Session 1: Learning (in) Networks

Vom Lernen im Netzwerk zu lernenden Netzwerken...und zurück

Die Session "Vom Lernen im Netzwerk zu lernenden Netzwerken...und zurück" wird in englischer Sprache gehalten. Falls Sprachprobleme bestehen, schreiben Sie bitte eine E-Mail an die untenstehende Adresse. Wir werden eine Lösung finden!

Die Forschung im Bereich des Technology Enhanced Learning befasst sich mit allen Arten von Netzwerken, z. B. mit den zugrunde liegenden Computer Netzwerken, mit Hypermedia/vernetzten Webinhalten, mit vernetzten kognitiven Strukturen auf der Ebene der Lernenden und mit organisationalen/sozialen Netzwerke auf der höchsten Abstraktionsebene. Die meisten der aktuellen Ansätze im Technology Enhanced Learning basieren auf Modellen, die Lernen in und mit Netzwerken herausstellen. In dem Maße, in dem Komplexität und Bedeutung dieser Netzwerke steigen, taucht eine neue Perspektive auf, die wir als “lernende Netzwerke” bezeichnen. Diese Perspektive verschiebt den Fokus vom Individuum im Zentrum auf das Netzwerk und stellt das Netzwerk als einen lernenden Organismus in den Mittelpunkt.

Konsequenzen

Daraus ergeben sich unter anderem folgende Konsequenzen:

Nicht das Individuum (die/der Lernende) steht im Fokus und wird hinsichtlich seiner wachsenden Kompetenzen modelliert, sondern Kompetenz und Zustand des gesamten Netzwerkes sind wichtig (z. B. verlegen Individuen Teile ihres Wissens und ihrer Kompetenzen in das Netzwerk hinein. Einerseits werden sie so bei der Bewältigung bestimmter Aufgaben vom Netzwerkzugriff abhängig, andererseits erwirbt das Netzwerk Kompetenzen, von denen andere Akteure profitieren können.)
Lerner und Artefakte werden zu gleichwertigen Elementen des Netzwerks. Die Unterscheidung zwischen Artefakten und Lernenden verschwimmt sogar, wenn man beide als vernetzte Akteure betrachtet. (Wie unterscheidet man beispielsweise zwischen dem Zugriff auf das Wissen eines Individuums und dem Zugriff auf ein - von einem Individuum geschriebenes - Dokument? Ist dieser Unterschied überhaupt wichtig?).
Geeignete Modelle für „das lernende Netzwerk“ müssen die Komplexität des gesamten Netzwerkes bewältigen. Dafür muss vom Individuum und seiner Komplexität abstrahiert werden. Wird dies der Vielschichtigkeit von Individuen noch gerecht?

Um den Charakter dieser Verschiebung zu verstehen, ist ein Blick in die Pädagogik hilfreich. Seit ihrer Begründung stellt diese Disziplin das Individuum in den Mittelpunkt ihrer Forschung. Beispielsweise bestimmt der Bildungsbegriff höhere pädagogische Ziele wie Autonomie und Selbstbestimmung, die alle auf das Individuum bezogen sind. Die Verschiebung der Perspektive weg vom Individuum stellt damit sehr fundamentale Annahmen der Pädagogik in Frage. In anderen Disziplinen mag sich die Verschiebung des Fokus von „Lernen im Netzwerk“ zu „lernenden Netzwerken“ weniger dramatisch auswirken, ist aber dennoch fundamental. Es stellt sich die Frage, ob der Fokus auf das Individuum wirklich überholt ist, oder ob die Erforschung von “lernenden Netzwerken” nicht eine Möglichkeit bietet, beides -– Individuum und Community — zu betrachten? Will man auch die technologische Unterstützung des Lernens betrachten oder pädagogische Maßnahmen ergreifen, so ist der Blick auf das lernende Netzwerk ohne Berücksichtigung des Individuums nicht ausreichend. Eine gute technologische Unterstützung des Lernens mit Netzwerken muss die komplexen Beziehungen zwischen Individuen und den Netzwerken in vernünftiger Weise reduzieren aber gleichzeitig die Konsequenzen solcher Reduktion reflektieren.

Mögliche Fragen

So zum Beispiel in folgenden Fragen:

Wie kann die Komplexität eines Netzwerkes solcherart reduziert werden, dass dies den Individuen hilft, mit anderen vernetzten Akteuren zu interagieren, ohne dabei das Netzwerk zu stark zu vereinfachen?
Wie können die Beiträge der einzelnen Individuen identifiziert und in vernetzten Anwendungen modelliert werden, ohne dass von grundlegenden Fähigkeiten der Individuen abstrahiert wird?
Wie können lernerzentrierte Modelle des „Lernens im Netzwerk“ und netzwerkzentrierte Modellen des „lernenden Netzwerkes“ miteinander verbunden werden? Oder sollten eher getrennte praktikable Modelle für das „Lernen im Netzwerk“ und für die „lernenden Netzwerke“ angestrebt und geeignete Hilfsmittel für die Kommunikation bzw. Mapping zwischen den beiden erforscht werden? Welche Modelle existieren im Spektrum zwischen diesen beiden Extremen?

In unserer Session werden Fragen wie diese angesprochen und weiterentwickelt und wir laden Forscher, die solche Fragen in ihrer theoretischen oder praktischen Arbeit (z. B. Anwendungsdesign, Konzeptentwurf, etc.) behandeln, ein, sich hieran zu beteiligen. Die Arbeit in der Session wird auf den Motivationsbriefen der Teilnehmer aufbauen und soll zu einer Publikation führen, die aus einem Überblicksartikel, Artikeln der Keynote Speaker und Positionspapieren der aktiven Konferenzteilnehmer besteht. Wenn die Konferenz Anregungen zu gemeinschaftlichen Artikeln von mehreren Teilnehmern gibt, so würden wir das begrüßen.

Keynote Speaker

Hugh C. Davis, University of Southampton
Graham Attwell, Pontydysgu, Wales based research organisation

Teilnehmende Professoren der TU-Darmstadt:

Kontakt

E-Mail: gk-session1(at)gkel.tu-darmstadt.de

Programm