Direkt zum InhaltDirekt zur SucheDirekt zur Navigation
▼ Zielgruppen ▼

Humboldt-Universität zu Berlin - Lebenswissen­schaftliche Fakultät - Institut für Psychologie

ALISA

Adaptive Lernumgebung zur Interaktiven Systemnutzung Älterer

Inhalt

 

Kontakt

 

Überblick zum Projekt

 

Projektstand

 

Ergebnisse

 

 

Forschungshintergrund

 

Beobachtungen am Bahnhof

 

Mitarbeit

 

Kooperationspartner

 

Arbeitsmittel und Methoden

 

Teilnehmer gesucht!

 

 

Quellen

 

Relevante eigene Arbeiten

 

 

Arbeitspakete

AP1 Analyse und Entwicklung eines Modells des Automaten

 

AP2 empirische Untersuchungen an realen Automaten

 

AP3 Entwicklung der Automatensimulation und Lernumgebung

 

AP4 Entwicklung von Videoinstruktionen

 

AP5 Modelllernen

 

AP6 Lernen aus Fehlern

 

AP7 Training Wheel und Adaptivitätsstufen

 

AP8 Minimierung der erforderlichen Computer Literacy

 

AP9 Mentales Modell

 

AP10 Kompensation

 

AP11 Motivation zur Nutzung interaktiver Systeme

 

AP12 Attributionsstile für Fehler in der interaktiven Systemnutzung

 

AP13 Geschlechtseinfluß

 

AP14 Cognitive Apprenticeship

 

AP15 Komplettes SOK

 

AP16 Transferprüfung

 

AP17 Übertragung der Simulation ins Web

 

AP18 der Simulation im Web


 


Kontakt

Doreen Struve

 

Michael Sengpiel

 

 


Überblick zum Projekt

In dem beantragten Projekt soll untersucht werden, durch welche Maßnahmen im Bereich von Training und Arbeitsmittelgestaltung ältere Personen bei der Nutzung von interaktiven Systemen unterstützt werden können. Wir gehen davon aus, dass ältere Personen sich altersrollenkonform verhalten und besondere Probleme mit dem Einstieg in die Nutzung neuartiger technischer Systeme haben, jedoch nach dem Überwinden einer Schwelle annähernd so gut wie Jüngere mit einem System interagieren können. Um das Überwinden dieser Schwelle leicht zu machen, sollte sie möglichst niedrig gehalten werden. Hier setzt das Projekt an: Die Schwellenreduktion erfolgt zum einen auf der Basis der Selektions-Optimierungs-Kompensations-Theorie aus der kognitiven Altersforschung, zum anderen durch das sozialpsychologisch begründete Lernen am Modell. Als Untersuchungsgegenstand für die Experimente dient ein simulierter Fahrscheinautomat. Zu Fahrscheinautomaten gibt es psychologisch-ergonomische Voruntersuchungen, sie sind leicht zugänglich und gut simulierbar. Die Untersuchungen werden so angelegt, dass es möglich wird, durch Trainings- und Gestaltungsmaßnahmen (im Sinne eines transgenerational design) Kohorteneffekte von echten Alterseffekten zu trennen. Deshalb werden nicht nur ältere, sondern auch jüngere Probanden untersucht.

 

Projektdauer: 01.12.05 – 30.11.07, Verlängerung um zwei Jahre beantragt

Zeitlicher Ablauf

 

Abb: Zeitplan des ALISA-Projektes mit Arbeitspaketen


Projektstand

Es geht mit großen Schritten voran. Die Automatensimulation ist endlich fertig und kann für den ersten Versuch von Diana Dittberner eingesetzt werden. Vielen Dank dafür an Jochen, der sich nun beim wohlverdienten Segelurlaub von den Strapazen der letzten Wochen erholt. Außerdem ist heute der erste Drehtag für die Instruktionsvideos!


Ergebnisse

Analyse des BVG-Automaten

ATN (zip)

 

Cognitive Task Analysis nach GOMS (pdf)

 

Cognitive Walkthrough Teil 1 (pdf)

 

Cognitive Walkthrough Teil 2 (pdf)

 

entwickelte Fragebögen

Fragebogen zur Computer Literacy

    In dem Versuch, Leistungsunterschiede im Nutzerverhalten von Jüngeren und Älteren zu erklären, unterscheiden wir grundsätzlich zwei Effekte: Alters- und Kohorteneffekte. Während erstere universell gelten und ausschließlich durch Gestaltung der Benuzerschnittstelle kompensiert werden können, haben letztere ihren Ursprung in der individuellen Lerngeschichte und sind damit veränderbar, insbesondere durch ein Training mit unserer Lernumgebung. Innerhalb der Kohorteneffekte nimmt die Computer Literacy eine besondere Stellung ein, denn das Wissen im Umgang mit Computern ist leicht übertragbar auf Fahrscheinautomaten und wird von diesen, die ja selbst Computer sind, auch in verschiedener Ausprägung vorausgesetzt.

    In der Literatur werden unter dem Begriff "Computer Literacy" sehr heterogene Konzepte zusammengefaßt und gemessen (Richter, Neumann & Horz, 2001; Turner, Sweany & Husman, 2000; Miller & Wooten, 1997), was vor allem zwei Ursachen hat. Zum einen muß sich das Interaktionswissen der schnellen technischen Entwicklung anpassen, zum anderen haben sehr viele Wissensaspekte einen Einfluß, die in zwei Gruppen geteilt werden können (Mason & McMorrow, 2006): „awareness“ (z.B. Computergeschichte, Ethik, Sicherheit, Ökonomie) und „competence“ (z.B. Computerhardware und -software nutzen und verstehen, Internetsuche etc.). Wir konzentrieren uns hier auf Aspekte der „competence“, die für die Benutzung von Computern unmittelbar relevant sind und betrachten deshalb Computer Literacy als die Fähigkeit, Interaktionsmuster und Funktionselemente im Umgang mit Computern zu erkennen und zu nutzen. Diese umfaßt somit die Kenntnis bestimmter Icons, aber auch Interaktionsregeln und -techniken.

    Da CL im Umgang mit interaktiven Systemen, vor allem Computern, erworben wird, wird häufig nur die Vorerfahrung mit Computern über Dauer und Intensität des Umgangs erfasst. Wir meinen jedoch, daß Umgang eine notwendige, aber nicht hinreichende Bedingung für den Erwerb von CL ist, da man bei gleicher Häufigkeit auf sehr verschiedene Weise mit Computern umgehen kann (z.B. Texte tippen vs. programmieren) und das Erlebte auch "verarbeiten" und in seinen Wissensschatz aufnehmen muß, wobei Faktoren wie Mustererkennung, Logik, Abstraktionsvermögen, Intelligenz und Motivation eine Rolle spielen. Deshalb wollen wir explizit "Computer Literacy" messen und zwar genauer jenen Teil, der für die Interaktion mit dem Computer (interaktiven System) unmittelbar relevant ist. Uns interessiert, ob jemand die Sprache, genauer, die "lexikalischen Einheiten" der Computer Interaktion versteht. Diese Einheiten bestehen aus Zeichen und Begriffen, die häufig als selbstverständlich vorausgesetzt werden und gerade deshalb jenen, die sie nicht kennen (z.B. Älteren), Schwierigkeiten bereiten. Wir haben hierfür einen eigenen Fragebogen zur Messung der Computer Literacy entwickelt - den CLS (Computer Literacy Skala). Entsprechend des oben beschriebenen Konzeptes erfassen wir damit Wissen in drei Dimensionen: 1. Symbole  2. Begriffe und  3. Handlungswissen.  Die aktuelle Version dieses Fragebogens kann hier eingesehen werden: Computer Literacy (pdf)

 

Fragebogen zur Einstellung und Selbstwirksamkeit gegenüber Fahrscheinautomaten

Auch Einstellungen gegenüber dem Versuchsgegenstand können Einfluß auf die Lernergebnisse ausüben (Torkzadeh, Pflughoeft & Hall, 1999). Usoro (2000) definiert Einstellungen als „a complex, mostly learned and enduring but changeable system of cognition and affection which predisposes an individual to favourable or  unfavourable action or reaction to an object“ (S. 59). Zudem wird das Konstrukt der Einstellung häufig in eine

•    affektive (positives oder negatives Gefallen gegenüber dem Objekt),

•    kognitive (Wahrnehmung und Beurteilung der Eigenschaften des Objektes und

•    behaviorale Komponente (Absicht zum Handeln/ Nichthandeln, z.B. Meidung von Technik) unterteilt (vgl. Rosenberg & Hovland, 1960).

Problematisch ist jedoch, dass für eine behaviorale Skala die Nutzung eines Fahrscheinau-tomaten vorausgesetzt werden muß und die Vorstudien bereits zeigten, dass viele ältere Personen nur wenige oder gar keine Erfahrungen mit dem Fahrscheinautomaten gesammelt haben, da sie ihn vermeiden. Im Vergleich zu bereits existierenden Einstellungsfragebögen zu Computern ist anzumerken, dass zudem die Funktionalität von Fahrscheinautomaten begrenzt ist. Um dennoch alle Komponenten des Konstrukts erfassen zu können, wurde ein semantisches Differenzial verwendet, mit dem es möglich ist, in einem 3-dimensionalen Faktoren-Raum Personen hinsichtlich der Einstellung gegenüber eines bestimmten technischen Produkts darzustellen. Zudem ist es durch einfachen Austausch des Einstellungsobjektes möglich, das Erhebungsinstrument für andere Forschungsprojekte nutzbar zu machen.

Die wahrgenommene Selbstwirksamkeit (Self-Efficacy) im Umgang mit technischen Produkten ist eine wichtige Variable, die Einfluß auf den Umgang und das Erlernen der Automatenbedienung ausübt. Selbstwirksamkeitsurteile betreffen die subjektive Einschätzung eines Menschen, über die zur Bewältigung einer bestimmten Aufgabenart erforderlichen Voraussetzungen (Fertigkeiten, Fähigkeiten usw.) zu verfügen (Bandura, 1986). Das Erleben von Wirksamkeit hängt davon ab, ob nach einem Training subjektiv spürbare Fortschritte wahrnehmbar sind. Karavidas, Lim & Katsikas (2005) stellten bereits einen Zusammenhang zwischen dem Erlernen der Computernutzung und einer höheren Selbstwirksamkeitserwartung her. Somit kann ein Training die Einschätzung des eigenen Wirkungsgrades beeinflussen. In unserem Forschungsvorhaben war es daher erforderlich, die Messung der aufgabenspezifischen Selbstwirksamkeit im Umgang mit einem Fahrscheinautomaten zu gewährleisten. In einer ersten Untersuchung wurde zunächst eine Skala zur Selbstwirksamkeit im Umgang mit den verschiedensten öffentlichen Automaten entwickelt (Gramß, 2006). Da jedoch Bandura (2006) betont, dass Selbstwirksamkeit nur bereichspezifisch gemessen werden sollte, grenzen wir für die weitere Verwendung die Skala auf den Fahrscheinautomaten ein. Der reduzierte Fragebogen wurde in Anlehnung an die den allgemeinen Selbstwirksamkeitsfragebogen von Jerusalem & Schwarzer (2001) sowie den Selbstwirksamkeitsfragebogen im Umgang mit Computern von Eachus & Cassidy (2001) entwickelt. Zusätzlich wurden die Guidelines zur Erstellung von Selbstwirksamkeitsfragebögen von Bong (2006) und Bandura (2006) berücksichtigt. Insgesamt ergaben sich 16 Items. Da wir davon ausgehen, dass die Interaktion sowie das Erlernen der Bedienung des Fahrscheinautomaten Einfluß auf das bereichsspezifische Fähigkeitskonzept hat, nutzen wir das entwickelte Erhebunginstrument für Prä- und Postmessungen. Die aktuelle Version dieses Fragebogens kann hier eingesehen werden: Einstellung und Selbstwirksamkeit (pdf)

Lernumgebung

Drehbuch (pdf)

 

Lernaufgabe (ppt)

 

Voruntersuchung

Ergebnisse (ppt)

 

 


Forschungshintergrund

Durch die Erhöhung der Lebenserwartung sowie den demografischen Wandel, ist in den nächsten Jahrzehnten mit einer Veralterung der Gesellschaft zu rechnen. „Im Jahr 2050 wird jeder dritte Deutsche 60 Jahre oder älter sein.“ (Statistisches Bundesamt, 2003)

Altersaufbau Deutschland 2050

 

 

 

 

 

 

 

 

 

Abb. Altersaufbau 2050 für Deutschland

Gleichzeitig ist eine rasante Zunahme an technischen Geräten in Alltags- und Berufsumfeld zu verzeichnen: Automaten zur Erledigung von Bankgeschäften oder zum Kauf von Fahrkarten, Handys, das Internet oder die Arbeit am PC bestimmen unser Leben.

Ältere Personen haben oft Schwierigkeiten im Umgang mit diesen neuen Technologien, ja sie meiden sie sogar soweit es möglich ist. Dies ist zumeist darauf zurückzuführen, das Senioren oft über eine geringe „computer literacy“ verfügen oder sich altersrollenkonform verhalten. Oft wird von älteren Menschen geäußert, dass sie sich zu alt fühlen, um interaktive Systeme zu bedienen oder ihre Konzepte zu verstehen. Haben sich Ältere dennoch überwunden mit der Technik zu interagieren, so passiert es nicht selten, dass sie Ihre Ziele nicht erreichen und aufgrund schlechter Erfahrungen aus den Interaktionen die Technik weiterhin meiden.

Dennoch sind ältere Menschen zunehmend auf Techniknutzung im alltäglichen Leben angewiesen, wie etwa bei der Benutzung von Bank- oder Fahrscheinautomaten. Immer mehr Filialen und Service-Center werden geschlossen, an ihre Stelle treten Online-Geschäfte oder Automaten. Ausweichmöglichkeiten oder Alternativen nehmen ab und eine unabhängige Lebensführung wird in diesen Bereichen schwieriger.

Dieser viel zitierte demographische und technologische Wandel in unserer Gesellschaft fordert eine kontinuierliche Anpassung der zukünftigen Arbeitswelt. Besonders die Gestaltung von Arbeitsmitteln auf Ebene der Mensch-Maschine-Interaktion sowie der Erwerb des benötigten Interaktionswissens ist dabei von entscheidender Bedeutung. Neben einer Betrachtung älterer Arbeitnehmer fokussieren unsere Forschungsbetrachtungen auch auf Senioren, die schon aus dem aktuellen Arbeitsleben ausgeschieden sind. Begründet wird dies dadurch, dass Rentner nach ihrem Ausscheiden aus dem Berufsalltag weiterhin erwerbstätig sind oder sich in gemeinnützigen Vereinen engagieren (Kern, Deller & Huch, 2006). Aufgrund des demografischen Wandels erläutert die Geneva Association in ihrem 4-Säulen-Modell (Kessler, 1988), dass neben der traditionellen Absicherungen (staatlich, betrieblich, privat) auch die Erwerbstätigkeit im Rentenalter die Altersversorgung bestimmten. Die weitläufig als „Silver Workers“ bezeichneten aktiven Rentner stellen somit auch einen Fokus unseres Forschungsprojektes dar. Deshalb sind Trainingsmaßnahmen und Arbeitsmittelgestaltung im Bereich der Techniknnutzung nicht nur auf die Zielgruppe bis 67 Jahre zu beschränken. Ein weiteres Anliegen des Projektes ist es, die zunehmende Technologisierung unseres Alltags zu berücksichtigen. So soll auch nicht erwerbstätigen Senioren, die in ihrer Freizeit oder im täglichen Leben technische Produkte nutzen möchten, die Chance geboten werden, über altersgerechte Lernumgebungen und entsprechende Produktgestaltung den Zugang zu interaktiven Systemen zu erhalten, so dass ihnen auch zukünftig eine unabhängige Lebensführung möglich ist.

Bei der Suche nach Altersunterschieden ist zu berücksichtigen, daß diese generell eher in Grenzbereichen der Leistungsfähigkeit (testing the limits) zu erwarten sind und die interindividuelle Variabilität im Alter stark zunimmt. Daß zudem auch die intraindividuelle Variabiltät zunimmt, konnte z.B. in der Studie „Dynamics“ gezeigt werden, in der Varianzkomponenten auf Tages-, Trial- und Item-Ebene untersucht wurden (Schmiedeck, 2007). Aus dem Umstand, daß auch die Plastizität im Alter größer war als erwartet, ergibt sich Chance & Risiko zugleich: Gelingt es, diese zu nutzen, können auch im hohen Lebensalter Alltagskompetenz und Autonomie erhalten bleiben, werden die Fähigkeiten jedoch nicht gebraucht, können sie bis zum Autonomieverlust verkümmern.

Lernen im hohen Alter ist sehr wohl möglich, wird aber von einer Reihe von Faktoren beeinflusst, die es bei der Erfassung der Lernleistung zu berücksichtigen gilt. Dazu zählen neben der individuellen Lernerfahrung und der Selbstwirksamkeit vor allem die individuellen Ziele und die Bedeutsamkeit des Lernmaterials, sowie der Einfluß adaptiver Prozesse wie Kalibrierung, Kompensation, Optimierung und Antizipation (Martin, 2006). Dies steht im Ein-klang mit der Ressourcenorientierung im SOK-Modell des erfolgreichen Alterns nach Baltes (1989), an der sich unser Projekt stark orientiert.

In der bisherigen Projektlaufzeit beschäftigten wir uns im Besonderen mit der Entwicklung von Lernunterstützung für Ältere. Es existieren bereits sehr anschauliche didaktische Konzepte, die die mit dem Alter einhergehenden kognitiven Veränderungen berücksichtigen (z.B. Paas, van Geveren & Tabbers, 2005; Fisk, Rogers, Charness, Czaja & Sharit, 2004). So kann festgestellt werden, dass Trainingsprogramme, im Besonderen für ältere Lernende, stets darauf achten sollten, die Lernenden vor allem im Bereich des Arbeitsgedächtnisses nicht zu überfordern. Daran anknüpfend greifen wir die Strategie der Komplexitätsreduktion auf, die bisher noch wenig altersspezifisch untersucht wurde. Dieses Instrukti-onsdesign beruht darauf, den Fokus auf wichtige Interaktionselemente zu lenken und Nebenschauplätze auszublenden, so dass der Lernende zunächst nicht von der gesamten Komplexität das interaktiven Systems überfordert wird. Aus Untersuchungen von Bruder, Blessing & Wandke (2007) geht hervor, dass dies auch für ältere Lernende im Umgang mit technischen Systemen erfolgreich angewendet werden kann.

Neben den diskutierten kognitiven Veränderung besteht ein Hauptproblem in der Nichtnutzung technischer Geräte durch ältere Menschen, die zum Teil auf der Übernahme altersrollekonformer Stereotype und einer eher negativen Einstellung gegenüber Technik beruht (Staufer, 1992). Ein weiterer, wesentlicher Prädiktor zur Nichtnutzung stellt die Computerangst dar (Czaja, Charness, Fisk, Hertzog, Nair, Rogers & Sharit, 2006). Besonders ältere Personen versuchen daher, Aufgaben in den verschiedenen Arbeits- und Lebensbereichen zu bewältigen, ohne auf interaktive Systeme zurückgreifen zu müssen. Daraus resultierend führen die hier dargestellten Faktoren zu einem Meidungsverhalten und damit zu einer sich selbst erfüllenden Prophezeiung der Unfähigkeit. Um diesem Selbstbild entgegenzuwirken, ist es nötig, ältere Menschen stress- und angstfrei an neue Technologien heranzuführen. Daher ist es unser Bestreben, auf Ebene der parasozialen Unterstützung dem Lernenden entgegen zu kommen und ihn begleitend motivational im Lernprozess zu unterstützen. Eine gute Ergänzung zum Konzept des Modellernens (Bandura, 1977, 1986) bietet hier die Social Agency Theory von Mayer (2005). Dieser Ansatz faßt die letzten Forschungsergebnisse zur sozialen Unterstützung in multimedialen Lernumgebungen zusammen. Er besagt, dass

•    bei personalisierten Instruktionen besser gelernt wird als bei formalisierten und

•    Personen besser lernen, wenn das Modell akzentfrei spricht und den Eindruck vermittelt, den Lernenden direkt anzusprechen. Dabei hat

•    die Präsentation eines Sprechers per Bild im Gegensatz zu den beiden ersten Methoden wenig Einfluß auf den Lernerfolg.

Im Kontrast zu der letzten Annahme, dass das Aufzeigen einer Person wenig Einfluß auf das Lernen hat, gehen wir davon aus, dass gerade bei dynamischen Instruktionsvideos zur Vermittlung prozeduralen Wissens auch die Darstellung des Modells sich positiv auf die Wissensgenerierung auswirkt.


Beobachtungen am Bahnhof

Um einen Einblick zu erhalten, welche Personen etwa den DB Fahrscheinautomaten nutzen und wie diese Interaktionen verlaufen, wurden Beobachtungen auf verschiedenen Bahnhöfen in Berlin durchgeführt. Erfasst wurden dabei verschiedene Aspekte, unter anderem das Alter der Nutzer (geschätzt) und Anzeichen von

    * Unsicherheit (am Kopf kratzen, mehrmalige Eingaben und Korrekturen, Orientierungslosigkeit etc.)

    * Nachdenken (am Kopf kratzen, mit dem Finger mitlesen, laut mitlesen etc.)

    * Ärger (Schimpfen, Kopfschütteln, Fluchen etc.).

Die Automatenbedienung wurde über die Zeit in eine Orientierungs-, Interaktions- und Zahlungsphase eingeteilt, Abbrüche und Neustarts wurden auch registriert. Die Beobachtungen ergaben, dass meist Jüngere die Automaten nutzen, nur 14 Personen über 50 Jahre versuchten ein Ticket am Automaten zu erwerben.Altersverteilung der Benutzer von Fahrkartenautomaten

 

Altersverteilung der Benutzer von Fahrkartenautomaten

 

Abbildung 3: Altersverteilung der Benutzer von Fahrkartenautomaten

 

Es wurde festgestellt, dass 38,3 % aller beobachteten Kunden die Interaktion mit dem Automaten abbrechen und 40 % den Vorgang mindestens einmal neu starten mussten. Dies zeigt, dass die Bedienung des Automaten nicht einfach und intuitiv ausgeführt werden konnte.

 

Aus der Analyse der Nutzungszeiten ging hervor, dass für die Interaktion mit dem System die meiste Zeit benötigt wurde. Durchschnittlich dauerte ein Fahrscheinkauf am Automaten etwa  4,5 Minuten.

 

Es war zu beobachten, dass junge und alte Menschen die Verkaufsschalter mit persönlichem Kontakt beim Fahrscheinkauf deutlich bevorzugen. Auf dem Berliner Bahnhof Zoo beispielsweise konnten lange Warteschlangen vor dem Service-Center beobachtet werden. Es wird vermutet, dass dies zum einen an der schwierigen Automatennutzung liegt, zum anderen an mangelndem Vertrauen in die Technik und auch in sich selbst, solch ein System nutzen zu können. Dabei scheuen gerade Ältere die Benutzung neuer Technologien. Es ist daher Ziel unseres Projektes, diese Nutzungsschwelle zu senken, Ängste vor der Technik abzubauen und Menschen für den Umgang mit Automaten zu schulen.


AP 1 Analyse und Entwicklung eines Modells des Automaten

Zunächst war es notwendig, einige formal beschreibende Analysen am Versuchsobjekt durchzuführen, um grundlegende Strukturen des Automaten zu ermitteln und ein vollständiges Modell zu generieren. Weitere Analysen gaben Aufschluß über kritische User Interface Komponenten und besonders schwierige Interaktionen und Navigationsstrukturen.

    In einem ersten Schritt wurde ein Zustandsübergangsnetzwerk (Buchner & Funke, 1992) zur formalen Ablaufbeschreibung angefertigt. Das Netzwerk wurde in HTML erstellt und enthält Screenshots aller Automatenoberflächen sowie die Zustandsübergänge des finiten Automaten, die über Links realisiert wurden ( ATN (zip)). Das Zustandsübergangsnetzwerk bildete eine Grundlage für die Programmierung der eigenen Simulation. Diese einfache, formale Beschreibung reichte jedoch nicht aus, um das Instruktionsdesign für die spätere Lernumgebung festzulegen. Es ist nötig, aufgabenorientiert zu erkennen, welche Bereiche des Automaten besonders hohen kognitiven Aufwand erfordern und Schwierigkeiten in der Interaktion aufgrund von mentaler Überlastung entstehen können. Daher wurde anschließend eine kognitive Aufgabenanalyse nach dem GOMS-Modell (vgl. Jonassen, Tessmer & Hannum, 1999) durchgeführt. Hierbei wurden alle Aufgaben am Automaten auf ihren kognitiven Aufwand hin bewertet, das heißt sie beinhalteten alle nötigen internalen und externale Operationen, die zum Fahrscheinkauf nötig waren ( Cognitive Task Analysis nach GOMS (pdf)). Je nach Aufwand wurde für jede Aufgabe ein Schwierigkeitsindex ermittelt. Diese Aufgabenanalyse bildete die Grundlage für die Erstellung des Trainingsprogramms auf der Makroebene (z.B. die Festlegung der Komplexitätsstufen) und die konkreten Instruktionsmaterialien auf der Mikroebene (Definition und Aufteilung der Videoinhalte).

    Eine kognitive Aufgabenanalyse kann jedoch keine Hinweise auf Nutzungsbarrieren und potenziell kritische Interaktionsabläufe liefern. Daher wurde zusätzlich das Expertenverfahren des Cognitive Walkthrough (Lewis & Wharton 1997) angewendet. Ein wesentlicher Vorteil der Nutzung dieser aufgabenorientierten Usability-Inspektionsmethode besteht darin, dass sie schon auf andere Fahrscheinautomaten angewendet worden ist (Blandford & Connell 2004) und mit anderen Methoden verglichen wurde (Connell, Blanford, & Green, 2004).

Aus der Perspektive älterer Benutzer wurden einige besonders typische sowie besonders schwierige Aufgaben kognitiv "durchlaufen" und auf mögliche Interaktionsbarrieren geprüft. Hierbei wurden Interaktionssequenzen identifiziert, die den Senioren die erfolgreiche Benutzung des Automaten erschweren oder gar nicht erst zuließen. Diese schwierigen Interaktionsbausteine werden in einer Variation als Fehleranzeige in die Instruktionsvideos integriert.


Ergebnisse: Die entwickelten Modelle zum Versuchsobjekt Fahrscheinautomat lieferten essenzielle Grundlage sowohl für die Planung der Simulation, der Instruktionsvideos und die beide Teile verknüpfende Lernumgebung. Zudem konnten aus der Aufgabenanalyse die Adaptivitätsstufen für die Training Wheels der Lernumgebung abgeleitet werden. Der Cognitive Walkthrough ergab weiterhin typische Fehlerquellen, die für die Erstellung der Instruktionsvideos mit Fehleranzeige die Grundlage bilden.


AP2 empirische Untersuchungen an realen Automaten

Für die Erstellung der Lernumgebung beziehen wir uns auf den System Approach nach Rogers, Campbell & Pak (2001). Nach diesem Ansatz ist es wichtig, sowohl Eigenschaften und Besonderheiten des Automaten zu analysieren, um aus ihnen zu vermittelndes Wissen und  benötigte Fähigkeiten abzuleiten, als auch Eigenschaften der Zielgruppe zu berücksichtigen. Nur so können die Anforderungen, die der Automat voraussetzt und die Ressourcen der Person in die Entwicklung der Lernumgebung einfließen. Eine Expertenanalyse sollte folglich mit Nutzungsdaten am realen Automaten kombiniert werden.

    Hierzu haben wir neben einer ausführlichen Literaturrecherche drei Untersuchungen durchgeführt. Zwei dieser Untersuchungen fanden am Fahrscheinautomaten der Deutschen Bahn AG (DB AG) statt, um nicht nur das Verhalten an einem spezifischen Automatentyp zu analysieren. In Anlehnung an Bochat, Eddiks & Steinbach (2000) wurde in einer ersten, freien Beobachtung auf drei großen Berliner Bahnhöfen ermittelt, welche konkreten Schwierigkeiten und Probleme besonders bei älteren Fahrgästen im Umgang mit Fahrscheinautomaten existieren. Hierzu wurde die Flexible Interface Technik (FIT) verwendet (Held, Brüsch, Krüger& Pasch, 1999). Die Beobachtung wurde verdeckt durchgeführt und beschränkte sich nicht nur allgemein auf Problemsituationen, wie Abbrüche und Neustarts, sondern ermittelte zusätzlich Stressindikatoren während der Interaktion, wie Ärger, Unsicherheit und Nachdenken. Es konnte festgestellt werden, dass lediglich 10% der Benutzer über einem geschätzten Alter von 60 Jahren lagen und trotz langer Schlangen vor den Schaltern viele Automaten unbenutzt blieben. Auch waren häufig Abbrüche, Neustarts und Stressindikatoren zu beobachten.

    In einem zweiten Schritt wurde der Fahrscheinautomat der Deutschen Bahn AG mittels des Cognitive Walkthrough (CW) analysiert, um Usability-Probleme vorherzusagen und Aufgaben für einen folgenden Nutzertest zu konstruieren. Der Nutzertest fand nicht im Bahnhof, sondern im Labor statt, weil wir nur dort Logfiles zur Automatennutzung aufzeichnen konnten. Auch dauerten die Versuche 1-2 Stunden, weshalb sich vor allem für Ältere eine Bearbeitung in bequemer Sitzhaltung empfahl. Im Ergebnis weisen freie Beobachtung, CW und Nutzertest in die gleiche Richtung: Der Fahrscheinautomat der DB AG bleibt hinter den Erwartungen an ein nutzerfeundliches Walk-up-and-use-System zurück. Jüngere (18-42 Jahre) und ältere (60-75 Jahre) Nutzer hatten ähnliche Probleme mit dem Fahrscheinautomat, allerdings wirkte sich schlechte User Interface Gestaltung bei Älteren schwerwiegender aus. Sie scheinen über weniger „Kompensationsmöglichkeiten“ zu verfügen, wobei sich vor allem Vorerfahrung mit anderen interaktiven Systemen (meist Computern) als protektiver Faktor erweisen könnte. Ein ausführlicher Bericht liegt als Manuskript unter dem Titel: „Usability issues with ticket vending machines for younger and older adults“ vor.

    In methodischer Hinsicht war die Vorhersagegüte des CW von großem Interesse, da er auch im Verlauf des Gestaltungsprozesses der adaptiven Lernumgebung zum Einsatz kommen sollte. Hier zeigte sich, dass viele der im CW gefundenen Usability-Probleme auch im Usertest zu Tage traten. Die mittlere Korrelation zwischen im CW entdeckten Problemen und der Anzahl der Nichtlöser im Usertest (r=.591 für Anzahl der Probleme bzw. r=.779 für die schwierigkeitsgewichtete Anzahl der Probleme, p=.001, N=33) bewog uns schließlich, diesen auch für die Analyse des BVG-Automaten einzusetzen.    Zur weiteren Qualifizierung der Beobachtungsdaten wurde in einer Vorstudie ein Nutzertest am realen Fahrscheinautomaten der BVG an einer Stichprobe von 10 Personen im Alter von 50 bis 73 Jahren durchgeführt. In diesem partizipativ angelegten Ansatz sollte überprüft werden, ob die aus den Expertenanalysen hervorgegangenen typischen und schwierigen Aufgaben auch von den Nutzern in dieser Weise erlebt wurden und insbesondere, ob der Fahrscheinautomat viel Vorwissen in Form von Computer Literacy voraussetzt. Zu diesem Zweck wurden u.a. Kettenaufgaben zum Fahrkartenkauf mit variierender Schwierigkeit verwendet, um Interaktionswege vorzugeben. Dabei zeigte sich, dass die Bedeutung zentraler Interaktions-Elemente des Fahrscheinautomat nicht erkannt wurde (z.B. Buttonsymbole und –farben (z.B. Ausgrauen) und auch verwendete Interaktionskonzepte wie der „Warenkorb“ unbekannt waren.

    Die Beobachtung, dass die meisten Fahrscheinautomaten trotz überfüllter Schalter unbenutzt blieben, gab Anlaß zu einer weiteren Untersuchung (Cuno & Heise, 2006). 66 Besucher der „Langen Nacht der Wissenschaften“ zwischen 14 und 65 Jahren wurden vor die Wahl zwischen soziale Interaktion (mit 0/5/10 Minuten Wartezeit) und Computer-Interaktion (ohne Wartezeit) gestellt. Es zeigte sich in einer Regressionsanalyse, dass unter den vier Prädiktoren Alter, Geschlecht, Bildungsniveau und Wartezeit lediglich der Zeitfaktor einen signifikanten Einfluss auf die Zielvariable „Entscheidung für den Computer“ hatte und dies auch nur bei einer Wartezeitverkürzung von 5 vs. 0 Minuten (p=.01, f2=24.9). Allerdings handelte es sich bei dem Entscheidungsobjekt nicht um einen Fahrscheinautomat, sondern um ein Experiment zu Wahrnehmungstäuschungen am Computer.

Ergebnisse: Es kann festgestellt werden, dass vor allem Ältere den Fahrscheinautomaten meiden und Jüngere und Ältere bei der Benutzung die gleichen Probleme haben, wobei sich schlechte User-Interface-Gestaltung bei Älteren schwerwiegender auswirkt, nicht zuletzt, weil sie die Bedeutung einiger zentraler Interaktionselemente nicht erkennen. Dies unterstreicht zum einen den potentiellen Nutzen einer Lernumgebung für Fahrscheinautomaten und gibt zum anderen bereits Hinweise für deren Gestaltung. So sollte neben dem prozeduralen Interaktionswissen auch domänenspezifisches Tarifwissen sowie verwendete Wortmarken auf Interaktionstasten vermittelt werden.


AP3 Entwicklung der Automatensimulation und Lernumgebung

Aus der Analyse des Automaten, den Beobachtungsdaten zur Zielgruppe sowie einer Literaturrecherche im Bereich Instruktionsdesign für ältere Menschen (z.B. Paas et al., 2005; Fisk et al., 2004), wurde ein umfassendes Konzept für die Lernumgebung angefertigt. Die Erstellung einer eigenen Automatensimulation ist obligatorisch, da zum einen Veränderungen an der Automatenstruktur vorgenommen und zum anderen Logfiles generiert werden müssen. Auf Grundlage des Zustandsübergangsnetzwerkes und einer vom Automatenhersteller zur Verfügung gestellten Simulation wurde zunächst eine Anforderungsanalyse durchgeführt. Dabei ergab sich, dass der Automat sehr komplex aufgebaut ist, so dass eine vollständige Wissensvermittlung mit Hilfe der Lernumgebung eine Lernzeit von mindestens fünf Stunden ergeben hätte. Da dies den Rahmen unserer Untersuchungen gesprengt hätte, entschlossen wir uns, diejenigen Funktionen, die am wenigsten genutzt werden, aus der Simulation zu entfernen. Die jetzige Automatensimulation gleicht jedoch noch immer im Funktionsumfang zu 80% dem Original. Zusätzliche Eigenschaften für das geplante Versuchsdesign, wie Logfiles oder Eingriffe durch den Versuchsleiter wurden definiert. Zudem sollte es auf einfache Art und Weise möglich sein, Veränderungen an der Oberfläche und Struktur des Automaten vorzunehmen, so dass nicht für jede Versuchsreihe eine neue Simulation erstellt werden muß. Nach einer Art Baukastenschema ist es nun möglich, durch einfaches Austauschen von Objekten und Methoden jeden beliebigen Automaten mit der entwickelten Automaten-Grundstruktur abzubilden.

Alle Anforderungen wurden abschließend spezifiziert, ein objektorientierter Systementwurf abgeleitet und mit Hilfe von UML (Unified Modeling Language) dargestellt (Booch, Rumbaugh & Jacobson, 1999). Anschließend wurde der Versuchs-Automat mit der Programmierumgebung Squeak (Guzdial & Rose, 2001) entwickelt, implementiert und getestet. Die vorliegende Simulation kann, so wie sie gegenwärtig existiert, für erste Studien verwendet werden.

Nach der Fertigstellung des ersten Prototypen des Versuchsautomaten wurden für die Entwicklung der Lernumgebung zunächst die Rahmenbedingungen, wie Zielgruppe, allgemeine Inhalte, Hilfsmittel, Lernzielkontrolle und Begleitmaßnahmen sowie technische Rahmenbedingungen festgelegt. Ausgangspunkt war, dass die Lernumgebung einerseits Instruktionsvideos für die Wissensvermittlung und andererseits die Automaten-Simulation zu Wissensaneigung und -überprüfung enthalten sollte. Nach weiterführender Analyse (vgl. Kerres, 1999) sollte der Interaktionsraum über sequenzielle Lernwege verfügen, in dem die Lernenden Schritt für Schritt das Wissen vermittelt bekommen. So kann eine kognitive Überlastung verhindert (Sweller, van Merrienboer & Paas, 1998) und kleine, in sich geschlossene Lerneinheiten gebildet werden. Unter Einbezug der durchgeführten Aufgabenanalyse und des Cognitive Walkthrough wurden nun Lektionen entsprechend der Komplexitätsstufen zur Adaptivität festgelegt. Insgesamt ergaben sich 7 Lektionen, die aus einem Lernteil und einem Trainingsteil bestehen. Innerhalb der Lernphase werden mehrere Aufgaben von einem Videomodell vorgeführt, die anschließend vom Lernenden an der Automatensimulation eigenständig nachvollzogen werden sollen. Dadurch ist gewährleistet, dass die aufgezeigten Handlungsmuster in das eigene Repertoire übernommen werden. Am Ende einer jeden Lektion sind Trainingsaufgaben zu lösen, an denen das Wissen überprüft wird.

Ergebnisse: Für die Entwicklung der Simulation und der Lernsoftware mit dem Programmiertool Squeak wurde eine umfassendes Modell mit Hilfe von UML entwickelt, welches sowohl Versuchsbedingungen, Automateneigenschaften und genaue Abläufe in der Lernumgebung definiert. Zudem liegt ein ausführliches Konzept zur Entwicklung der Lernumgebung vor, in der Inhalte, Oberflächengestaltung und Navigation festgelegt wurde. Die Simulation ist für einzelne Experimente auch ohne Lernumgebung einsetzbar, beispielsweise zur Messung der Computer Literacy.


AP4 Entwicklung von Videoinstruktionen

Die Erstellung von Instruktionsvideos ist nicht trivial und bedarf einer intensiven Vorbereitung, um qualitativ hochwertiges Versuchsmaterial zu generieren. Daher wurde zunächst eine umfassende Dokumentation zur Qualitätssicherung von digitalen Instruktionsvideos erstellt, bevor die einzelnen Videobausteine für die Lernumgebung geplant werden konnten. Diese Dokumentation enthält neben der Auseinandersetzung mit Aspekten von Video als Lehr- und Lernmittel (vgl. Cennamo, 1995, & Schwan, 2005) eine detaillierte Übersicht zu Planung und Vorbereitung von Videoproduktionen, ästhetische Aspekte der Bildkomposition, das Vorgehen bei der Videoproduktion, Beschreibungen zum Schneiden und Komprimieren der aufgenommenen Videos, Videodistribution und –evaluation (in Anlehnung an Iuppa, 1998, Aldridge & Liggett, 1990, Hansen, 2003 & Beaudin, 1996).

Für die Untersuchungen der einzelnen Aspekte des Modelllernens sind verschiedene Instruktionsvariationen geplant, die sich auf kognitive und motivationale Aspekte beziehen. Um die entstehende Varianz im Video selbst so gering wie möglich zu halten, ist es nötig, Umgebungsvariablen (z.B. Licht oder Hintergrundgeräusche), Kamerapositionen (z.B. Kamerawinkel & Zoom), sowie das Auftreten des verwendeten Modells (z.B. Frisur und Kleidung des Schauspielers) konstant zu halten. Bevor mit den Aufnahmen begonnen werden kann, ist es daher zwingend notwendig, für alle Versuche und instruktionalen Veränderungen Drehbücher und Storyboards zu entwickeIn. Die Drehbücher beinhalten die Struktur der Lernabfolge, die Position des Modells im Video sowie die Audiotexte. Dabei wurde darauf geachtet, dass die Videos nicht länger als eine Minute dauern, um den Lernenden nicht zu überfordern und um die Aufmerksamkeit aufrecht zu erhalten (Locatis, 1990). Auch hier wurde stringent auf eine Anwendung der Kompensationsstrategie auf die Videoinstruktionen geachtet. Da die Lernumgebung jedoch noch nicht vollständig programmiert ist, wurde für die im April geplanten Videoaufnahmen einfache Automatensimulationen parallel zur Entwicklung in Squeak mit Hilfe von Photoshop und Powerpoint generiert. Die Aufnahmen werden mit einem männlichen und einem weiblichen Modell durchgeführt. Aus einer vorhergehenden Studie (Gramß, 2006) ergab sich, dass auch die Professionalität und wahrgenommene Kompetenz des Modells Einfluß auf den Lernprozess hat. Daher waren wir bemüht, zumindest semi-professionelle Schauspieler aus Senioren-Theatergruppen für unser Projekt anzuwerben. Für die geplanten Aufnahmen erklärten sich freundlicherweise zwei Senioren aus einer Berliner Theatergruppe bereit. Gleichzeitig arbeiten sich die Schauspieler in die Drehbücher ein und lernen selbst die Simulation des Fahrscheinautomaten zu bedienen. Alle Aufnahmen werden an einem Standard-PC mit einem 19 Zoll Bildschirm durchgeführt, der einen Touchscreen-Aufsatz besitzt.

Nach den Aufnahmen müssen die Videobausteine geschnitten, komprimiert und in die Lernumgebung integriert werden. Auch wenn die Produktion der Instruktionsvideos sehr viel Vorbereitung bedurfte, so kann nun festgestellt werden, dass das Versuchsmaterial für die folgenden 4 Studien vorliegt und für das Experimentieren lediglich die Videobausteine innerhalb der Lernumgebung ausgetauscht werden müssen. Somit können die einzelnen Studien schnell und effizient innerhalb der nächsten zwei Jahre durchgeführt und ausgewertet werden. Die erste parallel angelegte Versuchsreihe ist für Juni/Juli 2007 geplant.

Ergebnisse: Aus diesem Arbeitspaket resultierte ein umfassendes Dokument zur Qualitätssicherung bei der Erstellung von Instruktionsvideos. Zudem sind alle Drehbücher und Storyboards für die geplanten Untersuchungen fertiggestellt. Beispielhaft ist ein Drehbuchteil  hier einsehbar.


AP5 Modelllernen

Experiment: Sozial kognitive Lerntheorie und Social Cues: Haben parasoziale Modelle wirklich Einfluß auf den Lernerfolg?

Aus unseren bereits duchgeführten Untersuchungen und anderen Forschungsberichten (z.B. Marcellini, Mollenkopf, Spazzafumo, & Ruoppila, 2000) ist bekannt, dass besonders ältere Personen sich scheuen, technische Systeme im Alltag zu nutzen. Eine Idee zur Senkung dieser Nutzungschwelle besteht darin, Nutzer parasozial beim Erlernen der Bedienung interaktiver Systeme zu unterstützen. Die Idee dabei ist, dass eine reale ältere Person im höheren Lebensalter in einem Video auftritt, die den Lernenden zeigt und erläutert, wie man das simulierte Gerät benutzt. Die theoretische Basis bildet zunächst die sozial kognitive Lerntheorie von Bandura (1977, 1986). Im Sinne von Bandura (1986) besteht die Annahme, dass ältere Lernende sich eher mit Personen gleichen Alters identifizieren und besser von ihnen lernen. Daher soll überprüft werden, ob ein Modelllernen von gleichaltrigen, realen Personen für ältere Nutzer interaktiver Systme als Instruktionsstrategie geeignet ist. In einer ersten Studie (Gramß & Struve, 2007) wurde hierzu geprüft, ob ältere Personen besser von Gleichaltrigen lernen oder eher von jüngeren Modellen. Hier konnte jedoch kein signifikanter Unterschied zwischen den Versuchsgruppen junges vs. älteres Modell nachgewiesen werden, d.h. ältere Personen können genauso gut von einem älteren Lehrer lernen, wie von einem Jüngeren.

Als zweiten theoretischen Ansatz beziehen wir uns auf die Social Agency Theory von Mayer (2005). Hier wird davon ausgegangen, dass Lernende eine Lernsituation nicht als reine Informationsübermittlung, sondern als soziale Kommunikation verstehen, wodurch soziale Konversationsschemata wie das Kooperationsprinzip (Grice, 1975) aktiviert werden. Somit führen soziale Hinweisreize zu einer höheren Motivation und gesteigerten Anstrengung auf Seiten der Lernenden. Neben der sozialen Komponente spielen auch kognitive Aspekte des Alterns eine Rolle. So ist aus der Instruktionspsychologie für ältere Menschen bekannt, dass sich audio-visuelle Medien besser für die Wissensvermittlung eignen als Texte (Paas et al., 2005), da Inhalte über das „dual encoding" (Mayer, 2001) weniger Arbeitsspeicher benötigen. Auch eine eigene Untersuchung (Gramß & Struve), die neben dem Modellalter auch Video mit Textinstruktionen verglich ergab, dass Videoinstruktionen signifikant zu besseren Lernergebnissen führten. Bruder et al. (2007) konnten jedoch in ihrer Studie keinen signifikanten Unterschied zwischen einer vertonten Animation und einer Texthilfe finden. Daher ist es uns wichtig, auch den Aspekt des Mediums in der Untersuchung zu berücksichtigen.


AP6 Lernen aus Fehlern

Sozial kognitive Lerntheorie und Lernen aus Fehlern: Erhöht das Aufzeigen typischer Interaktionsfehler die Problemlösestrategie?

Für dieses Experiment wurde die gleiche theoretische Basis zu Grunde gelegt, wie für das Experiment zum sozialen Einfluß beim Lernen an Modellen. Im Mittelpunkt steht dabei jedoch, dass über die Videoinstruktionen nicht nur soziale Hinweisreize gegeben werden, sondern zusätzlich Fehlverhalten sowie der dazugehörige Problemlöseprozess innerhalb der Interaktionen vermittelt werden sollen. Beim Erlernen neuer Fertigkeiten treten viele Fehler auf, dennoch existiert relativ wenig Literatur zur Funktion von Fehlern beim Kompetenz- bzw. Wissenserwerb. In der Praxis werden Fehler häufig als störend betrachtet und daher vermieden. Positiv wird jedoch in der Literatur das Konzept des „Guided error training“ (Ivancic & Hesketh, 1995, 2000) beschrieben, bei dem Lernende ein fehlerhaftes Modell auf Video beobachten. Im Gegensatz zum aktiven Fehlermachen werden bei der Beobachtung systematisch Fehler vorgeführt und behoben. Es besteht die Annahme (Schank, 1982, zitiert nach Ivancic & Hesketh, 2000), dass die aufgezeigten Fehler gemeinsam mit ihren Ursachen im Gedächtnis gespeichert werden, so dass ihr Abruf erleichtert wird. Dies dient nicht nur der Vermeidung vorheriger Fehler (Read & Cesa, 1991; Johnson & Seifert, 1992), sondern versetzt die Lernenden in die Lage, Lösungen für ähnliche Probleme schnell abzurufen (vgl. Gick & McGarry, 1992). Unabhängig davon, wie Fehler in den Lernprozess integriert werden, stellen diese Abweichungen vom Zielzustand ein negatives Feedback dar, das an den Lernenden zurückgemeldet wird. Frese & Zapf (1994) gehen sogar davon aus, dass Fehler eine Voraussetzung für das Lernen darstellen, sie vertiefen die Elaboration Mentaler Modelle, indem sie das Verhalten unterbrechen und auf Unstimmigkeiten hinweisen. Bei der beobachtenden Form der Fehlerkonfrontation können Lernende von diesem informativen Feedback provitieren, ohne durch eigene Fehlerfahrungen demotiviert zu werden. Auch Schunk (1981, zitiert nach Mietzel, 2001) stellte fest, dass es bei Selbstverbalisierungen des Lehrenden während der Problembearbeitung hilfreich sein kann, fehlerhafte Lösungswege einzubauen, um vorzuführen, wie man solche entdeckt und wie man konstruktiv auf sie reagieren kann. Ebenso führen Van Gog, Paas & Van Merrienboer (2004) in ihrer Diskussion zur Wissensvermittlung an, dass Lernen aus Fehlern sinnvoll sein kann, da neue Pfade im Problemraum exploriert werden, die nicht direkt zur Problemlösung beitragen. Durch Beobachtung Anderer beim Fehlermachen und der anschließenden Fehlerkorrektur kann der Lernprozess unterstützt werden. Erste Belege hierfür fanden Ivancic & Hesketh (2000). In ihrer Studie zum Lernen aus Fehlern am Fahrsimulator konnten sie eine schwache Überlegenheit des „Guided error trainings“ gegenüber der Errorless Lerngruppe für analoge Transferaufgaben nachweisen. Basierend auf diesen Ergebnissen wird im Forschungsvorhaben das „Guided error training“ als Ansatz gewählt, um zu untersuchen, ob es einen positiven Einfluß auf den Lernprozess ausübt. Hierzu werden zwei Versuchsgruppen, d.h. ein Videomodell mit vs. ohne Fehleranzeige, gegenübergestellt.


AP7 Training Wheel und Adaptivitätsstufen

Anwendung des Training Wheel Konzepts und die theoretische Festlegung von Adaptivitätsstufen

In dieser Untersuchung geht es um die Selektion aus dem SOK-Ansatz der kognitiven Altersforschung. Allerdings erfolgt die Selektion hier nicht durch die Person (im Sinne einer Strategie), sondern präventiv durch die Technik. Ein wesentliches Merkmal der entwickelten Lernumgebung ist ihre adaptive Systemgestaltung. Diese erlaubt es, den Fahrscheinautomaten in seiner Funktionalität und in der Flexibilität der Interaktion vollständig zu reduzieren, um ihn dann schrittweise und in Abhängigkeit vom jeweiligen Wissensstand des Lernenden um Funktionen und Interaktionsmöglichkeiten zu erweitern. Als theoretische Grundlagen dieser Gestaltung beziehen wir uns vor allem auf die von Carroll (1990) entwickelte Instruktionsmethodik der „Training Wheels“. Die Idee hierbei ist, Novizen nicht mit einem komplexen neuen System zu konfrontieren, sondern in abgerüsteten Umgebungen ihre Aufmerksamkeit auf aufgabenrelevante Elemente zu fokussieren. Die Cognitive Load Theory (CLT; Sweller, 1999; Sweller et al., 1998) betont in diesem Zusammenhang die Rolle des begrenzten Arbeitsgedächtnisses. Der CLT zufolge sind jene Instruktionen effizient, die den Extraneous Cognitive Load (ECL), der durch das  Instruktionsdesign selbst hervorgerufen wird, reduzieren und den Germane Cognitive Load (GCL) erhöhen, der ebenfalls durch das Design entsteht, im Gegensatz zum Extraneous Load jedoch das aktive Lernen und somit die Schemata-Bildung fördert (Paas, Renkl, & Sweller, 2003; Sweller et al., 1999). Im Sinne der CLT (Sweller, 1999) wird somit gewährleistet, dass Versuchspersonen nicht kognitiv überfordert werden, da Distraktoren und für die entsprechende Aufgabe unwichtige Informationen ausgeblendet werden und Arbeitsgedächtnisressourcen auf das zu lernende Material fokussiert werden. Da wir davon ausgehen, dass die meisten Probanden keine oder nur wenige Erfahrungen mit dem Fahrscheinautomat gesammelt haben, wird zunächst ein maximal vereinfachter Automat präsentiert. Falls der Lernende wider Erwarten bereits über das zu vermittelnde Wissen einer Lektion verfügt, kann er die Instruktionen überspringen und direkt Trainingsaufgaben der nächsten Adaptivitätsstufe absolvieren. Die Lösungen von Trainingsaufgaben dienen als Indikator, ob eine Versuchsperson die nächste Komplexitätsstufe erreicht hat, auf der der Automat in seiner Funktionalität und Interaktionsmöglichkeit erweitert wird. Insgesamt haben wir sieben Anpassungsstufen für die Lernumgebung entwickelt. Sie spiegeln im Prinzip die sieben Lektionen wider, in die der Lernstoff eingeteilt wurde. Als Grundlage hierfür diente die kognitive Aufgabenanalyse nach GOMS (<link> siehe 2.2.1).

Ergebnisse: Aus der kognitiven Aufgabenanalyse zum Fahrscheinautomat ergaben sich für jede Aufgabe, die mit dem interaktiven System ausgeführt werden kann, Schwierigkeitsstufen, die mit einem selbst entwickelten Index versehen und auf sieben Komplexitätsstufen aufgeteilt wurden. Das Konzept basiert auf dem kognitiven Aufwand einzelner Aufgaben sowie auf dem strukturellen Aufbau des Fahrscheinautomaten. Somit ist für alle Stufen definiert, welche Funktionen zunächst ausgeblendet und erst mit zunehmender Komplexität zusätzlich verfügbar werden.


AP8 Minimierung der erforderlichen Computer Literacy

In dieser Untersuchung geht es um die Kompensation aus dem SOK-Ansatz der kognitiven Altersforschung. Es geht dabei nicht um die Gestaltung des Lernprozesses des Benutzers, sondern um die Gestaltung des User Interfaces. Während die Lernumgebung das Ziel hat, dem Benutzer notwendiges Interaktionswissen zu vermitteln, geht es hier darum, das User Interface so zu gestalten, daß auf seiten des Benutzers möglichst wenig Interaktionswissen notwendig ist. Dabei konzentrieren wir uns auf einen Bestandteil dieses Interaktionswissens, der auch als "Computer Literacy" (CL) bezeichnet wird. Da es unser Ziel ist, den Erwerb von Interaktionswissen am Beispiel des Fahrscheinautomat weitgehend überflüssig machen, ist dieses Arbeitspaket in zwei Stufen gegliedert. Zuerst gilt es zu erfassen, in welchem Umfang die Benutzung des vorhandenen BVG Fahrscheinautomaten Computer Literacy erfordert. In einer zweiten Stufe wird der Fahrscheinautomaten so umgestaltet, daß seine Benutzung möglichst wenig CL erfordert. Dazu wurde zunächst ein Fragebogen zur Erfassung der CL entwickelt. Dieser Schritt ist <link> unter 2.2.9 ausführlich beschrieben.

Nachdem eine Vorstudie mit 10 Versuchspersonen gezeigt hat, daß die Versuchspersonen mit den CL-Erfordernissen des Fahrscheinautomaten mehr Schwierigkeiten hatten als erwartet, sollen die Versuchspersonen nach einer Explorationsphase gezielt zur erforderlichen CL des Fahrscheinautomaten befragt werden und anschließend eine Reihe von Aufgaben mit steigender Schwierigkeit an der Simulation des Original BVG-Fahrscheinautomaten lösen.

Da wir vermuten, daß der Original Fahrscheinautomat hohe CL-Anforderungen stellt, gilt es in der zweiten Stufe des Arbeitspakets, die Höhe der CL-Anforderung des Fahrscheinautomat zu minimieren. Eine solche Minimierung soll durch eine Gestaltung mit maximalem Bezug zur vertrauten Umwelt erreicht werden, so dass idealerweise das Sachwissen ausreicht, um den Fahrscheinautomat zu benutzen.

Ansatzpunkte hierfür sind das Eliminieren von Symbolen und Begriffen, die der Zielgruppe Älterer unbekannt sind, die Anwendung konsistenter Interaktionsschemata sowie das Einführen analoger Merkmale von Bildschirminformationen, die zum Explorieren anregen und die Bildung eines adäquaten Mentalen Modells unterstützen. Solche analogen Merkmale sind bspw. fließende Übergänge zwischen Bildschirminhalten, die Orientierung und Kausalattribution erleichtern. Um den bedeutenden Einfluß von (nicht vorhandenem) Tarifwissen zu kontrollieren, wird das notwendige Sachwissen vermittelt bzw. gesondert getestet.

Zur Vervollständigung des Versuchsplanes werden im September 2007 wiederum ältere und jüngere Versuchspersonen wie in der ersten Stufe die gleichen Aufgaben mit steigender Schwierigkeit an dem entsprechend modifizierten Fahrscheinautomat lösen. Dabei sollten Ältere mehr als Jüngere vom CL-reduzierten Design profitieren und fast deren Leistung erreichen.

Ergebnisse: Wir erwarten Aussagen darüber, ob der BVG-Automat hohe Anforderungen an die CL seiner Benutzer stellt und ob der selbst entwickelte Test zur Erfassung der CL (CLS) geeignet ist, diese Anforderungen zu erfassen. Darüberhinaus kann der erstellte, in seiner CL-Anforderung reduzierte Automat im Arbeitspaket 7 <link> verwendet werden.


AP9 Mentales Modell

Optimierung - Experimentelle Prüfung der Wirkung eines explizit vermittelten Mentalen Modells

In diesem Arbeitspaket soll auf der Basis des Selektions-Optimierungs-Kompensations-Ansatzes der kognitiven Altersforschung ein Experiment durchgeführt werden, welches prüft, wie das Konzept der Optimierung im Kontext der Automatenbedienung umgesetzt werden kann. Ausgangspunkt ist der Befund, dass ältere Benutzer oft versuchen, sich die Reihenfolge von Bedienschritten einzuprägen (Fukuda, 2004). Diese Lernstrategie ist einerseits sehr aufwändig, insbesondere wenn längere Bediensequenzen zu behalten sind. Sie ist zudem sehr fehleranfällig, da Bediensequenzen hochgradig miteinander interferieren und es so leicht zu Verwechslungen kommt. Die Umsetzung des Optimierungsgedankens besteht hier darin, die Gedächtnisbeanspruchung deutlich zu reduzieren, indem die Versuchspersonen der Experimentalgruppe eine zustands- und strukturorientierte Beschreibung des Automaten vermittelt bekommen. Demgegenüber erhält die Kontrollgruppe eine rein prozessuale Beschreibung. Abbildung 1 stellt beispielhaft verkürzt (nicht tatsächliches Versuchsmaterial) eine strukturorientierte Beschreibung des Fahrkartenautomaten der BVG dar.

strukturorientierte Darstellung des BVG-FKA

Abbildung 1: strukturorientierte Beschreibung des Fahrkartenautomaten der BVG (vereinfacht)

Dazu könnte eine auszugshafte bediensequenz-orientierte Darstellung lauten:

•    Um einen Fahrschein für Berlin AB zu kaufen, müssen Sie zunächst den Bildschirm berühren, dann auf Einzelfahrschein AB drücken und schließlich Geld einwerfen.

•    Um einen Fahrschein für Berlin AB ermäßigt zu kaufen, müssen Sie zunächst den Bildschirm berühren, dann auf Einzelfahrschein AB drücken, dann Ermäßigungstarif wählen  und schließlich Geld einwerfen.

•    Um eine Tageskarte für Berlin ABC zu kaufen, müssen Sie zunächst den Bildschirm berühren, dann auf Tageskarte ABC drücken und schließlich Geld einwerfen.

•    Um eine Tageskarte für Berlin AB ermäßigt zu kaufen, müssen Sie zunächst den Bildschirm berühren, dann auf Tageskarte AB drücken, dann Ermäßigungstarif wäh-len  und schließlich Geld einwerfen.

•    Etc.

Wichtig ist, dass die Struktur gut auf der Systemoberfläche visualisiert wird, so dass die Bil-dung eines Mentalen Modells mit geringem kognitiven Aufwand erfolgen kann. Die Grundlage für die Visualisierung kann aus der Modellierung des Automaten <link> (2.2.1) abgeleitet werden. Es wird angenommen, dass die strukturorientierte Präsentation des Automaten zu besseren Lern- und Bedienleistungen führt als die bediensequenz-orientierte. Auch dieses Experiment soll mit einer zweiten Experimentalgruppe, bestehend aus jüngeren Versuchspersonen, wiederholt werden.

Im Ergebnis wollen wir die Frage beantworten, ob sich durch eine strukturorientierte Vermittlung von Interaktionswissen die Lernleistung für ältere und jüngere Menschen verbessern läßt und dieses Wissen direkt in die Gestaltung einer effizienten Lernumgebung einfließen lassen.


AP10 Kompensation

In diesem Arbeitspaket wird die Kompensation aus dem Selektions-Optimierungs-Kompensations-Ansatz der kognitiven Altersforschung untersucht. Anstelle des Einsatzes einer Lernumgebung ist eine Veränderung des Automaten selbst vorgesehen: Es geht nicht mehr darum, wie sich ältere Personen möglichst gut an die Bedienerfordernisse eines Automaten anpassen können, sondern wie man einen Automaten gestalten sollte, damit er auch gut an die Bedürfnisse und Leistungsvoraussetzungen älterer Personen angepasst ist. Kompensation wird als ein Bestandteil der SOK-Strategie zur Bewältigung von Anforderungen auf sehr unterschiedliche Weise operationalisiert. Im Kontext des vorliegenden Antrags soll unter Kompensation die Erhöhung des zeitlichen Aufwands bei gleichzeitiger Absenkung des kognitiven Aufwands verstanden werden.

    Im Ergebnis dieses Arbeitspaketes soll experimentell gezeigt werden, dass durch eine User Interface Gestaltung für den FKA, die den Benutzer kognitiv entlastet, auch älteren Benutzern ohne vorheriges Training eine erfolgreiche Benutzung des FKA möglich ist. Um dies zu erreichen, wird Effektivität gegen Aufwand (Interaktionszeit und –schritte) eingetauscht. Im Unterschied zu den Experimenten, die in den zuvor dargestellten Arbeitspaketen geschildert wurden, wird bei der Einführung dieser Kompensationstechnik (realisiert durch die Wizard-Technik) nicht angenommen, dass es zu einer gleichsinnigen Wirkung bei älteren und jüngeren Benutzern kommt. Hier wird erwartet, dass jüngere Personen Interaktionstechniken bevorzugen, die wesentlich schneller zum Ziel führen, auch wenn dafür ein höherer kognitiver Aufwand investiert und in höherem Ausmaß auf Vorwissen zurückgegriffen werden muss (und kann).


AP11 Motivation zur Nutzung interaktiver Systeme

In diesem Arbeitspaket geht es darum, wie vor allem ältere Menschen zum "Erstkontakt" mit dem FKA (oder allgemein mit interaktiven Systemen) bewegt werden können. Aus Voruntersu-chungen ist bekannt (<link> 2.2.2), daß der FKA generell gemieden wird. Verbesserungen beim FKA können aber nur wirksam werden, wenn er tatsächlich benutzt wird.

Daraus leitet sich die Fragestellung für dieses Arbeitspaket ab: Wie kann die Motivation zum Erstkontakt erhöht werden? Wie kann man die frühe Phase der Annäherung an den Automaten unterstützen? Welche Unterschiede gibt es hierbei zwischen Älteren und Jüngeren Benutzern?

Im Ergebnis dieses Arbeitspaketes wollen wir eine altersspezifische Aussage darüber treffen können, welche Anreize wirksam sind, um die Motivation zu steigern, einen FKA zu benutzen und wollen dieses Wissen auch nach Möglichkeit direkt in die Lernumgebung einfließen lassen.


AP12 Attributionsstile für Fehler in der interaktiven Systemnutzung

In diesem Arbeitspaket geht es darum, experimentell zu überprüfen, ob ältere Menschen Fehler in der Mensch-Technik-Interaktion häufiger als jüngere bei sich selbst sehen und ob sich diese Schuldzuschreibung in der Leistungsfähigkeit im Umgang mit dem FKA bemerkbar macht. Außerdem ist von Interesse, ob sich auch zwischen seltenen und häufigen Benutzern ein solcher Unterschied findet und ob die Attribution beeinflußbar ist.

    Die MORI-Studie “rage against the machine” (Gertler, Fisher & Plaisted, 1999) unter-suchte 1255 britische Arbeitnehmer mit PC-Arbeitsplatz und zeigte, daß viele im Umgang mit PCs so verärgert und frustriert waren, daß sie z.B ihren PC verunglimpften, beschimpften oder vor Wut den Stecker zogen. Neben den betriebswirtschaftlichen und menschlichen Kosten berichtet die Studie auch darüber, daß vor allem ältere Menschen den Fehler oft bei sich selbst sehen. Dabei sind notwendigerweise die Person, die den Fehler erlebt und jene, welche ihn beobachtet haben, identisch. Doch was geschieht, wenn eine ältere Person eine jüngere beobachtet und umgekehrt? Welchen Einfluß haben Eigenschaften des Beobachters und des Beobachteten auf die Attribution?

Im Ergebnis erhoffen wir uns Aufschluß darüber, wie jüngere und ältere Menschen am Modell beobachtete Fehler in der Mensch-Technik-Interaktion attribuieren, was wiederum für die Gestaltung der Lernumgebung von Bedeutung sein wird.


AP13 Geschlechtseinfluß

Auswirkungen des Geschlechts auf sozial kognitive Lernprozesse für die interaktive Systemnutzung

Neben einer bereits durchgeführten Untersuchung zum Vergleich jüngerer und älterer Modelle in Instruktionsvideos, soll in diesem Arbeitspaket der Einfluss des Geschlechts auf das Modelllernen bei älteren Frauen und Männern genauer analysiert werden. Ausgangspunkt bildet wiederum Banduras These (1977), dass eher Verhaltensweisen von gezeigten Modellen durch Beobachtung übenommen werden, die der eigenen Person ählich sind und mit denen eine Identifikation möglich ist. Eine Ausgangshypothese ist daher, dass ältere Frauen besser von einem weiblichen Modell lernen als von einem männlichen und umgekehrt. Ein weiterer Ansatzpunkt der Untersuchung bildet der in der Gesellschaft bestehende geschlechtsspezifische Unterschied in der Techniknutzung. So konnte zum Beispiel in Erhebungen der ARD/ZDF Onlinestudie (Van Eime-ren, Gerhard & Frees, 2001) festgestellt werden, dass Frauen zu fast einem Drittel weniger das Internet nutzen. Ein weiteres Indiz ist die geringe Beschäftigung von Frauen in Computer-Kernberufen (Tischer, 1998). Es bleibt also fraglich, wie sich die wahrgenommene, selbst- und fremdbestimmte geringere Medienkompetenz bei Frauen (vgl. Sieverding, 2000), auf das Erlernen von Techniknutzung auswirkt.

Unter Berücksichtigung der erläuterten Aspekte soll in einem Experimentaldesign untersucht werden, ob Frauen besser von Frauen lernen oder aber von männlichen Modellen, da sie diese wahrscheinlich als kompetenter im Umgang mit Technik einschätzen.


AP14 Cognitive Apprenticeship

Zur Anwendung des Cognitive Apprenticeship in Instruktionsvideos

In diesem Arbeitspaket ist eine Untersuchung geplant, die sich mit dem konstruktivistischen Lernkonzept des Cognitive Apprenticeship (Collins, 1991) befasst. Ausgangspunkt dieses Ansatzes bildet die traditionelle Handwerkslehre, bei der ein Meister sein Wissen an die Lehrlinge im sozialen Austausch weitergibt. Dabei wird von einem Austausch zwischen Experten und Novizen ausgegangen, bei dem nach anfänglich starker Unterstützung der Lernende Schritt für Schritt mehr in die eigene Selbständigkeit entlassen werden kann. Zur Umsetzung des Ansatzes geben Collins, Brown & Newman (1989) verschiedene Methoden vor:

•    Modelling: Der Lehrende (Experte) führt an einem authentischen Fall das zu Lernende vor und verbalisiert es gleichzeitig.

•    Coaching: Anschließend versuchen die Novizen, das Gezeigte selbst durchzuführen. Dabei erhalten sie gezielte Unterstützung durch den Experten.

•    Scaffolding & fading: Die Unterstützung des Lernenden wird durch eine Art „Hilfsgerüst“ gegeben, das im fortschreitenden Lernprozess zurückgebaut wird.

•    Articulation: Da es nicht immer möglich ist, wie in der Handwerkslehre Wissen beobachtbar darzustellen, ist diese Methode für kognitive Prozesse besonders wichtig. Hier artikulieren Lernende ihre Denkprozesse und Problemlösestrategien und externalisieren das erworbene Wissen.

•    Reflection: Lernende sollen im reflektierenden Austausch mit Anderen im ablaufenden Lernprozess ihre Vorgehensweisen analysieren und mit Lösungsstrategien anderer Novizen vergleichen.

•    Exploration: Am Ende werden den Lernenden Anregungen zum aktiven Explorieren und zur eigenen Problemlösung mit auf den Weg gegeben.

Von den oben genannten Punkten sollen jedoch vor allem das Modelling und Coaching betrachtet werden. Die Idee besteht darin, in einer weiteren Untersuchung zu prüfen, ob diese Technik besonders für ältere Lernende zu besseren Lernergebnissen führt, wenn man sie mit dem einfachen Aufzeigen prozeduraler Vorgänge vergleicht. Auch Van Gog et al. (2004) argumentieren in ähnlicher Weise. Sie gehen davon aus, dass die Lernerfolge ansteigen, wenn zusätzlich das „how and why“ artikuliert wird, da so die Intention der vermittelten Handlungen besser verstanden und die Entwicklung eines Mentalen Modells verstärkt wird. Auch in dieser Untersuchung ist zu fragen, ob die zusätzlichen Informationen im Sinnes des Cognitive Load einen eher Extraneous (negativen) oder Germane (positiven) Load im Ar-beitsgedächtnis zur Folge haben. Geplant ist ein Experimental-Kontrollgruppen-Design, bei dem die unabhängige Variable Instruktionsvideo in den erläuterten Aspekten variiert wird. Die bereits beschriebenen Erhebungsinstrumente zur Messung von Selbstwirksamkeit, Einstellung zu Fahrscheinautomaten sowie die Subskalen aus dem IST2000R werden auch hier eingesetzt.


AP15 Komplettes SOK

Untersuchung aller SOK-Komponenten in Verbindung mit dem Modelllernen und der Minimierung von Computer Literacy

Während alle zuvor beschriebenen Experimente dazu dienen sollen, den Einfluss von bestimmten, durch Gestaltungsmaßnahmen zu beeinflussenden Faktoren in ihrer Wirkung auf das Erlernen und das Bedienen von simulierten Automaten zu prüfen, geht es in diesem Arbeitspaket um das gemeinsame Wirken aller Faktoren. Die Fragestellung richtet sich nicht auf die Aufklärung von Wirkzusammenhängen, sondern auf das Ausmaß der Wirkung: Wie stark lässt sich die Bedienung vereinfachen? Wie leicht lässt sich die Bedienung erlernen? Wie schnell können ältere Benutzer verstehen, wie man mit dem Automaten umgeht? In diesem Arbeitspaket sollen Versuche durchgeführt werden, in denen ein Automat und eine Lernumgebung zur Verfügung stehen, die folgende Merkmale aufweisen:

(1) Sie unterstützen adaptive Lernprozesse und ermöglichen es den Benutzern auf diese Weise, sich selektiv zu verhalten.

(2) Sie legen ein strukturorientiertes Lernen nahe und gestatten auf einfache Weise die Bildung eines korrekten Mentalen Modells.

(3) Sie bieten eine Reduktion des kognitiven Aufwands bei der Bedienung an, wenn der Benutzer dafür längere Bedienzeiten und eine höhere Zahl von Dialogschritten in Kauf nimmt.

(4) Sie enthalten ein video-basiertes Tutorial, das alle untersuchten Faktoren in optimaler Ausprägung berücksichtigt.

(5) Diese finale Version besitzt ein User Interface, das weitgehend ohne Computer Literacy genutzt werden kann.

    In einem Vergleichsexperiment sollen dann die Lern- und Bedienleistungen an diesem „SOK-basierten“ Automaten mit jenen verglichen werden, die an einem herkömmlichen, aber ebenfalls simulierten Automaten erzielt werden.

Im Ergebnis erhoffen wir uns Erkenntnisse darüber, inwieweit die zuvor einzeln untersuchten Wirkfaktoren kombinierbar sind und wie groß die auf diesem Wege maximal erzielbare Gesamtwirkung für die Benutzerfreundlichkeit des FKA vor allem für ältere Benutzer ist.


AP16 Transferprüfung

Um eine umfassende Wirkungsanalyse für die entwicklte Lernumgebung durchzuführen, ist es wichtig, neben Akzeptanz und Lernerfolg auch den Lerntransfer zu analysieren. Für die umfassende Betrachtung beziehen wir uns auf bekannte Evaluationsmodelle von Kirkpatrick (1998) und Reinmann-Rothmeier, Mandl & Prenzl (1997). Ein wesentliches Ziel des Forschungsvorhabens besteht darin, die Übertragung des vermittelten Wissens auf reale Fahrscheinautomaten zu beleuchten (naher Transfer). Nur auf diesem Wege kann überprüft werden, ob das entwickelte Training zu einer Kompetenzförderung geführt hat und eine stressfreie Anwendung im Alltag erfährt. Wir nehmen dabei an, dass durch das Training auch die Benutzungsschwelle am realen Automaten so weit gesenkt wurde, dass eine erfolgreiche Übertragung des Erlernten möglich ist. Darüber hinaus soll analysiert werden, wie weit das vermittelte Wissen generalisierbar ist und somit auch auf andere Walk-up-and-use-Systeme übertragen werden kann. In einer weiteren Versuchsreihe wird deshalb der Transfer auf einen anderen Automatentyp (weiter Transfer) geprüft.


AP17 Übertragung der Simulation ins Web

Ein besonderer Vorteil der verwendeten Simulationsumgebung Squeak besteht darin, dass die damit erzeugten Programme mit Hilfe eines Browser-Plug-Ins über das Web einer großen Anzahl von Benutzern zugänglich gemacht werden können. In diesem Arbeitspaket sollen die notwendigen programmtechnischen Anpassungen vorgenommen werden, damit zwei Versionen des simulierten Fahrkartenautomaten (Original und eine optimierte Version, die auf der Grundlage der Projekt-Ergebnisse entwickelt wird) ins Web gestellt werden können. Dabei ist zu berücksichtigen, welche Komponenten der Lernumgebung sich dafür besonders gut eignen und bei welchen der Aufwand den Nutzen übersteigt. Mit der webbasierten Lernumgebung sind zwei kleinere Untersuchungen geplant: eine im Labor zum Vergleich mit der „vollen“ Lernumgebung und eine zum Vergleich offline vs. online.


AP18 der Simulation im Web

In einer webbasierten Untersuchung sollen möglichst viele Benutzer mit den beiden Versionen bekannt gemacht werden, was durch die Kooperation mit der BVG, erleichtert wird. Die Benutzer sollen angeregt werden, die simulierten Automaten zu explorieren und anschließend Fragen zur Benutzung zu beantworten. Bei der Entwicklung des Fragebogens kann auf die kritischen Punkte aus den Laborexperimenten zurückgegriffen werden.

Im Ergebnis kann bei erfolgreichem Ausgang der Evaluationsstudie ein Katalog von Gestaltungsrichtlinien entwickelt werden, mit dessen Hilfe weitere Simulationen von interaktiven Systemen über das Web verfügbar gemacht werden können. Daraus lassen sich dann prinzipiell auch Lern-Programme für industriell eingesetzte Automaten, Handys, Geräte der Unterhaltungselektronik u. ä. entwickeln, die über die gegenwärtig üblichen, gedruckten Bedienungsanleitungen hinausgehen. Diese Erweiterung ist jedoch nicht mehr Bestandteil des Forschungsvorhabens ALISA.


Mitarbeit

Da ALISA ein universitäres Forschungsprojekt ist, freuen wir uns sehr über die Zusammenarbeit mit interessierten Studierenden. Wenn Sie Interesse daran haben, mit ALISA Ihr Studienprojekt oder Ihre Diplomarbeit zu schreiben, dann sprechen Sie uns einfach an. Darüber hinaus schreiben wir auch regelmäßig Themen für Studienprojekte und Diplomarbeiten aus. Im folgenden können Sie sich einen Überblick über bereits betreute Arbeiten verschaffen.

offene Projekte: derzeit keine

Studienprojekte

  • Johanna Cuno und Daniela Heise: experimentelle Erfassung der Nutzungsschwelle bei Senioren

Diplomarbeiten

  • Susan Butenhof: Der Fahrkartenautomat der Deutschen Bahn AG: Analysen zu Usability-Problemen unter besonderer Berücksichtigung älterer Benutzer (abgegeben Dez. 2006)
  • Denise Gramß: Lernen am sozialen Modell bei der Benutzung von Automaten durch ältere Personen (abgegeben Dez. 2006)
  • Dörte Wackenhut: Lernen aus Fehlern, eine Hilfe für ältere Benutzer einer Lernunterstützung
  • Diana Dittberner: Untersuchung zur Reduzierung der erforderlichen Computer Literacy am BVG Automaten

Kooperationspartner

Unsere wissenschaftlichen Untersuchungen führen wir zusammen mit verschiedenen Unternehmen durch, die Serviceautomaten im öffentlichen Raum betreiben. Für die Erstellung unserer Lernumgebung werden real existierende Systeme verwendet.
Da wir besonderen Fokus auf Fahrscheinautomaten legen, freuen wir uns über die Kooperation mit

  • Der Deutschen Bahn AG,
  • Der BVG (Berliner Verkehrsbetriebe) und
  • der ODEG (Ostdeutsche Eisenbahn AG)

Eine weitere Kooperation besteht mit der Siemens AG für das Produkt Packstation.


Arbeitsmittel und Methoden

Squeak

Für die Erstellung der Simulation verwenden wir SQUEAK, eine ursprünglich von Alan Kay und Dan Ingalls entwickelte Programmierumgebung. Sie beruht auf der Sprache Smalltalk und verfolgt den Ansatz der Objektorientierung. SQUEAK wurde ursprünglich in einem pädagogischen Kontext für Schüler entwickelt. Das Erstellen von Simulationen ist in einer solchen Umgebung leicht zu erlernen, zudem steht die benötigte Software als Open Source Produkt jedem kostenfrei zur Verfügung.

Weitere Informationen zu SQUEAK finden Sie unter:

Lernvideo

Für das Erlernen der Bedienvorgänge werden Instruktionsvideos produziert, die anschaulich die Interaktionen mit dem Fahrscheinautomaten Schritt für Schritt vermitteln sollen.

Videos eignen sich besonders gut als Lernmedien, da dynamische Abläufe und Prozeduren aufgezeigt werden können. Zudem ist es möglich, durch gezielte Fokussierung und Zoomtechniken die Aufmerksamkeit zu gelenken und den Zuschauer über direkte Ansprachen zu motivieren. Älteren Menschen kann auf diesem Wege eine parasoziale Unterstützung angeboten werden, indem Personen ihrer Altersgruppe die zu lernenden Handlungsweisen am Fahrscheinautomaten vorführen. Durch das Bereitstellen visueller Anhaltspunkte werden zusätzlich ablaufende Denkprozesse erleichtert, die das Problemlösen und Behalten von Konzepten unterstützen.

Über Videoaufnahmen kann dem Lernenden auch Feedback über sein eigenes Verhalten gegeben werden. Es wird ersichtlich, wo genau Fehlerquellen in eigenem Handeln liegen und wie man sich richtig verhalten sollte, um sein Ziel zu erreichen.

Cognitive Walkthrough

Mit Hilfe des Cognitive Walkthrough soll zunächst durch einen Experten eingeschätzt werden, wie leicht sich die Bedienung eines Fahrscheinautomaten erlernen lässt. Ziel ist es, Bedienprobleme und kritische Interaktionsstellen aufzudecken und ihre Gründe zu analysieren. Dazu werden häufige, aber auch sehr kritische Aufgaben vorgegeben, auf deren Grundlage die Interaktion des Benutzers simuliert wird. Für jede Aufgabe sind die richtigen Lösungswege schon bekannt. Der Experte sollte nun für jeden Interaktionsschritt folgende 4 Fragen beantworten:

  • Werden die Benutzer versuchen den richtigen Effekt zu erzielen?
  • Bemerken die Benutzer, dass die korrekte Aktion verfügbar ist?
  • Assoziieren die Benutzer die richtige Aktion mit dem angestrebten Effekt?
  • Verstehen die Benutzer das ausgegebene Feedback, wenn die korrekte Aktion vollführt ist?

Die Resultate dieser Analysen fließen anschließen in das Design der Lernumgebung ein. Schwierige Interaktionen können so gezielt geübt werden und komplexe Arbeitsschritte in Teilschritte aufgegliedert werden, um den Arbeitsaufwand des Gedächtnisses zu entlasten.


Teilnehmer gesucht!

Für unsere Untersuchungen suchen wir ständig Senioren über 60 Jahre, die Interesse haben, an spannenden Experimenten teilzunehmen und dabei einen wichtigen Beitrag zur Verbesserung der Benutzbarkeit von Fahrkartenautomaten zu leisten.

Zusätzlich suchen wir auch interessierte Jüngere für unsere Vergleichsgruppen.

Schreiben Sie uns einfach eine E-Mail mit „Versuchsperson“ im Betreff oder rufen Sie uns an (siehe Kontakt).

Für Ihre Teilnahme erhalten Sie eine Aufwandsentschädigung von 8 Euro/ Stunde. 

Wir freuen uns über Ihre Unterstützung!


Quellen

  • Aldridge, H.B. & Liggett, L.A. (1990). Audio video production: theory and practice. Englewood Cliffs, NJ: Prentice-Hall.
  • Baltes, P.B. & Baltes, M.M. (1989). Optimierung durch Selektion und Kompensation. Ein psychologisches Modell erfolgreichen Alterns. Zeitschrift für Pädagogik, 35, 85-105.
  • Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psycho-logical Rewiev, 84,     191-215.
  • Bandura, A. (1986). Social Foundations of Thought and Action: A Social-Cognitive View. Englewood Cliffs, NJ:     Prentice-Hall.
  • Bandura, A. (2006). Guide for Creating Self-Efficay Scales. In: F. Pajares & T. Urban (Eds.) Self-Efficacy Beliefs of Adolescents (pp. 307-337). Greenwich, Conneticut: Imformation Age Publishing.
  • Beaudin, B.P. (1996). Instructional video evaluation instrument. Journal of extension, 34, 1-8.
  • Blandford, A. & Connell, I.W. (2004). Cognitive Walkthrough of London Underground Ticket Vending Machines. URL:  www.cs.ucl.ac.uk/staff/i.connell/DocsPDF/cw.pdf, zuletzt aufgerufen am 11.03. 2007.
  • Bochat, S., Eddiks, Ch. & Steinbach, M. (2000). Menschen im Umgang mit Fahrscheinauto-maten. URL: http://kisd.de/~marian/dokus/Fahrscheinautomat.pdf, zuletzt aufgerufen am 11. 03. 2007.
  • Booch, J., Rumbaugh, J. & Jaconson, I. (1999). Das UML-Benutzerhandbuch. München: Addison-Wesley.
  • Bong, M. (2006). Asking the right question - How confident are you that you could success-fully perform these tasks? In: F. Pajares & T. Urban (Eds.) Self-Efficacy Beliefs of Ado-lescents (pp. 287-305). Greenwich, Conneticut: Imformation Age Publishing.
  • Bruder, C., Wandke, H. & Blessing, L. (2006): Improving mobile phone instruction manuals for seniors, Journal of Gerontechnology, 5 (1), pp. 51-55.
  • Buchner, A. & Funke, J. (1992). On the use of finite state automata in problem solving re-search. International Journal of Psychology, 27, 135.
  • Carroll, J.M. (1990). The Nurnberg Funnel: Designing minimalist instruction for practical com-puter skill. Cambridge, MA: MIT Press.
  • Cennamo, K.S. & Dawley, G.W. (1995). Designing interactive video materials for adult learn-ers. Performance and Instruction, 34, 14-19.
  • Collins, A. (1991). Cognitive Apprenticeship and instructional technology. In: L. Idol & B.F. Jones (Hrsg.), Educational values and cognitive instruction: Implications for reform (pp. 121-138). Hillsdale, NY: Lawrence Earlbaum Associates.
  • Collins, A., Brown, J.S., & Newman, S.E. (1989). Cognitive apprenticeship: Teaching the crafts of reading, writing, and mathematics. In L.B. Resnick (Ed.), Knowing, learning, and instruction (S. 453-494). Hillsdale, NJ: Erlbaum.
  • Connell, I.W. (1998). Error analysis of ticket vending machines: comparing analytic and em-pirical data. Ergonomics, 41(7), 927-961.
  • Connell, I.W., Blanford, A.E. and Green, T.R.G. (2004). CASSM and Cognitive Walkthrough: usability issues  with ticket vending machines. Behaviour & Information Technology, 23(5), 307-320.
  • Cuno, J. & Heise, D. (2006). Ermittlung einer Nutzungsschwelle für technische Systeme. Unveröffentlichtes Studienprojekt, Humboldt Universität Berlin.
  • Czaja, S.J., Charness, N., Fisk, A.D., Hertzog, C., Nair, S.N., Rogers, W.A. & Sharit, J. (2006). Factors predicting the use of technology: Findings from the Center for Re-search and Education on Aging and Technology Enhancement (CREATE). Psychology and Aging, 21, 333-352.
  • Eachus, P. & Cassidy, S. (2002). Developing the Computer Self-Efficacy (CSE) Scale: Inves-tigating the Relationship Between CSE, Gender and Experience with Computers. Jour-nal of educational computing research, 26 (2), 135-153.
  • Fisk, A., Rogers, W., Charness, N., Czaja, S.J. & Sharit, J. (2004). Designing for older adults. Boca Raton, FL: CRC Press.
  • Frese, M. & Zapf, D. (1994). Action as the core of work psychology: A German approach. In M. D. Dunnette, L. M. Hough & H. C. Triandis (Eds), Handbook of industrial and orga-nizational psychology (pp. 271–340). Palo Alto, CA: Consulting Psychologists Press.
  • Fukuda, R. (2004). Ergonomische Gestaltung der Webauftritte - Analyse des menschlichen Verhaltens bei der Webnutzung und darauf basierende nutzerspezifische Vorschläge. München: Utz Verlag.
  • Gertler, S., Fisher, C. & Plaisted, C. (1999). MORI-report „rage against the machine“. Ipsos Mori.
  • Gick, M.L., McGarry, S.J. (1992). Learning from mistakes : Inducing analogous solution fail-ures to a source problem produces later successes in analogical transfer. Journal of Experimental Psychology: Learning, Memory and Cognition, 18(3), 623-629.
  • Gramß, D. (2006). Lernen am sozialen Modell bei der Benutzung von Automaten durch ältere Benutzer. Unveröffentlichte Diplomarbeit, Humboldt Universität Berlin.
  • Grice, P. (1975). Logic and conversation. In P. Cole and J.L. Morgan, (Eds.), Syntax and Semantics, Vol. 3, Speech Acts (pp. 41-58). New York: Academic Press.
  • Guzdial M.J. & Rose, K.M. (2001). Squeak: Open Personal Computing and Multimedia. Up-per Saddle River, NJ: Prentice Hall.
  • Hansen, B. (2003) Digital video production. URL: http://www.hansenb.pdx.edu/pdf/DigitalVideo.pdf, zuletzt aufgerufen am: 14.01.2007
  • Held, J., Brüsch, M., Krüger, H. & Pasch, Th. (1999). The FIT-System: A New Hand-Held Computer Tool for Ergonomic Assessment. Medical& Biological Engineering & Com-puting, 37(2), 862-863.
  • Iuppa, N.V. (1988). Advanced interactive video design: new techniques and applications. White Plains, NY: Knowledge Industry Publication.
  • Ivancic, K. & Hesketh, B. (1995). Making the best of errors in training. Training Research Journal, 1, 103-125.
  • Ivancic, K. & Hesketh, B. (2000). Learning from errors in a driving simulation: Effects on driv-ing skill and self-confidence. Ergonomics, 43, 1966-1984.
  • Jerusalem, M. & Schwarzer, R. (2002). SWE. Skala zur Allgemeinen Selbstwirksamkeitser-wartung. In E. Brähler, J. Schumacher & B. Strauß (Eds.), Diagnostische Verfahren in der Psychotherapie. Göttingen, Germany: Hogrefe.
  • Johnson, H. M. & Seifert, C. M. (1992). The role of predictive features in retrieving analogical cases. Journal of Memory and Language, 31, 648–667.
  • Jonassen, D.H., Tessmer, M., & Hannum, W.H. (1999). Task analysis methods for instruc-tional design. Mahwah, NJ: L. Erlbaum Associates.
  • Karavidas, M., Lim, N.K. & Katsikas, S.L. (2005). The effects of computers on older adult users. Computers in Human Behavior, 21, 697-711.
  • Kern, S., Deller, J. & Huch, D. (2006). Silver Workers: Aktive Rentner – eine Interviewstudie. Forschungsreferat auf dem 45. Kongress der DGPs, Nürnberg, 18.-21. September.
  • Kerres, M. (1999). Didaktische Konzeption multimedialer und telemedialer Lernumgebungen. URL: http://www.informatikdidaktik.de/HyFISCH/Multimedia/Learning/DidaktischeKonzeptionKerres.pdf, letzter Zufriff am: 27.01.07.
  • Kessler, D. (1988). The Four Pillars of Retirement. The Geneva Papers on Risk and Insur-ance, Number 49.
  • Kirkpatrick, D. (1998). Evaluating Training Programs. San Francisco, CA: Berrett-Koehler.
  • Lewis, C. & Wharton, C. (1997). Cognitive walkthroughs. In M. Helander, T. K. Landauer, & P. Prabhu (Eds.), Handbook of Human-Computer Interaction (pp. 717-732). New York: Elsevier Press.
  • Locatis, C., Charuhas, J. & Banvard, R. (1990). Hypervideo. Educational Technology Re-search and Development, 38, 41-49.
  • Marcellini, F., Mollenkopf, H., Spazzafumo, L. & Ruoppila, I. (2000). Acceptance and use of technological solutions by the elderly in the outdoor environment: findings from Euro-pean survey. Zeitschrift für Gerontologie und Geriatrie, 33, 169-177.
  • Martin, M. (2006). Leistungs- und Lernpotentiale 50+, Allgemeine und individuelle Perspek-tiven. Vortrag im Workshop des SPP1184 am Ammersee am 06.10.2006.
  • Mason, J. & McMorrow, R. (2006). YACLD (Yet another Computer Literacy definition). Con-sortium for Computing Sciences in Colleges, 94-100.
  • Mayer, R.E. (2005). Principles of multimedia learning based on social cues: personalization, voice and image principles. In: R. E. Mayer (ed.), The Cambridge Handbook of Multi-media Learning (pp. 201-212). Cambridge: University Press.
  • McGrenere, J. & Moore, G. (2000). Are we all in the same “bloat”?. Proceedings of Graphics Interface, Montreal, Canada, May 2000 (pp. 187-196).
  • Mietzel, G. (2001). Pädagogische Psychologie des Lernens und Lehrens. Göttingen: Hogrefe.
  • Miller, L.A. & Wooten, K.M.S.W. (1997). Development and evaluation of the Windows Com-puter Exiperience Questionaire (WCEQ). International Journal of Human-Computer In-teraction, 9, 211-222.
  • Paas, F., Renkl, A. & Sweller, J. (2003). Cognitive load theory and instructional design: Re-cent developments, Educational Psychologist, 38, 1–4.
  • Paas, F., Van Gerven, P.W.M., & Tabbers, H.K. (2005). The cognitive aging principle in mul-timedia learning. In: R. E. Mayer (Ed.), The Cambridge Handbook of Multimedia Learn-ing (pp. 339-354). Cambridge: University Press.
  • Read, S. & Cesa, I. (1991). This reminds me of the time when: Expectation failures in re-minding and explanation. Journal of Experimental Social Psychology, 27, 1-25.
  • Reinmann-Rotmeier, G., Mandl, H. & Prenzl, M. (1997). Qualitätssicherung bei multimedialen Lernumgebungen. In H.F. Friedrich, G. Eigler, H. Mandl, W. Schnotz, F. Schott & N.M. Seel (Hrsg.), Multimediale Lernumgebungen bei der betrieblichen Weiterbildung (S. 267-333). Neuwied: Lucherhand.
  • Richter, T., Neumann, J. & Horz, H. (2001). Computer Literacy, computerbezogene Einstel-lungen und Computernutzung bei männlichen und weiblichen Studierenden, Mensch & Computer 2001: 1. Fachübergreifende Konferenz, 71-80.
  • Rogers, W.A., Campbell, R.H. & Pak, R. (2001). A systems approach for training older adults to use technology. In N. Charness, D.C. Parks& B.A. Sabel (Eds.), Communication, technology & aging: Opportunities and challenges for the future (pp. 187-208). New York: Springer.
  • Rosenberg, M. J. & Hovland, C. I. (1960). Cognitive, affective, and behavioral components of attitudes. In C. I. Hoveland & M. J. Rosenberg (Eds.), Attitude organization and change (pp.1-14). New Haven: Yale University Press.
  • Schmiedek, F. (2007). Variabilität und Plastizität kognitiver Fähigkeiten im jungen und höhe-ren Erwachsenenalter. unveröffentlichter Vortrag beim Doktoranden-Arbeitstreffen des SPP1184, 20.02.2007, Humboldt Universität Berlin.
  • Schwan, S. (2005). Gestaltungsanforderungen für Video in Multimedia-Anwendungen. URL: http://www.e-teaching.org/didaktik/gestaltung/visualisierung/video/schwan.pdf, zuletzt aufgerufen am 16.03.2007.
  • Sieverding, M. (2000). Studienprojekt “Frauen in der Informationsgesellschaft“. URL: http://web.fu-berlin.de/psygender/fu-gender-coll/fucoll-sieverding.htm, zuletzt auf-gerufen am 19.03.07.
  • Staufer, M. (1992). Ältere Beschäftigte und technischer Wandel. Göttingen: Hogrefe.
  • Sweller, J. (1999). Instructional Design in Technical Areas. Melbourne, Australia: ACER Press.
  • Sweller J., Van Merrienboer J.J.G. & Paas F. (1998). Cognitive architecture and Instructional Design. Educational Psychology Review, 10, 251-296.
  • Tischer, U. (1998). Neue Beschäftigungsfelder und weiblich Qualifikationspotentiale. In V. Oechtering & G. Winker (Hrsg.), Computernetze – Frauenplätze. Frauen in der Infor-mationsgesellschaft (S. 33-55). Opladen: Leske & Budrich.
  • Torkzadeh, G., Pflughoeft, K. & Hall, L. (1999). Computer User Attitudes, Training Effective-ness, and Self-Efficacy: An Empirical Study. Behaviour & Information Technology, 18(4), 299-309.
  • Turner, G.M., Sweany, N.W. & Husman, J. (2000). Development of the Computer Interface Literacy Measure. Journal of Educational Computing Research 22(1), 37-54.
  • Usoro, A. (2000). Attitude as a factor in the use of information and communication technol-ogy for global planning. Computing and Information Systems, 7, 58-64.
  • Van Eimeren, B., Gerhard, H. & Frees, B. (2001). ARD/ZDF Online-Studie 2001: Internet-nutzung stark zweckgebungen. URL: http://www.heute.t-online.de/ZDFde/download/0,1896,2000033,00.pdf., zuletzt aufgerufen am 15.12.2006.
  • Van Gog, T.,  Paas, F. & Van Merrienboer J.J.G. (2004). Recommendation for research on task formats that model expert approaches to problem solving. URL: http://www.iwm-kmrc.de/workshops/sim2004/pdf_files/VanGog_et_al.pdf, zuletzt aufgerufen am 19.03.2007.

Relevante eigene Arbeiten

Publikationen

  • Bruder, C., Blessing, L. & Wandke, H. (2007). Adaptive interfaces as training wheels for less experienced, older adults. CHI 2007 April 28- May 3, 2007, San Jose, USA.
  • Butenhof, S. & Sengpiel, M. Usability issues with ticket vending machines for younger and older adults. Unveröffentlicht (geplante Veröffentlichung in Universal Access in the In-formation Society, ist von Zustimmung der Deutschen Bahn AG abhängig).
  • Gramß, D. & Struve. D. Instructional video for supporting older adults to use interactive sys-tems.  Eingereicht zur Publikation bei: Educational Gerontology: An International Jour-nal.
  • Struve, D., Sengpiel, M. und Wandke, H. (2006). Adaptive Lernunterstützung zur interaktiven Systemnutzung für ältere Benutzer (ALISA), Zeitschrift für Arbeitswissenschaft, 3, 161-171.

Vorträge

  • Gramß, D. & Struve, D. (2007). Lernen am Modell bei der Benutzung von Automaten durch ältere Personen. 53. Frühjahrskongress der GfA, Magdeburg, Deutschland, 28.02. - 02.03. 2007.
  • Wandke, H., Butenhof, S., Struve, D. & Sengpiel, M. (2006). Usability-Analysen zur Verbesserung der Automatennutzung für Senioren. Forschungsreferat auf dem 45. Kongress der DGPs, Nürnberg, 18.-21. September 2006.