n Empirische Arbeit Psychologie in Erziehung und Unterricht, 2009, 56, 137 - 149 © Ernst Reinhardt Verlag München Basel Förderung der Diagnosekompetenz bei Studierenden der Medizin durch situiertes, fallbasiertes Lernen mit Lösungsbeispielen: der Einfluss von Fehlern und Feedback* Robin Stark 1 , Veronika Kopp 2 , Martin R. Fischer 2 1 Universität des Saarlandes, Saarbrücken 2 Ludwig-Maximilians-Universität, München Facilitating Medical Students’ Diagnostic Competence Via Situated, Case-Based Learning With Worked-Out Examples: The Influence of Errors and Feedback Summary: Basing on an analysis of students’ difficulties with diagnostic tasks, an example-based approach was realized in the context of a situated, case-based computer learning environment in the field of arterial hypertension. In order to enhance the effectiveness of the approach, two additional measures were implemented: erroneous examples and elaborated feedback. In the context of an experimental study the two measures were varied experimentally. 153 medical students were randomly assigned to four experimental conditions of a 2 x 2-factorial design (errors vs. no errors, elaborated feedback vs. knowledge of correct result [KOR]). The acquisition of conceptual knowledge was supported by erroneous examples. Errors in combination with elaborated feedback turned out to be the most effective learning condition for action-relevant aspects of diagnostic competence. These effects were independent from prior knowledge and time-on-task. In summary the results emphasize the effectiveness and economy of situated, case-based learning with examples. Keywords: Learning from worked-out examples, diagnostic competence, erroneous examples, feedback Zusammenfassung: Ausgehend von einer Analyse von Problemen Studierender bei der Bewältigung von Diagnoseaufgaben wurde ein Ansatz zum beispielbasierten Lernen im Kontext einer situierten, fallbasierten und computergestützten Lernumgebung im Bereich arterieller Hypertonie umgesetzt. Um die Effektivität dieses Ansatzes zu steigern, wurden zwei zusätzliche Maßnahmen implementiert: Fehlerhafte Lösungsbeispiele und elaboriertes Feedback. Im Rahmen einer Laborstudie wurden beide Maßnahmen experimentell variiert. 153 Studierende im klinischen Studienabschnitt wurden vier Bedingungen eines 2 x 2-faktoriellen Designs (mit Fehler vs. ohne Fehler; elaboriertes Feedback vs. knowledge of correct result [KOR]) zufällig zugewiesen. Der Erwerb konzeptuellen Wissens wurde durch fehlerhafte Lösungsbeispiele gefördert. Handlungsbezogene Diagnosekompetenzaspekte wurden vor allem in der Bedingung „mit Fehler-elaboriertes Feedback“ unterstützt. Diese Effekte waren unabhängig von Vorwissen und Lernzeit. Die Befunde unterstreichen insgesamt die Effektivität und Effizienz situierten, fallbasierten Lernens mit Lösungsbeispielen. Schlüsselbegriffe: Lesemotivation, intrinsische Motivation, extrinsische Motivation, Lesefähigkeit, Textverstehen Problemstellung Richtige Diagnosen stellen zu können gehört zu den zentralen Kompetenzen eines jeden Arztes. Wie schwierig es ist, diese Kompetenz zu entwickeln, zeigen Studien zum diagnostischen Prozess bei Studierenden der Medizin. In einer Untersuchung von Gräsel und Mandl (1993) verfiel der Großteil der Studierenden zu Beginn des klinischen Studienabschnitts auf reines „Da- * Diese Studie wurde von der DFG (Deutsche Forschungsgemeinschaft) unterstützt (FK: FI 720/ 2-1; STA 596/ 3-1). 138 Robin Stark et al. tensammeln“, d. h. die Befunde des Patienten wurden ohne Bezug zu Hypothesen auf eine eher additive Weise erhoben, nicht miteinander verbunden und auch nicht zu möglichen Diagnosen in Beziehung gesetzt. Defizite zeigten sich weniger im Bereich biomedizinischen (Fakten-) Wissens, sondern vor allem bei verschiedenen Aspekten des Handlungswissens, die die Auswahl und Begründung diagnostischer Überlegungen und Entscheidungen ermöglichen. (Kognitive) Diagnosekompetenz wird im Kontext der dargestellten Studie aufgefasst als komplexes Netzwerk von Wissen, das aus konzeptuellemWissenund stärkerhandlungsbezogenen Wissensdimensionen besteht. Konzeptuelles Wissen umfasst eher abstraktes deklaratives Konzept- und Zusammenhangswissen („Was- Information“). In Anlehnung an van Gog, Paas und van Merriënboer (2004) werden unter handlungsbezogenen Wissensdimensionen strategisches Wissen und teleologisches Wissen subsumiert. Strategisches Wissen wird als Wissen über konkrete Vorgehensweisen und Problemlöseheuristiken in bestimmten Situationen verstanden („Wie-Information“). Teleologisches Wissen stellt Wissen über das Rationale und die Ziele einer konkreten Vorgehensweise dar („Warum-Information“). Die Problematik wenig effektiven Handlungswissens im Medizinstudium wird von verschiedenen Autoren als Problem der Wissensstrukturierung interpretiert (Mandin, 2001) und mit mangelnder Instruktionsqualität in Verbindung gebracht. Der Weg zum medizinischen Experten lässt sich als ein komplexer Prozess der Restrukturierung und Reorganisierung von Wissen beschreiben (Boshuizen & Schmidt, 1992). Die Analyse dieser Prozesse kann für die Gewinnung instruktionaler Zielvorgaben nutzbar gemacht werden (Gruber & Rehrl, 2003). Expertise als komplexer Umstrukturierungsprozess Mit zunehmender Expertise greifen Mediziner beim Lösen von Routineaufgaben immer weniger explizit auf deklaratives, biomedizinisches Wissen zurück. Dabei geht dieses Wissen nicht verloren, es wird lediglich umstrukturiert (genauer: enkapsuliert), indem es unter generalisierte, fallbezogene Wissensstrukturen subsumiert wird, in denen klinische Erfahrungen repräsentiert sind (Boshuizen, Schmidt, Custer & van de Wiel, 1995). Die Wissensstrukturen, in die biomedizinische Konzepte im Verlauf medizinischen Expertiseerwerbs integriert werden, werden als Illness Scripts bezeichnet. Diese zeichnen sich dadurch aus, dass Wissen über Hintergrundfaktoren bzw. Patientencharakteristika direkt mit Wissen über Symptome und Beschwerden verknüpft ist. Illness Scripts ermöglichen eine schnelle Aktivierung des Wissens, relevantes Wissen ist leicht zugänglich und flexibel anwendbar. Auf dem Weg zum Experten findet also eine weit reichende qualitative Veränderung des Wissens statt. Da Illness Scripts spezifische Formen von Schemata sind, kann effektives Diagnostizieren als schemabasiertes Problemlösen beschrieben werden (Mandin, 2001). Diese Überlegung korrespondiert mit vielfach replizierten Befunden zum analogen Problemlösen, die auf den Zusammenhang von Schemainduktion und effizientem sowie effektivem Problemlösen verweisen (z. B. Gick, 1986). Die beschriebenen Schwierigkeiten Studierender beim Diagnostizieren lassen sich somit (zumindest auch) als strukturelle Defizite interpretieren: es kann nicht auf diagnoserelevante Schemata zurückgegriffen werden. Ein viel versprechender Weg der frühzeitigen instruktionalen Förderung von Diagnosekompetenz im Medizinstudium besteht in der Implementation situierter, fallbasierter Lernumgebungen, in denen relevante und authentische Fallinformationen (Cognition and Technology Group at Vanderbilt, 1997) in Verbindung mit einer detaillierten Darstellung diagnostischer Entscheidungsprozesse vorgegeben werden, die auf einer komplexen Anwendung von Fakten- und Handlungswissen basieren. Diese multiplen Wissensaspekte müssen hierbei auf eine Weise präsentiert werden, die Fallbasierte Lösungsbeispiele: Effekte von Fehlern und Feedback 139 den Aufbau von Schemata systematisch unterstützt. Hierzu sind Lernumgebungen auf der Basis ausgearbeiteter Lösungsbeispiele in besonderem Maße geeignet (Gerjets, Scheiter & Catrambone, 2004). Lernen mit ausgearbeiteten Lösungsbeispielen Ausgearbeitete Lösungsbeispiele setzen sich aus der Aufgabenstellung und einer mehr oder weniger detaillierten Darstellung des Lösungswegs zusammen. Beispielbasiertes Lernen erfreut sich nicht nur hoher Akzeptanz bei den Lernenden; auch die Effizienz und Effektivität von Lösungsbeispielen konnten in vielen Studien v. a. für den initialen Wissenserwerb in wohl strukturierten Domänen (Stark, 1999; 2004) nachgewiesen werden. Die Überlegenheit beispielbasierten Lernens gegenüber Lernen durch Problemlösen, die bereits in einer Studie von Sweller und Cooper (1985) eindrucksvoll demonstriert wurde, wird häufig mit der Cognitive-Load-Theorie (vgl. Renkl, Gruber, Weber, Lerche & Schweizer 2003) begründet. Im Vergleich zu Problemlöseaufgaben schonen Lösungsbeispiele kognitive Ressourcen und ermöglichen eine lernwirksame Fokussierung der Aufmerksamkeit auf problemlöserelevante Aufgabeaspekte (Sweller, Chandler, Tierney & Cooper, 1990). Dadurch werden sowohl Schemaerwerb als auch Regelautomatisierung gefördert, was wiederum erfolgreiche Wissensanwendung und Transfer ermöglicht (Gerjets et al., 2004; Renkl et al., 2003; Sweller, van Merriënboer & Paas, 1998). Bereits in wohl strukturierten Domänen waren ausgearbeitete Lösungsbeispiele jedoch nicht per se anderen Lernmethoden überlegen. Entscheidend für die Wirksamkeit dieser Lernmethode ist die Qualität der Beispielelaboration (Stark, 1999) bzw. Selbsterklärung (Renkl, 1997). Es konnte mehrfach gezeigt werden, dass viele Lernende Lösungsbeispiele spontan zu passiv und oberflächlich elaborieren (Renkl, 1997; Stark, 1999), was sich ungünstig auf den Lernerfolg auswirkt. Diesem Problem kann durch lernwirksame Gestaltung der Lösungsbeispiele (Sweller et al., 1998) und deren Anreicherung mit verschiedenen Varianten instruktionaler Unterstützung erfolgreich begegnet werden (Stark, 2004). Studien zum Lernen mit Lösungsbeispielen wurden bislang vorwiegend beim initialen Lernen in wohl strukturierten Domänen durchgeführt; zudem waren die dabei verwendeten Aufgaben, beispielsweise aus der Wahrscheinlichkeitsrechnung (Stark, 1999) oder der Korrelationsrechnung (Krause, 2007; Tyroller, 2005), kurz und einfach. In der vorliegenden Studie kamen jedoch Lösungsbeispiele in einem komplexeren Inhaltsgebiet (innere Medizin, Differenzialdiagnostik zum Leitsymptom Hypertonie) im Kontext einer situierten, fallbasierten Lernumgebung bei fortgeschrittenen Lernenden zum Einsatz. Somit handelte es sich hier um eine instruktionale und situierte Prinzipien integrierende Lernumgebung (Reinmann & Mandl, 2006). Die Komplexität der Aufgabenstellung und die Lösungsschritte der verwendeten Lösungsbeispiele waren deutlich höher als in der bisherigen Lösungsbeispielforschung. Um die Effektivität des beispielbasierten Ansatzes zu erhöhen, wurden zwei instruktionale Maßnahmen in die Lernumgebung integriert: die Vorgabe fehlerhafter Lösungsbeispiele und elaboriertes Feedback. Fehlerhafte Lösungsbeispiele und elaboriertes Feedback Fehlerhafte Lösungsbeispiele. Eine bislang wenig untersuchte, aber sehr viel versprechende Maßnahme vor allem im Bereich der Medizin ist die Anreicherung von Lösungsbeispielen mit speziellen Fehlern, zumal Fehler im Diagnoseprozess weit reichende Folgen haben können (Al- Assaf, Bumpus, Carter & Dixon, 2003). Fehler beim Diagnostizieren können verschiedenen Fehlertypen (Graber, Gordon & Franklin, 2002) zugeordnet werden. Im Kontext der hier dargestellten Studie wurde auf relevante wissensbasierte Fehler fokussiert, die den Diagnoseprozess massiv beeinträchtigen können. Mit Oser und Spychiger (2005) kann davon ausgegangen werden, dass jeder Fehler Lernpotenzial beinhal- 140 Robin Stark et al. tet. Dieses Potenzial dürfte sich vor allem dann auszahlen, wenn Wissen erworben werden muss, das komplexeren Handlungsanforderungen gerecht wird (Handlungswissen) und weniger wenn es um den Erwerb (lehrbuchnahen) konzeptuellen Wissens geht. Damit Fehler produktiv sind und letztlich zu einer Verhaltensänderung im Sinne der Fehlervermeidung führen, bedarf es jedoch eines konstruktiven Umgangs mit ihnen. Lernende müssen den Fehler gezielt als Lernanlass nutzen. Dazu muss der Fehler erkannt, die richtige Lösung nachvollzogen und verstanden werden. Erst der nachvollzogene Fehler, der zu Negativem Wissen (v. a. Abgrenzungswissen und Schutzwissen; Oser & Spychiger, 2005) geworden ist, befähigt Lernende, beim nächsten Mal Fehlerhaftes leichter zu erkennen. Zudem bleibt der Fehler im episodischen Gedächtnis und wirkt dort als Korrektiv für ähnliche Probleme (Schutzfunktion des Negativen Wissens). Erste Befunde einer Studie von Große und Renkl (2004) zum Lernen mit fehlerhaften Lösungsbeispielen im Bereich Wahrscheinlichkeitsrechnung sprechen dafür, dass zumindest Lernende mit vergleichsweise hohem domänenspezifischem Vorwissen von der Vorgabe fehlerhafter Lösungsbeispiele profitieren: sie zeigten hinsichtlich weiten Transfers bessere Leistungen als Lernende mit korrekten Lösungsbeispielen. In dieser Studie, deren Befunde repliziert werden konnten (Große & Renkl, 2004, Studie 2), wurden die Lernenden in der Bedingung „mit fehlerhaften Lösungsbeispielen“ zwar über die Falschheit der Lösungsbeispiele informiert. Sie erhielten jedoch aus methodischen Gründen nach dem Lösungsbeispiel kein Feedback, d. h. die korrekte Lösung wurde ihnen vorenthalten. Wird lernwirksames Feedback gegeben, könnten auch Lernende mit niedrigerem Vorwissen von der Vorgabe fehlerhafter Information profitieren. Wie wichtig Feedback beim beispielbasierten Lernen ist, zeigte sich in einer experimentellen Studie im Bereich Korrelationsrechnung (Krause, 2007). Die Leistung der Lernenden wurde durch elaboriertes Feedback substanziell verbessert. Elaboriertes Feedback. Die Konzeption des Feedbacks orientiert sich an prozessorientierten Lösungsbeispielen (van Gog et al., 2004), bei denen neben Informationen über grundlegende Konzepte reichhaltige Informationen über das konkrete Vorgehen beim Problemlösen und Problemlöseheuristiken etc. sowie über das Rationale und die Ziele einer konkreten Vorgehensweise bereitgestellt werden. Diese Feedback-Informationen bilden auch die drei Dimensionen des hier verwendeten Diagnosekompetenzmodells ab (siehe 1.1). In verschiedenen Feedbackstudien zeigte sich, dass sich elaboriertes Feedback im Vergleich zu sparsameren, weniger informativen Feedbackvarianten (z. B. knowledge of correct result (KOR)) positiv auf die Feedbackrezeption (z. B. Jacoby, Troutman, Mazursky und Kuss, 1984) und den Wissenserwerb auswirkt (z. B. Krause, 2007). Die Überlegenheit elaborierten Feedbacks scheint vor allem bei komplexen Aufgaben aufzutreten. Geht es nur um den Erwerb konzeptuellen Wissens, können auch weniger informative Feedbackvarianten ausreichen (vgl. Kulhavy, White, Topp, Chan & Adams, 1985). In der bereits angeführten Studie von Große und Renkl (2004) zeigte sich, dass Lernende mit hohem Vorwissen von Fehlern profitierten, wenn sie zumindest wussten, dass die Problemlösung fehlerhaft war bzw. wo sich der Fehler befand. Das Markieren des Fehlers ähnelt in gewisser Weise einer KOR-Bedingung, in der Lernende ebenfalls über vorliegende Fehler informiert werden. Im Gegensatz zur Studie von Große und Renkl (2004), bei der die Studierenden die richtigen Lösungen erinnern mussten, ist es bei der hier eingesetzten Lernumgebung CASUS (siehe 3.3) möglich, sich anhand des nach dem fehlerhaften Lösungsschritt präsentierten richtigen Folgeschritts das korrekte Vorgehen selbstständig zu konstruieren. Mit dieser Feedbackvariante (KOR) wird Überlegungen zur Aktivierung der Lernenden Rechnung getragen. Bei elaboriertem Feedback besteht nämlich die Gefahr, dass Lernende die gegebenen Informationen zu Fallbasierte Lösungsbeispiele: Effekte von Fehlern und Feedback 141 passiv und oberflächlich elaborieren und Verstehensillusionen entwickeln (Krause, 2007; Stark, 1999). Es ist jedoch anzunehmen, dass aktives Konstruieren des richtigen Lösungsschritts (im Vergleich zum Nachvollziehen erklärender Informationen, die beim elaborierten Feedback bereitgestellt werden) höhere Ansprüche an das Vorwissensniveau der Lernenden stellt. Durch elaboriertes Feedback könnten dagegen Vorwissensdefizite kompensiert werden (Krause, 2007). Lernzeit Die Konzeption von fehlerhaften Lösungsbeispielen und elaboriertem Feedback in der vorliegenden Studie zielt darauf ab, die Effektivität des beispielbasierten Ansatzes zu steigern, indem die Qualität des Lernprozesses verbessert wird. Diese potenzielle Qualitätssteigerung könnte eine Erhöhung der Lernzeit mit sich bringen, d. h. eine gewisse Konfundierung von Qualität und Quantität ist hier nicht ganz auszuschließen. Lernzeitverlängernde Effekte beider Maßnahmen werden (in einem unter Praxisgesichtspunkten vertretbaren Ausmaß) jedoch nur unter der Bedingung in Kauf genommen, dass sie mit substanziellen Lerneffekten einhergehen, wie dies in der Untersuchung von Krause (2007) der Fall war. Zudem sollten sich potenzielle Effekte der Maßnahmen auf den Wissenserwerb nicht allein durch Unterschiede in der Lernzeit erklären lassen. Da die Wirksamkeit beider Maßnahmen unter Bedingungen untersucht werden sollte, die sich auf das Praxisfeld „universitäre Lehre“ gut übertragen lassen, wurde auf eine strengere Sicherung der internen Validität durch Standardisierung der Lernzeit verzichtet. Cognitive Load Große und Renkl (2004) gestehen in der oben beschriebenen Studie ein, dass das Lernen mit Fehlern hohe Anforderungen an die Lernenden stellt, da sie nicht nur die richtige Antwort in ihrem Arbeitsgedächtnis präsent haben müssen, sondern auch den falschen Lösungsschritt zusammen mit einer Erklärung, warum dieser falsch ist. Es ist deshalb anzunehmen, dass die KOR-Feedbackvariante in der Fehlerbedingung nicht nur anspruchsvoller in Bezug auf das Vorwissen der Lernenden, sondern auch in Hinblick auf kognitive Ressourcen ist. In einer komplexen Lernumgebung könnte dies zu kognitiver Überlastung führen (Renkl et al., 2003) und den Lernerfolg beeinträchtigen. Elaboriertes Feedback könnte zumindest in der Fehlerbedingung in dieser Hinsicht kompensatorisch wirksam werden. Im ungünstigsten Fall könnte die Vielfalt der hierbei angebotenen Zusatzinformation die kognitive Kapazität der Lernenden ebenfalls stark beanspruchen, zumindest wenn die Lernenden mit dem Lernsetting nicht vertraut sind bzw. wenn neue Informationen bereitgestellt werden. Inwieweit sich fehlerhafte Lösungsbeispiele und elaboriertes Feedback auf die kognitive Belastung der Lernenden auswirken und inwiefern dadurch der Wissenserwerb beeinflusst wird, wird in der vorliegenden Studie empirisch geklärt. Ziele, Fragestellungen und Hypothesen 1. Welchen Einfluss haben fehlerhafte Lösungsbeispiele (vs. Lösungsbeispiele ohne Fehler) und elaboriertes Feedback (vs. KOR) auf die Lernzeit? Die erste Fragestellung zielt auf die Überprüfung der internen Validität der Studie ab. Es wird vermutet, dass beide Maßnahmen die Lernzeit erhöhen (Haupteffekte „Fehler“ und „Feedback“). Da nicht die Lernzeit, sondern in der Zeit der Bearbeitung ablaufende (mehr oder weniger) lernrelevante Prozesse für den Wissenserwerb verantwortlich gemacht werden, die sich unterschiedlich auf die Lernzeit auswirken können, werden für alle Lernbedingungen schwache bis höchstens mittlere positive Korrelationen zwischen Lernzeit und Diagnosekompetenz erwartet. 142 Robin Stark et al. 2. Inwieweit wird der Erwerb von Diagnosekompetenz durch fehlerhafte Lösungsbeispiele (vs. Lösungsbeispiele ohne Fehler) und elaboriertes Feedback (vs. KOR) gefördert? Es wird angenommen, dass sich sowohl fehlerhafte Lösungsbeispiele als auch elaboriertes Feedback beim situierten, fallbasierten Lernen mit Lösungsbeispielen auszahlen (Haupteffekte „Fehler“ und „Feedback“). Darüber hinaus wird erwartet, dass Lernende von fehlerhaften Lösungsbeispielen insbesondere dann profitieren, wenn sie elaboriertes Feedback erhalten (Interaktion „Fehler x Feedback“). Zudem wird postuliert, dass Effekte beider Maßnahmen nicht durch Lernzeitunterschiede erklärt werden können. 3. Inwieweit wird der Einfluss der beiden Faktoren auf Diagnosekompetenz vom themenspezifischen Vorwissen moderiert? Es wird angenommen, dass sich Vorwissen unabhängig von der Lernbedingung positiv auf den Erwerb von Diagnosekompetenz auswirkt (Haupteffekt „Vorwissen“). Darüber hinaus wird erwartet, dass insbesondere vorwissensstärkere Studierende von fehlerhaften Lösungsbeispielen profitieren (Interaktion „Vorwissen x Fehler“) und dass elaboriertes Feedback Vorwissensdefizite kompensieren kann (Interaktion „Vorwissen x Feedback“). 4. Welchen Einfluss haben die beiden Faktoren auf die kognitive Belastung der Studierenden? Es wird erwartet, dass die Bearbeitung fehlerhafter Lösungsbeispiele mit einer höheren kognitiven Belastung einhergeht (Haupteffekt „Fehler“). Dieser Effekt sollte sich vor allem in der Bedingung mit KOR-Feedback zeigen, während elaboriertes Feedback diesbezüglich eine eher kompensatorische Wirkung entfalten dürfte (Interaktion „Fehler x Feedback“). Da bei der Konzeption elaborierten Feedbacks Überlegungen zur kognitiven Belastung Rechnung getragen wurde, wird kein Haupteffekt „Feedback“ erwartet. Zudem werden für alle Lernbedingungen negative Korrelationen zwischen kognitiver Belastung und Diagnosekompetenz postuliert. Methode Untersuchungsteilnehmer und Design An der Untersuchung nahmen 153 Studierende (104 Frauen und 49 Männer) der Medizin (Universität München) aus dem zweiten bis sechsten klinischen Semester teil; hypertoniespezifisches biomedizinisches Wissen konnte somit vorausgesetzt werden. Das Durchschnittsalter betrug 25 Jahre (SD = 3.62). Die Teilnahme an der Studie erfolgte freiwillig, die Studierenden erhielten 40 Euro Aufwandsentschädigung. Sie wurden den vier Bedingungen (mit Fehlerelaboriert, mit Fehler-KOR, ohne Fehler-elaboriert, ohne Fehler-KOR) des 2 x 2-faktoriellen Designs zufällig zugewiesen (Verteilung s. Tab. 1). Lernumgebung Die Lösungsbeispiele wurden in die Lernplattform CASUS integriert, die sich bereits in der Medizinerausbildung bewährt hat (Fischer, 2000). Sie ist linear aufgebaut und besteht neben einem Schema zur Veranschaulichung des Diagnoseprozesses aus sechs ausgearbeiteten Lösungsbeispielen zu den Krankheiten Phäochromozytom, primärer Hyperaldosteronismus (Conn-Syndrom) und Nierenarterienstenose. Jeder dieser Krankheiten liegt ein anderer pathophysiologischer Prozess zugrunde. Die Lernenden werden instruiert, beim Nachvollziehen und Bearbeiten der Lösungsbeispiele die Rolle eines Famulanten einzunehmen, der in der allgemeinärztlichen Praxis von Dr. Knesewitsch tätig ist und von diesem Rückmeldung bekommt (die deutsche Approbationsordnung für Ärzte schreibt ein viermonatiges Praktikum vor, die sog. Famulatur, die in einer Arztpraxis oder im Krankenhaus zu absolvieren ist). Alle Lösungsbeispiele beginnen mit einer kurzen Fallvignette, wie beispielsweise der des 52-jährigen Elektroingenieurs Herrn Dietrich Schuster, der seit einigen Monaten mehrfach diffuse Kopfschmerzen, Herzklopfen etc. beklagt, die von selbst vergehen, aber in letzter Zeit immer häufiger auftreten. Auf der Basis dieser Informationen zieht der Famulant in der Lernumgebung Schlussfolgerungen bezüglich der Diagnose und des weiteren Vorgehens und erhält im Anschluss von Dr. Knesewitsch Feedback. Danach werden weitere Informationen zum Fall präsentiert; die Sequenz von Information, Schlussfolgerung bzw. weiteren Maßnahmen und Rückmeldung beginnt von Neuem, bis am Ende dieses Prozesses die Diagnose präsentiert wird. Fallbasierte Lösungsbeispiele: Effekte von Fehlern und Feedback 143 Das zusätzlich bereitgestellte Diagnoseschema ermöglicht eine Kontextualisierung des Diagnoseprozesses, indem ein Problemraum aufgespannt wird, der die potenziellen Diagnosen auf die wesentlichen sekundären Hypertonien zugrundeliegenden Erkrankungen einschränkt. Dabei werden Zusammenhänge zwischen den verschiedenen Krankheiten und den zugrunde liegenden pathophysiologischen Prozessen erläutert. Zudem wird veranschaulicht, welche weiteren Informationen benötigt werden, um Diagnosen ausschließen oder in die engere Wahl nehmen zu können. Faktoren Fehler. In den Bedingungen ohne Fehler wird ein Famulant präsentiert, der auf der Basis der gegebenen Informationen die richtigen Überlegungen anstellt, daraus richtige Schlussfolgerungen zieht bzw. korrekte Vorgehensweisen ableitet und zur richtigen Diagnose gelangt. In den Bedingungen mit Fehler werden in das Vorgehen des Famulanten, das die Lernenden nachzuvollziehen haben, verschiedene Fehler integriert. So denkt der Famulant in den Fehlerbedingungen beispielsweise bei der Symptomatik von Herrn Dietrich an einen primären Hypertonus und lässt dabei sekundäre Hypertonieursachen wie Phäochromozytom und andere mögliche Differenzialdiagnosen außer Acht. In den Bedingungen ohne Fehler interpretiert dagegen der Famulant die Symptome des Patienten richtig als hypertensive Krisen, die ein Phäochromozytom wahrscheinlich machen und gibt zudem weitere richtige Differenzialdiagnosen an. Die Auswahl der Fehler orientiert sich an der oben angeführten Fehlertaxonomie von Graber et al. (2002) sowie an relevanten kognitiven Fehlern, die in diesem Feld häufig vorkommen. Nach jeder Fehlentscheidung erfolgt unmittelbar eine Korrektur in Form eines Feedbacks. Feedback. Beim elaborierten Feedback gibt der Arzt zusätzliche Erklärungen zu den (entweder richtigen oder falschen) Überlegungen, Schlussfolgerungen und weiteren Vorgehensweisen des Famulanten ab und erläutert bzw. begründet den Diagnoseprozess unter Bezugnahme auf pathophysiologisches Hintergrundwissen. Beim KOR-Feedback dagegen werden Überlegungen, Schlussfolgerungen und Vorgehensweisen ohne weitere Erklärungen lediglich als richtig oder falsch bewertet. In der Bedingung mit Fehler und KOR muss der richtige Schritt im Diagnoseprozess somit aus den jeweils nachfolgenden Seiten des Lösungsbeispiels immer wieder erschlossen werden. Instrumente und Messverfahren Themenspezifisches Vorwissen. Der Vorwissenstest zur Erfassung konzeptuellen Wissens bestand aus 21 MC-Fragen (eins aus fünf ), die zum Großteil bereits so oder in leicht abgewandelter Form vom Institut für medizinische und pharmazeutische Prüfungsfragen (IMPP) in Staatsexamina verwendet worden waren. Aufgrund negativer Trennschärfe zweiter Items reduzierte sich die Itemanzahl und die maximale Punktzahl auf 19. Die innere Konsistenz (Cronbach’s Alpha) betrug .63. Kognitive Belastung wurde anhand einer 9 Items umfassenden, siebenstufigen Ratingskala (von 1 „sehr gering“ bzw. „sehr leicht“ bis 7 „sehr hoch“ bzw. „sehr schwer“) von Paas und Kalyuga (2005) erhoben, die das Konstrukt über Schwierigkeitseinschätzungen und mentale Anstrengung operationalisieren (z. B. „Bei der Bearbeitung der Lernumgebung war meine mentale Anstrengung …“). Kognitive Belastung wurde als Prozessvariable nach dem dritten und sechsten Lösungsbeispiel erhoben. Da sich zu beiden Messzeitpunkten in allen Gruppen analoge Mittelwerte zeigten und die Belastungswerte zum ersten und zweiten Messzeitpunkt zudem in allen Gruppen hoch korrelierten, wurden die Skalen aggregiert (Cronbach’s Alpha = .90). Diagnosekompetenz. Der vor der Lernphase eingesetzte Vorwissenstest zur Erfassung konzeptuellen Wissens wurde nach der Lernphase erneut vorgelegt. Die Reliabilität des auf 19 Items reduzierten Tests lag bei .60 (Cronbach’s Alpha). Zur Erfassung der beiden Handlungswissensaspekte kamen Key-Feature-Fälle und Problemlöseaufgaben zum Einsatz (Fischer, Kopp, Holzer, Ruderich & Jünger, 2005). Der Key-Feature- Ansatz (Bordage, Brailovsky, Carretier & Page, 1995) zielt primär auf die Erfassung strategischen Wissens ab (hier: Handlungswissen 1). Es wurden zehn authentische Patientenfälle vorgegeben und nach Arbeitshypothesen, Differenzialdiagnosen und diagnostischen Untersuchungen, die zur weiteren Abklärung der Diagnose nötig sind, gefragt. Jeder Fall bestand aus drei Fragen. Pro Frage konnte ein Punkt erreicht werden. Aufgrund mangelnder Trennschärfe wurde eine Frage eliminiert, sodass maximal 29 Punkte erreicht werden konnten. Die Reliabilität lag bei .72 (Cronbach’s Alpha). 144 Robin Stark et al. Mit den Problemlöseaufgaben wird sowohl strategisches als auch teleologisches Wissen erhoben (hier: Handlungswissen 2). Aus den Informationen einer authentischen Fallvignette haben die Studierenden eine erste Verdachtsdiagnose zu generieren. Zudem werden sie nach Begründungen hierfür und nach den zugrunde liegenden pathophysiologischen Prozessen gefragt. Handlungswissen 2 umfasst somit auch Aspekte (fallspezifischen) konzeptuellen Wissens. Insgesamt wurden drei Problemlöseaufgaben mit je drei Fragen erfasst. Die maximal zu erreichende Punktzahl lag bei 20 Punkten. Cronbach’s Alpha betrug hier .73. Die Korrelation zwischen Handlungswissen 1 und 2 war substanziell (r = .64, p < .01), die Beziehungen zwischen konzeptuellem Wissen und diesen beiden Diagnosekompetenzaspekten fielen etwas schwächer, aber immer noch deutlich aus (r = .56, p < .01 mit Handlungswissen 1 bzw. r = .45, p < .01 mit Handlungswissen 2). Die Größenordnung dieser Korrelationen erlaubt eine differenzierte Analyse der drei Diagnosekompetenzaspekte, lässt aber auch eine Aggregation zu (Cronbach’s Alpha = .85). Lernzeit. Die Lernzeit wurde automatisch durch die computerbasierte Lernumgebung registriert. Versuchsablauf Nach einer Einführung in die Lernumgebung bearbeiteten die Studierenden den Vorwissenstest. Anschließend begann die eigentliche Lernphase, in der sechs Lösungsbeispiele vorgegeben wurden. In der Mitte und am Ende der Lernphase wurde die kognitive Belastung gemessen. Nach einer Pause von 15 Minuten bearbeiteten die Studierenden nacheinander die drei Nachtests zur Erfassung von Diagnosekompetenz. Ergebnisse Einfluss der beiden Faktoren auf die Lernzeit Lernende mit elaboriertem Feedback bearbeiteten die Lösungsbeispiele durchschnittlich deutlich länger als Lernende der beiden KOR- Bedingungen (s. Tab. 1). Zudem war die Streuung der Lernzeiten in den beiden Bedingungen mit elaboriertem Feedback höher. Der Haupteffekt „Feedback“ war signifikant und substanziell (F(1,149) = 36.15; p < .01; partielles η 2 = .19). Der Fehlerfaktor wirkte sich dagegen nur marginal auf die Lernzeit aus, der Haupteffekt „Fehler“ war statistisch nicht bedeutsam (F < 1). Auch die Interaktion „Fehler x Feedback“ war nicht signifikant (F < 1). Korrelationsstatistisch ließ sich für keine Lernbedingung ein Zusammenhang zwischen Lernzeit und aggregierter Diagnosekompetenz erkennen. Die Korrelationen variierten zwischen -.16 und .13, in der Gesamtstichprobe lag sie bei .05. Einfluss der beiden Faktoren auf den Erwerb von Diagnosekompetenz Um den Einfluss fehlerhafter Lösungsbeispiele und elaborierten Feedbacks auf Diagnosekompetenz zu bestimmen, wurde ein allgemeines lineares Modell spezifiziert, in das als unabhängige Variablen die beiden Faktoren und als abhängige Variablen die drei Diagnosekompetenz- M (SD) mit Fehler ohne Fehler elaboriert n = 36 KOR n = 41 elaboriert n = 40 KOR n = 36 Lernzeit 44.60 (14.70) 31.37 (7.75) 45.49 (16.87) 33.70 (10.02) Konzeptuelles Wissen (max. 19 Pkte.) 14.69 (2.35) 12.83 (2.28) 13.38 (2.72) 13.03 (2.76) Handlungswissen 1 (max. 29 Pkte.) 20.68 (3.02) 17.81 (2.96) 18.32 (4.04) 18.85 (4.42) Handlungswissen 2 (max. 20 Pkte.) 11.93 (3.65) 9.93 (3.53) 10.86 (3.70) 11.63 (3.27) Kognitive Belastung 3.35 (.58) 3.58 (.57) 3.37 (.79) 3.13 (.62) Tabelle 1: Lernzeit, konzeptuelles Wissen, Handlungswissen 1, Handlungswissen 2 und kognitive Belastung in Abhängigkeit von der Lernbedingung: Mittelwerte (Standardabweichung in Klammern) Fallbasierte Lösungsbeispiele: Effekte von Fehlern und Feedback 145 aspekte aufgenommen wurden. Zudem wurden Lernzeit und Vorwissen als Kovariaten in das Modell integriert. Neben den Haupteffekten der Faktoren und Kovariaten wurden die Interaktion zwischen den beiden Faktoren sowie die Interaktionen zwischen den Faktoren und dem Vorwissen analysiert (siehe Frage 4.3). Es traten weder Bodennoch Deckeneffekte auf (s. Tab. 1). Beim konzeptuellen Wissen erzielten Studierende der Bedingung „mit Fehlerelaboriert“ den höchsten Punktwert. Studierende, die mit fehlerhaften Lösungsbeispielen lernten und nur KOR-Feedback erhielten, schnitten dagegen am schlechtesten ab. Die anderen beiden Gruppen unterschieden sich nur marginal und lagen mit ihren Ergebnissen zwischen den beiden „Extremgruppen“. Dieses deskriptive Befundmuster wiederholte sich bei den beiden Handlungswissensaspekten (s. Tab. 1). Beim konzeptuellen Wissen war der Haupteffekt „Fehler“ signifikant (F(1,145) = 3.88; p < .05; partielles η 2 = .03). Im Durchschnitt wurde in den beiden Fehlerbedingungen aufgrund der deutlichen Überlegenheit von Lernenden in der Gruppe „mit Fehler-elaboriert“ mehr konzeptuelles Wissen erworben. Der Feedbackfaktor hatte keinen Einfluss (F < 1), die Interaktion war auch nicht signifikant (F(1,145) = 2.10; n.s.). Beim Handlungswissen 1 trat ebenfalls ein statistisch bedeutsamer Haupteffekt „Fehler“ auf (F(1,145) = 3.99; p < .05; partielles η 2 = .03), der jedoch hier durch eine signifikante Interaktion „Fehler x Feedback“ qualifiziert wurde (F(1,145) = 7.58; p < .01; partielles η 2 = .05). Der Haupteffekt „Feedback“ war nicht signifikant (F < 1). Erwartungsgemäß profitierten die Studierenden von fehlerhaften Lösungsbeispielen v. a. dann, wenn sie elaboriertes Feedback erhielten; wurden Lösungsbeispiele ohne Fehler vorgegeben, war der Einfluss der Feedbackform nur marginal. Ein etwas anderes Bild zeigte sich beim Handlungswissen 2: hier war nicht der Fehlerfaktor (F < 1), sondern der Feedbackfaktor signifikant (F(1,145) = 4.40; p < .05; partielles η 2 = .03). Der Interaktionseffekt war ebenfalls statistisch bedeutsam (F(1,145) = 5.96; p < .05; partielles η 2 = .04). Nur wenn fehlerhafte Lösungsbeispiele vorgegeben wurden, war elaboriertes Feedback von Vorteil. Wurden Lösungsbeispiele ohne Fehler präsentiert, schnitten Lernende mit KOR-Feedback deskriptiv sogar etwas besser ab. Sämtliche Effekte zeigten sich bei statistischer Kontrolle von Lernzeitunterschieden. Zusammenfassend kann festgehalten werden, dass der Erwerb konzeptuellen Wissens durch die Implementation fehlerhafter Lösungsbeispiele unterstützt wurde. Fehlerhafte Lösungsbeispiele kamen auch dem Erwerb von Handlungswissen 1 zugute, wenn es mit elaboriertem Feedback kombiniert wurde. Beim Erwerb von Handlungswissen 2 war elaboriertes Feedback von Vorteil, wenn es in Verbindung mit fehlerhaften Lösungsbeispielen vorgegeben wurde. Sämtliche Effekte waren eher klein, die Größe der erzielten Effekte variierte nicht in Abhängigkeit vom untersuchten Diagnosekompetenzaspekt. Die Effekte der Faktoren waren unabhängig von der Lernzeit, die auf den Erwerb diagnostischer Kompetenz keinen nachweisbaren Einfluss hatte. Einfluss des themenspezifischen Vorwissens Zwischen den vier Gruppen gab es keine signifikanten Vorwissensunterschiede (F(3,149) = 2.21; n.s.). Bei den unter Frage 4.2 dargestellten Analysen wurde das Vorwissen der Lernenden als potenzielle Einflussgröße bereits berücksichtigt. Bei allen drei Aspekten von Diagnosekompetenz konnten signifikante Haupteffekte „Vorwissen“ identifiziert werden, die beim konzeptuellen Wissen (F(1,145) = 136.32; p < .01; partielles η 2 = .49) und beim Handlungswissen 1 (F(1,145) = 70.44; p < .01; partielles η 2 = .33) sehr groß waren. Beim Handlungswissen 2 war der Einfluss des Vorwissens etwas schwächer (F(1,145) = 28.32; p < .01; partielles η 2 = .16). Hohes Vorwissen wirkte sich wie erwartet in allen Bedingungen positiv auf den Erwerb von Diagnosekompetenz aus. 146 Robin Stark et al. Der erwartete Interaktionseffekt „Vorwissen x Fehler“ zeigte sich bei keinem der drei Diagnosekompetenzaspekte (für konzeptuelles Wissen: F(1,145) = 1.44; n.s.; für Handlungswissen 1: F(1,145) = 2.15; n.s.; für Handlungswissen 2: F(1,145) = 1.01; n.s.). Eine moderierende Funktion des Vorwissens konnte lediglich in Bezug auf den Einfluss von Feedback auf den Erwerb von Handlungswissen 2 nachgewiesen werden; der Interaktionseffekt „Vorwissen x Feedback“ (F(1,145) = 5.31; p < .05; partielles η 2 = .04) war hier signifikant. Diese Interaktion war jedoch anders gelagert als erwartet. In den Bedingungen mit elaboriertem Feedback zeigte sich ein starker Zusammenhang zwischen Vorwissen und Handlungswissen 2 (r = .56, p < .01), in den Bedingungen mit KOR-Feedback fiel diese Beziehung schwächer aus (r = .29, p < .01). Elaboriertes Feedback kam somit vor allem den vorwissensstärkeren (und nicht wie erwartet den vorwissensschwächeren) Lernenden zugute. Beim konzeptuellen Wissen und beim Handlungswissen 1 trat keine Interaktion zwischen Vorwissen und Feedback auf (für beide Effekte: F < 1). Zusammengefasst konnten sehr große Vorwissenseffekte nachgewiesen werden, die jedoch nicht mit dem Einfluss der beiden Faktoren auf den Erwerb von Diagnosekompetenz konfundiert waren. Der Einfluss des Faktors „Fehler“ wurde vom Vorwissen nicht moderiert. Bezüglich des Feedbackfaktors zeigte sich lediglich ein lokaler Interaktionseffekt dergestalt, dass Lernende beim Erwerb von Handlungswissen 2 mehr von elaboriertem Feedback profitierten, wenn sie über höheres Vorwissen verfügten. Es ergaben sich keine Hinweise auf eine kompensatorische Wirkung elaborierten Feedbacks. Einfluss beider Maßnahmen auf die kognitive Belastung der Studierenden Die Belastungswerte waren am höchsten in der Bedingung „mit Fehler-KOR“, die niedrigsten Werte traten bei Lernenden in der Bedingung „ohne Fehler-KOR“ auf. Die beiden anderen Bedingungen unterschieden sich nur marginal und lagen zwischen diesen beiden „Extremgruppen“ (s. Tab. 1). Erwartungsgemäß zeigte sich ein signifikanter Haupteffekt „Fehler“ (F(1,149) = 4.40; p < .05; partielles η 2 = .03), der durch eine statistisch bedeutsame Interaktion zwischen beiden Faktoren qualifiziert wurde (F(1,149) = 5.08; p < .05; partielles η 2 = .03). Der Haupteffekt „Feedback“ war nicht signifikant (F < 1). Fehlerhafte Lösungsbeispiele führten v. a. dann zu einem Anstieg der Belastungswerte, wenn die Lernenden kein elaboriertes Feedback erhielten. Bei Bereitstellung elaborierten Feedbacks unterschieden sich die Belastungswerte kaum. Wie erwartet war die Korrelation zwischen kognitiver Belastung und aggregierter Diagnosekompetenz für alle Bedingungen negativ. Der stärkste Zusammenhang zeigte sich in der Fehlerbedingung mit elaboriertem Feedback (r = -.42, p < .01), der schwächste in der Bedingung „mit Fehler-KOR“ (r = -.12, n.s.). In den beiden Bedingungen ohne Fehler waren die Korrelationen ebenfalls gering und verfehlten die Signifikanzgrenze (r = -.24 bei elaboriertem Feedback, r = -.17 bei KOR). Diskussion Bevor die Ergebnisse der Studie diskutiert werden, sei zunächst auf ein Problem verwiesen, das mit dem hier realisierten Design untrennbar verbunden ist: beide Faktoren konnten nicht vollständig unabhängig voneinander variiert werden. Da die Feedbackinformation auf den Fehlerfaktor abgestimmt wurde, konnte die konkret gegebene Information nicht identisch sein. In der Bedingung „mit Fehler-elaboriert“ wurde das falsche Vorgehen auf der Basis des korrekten Vorgehens elaboriert, während in der Bedingung „ohne Fehler-elaboriert“ nur die Informationen zum korrekten Vorgehen gegeben wurden. Somit war nur der Teil des elaborierten Feedbacks zum korrekten Vorgehen identisch. Dies war jedoch eine Notwendigkeit, da die Bereitstellung fehlerhafter Beispielinformation ohne unmittelbare Aufklärung der Fehlerhaftigkeit pädagogisch kaum begründet werden kann. Die dadurch bedingte minimale Konfundierung der beiden Faktoren wurde in Kauf genommen. Fallbasierte Lösungsbeispiele: Effekte von Fehlern und Feedback 147 Effekte von fehlerhaften Lösungsbeispielen und elaboriertem Feedback auf Diagnosekompetenz und kognitive Belastung Durch die Implementation fehlerhafter Lösungsbeispiele, die sich an der medizindidaktischen Fehlertaxonomie von Graber et al. (2002) orientierte, konnte sowohl der Erwerb konzeptuellen als auch der Aufbau stärker handlungsorientierten Strategie- und Begründungswissens gefördert werden, wenn elaboriertes Feedback bereitgestellt wurde. Diese Befunde bestätigen pädagogische Überlegungen zum Lernpotenzial von Fehlern, wenn diese für die Lernenden nachvollziehbar aufgeklärt werden (Oser & Spychiger, 2005). Das dadurch erworbene negative Wissen scheint dem Aufbau einer effektiven, handlungsrelevanten Wissensbasis zugute zu kommen und die Studierenden auf dem Weg zu mehr diagnostischer Expertise voranzubringen. Die Vorgabe fehlerhafter Lösungsbeispiele in Kombination mit KOR-Feedback wirkte sich ungünstig auf den Erwerb von Diagnosekompetenz aus. Diese Befunde korrespondieren mit Ergebnissen der Feedbackforschung, die für eine Überlegenheit elaborierten Feedbacks beim komplexen Lernen sprechen (Krause, 2007). Zudem lassen sie sich in ein mehrfach repliziertes Befundmuster integrieren, das sich in früheren Studien zum beispielbasierten Lernen im Bereich der kaufmännischen Erstausbildung zeigte (Stark, Gruber, Mandl & Hinkofer, 2001; Stark, 2004): Maßnahmen, die die Komplexität der Lernprozesse erhöhten, erwiesen sich in diesen Studien nur dann als effektiv, wenn sie von zusätzlicher instruktionaler Unterstützung flankiert wurden, mit der die Komplexitätssteigerung kompensiert werden konnte. Blieb diese Unterstützung aus, kam es zu Überforderungserscheinungen, die mit erfolgreichem Lernen interferierten. In der vorliegenden Studie wird dieses Befundmuster durch die Ergebnisse zur kognitiven Belastung bestätigt: Durch die Implementation fehlerhafter Lösungsbeispiele erhöhte sich die kognitive Belastung. Dieser Effekt konnte durch Bereitstellung elaborierten Feedbacks kompensiert werden. Die Belastungswerte waren für alle Bedingungen unauffällig, extreme Werte traten nicht auf. Elaboriertes Feedback erhöhte die kognitive Belastung der Probanden nicht. Möglicherweise haben sich die bei der Feedbackkonzeption angestellten Ressourcen-Überlegungen bezahlt gemacht. Da sich durchweg negative Korrelationen zwischen kognitiver Belastung und Diagnosekompetenz zeigten, ist anzunehmen, dass durch die Skala von Paas und Kalyuga (2005) zumindest nicht ausschließlich lernwirksame germane load-Aspekte erfasst wurden, sondern auch Aspekte des pädagogisch unerwünschten extraneous load. Die Tatsache, dass die höchsten Belastungswerte in der am wenigsten effektiven Lernbedingung (mit Fehler-KOR) auftrat, stützt diese Vermutung. Bedeutung des Vorwissens Den stärksten Prädiktor für den Erwerb von Diagnosekompetenz bildete das themenspezifische Vorwissen. Dieser Befund bestätigt einmal mehr die bedeutsame Rolle, die domänenspezifischem Vorwissen auch beim beispielbasierten Lernen zukommt (Krause & Stark, 2006; Stark, 1999). Die vier Gruppen unterschieden sich jedoch nicht im Vorwissen; zudem waren die Effekte der instruktionalen Maßnahmen nicht mit Vorwissenseffekten konfundiert. Die ausgehend von der Studie von Große und Renkl (2004) postulierte moderierende Wirkung des Vorwissens konnte nicht bestätigt werden: die Lernwirksamkeit fehlerhafter Lösungsbeispiele war in der vorliegenden Studie unabhängig vom Vorwissensniveau der Lernenden. Dies lässt sich dadurch erklären, dass - anders als bei Große und Renkl (2004) - keine Novizen an der Studie teilnahmen. Alle Probanden befanden sich bereits im klinischen Abschnitt ihres Studiums und verfügten bereits über themenspezifisches Vorwissen. Ein Moderatoreffekt zeigte sich lediglich in Bezug auf die Feedbackwirkung: Studierende, die über mehr Vorwissen verfügten, konnten die bei elaboriertem Feedback gegebene Information besser nutzen, um eine besondere Form von Hand- 148 Robin Stark et al. lungswissen (strategisches und teleologisches Wissen) zu erwerben. Da in den elaborierten Feedbackbedingungen nicht nur Begründungen ausgeführt, sondern auch Konzepte erläutert und strategische Informationen gegeben wurden, ist es verwunderlich, dass sich die Interaktion zwischen Vorwissen und Feedback nur bei einem Diagnosekompetenzaspekt zeigte, zumal nicht angenommen wird, dass gerade das Verstehen der gegebenen Begründungen besonders hohe Ansprüche an das Vorwissen der Studierenden stellt. Zur weiteren Abklärung bedarf diese lokale Interaktion der Replikation. Bedeutung der Lernzeit Die absoluten Lernzeiten waren angesichts der Fülle und Komplexität der durchzuarbeitenden Materialien auffallend kurz. Die meisten Studierenden blieben deutlich unter einer Stunde. Durch elaboriertes Feedback wurde die Lernzeit um ca. 15 Minuten verlängert - absolut betrachtet ist das wenig, bezogen auf die durchschnittlich realisierten Lernzeiten bedeutet dies jedoch eine Verlängerung um ca. ein Drittel. Dieser Effekt der Feedbackmaßnahme auf die Lernzeit, der in vergleichbarer Größe in der Studie von Krause (2007) auftrat, war substanziell und stärker als der Einfluss der beiden variierten Faktoren auf die Diagnosekompetenz. Die Wirksamkeit elaborierten Feedbacks in der Fehlerbedingung lässt diese Verlängerung der Lernzeit aus einer pädagogischen Perspektive jedoch als gerechtfertigt erscheinen. Entscheidend für die interne Validität der Studie ist, dass sich die kognitiven Effekte fehlerhafter Lösungsbeispiele und elaborierten Feedbacks bei statistischer Kontrolle der Lernzeit zeigten und der Lernerfolg zudem in keiner Lernbedingung mit der Lernzeit korrelierte. Ausblick Die berichteten Ergebnisse sprechen insgesamt dafür, dass der implementierte beispielbasierte Ansatz geeignet ist für den Wissenserwerb in komplexeren Inhaltsgebieten und für Lernende, die bereits über Vorwissen verfügen. Es ist jedoch noch einmal darauf zu verweisen, dass die verwendeten Lösungsbeispiele zwar einige Gemeinsamkeiten mit prozessorientierten (van Gog et al., 2004) und auch mit heuristischen Lösungsbeispielen aufweisen (Hilbert, Renkl, Kessler & Reiss, in Druck). Sie sind jedoch inhaltlich deutlich anspruchsvoller; zudem sind sie eingebettet in eine situierte, fallbasierte Lernumgebung. Die Verbindung beispielbasierter Ansätze mit Prinzipien situierten Lernens ermöglicht aus unserer Sicht einen erfolgversprechenden Einsatz der beispielbasierten Methode in komplexeren, weniger strukturierten Inhaltsgebieten, in denen verschiedene Problemlösestrategien zum Ziel führen und unterschiedliche theoretische Perspektiven relevant werden können. Der hierbei nicht zu unterschätzenden Überforderungsproblematik muss jedoch mit geeigneten zusätzlichen instruktionalen Maßnahmen begegnet werden (vgl. Reinmann & Mandl, 2006). Sollten sich die dargestellten Effekte im Labor und auch unter Feldbedingungen, die den späteren Einsatzbedingungen der Lernumgebung in der universitären Lehre entsprechen, replizieren lassen, spricht vieles dafür, den hier umgesetzten innovativen Ansatz zum situierten, fallbasierten Lernen mit Lösungsbeispielen in die universitäre Medizinerausbildung zu integrieren. Hierbei bietet sich eine Ausweitung auf andere, ähnlich komplexe Gebiete der Medizin an; entsprechende Studien befinden sich in der Konzeptionsphase. Literatur Al-Assaf, A. F., Bumpus, L. J., Carter, D. & Dixon, S. B. (2003). Preventing Errors in Healthcare: A Call for Action. Hospital Topics, 81, 5 - 12. Bordage, G., Brailovsky, C., Carretier, H. & Page, G. (1995). Content validation of key features on a national examination of clinical decision-making skills. Academic Medicine, 70 (4), 276 - 281. Boshuizen, H. P. A. & Schmidt, H. G. (1992). The role of biomedical knowledge in clinical reasoning by experts, intermediates and novices. Cognitive Science, 16, 153 - 184. Boshuizen, H. P. A., Schmidt, H. G., Custer, E. J. F. M. & van de Wiel, M. W. (1995). Knowledge development and restructuring in the domain of medicine: the role of theory and practice. Learning and Instruction, 5, 269 - 289. Fallbasierte Lösungsbeispiele: Effekte von Fehlern und Feedback 149 Cognition and Technology Group at Vanderbilt (1997). The Jasper project: Lessons in curriculum, instruction, assessment, and professional development. Mahwah: Erlbaum. Fischer, M. R. (2000). CASUS - An Authoring and Learning Tool Supporting Diagnostic Reasoning. Zeitschrift für Hochschuldidaktik, 1, 87 - 98. Fischer, M. R., Kopp, V., Holzer, M., Ruderich, F. & Jünger, J. (2005). A modified electronic key feature examination for undergraduate medical students: validation threats and opportunities. Medical Teacher, 27, 450 - 455. Gerjets, P., Scheiter, K. & Catrambone, R. (2004). Designing instructional Examples to Reduce Intrinsic Cognitive Load: Molar versus Modular Presentation of Procedures. Instructional Science, 32, 33 - 58. Gick, M. L. (1986). Problem-Solving Strategies. Educational Psychologist, 21 (1 & 2), 99 - 120. Graber, M., Gordon, R. & Franklin, N (2002). Reducing Diagnostic Errors in Medicine: What’s the Goal? Academic Medicine, 77, 981 - 992. Gräsel, C. & Mandl, H. (1993). Förderung des Erwerbs diagnostischer Strategien in fallbasierten Lernumgebungen. Unterrichtswissenschaft, 21, 355 - 370. Große, C. S. & Renkl, A. (2004). Learning from worked examples: What happens if errors are included? In P. Gerjets, J. Elen, R. Joiner & P. Kirschner (Eds.), Instructional design for effective and enjoyable computersupported learning (pp. 356 - 364). Tübingen: Knowledge Media Research Center. Gruber, H. & Rehrl, M. (2003). Bedingungen zur Stimulation von Kompetenzentwicklung. In Bundesinstitut für Berufsbildung (Hrsg.), Berufsbildung für eine globale Gesellschaft. Perspektiven im 21. Jahrhundert (CD- ROM, Dokumentation 4. BIBB-Fachkongress 2002). Berlin: Bundesinstitut für Berufsbildung. Hilbert, T. S., Renkl, A., Kessler, S. & Reiss, K. (in press). Learning to prove in geometry: Learning from heuristic examples and how it can be supported. Learning & Instruction. Jacoby, J., Troutman, T., Mazursky, D. & Kuss, A. (1984). When feedback is ignored: Disutility of outcome feedback. Journal of Applied Psychology, 69 (3), 531 - 545. Krause, U.-M. (2007). Feedback und kooperatives Lernen. Münster: Waxmann. Krause, U.-M. & Stark, R. (2006). Vorwissen aktivieren. In H. Mandl & H. F. Friedrich (Hrsg.). Handbuch Lernstrategien (S. 38 - 49). Göttingen: Hogrefe. Kulhavy, R. W., White, M. T., Topp, D. W., Chan, A. L. & Adams, J. (1985). Feedback complexity and corrective efficiency. Contemporary Educational Psychology, 10, 285 - 291. Mandin, H. C. (2001). Schemes for Problem Solving - Hypertension. The Meducator, 1 (1), Handbook for Practitioners - Medical Education Series 1. Oser, F. & Spychiger, M. (2005). Lernen ist schmerzhaft: Zur Theorie des Negativen Wissens und zur Praxis der Fehlerkultur. Weinheim: Beltz. Paas, F. & Kalyuga, S. (2005). Cognitive Measurements to Design Effective Learning Environments. Paper presented at the International Workshop and Mini-conference on Extending Cognitive Load Theory and Instructional Design to the Development of Expert Performance, Heerlen, Netherlands. Reinmann, G. & Mandl, H. (2006). Unterrichten und Lernumgebungen gestalten. In A. Krapp & B. Weidenmann (Hrsg.), Pädagogische Psychologie. Ein Lehrbuch (5., vollst. überarb. Aufl.) (S. 613 - 658). Weinheim: Beltz. Renkl, A. (1997). Learning from worked-out examples: A study on individual differences. Cognitive Science, 21, 1 - 29. Renkl, A., Gruber, H., Weber, S., Lerche, T. & Schweizer, K. (2003). Cognitive Load beim Lernen aus Lösungsbeispielen. Zeitschrift für Pädagogische Psychologie, 17, 93 - 101. Stark, R. (2004). Implementing example-based learning and teaching in the context of vocational school education in business administration. Learning Environments Research, 7, 143 - 163. Stark, R. (1999). Lernen mit Lösungsbeispielen. Einfluß unvollständiger Lösungsbeispiele auf Beispielelaboration, Lernerfolg und Motivation. Göttingen: Hogrefe. Stark, R., Gruber, H., Mandl, H. & Hinkofer, L. (2001). Wege zur Optimierung eines beispiel-basierten Instruktionsansatzes: Der Einfluss multipler Perspektiven und instruktionaler Erklärungen auf den Erwerb von Handlungskompetenz. Unterrichtswissenschaft, 29, 26 - 40. Sweller, J., Chandler, P., Tierney, P. & Cooper, M. (1990). Cognitive load and selective attention as factors in the structuring of technical material. Journal of Experimental Psychology: General, 119, 176 - 192. Sweller, J. & Cooper, G. A. (1985). The use of worked examples as a substitute for problem solving in learning algebra. Cognition and Instruction, 2, 59 - 89. Sweller, J., van Merriënboer, J. J. G. & Paas, F. G. W. C. (1998). Cognitive architecture and instructional design. Educational Psychology Review, 10, 251 - 296. Tyroller, M. (2005). Effekte metakognitiver Prompts beim computerbasierten Statistiklernen. Unveröffentlichte Dissertation. Ludwig-Maximilians-Universität München. Van Gog, T., Paas, F. & van Merriënboer, J. J. G. (2004). Process-oriented worked examples: Improving transfer performance through enhanced understanding. Instructional Science, 32, 83 - 98. Prof. Dr. Robin Stark Universität des Saarlandes Philosophische Fakultät III Fachrichtung Erziehungswissenschaft Postfach 151150 D-66041 Saarbrücken Tel.: ++49 6 81/ 3 02-41 11 Fax: ++49 6 81/ 3 02-47 08 E-Mail: r.stark@mx.uni-saarland.de Veronika Kopp Dr. Martin Fischer Ludwig-Maximilians-Universität München Medizinische Fakultät Schwerpunkt Medizindidaktik Klinikum der Universität München, Medizinische Klinik - Innenstadt Ziemssenstr. 1 D-80336 München Tel.: ++49 89/ 51 60-22 89 Fax: ++49 89/ 51 60-49 31 E-Mail: veronika.kopp@med.uni-muenchen.de bzw. fischer.martin@med.uni-muenchen.de