognitiven Aufwand hin bewertet, das heißt sie beinhalteten alle nötigen<br /> internalen und externale Operationen, die zum Fahrscheinkauf nötig waren<br /> &lt;link pdf&gt;. Je nach Aufwand wurde für jede Aufgabe ein<br /> Schwierigkeitsindex ermittelt. Diese Aufgabenanalyse bildete die Grundlage<br /> für die Erstellung des Trainingsprogramms auf der Makroebene (z.B. die<br /> Festlegung der Komplexitätsstufen &lt;link 2.2.7&gt;) und die konkreten<br /> Instruktionsmaterialien auf der Mikroebene (Definition und Aufteilung der<br /> Videoinhalte, &lt;link siehe Kapitel 2.2.4&gt;).<br /><br /> Eine kognitive Aufgabenanalyse kann jedoch keine Hinweise auf<br /> Nutzungsbarrieren und potenziell kritische Interaktionsabläufe liefern.<br /> Daher wurde zusätzlich das Expertenverfahren des Cognitive Walkthrough<br /> (Lewis &amp; Wharton 1997) angewendet. Ein wesentlicher Vorteil der Nutzung<br /> dieser aufgabenorientierten Usability-Inspektionsmethode besteht darin, dass<br /> sie schon auf andere Fahrscheinautomaten angewendet worden ist (Blandford<br /> &amp; Connell 2004) und mit anderen Methoden verglichen wurde (Connell,<br /> Blanford, &amp; Green, 2004).<br /><br /> Aus der Perspektive älterer Benutzer wurden einige besonders typische sowie<br /> besonders schwierige Aufgaben kognitiv "durchlaufen" und auf mögliche<br /> Interaktionsbarrieren geprüft. Hierbei wurden Interaktionssequenzen<br /> identifiziert, die den Senioren die erfolgreiche Benutzung des Automaten<br /> erschweren oder gar nicht erst zuließen. Diese schwierigen<br /> Interaktionsbausteine werden in einer Variation als Fehleranzeige in die<br /> Instruktionsvideos integriert (&lt;link siehe Kap. 2.2.6&gt;).<br /><br /> Ergebnisse: Die entwickelten Modelle zum Versuchsobjekt Fahrscheinautomat<br /> lieferten essenzielle Grundlage sowohl für die Planung der Simulation, der<br /> Instruktionsvideos und die beide Teile verknüpfende Lernumgebung. Zudem<br /> konnten aus der Aufgabenanalyse die Adaptivitätsstufen für die Training<br /> Wheels der Lernumgebung abgeleitet werden. Der Cognitive Walkthrough ergab<br /> weiterhin typische Fehlerquellen, die für die Erstellung der<br /> Instruktionsvideos mit Fehleranzeige die Grundlage bilden.<br /><br /> (Buchner &amp; Funke, 1992)<br /><br /> (vgl. Jonassen, Tessmer &amp; Hannum, 1999)<br /><br /> (Lewis &amp; Wharton 1997)<br /><br /> (Blandford &amp; Con-nell 2004)<br /><br /> (Connell, Blanford, &amp; Green, 2004)<br /><br /> Für die Erstellung der Lernumgebung beziehen wir uns auf den System Approach<br /> nach Rogers, Campbell &amp; Pak (2001). Nach diesem Ansatz ist es wichtig,<br /> sowohl Eigenschaften und Besonderheiten des Automaten zu analysieren, um aus<br /> ihnen zu vermittelndes Wissen und benötigte Fähigkeiten abzuleiten, als auch<br /> Eigenschaften der Zielgruppe zu berücksichtigen. Nur so können die<br /> Anforderungen, die der Automat voraussetzt und die Ressourcen der Person in<br /> die Entwicklung der Lernumgebung einfließen. Eine Expertenanalyse sollte<br /> folglich mit Nutzungsdaten am realen Automaten kombiniert werden.<br /><br /> Hierzu haben wir neben einer ausführlichen Literaturrecherche drei<br /> Untersuchungen durchgeführt. Zwei dieser Untersuchungen fanden am<br /> Fahrscheinautomaten der Deutschen Bahn AG (DB AG) statt, um nicht nur das<br /> Verhalten an einem spezifischen Automatentyp zu analysieren. In Anlehnung an<br /> Bochat, Eddiks &amp; Steinbach (2000) wurde in einer ersten, freien<br /> Beobachtung auf drei großen Berliner Bahnhöfen ermittelt, welche konkreten<br /> Schwierigkeiten und Probleme besonders bei älteren Fahrgästen im Umgang mit<br /> Fahrscheinautomaten existieren. Hierzu wurde die Flexible Interface Technik<br /> (FIT) verwendet (Held, Brüsch, Krüger &amp; Pasch, 1999). Die Beobachtung<br /> wurde verdeckt durchgeführt und beschränkte sich nicht nur allgemein auf<br /> Problemsituationen, wie Abbrüche und Neustarts, sondern ermittelte<br /> zusätzlich Stressindikatoren während der Interaktion, wie Ärger,<br /> Unsicherheit und Nachdenken. Es konnte festgestellt werden, dass lediglich<br /> 10% der Benutzer über einem geschätzten Alter von 60 Jahren lagen und trotz<br /> langer Schlangen vor den Schaltern viele Automaten unbenutzt blieben. Auch<br /> waren häufig Abbrüche, Neustarts und Stressindikatoren zu beobachten.<br /><br /> In einem zweiten Schritt wurde der Fahrscheinautomat der Deutschen Bahn AG<br /> mittels des Cognitive Walkthrough (CW) analysiert, um Usability-Probleme<br /> vorherzusagen und Aufgaben für einen folgenden Nutzertest zu konstruieren.<br /> Der Nutzertest fand nicht im Bahnhof, sondern im Labor statt, weil wir nur<br /> dort Logfiles zur Automatennutzung aufzeichnen konnten. Auch dauerten die<br /> Versuche 1-2 Stunden, weshalb sich vor allem für Ältere eine Bearbeitung in<br /> bequemer Sitzhaltung empfahl. Im Ergebnis weisen freie Beobachtung, CW und<br /> Nutzertest in die gleiche Richtung: Der Fahrscheinautomat der DB AG bleibt<br /> hinter den Erwartungen an ein nutzerfeundliches Walk-up-and-use-System<br /> zurück. Jüngere (18-42 Jahre) und ältere (60-75 Jahre) Nutzer hatten<br /> ähnliche Probleme mit dem Fahrscheinautomat, allerdings wirkte sich<br /> schlechte User Interface Gestaltung bei Älteren schwerwiegender aus. Sie<br /> scheinen über weniger „Kompensationsmöglichkeiten“ zu verfügen, wobei sich<br /> vor allem Vorerfahrung mit anderen interaktiven Systemen (meist Computern)<br /> als protektiver Faktor erweisen könnte. Ein ausführlicher Bericht liegt als<br /> Manuskript unter dem Titel: „Usability issues with ticket vending machines<br /> for younger and older adults“ vor ( &lt;link&gt; siehe 2.3.2).<br /><br /> In methodischer Hinsicht war die Vorhersagegüte des CW von großem Interesse,<br /> da er auch im Verlauf des Gestaltungsprozesses der adaptiven Lernumgebung<br /> zum Einsatz kommen sollte. Hier zeigte sich, dass viele der im CW gefundenen<br /> Usability-Probleme auch im Usertest zu Tage traten. Die mittlere Korrelation<br /> zwischen im CW entdeckten Problemen und der Anzahl der Nichtlöser im<br /> Usertest (r=.591 für Anzahl der Probleme bzw. r=.779 für die<br /> schwierigkeitsgewichtete Anzahl der Probleme, p=.001, N=33) bewog uns<br /> schließlich, diesen auch für die Analyse des BVG-Automaten einzusetzen (<br /> &lt;link&gt; siehe 2.1.1).<br /><br /> Zur weiteren Qualifizierung der Beobachtungsdaten wurde in einer Vorstudie<br /> ein Nutzertest am realen Fahrscheinautomaten der BVG an einer Stichprobe von<br /> 10 Personen im Alter von 50 bis 73 Jahren durchgeführt. In diesem<br /> partizipativ angelegten Ansatz sollte überprüft werden, ob die aus den<br /> Expertenanalysen hervorgegangenen typischen und schwierigen Aufgaben auch<br /> von den Nutzern in dieser Weise erlebt wurden und insbesondere, ob der<br /> Fahrscheinautomat viel Vorwissen in Form von Computer Literacy voraussetzt.<br /> Zu diesem Zweck wurden u.a. Kettenaufgaben zum Fahrkartenkauf mit<br /> variierender Schwierigkeit verwendet, um Interaktionswege vorzugeben. Dabei<br /> zeigte sich, dass die Bedeutung zentraler Interaktions-Elemente des<br /> Fahrscheinautomat nicht erkannt wurde (z.B. Buttonsymbole und –farben (z.B.<br /> Ausgrauen) und auch verwendete Interaktionskonzepte wie der „Warenkorb“<br /> unbekannt waren.<br /><br /> Die Beobachtung, dass die meisten Fahrscheinautomaten trotz überfüllter<br /> Schalter unbenutzt blieben, gab Anlaß zu einer weiteren Untersuchung<br /> (&lt;link&gt; Cuno &amp; Heise, 2006). 66 Besucher der „Langen Nacht der<br /> Wissenschaften“ zwischen 14 und 65 Jahren wurden vor die Wahl zwischen<br /> soziale Interaktion (mit 0/5/10 Minuten Wartezeit) und Computer-Interaktion<br /> (ohne Wartezeit) gestellt. Es zeigte sich in einer Regressionsanalyse, dass<br /> unter den vier Prädiktoren Alter, Geschlecht, Bildungsniveau und Wartezeit<br /> lediglich der Zeitfaktor einen signifikanten Einfluss auf die Zielvariable<br /> „Entscheidung für den Computer“ hatte und dies auch nur bei einer<br /> Wartezeitverkürzung von 5 vs. 0 Minuten (p=.01, f2=24.9). Allerdings<br /> handelte es sich bei dem Entscheidungsobjekt nicht um einen<br /> Fahrscheinautomat, sondern um ein Experiment zu Wahrnehmungstäuschungen am<br /> Computer.<br /><br /> ?<br /><br /> Ergebnisse: Es kann festgestellt werden, dass vor allem Ältere den<br /> Fahrscheinautomaten meiden und Jüngere und Ältere bei der Benutzung die<br /> gleichen Probleme haben, wobei sich schlechte User-Interface-Gestaltung bei<br /> Älteren schwerwiegender auswirkt, nicht zuletzt, weil sie die Bedeutung<br /> einiger zentraler Interaktionselemente nicht erkennen. Dies unterstreicht<br /> zum einen den potentiellen Nutzen einer Lernumgebung für Fahrscheinautomaten<br /> und gibt zum anderen bereits Hinweise für deren Gestaltung. So sollte neben<br /> dem prozeduralen Interaktionswissen auch domänenspezifisches Tarifwissen<br /> sowie verwendete Wortmarken auf Interaktionstasten vermittelt werden.<br /><br /> Rogers, Campbell &amp; Pak (2001)<br /><br /> Bochat, Eddiks &amp; Steinbach (2000)<br /><br /> (Held, Brüsch, Krüger &amp; Pasch, 1999)<br /><br /> Cuno &amp; Heise, 2006<br /><br /> Aus der Analyse des Automaten, den Beobachtungsdaten zur Zielgruppe sowie<br /> einer Literaturrecherche im Bereich Instruktionsdesign für ältere Menschen<br /> (z.B. Paas et al., 2005; Fisk et al., 2004), wurde ein umfassendes Konzept<br /> für die Lernumgebung angefertigt. Die Erstellung einer eigenen<br /> Automatensimulation ist obligatorisch, da zum einen Veränderungen an der<br /> Automatenstruktur vorgenommen und zum anderen Logfiles generiert werden<br /> müssen. Auf Grundlage des Zustandsübergangsnetzwerkes und einer vom<br /> Automatenhersteller zur Verfügung gestellten Simulation wurde zunächst eine<br /> Anforderungsanalyse durchgeführt. Dabei ergab sich, dass der Automat sehr<br /> komplex aufgebaut ist, so dass eine vollständige Wissensvermittlung mit<br /> Hilfe der Lernumgebung eine Lernzeit von mindestens fünf Stunden ergeben<br /> hätte. Da dies den Rahmen unserer Untersuchungen gesprengt hätte,<br /> entschlossen wir uns, diejenigen Funktionen, die am wenigsten genutzt<br /> werden, aus der Simulation zu entfernen. Die jetzige Automatensimulation<br /> gleicht jedoch noch immer im Funktionsumfang zu 80% dem Original.<br /> Zusätzliche Eigenschaften für das geplante Versuchsdesign, wie Logfiles oder<br /> Eingriffe durch den Versuchsleiter wurden definiert. Zudem sollte es auf<br /> einfache Art und Weise möglich sein, Veränderungen an der Oberfläche und<br /> Struktur des Automaten vorzunehmen, so dass nicht für jede Versuchsreihe<br /> eine neue Simulation erstellt werden muß. Nach einer Art Baukastenschema ist<br /> es nun möglich, durch einfaches Austauschen von Objekten und Methoden jeden<br /> beliebigen Automaten mit der entwickelten Automaten-Grundstruktur<br /> abzubilden.<br /><br /> Alle Anforderungen wurden abschließend spezifiziert, ein objektorientierter<br /> Systementwurf abgeleitet und mit Hilfe von UML (Unified Modeling Language)<br /> dargestellt (Booch, Rumbaugh &amp; Jacobson, 1999). Anschließend wurde der<br /> Versuchs-Automat mit der Programmierumgebung Squeak (Guzdial &amp; Rose,<br /> 2001) entwickelt, implementiert und getestet. Die vorliegende Simulation<br /> kann, so wie sie gegenwärtig existiert, für die &lt;link&gt; unter 2.2.8<br /> geschilderte Studie verwendet werden.<br /><br /> Nach der Fertigstellung des ersten Prototypen des Versuchsautomaten wurden<br /> für die Entwicklung der Lernumgebung zunächst die Rahmenbedingungen, wie<br /> Zielgruppe, allgemeine Inhalte, Hilfsmittel, Lernzielkontrolle und<br /> Begleitmaßnahmen sowie technische Rahmenbedingungen festgelegt.<br /> Ausgangspunkt war, dass die Lernumgebung einerseits Instruktionsvideos für<br /> die Wissensvermittlung und andererseits die Automaten-Simulation zu<br /> Wissensaneigung und -überprüfung enthalten sollte. Nach weiterführender<br /> Analyse (vgl. Kerres, 1999) sollte der Interaktionsraum über sequenzielle<br /> Lernwege verfügen, in dem die Lernenden Schritt für Schritt das Wissen<br /> vermittelt bekommen. So kann eine kognitive Überlastung verhindert (Sweller,<br /> van Merrienboer &amp; Paas, 1998) und kleine, in sich geschlossene<br /> Lerneinheiten gebildet werden. Unter Einbezug der durchgeführten<br /> Aufgabenanalyse und des Cognitive Walkthrough wurden nun Lektionen<br /> entsprechend der Komplexitätsstufen zur Adaptivität (&lt;link &gt;siehe<br /> Kapitel 2.2.7) festgelegt. Insgesamt ergaben sich 7 Lektionen, die aus einem<br /> Lernteil und einem Trainingsteil bestehen. Innerhalb der Lernphase werden<br /> mehrere Aufgaben von einem Videomodell vorgeführt, die anschließend vom<br /> Lernenden an der Automatensimulation eigenständig nachvollzogen werden<br /> sollen. Dadurch ist gewährleistet, dass die aufgezeigten Handlungsmuster in<br /> das eigene Repertoire übernommen werden. Am Ende einer jeden Lektion sind<br /> Trainingsaufgaben zu lösen, an denen das Wissen überprüft wird.<br /><br /> Ergebnisse: Für die Entwicklung der Simulation und der Lernsoftware mit dem<br /> Programmiertool Squeak wurde eine umfassendes Modell mit Hilfe von UML<br /> entwickelt, welches sowohl Versuchsbedingungen, Automateneigenschaften und<br /> genaue Abläufe in der Lernumgebung definiert. Zudem liegt ein ausführliches<br /> Konzept zur Entwicklung der Lernumgebung vor, in der Inhalte,<br /> Oberflächengestaltung und Navigation festgelegt wurde. Die Simulation ist<br /> für einzelne Experimente auch ohne Lernumgebung einsetzbar, beispielsweise<br /> zur Messung der Computer Literacy.<br /><br /> Paas et al., 2005;<br /><br /> Fisk et al., 2004<br /><br /> (Booch, Rumbaugh &amp; Jacobson, 1999)<br /><br /> Guzdial &amp; Rose, 2001)<br /><br /> Kerres, 1999)<br /><br /> (Sweller, van Merrienboer &amp; Paas, 1998)<br /><br /> Die Erstellung von Instruktionsvideos ist nicht trivial und bedarf einer<br /> intensiven Vor-bereitung, um qualitativ hochwertiges Versuchsmaterial zu<br /> generieren. Daher wurde zunächst eine umfassende Dokumentation zur<br /> Qualitätssicherung von digitalen Instruktionsvideos erstellt, bevor die<br /> einzelnen Videobausteine für die Lernumgebung geplant werden konnten. Diese<br /> Dokumentation enthält neben der Auseinandersetzung mit Aspekten von Video<br /> als Lehr- und Lernmittel (vgl. Cennamo, 1995, &amp; Schwan, 2005) eine<br /> detaillierte Übersicht zu Planung und Vorbereitung von Videoproduktionen,<br /> ästhetische Aspekte der Bildkomposition, das Vorgehen bei der<br /> Videoproduktion, Beschreibungen zum Schneiden und Komprimieren der<br /> aufgenommenen Videos, Videodistribution und –evaluation (in Anlehnung an<br /> Iuppa, 1998, Aldridge &amp; Liggett, 1990, Hansen, 2003 &amp; Beaudin,<br /> 1996).<br /><br /> Für die Untersuchungen der einzelnen Aspekte des Modelllernens sind<br /> verschiedene Instruktionsvariationen geplant, die sich auf kognitive und<br /> motivationale Aspekte beziehen (&lt;link&gt; siehe Kapitel: 2.2.5, 2.2.6,<br /> 3.1.4 und 3.1.5). Um die entstehende Varianz im Video selbst so gering wie<br /> möglich zu halten, ist es nötig, Umgebungsvariablen (z.B. Licht oder<br /> Hintergrundgeräusche), Kamerapositionen (z.B. Kamerawinkel &amp; Zoom),<br /> sowie das Auftreten des verwendeten Modells (z.B. Frisur und Kleidung des<br /> Schauspielers) konstant zu halten. Bevor mit den Aufnahmen begonnen werden<br /> kann, ist es daher zwingend notwendig, für alle Versuche und instruktionalen<br /> Veränderungen Drehbücher und Storyboards zu entwickeIn. Die Drehbücher<br /> beinhalten die Struktur der Lernabfolge, die Position des Modells im Video<br /> sowie die Audiotexte. Dabei wurde darauf geachtet, dass die Videos nicht<br /> länger als eine Minute dauern, um den Lernenden nicht zu überfordern und um<br /> die Aufmerksamkeit aufrecht zu erhalten (Locatis, 1990). Auch hier wurde<br /> stringent auf eine Anwendung der Kompensationsstrategie (&lt;link&gt; siehe<br /> Kapitel 2.2.7) auf die Videoinstruktionen geachtet. Da die Lernumgebung<br /> jedoch noch nicht vollständig programmiert ist, wurde für die im April<br /> geplanten Videoaufnahmen einfache Automatensimulationen parallel zur<br /> Entwicklung in Squeak mit Hilfe von Photoshop und Powerpoint generiert. Die<br /> Aufnahmen werden mit einem männlichen und einem weiblichen Modell<br /> durchgeführt. Aus einer vorhergehenden Studie (Gramß, 2006) ergab sich, dass<br /> auch die Professionalität und wahrgenommene Kompetenz des Modells Einfluß<br /> auf den Lernprozess hat. Daher waren wir bemüht, zumindest<br /> semi-professionelle Schauspieler aus Senioren-Theatergruppen für unser<br /> Projekt anzuwerben. Für die geplanten Aufnahmen erklärten sich<br /> freundlicherweise zwei Senioren aus einer Berliner Theatergruppe bereit.<br /> Gleichzeitig arbeiten sich die Schauspieler in die Drehbücher ein und lernen<br /> selbst die Simulation des Fahrscheinautomaten zu bedienen. Alle Aufnahmen<br /> werden an einem Standard-PC mit einem 19 Zoll Bildschirm durchgeführt, der<br /> einen Touchscreen-Aufsatz besitzt.<br /><br /> Nach den Aufnahmen müssen die Videobausteine geschnitten, komprimiert und in<br /> die Lernumgebung integriert werden. Auch wenn die Produktion der<br /> Instruktionsvideos sehr viel Vorbereitung bedurfte, so kann nun festgestellt<br /> werden, dass das Versuchsmaterial für die folgenden 4 Studien vorliegt und<br /> für das Experimentieren lediglich die Videobausteine innerhalb der<br /> Lernumgebung ausgetauscht werden müssen. Somit können die einzelnen Studien<br /> schnell und effizient innerhalb der nächsten zwei Jahre durchgeführt und<br /> ausgewertet werden. Die erste parallel angelegte Versuchsreihe ist für<br /> Juni/Juli 2007 geplant (&lt;link&gt; Kap. 2.2.5 &amp; 2.2.6).<br /><br /> Ergebnisse: Aus diesem Arbeitspaket resultierte ein umfassendes Dokument zur<br /> Qualitätssicherung bei der Erstellung von Instruktionsvideos. Zudem sind<br /> alle Drehbücher und Storyboards für die geplanten Untersuchungen (siehe Kap.<br /> 2.2.5, 2.2.6, 3.3.3 &amp; 3.3.4) fertiggestellt. Beispielhaft ist ein<br /> Drehbuchteil &lt;link&gt; hier einsehbar.<br /><br /> In Bearbeitung: Bis April 2007 ist geplant, den Schauspielern die Drehbücher<br /> zur Verfügung zu stellen und ein Training mit dem Automaten durchzuführen.<br /> Die Aufnahmen sind für Mitte-Ende April 2007 angesetzt. Anschließend werden<br /> die Videos geschnitten, komprimiert und in die Lernumgebung integriert.<br /> Hierfür ist ein Zeitrahmen von 4-6 Wochen eingeplant.<br /><br /> Cennamo, 1995,<br /><br /> Schwan, 2005<br /><br /> Iuppa, 1998, Aldridge &amp; Liggett, 1990, Hansen, 2003 &amp; Beaudin,<br /> 1996)<br /><br /> Locatis, 1990<br /><br /> Gramß, 2006<br /><br /> 2.2.5 Experiment: Sozial kognitive Lerntheorie und Social Cues: Haben<br /> parasoziale Modelle wirklich Einfluß auf den Lernerfolg?<br /><br /> Aus unseren bereits duchgeführten Untersuchungen und anderen<br /> Forschungsberichten (z.B. Marcellini, Mollenkopf, Spazzafumo, &amp;<br /> Ruoppila, 2000) ist bekannt, dass besonders ältere Personen sich scheuen,<br /> technische Systeme im Alltag zu nutzen. Eine Idee zur Senkung dieser<br /> Nutzungschwelle besteht darin, Nutzer parasozial beim Erlernen der Bedienung<br /> interaktiver Systeme zu unterstützen. Die Idee dabei ist, dass eine reale<br /> ältere Person im höheren Lebensalter in einem Video auftritt, die den<br /> Lernenden zeigt und erläutert, wie man das simulierte Gerät benutzt. Die<br /> theoretische Basis bildet zunächst die sozial kognitive Lerntheorie von<br /> Bandura (1977, 1986). Im Sinne von Bandura (1986) besteht die Annahme, dass<br /> ältere Lernende sich eher mit Personen gleichen Alters identifizieren und<br /> besser von ihnen lernen. Daher soll überprüft werden, ob ein Modelllernen<br /> von gleichaltrigen, realen Personen für ältere Nutzer interaktiver Systme<br /> als Instruktionsstrategie geeignet ist. In einer ersten Studie (Gramß &amp;<br /> Struve, 2007) wurde hierzu geprüft, ob ältere Personen besser von<br /> Gleichaltrigen lernen oder eher von jüngeren Modellen. Hier konnte jedoch<br /> kein signifikanter Unterschied zwischen den Versuchsgruppen junges vs.<br /> älteres Modell nachgewiesen werden, d.h. ältere Personen können genauso gut<br /> von einem älteren Lehrer lernen, wie von einem Jüngeren. Allerdings sind<br /> diese Ergebnisse kritisch zu betrachen (&lt;link&gt; siehe hierzu die<br /> Anmerkungen unter 2.2.4).<br /><br /> Als zweiten theoretischen Ansatz beziehen wir uns auf die Social Agency<br /> Theory von Mayer (2005). Hier wird davon ausgegangen, dass Lernende eine<br /> Lernsituation nicht als reine Informationsübermittlung, sondern als soziale<br /> Kommunikation verstehen, wodurch soziale Konversationsschemata wie das<br /> Kooperationsprinzip (Grice, 1975) aktiviert werden. Somit führen soziale<br /> Hinweisreize zu einer höheren Motivation und gesteigerten Anstrengung auf<br /> Seiten der Lernenden. Neben der sozialen Komponente spielen auch kognitive<br /> Aspekte des Alterns eine Rolle. So ist aus der Instruktionspsychologie für<br /> ältere Menschen bekannt, dass sich audio-visuelle Medien besser für die<br /> Wissensvermittlung eignen als Texte (Paas et al., 2005), da Inhalte über das<br /> „dual encoding" (Mayer, 2001) weniger Arbeitsspeicher benötigen. Auch eine<br /> eigene Untersuchung (Gramß &amp; Struve, &lt;link&gt; siehe 2.3.2), die<br /> neben dem Modellalter auch Video mit Textinstruktionen verglich ergab, dass<br /> Videoinstruktionen signifikant zu besseren Lernergebnissen führten. Bruder<br /> et al. (2007) konnten jedoch in ihrer Studie keinen signifikanten<br /> Unterschied zwischen einer vertonten Animation und einer Texthilfe finden.<br /> Daher ist es uns wichtig, auch den Aspekt des Mediums in der Untersuchung zu<br /> berücksichtigen.<br /><br /> z.B. Marcellini, Mollenkopf, Spazzafumo, &amp; Ruoppila, 2000)<br /><br /> Bandura (1977, 1986)<br /><br /> Gramß &amp; Struve, 2007<br /><br /> Mayer (2005)<br /><br /> Grice, 1975<br /><br /> Paas et al., 2005<br /><br /> Mayer, 2001<br /><br /> Gramß &amp; Struve<br /><br /> Bruder et al. (2007<br /><br /> 2.2.5 Experiment: Sozial kognitive Lerntheorie und Social Cues: Haben<br /> parasoziale Modelle wirklich Einfluß auf den Lernerfolg?<br /><br /> Aus unseren bereits duchgeführten Untersuchungen und anderen<br /> Forschungsberichten (z.B. Marcellini, Mollenkopf, Spazzafumo, &amp;<br /> Ruoppila, 2000) ist bekannt, dass besonders ältere Personen sich scheuen,<br /> technische Systeme im Alltag zu nutzen. Eine Idee zur Senkung dieser<br /> Nutzungschwelle besteht darin, Nutzer parasozial beim Erlernen der Bedienung<br /> interaktiver Systeme zu unterstützen. Die Idee dabei ist, dass eine reale<br /> ältere Person im höheren Lebensalter in einem Video auftritt, die den<br /> Lernenden zeigt und erläutert, wie man das simulierte Gerät benutzt. Die<br /> theoretische Basis bildet zunächst die sozial kognitive Lerntheorie von<br /> Bandura (1977, 1986). Im Sinne von Bandura (1986) besteht die Annahme, dass<br /> ältere Lernende sich eher mit Personen gleichen Alters identifizieren und<br /> besser von ihnen lernen. Daher soll überprüft werden, ob ein Modelllernen<br /> von gleichaltrigen, realen Personen für ältere Nutzer interaktiver Systme<br /> als Instruktionsstrategie geeignet ist. In einer ersten Studie (Gramß &amp;<br /> Struve, 2007) wurde hierzu geprüft, ob ältere Personen besser von<br /> Gleichaltrigen lernen oder eher von jüngeren Modellen. Hier konnte jedoch<br /> kein signifikanter Unterschied zwischen den Versuchsgruppen junges vs.<br /> älteres Modell nachgewiesen werden, d.h. ältere Personen können genauso gut<br /> von einem älteren Lehrer lernen, wie von einem Jüngeren. Allerdings sind<br /> diese Ergebnisse kritisch zu betrachen (&lt;link&gt; siehe hierzu die<br /> Anmerkungen unter 2.2.4).<br /><br /> Als zweiten theoretischen Ansatz beziehen wir uns auf die Social Agency<br /> Theory von Mayer (2005). Hier wird davon ausgegangen, dass Lernende eine<br /> Lernsituation nicht als reine Informationsübermittlung, sondern als soziale<br /> Kommunikation verstehen, wodurch soziale Konversationsschemata wie das<br /> Kooperationsprinzip (Grice, 1975) aktiviert werden. Somit führen soziale<br /> Hinweisreize zu einer höheren Motivation und gesteigerten Anstrengung auf<br /> Seiten der Lernenden. Gelingt es über diese Prinzipien eine tiefere<br /> kognitive Verarbeitung der Instruktionen zu erreichen, so ist davon<br /> auszugehen, dass elaboriertere mentale Repräsentationen entstehen und sich<br /> höhere Leistungen bei der Anwendung des vermittelten Wissens zeigen. Aber<br /> ist diese soziale Unterstützung im Lernprozess wirklich förderlich und führt<br /> sie zu einem höheren Lernzuwachs? In einem ersten Experiment soll überprüft<br /> werden, ob eine reale Person über das Lernen am Modell durch parasoziale<br /> Unterstützung eines Gleichaltrigen höhere Lernergebnisse erzielt. Verglichen<br /> werden drei Varianten, und zwar Instruktionsvideos mit einer realen Person<br /> (volle parasoziale Unterstützung über Audio und Video) sowie eine Animation,<br /> die mit Instruktionen über die Modellstimme aus dem Off versehen wird<br /> (parasoziale Unterstützung über die Stimme im Audio) und einer<br /> Textinstrukti-on (keine parasoziale Unterstützung).<br /><br /> Neben der sozialen Komponente spielen auch kognitive Aspekte des Alterns<br /> eine Rolle. So ist aus der Instruktionspsychologie für ältere Menschen<br /> bekannt, dass sich audio-visuelle Medien besser für die Wissensvermittlung<br /> eignen als Texte (Paas et al., 2005), da Inhalte über das „dual encoding"<br /> (Mayer, 2001) weniger Arbeitsspeicher benötigen. Auch eine eigene<br /> Untersuchung (Gramß &amp; Struve, &lt;link&gt; siehe 2.3.2), die neben dem<br /> Modellalter auch Video mit Textinstruktionen verglich ergab, dass<br /> Videoinstruktionen signifikant zu besseren Lernergebnissen führten. Bruder<br /> et al. (2007) konnten jedoch in ihrer Studie keinen signifikanten<br /> Unterschied zwischen einer vertonten Animation und einer Texthilfe finden.<br /> Daher ist es uns wichtig, auch den Aspekt des Mediums in der Untersuchung zu<br /> berücksichtigen. Da uns weiterhin interessiert, welche Aspekte des sozial<br /> unterstützen Modellernens kohorten- bzw. altersspezifisch sind, werden neben<br /> den Altersgruppen Lernende vor dem Rentenalter (55-64) und nach dem<br /> Rentenalter (65- 74) auch eine junge Vergleichsstichprobe (20-29) mit<br /> einbezogen. Als Kontrollgrößen werden neben der Ermittlung der<br /> demografischen Daten, dem Tarifwissen und der Einstellung gegenüber<br /> Fahrscheinautomaten die fluide Intelligenz sowie die<br /> Arbeitsgedächtnisfunktion mit einer Subskala aus dem IST2000R erhoben. Um<br /> Vergleiche von Ergebnissen mit anderen Teilnehmern des SPP zu ermöglichen,<br /> wurde so-wohl die Stichprobenauswahl als auch die Erhebung von fluider<br /> Intelligenz und Arbeitsge-dächtnisleistung mit den Programmteilnehmern aus<br /> Dortmund und Aachen abgestimmt. In einer Prä-Post-Messung werden neben dem<br /> Wissenszuwachs auch Daten zur erwarteten Selbstwirksamkeit (Bandura, 1977)<br /> im Umgang mit dem Automaten (siehe Kap. 2.2.9) ge-messen. Im Moment ist der<br /> Versuchsplan für die Untersuchung fertiggestellt. Sobald die Lernumgebung<br /> und die Videoproduktion abgeschlossen sind, wird die Erhebung (Juni/Juli<br /> 2007) beginnen.<br /><br /> Ergebnisse: Die hier dargestellte Untersuchung ist in ihrem vollen Umfang<br /> geplant und in ihrem konkreten Ablauf definiert. Alle zusätzlich zur<br /> Lernumgebung benötigten Mate-rialien zur Erfassung der Kontrollvariablen<br /> sowie abhängigen Variablen liegen bereits vor.<br /><br /> In Bearbeitung: Im Moment arbeiten wir an der Fertigstellung des<br /> Versuchsmateri-als. Dieses wird voraussichtlich Mitte-Ende Mai abgeschlossen<br /> sein. Daran schließt sich eine Testphase von 1-2 Wochen an, in der die<br /> Lernumgebung geprüft und auf ihre Funktionen hin kontrolliert wird. Die<br /> Erhebungen sind für den Zeitraum Juni/Juli 2007 angesetzt.<br /><br /> 2.2.6 Experiment: Sozial kognitive Lerntheorie und Lernen aus Fehlern:<br /> Erhöht das Aufzeigen typischer Interaktionsfehler die<br /> Problemlösestrategie?<br /><br /> Für dieses Experiment wurde die gleiche theoretische Basis zu Grunde gelegt,<br /> wie für das Experiment zum sozialen Einfluß beim Lernen an Modellen<br /> (&lt;link&gt; siehe Kapitel 2.2.5). Im Mit-telpunkt steht dabei jedoch, dass<br /> über die Videoinstruktionen nicht nur soziale Hinweisreize gegeben werden,<br /> sondern zusätzlich Fehlverhalten sowie der dazugehörige Problemlöseprozess<br /> innerhalb der Interaktionen vermittelt werden sollen. Beim Erlernen neuer<br /> Fertigkeiten treten viele Fehler auf, dennoch existiert relativ wenig<br /> Literatur zur Funktion von Fehlern beim Kompetenz- bzw. Wissenserwerb. In<br /> der Praxis werden Fehler häufig als störend betrachtet und daher vermieden.<br /> Positiv wird jedoch in der Literatur das Konzept des „Guided error training“<br /> (Ivancic &amp; Hesketh, 1995, 2000) beschrieben, bei dem Lernende ein<br /> fehlerhaftes Modell auf Video beobachten. Im Gegensatz zum aktiven<br /> Fehlermachen werden bei der Beobachtung systematisch Fehler vorgeführt und<br /> behoben. Es besteht die Annahme (Schank, 1982, zitiert nach Ivancic &amp;<br /> Hesketh, 2000), dass die aufgezeigten Fehler gemeinsam mit ihren Ursachen im<br /> Gedächtnis gespeichert werden, so dass ihr Abruf erleichtert wird. Dies<br /> dient nicht nur der Vermeidung vorheriger Fehler (Read &amp; Cesa, 1991;<br /> Johnson &amp; Seifert, 1992), sondern versetzt die Lernenden in die Lage,<br /> Lösungen für ähnliche Probleme schnell abzurufen (vgl. Gick &amp; McGarry,<br /> 1992). Unabhängig davon, wie Fehler in den Lernprozess integriert werden,<br /> stellen diese Abweichungen vom Zielzustand ein negatives Feedback dar, das<br /> an den Lernenden zurückgemeldet wird. Frese &amp; Zapf (1994) gehen sogar<br /> davon aus, dass Fehler eine Voraussetzung für das Lernen darstellen, sie<br /> vertiefen die Elaboration Mentaler Modelle, indem sie das Verhalten<br /> unterbrechen und auf Unstimmigkeiten hinweisen. Bei der beobachtenden Form<br /> der Fehlerkonfrontation können Lernende von diesem informativen Feedback<br /> provitieren, ohne durch eigene Fehlerfahrungen demotiviert zu werden. Auch<br /> Schunk (1981, zitiert nach Mietzel, 2001) stellte fest, dass es bei<br /> Selbstverbalisierungen des Lehrenden während der Problembearbeitung<br /> hilfreich sein kann, fehlerhafte Lösungswege einzubauen, um vorzuführen, wie<br /> man solche entdeckt und wie man konstruktiv auf sie reagieren kann. Ebenso<br /> führen Van Gog, Paas &amp; Van Merrienboer (2004) in ihrer Diskussion zur<br /> Wissensvermittlung an, dass Lernen aus Fehlern sinnvoll sein kann, da neue<br /> Pfade im Problemraum exploriert werden, die nicht direkt zur Problemlösung<br /> beitragen. Durch Beobachtung Anderer beim Fehlermachen und der<br /> anschließenden Fehlerkorrektur kann der Lernprozess unterstützt werden.<br /> Erste Belege hierfür fanden Ivancic &amp; Hesketh (2000). In ihrer Studie<br /> zum Lernen aus Fehlern am Fahrsimulator konnten sie eine schwache<br /> Überlegenheit des „Guided error trainings“ gegenüber der Errorless<br /> Lerngruppe für analoge Transferaufgaben nachweisen. Basierend auf diesen<br /> Ergebnissen wird im Forschungsvorhaben das „Guided error training“ als<br /> Ansatz gewählt, um zu untersuchen, ob es einen positiven Einfluß auf den<br /> Lernprozess ausübt. Hierzu werden zwei Versuchsgruppen, d.h. ein Videomodell<br /> mit vs. ohne Fehleranzeige, gegenübergestellt.<br /><br /> Ivancic &amp; Hesketh, 1995, 2000)<br /><br /> Schank, 1982, zitiert nach Ivancic &amp; Hesketh, 2000<br /><br /> Read &amp; Cesa, 1991; Johnson &amp; Seifert, 1992<br /><br /> Gick &amp; McGarry, 1992)<br /><br /> Frese &amp; Zapf (1994)<br /><br /> Schunk (1981, zitiert nach Mietzel, 2001)<br /><br /> Van Gog, Paas &amp; Van Merrienboer (2004)<br /><br /> Ivancic &amp; Hesketh (2000)<br /><br /> 2.2.6 Experiment: Sozial kognitive Lerntheorie und Lernen aus Fehlern:<br /> Erhöht das Aufzeigen typischer Interaktionsfehler die<br /> Problemlösestrategie?<br /><br /> Für dieses Experiment wurde die gleiche theoretische Basis zu Grunde gelegt,<br /> wie für das Experiment zum sozialen Einfluß beim Lernen an Modellen<br /> (&lt;link&gt; siehe Kapitel 2.2.5). Im Mit-telpunkt steht dabei jedoch, dass<br /> über die Videoinstruktionen nicht nur soziale Hinweisreize gegeben werden,<br /> sondern zusätzlich Fehlverhalten sowie der dazugehörige Problemlöseprozess<br /> innerhalb der Interaktionen vermittelt werden sollen. Beim Erlernen neuer<br /> Fertigkeiten treten viele Fehler auf, dennoch existiert relativ wenig<br /> Literatur zur Funktion von Fehlern beim Kompetenz- bzw. Wissenserwerb. In<br /> der Praxis werden Fehler häufig als störend betrachtet und daher vermieden.<br /> Positiv wird jedoch in der Literatur das Konzept des „Guided error training“<br /> (Ivancic &amp; Hesketh, 1995, 2000) beschrieben, bei dem Lernende ein<br /> fehlerhaftes Modell auf Video beobachten. Im Gegensatz zum aktiven<br /> Fehlermachen werden bei der Beobachtung systematisch Fehler vorgeführt und<br /> behoben. Es besteht die Annahme (Schank, 1982, zitiert nach Ivancic &amp;<br /> Hesketh, 2000), dass die aufgezeigten Fehler gemeinsam mit ihren Ursachen im<br /> Gedächtnis gespeichert werden, so dass ihr Abruf erleichtert wird. Dies<br /> dient nicht nur der Vermeidung vorheriger Fehler (Read &amp; Cesa, 1991;<br /> Johnson &amp; Seifert, 1992), sondern versetzt die Lernenden in die Lage,<br /> Lösungen für ähnliche Probleme schnell abzurufen (vgl. Gick &amp; McGarry,<br /> 1992). Unabhängig davon, wie Fehler in den Lernprozess integriert werden,<br /> stellen diese Abweichungen vom Zielzustand ein negatives Feedback dar, das<br /> an den Lernenden zurückgemeldet wird. Frese &amp; Zapf (1994) gehen sogar<br /> davon aus, dass Fehler eine Voraussetzung für das Lernen darstellen, sie<br /> vertiefen die Elaboration Mentaler Modelle, indem sie das Verhalten<br /> unterbrechen und auf Unstimmigkeiten hinweisen. Bei der beobachtenden Form<br /> der Fehlerkonfrontation können Lernende von diesem informativen Feedback<br /> provitieren, ohne durch eigene Fehlerfahrungen demotiviert zu werden. Auch<br /> Schunk (1981, zitiert nach Mietzel, 2001) stellte fest, dass es bei<br /> Selbstverbalisierungen des Lehrenden während der Problembearbeitung<br /> hilfreich sein kann, fehlerhafte Lösungswege einzubauen, um vorzuführen, wie<br /> man solche entdeckt und wie man konstruktiv auf sie reagieren kann. Ebenso<br /> führen Van Gog, Paas &amp; Van Merrienboer (2004) in ihrer Diskussion zur<br /> Wissensvermittlung an, dass Lernen aus Fehlern sinnvoll sein kann, da neue<br /> Pfade im Problemraum exploriert werden, die nicht direkt zur Problemlösung<br /> beitragen. Durch Beobachtung Anderer beim Fehlermachen und der<br /> anschließenden Fehlerkorrektur kann der Lernprozess unterstützt werden.<br /> Erste Belege hierfür fanden Ivancic &amp; Hesketh (2000). In ihrer Studie<br /> zum Lernen aus Fehlern am Fahrsimulator konnten sie eine schwache<br /> Überlegenheit des „Guided error trainings“ gegenüber der Errorless<br /> Lerngruppe für analoge Transferaufgaben nachweisen. Basierend auf diesen<br /> Ergebnissen wird im Forschungsvorhaben das „Guided error training“ als<br /> Ansatz gewählt, um zu untersuchen, ob es einen positiven Einfluß auf den<br /> Lernprozess ausübt. Hierzu werden zwei Versuchsgruppen, d.h. ein Videomodell<br /> mit vs. ohne Fehleranzeige, gegenübergestellt.<br /><br /> Das Experiment zur Fehleranzeige ist im gleichen Design gestaltet, wie die<br /> Studie zum sozialen Einfluss des Modells. Als Stichproben sind die<br /> Altersgruppen Lernende vor dem Rentenalter (55-64), nach dem Rentenalter<br /> (65- 74) und eine junge Vergleichsstichpro-be (20-29) vorgesehen. Alle<br /> Kontrollgrößen werden wie in 2.2.5 erläutert erhoben. Über eine<br /> Prä-Post-Messung ist auch hier eine Veränderung des Wissenszuwachses sowie<br /> die erwar-tete Selbstwirksamkeit (Bandura, 1977) im Umgang mit dem Automaten<br /> (siehe Kap. 2.2.9) zu messen.<br /><br /> Ergebnisse: Die entwickelte Studie zum Einfluss des beobachtenden Lernes aus<br /> Fehlern ist in ihrem konkreten Ablauf detailliert geplant. Alle zusätzlich<br /> zur Lernumgebung benötigten Materialien zur Erfassung der Kontrollvariablen<br /> sowie abhängigen Variablen lie-gen bereits vor, zur Vergleichbarkeit der<br /> Daten werden die gleichen Erhebungsinstrumente verwendet wie in der<br /> Untersuchung zum Modellernen (siehe Kap. 2.2.6).<br /><br /> In Bearbeitung: Wie für die Untersuchung zum Modellernen arbeiten wir auch<br /> hier an der Fertigstellung der benötigten Videoinstruktionen. Sie werden<br /> anschließend in der entwickelten Lernumgebung als Treatmentvariable<br /> eingebaut. Die Entwicklung soll Mitte bis Ende Mai 2007 abgeschlossen sein.<br /> Nach der Testung der Lernumgebung soll dieser Ver-such parallel zum in 2.2.5<br /> beschriebenen Experiment im Juni/Juli 2007 durchgeführt wer-den.<br /><br /> 2.2.7 Anwendung des Training Wheel Konzepts und die theoretische Festlegung<br /> von Adaptivitätsstufen<br /><br /> In dieser Untersuchung geht es um die Selektion aus dem SOK-Ansatz der<br /> kognitiven Altersforschung. Allerdings erfolgt die Selektion hier nicht<br /> durch die Person (im Sinne einer Strategie), sondern präventiv durch die<br /> Technik. Ein wesentliches Merkmal der entwickelten Lernumgebung ist ihre<br /> adaptive Systemgestaltung. Diese erlaubt es, den Fahrscheinautomaten in<br /> seiner Funktionalität und in der Flexibilität der Interaktion vollständig zu<br /> reduzieren, um ihn dann schrittweise und in Abhängigkeit vom jeweiligen<br /> Wissensstand des Lernenden um Funktionen und Interaktionsmöglichkeiten zu<br /> erweitern. Als theoretische Grundlagen dieser Gestaltung beziehen wir uns<br /> vor allem auf die von Carroll (1990) entwickelte Instruktionsmethodik der<br /> „Training Wheels“. Die Idee hierbei ist, Novizen nicht mit einem komplexen<br /> neuen System zu konfrontieren, sondern in abgerüsteten Umgebungen ihre<br /> Aufmerksamkeit auf aufgabenrelevante Elemente zu fokussieren. Die Cognitive<br /> Load Theory (CLT; Sweller, 1999; Sweller et al., 1998) betont in diesem<br /> Zusammenhang die Rolle des begrenzten Arbeitsgedächtnisses. Der CLT zufolge<br /> sind jene Instruktionen effizient, die den Extraneous Cognitive Load (ECL),<br /> der durch das Instruktionsdesign selbst hervorgerufen wird, reduzieren und<br /> den Germane Cognitive Load (GCL) erhöhen, der ebenfalls durch das Design<br /> entsteht, im Gegensatz zum Extraneous Load jedoch das aktive Lernen und<br /> somit die Schemata-Bildung fördert (Paas, Renkl, &amp; Sweller, 2003;<br /> Sweller et al., 1999). Im Sinne der CLT (Sweller, 1999) wird somit<br /> gewährleistet, dass Versuchspersonen nicht kognitiv überfordert werden, da<br /> Distraktoren und für die entsprechende Aufgabe unwichtige Informationen<br /> ausgeblendet werden und Arbeitsgedächtnisressourcen auf das zu lernende<br /> Material fokussiert werden. Da wir davon ausgehen, dass die meisten<br /> Probanden keine oder nur wenige Erfahrungen mit dem Fahrscheinautomat<br /> gesammelt haben, wird zunächst ein maximal vereinfachter Automat<br /> präsentiert. Falls der Lernende wider Erwarten bereits über das zu<br /> vermittelnde Wissen einer Lektion verfügt, kann er die Instruktionen<br /> überspringen und direkt Trainingsaufgaben der nächsten Adaptivitätsstufe<br /> absolvieren. Die Lösungen von Trainingsaufgaben dienen als Indikator, ob<br /> eine Versuchsperson die nächste Komplexitätsstufe erreicht hat, auf der der<br /> Automat in seiner Funktionalität und Interaktionsmöglichkeit erweitert wird.<br /> Insgesamt haben wir sieben Anpassungsstufen für die Lernumgebung entwickelt.<br /> Sie spiegeln im Prinzip die sieben Lektionen wider, in die der Lernstoff<br /> eingeteilt wurde. Als Grundlage hierfür diente die kognitive Aufgabenanalyse<br /> nach GOMS (&lt;link&gt; siehe 2.2.1).<br /><br /> Ergebnisse: Aus der kognitiven Aufgabenanalyse zum Fahrscheinautomat ergaben<br /> sich für jede Aufgabe, die mit dem interaktiven System ausgeführt werden<br /> kann, Schwierigkeitsstufen, die mit einem selbst entwickelten Index versehen<br /> und auf sieben Komplexitätsstufen aufgeteilt wurden. Das Konzept basiert auf<br /> dem kognitiven Aufwand einzelner Aufgaben sowie auf dem strukturellen Aufbau<br /> des Fahrscheinautomaten. Somit ist für alle Stufen definiert, welche<br /> Funktionen zunächst ausgeblendet und erst mit zunehmender Komplexität<br /> zusätzlich verfügbar werden.<br /><br /> Carroll (1990)<br /><br /> Sweller, 1999; Sweller et al., 1998)<br /><br /> Paas, Renkl, &amp; Sweller, 2003; Sweller et al., 1999<br /><br /> Sweller, 1999<br /><br /> 2.2.7 Anwendung des Training Wheel Konzepts und die theoretische Festlegung<br /> von Adaptivitätsstufen<br /><br /> In dieser Untersuchung geht es um die Selektion aus dem SOK-Ansatz der<br /> kognitiven Altersforschung. Allerdings erfolgt die Selektion hier nicht<br /> durch die Person (im Sinne einer Strategie), sondern präventiv durch die<br /> Technik. Ein wesentliches Merkmal der entwickelten Lernumgebung ist ihre<br /> adaptive Systemgestaltung. Diese erlaubt es, den Fahrscheinautomaten in<br /> seiner Funktionalität und in der Flexibilität der Interaktion vollständig zu<br /> reduzieren, um ihn dann schrittweise und in Abhängigkeit vom jeweiligen<br /> Wissensstand des Lernenden um Funktionen und Interaktionsmöglichkeiten zu<br /> erweitern. Als theoretische Grundlagen dieser Gestaltung beziehen wir uns<br /> vor allem auf die von Carroll (1990) entwickelte Instruktionsmethodik der<br /> „Training Wheels“. Die Idee hierbei ist, Novizen nicht mit einem komplexen<br /> neuen System zu konfrontieren, sondern in abgerüsteten Umgebungen ihre<br /> Aufmerksamkeit auf aufgabenrelevante Elemente zu fokussieren. Die Cognitive<br /> Load Theory (CLT; Sweller, 1999; Sweller et al., 1998) betont in diesem<br /> Zusammenhang die Rolle des begrenzten Arbeitsgedächtnisses. Der CLT zufolge<br /> sind jene Instruktionen effizient, die den Extraneous Cognitive Load (ECL),<br /> der durch das Instruktionsdesign selbst hervorgerufen wird, reduzieren und<br /> den Germane Cognitive Load (GCL) erhöhen, der ebenfalls durch das Design<br /> entsteht, im Gegensatz zum Extraneous Load jedoch das aktive Lernen und<br /> somit die Schemata-Bildung fördert (Paas, Renkl, &amp; Sweller, 2003;<br /> Sweller et al., 1999). Im Sinne der CLT (Sweller, 1999) wird somit<br /> gewährleistet, dass Versuchspersonen nicht kognitiv überfordert werden, da<br /> Distraktoren und für die entsprechende Aufgabe unwichtige Informationen<br /> ausgeblendet werden und Arbeitsgedächtnisressourcen auf das zu lernende<br /> Material fokussiert werden. Da wir davon ausgehen, dass die meisten<br /> Probanden keine oder nur wenige Erfahrungen mit dem Fahrscheinautomat<br /> gesammelt haben, wird zunächst ein maximal vereinfachter Automat<br /> präsentiert. Falls der Lernende wider Erwarten bereits über das zu<br /> vermittelnde Wissen einer Lektion verfügt, kann er die Instruktionen<br /> überspringen und direkt Trainingsaufgaben der nächsten Adaptivitätsstufe<br /> absolvieren. Die Lösungen von Trainingsaufgaben dienen als Indikator, ob<br /> eine Versuchsperson die nächste Komplexitätsstufe erreicht hat, auf der der<br /> Automat in seiner Funktionalität und Interaktionsmöglichkeit erweitert<br /> wird.<br /><br /> Insgesamt haben wir sieben Anpassungsstufen für die Lernumgebung entwickelt.<br /> Sie spiegeln im Prinzip die sieben Lektionen wider, in die der Lernstoff<br /> eingeteilt wurde. Als Grundlage hierfür diente die kognitive Aufgabenanalyse<br /> nach GOMS (&lt;link&gt; siehe 2.2.1). Aus ihr gingen für alle am Automaten<br /> auszuführenden Aufgaben internale und externale Operationen hervor. Je<br /> nachdem, wie viele Schritte auszuführen waren, wurde ein Schwierigkeitsindex<br /> von 1-5 entwickelt. Daraus ergab sich, dass leichte Aufgaben in den ersten<br /> und komplexe Aufgaben in späteren Lektionen vermittelt wurden. Es wurde<br /> darauf geachtet, dass der Wissenstransfer (z.B die Eingabe des Datums für<br /> einen Fahrschein) von einer Lektion auf die nächste möglich ist. Somit<br /> werden auch schwierigere Aufgaben leichter, da Wissen aus vorhergehenden<br /> Lektionen angewendet und weiter gefestigt werden kann. Zur Anwendung von<br /> „Training Wheels“ bestehen bereits viele positive Befunde (z.B. Bruder et<br /> al., 2007; McGrenere &amp; Moore, 2000). Daher wird auf eine weitergehende,<br /> experimentelle Untersu-chung zu diesem Ansatz verzichtet. Zur Überprüfung<br /> und Kontrolle der theoretisch fundierten Stufen wird jedoch in allen<br /> Versuchen nach Absolvieren jeder Komplexitätsstufe die subjektiv erlebte,<br /> kognitive Anstrengung über ein Item erhoben.<br /><br /> Ergebnisse: Aus der kognitiven Aufgabenanalyse zum Fahrscheinautomat ergaben<br /> sich für jede Aufgabe, die mit dem interaktiven System ausgeführt werden<br /> kann, Schwierigkeitsstufen, die mit einem selbst entwickelten Index versehen<br /> und auf sieben Komplexitätsstufen aufgeteilt wurden. Das Konzept basiert auf<br /> dem kognitiven Aufwand einzelner Aufgaben sowie auf dem strukturellen Aufbau<br /> des Fahrscheinautomaten. Somit ist für alle Stufen definiert, welche<br /> Funktionen zunächst ausgeblendet und erst mit zunehmender Komplexität<br /> zusätzlich verfügbar werden.<br /><br /> 2.2.8 Experiment zur Minimierung der erforderlichen Computer Literacy<br /><br /> In dieser Untersuchung geht es um die Kompensation aus dem SOK-Ansatz der<br /> kognitiven Altersforschung. Ähnlich wie in &lt;link&gt; 2.2.7 erfolgt die<br /> Kompensation durch Technikgestaltung. Es geht also nicht um die Gestaltung<br /> des Lernprozesses des Benutzers, sondern um die Gestaltung des User<br /> Interfaces. Während die Lernumgebung das Ziel hat, dem Benutzer notwendiges<br /> Interaktionswissen zu vermitteln, geht es hier darum, das User Interface so<br /> zu gestalten, daß auf seiten des Benutzers möglichst wenig<br /> Interaktionswissen notwendig ist. Dabei konzentrieren wir uns auf einen<br /> Bestandteil dieses Interaktionswissens, der auch als "Computer Literacy"<br /> (CL) bezeichnet wird. Da es unser Ziel ist, den Erwerb von<br /> Interaktionswissen am Beispiel des Fahrscheinautomat weitgehend überflüssig<br /> machen, ist dieses Arbeitspaket in zwei Stufen gegliedert. Zuerst gilt es zu<br /> erfassen, in welchem Umfang die Benutzung des vorhandenen BVG<br /> Fahrscheinautomaten Computer Literacy erfordert. In einer zweiten Stufe wird<br /> der Fahrscheinautomaten so umgestaltet, daß seine Benutzung möglichst wenig<br /> CL erfordert. Dazu wurde zunächst ein Fragebogen zur Erfassung der CL<br /> entwickelt. Dieser Schritt ist &lt;link&gt; unter 2.2.9 ausführlich<br /> beschrieben.<br /><br /> Nachdem eine Vorstudie mit 10 Versuchspersonen gezeigt hat, daß die<br /> Versuchspersonen mit den CL-Erfordernissen des Fahrscheinautomaten mehr<br /> Schwierigkeiten hatten als erwartet, sollen die Versuchspersonen nach einer<br /> Explorationsphase gezielt zur erforderlichen CL des Fahrscheinautomaten<br /> befragt werden und anschließend eine Reihe von Aufgaben mit steigender<br /> Schwierigkeit an der Simulation des Original BVG-Fahrscheinautomaten<br /> lösen.<br /><br /> Da wir vermuten, daß der Original Fahrscheinautomat hohe CL-Anforderungen<br /> stellt, gilt es in der zweiten Stufe des Arbeitspakets, die Höhe der<br /> CL-Anforderung des Fahrscheinautomat zu minimieren. Eine solche Minimierung<br /> soll durch eine Gestaltung mit maximalem Bezug zur vertrauten Umwelt<br /> erreicht werden, so dass idealerweise das Sachwissen ausreicht, um den<br /> Fahrscheinautomat zu benutzen.<br /><br /> Ansatzpunkte hierfür sind das Eliminieren von Symbolen und Begriffen, die<br /> der Zielgruppe Älterer unbekannt sind, die Anwendung konsistenter<br /> Interaktionsschemata sowie das Einführen analoger Merkmale von<br /> Bildschirminformationen, die zum Explorieren anregen und die Bildung eines<br /> adäquaten Mentalen Modells unterstützen. Solche analogen Merkmale sind bspw.<br /> fließende Übergänge zwischen Bildschirminhalten, die Orientierung und<br /> Kausalattribution erleichtern. Um den bedeutenden Einfluß von (nicht<br /> vorhandenem) Tarifwissen zu kontrollieren, wird das notwendige Sachwissen<br /> vermittelt bzw. gesondert getestet.<br /><br /> Zur Vervollständigung des Versuchsplanes werden im September 2007 wiederum<br /> ältere und jüngere Versuchspersonen wie in der ersten Stufe die gleichen<br /> Aufgaben mit steigender Schwierigkeit an dem entsprechend modifizierten<br /> Fahrscheinautomat lösen. Dabei sollten Ältere mehr als Jüngere vom<br /> CL-reduzierten Design profitieren und fast deren Leistung erreichen.<br /><br /> Ergebnisse: Wir erwarten Aussagen darüber, ob der BVG-Automat hohe<br /> Anforderungen an die CL seiner Benutzer stellt und ob der selbst entwickelte<br /> Test zur Erfassung der CL (CLS) geeignet ist, diese Anforderungen zu<br /> erfassen. Darüberhinaus kann der erstellte, in seiner CL-Anforderung<br /> reduzierte Automat im Arbeitspaket 7 &lt;link&gt; verwendet werden.<br /><br /> keine<br /><br /> 2.2.8 Experiment zur Minimierung der erforderlichen Computer Literacy<br /><br /> In dieser Untersuchung geht es um die Kompensation aus dem SOK-Ansatz der<br /> kognitiven Altersforschung. Ähnlich wie in &lt;link&gt; 2.2.7 erfolgt die<br /> Kompensation durch Technikgestaltung. Es geht also nicht um die Gestaltung<br /> des Lernprozesses des Benutzers, sondern um die Gestaltung des User<br /> Interfaces. Während die Lernumgebung das Ziel hat, dem Benutzer notwendiges<br /> Interaktionswissen zu vermitteln, geht es hier darum, das User Interface so<br /> zu gestalten, daß auf seiten des Benutzers möglichst wenig<br /> Interaktionswissen notwendig ist. Dabei konzentrieren wir uns auf einen<br /> Bestandteil dieses Interaktionswissens, der auch als "Computer Literacy"<br /> (CL) bezeichnet wird. Da es unser Ziel ist, den Erwerb von<br /> Interaktionswissen am Beispiel des Fahrscheinautomat weitgehend überflüssig<br /> machen, ist dieses Arbeitspaket in zwei Stufen gegliedert. Zuerst gilt es zu<br /> erfassen, in welchem Umfang die Benutzung des vorhandenen BVG<br /> Fahrscheinautomaten Computer Literacy erfordert. In einer zweiten Stufe wird<br /> der Fahrscheinautomaten so umgestaltet, daß seine Benutzung möglichst wenig<br /> CL erfordert. Dazu wurde zunächst ein Fragebogen zur Erfassung der CL<br /> entwickelt. Dieser Schritt ist &lt;link&gt; unter 2.2.9 ausführlich<br /> beschrieben.<br /><br /> Weil dieses Arbeitspaket derzeit bearbeitet wird, folgt eine Darstellung der<br /> geplanten weiteren Schritte. Nachdem eine Vorstudie mit 10 Versuchspersonen<br /> gezeigt hat, daß die Versuchspersonen mit den CL-Erfordernissen des<br /> Fahrscheinautomaten mehr Schwierigkeiten hatten als erwartet, wird die erste<br /> Stufe des Arbeitspaketes im April durchgeführt. Dabei sollen die<br /> Versuchspersonen nach einer Explorationsphase gezielt zur erforderlichen CL<br /> des Fahrscheinautomaten befragt werden und anschließend eine Reihe von<br /> Aufgaben mit steigender Schwierigkeit an der Simulation des Original<br /> BVG-Fahrscheinautomaten lösen.<br /><br /> Neben dem Einfluß von gemessener CL auf die Leistung in den Aufgaben ist<br /> dabei von be-sonderem Interesse, ob die Variable CL mehr<br /> Leistungsunterschiede als die Variable Alter erklärt und wie hoch Alter und<br /> CL miteinander korrelieren.<br /><br /> Da wir vermuten, daß der Original Fahrscheinautomat hohe CL-Anforderungen<br /> stellt, gilt es in der zweiten Stufe des Arbeitspakets, die Höhe der<br /> CL-Anforderung des Fahrscheinautomat zu minimieren. Eine solche Minimierung<br /> soll durch eine Gestaltung mit maximalem Bezug zur vertrauten Umwelt<br /> erreicht werden, so dass idealerweise das Sachwissen ausreicht, um den<br /> Fahrscheinautomat zu benutzen.<br /><br /> Ansatzpunkte hierfür sind das Eliminieren von Symbolen und Begriffen, die<br /> der Zielgruppe Älterer unbekannt sind, die Anwendung konsistenter<br /> Interaktionsschemata sowie das Einführen analoger Merkmale von<br /> Bildschirminformationen, die zum Explorieren anregen und die Bildung eines<br /> adäquaten Mentalen Modells unterstützen. Solche analogen Merkmale sind bspw.<br /> fließende Übergänge zwischen Bildschirminhalten, die Orientierung und<br /> Kausalattribution erleichtern. Um den bedeutenden Einfluß von (nicht<br /> vorhandenem) Tarifwissen zu kontrollieren, wird das notwendige Sachwissen<br /> vermittelt bzw. gesondert getestet.<br /><br /> Zur Vervollständigung des Versuchsplanes werden im September 2007 wiederum<br /> ältere und jüngere Versuchspersonen wie in der ersten Stufe die gleichen<br /> Aufgaben mit steigender Schwierigkeit an dem entsprechend modifizierten<br /> Fahrscheinautomat lösen. Dabei sollten Ältere mehr als Jüngere vom<br /> CL-reduzierten Design profitieren und fast deren Leistung erreichen.<br /><br /> Von der Ergänzung des Versuchsplanes erwarten wir Erkenntnisse darüber, in<br /> wel-chem Umfang der Original-Fahrscheinautomat CL auf Seiten des Benutzers<br /> erfordert, wel-che Verständnisschwierigkeiten bei der Gestaltung des<br /> Trainings berücksichtigt werden soll-ten und ob eine Vereinfachung der<br /> Benutzerschnittstelle des BVG-Fahrscheinautomat mög-lich ist und wenn ja,<br /> wie sehr sie sich in der Leistung ausgewirkt. Wenn dies gelingt, so wäre das<br /> ein starkes Indiz dafür, daß die geringere Leistung Älterer im Umgang mit<br /> interaktiven Systemen primär auf Kohorten- statt auf Alterseffekte<br /> zurückzuführen ist.<br /><br /> Ergebnisse: Wir erwarten Aussagen darüber, ob der BVG-Automat hohe<br /> Anforderungen an die CL seiner Benutzer stellt und ob der selbst entwickelte<br /> Test zur Erfassung der CL (CLS) geeignet ist, diese Anforderungen zu<br /> erfassen. Darüberhinaus kann der erstellte, in seiner CL-Anforderung<br /> reduzierte Automat im Arbeitspaket 7 &lt;link&gt; verwendet werden.<br /><br /> 3.1.1 Arbeitspaket 1: Optimierung - Experimentelle Prüfung der Wirkung eines<br /> explizit vermittelten Mentalen Modells<br /><br /> In diesem Arbeitspaket soll auf der Basis des<br /> Selektions-Optimierungs-Kompensations-Ansatzes der kognitiven<br /> Altersforschung ein Experiment durchgeführt werden, welches prüft, wie das<br /> Konzept der Optimierung im Kontext der Automatenbedienung umgesetzt werden<br /> kann. Ausgangspunkt ist der Befund, dass ältere Benutzer oft versuchen, sich<br /> die Reihenfolge von Bedienschritten einzuprägen (Fukuda, 2004). Diese<br /> Lernstrategie ist einerseits sehr aufwändig, insbesondere wenn längere<br /> Bediensequenzen zu behalten sind. Sie ist zudem sehr fehleranfällig, da<br /> Bediensequenzen hochgradig miteinander interferieren und es so leicht zu<br /> Verwechslungen kommt. Die Umsetzung des Optimierungsgedankens besteht hier<br /> darin, die Gedächtnisbeanspruchung deutlich zu reduzieren, indem die<br /> Versuchspersonen der Experimentalgruppe eine zustands- und<br /> strukturorientierte Beschreibung des Automaten vermittelt bekommen.<br /> Demgegenüber erhält die Kontrollgruppe eine rein prozessuale Beschreibung.<br /> Abbildung 1 stellt beispielhaft verkürzt (nicht tatsächliches<br /> Versuchsmaterial) eine strukturorientierte Beschreibung des<br /> Fahrkartenautomaten der BVG dar.<br /><br /> ?<br /><br /> Abbildung 1: strukturorientierte Beschreibung des Fahrkartenautomaten der<br /> BVG (vereinfacht)<br /><br /> Dazu könnte eine auszugshafte bediensequenz-orientierte Darstellung<br /> lauten:<br /><br /> • Um einen Fahrschein für Berlin AB zu kaufen, müssen Sie zunächst den<br /> Bildschirm berühren, dann auf Einzelfahrschein AB drücken und schließlich<br /> Geld einwerfen.<br /><br /> • Um einen Fahrschein für Berlin AB ermäßigt zu kaufen, müssen Sie zunächst<br /> den Bildschirm berühren, dann auf Einzelfahrschein AB drücken, dann<br /> Ermäßigungstarif wählen und schließlich Geld einwerfen.<br /><br /> • Um eine Tageskarte für Berlin ABC zu kaufen, müssen Sie zunächst den<br /> Bildschirm berühren, dann auf Tageskarte ABC drücken und schließlich Geld<br /> einwerfen.<br /><br /> • Um eine Tageskarte für Berlin AB ermäßigt zu kaufen, müssen Sie zunächst<br /> den Bildschirm berühren, dann auf Tageskarte AB drücken, dann<br /> Ermäßigungstarif wäh-len und schließlich Geld einwerfen.<br /><br /> • Etc.<br /><br /> Wichtig ist, dass die Struktur gut auf der Systemoberfläche visualisiert<br /> wird, so dass die Bil-dung eines Mentalen Modells mit geringem kognitiven<br /> Aufwand erfolgen kann. Die Grundlage für die Visualisierung kann aus der<br /> Modellierung des Automaten &lt;link&gt; (2.2.1) abgeleitet werden. Es wird<br /> angenommen, dass die strukturorientierte Präsentation des Automaten zu<br /> besseren Lern- und Bedienleistungen führt als die bediensequenz-orientierte.<br /> Auch dieses Experiment soll mit einer zweiten Experimentalgruppe, bestehend<br /> aus jüngeren Versuchspersonen, wiederholt werden.<br /><br /> Im Ergebnis wollen wir die Frage beantworten, ob sich durch eine<br /> strukturorientierte Vermittlung von Interaktionswissen die Lernleistung für<br /> ältere und jüngere Menschen verbessern läßt und dieses Wissen direkt in die<br /> Gestaltung einer effizienten Lernumgebung einfließen lassen.<br /><br /> Fukuda, 2004<br /><br /> 3.1.2 Arbeitspaket 2: Kompensation<br /><br /> In diesem Arbeitspaket wird die Kompensation aus dem<br /> Selektions-Optimierungs-Kompensations-Ansatz der kognitiven Altersforschung<br /> untersucht. Anstelle des Einsatzes einer Lernumgebung ist eine Veränderung<br /> des Automaten selbst vorgesehen: Es geht nicht mehr darum, wie sich ältere<br /> Personen möglichst gut an die Bedienerfordernisse eines Automaten anpassen<br /> können, sondern wie man einen Automaten gestalten sollte, damit er auch gut<br /> an die Bedürfnisse und Leistungsvoraussetzungen älterer Personen angepasst<br /> ist. Kompensation wird als ein Bestandteil der SOK-Strategie zur Bewältigung<br /> von Anforderungen auf sehr unterschiedliche Weise operationalisiert. Im<br /> Kontext des vorliegenden Antrags soll unter Kompensation die Erhöhung des<br /> zeitlichen Aufwands bei gleichzeitiger Absenkung des kognitiven Aufwands<br /> verstanden werden.<br /><br /> Im Ergebnis dieses Arbeitspaketes soll experimentell gezeigt werden, dass<br /> durch eine User Interface Gestaltung für den FKA, die den Benutzer kognitiv<br /> entlastet, auch älteren Benutzern ohne vorheriges Training eine erfolgreiche<br /> Benutzung des FKA möglich ist. Um dies zu erreichen, wird Effektivität gegen<br /> Aufwand (Interaktionszeit und –schritte) eingetauscht. Im Unterschied zu den<br /> Experimenten, die in den zuvor dargestellten Arbeitspaketen geschildert<br /> wurden, wird bei der Einführung dieser Kompensationstechnik (realisiert<br /> durch die Wizard-Technik) nicht angenommen, dass es zu einer gleichsinnigen<br /> Wirkung bei älteren und jüngeren Benutzern kommt. Hier wird erwartet, dass<br /> jüngere Personen Interaktionstechniken bevorzugen, die wesentlich schneller<br /> zum Ziel führen, auch wenn dafür ein höherer kognitiver Aufwand investiert<br /> und in höherem Ausmaß auf Vorwissen zurückgegriffen werden muss (und<br /> kann).<br /><br /> 3.1.2 Arbeitspaket 2: Kompensation<br /><br /> In diesem Arbeitspaket wird die Kompensation aus dem<br /> Selektions-Optimierungs-Kompensations-Ansatz der kognitiven Altersforschung<br /> untersucht. Anstelle des Einsatzes einer Lernumgebung ist eine Veränderung<br /> des Automaten selbst vorgesehen: Es geht nicht mehr darum, wie sich ältere<br /> Personen möglichst gut an die Bedienerfordernisse eines Automaten anpassen<br /> können, sondern wie man einen Automaten gestalten sollte, damit er auch gut<br /> an die Bedürfnisse und Leistungsvoraussetzungen älterer Personen angepasst<br /> ist. Kompensation wird als ein Bestandteil der SOK-Strategie zur Bewältigung<br /> von Anforderungen auf sehr unterschiedliche Weise operationalisiert. Im<br /> Kontext des vorliegenden Antrags soll unter Kompensation die Erhöhung des<br /> zeitlichen Aufwands bei gleichzeitiger Absenkung des kognitiven Aufwands<br /> verstanden werden.<br /><br /> Während im Experiment zur Computer Literacy (2.2.8) der kognitive Aufwand<br /> lediglich durch Minimierung des notwendigen Vorwissens reduziert wird, gehen<br /> wir hier wesent-lich weiter: Ältere Benutzer sollen die Gelegenheit haben,<br /> mit Hilfe einer größeren Anzahl von jeweils einfachen Bedienschritten,<br /> Aufgaben mit dem System zu erledigen. Anstelle von wenigen komplexen Menüs<br /> oder einer Vielzahl von Anzeigen und Funktionstasten soll ein Wizard treten,<br /> der den Benutzer durch einfache Alternativfragen zum Ziel führt, die<br /> idealer-weise nur mit Ja oder Nein oder mit einer Auswahl aus einer sehr<br /> stark eingeschränkten Op-tionsmenge beantwortet werden können. Dadurch wird<br /> zwar der Dialog stark verlängert (durch eine erhöhte Schrittanzahl), aber<br /> die Benutzer müssen weder umfangreiches Vorwis-sen erwerben, noch müssen sie<br /> komplexe visuelle Suchprozesse, Vergleichsoperationen im Arbeitsgedächtnis<br /> und die Ausführung von mehr als einer Aktion pro Dialogschritt<br /> realisieren.<br /><br /> Um dabei die Bildung eines aufgabenangemessenen Mentalen Modells zu<br /> erleich-tern, sollte eine Darstellung gewählt werden, die der Nutzersicht<br /> auf den Ticketkauf ent-spricht. Denkbar wäre beispielsweise eine Gliederung<br /> in: Wer? (Erwachsener, Kind), Wohin? (AB, BC, ABC, Brandenburg), Wie lange?<br /> (Einzelfahrt, Dauerkarte), Wie viele? (Anzahl der Tickets). Da die Benutzung<br /> eines Fahrkartenautomaten eine eher seltene Handlung ist (etwa im Vergleich<br /> zum Senderwechsel beim Fernsehen), wird erwartet, dass ältere Probanden<br /> diese Art der Kompensation positiv bewerten und sie bei einer<br /> Wahlmöglichkeit im Vergleich zu einer herkömmlichen menü- und<br /> funktionstasten-orientierten Bedienung bevorzugen.<br /><br /> Im Ergebnis dieses Arbeitspaketes soll experimentell gezeigt werden, dass<br /> durch eine User Interface Gestaltung für den FKA, die den Benutzer kognitiv<br /> entlastet, auch älteren Benutzern ohne vorheriges Training eine erfolgreiche<br /> Benutzung des FKA möglich ist. Um dies zu erreichen, wird Effektivität gegen<br /> Aufwand (Interaktionszeit und –schritte) eingetauscht. Im Unterschied zu den<br /> Experimenten, die in den zuvor dargestellten Arbeitspaketen geschildert<br /> wurden, wird bei der Einführung dieser Kompensationstechnik (realisiert<br /> durch die Wizard-Technik) nicht angenommen, dass es zu einer gleichsinnigen<br /> Wirkung bei älteren und jüngeren Benutzern kommt. Hier wird erwartet, dass<br /> jüngere Personen Interaktionstechniken bevorzugen, die wesentlich schneller<br /> zum Ziel führen, auch wenn dafür ein höherer kognitiver Aufwand investiert<br /> und in höherem Ausmaß auf Vorwissen zurückgegriffen werden muss (und<br /> kann).<br /><br /> 3.1.3 Arbeitspaket 3: Motivation zur Nutzung interaktiver Systeme<br /><br /> In diesem Arbeitspaket geht es darum, wie vor allem ältere Menschen zum<br /> "Erstkontakt" mit dem FKA (oder allgemein mit interaktiven Systemen) bewegt<br /> werden können. Aus Voruntersu-chungen ist bekannt (&lt;link&gt; 2.2.2), daß<br /> der FKA generell gemieden wird. Verbesserungen beim FKA können aber nur<br /> wirksam werden, wenn er tatsächlich benutzt wird.<br /><br /> Daraus leitet sich die Fragestellung für dieses Arbeitspaket ab: Wie kann<br /> die Motivation zum Erstkontakt erhöht werden? Wie kann man die frühe Phase<br /> der Annäherung an den Automaten unterstützen? Welche Unterschiede gibt es<br /> hierbei zwischen Älteren und Jüngeren Benutzern?<br /><br /> Im Ergebnis dieses Arbeitspaketes wollen wir eine altersspezifische Aussage<br /> darüber treffen können, welche Anreize wirksam sind, um die Motivation zu<br /> steigern, einen FKA zu benutzen und wollen dieses Wissen auch nach<br /> Möglichkeit direkt in die Lernumgebung einfließen lassen.<br /><br /> 3.1.3 Arbeitspaket 3: Motivation zur Nutzung interaktiver Systeme<br /><br /> In diesem Arbeitspaket geht es darum, wie vor allem ältere Menschen zum<br /> "Erstkontakt" mit dem FKA (oder allgemein mit interaktiven Systemen) bewegt<br /> werden können. Aus Voruntersu-chungen ist bekannt (&lt;link&gt; 2.2.2), daß<br /> der FKA generell gemieden wird. Verbesserungen beim FKA können aber nur<br /> wirksam werden, wenn er tatsächlich benutzt wird.<br /><br /> Daraus leitet sich die Fragestellung für dieses Arbeitspaket ab: Wie kann<br /> die Motivation zum Erstkontakt erhöht werden? Wie kann man die frühe Phase<br /> der Annäherung an den Automaten unterstützen? Welche Unterschiede gibt es<br /> hierbei zwischen Älteren und Jüngeren Benutzern?<br /><br /> Unser generelles Ziel ist es, schnell ein Erfolgserlebnis zu vermitteln, um<br /> die Motivation zur Automatennutzung zu erhöhen. In diesem Arbeitspaket<br /> werden dazu verschiedene Ansatzpunkte verfolgt und miteinander verglichen.<br /> Neben der Möglichkeit, eine persönliche Ansprache und<br /> Aufmerksamkeitslenkung, wie sie bereits von den so genannten<br /> “Automaten-Guides” realisiert wird, in den FKA zu integrieren, sollen vor<br /> allem spielerische Anreize ge-schaffen und untersucht werden, um zum<br /> Erstkontakt mit dem FKA zu motivieren.<br /><br /> Besonders interessant scheint dabei eine Kombination von Wissensvermittlung<br /> (Interaktions- und Tarifwissen) &amp; Motivation (hedonisch &amp; monetär)<br /> durch ein kurzes Spiel am Automaten zu sein. So soll der FKA neben einem<br /> ansprechenden Äußeren (hedonischer Anreiz) auch unter dem Titel<br /> "Gewinnspiel" eine einfache Multiple Choice Frage zum Tarif-wissen bieten,<br /> die von den Meisten richtig beantwortet wird, wie z.B. "Wie viele Tarifzonen<br /> gibt es in Berlin?" Es ist zu prüfen, durch welche Anreize Ältere und<br /> Jüngere vom Verwen-den des FKA zu überzeugen sind. Als monetärer Anreiz<br /> könnte beispielsweise jede zehnte Fahrkarte mit 50% Rabatt erworben werden<br /> (intermittierende Verstärkung) oder jede Fahr-karte mit 5% Rabatt (z.B. 2€<br /> am Automaten, 2,10€ am Schalter). Im Experiment soll dies durch Variationen<br /> im Versuchspersonen-Honorar nachgebildet werden.<br /><br /> Im Ergebnis dieses Arbeitspaketes wollen wir eine altersspezifische Aussage<br /> darüber treffen können, welche Anreize wirksam sind, um die Motivation zu<br /> steigern, einen FKA zu benutzen und wollen dieses Wissen auch nach<br /> Möglichkeit direkt in die Lernumgebung einfließen lassen.<br /><br /> 3.1.4 Arbeitspaket 4: Attributionsstile für Fehler in der interaktiven<br /> Systemnutzung<br /><br /> In diesem Arbeitspaket geht es darum, experimentell zu überprüfen, ob ältere<br /> Menschen Fehler in der Mensch-Technik-Interaktion häufiger als jüngere bei<br /> sich selbst sehen und ob sich diese Schuldzuschreibung in der<br /> Leistungsfähigkeit im Umgang mit dem FKA bemerkbar macht. Außerdem ist von<br /> Interesse, ob sich auch zwischen seltenen und häufigen Benutzern ein solcher<br /> Unterschied findet und ob die Attribution beeinflußbar ist.<br /><br /> Die MORI-Studie “rage against the machine” (Gertler, Fisher &amp; Plaisted,<br /> 1999) unter-suchte 1255 britische Arbeitnehmer mit PC-Arbeitsplatz und<br /> zeigte, daß viele im Umgang mit PCs so verärgert und frustriert waren, daß<br /> sie z.B ihren PC verunglimpften, beschimpften oder vor Wut den Stecker<br /> zogen. Neben den betriebswirtschaftlichen und menschlichen Kosten berichtet<br /> die Studie auch darüber, daß vor allem ältere Menschen den Fehler oft bei<br /> sich selbst sehen. Dabei sind notwendigerweise die Person, die den Fehler<br /> erlebt und jene, welche ihn beobachtet haben, identisch. Doch was geschieht,<br /> wenn eine ältere Person eine jüngere beobachtet und umgekehrt? Welchen<br /> Einfluß haben Eigenschaften des Beobachters und des Beobachteten auf die<br /> Attribution?<br /><br /> Im Ergebnis erhoffen wir uns Aufschluß darüber, wie jüngere und ältere<br /> Menschen am Modell beobachtete Fehler in der Mensch-Technik-Interaktion<br /> attribuieren, was wiederum für die Gestaltung der Lernumgebung von Bedeutung<br /> sein wird.<br /><br /> (Gertler, Fisher &amp; Plaisted, 1999)<br /><br /> 3.1.4 Arbeitspaket 4: Attributionsstile für Fehler in der interaktiven<br /> Systemnutzung<br /><br /> In diesem Arbeitspaket geht es darum, experimentell zu überprüfen, ob ältere<br /> Menschen Fehler in der Mensch-Technik-Interaktion häufiger als jüngere bei<br /> sich selbst sehen und ob sich diese Schuldzuschreibung in der<br /> Leistungsfähigkeit im Umgang mit dem FKA bemerkbar macht. Außerdem ist von<br /> Interesse, ob sich auch zwischen seltenen und häufigen Benutzern ein solcher<br /> Unterschied findet und ob die Attribution beeinflußbar ist.<br /><br /> Die MORI-Studie “rage against the machine” (Gertler, Fisher &amp; Plaisted,<br /> 1999) unter-suchte 1255 britische Arbeitnehmer mit PC-Arbeitsplatz und<br /> zeigte, daß viele im Umgang mit PCs so verärgert und frustriert waren, daß<br /> sie z.B ihren PC verunglimpften, beschimpften oder vor Wut den Stecker<br /> zogen. Neben den betriebswirtschaftlichen und menschlichen Kosten berichtet<br /> die Studie auch darüber, daß vor allem ältere Menschen den Fehler oft bei<br /> sich selbst sehen. Dabei sind notwendigerweise die Person, die den Fehler<br /> erlebt und jene, welche ihn beobachtet haben, identisch. Doch was geschieht,<br /> wenn eine ältere Person eine jüngere beobachtet und umgekehrt? Welchen<br /> Einfluß haben Eigenschaften des Beobachters und des Beobachteten auf die<br /> Attribution?<br /><br /> Um diesen Fragen nachzugehen werden älteren und jüngeren Versuchspersonen<br /> mehrere kurze (ca. 10 Sekunden) Videos gezeigt, in denen junge und alte<br /> Personen Prob-lemsituationen im Umgang mit Technik erleben, bei denen die<br /> Ursache nicht klar zuzuordnen ist (z.B. Windows stürzt ab, Drucker erzeugt<br /> unlesbare Seite). Anschließend sollen sie ein-schätzen, wer die Schuld an<br /> dem Problem trägt. Dabei sind auch Faktoren wie Geschlecht und wahrgenommene<br /> Kompetenz zu berücksichtigen.<br /><br /> Im Ergebnis erhoffen wir uns Aufschluß darüber, wie jüngere und ältere<br /> Menschen am Modell beobachtete Fehler in der Mensch-Technik-Interaktion<br /> attribuieren, was wiederum für die Gestaltung der Lernumgebung von Bedeutung<br /> sein wird.<br /><br /> 3.1.5 Arbeitspaket 5: Auswirkungen des Geschlechts auf sozial kognitive<br /> Lernprozesse für die interaktive Systemnutzung<br /><br /> Neben einer bereits durchgeführten Untersuchung zum Vergleich jüngerer und<br /> älterer Modelle in Instruktionsvideos, soll in diesem Arbeitspaket der<br /> Einfluss des Geschlechts auf das Modelllernen bei älteren Frauen und Männern<br /> genauer analysiert werden. Ausgangspunkt bildet wiederum Banduras These<br /> (1977), dass eher Verhaltensweisen von gezeigten Modellen durch Beobachtung<br /> übenommen werden, die der eigenen Person ählich sind und mit denen eine<br /> Identifikation möglich ist. Eine Ausgangshypothese ist daher, dass ältere<br /> Frauen besser von einem weiblichen Modell lernen als von einem männlichen<br /> und umgekehrt. Ein weiterer Ansatzpunkt der Untersuchung bildet der in der<br /> Gesellschaft bestehende geschlechtsspezifische Unterschied in der<br /> Techniknutzung. So konnte zum Beispiel in Erhebungen der ARD/ZDF<br /> Onlinestudie (Van Eime-ren, Gerhard &amp; Frees, 2001) festgestellt werden,<br /> dass Frauen zu fast einem Drittel weniger das Internet nutzen. Ein weiteres<br /> Indiz ist die geringe Beschäftigung von Frauen in Computer-Kernberufen<br /> (Tischer, 1998). Es bleibt also fraglich, wie sich die wahrgenommene,<br /> selbst- und fremdbestimmte geringere Medienkompetenz bei Frauen (vgl.<br /> Sieverding, 2000), auf das Erlernen von Techniknutzung auswirkt.<br /><br /> Unter Berücksichtigung der erläuterten Aspekte soll in einem<br /> Experimentaldesign untersucht werden, ob Frauen besser von Frauen lernen<br /> oder aber von männlichen Modellen, da sie diese wahrscheinlich als<br /> kompetenter im Umgang mit Technik einschätzen.<br /><br /> 3.1.5 Arbeitspaket 5: Auswirkungen des Geschlechts auf sozial kognitive<br /> Lernprozesse für die interaktive Systemnutzung<br /><br /> Neben einer bereits durchgeführten Untersuchung zum Vergleich jüngerer und<br /> älterer Modelle in Instruktionsvideos (siehe Manuskript Gramß &amp; Struve,<br /> 2.3.2), soll in diesem Arbeitspaket der Einfluss des Geschlechts auf das<br /> Modelllernen bei älteren Frauen und Männern genauer analysiert werden.<br /> Ausgangspunkt bildet wiederum Banduras These (1977), dass eher<br /> Verhaltensweisen von gezeigten Modellen durch Beobachtung übenommen werden,<br /> die der eigenen Person ählich sind und mit denen eine Identifikation möglich<br /> ist. Eine Ausgangshypothese ist daher, dass ältere Frauen besser von einem<br /> weiblichen Modell lernen als von einem männlichen und umgekehrt. Ein<br /> weiterer Ansatzpunkt der Untersuchung bildet der in der Gesellschaft<br /> bestehende geschlechtsspezifische Unterschied in der Techniknutzung. So<br /> konnte zum Beispiel in Erhebungen der ARD/ZDF Onlinestudie (Van Eime-ren,<br /> Gerhard &amp; Frees, 2001) festgestellt werden, dass Frauen zu fast einem<br /> Drittel weniger das Internet nutzen. Ein weiteres Indiz ist die geringe<br /> Beschäftigung von Frauen in Computer-Kernberufen (Tischer, 1998). Es bleibt<br /> also fraglich, wie sich die wahrgenommene, selbst- und fremdbestimmte<br /> geringere Medienkompetenz bei Frauen (vgl. Sieverding, 2000), auf das<br /> Erlernen von Techniknutzung auswirkt. Aufgrund der Befunde aus der Literatur<br /> gehen wir davon aus, dass Frauen geringere Lernleistungen auf ihre eigene<br /> Person attribuieren, Männer dagegen eher auf externale Umstände. Zudem wird<br /> angenommen, dass ältere Frauen geringere Lernleistungen erzielen, da sie<br /> vermutlich ihre wahrgenomme Selbstwirk-samkeit im Umgang mit dem<br /> Versuchsobjekt geringer einschätzen. Für jüngere Frauen wer-den jedoch<br /> solche Ergebnisse nicht erwartet, da sie sich im Umgang mit Technik<br /> kompeten-ter einschätzen. Daher wird weiterhin angenommen, dass jüngere<br /> Versuchspersonen von männlichen und weiblichen Modellen gleich gut<br /> lernen.<br /><br /> Unter Berücksichtigung der erläuterten Aspekte soll in einem<br /> Experimentaldesign untersucht werden, ob Frauen besser von Frauen lernen<br /> oder aber von männlichen Modellen, da sie diese wahrscheinlich als<br /> kompetenter im Umgang mit Technik einschätzen. Als Stichproben werden sowohl<br /> jüngere als auch ältere Lernende untersucht. Auch hier werden die im<br /> Experiment zum Modelllernen (2.2.5) erläuterten Erhebungsinstrumente<br /> eingesetzt.<br /><br /> 3.1.6 Arbeitspaket 6: Zur Anwendung des Cognitive Apprenticeship in<br /> Instruktionsvideos<br /><br /> In diesem Arbeitspaket ist eine Untersuchung geplant, die sich mit dem<br /> konstruktivistischen Lernkonzept des Cognitive Apprenticeship (Collins,<br /> 1991) befasst. Ausgangspunkt dieses Ansatzes bildet die traditionelle<br /> Handwerkslehre, bei der ein Meister sein Wissen an die Lehrlinge im sozialen<br /> Austausch weitergibt. Dabei wird von einem Austausch zwischen Experten und<br /> Novizen ausgegangen, bei dem nach anfänglich starker Unterstützung der<br /> Lernende Schritt für Schritt mehr in die eigene Selbständigkeit entlassen<br /> werden kann. Zur Umsetzung des Ansatzes geben Collins, Brown &amp; Newman<br /> (1989) verschiedene Methoden vor:<br /><br /> • Modelling: Der Lehrende (Experte) führt an einem authentischen Fall das zu<br /> Lernende vor und verbalisiert es gleichzeitig.<br /><br /> • Coaching: Anschließend versuchen die Novizen, das Gezeigte selbst<br /> durchzuführen. Dabei erhalten sie gezielte Unterstützung durch den<br /> Experten.<br /><br /> • Scaffolding &amp; fading: Die Unterstützung des Lernenden wird durch eine<br /> Art „Hilfsgerüst“ gegeben, das im fortschreitenden Lernprozess zurückgebaut<br /> wird.<br /><br /> • Articulation: Da es nicht immer möglich ist, wie in der Handwerkslehre<br /> Wissen beobachtbar darzustellen, ist diese Methode für kognitive Prozesse<br /> besonders wichtig. Hier artikulieren Lernende ihre Denkprozesse und<br /> Problemlösestrategien und externalisieren das erworbene Wissen.<br /><br /> • Reflection: Lernende sollen im reflektierenden Austausch mit Anderen im<br /> ablaufenden Lernprozess ihre Vorgehensweisen analysieren und mit<br /> Lösungsstrategien anderer Novizen vergleichen.<br /><br /> • Exploration: Am Ende werden den Lernenden Anregungen zum aktiven<br /> Explorieren und zur eigenen Problemlösung mit auf den Weg gegeben.<br /><br /> Von den oben genannten Punkten sollen jedoch vor allem das Modelling und<br /> Coaching betrachtet werden. Die Idee besteht darin, in einer weiteren<br /> Untersuchung zu prüfen, ob diese Technik besonders für ältere Lernende zu<br /> besseren Lernergebnissen führt, wenn man sie mit dem einfachen Aufzeigen<br /> prozeduraler Vorgänge vergleicht. Auch Van Gog et al. (2004) argumentieren<br /> in ähnlicher Weise. Sie gehen davon aus, dass die Lernerfolge ansteigen,<br /> wenn zusätzlich das „how and why“ artikuliert wird, da so die Intention der<br /> vermittelten Handlungen besser verstanden und die Entwicklung eines Mentalen<br /> Modells verstärkt wird. Auch in dieser Untersuchung ist zu fragen, ob die<br /> zusätzlichen Informationen im Sinnes des Cognitive Load einen eher<br /> Extraneous (negativen) oder Germane (positiven) Load im Ar-beitsgedächtnis<br /> zur Folge haben. Geplant ist ein Experimental-Kontrollgruppen-Design, bei<br /> dem die unabhängige Variable Instruktionsvideo in den erläuterten Aspekten<br /> variiert wird. Die bereits beschriebenen Erhebungsinstrumente zur Messung<br /> von Selbstwirksamkeit, Einstellung zu Fahrscheinautomaten sowie die<br /> Subskalen aus dem IST2000R werden auch hier eingesetzt.<br /><br /> Collins, Brown &amp; Newman (1989)<br /><br /> Van Gog et al. (2004)<br /><br /> 3.1.7 Arbeitspaket 7: Untersuchung aller SOK-Komponenten in Verbindung mit<br /> dem Modelllernen und der Minimierung von Computer Literacy<br /><br /> Während alle zuvor beschriebenen Experimente dazu dienen sollen, den<br /> Einfluss von bestimmten, durch Gestaltungsmaßnahmen zu beeinflussenden<br /> Faktoren in ihrer Wirkung auf das Erlernen und das Bedienen von simulierten<br /> Automaten zu prüfen, geht es in diesem Arbeitspaket um das gemeinsame Wirken<br /> aller Faktoren. Die Fragestellung richtet sich nicht auf die Aufklärung von<br /> Wirkzusammenhängen, sondern auf das Ausmaß der Wirkung: Wie stark lässt sich<br /> die Bedienung vereinfachen? Wie leicht lässt sich die Bedienung erlernen?<br /> Wie schnell können ältere Benutzer verstehen, wie man mit dem Automaten<br /> umgeht? In diesem Arbeitspaket sollen Versuche durchgeführt werden, in denen<br /> ein Automat und eine Lernumgebung zur Verfügung stehen, die folgende<br /> Merkmale aufweisen:<br /><br /> (1) Sie unterstützen adaptive Lernprozesse und ermöglichen es den Benutzern<br /> auf diese Weise, sich selektiv zu verhalten.<br /><br /> (2) Sie legen ein strukturorientiertes Lernen nahe und gestatten auf<br /> einfache Weise die Bildung eines korrekten Mentalen Modells.<br /><br /> (3) Sie bieten eine Reduktion des kognitiven Aufwands bei der Bedienung an,<br /> wenn der Benutzer dafür längere Bedienzeiten und eine höhere Zahl von<br /> Dialogschritten in Kauf nimmt.<br /><br /> (4) Sie enthalten ein video-basiertes Tutorial, das alle untersuchten<br /> Faktoren in optimaler Ausprägung berücksichtigt.<br /><br /> (5) Diese finale Version besitzt ein User Interface, das weitgehend ohne<br /> Computer Literacy genutzt werden kann.<br /><br /> In einem Vergleichsexperiment sollen dann die Lern- und Bedienleistungen an<br /> diesem „SOK-basierten“ Automaten mit jenen verglichen werden, die an einem<br /> herkömmlichen, aber ebenfalls simulierten Automaten erzielt werden.<br /><br /> Im Ergebnis erhoffen wir uns Erkenntnisse darüber, inwieweit die zuvor<br /> einzeln untersuchten Wirkfaktoren kombinierbar sind und wie groß die auf<br /> diesem Wege maximal erzielbare Gesamtwirkung für die Benutzerfreundlichkeit<br /> des FKA vor allem für ältere Benutzer ist.<br /><br /> 3.1.7 Arbeitspaket 7: Untersuchung aller SOK-Komponenten in Verbindung mit<br /> dem Modelllernen und der Minimierung von Computer Literacy<br /><br /> Während alle zuvor beschriebenen Experimente dazu dienen sollen, den<br /> Einfluss von bestimmten, durch Gestaltungsmaßnahmen zu beeinflussenden<br /> Faktoren in ihrer Wirkung auf das Erlernen und das Bedienen von simulierten<br /> Automaten zu prüfen, geht es in diesem Arbeitspaket um das gemeinsame Wirken<br /> aller Faktoren. Die Fragestellung richtet sich nicht auf die Aufklärung von<br /> Wirkzusammenhängen, sondern auf das Ausmaß der Wirkung: Wie stark lässt sich<br /> die Bedienung vereinfachen? Wie leicht lässt sich die Bedienung erlernen?<br /> Wie schnell können ältere Benutzer verstehen, wie man mit dem Automaten<br /> umgeht? In diesem Arbeitspaket sollen Versuche durchgeführt werden, in denen<br /> ein Automat und eine Lernumgebung zur Verfügung stehen, die folgende<br /> Merkmale aufweisen:<br /><br /> (1) Sie unterstützen adaptive Lernprozesse und ermöglichen es den Benutzern<br /> auf diese Weise, sich selektiv zu verhalten.<br /><br /> (2) Sie legen ein strukturorientiertes Lernen nahe und gestatten auf<br /> einfache Weise die Bildung eines korrekten Mentalen Modells. Dadurch wird<br /> eine Optimierung des Lernens möglich.<br /><br /> (3) Sie bieten eine Reduktion des kognitiven Aufwands bei der Bedienung an,<br /> wenn der Benutzer dafür längere Bedienzeiten und eine höhere Zahl von<br /> Dialogschritten in Kauf nimmt. Allerdings lassen sich 2. und 3. nicht<br /> gleichzeitig in einem System verwirklichen, da sie auf Gestaltungsprinzpien<br /> beruhen, die sich gegenseitig ausschließen. Es wird daher in dieser<br /> Kombinationsuntersuchung entweder 2 oder 3 realisiert. Die Auswahl soll auf<br /> der Grundlage der Ergebnisse getroffen werden, die in den Arbeitspaketen zum<br /> Mentalen Modell und zur Kompensation erzielt wurden. Es wird die Variante<br /> ausgewählt, die die besten Ergebnisse erbrachte.<br /><br /> (4) Aus den Vorarbeiten zu 2.2.5. (Alter von Videomodellen), 2.2.6. (Fehler<br /> und Fehlerbehe-bung als Wissensquelle) und 2.2.7. (adaptiver Übergang<br /> zwischen Komplexitätsstufen), so-wie den Ergebnisse aus den zukünftigen<br /> Arbeitspaketen 3 (Motivation zum Benutzen), 5 (Geschlecht der Videomodelle)<br /> und 6 (Prinzipien des Cognitive Apprenticeship) wird ein video-basiertes<br /> Tutorial entwickelt, das alle untersuchten Faktoren in optimaler Ausprägung<br /> berücksichtigt.<br /><br /> (5) Diese finale Version besitzt ein User Interface, das weitgehend ohne<br /> Computer Literacy genutzt werden kann.<br /><br /> In einem Vergleichsexperiment sollen dann die Lern- und Bedienleistungen an<br /> diesem „SOK-basierten“ Automaten mit jenen verglichen werden, die an einem<br /> herkömmlichen, aber ebenfalls simulierten Automaten erzielt werden.<br /><br /> Im Ergebnis erhoffen wir uns Erkenntnisse darüber, inwieweit die zuvor<br /> einzeln untersuchten Wirkfaktoren kombinierbar sind und wie groß die auf<br /> diesem Wege maximal erzielbare Gesamtwirkung für die Benutzerfreundlichkeit<br /> des FKA vor allem für ältere Benutzer ist.<br /><br /> 3.1.8 Arbeitspaket 8: Transferprüfung<br /><br /> Um eine umfassende Wirkungsanalyse für die entwicklte Lernumgebung<br /> durchzuführen, ist es wichtig, neben Akzeptanz und Lernerfolg auch den<br /> Lerntransfer zu analysieren. Für die umfassende Betrachtung beziehen wir uns<br /> auf bekannte Evaluationsmodelle von Kirkpatrick (1998) und<br /> Reinmann-Rothmeier, Mandl &amp; Prenzl (1997). Ein wesentliches Ziel des<br /> Forschungsvorhabens besteht darin, die Übertragung des vermittelten Wissens<br /> auf reale Fahrscheinautomaten zu beleuchten (naher Transfer). Nur auf diesem<br /> Wege kann überprüft werden, ob das entwickelte Training zu einer<br /> Kompetenzförderung geführt hat und eine stressfreie Anwendung im Alltag<br /> erfährt. Wir nehmen dabei an, dass durch das Training auch die<br /> Benutzungsschwelle am realen Automaten so weit gesenkt wurde, dass eine<br /> erfolgreiche Übertragung des Erlernten möglich ist. Darüber hinaus soll<br /> analysiert werden, wie weit das vermittelte Wissen generalisierbar ist und<br /> somit auch auf andere Walk-up-and-use-Systeme übertragen werden kann. In<br /> einer weiteren Versuchsreihe wird deshalb der Transfer auf einen anderen<br /> Automatentyp (weiter Transfer) geprüft.<br /><br /> 3.1.8 Arbeitspaket 8: Transferprüfung<br /><br /> Um eine umfassende Wirkungsanalyse für die entwicklte Lernumgebung<br /> durchzuführen, ist es wichtig, neben Akzeptanz und Lernerfolg auch den<br /> Lerntransfer zu analysieren. Für die umfassende Betrachtung beziehen wir uns<br /> auf bekannte Evaluationsmodelle von Kirkpatrick (1998) und<br /> Reinmann-Rothmeier, Mandl &amp; Prenzl (1997). Ein wesentliches Ziel des<br /> Forschungsvorhabens besteht darin, die Übertragung des vermittelten Wissens<br /> auf reale Fahrscheinautomaten zu beleuchten (naher Transfer). Nur auf diesem<br /> Wege kann überprüft werden, ob das entwickelte Training zu einer<br /> Kompetenzförderung geführt hat und eine stressfreie Anwendung im Alltag<br /> erfährt. Wir nehmen dabei an, dass durch das Training auch die<br /> Benutzungsschwelle am realen Automaten so weit gesenkt wurde, dass eine<br /> erfolgreiche Übertragung des Erlernten möglich ist. Darüber hinaus soll<br /> analysiert werden, wie weit das vermittelte Wissen generalisierbar ist und<br /> somit auch auf andere Walk-up-and-use-Systeme übertragen werden kann. In<br /> einer weiteren Versuchsreihe wird deshalb der Transfer auf einen anderen<br /> Automatentyp (weiter Transfer) geprüft. Zur Abrenzung des Wissenszuwachses<br /> durch das Training ist es weiterhin wichtig, dass trainierte mit<br /> untrainierten Personen verglichen werden. Voraussetzung ist weiterhin die<br /> Überprüfung des Vorwissens.<br /><br /> Kirkpatrick (1998)<br /><br /> Reinmann-Rothmeier, Mandl &amp; Prenzl (1997)<br /><br /> 3.1.9 Arbeitspaket 9: Übertragung der Simulation ins Web<br /><br /> Ein besonderer Vorteil der verwendeten Simulationsumgebung Squeak besteht<br /> darin, dass die damit erzeugten Programme mit Hilfe eines Browser-Plug-Ins<br /> über das Web einer großen Anzahl von Benutzern zugänglich gemacht werden<br /> können. In diesem Arbeitspaket sollen die notwendigen programmtechnischen<br /> Anpassungen vorgenommen werden, damit zwei Versionen des simulierten<br /> Fahrkartenautomaten (Original und eine optimierte Version, die auf der<br /> Grundlage der Projekt-Ergebnisse entwickelt wird) ins Web gestellt werden<br /> können. Dabei ist zu berücksichtigen, welche Komponenten der Lernumgebung<br /> sich dafür besonders gut eignen und bei welchen der Aufwand den Nutzen<br /> übersteigt. Mit der webbasierten Lernumgebung sind zwei kleinere<br /> Untersuchungen geplant: eine im Labor zum Vergleich mit der „vollen“<br /> Lernumgebung und eine zum Vergleich offline vs. online.<br /><br /> 3.1.9 Arbeitspaket 9: Übertragung der Simulation ins Web<br /><br /> Ein besonderer Vorteil der verwendeten Simulationsumgebung Squeak besteht<br /> darin, dass die damit erzeugten Programme mit Hilfe eines Browser-Plug-Ins<br /> über das Web einer großen Anzahl von Benutzern zugänglich gemacht werden<br /> können. In diesem Arbeitspaket sollen die notwendigen programmtechnischen<br /> Anpassungen vorgenommen werden, damit zwei Versionen des simulierten<br /> Fahrkartenautomaten (Original und eine optimierte Version, die auf der<br /> Grundlage der Projekt-Ergebnisse entwickelt wird) ins Web gestellt werden<br /> können. Dabei ist zu berücksichtigen, welche Komponenten der Lernumgebung<br /> sich dafür besonders gut eignen und bei welchen der Aufwand den Nutzen<br /> übersteigt. Zwei lokale ÖPNV-Dienstleister, BVG und ODEG, haben bereits ihr<br /> Interesse bekundet, eine solche Lernumgebung ihren Kunden über das Internet<br /> zur Verfügung zu stellen. Mit der webbasierten Lernumgebung sind zwei<br /> kleinere Untersuchungen geplant: eine im Labor zum Vergleich mit der<br /> „vollen“ Lernumgebung und eine zum Vergleich offline vs. online.<br /><br /> Im Ergebnis nützt die Übertragung der Lernunterstützung ins Web nicht nur<br /> den ÖPNV-Benutzern und -Dienstleistern, sondern auch dem ALISA-Projekt,<br /> indem es viele Be-nutzer mit geringem Aufwand zur Datengewinnung erreichbar<br /> macht. Auch ältere Menschen, die selbst keinen Computer besitzen, könnten z.<br /> B. über ihre Familie oder zentrale soziale Einrichtungen an einem PC<br /> selbständig die Benutzung des FKA erlernen.<br /><br /> 3.1.10 Arbeitspaket 10: Evaluation der Simulation im Web<br /><br /> In einer webbasierten Untersuchung sollen möglichst viele Benutzer mit den<br /> beiden Versionen bekannt gemacht werden, was durch die Kooperation mit der<br /> BVG, erleichtert wird. Die Benutzer sollen angeregt werden, die simulierten<br /> Automaten zu explorieren und anschließend Fragen zur Benutzung zu<br /> beantworten. Bei der Entwicklung des Fragebogens kann auf die kritischen<br /> Punkte aus den Laborexperimenten zurückgegriffen werden.<br /><br /> Im Ergebnis kann bei erfolgreichem Ausgang der Evaluationsstudie ein Katalog<br /> von Gestaltungsrichtlinien entwickelt werden, mit dessen Hilfe weitere<br /> Simulationen von interaktiven Systemen über das Web verfügbar gemacht werden<br /> können. Daraus lassen sich dann prinzipiell auch Lern-Programme für<br /> industriell eingesetzte Automaten, Handys, Geräte der<br /> Unterhaltungselektronik u. ä. entwickeln, die über die gegenwärtig üblichen,<br /> gedruckten Bedienungsanleitungen hinausgehen. Diese Erweiterung ist jedoch<br /> nicht mehr Bestandteil des Forschungsvorhabens ALISA.<br /><br /> 3.1.10 Arbeitspaket 10: Evaluation der Simulation im Web<br /><br /> In einer webbasierten Untersuchung sollen möglichst viele Benutzer mit den<br /> beiden Versionen bekannt gemacht werden, was durch die Kooperation mit der<br /> BVG, erleichtert wird. Ziel dieser Studie ist es nicht, Leistungsdaten zu<br /> erfassen (dafür sind die oben beschriebenen Laborexperimente vorgesehen),<br /> sondern Benutzer anzuregen, die Versionen qualitativ zu bewerten und<br /> Kommentare zur Gestaltung zu geben. Die Benutzer sollen angeregt werden, die<br /> simulierten Automaten zu explorieren und anschließend sollen Fragen zur<br /> Benutzung beantwortet werden. Bei der Entwicklung des Fragebogens kann auf<br /> die kritischen Punkte aus den Laborexperimenten zurückgegriffen<br /> werden.<br /><br /> Im Ergebnis kann bei erfolgreichem Ausgang der Evaluationsstudie ein Katalog<br /> von Gestaltungsrichtlinien entwickelt werden, mit dessen Hilfe weitere<br /> Simulationen von interaktiven Systemen über das Web verfügbar gemacht werden<br /> können. Daraus lassen sich dann prinzipiell auch Lern-Programme für<br /> industriell eingesetzte Automaten, Handys, Geräte der<br /> Unterhaltungselektronik u. ä. entwickeln, die über die gegenwärtig üblichen,<br /> gedruckten Bedienungsanleitungen hinausgehen. Diese Erweiterung ist jedoch<br /> nicht mehr Bestandteil des beantragten Forschungsvorhabens.<br /><br /> <br /><br /> Da ALISA ein universitäres Forschungsprojekt ist, freuen wir uns sehr über<br /> die Zusammenarbeit mit interessierten Studierenden. Wenn Sie Interesse daran<br /> haben, mit ALISA Ihr Studienprojekt oder Ihre Diplomarbeit zu schreiben,<br /> dann sprechen Sie uns einfach an. Darüber hinaus schreiben wir auch<br /> regelmäßig Themen für Studienprojekte und Diplomarbeiten aus. Im folgenden<br /> können Sie sich einen Überblick über bereits betreute Arbeiten<br /> verschaffen.<br /><br /> Studienprojekte<br /><br /> Johanna Cuno und Daniela Heise: experimentelle Erfassung der<br /> Nutzungsschwelle bei Senioren<br /><br /> offene Projekte:<br /><br /> Diplomarbeiten<br /><br /> Susan Butenhof: Der Fahrkartenautomat der Deutschen Bahn AG: Analysen zu<br /> Usability-Problemen unter besonderer Berücksichtigung älterer Benutzer<br /> (abgegeben Dez. 2006)<br /><br /> Denise Gramß: Lernen am sozialen Modell bei der Benutzung von Automaten<br /> durch ältere Personen (abgegeben Dez. 2006)<br /><br /> Dörte Wackenhut: Lernen aus Fehlern, eine Hilfe für ältere Benutzer einer<br /> Lernunterstützung<br /><br /> Diana Dittberner: Untersuchung zur Reduzierung der erforderlichen Computer<br /> Literacy am BVG Automaten<br /><br /> Kooperationspartner<br /><br /> Unsere wissenschaftlichen Untersuchungen führen wir zusammen mit<br /> verschiedenen Unternehmen durch, die Serviceautomaten im öffentlichen Raum<br /> betreiben. Für die Erstellung unserer Lernumgebung werden real existierende<br /> Systeme verwendet.<br /><br /> Da wir besonderen Fokus auf Fahrscheinautomaten legen kooperieren wir<br /> mit<br /><br /> • Der Deutschen Bahn AG,<br /><br /> • Der BVG (Berliner Verkehrsbetriebe) und<br /><br /> • der ODEG (Ostdeutsche Eisenbahn AG)<br /><br /> Eine weitere Kooperation besteht mit der Siemens AG für das Produkt<br /> Packstation.<br /><br /> Arbeitsmittel und Methoden<br /><br /> Squeak<br /><br /> Für die Erstellung der Simulation verwenden wir SQUEAK, eine ursprünglich<br /> von Alan Kay und Dan Ingalls entwickelte Programmierumgebung. Sie beruht auf<br /> der Sprache Smalltalk und verfolgt den Ansatz der Objektorientierung. SQUEAK<br /> wurde ursprünglich in einem pädagogischen Kontext für Schüler entwickelt.<br /> Das Erstellen von Simulationen ist in einer solchen Umgebung leicht zu<br /> erlernen, zudem steht die benötigte Software als Open Source Produkt jedem<br /> kostenfrei zur Verfügung.<br /><br /> Weitere Informationen zu SQUEAK finden Sie unter:<br /><br /> www.squeak.de<br /><br /> www.squeak.org<br /><br /> www.squeakland.org<br /><br /> Lernvideo<br /><br /> Für das Erlernen der Bedienvorgänge werden Instruktionsvideos produziert,<br /> die anschaulich die Interaktionen mit dem Fahrscheinautomaten Schritt für<br /> Schritt vermitteln sollen.<br /><br /> Videos eignen sich besonders gut als Lernmedien, da dynamische Abläufe und<br /> Prozeduren aufgezeigt werden können. Zudem ist es möglich, durch gezielte<br /> Fokussierung und Zoomtechniken die Aufmerksamkeit zu gelenken und den<br /> Zuschauer über direkte Ansprachen zu motivieren. Älteren Menschen kann auf<br /> diesem Wege eine parasoziale Unterstützung angeboten werden, indem Personen<br /> ihrer Altersgruppe die zu lernenden Handlungsweisen am Fahrscheinautomaten<br /> vorführen. Durch das Bereitstellen visueller Anhaltspunkte werden zusätzlich<br /> ablaufende Denkprozesse erleichtert, die das Problemlösen und Behalten von<br /> Konzepten unterstützen.<br /><br /> Über Videoaufnahmen kann dem Lernenden auch Feedback über sein eigenes<br /> Verhalten gegeben werden. Es wird ersichtlich, wo genau Fehlerquellen in<br /> eigenem Handeln liegen und wie man sich richtig verhalten sollte, um sein<br /> Ziel zu erreichen.<br /><br /> Cognitive Walkthrough<br /><br /> Mit Hilfe des Cognitive Walkthrough soll zunächst durch einen Experten<br /> eingeschätzt werden, wie leicht sich die Bedienung eines Fahrscheinautomaten<br /> erlernen lässt. Ziel ist es, Bedienprobleme und kritische<br /> Interaktionsstellen aufzudecken und ihre Gründe zu analysieren. Dazu werden<br /> häufige, aber auch sehr kritische Aufgaben vorgegeben, auf deren Grundlage<br /> die Interaktion des Benutzers simuliert wird. Für jede Aufgabe sind die<br /> richtigen Lösungswege schon bekannt. Der Experte sollte nun für jeden<br /> Interaktionsschritt folgende 4 Fragen beantworten:<br /><br /> • Werden die Benutzer versuchen den richtigen Effekt zu erzielen?<br /><br /> • Bemerken die Benutzer, dass die korrekte Aktion verfügbar ist?<br /><br /> • Assoziieren die Benutzer die richtige Aktion mit dem angestrebten<br /> Effekt?<br /><br /> • Verstehen die Benutzer das ausgegebene Feedback, wenn die korrekte Aktion<br /> vollführt ist?<br /><br /> Die Resultate dieser Analysen fließen anschließen in das Design der<br /> Lernumgebung ein. Schwierige Interaktionen können so gezielt geübt werden<br /> und komplexe Arbeitsschritte in Teilschritte aufgegliedert werden, um den<br /> Arbeitsaufwand des Gedächtnisses zu entlasten.<br /><br /> Teilnehmer gesucht<br /><br /> Für unsere Untersuchungen suchen wir ständig Senioren über 60 Jahre, die<br /> Interesse haben, an spannenden Experimenten teilzunehmen und dabei einen<br /> wichtigen Beitrag zur Verbesserung der Benutzbarkeit von Fahrkartenautomaten<br /> zu leisten.<br /><br /> Zusätzlich suchen wir auch interessierte Jüngere für unsere<br /> Vergleichsgruppen.<br /><br /> Schreiben Sie uns einfach eine E-Mail mit „Versuchsperson“ im Betreff oder<br /> rufen Sie uns an (siehe Kontakt).<br /><br /> Für Ihre Teilnahme erhalten Sie eine Aufwandsentschädigung von 8 Euro/<br /> Stunde.<br /><br /> Wir freuen uns über Ihre Unterstützung!<br /><br /> 2.3.1 Zitierte Literatur<br /><br /> Aldridge, H.B. &amp; Liggett, L.A. (1990). Audio video production: theory<br /> and practice. Englewood Cliffs, NJ: Prentice-Hall.<br /><br /> Baltes, P.B. &amp; Baltes, M.M. (1989). Optimierung durch Selektion und<br /> Kompensation. Ein psychologisches Modell erfolgreichen Alterns. Zeitschrift<br /> für Pädagogik, 35, 85-105.<br /><br /> Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral<br /> change. Psycho-logical Rewiev, 84, 191-215.<br /><br /> Bandura, A. (1986). Social Foundations of Thought and Action: A<br /> Social-Cognitive View. Englewood Cliffs, NJ: Prentice-Hall.<br /><br /> Bandura, A. (2006). Guide for Creating Self-Efficay Scales. In: F. Pajares<br /> &amp; T. Urban (Eds.) Self-Efficacy Beliefs of Adolescents (pp. 307-337).<br /> Greenwich, Conneticut: Imformation Age Publishing.<br /><br /> Beaudin, B.P. (1996). Instructional video evaluation instrument. Journal of<br /> extension, 34, 1-8.<br /><br /> Blandford, A. &amp; Connell, I.W. (2004). Cognitive Walkthrough of London<br /> Underground Ticket Vending Machines. URL:<br /> www.cs.ucl.ac.uk/staff/i.connell/DocsPDF/cw.pdf, zuletzt aufgerufen am<br /> 11.03. 2007.<br /><br /> Bochat, S., Eddiks, Ch. &amp; Steinbach, M. (2000). Menschen im Umgang mit<br /> Fahrscheinauto-maten. URL:<br /> http://kisd.de/~marian/dokus/Fahrscheinautomat.pdf, zuletzt aufgerufen am<br /> 11. 03. 2007.<br /><br /> Booch, J., Rumbaugh, J. &amp; Jaconson, I. (1999). Das UML-Benutzerhandbuch.<br /> München: Addison-Wesley.<br /><br /> Bong, M. (2006). Asking the right question - How confident are you that you<br /> could success-fully perform these tasks? In: F. Pajares &amp; T. Urban<br /> (Eds.) Self-Efficacy Beliefs of Ado-lescents (pp. 287-305). Greenwich,<br /> Conneticut: Imformation Age Publishing.<br /><br /> Bruder, C., Wandke, H. &amp; Blessing, L. (2006): Improving mobile phone<br /> instruction manuals for seniors, Journal of Gerontechnology, 5 (1), pp.<br /> 51-55.<br /><br /> Buchner, A. &amp; Funke, J. (1992). On the use of finite state automata in<br /> problem solving re-search. International Journal of Psychology, 27,<br /> 135.<br /><br /> Carroll, J.M. (1990). The Nurnberg Funnel: Designing minimalist instruction<br /> for practical com-puter skill. Cambridge, MA: MIT Press.<br /><br /> Cennamo, K.S. &amp; Dawley, G.W. (1995). Designing interactive video<br /> materials for adult learn-ers. Performance and Instruction, 34, 14-19.<br /><br /> Collins, A. (1991). Cognitive Apprenticeship and instructional technology.<br /> In: L. Idol &amp; B.F. Jones (Hrsg.), Educational values and cognitive<br /> instruction: Implications for reform (pp. 121-138). Hillsdale, NY: Lawrence<br /> Earlbaum Associates.<br /><br /> Collins, A., Brown, J.S., &amp; Newman, S.E. (1989). Cognitive<br /> apprenticeship: Teaching the crafts of reading, writing, and mathematics. In<br /> L.B. Resnick (Ed.), Knowing, learning, and instruction (S. 453-494).<br /> Hillsdale, NJ: Erlbaum.<br /><br /> Connell, I.W. (1998). Error analysis of ticket vending machines: comparing<br /> analytic and em-pirical data. Ergonomics, 41(7), 927-961.<br /><br /> Connell, I.W., Blanford, A.E. and Green, T.R.G. (2004). CASSM and Cognitive<br /> Walkthrough: usability issues with ticket vending machines. Behaviour &amp;<br /> Information Technology, 23(5), 307-320.<br /><br /> Cuno, J. &amp; Heise, D. (2006). Ermittlung einer Nutzungsschwelle für<br /> technische Systeme. Unveröffentlichtes Studienprojekt, Humboldt Universität<br /> Berlin.<br /><br /> Czaja, S.J., Charness, N., Fisk, A.D., Hertzog, C., Nair, S.N., Rogers, W.A.<br /> &amp; Sharit, J. (2006). Factors predicting the use of technology: Findings<br /> from the Center for Re-search and Education on Aging and Technology<br /> Enhancement (CREATE). Psychology and Aging, 21, 333-352.<br /><br /> Eachus, P. &amp; Cassidy, S. (2002). Developing the Computer Self-Efficacy<br /> (CSE) Scale: Inves-tigating the Relationship Between CSE, Gender and<br /> Experience with Computers. Jour-nal of educational computing research, 26<br /> (2), 135-153.<br /><br /> Fisk, A., Rogers, W., Charness, N., Czaja, S.J. &amp; Sharit, J. (2004).<br /> Designing for older adults. Boca Raton, FL: CRC Press.<br /><br /> Frese, M. &amp; Zapf, D. (1994). Action as the core of work psychology: A<br /> German approach. In M. D. Dunnette, L. M. Hough &amp; H. C. Triandis (Eds),<br /> Handbook of industrial and orga-nizational psychology (pp. 271–340). Palo<br /> Alto, CA: Consulting Psychologists Press.<br /><br /> Fukuda, R. (2004). Ergonomische Gestaltung der Webauftritte - Analyse des<br /> menschlichen Verhaltens bei der Webnutzung und darauf basierende<br /> nutzerspezifische Vorschläge. München: Utz Verlag.<br /><br /> Gertler, S., Fisher, C. &amp; Plaisted, C. (1999). MORI-report „rage against<br /> the machine“. Ipsos Mori.<br /><br /> Gick, M.L., McGarry, S.J. (1992). Learning from mistakes : Inducing<br /> analogous solution fail-ures to a source problem produces later successes in<br /> analogical transfer. Journal of Experimental Psychology: Learning, Memory<br /> and Cognition, 18(3), 623-629.<br /><br /> Gramß, D. (2006). Lernen am sozialen Modell bei der Benutzung von Automaten<br /> durch ältere Benutzer. Unveröffentlichte Diplomarbeit, Humboldt Universität<br /> Berlin.<br /><br /> Grice, P. (1975). Logic and conversation. In P. Cole and J.L. Morgan,<br /> (Eds.), Syntax and Semantics, Vol. 3, Speech Acts (pp. 41-58). New York:<br /> Academic Press.<br /><br /> Guzdial M.J. &amp; Rose, K.M. (2001). Squeak: Open Personal Computing and<br /> Multimedia. Up-per Saddle River, NJ: Prentice Hall.<br /><br /> Hansen, B. (2003) Digital video production. URL:<br /> http://www.hansenb.pdx.edu/pdf/DigitalVideo.pdf, zuletzt aufgerufen am:<br /> 14.01.2007<br /><br /> Held, J., Brüsch, M., Krüger, H. &amp; Pasch, Th. (1999). The FIT-System: A<br /> New Hand-Held Computer Tool for Ergonomic Assessment. Medical &amp;<br /> Biological Engineering &amp; Com-puting, 37(2), 862-863.<br /><br /> Iuppa, N.V. (1988). Advanced interactive video design: new techniques and<br /> applications. White Plains, NY: Knowledge Industry Publication.<br /><br /> Ivancic, K. &amp; Hesketh, B. (1995). Making the best of errors in training.<br /> Training Research Journal, 1, 103-125.<br /><br /> Ivancic, K. &amp; Hesketh, B. (2000). Learning from errors in a driving<br /> simulation: Effects on driv-ing skill and self-confidence. Ergonomics, 43,<br /> 1966-1984.<br /><br /> Jerusalem, M. &amp; Schwarzer, R. (2002). SWE. Skala zur Allgemeinen<br /> Selbstwirksamkeitser-wartung. In E. Brähler, J. Schumacher &amp; B. Strauß<br /> (Eds.), Diagnostische Verfahren in der Psychotherapie. Göttingen, Germany:<br /> Hogrefe.<br /><br /> Johnson, H. M. &amp; Seifert, C. M. (1992). The role of predictive features<br /> in retrieving analogical cases. Journal of Memory and Language, 31,<br /> 648–667.<br /><br /> Jonassen, D.H., Tessmer, M., &amp; Hannum, W.H. (1999). Task analysis<br /> methods for instruc-tional design. Mahwah, NJ: L. Erlbaum Associates.<br /><br /> Karavidas, M., Lim, N.K. &amp; Katsikas, S.L. (2005). The effects of<br /> computers on older adult users. Computers in Human Behavior, 21,<br /> 697-711.<br /><br /> Kern, S., Deller, J. &amp; Huch, D. (2006). Silver Workers: Aktive Rentner –<br /> eine Interviewstudie. Forschungsreferat auf dem 45. Kongress der DGPs,<br /> Nürnberg, 18.-21. September.<br /><br /> Kerres, M. (1999). Didaktische Konzeption multimedialer und telemedialer<br /> Lernumgebungen. URL:<br /> http://www.informatikdidaktik.de/HyFISCH/Multimedia/Learning/DidaktischeKonzeptionKerres.pdf,<br /> letzter Zufriff am: 27.01.07.<br /><br /> Kessler, D. (1988). The Four Pillars of Retirement. The Geneva Papers on<br /> Risk and Insur-ance, Number 49.<br /><br /> Kirkpatrick, D. (1998). Evaluating Training Programs. San Francisco, CA:<br /> Berrett-Koehler.<br /><br /> Lewis, C. &amp; Wharton, C. (1997). Cognitive walkthroughs. In M. Helander,<br /> T. K. Landauer, &amp; P. Prabhu (Eds.), Handbook of Human-Computer<br /> Interaction (pp. 717-732). New York: Elsevier Press.<br /><br /> Locatis, C., Charuhas, J. &amp; Banvard, R. (1990). Hypervideo. Educational<br /> Technology Re-search and Development, 38, 41-49.<br /><br /> Marcellini, F., Mollenkopf, H., Spazzafumo, L. &amp; Ruoppila, I. (2000).<br /> Acceptance and use of technological solutions by the elderly in the outdoor<br /> environment: findings from Euro-pean survey. Zeitschrift für Gerontologie<br /> und Geriatrie, 33, 169-177.<br /><br /> Martin, M. (2006). Leistungs- und Lernpotentiale 50+, Allgemeine und<br /> individuelle Perspek-tiven. Vortrag im Workshop des SPP1184 am Ammersee am<br /> 06.10.2006.<br /><br /> Mason, J. &amp; McMorrow, R. (2006). YACLD (Yet another Computer Literacy<br /> definition). Con-sortium for Computing Sciences in Colleges, 94-100.<br /><br /> Mayer, R.E. (2005). Principles of multimedia learning based on social cues:<br /> personalization, voice and image principles. In: R. E. Mayer (ed.), The<br /> Cambridge Handbook of Multi-media Learning (pp. 201-212). Cambridge:<br /> University Press.<br /><br /> McGrenere, J. &amp; Moore, G. (2000). Are we all in the same “bloat”?.<br /> Proceedings of Graphics Interface, Montreal, Canada, May 2000 (pp.<br /> 187-196).<br /><br /> Mietzel, G. (2001). Pädagogische Psychologie des Lernens und Lehrens.<br /> Göttingen: Hogrefe.<br /><br /> Miller, L.A. &amp; Wooten, K.M.S.W. (1997). Development and evaluation of<br /> the Windows Com-puter Exiperience Questionaire (WCEQ). International Journal<br /> of Human-Computer In-teraction, 9, 211-222.<br /><br /> Paas, F., Renkl, A. &amp; Sweller, J. (2003). Cognitive load theory and<br /> instructional design: Re-cent developments, Educational Psychologist, 38,<br /> 1–4.<br /><br /> Paas, F., Van Gerven, P.W.M., &amp; Tabbers, H.K. (2005). The cognitive<br /> aging principle in mul-timedia learning. In: R. E. Mayer (Ed.), The<br /> Cambridge Handbook of Multimedia Learn-ing (pp. 339-354). Cambridge:<br /> University Press.<br /><br /> Read, S. &amp; Cesa, I. (1991). This reminds me of the time when:<br /> Expectation failures in re-minding and explanation. Journal of Experimental<br /> Social Psychology, 27, 1-25.<br /><br /> Reinmann-Rotmeier, G., Mandl, H. &amp; Prenzl, M. (1997). Qualitätssicherung<br /> bei multimedialen Lernumgebungen. In H.F. Friedrich, G. Eigler, H. Mandl, W.<br /> Schnotz, F. Schott &amp; N.M. Seel (Hrsg.), Multimediale Lernumgebungen bei<br /> der betrieblichen Weiterbildung (S. 267-333). Neuwied: Lucherhand.<br /><br /> Richter, T., Neumann, J. &amp; Horz, H. (2001). Computer Literacy,<br /> computerbezogene Einstel-lungen und Computernutzung bei männlichen und<br /> weiblichen Studierenden, Mensch &amp; Computer 2001: 1. Fachübergreifende<br /> Konferenz, 71-80.<br /><br /> Rogers, W.A., Campbell, R.H. &amp; Pak, R. (2001). A systems approach for<br /> training older adults to use technology. In N. Charness, D.C. Parks &amp;<br /> B.A. Sabel (Eds.), Communication, technology &amp; aging: Opportunities and<br /> challenges for the future (pp. 187-208). New York: Springer.<br /><br /> Rosenberg, M. J. &amp; Hovland, C. I. (1960). Cognitive, affective, and<br /> behavioral components of attitudes. In C. I. Hoveland &amp; M. J. Rosenberg<br /> (Eds.), Attitude organization and change (pp.1-14). New Haven: Yale<br /> University Press.<br /><br /> Schmiedek, F. (2007). Variabilität und Plastizität kognitiver Fähigkeiten im<br /> jungen und höhe-ren Erwachsenenalter. unveröffentlichter Vortrag beim<br /> Doktoranden-Arbeitstreffen des SPP1184, 20.02.2007, Humboldt Universität<br /> Berlin.<br /><br /> Schwan, S. (2005). Gestaltungsanforderungen für Video in<br /> Multimedia-Anwendungen. URL:<br /> http://www.e-teaching.org/didaktik/gestaltung/visualisierung/video/schwan.pdf,<br /> zuletzt aufgerufen am 16.03.2007.<br /><br /> Sieverding, M. (2000). Studienprojekt “Frauen in der<br /> Informationsgesellschaft“. URL:<br /> http://web.fu-berlin.de/psygender/fu-gender-coll/fucoll-sieverding.htm,<br /> zuletzt auf-gerufen am 19.03.07.<br /><br /> Staufer, M. (1992). Ältere Beschäftigte und technischer Wandel. Göttingen:<br /> Hogrefe.<br /><br /> Sweller, J. (1999). Instructional Design in Technical Areas. Melbourne,<br /> Australia: ACER Press.<br /><br /> Sweller J., Van Merrienboer J.J.G. &amp; Paas F. (1998). Cognitive<br /> architecture and Instructional Design. Educational Psychology Review, 10,<br /> 251-296.<br /><br /> Tischer, U. (1998). Neue Beschäftigungsfelder und weiblich<br /> Qualifikationspotentiale. In V. Oechtering &amp; G. Winker (Hrsg.),<br /> Computernetze – Frauenplätze. Frauen in der Infor-mationsgesellschaft (S.<br /> 33-55). Opladen: Leske &amp; Budrich.<br /><br /> Torkzadeh, G., Pflughoeft, K. &amp; Hall, L. (1999). Computer User<br /> Attitudes, Training Effective-ness, and Self-Efficacy: An Empirical Study.<br /> Behaviour &amp; Information Technology, 18(4), 299-309.<br /><br /> Turner, G.M., Sweany, N.W. &amp; Husman, J. (2000). Development of the<br /> Computer Interface Literacy Measure. Journal of Educational Computing<br /> Research 22(1), 37-54.<br /><br /> Usoro, A. (2000). Attitude as a factor in the use of information and<br /> communication technol-ogy for global planning. Computing and Information<br /> Systems, 7, 58-64.<br /><br /> Van Eimeren, B., Gerhard, H. &amp; Frees, B. (2001). ARD/ZDF Online-Studie<br /> 2001: Internet-nutzung stark zweckgebungen. URL:<br /> http://www.heute.t-online.de/ZDFde/download/0,1896,2000033,00.pdf., zuletzt<br /> aufgerufen am 15.12.2006.<br /><br /> Van Gog, T., Paas, F. &amp; Van Merrienboer J.J.G. (2004). Recommendation<br /> for research on task formats that model expert approaches to problem<br /> solving. URL:<br /> http://www.iwm-kmrc.de/workshops/sim2004/pdf_files/VanGog_et_al.pdf, zuletzt<br /> aufgerufen am 19.03.2007.<br /><br /> 2.3.2 Relevante eigene Arbeiten<br /><br /> Publikationen<br /><br /> Bruder, C., Blessing, L. &amp; Wandke, H. (2007). Adaptive interfaces as<br /> training wheels for less experienced, older adults. CHI 2007 April 28- May<br /> 3, 2007, San Jose, USA.<br /><br /> Butenhof, S. &amp; Sengpiel, M. Usability issues with ticket vending<br /> machines for younger and older adults. Unveröffentlicht (geplante<br /> Veröffentlichung in Universal Access in the In-formation Society, ist von<br /> Zustimmung der Deutschen Bahn AG abhängig).<br /><br /> Gramß, D. &amp; Struve. D. Instructional video for supporting older adults<br /> to use interactive sys-tems. Eingereicht zur Publikation bei: Educational<br /> Gerontology: An International Jour-nal.<br /><br /> Struve, D., Sengpiel, M. und Wandke, H. (2006). Adaptive Lernunterstützung<br /> zur interaktiven Systemnutzung für ältere Benutzer (ALISA), Zeitschrift für<br /> Arbeitswissenschaft, 3, 161-171.<br /><br /> <br /><br /> Vorträge<br /><br /> Gramß, D. &amp; Struve, D. (2007). Lernen am Modell bei der Benutzung von<br /> Automaten durch ältere Personen. 53. Frühjahrskongress der GfA, Magdeburg,<br /> Deutschland, 28.02. - 02.03. 2007.<br /><br /> Wandke, H., Butenhof, S., Struve, D. &amp; Sengpiel, M. (2006).<br /> Usability-Analysen zur Ver-besserung der Automatennutzung für Senioren.<br /> Forschungsreferat auf dem 45. Kon-gress der DGPs, Nürnberg, 18.-21.<br /> September 2006.<br /><br /> <br /></p>