Im Folgenden werden die in unserer Pilotstudie eingesetzten Artefakt-Typen vorgestellt: Fallbeispiel, Notiz und Modell.

Der Prozess untergliedert sich wie in Abbildung 1 dargestellt in zwei Phasen: (1) die Analyse-Phase, in der die Nutzer Fallbeispiele rezipieren und Notizen verfassen können, und (2) die Modellerstellungs-Phase, in der die Nutzer ein neues Modell unter zu Hilfenahme ihrer Notizen erstellen.

In der Analyse-Phase rezipieren die Lernenden mehrere Fallbeispiele. Beim Lesen der Fallbeispiele regt der Prozess zum Vergleich der Beispiele an. Da die Fallbeispiele identisch strukturiert sind, ist eine synoptische Rezeption der Inhalte möglich. Die Analyse-Phase beginnt mit der Fokussierung auf einen Abschnitt des ersten Fallbeispiels, z.B. die Situationsbeschreibung. Anschließend werden die entsprechenden Abschnitte der anderen Fallbeispiele fokussiert (d.h. gesucht und sichtbar gemacht). Eine mögliche Darstellung sollte deshalb die Texte so nebeneinander darstellen, dass die fokussierten Abschnitte gleichzeitig sichtbar sind. Hierdurch soll der Vergleich vereinfacht werden. Die Darstellung der Abschnitte der Erfahrungsberichte muss jedoch nicht gekoppelt sein (d.h. gekoppeltes Scrolling ist nicht notwendig). Hierdurch haben die Lernenden die Freiheit, auch andere Bereiche aus einem Fallbeispiel zu betrachten.

Darauf folgt als nächster Schritt das vergleichende Lesen und Markieren dieser Abschnitte. Beim Lesen kann die Identifikation von Strukturmerkmalen durch die Möglichkeit des Markierens und des Verfassens von Notizen zu den Inhalten unterstützt werden. Informationen aus den Erfahrungsberichten sollten fallübergreifend markiert und im vierten Schritt mit einer Notiz versehen werden können. Da für die Gesamtheit der Markierungen eine gemeinsame Notiz gefunden werden muss, regt die fallübergreifende Markierung zur Konzentration auf Strukturmerkmale an und fördert so die Abstraktion. Solange noch nicht alle Abschnitte der Fallbeispiele bearbeitet sind, wird der Prozess mit dem nächsten Abschnitt der Fallbeispiele wiederholt.

In der Modellerstellungs-Phase werden nacheinander alle vorgegebenen Modell-Abschnitte mit Inhalt gefüllt. Hierzu konzentrieren sich die Lernenden zunächst auf einen Abschnitt. Zu diesem Abschnitt können sie dann passende Notizen aus der Analyse-Phase finden und diese Kommentare entweder direkt in dem aktuellen Modell-Abschnitt verwenden (d.h. direkte Wiederverwendung). In einem Überarbeitungsschritt werden dann die einzelnen Kommentare eines Abschnitts zu einem Text zusammengefasst. Solange noch nicht alle Modell-Abschnitte mit Inhalt gefüllt sind, wird der Prozess mit dem nächsten Modell-Abschnitt fortgeführt.

Der in Abschnitt 2 beschriebene 2-phasige Lernprozess wird durch zwei spezifische Werkzeuge unterstützt, die die für die jeweilige Phase notwendige Funktionalität anbieten. Die Benutzungsschnittstelle folgt dazu einem einheitlichen Muster: Die Instruktionen für die jeweilige Phase sind immer links bzw. links oben sichtbar, während im rechten Bereich die Inhalte dargestellt werden (vgl. Abbildung 2 und 3).

Analyse-Phase

In der Analyse-Phase werden den Lernenden drei Fallbeispiele in einer Synopsen-Ansicht angezeigt (vgl. Abbildung 2, Nr. 1). Drei Beispiele wurden aus zwei Gründen gewählt:

Die Leseposition innerhalb eines Fallbeispiels ist durch unabhängiges Scrollen individuell wählbar. Die Lernenden haben die Möglichkeit, frei wählbare Abschnitte der Fallbeispiele zu vergleichen. Mit einem virtuellen Textmarker (2) können Textstellen in jedem der drei Fallbeispiele markiert werden. Zu diesen Textstellen kann im Notizfeld (3) eine abstrahierende Zusammenfassung der markierten Textstellen eingegeben und gespeichert werden (4). Textmarkierungen und der Inhalt des Notizfeldes bilden zusammen eine Notiz im Sinne von Abschnitt 2. Die Notiz wird in eine Sammelliste (5) eingefügt und durch einen Klick auf das +-Symbol vor der Notiz in einem modalen Fenster zusammen mit dem markierten Text eingeblendet.

Haben die Lernenden alle gewünschten Vergleiche vorgenommen, können sie mit (6) in die Modellerstellungs-Phase wechseln (vgl. Abbildung 3).

Modellerstellungs-Phase

Hier wird den Lernenden analog zu (5) in Abbildung 2 eine Auflistung ihrer Notizen angezeigt (7). Zu den Notizen können die dazugehörigen Textmarkierungen erneut angezeigt werden. Hierzu klicken die Lernenden auf das „+“ bei der Notiz. Es öffnet sich dann wie in Phase 1 eine modale Sicht, in der die ursprünglichen Ausschnitte aus den Fallbeispielen eingeblendet sind.

Die Lernenden können ihre Notizen direkt für die Modellerstellung direkt verwenden. Hierzu klicken sie auf eine Notiz und ziehen diese (mittels Drag & Drop) in das Editierfeld des gewünschten Abschnitts im Modell (8). Der eingefügte Text kann danach frei angepasst werden. In Abbildung 3 hat die Lernende zum Beispiel die erste sichtbare Notiz in das Feld „Ziele“ geschoben. Der Text wurde dem dort bereit vorher erstellten Text angefügt. Im kommenden Bearbeitungsschritt kann die Lernende dann die Textbausteine zu einem zusammenhängenden Text verschmelzen. Notizen können beliebig oft bei der Modellbildung verwendet werden.

Hinweise in der rechten Marginalie (9) geben den Lernenden eine Hilfestellung, welche Inhalte in dem entsprechenden Feld des Modells verfasst werden sollen. Die Hilfestellungen sind kontextabhängig (es erscheint der passende Hilfetext zum gerade bearbeiteten Feld).

Mit der Schaltfläche (10) wird die Modellerstellungs-Phase abgeschlossen.

Zur Unterstützung der in Abschnitt 2 aufgestellten Anforderungen wurde eine Web-basierte Lernumgebung entwickelt. Die Implementierung erfolgte auf Basis des Web-Frameworks Ruby on Rails. Im Rahmen der Umsetzung stellte sich heraus, dass nur eine sehr einfache Client-Server-Interaktion für die Unterstützung des Lernprozesses nötig war: Lernende mussten auf die unterschiedlichen Praxisbeispiele zugreifen und Seiten für die einzelnen Phasen des Prozesses vom Server abrufen können. Zusätzlich wurden Kommentare und das von den Lernenden erstellte Modell auf dem Server gespeichert. Alternativ wäre hier auch eine Speicherung im Client denkbar gewesen. Da die Unterstützung von lokalen Browserdaten (HTML5 Local Storage) zum Zeitpunkt der Entwicklung noch nicht vollständig unterstützt wurde, stellte die Speicherung der Daten beim Server die einfachste Alternative dar.

Auf eine Mehrbenutzerinteraktion wurde in der aktuellen Studie verzichtet, da es uns um den individuellen Lernprozess beim abstrahierenden Lernen ging. Dies erlaubte uns, mit der oben dargestellten einfachen technischen Umsetzung zu arbeiten, bei der lediglich der Endzustand der einzelnen Phasen auf dem Server gespeichert wurde und Zwischenzustände nur lokal im Browser vorhanden waren. Zwischenzustände waren nicht persistent, da im Experiment auch nicht vorgesehen war, dass Lernende auf Zwischenzustände erneut zugreifen können.

Bei der Gestaltung der Anwendung wurde ebenfalls überlegt, welche zusätzlichen Herausforderungen eine Erweiterung hin zu einer kooperativen Lernumgebung hervorgerufen hätte. In einer kooperativen Umgebung würde es sich anbieten, Markierungen und Fallbeispiele übergreifende Kommentare in einem gemeinsamen Datenmodell auf dem Server abzulegen und dieses zwischen allen Lernenden zu synchronisieren (auf die hierfür benötigten technischen Details gehen wir an dieser Stelle nicht weiter ein, da sie in der Literatur umfassend beschrieben sind, z.B. in [SL07]). Die Herausforderung wäre dabei vor allem die nötige Modifikation des Prozesses, da Markierungen sich bei einer kooperativen Erarbeitung der Markierungen in der Regel überlappen können und die Markierungen zudem visuell den Lernenden zugeordnet werden müssen. Außerdem gehen wir davon aus, dass die Nutzung von fremden Markierungen und Kommentaren eine zusätzliche kognitive Last bei den Lernenden erzeugen würde, da der Grund für die Markierung bei fremden Markierungen zunächst nachvollzogen werden muss. Im hier untersuchten Prozess hätte dies zu einer erhöhten Komplexität geführt, wodurch es schwieriger gewesen wäre, den individuellen Effekt des abstrahierenden Lernens zu erkennen.

Die Umsetzung der interaktiven Benutzungsschnittstelle beim Client erfolgte in Form einer Rich Internet Application (RIA) mittels Coffee-Script, einer einfachen auf JavaScript basierenden Skriptsprache. Das heißt, dass für den Zeitpunkt der Aufgabenbearbeitung wie oben erwähnt die Daten im Browser vorgehalten wurden und direkt mittels JavaScript bearbeitet werden konnten. Nach Abschluss einer Bearbeitung wurden die geänderten Daten an den Server übertragen und dort persistiert.

Von der Ergebnissicherung abgesehen hätte die Anwendung somit auch unabhängig von einem Netzwerk erstellt werden können. Dass sie dennoch als Browser-Anwendung realisiert wurde, liegt auch daran, dass wir die Nähe zur existierenden Online-Community geistreich.de in der Benutzungs-Philosophie aufgreifen wollten (vgl. Abschnitt 3.1.1).

Für die Studie wurden 20 Studierende der ev. Theologie der Universität Tübingen eingeladen, den Lernprozess und das Werkzeug in einer Einzelsitzung von ca. 70-120 Minuten Länge zu nutzen. Ein Teilnehmer machte im Nachhinein von seinem Recht Gebrauch, die Daten aus der Auswertung zurückzuziehen. Somit bleiben für die Auswertung die Daten von 19 Studierenden. Während der Nutzung sollten die Studierenden ihre Gedanken laut äußern. Das Studien-Design folgt somit dem Prinzip des lauten Denkens (Think-Aloud-Studie; vgl. z.B. [VBS94]).

Um das Lernverhalten möglichst lückenlos zu dokumentieren, wurde die Arbeit der Studierenden mit der Lernumgebung in Form einer Bildschirmaufzeichnung mit einer gleichzeitigen Audio-Aufnahme von Äußerungen der Lernenden protokolliert. Als Werkzeug wurde die Bildschirmaufzeichnungs-Software Camtasia genutzt. Für die Auswertung standen somit Videoaufzeichnungen der Bildschirmsicht der Lernenden mit zusätzlichen laut geäußerten Gedanken in der Tonspur zur Verfügung. Zusätzlich konnten die Ergebnisse (Notizen und Modelle) direkt vom Server abgerufen werden (wobei auch hier theoretisch eine Rekonstruktion aus den Bildschirmaufzeichnungen möglich gewesen wäre).

Der Versuchsablauf war in die folgenden Schritte gegliedert:

Um Erkenntnisse darüber zu gewinnen, ob Lernende besser aus ähnlichen Fallbeispielen (d.h. mit vielen übereinstimmenden Oberflächenmerkmalen) oder aus unterschiedlichen Fallbeispielen abstrahieren können, wurden in den Schritten fünf und sechs zwei verschiedene Tripel von Fallbeispielen verwendet. Die Texte der konkreten Fallbeispiele wurden geistreich.de entnommen und für die Tripel so modifiziert, dass viele gemeinsame Oberflächenmerkmale vorhanden waren (Tripel A) oder nur wenige offensichtliche Oberflächenmerkmale vorkamen (Tripel B). Detaillierte Aussagen zur Autorenschaft und der Gemeinde, in der die Fallbeispiele ursprünglich eingesetzt wurden finden sich unter den im Folgenden genannten Online-Quellen (entsprechend den Nutzungsbedingungen von geistreich werden Autoreninformationen nur nach der Anmeldung in der geistreich-Community angezeigt).

In Tripel A handelte es sich um die folgenden Beispiele aus der Konfirmandenar-beit:

Die Beispiele zielten also auf die gleiche Zielgruppe, griffen gleiche Themen auf und beinhalteten viele gemeinsame Oberflächenmerkmale.

Die Beispiele in Tripel B besaßen hingegen nur wenige gemeinsame Oberflächenmerkmale. Es handelte sich um die folgenden Beispiele:

Gemeinsamkeiten können in diesen Beispielen nur in der tieferen Bedeutung der Fallbeispiele erkannt werden. Um diese zu erkennen müssen die Studierenden von den konkreten Fällen abstrahieren.

Eine Hälfte der Studierenden erhielt in Schritt 5 das Tripel A und in Schritt 6 das Tripel B. Die andere Hälfte erhielt zuerst das Tripel B und dann das Tripel A.

Grundlage der Auswertung der Studie waren die folgenden Fragestellungen und Hypothesen zur Wirkung des in diesem Beitrag vorgestellten Lernprozesses und der Werkzeugunterstützung zum abstrahierenden Lernen:

H1:

Die Studierenden sind in der Lage, aus den vorgegebenen Fallbeispielen eines Tripels abstrakte Modelle zu erstellen.

H2:

Beispiele mit vielen gemeinsamen Oberflächenmerkmalen (Tripel A) führen zu einem weniger abstrakten Modell als Beispiele mit wenigen gemeinsamen Oberflächenmerkmalen (Tripel B).

H3:

Die Studierenden werden den Prozess wie in Abschnitt 2 beschrieben ausführen. Sie sind in der Lage, Notizen zu erstellen, die Gemeinsamkeiten und Unterschiede zwischen den Fallbeispielen herausarbeiten.

H4:

Die synoptische Darstellung in der Lernumgebung unterstützt den Prozess und regt vergleichende Kommentare zu den gleichen Abschnitten der Fallbeispiele an.

H5:

Die Probanden entwickeln ihre Lernstrategie von Schritt 5 zu Schritt 6 weiter. Sie reflektieren dabei über den Lernprozess und beabsichtigen, ein größeres Gewicht auf die vergleichende Analyse der drei Fallbeispiele zu legen.

Die ersten beiden Hypothesen wurden durch eine qualitative Analyse der Ergebnisse der Studierenden überprüft. Die Modellqualität wurde anhand des Abstraktionsgrades des Modells von zwei unabhängigen Gutachtern auf einer Skala von 1 = sehr konkret bis 5 = sehr abstrakt bewertet. Je weniger genau spezifizierte Details (= Oberflächenmerkmale) aus den Originaltexten und je abstraktere Zusammenfassungen der gemeinsamen Merkmale aus den Erfahrungsberichten genannt wurden, desto abstrakter wurde das Modell bewertet. Den Gutachtern wurden dazu die in Tabelle 1 aufgeführten Kriterien an die Hand gegeben, um eine möglichst hohe Interratereliabilität zu erreichen.

Tabelle 1: Bewertungskriterien für den Abstraktionsgrad eines Modells.

Abstraktionsgrad	Merkmale
1 = sehr konkret	Modelle, bei denen Zielgruppen (z.B. „junge Familien“) und Objekte oder Aktivitäten (z.B. „Weintrauben zum gemeinsamen Abendessen“) sehr genau bestimmt aus den Erfahrungsberichten übernommen wurden. Wenn lediglich Details aus den Erfahrungsberichten miteinander kombiniert wurden, wurde das Modell mit 1 bewertet.
2 = konkret	Modelle, die Zielgruppen (z.B. „Familien“) und Objekte (z.B. Obst als Abendessen“) als Oberflächenmerkmale der Erfahrungsberichte beinhalteten und keine Kategorien für Zielgruppen, Orte, etc. identifiziert haben.
3 = mittel	Modelle, die Zielgruppen eingrenzen (z.B. „junge Menschen“) und Objekte oder Aktivitäten genannt, aber nicht genauer spezifiziert haben (z.B. „Etwas Gesundes zum Abendessen“).
4 = abstrakt	Modelle, bei denen die Zielgruppen nicht eingegrenzt (z.B. „Gemeindemitglieder“) und Objekte oder Aktivitäten nur um-schreiben werden (z.B. „Es wird gemeinsam gegessen“).
5 = sehr abstrakt	Modelle, in denen die gemeinsamen Kernelemente der Erfahrungen beschrieben, diese abstrakt ohne Erwähnung von Oberflächenmerkmalen zusammengefasst und dabei große sprachliche Kategorien genutzt werden. Dabei werden weder konkrete Zielgruppen genannt, noch konkrete Objekte oder Aktivitäten (z.B. „ Es gibt ein für die Zielgruppe attraktives Programm“).

H3 ließ sich nur qualitativ evaluieren. Es ging vor allem darum, festzustellen, ob es überhaupt abstrahierende Kommentare gibt, und in welchem Bezug sie zu den drei Fallbeispielen stehen. Als zusätzliches Indiz für den Vergleich der drei Fallbeispiele wurde nach laut geäußerten vergleichenden Gedanken in der Tonspur der Aufzeichnungen gesucht. H4 wurde auf Basis der Videoaufzeichnungen untersucht. Dabei wurde von Gutachtern bewertet, ob die Studierenden in der Lernumgebung gleiche Abschnitte der verschiedenen Fallbeispiele eines Tripels gleichzeitig betrachteten bzw. markierten und im Sinne von H3 übergreifende Kommentare erstellten. Für H5 wurde die Tonspur nach Äußerungen durchsucht, die darauf schließen lassen, dass die Studierenden ihre Lernstrategie reflektieren.

Bevor wir auf die Ergebnisse zu den Hypothesen im Detail eingehen sollen kurz Beobachtungen aus den ersten 4 Schritten des Versuchsablaufs dargestellt werden. In Schritt 1, der Übung zum lauten Denken, zeigte sich, dass alle Teilnehmenden in der Lage waren, ihre Gedanken laut zu äußern. Allerdings mussten viele in den späteren Schritten immer wieder an das laute Denken erinnert werden.

Ziel von Schritt 3 war es, den Studierenden die Breite der Fälle deutlich zu machen (mittels der in Abschnitt 6.1 Nr. 3 beschriebenen Stichwortwolke). Außerdem sollten die Studierenden in diesem Schritt verschiedene Fallbeispiele mit dem gleichen Stichwort zusammen betrachten. Bei allen Studierenden konnten hier vergleichende Kommentare festgestellt werden. So klickte ein Student bspw. auf das Stichwort „Kirche in der Gesellschaft“ und äußerte die folgenden Gedanken:

Dieses für alle Fälle typische Beispiel zeigt, wie vergleichendes Lesen zwischen verschiedenen Fallbeispielen von den Studierenden genutzt wurde.

In den Schritten 2 und 4 sollte das Verständnis der Zielstruktur sichergestellt werden (Unterschied zwischen den Fallbeispielen und dem abstrakten Modell). Es zeigte sich im Versuch jedoch, dass diese Unterscheidung für viele Lernende nicht einfach war. Konkret lässt sich das am Grad der Abstraktion festmachen, den wir für H1 und H2 untersucht haben. Hierfür wurden alle Modelle von mindestens einem, 40 % der Modelle von zwei unabhängigen Gutachtern in Hinblick auf ihre Abstraktion (Interratereliabilität:

r = .77, p < .001) und die Anzahl der Referenzen zu den ursprünglichen Fallbeispielen (Interratereliabilität: r = .95, p < .001) bewertet. Bei Uneinigkeit der Gutachter ging der Mittelwert der Bewertungen als Abstraktionsmaß in die Analyse ein.

In H1 wurde erwartet, dass die Prozessunterstützung die Abstrahierung unter-schiedlicher Erfahrungen fördert. Ein Lernerfolg wäre also, wenn es auch Novizen gelingt, aus Beispielen guter Praxis abstrahierte Modelle zu bilden. Um zu überprüfen, inwiefern den Teilnehmenden die Abstrahierung der Modelle gelungen ist, wurde die Modellqualität gegen die niedrigste Abstraktionsbewertung (Bewertung=1) getestet. Ein Modell würde wie in Tabelle 1 aufgeführt einen Abstraktionswert von 1 erhalten, wenn es lediglich aus Zusammenfassungen oder Kombination konkreter Fallbeispiele besteht.

Der Mittelwert der Modelle (M = 3.38, SD = .93) unterscheidet sich signifikant von diesen Zusammenfassungen der Erfahrungen, t(37 ) = 15.73, p < .001. Die Anzahl der Referenzen zu Oberflächenmerkmalen der Erfahrungen war in den Modellen insgesamt relativ gering (M = 7.73, SD = 9.61). Die Ergebnisse bestätigen H1 indem sie zeigen, dass es Novizen gelingt, aus den vorgegebenen Fallbeispielen eines Tripels abstrakte Modelle zu bilden.

Um H2 zu prüfen, wurden die Tripelklassen (viele vs. wenige gemeinsame Oberflächenmerkmale) im Hinblick auf Abstraktion und Anzahl der Referenzen zu den Fallbeispielen in den Modellen miteinander verglichen. Es zeigt sich, dass Tripel A (viele gemeinsame Oberflächenmerkmale, M = 2.97, SD = .66) geringer zur Abstraktion anregt als Tripel B (wenige gemeinsame Oberflächenmerkmale, M = 3.79, SD = 1.00), t(36) = -2.97, p =.005.

In Tripel A (M = 12.29, SD =9.30) werden auch signifikant mehr Referenzen zu den Fallbeispielen genannt als in Tripel B (M = 3.16, SD = 7.71),

t(36) = 3.30, p =.002. Hieraus lässt sich schließen, dass für das Ziel der Modellbildung durch Abstraktion eher Fallbeispiele mit wenigen gemeinsamen Oberflächenmerkmalen ausgewählt werden sollten, da es den Lernenden andernfalls sehr schwer fällt, sich von konkreten Oberflächenmerkmalen zu lösen.

Allerdings konnten wir auch beobachten, dass Lernende bei Tripel B zunächst Schwierigkeiten hatten, einen gemeinsamen Kern zu erkennen. Exemplarisch wird das in den folgenden Auszügen der laut gedachten Kommentare deutlich:

Bei der Betrachtung des ersten Fallbeispiels fasst die Lernende den Inhalt also zunächst laut denkend zusammen (sie scrollt dabei durch das Fallbeispiel). Der Blick auf das zweite Fallbeispiel ist zunächst vom Unverständnis bzgl. möglicher Übereinstimmungen geprägt (Unterstreichungen im folgenden Zitat):

Die Lernende fährt daraufhin mit dem Versuch einer Zusammenfassung des Fallbeispiels fort und äußert erneut ihre Zweifel. Allerdings findet sie danach auch Gemeinsamkeiten.

Die unterstrichenen Gemeinsamkeiten können als Arbeitshypothese für das zu schreibende Modell betrachtet werden. Beim Lesen des dritten Fallbeispiels wird deutlich, wie die Lernende ihre Arbeitshypothese verifiziert. In den laut gedachten Kommentaren werden bereits identifizierte Gemeinsamkeiten auf konkrete Fallbeispiele angewandt und weitere Gemeinsamkeiten identifiziert:

Auffallend ist, dass beim dritten Beispiel keine weiteren Zweifel geäußert werden sondern dass mit der gewonnenen Abstraktion zunächst das Beispiel untersucht und dass danach weitere Abstraktionen identifiziert werden.

H3 („alle Studierenden führen den intendierten Prozess aus“) gilt nicht. Zwar folgten 7 Studierende dem intendierten Prozess (N=19), 12 Studierende entschieden sich unabhängig voneinander für eine sequenzielle Bearbeitung der einzelnen Fallbeispiele (betrachtet wurde jeweils nur Schritt 6). Dieser nicht vorhergesehene sequenzielle Prozess ist in Abbildung 4 dargestellt.

Das Lesen der Fallbeispiele in der Analyse-Phase erfolgt im sequenziellen Prozess nacheinander. Notizen werden entweder nur fallbezogen oder mit dem Blick auf die zuvor gelesenen Fälle verfasst. In der Regel werden vergleichende Notizen nur laut gedacht (während des Lesens des jeweiligen Fallbeispiels). Das folgende Beispiel zeigt einen typischen laut geäußerten Gedanken für Tripel A:

Die jeweiligen Nennungen von „auch wieder“ zeigen einen Wiedererkennungseffekt bei der Lernenden. Im Satzteil, der mit „diesmal“ eingeleitet wird, nimmt die Lernende zudem eine Passung zwischen Abstraktion und dem konkreten Fallbeispiel vor, indem sie das abstrakte Konzept der „Vernetzung“ mit der konkreten Methode des „Pilgerns von Gemeinde zu Gemeinde“ in Beziehung setzt.

In einigen Fällen, in denen die Studierenden eine synoptische Markierung vorgenommen und eine Notiz dazu verfasst haben, ließen sich bei den Notizen Abstraktionen erkennen (H4). Eine quantitative Aussage, wie oft eine hohe Abstraktion in den Notizen festgehalten wurde, macht allerdings keinen Sinn, da oft die Abstraktion auch nur mündlich geäußert und dann erst wieder bei der Modellerstellung genutzt wurde.

Das in Tabelle 2 dargestellte Beispiel illustriert eine entsprechende Notiz im Bezug zu drei Markierungen in den Abschnitten „Nachbereitung & weitere Umsetzung (Einbettung)“ der Fallbeispiele von Tripel A. Die grün hervorgehobenen Markierungen und der Text der Notiz stammen von einer Studierenden. Eine genauere Analyse zeigt, dass neben den hervorgehobenen Textstellen auch weitere Begriffe aus den Fallbeispielen in die Notiz übernommen werden. Für unsere Analyse haben wir deshalb im oben stehenden Text die Formulierungen unterstrichen, die in den Fallbeispielen schon vorkommen.

Der Begriffe „reflektiert“ findet sich nicht direkt im Text. Das zweite Fallbeispiel erwähnt jedoch die Begriffe „ausgewertet“ und „überlegt“, die beide ebenfalls eine kognitive Auseinandersetzung mit dem Erlebten beschreiben. Auch die Wendung „Schwelgen in Erinnerungen“ aus dem dritten Fallbeispiel richtet den Blick zurück auf das Erlebte. Dass dies von der Studierenden als „reflektiert“ zusammengefasst wird, stellt bereits eine Abstraktionsleistung dar. Deutlicher wird die Abstraktionsleistung dann im zweiten Satz der Notiz. Die Studierende erkennt ein generelles Ziel der drei Fallbeispiele: „Die Konfirmanden sollen auch nach der Konfirmandenzeit eingebunden werden.“

Außerdem erkennt die Studierende, dass die drei Fallbeispiele hierfür unterschiedliche Ansätze anbieten. Das wurde bereits beim Schritt des Markierens als lauter Gedanke geäußert: „Da geht’s halt um Nachbereitungen [der Mauscursor steht dabei auf dem Wort ‚Nachbereitung’ im ersten Satz des ersten Fallbeispiels, markiert wird jedoch die Stelle nach diesem Wort] direkt danach oder [kurze Pause, der Mauscursor wandert auf das zweite Fallbeispiel] dann halt allgemein bei so Sitzungen oder so was [jetzt wandert der Cursor auf das dritte Fallbeispiel] oder dann halt ein Nachtreffen von der Gruppe.“ Für das allgemeine Praxismuster hält die Studierende diese Unterschiedlichkeit fest und fasst die Formen als „Nachtreffen“ (zitiert aus dem 3. Fallbeispiel) und allgemein als „Veranstaltungen“ zusammen.

Der letzte Satz der Notiz nimmt einen direkten Bezug zum dritten Fallbeispiel. Der Studierenden ist es wichtig, aus den Fallbeispielen die dauerhafte Einbindung der Konfirmanden hervorzuheben (als lauten Gedanken äußert sie: „... dass es halt weitergeht und dass es nicht mit einem Event stehen bleibt.“).

Auch wenn die obigen detaillierten Beobachtungen keine allgemeingültigen Schlüsse zulassen, zeigen Sie dennoch, wie im konkreten Beispiel Abstraktion vom Konkreten hin zu einer für alle Fallbeispiele gültigen Notiz geschieht. Es gibt somit zumindest Anzeichen, dass H3 valide sein kann.

In der Modellerstellungs-Phase werden die Markierungen zu den in der Analyse-Phase verfassten Notizen nur von sehr wenigen Lernenden wieder eingesehen (2 von 6 kommentierenden Studierenden mit sequenzieller Bearbeitung öffneten die Details zu den Kommentaren). Der Vergleich passiert bei diesen Studierenden nach der Vergegenwärtigung der Notizen zu den drei Fallbeispielen. Wie an der geringen Zahl der Notiz-Sichtungen zu sehen ist, werden die Erkenntnisse zu den einzelnen Beispielen bei der linearen Bearbeitung häufig nicht beim Verfassen des Modells berücksichtigt. Das erklärt, wieso einige Studierende am Ende Modelle verfasst hatten, in denen sich wenige oder gar keine Bezüge zu den Fallbeispielen des Tripels wiederfinden (in diesen Fällen wurde zu stark abstrahiert).

Aus den laut gedachten Kommentaren konnten wir bei einigen Studierenden Reflexion über den Lernprozess erkennen (H5). Bei anderen Studierenden kam es im zweiten Durchlauf zu einer Anpassung des Verhaltens in Richtung des intendierten Prozesses. Da wir jedoch nicht sicherstellen können, dass alle Studierenden, die über den Prozess reflektiert haben, dies auch durch lautes Denken geäußert haben, können wir die Reflexion nur auf deskriptiver Ebene feststellen. Der folgende Kommentar ist hierfür in den aufgezeichneten Sitzungen ein typisches Beispiel für einen laut geäußerten Gedanken:

In der Tat zeichnete sich der schnellste Proband durch eine sehr an den intendierten Prozess angelehnte Arbeitsweise aus. Dieser Student sichtete die Inhalte der Fallbeispiele im synoptischen Vergleich, verfasste die Zielstruktur berücksichtigende Kommentare und zog die Kommentare in der Modellerstellungs-Phase lediglich in das Formular des Modells. Dieses Beispiel zeigt, dass effiziente Abstraktion auf diese Weise möglich ist.