Ontologien fur Lernzieltaxonomien und Lernzielstrukturen ... · Technische Universit at M unchen...

Technische Universitat Munchen

Fakultat fur Informatik

Schriftliche Hausarbeit

Ontologien fur Lernzieltaxonomien und

Lernzielstrukturen aus der Informatik.

Uberblick, Weiterentwicklung und

Ausarbeitung eines Anwendungsbeispiels

Leonhard Fellermayr

Aufgabensteller: Prof. Dr. Peter Hubwieser

Betreuer: Prof. Dr. Peter Hubwieser

Abgabedatum: 04.03.2009

Erklarung

Gemaß § 30(6) LPO I erklare ich hiermit, dass ich die vorliegende Arbeit selbststandigverfasst und keine anderen Hilfsmittel als die angegebenen benutzt habe. Die Stellender Arbeit, die anderen Werken dem Wortlaut oder dem Sinn nach entnommen sind,wurden in jedem einzelnen Fall unter Angabe der Quelle als Entlehnung kenntlichgemacht. Zeichnungen und bildliche Darstellungen habe ich selbst angefertigt bzw. mitder dazugehorigen Quellenangabe versehen.

Munchen, den 04.03.2009

Leonhard Fellermayr

Zusammenfassung

Die Arbeit liefert eingangs einen fundierten Uberblick uber didaktische Grundlagen undspeziell uber die Belange lernzielorientierter Didaktik. Die unerlassliche Beschaftigungmit Bildungsstandards wirft die Frage nach dem Verhaltnis von Lernzielen und Kom-petenzen auf. Ein eigenes Kapitel bemuht sich um eine konsistente Definition des Be-griffs E-Learning, stellt bestehende Standards in diesem Bereich vor und argumen-tiert, weshalb diese aus didaktischer Perspektive hochst unbefriedigend sind. Nach einerEinfuhrung in technische Belange der Ontologiesprache OWL erfolgt eine Untersuchungund Wurdigung vorhandener Ansatze fur didaktische Ontologien. Die Betrachtung deskonkreten Fachlehrplans fur den Informatikunterricht der 10. Jahrgangsstufe schlagt dieBrucke zur unterrichtlichen Praxis. Gerade die fachlichen Zusammenhange im BereichOOM/OOP stellen durch ihren hohen Grad der Vernetzung eine besondere Herausfor-derung an die sinnvolle Strukturierung von Lerneinheiten. Im Zuge der Uberlegungenkristallisieren sich wichtige Aspekte heraus, die bisher nicht in den ontologischen Ent-wurf eingeflossen sind und deren Berucksichtigung in einer Weiterentwicklung undErganzung der Ontologien resultiert. Zahlreiche graphische Darstellungen illustrierendas neu geschaffene Modell. Eine exemplarische Fachontologie aus dem Bereich objekt-orientierter Modellierung und Programmierung stellt eine Lernzielsammlung mittlerenUmfangs bereit und liefert den Beweis fur die Praktikabilitat des entworfenen Systemsdidaktischer Ontologien.

Abstract

The present work initially reviews the didactical principles of learning objectives andtheir taxonomization. The fact that focusing standards-based education is absolutelyessential results in the issue which formal relationships between learning objectives andcompetences could be found. A self-contained chapter makes an effort to give a consis-tent definition of what eLearning is. By presenting existing standards of this domain,the author will justify why they are quite inadequate from the didactical viewpoint.An introduction of technical aspects of OWL, the Web Ontology Language, is follo-wed by examination and appraisal of present approaches to didactical ontologies. Oneof the author’s goals is to build a bridge between theory and practice, which will bereached by considering the curriculum of the new subject of Informatics (grade 10) onBavarian Gymnasiums. The multiplicity and complexity of coherences on OOM/OOP-based concepts are up to form a fairly special challenge when it comes to structuringlearning units. The course of reflecting about these circumstances opens out into thedevelopment of important aspects which were not picked up in the ontological frame-work yet. Their integration results in enhancements and additions which will build anew system of didactical ontologies in turn. Not only for this reason, numerous figuresshall illustrate the created model. To show proof on the practicability of his design, theauthor presents an OOM/OOP-based use case ontology which also provides a suitablecollection of exemplary learning objectives.

Inhaltsverzeichnis

1 Einleitung 11.1 Motivation und aktuelle Relevanz der Arbeit . . . . . . . . . . . . . . . 11.2 Zielsetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.3 Aufbau des Dokuments . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Didaktische Grundlagen 62.1 Lernziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.1.1 Charakterisierung . . . . . . . . . . . . . . . . . . . . . . . . . . 62.1.2 Lehrziel vs. Lernziel . . . . . . . . . . . . . . . . . . . . . . . . . 72.1.3 Funktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2 Lernzielorientierte Didaktik . . . . . . . . . . . . . . . . . . . . . . . . . 82.2.1 Ursprunge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82.2.2 Charakterisierung . . . . . . . . . . . . . . . . . . . . . . . . . . 82.2.3 Operationalisierung von Lernzielen . . . . . . . . . . . . . . . . . 92.2.4 Kritik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102.2.5 Chancen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.3 Lernzieltaxonomien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112.3.1 Definition und Zweck . . . . . . . . . . . . . . . . . . . . . . . . 112.3.2 Bloom’s Modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122.3.3 Bloom revised: Anderson und Krathwohl . . . . . . . . . . . . . 132.3.4 Probleme allgemeiner Lernzieltaxonomien . . . . . . . . . . . . . 162.3.5 Ein domanenspezifisches Modell: Die Matrix-Taxonomie . . . . . 182.3.6 Iterative Anwendung von Lernzieltaxonomien . . . . . . . . . . . 20

2.4 Lernzielgraphen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202.5 Erkenntnisse der modernen Lernforschung . . . . . . . . . . . . . . . . . 22

3 Bildungsstandards 263.1 Ausgangslage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263.2 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273.3 Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293.4 Von Lernzielen zu Kompetenzen . . . . . . . . . . . . . . . . . . . . . . 303.5 Merkmale guter Bildungsstandards . . . . . . . . . . . . . . . . . . . . . 323.6 Das European Qualifications Framework (EQF) . . . . . . . . . . . . . . 343.7 Kritik an Bildungsstandards . . . . . . . . . . . . . . . . . . . . . . . . . 35

3.7.1 Reduktionismus-Vorwurf . . . . . . . . . . . . . . . . . . . . . . . 363.7.2 Vorwurf der Vereinheitlichung und Nivellierung . . . . . . . . . . 373.7.3 Legitimationsdefizit . . . . . . . . . . . . . . . . . . . . . . . . . 37

i

3.7.4 Standpunkt der BMBF-Expertise . . . . . . . . . . . . . . . . . . 373.7.5 Weitere Kritikpunkte . . . . . . . . . . . . . . . . . . . . . . . . 37

3.8 Bedeutung fur das Fach Informatik . . . . . . . . . . . . . . . . . . . . . 383.8.1 Grundsatze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 393.8.2 Inhalts- und Prozessbereiche . . . . . . . . . . . . . . . . . . . . 443.8.3 Kritik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

4 E-Learning 494.1 Zum Begriff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

4.1.1 Definitionsversuche . . . . . . . . . . . . . . . . . . . . . . . . . . 494.1.2 Einsatzgebiete . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504.1.3 Web 2.0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

4.2 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 514.3 LMS und LCMS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524.4 Standards im Bereich E-Learning . . . . . . . . . . . . . . . . . . . . . . 534.5 Lernobjekte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 554.6 Learning Objects Metadata . . . . . . . . . . . . . . . . . . . . . . . . . 584.7 SCORM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 604.8 Schwachen vorliegender Konzepte . . . . . . . . . . . . . . . . . . . . . . 62

5 Ontologien und Semantic Web 655.1 Begriffsklarung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

5.1.1 Ontologien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 655.1.2 Semantic Web . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

5.2 XML und XML Schema . . . . . . . . . . . . . . . . . . . . . . . . . . . 685.2.1 Bedeutung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 685.2.2 Elemente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 695.2.3 Attribute . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 695.2.4 Schemata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

5.3 RDF und RDF Schema . . . . . . . . . . . . . . . . . . . . . . . . . . . 715.3.1 Bedeutung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 715.3.2 Baume und Graphen . . . . . . . . . . . . . . . . . . . . . . . . . 715.3.3 RDF Schema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

5.4 OWL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 745.4.1 Klassen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 755.4.2 Individuen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 775.4.3 Rollen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 775.4.4 Weitere Konstrukte . . . . . . . . . . . . . . . . . . . . . . . . . 795.4.5 Exemplarische Werkzeuge . . . . . . . . . . . . . . . . . . . . . . 805.4.6 Aktuelle Entwicklungen . . . . . . . . . . . . . . . . . . . . . . . 81

6 Didaktische Ontologien 836.1 Ontologiebasierte Integration von bereichsspezifischem Wissen und Fra-

gen der Voraussetzungsanalyse . . . . . . . . . . . . . . . . . . . . . . . 836.1.1 Voruberlegungen . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

6.1.2 Technische Umsetzung . . . . . . . . . . . . . . . . . . . . . . . . 866.2 Analyse und ontologiebasierte Modellierung von Lernzielen aus der

Theoretischen Informatik . . . . . . . . . . . . . . . . . . . . . . . . . . 926.3 Entwicklung einer Ontologie zur Modellierung von Lernzielen und bei-

spielhafte Anwendung auf E-Learning im Bereich der Algorithmik . . . . 936.4 Ein ontologiebasiertes Lernmittelangebot auf der Basis von Lehrplanen

und Lernzielen - Machbarkeit und prototypische Umsetzung . . . . . . . 956.5 Zusammenfassende Wurdigung . . . . . . . . . . . . . . . . . . . . . . . 96

7 Lehrplanstudie im Bereich OOM/OOP 1017.1 Aufbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1017.2 Zur Deduzierbarkeit von Lernzielen aus Kompetenzen . . . . . . . . . . 101

7.2.1 Begriffsklarung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1017.2.2 Formulierung von Pramissen am Kompetenzbegriff Weinerts . . 1027.2.3 Die Deduktionsproblematik . . . . . . . . . . . . . . . . . . . . . 1057.2.4 Leitfaden fur die Formulierung von Lernzielen . . . . . . . . . . . 106

7.3 Informatikunterricht in der 10. Jahrgangsstufe des NTG . . . . . . . . . 1077.3.1 Lehrplanaufbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1077.3.2 Grundwissen aus NuT und 9. Jahrgangsstufe . . . . . . . . . . . 1087.3.3 Objekte und Ablaufe . . . . . . . . . . . . . . . . . . . . . . . . . 1097.3.4 Generalisierung und Spezialisierung . . . . . . . . . . . . . . . . 1127.3.5 Komplexeres Anwendungsbeispiel . . . . . . . . . . . . . . . . . . 113

7.4 Das ”didaktische Dilemma“ . . . . . . . . . . . . . . . . . . . . . . . . . 1147.5 Aufgabenbeispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

8 Modellierung der Ontologien 1188.1 Vorbemerkungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1188.2 Integration weiterer Lernzieltaxonomien . . . . . . . . . . . . . . . . . . 1198.3 Erweiterung der Objective-Ontologie . . . . . . . . . . . . . . . . . . . . 1228.4 Verschiedene Zugange zum Begriff des Konzepts . . . . . . . . . . . . . 1238.5 Anbindung konzeptuellen Wissens an Lernzieltaxonomien . . . . . . . . 1248.6 Der Kompetenzbegriff im Kontext didaktischer Ontologien . . . . . . . . 1258.7 Vorrangrelationen zwischen Lernzielen . . . . . . . . . . . . . . . . . . . 1278.8 Gesamtzusammenhang der OWL-Klassen . . . . . . . . . . . . . . . . . 1288.9 Exemplarische Fachontologie als Anwendungsbeispiel . . . . . . . . . . . 129

8.9.1 Lernziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1298.9.2 Konzepte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1338.9.3 Kompetenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1338.9.4 Exemplarischer Auszug aus Objektbeziehungen . . . . . . . . . . 134

9 Zusammenfassung und Ausblick 1389.1 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1389.2 Computer, Internet und Schulen in 20 Jahren (?) . . . . . . . . . . . . . 1409.3 Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141

iv

A Ontologien 143A.1 CasselConcept.owl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143A.2 Fuller.owl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144A.3 Competence.owl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146A.4 Objective.owl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147

B Lernzielsammlung 150

C Lehrplan Informatik der 10. Jahrgangsstufe am NTG 161

Abbildungsverzeichnis 164

Literaturverzeichnis 165

1

1 Einleitung

Sage es mir, und ich werde es vergessen.Zeige es mir, und ich werde es vielleicht behalten.Lass es mich tun, und ich werde es konnen.Konfuzius

1.1 Motivation und aktuelle Relevanz der Arbeit

Im Fruhjahr 2008 starteten die Ministerialbeauftragten fur die Gymnasien in Bayerndas E-Learning-Projekt ”Bayernmoodle“1. Mit bis dato knapp 12.000 Benutzerkontenan den 80 Gymnasien im Aufsichtsbezirk Oberbayern-West wird das System vonLehrkraften und Schulern2 recht gut angenommen. Zugleich aber ist zu beobachten,dass viele virtuelle Kursraume zunehmend verwaisen, sich dort immer mehr ”totesMaterial“ hauft und der Austausch sowie die Wiederverwendung bestehender Konzepte- sofern er stattfindet - von technischer Seite eher erschwert wird. In der Folge fuhrenqualitativ gelungene und anspruchsvolle Konzepte ein unverdientes Schattendaseinund Ausarbeitungen zur selben Thematik stehen unverbunden nebeneinander.

Auch scheinen viele Lehrkrafte den personlichen Nutzen von E-Learning-Angeboten(der sich zugegebenermaßen erst nach einer gewissen Nutzungszeit bemerkbar macht)nicht zu erkennen. Wenngleich eine ausfuhrliche Ursachenforschung hier fehl am Platzware, kann man davon ausgehen, dass dieses Phanomen auch durch die technischenGegebenheiten befordert wird.

Praktisch allen derzeit erhaltlichen Produkten im Bereich E-Learning bleibt diesemantische Ebene von Lerninhalten vollig verborgen. Aus Sicht des Systems handeltes sich um nicht naher klassifizierbare Rohdaten ohne verwertbaren Bezug. EinGrund liegt darin, dass heutige E-Learning-Standards einen sehr starren Katalog vonMeta-Informationen vorsehen, mit denen sich Lehrmaterialien auszeichnen lassen.Damit nicht genug: Die Organisation dieser Metadaten erfolgt in hochst ”flacher“Form, was eine direkte, ”naturliche“ Verknupfung einzelner Inhalte erschwert bisverhindert. Uberspitzt ausgedruckt stellen solche Systeme nicht mehr als eine Artelektronischen (Online-)Schubkasten dar.

Eine weitere Problematik ergibt sich aus der Tatsache, dass E-Learning-Losungensich haufig darauf beschranken, Konzepte aufeinander zu beziehen, die in Lehrmate-

1http://www.bayernmoodle.de/2Zur sprachlichen Vereinfachung wird im Folgenden bei Personen stets die mannliche Form verwendet;

gemeint sind jedoch Personen beiderlei Geschlechts.

2 1 Einleitung

rialien behandelt werden. Dabei werden diese Konzepte im Rahmen von Lernzielenin ganz unterschiedlicher Auspragung vermittelt. Davon zu sprechen, dass ein Lerner

”ein bestimmtes Konzept beherrscht“, ist angesichts der unscharfen Aussage alsounzulassig. Vielmehr verfugen Lerner zu jedem Zeitpunkt uber ganz bestimmteFahigkeiten und Fertigkeiten hinsichtlich eines Konzepts. Unter didaktischen Gesichts-punkten mussen daher Abhangigkeitsbeziehungen in erster Linie zwischen Lernzielenmodelliert werden, gegenuber denen Konzepte eine untergeordnete Stellung einnehmen.

Lernzielen kommt im Rahmen einer sorgfaltig reflektierten und verantwortungsvollenPlanung3 und Analyse von Lernarrangements eine große Bedeutung zu. Nicht nurvor dem Hintergrund der Professionalisierungsdebatte und gemaß dem Grundsatz,dass Wissen niemals isoliert auftritt, mussen Lernziele vor allem unter fachlogischenund didaktischen Gesichtspunkten sinnvoll und begrundet aufeinander bezogenwerden. Denkt man dabei an selbstgesteuertes Lernen und die Individualisierungvon Lernprozessen, so wird die Hoffnung genahrt, aus solchen Beziehungen mehreresinnvolle Lernpfade ableiten und anbieten zu konnen4. Entsprechend ausgestatteteE-Learning-Systeme haben das Potential, zu einem ausgewogenen Verhaltnis vonKonstruktion und Instruktion beizutragen.

Der Erfolg individualisierten Lernens steht und fallt mit der Flexibilitat bei derAuswahl zur Verfugung stehender Lernwege. Hierbei spielt das jeweilige Vorwissender Lerner eine Rolle, aber auch Abhangigkeiten und Abhangigkeitsgrade zwischenLernzielen. Erst dann ist im Kontext von E-Learning an Lernprozesse abseits einessystematischen und starren Instruktionsdesigns (”drill-and-practice“) zu denken.

Der mit der Erstellung und Pflege von digitalen Lernmaterialien und Kursangebotenbisher verbundene Aufwand fuhrt nicht nur auf Grund des Kostenaspekts dazu, dassInhalte in der Praxis schnell vernachlassigt werden und dementsprechend bald uberholtsind - schließlich nimmt die als ”Halbwertszeit des Wissens“ bekannte Kenngroßekontinuierlich ab. In Kontrast dazu unterstreicht die Forderung nach ”lebenslangemLernen“ die Notwendigkeit, Lernmaterial endlich so zu organisieren, dass es auffindbar,austauschbar, wieder verwendbar und vor allem vielfaltig kombinierbar ist. Davonprofitieren Lehrende wie Lernende: Aktuell setzt die neue Oberstufe des Gymnasiumsmit ihren W- und P-Seminaren deutliche Akzente in Richtung auf eine starkereigenverantwortliche Tatigkeit der Schuler. Auch die Bereitstellung geeigneter Benut-zerschnittstellen (LCMS bzw. LMS), die einen effizienten Umgang mit Lernmaterialienermoglichen, spielt also eine wichtige Rolle.

Als zentralen Aspekt mochte ich aber festhalten, dass E-Learning-Systeme ohne Un-terstutzung auf semantischer Ebene m. E. kunftig nicht bestehen konnen. Sollen ent-sprechende Bemuhungen auf fruchtbaren Boden fallen, bedarf es zweier grundlegender

3soweit eine solche angesichts der”Nichtplanbarkeit des Denkens“ ([Bal70], S. 86-88) uberhaupt

moglich ist4frei nach dem Motto

”Viele Wege fuhren nach Rom“

1.2 Zielsetzung 3

Zutaten: Zum einen der Schaffung der notigen technischen Voraussetzungen, zum ande-ren einer sorgfaltigen Reflektion aus (fach)didaktischer und padagogischer Sicht. BeideTatigkeiten mussen Hand in Hand gehen.

1.2 Zielsetzung

Soll der Maschine die semantische Ebene von Lernmaterialien zuganglich gemachtwerden, erfordert dies zunachst ein sorgfaltiges Nachdenken uber die jeweils beteiligtenKomponenten und deren wechselseitige Abhangigkeiten. Zwei ganz grundlegendeKomponenten stellen dabei Lernziele und konzeptuelles Wissen dar, die fur sichgenommen bereits recht vielfaltige Beziehungen miteinander eingehen konnen.

Ontologien - eine leistungsfahige Wissensstruktur aus der Informatik - bilden denHauptgegenstand der vorliegenden Arbeit. Mit ihrer Hilfe sollen didaktische Konzepteund ihre Beziehungen derart formalisiert werden, dass eine automatische Verarbeitungund Schlussfolgerung (sog. Reasoning) im Rahmen der Beschreibungslogik moglichwird. Im Vordergrund steht dabei stets die dienende Funktion der Technik: IhrHauptvorzug gegenuber z. B. einer ”handischen“ Auswertung besteht darin, implizitelogische Zusammenhange in umfangreichen Begriffsnetzen in verschwindend geringerZeit zuverlassig herleiten (inferieren) zu konnen. Darauf grundet sich die Hoffnung,dass der mit der Modellierung und ”Bestuckung“ der beteiligten Ontologien verbun-dene Arbeitsaufwand beispielsweise in der Fahigkeit zur automatisierten Identifikationmoglicher Lernpfade Fruchte tragt. Selbstredend gerat man mit derartigen Anliegenunweigerlich in die Fange der Berechenbarkeitstheorie.

Die Zielsetzung der vorliegenden Arbeit gliedert sich in zwei Teile:

Erstens will sie dem Anspruch einer Uberblicksarbeit gerecht werden, die den ge-samten Kontext didaktisch genutzter Ontologien betrachtet. Dazu gehoren didaktischeGrundlagen ebenso wie der Blick auf Bildungsstandards und Kompetenzen sowie dieBeschaftigung mit Begrifflichkeiten und Standards auf dem E-Learning-Sektor.

Zweitens greift die Arbeit bestehende Forschungsergebnisse aus dem Bereich didakti-scher Ontologien auf und hinterfragt die entstandenen Produkte vor dem Hintergrundaktueller Fragestellungen, aber auch fortgeschrittener technischer Entwicklung. Daraufaufbauend soll ein System von Ontologien entwickelt werden, welches moglichst allennotwendigen Belange gerecht wird. Um die praktische Eignung des Modells zu unter-streichen, wird zusatzlich ein konkretes Anwendungsbeispiel erarbeitet, das sich in dieStruktur der geschaffenen Ontologien einfugt. Die Konzepte und Lernziele des dazuausgewahlten Bereichs ”Objektorientierte Modellierung und Programmierung“ (Jahr-gangsstufe 10) weisen einen hohen Grad an Interdependenz auf, womit eine besondereHerausforderung an das Vorhaben gestellt wird.

4 1 Einleitung

1.3 Aufbau des Dokuments

Im nachsten Kapitel (2) widme ich mich didaktischen Grundlagen und lege dabei denFokus auf die Lernzieltheorie. Im Bereich der Lernzieltaxonomien stelle ich die unent-behrlichen Ergebnisse der Arbeiten von Bloom sowie von Anderson und Krathwohlvor. Anschließend gehe ich auf prinzipielle Grenzen allgemeiner (fachungebundener)Taxonomien ein und stelle den vielversprechenden Vorschlag von Fuller et al. vor, derdie Besonderheiten des Fachs Informatik mit einer praxisnahen Lernzieltaxonomiein Einklang zu bringen versucht. Das Kapitel schließt mit einigen ausgewahltenErkenntnissen der modernen Lernforschung, auf die sich Theoretiker wie Praktiker beiihrer Arbeit besinnen sollten.

Eine zunehmende Bedeutung im Kontext von Schule und Unterricht kommt(nationalen) Bildungsstandards zu, denen ich mich in Kapitel 3 widme. Dabei zieheich die einschlagigen Ausfuhrungen des BMBF zu Rate und bewerte die Expertise derGesellschaft fur Informatik (GI) zu Bildungsstandards fur das Unterrichtsfach.

In Kapitel 4 bemuhe ich mich um eine Begriffsklarung von ”E-Learning“, trageeinige Punkte zur Motivation dieses Phanomens vor und nehme zu den Schwachenbestehender Standards in diesem Bereich Stellung. Insbesondere werde ich ausfuhren,weshalb bestehende Ansatze nicht geeignet sind, (fach)didaktische Aspekte in ausrei-chendem Maß zu berucksichtigen.

Das Kapitel 5 liefert - ausgehend von der Auszeichnungssprache XML - eineanschauliche Einfuhrung in die Ontologiesprache OWL, nicht ohne zuvor auf dasVerstandnis von ”Ontologien“ in Philosophie und Informatik zu sprechen zu kommen.

Kapitel 6 wiederum stellt einige Arbeiten vor, die im Bereich ontologiebasierterModellierung am Fachgebiet entstanden sind. Hierbei ist es oberste Pramisse, diejeweils zugrundeliegenden Uberlegungen und Entwurfsentscheidungen der Autoren zuhinterfragen. Wahrend graphische Darstellungen die Anschaulichkeit erhohen sollen,endet das Kapitel mit einer zusammenfassenden Wurdigung der Ergebnisse.

Das Kapitel 7 beginnt mit einer Vorstellung des Informatik-Lehrplans fur die 10.Jahrgangsstufe des naturwissenschaftlich-technologischen Gymnasiums (NTG) inBayern. Die knapp zwei Seiten umfassenden Festlegungen (Anhang) expliziere ichunter Zuhilfenahme zugelassener Lernmittelwerke. Daran anschließend wird sich dieFrage stellen, ob es moglich ist, Lernziele verbindlich aus Kompetenzen abzuleiten. DieDarstellung eines didaktischen Dilemmas sowie die Analyse einer Aufgabenstellungrunden das Kapitel ab. Aufbauend auf den angestellten Betrachtungen ist eineLernzielsammlung fur den Bereich OOM/OOP entstanden.

Auch dem Kapitel 8 kommt praktischer Wert zu: Anforderungen, die in bisherigenAnsatzen keine Berucksichtigung gefunden haben bzw. uberarbeitet werden mussen,

1.3 Aufbau des Dokuments 5

widme ich jeweils einen eigenen Abschnitt. Dabei nehme ich begrundet zu AspektenStellung, die bei der Entwicklung und Modellierung meiner Ontologien eine Rollegespielt haben. Zahlreiche graphische Darstellungen illustrieren die Ideen. Abschlie-ßend gehe ich auf die exemplarische Fachontologie ein und greife exemplarisch einigeLernziele heraus, um deren taxonomische Einordnung zu verteidigen.

Im Kapitel 9 ziehe ich schließlich Bilanz uber die gewonnenen Erkenntnisse,beschaftige mich kurz mit der Frage nach der Zukunft von E-Learning und subsumiereAnknupfungsmoglichkeiten an die vorliegende Arbeit.

Der Anhang enthalt die Quelltexte einiger der entwickelten Ontologien, die entstan-dene Lernzielsammlung sowie den Fachlehrplan Informatik der Jahrgangsstufe 10 amNTG. Die exemplarische Fachontologie befindet sich aus Platzgrunden ausschließlichauf der beiliegenden CD.

6

2 Didaktische Grundlagen

2.1 Lernziele

2.1.1 Charakterisierung

Mit Meyer ([Mey93], S. 137f.) versteht man unter einem Lernziel

”die sprachlich artikulierte Vorstellung uber die durch Unterricht [...] zu bewirkendegewunschte Verhaltensdisposition eines Lernenden“.

Nach Schelten ([Sch04a], S. 200) beschreiben Lernziele

”das angestrebte Lernergebnis, uber das ein Schuler am Ende eines Lernvorgangesverfugen soll.“

Anders ausgedruckt: Lernziele formalisieren prazise Aussagen daruber, welcheHandlungsfahigkeit die Lernenden nach Absolvierung einer Lerneinheit erworbenhaben sollen.

Die Beschreibung eines Lernziels besteht aus einem Verb zur Angabe des jeweilsbeteiligten kognitiven Prozesses und aus einem Nomen, welches fur das anzueignendeWissen steht. So heißt es bei Anderson und Krathwohl ([AKA01], S. 4):

”The verb generally describes the intended cognitive process. The noun generallydescribes the knowledge students are expected to acquire or construct.“

Die Formulierung eines Lernziels ist somit von der Form

Der Lernende ist in der Lage, <Nomen> <Verb>,

womit ein gewisser inharenter Zwang auf den Urheber ausgeubt wird, sich auf diezu erlangenden Fahigkeiten der Studierenden zu beziehen (vgl. [blk04], S. 3).

Ich folge der bewahrten Klassifikation von Anderson und Krathwohl ([AKA01]) undunterscheide - abhangig von ihrer Spezifitat - drei Kategorien von Lernzielen1:

• global objectives: Komplexe, vielseitige Lernziele, deren Erreichen ein erhebli-ches Quantum an Zeit und Anleitung erfordert;

1Ubersetzung der Explifizierungen von Anderson et al. durch den Autor

2.1 Lernziele 7

• educational objectives: Werden von global objectives abgeleitet, indem derenAufspaltung in starker konzentrierte und abgegrenzte Lernziele erfolgt;

• instructional objectives: Haben den Anspruch, Lehre und Leistungsmessungauf Basis kleinschrittiger Lerneinheiten zu unterstutzen, wobei die Teilgebietestark eingegrenzt sind.

Auf das Verhaltnis zwischen Richt-, Grob- und Feinzielen auf der einen sowiediesen - dem englischen Originalwerk entnommenen - Begriffen werde ich nicht weitereingehen. Jedenfalls kann eine Synonymitat nicht ohne Weiteres angenommen werden.

Global objectives finden sich hauptsachlich in vergleichsweise umfangreichen Leitli-nien wie dem Lehrplan wieder und vereinen eine große Menge spezifischerer Lernzieleunter sich. Dementsprechend sind zu ihrem Erreichen Zeitraume im Jahresbereichanzusetzen.

Educational objectives decken Zeitraume von Wochen bis zu Monaten ab undbeziehen sich auf global objectives, weisen jedoch bereits einen erkennbaren Bezug zumkonkreten Unterrichtsgeschehen auf.

Instructional objectives prazisieren die Aussagen von educational objectives, legen dieGrundlage fur einzelne Unterrichtseinheiten und haben dementsprechend eine zeitlicheReichweite im Bereich von einigen Tagen bis zu wenigen Wochen.

2.1.2 Lehrziel vs. Lernziel

Mit Kock und Ott ([KO94]) stehen ”Lehrziel“ und ”Lernziel“ fur

”die zwei Seiten ein- und derselben Medaille. Aus der Sicht des Lehrers wird dieerklarte Absicht einer Unterrichtseinheit zum Lehrziel, das ihn zur Organisation eineroptimalen Lernsituation fur die Schuler verpflichtet. Die Schuler machen sich dasLehrziel des Lehrers als Lernziel zu eigen, wenn sie das Lernangebot des Lehrersannehmen und das angestrebte, im Handeln nachweisbare und uberprufbare Verhaltendurch Lernakte verwirklichen. Die Unterrichtsplanung des Lehrers hofft also letztlichauf die Einlosung seiner Lehrziele durch die Lernziele der Schuler.“

Trotz dieser Verwandtschaft erscheint mir die klare Unterscheidung beider Begriffeerforderlich, um die Notwendigkeit der Perspektivubernahme beim Umgang mit Lern-zielen zu betonen.

2.1.3 Funktion

Im geeigneten Kontext ist der Einsatz von Lernzielen nach [Hub08] hilfreich bei der

8 2 Didaktische Grundlagen

• Identifikation eines moglichen Lernpfades (oder mehrerer Lernpfade) langs derAnforderungen eines besonders komplexen, umfangreichen und/oder schwierigenFachgebiets;

• didaktisch sinnvollen Anordnung von Konzepten, welche (aus bestimmtenGrunden) in sequentieller Form vermittelt werden mussen (z. B. bei der Ent-wicklung eines Lehrbuchs);

• Entwicklung von Prufungsaufgaben, bei der der bis dato erreichte Lernfortschritteine Rolle spielt;

• detaillierten Evaluation von Lernprozessen;

• Gegenuberstellung und zum Vergleich zweier ahnlich ablaufender Unterrichts-stunden (z. B. vergleichbare Bachelor-Module von unterschiedlichen Univer-sitaten);

• Entwicklung eines E-Learning-Systems (speziell um mogliche Abfolgen von Ler-nobjekten festzulegen, die dem Lerner prasentiert werden);

• Beschreibung des Kontexts, in dem konkretes Lehrmaterial zu verwenden ist (Me-dien, beispielhafte Unterrichtsstunden, Prufungen, etc.).

2.2 Lernzielorientierte Didaktik

2.2.1 Ursprunge

Eines der ”großen“ didaktischen Modelle ist die lernzielorientierte (auch: curriculare)Didaktik nach Christine Moller (2002). Wissenschaftstheoretische Grundlage diesesModells ist der Behaviorismus, speziell die Erkenntnisse von R. Gagne.

Lernen wird im klassischen Behaviorismus verstanden als Entstehung von Reiz-Reaktions-Verbindungen: Das Verhalten wird erklart als Ergebnis einer Reaktion desMenschen auf Impulse (= Reize) seiner Umwelt (vgl. [Gud06], S. 151). Dieser Ansatzist außerst praktikabel, jedoch nicht unumstritten.

2.2.2 Charakterisierung

Die lernzielorientierte Didaktik geht davon aus ([Mol02]),

• dass ein praziser Zielerstellungsprozess zentraler Bestandteil jeder Unterrichtspla-nung ist,

• dass dafur ein handhabbares und wissenschaftlich abgesichertes Instrumentariumvorliegen muss,

• dass sowohl das Verhalten des Lerners als auch der Inhalt, an dem das Verhaltengezeigt wird, eindeutig bestimmt sind,

2.2 Lernzielorientierte Didaktik 9

• dass damit die Grundlage fur eine effektive Methodenauswahl gegeben ist

• und dass der Erfolg nur anhand der so bestimmten Ziele wirkungsvoll zuuberprufen ist. Die Entwicklung einer Unterrichtseinheit (bzw. eines Curriculums)erfolgt in drei Teilprozessen: Lernplanung, Lernorganisation und Lernkontrolle.

Im Rahmen dieser Arbeit wird besonders die Phase der Lernplanung im Vorder-grund stehen. Ihre Aufgabe ist die Sammlung einer moglichst umfassenden Menge vonLernzielen fur die zu erstellende Unterrichtseinheit mit anschließender Auswahl undEinordnung in die obige Hierarchie der global, educational und instructional objectives.

Zusatzlich lassen sich Lernziele in vorgegebene Klassifizierungsraster (Lernzieltaxo-nomien) einordnen. Klassisch sind hier die historischen Arbeiten von Bloom, Anderson,Krathwohl et al. (vgl. 2.3.2, 2.3.3).

Zweite Phase nach Moller ist die Lernorganisation: Mit welchen Methoden und Me-dien konnen die Lernenden die aufgestellten Lernziele optimal und moglichst effektiverreichen? Eine konkrete, explizite Methodenbeschreibung soll den UnterrichtszielenLehr-Lern-Methoden zuordnen: An der entstehenden Matrix kann die Angemessenheiteiner Methode zur Erreichung eines bestimmten Ziels abgelesen werden.

Die Lernkontrolle als dritter Phase soll zu unterrichtlicher Transparenz fuhren undden ”Glauben, dass alles gut gelaufen ist“ ([Mol02], S. 74) ablosen. Wie die nachstenAbschnitte belegen, bildet die Menge der operationalisierbaren Lernziele eine echte Teil-menge derjenigen Ziele, die im Rahmen verantwortungsvoll organisierter Lernprozesseanzustreben sind.

2.2.3 Operationalisierung von Lernzielen

Hilbert Meyer ([Mey05]) versteht Operationalisierung als ”erfahrungswissenschaftlicheMessbarmachung“. Der Ursprung operationalisierter Lernziele findet sich beim Beha-vioristen Mager.

Im Operationalisierungsprozess muss eine prazise Beschreibung der Lernzieleerfolgen. Hierzu gehoren die Endverhaltensbeschreibung, die Bedingungen des Endver-haltens sowie die a-priori-Festlegung des Beurteilungsmaßstabs.

Ein operationalisiertes Lernziel gibt exakt das erwunschte, beobachtbare Verhaltendes Lernenden nach dem Lernprozess an. Komplexere Ziele (global, educationalobjectives) sind dabei in kleinschrittige Teilziele (instructional objectives) gegliedert.

Beispiel.

”Jeder Lernende soll innerhalb von 10 Minuten schriftlich drei Oratorien Handelsnennen konnen, funf von 10 moglichen Stilelementen angeben und von mindestens ei-nem Werk den Erstauffuhrungsort nennen konnen.“ ([Gud06], S. 243).


2.2.4 Kritik

Affektive, motivationale und soziale Lernziele lassen sich im Allgemeinen nicht ope-rationalisieren. Dies ist ein Hauptansatzpunkt der Kritiker lernzielorientierter Didaktik.

Das Lernziel

”Der Lernende ist in der Lage, sich an der klassischen Musik von Handel zuerfreuen.“

ist ein nicht operationalisierbares Beispiel aus dem affektiven Bereich. (Entsprechen-de Beobachtungen entsprangen bestenfalls subjektiven Einschatzungen.)

Die Formulierung von und Navigation langs Lernzielen kann nicht in jedem di-daktischen Kontext sinnvoll, sondern u. U. sogar kontraproduktiv sein, weshalb dieDiskussion uber ihre Berechtigung stets differenziert gefuhrt werden sollte.

Weitere Kritikpunkte am curricularen Modell sind die Tendenz zur Reduktionder komplexen didaktischen Problematik auf den Teilaspekt der Effizienz und dieAusklammerung des selbstbestimmungsfahigen Subjekts ”Schuler“ (nach [Gud06], S.243).

Eine solche Sicht auf Unterrichtsplanung widersprache ubrigens auch der zeitlosgultigen Forderung Klafkis, Schulern Selbstbestimmungs-, Mitbestimmungs- undSolidaritatsfahigkeit zu vermitteln.

Anhanger konstruktivistischer Lehr-Lern-Ansatze befurchten, Lehrkrafte konntenangesichts der Ausarbeitung bestimmter Lernzielabfolgen dazu verleitet werden, ihreunterrichtliche Vorgehensweise strikt nach diesen Abfolgen zu richten (vgl. [DJ92]).

Auch Gudjons konstatiert, dass die Curricula im Laufe der Zeit tatsachlich derart

”wasserdicht“ wurden, dass sie zu geschlossenen Systemen degenerierten (vgl. [Gud06],S. 244). Lehrer wie Schuler werden hierdurch in ein festes Raster gezwangt, auf einemstatischen Pfad zum vorher festgelegten Lernziel zu gelangen. In der Folge bemuhte mansich um eine Offnung der Curricula, um mehr Spielraum fur die kreative Ausgestaltungund die Berucksichtigung situativer Bedingungen zu lassen.

2.2.5 Chancen

Eine pauschale Verurteilung von Lernzielen wurde die didaktische Forschung undPraxis jedoch nachhaltig ins Mystische zuruckwerfen (vgl. [Hub08]).

Schließlich wird die Qualitat und der individuelle Nutzen von Unterricht primaran seinen Ergebnissen gemessen - soweit diese messbar im Sinne einer verlasslichen(objektiven) Beobachtbarkeit durch (qualifizierte) Dritte sind. (An dieser Stelle setzt

2.3 Lernzieltaxonomien 11

auch die generelle Kritik an schulischer Leistungsfeststellung an.) Von dieser Warteaus gesehen (”Unterricht ohne Ziele ware kein Unterricht“, [Asc93], S. 52) erscheintes vollig legitim, gewisse Ziele zu formulieren, die man bezuglich der Lernenden nachAbschluss einer Lerneinheit erreicht zu haben wunscht (ohne aber Lernziele mitLehrzielen zu verwechseln!).

Allgemein sind Lernziele also schon allein unter evaluatorischen Gesichtspunktennicht aus der Planung von Lehraufgaben wegzudenken. Dennoch kann nicht jedeLerntatigkeit einem Lernziel zugeordnet werden. Entsprechende Versuche mussenwahlweise mit dem Ergebnis eines nicht beobachtbaren vulgo eines sachfremdenLernziels scheitern.

Daher ist auch bei der Wahl der jeweils angemessenen ”Schrittweite“ ein sorgfalti-ges Vorgehen Pflicht. Der Begriff der ”kleinschrittigen Teilziele“ darf keinesfallsdahingehend missinterpretiert werden, dass engmaschige Lernziele den Duktus vonLehr-Lern-Prozessen exakt vorschreiben.

Es liegt in der Natur des Konzepts Lernziel, dass zumindest die Moglichkeit zueinem derartigen Missbrauch gegeben ist.

[Hub08] schlagt Lehrkraften als praktischen Kompromiss vor, nur einige wenige,sehr zentrale Lernziele herauszuarbeiten, anhand derer sich langerfristige Lehr-Lern-Prozesse beschreiben und analysieren lassen. Ein solches Verstandnis gesteht auch derschon von Klafki postulierten Schulerpartizipation wieder den angemessenen Raum zu.

Auf Basis einer sauberen Reflektion der konkreten Rahmenbedingungen (Fach, Stoff,Zielgruppe) kann der curriculare Ansatz daher nach wie vor fruchtbaren Boden fureffektive Lernprozesse bereiten. Abseits von Extremen wird guter Unterricht von einemangemessenen Verhaltnis aus Konstruktion und Instruktion leben.

2.3 Lernzieltaxonomien

2.3.1 Definition und Zweck

Der Begriff Taxonomie (von griechisch t�xic - Ordnung und nìmoc - Gesetz) wird insehr vielfaltigem Zusammenhang gebraucht und steht in dieser allgemeinen Form furein System zur Klassifizierung und Kategorisierung.

Lernzieltaxonomien dienen damit also der Klassifizierung und Kategorisierung vonLernzielen und geben Aufschluss uber mentale Prozesse, die fur ein Erreichen desLernziels beim Lerner ablaufen mussen. Wie dem Leser aus seinen Alltagserfahrungenbekannt sein durfte, findet die Einordnung jedes Dimensionierungsraster stets undunweigerlich unter Berucksichtigung bestimmter Aspekte und Setzung bestimmterSchwerpunkte statt. Ganz analog findet man auch im didaktischen Bereich diverse


Vorschlage fur Taxonomien, die jeweils eine eigene Perspektive auf Lernprozesseakzentuieren.

Biggs [Big99] sieht die Hauptaufgabe von Lernzieltaxonomien darin, Lehrende beim

”Verstehen des Verstehens“ sowie bei der Kommunikation uber dieses Verstehen zuunterstutzen. In gewisser Weise kann man also von einer Metadimension sprechen.

Mit [FJT+07] kann eine fruchtbare Nutzung von Lernzieltaxonomien auf drei Ebenenansetzen:

• bei der Planung von Unterricht,

• bei der Entwicklung von Unterrichtsmaterialien und Prufungsaufgaben,

• sowie bei der Analyse der Schulerleistungen und bei der Ermittlung des Leis-tungsstands.

(Auffallig ist eine gewisse Korrespondenz zu den spater vorgestellten Leitfragen vonAnderson et al.)

Anderson und Krathwohl beschreiben den Zweck der Taxonomierung kurz undpragnant: ”It makes life easier!“ ([AKA01], S. 35). Im entsprechenden Abschnitt werdeich aufzeigen, dass die von Anderson et al. vorgelegte Taxonomie eine Brucke vonWissensarten zu den jeweils zugehorigen kognitiven Prozessen schlagt und damit inder Lage ist, an Lernprozessen Beteiligten ein Stuck weit Orientierung und Legitima-tionsgrundlage zu sein.

Genauso wenig wie Lernziele Annahmen uber konkrete unterrichtliche Gegebenhei-ten enthalten durfen, soll ihre Taxonomierung zu einer ”Zementierung“ (im Sinne ei-ner ubermaßigen Strukturierung oder gar Determinisierung) des Unterrichtsprozessesfuhren. Insofern haben auch Lernzieltaxonomien aus gutem Grund einen begrenztenAnspruch.

2.3.2 Bloom’s Modell

Die 1956 vom US-amerikanischen Lernpsychologen Benjamin Bloom nebst Mitarbeiternentwickelte Taxonomie unterscheidet zwischen kognitiven, affektiven und psychomoto-rischen Lernbereichen:

• Kognitiver Lernbereich: Bereich des Erinnerns (Wissensreproduktion, -verarbeitung, -anwendung), letztlich Erweiterung der intellektuellen Fahigkeiten;

• affektiver Lernbereich: (u. U. unbewusstes) menschliches Verhalten, Auswir-kungen auf personliches Handeln;

• psychomotorischer Lernbereich: Auswirkungen des Lernprozesses im moto-rischen Bereich, Koordination von Bewegungen.


Unterhalb dieser Bereiche subsumieren Bloom et al. jeweils Unterstufen, die durchNomen gekennzeichnet sind.

Dohnke ([Doh02]) merkt an, dass die Lernzieldimensionierung nach Bloom reinanalytischen Charakter habe: Eine der drei Dimensionen werde um des effektivenLernens willen stets herausgehoben. Von daher sei es eher angebracht, von kogniti-v/affektiv/psychomotorisch akzentuierten Lernzielen zu sprechen.

[FJT+07] kritisieren, dass Bloom von einem rein sequentiellen Lernprozess ausgehtund die Vorzuge iterativer Vorgehensweisen im Sinne eines spiralformigen Ansatzes(siehe dazu spater) nicht zur Kenntnis nimmt.

In diesem Zusammenhang haben Niemierko et al. ([Nie90]) die interessante Theseaufgestellt, dass sich die drei obersten Kategorien der Bloomschen Hierarchie innaturwissenschaftlichen Fachern in keine allgemein gultige Reihenfolge bringen lassen.

Unabhangig davon und vor allem im Hinblick auf die mittlerweile vorliegendeUberarbeitung durch Anderson und Krathwohl ist die Bedeutung von Bloom’s Mo-dell sicherlich kaum zu ermessen.

2.3.3 Bloom revised: Anderson und Krathwohl

Anderson und Krathwohl haben mehr als 40 Jahre nach Blooms Veroffentlichung einedifferenziertere, zweidimensionale Fassung einer Lernzieltaxonomie2 vorgeschlagen. Indieses Modell flossen erstmalig Ergebnisse aus der konstruktivistischen Lernforschungein.

Neben des unverzichtbaren Studiums der englischen Originalliteratur liefert eine(auch digital verfugbare) Ausarbeitung des BLK-Projekts ([blk04]) der UniversitatHannover einen sehr brauchbaren Einstieg in die Thematik.

Vier Leitfragen fur guten Unterricht

Das Konzept von Anderson et al. rankt sich um vier grundsatzliche Fragen (vgl. Titeldes Originalwerkes!), denen nach Meinung der Autoren eine bedeutsame Rolle fur diePlanung von Unterricht zukommt ([AKA01], S. 6):

• Die Lernfrage (learning question): Was ist wirklich wichtig fur die Lernenden?(Damit ubt diese erste Frage fundamentalen Einfluss auf Lernziele aus.)

• Die Unterrichtsfrage (instruction question): Welche Aspekte sind bei der Pla-nung von Unterricht zu berucksichtigen, um ein hohes Lernniveau fur moglichstalle Schuler sowie eine angemessene Methodik zu sichern?

2veroffentlicht 2001 unter dem Titel”A taxonomy for learning, teaching and assessing - A revision of

Bloom’s taxonomy of educational objectives“


• Die Bewertungsfrage (assessment question): Welche Bewertungsinstrumenteund -kriterien sind geeignet, um den Lernfortschritt der Schuler objektiv (vgl.Testgutekriterien) feststellen zu konnen? (Eine notwendige Bedingung fur einezufriedenstellende Antwort auf diese Frage wird die Operationalisierung von Lern-zielen sein.)

• Die Stimmigkeits- bzw. Passungsfrage (alignment question): Diese Frage hateine Art integrierende Funktion fur die Kombination der drei vorigen Kriterienund soll gewahrleisten, dass die entwickelten Lernziele mit der Unterrichtsrealitatund der Notwendigkeit zur Bewertung in Einklang gebracht werden konnen.

Struktureller Aufbau der Taxonomie

Anderson et al. unterscheiden zwei Prozessdimensionen:

• Die Wissensdimension: Faktenwissen, begriffliches Wissen, prozedurales Wis-sen und metakognitives Wissen;

• die Dimension des kognitiven Prozesses: Erinnern, Verstehen, Anwenden,Untersuchen, Bewerten, (Er)Schaffen.

Die Stufen einer Dimension bilden dabei hinsichtlich ihres Anspruchs ein Kontinuumund schließen sich gegenseitig aus. Anders als noch bei Bloom liegt der Anderson-Taxonomie jedoch nicht die pauschale Annahme zugrunde, dass die auf einer Stufegeforderten Kenntnisse bzw. Tatigkeiten stets ebensolche auf ”geringerwertigen“Stufen erfordern (vgl. [AKA01], S. 309).

Zusatzlich ist bemerkenswert, dass Anderson et al. die noch bei Bloom vorgefunde-nen Nomen in ihrer kognitiven Prozessdimension durch Verben ersetzt haben, um denTatigkeitscharakter zu betonen.

Zu Gunsten der Praktikabilitat ihres Modells verzichteten Anderson et al.bewusst darauf, einem stufenlosen Aufbau der kognitiven Prozesse den Vorzuggegenuber der vorliegenden sechsfachen, treppenartigen Stufung zu geben. Dabei sindUberschneidungen in der Komplexitat jedoch ausdrucklich nicht ausgeschlossen: Soist es in einer grafischen Darstellung durchaus zulassig, ein Lernziel auf der Grenzezwischen zwei Stufen anzuordnen (vgl. [AKA01], S. 309).

Gemaß dieser Taxonomie und in Ubereinstimmung mit unserer obigen Definition istin einem (operationalisierten) Lernziel also regelmaßig eine bestimmte Art von Wissenverknupft mit einem am Lernenden beobachtbaren Verhalten (kognitiver Prozess). Ingewisser Weise steht das Nomen eines Lernziels fur das Wissen, wahrend das Verb sichauf die geistige Tatigkeit bezieht, die zum Erreichen des Lernziels vonnoten ist (vgl.[AKA01], S. 30)


Das in Bezug auf Lernziele und deren Einordnung in Taxonomien m. E. fast alsrevolutionar zu bezeichnende kognitiv-konstruktivistische Wissensverstandnis von[AKA01] unterscheidet sich fundamental von alteren Begriffen wie dem Behaviorismus,der Wissen als Reiz-Reaktions-Kontingenz (Behaviorismus) erklart und dem dieAnnahme einer black box zugrundeliegt..

Anderson et al. legen Wert auf die Feststellung, dass ihr Modell von einerdomanenspezifischen Organisation des Wissens ausgeht, die ebenso von individuellenFaktoren wie Erfahrungen, Vorwissen und dem situativen Lernkontext beeinflusst wird([AKA01], S. 41).

Dimension für den kognitiven Prozess Taxonomie-Tabelle

Erinnern Verstehen Anwenden Untersuchen Bewerten Erschaffen

Faktenwissen

Begriffliches Wissen

Prozedurales Wissen

Wis

sen

sd

ime

nsio

n

Metakognitives Wissen

Abbildung 2.1: Lernzieltaxonomie nach Anderson, Krathwohl et al.

Nachfolgend seien beispielhaft einige Aktivverben angegeben ([AKA01], S. 67f.), wel-che mit Anderson et al. Untertypen bzw. Synonyme fur die Kategorien des kognitivenProzesses darstellen (meiner Meinung nach handelt es sich eher um Konkretisierungenim Sinne einer feineren Abstufung der jeweiligen Kategorie):

• Erinnern: erkennen, identifizieren, abrufen, reproduzieren, auflisten;

• Verstehen: interpretieren, ubersetzen, klassifizieren, kategorisieren, subsumie-ren, zusammenfassen, generalisieren, folgern, schließen, vergleichen, erklaren, dis-kutieren, beschreiben;

• Anwenden: ausfuhren, benutzen, implementieren, durchfuhren, ubertragen,vorfuhren, demonstrieren, handhaben, umgehen mit;

• Analysieren/Untersuchen: differenzieren, unterscheiden, kennzeichnen, cha-rakterisieren, auswahlen, erfassen, strukturieren, aufteilen;

• Bewerten: ermitteln, prufen, evaluieren, begrunden, uberwachen, testen, beur-teilen, auswerten, schatzen;

• (Er-)Schaffen: generieren, kreieren, entwerfen, konstruieren, produzieren, aus-arbeiten, realisieren, zusammenstellen.


Im Rahmen des bereits angesprochenen didaktischen Projekts an der UniversitatHannover ([blk04]) liefern die Autoren der Handreichung wertvolle Ubersetzungen dereinzelnen Untertypen (S. 5f.). Anderson und Krathwohl raten explizit dazu, sich bei derFormulierung eigener Lernziele moglichst auf die Unterkategorien zu stutzen ([AKA01],S. 30).

2.3.4 Probleme allgemeiner Lernzieltaxonomien

Fuller et al. ([FJT+07]) untersuchten die Potentiale und Grenzen bei der Nutzungsolcher ”generischer“ Lernzieltaxonomien im Informatikunterricht.

All diesen Modellen ist inharent die Annahme gemein, dass die Hierarchie der Lernzielein allen Domanen die selbe sei.

Problem: Die angemessene Klassifizierung eines Lernziels oder einerPrufungsaufgabe hangt stark vom jeweiligen Kontext ab (z. B. vom Vorwissender Lerner, von situativen Bedingungen, ...). Dieser Einwand gilt in unterschiedlichemAusmaß fur alle Facher und ist auch in der Anderson-Taxonomie nur eingeschranktberucksichtigt.

Hinsichtlich der kognitiven Komplexitat der hoherwertigen Kategorien im Modell vonAnderson und Krathwohl kann es durchaus zu Uberlappungen kommen ([KBM64]).

Problem: Zum einen konnen und durfen Lernziele keine beliebig feine Granularitataufweisen, zum anderen sollte moglichst allen kognitiven Aspekten Rechnung getragenwerden, welche sie vereinen.

Lernzieltaxonomien fokussieren stark auf den kognitiven Bereich.

Problem: Der Lernerfolg korreliert deutlich mit Fortschritten auf affektiver Ebene.Dies gilt in besonderer Form fur das Fach Informatik.

Forscher und Praktiker diskutieren uber die hierarchische Anordnung der Kategorienim kognitiven Prozess. Somit lasst sich vermuten, dass die Annahme eines identischenAufbaus der kognitiven Prozessdimension zu kurz greift.

Problem: Mit [FJT+07] steht in angewandten Fachern die Fahigkeit zur Entwick-lung von Produkten (z. B. Software) im Mittelpunkt. Dabei erfordert ein Erreichender Kategorie ”Apply“ gleich mehrere komplexe Fertigkeiten, die darin subsumiertwerden. ([JF07] haben in ihrer Taxonomie aus diesem Grund auf ”Higher Application“als Bezeichnung fur die oberste Stufe zuruckgegriffen.)

Die Einordnung auf Stufe drei der Taxonomie von Anderson und Krathwohl verkenntso ein Stuck weit den Stellenwert des ”Apply“ in der Informatik. Zugleich findet sich


Fachwissen, welches leichter anzuwenden als prazise zu beschreiben ist.

Die Autoren unterscheiden in einer ersten Naherung zwischen Disziplinen, in denenvorrangig ”learning by interpreting“ oder ”learning by doing“ gefragt ist. Besondersletztere Erwartung werde im Fach Informatik an die Schuler gestellt, immer gekoppeltan interpretative Herausforderungen:

”So mogen Schuler in der Lage sein, Programmcode zu lesen und zu interpretie-ren, konnen gleichzeitig jedoch keine eigenen Programme implementieren. Zugleichimpliziert die Fahigkeit, Programme zu schreiben, nicht automatisch Kenntnisse uberMethoden des Debugging.“ ([FJT+07], S. 163)

Robins ([RRR03]) versteht unter dieser interpretativen Kompetenz die Fahigkeit,das angestrebte vom derzeitigen Programmverhalten zu unterscheiden3.

Weitere ureigene Besonderheiten des Fachs sehen die Autoren in der Notwendigkeit,Prozesse zu analysieren und Problemlosestrategien zu verfolgen. Die Vermittlung vonFahigkeiten zur Abstraktion, Modularitat und Wiederbenutzung fruherer Losungen(Beispiele: Einbettung einer Losung in einen großeren Zusammenhang, design patterns,...) steht in einem komplexen Bedingungszusammenhang.

[FJT+07] fuhren als ”intrinsische Charakteristika des Fachs Informatik“ an([FJT+07], S. 163):

• Problemlosung

• Modellierung

• Wissensreprasentation

• Effizienz im Rahmen der Problemlosung (→ Algorithmik)

• Erfindungsgeist und Kreativitat

• Kategorisierung

• Kommunikative Kompetenz uber den Fachbereich hinaus

• Aneignung und Nutzung bewahrter Methoden bei der Softwareentwicklung

Abschließend betonen die Autoren die Notwendigkeit einer Professionalisierung imSinne einer Konsolidierung der gelernten Fahigkeiten in der Personlichkeit des Lerners:

”It is not enough that students should know what constitutes good programmingstyle; we want them to have taken this to heart so that they instinctively write elegant

3vgl. ein Zitat von Edward Murphy:”Ein Computerprogramm tut, was du schreibst - nicht, was du

willst.“


code whenever they work on a piece of software, not just when marks are explicitlyavailable for doing so.“ ([FJT+07], S. 163)

Auch die Forderung, fachspezifisches Wissen nicht nur zu vermitteln und zuvernetzen, sondern in individuelle moralische und ethische Prinzipien zu integrieren,erschwert eine Einordnung in generische Taxonomien, die moglichst allen Aspektengerecht wird.

Fuller et al. erschien an diesem Punkt vielversprechend, gezielt aus der vergleichs-weise starren Hierarchie der kognitiven Dimension ”auszubrechen“.

2.3.5 Ein domanenspezifisches Modell: Die Matrix-Taxonomie

So schlagen [FJT+07] eine zweidimensionale Erweiterung des Bloom-Modells vor, die

”Matrix-Taxonomie“. Hauptinspiration der Autoren und Kern der Schwierigkeit ist einPhanomen, welches der Offentlichkeit unter dem Begriff ”Henne-Ei-Problem“ vertrautsein durfte:

Untersuchungen zeigten, dass das Verstandnis von Programmcode und die Fahigkeit,Programmcode zu entwerfen wechselseitig voneinander abhangen bzw. zumindestdeutlich voneinander profitieren. ([FJT+07], S. 163)

Abbildung 2.2: Die Matrix-Taxonomie

Anknupfend an die vorangegangenen Uberlegungen reprasentieren die beidenDimensionen der Matrix die Kompetenzbereiche ”Interpretieren“ und ”Produzieren“.Innerhalb der Bereiche stutzen sich die Autoren auf die bereits bekannten Begrifflich-


keiten und wollen die Kategoriebezeichnungen im Sinne von Anderson et al. verstandenwissen (vgl. auch Kapitel 8 zu den Ontologien).

Die Matrix wird auf der horizontalen wie auf der vertikalen Achse strikt sequentielldurchlaufen. So ist es auch weiterhin nicht moglich, auf der Stufe ”Create“ zu operieren,bevor die Ebene ”Apply“ erreicht ist. Die Traversierung beginnt am Ursprung linksunten und strebt das Ziel ”Create - Evaluate“ an. Dieses Feld entspricht der Ebeneder ”Higher Application“, vgl. [JF07].

Die Autoren sehen ihren Vorschlag vor allem als Markierungsraster, welchesLehrende nutzen konnen, um die Lernfortschritte ihrer Schuler zu dokumentieren. Sielegen Wert auf die wichtige Feststellung, dass verschiedene Schuler unterschiedlicheLernpfade einschlagen, was sich mit der vorliegenden Matrix anschaulich abbilden lasst(vgl. Abbildung). Ebenfalls kann der Fall eintreten, dass sich ein Schuler z. B. auf demFeld ”Apply - Remember“ in einer Trial-and-Error-Schleife befindet (vgl. [FJT+07], S.164).

In praxi werden nicht alle Schuler das Zielfeld der Matrix erreichen. Mit Hilfe einerClusteranalyse identifizierte E. Lahtinen ([Lah07]) zwei Gruppen von Schulern:

• die Theoretiker mit primar horizontalem Lernverlauf, anzusiedeln im Feld ”(none)- Evaluate“,

• die Praktiker mit primar vertikalem Lernverlauf, anzusiedeln im Feld ”Create -Understand“.

Abbildung 2.3: Ziel ist die Ebene ”Create - Evaluate“


Nachdem diese Taxonomie nur den kognitiven Bereich adressiert, empfehlen dieAutoren eine Hinzunahme der von Bloom und Masia entwickelten Taxonomie [KBM64]fur affektive Ziele.

2.3.6 Iterative Anwendung von Lernzieltaxonomien

Fuller et al. schlagen im selben Artikel ([FJT+07]) ein weiteres interessantes Konzeptvor, indem sie eine spiralformige Route langs Lernzieltaxonomien skizzieren.

Als Beispiel dient die loop-Kontrollstruktur, die am Beginn der meisten Program-mierkurse stehen durfte. Zunachst lernt der Schuler den Nutzen einer Schleife kennen(Iteration); er versteht, wie die Schleifenstruktur funktioniert; er ist in der Lage, aufAnweisung Schleifen zu implementieren. Sobald der Schuler die hochsten Ebenen derkognitiven Dimension erreicht hat, ist das Konstrukt fur ihn zu einem Werkzeug furkunftige Programmiertatigkeiten geworden.

Folgen komplexere Aufgaben, so durchlauft der Schuler abermals spiralformig die Ta-xonomie, jedoch nun mit anderen Eingangsbedingungen. Jetzt ist er bereits auf der nied-rigsten kognitiven Ebene in der Lage, das Konstrukt der Schleife in die Problemlosungeinzubringen (vgl. [FJT+07], S. 167, Fig. 8).

2.4 Lernzielgraphen

Wie oben bei der Betonung der Kontextrelevanz angedeutet, lassen sich Lernzieleunter didaktischen Gesichtspunkten nur selten in isolierter Form betrachten. Wohersoll im Beispiel aus Abschnitt 2.2.3 das Wissen uber die Stilelemente stammen? Esbesteht also der inharente Bedarf zur Verknupfung verschiedener Lernziele im Sinneeines Abhangigkeitsgraphen.

Daruber hinaus ist zu bedenken, dass Abhangigkeitsrelationen zwischen Lernzielenmindestens hinsichtlich ihrer Obligatorizitat von verschiedener Art sein konnen.

Die Anordnung von Lernzielen ist also nicht beliebig, sondern hat wohluberlegt zuerfolgen, da bestimmte Lernziele Voraussetzung sind, um andere zu erreichen. [Hub08]fuhrt ein Beispiel aus der OOP an:

”Der Lernende muss das Konzept des Objekts (O1) verstanden haben, bevor er inder Lage ist, das Konzept der Klasse (O2) zu verstehen.“

Wir haben es hier also mit einer Vorrangrelation (Abhangigkeit) zwischen zweiLernzielen O1 und O2 zu tun. Anders ausgedruckt:

2.4 Lernzielgraphen 21

”O1 muss vor O2 erreicht werden“ oder auch ”O2 setzt O1 voraus“.

[Hub08] unterscheidet zwei Schweregrade von Vorrangrelationen:

a) ”Harte“ Voraussetzungen (hard prerequisites, P1), die aus einer substantiellenund/oder logischen Abhangigkeit resultieren:

konzept2 (behandelt in Lernziel O2) basiert auf konzept1 (welches in LernzielO1 behandelt wird). Ein Verstandnis von konzept2 setzt das Verstandnis vonkonzept1 unbedingt voraus.

b) ”Weiche“ Voraussetzungen (soft prerequisites, P2), die aus didaktischenUberlegungen erwachsen:

Um Lehr- und Arbeitsmethoden im Sinne didaktischer Prinzipien anwenden zukonnen, muss Lernziel O1 erreicht werden. Gleichzeitig ist es nicht zwingendnotwendig, O1 vor O2 zu erreichen, aber es empfiehlt sich, um den Lernprozess(z. B. die Nachhaltigkeit) fur Lernziel O2 zu vereinfachen oder zu verbessern.

Berucksichtigt man beide Schweregrade P1 und P2 bei der Anordnung, so kannes in der Folge zu gegenseitiger Abhangigkeit (circular dependency) von Lernzielenkommen. Der o.B.d.A. einfachste Zyklus ist P1-Abhangigkeit von O1 nach O2 undP2-Abhangigkeit in der anderen Richtung.

O1 O2

P1

P2

Abbildung 2.4: Einfache zirkulare Abhangigkeit

Einzig sinnvolle Auflosung des Problems ist eine zeitlich ausreichend enge Anordnungder jeweiligen Lernziele, um der ”Verwandtschaft“ (oder allgemeiner: Beziehung) vonO1 und O2 auf naturliche Weise zu entsprechen.

Gerade in der Informatik hat man es jedoch haufig mit Formen zirkularer Vorran-grelationen zu tun, bei denen mehr als zwei Lernziele betroffen sind.

[Hub08] schlagt vor, im Rahmen eines spiralformigen Ansatzes abwechselnd mitden von O2 und O3 behandelten Konzepten das Konzept aus O1 ausgehend von einer


O1 O2 O3

P1 P1

P2

P2

Abbildung 2.5: Zirkulare Abhangigkeit uber mehrere Lernziele hinweg

propadeutischen Betrachtung in jeweils unterschiedlicher Intensitat zu behandeln (vgl.Abb. 2.6).

O1

O2

1

remember

concept1

2O33

understand

concept1

4

concept1

O4

5can apply

concept1

Abbildung 2.6: Vorschlag zur Auflosung

Auf die Konsequenzen, die sich aus diesen wichtigen Uberlegungen ergeben, werdeich in den praktischen Kapiteln noch ausfuhrlich zu sprechen kommen. Auch werdensich die hier gewonnenen Erkenntnisse in Entwurf und Modellierung der Ontologienniederschlagen.

2.5 Erkenntnisse der modernen Lernforschung

Nachfolgend sollen einige (ausgewahlte) Ergebnisse moderner Lernforschung vorgestelltwerden, deren Bedeutung fur schulische Lernprozesse kaum zu ermessen ist. Damitmochte ich am Ende dieses Kapitels untermauern, in welch komplexem Kontext sich

2.5 Erkenntnisse der modernen Lernforschung 23

die Diskussion uber Lernziele abspielt. Im Zusammenhang mit dem Kompetenzbegriffwerde ich einige Aspekte erneut aufgreifen. Daneben lassen sich immer wieder Parallelenzu den vier Leitfragen von Anderson et al. erkennen.

1. Lebenslanges Lernen

Das menschliche Gehirn lernt immer - es kann gar nicht anders. Dieser Umstandist zum einen eine einzigartige Chance, zum anderen aber auch eine große Heraus-forderung und Verantwortung. So ist es beispielsweise moglich, dass vormittagsangeeignete Kenntnisse und Fahigkeiten durch (u. U. auch unbewusst) emotionalbelastende Erfahrungen am Nachmittag4 wieder aus dem Gedachtnis verdrangtwerden - und zwar bevor eine nachtliche Konsolidierung und damit der Transferins Langzeitgedachtnis erfolgen kann (vgl. [Pfe03], [Spi07b], S. 232).

2. Jeder lernt anders

Das Gehirn ist ein lernendes System, das nach seinen eigenen Gesetzmaßigkeitenlernt - es ist also selbstreferentiell ([Gud06], S. 218). Die Bewertung neuer Erfah-rungen obliegt dabei dem limbischen System.

Aus neurobiologischer wie philosophischer Sicht konstruiert sich das Individu-um seine personliche Welt also auf Basis jeweiliger Vorerfahrungen5. ”AdaptivesLernen“ als Abstimmung von Personmerkmalen der Lerner und verwendeten Me-thoden ([HW97], S. 137) ist daher die ebenso notwendige wie vielversprechendeAntwort der Lehr-Lern-Forschung.

3. Bedeutung der Lernzeit

Ein hoher Anteil echter Lernzeit6 (der ”vom Schuler tatsachlich aufgewendete[n]Zeit fur das Erreichen der angestrebten Ziele“, H. Meyer) wirkt sich positiv aufden Lernerfolg aus. Dies ist einer der altesten und empirisch am besten belegtenBefunde der Lehr-Lernforschung.

Insbesondere steht dieses Anliegen wieder in Verbindung mit der Forderung nachindividueller Forderung: So ist guter Unterricht fur Weinert ([Wei98], S. 7-18)

”ein Unterricht, in dem mehr gelernt wird als gelehrt wird.“

4. Bedeutung lernforderlichen Klimas

Positive Effekte eines lernforderlichen Klimas (genauere Ausfuhrungen in [Mey05],S. 47-54) außern sich in mehrerlei Hinsicht:

• eine Atmosphare ohne Angst vor Misserfolg und Bestrafung begunstigt dieGehirnaktivitat;

• ein solches Klima optimiert die zur Verfugung stehende Lernzeit (”mehrNetto vom Brutto“).

4man denke an den Realismus in Ego-Shooter-Spielen, Horrorfilme o. a.5Vgl.

”das Glas ist halb voll“ vs.

”das Glas ist halb leer“

6engl. time on task


5. Bedeutung von Methodenvielfalt

Die im Rahmen von TIMSS durchgefuhrten und ausgewerteten Videostudien bele-gen eine relative Methodenarmut im deutschen Unterrichtsalltag. Mit Helmke undWeinert ([HW97]) ist es Aufgabe von Lehrenden, im Hinblick auf die intendier-ten Lernprozesse bei den Lernenden geeignete Methoden zu wahlen. Schließlichenthalt jedes Thema bereits methodische Festlegungen - Methodenvielfalt darfalso weder allein um der Vielfalt willen ”betrieben“ werden, noch hat sie etwasmit Beliebigkeit zu tun!

Im Sinne von Martin Wagenschein (1896 - 1988)

”Ich nenne eine Didaktik herzlos, die das eigene Denken der Kinder nicht achtet,statt sich von ihm auf den Weg bringen zu lassen.“

sind die intendierten Ertrage von Lernarrangements aus Sicht der Lerner zu an-tizipieren.

6. Bedeutung der Balance zwischen Konstruktion und Instruktion

Lernen ist kein passiver Vorgang im Sinne eines unidirektionalen, rezeptiven Wis-senstransports. Unterricht mit ausschließlich instruktionalem Charakter verkenntden Status der Lernenden als handlungsfahige Subjekte und ist im Sinne Klafkisein klarer Verstoß gegen sein Postulat der Selbstbestimmungs-, Mitbestimmungs-und Solidaritatsfahigkeit. Insbesondere fordert dieses Primat der Instruktion einepassive Haltung, die (nicht nur) Klafkis Auffassung von Bildung als ”wechselsei-tiger Erschließung von Mensch und Welt“ diametral entgegensteht.

Radikal konstruktivistische Ansatze uberfordern dagegen die Lernenden, wie inempirischen Studien festgestellt wurde. Fur konstruktivistische Lernphasen er-scheint es ausgesprochen wichtig, dass die Lernenden bereits uber bereichsspezifi-sches Vorwissen und Metakompetenzen hinsichtlich des selbstgesteuerten Lernensverfugen. Oder, wie es Gudjons formuliert ([Gud06], S. 249): ”Der Weg zur Auto-nomie fuhrt uber die Anleitung.“ Andernfalls kann es zu negativen Auswirkungenwie einer falschlichen Selbstattribuierung von Misserfolgen kommen ([MKK+90],S. 393).

7. Situationsgebundenheit von Lernen und Wissen

Die Annahme, dass Wissen unabhangig von der jeweils vorherrschenden Situa-tion transportiert wird, ist schlichtweg falsch. Die beachtlichen Ergebnisse vonGedachtnisforschern uber implizite Gedachtnisleistungen (vgl. z. B. [Gos01], S.227f., [SB02], S. 495-517) und uber den Stellenwert spezifischer Abrufreize legenden Schluss nahe, dass Abruf und Anwendung von Wissen eben nicht unabhangigvon Situation und Kontext sind.

In diesem Zusammenhang wurde ubrigens empirisch belegt (vgl. [M+05], S. 393),dass sich bereits der Wechsel des Klassenraumes im Rahmen einer Leistungs-erhebung signifikant negativ auf Erinnerungs- und Reproduktionsleistungen derProbanden auswirkt.

2.5 Erkenntnisse der modernen Lernforschung 25

Infolgedessen sollte die Lernsituation unter moglichst vielen Gesichtspunkten derAnwendungssituation entsprechen. Hier liegt wiederum die Schnittstelle zu hand-lungsorientiertem Unterricht.

8. Motivationale und volitionale7 Komponente des Lernens

Ob Lernprozesse erfolgreich sind, hangt wesentlich von der Leistungsmotivationder Lerner ab. Gemaß [MKK+90] (S. 386) ist Leistungsmotivation

”die generelle Tendenz, die eigene Leistung an hohen Standards zu messen,nach erfolgreicher Leistung zu streben und sich uber erfolgreiche Leistung zufreuen“8.

Spricht man von Leistungsmotivation, so ist stets domanenspezifisch zu differen-zieren ([MKK+90], S. 397). Sie wird vorrangig durch Antizipation eines ange-nehmen/attraktiven Zielzustands und durch den mit zunehmendem Alter immerbesser funktionierenden Belohnungsaufschub erzeugt.

Leistungsmotivation wird auf unterschiedlichem Weg erreicht. Wesentliche Fak-toren fur das Motivationsniveau in einem bestimmten Aufgabengebiet sind([MKK+90], S. 388):

• Erfolgswert,

• Leistungsstandard (Anforderungsniveau, Bezugsnormorientierung),

• Vorstellungen uber die eigenen Fahigkeiten (Fahigkeitsselbstkonzept),

• Ursachenzuschreibung (Attribution) von Erfolg und Misserfolg.

In diesem Kontext spielen auch Neugier- und Interessenmotivation eine wichtigeRolle. 9

7Volition: von lat. velle”wollen“. Bezeichnet in der Psychologie den Prozess der Willensbildung

8Hervorhebungen durch den Autor9So durfte es die Neugiermotivation sein, die bei Kindern (und manchem Erwachsenem) verbotene

Dinge besonders attraktiv erscheinen lasst.

26

3 Bildungsstandards

3.1 Ausgangslage

Die in den letzten Jahren veroffentlichten internationalen Schulleistungsstudien habenDefizite im deutschen Bildungssystem zu Tage gefordert, die zum Teil als gravierendbezeichnet werden mussen.

In Folge des maßigen Abschneidens deutscher Schuler bei den Ergebnissen vonTIMSS (Third International Mathematics and Science Study), PISA (Programmefor International Student Assessment), IGLU (Internationale Grundschul-Lese-Untersuchung) und DESI (Deutsch-Englisch-Leistungen-International) kam es zugrundlegenden und einschneidenden Veranderungen in der Schulpraxis, der Bildungs-politik und der zugehorigen Forschung.

Bemerkenswert erscheint, dass systematische und regelmaßige Beobachtungen bzw.Uberprufungen der Ertrage institutionalisierter Bildungsprozesse in Deutschland erstseit Beginn der 1990er Jahre statt finden ([Kol07]). Im Konstanzer Beschluss von 1997einigte sich die Standige Konferenz der Kultusminister der Lander (KMK) darauf,das deutsche Schulsystem im Rahmen wissenschaftlicher Untersuchungen internationalvergleichen zu lassen. Die Tragweite dieses Paradigmenwechsels lasst sich erahnen,wenn Olaf Koller1 ihn zur zweiten ”empirische Wende“2 in der Schulforschung erhebt([Kol07], S. 140).

Ich mochte einige Befunde auffuhren, die sich speziell auf den mathematisch-naturwissenschaftlichen Sektor beziehen ([Kol07], S. 147ff.):

• Die Leistungen deutscher Schuler liegen deutlich unter den Leistungen unserereuropaischen Nachbarstaaten.

• Deutsche Schuler haben große Schwierigkeiten bei Transfer und Anwendung vonerworbenem Wissen auf alltagsnahe Problemstellungen.

• Der Unterricht in den einschlagigen Fachern ist wenig kumulativ, der Wissens-zuwachs wahrend eines Schuljahrs relativ gering. Entsprechende Beobachtungen

1Olaf Koller ist amtierender Direktor des Instituts fur Qualitatsentwicklung im Bildungswesen (IQB)an der Humboldt-Universitat zu Berlin

2Ursprunglich verhalf der Gottinger Heinrich Roth im Jahr 1962 den empirischen Methoden in derErziehungswissenschaft endgultig zum Durchbruch (vgl. [Gud06], S. 35) - ein denkwurdiger Meilen-stein.

3.2 Definition 27

außerte auch Prof. Manfred Prenzel vom IPN in seinem Vortrag zum Thema

”Technisch naturwissenschaftliche Bildung - Herausforderung im Unterricht“ am01.12.2008 (Technische Universitat Munchen).)

• Ein signifikanter Anteil von Schulern aus der Sekundarstufe I verbleibt auf ei-nem Niveau, das einen erfolgreichen Ubergang in die berufliche Erstausbildunghochgradig erschwert.

• 30 Prozent der Schuler aus der Sekundarstufe II verfehlen selbst ein niedrig an-gesetztes Sockelniveau.

Jenseits der fachlichen Ebene untermauern besonders die Ergebnisse von PISAnachhaltig die Korrelation zwischen schulischer Karriere und Schichtzugehorigkeit(Disparitat), die in dieser Auspragung in keinem anderen OECD-Land zu finden ist.Auch die Schwankungsbreite in den Leistungen ist in keinem Land so groß wie inDeutschland. Als ware dies noch nicht genug, hat die nationale Teilstudie PISA-Edeutliche Unterschiede der Benotungsmaßstabe und Leistungen in den einzelnenBundeslandern aufgezeigt.

All diese Erkenntnisse stehen in einem klaren Widerspruch zum Gleichheitsgrundsatz[K+07].

Erganzend sei angemerkt, dass viel zu oft ”Konnen auf dem Umweg uber Wissengepruft“ wird ([Sac07], S. 306).

Unter den Bemuhungen um eine nachhaltige Verbesserung der Situation kommt derKonzeption und Verabschiedung von Bildungsstandards neben verschiedenen anderenAnstrengungen (wie z. B. der Einfuhrung von Ganztagsschulen) eine wesentliche Rollezu.

3.2 Definition

Im Lichte des internationalen Vergleichs kam die KMK in ihrem Argumentationspapierzu dem Schluss, dass die bis dato vorherrschende Input-Steuerung uber Lehrplaneund andere curriculare Vorgaben allein nicht zu den erwunschten und erforderlichenVerbesserungen im Bildungssystem fuhren konne ([kmk05], S. 5).

In Form eines Perspektivwechsels von einer reinen Input- zu einer vorrangigenOutput-Steuerung und der Festschreibung zu erreichender Ergebnisse (learningoutcomes) im Rahmen der Bildungsstandards wurde den Einzelschulen mehr Freiheitzugestanden, im selben Atemzug aber auch mehr Eigenverantwortung abverlangt.Bildungsstandards fordern die Autonomie der Einzelschule, indem

”die Verantwortung fur die Gestaltung von Lehr-Lern-Prozessen bis hin zur Aus-arbeitung eines Schulcurriculums [...] starker an die Schulen zuruckgegeben“ wird

28 3 Bildungsstandards

([K+07], S. 50).3

Mit [kmk05] versteht man unter Bildungsstandards normative Vorgaben fur dieSteuerung von Bildungssystemen (S. 8). Bildungsstandards gemaß der Expertise desBundesministeriums fur Bildung und Forschung (BMBF, [K+07], S. 19)

• greifen allgemeine Bildungsziele auf;

• konkretisieren zentrale Bildungsziele durch Kompetenzanforderungen, deren Sys-tematisierung in Kompetenzmodellen erfolgt;

• legen fest, welche Kompetenzen Kinder oder Jugendliche bis zu einer bestimmtenJahrgangsstufe erworben haben sollen;

• beschreiben Kompetenzen so konkret, dass sie in Aufgabenstellungen umgesetztund prinzipiell mit Hilfe von Testverfahren erfasst werden konnen.

Vorbild fur die Vater der deutschen Bildungsstandards waren und sind dieMathematik-Standards des amerikanischen Mathematiklehrerverbands NCTM4 (Na-tional Council of Teachers of Mathematics) aus dem Jahr 2000 ([P+08]), wenngleichbeiden Konzepten ein unterschiedliches Verstandnis des Begriffs ”Standard“ zugrundeliegt.

Grundsatzlich lassen sich Mindest-, Regel- und Maximalstandards, sowie

• inhaltliche Standards,

• Standards fur Lehr- und Lernbedingungen und

• Leistungs- oder Ergebnisstandards (sog. Output-Standards)

unterscheiden. So beziehen sich die ”Principles and Standards“ des NCTM auf denInput, genauer spricht man von opportunity-to-learn standards. Die Expertise desBMBF pladiert dagegen klar fur eine Output-Orientierung.

Die nationalen Bildungsstandards als Regelstandards ([kmk05], S. 6)

• konzentrieren sich auf Kernbereiche eines Faches,

• beschreiben erwartete Lernergebnisse,

• beziehen sich auf ein durchschnittliches Leistungsniveau.

3[RS07] (S. 158) bezeichnet diese Praxis als Paradox der”verordneten Gestaltungsautonomie“

4http://standards.nctm.org/

3.3 Funktionen 29

An der Folgerung, dass die Bildungsstandards damit eine Mischform zwischen in-haltlichen und Outputstandards darstellen, lasst sich das Anliegen der KMK erkennen,Lehrkrafte bei der Auswahl und Gestaltung von Lernsituationen (dem ”wie“) nichtuber Gebuhr einzuengen.

Die im Rahmen der BMBF-Expertise vorgeschlagenen Bildungsstandards greifenallgemeine Bildungsziele5 auf und konkretisieren diese Ziele in Form von Kompe-tenzanforderungen ([K+07], S. 21).

Unter Bildungszielen versteht man relativ allgemein gehaltene Aussagen uberWissensinhalte, Fahigkeiten, Werthaltungen, Interessen etc. ([K+07], S. 20). Beiihrer Auswahl sind Nachhaltigkeit und Transfermoglichkeiten oberste Pramissen.Bildungsstandards sehen sich dem Kontext des lebenslangen Lernens verpflichtet undpochen auf die Vernetzung von Wissen ([K+07], S. 22, 79) - zum einen im Bewusstseindaruber, dass jeder Mensch anders lernt, zum anderen, um einen wirksamen Gegenpolzum sogenannten ”tragen Wissen“ zu bilden.

Als Output-Standards legen sie fest, welche Kompetenzen Schuler bis zu einerbestimmten Jahrgangsstufe mindestens erworben haben sollen ([K+07], S. 9).

Bildungsstandards formulieren Erwartungen an die Lernenden und verpflichtenzugleich die Gesellschaft, Mittel und Raume fur die Erfullung dieser Erwartungenbereit zu stellen ([K+07], S. 20).

Insbesondere betonen [K+07] die Notwendigkeit der Verstandigung uber den Kernund den Anspruch eines jeden Faches. Hierbei kommt den Fachdidaktiken einebesondere Bedeutung zu.

Im Rahmen der Qualitatssicherung kommt Bildungsstandards eine wichtige Funk-tion zu, geben sie den an Bildung Beteiligten doch ein Referenzsystem an die Hand,welches in der Lage ist, die Einlosung von Anforderungen zu uberprufen und wertvolleRuckmeldungen zu liefern (vgl. [K+07], S. 19).

3.3 Funktionen

Grundsatzlich kommt Bildungsstandards (wie ubrigens Standards ganz allgemein) eineOrientierungsfunktion zu. Sie sollen Schulen, Lehrkraften, padagogischen Teams,Eltern und Schulern in verstandlicher Form Orientierung uber die Bildungsinhalteeines Fachs und deren Verflechtung geben. Mit [K+07] (S. 47) ”arbeiten [Bildungsstan-dards] in klarer und konzentrierter Form heraus, worauf es in unserem Schulsystemankommt“. Dem BMBF ist die Nachvollziehbarkeit dabei ein besonderes Anliegen.

5Beim Ringen um konkrete Bildungsziele kommt es regelmaßig zu Diskussionen uber deren Berechti-gung, was u. a. der Deduktionsproblematik fur die Normen einer Gesellschaft geschuldet ist.


Testverfahren erlauben es im Rahmen von Qualitatssicherung, schulischer Evaluati-on und Bildungsmonitoring, die Einhaltung des durch Bildungsstandards geschaffenenuberprufbaren und einheitlichen Referenzrahmens empirisch valide zu uberprufen.Somit haben die Standards auch eine Ruckmeldefunktion, von der alle an Bildungs-prozessen Beteiligten profitieren sollen. Auf Basis der Ergebnisse legitimiert der Staatwiederum seine Entscheidung fur die Output-Orientierung.

Umgekehrt werden Politik und Schulen durch Standards verpflichtet, die festge-legten Ziele anzustreben und geeignete Fordermaßnahmen bereitzustellen ([K+07], S.48).

Daruber hinaus stellt das BMBF klar, welche Bereiche ausdrucklich nicht zu denFunktionen von Standards gehoren sollen: So wird eine Verwendung der Testergeb-nisse von Standards im Rahmen von Vorruckungsentscheidungen etc. abgelehnt. DieEinfuhrung von Standards durfe keine Verstarkung des Leistungs- und Selektionsdrucksnach sich ziehen ([K+07], S. 49).

Fur das Lehrpersonal bilden Standards ein neuartiges Referenzsystem fur pro-fessionelles Handeln (S. 49f.). Zumal begrifflich naheliegend, verwahren sich [K+07]dagegen, padagogisches Handeln uber Bildungsstandards nivellieren und standar-disieren zu wollen. Vielmehr sollen Standards durch ihre Referenzfunktion und dieBerucksichtigung von Ausgestaltungsfreiheiten Lehrkrafte in ihrem Selbstverstandnisbestarken (S. 51).

Hinsichtlich detaillierter Ausfuhrungen sei auf das Kapitel 4 der BMBF-Expertiseverwiesen ([K+07], S. 47-54).

3.4 Von Lernzielen zu Kompetenzen

Das Wort ”Kompetenz“ (von lateinisch com und petere: gemeinsam erstreben) ist inaller Munde, wird jedoch in sehr uneinheitlicher Bedeutung gebraucht, so dass zunachsteinmal zu klaren ist, welche Fahigkeiten unter didaktischen Gesichtspunkten als Kom-petenzen gelten sollen. So weist der Erziehungswissenschaftler und Psychologe Franz E.Weinert ([Wei01], S. 27f.) darauf hin, dass in praxi die einen Personlichkeitsmerkmaleals Kompetenz verstanden wissen wollen, wahrend die anderen erworbenes Wissen alsKompetenz bezeichnen.

Um zu einem tragfahigen und einheitlichen Kompetenzbegriff zu gelangen, stutzeich mich auf die aus der Expertiseforschung6 entlehnte Definition Weinerts ([Wei01],S. 27f.) und verstehe unter Kompetenzen

6die E. beschaftigt sich mit der Untersuchung von leistungsfahigen Experten in einem bestimmtenGegenstandsbereich (auch: Domane), vgl. [K+07], S. 72

3.4 Von Lernzielen zu Kompetenzen 31

”die bei Individuen verfugbaren oder von ihnen erlernbaren kognitiven Fahigkeitenund Fertigkeiten, bestimmte Probleme zu losen, sowie die damit verbundenen motivatio-nalen, volitionalen und sozialen Bereitschaften und Fahigkeiten, die Problemlosungenin variablen Situationen erfolgreich und verantwortungsvoll nutzen zu konnen.“

In Abgrenzung zu Kompetenzen formalisieren Lernziele kleinschrittigere Einheiten,deren unmittelbarer Bezug zur alltaglichen Anwendung so nicht gegeben ist. Vielmehrmarkieren Lernziele Etappen des Kompetenzaufbaus. So kann man eine konkreteKompetenz als eine Art Aggregation von Lernzielen auffassen, welche es fur denErwerb dieser Kompetenz zu erreichen gilt. Dabei taucht die interessante Frage auf,ob sich ”Pakete“ von Lernzielen schnuren lassen, welche hinreichend bzw. notwendig(oder beides zugleich) fur die Aneignung einer gewissen Kompetenz sind. In einemspateren Kapitel werde ich mich anhand von Weinerts Definition ausfuhrlich mit demVerhaltnis zwischen Lernzielen und Kompetenzen befassen.

In der Summe weisen Kompetenzen eine vollig andere Granularitat7 als Lernzieleauf, was sich bei Planung und Durchfuhrung von Unterricht zwangslaufig auch in derZeitdimension niederschlagen muss. Der Referent einer Lehrerfortbildung formuliertedies etwas plakativ8:

”Eine Fahigkeit, die man innerhalb einer Stunde erwerben kann, ist [noch] keineKompetenz!“

Letztlich tragt eine schrittweise Hinfuhrung auf Lernziele also zur Anbahnungund Forderung gewisser Kompetenzen bei. Die bewahrte Unterscheidung von global,educational und instructional objectives bleibt davon unberuhrt.

(Anmerkung: Die Darstellung der exemplarischen Kompetenz als Wolke mogezusatzlich zum einen symbolisieren, dass eine Kompetenz im Gegensatz zu einemLernziel nur schwer in eine feste Form zu gießen ist, und zum anderen die Tatsache,dass unterschiedliche Kompetenzen ahnlich einem Puzzle miteinander verzahnt sindund gemeinsam u. U. eine ubergeordnete Kompetenz bilden konnen.)

Bildungsstandards ordnen Kompetenzanforderungen systematisch in Kompetenz-modellen, die Aspekte, Abstufungen und Entwicklungsverlaufe von Kompetenzen dar-stellen ([K+07], S. 21).

7von lat. granum: Korn, Kern - ein Maß fur die Grobkornigkeit eines Systems; hier eines Begriffssys-tems und durchaus auch im Sinne einer Mengenbeziehung zu verstehen

8http://www.mathematik.uni-mainz.de/schule/lehrkraeftefortbildungen/2006.1/

t3-mainz-kompetenzen-v1.pdf


LZ 2

Kompetenz

LZ 5

LZ 3

LZ 1

LZ 4

LZ 7

LZ 8

LZ 6

LZ 9

LZ 10

Abbildung 3.1: Einbettung von Lernzielen in Kompetenzen

3.5 Merkmale guter Bildungsstandards

Bildungsstandards lassen sich auf Basis verschiedener Maßstabe festlegen. Einige furPraktikabilitat und Erfolgsorientierung wesentlichen Kriterien fuhren [K+07] an (S.24ff.):

1. Fachlichkeit

Bildungsstandards beziehen sich jeweils auf einen bestimmten Lernbereich(Domane, Fach). Die Berucksichtigung fachlogischer Zusammenhange und Be-sonderheiten spielen bei ihrer Konzeption dabei eine sehr wichtige Rolle. Un-terrichtsfacher arbeiten mit ihren eigenen ”Codes“. Insbesondere die Erkenntisseaus der Fachdidaktik sollten in die Konzeption einfließen, da sie wesentlich dazubeitragen, Begrundungszusammenhange zu erkennen und zu wurdigen.

[K+07] begrunden damit, warum spezielle Bildungsstandards fur sogenannte

”Schlusselqualifikationen“ (z. B. Lernfahigkeit, Problemlosungsdenken, Kreati-vitat etc.) ihnen nicht sinnvoll erscheinen.

2. Fokussierung

Anders als curriculare Vorgaben erheben Bildungsstandards nicht den Anspruchauf hohe Detailtiefe. Vielmehr konzentrieren sie sich auf zentrale Kompetenz-bereiche, die im Laufe der schulischen Ausbildung aufgebaut werden sollen. Sieblicken auf die Ergebnisse schulischen Lernens.

3.5 Merkmale guter Bildungsstandards 33

3. Kumulativitat

Gerade weil empirische Studien eine geringe Kumulativitat bei inputorientiertemBildungsfortschritt nachwiesen, mussen Bildungsstandards diesem Missstand ent-gegen treten. Der Aufbau fachspezifischer Standards muss im Hinblick auf die Zu-sammenhange und Abhangigkeiten der zu erreichenden Kompetenzen stets pro-und retrospektiv hinterfragt werden. [K+07] sprechen von systematisch vernetz-tem Lernen.

Die Vater der Standards wenden sich damit kategorisch gegen ein ”teaching to thetest“ und betonen die Notwendigkeit domanenubergreifenden und lebenslangenLernens.

4. Verbindlichkeit fur alle

Es ist Kernanliegen eines jeden Standards, zum einen Uberprufbarkeit, zum an-deren auch Vergleichbarkeit zu sichern. Daher sind Bildungsstandards und diedarin festgeschriebenen Ziele fur ihre Adressaten verbindlich9.

Zugleich eroffnet die Struktur der Standards neue Freiheiten fur Lehrkrafte.Solche Freiraume dienen der Berucksichtigung situativer Bedingungen, bringengleichzeitig aber auch eine hohere Verantwortung mit sich.

Die Empfehlung von Mindeststandards begrunden [K+07] in ihrer Expertiseprimar mit dem Abschneiden des deutschen Bildungssystems bei den empirischenStudien. Speziell wenden sie sich gegen Regelstandards, die implizit wieder vonder irrigen Annahme ausgehen, der Leistungsstand wurde einer Gaußverteilungfolgen. (In Bezug auf guten und gelingenden Unterricht ware dies eine außerstpessimistische Einschatzung ([Top06], S. 140f.).)

Von bisheriger Praxis grenzen sich Bildungsstandards auch dadurch ab, dass siesich von dem defizitorientierten Modell bisheriger Leistungsbewertung abwendenund weniger die Schwere der Fehler (ausreichend - mangelhaft - ungenugend), alsden erreichten positiven Grad des Kompetenzniveaus beschrieben wissen wollen.

Eine entsprechende Rechenschaftslegung erfolgt beispielsweise uber Jahrgangs-stufentests und allgemeine Lernstandserhebungen.

5. Differenzierung

Nachdem Menschen auf Basis unterschiedlicher Methoden verschieden lernen undinsbesondere verschieden schnell, steht diese Forderung in engem Zusammenhangmit der Kumulativitat. Der Begriff der Differenzierung steht in einem gewissenWiderspruch zu Standards. Das BMBF-Gutachten versteht darunter in ersterLinie Zusatzerwartungen (hohere Anforderungen uber das Mindestkriterium hin-aus), deren Prazisierung in den Handen der Einzelschule liegt.

9Bildungsstandards gehen also ausdrucklich nicht konform mit A. S. Tanenbaums Feststellung:”The

nice thing about standards is that there are so many of them to choose from.“


Was die Uberprufbarkeit angeht, legen Standards nicht nur eine einzelne ”Messlat-te“ an, sondern unterscheiden Kompetenzstufen ober- und unterhalb bzw. zeitlichvor und nach dem Erreichen des Mindestniveaus ([K+07], S. 27).

Somit sehen [K+07] hier den Ansatzpunkt der Profilbildung fur die Einzelschule10.

6. Verstandlichkeit

Bildungsstandards sprechen ein breites Publikum an. Wie oben im Zusammen-hang mit ihren Funktionen (speziell der Orientierungsfunktion!) ausgefuhrt wur-de, beziehen sie alle an Schule beteiligten Personenkreise ein.

Dementsprechend mussen sie ihre Anliegen in verstandlicher Form explizieren undbegrunden.

7. Realisierbarkeit

Die in Form von Standards niedergelegten Forderungen mussen erreichbar undMaßnahmen zur Erreichung umsetzbar sein. An diesem Punkt darf es keinesfallszu einem Gefalle zwischen Theoretikern und Praktikern in der Bildung kommen,was die Notwendigkeit der Einbindung beider ”Lager“ auch bei der Entwicklungvon Bildungsstandards unterstreicht.

So werden die fachlichen Standards stets von Aufgabenbeispielen begleitet, diejeweils einem von drei Anforderungsbereichen angehoren.

Angesichts seiner Bedeutung liegt dieses Kriterium in gewisser Weise ”quer“ zuden bisher genannten. Daher betonen auch [K+07] (S. 30):

”Bildungspolitik und Bildungsadministration sind also gut beraten, realistische11

Ziele zu formulieren, wenn die output-orientierte Steuerung erfolgreichVeranderungsprozesse anstoßen soll.“

3.6 Das European Qualifications Framework (EQF)

Mit dem im Jahr 2008 verabschiedeten European Qualifications Framework (EQF,Europaischer Qualifikationsrahmen) hat die Europaische Kommission eine zentraleUbersetzungsinstanz geschaffen, welche die europaweite Vergleichbarkeit nationalerQualifikationen sicherstellen und damit die landerubergreifende Durchlassigkeit desArbeitsmarkts erhohen soll. Zugleich bekennt sich das EQF ausdrucklich zum lebens-langen Lernen12.

Dabei sieht das EQF im Einzelnen vor13:10erkennbar z. B. an den Ausbildungsrichtungen bayerischer Gymnasien, z. B.

”NTG“ -

naturwissenschaftlich-technologisches Gymnasium, sowie an den in der Schulentwicklung veranker-ten Schulprofilen

11Hervorhebung durch den Autor12weitere Informationen findet man bei der EU-Kommission: http://ec.europa.eu/education/

lifelong-learning-policy/doc44_en.htm13vgl. http://www.bibb.de/de/21696.htm

3.7 Kritik an Bildungsstandards 35

• acht Niveaustufen, die sowohl die berufliche wie auch die Hochschulbildung um-fassen;

• Orientierung an den Lernergebnissen;

• Beschreibung der Lernergebnisse anhand der Begrifflichkeiten Kenntnisse, Fertig-keiten und Kompetenzen;

• Einbeziehung informell erworbener Kompetenzen.

Das EQF als europaweiter Referenzrahmen sieht acht Niveaustufen vor, die jeweilsKenntnisse, Fertigkeiten und Kompetenzen der betreffenden Personen beschreiben.Ort und Art der Einrichtung, an der die Qualifikation erworben wurde, spielen dabeikeine Rolle. Die EU-Staaten sind aufgefordert, bis 2010 die Kompatibilitat ihrerQualifikationssysteme zum EQF herzustellen. Ab 2012 sollen dann alle neu erworbenenAbschlusse einen entsprechenden Verweis auf die EQF enthalten.

Das EQF grenzt die Begrifflichkeiten wie folgt voneinander ab13:

1. Kenntnisse (knowledge): Fakten-, Erfahrungs- und theoretisches Wissen. DieAbstufungen reichen von der Wiedergabe allgemeinen Basiswissens bis zur Nut-zung von Spezialwissen und zur Verknupfung komplexer Wissensbestande.

2. Fertigkeiten (skills): Kenntnisse und Erfahrungen erfasst, die fur die erfolgreicheAusubung einer spezifischen Aufgabe oder eines Berufs erforderlich sind. DasSpektrum reicht von Basis-Fertigkeiten, um einfache Aufgaben auszuuben, bis zurAuspragung neuer Fertigkeiten, die auf den Anforderungen neuer Technologienoder Erkenntnisse beruhen.

3. Kompetenzen i. w. S. (wider competences): ”Selbstandigkeit und Verantwort-lichkeit“, ”Lernkompetenz“, ”kommunikative und soziale Kompetenzen“ sowie

”professionelle und berufliche Kompetenz“

In Anknupfung an das EQF entwickeln viele EU-Mitgliedsstaaten derzeit nationaleQualifikationsrahmen (NQF), die auf das EQF Bezug nehmen. Letzteres bildet danneinen ”Meta-Qualifikationsrahmen“, der die NQF-Einordnung auf internationaler Ebe-ne normalisiert (vgl. Abbildung 3.2).

3.7 Kritik an Bildungsstandards

Mit der Absicht, Basisfahigkeiten im Bildungssystem verbindlich festzuschreiben undzum Zwecke der Uberprufbarkeit operationalisierte Tests zu entwickeln, ging eine mehr-fache Kritik an Bildungsstandards einher. [K+07] (S. 56ff.) nennen drei Hauptangriffs-punkte:


Abbildung 3.2: Mehrere NQF und zentrale Ubersetzungsinstanz. Quelle: http://www.bibb.de/en/21696.htm

3.7.1 Reduktionismus-Vorwurf

Der Begriff des Reduktionismus entstammt der Wissenschaftstheorie und steht fur dieLehre, dass ein System durch seine Einzelbestandteile vollstandig bestimmt ist. Imweiteren Sinne versteht man unter Reduktionismus eine vereinfachende Zuruckfuhrungkomplexer Sachverhalte auf mess- und/oder beobachtbare Vorgange und Phanomene14.

Im Wesentlichen beklagen die Kritiker von Bildungsstandards die pragmatischeVorgehensweise bei Auswahl und Begrundung von Bildungsinhalten. Sie berufen sichauf eine umfassende Allgemeinbildung in der Tradition Wilhelm von Humboldts undsehen den Bildungsbegriff im Modewort der ”Literalitat“ (ursprunglich als literacy ausdem englischsprachigen Raum ubernommen) unzulassig verkurzt.

Einen strukturellen Schwachpunkt von Standards sehen Kritiker darin, dass sichihrer Meinung nach die wesentlichen Erwartungen an schulische Bildungsprozessenicht hinreichend operationalisieren lassen, um messbar zu sein ([K+07], S. 56).Mit ahnlichen Einwanden sahen sich schon Vertreter lernzielorientierter Didaktikkonfrontiert.

So stellt auch Weinert ([Wei01], S. 358) fest, dass es ”im Bereich motivationaler,volitionaler, sozialer, ethischer und moralischer Kompetenzen immer noch einen sehrgroßen Mangel an zuverlassigen, gultigen und leicht handhabbaren Messmethoden“gibt.

14http://lexikon.meyers.de/wissen/Reduktionismus+(Sachartikel)+Philosophie

3.7 Kritik an Bildungsstandards 37

3.7.2 Vorwurf der Vereinheitlichung und Nivellierung

Die Kritiker sehen einen Widerspruch zwischen dem individuellen Prozess der Bil-dung und dem Versuch, hier einengende Standards zu schaffen. Der individuellenEntwicklung wurden ihrer Meinung nach sowohl hinsichtlich der Definition der zuerreichenden Ergebnisse, als auch durch das implizit vorgegebene Zeitraster fur denKompetenzerwerb die Daumenschrauben angezogen ([K+07], S. 57).

Sowohl Institutionen wie Lernende wurden durch diese ”Gleichmacherei“ Schadendavon tragen und die Unterschiede im Anspruch der Schularten eingeebnet.

3.7.3 Legitimationsdefizit

Zweifellos handelt es sich bei der Frage nach der personellen Besetzung von Kommis-sionen, die uber Zuschnitt und Inhalt von Konzepten mit einer hohen Tragweite zubefinden haben, um einen wichtigen Faktor.

In dieser Hinsicht bescheinigen ihre Kritiker den Bildungsstandards ein Legi-timationsdefizit und befurchten eine ubernationale Expertenherrschaft, welche dieubergeordneten Ziele, Normen und Werte der Gesellschaft außer Acht lasst.

3.7.4 Standpunkt der BMBF-Expertise

Die Autoren der Expertise nehmen die angefuhrten Bedenken zur Kenntnis, stellenaber zugleich fest, dass diese nicht kategorisch gegen die Einfuhrung von Bildungsstan-dards sprechen. In Anbetracht der teilweise unlosbaren Schwierigkeiten, die mit allenDebatten uber die Bildungsziele moderner Gesellschaften verbunden sind (zentral istin verschiedenerlei Hinsicht die Begrundungsproblematik, vgl. hierzu [K+07], Abschnitt5.2, S. 58ff.), halten sie Bildungsstandards fur den gegenwartig besten und insbesondereeinen legitimen Weg, sich den bestehenden Problemen zu stellen.

3.7.5 Weitere Kritikpunkte

Walter Muller ([Mul07], S. 98f.) nennt einige konkrete Problempotentiale von Bildungs-standards:

• besonders wenn Schulen mit Tests ”uberzogen“ werden, verscharfen die Lern-standserhebungen den Leistungs- und Selektionsdruck; auch konnte dann ausZeitgrunden nur

• gelernt werden, was gepruft wird (teaching to the test),

• Begunstigung von Schulrankings (vgl. England) und damit einhergehende Etiket-tierung15,

15bzgl. der letzten drei Punkte sei daran erinnert, dass competition im Englischen fur”Konkurrenz“

steht


• Marginalisierung der Nebenfacher (durch das Fehlen von Standards) - ”Facherzweiter Klasse“,

• funktionalistisch-technologische Verkurzung des Bildungsbegriffs: Bildung alsKonglomerat operationalisierbarer und testbarer Teilkompetenzen, Produkt- undPerformanzorientierung.

Da die Bedenken grundsatzlich nachvollziehbar sind, ihr Eintreten jedochhauptsachlich davon abhangt, wie Standards implementiert und umgesetzt werden,sollen sie hier nicht weiter kommentiert werden.

3.8 Bedeutung fur das Fach Informatik

Am 24. Januar 2008 verabschiedete das Prasidium der Gesellschaft fur Informatike. V. (GI) ein Grundsatzpapier zu Bildungsstandards fur das Fach Informatik. DasDokument hat den Status einer Empfehlung und gliedert sich in die beiden Teile

”Grundsatze“ und ”Standards“. Die GI halt ein eigenes WWW-Portal16 zum Themabereit.

Die ”Grundsatze“ zeichnen ein Bild der fur einen erfolgreichen Informatikunterrichtanzustrebenden Rahmenbedingungen und betreffen sowohl institutionelle Bedingungenals auch die Art des Unterrichtens. Mit diesem ersten Teil kann man die von der GIvorgelegten Standards als opportunity-to-learn-Standards verstehen.

In den ”Standards“ werden die Kompetenzen genannt, welche von Schulern unterden beschriebenen Rahmenbedingungen erworben werden sollen. Hierbei werden

• Kompetenzen uber alle Jahrgangsstufen und

• Kompetenzen bestimmter Jahrgangsstufen

sowie

• Inhaltsbereiche und

• Prozessbereiche

unterschieden.

Zusammengenommen charakterisieren die beiden Teile die GI-Vorschlage also so-wohl als opportunity-to-learn-Standards, als auch als Output-Standards. Anders als dieKMK-Standards, welche - ubrigens entgegen dem Dafurhalten der BMBF-Expertise von2003 ([Mul07], S. 97) - Regelanforderungen folgen, beschreibt das vorgestellte KonzeptMindestanforderungen, die am Ende der 7. bzw. 10. Jahrgangsstufe erreicht sein sollen.16http://www.informatikstandards.de/

3.8 Bedeutung fur das Fach Informatik 39

3.8.1 Grundsatze

Die GI betont eingangs den Stellenwert der Informations- und Kommunikationstechniksowie von Computern im Speziellen als wichtigem und zunehmend unverzichtbaremBestandteil unserer Gesellschaft. Die Autoren sehen die Vision eines gelingenden In-formatikunterrichts darin, dass ”informatisch gebildete Menschen alle17 informatischenProbleme, die ihnen in ihrem Leben begegnen werden, mit Selbstvertrauen anpackenund selbstandig allein oder im Team bewaltigen konnen“ ([P+08]) - eine Forderung, dieauf anschlussfahiges und lebenslanges Lernen abzielt.

Chancengleichheit

Bei der Entwicklung von Grundsatzen, denen Bildungsstandards im Fach Informatikfolgen sollten, mahnt die GI die Gefahr eines digital divide (einer digitalen Spaltung)hervor und nimmt damit unmittelbar Bezug zum oben angesprochenen Desiderat derChancengleichheit. Damit ist jedoch keinesfalls gemeint, dass allen Schulern identi-scher Unterricht zuteil werden soll ([P+08]).

Curriculum

Bei der Entwicklung des Curriculums sollte auf die drei Saulen

• Kontextorientierung (→ Alltagsrelevanz)

• Vernetzung zu Basiskonzepten (→ Nutzen in Anwendungssituationen)

• Unterrichtsgestaltung (→ individualisierter Unterricht)

geachtet werden.

Interdisziplinaritat

”Die Bedeutung der Informatik liegt darin, dass sie die Strukturen und Metho-den des Denkens und Arbeitens nahezu aller Disziplinen und damit den beruflichenund privaten Alltag jedes Einzelnen betrifft und permanent verandert.“ ([P+08], S. 10).

Noch deutlicher formulierte die GI im Jahr 2006:

”Neben Schreiben,Lesen und Rechnen wird die Beherrschung grundlegender Metho-den und Werkzeuge der Informatik zur vierten Kulturtechnik“ ([BCM06], S. 26).

Das Fach Informatik zeichnet sich mit seiner außerordentlichen Breite gleich durchmehrere wissenschaftliche Ausrichtungen aus: So findet man Charakteristika

• einer Grundlagenwissenschaft : Informatische Aspekte im Sinne einer digital li-teracy sind aus dem gesellschaftlichen Alltag nicht mehr wegzudenken;

17Hervorhebung durch den Autor


• einer Ingenieurswissenschaft : Sie beschaftigt sich mit dem Entwurf, der Imple-mentierung und dem Einsatz von Informatiksystemen fur unterschiedlichste Ein-satzgebiete;

• einer Experimentalwissenschaft : Das gigantische Simulationspotential, welchesdie Informatik bereit stellt, eroffnet neue Moglichkeiten, die aus okonomischer,okologischer und ethischer Perspektive interessant erscheinen. Mit [P+08] lassensich so ”Szenarien durchspielen, die sich dem physischen Experiment verschlie-ßen“.

aber auch

• einer integrierenden Wissenschaft : So ist mit Tatigkeiten der Entwicklung undModellierung untrennbar die Arbeit und der Austausch im Team verbunden. Dazugehort auch die Diskussion und Interaktion mit Fachleuten vielfaltiger Diszipli-nen, die oftmals nicht einmal ”Nachbardisziplinen“ sind.

Die diesbezuglichen Ausfuhrungen der GI stutzen die von mir hinzugefugte letzteThese wie folgt ([P+08], S. 10):

”Informatik ist per se fachubergreifend und facherverbindend, deshalb ist Interdiszi-plinaritat ein Grundsatz der Unterrichtsgestaltung. Das bedeutet, dass informatischeKompetenzen im Grunde nur in einem Unterricht erworben werden konnen, dervon vorn herein interdisziplinar angelegt ist - und das ist der Unterricht im FachInformatik.“

Fur [P+08] (S. 5) ergeben sich aus dieser Breite fur den schulischen Informatikunter-richt große Chancen, gleichzeitig zwingt sie aber auch zu einem stark exemplarischenVorgehen. Gerade bei der Diskussion von Bildungsstandards treten damit meinerMeinung nach die Grundsatzfragen Klafkis ”Didaktischer Analyse“ ([Kla64]) nachGegenwarts- und Zukunftsbedeutung, hinsichtlich der Exemplarizitat aber auch nachErweisbarkeit und Uberprufbarkeit besonders anschaulich in den Vordergrund.

Ich mochte dieses Anliegen an einem Beispiel aus den Jahrgangsstufen 6 und 7illustrieren:

Im Rahmen des Faches Natur und Technik (NuT) sieht der Lehrplan in Jahrgangs-stufe 6 vor, dass Schuler ein Verstandnis von Information und deren Darstellung(Reprasentation) erwerben. Hierbei geht es ausdrucklich nicht darum, sich in derBedienung eines bestimmten Softwareprodukts zu uben. Bereits bei diesem wichtigenersten Kontakt der Schuler mit dem neuen Fach muss - auch im Sinne der Chancen-gleichheit - gewahrleistet sein, dass den Schulern die Prinzipien klar werden, auf denenkonkrete Informatiksysteme basieren.

In Jahrgangsstufe 7 wird diese ”Marschrichtung“ konsequent fortgesetzt: Bei derBehandlung vernetzter Informationsstrukturen, wie sie das Internet und speziell


das WWW bereit halt, steht das Hypertext-Konzept und das ihm innewohnendeVernetzungsprinzip im Vordergrund. Jenseits konkreter Browser-Software18 sollen dieSchuler nach Abschluss der Lerneinheit gewissermaßen ”uber“ dieser Anwendungsebe-ne stehen und ein Verstandnis fur basale Strukturen entwickelt haben, die manchenSoftwarelebenszyklus um Langen uberdauern.

Auch in den Lehrplanen fur die Jahrgangsstufen 9 und hoher lasst sich diese zentraleIntuition immer wieder finden. Dass sie in dieser Form hervorgehoben werden muss,ist u. a. auch auf ein immer noch weit verbreitetes falsches Verstandnis des Anspruchseines Schulfachs Informatik zuruckzufuhren, wie nachfolgendes Zitat des NeurobiologenManfred Spitzer19 zeigt:

”Kein anderer Industriezweig hat es je geschafft, dass Gebrauchsanweisungen seinerGerate zum Schulfach erhoben wurden [...]“[Spi07b], S. 260

Mit [Pru06] geht es also nicht darum, Fertigkeiten fur den Computer zu erlernen,sondern alltagstaugliche und uberdauernde Fahigkeiten im Sinne von Kompetenzen(z. B. Fahigkeit zur Arbeit in einem Team, zum Umgang mit Kritik, zur Perspek-tivubernahme, zu multidimensionalem Denken etc.) mit dem Computer zu erlernen.Das Gerat (und die Software) sind damit Mittel zum Zweck, wobei letzterer in einemgroßeren Begrundungszusammenhang stehen muss.

Ein solides begriffliches Fundament fur ”Informatische Bildung“ und ”Informatikun-terricht“ nebst Abgrenzung zu Erscheinungen wie der ITG (informationstechnischenGrundbildung) legt beispielsweise [Hub04] (S. 43ff.). Dass dies notig ist, zeigt nebenobigem Beispiel der allgemeine Sprachgebrauch:

”Leider wird im schulischen Umfeld der Begriff Informatik haufig fur jede Art derBeschaftigung mit dem Computer missbraucht. Das Spektrum reicht vom computer-gestutzten Videokurs bis zu Fingerubungen auf der Tastatur.“ (a.a.O., S. 48).

Das Fachprofil Informatik im Lehrplan fur das NTG spricht eine eindeutige Sprache:

”Die wesentliche Aufgabe des Informatikunterrichts am Gymnasium ist es [...],den Schulern ein systematisches, zeitbestandiges und uber bloße Bedienerfertigkeitenhinausgehendes Basiswissen uber die Funktionsweise, die innere Struktur sowie dieMoglichkeiten und Grenzen informationstechnischer Systeme zu vermitteln. Dadurchwird ihnen deren sinnvolle, kompetente und verantwortungsbewusste Nutzung und Be-urteilung ermoglicht. Als zukunftige Entscheidungstrager mussen die Gymnasiastenmit den Denkweisen vertraut gemacht werden, die den Informations- und Kommu-nikationstechniken zugrunde liegen, um deren prinzipielle Chancen und Risiken richtig

18z. B. Mozilla Firefox, Opera, Internet Explorer19Prof. Dr. Manfred Spitzer ist einer der popularsten Hirnforscher Deutschlands und leitet den Lehr-

stuhl fur Psychiatrie der Universitat Ulm. Sein Buch”Vorsicht Bildschirm!“ ist ein

”eindringliches

Pladoyer gegen den hohen Bildschirmkonsum von Kindern und Jugendlichen“ (A. Schavan).


einschatzen zu konnen.“

Lehren und Lernen

In Ubereinstimmung mit dem NCTM denkt die GI Lehren und Lernen zusammen,was auch den etymologischen Ursprungen der beiden Worter entspricht ([P+08], S. 5).Die Autoren zitieren Hilbert Meyer und warnen vor der uberholten Vorstellung eines

”Eimer-Modells“ (vergleichbar dem Nurnberger Trichter), die allen Erkenntnissen derLehr-Lernforschung zum Trotz z. B. im etwas unglucklichen Begriff der ”Lerninhalte“immer noch uberlebt hat.

Insgesamt ist in dem Feld zwischen Behaviorismus und Konstruktivismus eingemaßigt konstruktivistischer Ansatz als vielversprechend zu sehen ([GM07], S.257). Die standige Ruckbesinnung auf den Anwendungsbezug ermoglicht den Aufbauintelligenten Wissens, welches Weinert dem sog. ”toten Wissen“ als Komplementgegenuber stellt.

Lernen ist im Kontext von informatischer Bildung in ganz besonderem Maß aufdie (Anforderungen der) Zukunft gerichtet (vgl. [Wei99], These 1). Es ist damitAufgabe von Lehrkraften, Schuler auf Anforderungsszenarien vorzubereiten, die zumgegenwartigen Zeitpunkt nicht feststehen und u. U. noch nicht einmal vorstellbarsind.20 Dies ist auch der Tenor Hartmut von Hentigs in seinem Buchlein uber Werte([Hen07]).

Intelligentes Wissen uber Prinzipien der Informatik stellt damit den Antagonisten zu

”hart verdrahteten“, mit Lernsituationen ”verloteten“ und mechanisch anzuwendendenKenntnissen dar (vgl. [Wei99], These 5).

Qualitatssicherung

Soweit es sich um messbare Großen handelt, muss Unterricht sich an seinen Ergeb-nissen messen lassen. [P+08] verstehen Qualitatssicherung als normalen Bestandteildes Unterrichts und permanente Ruckkoppelung zur Optimierung von Lernprozessen,die Lehrkraften hilft, mehr uber die Wirkung ihrer Arbeit zu erfahren und SchulernOrientierung fur selbstverantwortete Lernprozesse gibt. Insbesondere versetzt einesolche Ruckkoppelung Schuler in die Lage, eine Art Meta-Verstandnis fur die Qualitateigener Leistungen und eventuelle Defizite zu entwickeln.

Methoden zur Qualitatssicherung sind stets dahingehend zu bewerten, inwieweit sieeine moglichst gute Passung in Bezug auf die erwarteten Kompetenzen aufweisen (hoheSorgfalt bei der Aufgabenkonstruktion, [P+08], S. 8). Die Einbettung von Lernzielen in

20Gewissermaßen haben wir es mit einer ahnlichen Art von Dilemma zu tun wie Hersteller vonAntiviren-Software: Nur mit Hilfe einer leistungsfahigen Heuristik (nebst standigem

”Am-Ball-

bleiben“) besteht die Chance, fur kunftige Anforderungen gewappnet zu sein.


Kompetenzen und die Auffassung eines individuellen Lernens langs Pfaden (vgl. 3.4)konnen hier m. E. anleitend wirken.

Technikeinsatz

Unterricht in Informatik zeichnet sich besonders dadurch aus, dass Technik stetsMedium, Werkzeug und Inhalt des Lernens zugleich ist.

Der vielfache Einfluss von Technik in Form eines solchen ”Dreisatzes“ ist imFacherkanon allgemeinbildender Schulen einzigartig. [P+08] (S. 8) betonen, dass nurhier alle drei Funktionen der Informations- und Kommunikationstechnik zum Tragenkommen.

Medium

Die modernen Medien nehmen einen nie dagewesenen Stellenwert im gesellschaftlichenAlltag ein und haben auch das Lehren und Lernen revolutioniert. So ist der Zugriff aufWissensdatenbanken in vielerlei Hinsicht nicht mehr mit dem Prozedere von vor zehnJahren zu vergleichen.

Als Beispiel denke man an den oftmals bereichernden und zeitsparenden Luxusmoderner Suchmaschinen und Suchfunktionen. Zum anderen muss der Wahrheitsgehaltvieler Quellen des WWW mit außerster Vorsicht betrachtet werden - ebenfalls eineandere Situation als zu Zeiten von gedruckter Brockhaus-Enzyklopadie und Co.Nicht nur an diesem Punkt erscheint es dringend geboten, Schulern entsprechendes

”Meta-Wissen“ ([P+08], S. 8) zu vermitteln. Gleichwohl ist Medienerziehung in Bayernausdrucklich nicht Aufgabe eines separaten Schulfachs, sondern wird integrativ alsVerpflichtung aller Facher verstanden, [BM03]).

Im Rahmen von ”integriertem Lernen“ (engl.: blended learning) lassen sich die Vor-teile von Prasenzunterricht und der Nutzung von E-Learning-Angeboten (vgl. Kapitel4) systematisch vereinen.

Werkzeug

Wie der NCTM wendet sich auch die GI gegen die schiere Nutzung einer wie auchimmer gearteten Technik um ihrer selbst willen. Gleichzeitig hebt sie hervor, dassSachaufwandstrager geeignete Infrastruktur bereit zu stellen haben und Lehrkrafte imentsprechenden Umgang zu schulen sind.

Abhangig von der Struktur des jeweiligen Sachverhalts dienen bestimmte Werkzeugeeher dem Lernerfolg als andere. Im Mittelpunkt mussen die Anforderungen stehen, diedas konkrete Unterrichtsfach an die Infrastruktur stellt ([P+08], S. 9). Zum Teil werdenin Schulbuchern konkrete Empfehlungen ausgesprochen (z. B. [HSS+08], S. 8f.).


Inhalt

Hinsichtlich des Inhalts betont die GI, stets Prinzipien in den Blick zu nehmen, umsich nicht in den kurzlebigen Feinheiten aktuell verfugbarer Hard- und Software zuverlieren. Im Vordergrund muss damit die Abstraktionsebene stehen, auf der die jeweilseingesetzten Werkzeuge eine exemplarische Funktion einnehmen.

Technik und Allgemeinbildung

Fruhere Argumentationen, Technik gehore nicht in allgemeinbildende Schulen, sindnicht mehr haltbar. So mag man Bildungsziele mit Klafki nach ihrer Gegenwarts- undZukunftsbedeutung, nach ihrer Bedeutung fur entsprechende Frage- und Problemstel-lungen hinterfragen und zu einem eindeutigen Ergebnis kommen. Die empirische Studievon Hein ([Hei06]) wies nach, dass der gegenwartig vorherrschende Fachkraftemangelseinen Ursprung bereits in der allgemeinbildenden Schule nahm bzw. nimmt (S. 34ff.).

3.8.2 Inhalts- und Prozessbereiche

Bei der Entwicklung von Kompetenzen unterscheidet die GI zwei Bereiche, die sichdurch alle Jahrgangsstufen ziehen und eng miteinander verzahnt sind. Die NCTM hatbei ihren Standards fur das Fach Mathematik erfolgreich auf diese Einteilung gesetzt([P+08], S. 12). Ich werde dazu Stellung nehmen, warum sich dieser Erfolg leider nichtohne Einschrankungen auf die Informatik ubertragen lasst.

Inhaltsbereiche charakterisieren die angestrebten fachlichen Mindestkompetenzen,wahrend Prozessbereiche die Art und Weise beschreiben, in der Schuler sich mitFachinhalten auseinandersetzen sollen ([P+08], S. VI).

Die Autoren warnen davor, die Inhaltsbereiche als Listen ”abzuarbeitenden Stoffs“zu lesen und pladieren fur die Einbettung der Inhaltsbereiche in beziehungsreicheKontexte (S. 23) mit ansprechenden Beispielen und stetem Praxisbezug, so dass sichSchuler aktiv und eigenverantwortlich mit den Inhalten beschaftigen konnen. Darinsieht die GI die Schnittstelle, an der Inhalts- und Prozessbereiche ineinander greifenund Grundsteine fur die Entwicklung intelligenten Wissens legen. Konkret gibt die GIfolgenden Ratschlag (S. 12):

”Die Inhalts- und Prozessbereiche werden im Folgenden zwar jeweils im Einzelnenvorgestellt, es ware aber nicht im Sinne dieser Standards, den Unterricht nach diesengesondert abgehandelten Punkten sequenziell zu strukturieren.“

Um dem Anspruch der Realisierbarkeit zu genugen, enthalt das GI-Papier konkreteHinweise und Beispiele fur die unterrichtliche Umsetzung.

Die Abbildung gibt die grundlegende Struktur des GI-Vorschlags wieder und lasstdabei meiner Meinung nach viel Interpretationsspielraum, der durch eine weitgehende


Pro

zessb

ere

ich

e

Information und Daten

Inh

alts

bere

ich

eModellieren und Implementieren

Algorithmen

Begründen und Bewerten

Sprachen und Automaten

Strukturieren und Vernetzen

Informatiksysteme

Kommunizieren und Kooperieren

Informatik, Mensch und Gesellschaft

Darstellen und Interpretieren

Abbildung 3.3: Unmittelbare Verzahnung von Prozess- und Inhaltsbereichen (Quelle:LOG-IN Archiv)

Abwesenheit konkreter Erlauterungen noch verstarkt wird (lediglich auf S. 11f. undauf S. 45 wird kurz Position bezogen).

Den Intentionen der GI durfte eine dynamische Sichtweise in Form von zwei Kammen(oder Handen) am ehesten gerecht werden, welche bezuglich ihrer Lucken in beliebigerAnordnung ineinander geschoben werden konnen. Dabei wird insbesondere deutlich,dass in der Praxis vermutlich alle funf Prozessbereiche mit allen funf Inhaltsbereichenin Verbindung stehen und erfolgreicher Unterricht moglichst viele dieser Beziehungenerkennen und aufgreifen sollte.

3.8.3 Kritik

Ausgangspunkt fur die folgenden Betrachtungen ist die Einteilung der GI-Standardsfur das Fach Informatik in Inhalts- und Prozessbereiche.

”Die Inhaltsbereiche charakterisieren mindestens zu erwerbende fachliche Kompeten-zen. Die Prozessbereiche beschreiben, auf welche Art und Weise die Schulerinnen undSchuler mit den genannten Fachinhalten umgehen sollen. Es sei deshalb ausdrucklichdavor gewarnt, die Inhaltsbereiche als Listen ”abzuarbeitenden Stoffs“ zu lesen. GuterInformatikunterricht entsteht vielmehr durch anregende und die Schulerinnen undSchuler ansprechende Beispiele, in denen die Inhaltsbereiche miteinander in Beziehunggesetzt und Arbeitsformen gewahlt werden, bei denen die Lernenden den aktivenUmgang mit den Inhalten einuben konnen, der in den Prozessbereichen formuliert ist.“(S. VI)


Mit dieser Konkretisierung verfolgt die GI zweifellos ein hehres Ziel. Ich mochtenun darlegen, weshalb ich eine explizite Unterscheidung inhaltlicher und prozessualer

”Kompetenzen“ fur unzulassig halte, wenngleich die implizite (!) Verschrankunginhaltlicher und prozessualer Komponenten notwendig und zielfuhrend im Sinne desKompetenzerwerbs ist.

Bei der Formulierung ihrer ”Kompetenzen“ verwendet die GI das vom NCTMubernommene Kategorisierungsraster und achtet ausgehend von den Bezeichnungender konkreten Bereiche darauf, dass der Wortlaut der Aussage eine moglichst unzwei-felhafte Zuordnung erlaubt, so z. B. im Fall von

”Schuler entwerfen und realisieren Algorithmen mit den algorithmischen Grundbau-steinen und stellen diese geeignet dar.“ (Inhaltsbereich: Algorithmen)

und

”Schuler nutzen formale Sprachen zur Interaktion mit Informatiksystemen und zumProblemlosen.“ (Inhaltsbereich: Sprachen und Automaten)

Es ist also festzustellen, dass die Freiheit bei der Formulierung von ”Kompetenzen“zugunsten der moglichen strukturellen Einordnung an den Grenzen eines Bereichs haltmacht bzw. halt machen muss. (Im ersten Beispiel ist zusatzlich zu fragen, ob sichdie Aussage nicht auch den Prozessbereichen ”Modellieren und Implementieren“ oder

”Darstellen und Interpretieren“ zurechnen ließe.)

Die Bemerkung zur einschlagigen Grafik (S. 11, vgl. Abb. 3.3) erlautert:

”Die Prozess- und Inhaltsbereiche der Bildungsstandards sind untrennbar miteinan-der verzahnt.“

Dann erscheint es aber umso fragwurdiger, weshalb konsequent zwischen ”Kompe-tenzen“ zweier Qualitaten unterschieden wird. Die Verzahnung der Bereiche hatte inder Entwicklung und Formulierung der einzelnen Kompetenzen geschehen mussen. Sowird es nun der Lehrkraft aufgeburdet, fachlogisch adaquat Aussagen zum Inhalts- undzum Prozessbereich aufeinander zu beziehen und daraus echte Kompetenzaussagen imSinne Weinerts abzuleiten.

Konkreter wird der GI-Vorschlag auf Seite 45:

”So wie die Inhaltsbereiche untereinander verknupft sind, sind es also auch dieProzessbereiche. Daruber hinaus - und fur den Unterricht von großer Bedeutung -sind aber auch Inhalte und Prozesse aufeinander angewiesen. Die Prozesskompetenzenwerden an der Arbeit mit den Inhalten erworben, ohne die Inhalte waren viele vonihnen nicht spezifisch fur die Informatik. Umgekehrt stunden die Inhalte ohne Prozesse


in der Gefahr, zu einer Wissenssammlung fur Quizshows zu verkommen.“

Hier wird also tatsachlich zwischen inhaltlichen und prozessualen ”Kompetenzen“differenziert. Folgt man F. E. Weinert, so wird der integrative Charakter seines Kompe-tenzbegriffs unmittelbar deutlich. Dem steht eine Unterscheidung von ”Kompetenzen“verschiedener Auspragung diametral entgegen.

Einen Hinweis auf das Verschwimmen der Inhaltsbereiche liefert die Aussage

”Modellierung und Implementierung durchdringen alle Inhalts- und Prozessbereicheder informatischen Bildung.“ (S. 45).

Dass dem so ist, habe ich an obigem Beispiel bereits verdeutlicht.

Das GI-Papier selbst stellt klar, dass es Aufgabe der Prozessbereiche sei, darzustel-len, ”auf welche Weise Schulerinnen und Schuler mit den Informatikinhalten umgehenkonnen mussen“ (S. 45). Die Art des Umgangs mit inhaltlichen Aspekten im Rahmenvon Problemlosung macht mit Weinert jedoch nur einen Teil einer Kompetenzaussageaus.

Freilich konnte man zur Entlastung des GI-Ansatzes vorbringen, dass unterricht-liche Praxis dann eben stets zwei ”kompatible“ Aussagen (eine inhaltliche und eineprozessuale ”Kompetenz“) verfolgen muss. Auf diesen ”Ausweg“ deutet auch obigesZitat zur Verknupfung der Bereiche. Letztlich ist damit aber bereits der Schritt zugewissermaßen ubergeordneten und umfassenderen Kompetenzen vollzogen, die so imGI-Papier nicht vorgesehen sind.

Dieser Umstand und die Tatsache, dass die a priori vorgenommene Einteilung inInhalts- und Prozessbereiche die Freiheit bei der Formulierung von Kompetenzenerheblich einschrankt, haben zusatzlich zur Folge, dass zumindest ein Teil der im GI-Papier entwickelten ”Kompetenzen“ dem Begriffsverstandnis Weinerts nicht genugt.Auf den Seiten 12 bis 14 sind die Hauptgliederungspunkte des Vorschlags anhand derInhalts- und Prozessbereiche aufgefuhrt. Deren Formulierung lasst es durchaus zu, vonKompetenzen zu sprechen, z. B. bei

”Schulerinnen und Schuler

• kennen Algorithmen zum Losen von Aufgaben und Problemen aus verschiedenenAnwendungsgebieten und lesen und interpretieren gegebene Algorithmen“;

• nutzen formale Sprachen zur Interaktion mit Informatiksystemen und zum Pro-blemlosen“;

• strukturieren Sachverhalte durch zweckdienliches Zerlegen und Anordnen“;


Daruber hinaus nimmt die GI jedoch noch eine ”Unterteilung dieser Aussagen inKompetenzen fur die Jahrgangsstufen 5 bis 7 und [...] 8 bis 10“ vor. Dabei kann manz. T. nicht mehr von Kompetenzen sprechen, wie folgende Beispiele belegen:

”Schulerinnen und Schuler

• stellen Information in unterschiedlicher Form dar“ (klassisches Lernziel)

• navigieren in Verzeichnisbaumen und verandern Verzeichnisbaume sachgerecht“(Lernziel)

• verwenden Variablen und Wertzuweisungen“ (Problemlosungsbezug?)

• modifizieren und erganzen Quelltexte von Programmen nach Vorgaben“ (Pro-blemlosungsbezug? Lernziel)

• unterscheiden die Begriffe ”Syntax“ und ”Semantik“ und erlautern sie an Bei-spielen“ (klassisches Lernziel!)

• interpretieren einfache Zustandsdiagramme“ (klassisches Lernziel!)

Eine Einordnung der Aussagen gestaltet sich schwierig: So disqualifizieren sie sichdurch ein zu hohes Abstraktionsniveau z. T. auch als Lernziele (vgl. [blk04], S. 2f.).

Trotz der genannten Bedenken liefert das GI-Papier meiner Meinung nach ein wichti-ges Pladoyer fur zentrale Grundsatze, denen das Schulfach Informatik Rechnung tragenmuss.

49

4 E-Learning

4.1 Zum Begriff

4.1.1 Definitionsversuche

Um den schillernden Begriff des ”E-Learning“1 ranken sich viele Definitions- undCharakterisierungsversuche. Tatsachlich steht das Wort stellvertretend fur ein ”weitesFeld“2. Ich dagegen komme nicht umhin, eine semantische Eingrenzung vorzunehmen,weshalb einige Einordnungen kurz genannt seien:

Recht vage bleiben die Definitionen von Prowaznik (in [Pro04]) als ”Lernen mit Hilfedes Internets“, wahrend Doring und Fellenberg ([DF06]) versuchen, das Konstrukt ineinen ubergeordneten Zusammenhang zu bringen:

”Hinter dem Begriff E-Learning verbirgt sich keine einheitliche Lern- oder Un-terrichtsform. Vielmehr handelt es sich um einen Sammelbegriff fur verschiedeneLehr-Lern-Szenarien, die sich durch den maßgeblichen Einsatz von Online-Medienauszeichnen.“

Folgt man Schulmeisters Einwand ([Sch04b], S. 455), so ist das vorliegende Kapitelgar zum Scheitern verurteilt:

”Es konnen keine allgemeinen Aussagen uber E-Learning gemacht werden, daE-Learning-Angebote sich gravierend in Zielen, Szenarien, Lernumgebungen, Methodenund Lernobjekten unterscheiden.“

Der Umstand, dass es sich bei E-Learning zeitweise um ein Modewort mit bestenChancen auf den Status eines Unworts handelte (im berufsbildenden Bereich3), weistbereits darauf hin, dass die Ziele und Visionen freilich nicht unumstritten warenund sind: So vermutete der Computerpionier und spatere ”Dissident“ der InformatikJoseph Weizenbaum 2003

”Der Buchstabe E in E-Learning steht vielleicht auch fur die Euphorie, mit der dasThema zur Zeit betrachtet wird.“ ([Wei03])

1auch: eLearning2mit Herrn B. aus Theodor Fontanes

”Effi Briest“:

”Ach, Luise, laß ... das ist ein zu weites Feld.“

3http://www.bibb.de/de/19100.htm

50 4 E-Learning

Mit der brauchbaren Definition von Kerres ([Ker01]), die Offline-Medien impliziteinschließt, verstehen wir im Folgenden unter E-Learning

”alle Formen von Lernen, bei denen digitale Medien fur die Prasentation und Dis-tribution von Lernmaterialien und/oder zur Unterstutzung zwischenmenschlicher Kom-munikation zum Einsatz kommen.“

4.1.2 Einsatzgebiete

Neben der Rolle, die solchen Lernformen in der schulischen Bildung zukommt, haben inZeiten der Globalisierung auch viele große Unternehmen bereits fruh damit begonnen,die Vorzuge von E-Learning fur die betriebliche Aus- und Weiterbildung zu nutzen(Beispiel: Das Cisco Networking Academy Program4 des Netzwerkspezialisten CiscoSystems).

Gepragt wurde der Begriff E-Learning ursprunglich durch ([Lan])

• CBT (Computer Based Training): Lernangebote, die auf Datentragern wieCD/DVD verbreitet werden und damit an jedem Rechner zur Verfugung stehen.Im Vordergrund steht das nichttutorielle Selbststudium, Kommunikation findetlediglich in asynchroner Form statt. CBT ist seit den 80er Jahren zu finden.

• WBT (Web Based Training): Weiterentwicklung von CBT und grundlegen-der Baustein fur netzbasierte Lernangebote. Lerneinheiten werden online bereitgestellt und es bestehen Moglichkeiten zur Kommunikation und Interaktion mitTutoren und anderen Lernenden.

Grundsatzlich ist festzustellen, dass E-Learning Lehrenden und Lernenden eine weit-reichende Zeit- und Ortssouveranitat hinsichtlich ihrer Arbeitsprozesse verleiht undeine Erweiterung des Methodenrepertoires darstellt ([Gra04], S. 158).

4.1.3 Web 2.0

Eng verknupft mit modernem E-Learning ist der Begriff des ”Web 2.0“, der sich seit2004 zu einem regelrechten buzzword entwickelt hat und stellvertrend fur alle Techno-logien steht, die das WWW in den letzten Jahren zu einer interaktiven und kollaborati-ven Plattform gemacht haben. Tim O’Reilly zahlt in seinem Grundsatzartikel ([O’R05])hierzu insbesondere

• den Wechsel von Softwarepaketen zu Dienstleistungen (Online-Applikationen),

• eine Architektur der Partizipation (Blogs, Wikis, soziale Netzwerke, RSS-Feeds:user created content),

• die Nutzung von kollektivem Wissen (Wikipedia, LMS).

4http://cisco.netacad.net/

4.2 Motivation 51

Diese Entwicklungen eroffnen aus technischer Sicht die Chance fur synchroneInteraktivitat in Lernumgebungen. Im Kontext individuellen Lernens ist Adaptivitatdas zentrale Kriterium fur moderne Lernplattformen. Diese Adaptivitat ließen CBT-und WBT-Angebote vor der Zeit von Web 2.0 eher vermissen.

So lasst sich eine schlaglichtartige Parallele zwischen der nichtlinearen Hypertext-Struktur des WWW und den im entsprechenden Abschnitt angesprochenen individu-ellen Lernpfaden erkennen.

4.2 Motivation

Ein ausschließlicher Einsatz elektronisch unterstutzter Lernangebote hat sich nichtbewahrt. In der Praxis findet zumeist blended learning5 statt.

Durch E-Learning-Angebote ergeben sich einige ganz spezifische Chancen fur dasLernen:

• Wie im Abschnitt uber Erkenntnisse moderner Lernforschung ausgefuhrt, errei-chen Menschen die selbe Effektivitat beim Lernen auf zum Teil ganz unterschied-liche Art und Weise. Mediale Lernangebote konnen diesem Umstand Rechnungtragen, indem sie sich dem Lerner anpassen (Adaptivitat) und personalisierteLernpfade bereit stellen.

• Lernziele hangen in vielerlei Hinsicht voneinander ab. Eine Annotation von Meta-informationen, die auch und vor allem didaktische Aspekte berucksichtigt (siehedazu spater), kann solche Abhangigkeiten aufnehmen und ermoglicht eine auto-matische Inferenz (Ableitung) moglicher Lernwege durch das Lernsystem.

• E-Learning-Angebote tragen dazu bei, Lernvorgange von vorgegebenen Lernor-ten (wie dem Klassenzimmer oder der Schule) zu entkoppeln. Auch die zeitlicheBindung tritt in den Hintergrund.

• Im Rahmen von E-Learning erlangt die Interaktion und Kommunikation mit be-kannten und unbekannten Mitmenschen eine wichtige Bedeutung. Insofern liegthier Potential fur eine Forderung der kommunikativen und sozialen, aber auchder Fremdsprachenkompetenz von Schulern.

• Die Vielzahl von ”Wegen zum Ziel“ (letzteres entspricht in diesem Fall demErreichen einer bestimmten Kompetenz, vgl. Abschnitt 3.4) bringt inharentMoglichkeiten zur Diskussion und zum Austausch mit sich und fordert gleich-zeitig eigenverantwortliches Lernen.

• In diesem Zusammenhang konnen z. B. (anfangs betreute) WWW-Recherchen da-zu beitragen, dass Schuler eine kritische Haltung hinsichtlich der Glaubwurdigkeit

5von engl. blended :”verschneiden“, bezieht sich ursprunglich auf die Produktion bestimmter Weine

und Spirituosen

52 4 E-Learning

und Objektivitat von Informationen entwickeln. Treten dabei unterschiedlicheSichtweisen auf einen Sachverhalt zutage, starkt dies die Fahigkeit zu multidi-mensionalem Denken und zur Perspektivubernahme. Schließlich verhalt sich ”dasInternet [...] zum Lernen wie ein Supermarkt zu einem guten Essen“ ([Spi07a], S.3).

• Zugange zu Informationen weisen eine netzartige Struktur auf, womit das weitge-hend lineare Konzept des Prasenzunterrichts aufgebrochen wird. Dies geht Handin Hand mit der Neuroplastizitat - der Integration in die neuronalen Netze undder Anknupfung an bestehendes Vorwissen.

• Lerneinheiten (zur Definition von ”Lernobjekten“ kommen wir spater) stehen (imIdealfall) nicht unverbunden nebeneinander, sondern konnen dank der Anreiche-rung mit Metadaten6 auch in anderen Kontexten wiederverwendet werden.

4.3 LMS und LCMS

Im Zusammenhang mit E-Learning ist haufig von LMS (Learning ManagementSystemen) und LCMS (Learning Content Management Systemen) die Rede. Diesebeiden Begriffe unterscheiden sich vor allem hinsichtlich ihrer Adressaten:

Ein LMS dient vorrangig der Verwaltung und Gestaltung des Lernprozesses undist damit die Schnittstelle (Lernplattform), mit der Lernende konfrontiert sind.Daher nimmt das System ”fur sich in Anspruch, das unorganisierte, selbstbestimmteLernen zu organisieren, zu vereinfachen und nachvollziehbar zu machen“ ([Mei06],S. 45). Das Angebot umfasst kommerzielle Losungen (z. B. Blackboard7), als auchOpen-Source-Projekte (z. B. Moodle8).

Weiter verwaltet ein LMS in der Regel umfassende Benutzerprofile, die z. B. dieorganisatorische Zugehorigkeit, Rolle, Praferenzen, Kompetenzen, Qualifikationsle-vels, erfolgte und noch offene Lernaktivitaten etc. enthalten. Diese Anwenderprofileermoglichen einen personalisierten, speziell auf den Lerner zugeschnittenen Zugriff aufdie Lerninhalte ([HK03], S. 12). Hafele et al. ([BHMH02]) vergleichen dieses Verhaltenmit den personalisierten Empfehlungen des Internet-Warenhauses Amazon.

Dagegen wenden sich LCMS in erster Linie an Autoren und Lehrpersonen, dieLerninhalte erstellen, suchen, verwalten und austauschen. Hier konnen Lernobjekteoder einzelne Lektionen verlinkt und zu neuen Kursen zusammengestellt werden.Auch die Klassifizierung der Inhalte (Annotation von Metadaten) erfolgt innerhalb desLCMS ([HK03], S. 12). Die Nutzer haben abhangig von ihren Berechtigungen Zugriff

6als Metadaten oder Metainformationen bezeichnet man allgemein Daten, die Informationen uberandere Daten enthalten. Das dem Begriff zu Grunde liegende Prinzip ist u. a. jahrhundertelangebibliothekarische Praxis (vgl. z. B. Wikipedia).

7http://global.blackboard.com/8http://moodle.org/

4.4 Standards im Bereich E-Learning 53

auf ein zentrales Repository. Ahnlich wie die verbreitete Versionsverwaltungs-SoftwareSubversion (SVN)9 unterstutzen auch LCMS eine Versionskontrolle, die den Umgangmit unterschiedlichen Versionsstanden erleichtert.

Wie die Begrifflichkeit schon andeutet, systematisiert ein LMS das Lernen, wahrendLCMS den Blick auf die Inhalte richten. Am Beispiel Moodle sei noch angemerkt, dassmoderne Lernplattformen in der Regel beide Komponenten beinhalten, was eine klareTrennung der Systeme erschwert.

4.4 Standards im Bereich E-Learning

Der Markt fur Angebote im Bereich E-Learning wachst stetig. Wie die Fraunhofer-Gesellschaft in einer einschlagigen Studie feststellte, sprechen die Grundungsjahreentsprechender Unternehmen fur sich ([HK03], S. 21). In Zusammenhang mit diesemUmstand und der Dynamik des Markts (vgl. [BHMH02]), vor allem aber auf Grunddes Kostenaspekts bei der Entwicklung von Lernmodulen gewinnen internationaleE-Learning-Standards zunehmend an Bedeutung, um Lerneinheiten zwischen verschie-denen Lernplattformen austauschen zu konnen.

In den vergangenen Jahren haben sich in den USA und in Europa gleich mehrereStandardisierungsgremien gebildet. Wie ich nachfolgend zeigen werde, stehen beiihrer Arbeit technische und inhaltliche Fragen im Vordergrund, wahrend didaktischeGesichtspunkte weitgehend unberucksichtigt bleiben (vgl. [BHMH02]).

Ein erfolgreicher Austausch von Lehrmaterialien setzt elementar voraus, dass diesein modularer Form vorliegen und eindeutig identifizierbar sind. Um der Auffindbarkeitund der Verknupfung von Materialien willen werden jeweils Metadaten verschiedenerCouleur annotiert (vgl. Abschnitt uber LOM).

Geht man von einer breiten Akzeptanz aus, so konnen standardisierte Konzepteerheblich dazu beitragen, Lehrmaterialien effektiv

• auffinden,

• austauschen,

• vergleichen,

• kombinieren,

• wieder verwerten

zu konnen.

9http://subversion.tigris.org/

54 4 E-Learning

Die wesentlichen Standardisierungsbestrebungen sollen zusammen mit der Ver-flechtung einzelner Organisationen in Konsortien im Folgenden kurz vorgestellt werden.

Die derzeit gemessen an ihrer praktischen Relevanz bedeutendsten Initiativen zurStandardisierung sind mit [BHMH02]:

ADL Advanced Distributed Learning Initiative(gegrundet 1997 im Rahmen einer Initiative des US-Verteidigungsministeriums und des Ministeriums fur For-schung und Technologie)www.adlnet.org

AICC Aviation Industry computer Based Training Committee(gegrundet 1988 als Gremium der amerikanischen Luftfahrt-industrie)www.aicc.org

ARIADNE Alliance of Remote Instructional Authoring and Distributi-on Networks for Europe(gegrundet 2002 als Stiftung der EU und der Schweiz)www.ariadne-eu.org

CanCore CanCore Learning Resource Metadata Initiative(gegrundet 2000 in Kanada)www.cancore.ca

DCMI Dublin Core Metadata Initiative(gegrundet 1994 auf einer amerikanischen WWW-Konferenz)http://dublincore.org/

EML Educational Modelling Language der Open University ofNetherlands)http://eml.ou.nl/

IEEE LTSC Learning Technology Standards Committee des IEEE(gegrundet 1998 in den USAhttp://ltsc.ieee.org/

IMS Instructional Management Systems Project(gegrundet 1997 durch die ”National Learning InfrastructureInitiative“ (NLII))www.imsproject.org

Das IEEE10 nimmt mit seinem im Jahre 1996 ins Leben gerufenenen LTSC (LearningTechnology Standards Committee) nun auch bei der Organisation von Lerninhalteneine Vorreiterrolle ein. Dieses Konsortium hat insofern einen Wettbewerbsvorteil,als nur die IEEE das Recht hat, Drafts und Spezifikationen fur Standards demANSI11 vorzulegen. Daher haben sich die obigen Konsortien auf den Austausch ihrer

10Institute of Electrical and Electronics Engineers, Inc.11American National Standards Institute

4.5 Lernobjekte 55

Ergebnisse geeinigt.

Spezifikationen für

Spezifikationen für

Spezifikatio

nen für

AICCADL

(SCORM)IMS ARIADNE

EML

IEEE

LTSC

ANSI

Nationaler Standard

Liefert Anforderungen an Liefert Anforderungen an Kooperiert mit

ISO

Internationaler Standard

W3C

Abbildung 4.1: Kooperation der Konsortien mit dem Ziel nationaler und internationalerE-Learning-Standards (nach [BHMH02])

4.5 Lernobjekte

Wayne Hodgins12 motivierte den Einsatz von Lernobjekten (learning objects) inE-Learning-Umgebungen im Jahr 1994 mit folgender Begrundung13:

”All LEGO blocks adhere to one absolute standard for pin size. Every LEGO piece,no matter what shape, color, size, age, or purpose can always be snapped together withany other piece because of their uniformly shaped pins. This allows children of all ages12http://www.learnativity.com/waynehodgins.html13http://www.learnativity.com/standards.html

56 4 E-Learning

to create, deconstruct, and reconstruct LEGO structures easily and into most any formthey can imagine.

If we map this to the world of learning content, we start to see the opportunitiesthat would result if we were able to have the same standards and capabilities to reuseand assemble or disassemble content drawn from any source at any time.“

Tatsachlich hat die Diskussion um den praktischen Nutzen von Lernobjektenzu vielen verschiedenen Definitionen des Begriffs gefuhrt, die sich teilweise starkunterscheiden.

Das IEEE (2002) definiert Lernobjekte wie folgt14:

”Learning Objects are defined here as any entity, digital or non-digital, which canbe used, re-used or referenced during technology supported learning.“

Insbesondere ist festzustellen, dass diese Begriffsauffassung Lernobjekte in denBereich des medienunterstutzten Lernens verweist und implizit das Ziel der Wiederver-wendbarkeit aufgreift. Die vergleichsweise vage und umfassende Definition des IEEEwurde vielfach kritisiert.

Der finnische Bildungsexperte und Professor Teemu Leinonen versteht unter einemLernobjekt15

... any entity, digital or non-digital, that is or is aimed to be used for learning,education or teaching.

Baumgartner und Hafele ([BHMH02]) konkretisieren ihr Verstandnis von der Bezie-hung zwischen Lernobjekten (LOs) und wiederverwendbaren Lernobjekten (RLOs):

”Ein LO (Learning Object) ist die kleinste sinnvolle Lerneinheit, in die ein Online-Kurs zerlegt werden kann. Demnach kann ein LO entweder aus einem einzelnen Bild,einer Grafik, einem Text, einer Flash-Animation oder auch aus einer kurzen Anwei-sung mit einem definierten Lernziel und einem Test zur Lernerfolgskontrolle bestehen.Wenn diese LO’s mit Metadaten versehen und zu großeren Online-Kurseinheitenkombiniert werden konnen, dann spricht man von RLO’s (Reusable Learning Objects= wieder verwendbare Lernobjekte).“

Angesichts der Uneinigkeit gerade bei der Frage, was denn nun ein Lernobjektausmacht, ubte Patricia McGee auf dem Learning Objects 2003 Symposium (Honolulu,Hawaii) fundamentale Kritik am Versuch der Standardisierung ([BC03], S. 31):

14http://www.ieeeltsc.org/working-groups/wg12LOM/lomDescription/15http://lemill.org/trac/wiki/ReportLOTdemo

4.5 Lernobjekte 57

”The standards have come before the thing itself has happened.“

Verbunden mit obiger Forderung nach Minimalitat der einzelnen Lernobjekteerlangt die Frage, wie die beschriebenen Kombinierungsmoglichkeiten abgebildetwerden konnen, große Bedeutung.

Zu diesem Zweck werden Lernobjekte mit beschreibenden Angaben (den Metadaten)versehen. Auf dem Weg zur Standardisierung von Learning Objects Metadata (LOM,vgl. nachster Abschnitt) sind umfangreiche Diskussionen daruber entstanden, welcheInformationen als Metadaten annotiert werden sollen und/oder mussen. Insbesonderebei der Besprechung von LOM wird deutlich werden, dass der bei der Einpflege vonLernobjekten durch mehrere Personen unweigerlich entstehende zeitliche Versatz einesinnvolle Integration zum Problem werden lasst.

Durch die Annotation von Metadaten (die wiederum der Auffindbarkeit dient)werden Lernobjekte zu wiederverwendbaren Lernobjekten (reusable learning objects,RLO) aufgewertet. Hafele et al. ([BHMH02]) sehen darin den Vorteil, dass diese

”beliebig zu neuen Kurseinheiten zusammengesetzt werden konnen“.

Aus meiner Sicht stehen dieser Beliebigkeit neben anderen Faktoren inharentedidaktische Aspekte und Anliegen kategorisch entgegen. Obige LEGO-Analogie istdaher kritisch zu betrachten und in Anspielung auf das Weizenbaum-Zitat ehereiner euphorischen Sichtweise zuzuordnen. Gerade im Kontext objektorientierter Pro-grammierung weist [Hub08] (S. 3) darauf hin, dass die Anordnung von instructionalobjectives eben nicht beliebig ist.

Der Begriff ”Lernobjekt“ sollte nicht uberbewertet werden. Teemu Leinonen hatin seinem Blog eine Stellungnahme16 zum aktuellen Forschungsstand mit ”Lear-ning objects - Is the King naked?“17 ubertitelt und außert den Verdacht, dass dieobige IEEE-Definition letztlich einer Tautologie gleichkomme und der Begriff desLernobjekts allein den Anschein von Wissenschaftlichkeit erwecken solle, wahrenddarunter im Grunde jedes Objekt des Universums - vom Atom bis zum Airbus A380 -verstanden werden konne. Leinonen klammert jedoch die Annotation von Metadatenausdrucklich aus seiner Kritik aus und betont den Wiederverwendbarkeitsaspekt. DieKommentare zu seinem Blog-Eintrag entwickeln anschaulich das Dilemma zwischen(bedingungsloser) Wiederverwendbarkeit und Kontextrelevanz.

Autoren wie [BHMH02] unterscheiden zwischen Lernobjekten (LOs) und wiederver-wendbaren Lernobjekten (RLOs). Meiner Meinung nach stellt die Wiederverwendbar-keit eine (wenn nicht sogar die) existentielle Bedingung fur (sogenannte) Lernobjektedar, weswegen ich auf diese Differenzierung verzichte.

16http://flosse.dicole.org/?item=learning-objects-is-the-king-naked17in Anspielung auf Hans-Christian Andersens

”Des Kaisers neue Kleider“

58 4 E-Learning

4.6 Learning Objects Metadata

Bei Learning Objects Metadata (LOM) handelt es sich um einen im Jahre 2002verabschiedeten Standard des IEEE LTSC18 zur Beschreibung von Lernobjekten. DerStandard spezifiziert Syntax und Semantik von Lernobjekt-Metadaten.

LOM ging aus der Kooperation von ARIADNE, IMS und dem IEEE LTSC hervorund soll bei der Suche, Evaluation, Beschaffung und Nutzung von LernobjektenUnterstutzung bieten. Insbesondere sollen Moglichkeiten zur gemeinsamen Nutzungund zum Austausch von Lernobjekten geschaffen werden (vgl. [HD02], 1.2).

Die zur Beschreibung verwendeten Metadaten werden hierzu19 in neun grundlegendeKategorien eingeteilt (die letzten beiden sind optional):

1. General Category : Grundlegende Informationen, welche das Lernobjekt als Gan-zes beschreiben

2. Lifecycle Category : Eigenschaften, welche die Geschichte und den aktuellen Zu-stand des Lernobjekts sowie beeinflussende Lernobjekte beschreiben

3. Meta-Metadata Category : Merkmale der Metadatenbeschreibung selbst

4. Technical Category : Technische Voraussetzungen und Merkmale des Lernobjekts

5. Educational Category : Bildungsmerkmale und padagogischer Hintergrund desLernobjekts

6. Rights Category : Rechtliche Aspekte des Lernobjekts (Nutzungsbedingungen)

7. Relation Category : Verwandtschaftsbeziehungen zu anderen Lernobjekten

8. Annotation Category : Anmerkungen im Rahmen der Evaluation des Lernobjekts,Informationen uber Autor und Zeitpunkt des Kommentars

9. Classification Category : Einordnung des Lernobjekts in einen großeren Kontext

Im Rahmen dieser Arbeit soll nur auf die Metadaten aus der Educational Categoryeingegangen werden, da der Nutzen von LOM fur die von uns verfolgten Zweckewesentlich von der Art der dort spezifizierbaren Informationen abhangt.

Entsprechend vermerkt [HD02] (S. 23) zu dieser Kategorie:

”This is the pedagogical information essential to those involved in achieving a qualitylearning experience. The audience for this metadata includes teachers, managers,authors, and learners.“

Im padagogischen Kontext sieht LOM folgende elf Metadaten vor:18Learning Technologie Standards Committee, http://www.ieeeltsc.org/19LOMv1.0 Base Schema, clause 6

4.6 Learning Objects Metadata 59

• Interactivity Type

Der vom gegebenen Lernziel in erster Linie unterstutzte Lernstil:

– active: Z. B. learning-by-doing; Inhalte, die eine unmittelbare produktiveAktivitat des Lerners erfordern (Simulationen, Fragebogen, Ubungen, ...)

– expositive: Passives Lernen, rezeptive Grundhaltung, primar Absorption vondargebotenen Inhalten, keine wesentliche Interaktivitat

– mixed : Aufgaben, die beide Typen von Interaktivitat erfordern

• Learning Resource Type

Art(en) des Lernobjekts (ggf. sortiert in der Reihenfolge ihrer Auspragung). EineAnwendung sollte mindestens 10 der hier angegebenen Werte berucksichtigen.

Mogliche Werte:

exercise, simulation, questionnaire, diagram, figure, graph, index, slide, table, nar-rative text, exam, experiment, problem statement, self assessment, lecture

• Interactivity Level

Interaktivitatsgrad, der das Lernziel pragt. Interaktivitat bezeichnet hierbei denEinfluss, welchen der Lerner auf den Verlauf des Lernobjekts nehmen kann (z. B.Arbeitsgruppe).

Mogliche Werte: very low, low, medium, high, very high

• Semantic Density

Grad der Pragnanz, die das Lernobjekt aufweist. In der Praxis also eine Kenn-große fur die subjektive Nutzlichkeit des Lernobjekts im Verhaltnis zu entstan-denem Aufwand und Lernzeit.

Mogliche Werte: very low, low, medium, high, very high

• Intended End User Role

Zielperson(en), auf die das Lernobjekt zugeschnitten ist (in absteigender Reihen-folge der Relevanz).

Mogliche Werte: teacher, author, learner, manager

• Context

Vorrangige Umgebung, in der die Aneignung sowie die Anwendung dieses Lern-objekts stattfinden sollte.

Mogliche Werte (weitere Verfeinerung ist ”good practice“): school, higher educa-tion, training, other

• Typical Age Range

Altersgruppe der Lerner. Dieses Datum sollte sich auf das Entwicklungsalter be-ziehen, sofern dieses vom chronologischen Alter abweicht.

60 4 E-Learning

• Difficulty

Schwierigkeitsgrad bei der Arbeit mit diesem Lernobjekt, unter Berucksichtigungder Zielgruppe.

Mogliche Werte:

very easy, easy, medium, difficult, very difficult

• Typical Learning Time

Geschatzter oder typischer Zeitraum, der fur die Abarbeitung dieses Lernobjektszu veranschlagen ist, unter Berucksichtigung der Zielgruppe.

• Description

Anmerkungen, wie dieses Lernobjekt eingesetzt werden sollte.

• Language

Die von der Zielgruppe beherrschte menschliche Sprache.

4.7 SCORM

SCORM (als Akronym fur Shareable Content Object Reference Model) verstehtsich als Referenzmodell fur austauschbare digitale Lerninhalte und wurde unterTragerschaft der ADL (und damit des US-Militars) entwickelt.

Die dritte Fassung von SCORM 2004 datiert vom Oktober 2006 und weist auf Grundumfassender Kritik an SCORM 1.3 (2004) etliche strukturelle Veranderungen auf. VierSaulen (auch ”Bucher“ genannt) bilden nun die Basis von SCORM20 und integrierenz. T. technologische Entwicklungen anderer Konsortien:

• Overview

Dieses einfuhrende Uberblicksdokument beschreibt die Vision von SCORM undinformiert uber seine anderen drei Teilsysteme.

• Content Aggregation Model (CAM)

Das CAM beschreibt, wie Lerninhalte zusammengestellt, katalogisiert und imRahmen des Content Packaging gebundelt werden. Ihre Beschreibung erfolgt mitMetadaten nach dem LOM-Standard.

• Runtime Environment (RTE)

Diese Einheit speichert alle laufzeitbezogenen Aspekte eines LMS, z. B. den ak-tuellen Lernfortschritt (Tracking), regelt Fragen der Datenubertragung und derFehlerbehandlung. Insbesondere wird hier die Schnittstelle zwischen SCORM-Inhalten und LMS spezifiziert (SCORM API, SCORM Data Model).

20weiterfuhrend siehe http://www.adlnet.gov/scorm/20043ED/Documentation.aspx

4.7 SCORM 61

• Sequencing and Navigation (SN)

Mit Hilfe von Aktivitatsbaumen und ”sequencing rules“ will die SN-SpezifikationAuskunft uber mogliche Lernpfade geben (vgl. [DT06], S. 23). SN wurde erst mitSCORM 2004 eingefuhrt und soll die Wiederverwendbarkeit von Lernobjekten er-leichtern, indem Inhalt und Struktur/Ablaufsteuerung nun getrennt voneinanderverwaltet werden.

Abbildung 4.2: Aufbau von SCORM (vgl. [DT06], S. 19)

Das Uberblicksdokument beschreibt die funktionalen Anforderungen an SCORM-basierende E-Learning-Umgebungen in Form von Moglichkeiten bzw. ”-ities“ ([DT06],S.14f.):

Accessibility: Die Moglichkeit, entfernte Lerninhalte zu finden, auf sie zuzugreifenund sie an andere Orte zu verschicken.

Adaptability: Lerninhalte sollen an individuelle und sich aus organisatorischenGrunden ergebende Anforderungen angepasst werden konnen.

Affordability: Das System soll effizienzsteigernd wirken, indem Zeit und Kostenbei der Aus- bzw. Weiterbildung eingespart werden.

Durability: Das System und die darauf basierenden Inhalte sollen nachhaltigeinsetzbar sein.

Interoperability: Lerninhalte sollen auf einfache Art und Weise austauschbarsowie ohne Einschrankungen plattformunabhangig nutzbar sein.

62 4 E-Learning

Reusability: Lerninhalte sollen nicht auf die Nutzung in einem ganz bestimm-ten Kontext beschrankt bleiben, sondern in andere Szenarien integriert werden konnen.

Es ist unschwer festzustellen, dass diese Kriterien sich padagogischen und didakti-schen Uberlegungen weitgehend verschließen. Zu diesem Ergebnis kommen auch Hafeleet al. ([BHMH02]).

Im Rahmen des Content Packaging gewahrleistet SCORM die Wiederverwendbarkeitentsprechender Lerninhalte und Kursmaterialien. Ressourcen werden zu diesem Zweckmit einem XML-Manifest versehen, welches ihre Struktur beschreibt. Das Manifest (imUberblicksdokument mit einem Packzettel verglichen) enthalt

• Metadaten: Beschreibung der Lerneinheit in LOM-Syntax

• Organisation: Angaben zur Strukturierung der Lerneinheit und Reihenfolgein-formationen

• Ressourcen: Referenzierung der im Content Package enthaltenen Dateien sowieggf. externer Ressourcen

• (Sub-)Manifests: Im Falle komplexerer Lerneinheiten konnen Manifests ge-schachtelt werden

Fur SCORM liegen verschiedene Editorsysteme vor, die zum Teil nicht alle Anforde-rungen des (aktuellen) Referenzmodells umsetzen (z. B. der eLearning XHTML EditoreXe21).

4.8 Schwachen vorliegender Konzepte

Auch andere Arbeiten (z. B. [Tro06]) kamen bereits zu dem Schluss, dass derLOM-Standard aus didaktischer Sicht vollig unzureichend ist. Obwohl im Rahmender Educational Category gewisse padagogische Merkmale spezifiziert werden konnen(Interaktivitat, Benutzerrolle, ...), ist es nicht moglich, die didaktische Rolle vonLernobjekten in Lernprozessen zu beschreiben ([AQN02], S. 1).

Der praktische Nutzen der Metadaten beschrankt sich somit auf die reine Auswahlund Organisation von Lerninhalten, uber Moglichkeiten zu deren Vermittlung (daswie) werden keine Aussagen gemacht. Didaktische Aspekte konnen im Rahmen derMetadaten nicht integriert werden. Man konnte fast sagen, dass die semantische Ebenediesbezuglich außen vor bleibt. Der Informationsgehalt von LOM geht damit faktischnicht uber den von Curricula hinaus ([AQN02]).

Ein strukturelles Problem von LOM ist die große Zahl zwingend anzugebenderMetadaten, was in der Praxis abschreckende Wirkung haben durfte. Der mit der Pflege21http://www.exelearning.org/

4.8 Schwachen vorliegender Konzepte 63

der Lernobjekte einhergehende Arbeitsaufwand ist sehr hoch. Dieser Umstand durftedie Hauptursache sein, warum viele bestehende Anwendungen nur etwa ein bis zweiDrittel der in LOM spezifizierten Elemente nutzen, wie [Fri05] analysiert hat.

Abbildung 4.3: Haufigkeit der Nutzung von LOM-Annotaten (vgl. [AQN02], F. 15)

Was eine Bewertung von LOM aus didaktischer Sicht angeht, zeichnet sich ab, wasDieter Euler im Jahr 2002 prophezeit hat ([Eul02]):

”Vielerorts besteht eine weitverbreitete Skepsis und Ignoranz auf Seiten derjenigen,die eigentlich fur die Qualitat der neuen Medien sorgen konnten. Es besteht die Gefahr,dass sich ein Teufelskreis schließt: Die Padagogen lehnen die neuen Medien ab, weil siedidaktisch nicht uberzeugen - die neuen Medien bleiben didaktisch anspruchslos, weilsie ohne padagogische Expertise und Professionalitat entwickelt werden!“

Die IMS hat LOM eine Rosskur verschrieben und eine abgespeckte Spezifikation(LRMS) vorgestellt, welche die Angabe von lediglich 19 der insgesamt 86 in LOMdefinierten Elemente verlangt.

Die Implementierung von Abhangigkeiten zwischen Lernobjekten ist in LOM alsstrukturell problematisch zu bezeichnen. Die hierfur vorgesehene Relation Categorystellt zwar verschiedene Arten von Relationen bereit, welche im Dublin-Core-Stil22

notiert werden, jedoch ist zur Verknupfung von Lernobjekten a-priori -Wissen uberbereits bestehende, fremde Inhalte notwendig [Bra06]. Diese prophetisch anmutendeAufgabe wird den Nutzern zusatzlich aufgeburdet.

Der Umstand, dass didaktisch begrundete harte und weiche Vorrangrelationen(prerequisites) zwischen Lernzielen (welche in [Hub08] als vielfach existent und daher

22http://dublincore.org/

64 4 E-Learning

bei der Planung unverzichtbar herausgearbeitet wurden, Beispiel: Konzepte der OOP)auf dieser Basis nicht adaquat abgebildet werden konnten, lasst den Nutzen von LOMbei einer didaktisch fundierten Planung und Strukturierung von Lerneinheiten alsumso zweifelhafter erscheinen.

Zusammenfassend verhindert es die Struktur von LOM, didaktische Belange beider Organisation von Lernobjekten in angemessenem Maße einzubeziehen. Eine Ver-knupfung mit fremden Inhalten setzt zwingend voraus, dass bereits vorab entsprechen-des Wissen uber deren Existenz besteht. Gleichzeitig verpflichten sich Mitwirkende, imRahmen der von ihnen gepflegten Lernobjekte einen umfangreichen Metadatenkatalognicht nur anzulegen, sondern stets aktuell zu halten, wofur es in der Praxis nicht nuran der notigen Zeit, sondern in Anbetracht der geschilderten Unzulanglichkeiten auchan der langfristigen Motivation fehlen durfte.

65

5 Ontologien und Semantic Web

5.1 Begriffsklarung

5.1.1 Ontologien

Ursprunglich bezeichnet Ontologie (vom griechischen eÚnai ”sein“ bzw. dessen Partizipîn und lìgoc - ”Lehre“, ”Wort“) die ”Lehre vom Sein“ und ist eine philosophischeDisziplin.

Zentrale Frage ist in der traditionellen Ontologie das Verhaltnis zwischen Seinund Seiendem, der sich insbesondere der Existentialphilosoph Martin Heideggerverschrieben hatte. ”Was ist?“ ist dabei die ontologische Grundfrage, die nicht trivialzu beantworten ist: Zwei wichtige Aspekte sind die stets subjektive Wahrnehmungalles Seienden und dessen Beschreibung mit sprachlichen Mitteln1.

Folgt man bei der Frage nach der Bedeutung fur die Informatik Tom Gruber([Gru93]):

”An Ontology is a formal specification of a shared conceptualization of a domain ofinterest“,

so ergeben sich folgende Bestimmungsstucke:

• Eine Ontologie ist eine formale Spezifikation, bedient sich zur Wissensre-prasentation also einer formal definierten Terminologie mit festgelegten Ablei-tungsregeln etc.;

• eine Ontologie beschreibt eine gemeinsame Konzeptualisierung, die eine breiteAkzeptanz aufweist;

• eine Ontologie bezieht sich stets auf einen bestimmten Wissensbereich (auch:knowledge domain).

Im Kern geht es also darum, bezuglich einer gewissen Domane ein gemeinsamesVerstandnis zu erlangen, wobei sich diese ”Gemeinsamkeit“ durch die formale Spezifi-kation auch auf Maschinenverarbeitbarkeit durch Agenten etc. bezieht.

1vgl. http://www.gi-ev.de/no_cache/service/informatiklexikon/

informatiklexikon-detailansicht/meldung/ontologien-57/

66 5 Ontologien und Semantic Web

2008 ([Gru08]) ruckt er den Aspekt der Modellierung und axiomatischen Fundierungdurch Begriffe und Regeln in den Vordergrund:

”An ontology defines a set of representational primitives with which to model adomain of knowledge or discourse.“

Guarino ([Gua98]) betont die Bedeutungshaltigkeit von Daten und hebt hervor,dass jede Ontologie nur einen bescheidenen Beitrag zu einer flachendeckenden ”Kon-zeptualisierung der Welt“ leisten kann:

”An ontology is a logical theory accounting for the intended meaning of a formalvocabulary, i.e., its ontological commitment to a particular conceptualization of theworld.“

Weil Ontologien in der Informatik die Aufgabe zukommt, die Struktur von Wissens-bereichen (knowledge domains) abzubilden, ist es - ganz anders als im philosophischenKontext - zulassig und notwendig, auch von ”Ontologien“ im Plural zu sprechen -umso mehr, wenn man bedenkt, dass auch innerhalb eines Wissensbereichs haufigmehrere Terminologien existieren (vgl. [? ]).

Eine gewisse Parallele zwischen den Begriffsdeutungen beider Disziplinen bestehtdarin, dass hier wie dort die Reprasentation des Seienden bzw. des Wissens sprachlicherfolgen muss.

Gemaß Gruninger und Lee ([GL02], S. 39-41) dienen Ontologien in der Informatik

• zur Kommunikation von und uber Wissen,

• zum automatischen Erschließen ”neuen“ Wissens und

• zur Reprasentation und Wiederverwendung von Wissen.

Weltweite Bedeutung erlangten Ontologien in der Informatik jedoch erst mit derTechnologie des Semantic Web, die vom WWW-Schopfer und Direktor des W3C2, TimBerners-Lee entwickelt wurde (vgl. [BLHL01], S. 96ff.).

5.1.2 Semantic Web

Das Wort Semantik leitet sich vom griechischen svhmaÐnein (”bezeichnen“) ab undsteht fur die Wissenschaft von der Bedeutung der Zeichen. In Abgrenzung dazu wirdauf der Ebene der Syntax die formale Struktur von Daten (die ja durch Zeichenreprasentiert werden) festgelegt.

2World Wide Web Consortium, http://w3c.org/

5.1 Begriffsklarung 67

Eine zentrale Forderung des Semantic Web besteht darin, weltweit verfugbarenInhalten jeder Art eine ”Bedeutung“3 zu geben, die in Form von Metadaten (sog.Annotaten) und konzeptuellen Beziehungen modelliert wird. Dabei steht das SemanticWeb mit Hitzler et al. ([HKRS08], S. 11)

”fur die Idee, [...] Information von vornherein in einer Art und Weise zur Verfugungzu stellen, die deren Verarbeitung durch Maschinen ermoglicht.“

Unzulanglichkeiten und Grenzen des bestehenden, ”herkommlichen“ Web sehen[HKRS08] (S. 10f.) vor allem

• in der Fulle von Informationen zum selben Thema bzw. zum selben Stich-wort (Beispiel: Google-Suche nach OWL) - ”Human language thrives when usingthe same term to mean somewhat different things, but automation does not“([BLHL01]);

• in der Heterogenitat vorhandener Informationen (Dateiformate, Zeichenkodie-rungen, Sprachen i. w. S., ...);

• in der Tatsache, dass bestimmte Erkenntnisse sich nur durch Folgerung ausdiversen anderen Informationen bzw. Tatsachen ergeben.4

Durch Beziehungen zwischen Konzepten und die Annotation von Metadaten (aufder Basis gewisser Standards) ergeben sich implizit Ableitungsregeln, welche esermoglichen, Zusammenhange zu folgern, die sich aussagenlogisch aus bestehendenBeziehungen ergeben, jedoch nicht unmittelbar ersichtlich sind. Hitzler et al. sprechendabei vom ”impliziten Wissen“ ([HKRS08], S. 11).

Solche Inferenzen konnen (im Rahmen der Berechenbarkeit) mit Hilfe von Reasonern(Inferenzmaschinen) automatisiert werden. Damit sind elektronische Agenten in derLage, eigenstandig Wissen auf semantischer Ebene zueinander in Beziehung zu setzen.

Ein erklartes Ziel des Semantic Web ist es, im Bereich der Informationsrechercheuber die Lokalisierung von Zeichenketten in Texten (vgl. Google) hinaus zu kommen.Ein Ansatz, der in diese Richtung weist, ist die Semantische Suchmaschine SWOOGLEder University of Maryland5.

Sprachen, die der Reprasentation von Wissen in Form von Ontologien dienen, bildendas Fundament semantischer Technologien und damit des Semantic Web ([HKRS08],S. 13).

3Da die intendierte Bedeutung nicht notwendig der intuitiven (Be-)Deutung durch den Menschenentsprechen muss, setze ich aus Grunden der Vorsicht Anfuhrungszeichen.

4Man kann sich dies gut an einer Menge von Aussagen zur familiaren Verwandtschaft veranschaulichen.5http://swoogle.umbc.edu/


Diejenigen Schichten (der sogenannte layers cake6, vgl. Abb. 5.1), die wiederumdie Grundlage der Ontologiesprache OWL darstellen , werden nun - gewissermaßen inbottom-up-Reihenfolge - eingefuhrt.

Abbildung 5.1: Der Semantic Web ”Layers Cake“

5.2 XML und XML Schema

5.2.1 Bedeutung

Die Markup-Sprache XML (eXtensible Markup Language) bildet die syntaktischeGrundlage des Semantic Web. Mit Hilfe von Markup-Sprachen konnen bestehendeDaten mit zusatzlichen Informationen (Metadaten) ausgezeichnet (annotiert) werden.So ist auch XHTML (als Auszeichnungssprache fur WWW-Dokumente) ein Derivatvon XML - genauer genommen eine XML-basierte Version von HTML.

Allgemein wird durch XML die logische Struktur von Dokumenten festgelegt. Somitkann man XML als Metasprache zur Deklaration von Markup-Sprachen ansehen.

6http://www.w3.org/2007/03/layerCake.png

5.2 XML und XML Schema 69

Unabhangig davon speichert XML Daten auf einfache und universell einsetzbareWeise, was z. B. den Transport durch Weitverkehrsnetze deutlich erleichtert. KomplexeDatenmodelle werden hierzu zunachst serialisiert, d. h. auf eine lineare Reprasentationheruntergebrochen.

Mit Hilfe von XML-Parsern (z. B. Expat7) ist es problemlos moglich, die sovorliegenden Daten weiterzuverarbeiten8. Dabei kommen geeignete XML-Vokabularezum Einsatz, die den jeweils zur Verfugung stehenden Namensraum spezifizieren (siehespater).

Zu Beginn eines jeden XML-Dokuments ist dieses durch die Angabe der XML-Versionund optional der verwendeten Zeichenkodierung als solches zu kennzeichnen, z. B. mit

<?xml version="1.0" encoding="utf-8"?>

5.2.2 Elemente

Den weiteren Aufbau eines XML-Dokuments kann man sich als hierarchische Struk-tur vorstellen, die durch (beliebig tiefe) Schachtelung sogenannter Elemente entsteht.Der Inhalt eines jeden Elements wird dabei von Tags eingeschlossen. Dabei besitzt einvalides XML-Dokument genau ein Wurzel-Element9. So ist beispielsweise

<Uni>Technische Universitaet Muenchen</Uni>

ein gultiges XML-Element10. Start- und End-Tag korrespondieren miteinander undtreten daher stets paarweise und ggf. in korrekter Schachtelungsreihenfolge auf. XMLunterscheidet zwischen Groß- und Kleinschreibung. Elemente ohne Inhalt (z. B. eineTrennlinie in XHTML11) konnen alternativ zur Schreibweise <hr></hr> mit nur einemTag notiert werden, welches dafur selbstschließend ist:

<hr />

5.2.3 Attribute

Mit den Attributen kennt XML ein weiteres Konstrukt, um Information zu kodieren.Elemente im obigen Sinne konnen mit beliebig vielen Attributen ausgezeichnet werden.Auf diese Weise werden wir spater Metadaten annotieren.

Im Einzelfall ist abzuwagen, ob eine konkrete Information in Form eines eigenen Ele-ments oder als Attribut reprasentiert werden soll. Sofern Daten eine gewisse Struktur

7http://expat.sourceforge.net/8Dabei sind wohlgeformte (well-formed) XML-Dokumente anzustreben, indem insbesondere die Syn-

taxregeln exakt eingehalten werden.9Im Falle von XHTML ware das <html>...</html>.

10vorausgesetzt, der Elementname Building ist im zugrundeliegenden Vokabular vorgesehen11http://de.selfhtml.org/html/text/trennlinien.htm

innewohnt, empfiehlt sich eine Schachtelung von Elementen, da Attribute sich nichtdazu eignen, eine Hierarchie abzubilden (auch auf diese Tatsache werden wir nochzuruckkommen). Außerdem ist es - im Gegensatz zu Elementen - nicht moglich, At-tribute zu modularisieren (siehe spater). Ein einfaches Beispiel zeigt, welche Wege derModellierung XML-seitig bestehen:

<Uni>

<Name>Technische Universitaet Muenchen</Name><Ort>Muenchen</Ort>

</Uni>

<Uni Ort="Muenchen">Technische Universitaet Muenchen</Uni>

<Uni Name="Technische Universitaet Muenchen" Ort="Muenchen" />

5.2.4 Schemata

Wie unschwer zu erkennen ist, steht hinter der XML-Notation eine baumartigeDatenstruktur (vgl. auch [HKRS08], S. 21). Jedes Tag entspricht einem Knoten imBaum (das XML-Wurzelelement wird durch den Wurzelknoten reprasentiert) undjedes verschachtelte Tag einem Kind-Knoten.

Haufig ist es notwendig, prazisere Forderungen an die Syntax zu stellen, als dies durchdie grundlegenden Syntaxregeln geschieht. So erscheint es zumeist wunschenswert, denNamensraum fur die Elementnamen im Sinne eines Vokabulars explizit anzugeben.Hier setzen DTDs (Document Type Definitions) und XML Schema an. DTDs stellenkontextfreie Grammatiken (Chomsky Typ-2) dar und sollen mittelfristig XML Schema-ta weichen. Letztere sind selbst in XML geschrieben, was die praktische Verarbeitungsowie die Einbindung bestehender Schemata erleichtert.

In XML Schema ist es z. B. moglich, die Anzahl der erlaubten verschachteltenElemente exakt vorzugeben. Dabei sind noch weitaus filigranere Vorgaben wie dieBindung der erwarteten Struktur an den lokalen Kontext des Elements vorstellbar.

Aus diesen Moglichkeiten der Kontextualisierung von XML-Namen entsteht verbun-den mit der Wiederverwendung von XML-Dokumenten (die zumeist unterschiedlichenXML-Vokabularen angehoren) das Problem von Namenskonflikten. Darunter istzu verstehen, dass ein- und derselbe XML-Name in verschiedenen Kontexten mitunterschiedlicher Bedeutung (bzw. abweichenden XML Schema-Pramsisen) verwendetwird.

5.3 RDF und RDF Schema 71

Um dieser Problematik entgegen zu treten, hat das W3C die XML-Namensraume mitHilfe weltweit eindeutiger Bezeichner (URIs, Uniform Resource Identifier) standardi-siert. So referenziert ein XHTML-Dokument in seinem Wurzelelement den zugehorigenund beim W3C abgelegten XML-Namensraum (xmlns, XML Namespace)

<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="de">

Wir stellen außerdem fest, dass per XML reprasentierte Daten bei geschicktemDesign des Vokabulars fur den menschlichen Betrachter durchaus eine (intuitive)Bedeutung erlangen konnen. [HKRS08] treffen den Nagel auf den Kopf, wenn sie ihreLeser nach ihren Assoziationen der beiden Tags <Apfel> und <Birne> fragen (S.30). Aus Sicht der Maschine enthalt XML jedoch keinerlei datenbezogene Semantik.Die Bedeutungshaltigkeit von Information kommt erst auf der nachsthoherliegendenSchicht des ”Semantic Web Layer Cake12“ ins Spiel, denen wir uns nun uberblicksartigwidmen werden.

5.3 RDF und RDF Schema

5.3.1 Bedeutung

Das RDF (Resource Description Framework) deckt zusammen mit RDF Schema diesemantische Ebene der Ontologien ab, indem Abhangigkeiten zwischen Objektenzusammen mit ihren jeweiligen Werten modelliert werden. Im Grunde handelt es sichdabei um Aussagentripel der Form Subjekt - Pradikat - Objekt. Dabei entstehen se-mantische Netze, welche die Abhangigkeiten als (gerichteten) Graph veranschaulichen.

5.3.2 Baume und Graphen

Anders als das XML-Format beschreiben RDF-Dokumente gerichtete Graphen, d. h.eine Menge von Knoten, welche durch gerichtete Kanten (dargestellt durch Pfeile)verbunden werden ([HKRS08], S. 36). Dabei stehen die Knoten fur Ressourcenund die Kanten fur Eigenschaften von bzw. Beziehungen zwischen Ressourcen. Mitletzterer Aussage wird klar, warum eine baumartige Struktur (die stets von einerHierarchie ausgeht) fur die Modellierung in RDF nicht in Frage kommt. Das aus derKomposition zahlreicher Beziehungen entstehende ”Geflecht“ wird kaum noch einenBaum darstellen, wohl aber einen Graphen (vgl. [HKRS08], S. 36f.).

Auch in RDF findet sich die schon im Abschnitt uber XML angesprochene Ver-wechslungsproblematik bei der Namensgebung wieder. Dieser wird mit der eindeutigenKennzeichnung von Knoten und Kanten durch URIs begegnet (zur ”verantwortungs-vollen“ Vergabe von URIs, die insbesondere deren Eindeutigkeit sicherstellen, vgl.

12Der Begriff wurde von Tim Berners-Lee gepragt: http://flickr.com/photos/pshab/291147522/


[HKRS08], S.47ff.).

Um einen RDF-Graphen in XML-Schreibweise kodieren zu konnen, mussen seineDaten zunachst serialisiert (d. h. in eine lineare Zeichenkette transformiert) werden.Dabei liegt es auf der Hand, dass diese Serialisierung reversibel sein muss. DieInformatik kennt verschiedene Wege der Serialisierung, deren Platzaufwand im FallRDF von der Beschaffenheit und Anzahl der zugrundeliegenden Ressourcen und ihrerBeziehungen abhangt (mit anderen Worten davon, wie dicht bzw. licht der Graph ist).

Gangige Praxis ist es, RDF-Graphen als eine Menge von Tripeln der Form ”Sub-jekt - Pradikat - Objekt“ darzustellen. Dieser Vorgehensweise folgen auch die sog.Notation 3 (N3) des W3C, die N-Triples des W3C-Vorschlags von 2004 sowie diedaraus entstandene Quasi-RDF-Syntax Turtle (weiterfuhrend [HKRS08], S. 40ff.).Empfehlenswert ist dabei eine Gruppierung der Tripel, z. B. nach dem Subjekt. Ausder Universalitat von XML folgt, dass ein RDF-Graph durchaus von verschiedenenXML-Baumen reprasentiert wird.

Daruber hinaus kennt RDF komplexere Ausdrucksmittel wie Datentypen, mehrwer-tige Beziehungen, offene und geschlossene Listen sowie sog. ”leere Knoten“. Soweitnotwendig, wird darauf an entsprechender Stelle eingegangen.

5.3.3 RDF Schema

Die bisher vorgestellten Konstrukte bilden nach wie vor noch keine Bedeutungen ab:Aus Sicht der Maschine sind alle bisher eingefuhrten Bezeichner lediglich Zeichenket-ten, deren Bedeutung sich bestenfalls im Kopf des menschlichen Betrachters erschließt.

Mit dem nachsten Baustein RDF Schema (RDFS) wird es moglich sein, sog.terminologisches Wissen uber die in einem Vokabular verwendeten Begriffe und derenZusammenhange anzugeben ([HKRS08], S. 61). Damit haben wir es erstmals miteiner Sprache zu tun, die die Auszeichnung ”Wissensreprasentationssprache“ (oderOntologiesprache) verdient, wenngleich ihre Ausdrucksmachtigkeit gegenuber spaterenErweiterungen (vgl. Abschnitt uber OWL) zuruckstehen muss13.

RDF Schema fuhrt das Konzept der Klassen ein, womit RDF-Aussagen nichtmehr auf einzelne (und konkrete!) Ressourcen beschrankt sind. Die Eigenschaft(das Pradikat) rdfs:subClassOf erlaubt es, ganze Klassenhierarchien abzubilden14

(ausfuhrlicher [HKRS08], S. 70ff). Gleichwohl verdeutlicht das einfache Beispiel

ex:Schweinchenbau rdf:type ex:Universitaetsgebaeude .

13RDFS wird daher auch als leichtgewichtige (lightweight) Ontologiesprache bezeichnet ([HKRS08], S.67)

14Naturlich ist rdfs:subClassOf transitiv und reflexiv.

5.3 RDF und RDF Schema 73

dass RDFS nicht explizit zwischen konkreten Individuen bzw. Instanzen undKlassenbezeichnern unterscheidet.

Mit Hilfe von Properties lassen sich allgemeinere Relationen definieren, die ebenfallshierarchische Struktur aufweisen durfen:

ex:istVerwandtMit rdf:type rdf:Property .ex:istDirektVerwandtMit rdfs:subPropertyOf ex:istVerwandtMit .

Eine Inferenzmaschine konnte - dank der Subproperty-Relation - nun bereits impli-zites Wissen schlussfolgern: So sind alle Mitglieder der Klasse istDirektVerwandtMitauch im allgemeineren Sinne verwandt.

Bezuglich der Subjekte und Objekte erlaubt RDFS, Typregeln vorzusehen (um imBeispiel zu bleiben, sollte es sich bei den Betroffenen um Menschen oder zumindestum Lebewesen handeln). Restriktionen auf dem Definitionsbereich werden dabei mitrdfs:domain, auf dem Wertebereich durch rdfs:range spezifiziert:

ex:istVerwandtMit rdfs:range ex:Lebewesen .ex:istVerwandtMit rdfs:domain ex:Lebewesen .

Die Einfuhrung einer formalen Semantik (gewissermaßen die logische Dimensiondes Semantik-Begriffs, vgl. [HKRS08], S. 91) war die (schlagkraftige) Antwort aufden Hauptkritikpunkt an RDFS15 (ausfuhrlich [HKRS08], Kapitel 4). Dennoch be-stehen weiterhin Unzulanglichkeiten, die den Nutzen von RDFS als Ontologiesprachebeschranken (vgl. hierzu [HKRS08], S. 126):

• RDFS kennt keine disjunkten Klassen (Komplementbildung) und verhindert da-mit die Negation von Aussagen16;

• Schnitt und Vereinigung von Klassen lassen sich nicht realisieren;

• RDFS sieht keine Kardinalitaten und Kardinalitatsbeschrankungen vor (”min-destens n“, ...);

• Axiome von Properties (z. B. Reflexivitat, Symmetrie, Transitivitat) lassen sichnicht modellieren, sondern ergeben sich allenfalls inharent aus der Subproperty-Hierarchie (s. o.)

15So war es auf Grund unterschiedlicher Interpretation desselben RDF-Dokuments moglich, dass zweiRDF-Datenspeicher auf identische Anfragen hin unterschiedliche Ergebnisse zurucklieferten.

16was sich - bei allen damit verbundenen Einschrankungen - in einem besseren Laufzeitverhalten vonSchlussfolgerungsalgorithmen niederschlagt


5.4 OWL

Die Ontologiesprache OWL (Web Ontology Language17) hat seit 2004 den Statuseiner W3C Recommendation, verspricht u. a. in obigen Punkten Abhilfe und erlaubtes, umfangreichere und komplexere Zusammenhange in Ontologien darzustellen.

Im Rahmen der Standardisierung von OWL hat das W3C im Jahr 2004 drei Aus-pragungen der Sprache vorgestellt, die sich hinsichtlich ihrer Ausdrucksmachtigkeit un-terscheiden ([HKRS08], S. 127):

• OWL Full: Uneingeschrankte Nutzung aller OWL-Sprachelemente gemeinsammit RDF(S)-Sprachelementen; Moglichkeiten zur Metamodellierung18;

• OWL DL: Sprachelemente, die mit den Moglichkeiten der Beschreibungslogik(description logic, genauer der Pradikatenlogik 1. Stufe, PL-1) korrespondieren;

• OWL Lite: Einfach zu implementierendes Sprachfragment - keine große Bedeu-tung ([HKRS08], S.153).

Der jeweilige Sprachumfang erfullt die Relation

OWL Full % OWL DL % OWL Lite.

Insbesondere sind nur OWL DL und OWL Lite entscheidbar, weshalb nur fur dieseVarianten Reasoner mit vollstandiger Unterstutzung aufwarten. Es ist unwahrschein-lich, dass ein Reasoner jemals die Berechnung aller in OWL Full denkbaren Inferenzenbeherrschen wird19 (vgl. [HKRS08], S. 152).

Unter Entscheidbarkeit verstehen wir, dass alle vorstellbaren Anfragen an eineOntologie mit einem Algorithmus beantwortet werden konnen, der innerhalb endlicherZeit terminiert. Die damit fur OWL DL (und Lite) verbundenen Einschrankungenlassen sich in [HKRS08] (S. 153) nachlesen.

Die gegenuber RDFS hohere Ausdrucksstarke von OWL liegt hauptsachlich in derVerfugbarkeit logischer Konstruktoren begrundet (siehe unten und [HKRS08], S. 135).

Selbstredend kann hier auf die Sprachkonstrukte von OWL nur uberblicksartigeingegangen werden. Eine umfangreiche Einfuhrung gibt [HKRS08] (Ubersicht S. 156f.).

In OWL beschriebene Ontologien bestehen im Wesentlichen aus Klassen und Proper-ties (auch Rollen genannt), die - anders als in RDF(S) - unter Zuhilfenahme logischerKonstruktoren in komplexe Beziehung zueinander treten konnen. Die Verfugbarkeit

17zur Entstehung des Akronyms vgl. [HKRS08], S. 12518damit ist gemeint, dass eine Klasse die Instanz einer anderen Klasse sein kann19Stichwort: P-NP-Problem der Theoretischen Informatik

5.4 OWL 75

von Klassen sowie der Unterklassenrelation ist absolut elementar fur das automatischeSchließen aus Wissensstrukturen, da nur so die Enthalten-Beziehung (”is-a“) adaquatabgebildet werden kann (vgl. [McG03]).

5.4.1 Klassen

Klassenbeziehungen

OWL kennt zwei zueinander disjunkte Basisklassen, owl:Thing und owl:Nothing, wo-bei owl:Thing alles enthalt. Die ”Mutter“ aller OWL-Klassen ist owl:Class und ih-rerseits Unterklasse von rdfs:Class20. Eigene Klassendefinitionen sind von der Form

<rdf:Description rdf:about="Obst"><rdf:type rdf:resource="&owl;Class" />

</rdf:Description>

oder kurzer

<owl:Class rdf:about="Obst" />

Die Bildung von Unterklassen entspricht der Vorgehensweise in RDFS:

<owl:Class rdf:about="Kernobst"><rdfs:subClassOf rdf:resource="Obst" />

</owl:Class>

Weitere Beziehungen zwischen Klassen konnen mit folgenden Konstrukten modelliertwerden:

• owl:disjointWith: Markiert zwei Klassen als disjunkt. Bei der Inferenz folgtdaraus, dass eine Instanz der einen Klasse keinesfalls auch Instanz der anderenKlasse sein kann.

• owl:equivalentClass: Markiert zwei (oder mehr) Klassen als aquivalent, d. h.nur dem Klassenbezeichner nach verschieden. Damit gilt inharent, dass eine In-stanz der einen Klasse automatisch auch Instanz der anderen Klasse(n) ist. (Die-selbe Semantik ließe sich auch erreichen, indem die beteiligten Klassen als Unter-klassen aller andereren Klassen ausgezeichnet werden. Durch die wechselseitigeInklusion folgt die Aquivalenz.)

20Das genaue Verhaltnis der beiden ist je nach OWL-Sprachebene verschieden, dazu sei auf die W3C-Spezifikationen und auf [HKRS08], S. 151ff. verwiesen


Logische Konstruktoren

Die Verfugbarkeit logischer Konstruktoren auf Klassen erst hebt die Ausdrucksstarkevon OWL deutlich uber diejenige von RDFS. Zu Gunsten der Berechnungskomplexitatbeim Reasoning ist ihre Verwendung in OWL Lite eingeschrankt (vgl. [HKRS08], S.153f.).

Bekanntlich entsprechen die mengentheoretischen Operationen Konjunktion (Verei-nigung), Disjunktion (Schnitt) und Negation (Komplement) den logischen Ausdruckenund, oder bzw. nicht. OWL bietet hierzu

• owl:intersectionOf: Konjunktion,

• owl:unionOf: Disjunktion,

• owl:complementOf: Negation.

Die Open World Assumption (OWA)

OWL liegt die Annahme einer ”offenen Welt“ zu Grunde: Die Entwickler (und damitnaturlich alle OWL-Werkzeuge, insbesondere Inferenzmaschinen) gehen davon aus,dass jede (durch eine Ontologie reprasentierte) Wissensbasis potentiell unvollstandigist (aussagekraftige Beispiele z. B. in [HKRS08], S.145ff.).

Wenn man so will, sind sich die Ontologen in guter sokratischer Tradition derEndlichkeit des ihnen zuganglichen Informationsgehalts bewusst:

”Ich weiß, dass ich nicht(s) weiß.“

Diese Sicht der Welt passt zum Charakter des WWW, wo bestehende Informationbestandig mit weiterem Wissen21 erganzt wird, durch dessen Kenntnis Sachverhalteeine neue, abweichende Bewertung erhalten konnen.

Beispiel.

Seien mit einer Ontologie O lediglich die beiden Aussagen

<Philosoph rdf:about="Sokrates" /><Informatiker rdf:about="Tim Berners-Lee" />

uber Klassenzugehorigkeiten getroffen, so ware die Schlussfolgerung, dass es sichbei Sokrates um einen Informatiker handele/gehandelt hatte, weder wahr, noch falsch,sondern (auf alleiniger Basis obiger Informationen) schlichtweg unzulassig.

21und Halbwissen

5.4 OWL 77

In unserem Kontext eng verbunden mit der OWA ist die Moglichkeit der si-tuationsabhangigen Einbindung bestehender (oder vielleicht auch erst entstehender)fremder Ontologien, die sich dabei durchaus dem selben Inhaltsbereich widmen konnen.

Nebenbemerkung: Sofern (z. B. im Rahmen eines ”tertium non datur“-Dogmas) not-wendig, halt OWL die sogenannten abgeschlossenen Klassen bereit, um Exhaustivitatdoch noch abbilden zu konnen.

5.4.2 Individuen

Individuen entsprechen in OWL Instanzen von Klassen. Das W3C verwendet beideBegriffe synonym. Die Instantiierung erfolgt mit

<BeispielKlasse rdf:about="BeispielInstanz" />

Beziehungen lassen sich nicht nur zwischen Klassen, sondern auch zwischen Indivi-duen herstellen: So stellt owl:sameAs klar, dass hinter zwei oder mehr Bezeichnerndasselbe Individuum steht. Das entsprechende Gegenstuck ist owl:differentFrom.

5.4.3 Rollen

Der Begriff der Rollen steht stellvertretend fur OWL-Properties. Analog zur Genealogieder OWL-Klassen sind Rollen stets Unterklassen von rdf:Property. Man unterscheidet([HKRS08], S. 130)

• abstrakte Rollen, die Individuen mit Individuen verbinden, und

• konkrete Rollen, die Individuen mit Datenwerten (also Elementen von XML-Datentypen) verbinden.

Dabei sei die Wahl des Wortes ”verbinden“ hervorgehoben: Die ”Wirkrichtung“ derVerbindung hangt dabei von gewissen Rollenbeziehungen ab.

Beispiele fur Rollen waren

<owl:ObjectProperty rdf:about="istVerheiratetMit" /><owl:DatatypeProperty rdf:about="hatTelefonnummer" />

Rollenbeziehungen

Rollen konnen verschiedene Beziehungen miteinander eingehen. Impliziert beispielswei-se eine allgemein gehaltene Rolle die Bedeutung einer spezifischeren (Subsumption), sosollte letztere als Unterrolle modelliert werden:

<owl:ObjectProperty rdf:about="bekommtSchein"><rdfs:subPropertyOf rdf:resource="hatKlausurMitgeschrieben">

</owl:ObjectProperty>


Zueinander inverse Rollen lassen sich mit owl:inverseOf kennzeichnen, wahrendowl:equivalentProperty die Aquivalenz zweier Rollen beschreibt. So konnte man z.B. hatKlausurBestanden und bekommtSchein als aquivalente Rollen modellieren.

Anmerkung: Es ist gute Praxis, dass Unterrollen transitiver Rollen nicht tran-sitiv sind ([Sta06], S. 1586). Ein Beispiel unter vielen ware istVorfahreVon undistDirekterVorfahreVon.

Rolleneigenschaften

Die Bezeichnung ”Eigenschaften“ ist wegen der Verwechselbarkeit mit demubergeordneten Begriff der OWL-Properties (die synonym als Rollen bezeichnetwerden) ungunstig gewahlt, soll aber aus Grunden der Konsistenz zur Fachliteraturbeibehalten bleiben.

Wie aus RDFS bekannt, lassen sich auch in OWL Definitions- und Wertebereicheiner Rolle einschranken:

<owl:ObjectProperty rdf:about="istVerheiratetMit"><rdfs:domain rdf:resource="Person" /><rdfs:range rdf:resource="Person" />


Weitere Rolleneigenschaften sind

• Transitivitat: Verbindet eine Rolle die Individuen A und B sowie B und C, soverbindet sie gleichsinnig auch A und C.

<owl:ObjectProperty rdf:about="istVorfahreVon"><rdf:type rdf:resource="&owl;TransitiveProperty" />


Eine weitere klassische transitive Rolle ist istVoraussetzungFuer.

• Symmetrie: Verbindet eine Rolle die Individuen A und B, so verbindet sie inidentischer Bedeutung B und A.

<owl:ObjectProperty rdf:about="istVerheiratetMit"><rdf:type rdf:resource="&owl;SymmetricProperty" />


• Funktionalitat: Verbindet eine Rolle die Individuen A und B sowie A und C,so bezeichnen B und C dasselbe Individuum22

22In meinem (in Kurze veralteten) Beispiel schreibe ein Schuler seine Facharbeit in genau einem be-stimmten Fach. Zur Verdeutlichung sind domain und range spezifiziert.

5.4 OWL 79

<owl:ObjectProperty rdf:about="schreibtFacharbeitIn"><rdf:type rdf:resource="&owl;FunctionalProperty" /><rdfs:domain rdf:resource="Schueler" /><rdfs:range rdf:resource="Fach" /></owl:ObjectProperty>

Man bezeichnet eine Rolle R als invers funktional (ausgedruckt durch&owl;InverseFunctionalProperty), wenn die zu R inverse Rolle R−1 funktionalist (im Beispiel ware also istFacharbeitsFachVon invers funktional).

Rolleneinschrankungen

Eigenschaften konnen mit owl:[minCardinality|maxCardinality|cardinality] inihrer Kardinalitat eingeschrankt werden. Die Notation erfolgt durch Definition eineranonymen Unterklasse von owl:Restriction:

<owl:Class rdf:about="FuenfFreundeSolltIhrSein"><rdfs:subClassOf><owl:Restriction><owl:onProperty rdf:resource="Cliquengroesse" /><owl:maxCardinality rdf:datatype="&xsd;NonNegativeInteger">5</owl:maxCardinality>

</owl:Restriction><rdfs:subClassOf>

</owl:Class>

Mit someValuesFrom bzw. allValuesFrom lassen sich weitergehende Aussagentreffen. Diesbezuglich sei auf [HKRS08], S. 139ff. und allgemein vertiefend auf diehervorragende OWL-Referenz des W3C23 verwiesen.

Mittlerweile gibt es eine ”W3C Member Submission“ fur OWL 1.124 unter Fe-derfuhrung von Boris Motik, in der OWL-DL auf einer ausdrucksstarkeren Beschrei-bungslogik (SROIQ) basiert. OWL 1.1 (mitunter auch als kommende Version OWL2.0 bezeichnet) sieht unter anderem Konstrukte wie irreflexive Rollen vor (diese wurdenbeispielsweise benotigt, um im Falle von istVerheiratetMit logisch ausschließen zukonnen, dass ein Individuum mit sich selbst verheiratet ist).

5.4.4 Weitere Konstrukte

Namensraume

Namensraume (Namespaces) haben wir bereits im Zusammenhang mit XML kennen-gelernt. Im Grunde genommen weisen sie einer Ontologie ein Prafix zu (im Beispiel:23http://www.w3.org/TR/owl-ref/#Restriction24http://www.w3.org/Submission/2006/10/


kw), um Namenskonflikte zu vermeiden. Dieses Prafix hat zusatzlich abkurzendeFunktion, sobald auf Elemente der jeweiligen Ontologie verwiesen wird.

Beispiel.

xmlns:kw="http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Konzeptuelles_Wissen.owl#"

Import

Andere OWL-Ontologien lassen sich mit Hilfe von owl:imports einbinden und werdendann so behandelt, als seien sie unmittelbarer Bestandteil der einbindenden Ontologie.

Auf diese Weise konnen auch entfernte Ontologien referenziert werden, die voneinem Webserver vorgehalten werden.

Beispiel.

<owl:imports rdf:resource="http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Anderson_knowledge.owl" />

5.4.5 Exemplarische Werkzeuge

Zur Behandlung der technischen Aspekte einer Ontologiesprache wie OWL bietensich zwei Wege an: So kann wahlweise eine detaillierte und formale Beschreibung vonAufbau und Syntax erfolgen, wie es in der vorliegenden Arbeit der Fall ist. Alternativkann man sich einer Vorstellung der z. T. sehr komfortablen Werkzeuge widmen,welche einen Umgang mit den Ontologien ermoglichen und von tieferliegenden Ebenen(wie z. B. XML) abstrahieren. (Gleichwohl bin ich der Meinung, dass ein fundierterUberblick uber den schichtenartigen Aufbau von OWL - im Sinne eines ”Blicks hinterdie Kulissen“ - letzten Endes besser geeignet sein durfte, ein tieferes Verstandnis zuwecken. So sollte m. E. die Arbeit mit Werkzeugen i. w. S. nicht den Blick auf denstrukturellen Aufbau des ”Werkstucks“ verschließen, sondern lediglich den taglichensachkundigen Umgang damit erleichtern.)

Da ich die technischen Zusammenhange in den vorangegangenen Abschnitten be-reits ausfuhrlich dargestellt habe, mochte ich mich nun bezuglich der Werkzeuge aufdie exemplarische Vorstellung zweier Produkte beschranken, die auch bei der Erstel-lung der vorliegenden Arbeit zum Einsatz gekommen sind. Hinzu kommt, dass fur dieeinschlagigen Softwarelosungen in aller Regel eine umfangreiche Dokumentation vonEntwicklerseite vorliegt.

5.4 OWL 81

Protege-OWL

Mit Protege25 steht ein leistungsfahiger und ausgereifter Open-Source-Editor zurErstellung, Wartung und Pflege von Ontologien zur Verfugung. Protege wurde ander University of Stanford entwickelt. Durch die Implementierung in Java wirdPlattformunabhangigkeit gewahrleistet. Der Editor liegt mittlerweile in Version 4.0(Beta) vor.

Protege ermoglicht die bequeme Modellierung von Klassen, Individuen und Rollensowie die Bearbeitung von konkreten Eigenschaften. Dank der Moglichkeit, unmittel-bar mit einem Reasoner zu kommunizieren, lasst sich die Konsistenz von Ontologienquasi on-the-fly uberprufen. Die Kommunikation erfolgt uber ein standardisiertesTCP-Protokoll, d. h. der Reasoner kann durchaus auf einem entfernten Rechnerlaufen. Insofern ist es durchaus angebracht, bei Protege von einer Art integriertenEntwicklungsumgebung (IDE) zu sprechen.

Auf der Projekt-Homepage stehen umfangreiche Tutorials und How-Tos fur den Um-gang mit Protege bereit, auf die an dieser Stelle verwiesen sei.

Pellet

Bei Pellet26 handelt es sich um eine hochperformante Inferenzmaschine (Reasoner) zumautomatischen Schließen impliziten Wissens aus OWL-Ontologien. Pellet unterstutzt(derzeit als einziger Reasoner) den gesamten Sprachumfang von OWL DL ([HKRS08],S. 155).

Neben frei verfugbaren Losungen werden auch kommerzielle Reasoner angeboten.Zu den bekanntesten durften Racer Pro27 und Cerebra28 gehoren.

Mit KAON229 bietet die Universitat Karlsruhe einen neuartigen OWL-Reasoner an,der mit annahernd allen Features von OWL DL umzugehen weiß.

5.4.6 Aktuelle Entwicklungen

Derzeit in Entwicklung befindlich ist eine Neuauflage der Web Ontology Language,OWL 2.0. Neben ”syntaktischem Zucker“, der nur die vereinfachende Abkurzung vonSchreibweisen erlaubt, ansonsten aber keine neue Funktionalitat mit sich bringt, hatdas W3C etliche Vorschlage aufgegriffen, welche die Ausdrucksmachtigkeit von OWL2.0 uber die von OWL DL heben. Einige m. E. besonders interessante Erweiterungensind30

25http://protege.stanford.edu/26http://pellet.owldl.com/27http://www.racer-systems.com/28http://www.cerebra.com/29http://kaon2.semanticweb.org30vollstandige Abhandlung: http://www.w3.org/2007/OWL/wiki/New_Features_and_Rationale


• Property Chains. Durch die Verkettung von OWL-Properties wird es moglichsein, aus der Kette hasParent o hasBrother die Relation hasUncle abzuleiten.Derartige Inferenzen waren bisher nur durch das Hinzufugen separater Regeln (z.B. in SWRL) moglich (vgl. [Bra06], S. 42). Bei den Property Chains handelt essich um eine sehr machtige Erganzung.

• Neue Property-Eigenschaften. OWL 2.0 erlaubt es, (a)symmetrische,(ir)reflexive und disjunkte Eigenschaften zu spezifizieren (niemand ist sein eigenerBruder).

• Qualifizierte Kardinalitaten. Mit OWL 2.0 ist es moglich, Kardina-litatsrestriktionen von Properties auf bestimmte Klassen zu beziehen.

• Erweiterungen im Bereich unarer und n-arer Datentypen. So lasst sichnun die (anonyme) Klasse aller Ehefrauen bilden, die alter sind als ihr Gatte(Beispiel ubernommen aus dem Link).

Die in der Fußnote angegebene URL beschreibt zusatzlich knapp 20 use cases, dievon diesen und anderen Neuerungen Gebrauch machen.

Passend zur fortschreitenden Evolution von OWL befindet sich die Version 4.0 desOWL-Editors Protege derzeit im Beta-Status. Protege 4.0 wird den gesamten Sprach-umfang von OWL 2.0 unterstutzen. Die Oberflache erfordert beim Umstieg von derVorgangerversion etwas Eingewohnung, jedoch konnte der Autor bei entsprechendenTests gegenuber Protege 3.3 einen deutlich flussigeren Programmablauf und ein stabile-res Verhalten verzeichnen, was vermutlich u. a. auf eine effizientere Speicherverwaltungzuruckzufuhren ist. Die GUI ist konsequent tab- und panelbasiert und in hohem Maßean die Bedurfnisse des Entwicklers anpassbar. Eine weitere wichtige Errungenschaftbesteht darin, endlich mehrere Ontologien gleichzeitig geoffnet halten zu konnen. DieProjekt-Homepage der Universitat Stanford gibt einen kompakten Uberblick31 uber dieneuen Features.

31http://protegewiki.stanford.edu/index.php/Protege4Features

83

6 Didaktische Ontologien

In den vergangenen Jahren entstanden im Fachgebiet mehrfach Arbeiten, die the-matisch im engeren Umfeld der vorliegenden Aufgabenstellung anzusiedeln sind.Nachdem es sich bei der Idee des Semantic Web und insbesondere bei der Fra-ge nach Einsatzmoglichkeiten fur Ontologien im Bereich E-Learning um recht jungeDisziplinen handelt, betritt man auf diesem Gebiet immer wieder unversehens Neuland.

Daher stelle ich nun einige der bestehenden Werke vor und nehme anschließend zuderen Relevanz fur die vorliegende Arbeit Stellung.

6.1 Ontologiebasierte Integration von bereichsspezifischemWissen und Fragen der Voraussetzungsanalyse

6.1.1 Voruberlegungen

Alexander Staller hat mit seinem Paper ”Merging domain knowledge and task analysisin an Ontology“ ([Sta06]) und den zugehorigen OWL-Ontologien wichtige Vorarbeitfur die Klassifikation von Lernzielen geleistet.

Staller sieht Defizite vorhandener Ansatze in zwei Bereichen ([Sta06], S. 1585):

1. Sie fassen Lernmaterialien als Konzepte auf, die uber Relationen miteinanderverknupft sind. Aus der Perspektive des Instructional Design verfugen Konzep-te jedoch nicht uber die didaktische Prazision, um Lehr-Lernprozesse begleitenund deren Erfolg uberprufen zu konnen. Vielmehr ist es wunschenswert, jederzeitfeststellen und angeben zu konnen, welche Fahigkeiten und Fertigkeiten sich Ler-nende hinsichtlich eines konkreten Konzeptes bereits angeeignet haben. Lernzieleblicken also (insbesondere bei Einordnung in eine Taxonomie) multiperspektivischauf ein bestimmtes Konzept.

2. Der Prozess des Instructional Design sieht ausdrucklich eine Phase derBedingungs- und Voraussetzungsanalyse vor. Diese erfolgt im Blick auf ange-strebte Lernergebnisse (learning outcomes).

Erklartes Ziel Stallers ist die Zusammenfuhrung bereichsspezifischen Wissens mitden Ergebnissen entsprechender Analysen in einer OWL-Ontologie.

Der erstgenannten Problematik begegnet er durch die Einfuhrung der Lernzieltaxo-nomie nach Anderson und Krathwohl, die den Begriff des Konzepts unter didaktischen

84 6 Didaktische Ontologien

Gesichtspunkten aufbricht und - unter Einbeziehung moderner kognitionspsycholo-gischer Erkenntnisse - eine Klassifikation von Lernzielen hinsichtlich der kognitivenDimension wie der Wissensdimension erlaubt.

Die Voraussetzungsanalyse als zweite Komponente integriert Staller, indem er derLearning Task Analysis von Smith and Ragan (2005) folgt, welche gleichermaßen

• eine Analyse der intendierten bzw. erwarteten Informationsverarbeitungsprozessebei den Lernern (welche Schritte sind auf geistiger Ebene notig, um das Lernzielzu erreichen?)

• eine Analyse der Voraussetzungen und Abhangigkeiten zwischen den einzelnenLernzielen

fur eine sinnvolle Formulierung von Lernzielen fur notig erachtet.

Auch mussen im Rahmen dieser Tatigkeit Instrumente identifiziert werden (As-sessment), mit deren Hilfe sich objektiv feststellen lasst, ob die jeweils intendiertenLernziele erreicht wurden.

Fur die Verschmelzung bereichsspezifischen Wissens und der Voraussetzungsanalysestellt Staller jeweils separate OWL-Ontologien vor. Durch die Modularisierung voneigenstandigen didaktischen Modellen ist die Konsistenz insbesondere hinsichtlich derzum Teil in unterschiedlicher Bedeutung gebrauchten Begrifflichkeiten sichergestellt.In OWL wird die Modularitat durch die Verwendung von Namensraumen (z. B. AK furAnderson-Krathwohl, SR fur Smith und Ragan) erreicht.

An Beispielen aus den Bereichen Mengenlehre und Theoretischer Informatikexpliziert Staller seine Vorstellung von der Organisation konzeptuellen Wissens inOntologien.

Hinsichtlich der Reprasentation der Zusammenhange in OWL ergibt sich einetechnische Schwierigkeit. Staller reprasentiert in seinem Paper Konzepte als Indivi-duen, wahrend diese in OWL in der Regel als Klassen aufgefasst werden. Wie wirim entsprechenden Abschnitt gesehen haben, beziehen sich OWL-Properties stets aufIndividuen. Nachdem es in OWL DL nicht zulassig ist, eine Klasse als Individuum (d.h. als Instanz einer anderen Klasse) aufzufassen, ware der benotigte Sprachumfang(Stichwort: Metamodellierung) erst in OWL Full enthalten und die Ontologien damitnicht mehr entscheidbar. Noy ([Noy05]) hat in eingangiger Weise mehrere Wege zurAbhilfe vorgestellt, die - zwangslaufig - allesamt gewisse Vorteile und Einschrankungenmit sich bringen. Aus Platzgrunden sei der interessierte Leser auf die einschlagigeWorking Group Note1 verwiesen.

1http://www.w3.org/TR/swbp-classes-as-values/

6.1 Ontologiebasierte Integration von bereichsspezifischem Wissen und Fragen derVoraussetzungsanalyse

85

Im Hinblick auf einen fruchtbaren Einsatz von Ontologien in E-Learning-Umgebungen ist Entscheidbarkeit ein hohes Gut. Staller schlagt daher vor, Konzeptein einer gewissermaßen parallelisierten Weise sowohl als Klasse, als auch als Indivi-duum zu modellieren. Er weist darauf hin, dass die Unterkonzeptrelation (”is-a“)ihre Entsprechung dann in der Bildung von Unterklassen findet, wahrend es diegleichzeitige Reprasentation als Individuen ermoglicht, Konzepte unabhangig von derKlassenhierarchie mit OWL-Properties zu verknupfen. Bei den Ausfuhrungen zurtechnischen Umsetzung komme ich hierauf zuruck.

Abschließend verweist Staller darauf, dass die Wiederverwendbarkeit von Lernma-terialien untrennbar mit der Annotation sinnvoller Metadaten verbunden ist ([Sta06],S. 1588f.). Um das Spannungsfeld zwischen der Kontextunabhangigkeit von LOsund dem Bedarf zur Berucksichtigung situativer Bedingungen zu entscharfen (wennauch nicht aufzulosen), ist seiner Meinung nach bei der Modularisierung von Lernma-terial grundsatzlich darauf zu achten, verschiedene Grade von Granularitat vorzusehen.

Unter Verweis auf das Autodesk Learning Object Content Model unterscheidet StallerInformationsobjekte (die einen Sachverhalt konkretisieren) und Lernobjekte (die einKonglomerat von Informationsobjekten reprasentieren und genau einem Lernzieldienen). Das im Paper vorgestellte Modell lasst die Annotation beider Objekttypenzu.

Zusammenfassend lasst sich also feststellen:

1. Metadaten von Lernobjekten mussen Information uber deren Abhangigkeitenvon anderen Lernobjekten enthalten. Staller schlagt vor, jedes Lernobjekt inForm von mindestens einem instructional objective zu beschreiben. Aus derenAbhangigkeiten ergeben sich sodann mogliche Lernpfade.

2. Die ersten drei Kategorien (Faktenwissen, begriffliches und prozedurales Wissen)der Taxonomie nach Anderson et al. bilden eine Art Schnittstelle fur bereichsspe-zifisches Wissen. Auf diese Weise konnen fremde Ontologien, die dieser Klassifika-tion folgen, problemlos in die vorliegende Lernzielontologie eingebunden werden.

3. Um sowohl eine is-a- wie eine has-a-Relation zur Verfugung zu haben (und dabeiin OWL DL zu bleiben, s. o.), werden Konzepte als Klassen und als Individuen(Instanzen) aufgefasst und modelliert. Konkret ist Stallers Vorgehen mit demvierten Denkansatz von Noy zu vergleichen.

4. Ein Konflikt konkurrierender Definitionen wird dadurch vermieden, dass diesein separaten Ontologien eingebettet werden, von denen der Nutzer sich je nachBedarf bzw. Wunsch fur eine entscheidet.

Seinen im FORMATEX-Paper beschriebenen Ansatz baut Staller zu einem formalenOWL-Modell aus, welches nun auszugsweise beschrieben sei.


6.1.2 Technische Umsetzung

Stallers anspruchsvolles Paper [Sta06] geht in sehr komprimierter Form auf dieUberlegungen und Entscheidungen ein, welche dem Entwurf und der Modellierungzugrundeliegen. Zu den Ontologien selbst liegt (uber rdfs:comment hinaus) keineDokumentation vor, was den Einstieg in die durchdachte und komplexe KonstruktionStallers stark erschwert. Ich werde daher nun uberblicksartig die technischen Detailsund Zusammenhange der zentralen Ontologien vorstellen.

Aus Platzgrunden konnen nicht alle von Staller vorgesehenen Ontologien beleuchtetwerden. So sei z. B. bezuglich der Realisierung der Prozessanalyse nach Smith andRagan auf die OWL-Quellen bzw. deren Anschauung in einem OWL-Editor wie Protegeverwiesen.

Anderson cognitive process.owl

Die beiden Dimensionen der Taxonomie modelliert Staller in zwei separaten Ontolo-gien. Die korrespondierende Ontologie fur den kognitiven Prozess enthalt die DateiAnderson cognitive process.owl, wobei die sechs kognitiven LernzielkategorienUnterklassen von Cognitive process darstellen (vgl. Klassendiagramm).

Uber die Eigenschaft owl:disjointWith wird die paarweise Verschiedenheit dieserUnterklassen abgebildet. Die Klasse Cognitive process wird als Aquivalent zurDisjunktion einer aus den sechs kognitiven Kategorien bestehenden OWL-Collectiondefiniert. Zusammengenommen gehort ein Lernziel somit stets genau einer Kategoriean.

Bei der Bezeichnung der Klassen bemuht Staller konsequent alphanumerischePrafixe, was aus technischer Sicht eher kosmetische Grunde hat (so erscheinen dieKlassen dadurch in Protege in der Reihenfolge ihrer taxonomischen Stufung).

Ausgehend von den Hauptkategorien erzielt Staller durch die Abbildung der vonAnderson et al. identifizierten Subkategorien (vgl. [AKA01], S. 31 und S. 63ff.) nocheine feinere Granularisierung. Dies verdeutlicht das Klassendiagramm (Abbildung 6.1beispielhaft an der kognitiven Kategorie ”Understand“. Auch die Elemente dieser Un-terhierarchien werden sinnvollerweise als paarweise disjunkt gekennzeichnet.

Zusatzlich annotiert Staller zu den Elementen der Unterhierarchien mit Hilfe vonmeta:hasPatternPart jeweils einige Verben (Patterns), die ebenfalls die Zugehorigkeitzur entsprechenden Kategorie nahe legen (im Fall von ”Classifying“ sind dies z. B. ”Sub-suming“ und ”Categorizing“). Diese finden ihre Entsprechung in der Angabe synonymerVerben bei Anderson et al.


87

Cognitive_process

_1_Remember _2_Understand _3_Apply _4_Analyze _5_Evaluate _6_Create

_2.1_Interpreting _2.2_Exemplifying _2.3_Classifying _2.4_Summarizing _2.5_Inferring _2.6_Comparing _2.7_Explaining

Abbildung 6.1: Kognitive Prozessdimension als Klassenhierarchie bei Staller

Anderson knowledge.owl

Wie die Dateibezeichnung bereits vermuten lasst, bildet diese Ontologie die Wis-sensdimension ab. Ganz analog zu obiger Vorgehensweise modelliert Staller die viereinschlagigen Wissenskategorien als disjunkte und exhaustive2 Unterklassen vonKnowledge.

Mit der analogen Explikation der Kategorien (z. B. AA Knowledge of terminologyund AB Knowledge of specific details and elements als Unterklassen vonA Factual knowledge) folgt Staller unmittelbar Anderson und Krathwohl (vgl.[AKA01], Kapitel 4, speziell S. 266, Fig. 15.1). Somit ergibt sich ein ahnliches Bild wiebei der Abbildung der Wissensdimension in OWL, welches daher und in Anbetrachtder etwas unhandlichen Klassenbezeichner an dieser Stelle nicht als Diagrammwiedergegeben werde.

Staller nutzt das Konstrukt rdfs:comment, um die Klassen mit einer menschenles-baren textuellen Beschreibung der jeweiligen Intentionen von Anderson et al. auszu-statten.

Anderson objective.owl

Diese Ontologie bringt den Begriff des Lernziels ins Spiel und damit die beidenDimensionen der Lernzieltaxonomie zusammen. Dementsprechend werden die rele-vanten Ontologien mit Hilfe von owl:imports eingebunden. Dank der einleitendenDeklaration entsprechender XML-Namespaces (xmlns) kann die Referenzierung dort

2damit ist gemeint, dass die Schnittmenge je zweier Unterklassen leer ist und die Vereinigung allerUnterklassen im Sinne von owl:equivalentClass aquivalent zur Klasse Knowledge ist


befindlicher Klassen in verkurzter Schreibweise erfolgen.

Staller modelliert die allgemeine Klasse Objective, von der die (disjunkten undexhaustiven) Unterklassen

• Global objective,

• Instructional objective und

• Instructional objective

abstammen (vgl. [AKA01], S. 15-17). Auf die wichtigsten Eigenschaften konkreterInstanzen der Unterklassen von Objective gehe ich kurz ein.

OWL-Property Eigenschaft Domain Range

has cognitive process funktional Objective Cognitive process

has knowledge funktional Objective Knowledge

has subobjective transitiv Objective Objective

has direct subobjective - Objective Objective

has statement - Objective xsd:string

Es leuchtet unmittelbar ein, dass die Spezialisierung has direct subobjective eine(nichttransitive) Subproperty von has subobjective ist.

Konzeptuelles Wissen.owl

Diese Ontologie modelliert Konzepte nebst den Beziehungen, welche sie untereinandereingehen konnen.

Ausgehend von der Klasse Konzept unterscheidet Staller die Unterklassen

• Grundkonzept,

• Grundkonzept mit Eigenschaft und

• Zusammengesetztes Konzept.

Zusammengesetzte Konzepte konnen auf Basis der Unterklassen Und, Oder undNicht instantiiert werden, deren Bezeichnung an die Bedeutung der entsprechendenlogischen Operatoren erinnern soll.

Zentraler Begriff ist im konzeptuellen Zusammenhang das Begriffsnetz, welchesStaller als gleichnamige Klasse modelliert. Begriffsnetze bestehen aus Knoten und


89

Kanten, was durch die beiden OWL-Properties hat Knoten und hat Kante ausge-druckt wird. Knoten eines Begriffsnetzes kann jedes Individuum der OWL-KlassenKonzept und Instanz sein, wahrend Kanten einerseits eine Beziehung zwischenKonzepten (bzw. Instanzen) ausdrucken konnen, oder andererseits auf ein Argumenteines Konzepts (einer Instanz) verweisen.


hat Knoten - Begriffsnetz Konzept u Instanz

hat Kante - Begriffsnetz Beziehung u Hat Argument

Nun wird die bereits an anderer Stelle angesprochene Dualitat zwischen Klassenund Instanzen deutlich, ohne die es nicht moglich ware, die beabsichtigten Zusam-menhange mit der Ausdrucksmachtigkeit von OWL DL abzubilden: Jedes Konzept Kdes jeweiligen Wissensbereiches wird stets

• als OWL-Instanz K der OWL-Klasse Konzept (bzw. Grundkonzept etc.) und

• als OWL-Klasse (!) Instanz von K, die genau diese beigeordnete Instanz enthalt

angelegt. Staller sieht die beiden zueinander inversen OWL-Properties hat Instanzund ist Instanz von vor, um die beiden Realisierungen eines konkreten Konzeptsaufeinander beziehen zu konnen. Um den Zusammenhang zu verdeutlichen, betrachteman nachfolgende Tabelle.


hat Instanz - Konzept Instanz

ist Instanz von - Instanz Konzept

Damit befinde(t |n) sich in der OWL-Klasse Instanz von K also genau die In-stanz(en) der OWL-Klasse Instanz, deren ObjectProperty ist Instanz von auf dieOWL-Instanz K zeigt. Wie unmittelbar ersichtlich wird, leistet geeignete Schriftset-zung einen wichtigen Beitrag, um die unterschiedliche Bedeutung derselben Begriffein verschiedenen Kontexten zu unterstreichen: So werden wir es nachfolgend mehr-fach mit OWL-Klassen zu tun haben, die Bezeichner der Form Instanz von XXX tragen.

Noy ([Noy05]) hat funf Wege vorgestellt, OWL-Klassen als Werte von OWL-Properties einzusetzen. Ihr erster Vorschlag beschreibt die ”native“ Vorgehensweise.Diese ist sicherlich am elegantesten, wird aber mit dem Nachteil erkauft, dass dieOntologie die Ausdrucksmachtigkeit von OWL DL ubersteigt. Die von Staller gewahlteStrategie ist mit dem vierten Losungsansatz von Noy vergleichbar. Dieser zeichnet sichgegenuber den anderen ”Auswegen“ dadurch aus, dass OWL-DL-Reasoner in der Lagesind, Schlusse aus der Unterklassenrelation (is-a) zu ziehen.


Beziehungen zwischen Konzepten spielen eine wichtige Rolle. Die erlauterte Dualitatbleibt nicht ohne Folgen fur die Realisierung: So sieht Staller alle gewunschten Be-ziehungen sowohl auf Klassenebene, als auch als OWL-Properties (fur die Individuenoder Instanzen) vor, um beide Reprasentationen von Konzepten gleichermaßen undkonsistent (!) ”bedienen“ zu konnen.

Widmen wir uns zunachst den Beziehungen auf Klassenebene, d. h. zwischen alsKlassen modellierten Konzepten. Wie aus obigen Ausfuhrungen zu den OWL-Propertiesersichtlich wird, entsprechen Beziehungen zwischen als Klassen modellierten Konzep-ten im Begriffsnetz den Kanten (vgl. Wertebereich von hat Kante). Solche Beziehungen(unterschiedlicher Bedeutung) sind daher Instanzen der Klasse Beziehung bzw. viel-mehr einer ihrer Unterklassen (z. B. Domaenenspezifische Beziehung. (All diese Klas-sen werden OWL-seitig als gerichtete binare Relationen (DIRECTED BINARY RELATIONs)verstanden.) Staller sieht vor:

• Domaenenspezifische Beziehung: Eine Beziehung, die spezifisch fur den jewei-ligen Wissensbereich ist;

• Ist aequivalentes Konzept zu: Im Wesentlichen identisch mitIst synonym zu;

• Ist direktes Unterkonzept von: Druckt aus, dass ein Konzept einem anderendirekt untergeordnet ist;

• Ist synonym zu: Druckt aus, dass zwei Konzepte bis auf ihre Bezeichnungaquivalent sind.

Man erlaube mir eine kurze Nebenbemerkung, die u. U. in der Lage ist, den Blick furden Sinn der Dualitat zu scharfen: Auf Property-Ebene definiert Staller zusatzlichdie Eigenschaft ist Unterkonzept von, wahrend dieser Zusammenhang auf Klassene-bene durch die Klassenhierarchie schon naturlich vorgegeben ist - eine Unterklasse vonBeziehung, die ebendiesen Sachverhalt ausdruckt, ware daher obsolet (und wurde vonStaller folgerichtig auch nicht angelegt).

Beispiel zur dualen Modellierung

Beim vorliegenden Codefragment handelt es sich, anders als es die Wiedergabe desXML-Headers suggeriert, nicht um eine vollstandige OWL-Ontologie. Vielmehr dientdie gewahlte Schreibweise dazu, die Definition des Namensraums kw (konzeptuellesWissen) wiederzugeben.

<?xml version="1.0"?><rdf:RDF

xmlns:kw="http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Konzeptuelles_Wissen.owl#"

91

<owl:Class rdf:ID="Instanz_von_LOOP-Programm">



<owl:equivalentClass><owl:Restriction>

<owl:onProperty rdf:resource="kw:ist_Instanz_von" /><owl:hasValue><Konz:Grundkonzept rdf:id="LOOP-Programm">

<Konz:hat_Name rdf:datatype="&xsd;string">LOOP-Programm</Konz:hat_Name></Konz:Grundkonzept>

</owl:hasValue></owl:Restriction>

</owl:equivalentClass>



<rdfs:subClassOf><owl:Restriction><owl:onProperty rdf:resource="kw:ist_Instanz_von" /><owl:hasValue rdf:resource="WHILE-Programm" />

</owl:Restriction></rdfs:subClassOf>

<rdfs:subClassOf rdf:resource="kw:Instanz_von_Grundkonzept" />

</owl:Class></rdf:RDF>

Mittels der Deklaration einer zu Instanz von LOOP-Programm aquivalenten an-onymen Klasse wird das zugehorige Individuum (die zugehorige OWL-Instanz)

”eingefangen“. Diese Klasse besteht also aus genau den Individuen, die durch dieOWL-Property ist Instanz von als Instanz des Grundkonzeptes LOOP-Programmgekennzeichnet wurden.

Ganz analog wird das Konzept des WHILE-Programms modelliert. Ein aus die-sen beiden Konzepten bestehendes (minimales nichttriviales) Begriffsnetz BN-Programmkonnte dann folgendermaßen gegeben sein:



<Konz:Begriffsnetz rdf:id="BN-Programm">

<Konz:hatKnoten rdf:resource="#LOOP-Programm" />

<Konz:hatKnoten rdf:resource="#WHILE-Programm" />

<Konz:hatKante rdf:resource="#LOOP_ist_dir_UK_von_WHILE" />

</Konz:Begriffsnetz>



<Konz:Ist_direktes_Unterkonzept_von rdf:ID="LOOP_ist_dir_UK_von_WHILE">

<Konz:hat_Name rdf:datatype="&xsd;string">ist ein</Konz:hat_Name><protege:TO rdf:resource="#WHILE-Programm" /><protege:FROM rdf:resource="#LOOP-Programm" />

</Konz:Ist_direktes_Unterkonzept_von>

Der von Alexander Staller entwickelte Satz an Ontologien ist außerst durchdachtund umfangreich. Folglich gabe es noch viele Aspekte zu erlautern, was den Rahmendieser Arbeit jedoch sprengen wurde. M. E. ist es sehr lohnend, auch einmal (abseitsvon Protege) einen direkten Blick in die zugehorigen OWL-Dateien zu werfen, um einfundamentales Verstandnis fur die Zusammenhange zu entwickeln.

6.2 Analyse und ontologiebasierte Modellierung vonLernzielen aus der Theoretischen Informatik

Tanja Zwick hat sich in ihrer Diplomarbeit ([Zwi06]) mit der Analyse und ontologieba-sierten Modellierung von Lernzielen aus der Theoretischen Informatik beschaftigt. DieAutorin geht dabei in vier Schritten vor: Eingangs liefert sie die notigen didaktischenGrundlagen und Modelle fur die daran anschließende Wissensanalyse nach Andersonund Krathwohl sowie die Aufgabenanalyse nach Smith und Ragan. Die Ergebnisse derIPA (information processing analysis und der PRA (prerequisite analysis) bereitet dieAutorin grafisch auf und stellt abschließend drei Ontologien vor:

”Cog“ bildet die kognitive Prozessdimension nach Anderson et al. ab, wobei dieHauptkategorien als Klassen, die detaillierten Unterkategorien als deren Instanzenmodelliert wurden.

Bei der Ontologie ”Kno“ geht die Autorin von den basalen Kategorien der Wissens-dimension nach Anderson et al. aus und leitet davon eine aus dem vorab analysiertendeklarativen Wissen bzw. aus den bei der Analyse identifizierten Konzepten bestehendeKlassenhierarchie ab (vgl. [Zwi06], Anhang A). Zwick modelliert die Konzepte inaller Regel als Klassen, sofern es sich nicht um abgeschlossene und nicht mehr weiterzerlegbare Konzepte handelt (diesen ordnet sie Instanzen zu). Object Properties undDatatype Properties stehen fur die Beziehungen zwischen den Konzepten (sofern

6.3 Entwicklung einer Ontologie zur Modellierung von Lernzielen und beispielhafteAnwendung auf E-Learning im Bereich der Algorithmik

93

OWL-Klassen in Bezug gesetzt werden, bewegt sich die Autorin dabei außerhalb vonOWL DL). Anhand konkreter Konzepte des Wissensbereichs ermittelt Zwick eineganze Reihe spezifischer Relationen, wie z. B. akzeptiert (ein Maschinenmodellakzeptiert eine formale Sprache) oder vereinfacht (Normalformen vereinfachenGrammatiken), welche sie mit den jeweils sachdienlichen Restriktionen hinsichtlichDefinitionsbereich, Wertebereich und Kardinalitaten ausstattet (vgl. [Zwi06], S. 42).

Zwicks dritte Ontologie ”Tax“ importiert die beiden vorgenannten Ontologien undmodelliert die Ergebnisse der Aufgabenanalyse. Eine zentrale Rolle spielen dabei dieKlassen Lernziel sowie Voraussetzung.

Die zwei Relationen (Properties) hat-Prozesskomponente undhat-Wissenskomponente erlauben eine dahingehende Einordnung von Lernzie-len. Daruber hinaus fuhrt die Autorin die Subproperty hat-direkte-Voraussetzungvon hat-Voraussetzung ein, um so Lernziele hinsichtlich ihrer Voraussetzungsbezie-hungen vernetzen zu konnen.

Aus der schematischen Darstellung in Abbildung 6.2 geht nicht hervor, dass Zwick inder Praxis die Unterkategorien der Prozesskomponenten als Wertebereich der Relationhat-Prozesskomponente verwendet, um eine hohere Genauigkeit zu erreichen. Analogbezieht sie sich bei der Wissenskomponente auf Unterklassen bzw. deren Instanzen (z.B. kno:Algorithmus oder kno:CYK Algorithmus).

6.3 Entwicklung einer Ontologie zur Modellierung vonLernzielen und beispielhafte Anwendung auf E-Learningim Bereich der Algorithmik

Nach Ausfuhrungen zu Grundlagen der Informatik und der Didaktik widmet sichEva Trojan in ihrer Diplomarbeit ([Tro06]) der Entwicklung einer Lernzielontologie([Tro06], S. 83ff. und Anhange B bis F).

Dabei sind wiederum zwei Ontologien enstanden, die die beiden Dimensionender Anderson-Taxonomie reprasentieren, sowie eine Ontologie zur Einordnung vonLernzielen. Zusatzlich liefert Trojan noch jeweils eine beispielhafte Lernziel- undFachontologie, welche die Zusammenhange veranschaulicht.

Die Autorin weist explizit auf die Konsequenzen fur die Entscheidbarkeit der On-tologien und damit (im Kontext von E-Learning) fur den (gegenwartig) erreichbarenAutomatisierungsgrad hin, welche ein ”Verlassen“ von OWL DL mit sich bringen wurde.

Sie greift daher einen der konkreten Losungsvorschlage von Noy ([Noy05]) aufund erzeugt zu jeder Klasse Klasse eine korrespondierende Instanz IKlasse, so dassdie Annotation von Eigenschaften moglich wird. Freilich geht dieser ”easy way out“


mit einem erhohten Pflegeaufwand fur die Ontologien einher - so muss z. B. dieKorrespondenz von Klasse und Instanz im Sinne einer Konsistenz der Ontologie zujedem Zeitpunkt sichergestellt sein.

Die Wissensdimension findet ihre Entsprechung in einer Klassenhierarchiemit beigeordneten Instanzen. Diese werden uber eine transitive OWL-Propertyist abstrakter als zueinander in Beziehung gesetzt. Bei der Dimension fur denkognitiven Prozess folgt Trojan denselben Vorgaben und deklariert die OWL-Propertyist kognitiv komplexer als.

In der Lernziel-Ontologie deklariert Trojan Richt-, Grob- und Feinziele und spezifi-ziert deren Verhaltnis. Die beiden Eigenschaften verweist auf kognitiven Indikatorund verweist auf Wissensindikator ordnen Lernziele (nach Import der entspre-chenden Ontologien) unmittelbar in die Anderson-Taxonomie ein.

Zusatzlich kann sich die Eigenschaft verweist auf Fachausdruck auf ein in einer(beliebigen) Fachontologie beschriebenes Konzept beziehen. Einzige Bedingung ist da-bei, dass jedes Lernziel mindestens ein Konzept referenziert. Die transitive Eigenschaftkonkretisiert klart das Verhaltnis der Instanzen von Richt-, Grob- und Feinzielen.

Die grobe Interoperation der einzelnen Ontologien, ihrer Klassen, Instanzen undEigenschaften verdeutlicht die Autorin durch zwei graphische Darstellungen (S. 85, 91).Einen Uberblick uber die Importbeziehungen zwischen den Ontologien gibt Abbildung6.3.

Grundsatzlich weisen die als Individuen modellierten Lernziele bei Trojan vier Ei-genschaften aus (vgl. die exemplarische Lernziel-Ontologie, S. 137f.):

• verweist auf kognitiven Indikator (exakt 1)

• verweist auf Wissensindikator (exakt 1)

• verweist auf Fachausdruck (mindestens 1)

• hat Formulierung: Textuelle Formulierung des jeweiligen Lernziels(xsd:string)

In den Fachontologien will Trojan die fachspezifischen Konzepte sowie deren Bezie-hungen modelliert wissen. Wie inzwischen fast gewohnt liefert die Unterklassenrelationdie is-a-Beziehungen, wahrend alle anderweitigen Relationen als OWL-Properties derbeigeordneten Instanzen (Individuen) realisiert werden.

6.4 Ein ontologiebasiertes Lernmittelangebot auf der Basis von Lehrplanen undLernzielen - Machbarkeit und prototypische Umsetzung

95

6.4 Ein ontologiebasiertes Lernmittelangebot auf der Basisvon Lehrplanen und Lernzielen - Machbarkeit undprototypische Umsetzung

Regine Bracht beschaftigt sich in ihrer schriftlichen Hausarbeit mit der Frage, inwieweitdie Wissensdomanen von Lehrplanen und Lernzielen durch Ontologien abgebildetwerden konnen, um Lernmaterialien sinnvoll mit Hilfe von Metadaten zu organisieren.Dabei steht die Frage der Machbarkeit einer prototypischen Schnittstelle im Raum,welche auf die Ontologie als Wissensbasis zugreift und die Pflege von Lernmaterialienund Metadaten erlaubt ([Bra06], S. 2).

Die Autorin ermittelt zunachst in einer Art kompaktem Pflichtenheft funktionaleund nichtfunktionale Anforderungen (Kap. 2), denen das zu entwickelnde Systemgenugen muss.

Das Kapitel 3 beginnt mit der Vorstellung des allgemeinen Aufbaus bayerischerLehrplane (S. 7ff.). Die Autorin identifiziert in einer ersten Naherung einige Bezie-hungen, die sich unmittelbar aus der hierarchischen Struktur der Lehrplane ergeben.Es folgt eine kurze Einfuhrung in die von Staller entwickelten Lernziel-Ontologien.Bracht bezieht sich auf bestehende Standards fur Metadaten und erlautert derenUnzulanglichkeit aus didaktischer Sicht (S. 13ff.). Angesichts der Unbrauchbarkeit vonLOM fur ihre Belange entwickelt sie einen systemeigenen Metadatenkatalog (S. 15f.).

Die Autorin gibt zu bedenken, dass zum Zeitpunkt der Entwicklung keine konkretenAnwendungsfalle fur die Nutzung der Web-Anwendung vorlagen und entwirft aufBasis des zuvor aufgestellten Anforderungskatalogs (Kap. 2) einige exemplarischeNutzungsszenarien (S. 16ff.). Im Zuge dessen werden die funktionalen Anforderungenan das System konkretisiert. Zusatzlich betont Bracht die Bedeutung der eingangs mo-tivierten nichtfunktionalen Anforderungen, die man mit dem Dilemma ”Komplexitatvs. Produktakzeptanz“ (S. 23) ubertiteln konnte.

Mit Blick auf das zu konzipierende LCMS bettet Bracht ihre Uberlegungen in einenvergleichsweise umfangreichen Kontext ein. Im Rahmen ihrer Analyse begrundet siedie Notwendigkeit, die Konzepte Schulart, Ausbildungsrichtung, Fach, Jahrgangs-stufe, Lehrplan (und -status) sowie Themenbereich als Ontologien abzubilden. Diefunktionale Analyse ergibt, dass diese Konzepte miteinander zahlreiche Beziehungeneingehen. Das Kapitel schließt mit der Zusammenfassung der Analyseergebnisse sowiederen Konsequenzen fur Metadaten, Ontologien und die Funktionalitat der TOCLogicAPI (S. 25ff.). Letztere bildet die Schnittstelle, um von Seiten des LCMS Daten ausder Wissensbasis zu gewinnen und diese zu modifizieren bzw. zu erganzen.

Nach einem Kapitel zu technischen Grundlagen von OWL erfolgen Entwurf undprototypische Realisierung des Systems. Dabei geht die Autorin ausfuhrlich auf dieKomponenten des TOCLogic-Systems ein, welches den Einstiegspunkt fur die Web-


Anwendung bildet. Schematische Darstellungen veranschaulichen das Zusammenspielder OWL-Klassen (einschließlich der von Staller ubernommenen Ontologien zurKlassifikation der Lernziele) sowie die Importstruktur der Ontologien.

Die OWL-Property has objective verknupft einen konkreten Themenbereich T1

(Instanz des Konzepts Themenbereich) mit einem Lernziel L1 (Instanz des KonzeptsObjective), wahrend has knowledge dem Lernziel L1 Inhalte (als Instanzen desKonzepts Konzept) zuordnet.

Im Sinne einer leichten Wartbarkeit (als zentraler nichtfunktionaler Anforderung andas System) nimmt Bracht eine Stufung der Ontologien vor und unterscheidet zwischeneiner allgemeingultigen, einer schulartbezogenen und einer schulart-lehrplan-bezogenenEbene (S. 58). Der interessierte Leser sei aus Platzgrunden auf Brachts Ausfuhrungen([Bra06], S. 54ff.) und auf die konkreten Ontologien verwiesen.

Die Dokumentation des Datenbankentwurfs sowie detaillierte Erklarungen zumSchnittstellendesign von TOCLogic API runden das Kapitel ab.

Im vorletzten Kapitel (6) ihrer Arbeit stellt Bracht Betrachtungen an, welchePunkte bei einer Weiterentwicklung des Prototyps zum Produktivsystem zu beachtenbzw. welche Systembestandteile zu uberarbeiten sind.

Drei Anhange geben Auskunft uber die Spezifikation der Ontologie, uber die der Wis-sensbasis zugrundeliegende Datenbankstruktur und uber Aspekte, die bei der Wartungder Ontologien berucksichtigt werden mussen.

6.5 Zusammenfassende Wurdigung

Die Betrachtungen zeigen, dass die Lernzieltaxonomie nach Anderson und Krathwohlbereits mehrfach in Ontologien umgesetzt wurde. Die Realisierungen von Staller undTrojan ordnen den Kategorien durchweg sowohl Klassen, als auch Individuen zu(wenngleich sich die Entwurfsentscheidungen im Detail unterscheiden), wahrend Zwicksich dazu entschieden hat, die Hauptkategorien als Klassen und die Unterkategorienals Individuen abzubilden. Diese Wahl muss sich die Kritik gefallen lassen, dass dieunmittelbare Einordnung von Lernzielen in Hauptkategorien nicht mehr entscheidbarist. Zwick umgeht diese Einschrankung, indem sie sich bei der Referenzierung aufUnterkategorien beschrankt. In jedem Fall ist festzustellen, dass Ontologien ein proba-tes Mittel sind, um die Taxonomie (bzw. ganz allgemein: taxonomische Strukturen)zu reprasentieren und eine Einordnung von Lernzielen (allgemein: Konzepten) inebendiese zu ermoglichen.

Brachts Ontologien schlagen eine Brucke von den Lernzielen und Konzepten zumubergeordneten Kontext von Schule und Lehrplanen. Insbesondere die vorgestell-te Schnittstelle zu einer prototypischen E-Learning-Umgebung lost die bisherigen

6.5 Zusammenfassende Wurdigung 97

Uberlegungen aus ihrem Inseldasein und liefert einen eindrucksvollen Beweis fur dieDaseinsberechtigung und den Praxisbezug der Ontologie-Entwurfe im didaktischenKontext.

Alle Ansatze haben die die Tatsache gemein, dass der Kompetenzbegriff bisher nochkeine Berucksichtigung gefunden hat. Dies steht in Widerspruch zu der zunehmendenEntwicklung und Etablierung von Bildungsstandards, denen Lehrende verpflichtetsind. Dabei ist noch zu klaren, ob das Verhaltnis zwischen Lernzielen und Kom-petenzen uberhaupt in ausreichendem Maße ”dingfest“ zu machen ist, um formaleZusammenhange festzuschreiben, die zugleich allgemeingultig sind.

Ohne die Bedeutung und die Praktikabilitat der Lernzieltaxonomie nach Andersonet al. in Frage zu stellen oder auch nur schmalern zu wollen, muss man fachspezifischenAnsatzen (wie der Matrix-Taxonomie nach Fuller et al.) zugestehen, dass sie z. T.wichtige Gesichtspunkte aufgreifen, die sich aus fachlogischen Eigenheiten ergeben.Freilich geht dies zu Lasten der Universalitat solcher Taxonomien. Davon unabhangigwendet sich das Konzept des Semantic Web und speziell der Ontologie als Wissens-struktur strikt gegen Aussagen der Form ”Es kann nur eine (Taxonomie) geben“sondern erhebt vielmehr prinzipiell das Gegenteil zum Postulat (vgl. z. B. [Sta06], S.1586, 3.1). Schließlich gehort gerade die Moglichkeit, in Abhangigkeit von kontextuellenund situativen Bedingungen weitere Ontologien einzubinden, zu den Starken dieserWissensstruktur. In einem moglichen ”Wettstreit“ zwischen Klassifikationsansatzenfur Lernziele bleibt diese technische Ebene damit in eleganter Weise ausgeklammert.

Im Bereich des begrifflichen Wissens haben sich die Autoren (z. B. Zwick) bisherin erster Linie an den Strukturvorgaben der Anderson-Taxonomie orientiert bzw. daseigene Verstandnis in Form einer eigenstandigen Ontologie eingebracht (z. B. Staller).Auf diesem Gebiet liegen mehrere brauchbare Ansatze vor (z. B. der Vorschlag vonCassel et al.), welche insbesondere hinsichtlich der verfugbaren Relationen unter-schiedliche Schwerpunkte setzen. Was die Praxis betrifft, kann man davon ausgehen,dass es durchaus eine Existenzberechtigung fur verschiedene Konzeptbegriffe gibt, dieunterschiedlich gut geeignet sind, die jeweils vorgefundene Fachlogik zu reprasentieren.

Auch eine Ausdifferenzierung der Voraussetzungs-Relation wurde in den vorliegendenAnsatzen noch nicht aufgegriffen. Wie wir im entsprechenden Kapitel gesehen haben,konnen Abhangigkeiten zwischen Lernzielen verschiedener Natur sein. Zumindest sind(mit [Hub08]) mehrere Schweregrade zu unterscheiden. Ausgehend von didaktischenUberlegungen darf diese Tatsache bei der Modellierung nicht ausgeblendet werden,da sie einen maßgeblichen Anteil an der Antwort auf die Frage hat, welche Lernpfadenicht nur moglich, sondern im Idealfall optimal fur den Kompetenzerwerb sind.Allein von daher verbietet es sich also, von Voraussetzungen nur unter Bezug auf(vergleichsweise umfassende und ”unscharfe“) Konzepte zu sprechen. Wahrend desUmgangs mit Konzepten in Lernprozessen konnen mehr oder weniger schwerwiegendeVoraussetzungen mit unterschiedlicher Wirkrichtung bestehen. Deshalb folge ich


Staller ([Sta06], S. 1588) und differenziere mit dem Ziel maximaler Prazision striktzwischen Konzepten und deren Unterkonzepten auf der einen sowie Abhangigkeitenzwischen Lernzielen auf der anderen Seite.

Zusammengenommen ergeben sich vier Aspekte, die Berucksichtigung finden sollten:

• Die Abbildung fachspezifischer Lernzieltaxonomien in OWL, um eine Klassifika-tion von Lernzielen in unterschiedlicher Hinsicht vornehmen zu konnen;

• eine Integration des Kompetenzbegriffs, die dessen naturlichem Verhaltnis zuLernzielen Rechnung tragt;

• die Moglichkeit, alternative Zugange zum Konzeptbegriff zu nutzen;

• die Ausdifferenzierung der Voraussetzungs-Relation zwischen Lernzielen.

6.5 Zusammenfassende Wurdigung 99

Tax

Lernziel

Voraussetzung

Cog

cog:Prozeß

cog:Anwenden cog:Bewerten cog:Erinnern cog:Erschaffen cog:Untersuchen cog:Verstehen

Organisieren : cog:Untersuchen

Kno

kno:Wissen

kno:Faktenwissen kno:Begriffliches_Wissen kno:Prozedurales_Wissen

kno:Klassifikationen_und_Kategorien

kno:Algorithmus

kno:CYK_Algorithmus : kno:Algorithmus

*

-hat-Voraussetzung *

1

-hat-Prozesskomponente*1

-hat-Wissenskomponente

*

*

-ha

t-d

ire

kte

-Vo

rau

sse

tzu

ng

*

kno:Prinzipien_und_Verallgemeinerungen

kno:Normalform

*

-basiert-auf *

kno:Chomsky_Normalform : kno:Normalform

Abbildung 6.2: Schematische Darstellung der Zusammenhange zwischen den Ontolo-gien bei Zwick


lernziel_ontologie.owl

kognitive_prozesse_ontologie.owl

wissens_ontologie.owl

fachontologie_exemplarisch.owl

lernziel_ontologie_exemplarisch.owl

A B

importiert

Abbildung 6.3: Importbeziehungen bei Trojan (nach [Tro06], S. 85)

101

7 Lehrplanstudie im Bereich OOM/OOP

7.1 Aufbau

Nachfolgend werde ich den Lehrplan der 10. Jahrgangsstufe fur dasnaturwissenschaftlich-technologische Gymnasium (NTG, vgl. Anhang) vorstellenund dabei wichtige Eckpfeiler des darin verankerten Grundkonzepts zu OOM/OOPexplizieren.

Um bei der Setzung entsprechender Akzente differenziert argumentieren zu konnen,wurden dazu die einschlagigen in Bayern zugelassenen Lernmittel herangezogen. Essind dies:

• Hubwieser, Spohrer, Steinert, Voß: Informatik III (Klett) - [HSS+08]

• Brichzin, Freiberger, Reinold, Wiedemann: Informatik II (Oldenbourg) -[BFRW08]

• Ehmann, Fiedler, Forman, Friedrich et al.: Informatik Bayern 10 - Gymnasium(Duden Paetec) - [EFF+08]

Daruber hinaus wurden einige Aspekte berucksichtigt, auf die Scheungrab et al. inder aktuellen ISB-Handreichung ([S+08]) Bezug nehmen. Ein eigener Abschnitt gehtauf das ”Didaktische Dilemma“ ([Hub07]) ein, welches sich im Informatikunterrichtder Jahrgangsstufe 10 in starkem Maße manifestiert.

Gegen Ende des Kapitels analysiere ich eine beispielhaften Aufgabenstellung undleite dabei Lernziele ab.

Zuerst widme ich mich jedoch dem Verhaltnis, welches Kompetenzen und Lernzieleim Lichte unterrichtlicher Praxis miteinander eingehen. Stein des Anstoßes ist dabei dieFrage, ob sich Lernziele systematisch aus Kompetenzen ergeben. Ausgangspunkt undwissenschaftlichen Halt bildet dabei das Kompetenzverstandnis Franz E. Weinerts.

7.2 Zur Deduzierbarkeit von Lernzielen aus Kompetenzen

7.2.1 Begriffsklarung

Unter Deduktion (von lat. deducere: herabfuhren) versteht man in Philosophie undLogik eine Schlussfolgerungsweise vom Allgemeinen hin zum Besonderen, die auf Basis

102 7 Lehrplanstudie im Bereich OOM/OOP

gegebener Pramissen auf rein logischem Wege notwendig folgende Schlusse aus einerallgemeinen Theorie ableitet1.

Im didaktischen Kontext stellt sich die Frage, ob - und falls ja: auf welche allgemeinbeschreibbare Art und Weise - sich Lernziele aus Kompetenzen deduzieren lassen.

Im Vorgriff auf meine weiteren Ausfuhrungen sei dabei angemerkt, dass sich inWirkrichtung einer jeden Deduktion (top-down) immer nur eine Teilmenge derjenigenSchlusse ziehen lasst, die theoretisch moglich und wahr (!) sind. Mit anderen Wortenergibt jede Deduktion, die auf einer endlichen Menge von Eingangspramissen basiert,nur ein vergleichsweise uberschaubares Bundel an Schlussen (vgl. die Open WorldAssumption in OWL).

Insbesondere korreliert die Fruchtbarkeit einer Deduktion mit der Anzahl und vorallem mit der Qualitat ihrer Pramissen. Neben den Annahmen, die ich nun durchExplizierung des Kompetenzbegriffs von Weinert entwickeln werde, ergeben sich ausdidaktischer wie fachdidaktischer Sicht sicherlich noch viele weitere Voraussetzungen,auf die der jeweilige Wissensbereich, die Disposition der an Lernprozessen Beteiligten,schlichtweg der gesamte Kontext Einfluss nehmen.

7.2.2 Formulierung von Pramissen am Kompetenzbegriff Weinerts

Halten wir uns noch einmal die Begriffsbestimmung nach Weinert vor Augen ([Wei01],S. 27f.):

”Kompetenzen sind die bei Individuen verfugbaren oder durch sie erlernbaren kogni-tiven Fahigkeiten und Fertigkeiten, um bestimmte Probleme zu losen, sowie die damitverbundenen motivationalen, volitionalen und sozialen Bereitschaften und Fahigkeiten,um die Problemlosungen in variablen Situationen erfolgreich und verantwortungsvollnutzen zu konnen.“2,

welche ich nun detaillierter auslegen werde. Neben dem Ziel eines tieferenVerstandnisses sollen dabei einige Pramissen entwickelt werden, die bei der Formu-lierung von Lernzielen wegweisend (wie sich herausstellen wird, ware richtungsweisendtreffender) sein konnen.

• Insoweit Kompetenzen fur kognitive Fahigkeiten und Fertigkeiten stehen,konnen/mussen diese sukzessive erlernt werden. Soweit wir die Bedeutung vonLernzielen fur Lernprozesse ausgefuhrt haben, ist damit das Verhaltnis von Kom-petenzen zu Lernzielen legitimiert.

Die Herausbildung von Kompetenzen erfordert also die breite Einbettung moglichstvieler der nachfolgenden Forderungen in konkrete Lernziele. Insofern ist diese erste

1vgl. http://de.wikipedia.org/wiki/Deduktion2Hervorhebungen durch den Autor

7.2 Zur Deduzierbarkeit von Lernzielen aus Kompetenzen 103

Pramisse eher auf Metaebene anzusiedeln. Bereits hier sei aber besonders die Indivi-dualitat des Lernens betont. Bei der Formulierung von Lernzielen darf und kann essich niemals um eine diktierte, mechanische Tranchierung einer Kompetenz handeln.Dieser Umstand verweist sicher einige vermeintlich erfolgreiche Unternehmungen zur(ganzlichen) Automatisierung dieses Prozesses in ihre Schranken (siehe zur Deduzier-barkeit von Lernzielen). Eine weitere Folgerung bezieht sich auf didaktische Freiraume,die in Lernzielen stets zu berucksichtigen sind.

• Die erlernten kognitiven Fahigkeiten und Fertigkeiten dienen der Pro-blemlosung. In erster Naherung manifestiert sich hier der Anwendungsbezug.

Die Lerner erkennen mit der Zeit die unterschiedliche Komplexitat von Problemenund konnen diese zunehmend selbst einschatzen. Bei der Formulierung von Lernzielensollte uber den Schwierigkeitsgrad der jeweiligen Aufgabenstellung reflektiert werden(dies kann z. B. durch Einordnung in die Anderson-Taxonomie erfolgen).

• Weinert stellt auf Adaptions- und Transferfahigkeiten ab (”in variablen Si-tuationen“) und will Problemlosung stets auf eine ganze Klasse von Problemenbezogen wissen. Reflektiert man uber die Komplexitat der dazu notigen geistigenProzesse, so ergibt sich m. E. unmittelbar eine gewisse metakognitive Pragungdieses Kompetenzverstandnisses3.

Lernziele sollten daher nach Moglichkeit nicht auf einen spezifischen Anwendungs-fall fokussieren. Zur Forderung von Adaptions- und Transferfahigkeiten sind jeweilsentsprechende themenbezogene Uberlegungen bei der Formulierung von Lernzieleneinzubeziehen.

• Der Problemkomplex, den Schuler zu losen in der Lage sein sollen, muss einenkonkreten Bezug zu deren Alltag aufweisen, wozu Weinert implizit mahnt(”Problemlosungen [...] nutzen zu konnen“). Klafki forderte in diesem Zusam-menhang die Exemplarizitat von Unterrichtsinhalten.

Die Erkenntnis der Lerner, dass die vermittelten Fahigkeiten eine praktische Relevanzin ihrer Lebenswelt haben, zeichnet wesentlich fur die Motivation der Lerner verant-wortlich und stellt damit auch Forderungen an Lernziele (die jedoch keine expliziteMoglichkeit haben, Einfluss auf motivationale Dispositionen zu nehmen).

• Auf das Wort ”erfolgreich“ mochte ich nur insoweit eingehen, als Weinert damitin meinen Augen das Ziel einer hohen Reliabilitat im Sinne eines verlasslichen4

Ruckgriffs auf die jeweilige Kompetenz betont wissen mochte.

Fur Lernziele ergeben sich daraus drei Konsequenzen: Zum einen ist im Operationali-sierungsprozess darauf zu achten, dass der Entwicklungsstand der Lerner zuverlassigfeststellbar ist. Zum zweiten steckt in Weinerts Forderung implizit ein Appell an die

3an dieser Stelle sind wir wieder an der zunehmend geringeren Absehbarkeit zukunftiger Herausfor-derungen, auch und gerade in der Informatik.

4Man denke an die Souveranitatsforderung in:”Der Mitarbeiter ist in der Lage, Storfallen des Atom-

reaktors A problemadaquat, teamorientiert und souveran zu begegnen.“


Selbststandigkeit der Lerner. Diese sollen an alltagstypisch uneinheitlichen Heraus-forderungen von sich aus moglichst unmittelbar erkennen, welche Handlungen jeweilsangezeigt sind. Insbesondere sollten Szenarien daher mit Augenmaß vorstrukturiertsein, um Lerner nicht

”zum Erfolg zu verdammen“, sondern ein experimentelles Kli-

ma zu schaffen (vgl. das einleitende Konfuzius-Zitat). Schließlich ist dauerhafter undwachsender Erfolg wesentlich davon gepragt, ob der Kompetenzerwerb im Licht le-benslangen Lernens gesehen wird. Auch weist

”Erfolg“ inharent auf eine Eigenleis-

tung!

• Der Kompetenzbegriff Weinerts vereint klar eine kognitive und eine affektiveKomponente (vgl. die Hervorhebungen im Zitat). Mit Baumert ist also ”Wissen[...] die Basis jeder Kompetenz“, wenngleich die affektive Dimension eine ganzwesentliche Rolle spielt.

Es gibt gewisse Anzeichen, dass affektive Lernziele zumindest teilweise operationali-sierbar sind. Ihre Bedeutung fur den Kompetenzerwerb ist jedenfalls unumstritten.

Beim (in der Praxis naheliegenden) Versuch, die Operationalisierung von Lernzielenzu einer conditio sine qua non zu erheben, sollte man es aber mit Hilbert Meyerhalten:

”Ziele, die sich auf die Kreativitat und Selbstbestimmung der Schulerinnen und

Schuler beziehen, sollten sicherlich nicht operationalisiert werden.“

• Nachdem es schwerlich moglich ist, die Ausbildung motivationaler, volitionalerund sozialer Bereitschaft unmittelbar zu fordern, mussen auf eine Kompetenzweisende Lernziele geeignete Gesichtspunkte einbeziehen, ohne aber dastatsachliche Erreichen jener Dispositionen im Sinne einer Operationalisierungmessen zu konnen. Hier fließen m. E. situative Aspekte und die Konsequenzen ausden ”Grenzen der Messbarkeit“ in hohem Maße ein, was ich im Ubrigen fur einezentrale Ursache der Deduktionsproblematik halte (weiterfuhrend zur Bedeutungund Entwicklung von Motivation und Volition sei auf [HO02] verwiesen).

Fur (operationalisierte) Lernziele lasst sich hier - leider - keine unmittelbare Pramisseangeben. Wie bei der Explikation der anderen Bestimmungsstucke ausgefuhrt, soll-ten bei der Formulierung Akzente betont werden, welche die Motivation der Lernerpositiv beeinflussen und herausfordern konnten. Die Tendenz zu Selbsttatigkeit isthierfur eine Grundvoraussetzung. Letztlich ist hier aber primar der Gestaltungsspiel-raum von Lehrkraften

”vor Ort“ gefragt, um Lernziele didaktisch reflektiert umzuset-

zen. (Schließlich sind”Hinweise“ zur Umsetzung wie Sozialformen etc. in Lernzielen

tabu.)

• Ahnlich verhalt es sich mit Weinerts Forderung nach Anleitung zu verantwor-tungsvoller Nutzung von Problemlosungen, welche klar nach einer Einbettungethischer, moralischer, okologischer und okonomischer Anschauungen verlangt.

Nicht nur im Hinblick auf die bereits angesprochene Praxisorientierung konnen unddurfen Lernziele nicht an Fachgrenzen halt machen5. Das Bewusstsein und die Bereit-

5Die Querverweise im Lehrplan unterstreichen dies.

7.2 Zur Deduzierbarkeit von Lernzielen aus Kompetenzen 105

schaft, Verantwortung zu ubernehmen, setzt in besonderem Maße personliche Einsichtbei jedem einzelnen Lerner voraus. Im Rahmen von Lernzielen sollten entsprechendeSachverhalte den Schulern daher moglichst multiperspektivisch zuganglich gemachtwerden. Auch ist dieses Postulat ein klares Pladoyer fur die Bedeutung affektiver Lern-ziele. Ernst gemeinte Verantwortung lebt in hohem Maß von motivationalen Aspekten,aber auch von Transferleistungen.

• Das Kompetenzverstandnis Weinerts als Einheit ist klar handlungs- und an-wendungsorientiert (Problemlosung, Nutzung, variable Situationen).

Bei der Formulierung von Lernzielen sollte darauf geachtet werden, dass die jeweiligeAussage einen moglichst großen Zeitanteil fur eigene und selbststandige Tatigkeit derLerner vorsieht. Eine Kompetenz nach Weinert vereint m. E. kognitive, affektive undpsychomotorische Lernziele auf sich.

7.2.3 Die Deduktionsproblematik

Naturlich erheben die oben durch Explizierung des Kompetenzbegriffs von Weinertentwickelten Pramissen keinen Anspruch auf Vollstandigkeit, sollten aber Konsequen-zen aus den wesentlichen Bestimmungsstucke seiner Definition darstellen.

Wie Jank und Meyer ([JM02]) zu bedenken geben, erfordert der Prozess der Auf-spaltung von Kompetenzen in Lernziele stets Entscheidungen, die von der Lehrkraftim Rahmen ihrer didaktischen Analyse unter Berucksichtigung ganz unterschiedlicherFaktoren zu treffen sind. Daher ist es m. E. nicht moglich, ein universelles deter-ministisches Verfahren zur Deduktion von Lernzielen aus Kompetenzen anzugeben.In der Konsequenz ist empirisch also nicht zu erwarten, dass mehrere Lehrkraftebei Bearbeitung einer entsprechenden Aufgabe qualitativ wie quantitativ die selbenLernziele identifizieren werden.

Es ist zwar nicht so, dass damit Ziele formuliert wurden, ”zu deren Erreichen un-terrichtliche Maßnahmen und Schritte nicht erkennbar sind“6, aber ein Einbezug vonFragen der Motivationsforderung, geeigneter Sozialformen oder anderer unterrichtsme-thodischer Uberlegungen obliegt Lehrkraften in ihrer didaktischen Verantwortung undmuss bei der Formulierung von Lernzielen aus zwei Grunden ausgespart bleiben:

• Erstens wurden dadurch unterrichtliche Ablaufe in unzulassigem Maß zementiert;

• zweitens sind die genannten Erwartungen in aller Regel nicht operationalisierbar.

Man konnte auch sagen, dass die Verfeinerung und Prazisierung von Bildungsaussa-gen keinem allgemeingultigen Gesetz folgt.

Aus diesen Grunden kann und soll hier kein ”Universalrezept“ zur Ableitung vonLernzielen aus Kompetenzen prasentiert werden. Statt dessen schlage ich fur dieses

6http://www.nibis.de/~sts-ler/erdmann/u-intentionen-v4.pdf


Unterfangen nun eine Anleitung vor, die in Ermangelung eines deterministischen Algo-rithmus eher den Charakter einer Wunschelrute bzw. eines Fangnetzes aufweist.

7.2.4 Leitfaden fur die Formulierung von Lernzielen

Ich gliedere meinen Anleitungsvorschlag in zwei Teile: Ausgehend von der konkretenFormulierung einer Kompetenz sollen zunachst anhand von acht Leitfragen Lernzielezusammengestellt werden. Diese wiederum mussen spater - quasi unter Ruckbesinnungauf die Kompetenz - einer A-posteriori-Uberprufung anhand weiterer sieben Fragenstandhalten.

A-priori-Leitfragen (Kompetenz B Lernziel)

1. Welche Inhalts- und welche Verhaltenskomponenten lassen sich extrahieren?

2. Wie kann und muss an bestehendes Vorwissen angeknupft werden?

3. Welche konstruktiven Aspekte mit dem Ziel selbsttatiger Erschließung lasst dieFormulierung der Kompetenz erkennen?

4. Welche Zusammenhange bestehen zu ”benachbarten“ Kompetenzen (auchfachubergreifend)?

5. Welche Anknupfungspunkte an die Erlebenswelt der Lerner bieten sich an?

6. An welchen Punkten kommt eine multiperspektivische Herangehensweise in Be-tracht?

7. Welche Adaptions- und Transferfahigkeiten sind in der Kompetenz verankert?

8. Wie verhalt es sich mit der (wachsenden) Komplexitat der einzelnen Lernziele?Hilfestellung: Einordnung in eine klassische Taxonomie

A-posteriori-Leitfragen (Kompetenz C Lernziel)

1. Tragt das Lernziel tatsachlich dazu bei, die in der ubergeordneten Kompetenzbeschriebenen Fahigkeiten und Fertigkeiten zu fordern bzw. zu festigen (”Exis-tenzberechtigung“)?

2. Welchen Anteil selbststandiger Arbeit erlaubt das Lernziel (Grad der Vorstruk-turierung)?

3. Vereint die Summe der Lernziele kognitive, affektive und psychomotorischeAspekte in einem der Kompetenz angemessenen Verhaltnis?

4. Lasst die Formulierung des Lernziels ausreichende didaktische Freiraume zurBerucksichtigung situativer Bedingungen oder wurde ein ”Unterrichtsdrehbuch“geschaffen?

7.3 Informatikunterricht in der 10. Jahrgangsstufe des NTG 107

5. In welcher Form kann das Erreichen des Lernziels festgestellt (gemessen) werden?(Operationalisierung)

6. Welchen Beitrag leistet das Lernziel zur Forderung von Adaptions- und Trans-ferfahigkeiten?

7. Welche Abhangigkeiten zwischen Lernzielen liegen vor (qualitativ/quantitativ)?

7.3 Informatikunterricht in der 10. Jahrgangsstufe des NTG

7.3.1 Lehrplanaufbau

Der Lehrplan gliedert sich folgendermaßen ([isb08]):

• Inf 10.1: Objekte und Ablaufe

– 10.1.1: Zusammenfassung und Festigung der bisher erlernten objektorien-tierten Konzepte (ca. 4 Std.)

– 10.1.2: Zustande von Objekten und algorithmische Beschreibung vonAblaufen (ca 22 Std.)

– 10.1.3: Beziehungen zwischen Objekten (ca. 10 Std.)

• Inf 10.2: Generalisierung und Spezialisierung (ca. 10 Std.)

• Inf 10.3: Komplexeres Anwendungsbeispiel (ca. 10 Std.)

Bei der Entwicklung und Ausarbeitung der Lernzielsammlung war die sorgfaltigeElaboration des Lehrplans von großem Nutzen.

Schon Anzahl und Qualitat der Fahigkeiten und Fertigkeiten, an die der Unter-richtsstoff der Jahrgangsstufe 10 anknupft, lassen vermuten, dass der Lernerfolgmaßgeblich von der konsequenten Fortentwicklung und Vertiefung von Konzeptenabhangt, mit denen sich die Schuler in den vorangegangenen Jahren vertraut machten.

Wie ich in Kapitel 3 bereits begrundet habe, mochte ich die in der GI-Expertise([P+08]) genannten Untergliederungen nicht als Kompetenzen bezeichnen, da sichAussagen wie

”Schuler erkennen hierarchische Anordnungen.“ (a.a.O., S. 20)

nicht mit dem Kompetenzverstandnis Weinerts verbinden lassen. Da dieTatigkeitsbeschreibungen der GI die unterrichtlichen Ziele aber recht treffend benen-nen, fuhre ich sie dennoch jeweils auf, bezeichne sie dabei aber etwas unverfanglicherals Aktivitaten.


7.3.2 Grundwissen aus NuT und 9. Jahrgangsstufe

Soweit es fur die in Jahrgangsstufe 10 behandelten Konzepte eine Rolle spielt, soll hieruberblicksartig dargestellt werden, welches Vorwissen die Schuler aus dem bisherigenInformatikunterricht mitbringen.

Auch die Aussagen zum Vorwissen sind der GI-Expertise entlehnt, worin ihnen derStatus einer ”Kompetenz“ zugeschrieben wird. In Klammern ist jeweils der Bezug zumGymnasiallehrplan angegeben.

Vorwissen. Die Schuler

• kennen die Begriffe Klasse, Objekt, Attribut sowie Attributwert und verwenden siein Anwendungssituationen (NT 6.2.2);

• kennen Anderungsmoglichkeiten fur Attributwerte von Objekten in altersgemaßenAnwendungen und reflektieren, wie sie die Informationsdarstellung unterstutzen(NT 6.2.3);

• identifizieren Objekte in Informatiksystemen und erkennen Attribute und derenWerte (NT 6.2.3);

• erstellen Diagramme und Grafiken zum Veranschaulichen einfacher Beziehungenzwischen Objekten der realen Welt (NT 6.2.3);

• erkennen hierarchische Anordnungen (NT 6.2.5);

• erkennen Reihenfolgen in Handlungsablaufen (NT 7.2.3);

• benennen und formulieren Handlungsvorschriften aus dem Alltag (NT 7.2.3);

• lesen und verstehen Handlungsvorschriften fur das Arbeiten mit Informatiksyste-men (NT 7.2.3);

• interpretieren Handlungsvorschriften korrekt und fuhren sie schrittweise aus (NT7.2.3);

• uberfuhren umgangssprachlich gegebene Handlungsvorschriften in formale Dar-stellungen wie Struktogramme (NT 7.2.3);

• entwerfen Handlungsvorschriften als Text oder mit formalen Darstellungsformen(NT 7.2.3);

• konnen einfache, automatisierbare Vorgange algorithmisch beschreiben (NT7.2.3);

• benutzen die algorithmischen Grundbausteine zur Darstellung von Handlungs-vorschriften (NT 7.2.3);

• entwerfen und testen einfache Algorithmen (NT 7.2.3);


• sind zu einer funktionalen Betrachtungsweise informationsverarbeitender Prozes-se fahig (Inf 9.1);

• strukturieren Beispiele ihrer Erfahrungswelt mit Hilfe von Klassen und derenBeziehungen (Inf 9.2.1);

• realisieren Objekte, Klassen und deren Beziehungen in einem relationalen Daten-banksystem (Inf 9.2.1);

• stellen Beziehungen zwischen Klassen grafisch dar (Inf 9.2.1).

7.3.3 Objekte und Ablaufe

Zusammenfassung und Festigung der bisher erlernten objektorientierten Konzepte

Die Begriffe Objekt, Klasse, Attribut und Methode sind den Schulern bereits bekanntund werden anhand einfacher Beispiele aus der Alltagswelt wiederholt.

Den Schulern soll dabei die Vorstellung nahegebracht werden, dass es sich beiObjekten in erster Linie um eine Kombination von Attributen und Methoden handelt.

Besonderes Augenmerk liegt auf einer sorgfaltigen Einfuhrung verschiedenerDarstellungsmoglichkeiten. Die Reprasentation von Klassen erfolgt mit Hilfe vonKlassenkarten, wahrend die statischen Beziehungen zwischen Klassen anhand entspre-chender Objekt- und Klassendiagramme veranschaulicht werden. Hierbei spielt dieAnknupfung an Vorkenntnisse uber funktionale Modellierung und Datenmodellierung(Jgst. 9) eine zentrale Rolle. Scheungrab et al. ([S+08]) stellen beispielhaft einKlassendiagramm vor, welches 1:1 einem relationalen Datenbankmodell entspricht.

Zwar erfolgt der Ruckgriff auf bereits Bekanntes, doch stehen diese Konzepte inden Jahrgangsstufen 9 und 10 in erweiterter Beziehung zueinander: Wahrend mansich bisher lediglich fur die Eigenschaften von Objekten (namlich deren Attribute)interessierte, liegt das Augenmerk nun auf ihrem Verhalten.

Werkzeuge wie BlueJ7 ermoglichen es den Schulern, sich ohne Kenntnisse einerobjektorientierten Sprache die entsprechenden Zusammenhange intuitiv zu erschließen.

Aktivitaten. Die Schuler

• stellen Information in unterschiedlicher Form dar;

• beurteilen Vor- und Nachteile verschiedener Informationsdarstellungen;

• wahlen eine Darstellungform auf der Basis allgemein akzeptierter und zweckdienlicherKriterien aus.

7http://www.bluej.org/


Zustande von Objekten und algorithmische Beschreibung von Ablaufen

Mit einer Stundenvorgabe von etwa 22 Unterrichtsstunden nimmt dieser Teil dengroßten Raum ein. Dies liegt vor allem in seinem integrativen Charakter und in derBedeutung fur den weiteren Kompetenzaufbau bei den Schulern begrundet. Außerdemkommt hier das im nachsten Abschnitt beschriebene didaktische Dilemma zumTragen und verlangt nach einer nichtsequentiellen, sondern vielmehr spiralformigenBehandlung der einzelnen Konzepte (vgl. [Hub08], [S+08]).

Fur die Schuler stellen sich Objekte nun erstmals als dynamische Strukturen dar.Wesentliche Neuerung ist die Einfuhrung des Variablenkonzepts: Objekte befinden sichwahrend ihres Lebenszyklus stets in genau einem Zustand, welcher durch die Werteihrer Attribute eindeutig bestimmt ist. Durch Wertzuweisung wird der unmittelbareUbergang in einen anderen Zustand ausgelost.

Dabei ist es ein ausdruckliches Anliegen des Lehrplans, dass Schuler in der Lagesind, klar zwischen den Zustanden des realen Objekts und denen des Simulations- oderProgrammobjekts zu differenzieren ([isb08], vgl. auch nachfolgende Aufgaben).

Diese Ablaufe lassen sich mit Hilfe von Zustandsdiagrammen oder Zu-standsubergangstabellen veranschaulichen, die wiederum jeweils stellvertretendfur einen Zustandsautomaten stehen.

Im Rahmen der Behandlung einfacher und zusammengesetzter Datentypen soll derTyp Feld (array) als Moglichkeit, gleichartige Objekte bzw. Variablen zu gruppieren,ausdrucklich hervorgehoben werden. Zugleich stellen Felder eine erste Moglichkeit dar,Objektbeziehungen der Multiplizitat 1:n zu modellieren.

Objekte unterliegen einem Lebenszyklus, der mit der Instantiierung durch denKonstruktoraufruf der Klasse beginnt. Die innerhalb des Konstruktors (als speziellerMethode) befindlichen Anweisungen dienen der Initialisierung des Objekts. Ent-sprechend kann durch Destruktion der von Objekten benotigte Speicherplatz wiederfreigegeben werden.

Der Begriff des Algorithmus und seine Strukturelemente (Anweisung, Sequenz,bedingte Anweisung, Wiederholung) wurden im Anfangsunterricht (NT 7.2.3) ein-gefuhrt und werden nun wiederaufgenommen und prazisiert. Dies kann beispielsweiseim Zusammenhang mit dem Zugriff auf die Elemente des Typs Feld geschehen.Insbesondere kommen die Schuler erneut mit Struktogrammen als ubersichtlicherDarstellungsmoglichkeit fur Algorithmen in Beruhrung und erkennen, dass sichAlgorithmen auch unter funktionalen Gesichtspunkten (Eingabe - Verarbeitung -Ausgabe) interpretieren lassen. Zur Wiederholung der Kontrollstrukturen empfiehltsich die Nutzung eines programmierbaren Robotersystems wie Robot Karol.

Auf Basis konkreter Aufgabenstellungen vertiefen die Schuler die Zusammenhange


zwischen Zustandsmodellen, Algorithmen und ihren Entsprechungen in Form objek-torientierter Programme. Als Werkzeug kommt ein programmierbares Grafiksystem(PGS, z. B. EOS oder JGraphik) zum Einsatz.


• interpretieren einfache Zustandsdiagramme;

• analysieren Automaten und modellieren sie zustandsorientiert;

• verwenden Variablen und Wertzuweisungen zur Modellierung von Zu-standsubergangen;

• sind in der Lage, einfache Zustandsubergangsdiagramme in objektorientierte Pro-gramme umzusetzen;

• entwerfen, implementieren und beurteilen Algorithmen;

• lesen formale Darstellungen von Algorithmen und setzen sie in Programme um;

• erlautern den Zusammenhang zwischen Automaten und Sprachen.

Beziehungen zwischen Objekten

Bisher fand eine Art Kommunikation lediglich zwischen dem Schuler und einemBeispielobjekt statt (vgl. Sequenzdiagramme, in denen nicht nur die beteiligtenObjekte, sondern ganz links auch der ”Akteur“ selbst dargestellt wird).

Die Schuler sollen nun die Einsicht erhalten, dass das Funktionieren komplexer Sys-teme ganz wesentlich von der Kommunikation seiner Objekte untereinander gepragtist, die weiterhin uber Methodenaufrufe realisiert wird. Scheungrab et al. ([S+08])weisen in diesem Zusammenhang auf zwei sinnvolle Varianten der Nomenklaturvon Methoden (Imperativ/Infinitiv) hin, die ihren Botschafts- bzw. Dienstcharakterhervorheben.

Die Versinnbildlichung der Kommunikation zwischen Objekten erfolgt mit Hilfevon Interaktionsdiagrammen (die wiederum fur eine ganze Reihe von Darstel-lungsmoglichkeiten stehen, z. B. die Visualisierung wechselseitiger Methodenaufrufe ineinem Sequenzdiagramm). Hierbei ruckt nun die Zeitachse explizit ins Blickfeld.

In diesem Zusammenhang wird das Konzept der Datenkapselung eingefuhrt und dieSchuler lernen das Schnittstellenkonzept kennen, welches neben Sicherheitsaspekteneine wichtige Rolle fur die Modularisierung großerer Programme und damit fur eineeffiziente Arbeit im Team (vgl. Inf 10.3) spielt.

Verbunden mit der Definition von Schnittstellen ist die Notwendigkeit, sich Ge-danken uber Ein- und Ausgangsparameter und Ruckgabewerte zu machen. Diesen


funktionalen Aspekt kennen die Schuler bereits von den in Jgst. 9 behandeltenDatenflussen. In der Beschaftigung mit entsprechenden Problemstellungen entwickelndie Schuler einen kritischen Blick fur Seiteneffekte von Methoden und fur Gefahren,die sich aus dem Einsatz globaler Variablen ergeben.

Anhand einfacher Beispiele (wie z. B. der Reprasentation einer Ampel) erkennendie Schuler, dass Objekte haufig Objekte anderer Klassen enthalten. Die technischeEntsprechung dieser Enthalt-Beziehung (Aggregation) bilden die Referenzen.8

Beziehungen zwischen Objekten werden allgemein auch als Assoziationen bezeichnetund konnen verschiedener Art sein: So weisen sie stets eine bestimmte Nutzungsrich-tung und Multiplizitat auf. An dieser Stelle verfugen die Schuler bereits uber wertvolleVorkenntnisse aus dem Bereich der Datenmodellierung (vgl. 7. Jahrgangsstufe, E/R-Diagramm).


• konnen statische und dynamische Beziehungen zwischen Objekten grafisch darstellen(Interaktionsdiagramm);

• definieren sinnvolle Schnittstellen zwischen Programmkomponenten;

• wenden das Paradigma der Datenkapselung an;

• konnen die Enthalt-Beziehung im Sinne der Referenzsemantik implementieren;

• nutzen Methodenaufrufe fur die Kommunikation zwischen Objekten.

7.3.4 Generalisierung und Spezialisierung

Das Denken (und die Einordnung von Wissen) in hierarchischen Strukturen ist einCharakteristikum fur die Arbeitsweise des menschlichen Gehirns (vgl. zur Entwicklungdes logischen Denkens und zur Klasseninklusion (!) Goswami, [Gos01], Kap. 7; zuTaxonomisierung und Kategorisierung z. B. Sodian, [Sod02]). Die Praxis halt vieleAnwendungsbeispiele bereit, um das Prinzip der Vererbung (is-a-Beziehung) alsRealisierung hierarchischer Klassenstrukturen zu veranschaulichen.

Vergleichbar mit den Moglichkeiten der DNS-Forschung (jedoch mit ausnahmsloshehren Zielen und ethischer Unbedenklichkeit) beginnen die Schuler, ererbte Methodenzu modifizieren und damit zu uberschreiben. Durch Inferenz bzw. Uberschreibung

”hoherer“ Methoden gelangen die Schuler zum Phanomen des Polymorphismus9.

8Dabei ist es absolut fundamental, dass die Schuler die Referenzsemantik verstehen: Wenngleich dasreale Ampelobjekt zwei (oder drei) Lampen (raumlich) enthalt, referenziert das ProgrammobjektAMPEL lediglich mehrere Instanzen der Klasse LAMPE. Im Sinne von [S+08] kann man folgerichtigvon einer has-a-Beziehung sprechen.

9griechisch fur”Vielgestaltigkeit“


Neben dem Uberschreiben von Methoden ist die Erweiterung von Oberklassen (inJava durch extends) die klassische Vorgehensweise zur Spezialisierung.

Auf umgekehrtem Weg lassen sich Gemeinsamkeiten von Klassen durch Generalisie-rung, also die Deklaration der gemeinsamen Abstammung von einer neu geschaffenenOberklasse abbilden (die je nach Kontext auch abstrakt sein kann).

In Klassendiagrammen veranschaulichen die Schuler das Verhaltnis generischerund spezifischer Klassen und erkennen, dass diese Diagramme bei Klassifizierungkomplexerer Systeme Baumstruktur annehmen.


• konnen hierarchische Klassenstrukturen erkennen und durch Vererbung, Generalisie-rung und Spezialisierung beschreiben, darstellen und implementieren;

• kennen und verwenden Strukturierungsmoglichkeiten von Daten zum Zusammenfas-sen gleichartiger und unterschiedlicher Elemente zu einer Einheit;

• entwickeln fur einfache Sachverhalte objektorientierte Modelle und stellen diese mitKlassendiagrammen dar;

• beeinflussen das Modellverhalten durch zielgerichtete Anderungen;

• konnen die Bedeutung von Datenkapselung unter Sicherheitsaspekten und fur dieSoftwareentwicklung im Team erlautern.

7.3.5 Komplexeres Anwendungsbeispiel

Wie schon in der vorangegangenen Jahrgangsstufe sieht der Lehrplan gegen Endedes Schuljahrs die Durchfuhrung eines großeren Projekts vor, in dem die zuvorkennengelernten Konzepte im Rahmen einer komplexeren Aufgabenstellung integriertund gefestigt werden. Dabei kommen die den vorgestellten Konzepten innewohnendenIdeen einer konstruktiven Arbeit im Team prinzipiell sehr entgegen.

Der vorgenannte Aspekt der Kommunikation zwischen Objekten ubertragt sich imbesten Sinne auf die Subjekte der realen Welt: Im Sinne eines erfolgreichen ”puttingall together“ werden die Schuler zwangslaufig darauf angewiesen sein, ihr Vorgehenzu planen, konkurrierende Vorschlage zu diskutieren und Schnittstellen auszuhandeln.Die Kommunikation der Schuler untereinander ist daher zum einen die naturlicheFolge des gemeinsamen Projekts, zum anderen zentrale Voraussetzung fur dessen Erfolg.


• stellen Vermutungen uber Zusammenhange und Losungsmoglichkeiten im informati-schen Kontext dar;


• losen Aufgabenstellungen durch objektorientiertes Strukturieren;

• kooperieren in Projektarbeit bei der Bearbeitung eines informatischen Problems;

• nutzen synchrone und asynchrone Kommunikationsmoglichkeiten zum Austausch vonInformation und zu kooperativer Arbeit;

• wahlen eine Darstellungform auf der Basis allgemein akzeptierter und zweckdienlicherKriterien aus;

• dokumentieren Ablauf und Ergebnisse der Projektarbeit;

• beurteilen den Projektablauf, das Modell, die Implementierung und die verwendetenWerkzeuge kritisch;

• bewerten die Auswirkungen der Automatisierung in der Arbeitswelt;

• geben Problemlosungen in einer Programmiersprache an.

7.4 Das”

didaktische Dilemma“

In aller Allgemeinheit ware es sicher angebrachter, von einem didaktischen Dilemmazu sprechen, doch kommt im Informatikunterricht der 10. Jahrgangsstufe (speziellim Abschnitt 10.1.2 des Lehrplans) ein besonders nachhaltiger Zielkonflikt zum Tragen.

Eine Einfuhrung in die Programmierung anhand objektorientierter Sprachen isterfahrungsgemaß schwer zu realisieren ([Hub07], S. 5). Verscharft wird diese Tatsachedurch die konstruktivistische Forderung, Schuler (von Anfang an) mit authentischenProblemstellungen zu konfrontieren, womit sich ”Hello World!“ und seine Derivatetrotz ihrer Verbreitung als Einstieg verbieten.

Anspruchsvollere Aufgaben mit Alltagsrelevanz und Bezug zur Erfahrungswelt derSchuler erfordern jedoch zumeist die vorherige ”trockene“ Einfuhrung in eine ganzeMenge grundlegender Konzepte der objektorientierten Programmierung, die zu allemUberfluss vielfach miteinander verzahnt sind (vgl. [Hub08], S. 5).

Lernziele aus dem Themengebiet der OOM unterscheiden sich in zweierlei Hinsichtvon Lernzielen vieler anderer Bereiche:

• Bei der Formulierung von Lernzielen werden schnell hohe Schwierigkeitsgradeerreicht (z. B. D6 bei Anderson et al.);

• Die Lernziele sind in vielfacher Hinsicht miteinander verwoben und voneinanderabhangig.

[Hub07] sieht darin das klassische Dilemma,

• mit OOM/OOP in die Programmierung einzusteigen und zugleich

7.5 Aufgabenbeispiel 115

• modernen Unterrichtsprinzipien zu folgen.

Dementsprechend schlagt er im Sinne einer vorsichtigen und bedachten Her-anfuhrung an das Zustands- und Variablenkonzept vor, mit der Behandlung einestypischen Zustandsautomaten (wie einer Verkehrsampel) zu beginnen, der zugleichweder trivial ist, noch einen zu hohen Komplexitatsgrad aufweist.

Am Beispiel einiger konkreter Aufgaben aus den Lehrbuchern der 10. Jahrgangs-stufe werde ich nun untersuchen, welche Uberdeckungen von Kompetenzen die jeweilsberucksichtigten Lernziele bilden.

7.5 Aufgabenbeispiel

Die Aufgabenstellung in diesem Bereich sei wie folgt ([HSS+08], S. 27):

3 - Es werde Licht!

Im Folgenden sollen verschiedene Lichtschalter simuliert werden. Zeichne dazu das zu-gehorige Zustandsdiagramm.

a) Ein einfacher Lichtschalter, der bei jedem Drucken das Licht an- bzw. ausschaltet.Stelle die Situation mit dem Werkzeug PGS nach (beispielsweise durch einen Kreis,der hell und dunkel werden kann als Lampe) und programmiere eine Sequenz, die dasLichtsignal

”SOS“ (kurz - kurz - kurz - lang - lang - lang - kurz - kurz - kurz) morsen

lasst.

b) Ein Lichtschalter, der nach jedem Drucken nacheinander verschiedene Neonrohrenin einem großeren Raum anschaltet: zuerst alle, dann nur die hintere Reihe, beimnachsten Drucken nur die vordere Reihe, schließlich wieder alles aus.Stelle auch hier die Situation mit dem Werkzeug PGS nach.

c) Ein Lichtschalter, der das Deckenlicht in zwolf Stufen dimmen kann.Warum lasst sich kein Zustandsdiagramm fur einen stufenlosen Dimmer zeichnen?

Folgende Lernziele lassen sich identifizieren:

• EO 1. Der Lernende ist in der Lage, einfache Ablaufe in Form eines Zustands-diagramms zu modellieren.

– IO 1.1. Der Lernende ist in der Lage, die Vorschriften fur die graphischeDarstellung von Zustandsdiagrammen zu erinnern.

– IO 1.2. Der Lernende ist in der Lage, die Zusammenhange der konstituie-renden Elemente eines Zustandsdiagramms erlautern.

– IO 1.3. Der Lernende ist in der Lage darzulegen, dass jeder Zustand einereindeutigen Konstellation der Attributwerte eines Objekts entspricht.


– IO 1.4. Der Lernende ist in der Lage, den Zustandsraum eines vorgegebenenObjekts zu bestimmen.

– IO 1.5. Der Lernende ist in der Lage, anhand eines Beispiels zu erlautern,dass die Menge der tatsachlich eintretenden Zustande eine Untermenge desZustandsraums bildet (vgl. Aufgabe 3b und die Ampel-Simulation).

– IO 1.6. Der Lernende ist in der Lage, die tatsachlich eintretenden Zustandeeines vorgegebenen Objekts zu benennen.

– IO 1.7. Der Lernende ist in der Lage, an einem Beispiel zu erlautern, dassein Zustandsubergang genau dann stattfindet, wenn sich mindestens ein At-tributwert andert.

– IO 1.8. Der Lernende ist in der Lage, anhand eines vorgegebenen Szenariosdie tatsachlich moglichen Zustandsubergange zu ermitteln.

• EO 2. Der Lernende ist in der Lage, das Verhalten des durch ein vorliegendes Zu-standsdiagramm beschriebenen Zustandsautomaten in einer einfachen Program-miersprache (PGS) zu implementieren.

– IO 2.1. Der Lernende ist in der Lage, ein vorgegebenes Zustandsdiagrammzu analysieren.

– IO 2.2. Der Lernende ist in der Lage, zur Kontingenz zwischen Zustandenund Attributwerten sowie zwischen Zustandsubergangen und Methodenauf-rufen Stellung zu nehmen.

– IO 2.3. Der Lernende ist in der Lage, die Kontrollstruktur der (unbeding-ten) Wiederholung auf die Aufgabenstellung anzuwenden.

– IO 2.4. Der Lernende ist in der Lage, im PGS ein Objekt der Klasse KREISzu erstellen sowie dessen Radius und Fullfarbe festzulegen.

– IO 2.5. Der Lernende ist auf der Basis eines grundlegenden Verstandnissesvom Laufzeitverhalten eines Programms in der Lage, Anweisungen zu im-plementieren, die eine Wartezeit realisieren.

– IO 2.6. Der Lernende ist in der Lage, seine Implementierung auf die korrekteAdaptation des Zustandsdiagramms hin zu prufen.

Der Lichtschalter in Teilaufgabe c) wird sinnvollerweise uber einen Drehknopf alseinziges (oder weiteres) Bedienelement verfugen und fuhrt den Lernenden auf dieUnmoglichkeit, ein dem stufenlosen Dimmer entsprechendes Zustandsdiagramm zu er-stellen10.

• EO 3. Der Lernende ist in der Lage, die Grenzen zustandsbasierter Modellierungim Zusammenhang mit der Simulation realer Objekte zu erlautern.

Aus Uberlegungen zum Verhaltnis von Simulation und Wirklichkeit ergeben sichnoch weitere Lernziele:10In der Mathematik entspricht dies dem Ubergang von diskreten zu kontinuierlichen Strukturen.

7.5 Aufgabenbeispiel 117

• EO 4. Der Lernende ist in der Lage, die mit der Simulation in aller Regel ver-bundene Vereinfachung des Sachverhalts zu erfassen.11.

• EO 5. Der Lernende ist in der Lage, den unterschiedlichen Bezug von Objektenin Simulation und Praxis an einem Beispiel zu verdeutlichen12.

• EO 6. Der Lernende ist in der Lage, okonomische Gesichtspunkte der Aufgaben-stellung bzw. der Konzeption zu erkennen13.

• EO 7. Der Lernende ist in der Lage, den Stellenwert eines korrekten undverlasslichen Programmablaufs gerade in kritischen Situationen anhand eines Bei-spiels aufzuzeigen (SOS-Signal, ”Verantwortung des Informatikers“).

11Beispielsweise bleibt der Simulationsaufbau von Stromausfallen (zumindest prinzipiell) oder Defektendes Leuchtmittels verschont.

12So schließt der reale Schalter einen Kontakt und ermoglicht dadurch den Stromfluss, der wie-derum die Lampe zum Leuchten bringt. In der Simulation erfolgt dagegen bei Betatigung desSchalters die unmittelbare Manipulation der Lampe (genauer: des Lampen-Objekts) uber dessen(ein|aus)schalten-Methode. (Letzeres ließe sich durch sorgfaltiges Absteigen bis zur Hardwaree-bene prazisieren.)

13Mit Hilfe des Lichtschalters aus Teilaufgabe b) bzw. gar eines Dimmers ist es moglich, die Lichtver-sorgung an die momentanen Gegebenheiten anzupassen.

118

8 Modellierung der Ontologien

8.1 Vorbemerkungen

Bei der Entwicklung der Ontologien wurde einigen Pramissen in besonderem MaßeAufmerksamkeit geschenkt:

• Soweit bestehende OWL-Modelle in der Lage waren, einen Beitrag zur Realisie-rung der Vorhaben zu leisten, sollten diese eingesetzt werden (anstatt ”das Radneu zu erfinden“);

• Entscheidungen im Entwurfsprozess mussten sich stets an der Reflektion entspre-chender didaktischer Zusammenhange messen lassen;

• bei der Anreicherung bestehender Ontologien durften Praktikabilitat undZweckmaßigkeit nicht leiden1;

• der Autor wendet sich gegen die Annahme eines ”geschlossenen Systems“. Solltesich der hier beschrittene Weg bewahren, sind zukunftige Anderungen und Erwei-terungen der Ontologien zu erwarten, anzustreben und durfen folgerichtig nichtdurch eine undurchsichtige Modellierung erschwert werden (vgl. die Nebenbemer-kung zum Thema ”Kreuzmodellierung“);

• auch die begleitende Dokumentation unter Zuhilfenahme anerkannter grafischerVisualisierungen soll es dem interessierten Leser erleichtern, sich einen Uberblickuber Entwurfsentscheidungen, uber die Interoperation der Ontologien, aber auchuber relevante technische Details zu verschaffen;

Außerdem schloss sich an die Modellierung der Ontologien unmittelbar der Entwurfeiner beispielhaften Fachontologie an, um die praktische Realisierbarkeit des gewahltenAnsatzes unter Beweis zu stellen.

Wenngleich der Ruckgriff auf einige Erweiterungen und Erganzungen von OWL 2.0(welches derzeit den Status eines Draft-Standards hat2) in mancherlei Hinsicht reizvollfur die Modellierung einzelner Sachverhalte gewesen ware, beschranke ich mich auf denSprachumfang von OWL 1.0 und die Ausdrucksmachtigkeit von OWL DL. Somit bautdas hier vorgestellte Konzept auf einer vom W3C verabschiedeten OWL-Spezifikationauf. Glucklicherweise steht - zu gegebener Zeit - einer Adaptation der neuen Errungen-schaften von OWL in die bestehende Ontologiestruktur nichts im Wege.

1man denke an die Unmenge zwingend vorgeschriebener Annotate bei LOM2vgl. http://www.w3.org/blog/SW/2008/10/10/seven_owl_2_drafts_published

8.2 Integration weiterer Lernzieltaxonomien 119

Nebenbemerkung zu ”Kreuzmodellierung“: Diese Bezeichnung trifft m. E. rechtzuverlassig ein hochproblematisches Modellierungsvorgehen, das aus einer falschenNutzung einer eigentlich großen Starke von OWL und Ontologien im Allgemeinenerwachsen kann und vor dem eindrucklich zu warnen ist:

Ich verstehe darunter, dass OWL-Klassen in der OWL-Datei A definiert und grund-legend ausgestattet werden (Properties etc.). Darauf aufbauend erfolgt anschließenddurch den selben Entwickler (!) ohne Not eine Erganzung von Unterklassen, weiterenProperties usw. in einer OWL-Datei B (eventuell noch fortgesetzt in C, etc.). Freilichist dies aus gutem Grund die gangige Vorgehensweise bei der Erweiterung bestehen-der Ontologien (vgl. Abschnitt 8.3) wahrend deren Lebenszyklus und auch sinnvoll,um an einmal veroffentlichte (und damit im Sinne des Semantic Web unantastbare)Ontologien anzuknupfen. Sofern sich die beteiligten Ontologien im personlichen ”Ver-antwortungsbereich“ befinden und in derselben Entwicklungsphase entstehen, solltevon einem solchen Vorgehen jedoch abgesehen werden. In allen anderen Fallen ist einesorgfaltige Dokumentation unverzichtbar3.

8.2 Integration weiterer Lernzieltaxonomien

Die in Kapitel 6 vorgestellten Arbeiten zeugen davon, dass die Lernzieltaxonomienach Anderson und Krathwohl bereits mehrfach in Ontologien umgesetzt wurde.Unabhangig von der Tatsache, dass sich die einzelnen OWL-Reprasentationen nurin unwesentlichen technischen Details unterscheiden, greift der hier vorliegende Satzdidaktischer Ontologien die Implementierung von Alexander Staller auf.

Angesichts vieler Vorschlage fur eine Taxonomisierung von Lernzielen, diesich nicht nur hinsichtlich ihrer Fundierung, ihrer Schwerpunktsetzung und ihrerDomanenspezifitat unterscheiden, liegt die Schaffung von Schnittstellen zur Einbin-dung weiterer Lernzieltaxonomien in ein bestehendes System didaktischer Ontologiennahe.

Die vorliegende Arbeit behandelt diesen Aspekt anhand des Taxonomievorschlagsvon Fuller et al. (im Folgenden ”Fuller-Taxonomie“ genannt), der spezifischen Anliegenund Bedurfnissen Rechnung zu tragen versucht (vgl. Kapitel 2), die untrennbar mitdidaktischen Herausforderungen aus der Informatik und speziell aus dem Bereich derProgrammierung verbunden sind.

So fallt es bei informatischen Lernzielen z. B. haufig schwer, diese einer der Katego-rien ”Konzeptwissen“ bzw. ”prozedurales Wissen“ stringent und eindeutig zuzuordnen.

3Die Situation ist vielleicht vergleichbar mit einem alteren (durchaus brauchbaren) Gebaude, in demmehrere Elektriker-Generationen neue Leitungen verlegt, alte stillgelegt haben, etc. Die Sachlagewird undurchsichtig, v. a. wenn Anderungen auf der Tagesordnung stehen.

120 8 Modellierung der Ontologien

Entsprechender Spielraum besteht so z. B. bei einigen Lernzielen der exemplarischenFachontologie, die im Rahmen dieser Arbeit enstanden ist. Dieser prinzipbedingtenEinschrankung begegnen Fuller et al., indem sie den kognitiven Prozess nach Andersonund Krathwohl aufspalten.

So kennt die Fuller-Taxonomie die beiden Dimensionen Interpreting und Producing,welche ihr Aquivalent in zwei OWL-Klassen finden, die ihrerseits von der KlasseFullerTaxonomy erben. Die Einfuhrung dieser Oberklasse erfolgte eher aus ”kosmeti-schen“ Uberlegungen heraus, um die beiden ...-ing-Klassen nicht gleichsam kontextlosaus owl:Thing erzeugen zu mussen.

Bei dieser Taxonomie kommt der - besonders aus ontologischer Sicht - interessanteAspekt hinzu, dass sechs der sieben Kategorien synonym mit denen der kognitivenProzessdimension nach Anderson et al. sind: Wie Fuller et al. in ihrem einschlagigenPaper ausfuhren, halten sie die von Anderson et al. gewahlten Kategoriebezeichnungender kognitiven Prozessdimension fur ”unmissverstandlich genug“, um diese fur ihreeigene Taxonomie zu ubernehmen ([FJT+07], S. 164). Somit werde ich gleichnamigeFuller- und Anderson-Kategorien ohne weitere Reflektion als identisch hinsichtlichder von ihnen beschriebenen Lernziele betrachten. Freilich konnte und sollte man imRahmen einer dahingehenden empirischen Untersuchung klaren, ob diese Aquivalenzenin der Praxis standhalten.

Bezuglich der zu entwickelnden Ontologie resultierte diese Korrespondenz jedenfallsdarin, dass die jeweiligen OWL-Klassen jeweils als aquivalent zu denjenigen Klassendeklariert wurden, welche fur die Kategorien von Anderson et al. stehen (vgl. Abb.8.1):

<owl:Class rdf:ID="Remember"><rdfs:subClassOf><owl:Class rdf:ID="Interpreting" />

</rdfs:subClassOf><owl:equivalentClass rdf:resource="http://ddi.in.tum.de/fileadmin/

material/Staller/Ontologien/Anderson_cognitive_process.owl#_1_Remember" />

</owl:Class>

Fuller et al. ordnen einige traditionell mit Softwareentwicklung bzw. Programmie-rung verbundene Aktivitaten beispielhaft in ihre Taxonomie ein ([FJT+07], S. 166, Fig.7). Dabei wird augenscheinlich, dass die Autoren sich nicht strikt an ihr 3 × 4-Rasterhalten, sondern Tatigkeiten auch ”grenzubergreifend“ taxonomieren.

Bei der Modellierung der zugehorigen Ontologie bin ich dieser problematischenPraxis bewusst nicht gefolgt bzw. habe (mit Hilfe disjunkter Klassen und geeigneterKardinalitatsrestriktionen) ausdrucklich dafur gesorgt, dass ”Zwischentaxonomierun-gen“ nicht valide i. S. der Ontologie sind. Ahnlich dem sich hartnackig haltenden

8.2 Integration weiterer Lernzieltaxonomien 121

Abbildung 8.1: Verhaltnis der kognitiven Prozessdimension nach Anderson et al. zu denKategorien bei Fuller

Irrglauben, Zwischennoten wurden bei der Zensur von Leistungen mit mehr Ge-rechtigkeit einhergehen (dies ist bei gleichzeitig naturgemaß fehlender Erhohung derMessgenauigkeit nicht moglich!), wurde eine derartige Aufweichung der Zuordnungendie Scharfe der Taxonomie ”verwassern“ (zur Problematik der Messfehler in Bezug aufschulische Leistungen vgl. z. B. [Sac07], S. 289). Schließlich ist es fundamentale Funkti-on von Taxonomien (vgl. gr. t�xic - Ordnung und nìmoc - Gesetz), ein abgrenzbares undverbindliches Klassifizierungsraster vorzugeben. Zugleich ware aus qualitativer Sichtdie Frage zu stellen, wie hoch eine angemessene Granularitat denn nun ausfallen musste.

Der guten Ordnung wegen gehort ein Lernziel also genau einer Producing- undgenau einer Interpreting-Kategorie an.

(Nebenbemerkung: Aus technischer und Machbarkeitsperspektive sprache weniggegen die Implementierung einer solchen ”fein-gerasterten“ (oder gar stufenlosen4)Taxonomie in OWL. So konnte schließlich eine mehrfache Verwendung der ein-schlagigen OWL-Properties zugelassen werden, welche entweder fur sich genommenoder auch in Verbindung mit einem eigenstandigen Gewichtungsattribut (z. B. alsDatatypeProperty) die jeweilige Tendenz in der Ontologie abbildet.)

Die der Fuller-Taxonomie entsprechende Ontologie bildet die Klassifikationsmatrix4im Rahmen der jeweiligen Datentypgenauigkeit


als OWL-Klassenstruktur ab. Legen wir als Namensraum fuller zu Grunde, so erbenvier Kategorien von der Klasse fuller:Interpreting und weitere drei Kategorien vonder Klasse fuller:Producing (vgl. Abb. 8.2). Bis auf die Klasse fuller:None sinddie den Kategoriebezeichnungen entsprechenden OWL-Klassen allesamt aquivalent zudenen in Stallers Interpretation von Anderson et al.

Abbildung 8.2: Klassenstruktur der Fuller-Taxonomie aus Sicht von OWLViz

Daruber hinaus verfolge ich auch hier einen schon bei Staller vorgefundenen undvon mir als ”Duale Modellierung“ bezeichneten Ansatz und erzeuge zu jeder KlasseKategorie, die einer der sieben Fuller-Kategorien entspricht, eine beigeordnete Instanzmit dem Bezeichner IKategorie:

<Remember rdf:ID="IRemember" />

Ebendiese Instanzen werden dann ausgehend von Lernzielen uber die entsprechendenProperties referenziert (vgl. spater).

8.3 Erweiterung der Objective-Ontologie

Stallers Ontologie Anderson objective.owl stellt eine Klasse Objective so-wie deren Unterklassen Global objective, Educational objective undInstructional objective bereit. Daneben werden dort OWL-Properties spezi-fiziert, die eine Klassifikation der Lernziele gemaß der Anderson-Taxonomie erlauben.

Im Rahmen dieser Arbeit wurde diese Ontologie erweitert. Grundlegend dafur ist derOWL-Import der unveranderten OWL-Datei in die neue Ontologie Objective.owl (vgl.z. B. Anhang). Dort wurden zusatzliche OWL-Properties definiert, die im Folgendenaufgelistet werden. Auf die ersten beiden Relationen gehe ich in einem nachfolgendenAbschnitt (8.7) separat ein.

• Objective - has soft prerequisite - Objective: Gibt an, dass letzteresLernziel eine optionale Voraussetzung fur das erstere Lernziel ist (inverse Pro-perty: is soft prerequisite of);

8.4 Verschiedene Zugange zum Begriff des Konzepts 123

• Objective - has hard prerequisite - Objective: Gibt an, dass letzteresLernziel eine unbedingte Voraussetzung fur das erstere Lernziel ist (inverse Pro-perty: is hard prerequisite of);

• Objective - has verbalization - xsd:string: Textuelle Formulierung desLernziels (funktional, Kardinalitat 1);

• Objective - contributes to - Competence: Gibt an, dass ein Lernziel zumErreichen einer Kompetenz beitragt;

• Objective - has producing cat - Producing: Gibt an, dass ein Lernziel einerbestimmten Producing-Kategorie der Fuller-Taxonomie angehort (funktional);

• Objective - has interpreting cat - Interpreting: Gibt an, dass ein Lern-ziel einer bestimmten Interpreting-Kategorie der Fuller-Taxonomie angehort(funktional).

8.4 Verschiedene Zugange zum Begriff des Konzepts

Die von A. Staller entwickelte Ontologie KonzeptuellesWissen.owl ruckt den Begriffdes Konzepts in den Fokus, lasst jedoch eine weiterfuhrende Anbindung an andereOntologien (vgl. die Knowledge-Dimension nach Anderson et al, speziell ConceptualKnowledge) vermissen.

Konkret sieht das ”konzeptuelle Wissen“ nach Staller einige Eigenschaften vor, mitdenen sich Konzepte aufeinander beziehen lassen. Auf diese im Rahmen der dualenModellierung sowohl als OWL-Klassen, wie auch als OWL-Properties ausgefuhrtenBeziehungen ging das Kapitel 6 im Einzelnen ein.

Bei der is-a-Relation des Unterkonzepts durfte es sich zweifellos um eine absolutfundamentale Beziehung handeln, die in keiner ontologiebasierten Reprasentation desKonzeptbegriffs fehlen darf.

Staller unterscheidet Grundkonzepte, Grundkonzepte mit Eigenschaft und zu-sammengesetzte Konzepte. Weiter lassen sich Konzepte uber entsprechende OWL-Properties als synonym bzw. aquivalent markieren. Wie unschwer zu erkennen ist,entstehen auf diese Weise kontextspezifische Begriffsnetze, die aus Konzepten (Knoten)und ihren Beziehungen (Kanten) bestehen.

Cassel et al. ([CDF+07]) entwickeln in ihrem Paper ”The Computing Ontology -Application in Education“ einen weiteren Konzeptbegriff und identifizieren dabei dreiwichtige und grundlegende Beziehungen zwischen Konzepten k1 und k2 (illustrierendesBeispiel in [CDF+07], S. 179):

• k1 is a k2: k1 ist eine Spezialisierung von k1 (Unterklassenrelation);


• k1 uses k2: k1 greift auf k2 zuruck. Inverse Beziehung: used by ;

• k1 has part k2: k2 ist ein Teil von k1. Inverse Beziehung: part of.

Nach der Modellierung der Zusammenhange in OWL steht nun auch dieser Zu-gang zu Konzepten der ontologiebasierten Modellierung offen. Die zugehorige OntologieCasselConcept.owl definiert die transitiven OWL-Properties used by, has part undis a sowie die Inversen uses und part of der beiden Erstgenannten. Grundlegend istdie Definition einer OWL-Klasse Concept sowie deren Instantiierung als IConcept.

8.5 Anbindung konzeptuellen Wissens an Lernzieltaxonomien

Wie im vorangegangenen Abschnitt bereits kurz angesprochen, sehen Stallers Ontolo-gien keinen Bezug zwischen Konzepten bzw. konzeptuellem Wissen (ich werde dieseBegriffe synonym gebrauchen) und dem entsprechenden Bereich einer Lernzieltaxono-mie vor.

Als plakatives Beispiel soll hier die Kategorie Conceptual Knowledge der Wissens-dimension nach Anderson et al. dienen. Ungeachtet der Tatsache, dass unterhalbdieser Kategorie eine weitere Ausdifferenzierung stattfindet bzw. zumindest statt-finden kann, sind die Konzepte, mit denen wir es im letzten Abschnitt zu tunhatten, in Bezug auf die Anderson-Taxonomie exakt an dieser Stelle anzubinden, bzw.regelrecht in die Konstruktion ”einzuhangen“, um es etwas anschaulicher auszudrucken.

Um die Brucke zu den betroffenen Ontologien zu schlagen, betrachte man die vonStaller eingefuhrte OWL-Property has knowledge, deren Definitionsbereich Lernzieleund deren Wertebereich Instanzen der OWL-Klasse staller.ak.kno:Knowledge bzw.einer ihrer Unterklassen sind.

Damit sind wir nun an einem Punkt angelangt, an dem es in zweierlei HinsichtKonsistenz in Bezug auf die Struktur didaktischer Ontologien zu erreichen gilt:

1. Der Einsatz unterschiedlicher, u. U. auch konkurrierender Zugange zum Begriffdes Konzepts soll moglich sein;

2. Konzepte mussen sinnvoll auf Lernziele bezogen werden, was in der Regel indirektuber (mehrere) Lernzieltaxonomien geschieht.

Um die beiden Ziele zu erreichen, wurde der folgende Ansatz gewahlt:

1. Samtliche OWL-Klassen, die ein eigenstandiges Konzeptverstandnis model-lieren, sind bzw. werden Unterklassen der neuen ”prototypischen“ Klasseobj:MetaConcept.

2. obj:MetaConcept selbst ist (o.B.d.A.5) zumindest Unterklasse vonstaller.ak.kno:B Conceptual knowledge.

5damit ist gemeint, dass obj:MetaConcept durchaus auch Unterklasse weiterer Klassen sein kann

8.6 Der Kompetenzbegriff im Kontext didaktischer Ontologien 125

3. Werden Konzepte im allgemeinen Sinn referenziert, so bezieht sich der Wertebe-reich rdfs:range zukunftig allein auf die Klasse obj:MetaConcept.

Das Verhaltnis der beteiligten Klassen untereinander illustriert Abbildung 8.3.

Abbildung 8.3: ”Plugin-System“ fur unterschiedliche Konzepte

Somit besteht mittels der OWL-Property has knowledge einerseits die Moglichkeit,konkrete Konzepte im Sinne eines jeweils gewunschten Konzeptbegriffs zu referenzieren,andererseits bietet die Kategorie staller.ak.kno:B Conceptual knowledge weiterhindie drei bekannten ”Sammelkategorien“ (vgl. Abb. 8.4).

8.6 Der Kompetenzbegriff im Kontext didaktischerOntologien

Im Abschnitt 7.2 habe ich mich mit der Frage beschaftigt, ob sich Lernziele determi-nistisch aus Kompetenzen deduzieren lassen. Zumindest wenn eine Allgemeingultigkeiteingehalten werden soll, die den Praxisbezug gewahrleistet, ist dieses Ansinnen in allerRegel zum Scheitern verurteilt.

Stattdessen versuchte ich, ausgehend von der Definition eines tragfahigenVerstandnisses von Kompetenz, in einer Art Leitfaden wenigstens einige Hinweise zugeben, die auf dem Weg von Kompetenzen zu Lernzielen hilfreich sein konnten.

Im Prinzip finden wir uns nun erneut mit diesem wenig zufriedenstellenden Er-gebnis konfrontiert: Hatten wir die Moglichkeit, zu einer vorgegebenen Kompetenzautomatisiert und deterministisch eine exakte Menge von Lernzielen zu ermitteln,


Abbildung 8.4: Anbindung konzeptuellen Wissens sowie mehrerer Konzeptbegriffe andie Anderson-Taxonomie

deren Erreichen notwendig und hinreichend fur die Entwicklung ebendieser Kompetenzist, so ergabe sich daraus auch formal ein starker Bezug zwischen Kompetenzen undLernzielen.

Da dem in der Regel nicht so ist, muss das Verhaltnis zwischen den beiden Konzeptenauch bei der Modellierung der Ontologien bescheiden ausfallen. Ich sehe fur Lernzieleeine Property obj:contributes to vor, welche ein Lernziel auf ein oder mehrereIndividuen der Klasse comp:Competence bezieht (man beachte die m : n-Beziehung).Damit ist lediglich die Aussage getroffen, dass das Lernziel l zur Entwicklung derKompetenz k beitragt.

Ebenso wie fur die Entwicklung einer konkreten Kompetenz in der Regel dasErreichen mehrerer Lernziele erforderlich ist, kann ein Lernziel Beitrage zur Entwick-lung mehrerer Kompetenzen leisten. Dementsprechende Freiheiten bestehen fur dieOWL-Property contributes to.

Ausgehend von Kompetenzen ließe sich uber die Definition einer entsprechendeninversen Eigenschaft (supported by o. a.) auf die beteiligten Lernziele ruckschließen.In diesem Zusammenhang ware es reizvoll zu untersuchen, wie sich diese auf die

8.7 Vorrangrelationen zwischen Lernzielen 127

Kategorien bzw. Felder der zugrundeliegenden Lernzieltaxonomie(n) verteilen.

Ein in praxi vollig unverzichtbarer Anhaltspunkt sind die allfalligen Abhangigkeitenzwischen Lernzielen. Diese finden im formalen Modell ihre Entsprechung in Vorrangre-lationen.

8.7 Vorrangrelationen zwischen Lernzielen

Bereits in Kapitel 2 habe ich die Struktur von Lernzielgraphen angesprochen, um aufdie Abhangigkeiten Bezug zu nehmen, welche zwischen Lernzielen bestehen. Schließlichtreten Lernziele niemals isoliert auf.

[Hub08] hat Lernziele aus dem Bereich der OOP untersucht und kommt zu demSchluss, dass sich zumindest harte und weiche Vorrangrelationen (VR, prerequisites)unterscheiden lassen.

Im Bereich der VR benotigen wir ”Transitivitat“ uber verschiedene Eigenschaftenhinweg:

Beispiel.

Sei L = {l1, l2, l3, ...} eine Menge von Lernzielen und gelten die beiden Tripel

l1-has hard prerequisite-l2 sowie

l2-has soft prerequisite-l3.

Ein Reasoner sollte hieraus

l1-has soft prerequisite-l3

folgern konnen. Dazu gibt es mehrere Moglichkeiten:

• has hard prerequisite wird als OWL-Subproperty vonhas soft prerequisite definiert, so dass jede harte VR implizit auch weich istund damit die Transitivitat der weichen VR greift (aus formal-logischer Sicht einreiner work-around).

• Alle moglichen/relevanten Minimalfalle (wie der im Beispiel) werden identifiziertund ihre Auflosungen als SWRL-Regeln spezifiziert.

• Eines der attraktivsten neuen Features von OWL 2.0 ist die Moglichkeit, sog.property chains (Eigenschaftsketten) zu definieren6. Diese leisten ebenfalls das

6kompakte und eingangige Lekture zu property chains: http://www.webont.org/owled/2008/papers/owled2008eu_submission_29.pdf


Gewunschte.

Die Beschaftigung mit der Frage, ob es - uber harte und weiche Vorrangrelationenhinaus - noch weitere Abhangigkeiten zwischen Lernzielen gibt, konnte zweifellos Ge-genstand einer eigenen, empirischen Forschungsarbeit sein. Demgegenuber steht einerImplementierung weiterer Abhangigkeiten als OWL-Properties nichts im Wege.

8.8 Gesamtzusammenhang der OWL-Klassen

Aus Abbildung 8.5 wird die Importstruktur der Ontologien ersichtlich.

CasselConcept.owl

Competence.owl

Anderson_cognitive_process.owl* Anderson_knowledge.owl*

Fuller.owl

Konzeptuelles_Wissen.owl*

Objective.owl

Fachontologie.owl

URL-Präfix: http://slacky.de/za/ont/<Filename>

* URL-Präfix: http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/<Filename>A importiert B

Anderson_objective.owl*

Abbildung 8.5: Importstruktur der beteiligten Ontologien

Die Zusammenhange zwischen den wesentlichen OWL-Klassen verdeutlicht die Klas-senhierarchie in Abbildung 8.6 (S. 135). Aus Grunden der Ubersichtlichkeit bleibensowohl gewisse Unterklassen von Stallers Ontologien, als auch einige OWL-Properties(z. B. zur Verknupfung Cassel’scher Konzepte) ausgespart.

Der Anhang A dieser Arbeit enthalt die OWL-/XML-Quelltexte von

• CasselConcept.owl

• Competence.owl

• Fuller.owl

• Objective.owl

8.9 Exemplarische Fachontologie als Anwendungsbeispiel 129

Fur einen detaillierten Einblick in die Struktur der Fachontologie(Fachontologie.owl) muss aus Platzgrunden auf die der Arbeit beiliegende CDverwiesen werden. Auch die automatisierte Erstellung entsprechender Visualisierungen(z. B. mit OWLViz, OWLPropViz, OntoViz, Jambalaya) gestaltet sich auf Basis dereingepflegten Daten (Lernziele, Konzepte, Kompetenzen, Abhangigkeiten) schwierig,da deren Umfang sich mit ublichen Darstellungsformaten nicht in Einklang bringenlasst. Erschwerend enthalten einige dieser Werkzeuge teils noch recht gravierendeFehler (z. B. OWLPropViz) bzw. Einschrankungen (z. B. OWLViz), die ein produktivesArbeiten zum Teil verhindern.

Dennoch gewahrt der folgende Abschnitt einen querschnittlichen Einblick in denkonkreten Aufbau der exemplarischen Fachontologie.

8.9 Exemplarische Fachontologie als Anwendungsbeispiel

8.9.1 Lernziele

Die Fachontologie stellt eine Auswahl von global, educational und instructionalobjectives bereit (GO, EO und IO), die unter Abarbeitung des in Kapitel 7 vorgestelltenLeitfadens dem Bereich OOM/OOP (10. Jahrgangsstufe) zugeordnet wurden.

Ich mochte eingangs betonen, dass die Entwicklung der exemplarischen Fachonto-logie in erster Linie dazu dienen soll, die praktische Einsatzfahigkeit der entwickeltenOntologiestrukturen zu untermauern. Die Menge der identifizierten Lernziele erhebtdabei keineswegs Anspruch auf Vollstandigkeit, sei es nun in Bezug auf einen ”Be-reich“ OOM/OOP, auf den Lehrplan der 10. Jahrgangsstufe oder auf das Erreichenganz bestimmter Kompetenzen. Dieser Umstand wird schon allein daran deutlich, dassdie meisten der vorgefundenen Lernziele bezuglich ihrer Wissensdimension im BereichKonzeptwissen anzusiedeln sind. Auf diese Weise soll die Leistungsfahigkeit des on-tologischen Konzeptmodells illustriert werden. Jedoch darf trotz dieser pragmatischenSchwerpunktsetzung beim geschatzten Leser keinesfalls der irrige Eindruck entstehen,Lernziele mit prozeduralen und/oder metakognitiven Komponenten seien im Praxisum-feld unterreprasentiert oder von geringerer Bedeutung.

Abbildung in die Ontologie

Die Lernziele wurden 1:1 in die Fachontologie integriert. Den eindeutigen (und i. S.der OWL-Property funktionalen) Formulierungen entsprechen dabei Instanzen vonxsd:string, die mittels obj:has verbalization referenziert werden.

Harte und weiche Vorrangrelationen zwischen Lernzielen wurden durch die entspre-chenden OWL-Properties abgebildet.

Bei den educational und instructional objectives wurde samtlich eine Einordnung indie Anderson- und die Fuller-Taxonomie vorgenommen.


Taxonomische Einordnung

Die bei der Taxonomierung der Lernziele getroffenen Entscheidungen werde ich nun aneinigen Beispielen begrunden und verteidigen. Die Kennzeichnung bzw. Nummerierungder Lernziele korrespondiert dabei mit der Fachontologie.

IO 1.5.”Der Lernende ist in der Lage, anhand eines Beispiels zu erlautern, dass die

Menge der tatsachlich eintretenden Zustande eine Untermenge des Zustandsraums bildet.“

AK-Koordinate B2

staller.ak.obj:has knowledge cassel.concept:IZustand

staller.ak.obj:has cognitive process staller.ak.cog:Contrasting

obj:has interpreting cat fuller:IUnderstand

obj:has producing cat fuller:INone

Das Erreichen dieses Lernziels setzt basal ein Verstandnis des Verhaltnisses zwischenTheorie und Praxis voraus. Die Freiheit zu eigenstandiger Wahl eines Beispiels erfordertein gewisses Maß an Kreativitat, wenngleich der Alltag der Lerner zahlreiche geeigneteSzenarien bereit halten sollte. Auf Wissensebene muss der Lerner mit der Definitionvon Zustand und Zustandsraum vertraut sein. Im Kern geht es darum, zwischenAnzahl und Qualitat der kombinatorisch moglichen Zustande auf der einen und dertatsachlich angenommenen Zustande auf der anderen Seite zu differenzieren (contras-ting/comparing) zu konnen. Dieser feinen Einteilung auf Anderson-Seite steht in derFuller-Taxonomie die vergleichsweise unscharfe Oberkategorie fuller:IUnderstandgegenuber.

(Nebenbemerkung: Der Umstand, dass es sich bei staller.ak.cog: 2 Understandund fuller:Understand um aquivalente OWL-Klassen handelt (vgl. Abb. 8.6), ließeaus technischer Sicht eine feinere Klassifizierung auch in der Fuller-Taxonomie zu, ohnedie Ontologie inkonsistent werden zu lassen. Ob eine solche ”Vermaschung“ zweierLernzieltaxonomien im Sinne des/der Erfinder(s) ist, sei hier dahingestellt. Jedenfallswerde ich von einer solchen Vorgehensweise absehen.)

Grundsatzlich bin ich der Meinung, dass Lernzielen, die eine Exemplifizierung vonSachverhalten fordern, in der Fuller-Taxonomie kein Producing-Ertrag zuzugestehenist. Fuller et al. geht es hier um ”the ability to design and build a new product“([FJT+07], S. 164), was implizit die Forderung nach etwas ”Greifbarem“ enthalt.

IO 1.4.”Der Lernende ist in der Lage, den Zustandsraum eines vorgegebenen Objekts

zu bestimmen.“


AK-Koordinate B4

staller.ak.obj:has knowledge cassel.concept:IZustandsraum

staller.ak.obj:has cognitive process staller.ak.cog:Discriminating

obj:has interpreting cat fuller:IAnalyze

obj:has producing cat fuller:IApply

Der Schwierigkeitsgrad fur das Erreichen dieses Lernziels ubertrifft die des soebenvorgestellten dahingehend, als hier ein (einfaches) Objekt vorgegeben wird, dessensamtliche Zustande zu bestimmen sind. Zweifellos korreliert der kognitive Anspruchstets mit der Komplexitat (und dem Bekanntheitsgrad) des jeweiligen Objekts. DerLerner hat die Bedeutung des Konzepts ”Zustandsraum“ zu entschlusseln und gewissevorher eingeubte Analysetechniken auf das Objekt anzuwenden.

IO 10.14.1.”Der Lernende ist in der Lage, Objekte/Daten hinsichtlich ihrer strukturel-

len Unterschiede zu beurteilen.“

AK-Koordinate B5

staller.ak.obj:has knowledge cassel.concept:IDatenstruktur

staller.ak.obj:has cognitive process staller.ak.cog:Judging

obj:has interpreting cat fuller:IEvaluate

obj:has producing cat fuller:INone

Dieses Lernziel ist bereits von seiner Formulierung her klar anwendungsorientiertund soll auf die sinnvolle Organisation von Information in Datenstrukturen hinarbei-ten. Die verbale Beschreibung der zugehorigen Kompetenz C 20 lautet immerhin

“Schuler strukturieren Sachverhalte durch zweckdienliches Zerlegen und Anordnen.“

Hinsichtlich des kognitiven Prozesses ist das Lernziel klar der Kategorie Evaluate zu-gehorig. Obwohl der Formulierung nicht unmittelbar zu entnehmen ist, dass der Lernerbei seiner Bewertungstatigkeit bekannte Datenstrukturen ”im Hinterkopf“ haben soll,ist dieses Konzept gerade im Kontext von OOM/OOP die zutreffende Wissenskategorie.

IO 10.6.1.”Der Lernende ist in der Lage, die Kontrollstrukturen der ein- und zweiseiti-

gen Auswahl in einer Programmiersprache abzubilden.“


AK-Koordinate B3

staller.ak.obj:has knowledge cassel.concept:IAuswahl

staller.ak.obj:has cognitive process staller.ak.cog:Using


obj:has producing cat fuller:IApply

Hier geht es um die Implementierung einer zuvor kennengelernten grundlegendenKontrollstruktur in einer Programmiersprache. Ausgehend von der Annahme, dassdie zugehorigen Sprachkonstrukte (syntaktische Ebene) bekannt sind, bedarf es desVerstandnisses fur die Anwendung von Fallunterscheidungen an einem konkretenSzenario bzw. fur die grundsatzliche Struktur, soll nur ein abstrakter Rumpf imple-mentiert werden.

IO 2.5.”Der Lernende ist auf der Basis eines grundlegenden Verstandnisses vom

Laufzeitverhalten eines Programms in der Lage, Anweisungen zu implementieren, die eineWartezeit realisieren.“

AK-Koordinate B6

staller.ak.obj:has knowledge cassel.concept:IWartezeit

staller.ak.obj:has cognitive process staller.ak.cog:Constructing


obj:has producing cat fuller:ICreate

An diesem Lernziel lassen sich m. E. besonders deutlich einige Vorzuge der Fuller-Taxonomie erkennen. So besteht hinsichtlich der beiden Dimensionen Interpretingund Producing durchaus eine Diskrepanz in der Komplexitat. Selbstverstandlichfußt das Lernziel auf der Annahme, dass die verwendete Programmiersprache keinsleep-Konstrukt o. a. vorsieht (dies ist beispielsweise in EOS der Fall). Vielmehrwird darauf abgezielt, dass Lerner eine grundsatzliche Vorstellung von den beimProgrammablauf beteiligten Prozessen zu nutzen, um die Wartezeit mit Hilfe einerbereits bekannten Kontrollstruktur (Wiederholung) zu realisieren7.

Das eigentliche Lern- und Transferpotential im kognitiven Bereich liegt alsosozusagen zwischen den beiden Polen Understand (Theorie) und Create (Praxis) -vgl. hierzu auch [FJT+07], S. 164). Diesen Umstand vermag die Einordnung in dieAnderson-Taxonomie nur sehr beschrankt zu vermitteln.

Genauso kann man dieses Lernziel als plakatives Beispiel dafur betrachten, wie sehr

7Effizienzgesichtspunkte spielen hier keine Rolle


die (korrekte) Klassifikation in einer Lernzieltaxonomie von dem Erfahrungs- und Wis-senshorizont abhangt, den die Lerner bisher erreicht haben.

8.9.2 Konzepte

Bei der Einbettung der zugehorigen Konzepte bin ich dem Modell von Cassel et al.gefolgt. Samtliche Konzepte werden sowohl als Individuen, als auch als OWL-Klassenreprasentiert, um zum einen alle vorliegenden Abhangigkeiten (die vielfach ”quer“ zurKlassenhierarchie liegen konnen, man denke an die uses-Relation) berucksichtigen zukonnen und zum anderen dem nativen, hierarchischen Verhaltnis der Konzepte undUnterkonzepte Rechnung tragen zu konnen. Insbesondere erlaubt erst das Systemder OWL-Klassen eine Visualisierung mit Protege-Plugins wie OWLViz (vgl. dieAbbildungen 8.7 und 8.8).

Auf der Ebene der OWL-Instanzen wurde von den Properties uses und has partGebrauch gemacht, so z. B. bei

• IMethode uses IBezeichner ;

• IVererbung has part IGeneralisierung.

• IZustandsraum uses IUntermenge.

Die OWL-Klassenzugehorigkeiten liefern auf naturliche Weise die is a-Beziehungen:

• Java is a Objektorientierte Sprache;

• Konstruktor is a Methode;

• Feld is a Datenstruktur.

8.9.3 Kompetenzen

Um die Lernziele in einen großeren Zusammenhang stellen zu konnen, werden dieseuber die OWL-Property obj:contributes to auf geeignete, aus der GI-Expertiseentlehnte Kompetenzen (comp:Competence) bezogen. Dabei kann ein Lernziel denErwerb mehrerer Kompetenzen unterstutzen.

Eine weitere Bindung der beiden Konzepte findet nicht statt. Solange sich dahinge-hend keine gesicherten wissenschaftlichen Erkenntnisse ergeben, muss ihir Bezug ausformaler Sicht derzeit als rudimentar bezeichnet werden (vgl. auch Abb. 8.6).


8.9.4 Exemplarischer Auszug aus Objektbeziehungen

Um die Aussagekraft der Darstellung in der Abb. 8.9 (S. 137) nicht leiden zu lassen,habe ich mich auf die Wiedergabe der Vorrangrelationen und der Assoziationen zuKompetenzen beschrankt. Fur die taxonomische Anbindung wird auf die Klassenhier-archie in Abb. 8.6 bzw. die Ansicht der digitalen Fachontologie in einem OWL-Editorwie Protege verwiesen.

Die Formulierungen der beteiligten Lernziele und Kompetenzen(has verbalization) konnen aus Anhang B und der Fachontologie ersehen wer-den.


fuller:FullerTaxonomy

Interpreting Producing

Analyze

Evaluate

Remember

Understand

None

Apply

Create

obj:ObjectiveEducationalObjective

InstructionalObjective

GlobalObjective

comp:Competence

staller.ak.kno:Knowledge

staller.ak.cog:Cognitive_process

A_Factual_knowledge

B_Conceptual_knowledge

C_Procedural_knowledge

D_Metacognitive_knowledge

cassel.concept:Concept

Namensräume:

cassel.concept http://slacky.de/za/ont/CasselConcept.owl#

comp http://slacky.de/za/ont/Competence.owl#

fuller http://slacky.de/za/ont/Fuller .owl#

obj http://slacky.de/za/ont/Objective.owl#

staller .ak.cog http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Anderson_cognitive_process.owl#

staller .ak.kno http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Anderson_knowledge.owl#

staller .concept http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Konzeptuelles_Wissen.owl#

staller .obj http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Anderson_objective.owl#

staller.concept:Konzept

_1_Remember

_2_Understand

_4_Analyze

_3_Apply

_5_Evaluate

_6_Create

-contributes_to

* *

0..1

-has_interpreting_cat

*

0..1

-has_producing_cat

*

-has_knowledge

*

0..1

-has_cognitive

_process

*

0..1

obj:MetaConcept

staller.ak.obj:Objective

Anmerkung: Mit derselben

Farbe markierte Klassen sind

äquivalent i. S. v.

owl:equivalentClass .

Abbildung 8.6: Klassenhierarchie


Abbildung 8.7: Exemplarische Klassenhierarchie fur Beziehungen aus der OOM

Abbildung 8.8: Exemplarische Klassenhierarchie fur Diagramme aus der OOM

8.9E

xemplarische

Fachontologieals

Anw

endungsbeispiel137

IO_10.14.2

IO_10.13.1

IO_10.13.7

IO_10.13.6

IO_10.13.5

IO_10.13.3

IO_10.13.4

IO_10.13.2

EO_10.13

has_hard_prerequisite

has_soft _prerequisite



has_soft_prerequisite

has_soft_prerequisite




C_20

contrib

utes_to

C_15

contributes_to

C_21

contributes_to

C_19contributes_to

C_18

contributes_to

C_22

contributes_to

C_26

contributes_to

IO_10.13.8

contributes_to

IO_10.13.2

C_15

contributes_to

Abbildung 8.9: Exemplarische Objekthierarchie: Beziehungen zwischen Lernzielen

138

9 Zusammenfassung und Ausblick

9.1 Zusammenfassung

In dieser Arbeit standen Ontologien fur Lernzieltaxonomien sowie fur Lernzielstruk-turen aus der Informatik im Zentrum der Aufmerksamkeit. Dabei wurden zwei Zieleverfolgt:

Zum einen sollte ein fundierter und vollstandiger Uberblick uber alle relevantenAspekte des Gesamtzusammenhangs gegeben werden, in den Fragestellungen didakti-scher Ontologien immer eingebettet sind (und sein mussen). Aktuelle Entwicklungendurften dabei nicht ausgeblendet bleiben.

Zum anderen ging es um die Prufung und Wurdigung bestehender Ansatze, dieauf Basis der gewonnenen Erkenntnisse hinterfragt, kommentiert und erweitertwurden. Dem dabei entstandenen Satz an Ontologien wurde bewusst eine hinreichendausfuhrliche und moglichst anschauliche Dokumentation zur Seite gestellt (Kapitel 8).Die Entwicklung eines Anwendungsbeispiels an fachlichen Inhalten aus dem BereichOOM/OOP schließlich soll einen vorlaufigen Beweis fur Kurt Lewins Behauptung([Lew91], S. 169)

”Es gibt nichts Praktischeres als eine gute Theorie“

liefern.

Kapitel 2 nahm Bezug auf unabdingbare didaktische Grundlagen und legte denSchwerpunkt auf Belange lernzielorientierter Didaktik. Anschließend wurde das Klas-sifizierungsraster der Lernzieltaxonomien vorgestellt, wobei ich auf die historischenArbeiten von Bloom, Anderson, Krathwohl et al. sowie auf die Abhandlung vonFuller et al. eingegangen bin. Mit dem Konzept der Lernzielgraphen versuchte ich dieNotwendigkeit zu motivieren, Abhangigkeiten zwischen Lernzielen zu erkennen undihnen zu folgen.

Das Kapitel 3 widmete sich nationalen Bildungsstandards und zeigte auf, welcheAnforderungen an ”gute“ Standards zu stellen sind. Nach einem Exkurs uber europa-weite Bestrebungen, vergleichbare Abschlusse zu schaffen, ging ich auf die von der GIvorgelegte Expertise zu Bildungsstandards in der Informatik ein.

Der vormals geradezu schillernde Begriff des E-Learning war Gegenstand von Ka-

9.1 Zusammenfassung 139

pitel 4, welches eingangs einige wohlweislich sehr unterschiedliche Definitionsversuchegegenuberstellte. Bestehende E-Learning-Standards wurden vorgestellt und auf ihredidaktische Essenz hin abgeklopft.

In Kapitel 5 habe ich eine technische Einfuhrung in das Phanomen des SemanticWeb und speziell in die Wissensstruktur der Ontologien vorgenommen. Als Auszeich-nungssprache kam die Web Ontology Language (OWL) zum Einsatz, deren Syntaxund Semantik - der naturlichen Schichtung folgend - erlautert wurde.

Bestehende Forschungsarbeiten auf dem Gebiet didaktischer Ontologien griff dasKapitel 6 auf. An ihnen kommt weder eine Uberblicksarbeit zum Thema vorbei,noch ware es sinnvoll gewesen, bei der Entwicklung der Ontologien uber die dortentwickelten Herangehensweisen hinwegzusehen.

Kapitel 7 beschaftigte sich zunachst mit der Frage der Deduzierbarkeit von Lern-zielen aus Kompetenzen und entwickelte parallel einen Leitfaden fur die Formulierungkonkreter Lernziele. Anschließend nahm ich den Informatik-Lehrplan der Jahrgangs-stufe 10 als Ausgangspunkt, um im Einzelnen auf fachliche Zusammenhange im BereichOOM/OOP einzugehen. Dabei ist eine Lernzielsammlung mittleren Umfangs entstan-den, die zugleich Bestandteil des Anwendungsbeispiels - namlich einer exemplarischenFachontologie - ist.

Auf die Uberlegungen und Entwurfsentscheidungen, die mit der Modellierung derim Rahmen dieser Arbeit entstandenen Ontologien verbunden sind, bezog sich dasKapitel 8. Der Autor hofft, dass es eine eintragliche Lekture fur das Verstandnis derZusammenhange und der technischen Hintergrunde bildet. Zahlreiche Abbildungenillustrieren die Struktur der Ontologien. Gegen Ende des Kapitels lieferte ich re-prasentative Auszuge aus der exemplarischen Fachontologie, die sich aus Platzgrundennur auf der CD befindet.

In der Summe seiner Betrachtungen, Studien und Uberlegungen konstatiert derAutor, dass didaktische Ontologien eine prachtige Basis fur ubiquitous learning -das ”Uberall-Lernen“ - bilden. Die Existenz bzw. Breite einiger Abschnitte dieserArbeit ist sicherlich ihrem Uberblickscharakter geschuldet - doch auch jenseits diesesGesamtzusammenhangs kommt m. E. jedem einzelnen Kapitel wichtige Bedeutung zu,wenn es darum geht, Fragen moderner Lehr-Lernkultur (und damit auch didaktischerOntologien!) verantwortungsvoll und wissenschaftlich begrundet in den Blick zunehmen.

Besonders reizvoll erschien dem Autor bei der Bearbeitung immer wieder der dreifa-che Bezug, der die Aufgabenstellung mit der Informatik verbindet:

• Ontologien als Wissensstrukturen sind ein Teilgebiet der Informatik als Wissen-schaft;

140 9 Zusammenfassung und Ausblick

• die entwickelte exemplarische Fachontologie enthalt Lernzielstrukturen aus derInformatik als Unterrichtsfach;

• alle Bemuhungen erfolgen mit Blick auf ein ontologiebasiertes E-Learning-System.

Verkurzt ausgedruckt ging es also darum, die Vermittlung von Kenntnissen (hier:aus der Informatik) durch die Nutzung von Ontologien als einem Konzept der Infor-matik zu unterstutzen, indem Lernende mit entsprechender Software (LMS) auf einemInformatiksystem kommunizieren.

9.2 Computer, Internet und Schulen in 20 Jahren (?)

Einem Zufallsfund auf der MIB-Mailingliste1 ist der Umstand zu verdanken, dass derAutor in der Abschlussphase der vorliegenden Arbeit auf eine aktuelle Abhandlunguber moglicherweise ins Haus stehende Entwicklungen im Bereich elektronisch un-terstutzten Lernens aufmerksam geworden ist.

Werner Hartmann, Leiter des Fachbereichs E-Learning am Zentrum fur Bildungs-informatik der PH Bern hat kurzlich zehn Thesen aufgestellt, wie sich ”Computer,Internet und Schulen in 20 Jahren“ von heutigen Verhaltnissen unterscheiden konnten([Har08]).

Wenngleich Hartmann dadurch nur eine Richtung beschwort, mochte ich dieseKumulation von (m. E. teilweise recht gewagten) Thesen kurz zum Anlass nehmenaufzuzeigen, dass ”Veranderung allein um der Veranderung willen“ nicht dazu geeignetist, Lernprozesse zu optimieren. So lautet These 3 (S. 37) lapidar:

”In zehn Jahren spricht niemand mehr von den heutigen Lernplattformen.“

Statt dessen hat Hartmann eine Vision:

”Web 2.0-Dienste bieten die einzelnen Dienste von Lernplattformen im Baukasten-system und modernem Erscheinungsbild an: Blogs, Wikis, Chats, Foren etc. lassensich mit wenigen Mausklicks erstellen und in Form von sogenannten Mashups zu einerWeb 2.0-Lernplattform zusammenfassen.“

Geht man von einer didaktisch verantworteten Definition des Begriffs ”Lernplatt-form“ aus, so ist ein solches Ansinnen hochgefahrlich. Ginge es nach Hartmann,so wurde die (von ihm selbst angeprangerte) ”Hype-Phase des E-Learning“ durcheinen (sicher nicht minder ekstatischen) Web 2.0-Hype abgelost werden. Eine solche

”Entkernung“ von E-Learning durch unkoordinierte und ”schnell zusammengeklickte“Web 2.0-”Dienste“, wie sie obiges Zitat in Aussicht stellt, konnte sich fur die Lerner

1MIB: Medienpadagogisch-informationstechnische Beratung

9.3 Ausblick 141

im Nachhinein als Barendienst herausstellen.

”Investitionen in starre, oft proprietare und zentralistisch ausgerichtete Lernplatt-formen sollten deshalb heute kritisch hinterfragt werden.“

In diesem Punkt kann man Hartmann zustimmen: So arbeiten auch Ontologienals Wissensstruktur prinzipbedingt dem verteilten Wissen zu und stellen mit ihremPlug-in-Konzept eine offene Plattform zur Verfugung.

Trotz alledem konnte der Autor dieser Thesen insofern recht behalten, als in zehnJahren vielleicht wirklich ”niemand mehr von den heutigen Lernplattformen“ spricht.Dass angesichts bestehender E-Learning-Systeme der dringende Bedarf fur deren Wei-terentwicklung besteht, ist der kleinste gemeinsame Nenner mit Hartmann und stelltaußerdem eine Art Nabelschnur fur didaktische Ontologien dar. In der vorliegendenArbeit habe ich versucht zu illustrieren, welche wichtigen Beitrage Ontologien bei derEntwicklung elektronisch unterstutzten Lernens leisten konnen. Dazu bedarf es jedochin jeder Phase der kontinuierlichen padagogischen, didaktischen und fachdidaktischenFundierung und Begleitung.

Sollte sich Hartmanns These 3 (ungeachtet seiner weiteren Ausfuhrungen) alsobewahrheiten, so sehe ich darin (ubrigens auch schon im Vorfeld!) eine unmittelbareChance und Herausforderung fur die weitere Forschungstatigkeit auf dem Gebietdidaktischer Ontologien.

Nebenbemerkung: An und fur sich sollten m. E. auch die ubrigen Thesen Hartmannseiner weitergehenden Betrachtung aus didaktischer Sicht unterzogen werden. Eine sol-che wurde jedoch den Rahmen dieser Arbeit sprengen.

9.3 Ausblick

Die vorliegende Arbeit bietet einige Anknupfungspunkte fur die weitere For-schungstatigkeit, auf die ich nun kurz hinweisen mochte.

• Der Entwicklungsstand im Bereich didaktischer Ontologien am Fachgebiet stelltm. E. inzwischen ein solides Fundament fur die elektronische Planung, Vor-bereitung und Unterstutzung von Lernprozessen dar. Eine konsequente Fort-setzung lage nun in der Entwicklung geeigneter Algorithmen und Routinenfur E-Learning-Systeme, die in der Lage sind, sich regelrecht ”auf“ der Wis-sensbasis zu bewegen und durch fachlich anerkannte Vorgehensweisen wiePfaduberdeckungstests mogliche Lernpfade zu inferieren (vgl. Abhangigkeitenzwischen Lernzielen, Traversierung der Fuller-Taxonomie etc.). Bei der Naviga-tion uber identifizierte Lernpfade werden dann weitere Randbedingungen (Vor-wissen der Lerner) eine Rolle spielen. Bei entsprechendem Prototyping konnte z.

142 9 Zusammenfassung und Ausblick

B. gepruft werden, inwieweit die graph-basierte Anfragesprache SPARQL2 eineMoglichkeit darstellt, entsprechendes Wissen aus Fachontologien zu extrahieren.

• Die Frage nach dem Verhaltnis von Lernzielen und Kompetenzen mutet mir in-zwischen schon fast wie ein semi-entscheidbares Problem an. Derzeit ist nur eineeinfache contributes to-Relation vorgesehen. Um hier mehr Klarheit zu erhal-ten, waren tiefgehende Forschungsarbeiten (mit empirischem Bezug?) vorstellbar.Man konnte versuchen, Kompetenzen sinnvoll zu den acht Kategorien des in Kapi-tel 3 vorgestellten European Qualifications Framework (EQF) in Bezug zu setzen,damit erstere etwas ”handhabbarer“ werden.

• Wie ich schon im zugehorigen Kapitel angedeutet habe, steht noch eine em-pirische Untersuchung aus, ob sechs der sieben Kategorien in der Fuller-Taxonomie tatsachlich mit denen der kognitiven Dimension bei Anderson et al.ubereinstimmen, wie es die jeweils identischen Bezeichnungen suggerieren.

• Ebenso offen bleibt die Frage, welche weiteren Abhangigkeiten zwischen Lern-zielen bestehen. Ggf. mussen auch entsprechende Regel(unge)n zur Priorisierungbestimmter Vorrangrelationen entwickelt werden (SWRL, OWL 2.0, ...).

• Gerade in Anbetracht der Tatsache, dass der G8-Lehrplan der Jahrgangsstufe 10im Schuljahr 2008/09 seinen Einstand feiern konnte3, werden sich zur theoreti-schen Beschaftigung mit der Materie alsbald erfahrungswissenschaftliche Erkennt-nisse hinzugesellen. Dadurch kann Material zur Schaffung weiterer Fachontologienmit ganz konkreten (und erprobten!) Lernzielen, Konzepten etc. entstehen. DieEntwicklung von Fachontologien sollte auch uber das Fach Informatik hinausverfolgt werden, um eventuelle bisher verborgen gebliebene Unzulanglichkeitenbestehender Ontologien aufdecken zu konnen.

Nachdem entsprechende Ansatze ihre Legitimation, ihre Leistungsfahigkeit undihr Potential bereits mehrfach unter Beweis stellen konnten, sind dem weitlaufigenForschungsgebiet didaktischer Ontologien - nicht nur angesichts der hochvernetztenZusammenhange im Bereich OOM/OOP - auch weiterhin nachhaltige Fortschritte zuwunschen. Spatestens wenn eine lauffahige LMS-Losung vorliegt, konnten Ontologienals Konzept des Semantic Web zu einem Silberstreif am Horizont des E-Learningwerden.

2SPARQL Protocol And RDF Query Language3oder sollte eher von einer Feuertaufe die Rede sein?

143

A Ontologien

A.1 CasselConcept.owl

1 <?xml version="1.0"?>

2 <rdf:RDF

3 xmlns="http: // slacky.de/za/ont/CasselConcept.owl#"

4 xmlns:rdf="http: //www.w3.org /1999/02/22 -rdf -syntax -ns#"

5 xmlns:owl="http: //www.w3.org /2002/07/ owl#"

6 xmlns:xsd="http: //www.w3.org /2001/ XMLSchema#"

7 xmlns:rdfs="http://www.w3.org /2000/01/rdf -schema#"

8 xml:base="http: // slacky.de/za/ont/CasselConcept.owl">

9 <owl:Ontology rdf:about=""/>

10 <owl:Class rdf:ID="Concept"/>

11 <owl:TransitiveProperty rdf:ID="used_by">

12 <rdfs:range rdf:resource="#Concept"/>

13 <rdfs:domain rdf:resource="#Concept"/>

14 <rdf:type rdf:resource="http: //www.w3.org /2002/07/ owl#ObjectProperty"/>

15 <rdfs:comment rdf:datatype="http://www.w3.org /2001/ XMLSchema#string"

16 >Specifies that one concept is used by another (e. g. "hashing" is used by "

dictionary")</rdfs:comment >

17 <owl:inverseOf >

18 <owl:TransitiveProperty rdf:ID="uses"/>

19 </owl:inverseOf >

20 </owl:TransitiveProperty >

21 <owl:TransitiveProperty rdf:ID="is_a">





26 >Simply following the class relation (subconcepts)</rdfs:comment >


28 <owl:TransitiveProperty rdf:ID="has_part">




32 <owl:inverseOf >

33 <owl:TransitiveProperty rdf:ID="part_of"/>



36 <owl:TransitiveProperty rdf:about="#uses">

37 <owl:inverseOf rdf:resource="#used_by"/>





42 <owl:TransitiveProperty rdf:about="#part_of">


44 >Specifies that one concept is part of another (e. g. "hash table" is a part

of "hashing")</rdfs:comment >


46 <owl:inverseOf rdf:resource="#has_part"/>



144 A Ontologien


50 <Concept rdf:ID="IConcept"/>

51 </rdf:RDF >

52

53 

A.2 Fuller.owl


2 <rdf:RDF


4 xmlns:protege="http:// protege.stanford.edu/plugins/owl/protege#"



7 xmlns="http:// slacky.de/za/ont/Fuller.owl#"


9 xmlns:staller.ak.cog="http://ddi.in.tum.de/fileadmin/material/Staller/

Ontologien/Anderson_cognitive_process.owl#"

10 xml:base="http: // slacky.de/za/ont/Fuller.owl">

11 <owl:Ontology rdf:about="">

12 <owl:imports rdf:resource="http://ddi.in.tum.de/fileadmin/material/Staller/

Ontologien/Anderson_cognitive_process.owl"/>

13 </owl:Ontology >

14 <owl:Class rdf:ID="Remember">

15 <rdfs:subClassOf >

16 <owl:Class rdf:ID="Interpreting"/>

17 </rdfs:subClassOf >

18 <owl:equivalentClass rdf:resource="http://ddi.in.tum.de/fileadmin/material/

Staller/Ontologien/Anderson_cognitive_process.owl#_1_Remember"/>

19 <owl:disjointWith >

20 <owl:Class rdf:ID="Evaluate"/>

21 </owl:disjointWith >


23 <owl:Class rdf:ID="Understand"/>



26 <owl:Class rdf:ID="Analyze"/>


28 </owl:Class >

29 <owl:Class rdf:about="#Understand">


31 <owl:Class rdf:about="#Interpreting"/>



Staller/Ontologien/Anderson_cognitive_process.owl#_2_Understand"/>


35 <owl:Class rdf:about="#Evaluate"/>


37 <owl:disjointWith rdf:resource="#Remember"/>


39 <owl:Class rdf:about="#Analyze"/>


41 </owl:Class >

42 <owl:Class rdf:about="#Evaluate">





Staller/Ontologien/Anderson_cognitive_process.owl#_5_Evaluate"/>

47 <owl:disjointWith rdf:resource="#Understand"/>

A.2 Fuller.owl 145




52 </owl:Class >

53 <owl:Class rdf:ID="Apply">


Staller/Ontologien/Anderson_cognitive_process.owl#_3_Apply"/>


56 <owl:Class rdf:ID="None"/>



59 <owl:Class rdf:ID="Create"/>



62 <owl:Class rdf:ID="Producing"/>


64 </owl:Class >

65 <owl:Class rdf:about="#Create">


67 <owl:Class rdf:about="#None"/>


69 <owl:disjointWith rdf:resource="#Apply"/>


71 <owl:Class rdf:about="#Producing"/>



Staller/Ontologien/Anderson_cognitive_process.owl#_6_Create"/>

74 </owl:Class >

75 <owl:Class rdf:about="#None">

76 <owl:disjointWith rdf:resource="#Create"/>

77 <owl:disjointWith rdf:resource="#Apply"/>




81 </owl:Class >

82 <owl:Class rdf:about="#Analyze">

83 <owl:disjointWith rdf:resource="#Understand"/>


85 <owl:disjointWith rdf:resource="#Evaluate"/>





Staller/Ontologien/Anderson_cognitive_process.owl#_4_Analyze"/>

90 </owl:Class >

91 <owl:Class rdf:about="#Producing">




95 <rdfs:comment xml:lang="en">The ability to design and build a new product </

rdfs:comment >


97 <owl:Class rdf:ID="FullerTaxonomy"/>



100 <owl:Class >

101 <owl:unionOf rdf:parseType="Collection">

102 <owl:Class rdf:about="#None"/>

103 <owl:Class rdf:about="#Apply"/>

104 <owl:Class rdf:about="#Create"/>

105 </owl:unionOf >

106 </owl:Class >


146 A Ontologien

108 </owl:Class >

109 <owl:Class rdf:about="#Interpreting">


111 <owl:Class rdf:about="#FullerTaxonomy"/>



114 <owl:Class >


116 <owl:Class rdf:about="#Remember"/>

117 <owl:Class rdf:about="#Understand"/>


119 <owl:Class rdf:about="#Evaluate"/>

120 </owl:unionOf >

121 </owl:Class >


123 <owl:disjointWith rdf:resource="#Producing"/>

124 <rdfs:comment xml:lang="en">The ability to understand and interpret an

existing product (i. e., program code)</rdfs:comment >

125 </owl:Class >

126 <owl:Class rdf:about="#FullerTaxonomy">

127 <owl:equivalentClass >

128 <owl:Class >




132 </owl:unionOf >

133 </owl:Class >

134 </owl:equivalentClass >

135 <rdfs:comment xml:lang="en">NOTE: Fuller et al. have adopted the names of

their levels from the revised version of Bloom’s, as they feel that they

are sufficiently unambiguous .</rdfs:comment >

136 </owl:Class >

137 <None rdf:ID ="INone"/>

138 <Remember rdf:ID =" IRemember"/>

139 <Apply rdf:ID =" IApply"/>

140 <Understand rdf:ID =" IUnderstand "/>

141 <Create rdf:ID =" ICreate"/>

142 <Evaluate rdf:ID =" IEvaluate"/>

143 <Analyze rdf:ID =" IAnalyze"/>

144 </rdf:RDF >

145

146 

A.3 Competence.owl


2 <rdf:RDF



5 xmlns="http:// slacky.de/za/ont/Competence.owl#"


7 xmlns:rdfs="http: //www.w3.org /2000/01/rdf -schema#"

8 xml:base="http: // slacky.de/za/ont/Competence.owl">

9 <owl:Ontology rdf:about=""/>

10 <owl:Class rdf:ID="Competence">

11 <rdfs:subClassOf rdf:resource="http://www.w3.org /2002/07/ owl#Thing"/>


13 <owl:Restriction >

14 <owl:onProperty >

15 <owl:FunctionalProperty rdf:ID="has_verbalization"/>

16 </owl:onProperty >

A.4 Objective.owl 147

17 <owl:cardinality rdf:datatype="http://www.w3.org /2001/ XMLSchema#int"

18 >1</owl:cardinality >

19 </owl:Restriction >


21 </owl:Class >

22 <owl:FunctionalProperty rdf:about="#has_verbalization">

23 <rdfs:domain rdf:resource="#Competence"/>

24 <rdfs:range rdf:resource="http://www.w3.org /2001/ XMLSchema#string"/>

25 <rdf:type rdf:resource="http: //www.w3.org /2002/07/ owl#DatatypeProperty"/>

26 </owl:FunctionalProperty >

27 </rdf:RDF >

28


stanford.edu -->

A.4 Objective.owl


2 <rdf:RDF

3 xmlns:protege="http:// protege.stanford.edu/plugins/owl/protege#"

4 xmlns:staller.ak.obj="http://ddi.in.tum.de/fileadmin/material/Staller/

Ontologien/Anderson_objective.owl#"

5 xmlns:staller.ak.cog="http://ddi.in.tum.de/fileadmin/material/Staller/

Ontologien/Anderson_cognitive_process.owl#"


7 xmlns:fuller="http:// slacky.de/za/ont/Fuller.owl#"

8 xmlns:cassel.concept="http: // slacky.de/za/ont/CasselConcept.owl#"

9 xmlns:staller.concept="http://ddi.in.tum.de/fileadmin/material/Staller/

Ontologien/Konzeptuelles_Wissen.owl#"


11 xmlns:comp="http:// slacky.de/za/ont/Competence.owl#"

12 xmlns:staller.ak.kno="http://ddi.in.tum.de/fileadmin/material/Staller/

Ontologien/Anderson_knowledge.owl#"


14 xmlns="http:// slacky.de/za/ont/Objective.owl#"


16 xml:base="http: // slacky.de/za/ont/Objective.owl">

17 <owl:Ontology rdf:about="">

18 <owl:imports rdf:resource="http:// slacky.de/za/ont/Fuller.owl"/>

19 <owl:imports rdf:resource="http:// slacky.de/za/ont/Competence.owl"/>

20 <owl:imports rdf:resource="http:// slacky.de/za/ont/CasselConcept.owl"/>


Ontologien/Konzeptuelles_Wissen.owl"/>


Ontologien/Anderson_objective.owl"/>

23 </owl:Ontology >

24 <owl:ObjectProperty rdf:about="http://www.w3.org /2003/11/ swrl#argument2"/>

25 <owl:ObjectProperty rdf:ID="is_soft_prerequisite_of">

26 <rdfs:domain >

27 <rdf:Description rdf:about="http://ddi.in.tum.de/fileadmin/material/

Staller/Ontologien/Anderson_objective.owl#Objective">


29 <owl:Restriction >

30 <owl:cardinality rdf:datatype="http://www.w3.org /2001/ XMLSchema#int"

31 >1</owl:cardinality >

32 <owl:onProperty rdf:resource="http: // slacky.de/za/ont/Competence.owl

#has_verbalization"/>

33 </owl:Restriction >


35 </rdf:Description >

36 </rdfs:domain >

148 A Ontologien

37 <rdfs:range rdf:resource="http://ddi.in.tum.de/fileadmin/material/Staller/

Ontologien/Anderson_objective.owl#Objective"/>

38 <owl:inverseOf >

39 <owl:ObjectProperty rdf:ID="has_soft_prerequisite"/>


41 </owl:ObjectProperty >

42 <owl:ObjectProperty rdf:ID="has_hard_prerequisite">

43 <rdfs:domain rdf:resource="http://ddi.in.tum.de/fileadmin/material/Staller/


44 <owl:inverseOf >

45 <owl:ObjectProperty rdf:ID="is_hard_prerequisite_of"/>





49 <owl:ObjectProperty rdf:ID="contributes_to">



51 <rdfs:range rdf:resource="http:// slacky.de/za/ont/Competence.owl#Competence"

/>


53 >Objectives contribute to achieving one or more certain competence(s).</

rdfs:comment >


55 <owl:ObjectProperty rdf:about="#is_hard_prerequisite_of">





58 <owl:inverseOf rdf:resource="#has_hard_prerequisite"/>


60 <owl:ObjectProperty rdf:about="#has_soft_prerequisite">





63 <owl:inverseOf rdf:resource="#is_soft_prerequisite_of"/>


65 <owl:FunctionalProperty rdf:ID="has_interpreting_cat">

66 <rdfs:range rdf:resource="http:// slacky.de/za/ont/Fuller.owl#Interpreting"/>




69 >Links an objective to exactly one "interpreting" category as proposed by

Fuller et al.</rdfs:comment >



72 <owl:FunctionalProperty rdf:ID="has_producing_cat">



75 >Links an objective to exactly one "producing" category as proposed by

Fuller et al.</rdfs:comment >



77 <rdfs:range rdf:resource="http:// slacky.de/za/ont/Fuller.owl#Producing"/>


79 <owl:FunctionalProperty rdf:ID="has_verbalization">


81 >Exact verbalization of a learning objective </rdfs:comment >

82 <rdfs:range rdf:resource="http://www.w3.org /2001/ XMLSchema#string"/>



84 <rdf:type rdf:resource="http: //www.w3.org /2002/07/ owl#DatatypeProperty"/>

A.4 Objective.owl 149


86 <rdf:Description rdf:about="http://ddi.in.tum.de/fileadmin/material/Staller/

Ontologien/Anderson_objective.owl#Educational_objective">


88 >Derived from global objectives by breaking them down into more focused ,

delimited form</rdfs:comment >


90 <rdf:Description rdf:about="http://ddi.in.tum.de/fileadmin/material/Staller/

Ontologien/Anderson_objective.owl#has_knowledge">


92 >Links an objective to exactly one knowledge category of Anderson ’s Taxonomy

.</rdfs:comment >


94 <rdf:Description rdf:about ="http://ddi.in.tum.de/fileadmin/material/Staller/

Ontologien/Anderson_objective.owl#Global_objective">

95 <rdfs:comment rdf:datatype ="http://www.w3.org /2001/ XMLSchema#string"

96 >Complex , multifaceted leraning outcomes that require substantial time and

instruction to accomplish </ rdfs:comment >



Ontologien/Anderson_objective.owl#Instructional_objective">


100 >Purpose to focus teaching and testing on narrow , day -today slices of

learning in fairly specific content areas </ rdfs:comment >



Ontologien/Anderson_objective.owl#has_cognitive_process">


104 >Links an objective to exactly one cognitive -process category of Anderson ’s

Taxonomy.</rdfs:comment >


106 </rdf:RDF >

107


stanford.edu -->

150

B Lernzielsammlung

Auf der Grundlage des Lehrplans, ausgehend von Kompetenzen der GI-Expertiseund in Anknupfung an konkrete Aufgaben aus den Informatik-Lehrbuchern habe ichLernziele aus dem Bereich OOM/OOP identifiziert, die ihren Niederschlag in derexemplarischen Fachontologie (vgl. CD) gefunden haben.

Im Hinblick auf die Modellierung der Ontologien wurde der Fokus dabei bewusstauf Lernziele gelegt, die auf konzeptuelles Wissen abstellen. Global, educational undinstructional objectives werden stets durch GO, EO bzw. IO kenntlich gemacht, umauch hier Konsistenz zu den Erlauterungen in Kapitel 8 und zur Fachontologie zuerreichen.

EO 1. Der Lernende ist in der Lage, einfache Ablaufe in Form eines Zustands-diagramms zu modellieren.

IO 1.1. Der Lernende ist in der Lage, die Vorschriften fur die graphische Darstellungvon Zustandsdiagrammen zu erinnern.

IO 1.2. Der Lernende ist in der Lage, die Zusammenhange der konstituierendenElemente eines Zustandsdiagramms zu erlautern.

IO 1.3. Der Lernende ist in der Lage darzulegen, dass jeder Zustand einer eindeutigenKonstellation der Attributwerte eines Objekts entspricht.

IO 1.4. Der Lernende ist in der Lage, den Zustandsraum eines vorgegebenen Objektszu bestimmen.

IO 1.5. Der Lernende ist in der Lage, anhand eines Beispiels zu erlautern, dass dieMenge der tatsachlich eintretenden Zustande eine Untermenge des Zustandsraums bildet.

IO 1.6. Der Lernende ist in der Lage, die tatsachlich eintretenden Zustande einesvorgegebenen Objekts zu benennen.

IO 1.7. Der Lernende ist in der Lage, an einem Beispiel zu erlautern, dass ein Zu-standsubergang genau dann stattfindet, wenn sich mindestens ein Attributwert andert.

IO 1.8. Der Lernende ist in der Lage, anhand eines vorgegebenen Szenarios dietatsachlich moglichen Zustandsubergange zu bestimmen.

151

EO 2. Der Lernende ist in der Lage, das Verhalten des durch ein vorliegendesZustandsdiagramm beschriebenen Zustandsautomaten in einer einfachen Program-miersprache (PGS) zu implementieren.

EO 3. Der Lernende ist in der Lage, die Grenzen zustandsbasierter Modellierungim Zusammenhang mit der Simulation realer Objekte zu erlautern.

EO 4. Der Lernende ist in der Lage, die mit der Simulation in aller Regelverbundene Vereinfachung des Sachverhalts zu erfassen.

EO 5. Der Lernende ist in der Lage, den unterschiedlichen Bezug von Objektenin Simulation und Praxis an einem Beispiel zu verdeutlichen.

EO 6. Der Lernende ist in der Lage, okonomische Gesichtspunkte der Aufgaben-stellung bzw. der Konzeption zu erkennen.

EO 7. Der Lernende ist in der Lage, den Stellenwert eines korrekten undverlasslichen Programmablaufs gerade in kritischen Situationen anhand einesBeispiels aufzuzeigen.

EO 10.1. Der Lernende ist in der Lage, einfache Zustandsdiagramme zu inter-pretieren.

IO 10.1.1. Der Lernende ist in der Lage, Namen, Darstellungsweisen und Bedeutungender Bestandteile von Zustandsdiagrammen zu benennen.

IO 10.1.2. Nach Vorgabe eines einfachen Zustandsdiagramms ist der Lernende in derLage, den abgebildeten Ablauf mit eigenen Worten zu beschreiben.

IO 10.1.3. Der Lernende ist in der Lage, mehrere Zustandsdiagramme hinsichtlich ihrerUnterschiede zu vergleichen.

IO 10.1.4. Der Lernende ist in der Lage, Zustandsdiagramme real existierender Auto-maten auf Schlussigkeit und Vollstandigkeit zu uberprufen.

EO 10.2. Der Lernende ist in der Lage, Automaten zu analysieren und daraufaufbauend zustandsorientiert zu modellieren.

IO 10.2.1. Der Lernende ist in der Lage, anhand eines bestehenden Automatenaus seiner Erfahrungswelt dessen praktisch und theoretisch mogliche Zustande undZustandsubergange zu ermitteln.

IO 10.2.2. Der Lernende ist in der Lage, aus der umgangssprachlichen Beschrei-

152 B Lernzielsammlung

bung eines Automaten auf dessen praktisch und theoretisch mogliche Zustande undZustandsubergange zu schließen.

IO 10.2.3. Der Lernende ist in der Lage, basierend auf den ermittelten Zustanden undZustandsubergangen eines Automaten ein Zustandsdiagramm zu zeichnen.

IO 10.2.4. Der Lernende ist in der Lage, basierend auf den ermittelten Zustanden undZustandsubergangen eines Automaten eine Zustandsubergangstabelle zu erstellen.

IO 10.2.5. Der Lernende ist in der Lage, Zustandsdiagramme in Zu-standsubergangstabellen vice versa zu uberfuhren.

IO 10.2.6. Der Lernende ist in der Lage zu begrunden, weshalb sich fur die Modellierungeines umgangssprachlich beschriebenen Automaten eher ein Zustandsdiagramm oder eineZustandsubergangstabelle eignet.

IO 10.2.7. Der Lernende ist in der Lage, ggf. Systemzustande des Automaten zubeschreiben, die im Modell (noch) nicht berucksichtigt sind.

IO 10.2.8. Der Lernende ist in der Lage, Zustande und Zustandsubergange in geeigneterund sprechender Weise zu beschriften.

EO 10.3. Der Lernende ist in der Lage, Variablen und Wertzuweisungen zurModellierung von Zustandsubergangen zu verwenden.

IO 10.3.1. Der Lernende ist in der Lage, anhand einer Sequenz von Wertzuweisungenzu jedem Ablaufzeitpunkt die momentanen Attributwerte zu benennen.

IO 10.3.2. Der Lernende ist in der Lage, das unterschiedliche Verstandnis des Varia-blenbegriffs in Mathematik und Informatik zu erlautern.

IO 10.3.3. Der Lernende ist in der Lage, die Zustandsubergange eines Automaten mitHilfe von Methodenaufrufen zu implementieren.

IO 10.3.4. Der Lernende ist in der Lage, den Ringtausch zweier Attributwerte zuimplementieren.

IO 10.3.5. Der Lernende ist in der Lage, bei der Implementierung das Prinzip derKapselung zu berucksichtigen.

EO 10.4. Der Lernende ist in der Lage, einfache Zustandsdiagramme in objekt-orientierte Programme umzusetzen.

IO 10.4.1. Der Lernende ist in der Lage, bei der Implementierung Kontrollstrukturen

153

wie bedingte Ausfuhrung und Wiederholung einzusetzen.

IO 10.4.2. Der Lernende ist in der Lage, in einem PGS mit Hilfe einer geeignetenKontrollstruktur eine Wartezeit zu realisieren.

IO 10.4.3. Der Lernende ist in der Lage, anhand einer Zustandsubergangstabelle diekorrekte Funktion des korrespondierenden Programms zu uberprufen.

EO 10.5. Der Lernende ist in der Lage, Algorithmen zu entwerfen, zu implemen-tieren und zu beurteilen.

IO 10.5.1. Der Lernende ist in der Lage, sinngemaß die etymologische Herkunft desWortes Algorithmus wiederzugeben.

IO 10.5.2. Der Lernende ist in der Lage, drei Bestimmungsstucke fur einen Algorithmuszu benennen.

IO 10.5.3. Der Lernende ist in der Lage, spontan zwei Beispiele fur Verarbeitungsvor-schriften aus ihrem taglichen Leben zu nennen.

IO 10.5.4. Der Lernende ist in der Lage, eine textuelle Ablaufbeschreibung in einenAlgorithmus zu uberfuhren.

IO 10.5.5. Der Lernende ist in der Lage, einen in Pseudocode vorliegenden Algorithmusin einer einfachen Programmiersprache zu implementieren.

IO 10.5.6. Der Lernende ist in der Lage, Algorithmen unter Effizienzgesichtspunktenkritisch zu betrachten.

IO 10.5.7. Der Lernende ist in der Lage, anhand eines vorliegenden Algorithmus dessenVerarbeitungsvorschrift in naturlicher Sprache zu erklaren.

IO 10.5.8. Der Lernende ist in der Lage, mehrere Algorithmen zur Losung einesProblems hinsichtlich ihrer Arbeitsweise zu vergleichen.

EO 10.6. Der Lernende ist in der Lage, formale Darstellungen von Algorithmenzu interpretieren und sie in Programme umzusetzen.

IO 10.6.1. Der Lernende ist in der Lage, die Kontrollstrukturen der ein- und zweiseitigenAuswahl in einer Programmiersprache abzubilden.

IO 10.6.2. Der Lernende ist in der Lage, die Kontrollstrukturen der bedingten undunbedingten Wiederholung in einer Programmiersprache abzubilden.


IO 10.6.3. Der Lernende ist in der Lage, seinen Programmcode gemaß der ublichenGepflogenheiten ubersichtlich zu gestalten.

IO 10.6.4. Der Lernende ist in der Lage, seinen Programmcode in angemessener Formmit erlauternden Kommentaren anzureichern.

IO 10.6.5. Der Lernende ist in der Lage, das tatsachliche Programmverhalten mit dervorgegebenen Verarbeitungsvorschrift abzugleichen.

IO 10.6.6. Der Lernende ist in der Lage, neben Programmen zwei weitere Re-prasentationsformen fur Algorithmen zu nennen.

EO 10.7. Der Lernende ist in der Lage, den Zusammenhang zwischen Automatenund Sprachen aufzuzeigen.

IO 10.7.1. Der Lernende ist in der Lage zu erlautern, wie Ein- und Ausgabe einesAutomaten im Zustandsmodell reprasentiert werden.

IO 10.7.2. Der Lernende ist in der Lage zu erlautern, wie eine Programmiersprache zurAutomatisierung einer Verarbeitungsvorschrift auf einer Maschine beitragt.

EO 10.8. Der Lernende ist in der Lage, dynamische Beziehungen zwischenObjekten grafisch darzustellen.

IO 10.8.1. Der Lernende ist in der Lage, anhand eines Beispiels den Unterschiedzwischen statischen und dynamischen Objektbeziehungen zu erlautern.

IO 10.8.2. Der Lernende ist in der Lage, die konstituierenden Elemente eines Interakti-onsdiagramms sowie deren Zusammenhange zu erlautern.

IO 10.8.3. Der Lernende ist in der Lage, den durch ein vorgegebenes Interaktionsdia-gramm beschriebenen Ablauf in naturlicher Sprache wiederzugeben.

IO 10.8.4. Der Lernende ist in der Lage, ein vorliegendes Interaktionsdiagramm aufBasis einer einfachen Aufgabenstellung zu erweitern.

IO 10.8.5. Der Lernende ist in der Lage, den Zusammenhang zwischen Methoden-aufrufen und der Kommunikation von Objekten in einem Interaktionsdiagramm aufzuzeigen.

IO 10.8.6. Der Lernende ist in der Lage, Sequenzdiagramme zur Uberprufung einesvorgegebenen Klassenmodells zu nutzen.

EO 10.9. Der Lernende ist in der Lage, sinnvolle Schnittstellen zwischen Pro-grammkomponenten zu definieren.

155

IO 10.9.1. Der Lernende ist in der Lage zu erlautern, was man unter der Schnittstelleeiner Klasse versteht.

IO 10.9.2. Der Lernende ist in der Lage, den Zusammenhang zwischen Interfaces undabstrakten Klassen herzustellen.

IO 10.9.3. Der Lernende ist in der Lage, auf Basis eines Klassendiagramms Interfacesin Java zu spezifizieren.

IO 10.9.4. Der Lernende ist in der Lage, zwei Punkte zu nennen, die die praktischeBedeutung von Schnittstellen verdeutlichen.

EO 10.10. Der Lernende ist in der Lage, das Paradigma der Datenkapselunganzuwenden.

IO 10.10.1. Der Lernende ist in der Lage, in drei Satzen zur Bedeutung des Begriffs

”Datenkapselung“ Stellung zu nehmen.

IO 10.10.2. Der Lernende ist in der Lage zu erklaren, welche Rolle Datenkapselung beider Entwicklung großerer Softwaresysteme spielt.

IO 10.10.3. Der Lernende ist in der Lage, die in Java moglichen Zugriffsrechte auf dieAttribute eines Objekts zu beschreiben.

IO 10.10.4. Der Lernende ist in der Lage, die Zugriffsrechte einer vorgegebenen Klassein deren Klassenkarte kenntlich zu machen.

IO 10.10.5. Der Lernende ist in der Lage, bei der Implementierung eines vorgegebenenKlassendiagramms die entsprechenden Java-Schlusselworter korrekt einzusetzen.

IO 10.10.6. Der Lernende ist in der Lage, bei der Implementierung von Programmenden gangigen Regeln des Geheimnisprinzips zu folgen.

EO 10.11. Der Lernende ist in der Lage, die Enthalt-Beziehung im Sinne derReferenzsemantik zu implementieren.

IO 10.11.1. Der Lernende ist in der Lage, den Unterschied zwischen dem raumlichenVerstandnis von

”Enthalt“ und der Datenhaltung im Arbeitsspeicher unter Zuhilfenahme

grafischer Darstellungen zu erlautern.

IO 10.11.2. Der Lernende ist in der Lage, auf Basis der Multiplizitaten und Wirkrich-tungen von Beziehungen in einem Klassendiagramm entsprechende Referenzen in ihrerImplementierung zu erstellen.


IO 10.11.3. Der Lernende ist in der Lage anzugeben, welche Sicht Objekte, die eineReferenz auf ein bestimmtes Objekt besitzen, nach dessen Zustandsanderung haben.

IO 10.11.4. Der Lernende ist in der Lage, zwei Grunde fur die Verwendung vonReferenzen an Stelle von Objektkopien anzufuhren.

EO 10.12. Der Lernende ist in der Lage, Methodenaufrufe fur die Kommunika-tion zwischen Objekten zu nutzen.

IO 10.12.1. Der Lernende ist in der Lage, Methoden als Kommunikationsmittel bzw.als Dienste aufzufassen und ihnen bei der Modellierung folgerichtig sprechende Bezeichnerzu geben.

IO 10.12.2. Der Lernende ist in der Lage, im Rahmen einer einfachen Aufgabenstellungdie Anforderungen an die einzelnen Methoden zu ermitteln (Anzahl der Parameter,Ruckgabewerte).

EO 10.13. Der Lernende ist in der Lage, hierarchische Klassenstrukturen durchVererbung, Generalisierung und Spezialisierung zu beschreiben.

IO 10.13.1. Der Lernende ist in der Lage, Objekte seiner Lebenswelt unter sinnvollenAspekten in einer Klassenhierarchie (reprasentiert durch ein Klassendiagramm) anzuordnen.

IO 10.13.2. Der Lernende ist in der Lage, eine als Klassendiagramm vorliegendehierarchische Struktur mit Hilfe der einschlagigen Konstrukte in einer objektorientiertenSprache zu implementieren.

IO 10.13.3. Der Lernende ist in der Lage, drei praktische Beispielszenarien aus ihremAlltag zu nennen, die auf den Prinzipien von Vererbung, Generalisierung und Spezialisierungbasieren.

IO 10.13.4. Der Lernende ist in der Lage zu erlautern, warum es sich bei dem Verhaltniseiner Unter- zu einer Oberklasse um eine is-a-Beziehung handelt.

IO 10.13.5. Der Lernende ist in der Lage zu problematisieren, welche negativenKonsequenzen sich aus Coderedundanz ergeben.

IO 10.13.6. Der Lernende ist in der Lage, den Begriff Polymorphismus im Kontext vonOOM zu erlautern.

IO 10.13.7. Der Lernende ist in der Lage, die sich aus einer vorgegebenen Vererbungs-hierarchie ergebenden Beziehungen in einem Klassendiagramm darzustellen.

157

IO 10.13.8. Der Lernende ist in der Lage zu erklaren, wie sich in Java die Zugriffsberech-tigung protected im Vergleich zu privat bzw. offentlich deklarierten Attributen/Methodenverhalt.

EO 10.14. Der Lernende ist in der Lage, Strukturierungsmoglichkeiten zu nutzen,um gleichartige, aber auch unterschiedliche Elemente geeignet zusammenzufassen.

IO 10.14.1. Der Lernende ist in der Lage, Objekte/Daten hinsichtlich ihrer strukturellenUnterschiede zu beurteilen.

IO 10.14.2. Der Lernende ist in der Lage, an einem selbst gewahlten konkretenBeispielszenario zu erlautern, dass die beteiligten Objekte sich in mancherlei Hinsichtunterscheiden, jedoch auch Gemeinsamkeiten aufweisen.

IO 10.14.3. Der Lernende ist in der Lage, von der Datenstruktur Feld Gebrauch zumachen.

EO 10.15. Der Lernende ist in der Lage, objektorientierte Modelle fur einfacheSachverhalte zu entwickeln und diese mit Klassendiagrammen darzustellen.

IO 10.15.1. Der Lernende ist in der Lage, einfache Zusammenhange aus seinerAlltagswelt objektorientiert zu modellieren.

IO 10.15.2. Der Lernende ist in der Lage zu begrunden, weshalb komplexe, weitver-zweigte Zusammenhange nicht unmittelbar in eine Programmiersprache uberfuhrt werdensollten bzw. konnen.

EO 10.16. Der Lernende ist in der Lage, das Modellverhalten durch zielgerichteteAnderungen zu beeinflussen.

IO 10.16.1. Der Lernende ist in der Lage, das Verhalten eines vorliegenden Modells vordem inneren Auge nachzuvollziehen, was er mit eigenen Worten unter Beweis stellt.

IO 10.16.2. Der Lernende ist in der Lage, auf Basis einer entsprechenden Aufgaben-stellung Anderungen an der Reprasentation eines Modells vorzunehmen.

IO 10.16.3. Der Lernende ist in der Lage, selbst erstellte Programme auf korrektesAblaufverhalten zu testen.

EO 10.17. Der Lernende ist in der Lage, Vermutungen uber Zusammenhangeund Losungsmoglichkeiten im informatischen Kontext anzustellen.

IO 10.17.1. Der Lernende ist in der Lage, zwischen verschiedenen Moglichkeiten derInformationsdarstellung problemadaquat auszuwahlen.


IO 10.17.2. Der Lernende ist in der Lage, Ablaufe in Form von Zustandsdiagrammenzu Papier zu bringen.

IO 10.17.3. Der Lernende ist in der Lage, eine vorgegebene Verarbeitungsvorschrift inein Struktogramm zu uberfuhren.

IO 10.17.4. Der Lernende ist in der Lage, uber die Starken und Schwachen mehrererLosungsvorschlage zu resumieren.

IO 10.17.5. Der Lernende ist in der Lage, bei der Losung uberschaubarer Problemesystematische Strategien anzuwenden.

EO 10.18. Der Lernende ist in der Lage, Aufgabenstellungen durch objektorien-tiertes Strukturieren zu losen.

IO 10.18.1. Auf Basis einer vorgegebenen Aufgabenstellung ist der Lernende in derLage, die beteiligten Objekte zu identifizieren und sinnvoll zu benennen.

IO 10.18.2. Der Lernende ist in der Lage, die Klassen einer gegebenen Problemstellungmit den jeweils notwendigen Attributen und Methoden auszustatten.

IO 10.18.3. Der Lernende ist in der Lage zu uberprufen (zu testen), inwieweit seineImplementierung eine Losung des zugrundeliegenden Problems darstellt.

IO 10.18.4. Der Lernende ist in der Lage, je drei Beispiele fur eine is-a- und einehas-a-Beziehung zu nennen.

EO 10.19. Der Lernende ist in der Lage, synchrone und asynchrone Kommunika-tionsmoglichkeiten einzusetzen, um Informationen auszutauschen und kooperativzu arbeiten.

IO 10.19.1. Der Lernende ist in der Lage, zwischen mehreren zur Verfugung stehendenKommunikationswegen jeweils einen geeigneten auszuwahlen.

IO 10.19.2. Der Lernende ist in der Lage, sich bei der Konversation uber informatischeProbleme einer prazisen Wortwahl zu bedienen.

EO 10.20. Der Lernende ist in der Lage, Darstellungsformen auf der Basisallgemein akzeptierter und zweckdienlicher Kriterien auszuwahlen.

IO 10.20.1. Der Lernende ist in der Lage, Sachverhalte in allgemein verstandlicher Formund mit Hilfe anerkannter Visualisierungsmethoden der Informatik (z. B. Klassendiagramm,Sequenzdiagramm, Struktogramm) darzustellen.

159

IO 10.20.2. Der Lernende ist in der Lage, Grenzen, Starken und Schwachen konkreterDarstellungsformen zu nennen.

IO 10.20.3. Der Lernende ist in der Lage, sich im Dienste der Ubersichtlichkeit auf dieDarstellung jeweils relevanter Informationen zu beschranken.

IO 10.20.4. Der Lernende ist in der Lage, den Nutzungskontext von Klassen-, Zustands-und Interaktionsdiagrammen im Softwareentwicklungsprozess zu beschreiben.

EO 10.21. Der Lernende ist in der Lage, Ablauf und Ergebnisse einer Projektar-beit sachgerecht zu dokumentieren.

IO 10.21.1. Der Lernende ist in der Lage, die Phasen einer klassischen Projektarbeitaufzuzahlen und zu konkretisieren.

IO 10.21.2. Der Lernende ist in der Lage, vier Grunde zu nennen, die eine kontinuierlicheDokumentation der Arbeit unverzichtbar machen.

IO 10.21.3. Der Lernende ist in der Lage, funf Kriterien zu nennen, denen einesorgfaltige Dokumentation genugen muss.

IO 10.21.4. Der Lernende ist in der Lage, die Begriffe”Pflichtenheft“ und

”Lastenheft“

zu erlautern.

IO 10.21.5. Der Lernende ist in der Lage, die Schwachstellen bestehender Dokumenta-tionen begrundet zu lokalisieren.

IO 10.21.6. Der Lernende ist in der Lage, sich auf der Basis einer fremden Dokumen-tation ein Bild uber das zugrundeliegende Produkt zu verschaffen.

EO 10.22. Der Lernende ist in der Lage, den Projektablauf, das Modell, dieImplementierung und die verwendeten Werkzeuge kritisch zu beurteilen.

IO 10.22.1. Der Lernende ist in der Lage, zwei Beispiele zu nennen, wie Fehler sich aufspatere Projektphasen auswirken.

IO 10.22.2. Der Lernende ist in der Lage, Struktur, Erweiterbarkeit und Verstandlichkeitvon Modellen und deren Implementierungen zu beurteilen.

EO 10.23. Der Lernende ist in der Lage, die Auswirkungen der Automatisierungin der Arbeitswelt zu beurteilen.

IO 10.23.1. Der Lernende ist in der Lage, zwei gesundheitliche Aspekte der Automati-


sierung in der Arbeitswelt zu nennen.

IO 10.23.2. Der Lernende ist in der Lage, zwei okonomische Aspekte der Automatisie-rung in der Arbeitswelt zu nennen.

IO 10.23.3. Der Lernende ist in der Lage, anhand eines selbst gewahlten Szenarios aufhochstens einer Seite begrundet zum Schlagwort

”Die Verantwortung des Informatikers“

Stellung zu nehmen.

IO 10.23.4. Der Lernende ist in der Lage, nach geeigneten Recherchen einen Uberblickuber den derzeitigen Stand der Automatisierung im Bereich Flugsicherheit zu geben.

161

C Lehrplan Informatik der 10.Jahrgangsstufe am NTG

Zum Leidwesen des Autors stellt das ISB die relevanten Lehrplane auf seiner Homepagenur im HTML-Format zur Verfugung, was einer ansprechenden Darstellung Abbruchtut.

Daher wurde die papierne Form des Lehrplans (Stand: Juli 2004) herangezogen.

162 C Lehrplan Informatik der 10. Jahrgangsstufe am NTG

164

Abbildungsverzeichnis

2.1 Lernzieltaxonomie nach Anderson, Krathwohl et al. . . . . . . . . . . . . 152.2 Die Matrix-Taxonomie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182.3 Ziel ist die Ebene ”Create - Evaluate“ . . . . . . . . . . . . . . . . . . . 192.4 Einfache zirkulare Abhangigkeit . . . . . . . . . . . . . . . . . . . . . . . 212.5 Zirkulare Abhangigkeit uber mehrere Lernziele hinweg . . . . . . . . . . 222.6 Vorschlag zur Auflosung . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.1 Einbettung von Lernzielen in Kompetenzen . . . . . . . . . . . . . . . . 323.2 Mehrere NQF und zentrale Ubersetzungsinstanz . . . . . . . . . . . . . 363.3 Unmittelbare Verzahnung von Prozess- und Inhaltsbereichen . . . . . . 45

4.1 Kooperation der Konsortien mit dem Ziel nationaler und internationalerE-Learning-Standards . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

4.2 Aufbau von SCORM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 614.3 Haufigkeit der Nutzung von LOM-Annotaten . . . . . . . . . . . . . . . 63

5.1 Der Semantic Web ”Layers Cake“ . . . . . . . . . . . . . . . . . . . . . . 68

6.1 Kognitive Prozessdimension als Klassenhierarchie bei Staller . . . . . . . 876.2 Schematische Darstellung der Zusammenhange zwischen den Ontologien

bei Zwick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 996.3 Importbeziehungen bei Trojan . . . . . . . . . . . . . . . . . . . . . . . 100

8.1 Verhaltnis der kognitiven Prozessdimension nach Anderson et al. zu denKategorien bei Fuller . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

8.2 Klassenstruktur der Fuller-Taxonomie aus Sicht von OWLViz . . . . . . 1228.3 ”Plugin-System“ fur unterschiedliche Konzepte . . . . . . . . . . . . . . 1258.4 Anbindung konzeptuellen Wissens sowie mehrerer Konzeptbegriffe an

die Anderson-Taxonomie . . . . . . . . . . . . . . . . . . . . . . . . . . . 1268.5 Importstruktur der beteiligten Ontologien . . . . . . . . . . . . . . . . . 1288.6 Klassenhierarchie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1358.7 Exemplarische Klassenhierarchie fur Beziehungen aus der OOM . . . . . 1368.8 Exemplarische Klassenhierarchie fur Diagramme aus der OOM . . . . . 1368.9 Exemplarische Objekthierarchie: Beziehungen zwischen Lernzielen . . . 137

165

Literaturverzeichnis

[AKA01] Anderson, Lorin W. (Hrsg.) ; Krathwohl, David R. (Hrsg.) ; Airasian,Peter W. (Hrsg.): A taxonomy for learning, teaching and assessing: Arevision of Bloom’s taxonomy of educational objectives. Addison Wesley,2001

[AQN02] Allert, H. ; Qu, C. ; Nejdl, W.: Theoretischer Ansatz zur Rolle derDidaktik in Metadaten-Standards. (2002)

[Asc93] Aschersleben, K.: Einfuhrung in die Unterrichtsmethodik. Kohlhammer,1993

[Bal70] Ballauff, Thomas: Skeptische Didaktik. 1970

[BC03] Boyle, Tom ; Cook, John: Learning Objects, Pedagogy and Reuse. In:Seale, Jane K. (Hrsg.): Learning Technology in Transition - From Indivi-dual Enthusiasm to Institutional Implementation. Swets & Zeitlinger, 2003,S. 31–44

[BCM06] Biundo, Susanne ; Claus, Volker ; Mayr, Heinrich C. ; Gesell-schaft fur Informatik e. V. (Hrsg.): Was ist Informatik? Unser Po-sitionspapier. http://www.gi-ev.de/fileadmin/redaktion/Download/was-ist-informatik-lang.pdf. Version:2006

[BFRW08] Brichzin, Peter ; Freiberger, Ulrich ; Reinold, Klaus ; Wiedemann,Albert: Informatik II. Oldenbourg, 2008

[BHMH02] Baumgartner, P. ; Hafele, H. ; Maier-Hafele, K.: E-Learning-Standards aus didaktischer Perspektive. In: Campus 2002: Die virtuelleHochschule in der Konsolidierungsphase 18 (2002) (2002), S. 277–286

[Big99] Biggs, J. B.: Teaching for quality learning at university. Buckingham :Open University Press, 1999

[BLHL01] Berners-Lee, Tim ; Hendler, James ; Lassila, Ora: The Semantic Web.(2001). http://www.sciam.com/article.cfm?id=the-semantic-web

[blk04] Erlauterungen zur Beschreibung und Abstrahierung von intendierten Lern-zielen (Anhang I). Version:2004. http://www4.tu-ilmenau.de/lps/hannover/lernziele_erlaeuterungen.pdf. In: Universitat Hanno-ver (BLK-Projekt) (Hrsg.): Qualifikation und ihre Verifikation durchein Leistungspunktesystem (Arbeitspaket 2). 2004

166 Literaturverzeichnis

[BM03] Berggreen-Merkel, Ingrid ; Bayerisches Staatsministerium furUnterricht und Kultus (Hrsg.): KMS III.6 - 5 S 1356 - 5.17 348 o. V.zum Thema Medienbildung. 2003

[Bra06] Bracht, Regine: Konzeption eines ontologiebasierten LCMS - Machbarkeitund prototypische Umsetzung. (2006)

[CDF+07] Cassel, Lilian N. ; Davies, Gordon ; Fone, William u.a.: The ComputingOntology - Application in Education. In: Carter, J. (Hrsg.) ; Amillo, J.(Hrsg.): Working Group Reports on ITiCSE on innovation and technologyin Computer Science Education (Dundee, Scotland, December 01, 2007).New York, 2007, S. 171–183

[DF06] Doring, Nicola ; Fellenberg, Franziska: Soziale Beziehungen und Emo-tionen beim E-Learning. In: Miller, Damian (Hrsg.): E-Learning - Einemultiperspektivische Standortbestimmung. 2006, S. 134–155

[DJ92] Duffy, Thomas M. (Hrsg.) ; Jonassen, David H. (Hrsg.): Constructivismand the Technology of Instruction: A Conversation. Hillsdale, New Jersey: Lawrence Erlbaum Associates, 1992

[Doh02] Dohnke, Hartwig: Lernziele. (2002). http://www.learn-line.nrw.de/angebote/lakonkret/lehrer/unterrichten/dohnke_lernziele.pdf

[DT06] Dodds, Philip ; Thropp, Schawn E.: SCORM 2004 3rd Edition - Over-view. 1.0. Virginia, USA, 2006. http://www.adlnet.gov/downloads/AuthNotReqd.aspx?FileName=SCORM.2004.3ED.DocSuite.zip&ID=237

[EFF+08] Ehmann, Matthias ; Fiedler, Frank ; Forman, Franz X. u.a.: InformatikBayern 10 - Gymnasium. Duden Paetec Schulbuchverlag - C. C. Buchner,2008

[Eul02] Euler, Dieter: E-Learning. In: Zeitschrift E-Learning (2002)

[FJT+07] Fuller, Ursula ; Johnson, C. G. ; T., Ahoniemi u.a.: Developing a Com-puter Science-specific Learning Taxonomy. In: Carter, J. (Hrsg.) ; Amil-lo, J. (Hrsg.): Working Group Reports on ITiCSE on innovation and tech-nology in Computer Science Education (Dundee, Scotland, December 01,2007). New York, 2007, S. 152–170

[Fri05] Friesen, Norm: Lessons from LOM for eLearning standardization. http://www.cancore.ca/ppt/LOMLessons.ppt. Version:2005

[GL02] Gruninger, M. ; Lee, J.: Ontology - applications and design. 2002

[GM07] Grasel, Cornelia ; Mandl, Heinz: Qualitatskriterien von Unterricht.In: Apel, Hans Jurgen (Hrsg.) ; Sacher, Werner (Hrsg.): StudienbuchSchulpadagogik. Klinkhardt, 2007, S. 241–259


[Gos01] Goswami, Usha: So denken Kinder - Einfuhrung in die Psychologie derkognitiven Entwicklung. Verlag Hans Huber, 2001

[Gra04] Graf, Maja: eModeration. 2004

[Gru93] Gruber, Tom R.: A translation approach to portable ontologies. In:Knowledge Acquisition, Band 5, Nr. 2, S. 199-220 (1993). ftp://ftp.ksl.stanford.edu/pub/KSL_Reports/KSL-92-71.ps.gz

[Gru08] Gruber, Tom R.: Ontology. Version:2008. http://tomgruber.org/writing/ontology-definition-2007.htm. In: Liu, Ling (Hrsg.) ; TamerOzsu, M. (Hrsg.): Encyclopedia of Database Systems. Springer Verlag, 2008

[Gua98] Guarino, N.: Formal ontology and information systems. In: Proceedingsof Formal Ontology and Information Systems. Trento (Italy) : IOS Press,1998, S. 3–15

[Gud06] Gudjons, Herbert: Padagogisches Grundwissen. 9. Auflage. Klinkhardt,2006

[Har08] Hartmann, Werner: Computer, Internet und Schulen in20 Jahren. In: Folio 6/2008 (2008), S. 36-39. http://campus.phbern.ch/fileadmin/CAMPUS/04_ZBI/Aktuell/WernerHartmann-ComputerInternetundSchulen.pdf

[HD02] Hodgins, Wayne ; Duval, Erik: IEEE 1484.12.1-2002 - Draft Standard forLearning Object Metadata. (2002). http://ltsc.ieee.org/wg12/files/LOM_1484_12_1_v1_Final_Draft.pdf

[Hei06] Hein, C.: Technikunterricht, Informationstechnik und bildungspolitischeProbleme. In: LOG IN, 26. Jg. (2006), Heft 143 (2006), S. 34–38

[Hen07] Hentig, Hartmut v.: Ach, die Werte! Uber eine Erziehung fur das 21.Jahrhundert. 4. Auflage. Weinheim : Beltz, 2007

[HK03] Hettrich, Alexander ; Koroleva, Natascha: Marktstudie Learning Ma-nagement Systeme (LMS) und Learning Content Management Systeme(LCMS) - Fokus deutscher Markt. (2003). http://publica.fhg.de/eprints/N-19376.pdf

[HKRS08] Hitzler, Pascal ; Krotzsch, Markus ; Rudolph, Sebastian ; Sure, York:Semantic Web. 1. Auflage. Karlsruhe : Springer, 2008

[HO02] Holodynski, Manfred ; Oerter, Rolf: Motivation, Emotion und Hand-lungsregulation. In: Oerter, Rolf (Hrsg.) ; Montada, Leo (Hrsg.): Ent-wicklungspsychologie. 2002, Kapitel 16, S. 551–588

[HSS+08] Hubwieser, Peter ; Spohrer, Matthias ; Steinert, Markus u.a.: Infor-matik 3. 1. Auflage. Klett, 2008


[Hub04] Hubwieser, Peter: Didaktik der Informatik. 2. Auflage. Springer Verlag,2004

[Hub07] Hubwieser, Peter: A smooth way towards object oriented programmingin secondary schools. In: Benzie, D. (Hrsg.) ; Iding, M. (Hrsg.): Informa-tics, Mathematics and ICT: a ’golden triangle’. College of Computer andInformation Science Northeastern University Boston, Massachusetts, USA,2007

[Hub08] Hubwieser, Peter: Analysis of Learning Objectives in Object OrientedProgramming. In: Mittermeir, S. (Hrsg.): 3rd International ConferenceISSEP 2008, Torun (PL). Berlin : Springer, 2008

[HW97] Helmke, Andreas ; Weinert, Franz E.: Bedingungsfaktoren schulischerLeistungen. In: Weinert, Franz E. (Hrsg.): Psychologie des Unterrichtsund der Schule (Enzyklopadie der Psychologie), Padagogische PsychologieBd. Bd. 3. Gottingen : Hogrefe, 1997, S. 71–176

[isb08] ISB - Staatsinstitut fur Schulqualitat und Bildungs-forschung Munchen (Hrsg.): Lehrplan Informatik NTG 2.http://www.isb-gym8-lehrplan.de/contentserv/3.1.neu/g8.de/index.php?StoryID=26435. Version:2008

[JF07] Johnson, C. G. ; Fuller, U. D.: Is Bloom’s taxonomy appropriate forcomputer science? In: Berglund, A. (Hrsg.) ; M., Wiggberg (Hrsg.): 6thBaltic Sea Conference on Computing Education Koli Calling 2006. Stock-holm : Department of Information Technology, University of Uppsala, 2007,S. 120–123

[JM02] Jank, Werner ; Meyer, Hilbert: Didaktische Modelle. Frankfurt am Main: Cornelsen Scriptor, 2002

[K+07] Klieme, Eckhard u.a.: Zur Entwicklung nationaler Bildungs-standards. (2007). http://www.bmbf.de/pub/zur_entwicklung_nationaler_bildungsstandards.pdf

[KBM64] Krathwohl, D. R. ; Bloom, B. S. ; Masia, B. B.: Taxonomy of educa-tional objectives: the classification of educational goals. Handbook Volume2: Affective domain. New York, USA : McKay, 1964

[Ker01] Kerres, Michael: Medien und Didaktik. In: Kerres, Michael (Hrsg.):Multimediale und telemediale Lernumgebungen. Munchen : OldenbourgVerlag, 2001, S. 11–54

[Kol07] Koller, Olaf: Die deutsche Schule im Lichte internationaler Schulleis-tungsuntersuchungen (TIMSS, PISA, IGLU, DESI). In: Apel, Hans Jurgen(Hrsg.) ; Sacher, Werner (Hrsg.): Studienbuch Schulpadagogik. Klink-hardt, 2007, S. 138–154


[Kla64] Klafki, Wolfgang: Didaktische Analyse als Kern der Unterrichtsvorberei-tung. In: Roth, Heinrich (Hrsg.) ; Blumenthal, Alfred (Hrsg.): Didakti-ische Analyse, Reihe: Auswahl Reihe A, Bd. 1. Hannover : Schroedel, 1964,S. 5–34

[kmk05] Bildungsstandards der Kultusministerkonferenz - Erlauterungen zu Kon-zeption und Entwicklung. (2005). http://www.kmk.org/fileadmin/doc/Bildung/IVA/IVA-Dokumente/Intern/Argumentationspapier.pdf

[KO94] Kock, Peter ; Ott, Hanns: Worterbuch fur Erziehung und Unterricht.Donauworth : Auer, 1994

[Lah07] Lahtinen, E.: A Categorization of Novice Programmers: A Cluster Ana-lysis Study. In: Proceedings of the 19th annual Workshop of the Psychologyof Programming Interest Group (2007), S. 32–41

[Lan] Landesakademie fur Fortbildung und Personalentwicklung anSchulen: E-Learning und Technik. http://lehrerfortbildung-bw.de/elearning/technik/

[Lew91] Lewin, Kurt ; Cartwright, D. (Hrsg.): Field theory in social science;selected theoretical papers. New York : Harper & Row, 1591

[M+05] Myers, David G. u.a.: Psychologie. Heidelberg, Berlin : Springer, 2005

[McG03] McGuinness, Deborah L.: Ontologies come of Age. In: Fensel, Dieter(Hrsg.) ; Jim, Hendler (Hrsg.) ; Henry, Liebermann (Hrsg.) ; Wolfgang,Wahlster (Hrsg.): Spinning the Semantic Web: Bringing the World WideWeb to Its Full Potential. MIT Press, 2003

[Mei06] Meier, Rolf: Praxis E-Learning. (2006)

[Mey93] Meyer, Hilbert: Leitfaden zur Unterrichtsvorbereitung. Frankfurt am Main: Cornelsen, 1993

[Mey05] Meyer, Hilbert: Was ist guter Unterricht? Berlin : Cornelsen, 2005

[MKK+90] Mussen, Paul H. ; Konger, John J. ; Kagan, Jerome u.a.: Lehrbuch derKinderpsychologie. 1990

[Mol02] Moller, Christine: Die curriculare Didaktik. In: Gudjons, Herbert(Hrsg.) ; Teske, Rita (Hrsg.) ; Winkel, Rainer (Hrsg.): Didaktische Theo-rien. 2002, S. 75–92

[Mul07] Muller, Walter: Lehrplantheorie und Lehrplanentwicklung. In:Apel, Hans Jurgen (Hrsg.) ; Sacher, Werner (Hrsg.): StudienbuchSchulpadagogik. Klinkhardt, 2007, S. 71–103

[Nie90] Niemierko, B.: Pomiar sprawdzajacy w dydaktyce. Teoria i zastosowania(in polnischer Sprache). (1990)


[Noy05] Noy, Natasha: Representing Classes As Property Values on the SemanticWeb. (2005). http://www.w3.org/TR/swbp-classes-as-values/

[O’R05] O’Reilly, Tim: What Is Web 2.0. (2005). http://www.oreillynet.com/pub/a/oreilly/tim/news/2005/09/30/what-is-web-20.html

[P+08] Puhlmann, Hermann u.a.: Grundsatze und Standards fur die Informa-tik in der Schule - Bildungsstandards Informatik fur die SekundarstufeI. (2008). http://www.gi-ev.de/fileadmin/redaktion/empfehlungen/Bildungsstandards_2008.pdf

[Pfe03] Pfeiffer, Christian: Medienverwahrlosung als Ursache von Schulversa-gen und Jugenddelinquenz? (2003). http://www.kfn.de/versions/kfn/assets/medienverwahrlosung.pdf

[Pru06] Pruher, Werner: Der Einsatz von Weblogs und Wikis im Berufsschulun-terricht (Diplomarbeit in Aktuellen Humanwissenschaften mit berufsfeld-bezogener Forschung). (2006)

[Pro04] Prowaznik, Bruno: Gibt es einen Mehrwert von E-Learning? In: NeueZurcher Zeitung (NZZ) (2004). http://www.nzz.ch/2004/05/11/se/article9H5FX.html

[RRR03] Robins, A. ; Rountree, J. ; Rountree, N.: Learning and TeachingProgramming: A Review and a Discussion. In: Computer Science Education13 (2003), S. 137–172

[RS07] Rahm, Sybille ; Schrock, Nikolaus: Schulentwicklung. In: Apel, HansJurgen (Hrsg.) ; Sacher, Werner (Hrsg.): Studienbuch Schulpadagogik.Klinkhardt, 2007, S. 155–174

[S+08] Scheungrab, Christian u.a. ; ISB - Staatsinstitut fur Schul-qualitat und Bildungsforschung Munchen (Hrsg.): Informatikam naturwissenschaftlich-technologischen Gymnasium - Jahrgangsstufe 10.Munchen, 2008

[Sac07] Sacher, Werner: Uberprufung und Beurteilung von Schulerleistungen.In: Apel, Hans Jurgen (Hrsg.) ; Sacher, Werner (Hrsg.): StudienbuchSchulpadagogik. Klinkhardt, 2007, S. 284–310

[SB02] Schneider, Wolfgang ; Buttner, Gerhard: Entwicklung desGedachtnisses bei Kindern und Jugendlichen. In: Oerter, Rolf (Hrsg.); Montada, Leo (Hrsg.): Entwicklungspsychologie. 2002, Kapitel 14, S.495–517

[Sch04a] Schelten, Andreas: Einfuhrung in die Berufspadagogik. Franz SteinerVerlag, 2004


[Sch04b] Schulmeister, Rolf: Kriterien didaktischer Qualitat im E-Learning zurSicherung der Akzeptanz und Nachhaltigkeit. In: Euler, Dieter (Hrsg.) ;Seufert, Sabine (Hrsg.): E-Learning in Hochschulen und Bildungszentren.Munchen : Oldenbourg Verlag, 2004, S. 473–492

[Sod02] Sodian, Beate: Entwicklung begrifflichen Wissens. In: Oerter, Rolf(Hrsg.) ; Montada, Leo (Hrsg.): Entwicklungspsychologie. 2002

[Spi07a] Spitzer, Manfred: Lernen. Ulm : Springer, 2007

[Spi07b] Spitzer, Manfred: Vorsicht Bildschirm! 4. Auflage. Stuttgart : dtv, 2007

[Sta06] Staller, Alexander: Merging domain knowledge and task analysis in anOntology. In: FORMATEX (Hrsg.): Current Developments in Technology-Assisted Education, 2006, S. 1585–1589

[Top06] Topsch, Wilhelm: Leistung messen und bewerten. In: Kiper, Hanna(Hrsg.) ; Meyer, Hilbert (Hrsg.) ; Topsch, Wilhelm (Hrsg.): Einfuhrungin die Schulpadagogik. Cornelsen Scriptor, 2006, S. 134–146

[Tro06] Trojan, Eva: Entwicklung einer Ontologie zur Modellierung von Lernzielenund beispielhafte Anwendung auf E-Learning im Bereich der Algorithmik,Technische Universitat Munchen, Diplomarbeit, 2006

[Wei98] Weinert, Franz E.: Guter Unterricht ist ein Unterricht, in dem mehrgelernt wird als gelehrt wird. In: Freund, J. (Hrsg.) ; Gruber, H. (Hrsg.); Weidinger, W. (Hrsg.): Guter Unterricht - Was ist das? Aspekte vonUnterrichtsqualitat. Wien : OBV, 1998, S. 7–18

[Wei99] Weinert, Franz E.: Anspruche an das Lernen in der heutigen Zeit. Ver-sion:1999. http://blk.mat.uni-bayreuth.de/material/weinert/. In:Steffens, Ulrich (Hrsg.) ; Bargel, Tino (Hrsg.): Lehren und Lernenim Offenen Unterricht. Empirische Befunde und kritische Anmerkungen.Wiesbaden : Hessisches Landesinstitut fur Padagogik, 1999, 99-103

[Wei01] Weinert, Franz E.: Vergleichende Leistungsmessung in Schulen - eineumstrittene Selbstverstandlichkeit. In: Weinert, Franz E. (Hrsg.): Leis-tungsmessungen an Schulen. Weinheim und Basel : Beltz, 2001, S. 17–31

[Wei03] Weizenbaum, Joseph: Grenzen des E-Learnings. In: Franzen, Maike(Hrsg.): Web Based Training 2003, 2003

[Zwi06] Zwick, Tanja: Analyse und ontologiebasierte Modellierung von Lernzielenaus der Theoretischen Informatik zur Verwendung in E-Learning-Systemen,Technische Universitat Munchen, Diplomarbeit, 2006

Ontologien fur Lernzieltaxonomien und Lernzielstrukturen ... · Technische Universit at M unchen...

Documents

Transcript of Ontologien fur Lernzieltaxonomien und Lernzielstrukturen ... · Technische Universit at M unchen...