Theorien des Problemlösens

Präsentation zum Thema: "Theorien des Problemlösens"—  Präsentation transkript:

1 Theorien des Problemlösens
Behaviormus: Problem= dominante Reaktion auf Reiz führt nicht zu erwünschten Erfolg Problemlösen= Umschichtung von Reaktionshierarchien Gestaltpsychologie: Problem=defekte Gestalt Problemlösen=Umstrukturierung; Einsicht (Aha-Effekt) Informationsverarbeitungsansatz: Problem= 1. unerwünschter Ausgangszustand 2. erwünschter Zielzustand 3. Barriere, die die Transformation von A nach Z verhindert Problemlösen= Suche im Problemraum (Newell & Simon)

2 Resultatsorientierter Ansatz:
Interesse am Ergebnis (Lösungszeit, Lösungsgüte) Paradigmen: 9-Punkte; Bergsteiger; Kerzenproblem,... Prozessorientierter Ansatz: Interesse am Lösungsprozess (Lösungsschritte, Strategien) Paradigmen: Turm von Hanoi, Kannibalen und Missionare, Kryptarithmetische Probleme, komplexe Probleme,....

3

4 Problemlöseprozess I Modell TOTE-Einheiten (Miller, Galanter & Pribram,1960) - Konzept der Rückkoppelung

5 Problemlöseprozess II
Zentrale Bestandteile im Problemlöseprozess Zielantizipation Problemrepräsentation Planung Überwachung/Kontrolle Reflektion - Lösung wird konstruiert - Problemlösen erfolgt kontrolliert; vollzieht sich nicht schrittweise (Hin und Herspringen); an vielen Stellen wird gleichzeitig etwas geändert

6 Lösen von Interpolationsproblemen I
Organisation mentaler Prozesse (Dörner, 1976)

7 Lösen von InterpolationsproblemenII
Schritte im Problemlöseprozess

8

9 Heuristiken /Suchprozeduren I
Heurismus Verfahren zur Lösungsfindung, d. h. eine bestimmte Abfolge elementarer geistiger Operationen, durch die ein Problem gelöst werden kann, aber nicht unbedingt gelöst werden muss (Dörner, 1976) - „Daumenregel“ (zeitsparend, keine Lösungsgarantie) Algorithmus systematisches Überprüfen aller Alternativen (zeitaufwändig, führt aber sicher zur Lösung)

10 Heuristiken /Suchprozeduren II
Generate and test: Lösungsvorschläge werden Schritt für Schritt generiert und überprüft Backward chaining (Rückwärtsverkettung): ist der Zielzustand gut beschrieben, kann auch vom Zielzustand rückwärts gearbeitet werden Operator subgoaling (Zwischenzielbildung): erzeugt ein Operator eine sinnvolle Transformation, kann aber derzeit noch nicht angewendet werden, besteht ein Zwischenziel darin die Anwendungsvoraussetzungen für diesen Operator zu schaffen Subgoal decomposition (Teilzielzerlegung): das Gesamtziel wird in additive Teilziele zerlegt

11 Difference reduction (Differenzreduktion): Suche nach dem Operator, der die Differenz zwischen dem gegebenem und dem Zielzustand maximal reduziert Means-end analysis (Mittel-Ziel-Analyse) Kombination von Vorwärtsverkettung und Zwischenzielbildung Match (Passung): existiert ein Lösungsschema, wird es Teil für Teil an die bestehende Struktur herangetragen und passend gemacht

12 Determinanten der Problemschwierigkeit (Hussy, 1984)
Was macht ein Problem schwer? Determinanten der Problemschwierigkeit (Hussy, 1984)

13 Wissen Personmerkmale
- deklaratives Wissen (Wissen was) (Faktenwissen) - prozedurales Wissen (Wissen wie) (Operationswissen) - Metawissen (Wissen über das eigene Wissen) oder - epistemische Struktur (allgemeines und bereichsspezifisches Wissen) - heuristische Struktur (Heurismen)

14 Umfang und Organisation von Wissen
- Bereichsspezifität: das Problem ist in einen best. Wissensbereich eingebettet - semantische Einkleidung aktiviert Vorwissen (kann förderlich oder hinderlich sein) -abhängig von: a)Wirkung der semantischen Beziehung auf den Operatoreinsatz, die Zwischenzielbildung und Zielabstandsbewertung b) der Erklärung der Problemstruktur durch die Instruktion Bsp.: Kannibalen und Missionare -Vorstellung: Missionare sind schwach, dürfen nicht getrennt werden - führt zu Irrwegen bzw. Verkennen von Lösungswegen Wissensverfügbarkeit - bestimmte Informationen stehen nur in einem funktionalen Zusammenhang zur Verfügung - Bsp. Kerzenproblem (verstärkte und verminderte funktionale Gebundenheit)

15 Problemmerkmale Problemumfang (Zahl der Lösungsalternativen) - mit steigendem Informationsgehalt wächst die Verarbeitungskapazität - Bsp.: Anagramme (mehr Buchstaben) a) Algorithmus: längere Bearbeitungszeit b) Hypothesentesten: synthetisches Vorgehen (vielleicht fängt das Wort mit R an) - Befunde zum Zusammenhang zw. Problemschwierigkeit und Alternativenzahl sind uneindeutig (individuelles Vorgehen)

16 Problemkomplexität -Variablenzahl -Vernetzung - Transparenz Bsp.: ZAP Zielannäherungsproblem (Hussy,1984) Aufgabe: Raumschiff in best. Höhe über Mondoberfläche landen - Variation der 3 Komponenten - Variablenzahl (3 vs 5): Höhe, Geschwindigkeit, Bremsstufe,... - Vernetztheit (linear vs. nicht linear) - Transparenz (weniger vs. mehr Informationen) Ergebnis: bei höherer Problemschwierigkeit sinkt die Leistung

17 Komplexes Problemlösen
Entstehungsgeschichte Die Forschungsrichtung „Komplexes Problemlösen“ entstand etwa Mitte der 1970er Jahre aus der Kritik an der klassischen Problemlöseforschung. Kritikpunkte - Einfachheit der Problemstellungen - mangelnde Realitätsnähe Neuerung - computersimulierte Problemlöseszenarien (Mikrowelten) - Wissensaufbau, -organisation und- anwendung

18 Konstrukt der operativen Intelligenz (Dörner 1989)
- entstand aus Kritik an der Intelligenzforschung - mangelnde Beachtung von Prozessen die zu intellektuellen Resultaten führen - prozessorientiert: - Informationsgewinnung und -integration - Zielausarbeitung - Maßnahmenplanung und -entscheidung - Selbstmanagement - prozessorientiert

19 Modell für komplexes Problemlösen

20 Kennzeichen komplexer Probleme
Kompexität (Anzahl der Variablen) Vernetztheit (Anzahl und Dichte der Verknüpfung zwischen den Variablen) Polytelie (mehrere Ziele) Intransparenz (Variablen und Ziel sind unbekannt) Dynamik/Eigendynamik (Eingriffe setzen Prozesse in Gang; Situation wartet nicht sondern verändert sich von selbst)

21 Anforderungen an den Problemlöser
Umgang mit Zielen -Zielsetzung, Zielelaboration -Zielverfolgung Fähigkeit zur Situationsanalyse -Erfassen von Zusammenhängen -Identifikation der Systemstruktur -Informationssammlung -Informationsintegration und Modellbildung -Hypothesenbildung Richtige Handlungswahl Absichtsauswahl und Schwerpunktbildung Prognose und Extrapolation Planen und Entscheiden Maßnahmen treffen Handlungskontrolle und Strategiemodifikation

22 Idealisiertes Prozessmodell (Dörner, 1989)
Zielausarbeitung Modellbildung und Informationssammlung Prognose und Extrapolation Planung von Aktionen Entscheidung und Durchführung von Aktionen Effektkontrolle und Revision der Handlungsstrategien

23 1. Zielausarbeitung: Entwicklung einer Zielvorstellung; Zielkonflikte möglich 2. Modellbildung und Informationssammlung -Informationssuche und -ergänzung, um ein Modell der Situation zu bilden - Eingriffe und Maßnahmen spezifizieren 3. Prognose und Extrapolation -Abschätzungen über zeitliche Entwicklungsverläufe - Berücksichtigung der Dynamik 4. Planung von Aktionen -Wahl des richtigen Auflösungsniveaus (systematische oder taktische Planung) 5. Entscheidung und Durchführung -handelndes Ausführen der geplanten Aktionen 6. Kontrolle und Revision - Sind die angestrebten Effekte eingetreten?

24 Beispiel für komplexes Problemlösen: Lohhausen
„Lohhausen“ ist der Name einer simulierten Kleinstadt Aufgabe: Die Probanden sollen als Bürgermeister über 10 fiktive Jahre hinweg (aufgeteilt in zwei achtstündige Sitzungen oder acht wöchentlich aufeinander folgende Sitzungen) für das Wohlergehen der Stadt in der näheren und fernen Zukunft sorgen. Problemlösegütemaße: Kapital, Zufriedenheit der Bürger, Anzahl Arbeitslose etc. Komplexität: 2000 Variablen Beschreibung der Stadt: -3500 Einwohner, Uhrenfabrik, Stadtverwaltung, Arztpraxen, Banken, Schulen... - Eingriffsmöglichkeiten: Steuersätze verändern, Arbeitsplätze schaffen, Wohnungsbau betreiben, für Freizeiteinrichtungen sorgen..

25

26 Grobstruktur des Lohhausen-Systems mit 44 der 2000 Variablen

27