Download - Fachgebiet Didaktik der Informatik - Technische ...

Technische Universität MünchenFakultät für InformatikSchriftliche HausarbeitOntologien für Lernzieltaxonomien undLernzielstrukturen aus der Informatik.Überblick, Weiterentwicklung undAusarbeitung eines AnwendungsbeispielsLeonhard FellermayrAufgabensteller:Betreuer:Prof. Dr. Peter HubwieserProf. Dr. Peter HubwieserAbgabedatum: 04.03.2009

ErklärungGemäß § 30(6) LPO I erkläre ich hiermit, dass ich die vorliegende Arbeit selbstständigverfasst und keine anderen Hilfsmittel als die angegebenen benützt habe. Die Stellender Arbeit, die anderen Werken dem Wortlaut oder dem Sinn nach entnommen sind,wurden in jedem einzelnen Fall unter Angabe der Quelle als Entlehnung kenntlichgemacht. Zeichnungen und bildliche Darstellungen habe ich selbst angefertigt bzw. mitder dazugehörigen Quellenangabe versehen.München, den 04.03.2009Leonhard Fellermayr

ZusammenfassungDie Arbeit liefert eingangs einen fundierten Überblick über didaktische Grundlagen undspeziell über die Belange lernzielorientierter Didaktik. Die unerlässliche Beschäftigungmit Bildungsstandards wirft die Frage nach dem Verhältnis von Lernzielen und Kompetenzenauf. Ein eigenes Kapitel bemüht sich um eine konsistente Definition des BegriffsE-Learning, stellt bestehende Standards in diesem Bereich vor und argumentiert,weshalb diese aus didaktischer Perspektive höchst unbefriedigend sind. Nach einerEinführung in technische Belange der Ontologiesprache OWL erfolgt eine Untersuchungund Würdigung vorhandener Ansätze für didaktische Ontologien. Die Betrachtung deskonkreten Fachlehrplans für den Informatikunterricht der 10. Jahrgangsstufe schlägt dieBrücke zur unterrichtlichen Praxis. Gerade die fachlichen Zusammenhänge im BereichOOM/OOP stellen durch ihren hohen Grad der Vernetzung eine besondere Herausforderungan die sinnvolle Strukturierung von Lerneinheiten. Im Zuge der Überlegungenkristallisieren sich wichtige Aspekte heraus, die bisher nicht in den ontologischen Entwurfeingeflossen sind und deren Berücksichtigung in einer Weiterentwicklung undErgänzung der Ontologien resultiert. Zahlreiche graphische Darstellungen illustrierendas neu geschaffene Modell. Eine exemplarische Fachontologie aus dem Bereich objektorientierterModellierung und Programmierung stellt eine Lernzielsammlung mittlerenUmfangs bereit und liefert den Beweis für die Praktikabilität des entworfenen Systemsdidaktischer Ontologien.

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

Inhaltsverzeichnis1 Einleitung 11.1 Motivation und aktuelle Relevanz der Arbeit . . . . . . . . . . . . . . . 11.2 Zielsetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.3 Aufbau des Dokuments . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 Didaktische Grundlagen 62.1 Lernziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62.1.1 Charakterisierung . . . . . . . . . . . . . . . . . . . . . . . . . . 62.1.2 Lehrziel vs. Lernziel . . . . . . . . . . . . . . . . . . . . . . . . . 72.1.3 Funktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72.2 Lernzielorientierte Didaktik . . . . . . . . . . . . . . . . . . . . . . . . . 82.2.1 Ursprünge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82.2.2 Charakterisierung . . . . . . . . . . . . . . . . . . . . . . . . . . 82.2.3 Operationalisierung von Lernzielen . . . . . . . . . . . . . . . . . 92.2.4 Kritik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102.2.5 Chancen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102.3 Lernzieltaxonomien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112.3.1 Definition und Zweck . . . . . . . . . . . . . . . . . . . . . . . . 112.3.2 Bloom’s Modell . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122.3.3 Bloom revised: Anderson und Krathwohl . . . . . . . . . . . . . 132.3.4 Probleme allgemeiner Lernzieltaxonomien . . . . . . . . . . . . . 162.3.5 Ein domänenspezifisches Modell: Die Matrix-Taxonomie . . . . . 182.3.6 Iterative Anwendung von Lernzieltaxonomien . . . . . . . . . . . 202.4 Lernzielgraphen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202.5 Erkenntnisse der modernen Lernforschung . . . . . . . . . . . . . . . . . 223 Bildungsstandards 263.1 Ausgangslage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263.2 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273.3 Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293.4 Von Lernzielen zu Kompetenzen . . . . . . . . . . . . . . . . . . . . . . 303.5 Merkmale guter Bildungsstandards . . . . . . . . . . . . . . . . . . . . . 323.6 Das European Qualifications Framework (EQF) . . . . . . . . . . . . . . 343.7 Kritik an Bildungsstandards . . . . . . . . . . . . . . . . . . . . . . . . . 353.7.1 Reduktionismus-Vorwurf . . . . . . . . . . . . . . . . . . . . . . . 363.7.2 Vorwurf der Vereinheitlichung und Nivellierung . . . . . . . . . . 373.7.3 Legitimationsdefizit . . . . . . . . . . . . . . . . . . . . . . . . . 37i

6.1.2 Technische Umsetzung . . . . . . . . . . . . . . . . . . . . . . . . 866.2 Analyse und ontologiebasierte Modellierung von Lernzielen aus derTheoretischen Informatik . . . . . . . . . . . . . . . . . . . . . . . . . . 926.3 Entwicklung einer Ontologie zur Modellierung von Lernzielen und beispielhafteAnwendung auf E-Learning im Bereich der Algorithmik . . . . 936.4 Ein ontologiebasiertes Lernmittelangebot auf der Basis von Lehrplänenund Lernzielen - Machbarkeit und prototypische Umsetzung . . . . . . . 956.5 Zusammenfassende Würdigung . . . . . . . . . . . . . . . . . . . . . . . 967 Lehrplanstudie im Bereich OOM/OOP 1017.1 Aufbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1017.2 Zur Deduzierbarkeit von Lernzielen aus Kompetenzen . . . . . . . . . . 1017.2.1 Begriffsklärung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1017.2.2 Formulierung von Prämissen am Kompetenzbegriff Weinerts . . 1027.2.3 Die Deduktionsproblematik . . . . . . . . . . . . . . . . . . . . . 1057.2.4 Leitfaden für die Formulierung von Lernzielen . . . . . . . . . . . 1067.3 Informatikunterricht in der 10. Jahrgangsstufe des NTG . . . . . . . . . 1077.3.1 Lehrplanaufbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1077.3.2 Grundwissen aus NuT und 9. Jahrgangsstufe . . . . . . . . . . . 1087.3.3 Objekte und Abläufe . . . . . . . . . . . . . . . . . . . . . . . . . 1097.3.4 Generalisierung und Spezialisierung . . . . . . . . . . . . . . . . 1127.3.5 Komplexeres Anwendungsbeispiel . . . . . . . . . . . . . . . . . . 1137.4 Das didaktische Dilemma“ . . . . . . . . . . . . . . . . . . . . . . . . . 114”7.5 Aufgabenbeispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1158 Modellierung der Ontologien 1188.1 Vorbemerkungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1188.2 Integration weiterer Lernzieltaxonomien . . . . . . . . . . . . . . . . . . 1198.3 Erweiterung der Objective-Ontologie . . . . . . . . . . . . . . . . . . . . 1228.4 Verschiedene Zugänge zum Begriff des Konzepts . . . . . . . . . . . . . 1238.5 Anbindung konzeptuellen Wissens an Lernzieltaxonomien . . . . . . . . 1248.6 Der Kompetenzbegriff im Kontext didaktischer Ontologien . . . . . . . . 1258.7 Vorrangrelationen zwischen Lernzielen . . . . . . . . . . . . . . . . . . . 1278.8 Gesamtzusammenhang der OWL-Klassen . . . . . . . . . . . . . . . . . 1288.9 Exemplarische Fachontologie als Anwendungsbeispiel . . . . . . . . . . . 1298.9.1 Lernziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1298.9.2 Konzepte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1338.9.3 Kompetenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1338.9.4 Exemplarischer Auszug aus Objektbeziehungen . . . . . . . . . . 1349 Zusammenfassung und Ausblick 1389.1 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1389.2 Computer, Internet und Schulen in 20 Jahren (?) . . . . . . . . . . . . . 1409.3 Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141

ivA Ontologien 143A.1 CasselConcept.owl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143A.2 Fuller.owl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144A.3 Competence.owl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146A.4 Objective.owl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147B Lernzielsammlung 150C Lehrplan Informatik der 10. Jahrgangsstufe am NTG 161Abbildungsverzeichnis 164Literaturverzeichnis 165

11 EinleitungSage es mir, und ich werde es vergessen.Zeige es mir, und ich werde es vielleicht behalten.Lass es mich tun, und ich werde es können.Konfuzius1.1 Motivation und aktuelle Relevanz der ArbeitIm Frühjahr 2008 starteten die Ministerialbeauftragten für die Gymnasien in Bayerndas E-Learning-Projekt ”Bayernmoodle“ 1 . Mit bis dato knapp 12.000 Benutzerkontenan den 80 Gymnasien im Aufsichtsbezirk Oberbayern-West wird das System vonLehrkräften und Schülern 2 recht gut angenommen. Zugleich aber ist zu beobachten,dass viele virtuelle Kursräume zunehmend verwaisen, sich dort immer mehr ”totesMaterial“ häuft und der Austausch sowie die Wiederverwendung bestehender Konzepte- sofern er stattfindet - von technischer Seite eher erschwert wird. In der Folge führenqualitativ gelungene und anspruchsvolle Konzepte ein unverdientes Schattendaseinund Ausarbeitungen zur selben Thematik stehen unverbunden nebeneinander.Auch scheinen viele Lehrkräfte den persönlichen Nutzen von E-Learning-Angeboten(der sich zugegebenermaßen erst nach einer gewissen Nutzungszeit bemerkbar macht)nicht zu erkennen. Wenngleich eine ausführliche Ursachenforschung hier fehl am Platzwäre, kann man davon ausgehen, dass dieses Phänomen auch durch die technischenGegebenheiten befördert wird.Praktisch allen derzeit erhältlichen Produkten im Bereich E-Learning bleibt diesemantische Ebene von Lerninhalten völlig verborgen. Aus Sicht des Systems handeltes sich um nicht näher klassifizierbare Rohdaten ohne verwertbaren Bezug. EinGrund liegt darin, dass heutige E-Learning-Standards einen sehr starren Katalog vonMeta-Informationen vorsehen, mit denen sich Lehrmaterialien auszeichnen lassen.Damit nicht genug: Die Organisation dieser Metadaten erfolgt in höchst flacher“ ”Form, was eine direkte, natürliche“ Verknüpfung einzelner Inhalte erschwert bis”verhindert. Überspitzt ausgedrückt stellen solche Systeme nicht mehr als eine Artelektronischen (Online-)Schubkasten dar.Eine weitere Problematik ergibt sich aus der Tatsache, dass E-Learning-Lösungensich häufig darauf beschränken, Konzepte aufeinander zu beziehen, die in Lehrmate-1 http://www.bayernmoodle.de/2 Zur sprachlichen Vereinfachung wird im Folgenden bei Personen stets die männliche Form verwendet;gemeint sind jedoch Personen beiderlei Geschlechts.

2 1 Einleitungrialien behandelt werden. Dabei werden diese Konzepte im Rahmen von Lernzielenin ganz unterschiedlicher Ausprägung vermittelt. Davon zu sprechen, dass ein Lernerein bestimmtes Konzept beherrscht“, ist angesichts der unscharfen Aussage also”unzulässig. Vielmehr verfügen Lerner zu jedem Zeitpunkt über ganz bestimmteFähigkeiten und Fertigkeiten hinsichtlich eines Konzepts. Unter didaktischen Gesichtspunktenmüssen daher Abhängigkeitsbeziehungen in erster Linie zwischen Lernzielenmodelliert werden, gegenüber denen Konzepte eine untergeordnete Stellung einnehmen.Lernzielen kommt im Rahmen einer sorgfältig reflektierten und verantwortungsvollenPlanung 3 und Analyse von Lernarrangements eine große Bedeutung zu. Nicht nurvor dem Hintergrund der Professionalisierungsdebatte und gemäß dem Grundsatz,dass Wissen niemals isoliert auftritt, müssen Lernziele vor allem unter fachlogischenund didaktischen Gesichtspunkten sinnvoll und begründet aufeinander bezogenwerden. Denkt man dabei an selbstgesteuertes Lernen und die Individualisierungvon Lernprozessen, so wird die Hoffnung genährt, aus solchen Beziehungen mehreresinnvolle Lernpfade ableiten und anbieten zu können 4 . Entsprechend ausgestatteteE-Learning-Systeme haben das Potential, zu einem ausgewogenen Verhältnis vonKonstruktion und Instruktion beizutragen.Der Erfolg individualisierten Lernens steht und fällt mit der Flexibilität bei derAuswahl zur Verfügung stehender Lernwege. Hierbei spielt das jeweilige Vorwissender Lerner eine Rolle, aber auch Abhängigkeiten und Abhängigkeitsgrade zwischenLernzielen. Erst dann ist im Kontext von E-Learning an Lernprozesse abseits einessystematischen und starren Instruktionsdesigns ( ”drill-and-practice“) zu denken.Der mit der Erstellung und Pflege von digitalen Lernmaterialien und Kursangebotenbisher verbundene Aufwand führt nicht nur auf Grund des Kostenaspekts dazu, dassInhalte in der Praxis schnell vernachlässigt werden und dementsprechend bald überholtsind - schließlich nimmt die als ”Halbwertszeit des Wissens“ bekannte Kenngrößekontinuierlich ab. In Kontrast dazu unterstreicht die Forderung nach ”lebenslangemLernen“ die Notwendigkeit, Lernmaterial endlich so zu organisieren, dass es auffindbar,austauschbar, wieder verwendbar und vor allem vielfältig kombinierbar ist. Davonprofitieren Lehrende wie Lernende: Aktuell setzt die neue Oberstufe des Gymnasiumsmit ihren W- und P-Seminaren deutliche Akzente in Richtung auf eine stärkereigenverantwortliche Tätigkeit der Schüler. Auch die Bereitstellung geeigneter Benutzerschnittstellen(LCMS bzw. LMS), die einen effizienten Umgang mit Lernmaterialienermöglichen, spielt also eine wichtige Rolle.Als zentralen Aspekt möchte ich aber festhalten, dass E-Learning-Systeme ohne Unterstützungauf semantischer Ebene m. E. künftig nicht bestehen können. Sollen entsprechendeBemühungen auf fruchtbaren Boden fallen, bedarf es zweier grundlegender3 soweit eine solche angesichts der Nichtplanbarkeit des Denkens“ ([Bal70], S. 86-88) überhaupt”möglich ist4 frei nach dem Motto Viele Wege führen nach Rom“”

1.2 Zielsetzung 3Zutaten: Zum einen der Schaffung der nötigen technischen Voraussetzungen, zum andereneiner sorgfältigen Reflektion aus (fach)didaktischer und pädagogischer Sicht. BeideTätigkeiten müssen Hand in Hand gehen.1.2 ZielsetzungSoll der Maschine die semantische Ebene von Lernmaterialien zugänglich gemachtwerden, erfordert dies zunächst ein sorgfältiges Nachdenken über die jeweils beteiligtenKomponenten und deren wechselseitige Abhängigkeiten. Zwei ganz grundlegendeKomponenten stellen dabei Lernziele und konzeptuelles Wissen dar, die für sichgenommen bereits recht vielfältige Beziehungen miteinander eingehen können.Ontologien - eine leistungsfähige Wissensstruktur aus der Informatik - bilden denHauptgegenstand der vorliegenden Arbeit. Mit ihrer Hilfe sollen didaktische Konzepteund ihre Beziehungen derart formalisiert werden, dass eine automatische Verarbeitungund Schlussfolgerung (sog. Reasoning) im Rahmen der Beschreibungslogik möglichwird. Im Vordergrund steht dabei stets die dienende Funktion der Technik: IhrHauptvorzug gegenüber z. B. einer ”händischen“ Auswertung besteht darin, implizitelogische Zusammenhänge in umfangreichen Begriffsnetzen in verschwindend geringerZeit zuverlässig herleiten (inferieren) zu können. Darauf gründet sich die Hoffnung,dass der mit der Modellierung und ”Bestückung“ der beteiligten Ontologien verbundeneArbeitsaufwand beispielsweise in der Fähigkeit zur automatisierten Identifikationmöglicher Lernpfade Früchte trägt. Selbstredend gerät man mit derartigen Anliegenunweigerlich in die Fänge der Berechenbarkeitstheorie.Die Zielsetzung der vorliegenden Arbeit gliedert sich in zwei Teile:Erstens will sie dem Anspruch einer Überblicksarbeit gerecht werden, die den gesamtenKontext didaktisch genutzter Ontologien betrachtet. Dazu gehören didaktischeGrundlagen ebenso wie der Blick auf Bildungsstandards und Kompetenzen sowie dieBeschäftigung mit Begrifflichkeiten und Standards auf dem E-Learning-Sektor.Zweitens greift die Arbeit bestehende Forschungsergebnisse aus dem Bereich didaktischerOntologien auf und hinterfragt die entstandenen Produkte vor dem Hintergrundaktueller Fragestellungen, aber auch fortgeschrittener technischer Entwicklung. Daraufaufbauend soll ein System von Ontologien entwickelt werden, welches möglichst allennotwendigen Belange gerecht wird. Um die praktische Eignung des Modells zu unterstreichen,wird zusätzlich ein konkretes Anwendungsbeispiel erarbeitet, das sich in dieStruktur der geschaffenen Ontologien einfügt. Die Konzepte und Lernziele des dazuausgewählten Bereichs ”Objektorientierte Modellierung und Programmierung“ (Jahrgangsstufe10) weisen einen hohen Grad an Interdependenz auf, womit eine besondereHerausforderung an das Vorhaben gestellt wird.

4 1 Einleitung1.3 Aufbau des DokumentsIm nächsten Kapitel (2) widme ich mich didaktischen Grundlagen und lege dabei denFokus auf die Lernzieltheorie. Im Bereich der Lernzieltaxonomien stelle ich die unentbehrlichenErgebnisse der Arbeiten von Bloom sowie von Anderson und Krathwohlvor. Anschließend gehe ich auf prinzipielle Grenzen allgemeiner (fachungebundener)Taxonomien ein und stelle den vielversprechenden Vorschlag von Fuller et al. vor, derdie Besonderheiten des Fachs Informatik mit einer praxisnahen Lernzieltaxonomiein Einklang zu bringen versucht. Das Kapitel schließt mit einigen ausgewähltenErkenntnissen der modernen Lernforschung, auf die sich Theoretiker wie Praktiker beiihrer Arbeit besinnen sollten.Eine zunehmende Bedeutung im Kontext von Schule und Unterricht kommt(nationalen) Bildungsstandards zu, denen ich mich in Kapitel 3 widme. Dabei zieheich die einschlägigen Ausführungen des BMBF zu Rate und bewerte die Expertise derGesellschaft für Informatik (GI) zu Bildungsstandards für das Unterrichtsfach.In Kapitel 4 bemühe ich mich um eine Begriffsklärung von ”E-Learning“, trageeinige Punkte zur Motivation dieses Phänomens vor und nehme zu den Schwächenbestehender Standards in diesem Bereich Stellung. Insbesondere werde ich ausführen,weshalb bestehende Ansätze nicht geeignet sind, (fach)didaktische Aspekte in ausreichendemMaß zu berücksichtigen.Das Kapitel 5 liefert - ausgehend von der Auszeichnungssprache XML - eineanschauliche Einführung in die Ontologiesprache OWL, nicht ohne zuvor auf dasVerständnis von ”Ontologien“ in Philosophie und Informatik zu sprechen zu kommen.Kapitel 6 wiederum stellt einige Arbeiten vor, die im Bereich ontologiebasierterModellierung am Fachgebiet entstanden sind. Hierbei ist es oberste Prämisse, diejeweils zugrundeliegenden Überlegungen und Entwurfsentscheidungen der Autoren zuhinterfragen. Während graphische Darstellungen die Anschaulichkeit erhöhen sollen,endet das Kapitel mit einer zusammenfassenden Würdigung der Ergebnisse.Das Kapitel 7 beginnt mit einer Vorstellung des Informatik-Lehrplans für die 10.Jahrgangsstufe des naturwissenschaftlich-technologischen Gymnasiums (NTG) inBayern. Die knapp zwei Seiten umfassenden Festlegungen (Anhang) expliziere ichunter Zuhilfenahme zugelassener Lernmittelwerke. Daran anschließend wird sich dieFrage stellen, ob es möglich ist, Lernziele verbindlich aus Kompetenzen abzuleiten. DieDarstellung eines didaktischen Dilemmas sowie die Analyse einer Aufgabenstellungrunden das Kapitel ab. Aufbauend auf den angestellten Betrachtungen ist eineLernzielsammlung für den Bereich OOM/OOP entstanden.Auch dem Kapitel 8 kommt praktischer Wert zu: Anforderungen, die in bisherigenAnsätzen keine Berücksichtigung gefunden haben bzw. überarbeitet werden müssen,

1.3 Aufbau des Dokuments 5widme ich jeweils einen eigenen Abschnitt. Dabei nehme ich begründet zu AspektenStellung, die bei der Entwicklung und Modellierung meiner Ontologien eine Rollegespielt haben. Zahlreiche graphische Darstellungen illustrieren die Ideen. Abschließendgehe ich auf die exemplarische Fachontologie ein und greife exemplarisch einigeLernziele heraus, um deren taxonomische Einordnung zu verteidigen.Im Kapitel 9 ziehe ich schließlich Bilanz über die gewonnenen Erkenntnisse,beschäftige mich kurz mit der Frage nach der Zukunft von E-Learning und subsumiereAnknüpfungsmöglichkeiten an die vorliegende Arbeit.Der Anhang enthält die Quelltexte einiger der entwickelten Ontologien, die entstandeneLernzielsammlung sowie den Fachlehrplan Informatik der Jahrgangsstufe 10 amNTG. Die exemplarische Fachontologie befindet sich aus Platzgründen ausschließlichauf der beiliegenden CD.

62 Didaktische Grundlagen2.1 Lernziele2.1.1 CharakterisierungMit Meyer ([Mey93], S. 137f.) versteht man unter einem Lernzieldie sprachlich artikulierte Vorstellung über die durch Unterricht [...] zu bewirkende”gewünschte Verhaltensdisposition eines Lernenden“.Nach Schelten ([Sch04a], S. 200) beschreiben Lernzieledas angestrebte Lernergebnis, über das ein Schüler am Ende eines Lernvorganges”verfügen soll.“Anders ausgedrückt: Lernziele formalisieren präzise Aussagen darüber, welcheHandlungsfähigkeit die Lernenden nach Absolvierung einer Lerneinheit erworbenhaben sollen.Die Beschreibung eines Lernziels besteht aus einem Verb zur Angabe des jeweilsbeteiligten kognitiven Prozesses und aus einem Nomen, welches für das anzueignendeWissen steht. So heißt es bei Anderson und Krathwohl ([AKA01], S. 4):The verb generally describes the intended cognitive process. The noun generally”describes the knowledge students are expected to acquire or construct.“Die Formulierung eines Lernziels ist somit von der FormDer Lernende ist in der Lage, ,womit ein gewisser inhärenter Zwang auf den Urheber ausgeübt wird, sich auf diezu erlangenden Fähigkeiten der Studierenden zu beziehen (vgl. [blk04], S. 3).Ich folge der bewährten Klassifikation von Anderson und Krathwohl ([AKA01]) undunterscheide - abhängig von ihrer Spezifität - drei Kategorien von Lernzielen 1 :• global objectives: Komplexe, vielseitige Lernziele, deren Erreichen ein erheblichesQuantum an Zeit und Anleitung erfordert;1 Übersetzung der Explifizierungen von Anderson et al. durch den Autor

2.1 Lernziele 7• educational objectives: Werden von global objectives abgeleitet, indem derenAufspaltung in stärker konzentrierte und abgegrenzte Lernziele erfolgt;• instructional objectives: Haben den Anspruch, Lehre und Leistungsmessungauf Basis kleinschrittiger Lerneinheiten zu unterstützen, wobei die Teilgebietestark eingegrenzt sind.Auf das Verhältnis zwischen Richt-, Grob- und Feinzielen auf der einen sowiediesen - dem englischen Originalwerk entnommenen - Begriffen werde ich nicht weitereingehen. Jedenfalls kann eine Synonymität nicht ohne Weiteres angenommen werden.Global objectives finden sich hauptsächlich in vergleichsweise umfangreichen Leitlinienwie dem Lehrplan wieder und vereinen eine große Menge spezifischerer Lernzieleunter sich. Dementsprechend sind zu ihrem Erreichen Zeiträume im Jahresbereichanzusetzen.Educational objectives decken Zeiträume von Wochen bis zu Monaten ab undbeziehen sich auf global objectives, weisen jedoch bereits einen erkennbaren Bezug zumkonkreten Unterrichtsgeschehen auf.Instructional objectives präzisieren die Aussagen von educational objectives, legen dieGrundlage für einzelne Unterrichtseinheiten und haben dementsprechend eine zeitlicheReichweite im Bereich von einigen Tagen bis zu wenigen Wochen.2.1.2 Lehrziel vs. LernzielMit Köck und Ott ([KO94]) stehen ”Lehrziel“ und ”Lernziel“ fürdie zwei Seiten ein- und derselben Medaille. Aus der Sicht des Lehrers wird die”erklärte Absicht einer Unterrichtseinheit zum Lehrziel, das ihn zur Organisation eineroptimalen Lernsituation für die Schüler verpflichtet. Die Schüler machen sich dasLehrziel des Lehrers als Lernziel zu eigen, wenn sie das Lernangebot des Lehrersannehmen und das angestrebte, im Handeln nachweisbare und überprüfbare Verhaltendurch Lernakte verwirklichen. Die Unterrichtsplanung des Lehrers hofft also letztlichauf die Einlösung seiner Lehrziele durch die Lernziele der Schüler.“Trotz dieser Verwandtschaft erscheint mir die klare Unterscheidung beider Begriffeerforderlich, um die Notwendigkeit der Perspektivübernahme beim Umgang mit Lernzielenzu betonen.2.1.3 FunktionIm geeigneten Kontext ist der Einsatz von Lernzielen nach [Hub08] hilfreich bei der

8 2 Didaktische Grundlagen• Identifikation eines möglichen Lernpfades (oder mehrerer Lernpfade) längs derAnforderungen eines besonders komplexen, umfangreichen und/oder schwierigenFachgebiets;• didaktisch sinnvollen Anordnung von Konzepten, welche (aus bestimmtenGründen) in sequentieller Form vermittelt werden müssen (z. B. bei der Entwicklungeines Lehrbuchs);• Entwicklung von Prüfungsaufgaben, bei der der bis dato erreichte Lernfortschritteine Rolle spielt;• detaillierten Evaluation von Lernprozessen;• Gegenüberstellung und zum Vergleich zweier ähnlich ablaufender Unterrichtsstunden(z. B. vergleichbare Bachelor-Module von unterschiedlichen Universitäten);• Entwicklung eines E-Learning-Systems (speziell um mögliche Abfolgen von Lernobjektenfestzulegen, die dem Lerner präsentiert werden);• Beschreibung des Kontexts, in dem konkretes Lehrmaterial zu verwenden ist (Medien,beispielhafte Unterrichtsstunden, Prüfungen, etc.).2.2 Lernzielorientierte Didaktik2.2.1 UrsprüngeEines der ”großen“ didaktischen Modelle ist die lernzielorientierte (auch: curriculare)Didaktik nach Christine Möller (2002). Wissenschaftstheoretische Grundlage diesesModells ist der Behaviorismus, speziell die Erkenntnisse von R. Gagné.Lernen wird im klassischen Behaviorismus verstanden als Entstehung von Reiz-Reaktions-Verbindungen: Das Verhalten wird erklärt als Ergebnis einer Reaktion desMenschen auf Impulse (= Reize) seiner Umwelt (vgl. [Gud06], S. 151). Dieser Ansatzist äußerst praktikabel, jedoch nicht unumstritten.2.2.2 CharakterisierungDie lernzielorientierte Didaktik geht davon aus ([Möl02]),• dass ein präziser Zielerstellungsprozess zentraler Bestandteil jeder Unterrichtsplanungist,• dass dafür ein handhabbares und wissenschaftlich abgesichertes Instrumentariumvorliegen muss,• dass sowohl das Verhalten des Lerners als auch der Inhalt, an dem das Verhaltengezeigt wird, eindeutig bestimmt sind,

2.2 Lernzielorientierte Didaktik 9• dass damit die Grundlage für eine effektive Methodenauswahl gegeben ist• und dass der Erfolg nur anhand der so bestimmten Ziele wirkungsvoll zuüberprüfen ist. Die Entwicklung einer Unterrichtseinheit (bzw. eines Curriculums)erfolgt in drei Teilprozessen: Lernplanung, Lernorganisation und Lernkontrolle.Im Rahmen dieser Arbeit wird besonders die Phase der Lernplanung im Vordergrundstehen. Ihre Aufgabe ist die Sammlung einer möglichst umfassenden Menge vonLernzielen für die zu erstellende Unterrichtseinheit mit anschließender Auswahl undEinordnung in die obige Hierarchie der global, educational und instructional objectives.Zusätzlich lassen sich Lernziele in vorgegebene Klassifizierungsraster (Lernzieltaxonomien)einordnen. Klassisch sind hier die historischen Arbeiten von Bloom, Anderson,Krathwohl et al. (vgl. 2.3.2, 2.3.3).Zweite Phase nach Möller ist die Lernorganisation: Mit welchen Methoden und Medienkönnen die Lernenden die aufgestellten Lernziele optimal und möglichst effektiverreichen? Eine konkrete, explizite Methodenbeschreibung soll den UnterrichtszielenLehr-Lern-Methoden zuordnen: An der entstehenden Matrix kann die Angemessenheiteiner Methode zur Erreichung eines bestimmten Ziels abgelesen werden.Die Lernkontrolle als dritter Phase soll zu unterrichtlicher Transparenz führen undden ”Glauben, dass alles gut gelaufen ist“ ([Möl02], S. 74) ablösen. Wie die nächstenAbschnitte belegen, bildet die Menge der operationalisierbaren Lernziele eine echte Teilmengederjenigen Ziele, die im Rahmen verantwortungsvoll organisierter Lernprozesseanzustreben sind.2.2.3 Operationalisierung von LernzielenHilbert Meyer ([Mey05]) versteht Operationalisierung als ”erfahrungswissenschaftlicheMessbarmachung“. Der Ursprung operationalisierter Lernziele findet sich beim BehavioristenMager.Im Operationalisierungsprozess muss eine präzise Beschreibung der Lernzieleerfolgen. Hierzu gehören die Endverhaltensbeschreibung, die Bedingungen des Endverhaltenssowie die a-priori-Festlegung des Beurteilungsmaßstabs.Ein operationalisiertes Lernziel gibt exakt das erwünschte, beobachtbare Verhaltendes Lernenden nach dem Lernprozess an. Komplexere Ziele (global, educationalobjectives) sind dabei in kleinschrittige Teilziele (instructional objectives) gegliedert.Beispiel.”Jeder Lernende soll innerhalb von 10 Minuten schriftlich drei Oratorien Händelsnennen können, fünf von 10 möglichen Stilelementen angeben und von mindestens einemWerk den Erstaufführungsort nennen können.“ ([Gud06], S. 243).

10 2 Didaktische Grundlagen2.2.4 KritikAffektive, motivationale und soziale Lernziele lassen sich im Allgemeinen nicht operationalisieren.Dies ist ein Hauptansatzpunkt der Kritiker lernzielorientierter Didaktik.Das LernzielDer Lernende ist in der Lage, sich an der klassischen Musik von Händel zu”erfreuen.“ist ein nicht operationalisierbares Beispiel aus dem affektiven Bereich. (EntsprechendeBeobachtungen entsprängen bestenfalls subjektiven Einschätzungen.)Die Formulierung von und Navigation längs Lernzielen kann nicht in jedem didaktischenKontext sinnvoll, sondern u. U. sogar kontraproduktiv sein, weshalb dieDiskussion über ihre Berechtigung stets differenziert geführt werden sollte.Weitere Kritikpunkte am curricularen Modell sind die Tendenz zur Reduktionder komplexen didaktischen Problematik auf den Teilaspekt der Effizienz und dieAusklammerung des selbstbestimmungsfähigen Subjekts ”Schüler“ (nach [Gud06], S.243).Eine solche Sicht auf Unterrichtsplanung widerspräche übrigens auch der zeitlosgültigen Forderung Klafkis, Schülern Selbstbestimmungs-, Mitbestimmungs- undSolidaritätsfähigkeit zu vermitteln.Anhänger konstruktivistischer Lehr-Lern-Ansätze befürchten, Lehrkräfte könntenangesichts der Ausarbeitung bestimmter Lernzielabfolgen dazu verleitet werden, ihreunterrichtliche Vorgehensweise strikt nach diesen Abfolgen zu richten (vgl. [DJ92]).Auch Gudjons konstatiert, dass die Curricula im Laufe der Zeit tatsächlich derartwasserdicht“ wurden, dass sie zu geschlossenen Systemen degenerierten (vgl. [Gud06],”S. 244). Lehrer wie Schüler werden hierdurch in ein festes Raster gezwängt, auf einemstatischen Pfad zum vorher festgelegten Lernziel zu gelangen. In der Folge bemühte mansich um eine Öffnung der Curricula, um mehr Spielraum für die kreative Ausgestaltungund die Berücksichtigung situativer Bedingungen zu lassen.2.2.5 ChancenEine pauschale Verurteilung von Lernzielen würde die didaktische Forschung undPraxis jedoch nachhaltig ins Mystische zurückwerfen (vgl. [Hub08]).Schließlich wird die Qualität und der individuelle Nutzen von Unterricht primäran seinen Ergebnissen gemessen - soweit diese messbar im Sinne einer verlässlichen(objektiven) Beobachtbarkeit durch (qualifizierte) Dritte sind. (An dieser Stelle setzt

2.3 Lernzieltaxonomien 11auch die generelle Kritik an schulischer Leistungsfeststellung an.) Von dieser Warteaus gesehen ( ”Unterricht ohne Ziele wäre kein Unterricht“, [Asc93], S. 52) erscheintes völlig legitim, gewisse Ziele zu formulieren, die man bezüglich der Lernenden nachAbschluss einer Lerneinheit erreicht zu haben wünscht (ohne aber Lernziele mitLehrzielen zu verwechseln!).Allgemein sind Lernziele also schon allein unter evaluatorischen Gesichtspunktennicht aus der Planung von Lehraufgaben wegzudenken. Dennoch kann nicht jedeLerntätigkeit einem Lernziel zugeordnet werden. Entsprechende Versuche müssenwahlweise mit dem Ergebnis eines nicht beobachtbaren vulgo eines sachfremdenLernziels scheitern.Daher ist auch bei der Wahl der jeweils angemessenen ”Schrittweite“ ein sorgfältigesVorgehen Pflicht. Der Begriff der ”kleinschrittigen Teilziele“ darf keinesfallsdahingehend missinterpretiert werden, dass engmaschige Lernziele den Duktus vonLehr-Lern-Prozessen exakt vorschreiben.Es liegt in der Natur des Konzepts Lernziel, dass zumindest die Möglichkeit zueinem derartigen Missbrauch gegeben ist.[Hub08] schlägt Lehrkräften als praktischen Kompromiss vor, nur einige wenige,sehr zentrale Lernziele herauszuarbeiten, anhand derer sich längerfristige Lehr-Lern-Prozesse beschreiben und analysieren lassen. Ein solches Verständnis gesteht auch derschon von Klafki postulierten Schülerpartizipation wieder den angemessenen Raum zu.Auf Basis einer sauberen Reflektion der konkreten Rahmenbedingungen (Fach, Stoff,Zielgruppe) kann der curriculare Ansatz daher nach wie vor fruchtbaren Boden füreffektive Lernprozesse bereiten. Abseits von Extremen wird guter Unterricht von einemangemessenen Verhältnis aus Konstruktion und Instruktion leben.2.3 Lernzieltaxonomien2.3.1 Definition und ZweckDer Begriff Taxonomie (von griechisch tˆxic - Ordnung und nìmoc - Gesetz) wird insehr vielfältigem Zusammenhang gebraucht und steht in dieser allgemeinen Form fürein System zur Klassifizierung und Kategorisierung.Lernzieltaxonomien dienen damit also der Klassifizierung und Kategorisierung vonLernzielen und geben Aufschluss über mentale Prozesse, die für ein Erreichen desLernziels beim Lerner ablaufen müssen. Wie dem Leser aus seinen Alltagserfahrungenbekannt sein dürfte, findet die Einordnung jedes Dimensionierungsraster stets undunweigerlich unter Berücksichtigung bestimmter Aspekte und Setzung bestimmterSchwerpunkte statt. Ganz analog findet man auch im didaktischen Bereich diverse

12 2 Didaktische GrundlagenVorschläge für Taxonomien, die jeweils eine eigene Perspektive auf Lernprozesseakzentuieren.Biggs [Big99] sieht die Hauptaufgabe von Lernzieltaxonomien darin, Lehrende beimVerstehen des Verstehens“ sowie bei der Kommunikation über dieses Verstehen zu”unterstützen. In gewisser Weise kann man also von einer Metadimension sprechen.Mit [FJT + 07] kann eine fruchtbare Nutzung von Lernzieltaxonomien auf drei Ebenenansetzen:• bei der Planung von Unterricht,• bei der Entwicklung von Unterrichtsmaterialien und Prüfungsaufgaben,• sowie bei der Analyse der Schülerleistungen und bei der Ermittlung des Leistungsstands.(Auffällig ist eine gewisse Korrespondenz zu den später vorgestellten Leitfragen vonAnderson et al.)Anderson und Krathwohl beschreiben den Zweck der Taxonomierung kurz undprägnant: ”It makes life easier!“ ([AKA01], S. 35). Im entsprechenden Abschnitt werdeich aufzeigen, dass die von Anderson et al. vorgelegte Taxonomie eine Brücke vonWissensarten zu den jeweils zugehörigen kognitiven Prozessen schlägt und damit inder Lage ist, an Lernprozessen Beteiligten ein Stück weit Orientierung und Legitimationsgrundlagezu sein.Genauso wenig wie Lernziele Annahmen über konkrete unterrichtliche Gegebenheitenenthalten dürfen, soll ihre Taxonomierung zu einer ”Zementierung“ (im Sinne einerübermäßigen Strukturierung oder gar Determinisierung) des Unterrichtsprozessesführen. Insofern haben auch Lernzieltaxonomien aus gutem Grund einen begrenztenAnspruch.2.3.2 Bloom’s ModellDie 1956 vom US-amerikanischen Lernpsychologen Benjamin Bloom nebst Mitarbeiternentwickelte Taxonomie unterscheidet zwischen kognitiven, affektiven und psychomotorischenLernbereichen:• Kognitiver Lernbereich: Bereich des Erinnerns (Wissensreproduktion, -verarbeitung, -anwendung), letztlich Erweiterung der intellektuellen Fähigkeiten;• affektiver Lernbereich: (u. U. unbewusstes) menschliches Verhalten, Auswirkungenauf persönliches Handeln;• psychomotorischer Lernbereich: Auswirkungen des Lernprozesses im motorischenBereich, Koordination von Bewegungen.

2.3 Lernzieltaxonomien 13Unterhalb dieser Bereiche subsumieren Bloom et al. jeweils Unterstufen, die durchNomen gekennzeichnet sind.Dohnke ([Doh02]) merkt an, dass die Lernzieldimensionierung nach Bloom reinanalytischen Charakter habe: Eine der drei Dimensionen werde um des effektivenLernens willen stets herausgehoben. Von daher sei es eher angebracht, von kognitiv/affektiv/psychomotorischakzentuierten Lernzielen zu sprechen.[FJT + 07] kritisieren, dass Bloom von einem rein sequentiellen Lernprozess ausgehtund die Vorzüge iterativer Vorgehensweisen im Sinne eines spiralförmigen Ansatzes(siehe dazu später) nicht zur Kenntnis nimmt.In diesem Zusammenhang haben Niemierko et al. ([Nie90]) die interessante Theseaufgestellt, dass sich die drei obersten Kategorien der Bloomschen Hierarchie innaturwissenschaftlichen Fächern in keine allgemein gültige Reihenfolge bringen lassen.Unabhängig davon und vor allem im Hinblick auf die mittlerweile vorliegendeÜberarbeitung durch Anderson und Krathwohl ist die Bedeutung von Bloom’s Modellsicherlich kaum zu ermessen.2.3.3 Bloom revised: Anderson und KrathwohlAnderson und Krathwohl haben mehr als 40 Jahre nach Blooms Veröffentlichung einedifferenziertere, zweidimensionale Fassung einer Lernzieltaxonomie 2 vorgeschlagen. Indieses Modell flossen erstmalig Ergebnisse aus der konstruktivistischen Lernforschungein.Neben des unverzichtbaren Studiums der englischen Originalliteratur liefert eine(auch digital verfügbare) Ausarbeitung des BLK-Projekts ([blk04]) der UniversitätHannover einen sehr brauchbaren Einstieg in die Thematik.Vier Leitfragen für guten UnterrichtDas Konzept von Anderson et al. rankt sich um vier grundsätzliche Fragen (vgl. Titeldes Originalwerkes!), denen nach Meinung der Autoren eine bedeutsame Rolle für diePlanung von Unterricht zukommt ([AKA01], S. 6):• Die Lernfrage (learning question): Was ist wirklich wichtig für die Lernenden?(Damit übt diese erste Frage fundamentalen Einfluss auf Lernziele aus.)• Die Unterrichtsfrage (instruction question): Welche Aspekte sind bei der Planungvon Unterricht zu berücksichtigen, um ein hohes Lernniveau für möglichstalle Schüler sowie eine angemessene Methodik zu sichern?2 veröffentlicht 2001 unter dem Titel ”A taxonomy for learning, teaching and assessing - A revision ofBloom’s taxonomy of educational objectives“

14 2 Didaktische Grundlagen• Die Bewertungsfrage (assessment question): Welche Bewertungsinstrumenteund -kriterien sind geeignet, um den Lernfortschritt der Schüler objektiv (vgl.Testgütekriterien) feststellen zu können? (Eine notwendige Bedingung für einezufriedenstellende Antwort auf diese Frage wird die Operationalisierung von Lernzielensein.)• Die Stimmigkeits- bzw. Passungsfrage (alignment question): Diese Frage hateine Art integrierende Funktion für die Kombination der drei vorigen Kriterienund soll gewährleisten, dass die entwickelten Lernziele mit der Unterrichtsrealitätund der Notwendigkeit zur Bewertung in Einklang gebracht werden können.Struktureller Aufbau der TaxonomieAnderson et al. unterscheiden zwei Prozessdimensionen:• Die Wissensdimension: Faktenwissen, begriffliches Wissen, prozedurales Wissenund metakognitives Wissen;• die Dimension des kognitiven Prozesses: Erinnern, Verstehen, Anwenden,Untersuchen, Bewerten, (Er)Schaffen.Die Stufen einer Dimension bilden dabei hinsichtlich ihres Anspruchs ein Kontinuumund schließen sich gegenseitig aus. Anders als noch bei Bloom liegt der Anderson-Taxonomie jedoch nicht die pauschale Annahme zugrunde, dass die auf einer Stufegeforderten Kenntnisse bzw. Tätigkeiten stets ebensolche auf” geringerwertigen“Stufen erfordern (vgl. [AKA01], S. 309).Zusätzlich ist bemerkenswert, dass Anderson et al. die noch bei Bloom vorgefundenenNomen in ihrer kognitiven Prozessdimension durch Verben ersetzt haben, um denTätigkeitscharakter zu betonen.Zu Gunsten der Praktikabilität ihres Modells verzichteten Anderson et al.bewusst darauf, einem stufenlosen Aufbau der kognitiven Prozesse den Vorzuggegenüber der vorliegenden sechsfachen, treppenartigen Stufung zu geben. Dabei sindÜberschneidungen in der Komplexität jedoch ausdrücklich nicht ausgeschlossen: Soist es in einer grafischen Darstellung durchaus zulässig, ein Lernziel auf der Grenzezwischen zwei Stufen anzuordnen (vgl. [AKA01], S. 309).Gemäß dieser Taxonomie und in Übereinstimmung mit unserer obigen Definition istin einem (operationalisierten) Lernziel also regelmäßig eine bestimmte Art von Wissenverknüpft mit einem am Lernenden beobachtbaren Verhalten (kognitiver Prozess). Ingewisser Weise steht das Nomen eines Lernziels für das Wissen, während das Verb sichauf die geistige Tätigkeit bezieht, die zum Erreichen des Lernziels vonnöten ist (vgl.[AKA01], S. 30)

2.3 Lernzieltaxonomien 15Das in Bezug auf Lernziele und deren Einordnung in Taxonomien m. E. fast alsrevolutionär zu bezeichnende kognitiv-konstruktivistische Wissensverständnis von[AKA01] unterscheidet sich fundamental von älteren Begriffen wie dem Behaviorismus,der Wissen als Reiz-Reaktions-Kontingenz (Behaviorismus) erklärt und dem dieAnnahme einer black box zugrundeliegt..Anderson et al. legen Wert auf die Feststellung, dass ihr Modell von einerdomänenspezifischen Organisation des Wissens ausgeht, die ebenso von individuellenFaktoren wie Erfahrungen, Vorwissen und dem situativen Lernkontext beeinflusst wird([AKA01], S. 41).Taxonomie-TabelleDimension für den kognitiven ProzessErinnern Verstehen Anwenden Untersuchen Bewerten ErschaffenWissensdimensionFaktenwissenBegrifflichesWissenProzeduralesWissenMetakognitivesWissenAbbildung 2.1: Lernzieltaxonomie nach Anderson, Krathwohl et al.Nachfolgend seien beispielhaft einige Aktivverben angegeben ([AKA01], S. 67f.), welchemit Anderson et al. Untertypen bzw. Synonyme für die Kategorien des kognitivenProzesses darstellen (meiner Meinung nach handelt es sich eher um Konkretisierungenim Sinne einer feineren Abstufung der jeweiligen Kategorie):• Erinnern: erkennen, identifizieren, abrufen, reproduzieren, auflisten;• Verstehen: interpretieren, übersetzen, klassifizieren, kategorisieren, subsumieren,zusammenfassen, generalisieren, folgern, schließen, vergleichen, erklären, diskutieren,beschreiben;• Anwenden: ausführen, benutzen, implementieren, durchführen, übertragen,vorführen, demonstrieren, handhaben, umgehen mit;• Analysieren/Untersuchen: differenzieren, unterscheiden, kennzeichnen, charakterisieren,auswählen, erfassen, strukturieren, aufteilen;• Bewerten: ermitteln, prüfen, evaluieren, begründen, überwachen, testen, beurteilen,auswerten, schätzen;• (Er-)Schaffen: generieren, kreieren, entwerfen, konstruieren, produzieren, ausarbeiten,realisieren, zusammenstellen.

16 2 Didaktische GrundlagenIm Rahmen des bereits angesprochenen didaktischen Projekts an der UniversitätHannover ([blk04]) liefern die Autoren der Handreichung wertvolle Übersetzungen dereinzelnen Untertypen (S. 5f.). Anderson und Krathwohl raten explizit dazu, sich bei derFormulierung eigener Lernziele möglichst auf die Unterkategorien zu stützen ([AKA01],S. 30).2.3.4 Probleme allgemeiner LernzieltaxonomienFuller et al. ([FJT + 07]) untersuchten die Potentiale und Grenzen bei der Nutzungsolcher ”generischer“ Lernzieltaxonomien im Informatikunterricht.All diesen Modellen ist inhärent die Annahme gemein, dass die Hierarchie der Lernzielein allen Domänen die selbe sei.Problem: Die angemessene Klassifizierung eines Lernziels oder einerPrüfungsaufgabe hängt stark vom jeweiligen Kontext ab (z. B. vom Vorwissender Lerner, von situativen Bedingungen, ...). Dieser Einwand gilt in unterschiedlichemAusmaß für alle Fächer und ist auch in der Anderson-Taxonomie nur eingeschränktberücksichtigt.Hinsichtlich der kognitiven Komplexität der höherwertigen Kategorien im Modell vonAnderson und Krathwohl kann es durchaus zu Überlappungen kommen ([KBM64]).Problem: Zum einen können und dürfen Lernziele keine beliebig feine Granularitätaufweisen, zum anderen sollte möglichst allen kognitiven Aspekten Rechnung getragenwerden, welche sie vereinen.Lernzieltaxonomien fokussieren stark auf den kognitiven Bereich.Problem: Der Lernerfolg korreliert deutlich mit Fortschritten auf affektiver Ebene.Dies gilt in besonderer Form für das Fach Informatik.Forscher und Praktiker diskutieren über die hierarchische Anordnung der Kategorienim kognitiven Prozess. Somit lässt sich vermuten, dass die Annahme eines identischenAufbaus der kognitiven Prozessdimension zu kurz greift.Problem: Mit [FJT + 07] steht in angewandten Fächern die Fähigkeit zur Entwicklungvon Produkten (z. B. Software) im Mittelpunkt. Dabei erfordert ein Erreichender Kategorie ”Apply“ gleich mehrere komplexe Fertigkeiten, die darin subsumiertwerden. ([JF07] haben in ihrer Taxonomie aus diesem Grund auf ”Higher Application“als Bezeichnung für die oberste Stufe zurückgegriffen.)Die Einordnung auf Stufe drei der Taxonomie von Anderson und Krathwohl verkenntso ein Stück weit den Stellenwert des ”Apply“ in der Informatik. Zugleich findet sich

2.3 Lernzieltaxonomien 17Fachwissen, welches leichter anzuwenden als präzise zu beschreiben ist.Die Autoren unterscheiden in einer ersten Näherung zwischen Disziplinen, in denenvorrangig ”learning by interpreting“ oder ”learning by doing“ gefragt ist. Besondersletztere Erwartung werde im Fach Informatik an die Schüler gestellt, immer gekoppeltan interpretative Herausforderungen:So mögen Schüler in der Lage sein, Programmcode zu lesen und zu interpretieren,können gleichzeitig jedoch keine eigenen Programme implementieren. Zugleich”impliziert die Fähigkeit, Programme zu schreiben, nicht automatisch Kenntnisse überMethoden des Debugging.“ ([FJT + 07], S. 163)Robins ([RRR03]) versteht unter dieser interpretativen Kompetenz die Fähigkeit,das angestrebte vom derzeitigen Programmverhalten zu unterscheiden 3 .Weitere ureigene Besonderheiten des Fachs sehen die Autoren in der Notwendigkeit,Prozesse zu analysieren und Problemlösestrategien zu verfolgen. Die Vermittlung vonFähigkeiten zur Abstraktion, Modularität und Wiederbenutzung früherer Lösungen(Beispiele: Einbettung einer Lösung in einen größeren Zusammenhang, design patterns,...) steht in einem komplexen Bedingungszusammenhang.[FJT + 07] führen als([FJT + 07], S. 163):intrinsische Charakteristika des Fachs Informatik“ an”• Problemlösung• Modellierung• Wissensrepräsentation• Effizienz im Rahmen der Problemlösung (→ Algorithmik)• Erfindungsgeist und Kreativität• Kategorisierung• Kommunikative Kompetenz über den Fachbereich hinaus• Aneignung und Nutzung bewährter Methoden bei der SoftwareentwicklungAbschließend betonen die Autoren die Notwendigkeit einer Professionalisierung imSinne einer Konsolidierung der gelernten Fähigkeiten in der Persönlichkeit des Lerners:It is not enough that students should know what constitutes good programming”style; we want them to have taken this to heart so that they instinctively write elegant3 vgl. ein Zitat von Edward Murphy: ”Ein Computerprogramm tut, was du schreibst - nicht, was duwillst.“

18 2 Didaktische Grundlagencode whenever they work on a piece of software, not just when marks are explicitlyavailable for doing so.“ ([FJT + 07], S. 163)Auch die Forderung, fachspezifisches Wissen nicht nur zu vermitteln und zuvernetzen, sondern in individuelle moralische und ethische Prinzipien zu integrieren,erschwert eine Einordnung in generische Taxonomien, die möglichst allen Aspektengerecht wird.Fuller et al. erschien an diesem Punkt vielversprechend, gezielt aus der vergleichsweisestarren Hierarchie der kognitiven Dimension ”auszubrechen“.2.3.5 Ein domänenspezifisches Modell: Die Matrix-TaxonomieSo schlagen [FJT + 07] eine zweidimensionale Erweiterung des Bloom-Modells vor, dieMatrix-Taxonomie“. Hauptinspiration der Autoren und Kern der Schwierigkeit ist ein”Phänomen, welches der Öffentlichkeit unter dem Begriff Henne-Ei-Problem“ vertraut”sein dürfte:Untersuchungen zeigten, dass das Verständnis von Programmcode und die Fähigkeit,Programmcode zu entwerfen wechselseitig voneinander abhängen bzw. zumindestdeutlich voneinander profitieren. ([FJT + 07], S. 163)Abbildung 2.2: Die Matrix-TaxonomieAnknüpfend an die vorangegangenen Überlegungen repräsentieren die beidenDimensionen der Matrix die Kompetenzbereiche Interpretieren“ und Produzieren“.” ”Innerhalb der Bereiche stützen sich die Autoren auf die bereits bekannten Begrifflich-

2.3 Lernzieltaxonomien 19keiten und wollen die Kategoriebezeichnungen im Sinne von Anderson et al. verstandenwissen (vgl. auch Kapitel 8 zu den Ontologien).Die Matrix wird auf der horizontalen wie auf der vertikalen Achse strikt sequentielldurchlaufen. So ist es auch weiterhin nicht möglich, auf der Stufe ”Create“ zu operieren,bevor die Ebene ”Apply“ erreicht ist. Die Traversierung beginnt am Ursprung linksunten und strebt das Ziel ”Create - Evaluate“ an. Dieses Feld entspricht der Ebeneder ”Higher Application“, vgl. [JF07].Die Autoren sehen ihren Vorschlag vor allem als Markierungsraster, welchesLehrende nutzen können, um die Lernfortschritte ihrer Schüler zu dokumentieren. Sielegen Wert auf die wichtige Feststellung, dass verschiedene Schüler unterschiedlicheLernpfade einschlagen, was sich mit der vorliegenden Matrix anschaulich abbilden lässt(vgl. Abbildung). Ebenfalls kann der Fall eintreten, dass sich ein Schüler z. B. auf demFeld ”Apply - Remember“ in einer Trial-and-Error-Schleife befindet (vgl. [FJT + 07], S.164).In praxi werden nicht alle Schüler das Zielfeld der Matrix erreichen. Mit Hilfe einerClusteranalyse identifizierte E. Lahtinen ([Lah07]) zwei Gruppen von Schülern:• die Theoretiker mit primär horizontalem Lernverlauf, anzusiedeln im Feld ”(none)- Evaluate“,• die Praktiker mit primär vertikalem Lernverlauf, anzusiedeln im Feld ”Create -Understand“.Abbildung 2.3: Ziel ist die Ebene ”Create - Evaluate“

20 2 Didaktische GrundlagenNachdem diese Taxonomie nur den kognitiven Bereich adressiert, empfehlen dieAutoren eine Hinzunahme der von Bloom und Masia entwickelten Taxonomie [KBM64]für affektive Ziele.2.3.6 Iterative Anwendung von LernzieltaxonomienFuller et al. schlagen im selben Artikel ([FJT + 07]) ein weiteres interessantes Konzeptvor, indem sie eine spiralförmige Route längs Lernzieltaxonomien skizzieren.Als Beispiel dient die loop-Kontrollstruktur, die am Beginn der meisten Programmierkursestehen dürfte. Zunächst lernt der Schüler den Nutzen einer Schleife kennen(Iteration); er versteht, wie die Schleifenstruktur funktioniert; er ist in der Lage, aufAnweisung Schleifen zu implementieren. Sobald der Schüler die höchsten Ebenen derkognitiven Dimension erreicht hat, ist das Konstrukt für ihn zu einem Werkzeug fürkünftige Programmiertätigkeiten geworden.Folgen komplexere Aufgaben, so durchläuft der Schüler abermals spiralförmig die Taxonomie,jedoch nun mit anderen Eingangsbedingungen. Jetzt ist er bereits auf der niedrigstenkognitiven Ebene in der Lage, das Konstrukt der Schleife in die Problemlösungeinzubringen (vgl. [FJT + 07], S. 167, Fig. 8).2.4 LernzielgraphenWie oben bei der Betonung der Kontextrelevanz angedeutet, lassen sich Lernzieleunter didaktischen Gesichtspunkten nur selten in isolierter Form betrachten. Wohersoll im Beispiel aus Abschnitt 2.2.3 das Wissen über die Stilelemente stammen? Esbesteht also der inhärente Bedarf zur Verknüpfung verschiedener Lernziele im Sinneeines Abhängigkeitsgraphen.Darüber hinaus ist zu bedenken, dass Abhängigkeitsrelationen zwischen Lernzielenmindestens hinsichtlich ihrer Obligatorizität von verschiedener Art sein können.Die Anordnung von Lernzielen ist also nicht beliebig, sondern hat wohlüberlegt zuerfolgen, da bestimmte Lernziele Voraussetzung sind, um andere zu erreichen. [Hub08]führt ein Beispiel aus der OOP an:” Der Lernende muss das Konzept des Objekts (O 1) verstanden haben, bevor er inder Lage ist, das Konzept der Klasse (O 2 ) zu verstehen.“Wir haben es hier also mit einer Vorrangrelation (Abhängigkeit) zwischen zweiLernzielen O 1 und O 2 zu tun. Anders ausgedrückt:

2.4 Lernzielgraphen 21” O 1 muss vor O 2 erreicht werden“ oder auch ”O 2 setzt O 1 voraus“.[Hub08] unterscheidet zwei Schweregrade von Vorrangrelationen:a) ”Harte“ Voraussetzungen (hard prerequisites, P 1 ), die aus einer substantiellenund/oder logischen Abhängigkeit resultieren:konzept2 (behandelt in Lernziel O 2 ) basiert auf konzept1 (welches in LernzielO 1 behandelt wird). Ein Verständnis von konzept2 setzt das Verständnis vonkonzept1 unbedingt voraus.b) ”Weiche“ Voraussetzungen (soft prerequisites, P 2 ), die aus didaktischenÜberlegungen erwachsen:Um Lehr- und Arbeitsmethoden im Sinne didaktischer Prinzipien anwenden zukönnen, muss Lernziel O 1 erreicht werden. Gleichzeitig ist es nicht zwingendnotwendig, O 1 vor O 2 zu erreichen, aber es empfiehlt sich, um den Lernprozess(z. B. die Nachhaltigkeit) für Lernziel O 2 zu vereinfachen oder zu verbessern.Berücksichtigt man beide Schweregrade P 1 und P 2 bei der Anordnung, so kannes in der Folge zu gegenseitiger Abhängigkeit (circular dependency) von Lernzielenkommen. Der o.B.d.A. einfachste Zyklus ist P 1 -Abhängigkeit von O 1 nach O 2 undP 2 -Abhängigkeit in der anderen Richtung.P1O1O2P2Abbildung 2.4: Einfache zirkuläre AbhängigkeitEinzig sinnvolle Auflösung des Problems ist eine zeitlich ausreichend enge Anordnungder jeweiligen Lernziele, um der ”Verwandtschaft“ (oder allgemeiner: Beziehung) vonO 1 und O 2 auf natürliche Weise zu entsprechen.Gerade in der Informatik hat man es jedoch häufig mit Formen zirkulärer Vorrangrelationenzu tun, bei denen mehr als zwei Lernziele betroffen sind.[Hub08] schlägt vor, im Rahmen eines spiralförmigen Ansatzes abwechselnd mitden von O 2 und O 3 behandelten Konzepten das Konzept aus O 1 ausgehend von einer

22 2 Didaktische GrundlagenP1P1O1 O2 O3P2P2Abbildung 2.5: Zirkuläre Abhängigkeit über mehrere Lernziele hinwegpropädeutischen Betrachtung in jeweils unterschiedlicher Intensität zu behandeln (vgl.Abb. 2.6).O223understandconcept1O31rememberconcept1O14concept15can applyconcept1O4Abbildung 2.6: Vorschlag zur AuflösungAuf die Konsequenzen, die sich aus diesen wichtigen Überlegungen ergeben, werdeich in den praktischen Kapiteln noch ausführlich zu sprechen kommen. Auch werdensich die hier gewonnenen Erkenntnisse in Entwurf und Modellierung der Ontologienniederschlagen.2.5 Erkenntnisse der modernen LernforschungNachfolgend sollen einige (ausgewählte) Ergebnisse moderner Lernforschung vorgestelltwerden, deren Bedeutung für schulische Lernprozesse kaum zu ermessen ist. Damitmöchte ich am Ende dieses Kapitels untermauern, in welch komplexem Kontext sich

2.5 Erkenntnisse der modernen Lernforschung 23die Diskussion über Lernziele abspielt. Im Zusammenhang mit dem Kompetenzbegriffwerde ich einige Aspekte erneut aufgreifen. Daneben lassen sich immer wieder Parallelenzu den vier Leitfragen von Anderson et al. erkennen.1. Lebenslanges LernenDas menschliche Gehirn lernt immer - es kann gar nicht anders. Dieser Umstandist zum einen eine einzigartige Chance, zum anderen aber auch eine große Herausforderungund Verantwortung. So ist es beispielsweise möglich, dass vormittagsangeeignete Kenntnisse und Fähigkeiten durch (u. U. auch unbewusst) emotionalbelastende Erfahrungen am Nachmittag 4 wieder aus dem Gedächtnis verdrängtwerden - und zwar bevor eine nächtliche Konsolidierung und damit der Transferins Langzeitgedächtnis erfolgen kann (vgl. [Pfe03], [Spi07b], S. 232).2. Jeder lernt andersDas Gehirn ist ein lernendes System, das nach seinen eigenen Gesetzmäßigkeitenlernt - es ist also selbstreferentiell ([Gud06], S. 218). Die Bewertung neuer Erfahrungenobliegt dabei dem limbischen System.Aus neurobiologischer wie philosophischer Sicht konstruiert sich das Individuumseine persönliche Welt also auf Basis jeweiliger Vorerfahrungen 5 . ”AdaptivesLernen“ als Abstimmung von Personmerkmalen der Lerner und verwendeten Methoden([HW97], S. 137) ist daher die ebenso notwendige wie vielversprechendeAntwort der Lehr-Lern-Forschung.3. Bedeutung der LernzeitEin hoher Anteil echter Lernzeit 6 (der ”vom Schüler tatsächlich aufgewendete[n]Zeit für das Erreichen der angestrebten Ziele“, H. Meyer) wirkt sich positiv aufden Lernerfolg aus. Dies ist einer der ältesten und empirisch am besten belegtenBefunde der Lehr-Lernforschung.Insbesondere steht dieses Anliegen wieder in Verbindung mit der Forderung nachindividueller Förderung: So ist guter Unterricht für Weinert ([Wei98], S. 7-18)ein Unterricht, in dem mehr gelernt wird als gelehrt wird.“”4. Bedeutung lernförderlichen KlimasPositive Effekte eines lernförderlichen Klimas (genauere Ausführungen in [Mey05],S. 47-54) äußern sich in mehrerlei Hinsicht:• eine Atmosphäre ohne Angst vor Misserfolg und Bestrafung begünstigt dieGehirnaktivität;• ein solches Klima optimiert die zur Verfügung stehende Lernzeit ( ”mehrNetto vom Brutto“).4 man denke an den Realismus in Ego-Shooter-Spielen, Horrorfilme o. ä.5 Vgl. ”das Glas ist halb voll“ vs. ”das Glas ist halb leer“6 engl. time on task

24 2 Didaktische Grundlagen5. Bedeutung von MethodenvielfaltDie im Rahmen von TIMSS durchgeführten und ausgewerteten Videostudien belegeneine relative Methodenarmut im deutschen Unterrichtsalltag. Mit Helmke undWeinert ([HW97]) ist es Aufgabe von Lehrenden, im Hinblick auf die intendiertenLernprozesse bei den Lernenden geeignete Methoden zu wählen. Schließlichenthält jedes Thema bereits methodische Festlegungen - Methodenvielfalt darfalso weder allein um der Vielfalt willen ”betrieben“ werden, noch hat sie etwasmit Beliebigkeit zu tun!Im Sinne von Martin Wagenschein (1896 - 1988)Ich nenne eine Didaktik herzlos, die das eigene Denken der Kinder nicht achtet,”statt sich von ihm auf den Weg bringen zu lassen.“sind die intendierten Erträge von Lernarrangements aus Sicht der Lerner zu antizipieren.6. Bedeutung der Balance zwischen Konstruktion und InstruktionLernen ist kein passiver Vorgang im Sinne eines unidirektionalen, rezeptiven Wissenstransports.Unterricht mit ausschließlich instruktionalem Charakter verkenntden Status der Lernenden als handlungsfähige Subjekte und ist im Sinne Klafkisein klarer Verstoß gegen sein Postulat der Selbstbestimmungs-, MitbestimmungsundSolidaritätsfähigkeit. Insbesondere fördert dieses Primat der Instruktion einepassive Haltung, die (nicht nur) Klafkis Auffassung von Bildung als ”wechselseitigerErschließung von Mensch und Welt“ diametral entgegensteht.Radikal konstruktivistische Ansätze überfordern dagegen die Lernenden, wie inempirischen Studien festgestellt wurde. Für konstruktivistische Lernphasen erscheintes ausgesprochen wichtig, dass die Lernenden bereits über bereichsspezifischesVorwissen und Metakompetenzen hinsichtlich des selbstgesteuerten Lernensverfügen. Oder, wie es Gudjons formuliert ([Gud06], S. 249): ”Der Weg zur Autonomieführt über die Anleitung.“ Andernfalls kann es zu negativen Auswirkungenwie einer fälschlichen Selbstattribuierung von Misserfolgen kommen ([MKK + 90],S. 393).7. Situationsgebundenheit von Lernen und WissenDie Annahme, dass Wissen unabhängig von der jeweils vorherrschenden Situationtransportiert wird, ist schlichtweg falsch. Die beachtlichen Ergebnisse vonGedächtnisforschern über implizite Gedächtnisleistungen (vgl. z. B. [Gos01], S.227f., [SB02], S. 495-517) und über den Stellenwert spezifischer Abrufreize legenden Schluss nahe, dass Abruf und Anwendung von Wissen eben nicht unabhängigvon Situation und Kontext sind.In diesem Zusammenhang wurde übrigens empirisch belegt (vgl. [M + 05], S. 393),dass sich bereits der Wechsel des Klassenraumes im Rahmen einer Leistungserhebungsignifikant negativ auf Erinnerungs- und Reproduktionsleistungen derProbanden auswirkt.

2.5 Erkenntnisse der modernen Lernforschung 25Infolgedessen sollte die Lernsituation unter möglichst vielen Gesichtspunkten derAnwendungssituation entsprechen. Hier liegt wiederum die Schnittstelle zu handlungsorientiertemUnterricht.8. Motivationale und volitionale 7 Komponente des LernensOb Lernprozesse erfolgreich sind, hängt wesentlich von der Leistungsmotivationder Lerner ab. Gemäß [MKK + 90] (S. 386) ist Leistungsmotivationdie generelle Tendenz, die eigene Leistung an hohen Standards zu messen,”nach erfolgreicher Leistung zu streben und sich über erfolgreiche Leistung zufreuen“ 8 .Spricht man von Leistungsmotivation, so ist stets domänenspezifisch zu differenzieren([MKK + 90], S. 397). Sie wird vorrangig durch Antizipation eines angenehmen/attraktivenZielzustands und durch den mit zunehmendem Alter immerbesser funktionierenden Belohnungsaufschub erzeugt.Leistungsmotivation wird auf unterschiedlichem Weg erreicht. Wesentliche Faktorenfür das Motivationsniveau in einem bestimmten Aufgabengebiet sind([MKK + 90], S. 388):• Erfolgswert,• Leistungsstandard (Anforderungsniveau, Bezugsnormorientierung),• Vorstellungen über die eigenen Fähigkeiten (Fähigkeitsselbstkonzept),• Ursachenzuschreibung (Attribution) von Erfolg und Misserfolg.In diesem Kontext spielen auch Neugier- und Interessenmotivation eine wichtigeRolle. 97 Volition: von lat. velle wollen“. Bezeichnet in der Psychologie den Prozess der Willensbildung” 8 Hervorhebungen durch den Autor9 So dürfte es die Neugiermotivation sein, die bei Kindern (und manchem Erwachsenem) verboteneDinge besonders attraktiv erscheinen lässt.

263 Bildungsstandards3.1 AusgangslageDie in den letzten Jahren veröffentlichten internationalen Schulleistungsstudien habenDefizite im deutschen Bildungssystem zu Tage gefördert, die zum Teil als gravierendbezeichnet werden müssen.In Folge des mäßigen Abschneidens deutscher Schüler bei den Ergebnissen vonTIMSS (Third International Mathematics and Science Study), PISA (Programmefor International Student Assessment), IGLU (Internationale Grundschul-Lese-Untersuchung) und DESI (Deutsch-Englisch-Leistungen-International) kam es zugrundlegenden und einschneidenden Veränderungen in der Schulpraxis, der Bildungspolitikund der zugehörigen Forschung.Bemerkenswert erscheint, dass systematische und regelmäßige Beobachtungen bzw.Überprüfungen der Erträge institutionalisierter Bildungsprozesse in Deutschland erstseit Beginn der 1990er Jahre statt finden ([Köl07]). Im Konstanzer Beschluss von 1997einigte sich die Ständige Konferenz der Kultusminister der Länder (KMK) darauf,das deutsche Schulsystem im Rahmen wissenschaftlicher Untersuchungen internationalvergleichen zu lassen. Die Tragweite dieses Paradigmenwechsels lässt sich erahnen,wenn Olaf Köller 1 ihn zur zweiten ”empirische Wende“ 2 in der Schulforschung erhebt([Köl07], S. 140).Ich möchte einige Befunde aufführen, die sich speziell auf den mathematischnaturwissenschaftlichenSektor beziehen ([Köl07], S. 147ff.):• Die Leistungen deutscher Schüler liegen deutlich unter den Leistungen unserereuropäischen Nachbarstaaten.• Deutsche Schüler haben große Schwierigkeiten bei Transfer und Anwendung vonerworbenem Wissen auf alltagsnahe Problemstellungen.• Der Unterricht in den einschlägigen Fächern ist wenig kumulativ, der Wissenszuwachswährend eines Schuljahrs relativ gering. Entsprechende Beobachtungen1 Olaf Köller ist amtierender Direktor des Instituts für Qualitätsentwicklung im Bildungswesen (IQB)an der Humboldt-Universität zu Berlin2 Ursprünglich verhalf der Göttinger Heinrich Roth im Jahr 1962 den empirischen Methoden in derErziehungswissenschaft endgültig zum Durchbruch (vgl. [Gud06], S. 35) - ein denkwürdiger Meilenstein.

3.2 Definition 27äußerte auch Prof. Manfred Prenzel vom IPN in seinem Vortrag zum ThemaTechnisch naturwissenschaftliche Bildung - Herausforderung im Unterricht“ am”01.12.2008 (Technische Universität München).)• Ein signifikanter Anteil von Schülern aus der Sekundarstufe I verbleibt auf einemNiveau, das einen erfolgreichen Übergang in die berufliche Erstausbildunghochgradig erschwert.• 30 Prozent der Schüler aus der Sekundarstufe II verfehlen selbst ein niedrig angesetztesSockelniveau.Jenseits der fachlichen Ebene untermauern besonders die Ergebnisse von PISAnachhaltig die Korrelation zwischen schulischer Karriere und Schichtzugehörigkeit(Disparität), die in dieser Ausprägung in keinem anderen OECD-Land zu finden ist.Auch die Schwankungsbreite in den Leistungen ist in keinem Land so groß wie inDeutschland. Als wäre dies noch nicht genug, hat die nationale Teilstudie PISA-Edeutliche Unterschiede der Benotungsmaßstäbe und Leistungen in den einzelnenBundesländern aufgezeigt.All diese Erkenntnisse stehen in einem klaren Widerspruch zum Gleichheitsgrundsatz[K + 07].Ergänzend sei angemerkt, dass viel zu oft ”Können auf dem Umweg über Wissengeprüft“ wird ([Sac07], S. 306).Unter den Bemühungen um eine nachhaltige Verbesserung der Situation kommt derKonzeption und Verabschiedung von Bildungsstandards neben verschiedenen anderenAnstrengungen (wie z. B. der Einführung von Ganztagsschulen) eine wesentliche Rollezu.3.2 DefinitionIm Lichte des internationalen Vergleichs kam die KMK in ihrem Argumentationspapierzu dem Schluss, dass die bis dato vorherrschende Input-Steuerung über Lehrpläneund andere curriculare Vorgaben allein nicht zu den erwünschten und erforderlichenVerbesserungen im Bildungssystem führen könne ([kmk05], S. 5).In Form eines Perspektivwechsels von einer reinen Input- zu einer vorrangigenOutput-Steuerung und der Festschreibung zu erreichender Ergebnisse (learningoutcomes) im Rahmen der Bildungsstandards wurde den Einzelschulen mehr Freiheitzugestanden, im selben Atemzug aber auch mehr Eigenverantwortung abverlangt.Bildungsstandards fördern die Autonomie der Einzelschule, indem”die Verantwortung für die Gestaltung von Lehr-Lern-Prozessen bis hin zur Ausarbeitungeines Schulcurriculums [...] stärker an die Schulen zurückgegeben“ wird

28 3 Bildungsstandards([K + 07], S. 50). 3Mit [kmk05] versteht man unter Bildungsstandards normative Vorgaben für dieSteuerung von Bildungssystemen (S. 8). Bildungsstandards gemäß der Expertise desBundesministeriums für Bildung und Forschung (BMBF, [K + 07], S. 19)• greifen allgemeine Bildungsziele auf;• konkretisieren zentrale Bildungsziele durch Kompetenzanforderungen, deren Systematisierungin Kompetenzmodellen erfolgt;• legen fest, welche Kompetenzen Kinder oder Jugendliche bis zu einer bestimmtenJahrgangsstufe erworben haben sollen;• beschreiben Kompetenzen so konkret, dass sie in Aufgabenstellungen umgesetztund prinzipiell mit Hilfe von Testverfahren erfasst werden können.Vorbild für die Väter der deutschen Bildungsstandards waren und sind dieMathematik-Standards des amerikanischen Mathematiklehrerverbands NCTM 4 (NationalCouncil of Teachers of Mathematics) aus dem Jahr 2000 ([P + 08]), wenngleichbeiden Konzepten ein unterschiedliches Verständnis des Begriffs ”Standard“ zugrundeliegt.Grundsätzlich lassen sich Mindest-, Regel- und Maximalstandards, sowie• inhaltliche Standards,• Standards für Lehr- und Lernbedingungen und• Leistungs- oder Ergebnisstandards (sog. Output-Standards)unterscheiden. So beziehen sich die ”Principles and Standards“ des NCTM auf denInput, genauer spricht man von opportunity-to-learn standards. Die Expertise desBMBF plädiert dagegen klar für eine Output-Orientierung.Die nationalen Bildungsstandards als Regelstandards ([kmk05], S. 6)• konzentrieren sich auf Kernbereiche eines Faches,• beschreiben erwartete Lernergebnisse,• beziehen sich auf ein durchschnittliches Leistungsniveau.3 [RS07] (S. 158) bezeichnet diese Praxis als Paradox der ”verordneten Gestaltungsautonomie“4 http://standards.nctm.org/

3.3 Funktionen 29An der Folgerung, dass die Bildungsstandards damit eine Mischform zwischen inhaltlichenund Outputstandards darstellen, lässt sich das Anliegen der KMK erkennen,Lehrkräfte bei der Auswahl und Gestaltung von Lernsituationen (dem ”wie“) nichtüber Gebühr einzuengen.Die im Rahmen der BMBF-Expertise vorgeschlagenen Bildungsstandards greifenallgemeine Bildungsziele 5 auf und konkretisieren diese Ziele in Form von Kompetenzanforderungen([K + 07], S. 21).Unter Bildungszielen versteht man relativ allgemein gehaltene Aussagen überWissensinhalte, Fähigkeiten, Werthaltungen, Interessen etc. ([K + 07], S. 20). Beiihrer Auswahl sind Nachhaltigkeit und Transfermöglichkeiten oberste Prämissen.Bildungsstandards sehen sich dem Kontext des lebenslangen Lernens verpflichtet undpochen auf die Vernetzung von Wissen ([K + 07], S. 22, 79) - zum einen im Bewusstseindarüber, dass jeder Mensch anders lernt, zum anderen, um einen wirksamen Gegenpolzum sogenannten ”trägen Wissen“ zu bilden.Als Output-Standards legen sie fest, welche Kompetenzen Schüler bis zu einerbestimmten Jahrgangsstufe mindestens erworben haben sollen ([K + 07], S. 9).Bildungsstandards formulieren Erwartungen an die Lernenden und verpflichtenzugleich die Gesellschaft, Mittel und Räume für die Erfüllung dieser Erwartungenbereit zu stellen ([K + 07], S. 20).Insbesondere betonen [K + 07] die Notwendigkeit der Verständigung über den Kernund den Anspruch eines jeden Faches. Hierbei kommt den Fachdidaktiken einebesondere Bedeutung zu.Im Rahmen der Qualitätssicherung kommt Bildungsstandards eine wichtige Funktionzu, geben sie den an Bildung Beteiligten doch ein Referenzsystem an die Hand,welches in der Lage ist, die Einlösung von Anforderungen zu überprüfen und wertvolleRückmeldungen zu liefern (vgl. [K + 07], S. 19).3.3 FunktionenGrundsätzlich kommt Bildungsstandards (wie übrigens Standards ganz allgemein) eineOrientierungsfunktion zu. Sie sollen Schulen, Lehrkräften, pädagogischen Teams,Eltern und Schülern in verständlicher Form Orientierung über die Bildungsinhalteeines Fachs und deren Verflechtung geben. Mit [K + 07] (S. 47) ”arbeiten [Bildungsstandards]in klarer und konzentrierter Form heraus, worauf es in unserem Schulsystemankommt“. Dem BMBF ist die Nachvollziehbarkeit dabei ein besonderes Anliegen.5 Beim Ringen um konkrete Bildungsziele kommt es regelmäßig zu Diskussionen über deren Berechtigung,was u. a. der Deduktionsproblematik für die Normen einer Gesellschaft geschuldet ist.

30 3 BildungsstandardsTestverfahren erlauben es im Rahmen von Qualitätssicherung, schulischer Evaluationund Bildungsmonitoring, die Einhaltung des durch Bildungsstandards geschaffenenüberprüfbaren und einheitlichen Referenzrahmens empirisch valide zu überprüfen.Somit haben die Standards auch eine Rückmeldefunktion, von der alle an BildungsprozessenBeteiligten profitieren sollen. Auf Basis der Ergebnisse legitimiert der Staatwiederum seine Entscheidung für die Output-Orientierung.Umgekehrt werden Politik und Schulen durch Standards verpflichtet, die festgelegtenZiele anzustreben und geeignete Fördermaßnahmen bereitzustellen ([K + 07], S.48).Darüber hinaus stellt das BMBF klar, welche Bereiche ausdrücklich nicht zu denFunktionen von Standards gehören sollen: So wird eine Verwendung der Testergebnissevon Standards im Rahmen von Vorrückungsentscheidungen etc. abgelehnt. DieEinführung von Standards dürfe keine Verstärkung des Leistungs- und Selektionsdrucksnach sich ziehen ([K + 07], S. 49).Für das Lehrpersonal bilden Standards ein neuartiges Referenzsystem für professionellesHandeln (S. 49f.). Zumal begrifflich naheliegend, verwahren sich [K + 07]dagegen, pädagogisches Handeln über Bildungsstandards nivellieren und standardisierenzu wollen. Vielmehr sollen Standards durch ihre Referenzfunktion und dieBerücksichtigung von Ausgestaltungsfreiheiten Lehrkräfte in ihrem Selbstverständnisbestärken (S. 51).Hinsichtlich detaillierter Ausführungen sei auf das Kapitel 4 der BMBF-Expertiseverwiesen ([K + 07], S. 47-54).3.4 Von Lernzielen zu KompetenzenDas Wort ”Kompetenz“ (von lateinisch com und petere: gemeinsam erstreben) ist inaller Munde, wird jedoch in sehr uneinheitlicher Bedeutung gebraucht, so dass zunächsteinmal zu klären ist, welche Fähigkeiten unter didaktischen Gesichtspunkten als Kompetenzengelten sollen. So weist der Erziehungswissenschaftler und Psychologe Franz E.Weinert ([Wei01], S. 27f.) darauf hin, dass in praxi die einen Persönlichkeitsmerkmaleals Kompetenz verstanden wissen wollen, während die anderen erworbenes Wissen alsKompetenz bezeichnen.Um zu einem tragfähigen und einheitlichen Kompetenzbegriff zu gelangen, stützeich mich auf die aus der Expertiseforschung 6 entlehnte Definition Weinerts ([Wei01],S. 27f.) und verstehe unter Kompetenzen6 die E. beschäftigt sich mit der Untersuchung von leistungsfähigen Experten in einem bestimmtenGegenstandsbereich (auch: Domäne), vgl. [K + 07], S. 72

3.4 Von Lernzielen zu Kompetenzen 31die bei Individuen verfügbaren oder von ihnen erlernbaren kognitiven Fähigkeiten”und Fertigkeiten, bestimmte Probleme zu lösen, sowie die damit verbundenen motivationalen,volitionalen und sozialen Bereitschaften und Fähigkeiten, die Problemlösungenin variablen Situationen erfolgreich und verantwortungsvoll nutzen zu können.“In Abgrenzung zu Kompetenzen formalisieren Lernziele kleinschrittigere Einheiten,deren unmittelbarer Bezug zur alltäglichen Anwendung so nicht gegeben ist. Vielmehrmarkieren Lernziele Etappen des Kompetenzaufbaus. So kann man eine konkreteKompetenz als eine Art Aggregation von Lernzielen auffassen, welche es für denErwerb dieser Kompetenz zu erreichen gilt. Dabei taucht die interessante Frage auf,ob sich ”Pakete“ von Lernzielen schnüren lassen, welche hinreichend bzw. notwendig(oder beides zugleich) für die Aneignung einer gewissen Kompetenz sind. In einemspäteren Kapitel werde ich mich anhand von Weinerts Definition ausführlich mit demVerhältnis zwischen Lernzielen und Kompetenzen befassen.In der Summe weisen Kompetenzen eine völlig andere Granularität 7 als Lernzieleauf, was sich bei Planung und Durchführung von Unterricht zwangsläufig auch in derZeitdimension niederschlagen muss. Der Referent einer Lehrerfortbildung formuliertedies etwas plakativ 8 :Eine Fähigkeit, die man innerhalb einer Stunde erwerben kann, ist [noch] keine”Kompetenz!“Letztlich trägt eine schrittweise Hinführung auf Lernziele also zur Anbahnungund Förderung gewisser Kompetenzen bei. Die bewährte Unterscheidung von global,educational und instructional objectives bleibt davon unberührt.(Anmerkung: Die Darstellung der exemplarischen Kompetenz als Wolke mögezusätzlich zum einen symbolisieren, dass eine Kompetenz im Gegensatz zu einemLernziel nur schwer in eine feste Form zu gießen ist, und zum anderen die Tatsache,dass unterschiedliche Kompetenzen ähnlich einem Puzzle miteinander verzahnt sindund gemeinsam u. U. eine übergeordnete Kompetenz bilden können.)Bildungsstandards ordnen Kompetenzanforderungen systematisch in Kompetenzmodellen,die Aspekte, Abstufungen und Entwicklungsverläufe von Kompetenzen darstellen([K + 07], S. 21).7 von lat. granum: Korn, Kern - ein Maß für die Grobkörnigkeit eines Systems; hier eines Begriffssystemsund durchaus auch im Sinne einer Mengenbeziehung zu verstehen8 http://www.mathematik.uni-mainz.de/schule/lehrkraeftefortbildungen/2006.1/t3-mainz-kompetenzen-v1.pdf

32 3 BildungsstandardsLZ 1LZ 4LZ 6LZ 2LZ 3LZ 7LZ 10LZ 5LZ 8LZ 9KompetenzAbbildung 3.1: Einbettung von Lernzielen in Kompetenzen3.5 Merkmale guter BildungsstandardsBildungsstandards lassen sich auf Basis verschiedener Maßstäbe festlegen. Einige fürPraktikabilität und Erfolgsorientierung wesentlichen Kriterien führen [K + 07] an (S.24ff.):1. FachlichkeitBildungsstandards beziehen sich jeweils auf einen bestimmten Lernbereich(Domäne, Fach). Die Berücksichtigung fachlogischer Zusammenhänge und Besonderheitenspielen bei ihrer Konzeption dabei eine sehr wichtige Rolle. Unterrichtsfächerarbeiten mit ihren eigenen ”Codes“. Insbesondere die Erkenntisseaus der Fachdidaktik sollten in die Konzeption einfließen, da sie wesentlich dazubeitragen, Begründungszusammenhänge zu erkennen und zu würdigen.[K + 07] begründen damit, warum spezielle Bildungsstandards für sogenannteSchlüsselqualifikationen“ (z. B. Lernfähigkeit, Problemlösungsdenken, Kreativitätetc.) ihnen nicht sinnvoll”erscheinen.2. FokussierungAnders als curriculare Vorgaben erheben Bildungsstandards nicht den Anspruchauf hohe Detailtiefe. Vielmehr konzentrieren sie sich auf zentrale Kompetenzbereiche,die im Laufe der schulischen Ausbildung aufgebaut werden sollen. Sieblicken auf die Ergebnisse schulischen Lernens.

3.5 Merkmale guter Bildungsstandards 333. KumulativitätGerade weil empirische Studien eine geringe Kumulativität bei inputorientiertemBildungsfortschritt nachwiesen, müssen Bildungsstandards diesem Missstand entgegentreten. Der Aufbau fachspezifischer Standards muss im Hinblick auf die Zusammenhängeund Abhängigkeiten der zu erreichenden Kompetenzen stets proundretrospektiv hinterfragt werden. [K + 07] sprechen von systematisch vernetztemLernen.Die Väter der Standards wenden sich damit kategorisch gegen ein ”teaching to thetest“ und betonen die Notwendigkeit domänenübergreifenden und lebenslangenLernens.4. Verbindlichkeit für alleEs ist Kernanliegen eines jeden Standards, zum einen Überprüfbarkeit, zum anderenauch Vergleichbarkeit zu sichern. Daher sind Bildungsstandards und diedarin festgeschriebenen Ziele für ihre Adressaten verbindlich 9 .Zugleich eröffnet die Struktur der Standards neue Freiheiten für Lehrkräfte.Solche Freiräume dienen der Berücksichtigung situativer Bedingungen, bringengleichzeitig aber auch eine höhere Verantwortung mit sich.Die Empfehlung von Mindeststandards begründen [K + 07] in ihrer Expertiseprimär mit dem Abschneiden des deutschen Bildungssystems bei den empirischenStudien. Speziell wenden sie sich gegen Regelstandards, die implizit wieder vonder irrigen Annahme ausgehen, der Leistungsstand würde einer Gaußverteilungfolgen. (In Bezug auf guten und gelingenden Unterricht wäre dies eine äußerstpessimistische Einschätzung ([Top06], S. 140f.).)Von bisheriger Praxis grenzen sich Bildungsstandards auch dadurch ab, dass siesich von dem defizitorientierten Modell bisheriger Leistungsbewertung abwendenund weniger die Schwere der Fehler (ausreichend - mangelhaft - ungenügend), alsden erreichten positiven Grad des Kompetenzniveaus beschrieben wissen wollen.Eine entsprechende Rechenschaftslegung erfolgt beispielsweise über Jahrgangsstufentestsund allgemeine Lernstandserhebungen.5. DifferenzierungNachdem Menschen auf Basis unterschiedlicher Methoden verschieden lernen undinsbesondere verschieden schnell, steht diese Forderung in engem Zusammenhangmit der Kumulativität. Der Begriff der Differenzierung steht in einem gewissenWiderspruch zu Standards. Das BMBF-Gutachten versteht darunter in ersterLinie Zusatzerwartungen (höhere Anforderungen über das Mindestkriterium hinaus),deren Präzisierung in den Händen der Einzelschule liegt.9 Bildungsstandards gehen also ausdrücklich nicht konform mit A. S. Tanenbaums Feststellung: ”Thenice thing about standards is that there are so many of them to choose from.“

34 3 BildungsstandardsWas die Überprüfbarkeit angeht, legen Standards nicht nur eine einzelne ”Messlatte“an, sondern unterscheiden Kompetenzstufen ober- und unterhalb bzw. zeitlichvor und nach dem Erreichen des Mindestniveaus ([K + 07], S. 27).Somit sehen [K + 07] hier den Ansatzpunkt der Profilbildung für die Einzelschule 10 .6. VerständlichkeitBildungsstandards sprechen ein breites Publikum an. Wie oben im Zusammenhangmit ihren Funktionen (speziell der Orientierungsfunktion!) ausgeführt wurde,beziehen sie alle an Schule beteiligten Personenkreise ein.Dementsprechend müssen sie ihre Anliegen in verständlicher Form explizieren undbegründen.7. RealisierbarkeitDie in Form von Standards niedergelegten Forderungen müssen erreichbar undMaßnahmen zur Erreichung umsetzbar sein. An diesem Punkt darf es keinesfallszu einem Gefälle zwischen Theoretikern und Praktikern in der Bildung kommen,was die Notwendigkeit der Einbindung beider ”Lager“ auch bei der Entwicklungvon Bildungsstandards unterstreicht.So werden die fachlichen Standards stets von Aufgabenbeispielen begleitet, diejeweils einem von drei Anforderungsbereichen angehören.Angesichts seiner Bedeutung liegt dieses Kriterium in gewisser Weise ”quer“ zuden bisher genannten. Daher betonen auch [K + 07] (S. 30):Bildungspolitik und Bildungsadministration sind also gut beraten, realistische11”Ziele zu formulieren, wenn die output-orientierte Steuerung erfolgreichVeränderungsprozesse anstoßen soll.“3.6 Das European Qualifications Framework (EQF)Mit dem im Jahr 2008 verabschiedeten European Qualifications Framework (EQF,Europäischer Qualifikationsrahmen) hat die Europäische Kommission eine zentraleÜbersetzungsinstanz geschaffen, welche die europaweite Vergleichbarkeit nationalerQualifikationen sicherstellen und damit die länderübergreifende Durchlässigkeit desArbeitsmarkts erhöhen soll. Zugleich bekennt sich das EQF ausdrücklich zum lebenslangenLernen 12 .Dabei sieht das EQF im Einzelnen vor 13 :10 erkennbar z. B. an den Ausbildungsrichtungen bayerischer Gymnasien, z. B.” NTG“ -naturwissenschaftlich-technologisches Gymnasium, sowie an den in der Schulentwicklung verankertenSchulprofilen11 Hervorhebung durch den Autor12 weitere Informationen findet man bei der EU-Kommission: http://ec.europa.eu/education/lifelong-learning-policy/doc44_en.htm13 vgl. http://www.bibb.de/de/21696.htm

3.7 Kritik an Bildungsstandards 35• acht Niveaustufen, die sowohl die berufliche wie auch die Hochschulbildung umfassen;• Orientierung an den Lernergebnissen;• Beschreibung der Lernergebnisse anhand der Begrifflichkeiten Kenntnisse, Fertigkeitenund Kompetenzen;• Einbeziehung informell erworbener Kompetenzen.Das EQF als europaweiter Referenzrahmen sieht acht Niveaustufen vor, die jeweilsKenntnisse, Fertigkeiten und Kompetenzen der betreffenden Personen beschreiben.Ort und Art der Einrichtung, an der die Qualifikation erworben wurde, spielen dabeikeine Rolle. Die EU-Staaten sind aufgefordert, bis 2010 die Kompatibilität ihrerQualifikationssysteme zum EQF herzustellen. Ab 2012 sollen dann alle neu erworbenenAbschlüsse einen entsprechenden Verweis auf die EQF enthalten.Das EQF grenzt die Begrifflichkeiten wie folgt voneinander ab 13 :1. Kenntnisse (knowledge): Fakten-, Erfahrungs- und theoretisches Wissen. DieAbstufungen reichen von der Wiedergabe allgemeinen Basiswissens bis zur Nutzungvon Spezialwissen und zur Verknüpfung komplexer Wissensbestände.2. Fertigkeiten (skills): Kenntnisse und Erfahrungen erfasst, die für die erfolgreicheAusübung einer spezifischen Aufgabe oder eines Berufs erforderlich sind. DasSpektrum reicht von Basis-Fertigkeiten, um einfache Aufgaben auszuüben, bis zurAusprägung neuer Fertigkeiten, die auf den Anforderungen neuer Technologienoder Erkenntnisse beruhen.3. Kompetenzen i. w. S. (wider competences): Selbständigkeit und Verantwortlichkeit“,Lernkompetenz“, kommunikative und soziale Kompetenzen“ sowie” ””professionelle und berufliche Kompetenz“”In Anknüpfung an das EQF entwickeln viele EU-Mitgliedsstaaten derzeit nationaleQualifikationsrahmen (NQF), die auf das EQF Bezug nehmen. Letzteres bildet danneinen ”Meta-Qualifikationsrahmen“, der die NQF-Einordnung auf internationaler Ebenenormalisiert (vgl. Abbildung 3.2).3.7 Kritik an BildungsstandardsMit der Absicht, Basisfähigkeiten im Bildungssystem verbindlich festzuschreiben undzum Zwecke der Überprüfbarkeit operationalisierte Tests zu entwickeln, ging eine mehrfacheKritik an Bildungsstandards einher. [K + 07] (S. 56ff.) nennen drei Hauptangriffspunkte:

36 3 BildungsstandardsAbbildung 3.2: Mehrere NQF und zentrale Übersetzungsinstanz. Quelle: http://www.bibb.de/en/21696.htm3.7.1 Reduktionismus-VorwurfDer Begriff des Reduktionismus entstammt der Wissenschaftstheorie und steht für dieLehre, dass ein System durch seine Einzelbestandteile vollständig bestimmt ist. Imweiteren Sinne versteht man unter Reduktionismus eine vereinfachende Zurückführungkomplexer Sachverhalte auf mess- und/oder beobachtbare Vorgänge und Phänomene 14 .Im Wesentlichen beklagen die Kritiker von Bildungsstandards die pragmatischeVorgehensweise bei Auswahl und Begründung von Bildungsinhalten. Sie berufen sichauf eine umfassende Allgemeinbildung in der Tradition Wilhelm von Humboldts undsehen den Bildungsbegriff im Modewort der ”Literalität“ (ursprünglich als literacy ausdem englischsprachigen Raum übernommen) unzulässig verkürzt.Einen strukturellen Schwachpunkt von Standards sehen Kritiker darin, dass sichihrer Meinung nach die wesentlichen Erwartungen an schulische Bildungsprozessenicht hinreichend operationalisieren lassen, um messbar zu sein ([K + 07], S. 56).Mit ähnlichen Einwänden sahen sich schon Vertreter lernzielorientierter Didaktikkonfrontiert.So stellt auch Weinert ([Wei01], S. 358) fest, dass es ”im Bereich motivationaler,volitionaler, sozialer, ethischer und moralischer Kompetenzen immer noch einen sehrgroßen Mangel an zuverlässigen, gültigen und leicht handhabbaren Messmethoden“gibt.14 http://lexikon.meyers.de/wissen/Reduktionismus+(Sachartikel)+Philosophie

3.7 Kritik an Bildungsstandards 373.7.2 Vorwurf der Vereinheitlichung und NivellierungDie Kritiker sehen einen Widerspruch zwischen dem individuellen Prozess der Bildungund dem Versuch, hier einengende Standards zu schaffen. Der individuellenEntwicklung würden ihrer Meinung nach sowohl hinsichtlich der Definition der zuerreichenden Ergebnisse, als auch durch das implizit vorgegebene Zeitraster für denKompetenzerwerb die Daumenschrauben angezogen ([K + 07], S. 57).Sowohl Institutionen wie Lernende würden durch diese ”Gleichmacherei“ Schadendavon tragen und die Unterschiede im Anspruch der Schularten eingeebnet.3.7.3 LegitimationsdefizitZweifellos handelt es sich bei der Frage nach der personellen Besetzung von Kommissionen,die über Zuschnitt und Inhalt von Konzepten mit einer hohen Tragweite zubefinden haben, um einen wichtigen Faktor.In dieser Hinsicht bescheinigen ihre Kritiker den Bildungsstandards ein Legitimationsdefizitund befürchten eine übernationale Expertenherrschaft, welche dieübergeordneten Ziele, Normen und Werte der Gesellschaft außer Acht lässt.3.7.4 Standpunkt der BMBF-ExpertiseDie Autoren der Expertise nehmen die angeführten Bedenken zur Kenntnis, stellenaber zugleich fest, dass diese nicht kategorisch gegen die Einführung von Bildungsstandardssprechen. In Anbetracht der teilweise unlösbaren Schwierigkeiten, die mit allenDebatten über die Bildungsziele moderner Gesellschaften verbunden sind (zentral istin verschiedenerlei Hinsicht die Begründungsproblematik, vgl. hierzu [K + 07], Abschnitt5.2, S. 58ff.), halten sie Bildungsstandards für den gegenwärtig besten und insbesondereeinen legitimen Weg, sich den bestehenden Problemen zu stellen.3.7.5 Weitere KritikpunkteWalter Müller ([Mül07], S. 98f.) nennt einige konkrete Problempotentiale von Bildungsstandards:• besonders wenn Schulen mit Tests ” überzogen“ werden, verschärfen die Lernstandserhebungenden Leistungs- und Selektionsdruck; auch könnte dann ausZeitgründen nur• gelernt werden, was geprüft wird (teaching to the test),• Begünstigung von Schulrankings (vgl. England) und damit einhergehende Etikettierung15 ,15 bzgl. der letzten drei Punkte sei daran erinnert, dass competition im Englischen für ”Konkurrenz“steht

38 3 Bildungsstandards• Marginalisierung der Nebenfächer (durch das Fehlen von Standards) - ”Fächerzweiter Klasse“,• funktionalistisch-technologische Verkürzung des Bildungsbegriffs: Bildung alsKonglomerat operationalisierbarer und testbarer Teilkompetenzen, Produkt- undPerformanzorientierung.Da die Bedenken grundsätzlich nachvollziehbar sind, ihr Eintreten jedochhauptsächlich davon abhängt, wie Standards implementiert und umgesetzt werden,sollen sie hier nicht weiter kommentiert werden.3.8 Bedeutung für das Fach InformatikAm 24. Januar 2008 verabschiedete das Präsidium der Gesellschaft für Informatike. V. (GI) ein Grundsatzpapier zu Bildungsstandards für das Fach Informatik. DasDokument hat den Status einer Empfehlung und gliedert sich in die beiden Teile” Grundsätze“ und ” Standards“. Die GI hält ein eigenes WWW-Portal16 zum Themabereit.Die ”Grundsätze“ zeichnen ein Bild der für einen erfolgreichen Informatikunterrichtanzustrebenden Rahmenbedingungen und betreffen sowohl institutionelle Bedingungenals auch die Art des Unterrichtens. Mit diesem ersten Teil kann man die von der GIvorgelegten Standards als opportunity-to-learn-Standards verstehen.In den ”Standards“ werden die Kompetenzen genannt, welche von Schülern unterden beschriebenen Rahmenbedingungen erworben werden sollen. Hierbei werden• Kompetenzen über alle Jahrgangsstufen und• Kompetenzen bestimmter Jahrgangsstufensowie• Inhaltsbereiche und• Prozessbereicheunterschieden.Zusammengenommen charakterisieren die beiden Teile die GI-Vorschläge also sowohlals opportunity-to-learn-Standards, als auch als Output-Standards. Anders als dieKMK-Standards, welche - übrigens entgegen dem Dafürhalten der BMBF-Expertise von2003 ([Mül07], S. 97) - Regelanforderungen folgen, beschreibt das vorgestellte KonzeptMindestanforderungen, die am Ende der 7. bzw. 10. Jahrgangsstufe erreicht sein sollen.16 http://www.informatikstandards.de/

3.8 Bedeutung für das Fach Informatik 393.8.1 GrundsätzeDie GI betont eingangs den Stellenwert der Informations- und Kommunikationstechniksowie von Computern im Speziellen als wichtigem und zunehmend unverzichtbaremBestandteil unserer Gesellschaft. Die Autoren sehen die Vision eines gelingenden Informatikunterrichtsdarin, dass ”informatisch gebildete Menschen alle 17 informatischenProbleme, die ihnen in ihrem Leben begegnen werden, mit Selbstvertrauen anpackenund selbständig allein oder im Team bewältigen können“ ([P + 08]) - eine Forderung, dieauf anschlussfähiges und lebenslanges Lernen abzielt.ChancengleichheitBei der Entwicklung von Grundsätzen, denen Bildungsstandards im Fach Informatikfolgen sollten, mahnt die GI die Gefahr eines digital divide (einer digitalen Spaltung)hervor und nimmt damit unmittelbar Bezug zum oben angesprochenen Desiderat derChancengleichheit. Damit ist jedoch keinesfalls gemeint, dass allen Schülern identischerUnterricht zuteil werden soll ([P + 08]).CurriculumBei der Entwicklung des Curriculums sollte auf die drei Säulen• Kontextorientierung (→ Alltagsrelevanz)• Vernetzung zu Basiskonzepten (→ Nutzen in Anwendungssituationen)• Unterrichtsgestaltung (→ individualisierter Unterricht)geachtet werden.InterdisziplinaritätDie Bedeutung der Informatik liegt darin, dass sie die Strukturen und Methodendes Denkens und Arbeitens nahezu aller Disziplinen und damit den beruflichen”und privaten Alltag jedes Einzelnen betrifft und permanent verändert.“ ([P + 08], S. 10).Noch deutlicher formulierte die GI im Jahr 2006:Neben Schreiben,Lesen und Rechnen wird die Beherrschung grundlegender Methodenund Werkzeuge der Informatik zur vierten Kulturtechnik“ ([BCM06], S.”26).Das Fach Informatik zeichnet sich mit seiner außerordentlichen Breite gleich durchmehrere wissenschaftliche Ausrichtungen aus: So findet man Charakteristika• einer Grundlagenwissenschaft: Informatische Aspekte im Sinne einer digital literacysind aus dem gesellschaftlichen Alltag nicht mehr wegzudenken;17 Hervorhebung durch den Autor

40 3 Bildungsstandards• einer Ingenieurswissenschaft: Sie beschäftigt sich mit dem Entwurf, der Implementierungund dem Einsatz von Informatiksystemen für unterschiedlichste Einsatzgebiete;• einer Experimentalwissenschaft: Das gigantische Simulationspotential, welchesdie Informatik bereit stellt, eröffnet neue Möglichkeiten, die aus ökonomischer,ökologischer und ethischer Perspektive interessant erscheinen. Mit [P + 08] lassensich so ”Szenarien durchspielen, die sich dem physischen Experiment verschließen“.aber auch• einer integrierenden Wissenschaft: So ist mit Tätigkeiten der Entwicklung undModellierung untrennbar die Arbeit und der Austausch im Team verbunden. Dazugehört auch die Diskussion und Interaktion mit Fachleuten vielfältiger Disziplinen,die oftmals nicht einmal ”Nachbardisziplinen“ sind.Die diesbezüglichen Ausführungen der GI stützen die von mir hinzugefügte letzteThese wie folgt ([P + 08], S. 10):Informatik ist per se fachübergreifend und fächerverbindend, deshalb ist Interdisziplinaritätein Grundsatz der Unterrichtsgestaltung. Das bedeutet, dass informatische”Kompetenzen im Grunde nur in einem Unterricht erworben werden können, dervon vorn herein interdisziplinär angelegt ist - und das ist der Unterricht im FachInformatik.“Für [P + 08] (S. 5) ergeben sich aus dieser Breite für den schulischen Informatikunterrichtgroße Chancen, gleichzeitig zwingt sie aber auch zu einem stark exemplarischenVorgehen. Gerade bei der Diskussion von Bildungsstandards treten damit meinerMeinung nach die Grundsatzfragen Klafkis ”Didaktischer Analyse“ ([Kla64]) nachGegenwarts- und Zukunftsbedeutung, hinsichtlich der Exemplarizität aber auch nachErweisbarkeit und Überprüfbarkeit besonders anschaulich in den Vordergrund.Ich möchte dieses Anliegen an einem Beispiel aus den Jahrgangsstufen 6 und 7illustrieren:Im Rahmen des Faches Natur und Technik (NuT) sieht der Lehrplan in Jahrgangsstufe6 vor, dass Schüler ein Verständnis von Information und deren Darstellung(Repräsentation) erwerben. Hierbei geht es ausdrücklich nicht darum, sich in derBedienung eines bestimmten Softwareprodukts zu üben. Bereits bei diesem wichtigenersten Kontakt der Schüler mit dem neuen Fach muss - auch im Sinne der Chancengleichheit- gewährleistet sein, dass den Schülern die Prinzipien klar werden, auf denenkonkrete Informatiksysteme basieren.In Jahrgangsstufe 7 wird diese ”Marschrichtung“ konsequent fortgesetzt: Bei derBehandlung vernetzter Informationsstrukturen, wie sie das Internet und speziell

3.8 Bedeutung für das Fach Informatik 41das WWW bereit hält, steht das Hypertext-Konzept und das ihm innewohnendeVernetzungsprinzip im Vordergrund. Jenseits konkreter Browser-Software 18 sollen dieSchüler nach Abschluss der Lerneinheit gewissermaßen ” über“ dieser Anwendungsebenestehen und ein Verständnis für basale Strukturen entwickelt haben, die manchenSoftwarelebenszyklus um Längen überdauern.Auch in den Lehrplänen für die Jahrgangsstufen 9 und höher lässt sich diese zentraleIntuition immer wieder finden. Dass sie in dieser Form hervorgehoben werden muss,ist u. a. auch auf ein immer noch weit verbreitetes falsches Verständnis des Anspruchseines Schulfachs Informatik zurückzuführen, wie nachfolgendes Zitat des NeurobiologenManfred Spitzer 19 zeigt:Kein anderer Industriezweig hat es je geschafft, dass Gebrauchsanweisungen seiner”Geräte zum Schulfach erhoben wurden [...]“[Spi07b], S. 260Mit [Prü06] geht es also nicht darum, Fertigkeiten für den Computer zu erlernen,sondern alltagstaugliche und überdauernde Fähigkeiten im Sinne von Kompetenzen(z. B. Fähigkeit zur Arbeit in einem Team, zum Umgang mit Kritik, zur Perspektivübernahme,zu multidimensionalem Denken etc.) mit dem Computer zu erlernen.Das Gerät (und die Software) sind damit Mittel zum Zweck, wobei letzterer in einemgrößeren Begründungszusammenhang stehen muss.Ein solides begriffliches Fundament für ”Informatische Bildung“ und ”Informatikunterricht“nebst Abgrenzung zu Erscheinungen wie der ITG (informationstechnischenGrundbildung) legt beispielsweise [Hub04] (S. 43ff.). Dass dies nötig ist, zeigt nebenobigem Beispiel der allgemeine Sprachgebrauch:Leider wird im schulischen Umfeld der Begriff Informatik häufig für jede Art der”Beschäftigung mit dem Computer missbraucht. Das Spektrum reicht vom computergestütztenVideokurs bis zu Fingerübungen auf der Tastatur.“ (a.a.O., S. 48).Das Fachprofil Informatik im Lehrplan für das NTG spricht eine eindeutige Sprache:Die wesentliche Aufgabe des Informatikunterrichts am Gymnasium ist es [...],”den Schülern ein systematisches, zeitbeständiges und über bloße Bedienerfertigkeitenhinausgehendes Basiswissen über die Funktionsweise, die innere Struktur sowie dieMöglichkeiten und Grenzen informationstechnischer Systeme zu vermitteln. Dadurchwird ihnen deren sinnvolle, kompetente und verantwortungsbewusste Nutzung und Beurteilungermöglicht. Als zukünftige Entscheidungsträger müssen die Gymnasiastenmit den Denkweisen vertraut gemacht werden, die den Informations- und Kommunikationstechnikenzugrunde liegen, um deren prinzipielle Chancen und Risiken richtig18 z. B. Mozilla Firefox, Opera, Internet Explorer19 Prof. Dr. Manfred Spitzer ist einer der populärsten Hirnforscher Deutschlands und leitet den Lehrstuhlfür Psychiatrie der Universität Ulm. Sein Buch ”Vorsicht Bildschirm!“ ist ein ”eindringlichesPlädoyer gegen den hohen Bildschirmkonsum von Kindern und Jugendlichen“ (A. Schavan).

42 3 Bildungsstandardseinschätzen zu können.“Lehren und LernenIn Übereinstimmung mit dem NCTM denkt die GI Lehren und Lernen zusammen,was auch den etymologischen Ursprüngen der beiden Wörter entspricht ([P + 08], S. 5).Die Autoren zitieren Hilbert Meyer und warnen vor der überholten Vorstellung einesEimer-Modells“ (vergleichbar dem Nürnberger Trichter), die allen Erkenntnissen der”Lehr-Lernforschung zum Trotz z. B. im etwas unglücklichen Begriff der Lerninhalte“”immer noch überlebt hat.Insgesamt ist in dem Feld zwischen Behaviorismus und Konstruktivismus eingemäßigt konstruktivistischer Ansatz als vielversprechend zu sehen ([GM07], S.257). Die ständige Rückbesinnung auf den Anwendungsbezug ermöglicht den Aufbauintelligenten Wissens, welches Weinert dem sog. toten Wissen“ als Komplement”gegenüber stellt.Lernen ist im Kontext von informatischer Bildung in ganz besonderem Maß aufdie (Anforderungen der) Zukunft gerichtet (vgl. [Wei99], These 1). Es ist damitAufgabe von Lehrkräften, Schüler auf Anforderungsszenarien vorzubereiten, die zumgegenwärtigen Zeitpunkt nicht feststehen und u. U. noch nicht einmal vorstellbarsind. 20 Dies ist auch der Tenor Hartmut von Hentigs in seinem Büchlein über Werte([Hen07]).Intelligentes Wissen über Prinzipien der Informatik stellt damit den Antagonisten zu” hart verdrahteten“, mit Lernsituationen verlöteten“ und mechanisch anzuwendenden”Kenntnissen dar (vgl. [Wei99], These 5).QualitätssicherungSoweit es sich um messbare Größen handelt, muss Unterricht sich an seinen Ergebnissenmessen lassen. [P + 08] verstehen Qualitätssicherung als normalen Bestandteildes Unterrichts und permanente Rückkoppelung zur Optimierung von Lernprozessen,die Lehrkräften hilft, mehr über die Wirkung ihrer Arbeit zu erfahren und SchülernOrientierung für selbstverantwortete Lernprozesse gibt. Insbesondere versetzt einesolche Rückkoppelung Schüler in die Lage, eine Art Meta-Verständnis für die Qualitäteigener Leistungen und eventuelle Defizite zu entwickeln.Methoden zur Qualitätssicherung sind stets dahingehend zu bewerten, inwieweit sieeine möglichst gute Passung in Bezug auf die erwarteten Kompetenzen aufweisen (hoheSorgfalt bei der Aufgabenkonstruktion, [P + 08], S. 8). Die Einbettung von Lernzielen in20 Gewissermaßen haben wir es mit einer ähnlichen Art von Dilemma zu tun wie Hersteller vonAntiviren-Software: Nur mit Hilfe einer leistungsfähigen Heuristik (nebst ständigem ”Am-Ballbleiben“)besteht die Chance, für künftige Anforderungen gewappnet zu sein.

3.8 Bedeutung für das Fach Informatik 43Kompetenzen und die Auffassung eines individuellen Lernens längs Pfaden (vgl. 3.4)können hier m. E. anleitend wirken.TechnikeinsatzUnterricht in Informatik zeichnet sich besonders dadurch aus, dass Technik stetsMedium, Werkzeug und Inhalt des Lernens zugleich ist.Der vielfache Einfluss von Technik in Form eines solchen ”Dreisatzes“ ist imFächerkanon allgemeinbildender Schulen einzigartig. [P + 08] (S. 8) betonen, dass nurhier alle drei Funktionen der Informations- und Kommunikationstechnik zum Tragenkommen.MediumDie modernen Medien nehmen einen nie dagewesenen Stellenwert im gesellschaftlichenAlltag ein und haben auch das Lehren und Lernen revolutioniert. So ist der Zugriff aufWissensdatenbanken in vielerlei Hinsicht nicht mehr mit dem Prozedere von vor zehnJahren zu vergleichen.Als Beispiel denke man an den oftmals bereichernden und zeitsparenden Luxusmoderner Suchmaschinen und Suchfunktionen. Zum anderen muss der Wahrheitsgehaltvieler Quellen des WWW mit äußerster Vorsicht betrachtet werden - ebenfalls eineandere Situation als zu Zeiten von gedruckter Brockhaus-Enzyklopädie und Co.Nicht nur an diesem Punkt erscheint es dringend geboten, Schülern entsprechendes” Meta-Wissen“ ([P+ 08], S. 8) zu vermitteln. Gleichwohl ist Medienerziehung in Bayernausdrücklich nicht Aufgabe eines separaten Schulfachs, sondern wird integrativ alsVerpflichtung aller Fächer verstanden, [BM03]).Im Rahmen von ”integriertem Lernen“ (engl.: blended learning) lassen sich die Vorteilevon Präsenzunterricht und der Nutzung von E-Learning-Angeboten (vgl. Kapitel4) systematisch vereinen.WerkzeugWie der NCTM wendet sich auch die GI gegen die schiere Nutzung einer wie auchimmer gearteten Technik um ihrer selbst willen. Gleichzeitig hebt sie hervor, dassSachaufwandsträger geeignete Infrastruktur bereit zu stellen haben und Lehrkräfte imentsprechenden Umgang zu schulen sind.Abhängig von der Struktur des jeweiligen Sachverhalts dienen bestimmte Werkzeugeeher dem Lernerfolg als andere. Im Mittelpunkt müssen die Anforderungen stehen, diedas konkrete Unterrichtsfach an die Infrastruktur stellt ([P + 08], S. 9). Zum Teil werdenin Schulbüchern konkrete Empfehlungen ausgesprochen (z. B. [HSS + 08], S. 8f.).

44 3 BildungsstandardsInhaltHinsichtlich des Inhalts betont die GI, stets Prinzipien in den Blick zu nehmen, umsich nicht in den kurzlebigen Feinheiten aktuell verfügbarer Hard- und Software zuverlieren. Im Vordergrund muss damit die Abstraktionsebene stehen, auf der die jeweilseingesetzten Werkzeuge eine exemplarische Funktion einnehmen.Technik und AllgemeinbildungFrühere Argumentationen, Technik gehöre nicht in allgemeinbildende Schulen, sindnicht mehr haltbar. So mag man Bildungsziele mit Klafki nach ihrer Gegenwarts- undZukunftsbedeutung, nach ihrer Bedeutung für entsprechende Frage- und Problemstellungenhinterfragen und zu einem eindeutigen Ergebnis kommen. Die empirische Studievon Hein ([Hei06]) wies nach, dass der gegenwärtig vorherrschende Fachkräftemangelseinen Ursprung bereits in der allgemeinbildenden Schule nahm bzw. nimmt (S. 34ff.).3.8.2 Inhalts- und ProzessbereicheBei der Entwicklung von Kompetenzen unterscheidet die GI zwei Bereiche, die sichdurch alle Jahrgangsstufen ziehen und eng miteinander verzahnt sind. Die NCTM hatbei ihren Standards für das Fach Mathematik erfolgreich auf diese Einteilung gesetzt([P + 08], S. 12). Ich werde dazu Stellung nehmen, warum sich dieser Erfolg leider nichtohne Einschränkungen auf die Informatik übertragen lässt.Inhaltsbereiche charakterisieren die angestrebten fachlichen Mindestkompetenzen,während Prozessbereiche die Art und Weise beschreiben, in der Schüler sich mitFachinhalten auseinandersetzen sollen ([P + 08], S. VI).Die Autoren warnen davor, die Inhaltsbereiche als Listen ”abzuarbeitenden Stoffs“zu lesen und plädieren für die Einbettung der Inhaltsbereiche in beziehungsreicheKontexte (S. 23) mit ansprechenden Beispielen und stetem Praxisbezug, so dass sichSchüler aktiv und eigenverantwortlich mit den Inhalten beschäftigen können. Darinsieht die GI die Schnittstelle, an der Inhalts- und Prozessbereiche ineinander greifenund Grundsteine für die Entwicklung intelligenten Wissens legen. Konkret gibt die GIfolgenden Ratschlag (S. 12):Die Inhalts- und Prozessbereiche werden im Folgenden zwar jeweils im Einzelnen”vorgestellt, es wäre aber nicht im Sinne dieser Standards, den Unterricht nach diesengesondert abgehandelten Punkten sequenziell zu strukturieren.“Um dem Anspruch der Realisierbarkeit zu genügen, enthält das GI-Papier konkreteHinweise und Beispiele für die unterrichtliche Umsetzung.Die Abbildung gibt die grundlegende Struktur des GI-Vorschlags wieder und lässtdabei meiner Meinung nach viel Interpretationsspielraum, der durch eine weitgehende

3.8 Bedeutung für das Fach Informatik 45Information und DatenProzessbereicheModellieren und ImplementierenAlgorithmenBegründen und BewertenSprachen und AutomatenStrukturieren und VernetzenInformatiksystemeKommunizieren und KooperierenInformatik, Mensch und GesellschaftInhaltsbereicheDarstellen und InterpretierenAbbildung 3.3: Unmittelbare Verzahnung von Prozess- und Inhaltsbereichen (Quelle:LOG-IN Archiv)Abwesenheit konkreter Erläuterungen noch verstärkt wird (lediglich auf S. 11f. undauf S. 45 wird kurz Position bezogen).Den Intentionen der GI dürfte eine dynamische Sichtweise in Form von zwei Kämmen(oder Händen) am ehesten gerecht werden, welche bezüglich ihrer Lücken in beliebigerAnordnung ineinander geschoben werden können. Dabei wird insbesondere deutlich,dass in der Praxis vermutlich alle fünf Prozessbereiche mit allen fünf Inhaltsbereichenin Verbindung stehen und erfolgreicher Unterricht möglichst viele dieser Beziehungenerkennen und aufgreifen sollte.3.8.3 KritikAusgangspunkt für die folgenden Betrachtungen ist die Einteilung der GI-Standardsfür das Fach Informatik in Inhalts- und Prozessbereiche.”Die Inhaltsbereiche charakterisieren mindestens zu erwerbende fachliche Kompetenzen.Die Prozessbereiche beschreiben, auf welche Art und Weise die Schülerinnen undSchüler mit den genannten Fachinhalten umgehen sollen. Es sei deshalb ausdrücklichdavor gewarnt, die Inhaltsbereiche als Listen ”abzuarbeitenden Stoffs“ zu lesen. GuterInformatikunterricht entsteht vielmehr durch anregende und die Schülerinnen undSchüler ansprechende Beispiele, in denen die Inhaltsbereiche miteinander in Beziehunggesetzt und Arbeitsformen gewählt werden, bei denen die Lernenden den aktivenUmgang mit den Inhalten einüben können, der in den Prozessbereichen formuliert ist.“(S. VI)

46 3 BildungsstandardsMit dieser Konkretisierung verfolgt die GI zweifellos ein hehres Ziel. Ich möchtenun darlegen, weshalb ich eine explizite Unterscheidung inhaltlicher und prozessualerKompetenzen“ für unzulässig halte, wenngleich die implizite (!) Verschränkung”inhaltlicher und prozessualer Komponenten notwendig und zielführend im Sinne desKompetenzerwerbs ist.Bei der Formulierung ihrer ”Kompetenzen“ verwendet die GI das vom NCTMübernommene Kategorisierungsraster und achtet ausgehend von den Bezeichnungender konkreten Bereiche darauf, dass der Wortlaut der Aussage eine möglichst unzweifelhafteZuordnung erlaubt, so z. B. im Fall vonSchüler entwerfen und realisieren Algorithmen mit den algorithmischen Grundbausteinenund stellen diese geeignet dar.“ (Inhaltsbereich:”Algorithmen)undSchüler nutzen formale Sprachen zur Interaktion mit Informatiksystemen und zum”Problemlösen.“ (Inhaltsbereich: Sprachen und Automaten)Es ist also festzustellen, dass die Freiheit bei der Formulierung von Kompetenzen“”zugunsten der möglichen strukturellen Einordnung an den Grenzen eines Bereichs haltmacht bzw. halt machen muss. (Im ersten Beispiel ist zusätzlich zu fragen, ob sichdie Aussage nicht auch den Prozessbereichen Modellieren und Implementieren“ oder”Darstellen und Interpretieren“ zurechnen ließe.)”Die Bemerkung zur einschlägigen Grafik (S. 11, vgl. Abb. 3.3) erläutert:Die Prozess- und Inhaltsbereiche der Bildungsstandards sind untrennbar miteinander”verzahnt.“Dann erscheint es aber umso fragwürdiger, weshalb konsequent zwischen ”Kompetenzen“zweier Qualitäten unterschieden wird. Die Verzahnung der Bereiche hätte inder Entwicklung und Formulierung der einzelnen Kompetenzen geschehen müssen. Sowird es nun der Lehrkraft aufgebürdet, fachlogisch adäquat Aussagen zum Inhalts- undzum Prozessbereich aufeinander zu beziehen und daraus echte Kompetenzaussagen imSinne Weinerts abzuleiten.Konkreter wird der GI-Vorschlag auf Seite 45:”So wie die Inhaltsbereiche untereinander verknüpft sind, sind es also auch dieProzessbereiche. Darüber hinaus - und für den Unterricht von großer Bedeutung -sind aber auch Inhalte und Prozesse aufeinander angewiesen. Die Prozesskompetenzenwerden an der Arbeit mit den Inhalten erworben, ohne die Inhalte wären viele vonihnen nicht spezifisch für die Informatik. Umgekehrt stünden die Inhalte ohne Prozesse

3.8 Bedeutung für das Fach Informatik 47in der Gefahr, zu einer Wissenssammlung für Quizshows zu verkommen.“Hier wird also tatsächlich zwischen inhaltlichen und prozessualen ”Kompetenzen“differenziert. Folgt man F. E. Weinert, so wird der integrative Charakter seines Kompetenzbegriffsunmittelbar deutlich. Dem steht eine Unterscheidung von ”Kompetenzen“verschiedener Ausprägung diametral entgegen.Einen Hinweis auf das Verschwimmen der Inhaltsbereiche liefert die AussageModellierung und Implementierung durchdringen alle Inhalts- und Prozessbereiche”der informatischen Bildung.“ (S. 45).Dass dem so ist, habe ich an obigem Beispiel bereits verdeutlicht.Das GI-Papier selbst stellt klar, dass es Aufgabe der Prozessbereiche sei, darzustellen,”auf welche Weise Schülerinnen und Schüler mit den Informatikinhalten umgehenkönnen müssen“ (S. 45). Die Art des Umgangs mit inhaltlichen Aspekten im Rahmenvon Problemlösung macht mit Weinert jedoch nur einen Teil einer Kompetenzaussageaus.Freilich könnte man zur Entlastung des GI-Ansatzes vorbringen, dass unterrichtlichePraxis dann eben stets zwei ”kompatible“ Aussagen (eine inhaltliche und eineprozessuale ”Kompetenz“) verfolgen muss. Auf diesen ”Ausweg“ deutet auch obigesZitat zur Verknüpfung der Bereiche. Letztlich ist damit aber bereits der Schritt zugewissermaßen übergeordneten und umfassenderen Kompetenzen vollzogen, die so imGI-Papier nicht vorgesehen sind.Dieser Umstand und die Tatsache, dass die a priori vorgenommene Einteilung inInhalts- und Prozessbereiche die Freiheit bei der Formulierung von Kompetenzenerheblich einschränkt, haben zusätzlich zur Folge, dass zumindest ein Teil der im GI-Papier entwickelten ”Kompetenzen“ dem Begriffsverständnis Weinerts nicht genügt.Auf den Seiten 12 bis 14 sind die Hauptgliederungspunkte des Vorschlags anhand derInhalts- und Prozessbereiche aufgeführt. Deren Formulierung lässt es durchaus zu, vonKompetenzen zu sprechen, z. B. beiSchülerinnen und Schüler”• kennen Algorithmen zum Lösen von Aufgaben und Problemen aus verschiedenenAnwendungsgebieten und lesen und interpretieren gegebene Algorithmen“;• nutzen formale Sprachen zur Interaktion mit Informatiksystemen und zum Problemlösen“;• strukturieren Sachverhalte durch zweckdienliches Zerlegen und Anordnen“;

48 3 BildungsstandardsDarüber hinaus nimmt die GI jedoch noch eine ”Unterteilung dieser Aussagen inKompetenzen für die Jahrgangsstufen 5 bis 7 und [...] 8 bis 10“ vor. Dabei kann manz. T. nicht mehr von Kompetenzen sprechen, wie folgende Beispiele belegen:Schülerinnen und Schüler”• stellen Information in unterschiedlicher Form dar“ (klassisches Lernziel)• navigieren in Verzeichnisbäumen und verändern Verzeichnisbäume sachgerecht“(Lernziel)• verwenden Variablen und Wertzuweisungen“ (Problemlösungsbezug?)• modifizieren und ergänzen Quelltexte von Programmen nach Vorgaben“ (Problemlösungsbezug?Lernziel)• unterscheiden die Begriffe ”Syntax“ und ”Semantik“ und erläutern sie an Beispielen“(klassisches Lernziel!)• interpretieren einfache Zustandsdiagramme“ (klassisches Lernziel!)Eine Einordnung der Aussagen gestaltet sich schwierig: So disqualifizieren sie sichdurch ein zu hohes Abstraktionsniveau z. T. auch als Lernziele (vgl. [blk04], S. 2f.).Trotz der genannten Bedenken liefert das GI-Papier meiner Meinung nach ein wichtigesPlädoyer für zentrale Grundsätze, denen das Schulfach Informatik Rechnung tragenmuss.

494 E-Learning4.1 Zum Begriff4.1.1 DefinitionsversucheUm den schillernden Begriff des E-Learning“ 1 ranken sich viele Definitions- und”Charakterisierungsversuche. Tatsächlich steht das Wort stellvertretend für ein weites ”Feld“ 2 . Ich dagegen komme nicht umhin, eine semantische Eingrenzung vorzunehmen,weshalb einige Einordnungen kurz genannt seien:Recht vage bleiben die Definitionen von Prowaznik (in [Pro04]) als ”Lernen mit Hilfedes Internets“, während Döring und Fellenberg ([DF06]) versuchen, das Konstrukt ineinen übergeordneten Zusammenhang zu bringen:Hinter dem Begriff E-Learning verbirgt sich keine einheitliche Lern- oder Unterrichtsform.Vielmehr handelt es sich um einen Sammelbegriff für verschiedene”Lehr-Lern-Szenarien, die sich durch den maßgeblichen Einsatz von Online-Medienauszeichnen.“Folgt man Schulmeisters Einwand ([Sch04b], S. 455), so ist das vorliegende Kapitelgar zum Scheitern verurteilt:Es können keine allgemeinen Aussagen über E-Learning gemacht werden, da”E-Learning-Angebote sich gravierend in Zielen, Szenarien, Lernumgebungen, Methodenund Lernobjekten unterscheiden.“Der Umstand, dass es sich bei E-Learning zeitweise um ein Modewort mit bestenChancen auf den Status eines Unworts handelte (im berufsbildenden Bereich 3 ), weistbereits darauf hin, dass die Ziele und Visionen freilich nicht unumstritten warenund sind: So vermutete der Computerpionier und spätere ”Dissident“ der InformatikJoseph Weizenbaum 2003Der Buchstabe E in E-Learning steht vielleicht auch für die Euphorie, mit der das”Thema zur Zeit betrachtet wird.“ ([Wei03])1 auch: eLearning2 mit Herrn B. aus Theodor Fontanes ”Effi Briest“: ”Ach, Luise, laß ... das ist ein zu weites Feld.“3 http://www.bibb.de/de/19100.htm

50 4 E-LearningMit der brauchbaren Definition von Kerres ([Ker01]), die Offline-Medien impliziteinschließt, verstehen wir im Folgenden unter E-Learningalle Formen von Lernen, bei denen digitale Medien für die Präsentation und Distributionvon Lernmaterialien und/oder zur Unterstützung zwischenmenschlicher Kom-”munikation zum Einsatz kommen.“4.1.2 EinsatzgebieteNeben der Rolle, die solchen Lernformen in der schulischen Bildung zukommt, haben inZeiten der Globalisierung auch viele große Unternehmen bereits früh damit begonnen,die Vorzüge von E-Learning für die betriebliche Aus- und Weiterbildung zu nutzen(Beispiel: Das Cisco Networking Academy Program 4 des Netzwerkspezialisten CiscoSystems).Geprägt wurde der Begriff E-Learning ursprünglich durch ([Lan])• CBT (Computer Based Training): Lernangebote, die auf Datenträgern wieCD/DVD verbreitet werden und damit an jedem Rechner zur Verfügung stehen.Im Vordergrund steht das nichttutorielle Selbststudium, Kommunikation findetlediglich in asynchroner Form statt. CBT ist seit den 80er Jahren zu finden.• WBT (Web Based Training): Weiterentwicklung von CBT und grundlegenderBaustein für netzbasierte Lernangebote. Lerneinheiten werden online bereitgestellt und es bestehen Möglichkeiten zur Kommunikation und Interaktion mitTutoren und anderen Lernenden.Grundsätzlich ist festzustellen, dass E-Learning Lehrenden und Lernenden eine weitreichendeZeit- und Ortssouveränität hinsichtlich ihrer Arbeitsprozesse verleiht undeine Erweiterung des Methodenrepertoires darstellt ([Gra04], S. 158).4.1.3 Web 2.0Eng verknüpft mit modernem E-Learning ist der Begriff des ”Web 2.0“, der sich seit2004 zu einem regelrechten buzzword entwickelt hat und stellvertrend für alle Technologiensteht, die das WWW in den letzten Jahren zu einer interaktiven und kollaborativenPlattform gemacht haben. Tim O’Reilly zählt in seinem Grundsatzartikel ([O’R05])hierzu insbesondere• den Wechsel von Softwarepaketen zu Dienstleistungen (Online-Applikationen),• eine Architektur der Partizipation (Blogs, Wikis, soziale Netzwerke, RSS-Feeds:user created content),• die Nutzung von kollektivem Wissen (Wikipedia, LMS).4 http://cisco.netacad.net/

4.2 Motivation 51Diese Entwicklungen eröffnen aus technischer Sicht die Chance für synchroneInteraktivität in Lernumgebungen. Im Kontext individuellen Lernens ist Adaptivitätdas zentrale Kriterium für moderne Lernplattformen. Diese Adaptivität ließen CBTundWBT-Angebote vor der Zeit von Web 2.0 eher vermissen.So lässt sich eine schlaglichtartige Parallele zwischen der nichtlinearen Hypertext-Struktur des WWW und den im entsprechenden Abschnitt angesprochenen individuellenLernpfaden erkennen.4.2 MotivationEin ausschließlicher Einsatz elektronisch unterstützter Lernangebote hat sich nichtbewährt. In der Praxis findet zumeist blended learning 5 statt.Durch E-Learning-Angebote ergeben sich einige ganz spezifische Chancen für dasLernen:• Wie im Abschnitt über Erkenntnisse moderner Lernforschung ausgeführt, erreichenMenschen die selbe Effektivität beim Lernen auf zum Teil ganz unterschiedlicheArt und Weise. Mediale Lernangebote können diesem Umstand Rechnungtragen, indem sie sich dem Lerner anpassen (Adaptivität) und personalisierteLernpfade bereit stellen.• Lernziele hängen in vielerlei Hinsicht voneinander ab. Eine Annotation von Metainformationen,die auch und vor allem didaktische Aspekte berücksichtigt (siehedazu später), kann solche Abhängigkeiten aufnehmen und ermöglicht eine automatischeInferenz (Ableitung) möglicher Lernwege durch das Lernsystem.• E-Learning-Angebote tragen dazu bei, Lernvorgänge von vorgegebenen Lernorten(wie dem Klassenzimmer oder der Schule) zu entkoppeln. Auch die zeitlicheBindung tritt in den Hintergrund.• Im Rahmen von E-Learning erlangt die Interaktion und Kommunikation mit bekanntenund unbekannten Mitmenschen eine wichtige Bedeutung. Insofern liegthier Potential für eine Förderung der kommunikativen und sozialen, aber auchder Fremdsprachenkompetenz von Schülern.• Die Vielzahl von ”Wegen zum Ziel“ (letzteres entspricht in diesem Fall demErreichen einer bestimmten Kompetenz, vgl. Abschnitt 3.4) bringt inhärentMöglichkeiten zur Diskussion und zum Austausch mit sich und fördert gleichzeitigeigenverantwortliches Lernen.• In diesem Zusammenhang können z. B. (anfangs betreute) WWW-Recherchen dazubeitragen, dass Schüler eine kritische Haltung hinsichtlich der Glaubwürdigkeit5 von engl. blended: ”verschneiden“, bezieht sich ursprünglich auf die Produktion bestimmter Weineund Spirituosen

52 4 E-Learningund Objektivität von Informationen entwickeln. Treten dabei unterschiedlicheSichtweisen auf einen Sachverhalt zutage, stärkt dies die Fähigkeit zu multidimensionalemDenken und zur Perspektivübernahme. Schließlich verhält sich ”dasInternet [...] zum Lernen wie ein Supermarkt zu einem guten Essen“ ([Spi07a], S.3).• Zugänge zu Informationen weisen eine netzartige Struktur auf, womit das weitgehendlineare Konzept des Präsenzunterrichts aufgebrochen wird. Dies geht Handin Hand mit der Neuroplastizität - der Integration in die neuronalen Netze undder Anknüpfung an bestehendes Vorwissen.• Lerneinheiten (zur Definition von ”Lernobjekten“ kommen wir später) stehen (imIdealfall) nicht unverbunden nebeneinander, sondern können dank der Anreicherungmit Metadaten 6 auch in anderen Kontexten wiederverwendet werden.4.3 LMS und LCMSIm Zusammenhang mit E-Learning ist häufig von LMS (Learning ManagementSystemen) und LCMS (Learning Content Management Systemen) die Rede. Diesebeiden Begriffe unterscheiden sich vor allem hinsichtlich ihrer Adressaten:Ein LMS dient vorrangig der Verwaltung und Gestaltung des Lernprozesses undist damit die Schnittstelle (Lernplattform), mit der Lernende konfrontiert sind.Daher nimmt das System ”für sich in Anspruch, das unorganisierte, selbstbestimmteLernen zu organisieren, zu vereinfachen und nachvollziehbar zu machen“ ([Mei06],S. 45). Das Angebot umfasst kommerzielle Lösungen (z. B. Blackboard 7 ), als auchOpen-Source-Projekte (z. B. Moodle 8 ).Weiter verwaltet ein LMS in der Regel umfassende Benutzerprofile, die z. B. dieorganisatorische Zugehörigkeit, Rolle, Präferenzen, Kompetenzen, Qualifikationslevels,erfolgte und noch offene Lernaktivitäten etc. enthalten. Diese Anwenderprofileermöglichen einen personalisierten, speziell auf den Lerner zugeschnittenen Zugriff aufdie Lerninhalte ([HK03], S. 12). Häfele et al. ([BHMH02]) vergleichen dieses Verhaltenmit den personalisierten Empfehlungen des Internet-Warenhauses Amazon.Dagegen wenden sich LCMS in erster Linie an Autoren und Lehrpersonen, dieLerninhalte erstellen, suchen, verwalten und austauschen. Hier können Lernobjekteoder einzelne Lektionen verlinkt und zu neuen Kursen zusammengestellt werden.Auch die Klassifizierung der Inhalte (Annotation von Metadaten) erfolgt innerhalb desLCMS ([HK03], S. 12). Die Nutzer haben abhängig von ihren Berechtigungen Zugriff6 als Metadaten oder Metainformationen bezeichnet man allgemein Daten, die Informationen überandere Daten enthalten. Das dem Begriff zu Grunde liegende Prinzip ist u. a. jahrhundertelangebibliothekarische Praxis (vgl. z. B. Wikipedia).7 http://global.blackboard.com/8 http://moodle.org/

4.4 Standards im Bereich E-Learning 53auf ein zentrales Repository. Ähnlich wie die verbreitete Versionsverwaltungs-SoftwareSubversion (SVN) 9 unterstützen auch LCMS eine Versionskontrolle, die den Umgangmit unterschiedlichen Versionsständen erleichtert.Wie die Begrifflichkeit schon andeutet, systematisiert ein LMS das Lernen, währendLCMS den Blick auf die Inhalte richten. Am Beispiel Moodle sei noch angemerkt, dassmoderne Lernplattformen in der Regel beide Komponenten beinhalten, was eine klareTrennung der Systeme erschwert.4.4 Standards im Bereich E-LearningDer Markt für Angebote im Bereich E-Learning wächst stetig. Wie die Fraunhofer-Gesellschaft in einer einschlägigen Studie feststellte, sprechen die Gründungsjahreentsprechender Unternehmen für sich ([HK03], S. 21). In Zusammenhang mit diesemUmstand und der Dynamik des Markts (vgl. [BHMH02]), vor allem aber auf Grunddes Kostenaspekts bei der Entwicklung von Lernmodulen gewinnen internationaleE-Learning-Standards zunehmend an Bedeutung, um Lerneinheiten zwischen verschiedenenLernplattformen austauschen zu können.In den vergangenen Jahren haben sich in den USA und in Europa gleich mehrereStandardisierungsgremien gebildet. Wie ich nachfolgend zeigen werde, stehen beiihrer Arbeit technische und inhaltliche Fragen im Vordergrund, während didaktischeGesichtspunkte weitgehend unberücksichtigt bleiben (vgl. [BHMH02]).Ein erfolgreicher Austausch von Lehrmaterialien setzt elementar voraus, dass diesein modularer Form vorliegen und eindeutig identifizierbar sind. Um der Auffindbarkeitund der Verknüpfung von Materialien willen werden jeweils Metadaten verschiedenerCouleur annotiert (vgl. Abschnitt über LOM).Geht man von einer breiten Akzeptanz aus, so können standardisierte Konzepteerheblich dazu beitragen, Lehrmaterialien effektiv• auffinden,• austauschen,• vergleichen,• kombinieren,• wieder verwertenzu können.9 http://subversion.tigris.org/

54 4 E-LearningDie wesentlichen Standardisierungsbestrebungen sollen zusammen mit der Verflechtungeinzelner Organisationen in Konsortien im Folgenden kurz vorgestellt werden.Die derzeit gemessen an ihrer praktischen Relevanz bedeutendsten Initiativen zurStandardisierung sind mit [BHMH02]:ADLAICCARIADNECanCoreDCMIEMLIEEE LTSCIMSAdvanced Distributed Learning Initiative(gegründet 1997 im Rahmen einer Initiative des US-Verteidigungsministeriums und des Ministeriums für Forschungund Technologie)www.adlnet.orgAviation Industry computer Based Training Committee(gegründet 1988 als Gremium der amerikanischen Luftfahrtindustrie)www.aicc.orgAlliance of Remote Instructional Authoring and DistributionNetworks for Europe(gegründet 2002 als Stiftung der EU und der Schweiz)www.ariadne-eu.orgCanCore Learning Resource Metadata Initiative(gegründet 2000 in Kanada)www.cancore.caDublin Core Metadata Initiative(gegründet 1994 auf einer amerikanischen WWW-Konferenz)http://dublincore.org/Educational Modelling Language der Open University ofNetherlands)http://eml.ou.nl/Learning Technology Standards Committee des IEEE(gegründet 1998 in den USAhttp://ltsc.ieee.org/Instructional Management Systems Project(gegründet 1997 durch die National Learning Infrastructure”Initiative“ (NLII))www.imsproject.orgDas IEEE 10 nimmt mit seinem im Jahre 1996 ins Leben gerufenenen LTSC (LearningTechnology Standards Committee) nun auch bei der Organisation von Lerninhalteneine Vorreiterrolle ein. Dieses Konsortium hat insofern einen Wettbewerbsvorteil,als nur die IEEE das Recht hat, Drafts und Spezifikationen für Standards demANSI 11 vorzulegen. Daher haben sich die obigen Konsortien auf den Austausch ihrer10 Institute of Electrical and Electronics Engineers, Inc.11 American National Standards Institute

4.5 Lernobjekte 55Ergebnisse geeinigt.ANSINationaler StandardISOInternationaler StandardSpezifikationen fürIEEELTSCSpezifikationen fürSpezifikationen fürAICCADL(SCORM)IMSARIADNEEMLLiefert Anforderungen an Liefert Anforderungen an Kooperiert mitW3CAbbildung 4.1: Kooperation der Konsortien mit dem Ziel nationaler und internationalerE-Learning-Standards (nach [BHMH02])4.5 LernobjekteWayne Hodgins 12 motivierte den Einsatz von Lernobjekten (learning objects) inE-Learning-Umgebungen im Jahr 1994 mit folgender Begründung 13 :All LEGO blocks adhere to one absolute standard for pin size. Every LEGO piece,”no matter what shape, color, size, age, or purpose can always be snapped together withany other piece because of their uniformly shaped pins. This allows children of all ages12 http://www.learnativity.com/waynehodgins.html13 http://www.learnativity.com/standards.html

56 4 E-Learningto create, deconstruct, and reconstruct LEGO structures easily and into most any formthey can imagine.If we map this to the world of learning content, we start to see the opportunitiesthat would result if we were able to have the same standards and capabilities to reuseand assemble or disassemble content drawn from any source at any time.“Tatsächlich hat die Diskussion um den praktischen Nutzen von Lernobjektenzu vielen verschiedenen Definitionen des Begriffs geführt, die sich teilweise starkunterscheiden.Das IEEE (2002) definiert Lernobjekte wie folgt 14 :Learning Objects are defined here as any entity, digital or non-digital, which can”be used, re-used or referenced during technology supported learning.“Insbesondere ist festzustellen, dass diese Begriffsauffassung Lernobjekte in denBereich des medienunterstützten Lernens verweist und implizit das Ziel der Wiederverwendbarkeitaufgreift. Die vergleichsweise vage und umfassende Definition des IEEEwurde vielfach kritisiert.Der finnische Bildungsexperte und Professor Teemu Leinonen versteht unter einemLernobjekt 15... any entity, digital or non-digital, that is or is aimed to be used for learning,education or teaching.Baumgartner und Häfele ([BHMH02]) konkretisieren ihr Verständnis von der Beziehungzwischen Lernobjekten (LOs) und wiederverwendbaren Lernobjekten (RLOs):Ein LO (Learning Object) ist die kleinste sinnvolle Lerneinheit, in die ein Online-”Kurs zerlegt werden kann. Demnach kann ein LO entweder aus einem einzelnen Bild,einer Grafik, einem Text, einer Flash-Animation oder auch aus einer kurzen Anweisungmit einem definierten Lernziel und einem Test zur Lernerfolgskontrolle bestehen.Wenn diese LO’s mit Metadaten versehen und zu größeren Online-Kurseinheitenkombiniert werden können, dann spricht man von RLO’s (Reusable Learning Objects= wieder verwendbare Lernobjekte).“Angesichts der Uneinigkeit gerade bei der Frage, was denn nun ein Lernobjektausmacht, übte Patricia McGee auf dem Learning Objects 2003 Symposium (Honolulu,Hawaii) fundamentale Kritik am Versuch der Standardisierung ([BC03], S. 31):14 http://www.ieeeltsc.org/working-groups/wg12LOM/lomDescription/15 http://lemill.org/trac/wiki/ReportLOTdemo

4.5 Lernobjekte 57The standards have come before the thing itself has happened.“”Verbunden mit obiger Forderung nach Minimalität der einzelnen Lernobjekteerlangt die Frage, wie die beschriebenen Kombinierungsmöglichkeiten abgebildetwerden können, große Bedeutung.Zu diesem Zweck werden Lernobjekte mit beschreibenden Angaben (den Metadaten)versehen. Auf dem Weg zur Standardisierung von Learning Objects Metadata (LOM,vgl. nächster Abschnitt) sind umfangreiche Diskussionen darüber entstanden, welcheInformationen als Metadaten annotiert werden sollen und/oder müssen. Insbesonderebei der Besprechung von LOM wird deutlich werden, dass der bei der Einpflege vonLernobjekten durch mehrere Personen unweigerlich entstehende zeitliche Versatz einesinnvolle Integration zum Problem werden lässt.Durch die Annotation von Metadaten (die wiederum der Auffindbarkeit dient)werden Lernobjekte zu wiederverwendbaren Lernobjekten (reusable learning objects,RLO) aufgewertet. Häfele et al. ([BHMH02]) sehen darin den Vorteil, dass diesebeliebig zu neuen Kurseinheiten zusammengesetzt werden können“.”Aus meiner Sicht stehen dieser Beliebigkeit neben anderen Faktoren inhärentedidaktische Aspekte und Anliegen kategorisch entgegen. Obige LEGO-Analogie istdaher kritisch zu betrachten und in Anspielung auf das Weizenbaum-Zitat ehereiner euphorischen Sichtweise zuzuordnen. Gerade im Kontext objektorientierter Programmierungweist [Hub08] (S. 3) darauf hin, dass die Anordnung von instructionalobjectives eben nicht beliebig ist.Der Begriff Lernobjekt“ sollte nicht überbewertet werden. Teemu Leinonen hat”in seinem Blog eine Stellungnahme 16 zum aktuellen Forschungsstand mit Learningobjects - Is the King naked?“ 17 übertitelt und äußert den Verdacht, dass die ”obige IEEE-Definition letztlich einer Tautologie gleichkomme und der Begriff desLernobjekts allein den Anschein von Wissenschaftlichkeit erwecken solle, währenddarunter im Grunde jedes Objekt des Universums - vom Atom bis zum Airbus A380 -verstanden werden könne. Leinonen klammert jedoch die Annotation von Metadatenausdrücklich aus seiner Kritik aus und betont den Wiederverwendbarkeitsaspekt. DieKommentare zu seinem Blog-Eintrag entwickeln anschaulich das Dilemma zwischen(bedingungsloser) Wiederverwendbarkeit und Kontextrelevanz.Autoren wie [BHMH02] unterscheiden zwischen Lernobjekten (LOs) und wiederverwendbarenLernobjekten (RLOs). Meiner Meinung nach stellt die Wiederverwendbarkeiteine (wenn nicht sogar die) existentielle Bedingung für (sogenannte) Lernobjektedar, weswegen ich auf diese Differenzierung verzichte.16 http://flosse.dicole.org/?item=learning-objects-is-the-king-naked17 in Anspielung auf Hans-Christian Andersens ”Des Kaisers neue Kleider“

58 4 E-Learning4.6 Learning Objects MetadataBei Learning Objects Metadata (LOM) handelt es sich um einen im Jahre 2002verabschiedeten Standard des IEEE LTSC 18 zur Beschreibung von Lernobjekten. DerStandard spezifiziert Syntax und Semantik von Lernobjekt-Metadaten.LOM ging aus der Kooperation von ARIADNE, IMS und dem IEEE LTSC hervorund soll bei der Suche, Evaluation, Beschaffung und Nutzung von LernobjektenUnterstützung bieten. Insbesondere sollen Möglichkeiten zur gemeinsamen Nutzungund zum Austausch von Lernobjekten geschaffen werden (vgl. [HD02], 1.2).Die zur Beschreibung verwendeten Metadaten werden hierzu 19 in neun grundlegendeKategorien eingeteilt (die letzten beiden sind optional):1. General Category: Grundlegende Informationen, welche das Lernobjekt als Ganzesbeschreiben2. Lifecycle Category: Eigenschaften, welche die Geschichte und den aktuellen Zustanddes Lernobjekts sowie beeinflussende Lernobjekte beschreiben3. Meta-Metadata Category: Merkmale der Metadatenbeschreibung selbst4. Technical Category: Technische Voraussetzungen und Merkmale des Lernobjekts5. Educational Category: Bildungsmerkmale und pädagogischer Hintergrund desLernobjekts6. Rights Category: Rechtliche Aspekte des Lernobjekts (Nutzungsbedingungen)7. Relation Category: Verwandtschaftsbeziehungen zu anderen Lernobjekten8. Annotation Category: Anmerkungen im Rahmen der Evaluation des Lernobjekts,Informationen über Autor und Zeitpunkt des Kommentars9. Classification Category: Einordnung des Lernobjekts in einen größeren KontextIm Rahmen dieser Arbeit soll nur auf die Metadaten aus der Educational Categoryeingegangen werden, da der Nutzen von LOM für die von uns verfolgten Zweckewesentlich von der Art der dort spezifizierbaren Informationen abhängt.Entsprechend vermerkt [HD02] (S. 23) zu dieser Kategorie:This is the pedagogical information essential to those involved in achieving a quality”learning experience. The audience for this metadata includes teachers, managers,authors, and learners.“Im pädagogischen Kontext sieht LOM folgende elf Metadaten vor:18 Learning Technologie Standards Committee, http://www.ieeeltsc.org/19 LOMv1.0 Base Schema, clause 6

4.6 Learning Objects Metadata 59• Interactivity TypeDer vom gegebenen Lernziel in erster Linie unterstützte Lernstil:– active: Z. B. learning-by-doing; Inhalte, die eine unmittelbare produktiveAktivität des Lerners erfordern (Simulationen, Fragebögen, Übungen, ...)– expositive: Passives Lernen, rezeptive Grundhaltung, primär Absorption vondargebotenen Inhalten, keine wesentliche Interaktivität– mixed: Aufgaben, die beide Typen von Interaktivität erfordern• Learning Resource TypeArt(en) des Lernobjekts (ggf. sortiert in der Reihenfolge ihrer Ausprägung). EineAnwendung sollte mindestens 10 der hier angegebenen Werte berücksichtigen.Mögliche Werte:exercise, simulation, questionnaire, diagram, figure, graph, index, slide, table, narrativetext, exam, experiment, problem statement, self assessment, lecture• Interactivity LevelInteraktivitätsgrad, der das Lernziel prägt. Interaktivität bezeichnet hierbei denEinfluss, welchen der Lerner auf den Verlauf des Lernobjekts nehmen kann (z. B.Arbeitsgruppe).Mögliche Werte: very low, low, medium, high, very high• Semantic DensityGrad der Prägnanz, die das Lernobjekt aufweist. In der Praxis also eine Kenngrößefür die subjektive Nützlichkeit des Lernobjekts im Verhältnis zu entstandenemAufwand und Lernzeit.Mögliche Werte: very low, low, medium, high, very high• Intended End User RoleZielperson(en), auf die das Lernobjekt zugeschnitten ist (in absteigender Reihenfolgeder Relevanz).Mögliche Werte: teacher, author, learner, manager• ContextVorrangige Umgebung, in der die Aneignung sowie die Anwendung dieses Lernobjektsstattfinden sollte.Mögliche Werte (weitere Verfeinerung ist ”good practice“): school, higher education,training, other• Typical Age RangeAltersgruppe der Lerner. Dieses Datum sollte sich auf das Entwicklungsalter beziehen,sofern dieses vom chronologischen Alter abweicht.

60 4 E-Learning• DifficultySchwierigkeitsgrad bei der Arbeit mit diesem Lernobjekt, unter Berücksichtigungder Zielgruppe.Mögliche Werte:very easy, easy, medium, difficult, very difficult• Typical Learning TimeGeschätzter oder typischer Zeitraum, der für die Abarbeitung dieses Lernobjektszu veranschlagen ist, unter Berücksichtigung der Zielgruppe.• DescriptionAnmerkungen, wie dieses Lernobjekt eingesetzt werden sollte.• LanguageDie von der Zielgruppe beherrschte menschliche Sprache.4.7 SCORMSCORM (als Akronym für Shareable Content Object Reference Model) verstehtsich als Referenzmodell für austauschbare digitale Lerninhalte und wurde unterTrägerschaft der ADL (und damit des US-Militärs) entwickelt.Die dritte Fassung von SCORM 2004 datiert vom Oktober 2006 und weist auf Grundumfassender Kritik an SCORM 1.3 (2004) etliche strukturelle Veränderungen auf. VierSäulen (auch ”Bücher“ genannt) bilden nun die Basis von SCORM 20 und integrierenz. T. technologische Entwicklungen anderer Konsortien:• OverviewDieses einführende Überblicksdokument beschreibt die Vision von SCORM undinformiert über seine anderen drei Teilsysteme.• Content Aggregation Model (CAM)Das CAM beschreibt, wie Lerninhalte zusammengestellt, katalogisiert und imRahmen des Content Packaging gebündelt werden. Ihre Beschreibung erfolgt mitMetadaten nach dem LOM-Standard.• Runtime Environment (RTE)Diese Einheit speichert alle laufzeitbezogenen Aspekte eines LMS, z. B. den aktuellenLernfortschritt (Tracking), regelt Fragen der Datenübertragung und derFehlerbehandlung. Insbesondere wird hier die Schnittstelle zwischen SCORM-Inhalten und LMS spezifiziert (SCORM API, SCORM Data Model).20 weiterführend siehe http://www.adlnet.gov/scorm/20043ED/Documentation.aspx

4.7 SCORM 61• Sequencing and Navigation (SN)Mit Hilfe von Aktivitätsbäumen und ”sequencing rules“ will die SN-SpezifikationAuskunft über mögliche Lernpfade geben (vgl. [DT06], S. 23). SN wurde erst mitSCORM 2004 eingeführt und soll die Wiederverwendbarkeit von Lernobjekten erleichtern,indem Inhalt und Struktur/Ablaufsteuerung nun getrennt voneinanderverwaltet werden.Abbildung 4.2: Aufbau von SCORM (vgl. [DT06], S. 19)Das Überblicksdokument beschreibt die funktionalen Anforderungen an SCORMbasierendeE-Learning-Umgebungen in Form von Möglichkeiten bzw. ”-ities“ ([DT06],S.14f.):Accessibility: Die Möglichkeit, entfernte Lerninhalte zu finden, auf sie zuzugreifenund sie an andere Orte zu verschicken.Adaptability: Lerninhalte sollen an individuelle und sich aus organisatorischenGründen ergebende Anforderungen angepasst werden können.Affordability: Das System soll effizienzsteigernd wirken, indem Zeit und Kostenbei der Aus- bzw. Weiterbildung eingespart werden.Durability: Das System und die darauf basierenden Inhalte sollen nachhaltigeinsetzbar sein.Interoperability: Lerninhalte sollen auf einfache Art und Weise austauschbarsowie ohne Einschränkungen plattformunabhängig nutzbar sein.

62 4 E-LearningReusability: Lerninhalte sollen nicht auf die Nutzung in einem ganz bestimmtenKontext beschränkt bleiben, sondern in andere Szenarien integriert werden können.Es ist unschwer festzustellen, dass diese Kriterien sich pädagogischen und didaktischenÜberlegungen weitgehend verschließen. Zu diesem Ergebnis kommen auch Häfeleet al. ([BHMH02]).Im Rahmen des Content Packaging gewährleistet SCORM die Wiederverwendbarkeitentsprechender Lerninhalte und Kursmaterialien. Ressourcen werden zu diesem Zweckmit einem XML-Manifest versehen, welches ihre Struktur beschreibt. Das Manifest (imÜberblicksdokument mit einem Packzettel verglichen) enthält• Metadaten: Beschreibung der Lerneinheit in LOM-Syntax• Organisation: Angaben zur Strukturierung der Lerneinheit und Reihenfolgeinformationen• Ressourcen: Referenzierung der im Content Package enthaltenen Dateien sowieggf. externer Ressourcen• (Sub-)Manifests: Im Falle komplexerer Lerneinheiten können Manifests geschachteltwerdenFür SCORM liegen verschiedene Editorsysteme vor, die zum Teil nicht alle Anforderungendes (aktuellen) Referenzmodells umsetzen (z. B. der eLearning XHTML EditoreXe 21 ).4.8 Schwächen vorliegender KonzepteAuch andere Arbeiten (z. B. [Tro06]) kamen bereits zu dem Schluss, dass derLOM-Standard aus didaktischer Sicht völlig unzureichend ist. Obwohl im Rahmender Educational Category gewisse pädagogische Merkmale spezifiziert werden können(Interaktivität, Benutzerrolle, ...), ist es nicht möglich, die didaktische Rolle vonLernobjekten in Lernprozessen zu beschreiben ([AQN02], S. 1).Der praktische Nutzen der Metadaten beschränkt sich somit auf die reine Auswahlund Organisation von Lerninhalten, über Möglichkeiten zu deren Vermittlung (daswie) werden keine Aussagen gemacht. Didaktische Aspekte können im Rahmen derMetadaten nicht integriert werden. Man könnte fast sagen, dass die semantische Ebenediesbezüglich außen vor bleibt. Der Informationsgehalt von LOM geht damit faktischnicht über den von Curricula hinaus ([AQN02]).Ein strukturelles Problem von LOM ist die große Zahl zwingend anzugebenderMetadaten, was in der Praxis abschreckende Wirkung haben dürfte. Der mit der Pflege21 http://www.exelearning.org/

4.8 Schwächen vorliegender Konzepte 63der Lernobjekte einhergehende Arbeitsaufwand ist sehr hoch. Dieser Umstand dürftedie Hauptursache sein, warum viele bestehende Anwendungen nur etwa ein bis zweiDrittel der in LOM spezifizierten Elemente nutzen, wie [Fri05] analysiert hat.Abbildung 4.3: Häufigkeit der Nutzung von LOM-Annotaten (vgl. [AQN02], F. 15)Was eine Bewertung von LOM aus didaktischer Sicht angeht, zeichnet sich ab, wasDieter Euler im Jahr 2002 prophezeit hat ([Eul02]):Vielerorts besteht eine weitverbreitete Skepsis und Ignoranz auf Seiten derjenigen,”die eigentlich für die Qualität der neuen Medien sorgen könnten. Es besteht die Gefahr,dass sich ein Teufelskreis schließt: Die Pädagogen lehnen die neuen Medien ab, weil siedidaktisch nicht überzeugen - die neuen Medien bleiben didaktisch anspruchslos, weilsie ohne pädagogische Expertise und Professionalität entwickelt werden!“Die IMS hat LOM eine Rosskur verschrieben und eine abgespeckte Spezifikation(LRMS) vorgestellt, welche die Angabe von lediglich 19 der insgesamt 86 in LOMdefinierten Elemente verlangt.Die Implementierung von Abhängigkeiten zwischen Lernobjekten ist in LOM alsstrukturell problematisch zu bezeichnen. Die hierfür vorgesehene Relation Categorystellt zwar verschiedene Arten von Relationen bereit, welche im Dublin-Core-Stil 22notiert werden, jedoch ist zur Verknüpfung von Lernobjekten a-priori-Wissen überbereits bestehende, fremde Inhalte notwendig [Bra06]. Diese prophetisch anmutendeAufgabe wird den Nutzern zusätzlich aufgebürdet.Der Umstand, dass didaktisch begründete harte und weiche Vorrangrelationen(prerequisites) zwischen Lernzielen (welche in [Hub08] als vielfach existent und daher22 http://dublincore.org/

64 4 E-Learningbei der Planung unverzichtbar herausgearbeitet wurden, Beispiel: Konzepte der OOP)auf dieser Basis nicht adäquat abgebildet werden könnten, lässt den Nutzen von LOMbei einer didaktisch fundierten Planung und Strukturierung von Lerneinheiten alsumso zweifelhafter erscheinen.Zusammenfassend verhindert es die Struktur von LOM, didaktische Belange beider Organisation von Lernobjekten in angemessenem Maße einzubeziehen. Eine Verknüpfungmit fremden Inhalten setzt zwingend voraus, dass bereits vorab entsprechendesWissen über deren Existenz besteht. Gleichzeitig verpflichten sich Mitwirkende, imRahmen der von ihnen gepflegten Lernobjekte einen umfangreichen Metadatenkatalognicht nur anzulegen, sondern stets aktuell zu halten, wofür es in der Praxis nicht nuran der nötigen Zeit, sondern in Anbetracht der geschilderten Unzulänglichkeiten auchan der langfristigen Motivation fehlen dürfte.

655 Ontologien und Semantic Web5.1 Begriffsklärung5.1.1 OntologienUrsprünglich bezeichnet Ontologie (vom griechischen eÚnai ”sein“ bzw. dessen Partizipîn und lìgoc - ”Lehre“, ”Wort“) die ”Lehre vom Sein“ und ist eine philosophischeDisziplin.Zentrale Frage ist in der traditionellen Ontologie das Verhältnis zwischen Seinund Seiendem, der sich insbesondere der Existentialphilosoph Martin Heideggerverschrieben hatte. ”Was ist?“ ist dabei die ontologische Grundfrage, die nicht trivialzu beantworten ist: Zwei wichtige Aspekte sind die stets subjektive Wahrnehmungalles Seienden und dessen Beschreibung mit sprachlichen Mitteln 1 .Folgt man bei der Frage nach der Bedeutung für die Informatik Tom Gruber([Gru93]):An Ontology is a formal specification of a shared conceptualization of a domain of”interest“,so ergeben sich folgende Bestimmungsstücke:• Eine Ontologie ist eine formale Spezifikation, bedient sich zur Wissensrepräsentationalso einer formal definierten Terminologie mit festgelegten Ableitungsregelnetc.;• eine Ontologie beschreibt eine gemeinsame Konzeptualisierung, die eine breiteAkzeptanz aufweist;• eine Ontologie bezieht sich stets auf einen bestimmten Wissensbereich (auch:knowledge domain).Im Kern geht es also darum, bezüglich einer gewissen Domäne ein gemeinsamesVerständnis zu erlangen, wobei sich diese ”Gemeinsamkeit“ durch die formale Spezifikationauch auf Maschinenverarbeitbarkeit durch Agenten etc. bezieht.1 vgl. http://www.gi-ev.de/no_cache/service/informatiklexikon/informatiklexikon-detailansicht/meldung/ontologien-57/

66 5 Ontologien und Semantic Web2008 ([Gru08]) rückt er den Aspekt der Modellierung und axiomatischen Fundierungdurch Begriffe und Regeln in den Vordergrund:An ontology defines a set of representational primitives with which to model a”domain of knowledge or discourse.“Guarino ([Gua98]) betont die Bedeutungshaltigkeit von Daten und hebt hervor,dass jede Ontologie nur einen bescheidenen Beitrag zu einer flächendeckenden ”Konzeptualisierungder Welt“ leisten kann:An ontology is a logical theory accounting for the intended meaning of a formal”vocabulary, i.e., its ontological commitment to a particular conceptualization of theworld.“Weil Ontologien in der Informatik die Aufgabe zukommt, die Struktur von Wissensbereichen(knowledge domains) abzubilden, ist es - ganz anders als im philosophischenKontext - zulässig und notwendig, auch von ”Ontologien“ im Plural zu sprechen -umso mehr, wenn man bedenkt, dass auch innerhalb eines Wissensbereichs häufigmehrere Terminologien existieren (vgl. [? ]).Eine gewisse Parallele zwischen den Begriffsdeutungen beider Disziplinen bestehtdarin, dass hier wie dort die Repräsentation des Seienden bzw. des Wissens sprachlicherfolgen muss.Gemäß Gruninger und Lee ([GL02], S. 39-41) dienen Ontologien in der Informatik• zur Kommunikation von und über Wissen,• zum automatischen Erschließen ”neuen“ Wissens und• zur Repräsentation und Wiederverwendung von Wissen.Weltweite Bedeutung erlangten Ontologien in der Informatik jedoch erst mit derTechnologie des Semantic Web, die vom WWW-Schöpfer und Direktor des W3C 2 , TimBerners-Lee entwickelt wurde (vgl. [BLHL01], S. 96ff.).5.1.2 Semantic WebDas Wort Semantik leitet sich vom griechischen svhmaÐnein ( ”bezeichnen“) ab undsteht für die Wissenschaft von der Bedeutung der Zeichen. In Abgrenzung dazu wirdauf der Ebene der Syntax die formale Struktur von Daten (die ja durch Zeichenrepräsentiert werden) festgelegt.2 World Wide Web Consortium, http://w3c.org/

5.1 Begriffsklärung 67Eine zentrale Forderung des Semantic Web besteht darin, weltweit verfügbarenInhalten jeder Art eine ”Bedeutung“ 3 zu geben, die in Form von Metadaten (sog.Annotaten) und konzeptuellen Beziehungen modelliert wird. Dabei steht das SemanticWeb mit Hitzler et al. ([HKRS08], S. 11)für die Idee, [...] Information von vornherein in einer Art und Weise zur Verfügung”zu stellen, die deren Verarbeitung durch Maschinen ermöglicht.“Unzulänglichkeiten und Grenzen des bestehenden,[HKRS08] (S. 10f.) vor allemherkömmlichen“ Web sehen”• in der Fülle von Informationen zum selben Thema bzw. zum selben Stichwort(Beispiel: Google-Suche nach OWL) - ”Human language thrives when usingthe same term to mean somewhat different things, but automation does not“([BLHL01]);• in der Heterogenität vorhandener Informationen (Dateiformate, Zeichenkodierungen,Sprachen i. w. S., ...);• in der Tatsache, dass bestimmte Erkenntnisse sich nur durch Folgerung ausdiversen anderen Informationen bzw. Tatsachen ergeben. 4Durch Beziehungen zwischen Konzepten und die Annotation von Metadaten (aufder Basis gewisser Standards) ergeben sich implizit Ableitungsregeln, welche esermöglichen, Zusammenhänge zu folgern, die sich aussagenlogisch aus bestehendenBeziehungen ergeben, jedoch nicht unmittelbar ersichtlich sind. Hitzler et al. sprechendabei vom ”impliziten Wissen“ ([HKRS08], S. 11).Solche Inferenzen können (im Rahmen der Berechenbarkeit) mit Hilfe von Reasonern(Inferenzmaschinen) automatisiert werden. Damit sind elektronische Agenten in derLage, eigenständig Wissen auf semantischer Ebene zueinander in Beziehung zu setzen.Ein erklärtes Ziel des Semantic Web ist es, im Bereich der Informationsrechercheüber die Lokalisierung von Zeichenketten in Texten (vgl. Google) hinaus zu kommen.Ein Ansatz, der in diese Richtung weist, ist die Semantische Suchmaschine SWOOGLEder University of Maryland 5 .Sprachen, die der Repräsentation von Wissen in Form von Ontologien dienen, bildendas Fundament semantischer Technologien und damit des Semantic Web ([HKRS08],S. 13).3 Da die intendierte Bedeutung nicht notwendig der intuitiven (Be-)Deutung durch den Menschenentsprechen muss, setze ich aus Gründen der Vorsicht Anführungszeichen.4 Man kann sich dies gut an einer Menge von Aussagen zur familiären Verwandtschaft veranschaulichen.5 http://swoogle.umbc.edu/

68 5 Ontologien und Semantic WebDiejenigen Schichten (der sogenannte layers cake 6 , vgl. Abb. 5.1), die wiederumdie Grundlage der Ontologiesprache OWL darstellen , werden nun - gewissermaßen inbottom-up-Reihenfolge - eingeführt.Abbildung 5.1: Der Semantic Web ”Layers Cake“5.2 XML und XML Schema5.2.1 BedeutungDie Markup-Sprache XML (eXtensible Markup Language) bildet die syntaktischeGrundlage des Semantic Web. Mit Hilfe von Markup-Sprachen können bestehendeDaten mit zusätzlichen Informationen (Metadaten) ausgezeichnet (annotiert) werden.So ist auch XHTML (als Auszeichnungssprache für WWW-Dokumente) ein Derivatvon XML - genauer genommen eine XML-basierte Version von HTML.Allgemein wird durch XML die logische Struktur von Dokumenten festgelegt. Somitkann man XML als Metasprache zur Deklaration von Markup-Sprachen ansehen.6 http://www.w3.org/2007/03/layerCake.png

5.2 XML und XML Schema 69Unabhängig davon speichert XML Daten auf einfache und universell einsetzbareWeise, was z. B. den Transport durch Weitverkehrsnetze deutlich erleichtert. KomplexeDatenmodelle werden hierzu zunächst serialisiert, d. h. auf eine lineare Repräsentationheruntergebrochen.Mit Hilfe von XML-Parsern (z. B. Expat 7 ) ist es problemlos möglich, die sovorliegenden Daten weiterzuverarbeiten 8 . Dabei kommen geeignete XML-Vokabularezum Einsatz, die den jeweils zur Verfügung stehenden Namensraum spezifizieren (siehespäter).Zu Beginn eines jeden XML-Dokuments ist dieses durch die Angabe der XML-Versionund optional der verwendeten Zeichenkodierung als solches zu kennzeichnen, z. B. mit5.2.2 ElementeDen weiteren Aufbau eines XML-Dokuments kann man sich als hierarchische Strukturvorstellen, die durch (beliebig tiefe) Schachtelung sogenannter Elemente entsteht.Der Inhalt eines jeden Elements wird dabei von Tags eingeschlossen. Dabei besitzt einvalides XML-Dokument genau ein Wurzel-Element 9 . So ist beispielsweiseTechnische Universitaet Muenchenein gültiges XML-Element 10 . Start- und End-Tag korrespondieren miteinander undtreten daher stets paarweise und ggf. in korrekter Schachtelungsreihenfolge auf. XMLunterscheidet zwischen Groß- und Kleinschreibung. Elemente ohne Inhalt (z. B. eineTrennlinie in XHTML 11 ) können alternativ zur Schreibweise mit nur einemTag notiert werden, welches dafür selbstschließend ist:5.2.3 AttributeMit den Attributen kennt XML ein weiteres Konstrukt, um Information zu kodieren.Elemente im obigen Sinne können mit beliebig vielen Attributen ausgezeichnet werden.Auf diese Weise werden wir später Metadaten annotieren.Im Einzelfall ist abzuwägen, ob eine konkrete Information in Form eines eigenen Elementsoder als Attribut repräsentiert werden soll. Sofern Daten eine gewisse Struktur7 http://expat.sourceforge.net/8 Dabei sind wohlgeformte (well-formed) XML-Dokumente anzustreben, indem insbesondere die Syntaxregelnexakt eingehalten werden.9 Im Falle von XHTML wäre das ....10 vorausgesetzt, der Elementname Building ist im zugrundeliegenden Vokabular vorgesehen11 http://de.selfhtml.org/html/text/trennlinien.htm

70 5 Ontologien und Semantic Webinnewohnt, empfiehlt sich eine Schachtelung von Elementen, da Attribute sich nichtdazu eignen, eine Hierarchie abzubilden (auch auf diese Tatsache werden wir nochzurückkommen). Außerdem ist es - im Gegensatz zu Elementen - nicht möglich, Attributezu modularisieren (siehe später). Ein einfaches Beispiel zeigt, welche Wege derModellierung XML-seitig bestehen:Technische Universitaet MuenchenMuenchenTechnische Universitaet Muenchen5.2.4 SchemataWie unschwer zu erkennen ist, steht hinter der XML-Notation eine baumartigeDatenstruktur (vgl. auch [HKRS08], S. 21). Jedes Tag entspricht einem Knoten imBaum (das XML-Wurzelelement wird durch den Wurzelknoten repräsentiert) undjedes verschachtelte Tag einem Kind-Knoten.Häufig ist es notwendig, präzisere Forderungen an die Syntax zu stellen, als dies durchdie grundlegenden Syntaxregeln geschieht. So erscheint es zumeist wünschenswert, denNamensraum für die Elementnamen im Sinne eines Vokabulars explizit anzugeben.Hier setzen DTDs (Document Type Definitions) und XML Schema an. DTDs stellenkontextfreie Grammatiken (Chomsky Typ-2) dar und sollen mittelfristig XML Schemataweichen. Letztere sind selbst in XML geschrieben, was die praktische Verarbeitungsowie die Einbindung bestehender Schemata erleichtert.In XML Schema ist es z. B. möglich, die Anzahl der erlaubten verschachteltenElemente exakt vorzugeben. Dabei sind noch weitaus filigranere Vorgaben wie dieBindung der erwarteten Struktur an den lokalen Kontext des Elements vorstellbar.Aus diesen Möglichkeiten der Kontextualisierung von XML-Namen entsteht verbundenmit der Wiederverwendung von XML-Dokumenten (die zumeist unterschiedlichenXML-Vokabularen angehören) das Problem von Namenskonflikten. Darunter istzu verstehen, dass ein- und derselbe XML-Name in verschiedenen Kontexten mitunterschiedlicher Bedeutung (bzw. abweichenden XML Schema-Prämsisen) verwendetwird.

5.3 RDF und RDF Schema 71Um dieser Problematik entgegen zu treten, hat das W3C die XML-Namensräume mitHilfe weltweit eindeutiger Bezeichner (URIs, Uniform Resource Identifier) standardisiert.So referenziert ein XHTML-Dokument in seinem Wurzelelement den zugehörigenund beim W3C abgelegten XML-Namensraum (xmlns, XML Namespace)Wir stellen außerdem fest, dass per XML repräsentierte Daten bei geschicktemDesign des Vokabulars für den menschlichen Betrachter durchaus eine (intuitive)Bedeutung erlangen können. [HKRS08] treffen den Nagel auf den Kopf, wenn sie ihreLeser nach ihren Assoziationen der beiden Tags und fragen (S.30). Aus Sicht der Maschine enthält XML jedoch keinerlei datenbezogene Semantik.Die Bedeutungshaltigkeit von Information kommt erst auf der nächsthöherliegendenSchicht des ”Semantic Web Layer Cake 12 “ ins Spiel, denen wir uns nun überblicksartigwidmen werden.5.3 RDF und RDF Schema5.3.1 BedeutungDas RDF (Resource Description Framework) deckt zusammen mit RDF Schema diesemantische Ebene der Ontologien ab, indem Abhängigkeiten zwischen Objektenzusammen mit ihren jeweiligen Werten modelliert werden. Im Grunde handelt es sichdabei um Aussagentripel der Form Subjekt - Prädikat - Objekt. Dabei entstehen semantischeNetze, welche die Abhängigkeiten als (gerichteten) Graph veranschaulichen.5.3.2 Bäume und GraphenAnders als das XML-Format beschreiben RDF-Dokumente gerichtete Graphen, d. h.eine Menge von Knoten, welche durch gerichtete Kanten (dargestellt durch Pfeile)verbunden werden ([HKRS08], S. 36). Dabei stehen die Knoten für Ressourcenund die Kanten für Eigenschaften von bzw. Beziehungen zwischen Ressourcen. Mitletzterer Aussage wird klar, warum eine baumartige Struktur (die stets von einerHierarchie ausgeht) für die Modellierung in RDF nicht in Frage kommt. Das aus derKomposition zahlreicher Beziehungen entstehende ”Geflecht“ wird kaum noch einenBaum darstellen, wohl aber einen Graphen (vgl. [HKRS08], S. 36f.).Auch in RDF findet sich die schon im Abschnitt über XML angesprochene Verwechslungsproblematikbei der Namensgebung wieder. Dieser wird mit der eindeutigenKennzeichnung von Knoten und Kanten durch URIs begegnet (zur ”verantwortungsvollen“Vergabe von URIs, die insbesondere deren Eindeutigkeit sicherstellen, vgl.12 Der Begriff wurde von Tim Berners-Lee geprägt: http://flickr.com/photos/pshab/291147522/

72 5 Ontologien und Semantic Web[HKRS08], S.47ff.).Um einen RDF-Graphen in XML-Schreibweise kodieren zu können, müssen seineDaten zunächst serialisiert (d. h. in eine lineare Zeichenkette transformiert) werden.Dabei liegt es auf der Hand, dass diese Serialisierung reversibel sein muss. DieInformatik kennt verschiedene Wege der Serialisierung, deren Platzaufwand im FallRDF von der Beschaffenheit und Anzahl der zugrundeliegenden Ressourcen und ihrerBeziehungen abhängt (mit anderen Worten davon, wie dicht bzw. licht der Graph ist).Gängige Praxis ist es, RDF-Graphen als eine Menge von Tripeln der Form ”Subjekt- Prädikat - Objekt“ darzustellen. Dieser Vorgehensweise folgen auch die sog.Notation 3 (N3) des W3C, die N-Triples des W3C-Vorschlags von 2004 sowie diedaraus entstandene Quasi-RDF-Syntax Turtle (weiterführend [HKRS08], S. 40ff.).Empfehlenswert ist dabei eine Gruppierung der Tripel, z. B. nach dem Subjekt. Ausder Universalität von XML folgt, dass ein RDF-Graph durchaus von verschiedenenXML-Bäumen repräsentiert wird.Darüber hinaus kennt RDF komplexere Ausdrucksmittel wie Datentypen, mehrwertigeBeziehungen, offene und geschlossene Listen sowie sog. ”leere Knoten“. Soweitnotwendig, wird darauf an entsprechender Stelle eingegangen.5.3.3 RDF SchemaDie bisher vorgestellten Konstrukte bilden nach wie vor noch keine Bedeutungen ab:Aus Sicht der Maschine sind alle bisher eingeführten Bezeichner lediglich Zeichenketten,deren Bedeutung sich bestenfalls im Kopf des menschlichen Betrachters erschließt.Mit dem nächsten Baustein RDF Schema (RDFS) wird es möglich sein, sog.terminologisches Wissen über die in einem Vokabular verwendeten Begriffe und derenZusammenhänge anzugeben ([HKRS08], S. 61). Damit haben wir es erstmals miteiner Sprache zu tun, die die Auszeichnung ”Wissensrepräsentationssprache“ (oderOntologiesprache) verdient, wenngleich ihre Ausdrucksmächtigkeit gegenüber späterenErweiterungen (vgl. Abschnitt über OWL) zurückstehen muss 13 .RDF Schema führt das Konzept der Klassen ein, womit RDF-Aussagen nichtmehr auf einzelne (und konkrete!) Ressourcen beschränkt sind. Die Eigenschaft(das Prädikat) rdfs:subClassOf erlaubt es, ganze Klassenhierarchien abzubilden 14(ausführlicher [HKRS08], S. 70ff). Gleichwohl verdeutlicht das einfache Beispielex:Schweinchenbau rdf:type ex:Universitaetsgebaeude .13 RDFS wird daher auch als leichtgewichtige (lightweight) Ontologiesprache bezeichnet ([HKRS08], S.67)14 Natürlich ist rdfs:subClassOf transitiv und reflexiv.

5.3 RDF und RDF Schema 73dass RDFS nicht explizit zwischen konkreten Individuen bzw. Instanzen undKlassenbezeichnern unterscheidet.Mit Hilfe von Properties lassen sich allgemeinere Relationen definieren, die ebenfallshierarchische Struktur aufweisen dürfen:ex:istVerwandtMit rdf:type rdf:Property .ex:istDirektVerwandtMit rdfs:subPropertyOf ex:istVerwandtMit .Eine Inferenzmaschine könnte - dank der Subproperty-Relation - nun bereits implizitesWissen schlussfolgern: So sind alle Mitglieder der Klasse istDirektVerwandtMitauch im allgemeineren Sinne verwandt.Bezüglich der Subjekte und Objekte erlaubt RDFS, Typregeln vorzusehen (um imBeispiel zu bleiben, sollte es sich bei den Betroffenen um Menschen oder zumindestum Lebewesen handeln). Restriktionen auf dem Definitionsbereich werden dabei mitrdfs:domain, auf dem Wertebereich durch rdfs:range spezifiziert:ex:istVerwandtMit rdfs:range ex:Lebewesen .ex:istVerwandtMit rdfs:domain ex:Lebewesen .Die Einführung einer formalen Semantik (gewissermaßen die logische Dimensiondes Semantik-Begriffs, vgl. [HKRS08], S. 91) war die (schlagkräftige) Antwort aufden Hauptkritikpunkt an RDFS 15 (ausführlich [HKRS08], Kapitel 4). Dennoch bestehenweiterhin Unzulänglichkeiten, die den Nutzen von RDFS als Ontologiesprachebeschränken (vgl. hierzu [HKRS08], S. 126):• RDFS kennt keine disjunkten Klassen (Komplementbildung) und verhindert damitdie Negation von Aussagen 16 ;• Schnitt und Vereinigung von Klassen lassen sich nicht realisieren;• RDFS sieht keine Kardinalitäten und Kardinalitätsbeschränkungen vor ( ”mindestensn“, ...);• Axiome von Properties (z. B. Reflexivität, Symmetrie, Transitivität) lassen sichnicht modellieren, sondern ergeben sich allenfalls inhärent aus der Subproperty-Hierarchie (s. o.)15 So war es auf Grund unterschiedlicher Interpretation desselben RDF-Dokuments möglich, dass zweiRDF-Datenspeicher auf identische Anfragen hin unterschiedliche Ergebnisse zurücklieferten.16 was sich - bei allen damit verbundenen Einschränkungen - in einem besseren Laufzeitverhalten vonSchlussfolgerungsalgorithmen niederschlägt

74 5 Ontologien und Semantic Web5.4 OWLDie Ontologiesprache OWL (Web Ontology Language 17 ) hat seit 2004 den Statuseiner W3C Recommendation, verspricht u. a. in obigen Punkten Abhilfe und erlaubtes, umfangreichere und komplexere Zusammenhänge in Ontologien darzustellen.Im Rahmen der Standardisierung von OWL hat das W3C im Jahr 2004 drei Ausprägungender Sprache vorgestellt, die sich hinsichtlich ihrer Ausdrucksmächtigkeit unterscheiden([HKRS08], S. 127):• OWL Full: Uneingeschränkte Nutzung aller OWL-Sprachelemente gemeinsammit RDF(S)-Sprachelementen; Möglichkeiten zur Metamodellierung 18 ;• OWL DL: Sprachelemente, die mit den Möglichkeiten der Beschreibungslogik(description logic, genauer der Prädikatenlogik 1. Stufe, PL-1) korrespondieren;• OWL Lite: Einfach zu implementierendes Sprachfragment - keine große Bedeutung([HKRS08], S.153).Der jeweilige Sprachumfang erfüllt die RelationOWL Full OWL DL OWL Lite.Insbesondere sind nur OWL DL und OWL Lite entscheidbar, weshalb nur für dieseVarianten Reasoner mit vollständiger Unterstützung aufwarten. Es ist unwahrscheinlich,dass ein Reasoner jemals die Berechnung aller in OWL Full denkbaren Inferenzenbeherrschen wird 19 (vgl. [HKRS08], S. 152).Unter Entscheidbarkeit verstehen wir, dass alle vorstellbaren Anfragen an eineOntologie mit einem Algorithmus beantwortet werden können, der innerhalb endlicherZeit terminiert. Die damit für OWL DL (und Lite) verbundenen Einschränkungenlassen sich in [HKRS08] (S. 153) nachlesen.Die gegenüber RDFS höhere Ausdrucksstärke von OWL liegt hauptsächlich in derVerfügbarkeit logischer Konstruktoren begründet (siehe unten und [HKRS08], S. 135).Selbstredend kann hier auf die Sprachkonstrukte von OWL nur überblicksartigeingegangen werden. Eine umfangreiche Einführung gibt [HKRS08] (Übersicht S. 156f.).In OWL beschriebene Ontologien bestehen im Wesentlichen aus Klassen und Properties(auch Rollen genannt), die - anders als in RDF(S) - unter Zuhilfenahme logischerKonstruktoren in komplexe Beziehung zueinander treten können. Die Verfügbarkeit17 zur Entstehung des Akronyms vgl. [HKRS08], S. 12518 damit ist gemeint, dass eine Klasse die Instanz einer anderen Klasse sein kann19 Stichwort: P-NP-Problem der Theoretischen Informatik

5.4 OWL 75von Klassen sowie der Unterklassenrelation ist absolut elementar für das automatischeSchließen aus Wissensstrukturen, da nur so die Enthalten-Beziehung ( ”is-a“) adäquatabgebildet werden kann (vgl. [McG03]).5.4.1 KlassenKlassenbeziehungenOWL kennt zwei zueinander disjunkte Basisklassen, owl:Thing und owl:Nothing, wobeiowl:Thing alles enthält. Die ”Mutter“ aller OWL-Klassen ist owl:Class und ihrerseitsUnterklasse von rdfs:Class 20 . Eigene Klassendefinitionen sind von der Formoder kürzerDie Bildung von Unterklassen entspricht der Vorgehensweise in RDFS:Weitere Beziehungen zwischen Klassen können mit folgenden Konstrukten modelliertwerden:• owl:disjointWith: Markiert zwei Klassen als disjunkt. Bei der Inferenz folgtdaraus, dass eine Instanz der einen Klasse keinesfalls auch Instanz der anderenKlasse sein kann.• owl:equivalentClass: Markiert zwei (oder mehr) Klassen als äquivalent, d. h.nur dem Klassenbezeichner nach verschieden. Damit gilt inhärent, dass eine Instanzder einen Klasse automatisch auch Instanz der anderen Klasse(n) ist. (DieselbeSemantik ließe sich auch erreichen, indem die beteiligten Klassen als Unterklassenaller andereren Klassen ausgezeichnet werden. Durch die wechselseitigeInklusion folgt die Äquivalenz.)20 Das genaue Verhältnis der beiden ist je nach OWL-Sprachebene verschieden, dazu sei auf die W3C-Spezifikationen und auf [HKRS08], S. 151ff. verwiesen

76 5 Ontologien und Semantic WebLogische KonstruktorenDie Verfügbarkeit logischer Konstruktoren auf Klassen erst hebt die Ausdrucksstärkevon OWL deutlich über diejenige von RDFS. Zu Gunsten der Berechnungskomplexitätbeim Reasoning ist ihre Verwendung in OWL Lite eingeschränkt (vgl. [HKRS08], S.153f.).Bekanntlich entsprechen die mengentheoretischen Operationen Konjunktion (Vereinigung),Disjunktion (Schnitt) und Negation (Komplement) den logischen Ausdrückenund, oder bzw. nicht. OWL bietet hierzu• owl:intersectionOf: Konjunktion,• owl:unionOf: Disjunktion,• owl:complementOf: Negation.Die Open World Assumption (OWA)OWL liegt die Annahme einer ”offenen Welt“ zu Grunde: Die Entwickler (und damitnatürlich alle OWL-Werkzeuge, insbesondere Inferenzmaschinen) gehen davon aus,dass jede (durch eine Ontologie repräsentierte) Wissensbasis potentiell unvollständigist (aussagekräftige Beispiele z. B. in [HKRS08], S.145ff.).Wenn man so will, sind sich die Ontologen in guter sokratischer Tradition derEndlichkeit des ihnen zugänglichen Informationsgehalts bewusst:Ich weiß, dass ich nicht(s) weiß.“”Diese Sicht der Welt passt zum Charakter des WWW, wo bestehende Informationbeständig mit weiterem Wissen 21 ergänzt wird, durch dessen Kenntnis Sachverhalteeine neue, abweichende Bewertung erhalten können.Beispiel.Seien mit einer Ontologie O lediglich die beiden Aussagenüber Klassenzugehörigkeiten getroffen, so wäre die Schlussfolgerung, dass es sichbei Sokrates um einen Informatiker handele/gehandelt hätte, weder wahr, noch falsch,sondern (auf alleiniger Basis obiger Informationen) schlichtweg unzulässig.21 und Halbwissen

5.4 OWL 77In unserem Kontext eng verbunden mit der OWA ist die Möglichkeit der situationsabhängigenEinbindung bestehender (oder vielleicht auch erst entstehender)fremder Ontologien, die sich dabei durchaus dem selben Inhaltsbereich widmen können.Nebenbemerkung: Sofern (z. B. im Rahmen eines ”tertium non datur“-Dogmas) notwendig,hält OWL die sogenannten abgeschlossenen Klassen bereit, um Exhaustivitätdoch noch abbilden zu können.5.4.2 IndividuenIndividuen entsprechen in OWL Instanzen von Klassen. Das W3C verwendet beideBegriffe synonym. Die Instantiierung erfolgt mitBeziehungen lassen sich nicht nur zwischen Klassen, sondern auch zwischen Individuenherstellen: So stellt owl:sameAs klar, dass hinter zwei oder mehr Bezeichnerndasselbe Individuum steht. Das entsprechende Gegenstück ist owl:differentFrom.5.4.3 RollenDer Begriff der Rollen steht stellvertretend für OWL-Properties. Analog zur Genealogieder OWL-Klassen sind Rollen stets Unterklassen von rdf:Property. Man unterscheidet([HKRS08], S. 130)• abstrakte Rollen, die Individuen mit Individuen verbinden, und• konkrete Rollen, die Individuen mit Datenwerten (also Elementen von XML-Datentypen) verbinden.Dabei sei die Wahl des Wortes ”verbinden“ hervorgehoben: Die ”Wirkrichtung“ derVerbindung hängt dabei von gewissen Rollenbeziehungen ab.Beispiele für Rollen wärenRollenbeziehungenRollen können verschiedene Beziehungen miteinander eingehen. Impliziert beispielsweiseeine allgemein gehaltene Rolle die Bedeutung einer spezifischeren (Subsumption), sosollte letztere als Unterrolle modelliert werden:

78 5 Ontologien und Semantic WebZueinander inverse Rollen lassen sich mit owl:inverseOf kennzeichnen, währendowl:equivalentProperty die Äquivalenz zweier Rollen beschreibt. So könnte man z.B. hatKlausurBestanden und bekommtSchein als äquivalente Rollen modellieren.Anmerkung: Es ist gute Praxis, dass Unterrollen transitiver Rollen nicht transitivsind ([Sta06], S. 1586). Ein Beispiel unter vielen wäre istVorfahreVon undistDirekterVorfahreVon.RolleneigenschaftenDie Bezeichnung ”Eigenschaften“ ist wegen der Verwechselbarkeit mit demübergeordneten Begriff der OWL-Properties (die synonym als Rollen bezeichnetwerden) ungünstig gewählt, soll aber aus Gründen der Konsistenz zur Fachliteraturbeibehalten bleiben.Wie aus RDFS bekannt, lassen sich auch in OWL Definitions- und Wertebereicheiner Rolle einschränken:Weitere Rolleneigenschaften sind• Transitivität: Verbindet eine Rolle die Individuen A und B sowie B und C, soverbindet sie gleichsinnig auch A und C.Eine weitere klassische transitive Rolle ist istVoraussetzungFuer.• Symmetrie: Verbindet eine Rolle die Individuen A und B, so verbindet sie inidentischer Bedeutung B und A.• Funktionalität: Verbindet eine Rolle die Individuen A und B sowie A und C,so bezeichnen B und C dasselbe Individuum 2222 In meinem (in Kürze veralteten) Beispiel schreibe ein Schüler seine Facharbeit in genau einem bestimmtenFach. Zur Verdeutlichung sind domain und range spezifiziert.

5.4 OWL 79Man bezeichnet eine Rolle R als invers funktional (ausgedrückt durch&owl;InverseFunctionalProperty), wenn die zu R inverse Rolle R −1 funktionalist (im Beispiel wäre also istFacharbeitsFachVon invers funktional).RolleneinschränkungenEigenschaften können mit owl:[minCardinality|maxCardinality|cardinality] inihrer Kardinalität eingeschränkt werden. Die Notation erfolgt durch Definition eineranonymen Unterklasse von owl:Restriction:5Mit someValuesFrom bzw. allValuesFrom lassen sich weitergehende Aussagentreffen. Diesbezüglich sei auf [HKRS08], S. 139ff. und allgemein vertiefend auf diehervorragende OWL-Referenz des W3C 23 verwiesen.Mittlerweile gibt es eine W3C Member Submission“ für OWL 1.1 24 unter Federführungvon Boris Motik, in der OWL-DL auf einer ausdrucksstärkeren Beschrei-”bungslogik (SROIQ) basiert. OWL 1.1 (mitunter auch als kommende Version OWL2.0 bezeichnet) sieht unter anderem Konstrukte wie irreflexive Rollen vor (diese würdenbeispielsweise benötigt, um im Falle von istVerheiratetMit logisch ausschließen zukönnen, dass ein Individuum mit sich selbst verheiratet ist).5.4.4 Weitere KonstrukteNamensräumeNamensräume (Namespaces) haben wir bereits im Zusammenhang mit XML kennengelernt.Im Grunde genommen weisen sie einer Ontologie ein Präfix zu (im Beispiel:23 http://www.w3.org/TR/owl-ref/#Restriction24 http://www.w3.org/Submission/2006/10/

80 5 Ontologien und Semantic Webkw), um Namenskonflikte zu vermeiden. Dieses Präfix hat zusätzlich abkürzendeFunktion, sobald auf Elemente der jeweiligen Ontologie verwiesen wird.Beispiel.xmlns:kw="http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Konzeptuelles_Wissen.owl#"ImportAndere OWL-Ontologien lassen sich mit Hilfe von owl:imports einbinden und werdendann so behandelt, als seien sie unmittelbarer Bestandteil der einbindenden Ontologie.Auf diese Weise können auch entfernte Ontologien referenziert werden, die voneinem Webserver vorgehalten werden.Beispiel.5.4.5 Exemplarische WerkzeugeZur Behandlung der technischen Aspekte einer Ontologiesprache wie OWL bietensich zwei Wege an: So kann wahlweise eine detaillierte und formale Beschreibung vonAufbau und Syntax erfolgen, wie es in der vorliegenden Arbeit der Fall ist. Alternativkann man sich einer Vorstellung der z. T. sehr komfortablen Werkzeuge widmen,welche einen Umgang mit den Ontologien ermöglichen und von tieferliegenden Ebenen(wie z. B. XML) abstrahieren. (Gleichwohl bin ich der Meinung, dass ein fundierterÜberblick über den schichtenartigen Aufbau von OWL - im Sinne eines ”Blicks hinterdie Kulissen“ - letzten Endes besser geeignet sein dürfte, ein tieferes Verständnis zuwecken. So sollte m. E. die Arbeit mit Werkzeugen i. w. S. nicht den Blick auf denstrukturellen Aufbau des ”Werkstücks“ verschließen, sondern lediglich den täglichensachkundigen Umgang damit erleichtern.)Da ich die technischen Zusammenhänge in den vorangegangenen Abschnitten bereitsausführlich dargestellt habe, möchte ich mich nun bezüglich der Werkzeuge aufdie exemplarische Vorstellung zweier Produkte beschränken, die auch bei der Erstellungder vorliegenden Arbeit zum Einsatz gekommen sind. Hinzu kommt, dass für dieeinschlägigen Softwarelösungen in aller Regel eine umfangreiche Dokumentation vonEntwicklerseite vorliegt.

5.4 OWL 81Protégé-OWLMit Protégé 25 steht ein leistungsfähiger und ausgereifter Open-Source-Editor zurErstellung, Wartung und Pflege von Ontologien zur Verfügung. Protégé wurde ander University of Stanford entwickelt. Durch die Implementierung in Java wirdPlattformunabhängigkeit gewährleistet. Der Editor liegt mittlerweile in Version 4.0(Beta) vor.Protégé ermöglicht die bequeme Modellierung von Klassen, Individuen und Rollensowie die Bearbeitung von konkreten Eigenschaften. Dank der Möglichkeit, unmittelbarmit einem Reasoner zu kommunizieren, lässt sich die Konsistenz von Ontologienquasi on-the-fly überprüfen. Die Kommunikation erfolgt über ein standardisiertesTCP-Protokoll, d. h. der Reasoner kann durchaus auf einem entfernten Rechnerlaufen. Insofern ist es durchaus angebracht, bei Protégé von einer Art integriertenEntwicklungsumgebung (IDE) zu sprechen.Auf der Projekt-Homepage stehen umfangreiche Tutorials und How-Tos für den Umgangmit Protégé bereit, auf die an dieser Stelle verwiesen sei.PelletBei Pellet 26 handelt es sich um eine hochperformante Inferenzmaschine (Reasoner) zumautomatischen Schließen impliziten Wissens aus OWL-Ontologien. Pellet unterstützt(derzeit als einziger Reasoner) den gesamten Sprachumfang von OWL DL ([HKRS08],S. 155).Neben frei verfügbaren Lösungen werden auch kommerzielle Reasoner angeboten.Zu den bekanntesten dürften Racer Pro 27 und Cerebra 28 gehören.Mit KAON2 29 bietet die Universität Karlsruhe einen neuartigen OWL-Reasoner an,der mit annähernd allen Features von OWL DL umzugehen weiß.5.4.6 Aktuelle EntwicklungenDerzeit in Entwicklung befindlich ist eine Neuauflage der Web Ontology Language,OWL 2.0. Neben ”syntaktischem Zucker“, der nur die vereinfachende Abkürzung vonSchreibweisen erlaubt, ansonsten aber keine neue Funktionalität mit sich bringt, hatdas W3C etliche Vorschläge aufgegriffen, welche die Ausdrucksmächtigkeit von OWL2.0 über die von OWL DL heben. Einige m. E. besonders interessante Erweiterungensind 3025 http://protege.stanford.edu/26 http://pellet.owldl.com/27 http://www.racer-systems.com/28 http://www.cerebra.com/29 http://kaon2.semanticweb.org30 vollständige Abhandlung: http://www.w3.org/2007/OWL/wiki/New_Features_and_Rationale

82 5 Ontologien und Semantic Web• Property Chains. Durch die Verkettung von OWL-Properties wird es möglichsein, aus der Kette hasParent o hasBrother die Relation hasUncle abzuleiten.Derartige Inferenzen waren bisher nur durch das Hinzufügen separater Regeln (z.B. in SWRL) möglich (vgl. [Bra06], S. 42). Bei den Property Chains handelt essich um eine sehr mächtige Ergänzung.• Neue Property-Eigenschaften. OWL 2.0 erlaubt es, (a)symmetrische,(ir)reflexive und disjunkte Eigenschaften zu spezifizieren (niemand ist sein eigenerBruder).• Qualifizierte Kardinalitäten. Mit OWL 2.0 ist es möglich, Kardinalitätsrestriktionenvon Properties auf bestimmte Klassen zu beziehen.• Erweiterungen im Bereich unärer und n-ärer Datentypen. So lässt sichnun die (anonyme) Klasse aller Ehefrauen bilden, die älter sind als ihr Gatte(Beispiel übernommen aus dem Link).Die in der Fußnote angegebene URL beschreibt zusätzlich knapp 20 use cases, dievon diesen und anderen Neuerungen Gebrauch machen.Passend zur fortschreitenden Evolution von OWL befindet sich die Version 4.0 desOWL-Editors Protégé derzeit im Beta-Status. Protégé 4.0 wird den gesamten Sprachumfangvon OWL 2.0 unterstützen. Die Oberfläche erfordert beim Umstieg von derVorgängerversion etwas Eingewöhnung, jedoch konnte der Autor bei entsprechendenTests gegenüber Protégé 3.3 einen deutlich flüssigeren Programmablauf und ein stabileresVerhalten verzeichnen, was vermutlich u. a. auf eine effizientere Speicherverwaltungzurückzuführen ist. Die GUI ist konsequent tab- und panelbasiert und in hohem Maßean die Bedürfnisse des Entwicklers anpassbar. Eine weitere wichtige Errungenschaftbesteht darin, endlich mehrere Ontologien gleichzeitig geöffnet halten zu können. DieProjekt-Homepage der Universität Stanford gibt einen kompakten Überblick 31 über dieneuen Features.31 http://protegewiki.stanford.edu/index.php/Protege4Features

836 Didaktische OntologienIn den vergangenen Jahren entstanden im Fachgebiet mehrfach Arbeiten, die thematischim engeren Umfeld der vorliegenden Aufgabenstellung anzusiedeln sind.Nachdem es sich bei der Idee des Semantic Web und insbesondere bei der Fragenach Einsatzmöglichkeiten für Ontologien im Bereich E-Learning um recht jungeDisziplinen handelt, betritt man auf diesem Gebiet immer wieder unversehens Neuland.Daher stelle ich nun einige der bestehenden Werke vor und nehme anschließend zuderen Relevanz für die vorliegende Arbeit Stellung.6.1 Ontologiebasierte Integration von bereichsspezifischemWissen und Fragen der Voraussetzungsanalyse6.1.1 VorüberlegungenAlexander Staller hat mit seinem Paper ”Merging domain knowledge and task analysisin an Ontology“ ([Sta06]) und den zugehörigen OWL-Ontologien wichtige Vorarbeitfür die Klassifikation von Lernzielen geleistet.Staller sieht Defizite vorhandener Ansätze in zwei Bereichen ([Sta06], S. 1585):1. Sie fassen Lernmaterialien als Konzepte auf, die über Relationen miteinanderverknüpft sind. Aus der Perspektive des Instructional Design verfügen Konzeptejedoch nicht über die didaktische Präzision, um Lehr-Lernprozesse begleitenund deren Erfolg überprüfen zu können. Vielmehr ist es wünschenswert, jederzeitfeststellen und angeben zu können, welche Fähigkeiten und Fertigkeiten sich Lernendehinsichtlich eines konkreten Konzeptes bereits angeeignet haben. Lernzieleblicken also (insbesondere bei Einordnung in eine Taxonomie) multiperspektivischauf ein bestimmtes Konzept.2. Der Prozess des Instructional Design sieht ausdrücklich eine Phase derBedingungs- und Voraussetzungsanalyse vor. Diese erfolgt im Blick auf angestrebteLernergebnisse (learning outcomes).Erklärtes Ziel Stallers ist die Zusammenführung bereichsspezifischen Wissens mitden Ergebnissen entsprechender Analysen in einer OWL-Ontologie.Der erstgenannten Problematik begegnet er durch die Einführung der Lernzieltaxonomienach Anderson und Krathwohl, die den Begriff des Konzepts unter didaktischen

84 6 Didaktische OntologienGesichtspunkten aufbricht und - unter Einbeziehung moderner kognitionspsychologischerErkenntnisse - eine Klassifikation von Lernzielen hinsichtlich der kognitivenDimension wie der Wissensdimension erlaubt.Die Voraussetzungsanalyse als zweite Komponente integriert Staller, indem er derLearning Task Analysis von Smith and Ragan (2005) folgt, welche gleichermaßen• eine Analyse der intendierten bzw. erwarteten Informationsverarbeitungsprozessebei den Lernern (welche Schritte sind auf geistiger Ebene nötig, um das Lernzielzu erreichen?)• eine Analyse der Voraussetzungen und Abhängigkeiten zwischen den einzelnenLernzielenfür eine sinnvolle Formulierung von Lernzielen für nötig erachtet.Auch müssen im Rahmen dieser Tätigkeit Instrumente identifiziert werden (Assessment),mit deren Hilfe sich objektiv feststellen lässt, ob die jeweils intendiertenLernziele erreicht wurden.Für die Verschmelzung bereichsspezifischen Wissens und der Voraussetzungsanalysestellt Staller jeweils separate OWL-Ontologien vor. Durch die Modularisierung voneigenständigen didaktischen Modellen ist die Konsistenz insbesondere hinsichtlich derzum Teil in unterschiedlicher Bedeutung gebrauchten Begrifflichkeiten sichergestellt.In OWL wird die Modularität durch die Verwendung von Namensräumen (z. B. AK fürAnderson-Krathwohl, SR für Smith und Ragan) erreicht.An Beispielen aus den Bereichen Mengenlehre und Theoretischer Informatikexpliziert Staller seine Vorstellung von der Organisation konzeptuellen Wissens inOntologien.Hinsichtlich der Repräsentation der Zusammenhänge in OWL ergibt sich einetechnische Schwierigkeit. Staller repräsentiert in seinem Paper Konzepte als Individuen,während diese in OWL in der Regel als Klassen aufgefasst werden. Wie wirim entsprechenden Abschnitt gesehen haben, beziehen sich OWL-Properties stets aufIndividuen. Nachdem es in OWL DL nicht zulässig ist, eine Klasse als Individuum (d.h. als Instanz einer anderen Klasse) aufzufassen, wäre der benötigte Sprachumfang(Stichwort: Metamodellierung) erst in OWL Full enthalten und die Ontologien damitnicht mehr entscheidbar. Noy ([Noy05]) hat in eingängiger Weise mehrere Wege zurAbhilfe vorgestellt, die - zwangsläufig - allesamt gewisse Vorteile und Einschränkungenmit sich bringen. Aus Platzgründen sei der interessierte Leser auf die einschlägigeWorking Group Note 1 verwiesen.1 http://www.w3.org/TR/swbp-classes-as-values/

6.1 Ontologiebasierte Integration von bereichsspezifischem Wissen und Fragen derVoraussetzungsanalyse85Im Hinblick auf einen fruchtbaren Einsatz von Ontologien in E-Learning-Umgebungen ist Entscheidbarkeit ein hohes Gut. Staller schlägt daher vor, Konzeptein einer gewissermaßen parallelisierten Weise sowohl als Klasse, als auch als Individuumzu modellieren. Er weist darauf hin, dass die Unterkonzeptrelation ( ”is-a“)ihre Entsprechung dann in der Bildung von Unterklassen findet, während es diegleichzeitige Repräsentation als Individuen ermöglicht, Konzepte unabhängig von derKlassenhierarchie mit OWL-Properties zu verknüpfen. Bei den Ausführungen zurtechnischen Umsetzung komme ich hierauf zurück.Abschließend verweist Staller darauf, dass die Wiederverwendbarkeit von Lernmaterialienuntrennbar mit der Annotation sinnvoller Metadaten verbunden ist ([Sta06],S. 1588f.). Um das Spannungsfeld zwischen der Kontextunabhängigkeit von LOsund dem Bedarf zur Berücksichtigung situativer Bedingungen zu entschärfen (wennauch nicht aufzulösen), ist seiner Meinung nach bei der Modularisierung von Lernmaterialgrundsätzlich darauf zu achten, verschiedene Grade von Granularität vorzusehen.Unter Verweis auf das Autodesk Learning Object Content Model unterscheidet StallerInformationsobjekte (die einen Sachverhalt konkretisieren) und Lernobjekte (die einKonglomerat von Informationsobjekten repräsentieren und genau einem Lernzieldienen). Das im Paper vorgestellte Modell lässt die Annotation beider Objekttypenzu.Zusammenfassend lässt sich also feststellen:1. Metadaten von Lernobjekten müssen Information über deren Abhängigkeitenvon anderen Lernobjekten enthalten. Staller schlägt vor, jedes Lernobjekt inForm von mindestens einem instructional objective zu beschreiben. Aus derenAbhängigkeiten ergeben sich sodann mögliche Lernpfade.2. Die ersten drei Kategorien (Faktenwissen, begriffliches und prozedurales Wissen)der Taxonomie nach Anderson et al. bilden eine Art Schnittstelle für bereichsspezifischesWissen. Auf diese Weise können fremde Ontologien, die dieser Klassifikationfolgen, problemlos in die vorliegende Lernzielontologie eingebunden werden.3. Um sowohl eine is-a- wie eine has-a-Relation zur Verfügung zu haben (und dabeiin OWL DL zu bleiben, s. o.), werden Konzepte als Klassen und als Individuen(Instanzen) aufgefasst und modelliert. Konkret ist Stallers Vorgehen mit demvierten Denkansatz von Noy zu vergleichen.4. Ein Konflikt konkurrierender Definitionen wird dadurch vermieden, dass diesein separaten Ontologien eingebettet werden, von denen der Nutzer sich je nachBedarf bzw. Wunsch für eine entscheidet.Seinen im FORMATEX-Paper beschriebenen Ansatz baut Staller zu einem formalenOWL-Modell aus, welches nun auszugsweise beschrieben sei.

86 6 Didaktische Ontologien6.1.2 Technische UmsetzungStallers anspruchsvolles Paper [Sta06] geht in sehr komprimierter Form auf dieÜberlegungen und Entscheidungen ein, welche dem Entwurf und der Modellierungzugrundeliegen. Zu den Ontologien selbst liegt (über rdfs:comment hinaus) keineDokumentation vor, was den Einstieg in die durchdachte und komplexe KonstruktionStallers stark erschwert. Ich werde daher nun überblicksartig die technischen Detailsund Zusammenhänge der zentralen Ontologien vorstellen.Aus Platzgründen können nicht alle von Staller vorgesehenen Ontologien beleuchtetwerden. So sei z. B. bezüglich der Realisierung der Prozessanalyse nach Smith andRagan auf die OWL-Quellen bzw. deren Anschauung in einem OWL-Editor wie Protégéverwiesen.Anderson cognitive process.owlDie beiden Dimensionen der Taxonomie modelliert Staller in zwei separaten Ontologien.Die korrespondierende Ontologie für den kognitiven Prozess enthält die DateiAnderson cognitive process.owl, wobei die sechs kognitiven LernzielkategorienUnterklassen von Cognitive process darstellen (vgl. Klassendiagramm).Über die Eigenschaft owl:disjointWith wird die paarweise Verschiedenheit dieserUnterklassen abgebildet. Die Klasse Cognitive process wird als Äquivalent zurDisjunktion einer aus den sechs kognitiven Kategorien bestehenden OWL-Collectiondefiniert. Zusammengenommen gehört ein Lernziel somit stets genau einer Kategoriean.Bei der Bezeichnung der Klassen bemüht Staller konsequent alphanumerischePräfixe, was aus technischer Sicht eher kosmetische Gründe hat (so erscheinen dieKlassen dadurch in Protégé in der Reihenfolge ihrer taxonomischen Stufung).Ausgehend von den Hauptkategorien erzielt Staller durch die Abbildung der vonAnderson et al. identifizierten Subkategorien (vgl. [AKA01], S. 31 und S. 63ff.) nocheine feinere Granularisierung. Dies verdeutlicht das Klassendiagramm (Abbildung 6.1beispielhaft an der kognitiven Kategorie ”Understand“. Auch die Elemente dieser Unterhierarchienwerden sinnvollerweise als paarweise disjunkt gekennzeichnet.Zusätzlich annotiert Staller zu den Elementen der Unterhierarchien mit Hilfe vonmeta:hasPatternPart jeweils einige Verben (Patterns), die ebenfalls die Zugehörigkeitzur entsprechenden Kategorie nahe legen (im Fall von ”Classifying“ sind dies z. B. ”Subsuming“und ”Categorizing“). Diese finden ihre Entsprechung in der Angabe synonymerVerben bei Anderson et al.

6.1 Ontologiebasierte Integration von bereichsspezifischem Wissen und Fragen derVoraussetzungsanalyse87Cognitive_process_1_Remember _2_Understand _3_Apply _4_Analyze _5_Evaluate _6_Create_2.1_Interpreting _2.2_Exemplifying _2.3_Classifying _2.4_Summarizing _2.5_Inferring _2.6_Comparing _2.7_ExplainingAbbildung 6.1: Kognitive Prozessdimension als Klassenhierarchie bei StallerAnderson knowledge.owlWie die Dateibezeichnung bereits vermuten lässt, bildet diese Ontologie die Wissensdimensionab. Ganz analog zu obiger Vorgehensweise modelliert Staller die viereinschlägigen Wissenskategorien als disjunkte und exhaustive 2 Unterklassen vonKnowledge.Mit der analogen Explikation der Kategorien (z. B. AA Knowledge of terminologyund AB Knowledge of specific details and elements als Unterklassen vonA Factual knowledge) folgt Staller unmittelbar Anderson und Krathwohl (vgl.[AKA01], Kapitel 4, speziell S. 266, Fig. 15.1). Somit ergibt sich ein ähnliches Bild wiebei der Abbildung der Wissensdimension in OWL, welches daher und in Anbetrachtder etwas unhandlichen Klassenbezeichner an dieser Stelle nicht als Diagrammwiedergegeben werde.Staller nutzt das Konstrukt rdfs:comment, um die Klassen mit einer menschenlesbarentextuellen Beschreibung der jeweiligen Intentionen von Anderson et al. auszustatten.Anderson objective.owlDiese Ontologie bringt den Begriff des Lernziels ins Spiel und damit die beidenDimensionen der Lernzieltaxonomie zusammen. Dementsprechend werden die relevantenOntologien mit Hilfe von owl:imports eingebunden. Dank der einleitendenDeklaration entsprechender XML-Namespaces (xmlns) kann die Referenzierung dort2 damit ist gemeint, dass die Schnittmenge je zweier Unterklassen leer ist und die Vereinigung allerUnterklassen im Sinne von owl:equivalentClass äquivalent zur Klasse Knowledge ist

88 6 Didaktische Ontologienbefindlicher Klassen in verkürzter Schreibweise erfolgen.Staller modelliert die allgemeine Klasse Objective, von der die (disjunkten undexhaustiven) Unterklassen• Global objective,• Instructional objective und• Instructional objectiveabstammen (vgl. [AKA01], S. 15-17). Auf die wichtigsten Eigenschaften konkreterInstanzen der Unterklassen von Objective gehe ich kurz ein.OWL-Property Eigenschaft Domain Rangehas cognitive process funktional Objective Cognitive processhas knowledge funktional Objective Knowledgehas subobjective transitiv Objective Objectivehas direct subobjective - Objective Objectivehas statement - Objective xsd:stringEs leuchtet unmittelbar ein, dass die Spezialisierung has direct subobjective eine(nichttransitive) Subproperty von has subobjective ist.Konzeptuelles Wissen.owlDiese Ontologie modelliert Konzepte nebst den Beziehungen, welche sie untereinandereingehen können.Ausgehend von der Klasse Konzept unterscheidet Staller die Unterklassen• Grundkonzept,• Grundkonzept mit Eigenschaft und• Zusammengesetztes Konzept.Zusammengesetzte Konzepte können auf Basis der Unterklassen Und, Oder undNicht instantiiert werden, deren Bezeichnung an die Bedeutung der entsprechendenlogischen Operatoren erinnern soll.Zentraler Begriff ist im konzeptuellen Zusammenhang das Begriffsnetz, welchesStaller als gleichnamige Klasse modelliert. Begriffsnetze bestehen aus Knoten und

6.1 Ontologiebasierte Integration von bereichsspezifischem Wissen und Fragen derVoraussetzungsanalyse89Kanten, was durch die beiden OWL-Properties hat Knoten und hat Kante ausgedrücktwird. Knoten eines Begriffsnetzes kann jedes Individuum der OWL-KlassenKonzept und Instanz sein, während Kanten einerseits eine Beziehung zwischenKonzepten (bzw. Instanzen) ausdrücken können, oder andererseits auf ein Argumenteines Konzepts (einer Instanz) verweisen.OWL-Property Eigenschaft Domain Rangehat Knoten - Begriffsnetz Konzept ⊓ Instanzhat Kante - Begriffsnetz Beziehung ⊓ Hat ArgumentNun wird die bereits an anderer Stelle angesprochene Dualität zwischen Klassenund Instanzen deutlich, ohne die es nicht möglich wäre, die beabsichtigten Zusammenhängemit der Ausdrucksmächtigkeit von OWL DL abzubilden: Jedes Konzept Kdes jeweiligen Wissensbereiches wird stets• als OWL-Instanz K der OWL-Klasse Konzept (bzw. Grundkonzept etc.) und• als OWL-Klasse (!) Instanz von K, die genau diese beigeordnete Instanz enthältangelegt. Staller sieht die beiden zueinander inversen OWL-Properties hat Instanzund ist Instanz von vor, um die beiden Realisierungen eines konkreten Konzeptsaufeinander beziehen zu können. Um den Zusammenhang zu verdeutlichen, betrachteman nachfolgende Tabelle.OWL-Property Eigenschaft Domain Rangehat Instanz - Konzept Instanzist Instanz von - Instanz KonzeptDamit befinde(t|n) sich in der OWL-Klasse Instanz von K also genau die Instanz(en)der OWL-Klasse Instanz, deren ObjectProperty ist Instanz von auf dieOWL-Instanz K zeigt. Wie unmittelbar ersichtlich wird, leistet geeignete Schriftsetzungeinen wichtigen Beitrag, um die unterschiedliche Bedeutung derselben Begriffein verschiedenen Kontexten zu unterstreichen: So werden wir es nachfolgend mehrfachmit OWL-Klassen zu tun haben, die Bezeichner der Form Instanz von XXX tragen.Noy ([Noy05]) hat fünf Wege vorgestellt, OWL-Klassen als Werte von OWL-Properties einzusetzen. Ihr erster Vorschlag beschreibt die ”native“ Vorgehensweise.Diese ist sicherlich am elegantesten, wird aber mit dem Nachteil erkauft, dass dieOntologie die Ausdrucksmächtigkeit von OWL DL übersteigt. Die von Staller gewählteStrategie ist mit dem vierten Lösungsansatz von Noy vergleichbar. Dieser zeichnet sichgegenüber den anderen ”Auswegen“ dadurch aus, dass OWL-DL-Reasoner in der Lagesind, Schlüsse aus der Unterklassenrelation (is-a) zu ziehen.

90 6 Didaktische OntologienBeziehungen zwischen Konzepten spielen eine wichtige Rolle. Die erläuterte Dualitätbleibt nicht ohne Folgen für die Realisierung: So sieht Staller alle gewünschten Beziehungensowohl auf Klassenebene, als auch als OWL-Properties (für die Individuenoder Instanzen) vor, um beide Repräsentationen von Konzepten gleichermaßen undkonsistent (!) ”bedienen“ zu können.Widmen wir uns zunächst den Beziehungen auf Klassenebene, d. h. zwischen alsKlassen modellierten Konzepten. Wie aus obigen Ausführungen zu den OWL-Propertiesersichtlich wird, entsprechen Beziehungen zwischen als Klassen modellierten Konzeptenim Begriffsnetz den Kanten (vgl. Wertebereich von hat Kante). Solche Beziehungen(unterschiedlicher Bedeutung) sind daher Instanzen der Klasse Beziehung bzw. vielmehreiner ihrer Unterklassen (z. B. Domaenenspezifische Beziehung. (All diese Klassenwerden OWL-seitig als gerichtete binäre Relationen (DIRECTED BINARY RELATIONs)verstanden.) Staller sieht vor:• Domaenenspezifische Beziehung: Eine Beziehung, die spezifisch für den jeweiligenWissensbereich ist;• Ist aequivalentes Konzept zu: Im Wesentlichen identisch mitIst synonym zu;• Ist direktes Unterkonzept von: Drückt aus, dass ein Konzept einem anderendirekt untergeordnet ist;• Ist synonym zu: Drückt aus, dass zwei Konzepte bis auf ihre Bezeichnungäquivalent sind.Man erlaube mir eine kurze Nebenbemerkung, die u. U. in der Lage ist, den Blick fürden Sinn der Dualität zu schärfen: Auf Property-Ebene definiert Staller zusätzlichdie Eigenschaft ist Unterkonzept von, während dieser Zusammenhang auf Klassenebenedurch die Klassenhierarchie schon natürlich vorgegeben ist - eine Unterklasse vonBeziehung, die ebendiesen Sachverhalt ausdrückt, wäre daher obsolet (und wurde vonStaller folgerichtig auch nicht angelegt).Beispiel zur dualen ModellierungBeim vorliegenden Codefragment handelt es sich, anders als es die Wiedergabe desXML-Headers suggeriert, nicht um eine vollständige OWL-Ontologie. Vielmehr dientdie gewählte Schreibweise dazu, die Definition des Namensraums kw (konzeptuellesWissen) wiederzugeben.

6.1 Ontologiebasierte Integration von bereichsspezifischem Wissen und Fragen derVoraussetzungsanalyse91LOOP-ProgrammMittels der Deklaration einer zu Instanz von LOOP-Programm äquivalenten anonymenKlasse wird das zugehörige Individuum (die zugehörige OWL-Instanz)eingefangen“. Diese Klasse besteht also aus genau den Individuen, die durch die”OWL-Property ist Instanz von als Instanz des Grundkonzeptes LOOP-Programmgekennzeichnet wurden.Ganz analog wird das Konzept des WHILE-Programms modelliert. Ein aus diesenbeiden Konzepten bestehendes (minimales nichttriviales) Begriffsnetz BN-Programmkönnte dann folgendermaßen gegeben sein:

92 6 Didaktische Ontologienist einDer von Alexander Staller entwickelte Satz an Ontologien ist äußerst durchdachtund umfangreich. Folglich gäbe es noch viele Aspekte zu erläutern, was den Rahmendieser Arbeit jedoch sprengen würde. M. E. ist es sehr lohnend, auch einmal (abseitsvon Protégé) einen direkten Blick in die zugehörigen OWL-Dateien zu werfen, um einfundamentales Verständnis für die Zusammenhänge zu entwickeln.6.2 Analyse und ontologiebasierte Modellierung vonLernzielen aus der Theoretischen InformatikTanja Zwick hat sich in ihrer Diplomarbeit ([Zwi06]) mit der Analyse und ontologiebasiertenModellierung von Lernzielen aus der Theoretischen Informatik beschäftigt. DieAutorin geht dabei in vier Schritten vor: Eingangs liefert sie die nötigen didaktischenGrundlagen und Modelle für die daran anschließende Wissensanalyse nach Andersonund Krathwohl sowie die Aufgabenanalyse nach Smith und Ragan. Die Ergebnisse derIPA (information processing analysis und der PRA (prerequisite analysis) bereitet dieAutorin grafisch auf und stellt abschließend drei Ontologien vor:Cog“ bildet die kognitive Prozessdimension nach Anderson et al. ab, wobei die”Hauptkategorien als Klassen, die detaillierten Unterkategorien als deren Instanzenmodelliert wurden.Bei der Ontologie ”Kno“ geht die Autorin von den basalen Kategorien der Wissensdimensionnach Anderson et al. aus und leitet davon eine aus dem vorab analysiertendeklarativen Wissen bzw. aus den bei der Analyse identifizierten Konzepten bestehendeKlassenhierarchie ab (vgl. [Zwi06], Anhang A). Zwick modelliert die Konzepte inaller Regel als Klassen, sofern es sich nicht um abgeschlossene und nicht mehr weiterzerlegbare Konzepte handelt (diesen ordnet sie Instanzen zu). Object Properties undDatatype Properties stehen für die Beziehungen zwischen den Konzepten (sofern

6.3 Entwicklung einer Ontologie zur Modellierung von Lernzielen und beispielhafte93Anwendung auf E-Learning im Bereich der AlgorithmikOWL-Klassen in Bezug gesetzt werden, bewegt sich die Autorin dabei außerhalb vonOWL DL). Anhand konkreter Konzepte des Wissensbereichs ermittelt Zwick eineganze Reihe spezifischer Relationen, wie z. B. akzeptiert (ein Maschinenmodellakzeptiert eine formale Sprache) oder vereinfacht (Normalformen vereinfachenGrammatiken), welche sie mit den jeweils sachdienlichen Restriktionen hinsichtlichDefinitionsbereich, Wertebereich und Kardinalitäten ausstattet (vgl. [Zwi06], S. 42).Zwicks dritte Ontologie ”Tax“ importiert die beiden vorgenannten Ontologien undmodelliert die Ergebnisse der Aufgabenanalyse. Eine zentrale Rolle spielen dabei dieKlassen Lernziel sowie Voraussetzung.Die zwei Relationen (Properties) hat-Prozesskomponente undhat-Wissenskomponente erlauben eine dahingehende Einordnung von Lernzielen.Darüber hinaus führt die Autorin die Subproperty hat-direkte-Voraussetzungvon hat-Voraussetzung ein, um so Lernziele hinsichtlich ihrer Voraussetzungsbeziehungenvernetzen zu können.Aus der schematischen Darstellung in Abbildung 6.2 geht nicht hervor, dass Zwick inder Praxis die Unterkategorien der Prozesskomponenten als Wertebereich der Relationhat-Prozesskomponente verwendet, um eine höhere Genauigkeit zu erreichen. Analogbezieht sie sich bei der Wissenskomponente auf Unterklassen bzw. deren Instanzen (z.B. kno:Algorithmus oder kno:CYK Algorithmus).6.3 Entwicklung einer Ontologie zur Modellierung vonLernzielen und beispielhafte Anwendung auf E-Learningim Bereich der AlgorithmikNach Ausführungen zu Grundlagen der Informatik und der Didaktik widmet sichEva Trojan in ihrer Diplomarbeit ([Tro06]) der Entwicklung einer Lernzielontologie([Tro06], S. 83ff. und Anhänge B bis F).Dabei sind wiederum zwei Ontologien enstanden, die die beiden Dimensionender Anderson-Taxonomie repräsentieren, sowie eine Ontologie zur Einordnung vonLernzielen. Zusätzlich liefert Trojan noch jeweils eine beispielhafte Lernziel- undFachontologie, welche die Zusammenhänge veranschaulicht.Die Autorin weist explizit auf die Konsequenzen für die Entscheidbarkeit der Ontologienund damit (im Kontext von E-Learning) für den (gegenwärtig) erreichbarenAutomatisierungsgrad hin, welche ein ”Verlassen“ von OWL DL mit sich bringen würde.Sie greift daher einen der konkreten Lösungsvorschläge von Noy ([Noy05]) aufund erzeugt zu jeder Klasse Klasse eine korrespondierende Instanz IKlasse, so dassdie Annotation von Eigenschaften möglich wird. Freilich geht dieser ”easy way out“

94 6 Didaktische Ontologienmit einem erhöhten Pflegeaufwand für die Ontologien einher - so muss z. B. dieKorrespondenz von Klasse und Instanz im Sinne einer Konsistenz der Ontologie zujedem Zeitpunkt sichergestellt sein.Die Wissensdimension findet ihre Entsprechung in einer Klassenhierarchiemit beigeordneten Instanzen. Diese werden über eine transitive OWL-Propertyist abstrakter als zueinander in Beziehung gesetzt. Bei der Dimension für denkognitiven Prozess folgt Trojan denselben Vorgaben und deklariert die OWL-Propertyist kognitiv komplexer als.In der Lernziel-Ontologie deklariert Trojan Richt-, Grob- und Feinziele und spezifiziertderen Verhältnis. Die beiden Eigenschaften verweist auf kognitiven Indikatorund verweist auf Wissensindikator ordnen Lernziele (nach Import der entsprechendenOntologien) unmittelbar in die Anderson-Taxonomie ein.Zusätzlich kann sich die Eigenschaft verweist auf Fachausdruck auf ein in einer(beliebigen) Fachontologie beschriebenes Konzept beziehen. Einzige Bedingung ist dabei,dass jedes Lernziel mindestens ein Konzept referenziert. Die transitive Eigenschaftkonkretisiert klärt das Verhältnis der Instanzen von Richt-, Grob- und Feinzielen.Die grobe Interoperation der einzelnen Ontologien, ihrer Klassen, Instanzen undEigenschaften verdeutlicht die Autorin durch zwei graphische Darstellungen (S. 85, 91).Einen Überblick über die Importbeziehungen zwischen den Ontologien gibt Abbildung6.3.Grundsätzlich weisen die als Individuen modellierten Lernziele bei Trojan vier Eigenschaftenaus (vgl. die exemplarische Lernziel-Ontologie, S. 137f.):• verweist auf kognitiven Indikator (exakt 1)• verweist auf Wissensindikator (exakt 1)• verweist auf Fachausdruck (mindestens 1)• hat Formulierung: Textuelle Formulierung des jeweiligen Lernziels(xsd:string)In den Fachontologien will Trojan die fachspezifischen Konzepte sowie deren Beziehungenmodelliert wissen. Wie inzwischen fast gewohnt liefert die Unterklassenrelationdie is-a-Beziehungen, während alle anderweitigen Relationen als OWL-Properties derbeigeordneten Instanzen (Individuen) realisiert werden.

6.4 Ein ontologiebasiertes Lernmittelangebot auf der Basis von Lehrplänen undLernzielen - Machbarkeit und prototypische Umsetzung956.4 Ein ontologiebasiertes Lernmittelangebot auf der Basisvon Lehrplänen und Lernzielen - Machbarkeit undprototypische UmsetzungRegine Bracht beschäftigt sich in ihrer schriftlichen Hausarbeit mit der Frage, inwieweitdie Wissensdomänen von Lehrplänen und Lernzielen durch Ontologien abgebildetwerden können, um Lernmaterialien sinnvoll mit Hilfe von Metadaten zu organisieren.Dabei steht die Frage der Machbarkeit einer prototypischen Schnittstelle im Raum,welche auf die Ontologie als Wissensbasis zugreift und die Pflege von Lernmaterialienund Metadaten erlaubt ([Bra06], S. 2).Die Autorin ermittelt zunächst in einer Art kompaktem Pflichtenheft funktionaleund nichtfunktionale Anforderungen (Kap. 2), denen das zu entwickelnde Systemgenügen muss.Das Kapitel 3 beginnt mit der Vorstellung des allgemeinen Aufbaus bayerischerLehrpläne (S. 7ff.). Die Autorin identifiziert in einer ersten Näherung einige Beziehungen,die sich unmittelbar aus der hierarchischen Struktur der Lehrpläne ergeben.Es folgt eine kurze Einführung in die von Staller entwickelten Lernziel-Ontologien.Bracht bezieht sich auf bestehende Standards für Metadaten und erläutert derenUnzulänglichkeit aus didaktischer Sicht (S. 13ff.). Angesichts der Unbrauchbarkeit vonLOM für ihre Belange entwickelt sie einen systemeigenen Metadatenkatalog (S. 15f.).Die Autorin gibt zu bedenken, dass zum Zeitpunkt der Entwicklung keine konkretenAnwendungsfälle für die Nutzung der Web-Anwendung vorlagen und entwirft aufBasis des zuvor aufgestellten Anforderungskatalogs (Kap. 2) einige exemplarischeNutzungsszenarien (S. 16ff.). Im Zuge dessen werden die funktionalen Anforderungenan das System konkretisiert. Zusätzlich betont Bracht die Bedeutung der eingangs motiviertennichtfunktionalen Anforderungen, die man mit dem Dilemma ”Komplexitätvs. Produktakzeptanz“ (S. 23) übertiteln könnte.Mit Blick auf das zu konzipierende LCMS bettet Bracht ihre Überlegungen in einenvergleichsweise umfangreichen Kontext ein. Im Rahmen ihrer Analyse begründet siedie Notwendigkeit, die Konzepte Schulart, Ausbildungsrichtung, Fach, Jahrgangsstufe,Lehrplan (und -status) sowie Themenbereich als Ontologien abzubilden. Diefunktionale Analyse ergibt, dass diese Konzepte miteinander zahlreiche Beziehungeneingehen. Das Kapitel schließt mit der Zusammenfassung der Analyseergebnisse sowiederen Konsequenzen für Metadaten, Ontologien und die Funktionalität der TOCLogicAPI (S. 25ff.). Letztere bildet die Schnittstelle, um von Seiten des LCMS Daten ausder Wissensbasis zu gewinnen und diese zu modifizieren bzw. zu ergänzen.Nach einem Kapitel zu technischen Grundlagen von OWL erfolgen Entwurf undprototypische Realisierung des Systems. Dabei geht die Autorin ausführlich auf dieKomponenten des TOCLogic-Systems ein, welches den Einstiegspunkt für die Web-

96 6 Didaktische OntologienAnwendung bildet. Schematische Darstellungen veranschaulichen das Zusammenspielder OWL-Klassen (einschließlich der von Staller übernommenen Ontologien zurKlassifikation der Lernziele) sowie die Importstruktur der Ontologien.Die OWL-Property has objective verknüpft einen konkreten Themenbereich T 1(Instanz des Konzepts Themenbereich) mit einem Lernziel L 1 (Instanz des KonzeptsObjective), während has knowledge dem Lernziel L 1 Inhalte (als Instanzen desKonzepts Konzept) zuordnet.Im Sinne einer leichten Wartbarkeit (als zentraler nichtfunktionaler Anforderung andas System) nimmt Bracht eine Stufung der Ontologien vor und unterscheidet zwischeneiner allgemeingültigen, einer schulartbezogenen und einer schulart-lehrplan-bezogenenEbene (S. 58). Der interessierte Leser sei aus Platzgründen auf Brachts Ausführungen([Bra06], S. 54ff.) und auf die konkreten Ontologien verwiesen.Die Dokumentation des Datenbankentwurfs sowie detaillierte Erklärungen zumSchnittstellendesign von TOCLogic API runden das Kapitel ab.Im vorletzten Kapitel (6) ihrer Arbeit stellt Bracht Betrachtungen an, welchePunkte bei einer Weiterentwicklung des Prototyps zum Produktivsystem zu beachtenbzw. welche Systembestandteile zu überarbeiten sind.Drei Anhänge geben Auskunft über die Spezifikation der Ontologie, über die der Wissensbasiszugrundeliegende Datenbankstruktur und über Aspekte, die bei der Wartungder Ontologien berücksichtigt werden müssen.6.5 Zusammenfassende WürdigungDie Betrachtungen zeigen, dass die Lernzieltaxonomie nach Anderson und Krathwohlbereits mehrfach in Ontologien umgesetzt wurde. Die Realisierungen von Staller undTrojan ordnen den Kategorien durchweg sowohl Klassen, als auch Individuen zu(wenngleich sich die Entwurfsentscheidungen im Detail unterscheiden), während Zwicksich dazu entschieden hat, die Hauptkategorien als Klassen und die Unterkategorienals Individuen abzubilden. Diese Wahl muss sich die Kritik gefallen lassen, dass dieunmittelbare Einordnung von Lernzielen in Hauptkategorien nicht mehr entscheidbarist. Zwick umgeht diese Einschränkung, indem sie sich bei der Referenzierung aufUnterkategorien beschränkt. In jedem Fall ist festzustellen, dass Ontologien ein probatesMittel sind, um die Taxonomie (bzw. ganz allgemein: taxonomische Strukturen)zu repräsentieren und eine Einordnung von Lernzielen (allgemein: Konzepten) inebendiese zu ermöglichen.Brachts Ontologien schlagen eine Brücke von den Lernzielen und Konzepten zumübergeordneten Kontext von Schule und Lehrplänen. Insbesondere die vorgestellteSchnittstelle zu einer prototypischen E-Learning-Umgebung löst die bisherigen

6.5 Zusammenfassende Würdigung 97Überlegungen aus ihrem Inseldasein und liefert einen eindrucksvollen Beweis für dieDaseinsberechtigung und den Praxisbezug der Ontologie-Entwürfe im didaktischenKontext.Alle Ansätze haben die die Tatsache gemein, dass der Kompetenzbegriff bisher nochkeine Berücksichtigung gefunden hat. Dies steht in Widerspruch zu der zunehmendenEntwicklung und Etablierung von Bildungsstandards, denen Lehrende verpflichtetsind. Dabei ist noch zu klären, ob das Verhältnis zwischen Lernzielen und Kompetenzenüberhaupt in ausreichendem Maße ”dingfest“ zu machen ist, um formaleZusammenhänge festzuschreiben, die zugleich allgemeingültig sind.Ohne die Bedeutung und die Praktikabilität der Lernzieltaxonomie nach Andersonet al. in Frage zu stellen oder auch nur schmälern zu wollen, muss man fachspezifischenAnsätzen (wie der Matrix-Taxonomie nach Fuller et al.) zugestehen, dass sie z. T.wichtige Gesichtspunkte aufgreifen, die sich aus fachlogischen Eigenheiten ergeben.Freilich geht dies zu Lasten der Universalität solcher Taxonomien. Davon unabhängigwendet sich das Konzept des Semantic Web und speziell der Ontologie als Wissensstrukturstrikt gegen Aussagen der Form ”Es kann nur eine (Taxonomie) geben“sondern erhebt vielmehr prinzipiell das Gegenteil zum Postulat (vgl. z. B. [Sta06], S.1586, 3.1). Schließlich gehört gerade die Möglichkeit, in Abhängigkeit von kontextuellenund situativen Bedingungen weitere Ontologien einzubinden, zu den Stärken dieserWissensstruktur. In einem möglichen ”Wettstreit“ zwischen Klassifikationsansätzenfür Lernziele bleibt diese technische Ebene damit in eleganter Weise ausgeklammert.Im Bereich des begrifflichen Wissens haben sich die Autoren (z. B. Zwick) bisherin erster Linie an den Strukturvorgaben der Anderson-Taxonomie orientiert bzw. daseigene Verständnis in Form einer eigenständigen Ontologie eingebracht (z. B. Staller).Auf diesem Gebiet liegen mehrere brauchbare Ansätze vor (z. B. der Vorschlag vonCassel et al.), welche insbesondere hinsichtlich der verfügbaren Relationen unterschiedlicheSchwerpunkte setzen. Was die Praxis betrifft, kann man davon ausgehen,dass es durchaus eine Existenzberechtigung für verschiedene Konzeptbegriffe gibt, dieunterschiedlich gut geeignet sind, die jeweils vorgefundene Fachlogik zu repräsentieren.Auch eine Ausdifferenzierung der Voraussetzungs-Relation wurde in den vorliegendenAnsätzen noch nicht aufgegriffen. Wie wir im entsprechenden Kapitel gesehen haben,können Abhängigkeiten zwischen Lernzielen verschiedener Natur sein. Zumindest sind(mit [Hub08]) mehrere Schweregrade zu unterscheiden. Ausgehend von didaktischenÜberlegungen darf diese Tatsache bei der Modellierung nicht ausgeblendet werden,da sie einen maßgeblichen Anteil an der Antwort auf die Frage hat, welche Lernpfadenicht nur möglich, sondern im Idealfall optimal für den Kompetenzerwerb sind.Allein von daher verbietet es sich also, von Voraussetzungen nur unter Bezug auf(vergleichsweise umfassende und ”unscharfe“) Konzepte zu sprechen. Während desUmgangs mit Konzepten in Lernprozessen können mehr oder weniger schwerwiegendeVoraussetzungen mit unterschiedlicher Wirkrichtung bestehen. Deshalb folge ich

98 6 Didaktische OntologienStaller ([Sta06], S. 1588) und differenziere mit dem Ziel maximaler Präzision striktzwischen Konzepten und deren Unterkonzepten auf der einen sowie Abhängigkeitenzwischen Lernzielen auf der anderen Seite.Zusammengenommen ergeben sich vier Aspekte, die Berücksichtigung finden sollten:• Die Abbildung fachspezifischer Lernzieltaxonomien in OWL, um eine Klassifikationvon Lernzielen in unterschiedlicher Hinsicht vornehmen zu können;• eine Integration des Kompetenzbegriffs, die dessen natürlichem Verhältnis zuLernzielen Rechnung trägt;• die Möglichkeit, alternative Zugänge zum Konzeptbegriff zu nutzen;• die Ausdifferenzierung der Voraussetzungs-Relation zwischen Lernzielen.

6.5 Zusammenfassende Würdigung 991cog:Prozeßcog:Anwenden cog:Bewerten cog:Erinnern cog:Erschaffen cog:Untersuchen cog:VerstehenOrganisieren : cog:UntersuchenCogkno:Wissen1*-hat-Prozesskomponentekno:Faktenwissen kno:Begriffliches_Wissen kno:Prozedurales_Wissen-hat-Wissenskomponente*Lernzielkno:Klassifikationen_und_Kategorien-hat-Voraussetzung **Voraussetzung*-hat-direkte-Voraussetzungkno:Prinzipien_und_Verallgemeinerungenkno:Algorithmus*Taxkno:Normalform-basiert-auf **kno:CYK_Algorithmus : kno:Algorithmuskno:Chomsky_Normalform : kno:NormalformKnoAbbildung 6.2: Schematische Darstellung der Zusammenhänge zwischen den Ontologienbei Zwick

100 6 Didaktische Ontologienlernziel_ontologie.owlfachontologie_exemplarisch.owlkognitive_prozesse_ontologie.owllernziel_ontologie_exemplarisch.owlwissens_ontologie.owlAimportiertBAbbildung 6.3: Importbeziehungen bei Trojan (nach [Tro06], S. 85)

1017 Lehrplanstudie im Bereich OOM/OOP7.1 AufbauNachfolgend werde ich den Lehrplan der 10. Jahrgangsstufe für dasnaturwissenschaftlich-technologische Gymnasium (NTG, vgl. Anhang) vorstellenund dabei wichtige Eckpfeiler des darin verankerten Grundkonzepts zu OOM/OOPexplizieren.Um bei der Setzung entsprechender Akzente differenziert argumentieren zu können,wurden dazu die einschlägigen in Bayern zugelassenen Lernmittel herangezogen. Essind dies:• Hubwieser, Spohrer, Steinert, Voß: Informatik III (Klett) - [HSS + 08]• Brichzin, Freiberger, Reinold, Wiedemann: Informatik II (Oldenbourg) -[BFRW08]• Ehmann, Fiedler, Forman, Friedrich et al.: Informatik Bayern 10 - Gymnasium(Duden Paetec) - [EFF + 08]Darüber hinaus wurden einige Aspekte berücksichtigt, auf die Scheungrab et al. inder aktuellen ISB-Handreichung ([S + 08]) Bezug nehmen. Ein eigener Abschnitt gehtauf das ”Didaktische Dilemma“ ([Hub07]) ein, welches sich im Informatikunterrichtder Jahrgangsstufe 10 in starkem Maße manifestiert.Gegen Ende des Kapitels analysiere ich eine beispielhaften Aufgabenstellung undleite dabei Lernziele ab.Zuerst widme ich mich jedoch dem Verhältnis, welches Kompetenzen und Lernzieleim Lichte unterrichtlicher Praxis miteinander eingehen. Stein des Anstoßes ist dabei dieFrage, ob sich Lernziele systematisch aus Kompetenzen ergeben. Ausgangspunkt undwissenschaftlichen Halt bildet dabei das Kompetenzverständnis Franz E. Weinerts.7.2 Zur Deduzierbarkeit von Lernzielen aus Kompetenzen7.2.1 BegriffsklärungUnter Deduktion (von lat. deducere: herabführen) versteht man in Philosophie undLogik eine Schlussfolgerungsweise vom Allgemeinen hin zum Besonderen, die auf Basis

102 7 Lehrplanstudie im Bereich OOM/OOPgegebener Prämissen auf rein logischem Wege notwendig folgende Schlüsse aus einerallgemeinen Theorie ableitet 1 .Im didaktischen Kontext stellt sich die Frage, ob - und falls ja: auf welche allgemeinbeschreibbare Art und Weise - sich Lernziele aus Kompetenzen deduzieren lassen.Im Vorgriff auf meine weiteren Ausführungen sei dabei angemerkt, dass sich inWirkrichtung einer jeden Deduktion (top-down) immer nur eine Teilmenge derjenigenSchlüsse ziehen lässt, die theoretisch möglich und wahr (!) sind. Mit anderen Wortenergibt jede Deduktion, die auf einer endlichen Menge von Eingangsprämissen basiert,nur ein vergleichsweise überschaubares Bündel an Schlüssen (vgl. die Open WorldAssumption in OWL).Insbesondere korreliert die Fruchtbarkeit einer Deduktion mit der Anzahl und vorallem mit der Qualität ihrer Prämissen. Neben den Annahmen, die ich nun durchExplizierung des Kompetenzbegriffs von Weinert entwickeln werde, ergeben sich ausdidaktischer wie fachdidaktischer Sicht sicherlich noch viele weitere Voraussetzungen,auf die der jeweilige Wissensbereich, die Disposition der an Lernprozessen Beteiligten,schlichtweg der gesamte Kontext Einfluss nehmen.7.2.2 Formulierung von Prämissen am Kompetenzbegriff WeinertsHalten wir uns noch einmal die Begriffsbestimmung nach Weinert vor Augen ([Wei01],S. 27f.):Kompetenzen sind die bei Individuen verfügbaren oder durch sie erlernbaren kognitivenFähigkeiten und Fertigkeiten, um bestimmte Probleme zu lösen, sowie die damit”verbundenen motivationalen, volitionalen und sozialen Bereitschaften und Fähigkeiten,um die Problemlösungen in variablen Situationen erfolgreich und verantwortungsvollnutzen zu können.“ 2 ,welche ich nun detaillierter auslegen werde. Neben dem Ziel eines tieferenVerständnisses sollen dabei einige Prämissen entwickelt werden, die bei der Formulierungvon Lernzielen wegweisend (wie sich herausstellen wird, wäre richtungsweisendtreffender) sein können.• Insoweit Kompetenzen für kognitive Fähigkeiten und Fertigkeiten stehen,können/müssen diese sukzessive erlernt werden. Soweit wir die Bedeutung vonLernzielen für Lernprozesse ausgeführt haben, ist damit das Verhältnis von Kompetenzenzu Lernzielen legitimiert.Die Herausbildung von Kompetenzen erfordert also die breite Einbettung möglichstvieler der nachfolgenden Forderungen in konkrete Lernziele. Insofern ist diese erste1 vgl. http://de.wikipedia.org/wiki/Deduktion2 Hervorhebungen durch den Autor

7.2 Zur Deduzierbarkeit von Lernzielen aus Kompetenzen 103Prämisse eher auf Metaebene anzusiedeln. Bereits hier sei aber besonders die Individualitätdes Lernens betont. Bei der Formulierung von Lernzielen darf und kann essich niemals um eine diktierte, mechanische Tranchierung einer Kompetenz handeln.Dieser Umstand verweist sicher einige vermeintlich erfolgreiche Unternehmungen zur(gänzlichen) Automatisierung dieses Prozesses in ihre Schranken (siehe zur Deduzierbarkeitvon Lernzielen). Eine weitere Folgerung bezieht sich auf didaktische Freiräume,die in Lernzielen stets zu berücksichtigen sind.• Die erlernten kognitiven Fähigkeiten und Fertigkeiten dienen der Problemlösung.In erster Näherung manifestiert sich hier der Anwendungsbezug.Die Lerner erkennen mit der Zeit die unterschiedliche Komplexität von Problemenund können diese zunehmend selbst einschätzen. Bei der Formulierung von Lernzielensollte über den Schwierigkeitsgrad der jeweiligen Aufgabenstellung reflektiert werden(dies kann z. B. durch Einordnung in die Anderson-Taxonomie erfolgen).• Weinert stellt auf Adaptions- und Transferfähigkeiten ab ( ”in variablen Situationen“)und will Problemlösung stets auf eine ganze Klasse von Problemenbezogen wissen. Reflektiert man über die Komplexität der dazu nötigen geistigenProzesse, so ergibt sich m. E. unmittelbar eine gewisse metakognitive Prägungdieses Kompetenzverständnisses 3 .Lernziele sollten daher nach Möglichkeit nicht auf einen spezifischen Anwendungsfallfokussieren. Zur Förderung von Adaptions- und Transferfähigkeiten sind jeweilsentsprechende themenbezogene Überlegungen bei der Formulierung von Lernzieleneinzubeziehen.• Der Problemkomplex, den Schüler zu lösen in der Lage sein sollen, muss einenkonkreten Bezug zu deren Alltag aufweisen, wozu Weinert implizit mahnt( ”Problemlösungen [...] nutzen zu können“). Klafki forderte in diesem Zusammenhangdie Exemplarizität von Unterrichtsinhalten.Die Erkenntnis der Lerner, dass die vermittelten Fähigkeiten eine praktische Relevanzin ihrer Lebenswelt haben, zeichnet wesentlich für die Motivation der Lerner verantwortlichund stellt damit auch Forderungen an Lernziele (die jedoch keine expliziteMöglichkeit haben, Einfluss auf motivationale Dispositionen zu nehmen).• Auf das Wort ”erfolgreich“ möchte ich nur insoweit eingehen, als Weinert damitin meinen Augen das Ziel einer hohen Reliabilität im Sinne eines verlässlichen 4Rückgriffs auf die jeweilige Kompetenz betont wissen möchte.Für Lernziele ergeben sich daraus drei Konsequenzen: Zum einen ist im Operationalisierungsprozessdarauf zu achten, dass der Entwicklungsstand der Lerner zuverlässigfeststellbar ist. Zum zweiten steckt in Weinerts Forderung implizit ein Appell an die3 an dieser Stelle sind wir wieder an der zunehmend geringeren Absehbarkeit zukünftiger Herausforderungen,auch und gerade in der Informatik.4 Man denke an die Souveränitätsforderung in: Der Mitarbeiter ist in der Lage, Störfällen des AtomreaktorsA problemadäquat, teamorientiert und souverän zu ”begegnen.“

104 7 Lehrplanstudie im Bereich OOM/OOPSelbstständigkeit der Lerner. Diese sollen an alltagstypisch uneinheitlichen Herausforderungenvon sich aus möglichst unmittelbar erkennen, welche Handlungen jeweilsangezeigt sind. Insbesondere sollten Szenarien daher mit Augenmaß vorstrukturiertsein, um Lerner nicht ”zum Erfolg zu verdammen“, sondern ein experimentelles Klimazu schaffen (vgl. das einleitende Konfuzius-Zitat). Schließlich ist dauerhafter undwachsender Erfolg wesentlich davon geprägt, ob der Kompetenzerwerb im Licht lebenslangenLernens gesehen wird. Auch weist ”Erfolg“ inhärent auf eine Eigenleistung!• Der Kompetenzbegriff Weinerts vereint klar eine kognitive und eine affektiveKomponente (vgl. die Hervorhebungen im Zitat). Mit Baumert ist also ”Wissen[...] die Basis jeder Kompetenz“, wenngleich die affektive Dimension eine ganzwesentliche Rolle spielt.Es gibt gewisse Anzeichen, dass affektive Lernziele zumindest teilweise operationalisierbarsind. Ihre Bedeutung für den Kompetenzerwerb ist jedenfalls unumstritten.Beim (in der Praxis naheliegenden) Versuch, die Operationalisierung von Lernzielenzu einer conditio sine qua non zu erheben, sollte man es aber mit Hilbert Meyerhalten:Ziele, die sich auf die Kreativität und Selbstbestimmung der Schülerinnen und”Schüler beziehen, sollten sicherlich nicht operationalisiert werden.“• Nachdem es schwerlich möglich ist, die Ausbildung motivationaler, volitionalerund sozialer Bereitschaft unmittelbar zu fördern, müssen auf eine Kompetenzweisende Lernziele geeignete Gesichtspunkte einbeziehen, ohne aber dastatsächliche Erreichen jener Dispositionen im Sinne einer Operationalisierungmessen zu können. Hier fließen m. E. situative Aspekte und die Konsequenzen ausden ”Grenzen der Messbarkeit“ in hohem Maße ein, was ich im Übrigen für einezentrale Ursache der Deduktionsproblematik halte (weiterführend zur Bedeutungund Entwicklung von Motivation und Volition sei auf [HO02] verwiesen).Für (operationalisierte) Lernziele lässt sich hier - leider - keine unmittelbare Prämisseangeben. Wie bei der Explikation der anderen Bestimmungsstücke ausgeführt, solltenbei der Formulierung Akzente betont werden, welche die Motivation der Lernerpositiv beeinflussen und herausfordern könnten. Die Tendenz zu Selbsttätigkeit isthierfür eine Grundvoraussetzung. Letztlich ist hier aber primär der Gestaltungsspielraumvon Lehrkräften ”vor Ort“ gefragt, um Lernziele didaktisch reflektiert umzusetzen.(Schließlich sind ”Hinweise“ zur Umsetzung wie Sozialformen etc. in Lernzielentabu.)• Ähnlich verhält es sich mit Weinerts Forderung nach Anleitung zu verantwortungsvollerNutzung von Problemlösungen, welche klar nach einer Einbettungethischer, moralischer, ökologischer und ökonomischer Anschauungen verlangt.Nicht nur im Hinblick auf die bereits angesprochene Praxisorientierung können unddürfen Lernziele nicht an Fachgrenzen halt machen 5 . Das Bewusstsein und die Bereit-5 Die Querverweise im Lehrplan unterstreichen dies.

7.2 Zur Deduzierbarkeit von Lernzielen aus Kompetenzen 105schaft, Verantwortung zu übernehmen, setzt in besonderem Maße persönliche Einsichtbei jedem einzelnen Lerner voraus. Im Rahmen von Lernzielen sollten entsprechendeSachverhalte den Schülern daher möglichst multiperspektivisch zugänglich gemachtwerden. Auch ist dieses Postulat ein klares Plädoyer für die Bedeutung affektiver Lernziele.Ernst gemeinte Verantwortung lebt in hohem Maß von motivationalen Aspekten,aber auch von Transferleistungen.• Das Kompetenzverständnis Weinerts als Einheit ist klar handlungs- und anwendungsorientiert(Problemlösung, Nutzung, variable Situationen).Bei der Formulierung von Lernzielen sollte darauf geachtet werden, dass die jeweiligeAussage einen möglichst großen Zeitanteil für eigene und selbstständige Tätigkeit derLerner vorsieht. Eine Kompetenz nach Weinert vereint m. E. kognitive, affektive undpsychomotorische Lernziele auf sich.7.2.3 Die DeduktionsproblematikNatürlich erheben die oben durch Explizierung des Kompetenzbegriffs von Weinertentwickelten Prämissen keinen Anspruch auf Vollständigkeit, sollten aber Konsequenzenaus den wesentlichen Bestimmungsstücke seiner Definition darstellen.Wie Jank und Meyer ([JM02]) zu bedenken geben, erfordert der Prozess der Aufspaltungvon Kompetenzen in Lernziele stets Entscheidungen, die von der Lehrkraftim Rahmen ihrer didaktischen Analyse unter Berücksichtigung ganz unterschiedlicherFaktoren zu treffen sind. Daher ist es m. E. nicht möglich, ein universelles deterministischesVerfahren zur Deduktion von Lernzielen aus Kompetenzen anzugeben.In der Konsequenz ist empirisch also nicht zu erwarten, dass mehrere Lehrkräftebei Bearbeitung einer entsprechenden Aufgabe qualitativ wie quantitativ die selbenLernziele identifizieren werden.Es ist zwar nicht so, dass damit Ziele formuliert würden, ”zu deren Erreichen unterrichtlicheMaßnahmen und Schritte nicht erkennbar sind“ 6 , aber ein Einbezug vonFragen der Motivationsförderung, geeigneter Sozialformen oder anderer unterrichtsmethodischerÜberlegungen obliegt Lehrkräften in ihrer didaktischen Verantwortung undmuss bei der Formulierung von Lernzielen aus zwei Gründen ausgespart bleiben:• Erstens würden dadurch unterrichtliche Abläufe in unzulässigem Maß zementiert;• zweitens sind die genannten Erwartungen in aller Regel nicht operationalisierbar.Man könnte auch sagen, dass die Verfeinerung und Präzisierung von Bildungsaussagenkeinem allgemeingültigen Gesetz folgt.Aus diesen Gründen kann und soll hier kein ”Universalrezept“ zur Ableitung vonLernzielen aus Kompetenzen präsentiert werden. Statt dessen schlage ich für dieses6 http://www.nibis.de/~sts-ler/erdmann/u-intentionen-v4.pdf

106 7 Lehrplanstudie im Bereich OOM/OOPUnterfangen nun eine Anleitung vor, die in Ermangelung eines deterministischen Algorithmuseher den Charakter einer Wünschelrute bzw. eines Fangnetzes aufweist.7.2.4 Leitfaden für die Formulierung von LernzielenIch gliedere meinen Anleitungsvorschlag in zwei Teile: Ausgehend von der konkretenFormulierung einer Kompetenz sollen zunächst anhand von acht Leitfragen Lernzielezusammengestellt werden. Diese wiederum müssen später - quasi unter Rückbesinnungauf die Kompetenz - einer A-posteriori-Überprüfung anhand weiterer sieben Fragenstandhalten.A-priori-Leitfragen (Kompetenz ⊲ Lernziel)1. Welche Inhalts- und welche Verhaltenskomponenten lassen sich extrahieren?2. Wie kann und muss an bestehendes Vorwissen angeknüpft werden?3. Welche konstruktiven Aspekte mit dem Ziel selbsttätiger Erschließung lässt dieFormulierung der Kompetenz erkennen?4. Welche Zusammenhänge bestehen zu ”benachbarten“ Kompetenzen (auchfachübergreifend)?5. Welche Anknüpfungspunkte an die Erlebenswelt der Lerner bieten sich an?6. An welchen Punkten kommt eine multiperspektivische Herangehensweise in Betracht?7. Welche Adaptions- und Transferfähigkeiten sind in der Kompetenz verankert?8. Wie verhält es sich mit der (wachsenden) Komplexität der einzelnen Lernziele?Hilfestellung: Einordnung in eine klassische TaxonomieA-posteriori-Leitfragen (Kompetenz ⊳ Lernziel)1. Trägt das Lernziel tatsächlich dazu bei, die in der übergeordneten Kompetenzbeschriebenen Fähigkeiten und Fertigkeiten zu fördern bzw. zu festigen ( ”Existenzberechtigung“)?2. Welchen Anteil selbstständiger Arbeit erlaubt das Lernziel (Grad der Vorstrukturierung)?3. Vereint die Summe der Lernziele kognitive, affektive und psychomotorischeAspekte in einem der Kompetenz angemessenen Verhältnis?4. Lässt die Formulierung des Lernziels ausreichende didaktische Freiräume zurBerücksichtigung situativer Bedingungen oder wurde ein ”Unterrichtsdrehbuch“geschaffen?

7.3 Informatikunterricht in der 10. Jahrgangsstufe des NTG 1075. In welcher Form kann das Erreichen des Lernziels festgestellt (gemessen) werden?(Operationalisierung)6. Welchen Beitrag leistet das Lernziel zur Förderung von Adaptions- und Transferfähigkeiten?7. Welche Abhängigkeiten zwischen Lernzielen liegen vor (qualitativ/quantitativ)?7.3 Informatikunterricht in der 10. Jahrgangsstufe des NTG7.3.1 LehrplanaufbauDer Lehrplan gliedert sich folgendermaßen ([isb08]):• Inf 10.1: Objekte und Abläufe– 10.1.1: Zusammenfassung und Festigung der bisher erlernten objektorientiertenKonzepte (ca. 4 Std.)– 10.1.2: Zustände von Objekten und algorithmische Beschreibung vonAbläufen (ca 22 Std.)– 10.1.3: Beziehungen zwischen Objekten (ca. 10 Std.)• Inf 10.2: Generalisierung und Spezialisierung (ca. 10 Std.)• Inf 10.3: Komplexeres Anwendungsbeispiel (ca. 10 Std.)Bei der Entwicklung und Ausarbeitung der Lernzielsammlung war die sorgfältigeElaboration des Lehrplans von großem Nutzen.Schon Anzahl und Qualität der Fähigkeiten und Fertigkeiten, an die der Unterrichtsstoffder Jahrgangsstufe 10 anknüpft, lassen vermuten, dass der Lernerfolgmaßgeblich von der konsequenten Fortentwicklung und Vertiefung von Konzeptenabhängt, mit denen sich die Schüler in den vorangegangenen Jahren vertraut machten.Wie ich in Kapitel 3 bereits begründet habe, möchte ich die in der GI-Expertise([P + 08]) genannten Untergliederungen nicht als Kompetenzen bezeichnen, da sichAussagen wieSchüler erkennen hierarchische Anordnungen.“ (a.a.O., S. 20)”nicht mit dem Kompetenzverständnis Weinerts verbinden lassen. Da dieTätigkeitsbeschreibungen der GI die unterrichtlichen Ziele aber recht treffend benennen,führe ich sie dennoch jeweils auf, bezeichne sie dabei aber etwas unverfänglicherals Aktivitäten.

108 7 Lehrplanstudie im Bereich OOM/OOP7.3.2 Grundwissen aus NuT und 9. JahrgangsstufeSoweit es für die in Jahrgangsstufe 10 behandelten Konzepte eine Rolle spielt, soll hierüberblicksartig dargestellt werden, welches Vorwissen die Schüler aus dem bisherigenInformatikunterricht mitbringen.Auch die Aussagen zum Vorwissen sind der GI-Expertise entlehnt, worin ihnen derStatus einer ”Kompetenz“ zugeschrieben wird. In Klammern ist jeweils der Bezug zumGymnasiallehrplan angegeben.Vorwissen. Die Schüler• kennen die Begriffe Klasse, Objekt, Attribut sowie Attributwert und verwenden siein Anwendungssituationen (NT 6.2.2);• kennen Änderungsmöglichkeiten für Attributwerte von Objekten in altersgemäßenAnwendungen und reflektieren, wie sie die Informationsdarstellung unterstützen(NT 6.2.3);• identifizieren Objekte in Informatiksystemen und erkennen Attribute und derenWerte (NT 6.2.3);• erstellen Diagramme und Grafiken zum Veranschaulichen einfacher Beziehungenzwischen Objekten der realen Welt (NT 6.2.3);• erkennen hierarchische Anordnungen (NT 6.2.5);• erkennen Reihenfolgen in Handlungsabläufen (NT 7.2.3);• benennen und formulieren Handlungsvorschriften aus dem Alltag (NT 7.2.3);• lesen und verstehen Handlungsvorschriften für das Arbeiten mit Informatiksystemen(NT 7.2.3);• interpretieren Handlungsvorschriften korrekt und führen sie schrittweise aus (NT7.2.3);• überführen umgangssprachlich gegebene Handlungsvorschriften in formale Darstellungenwie Struktogramme (NT 7.2.3);• entwerfen Handlungsvorschriften als Text oder mit formalen Darstellungsformen(NT 7.2.3);• können einfache, automatisierbare Vorgänge algorithmisch beschreiben (NT7.2.3);• benutzen die algorithmischen Grundbausteine zur Darstellung von Handlungsvorschriften(NT 7.2.3);• entwerfen und testen einfache Algorithmen (NT 7.2.3);

7.3 Informatikunterricht in der 10. Jahrgangsstufe des NTG 109• sind zu einer funktionalen Betrachtungsweise informationsverarbeitender Prozessefähig (Inf 9.1);• strukturieren Beispiele ihrer Erfahrungswelt mit Hilfe von Klassen und derenBeziehungen (Inf 9.2.1);• realisieren Objekte, Klassen und deren Beziehungen in einem relationalen Datenbanksystem(Inf 9.2.1);• stellen Beziehungen zwischen Klassen grafisch dar (Inf 9.2.1).7.3.3 Objekte und AbläufeZusammenfassung und Festigung der bisher erlernten objektorientierten KonzepteDie Begriffe Objekt, Klasse, Attribut und Methode sind den Schülern bereits bekanntund werden anhand einfacher Beispiele aus der Alltagswelt wiederholt.Den Schülern soll dabei die Vorstellung nahegebracht werden, dass es sich beiObjekten in erster Linie um eine Kombination von Attributen und Methoden handelt.Besonderes Augenmerk liegt auf einer sorgfältigen Einführung verschiedenerDarstellungsmöglichkeiten. Die Repräsentation von Klassen erfolgt mit Hilfe vonKlassenkarten, während die statischen Beziehungen zwischen Klassen anhand entsprechenderObjekt- und Klassendiagramme veranschaulicht werden. Hierbei spielt dieAnknüpfung an Vorkenntnisse über funktionale Modellierung und Datenmodellierung(Jgst. 9) eine zentrale Rolle. Scheungrab et al. ([S + 08]) stellen beispielhaft einKlassendiagramm vor, welches 1:1 einem relationalen Datenbankmodell entspricht.Zwar erfolgt der Rückgriff auf bereits Bekanntes, doch stehen diese Konzepte inden Jahrgangsstufen 9 und 10 in erweiterter Beziehung zueinander: Während mansich bisher lediglich für die Eigenschaften von Objekten (nämlich deren Attribute)interessierte, liegt das Augenmerk nun auf ihrem Verhalten.Werkzeuge wie BlueJ 7 ermöglichen es den Schülern, sich ohne Kenntnisse einerobjektorientierten Sprache die entsprechenden Zusammenhänge intuitiv zu erschließen.Aktivitäten. Die Schüler• stellen Information in unterschiedlicher Form dar;• beurteilen Vor- und Nachteile verschiedener Informationsdarstellungen;• wählen eine Darstellungform auf der Basis allgemein akzeptierter und zweckdienlicherKriterien aus.7 http://www.bluej.org/

110 7 Lehrplanstudie im Bereich OOM/OOPZustände von Objekten und algorithmische Beschreibung von AbläufenMit einer Stundenvorgabe von etwa 22 Unterrichtsstunden nimmt dieser Teil dengrößten Raum ein. Dies liegt vor allem in seinem integrativen Charakter und in derBedeutung für den weiteren Kompetenzaufbau bei den Schülern begründet. Außerdemkommt hier das im nächsten Abschnitt beschriebene didaktische Dilemma zumTragen und verlangt nach einer nichtsequentiellen, sondern vielmehr spiralförmigenBehandlung der einzelnen Konzepte (vgl. [Hub08], [S + 08]).Für die Schüler stellen sich Objekte nun erstmals als dynamische Strukturen dar.Wesentliche Neuerung ist die Einführung des Variablenkonzepts: Objekte befinden sichwährend ihres Lebenszyklus stets in genau einem Zustand, welcher durch die Werteihrer Attribute eindeutig bestimmt ist. Durch Wertzuweisung wird der unmittelbareÜbergang in einen anderen Zustand ausgelöst.Dabei ist es ein ausdrückliches Anliegen des Lehrplans, dass Schüler in der Lagesind, klar zwischen den Zuständen des realen Objekts und denen des Simulations- oderProgrammobjekts zu differenzieren ([isb08], vgl. auch nachfolgende Aufgaben).Diese Abläufe lassen sich mit Hilfe von Zustandsdiagrammen oder Zustandsübergangstabellenveranschaulichen, die wiederum jeweils stellvertretendfür einen Zustandsautomaten stehen.Im Rahmen der Behandlung einfacher und zusammengesetzter Datentypen soll derTyp Feld (array) als Möglichkeit, gleichartige Objekte bzw. Variablen zu gruppieren,ausdrücklich hervorgehoben werden. Zugleich stellen Felder eine erste Möglichkeit dar,Objektbeziehungen der Multiplizität 1:n zu modellieren.Objekte unterliegen einem Lebenszyklus, der mit der Instantiierung durch denKonstruktoraufruf der Klasse beginnt. Die innerhalb des Konstruktors (als speziellerMethode) befindlichen Anweisungen dienen der Initialisierung des Objekts. Entsprechendkann durch Destruktion der von Objekten benötigte Speicherplatz wiederfreigegeben werden.Der Begriff des Algorithmus und seine Strukturelemente (Anweisung, Sequenz,bedingte Anweisung, Wiederholung) wurden im Anfangsunterricht (NT 7.2.3) eingeführtund werden nun wiederaufgenommen und präzisiert. Dies kann beispielsweiseim Zusammenhang mit dem Zugriff auf die Elemente des Typs Feld geschehen.Insbesondere kommen die Schüler erneut mit Struktogrammen als übersichtlicherDarstellungsmöglichkeit für Algorithmen in Berührung und erkennen, dass sichAlgorithmen auch unter funktionalen Gesichtspunkten (Eingabe - Verarbeitung -Ausgabe) interpretieren lassen. Zur Wiederholung der Kontrollstrukturen empfiehltsich die Nutzung eines programmierbaren Robotersystems wie Robot Karol.Auf Basis konkreter Aufgabenstellungen vertiefen die Schüler die Zusammenhänge

7.3 Informatikunterricht in der 10. Jahrgangsstufe des NTG 111zwischen Zustandsmodellen, Algorithmen und ihren Entsprechungen in Form objektorientierterProgramme. Als Werkzeug kommt ein programmierbares Grafiksystem(PGS, z. B. EOS oder JGraphik) zum Einsatz.Aktivitäten. Die Schüler• interpretieren einfache Zustandsdiagramme;• analysieren Automaten und modellieren sie zustandsorientiert;• verwenden Variablen und Wertzuweisungen zur Modellierung von Zustandsübergängen;• sind in der Lage, einfache Zustandsübergangsdiagramme in objektorientierte Programmeumzusetzen;• entwerfen, implementieren und beurteilen Algorithmen;• lesen formale Darstellungen von Algorithmen und setzen sie in Programme um;• erläutern den Zusammenhang zwischen Automaten und Sprachen.Beziehungen zwischen ObjektenBisher fand eine Art Kommunikation lediglich zwischen dem Schüler und einemBeispielobjekt statt (vgl. Sequenzdiagramme, in denen nicht nur die beteiligtenObjekte, sondern ganz links auch der ”Akteur“ selbst dargestellt wird).Die Schüler sollen nun die Einsicht erhalten, dass das Funktionieren komplexer Systemeganz wesentlich von der Kommunikation seiner Objekte untereinander geprägtist, die weiterhin über Methodenaufrufe realisiert wird. Scheungrab et al. ([S + 08])weisen in diesem Zusammenhang auf zwei sinnvolle Varianten der Nomenklaturvon Methoden (Imperativ/Infinitiv) hin, die ihren Botschafts- bzw. Dienstcharakterhervorheben.Die Versinnbildlichung der Kommunikation zwischen Objekten erfolgt mit Hilfevon Interaktionsdiagrammen (die wiederum für eine ganze Reihe von Darstellungsmöglichkeitenstehen, z. B. die Visualisierung wechselseitiger Methodenaufrufe ineinem Sequenzdiagramm). Hierbei rückt nun die Zeitachse explizit ins Blickfeld.In diesem Zusammenhang wird das Konzept der Datenkapselung eingeführt und dieSchüler lernen das Schnittstellenkonzept kennen, welches neben Sicherheitsaspekteneine wichtige Rolle für die Modularisierung größerer Programme und damit für eineeffiziente Arbeit im Team (vgl. Inf 10.3) spielt.Verbunden mit der Definition von Schnittstellen ist die Notwendigkeit, sich Gedankenüber Ein- und Ausgangsparameter und Rückgabewerte zu machen. Diesen

112 7 Lehrplanstudie im Bereich OOM/OOPfunktionalen Aspekt kennen die Schüler bereits von den in Jgst. 9 behandeltenDatenflüssen. In der Beschäftigung mit entsprechenden Problemstellungen entwickelndie Schüler einen kritischen Blick für Seiteneffekte von Methoden und für Gefahren,die sich aus dem Einsatz globaler Variablen ergeben.Anhand einfacher Beispiele (wie z. B. der Repräsentation einer Ampel) erkennendie Schüler, dass Objekte häufig Objekte anderer Klassen enthalten. Die technischeEntsprechung dieser Enthält-Beziehung (Aggregation) bilden die Referenzen. 8Beziehungen zwischen Objekten werden allgemein auch als Assoziationen bezeichnetund können verschiedener Art sein: So weisen sie stets eine bestimmte Nutzungsrichtungund Multiplizität auf. An dieser Stelle verfügen die Schüler bereits über wertvolleVorkenntnisse aus dem Bereich der Datenmodellierung (vgl. 7. Jahrgangsstufe, E/R-Diagramm).Aktivitäten. Die Schüler• können statische und dynamische Beziehungen zwischen Objekten grafisch darstellen(Interaktionsdiagramm);• definieren sinnvolle Schnittstellen zwischen Programmkomponenten;• wenden das Paradigma der Datenkapselung an;• können die Enthält-Beziehung im Sinne der Referenzsemantik implementieren;• nutzen Methodenaufrufe für die Kommunikation zwischen Objekten.7.3.4 Generalisierung und SpezialisierungDas Denken (und die Einordnung von Wissen) in hierarchischen Strukturen ist einCharakteristikum für die Arbeitsweise des menschlichen Gehirns (vgl. zur Entwicklungdes logischen Denkens und zur Klasseninklusion (!) Goswami, [Gos01], Kap. 7; zuTaxonomisierung und Kategorisierung z. B. Sodian, [Sod02]). Die Praxis hält vieleAnwendungsbeispiele bereit, um das Prinzip der Vererbung (is-a-Beziehung) alsRealisierung hierarchischer Klassenstrukturen zu veranschaulichen.Vergleichbar mit den Möglichkeiten der DNS-Forschung (jedoch mit ausnahmsloshehren Zielen und ethischer Unbedenklichkeit) beginnen die Schüler, ererbte Methodenzu modifizieren und damit zu überschreiben. Durch Inferenz bzw. Überschreibung” höherer“ Methoden gelangen die Schüler zum Phänomen des Polymorphismus9 .8 Dabei ist es absolut fundamental, dass die Schüler die Referenzsemantik verstehen: Wenngleich dasreale Ampelobjekt zwei (oder drei) Lampen (räumlich) enthält, referenziert das ProgrammobjektAMPEL lediglich mehrere Instanzen der Klasse LAMPE. Im Sinne von [S + 08] kann man folgerichtigvon einer has-a-Beziehung sprechen.9 griechisch für ”Vielgestaltigkeit“

7.3 Informatikunterricht in der 10. Jahrgangsstufe des NTG 113Neben dem Überschreiben von Methoden ist die Erweiterung von Oberklassen (inJava durch extends) die klassische Vorgehensweise zur Spezialisierung.Auf umgekehrtem Weg lassen sich Gemeinsamkeiten von Klassen durch Generalisierung,also die Deklaration der gemeinsamen Abstammung von einer neu geschaffenenOberklasse abbilden (die je nach Kontext auch abstrakt sein kann).In Klassendiagrammen veranschaulichen die Schüler das Verhältnis generischerund spezifischer Klassen und erkennen, dass diese Diagramme bei Klassifizierungkomplexerer Systeme Baumstruktur annehmen.Aktivitäten. Die Schüler• können hierarchische Klassenstrukturen erkennen und durch Vererbung, Generalisierungund Spezialisierung beschreiben, darstellen und implementieren;• kennen und verwenden Strukturierungsmöglichkeiten von Daten zum Zusammenfassengleichartiger und unterschiedlicher Elemente zu einer Einheit;• entwickeln für einfache Sachverhalte objektorientierte Modelle und stellen diese mitKlassendiagrammen dar;• beeinflussen das Modellverhalten durch zielgerichtete Änderungen;• können die Bedeutung von Datenkapselung unter Sicherheitsaspekten und für dieSoftwareentwicklung im Team erläutern.7.3.5 Komplexeres AnwendungsbeispielWie schon in der vorangegangenen Jahrgangsstufe sieht der Lehrplan gegen Endedes Schuljahrs die Durchführung eines größeren Projekts vor, in dem die zuvorkennengelernten Konzepte im Rahmen einer komplexeren Aufgabenstellung integriertund gefestigt werden. Dabei kommen die den vorgestellten Konzepten innewohnendenIdeen einer konstruktiven Arbeit im Team prinzipiell sehr entgegen.Der vorgenannte Aspekt der Kommunikation zwischen Objekten überträgt sich imbesten Sinne auf die Subjekte der realen Welt: Im Sinne eines erfolgreichen ”puttingall together“ werden die Schüler zwangsläufig darauf angewiesen sein, ihr Vorgehenzu planen, konkurrierende Vorschläge zu diskutieren und Schnittstellen auszuhandeln.Die Kommunikation der Schüler untereinander ist daher zum einen die natürlicheFolge des gemeinsamen Projekts, zum anderen zentrale Voraussetzung für dessen Erfolg.Aktivitäten. Die Schüler• stellen Vermutungen über Zusammenhänge und Lösungsmöglichkeiten im informatischenKontext dar;

114 7 Lehrplanstudie im Bereich OOM/OOP• lösen Aufgabenstellungen durch objektorientiertes Strukturieren;• kooperieren in Projektarbeit bei der Bearbeitung eines informatischen Problems;• nutzen synchrone und asynchrone Kommunikationsmöglichkeiten zum Austausch vonInformation und zu kooperativer Arbeit;• wählen eine Darstellungform auf der Basis allgemein akzeptierter und zweckdienlicherKriterien aus;• dokumentieren Ablauf und Ergebnisse der Projektarbeit;• beurteilen den Projektablauf, das Modell, die Implementierung und die verwendetenWerkzeuge kritisch;• bewerten die Auswirkungen der Automatisierung in der Arbeitswelt;• geben Problemlösungen in einer Programmiersprache an.7.4 Das ”didaktische Dilemma“In aller Allgemeinheit wäre es sicher angebrachter, von einem didaktischen Dilemmazu sprechen, doch kommt im Informatikunterricht der 10. Jahrgangsstufe (speziellim Abschnitt 10.1.2 des Lehrplans) ein besonders nachhaltiger Zielkonflikt zum Tragen.Eine Einführung in die Programmierung anhand objektorientierter Sprachen isterfahrungsgemäß schwer zu realisieren ([Hub07], S. 5). Verschärft wird diese Tatsachedurch die konstruktivistische Forderung, Schüler (von Anfang an) mit authentischenProblemstellungen zu konfrontieren, womit sich ”Hello World!“ und seine Derivatetrotz ihrer Verbreitung als Einstieg verbieten.Anspruchsvollere Aufgaben mit Alltagsrelevanz und Bezug zur Erfahrungswelt derSchüler erfordern jedoch zumeist die vorherige ”trockene“ Einführung in eine ganzeMenge grundlegender Konzepte der objektorientierten Programmierung, die zu allemÜberfluss vielfach miteinander verzahnt sind (vgl. [Hub08], S. 5).Lernziele aus dem Themengebiet der OOM unterscheiden sich in zweierlei Hinsichtvon Lernzielen vieler anderer Bereiche:• Bei der Formulierung von Lernzielen werden schnell hohe Schwierigkeitsgradeerreicht (z. B. D6 bei Anderson et al.);• Die Lernziele sind in vielfacher Hinsicht miteinander verwoben und voneinanderabhängig.[Hub07] sieht darin das klassische Dilemma,• mit OOM/OOP in die Programmierung einzusteigen und zugleich

7.5 Aufgabenbeispiel 115• modernen Unterrichtsprinzipien zu folgen.Dementsprechend schlägt er im Sinne einer vorsichtigen und bedachten Heranführungan das Zustands- und Variablenkonzept vor, mit der Behandlung einestypischen Zustandsautomaten (wie einer Verkehrsampel) zu beginnen, der zugleichweder trivial ist, noch einen zu hohen Komplexitätsgrad aufweist.Am Beispiel einiger konkreter Aufgaben aus den Lehrbüchern der 10. Jahrgangsstufewerde ich nun untersuchen, welche Überdeckungen von Kompetenzen die jeweilsberücksichtigten Lernziele bilden.7.5 AufgabenbeispielDie Aufgabenstellung in diesem Bereich sei wie folgt ([HSS + 08], S. 27):3 - Es werde Licht!Im Folgenden sollen verschiedene Lichtschalter simuliert werden. Zeichne dazu das zugehörigeZustandsdiagramm.a) Ein einfacher Lichtschalter, der bei jedem Drücken das Licht an- bzw. ausschaltet.Stelle die Situation mit dem Werkzeug PGS nach (beispielsweise durch einen Kreis,der hell und dunkel werden kann als Lampe) und programmiere eine Sequenz, die dasLichtsignal ”SOS“ (kurz - kurz - kurz - lang - lang - lang - kurz - kurz - kurz) morsenlässt.b) Ein Lichtschalter, der nach jedem Drücken nacheinander verschiedene Neonröhrenin einem größeren Raum anschaltet: zuerst alle, dann nur die hintere Reihe, beimnächsten Drücken nur die vordere Reihe, schließlich wieder alles aus.Stelle auch hier die Situation mit dem Werkzeug PGS nach.c) Ein Lichtschalter, der das Deckenlicht in zwölf Stufen dimmen kann.Warum lässt sich kein Zustandsdiagramm für einen stufenlosen Dimmer zeichnen?Folgende Lernziele lassen sich identifizieren:• EO 1. Der Lernende ist in der Lage, einfache Abläufe in Form eines Zustandsdiagrammszu modellieren.– IO 1.1. Der Lernende ist in der Lage, die Vorschriften für die graphischeDarstellung von Zustandsdiagrammen zu erinnern.– IO 1.2. Der Lernende ist in der Lage, die Zusammenhänge der konstituierendenElemente eines Zustandsdiagramms erläutern.– IO 1.3. Der Lernende ist in der Lage darzulegen, dass jeder Zustand einereindeutigen Konstellation der Attributwerte eines Objekts entspricht.

116 7 Lehrplanstudie im Bereich OOM/OOP– IO 1.4. Der Lernende ist in der Lage, den Zustandsraum eines vorgegebenenObjekts zu bestimmen.– IO 1.5. Der Lernende ist in der Lage, anhand eines Beispiels zu erläutern,dass die Menge der tatsächlich eintretenden Zustände eine Untermenge desZustandsraums bildet (vgl. Aufgabe 3b und die Ampel-Simulation).– IO 1.6. Der Lernende ist in der Lage, die tatsächlich eintretenden Zuständeeines vorgegebenen Objekts zu benennen.– IO 1.7. Der Lernende ist in der Lage, an einem Beispiel zu erläutern, dassein Zustandsübergang genau dann stattfindet, wenn sich mindestens ein Attributwertändert.– IO 1.8. Der Lernende ist in der Lage, anhand eines vorgegebenen Szenariosdie tatsächlich möglichen Zustandsübergänge zu ermitteln.• EO 2. Der Lernende ist in der Lage, das Verhalten des durch ein vorliegendes Zustandsdiagrammbeschriebenen Zustandsautomaten in einer einfachen Programmiersprache(PGS) zu implementieren.– IO 2.1. Der Lernende ist in der Lage, ein vorgegebenes Zustandsdiagrammzu analysieren.– IO 2.2. Der Lernende ist in der Lage, zur Kontingenz zwischen Zuständenund Attributwerten sowie zwischen Zustandsübergängen und MethodenaufrufenStellung zu nehmen.– IO 2.3. Der Lernende ist in der Lage, die Kontrollstruktur der (unbedingten)Wiederholung auf die Aufgabenstellung anzuwenden.– IO 2.4. Der Lernende ist in der Lage, im PGS ein Objekt der Klasse KREISzu erstellen sowie dessen Radius und Füllfarbe festzulegen.– IO 2.5. Der Lernende ist auf der Basis eines grundlegenden Verständnissesvom Laufzeitverhalten eines Programms in der Lage, Anweisungen zu implementieren,die eine Wartezeit realisieren.– IO 2.6. Der Lernende ist in der Lage, seine Implementierung auf die korrekteAdaptation des Zustandsdiagramms hin zu prüfen.Der Lichtschalter in Teilaufgabe c) wird sinnvollerweise über einen Drehknopf alseinziges (oder weiteres) Bedienelement verfügen und führt den Lernenden auf dieUnmöglichkeit, ein dem stufenlosen Dimmer entsprechendes Zustandsdiagramm zu erstellen10 .• EO 3. Der Lernende ist in der Lage, die Grenzen zustandsbasierter Modellierungim Zusammenhang mit der Simulation realer Objekte zu erläutern.Aus Überlegungen zum Verhältnis von Simulation und Wirklichkeit ergeben sichnoch weitere Lernziele:10 In der Mathematik entspricht dies dem Übergang von diskreten zu kontinuierlichen Strukturen.

7.5 Aufgabenbeispiel 117• EO 4. Der Lernende ist in der Lage, die mit der Simulation in aller Regel verbundeneVereinfachung des Sachverhalts zu erfassen. 11 .• EO 5. Der Lernende ist in der Lage, den unterschiedlichen Bezug von Objektenin Simulation und Praxis an einem Beispiel zu verdeutlichen 12 .• EO 6. Der Lernende ist in der Lage, ökonomische Gesichtspunkte der Aufgabenstellungbzw. der Konzeption zu erkennen 13 .• EO 7. Der Lernende ist in der Lage, den Stellenwert eines korrekten undverlässlichen Programmablaufs gerade in kritischen Situationen anhand eines Beispielsaufzuzeigen (SOS-Signal, ”Verantwortung des Informatikers“).11 Beispielsweise bleibt der Simulationsaufbau von Stromausfällen (zumindest prinzipiell) oder Defektendes Leuchtmittels verschont.12 So schließt der reale Schalter einen Kontakt und ermöglicht dadurch den Stromfluss, der wiederumdie Lampe zum Leuchten bringt. In der Simulation erfolgt dagegen bei Betätigung desSchalters die unmittelbare Manipulation der Lampe (genauer: des Lampen-Objekts) über dessen(ein|aus)schalten-Methode. (Letzeres ließe sich durch sorgfältiges Absteigen bis zur Hardwareebenepräzisieren.)13 Mit Hilfe des Lichtschalters aus Teilaufgabe b) bzw. gar eines Dimmers ist es möglich, die Lichtversorgungan die momentanen Gegebenheiten anzupassen.

1188 Modellierung der Ontologien8.1 VorbemerkungenBei der Entwicklung der Ontologien wurde einigen Prämissen in besonderem MaßeAufmerksamkeit geschenkt:• Soweit bestehende OWL-Modelle in der Lage waren, einen Beitrag zur Realisierungder Vorhaben zu leisten, sollten diese eingesetzt werden (anstatt ”das Radneu zu erfinden“);• Entscheidungen im Entwurfsprozess mussten sich stets an der Reflektion entsprechenderdidaktischer Zusammenhänge messen lassen;• bei der Anreicherung bestehender Ontologien durften Praktikabilität undZweckmäßigkeit nicht leiden 1 ;• der Autor wendet sich gegen die Annahme eines ”geschlossenen Systems“. Solltesich der hier beschrittene Weg bewähren, sind zukünftige Änderungen und Erweiterungender Ontologien zu erwarten, anzustreben und dürfen folgerichtig nichtdurch eine undurchsichtige Modellierung erschwert werden (vgl. die Nebenbemerkungzum Thema ”Kreuzmodellierung“);• auch die begleitende Dokumentation unter Zuhilfenahme anerkannter grafischerVisualisierungen soll es dem interessierten Leser erleichtern, sich einen Überblicküber Entwurfsentscheidungen, über die Interoperation der Ontologien, aber auchüber relevante technische Details zu verschaffen;Außerdem schloss sich an die Modellierung der Ontologien unmittelbar der Entwurfeiner beispielhaften Fachontologie an, um die praktische Realisierbarkeit des gewähltenAnsatzes unter Beweis zu stellen.Wenngleich der Rückgriff auf einige Erweiterungen und Ergänzungen von OWL 2.0(welches derzeit den Status eines Draft-Standards hat 2 ) in mancherlei Hinsicht reizvollfür die Modellierung einzelner Sachverhalte gewesen wäre, beschränke ich mich auf denSprachumfang von OWL 1.0 und die Ausdrucksmächtigkeit von OWL DL. Somit bautdas hier vorgestellte Konzept auf einer vom W3C verabschiedeten OWL-Spezifikationauf. Glücklicherweise steht - zu gegebener Zeit - einer Adaptation der neuen Errungenschaftenvon OWL in die bestehende Ontologiestruktur nichts im Wege.1 man denke an die Unmenge zwingend vorgeschriebener Annotate bei LOM2 vgl. http://www.w3.org/blog/SW/2008/10/10/seven_owl_2_drafts_published

8.2 Integration weiterer Lernzieltaxonomien 119Nebenbemerkung zu ”Kreuzmodellierung“: Diese Bezeichnung trifft m. E. rechtzuverlässig ein hochproblematisches Modellierungsvorgehen, das aus einer falschenNutzung einer eigentlich großen Stärke von OWL und Ontologien im Allgemeinenerwachsen kann und vor dem eindrücklich zu warnen ist:Ich verstehe darunter, dass OWL-Klassen in der OWL-Datei A definiert und grundlegendausgestattet werden (Properties etc.). Darauf aufbauend erfolgt anschließenddurch den selben Entwickler (!) ohne Not eine Ergänzung von Unterklassen, weiterenProperties usw. in einer OWL-Datei B (eventuell noch fortgesetzt in C, etc.). Freilichist dies aus gutem Grund die gängige Vorgehensweise bei der Erweiterung bestehenderOntologien (vgl. Abschnitt 8.3) während deren Lebenszyklus und auch sinnvoll,um an einmal veröffentlichte (und damit im Sinne des Semantic Web unantastbare)Ontologien anzuknüpfen. Sofern sich die beteiligten Ontologien im persönlichen ”Verantwortungsbereich“befinden und in derselben Entwicklungsphase entstehen, solltevon einem solchen Vorgehen jedoch abgesehen werden. In allen anderen Fällen ist einesorgfältige Dokumentation unverzichtbar 3 .8.2 Integration weiterer LernzieltaxonomienDie in Kapitel 6 vorgestellten Arbeiten zeugen davon, dass die Lernzieltaxonomienach Anderson und Krathwohl bereits mehrfach in Ontologien umgesetzt wurde.Unabhängig von der Tatsache, dass sich die einzelnen OWL-Repräsentationen nurin unwesentlichen technischen Details unterscheiden, greift der hier vorliegende Satzdidaktischer Ontologien die Implementierung von Alexander Staller auf.Angesichts vieler Vorschläge für eine Taxonomisierung von Lernzielen, diesich nicht nur hinsichtlich ihrer Fundierung, ihrer Schwerpunktsetzung und ihrerDomänenspezifität unterscheiden, liegt die Schaffung von Schnittstellen zur Einbindungweiterer Lernzieltaxonomien in ein bestehendes System didaktischer Ontologiennahe.Die vorliegende Arbeit behandelt diesen Aspekt anhand des Taxonomievorschlagsvon Fuller et al. (im Folgenden ”Fuller-Taxonomie“ genannt), der spezifischen Anliegenund Bedürfnissen Rechnung zu tragen versucht (vgl. Kapitel 2), die untrennbar mitdidaktischen Herausforderungen aus der Informatik und speziell aus dem Bereich derProgrammierung verbunden sind.So fällt es bei informatischen Lernzielen z. B. häufig schwer, diese einer der Kategorien”Konzeptwissen“ bzw. ”prozedurales Wissen“ stringent und eindeutig zuzuordnen.3 Die Situation ist vielleicht vergleichbar mit einem älteren (durchaus brauchbaren) Gebäude, in demmehrere Elektriker-Generationen neue Leitungen verlegt, alte stillgelegt haben, etc. Die Sachlagewird undurchsichtig, v. a. wenn Änderungen auf der Tagesordnung stehen.

120 8 Modellierung der OntologienEntsprechender Spielraum besteht so z. B. bei einigen Lernzielen der exemplarischenFachontologie, die im Rahmen dieser Arbeit enstanden ist. Dieser prinzipbedingtenEinschränkung begegnen Fuller et al., indem sie den kognitiven Prozess nach Andersonund Krathwohl aufspalten.So kennt die Fuller-Taxonomie die beiden Dimensionen Interpreting und Producing,welche ihr Äquivalent in zwei OWL-Klassen finden, die ihrerseits von der KlasseFullerTaxonomy erben. Die Einführung dieser Oberklasse erfolgte eher aus ”kosmetischen“Überlegungen heraus, um die beiden ...-ing-Klassen nicht gleichsam kontextlosaus owl:Thing erzeugen zu müssen.Bei dieser Taxonomie kommt der - besonders aus ontologischer Sicht - interessanteAspekt hinzu, dass sechs der sieben Kategorien synonym mit denen der kognitivenProzessdimension nach Anderson et al. sind: Wie Fuller et al. in ihrem einschlägigenPaper ausführen, halten sie die von Anderson et al. gewählten Kategoriebezeichnungender kognitiven Prozessdimension für ”unmissverständlich genug“, um diese für ihreeigene Taxonomie zu übernehmen ([FJT + 07], S. 164). Somit werde ich gleichnamigeFuller- und Anderson-Kategorien ohne weitere Reflektion als identisch hinsichtlichder von ihnen beschriebenen Lernziele betrachten. Freilich könnte und sollte man imRahmen einer dahingehenden empirischen Untersuchung klären, ob diese Äquivalenzenin der Praxis standhalten.Bezüglich der zu entwickelnden Ontologie resultierte diese Korrespondenz jedenfallsdarin, dass die jeweiligen OWL-Klassen jeweils als äquivalent zu denjenigen Klassendeklariert wurden, welche für die Kategorien von Anderson et al. stehen (vgl. Abb.8.1):Fuller et al. ordnen einige traditionell mit Softwareentwicklung bzw. Programmierungverbundene Aktivitäten beispielhaft in ihre Taxonomie ein ([FJT + 07], S. 166, Fig.7). Dabei wird augenscheinlich, dass die Autoren sich nicht strikt an ihr 3 × 4-Rasterhalten, sondern Tätigkeiten auch ”grenzübergreifend“ taxonomieren.Bei der Modellierung der zugehörigen Ontologie bin ich dieser problematischenPraxis bewusst nicht gefolgt bzw. habe (mit Hilfe disjunkter Klassen und geeigneterKardinalitätsrestriktionen) ausdrücklich dafür gesorgt, dass ”Zwischentaxonomierungen“nicht valide i. S. der Ontologie sind. Ähnlich dem sich hartnäckig haltenden

8.2 Integration weiterer Lernzieltaxonomien 121Abbildung 8.1: Verhältnis der kognitiven Prozessdimension nach Anderson et al. zu denKategorien bei FullerIrrglauben, Zwischennoten würden bei der Zensur von Leistungen mit mehr Gerechtigkeiteinhergehen (dies ist bei gleichzeitig naturgemäß fehlender Erhöhung derMessgenauigkeit nicht möglich!), würde eine derartige Aufweichung der Zuordnungendie Schärfe der Taxonomie ”verwässern“ (zur Problematik der Messfehler in Bezug aufschulische Leistungen vgl. z. B. [Sac07], S. 289). Schließlich ist es fundamentale Funktionvon Taxonomien (vgl. gr. tˆxic - Ordnung und nìmoc - Gesetz), ein abgrenzbares undverbindliches Klassifizierungsraster vorzugeben. Zugleich wäre aus qualitativer Sichtdie Frage zu stellen, wie hoch eine angemessene Granularität denn nun ausfallen müsste.Der guten Ordnung wegen gehört ein Lernziel also genau einer Producing- undgenau einer Interpreting-Kategorie an.(Nebenbemerkung: Aus technischer und Machbarkeitsperspektive spräche weniggegen die Implementierung einer solchen ”fein-gerasterten“ (oder gar stufenlosen 4 )Taxonomie in OWL. So könnte schließlich eine mehrfache Verwendung der einschlägigenOWL-Properties zugelassen werden, welche entweder für sich genommenoder auch in Verbindung mit einem eigenständigen Gewichtungsattribut (z. B. alsDatatypeProperty) die jeweilige Tendenz in der Ontologie abbildet.)Die der Fuller-Taxonomie entsprechende Ontologie bildet die Klassifikationsmatrix4 im Rahmen der jeweiligen Datentypgenauigkeit

122 8 Modellierung der Ontologienals OWL-Klassenstruktur ab. Legen wir als Namensraum fuller zu Grunde, so erbenvier Kategorien von der Klasse fuller:Interpreting und weitere drei Kategorien vonder Klasse fuller:Producing (vgl. Abb. 8.2). Bis auf die Klasse fuller:None sinddie den Kategoriebezeichnungen entsprechenden OWL-Klassen allesamt äquivalent zudenen in Stallers Interpretation von Anderson et al.Abbildung 8.2: Klassenstruktur der Fuller-Taxonomie aus Sicht von OWLVizDarüber hinaus verfolge ich auch hier einen schon bei Staller vorgefundenen undvon mir als ”Duale Modellierung“ bezeichneten Ansatz und erzeuge zu jeder KlasseKategorie, die einer der sieben Fuller-Kategorien entspricht, eine beigeordnete Instanzmit dem Bezeichner IKategorie:Ebendiese Instanzen werden dann ausgehend von Lernzielen über die entsprechendenProperties referenziert (vgl. später).8.3 Erweiterung der Objective-OntologieStallers Ontologie Anderson objective.owl stellt eine Klasse Objective sowiederen Unterklassen Global objective, Educational objective undInstructional objective bereit. Daneben werden dort OWL-Properties spezifiziert,die eine Klassifikation der Lernziele gemäß der Anderson-Taxonomie erlauben.Im Rahmen dieser Arbeit wurde diese Ontologie erweitert. Grundlegend dafür ist derOWL-Import der unveränderten OWL-Datei in die neue Ontologie Objective.owl (vgl.z. B. Anhang). Dort wurden zusätzliche OWL-Properties definiert, die im Folgendenaufgelistet werden. Auf die ersten beiden Relationen gehe ich in einem nachfolgendenAbschnitt (8.7) separat ein.• Objective - has soft prerequisite - Objective: Gibt an, dass letzteresLernziel eine optionale Voraussetzung für das erstere Lernziel ist (inverse Property:is soft prerequisite of);

8.4 Verschiedene Zugänge zum Begriff des Konzepts 123• Objective - has hard prerequisite - Objective: Gibt an, dass letzteresLernziel eine unbedingte Voraussetzung für das erstere Lernziel ist (inverse Property:is hard prerequisite of);• Objective - has verbalization - xsd:string: Textuelle Formulierung desLernziels (funktional, Kardinalität 1);• Objective - contributes to - Competence: Gibt an, dass ein Lernziel zumErreichen einer Kompetenz beiträgt;• Objective - has producing cat - Producing: Gibt an, dass ein Lernziel einerbestimmten Producing-Kategorie der Fuller-Taxonomie angehört (funktional);• Objective - has interpreting cat - Interpreting: Gibt an, dass ein Lernzieleiner bestimmten Interpreting-Kategorie der Fuller-Taxonomie angehört(funktional).8.4 Verschiedene Zugänge zum Begriff des KonzeptsDie von A. Staller entwickelte Ontologie KonzeptuellesWissen.owl rückt den Begriffdes Konzepts in den Fokus, lässt jedoch eine weiterführende Anbindung an andereOntologien (vgl. die Knowledge-Dimension nach Anderson et al, speziell ConceptualKnowledge) vermissen.Konkret sieht das ”konzeptuelle Wissen“ nach Staller einige Eigenschaften vor, mitdenen sich Konzepte aufeinander beziehen lassen. Auf diese im Rahmen der dualenModellierung sowohl als OWL-Klassen, wie auch als OWL-Properties ausgeführtenBeziehungen ging das Kapitel 6 im Einzelnen ein.Bei der is-a-Relation des Unterkonzepts dürfte es sich zweifellos um eine absolutfundamentale Beziehung handeln, die in keiner ontologiebasierten Repräsentation desKonzeptbegriffs fehlen darf.Staller unterscheidet Grundkonzepte, Grundkonzepte mit Eigenschaft und zusammengesetzteKonzepte. Weiter lassen sich Konzepte über entsprechende OWL-Properties als synonym bzw. äquivalent markieren. Wie unschwer zu erkennen ist,entstehen auf diese Weise kontextspezifische Begriffsnetze, die aus Konzepten (Knoten)und ihren Beziehungen (Kanten) bestehen.Cassel et al. ([CDF + 07]) entwickeln in ihrem Paper ”The Computing Ontology -Application in Education“ einen weiteren Konzeptbegriff und identifizieren dabei dreiwichtige und grundlegende Beziehungen zwischen Konzepten k 1 und k 2 (illustrierendesBeispiel in [CDF + 07], S. 179):• k 1 is a k 2 : k 1 ist eine Spezialisierung von k 1 (Unterklassenrelation);

124 8 Modellierung der Ontologien• k 1 uses k 2 : k 1 greift auf k 2 zurück. Inverse Beziehung: used by;• k 1 has part k 2 : k 2 ist ein Teil von k 1 . Inverse Beziehung: part of.Nach der Modellierung der Zusammenhänge in OWL steht nun auch dieser Zugangzu Konzepten der ontologiebasierten Modellierung offen. Die zugehörige OntologieCasselConcept.owl definiert die transitiven OWL-Properties used by, has part undis a sowie die Inversen uses und part of der beiden Erstgenannten. Grundlegend istdie Definition einer OWL-Klasse Concept sowie deren Instantiierung als IConcept.8.5 Anbindung konzeptuellen Wissens an LernzieltaxonomienWie im vorangegangenen Abschnitt bereits kurz angesprochen, sehen Stallers Ontologienkeinen Bezug zwischen Konzepten bzw. konzeptuellem Wissen (ich werde dieseBegriffe synonym gebrauchen) und dem entsprechenden Bereich einer Lernzieltaxonomievor.Als plakatives Beispiel soll hier die Kategorie Conceptual Knowledge der Wissensdimensionnach Anderson et al. dienen. Ungeachtet der Tatsache, dass unterhalbdieser Kategorie eine weitere Ausdifferenzierung stattfindet bzw. zumindest stattfindenkann, sind die Konzepte, mit denen wir es im letzten Abschnitt zu tunhatten, in Bezug auf die Anderson-Taxonomie exakt an dieser Stelle anzubinden, bzw.regelrecht in die Konstruktion ”einzuhängen“, um es etwas anschaulicher auszudrücken.Um die Brücke zu den betroffenen Ontologien zu schlagen, betrachte man die vonStaller eingeführte OWL-Property has knowledge, deren Definitionsbereich Lernzieleund deren Wertebereich Instanzen der OWL-Klasse staller.ak.kno:Knowledge bzw.einer ihrer Unterklassen sind.Damit sind wir nun an einem Punkt angelangt, an dem es in zweierlei HinsichtKonsistenz in Bezug auf die Struktur didaktischer Ontologien zu erreichen gilt:1. Der Einsatz unterschiedlicher, u. U. auch konkurrierender Zugänge zum Begriffdes Konzepts soll möglich sein;2. Konzepte müssen sinnvoll auf Lernziele bezogen werden, was in der Regel indirektüber (mehrere) Lernzieltaxonomien geschieht.Um die beiden Ziele zu erreichen, wurde der folgende Ansatz gewählt:1. Sämtliche OWL-Klassen, die ein eigenständiges Konzeptverständnis modellieren,sind bzw. werden Unterklassen der neuen prototypischen“ Klasse”obj:MetaConcept.2. obj:MetaConcept selbst ist (o.B.d.A. 5 ) zumindest Unterklasse vonstaller.ak.kno:B Conceptual knowledge.5 damit ist gemeint, dass obj:MetaConcept durchaus auch Unterklasse weiterer Klassen sein kann

8.6 Der Kompetenzbegriff im Kontext didaktischer Ontologien 1253. Werden Konzepte im allgemeinen Sinn referenziert, so bezieht sich der Wertebereichrdfs:range zukünftig allein auf die Klasse obj:MetaConcept.Das Verhältnis der beteiligten Klassen untereinander illustriert Abbildung 8.3.Abbildung 8.3: ”Plugin-System“ für unterschiedliche KonzepteSomit besteht mittels der OWL-Property has knowledge einerseits die Möglichkeit,konkrete Konzepte im Sinne eines jeweils gewünschten Konzeptbegriffs zu referenzieren,andererseits bietet die Kategorie staller.ak.kno:B Conceptual knowledge weiterhindie drei bekannten ”Sammelkategorien“ (vgl. Abb. 8.4).8.6 Der Kompetenzbegriff im Kontext didaktischerOntologienIm Abschnitt 7.2 habe ich mich mit der Frage beschäftigt, ob sich Lernziele deterministischaus Kompetenzen deduzieren lassen. Zumindest wenn eine Allgemeingültigkeiteingehalten werden soll, die den Praxisbezug gewährleistet, ist dieses Ansinnen in allerRegel zum Scheitern verurteilt.Stattdessen versuchte ich, ausgehend von der Definition eines tragfähigenVerständnisses von Kompetenz, in einer Art Leitfaden wenigstens einige Hinweise zugeben, die auf dem Weg von Kompetenzen zu Lernzielen hilfreich sein könnten.Im Prinzip finden wir uns nun erneut mit diesem wenig zufriedenstellenden Ergebniskonfrontiert: Hätten wir die Möglichkeit, zu einer vorgegebenen Kompetenzautomatisiert und deterministisch eine exakte Menge von Lernzielen zu ermitteln,

126 8 Modellierung der OntologienAbbildung 8.4: Anbindung konzeptuellen Wissens sowie mehrerer Konzeptbegriffe andie Anderson-Taxonomiederen Erreichen notwendig und hinreichend für die Entwicklung ebendieser Kompetenzist, so ergäbe sich daraus auch formal ein starker Bezug zwischen Kompetenzen undLernzielen.Da dem in der Regel nicht so ist, muss das Verhältnis zwischen den beiden Konzeptenauch bei der Modellierung der Ontologien bescheiden ausfallen. Ich sehe für Lernzieleeine Property obj:contributes to vor, welche ein Lernziel auf ein oder mehrereIndividuen der Klasse comp:Competence bezieht (man beachte die m : n-Beziehung).Damit ist lediglich die Aussage getroffen, dass das Lernziel l zur Entwicklung derKompetenz k beiträgt.Ebenso wie für die Entwicklung einer konkreten Kompetenz in der Regel dasErreichen mehrerer Lernziele erforderlich ist, kann ein Lernziel Beiträge zur Entwicklungmehrerer Kompetenzen leisten. Dementsprechende Freiheiten bestehen für dieOWL-Property contributes to.Ausgehend von Kompetenzen ließe sich über die Definition einer entsprechendeninversen Eigenschaft (supported by o. ä.) auf die beteiligten Lernziele rückschließen.In diesem Zusammenhang wäre es reizvoll zu untersuchen, wie sich diese auf die

8.7 Vorrangrelationen zwischen Lernzielen 127Kategorien bzw. Felder der zugrundeliegenden Lernzieltaxonomie(n) verteilen.Ein in praxi völlig unverzichtbarer Anhaltspunkt sind die allfälligen Abhängigkeitenzwischen Lernzielen. Diese finden im formalen Modell ihre Entsprechung in Vorrangrelationen.8.7 Vorrangrelationen zwischen LernzielenBereits in Kapitel 2 habe ich die Struktur von Lernzielgraphen angesprochen, um aufdie Abhängigkeiten Bezug zu nehmen, welche zwischen Lernzielen bestehen. Schließlichtreten Lernziele niemals isoliert auf.[Hub08] hat Lernziele aus dem Bereich der OOP untersucht und kommt zu demSchluss, dass sich zumindest harte und weiche Vorrangrelationen (VR, prerequisites)unterscheiden lassen.Im Bereich der VR benötigen wir ”Transitivität“ über verschiedene Eigenschaftenhinweg:Beispiel.Sei L = {l 1 , l 2 , l 3 , ...} eine Menge von Lernzielen und gelten die beiden Tripell 1 -has hard prerequisite-l 2 sowiel 2 -has soft prerequisite-l 3 .Ein Reasoner sollte hierausl 1 -has soft prerequisite-l 3folgern können. Dazu gibt es mehrere Möglichkeiten:• has hard prerequisite wird als OWL-Subproperty vonhas soft prerequisite definiert, so dass jede harte VR implizit auch weich istund damit die Transitivität der weichen VR greift (aus formal-logischer Sicht einreiner work-around).• Alle möglichen/relevanten Minimalfälle (wie der im Beispiel) werden identifiziertund ihre Auflösungen als SWRL-Regeln spezifiziert.• Eines der attraktivsten neuen Features von OWL 2.0 ist die Möglichkeit, sog.property chains (Eigenschaftsketten) zu definieren 6 . Diese leisten ebenfalls das6 kompakte und eingängige Lektüre zu property chains: http://www.webont.org/owled/2008/papers/owled2008eu_submission_29.pdf

128 8 Modellierung der OntologienGewünschte.Die Beschäftigung mit der Frage, ob es - über harte und weiche Vorrangrelationenhinaus - noch weitere Abhängigkeiten zwischen Lernzielen gibt, könnte zweifellos Gegenstandeiner eigenen, empirischen Forschungsarbeit sein. Demgegenüber steht einerImplementierung weiterer Abhängigkeiten als OWL-Properties nichts im Wege.8.8 Gesamtzusammenhang der OWL-KlassenAus Abbildung 8.5 wird die Importstruktur der Ontologien ersichtlich.Anderson_cognitive_process.owl*Anderson_knowledge.owl*Fuller.owlAnderson_objective.owl*Competence.owlObjective.owlKonzeptuelles_Wissen.owl*CasselConcept.owlFachontologie.owlURL-Präfix: http://slacky.de/za/ont/* URL-Präfix: http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/A importiert BAbbildung 8.5: Importstruktur der beteiligten OntologienDie Zusammenhänge zwischen den wesentlichen OWL-Klassen verdeutlicht die Klassenhierarchiein Abbildung 8.6 (S. 135). Aus Gründen der Übersichtlichkeit bleibensowohl gewisse Unterklassen von Stallers Ontologien, als auch einige OWL-Properties(z. B. zur Verknüpfung Cassel’scher Konzepte) ausgespart.Der Anhang A dieser Arbeit enthält die OWL-/XML-Quelltexte von• CasselConcept.owl• Competence.owl• Fuller.owl• Objective.owl

8.9 Exemplarische Fachontologie als Anwendungsbeispiel 129Für einen detaillierten Einblick in die Struktur der Fachontologie(Fachontologie.owl) muss aus Platzgründen auf die der Arbeit beiliegende CDverwiesen werden. Auch die automatisierte Erstellung entsprechender Visualisierungen(z. B. mit OWLViz, OWLPropViz, OntoViz, Jambalaya) gestaltet sich auf Basis dereingepflegten Daten (Lernziele, Konzepte, Kompetenzen, Abhängigkeiten) schwierig,da deren Umfang sich mit üblichen Darstellungsformaten nicht in Einklang bringenlässt. Erschwerend enthalten einige dieser Werkzeuge teils noch recht gravierendeFehler (z. B. OWLPropViz) bzw. Einschränkungen (z. B. OWLViz), die ein produktivesArbeiten zum Teil verhindern.Dennoch gewährt der folgende Abschnitt einen querschnittlichen Einblick in denkonkreten Aufbau der exemplarischen Fachontologie.8.9 Exemplarische Fachontologie als Anwendungsbeispiel8.9.1 LernzieleDie Fachontologie stellt eine Auswahl von global, educational und instructionalobjectives bereit (GO, EO und IO), die unter Abarbeitung des in Kapitel 7 vorgestelltenLeitfadens dem Bereich OOM/OOP (10. Jahrgangsstufe) zugeordnet wurden.Ich möchte eingangs betonen, dass die Entwicklung der exemplarischen Fachontologiein erster Linie dazu dienen soll, die praktische Einsatzfähigkeit der entwickeltenOntologiestrukturen zu untermauern. Die Menge der identifizierten Lernziele erhebtdabei keineswegs Anspruch auf Vollständigkeit, sei es nun in Bezug auf einen ”Bereich“OOM/OOP, auf den Lehrplan der 10. Jahrgangsstufe oder auf das Erreichenganz bestimmter Kompetenzen. Dieser Umstand wird schon allein daran deutlich, dassdie meisten der vorgefundenen Lernziele bezüglich ihrer Wissensdimension im BereichKonzeptwissen anzusiedeln sind. Auf diese Weise soll die Leistungsfähigkeit des ontologischenKonzeptmodells illustriert werden. Jedoch darf trotz dieser pragmatischenSchwerpunktsetzung beim geschätzten Leser keinesfalls der irrige Eindruck entstehen,Lernziele mit prozeduralen und/oder metakognitiven Komponenten seien im Praxisumfeldunterrepräsentiert oder von geringerer Bedeutung.Abbildung in die OntologieDie Lernziele wurden 1:1 in die Fachontologie integriert. Den eindeutigen (und i. S.der OWL-Property funktionalen) Formulierungen entsprechen dabei Instanzen vonxsd:string, die mittels obj:has verbalization referenziert werden.Harte und weiche Vorrangrelationen zwischen Lernzielen wurden durch die entsprechendenOWL-Properties abgebildet.Bei den educational und instructional objectives wurde sämtlich eine Einordnung indie Anderson- und die Fuller-Taxonomie vorgenommen.

130 8 Modellierung der OntologienTaxonomische EinordnungDie bei der Taxonomierung der Lernziele getroffenen Entscheidungen werde ich nun aneinigen Beispielen begründen und verteidigen. Die Kennzeichnung bzw. Nummerierungder Lernziele korrespondiert dabei mit der Fachontologie.IO 1.5. ”Der Lernende ist in der Lage, anhand eines Beispiels zu erläutern, dass dieMenge der tatsächlich eintretenden Zustände eine Untermenge des Zustandsraums bildet.“AK-Koordinatestaller.ak.obj:has knowledgestaller.ak.obj:has cognitive processobj:has interpreting catobj:has producing catB2cassel.concept:IZustandstaller.ak.cog:Contrastingfuller:IUnderstandfuller:INoneDas Erreichen dieses Lernziels setzt basal ein Verständnis des Verhältnisses zwischenTheorie und Praxis voraus. Die Freiheit zu eigenständiger Wahl eines Beispiels erfordertein gewisses Maß an Kreativität, wenngleich der Alltag der Lerner zahlreiche geeigneteSzenarien bereit halten sollte. Auf Wissensebene muss der Lerner mit der Definitionvon Zustand und Zustandsraum vertraut sein. Im Kern geht es darum, zwischenAnzahl und Qualität der kombinatorisch möglichen Zustände auf der einen und dertatsächlich angenommenen Zustände auf der anderen Seite zu differenzieren (contrasting/comparing)zu können. Dieser feinen Einteilung auf Anderson-Seite steht in derFuller-Taxonomie die vergleichsweise unscharfe Oberkategorie fuller:IUnderstandgegenüber.(Nebenbemerkung: Der Umstand, dass es sich bei staller.ak.cog: 2 Understandund fuller:Understand um äquivalente OWL-Klassen handelt (vgl. Abb. 8.6), ließeaus technischer Sicht eine feinere Klassifizierung auch in der Fuller-Taxonomie zu, ohnedie Ontologie inkonsistent werden zu lassen. Ob eine solche ”Vermaschung“ zweierLernzieltaxonomien im Sinne des/der Erfinder(s) ist, sei hier dahingestellt. Jedenfallswerde ich von einer solchen Vorgehensweise absehen.)Grundsätzlich bin ich der Meinung, dass Lernzielen, die eine Exemplifizierung vonSachverhalten fordern, in der Fuller-Taxonomie kein Producing-Ertrag zuzugestehenist. Fuller et al. geht es hier um ”the ability to design and build a new product“([FJT + 07], S. 164), was implizit die Forderung nach etwas ”Greifbarem“ enthält.IO 1.4. ”Der Lernende ist in der Lage, den Zustandsraum eines vorgegebenen Objektszu bestimmen.“

8.9 Exemplarische Fachontologie als Anwendungsbeispiel 131AK-Koordinatestaller.ak.obj:has knowledgestaller.ak.obj:has cognitive processobj:has interpreting catobj:has producing catB4cassel.concept:IZustandsraumstaller.ak.cog:Discriminatingfuller:IAnalyzefuller:IApplyDer Schwierigkeitsgrad für das Erreichen dieses Lernziels übertrifft die des soebenvorgestellten dahingehend, als hier ein (einfaches) Objekt vorgegeben wird, dessensämtliche Zustände zu bestimmen sind. Zweifellos korreliert der kognitive Anspruchstets mit der Komplexität (und dem Bekanntheitsgrad) des jeweiligen Objekts. DerLerner hat die Bedeutung des Konzepts ”Zustandsraum“ zu entschlüsseln und gewissevorher eingeübte Analysetechniken auf das Objekt anzuwenden.IO 10.14.1. ”Der Lernende ist in der Lage, Objekte/Daten hinsichtlich ihrer strukturellenUnterschiede zu beurteilen.“AK-Koordinatestaller.ak.obj:has knowledgestaller.ak.obj:has cognitive processobj:has interpreting catobj:has producing catB5cassel.concept:IDatenstrukturstaller.ak.cog:Judgingfuller:IEvaluatefuller:INoneDieses Lernziel ist bereits von seiner Formulierung her klar anwendungsorientiertund soll auf die sinnvolle Organisation von Information in Datenstrukturen hinarbeiten.Die verbale Beschreibung der zugehörigen Kompetenz C 20 lautet immerhin“Schüler strukturieren Sachverhalte durch zweckdienliches Zerlegen und Anordnen.“Hinsichtlich des kognitiven Prozesses ist das Lernziel klar der Kategorie Evaluate zugehörig.Obwohl der Formulierung nicht unmittelbar zu entnehmen ist, dass der Lernerbei seiner Bewertungstätigkeit bekannte Datenstrukturen ”im Hinterkopf“ haben soll,ist dieses Konzept gerade im Kontext von OOM/OOP die zutreffende Wissenskategorie.IO 10.6.1. ”Der Lernende ist in der Lage, die Kontrollstrukturen der ein- und zweiseitigenAuswahl in einer Programmiersprache abzubilden.“

132 8 Modellierung der OntologienAK-Koordinatestaller.ak.obj:has knowledgestaller.ak.obj:has cognitive processobj:has interpreting catobj:has producing catB3cassel.concept:IAuswahlstaller.ak.cog:Usingfuller:IUnderstandfuller:IApplyHier geht es um die Implementierung einer zuvor kennengelernten grundlegendenKontrollstruktur in einer Programmiersprache. Ausgehend von der Annahme, dassdie zugehörigen Sprachkonstrukte (syntaktische Ebene) bekannt sind, bedarf es desVerständnisses für die Anwendung von Fallunterscheidungen an einem konkretenSzenario bzw. für die grundsätzliche Struktur, soll nur ein abstrakter Rumpf implementiertwerden.IO 2.5. ”Der Lernende ist auf der Basis eines grundlegenden Verständnisses vomLaufzeitverhalten eines Programms in der Lage, Anweisungen zu implementieren, die eineWartezeit realisieren.“AK-Koordinatestaller.ak.obj:has knowledgestaller.ak.obj:has cognitive processobj:has interpreting catobj:has producing catB6cassel.concept:IWartezeitstaller.ak.cog:Constructingfuller:IUnderstandfuller:ICreateAn diesem Lernziel lassen sich m. E. besonders deutlich einige Vorzüge der Fuller-Taxonomie erkennen. So besteht hinsichtlich der beiden Dimensionen Interpretingund Producing durchaus eine Diskrepanz in der Komplexität. Selbstverständlichfußt das Lernziel auf der Annahme, dass die verwendete Programmiersprache keinsleep-Konstrukt o. ä. vorsieht (dies ist beispielsweise in EOS der Fall). Vielmehrwird darauf abgezielt, dass Lerner eine grundsätzliche Vorstellung von den beimProgrammablauf beteiligten Prozessen zu nutzen, um die Wartezeit mit Hilfe einerbereits bekannten Kontrollstruktur (Wiederholung) zu realisieren 7 .Das eigentliche Lern- und Transferpotential im kognitiven Bereich liegt alsosozusagen zwischen den beiden Polen Understand (Theorie) und Create (Praxis) -vgl. hierzu auch [FJT + 07], S. 164). Diesen Umstand vermag die Einordnung in dieAnderson-Taxonomie nur sehr beschränkt zu vermitteln.Genauso kann man dieses Lernziel als plakatives Beispiel dafür betrachten, wie sehr7 Effizienzgesichtspunkte spielen hier keine Rolle

8.9 Exemplarische Fachontologie als Anwendungsbeispiel 133die (korrekte) Klassifikation in einer Lernzieltaxonomie von dem Erfahrungs- und Wissenshorizontabhängt, den die Lerner bisher erreicht haben.8.9.2 KonzepteBei der Einbettung der zugehörigen Konzepte bin ich dem Modell von Cassel et al.gefolgt. Sämtliche Konzepte werden sowohl als Individuen, als auch als OWL-Klassenrepräsentiert, um zum einen alle vorliegenden Abhängigkeiten (die vielfach ”quer“ zurKlassenhierarchie liegen können, man denke an die uses-Relation) berücksichtigen zukönnen und zum anderen dem nativen, hierarchischen Verhältnis der Konzepte undUnterkonzepte Rechnung tragen zu können. Insbesondere erlaubt erst das Systemder OWL-Klassen eine Visualisierung mit Protégé-Plugins wie OWLViz (vgl. dieAbbildungen 8.7 und 8.8).Auf der Ebene der OWL-Instanzen wurde von den Properties uses und has partGebrauch gemacht, so z. B. bei• IMethode uses IBezeichner;• IVererbung has part IGeneralisierung.• IZustandsraum uses IUntermenge.Die OWL-Klassenzugehörigkeiten liefern auf natürliche Weise die is a-Beziehungen:• Java is a Objektorientierte Sprache;• Konstruktor is a Methode;• Feld is a Datenstruktur.8.9.3 KompetenzenUm die Lernziele in einen größeren Zusammenhang stellen zu können, werden dieseüber die OWL-Property obj:contributes to auf geeignete, aus der GI-Expertiseentlehnte Kompetenzen (comp:Competence) bezogen. Dabei kann ein Lernziel denErwerb mehrerer Kompetenzen unterstützen.Eine weitere Bindung der beiden Konzepte findet nicht statt. Solange sich dahingehendkeine gesicherten wissenschaftlichen Erkenntnisse ergeben, muss ihir Bezug ausformaler Sicht derzeit als rudimentär bezeichnet werden (vgl. auch Abb. 8.6).

134 8 Modellierung der Ontologien8.9.4 Exemplarischer Auszug aus ObjektbeziehungenUm die Aussagekraft der Darstellung in der Abb. 8.9 (S. 137) nicht leiden zu lassen,habe ich mich auf die Wiedergabe der Vorrangrelationen und der Assoziationen zuKompetenzen beschränkt. Für die taxonomische Anbindung wird auf die Klassenhierarchiein Abb. 8.6 bzw. die Ansicht der digitalen Fachontologie in einem OWL-Editorwie Protégé verwiesen.Die Formulierungen der beteiligten Lernziele und Kompetenzen(has verbalization) können aus Anhang B und der Fachontologie ersehen werden.

8.9 Exemplarische Fachontologie als Anwendungsbeispiel 135Evaluatefuller:FullerTaxonomyCreateAnalyzeInterpretingProducingApplyUnderstand0..10..1NoneRememberGlobalObjective*-has_interpreting_cat*-has_producing_catstaller.ak.obj:ObjectiveAnmerkung: Mit derselbenFarbe markierte Klassen sindäquivalent i. S. v.owl:equivalentClass .EducationalObjectiveobj:Objective-contributes_to* *comp:Competence_6_Create_5_EvaluateInstructionalObjective*-has_cognitive_process*-has_knowledgestaller.concept:Konzeptcassel.concept:Concept_4_Analyzeobj:MetaConceptstaller.ak.cog:Cognitive_process0..1_3_ApplyA_Factual_knowledge_2_Understand0..1B_Conceptual_knowledge_1_Rememberstaller.ak.kno:KnowledgeC_Procedural_knowledgeNamensräume:cassel.conceptcompfullerobjstaller.ak.cogstaller.ak.knostaller.conceptstaller.objhttp://slacky.de/za/ont/CasselConcept.owl#http://slacky.de/za/ont/Competence.owl#http://slacky.de/za/ont/Fuller.owl#http://slacky.de/za/ont/Objective.owl#http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Anderson_cognitive_process.owl#http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Anderson_knowledge.owl#http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Konzeptuelles_Wissen.owl#http://ddi.in.tum.de/fileadmin/material/Staller/Ontologien/Anderson_objective.owl#D_Metacognitive_knowledgeAbbildung 8.6: Klassenhierarchie

136 8 Modellierung der OntologienAbbildung 8.7: Exemplarische Klassenhierarchie für Beziehungen aus der OOMAbbildung 8.8: Exemplarische Klassenhierarchie für Diagramme aus der OOM

IO_10.14.2IO_10.13.1has_hard_prerequisitecontributes_toC_20IO_10.13.2contributes_tohas_soft_prerequisitehas_hard_prerequisitecontributes_tohas_hard_prerequisiteIO_10.13.7EO_10.13has_hard_prerequisitehas_soft_prerequisitehas_soft_prerequisitehas_soft_prerequisitecontributes_toIO_10.13.6IO_10.13.2IO_10.13.4IO_10.13.3contributes_tohas_soft_prerequisiteC_26C_22C_15IO_10.13.8C_18contributes_tocontributes_tocontributes_tocontributes_toAbbildung 8.9: Exemplarische Objekthierarchie: Beziehungen zwischen LernzielenC_15C_19C_21IO_10.13.58.9 Exemplarische Fachontologie als Anwendungsbeispiel 137

1389 Zusammenfassung und Ausblick9.1 ZusammenfassungIn dieser Arbeit standen Ontologien für Lernzieltaxonomien sowie für Lernzielstrukturenaus der Informatik im Zentrum der Aufmerksamkeit. Dabei wurden zwei Zieleverfolgt:Zum einen sollte ein fundierter und vollständiger Überblick über alle relevantenAspekte des Gesamtzusammenhangs gegeben werden, in den Fragestellungen didaktischerOntologien immer eingebettet sind (und sein müssen). Aktuelle Entwicklungendurften dabei nicht ausgeblendet bleiben.Zum anderen ging es um die Prüfung und Würdigung bestehender Ansätze, dieauf Basis der gewonnenen Erkenntnisse hinterfragt, kommentiert und erweitertwurden. Dem dabei entstandenen Satz an Ontologien wurde bewusst eine hinreichendausführliche und möglichst anschauliche Dokumentation zur Seite gestellt (Kapitel 8).Die Entwicklung eines Anwendungsbeispiels an fachlichen Inhalten aus dem BereichOOM/OOP schließlich soll einen vorläufigen Beweis für Kurt Lewins Behauptung([Lew91], S. 169)Es gibt nichts Praktischeres als eine gute Theorie“”liefern.Kapitel 2 nahm Bezug auf unabdingbare didaktische Grundlagen und legte denSchwerpunkt auf Belange lernzielorientierter Didaktik. Anschließend wurde das Klassifizierungsrasterder Lernzieltaxonomien vorgestellt, wobei ich auf die historischenArbeiten von Bloom, Anderson, Krathwohl et al. sowie auf die Abhandlung vonFuller et al. eingegangen bin. Mit dem Konzept der Lernzielgraphen versuchte ich dieNotwendigkeit zu motivieren, Abhängigkeiten zwischen Lernzielen zu erkennen undihnen zu folgen.Das Kapitel 3 widmete sich nationalen Bildungsstandards und zeigte auf, welcheAnforderungen an ”gute“ Standards zu stellen sind. Nach einem Exkurs über europaweiteBestrebungen, vergleichbare Abschlüsse zu schaffen, ging ich auf die von der GIvorgelegte Expertise zu Bildungsstandards in der Informatik ein.Der vormals geradezu schillernde Begriff des E-Learning war Gegenstand von Ka-

9.1 Zusammenfassung 139pitel 4, welches eingangs einige wohlweislich sehr unterschiedliche Definitionsversuchegegenüberstellte. Bestehende E-Learning-Standards wurden vorgestellt und auf ihredidaktische Essenz hin abgeklopft.In Kapitel 5 habe ich eine technische Einführung in das Phänomen des SemanticWeb und speziell in die Wissensstruktur der Ontologien vorgenommen. Als Auszeichnungssprachekam die Web Ontology Language (OWL) zum Einsatz, deren Syntaxund Semantik - der natürlichen Schichtung folgend - erläutert wurde.Bestehende Forschungsarbeiten auf dem Gebiet didaktischer Ontologien griff dasKapitel 6 auf. An ihnen kommt weder eine Überblicksarbeit zum Thema vorbei,noch wäre es sinnvoll gewesen, bei der Entwicklung der Ontologien über die dortentwickelten Herangehensweisen hinwegzusehen.Kapitel 7 beschäftigte sich zunächst mit der Frage der Deduzierbarkeit von Lernzielenaus Kompetenzen und entwickelte parallel einen Leitfaden für die Formulierungkonkreter Lernziele. Anschließend nahm ich den Informatik-Lehrplan der Jahrgangsstufe10 als Ausgangspunkt, um im Einzelnen auf fachliche Zusammenhänge im BereichOOM/OOP einzugehen. Dabei ist eine Lernzielsammlung mittleren Umfangs entstanden,die zugleich Bestandteil des Anwendungsbeispiels - nämlich einer exemplarischenFachontologie - ist.Auf die Überlegungen und Entwurfsentscheidungen, die mit der Modellierung derim Rahmen dieser Arbeit entstandenen Ontologien verbunden sind, bezog sich dasKapitel 8. Der Autor hofft, dass es eine einträgliche Lektüre für das Verständnis derZusammenhänge und der technischen Hintergründe bildet. Zahlreiche Abbildungenillustrieren die Struktur der Ontologien. Gegen Ende des Kapitels lieferte ich repräsentativeAuszüge aus der exemplarischen Fachontologie, die sich aus Platzgründennur auf der CD befindet.In der Summe seiner Betrachtungen, Studien und Überlegungen konstatiert derAutor, dass didaktische Ontologien eine prächtige Basis für ubiquitous learning -das ” Überall-Lernen“ - bilden. Die Existenz bzw. Breite einiger Abschnitte dieserArbeit ist sicherlich ihrem Überblickscharakter geschuldet - doch auch jenseits diesesGesamtzusammenhangs kommt m. E. jedem einzelnen Kapitel wichtige Bedeutung zu,wenn es darum geht, Fragen moderner Lehr-Lernkultur (und damit auch didaktischerOntologien!) verantwortungsvoll und wissenschaftlich begründet in den Blick zunehmen.Besonders reizvoll erschien dem Autor bei der Bearbeitung immer wieder der dreifacheBezug, der die Aufgabenstellung mit der Informatik verbindet:• Ontologien als Wissensstrukturen sind ein Teilgebiet der Informatik als Wissenschaft;

140 9 Zusammenfassung und Ausblick• die entwickelte exemplarische Fachontologie enthält Lernzielstrukturen aus derInformatik als Unterrichtsfach;• alle Bemühungen erfolgen mit Blick auf ein ontologiebasiertes E-Learning-System.Verkürzt ausgedrückt ging es also darum, die Vermittlung von Kenntnissen (hier:aus der Informatik) durch die Nutzung von Ontologien als einem Konzept der Informatikzu unterstützen, indem Lernende mit entsprechender Software (LMS) auf einemInformatiksystem kommunizieren.9.2 Computer, Internet und Schulen in 20 Jahren (?)Einem Zufallsfund auf der MIB-Mailingliste 1 ist der Umstand zu verdanken, dass derAutor in der Abschlussphase der vorliegenden Arbeit auf eine aktuelle Abhandlungüber möglicherweise ins Haus stehende Entwicklungen im Bereich elektronisch unterstütztenLernens aufmerksam geworden ist.Werner Hartmann, Leiter des Fachbereichs E-Learning am Zentrum für Bildungsinformatikder PH Bern hat kürzlich zehn Thesen aufgestellt, wie sich ”Computer,Internet und Schulen in 20 Jahren“ von heutigen Verhältnissen unterscheiden könnten([Har08]).Wenngleich Hartmann dadurch nur eine Richtung beschwört, möchte ich dieseKumulation von (m. E. teilweise recht gewagten) Thesen kurz zum Anlass nehmenaufzuzeigen, dass ”Veränderung allein um der Veränderung willen“ nicht dazu geeignetist, Lernprozesse zu optimieren. So lautet These 3 (S. 37) lapidar:In zehn Jahren spricht niemand mehr von den heutigen Lernplattformen.“”Statt dessen hat Hartmann eine Vision:Web 2.0-Dienste bieten die einzelnen Dienste von Lernplattformen im Baukastensystemund modernem Erscheinungsbild an: Blogs, Wikis, Chats, Foren etc. lassen”sich mit wenigen Mausklicks erstellen und in Form von sogenannten Mashups zu einerWeb 2.0-Lernplattform zusammenfassen.“Geht man von einer didaktisch verantworteten Definition des Begriffs Lernplattform“aus, so ist ein solches Ansinnen hochgefährlich. Ginge es nach Hartmann, ”so würde die (von ihm selbst angeprangerte) Hype-Phase des E-Learning“ durch”einen (sicher nicht minder ekstatischen) Web 2.0-Hype abgelöst werden. Eine solche” Entkernung“ von E-Learning durch unkoordinierte und schnell zusammengeklickte“”Web 2.0- Dienste“, wie sie obiges Zitat in Aussicht stellt, könnte sich für die Lerner”1 MIB: Medienpädagogisch-informationstechnische Beratung

9.3 Ausblick 141im Nachhinein als Bärendienst herausstellen.Investitionen in starre, oft proprietäre und zentralistisch ausgerichtete Lernplattformensollten deshalb heute kritisch hinterfragt”werden.“In diesem Punkt kann man Hartmann zustimmen: So arbeiten auch Ontologienals Wissensstruktur prinzipbedingt dem verteilten Wissen zu und stellen mit ihremPlug-in-Konzept eine offene Plattform zur Verfügung.Trotz alledem könnte der Autor dieser Thesen insofern recht behalten, als in zehnJahren vielleicht wirklich ”niemand mehr von den heutigen Lernplattformen“ spricht.Dass angesichts bestehender E-Learning-Systeme der dringende Bedarf für deren Weiterentwicklungbesteht, ist der kleinste gemeinsame Nenner mit Hartmann und stelltaußerdem eine Art Nabelschnur für didaktische Ontologien dar. In der vorliegendenArbeit habe ich versucht zu illustrieren, welche wichtigen Beiträge Ontologien bei derEntwicklung elektronisch unterstützten Lernens leisten können. Dazu bedarf es jedochin jeder Phase der kontinuierlichen pädagogischen, didaktischen und fachdidaktischenFundierung und Begleitung.Sollte sich Hartmanns These 3 (ungeachtet seiner weiteren Ausführungen) alsobewahrheiten, so sehe ich darin (übrigens auch schon im Vorfeld!) eine unmittelbareChance und Herausforderung für die weitere Forschungstätigkeit auf dem Gebietdidaktischer Ontologien.Nebenbemerkung: An und für sich sollten m. E. auch die übrigen Thesen Hartmannseiner weitergehenden Betrachtung aus didaktischer Sicht unterzogen werden. Eine solchewürde jedoch den Rahmen dieser Arbeit sprengen.9.3 AusblickDie vorliegende Arbeit bietet einige Anknüpfungspunkte für die weitere Forschungstätigkeit,auf die ich nun kurz hinweisen möchte.• Der Entwicklungsstand im Bereich didaktischer Ontologien am Fachgebiet stelltm. E. inzwischen ein solides Fundament für die elektronische Planung, Vorbereitungund Unterstützung von Lernprozessen dar. Eine konsequente Fortsetzungläge nun in der Entwicklung geeigneter Algorithmen und Routinenfür E-Learning-Systeme, die in der Lage sind, sich regelrecht ”auf“ der Wissensbasiszu bewegen und durch fachlich anerkannte Vorgehensweisen wiePfadüberdeckungstests mögliche Lernpfade zu inferieren (vgl. Abhängigkeitenzwischen Lernzielen, Traversierung der Fuller-Taxonomie etc.). Bei der Navigationüber identifizierte Lernpfade werden dann weitere Randbedingungen (Vorwissender Lerner) eine Rolle spielen. Bei entsprechendem Prototyping könnte z.

142 9 Zusammenfassung und AusblickB. geprüft werden, inwieweit die graph-basierte Anfragesprache SPARQL 2 eineMöglichkeit darstellt, entsprechendes Wissen aus Fachontologien zu extrahieren.• Die Frage nach dem Verhältnis von Lernzielen und Kompetenzen mutet mir inzwischenschon fast wie ein semi-entscheidbares Problem an. Derzeit ist nur eineeinfache contributes to-Relation vorgesehen. Um hier mehr Klarheit zu erhalten,wären tiefgehende Forschungsarbeiten (mit empirischem Bezug?) vorstellbar.Man könnte versuchen, Kompetenzen sinnvoll zu den acht Kategorien des in Kapitel3 vorgestellten European Qualifications Framework (EQF) in Bezug zu setzen,damit erstere etwas ”handhabbarer“ werden.• Wie ich schon im zugehörigen Kapitel angedeutet habe, steht noch eine empirischeUntersuchung aus, ob sechs der sieben Kategorien in der Fuller-Taxonomie tatsächlich mit denen der kognitiven Dimension bei Anderson et al.übereinstimmen, wie es die jeweils identischen Bezeichnungen suggerieren.• Ebenso offen bleibt die Frage, welche weiteren Abhängigkeiten zwischen Lernzielenbestehen. Ggf. müssen auch entsprechende Regel(unge)n zur Priorisierungbestimmter Vorrangrelationen entwickelt werden (SWRL, OWL 2.0, ...).• Gerade in Anbetracht der Tatsache, dass der G8-Lehrplan der Jahrgangsstufe 10im Schuljahr 2008/09 seinen Einstand feiern konnte 3 , werden sich zur theoretischenBeschäftigung mit der Materie alsbald erfahrungswissenschaftliche Erkenntnissehinzugesellen. Dadurch kann Material zur Schaffung weiterer Fachontologienmit ganz konkreten (und erprobten!) Lernzielen, Konzepten etc. entstehen. DieEntwicklung von Fachontologien sollte auch über das Fach Informatik hinausverfolgt werden, um eventuelle bisher verborgen gebliebene Unzulänglichkeitenbestehender Ontologien aufdecken zu können.Nachdem entsprechende Ansätze ihre Legitimation, ihre Leistungsfähigkeit undihr Potential bereits mehrfach unter Beweis stellen konnten, sind dem weitläufigenForschungsgebiet didaktischer Ontologien - nicht nur angesichts der hochvernetztenZusammenhänge im Bereich OOM/OOP - auch weiterhin nachhaltige Fortschritte zuwünschen. Spätestens wenn eine lauffähige LMS-Lösung vorliegt, könnten Ontologienals Konzept des Semantic Web zu einem Silberstreif am Horizont des E-Learningwerden.2 SPARQL Protocol And RDF Query Language3 oder sollte eher von einer Feuertaufe die Rede sein?

143A OntologienA.1 CasselConcept.owl1 2 < rdf:RDF3 xmlns =" http: // slacky .de/za/ont / CasselConcept . owl #"4 xmlns:rdf =" http: // www .w3.org /1999/02/22 - rdf - syntax -ns#"5 xmlns:owl =" http: // www .w3.org /2002/07/ owl #"6 xmlns:xsd =" http: // www .w3.org /2001/ XMLSchema #"7 xmlns:rdfs =" http: // www .w3.org /2000/01/ rdf - schema #"8 xml:base =" http: // slacky .de/za/ont / CasselConcept . owl ">9 < owl:Ontology rdf:about =""/>10 < owl:Class rdf:ID =" Concept "/>11 < owl:TransitiveProperty rdf:ID =" used_by ">12 < rdfs:range rdf:resource ="# Concept "/>13 < rdfs:domain rdf:resource ="# Concept "/>14 < rdf:type rdf:resource =" http: // www .w3.org /2002/07/ owl # ObjectProperty "/>15 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "16 > Specifies that one concept is used by another (e. g. " hashing " is used by "dictionary ")17 < owl:inverseOf >18 < owl:TransitiveProperty rdf:ID =" uses "/>19 20 21 < owl:TransitiveProperty rdf:ID =" is_a ">22 < rdf:type rdf:resource =" http: // www .w3.org /2002/07/ owl # ObjectProperty "/>23 < rdfs:range rdf:resource ="# Concept "/>24 < rdfs:domain rdf:resource ="# Concept "/>25 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "26 > Simply following the class relation ( subconcepts )27 28 < owl:TransitiveProperty rdf:ID =" has_part ">29 < rdf:type rdf:resource =" http: // www .w3.org /2002/07/ owl # ObjectProperty "/>30 < rdfs:range rdf:resource ="# Concept "/>31 < rdfs:domain rdf:resource ="# Concept "/>32 < owl:inverseOf >33 < owl:TransitiveProperty rdf:ID =" part_of "/>34 35 36 < owl:TransitiveProperty rdf:about ="# uses ">37 < owl:inverseOf rdf:resource ="# used_by "/>38 < rdfs:domain rdf:resource ="# Concept "/>39 < rdfs:range rdf:resource ="# Concept "/>40 < rdf:type rdf:resource =" http: // www .w3.org /2002/07/ owl # ObjectProperty "/>41 42 < owl:TransitiveProperty rdf:about ="# part_of ">43 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "44 > Specifies that one concept is part of another (e. g. " hash table " is a partof " hashing ")45 < rdf:type rdf:resource =" http: // www .w3.org /2002/07/ owl # ObjectProperty "/>46 < owl:inverseOf rdf:resource ="# has_part "/>47 < rdfs:range rdf:resource ="# Concept "/>48 < rdfs:domain rdf:resource ="# Concept "/>

144 A Ontologien49 50 < Concept rdf:ID =" IConcept "/>51 5253 A.2 Fuller.owl1 2 < rdf:RDF3 xmlns:rdf =" http: // www .w3.org /1999/02/22 - rdf - syntax -ns#"4 xmlns:protege =" http: // protege . stanford . edu / plugins / owl / protege #"5 xmlns:owl =" http: // www .w3.org /2002/07/ owl #"6 xmlns:xsd =" http: // www .w3.org /2001/ XMLSchema #"7 xmlns =" http: // slacky .de/za/ont / Fuller . owl #"8 xmlns:rdfs =" http: // www .w3.org /2000/01/ rdf - schema #"9 xmlns:staller .ak.cog =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_cognitive_process . owl #"10 xml:base =" http: // slacky .de/za/ont / Fuller . owl ">11 < owl:Ontology rdf:about ="">12 < owl:imports rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_cognitive_process . owl "/>13 14 < owl:Class rdf:ID =" Remember ">15 < rdfs:subClassOf >16 < owl:Class rdf:ID =" Interpreting "/>17 18 < owl:equivalentClass rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material /Staller / Ontologien / Anderson_cognitive_process . owl # _1_Remember "/>19 < owl:disjointWith >20 < owl:Class rdf:ID =" Evaluate "/>21 22 < owl:disjointWith >23 < owl:Class rdf:ID =" Understand "/>24 25 < owl:disjointWith >26 < owl:Class rdf:ID =" Analyze "/>27 28 29 < owl:Class rdf:about ="# Understand ">30 < rdfs:subClassOf >31 < owl:Class rdf:about ="# Interpreting "/>32 33 < owl:equivalentClass rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material /Staller / Ontologien / Anderson_cognitive_process . owl # _2_Understand "/>34 < owl:disjointWith >35 < owl:Class rdf:about ="# Evaluate "/>36 37 < owl:disjointWith rdf:resource ="# Remember "/>38 < owl:disjointWith >39 < owl:Class rdf:about ="# Analyze "/>40 41 42 < owl:Class rdf:about ="# Evaluate ">43 < rdfs:subClassOf >44 < owl:Class rdf:about ="# Interpreting "/>45 46 < owl:equivalentClass rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material /Staller / Ontologien / Anderson_cognitive_process . owl # _5_Evaluate "/>47 < owl:disjointWith rdf:resource ="# Understand "/>48 < owl:disjointWith rdf:resource ="# Remember "/>

A.2 Fuller.owl 14549 < owl:disjointWith >50 < owl:Class rdf:about ="# Analyze "/>51 52 53 < owl:Class rdf:ID =" Apply ">54 < owl:equivalentClass rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material /Staller / Ontologien / Anderson_cognitive_process . owl # _3_Apply "/>55 < owl:disjointWith >56 < owl:Class rdf:ID =" None "/>57 58 < owl:disjointWith >59 < owl:Class rdf:ID =" Create "/>60 61 < rdfs:subClassOf >62 < owl:Class rdf:ID =" Producing "/>63 64 65 < owl:Class rdf:about ="# Create ">66 < owl:disjointWith >67 < owl:Class rdf:about ="# None "/>68 69 < owl:disjointWith rdf:resource ="# Apply "/>70 < rdfs:subClassOf >71 < owl:Class rdf:about ="# Producing "/>72 73 < owl:equivalentClass rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material /Staller / Ontologien / Anderson_cognitive_process . owl # _6_Create "/>74 75 < owl:Class rdf:about ="# None ">76 < owl:disjointWith rdf:resource ="# Create "/>77 < owl:disjointWith rdf:resource ="# Apply "/>78 < rdfs:subClassOf >79 < owl:Class rdf:about ="# Producing "/>80 81 82 < owl:Class rdf:about ="# Analyze ">83 < owl:disjointWith rdf:resource ="# Understand "/>84 < owl:disjointWith rdf:resource ="# Remember "/>85 < owl:disjointWith rdf:resource ="# Evaluate "/>86 < rdfs:subClassOf >87 < owl:Class rdf:about ="# Interpreting "/>88 89 < owl:equivalentClass rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material /Staller / Ontologien / Anderson_cognitive_process . owl # _4_Analyze "/>90 91 < owl:Class rdf:about ="# Producing ">92 < owl:disjointWith >93 < owl:Class rdf:about ="# Interpreting "/>94 95 < rdfs:comment xml:lang ="en">The ability to design and build a new product 96 < rdfs:subClassOf >97 < owl:Class rdf:ID =" FullerTaxonomy "/>98 99 < rdfs:subClassOf >100 < owl:Class >101 < owl:unionOf rdf:parseType =" Collection ">102 < owl:Class rdf:about ="# None "/>103 < owl:Class rdf:about ="# Apply "/>104 < owl:Class rdf:about ="# Create "/>105 106 107

146 A Ontologien108 109 < owl:Class rdf:about ="# Interpreting ">110 < rdfs:subClassOf >111 < owl:Class rdf:about ="# FullerTaxonomy "/>112 113 < rdfs:subClassOf >114 < owl:Class >115 < owl:unionOf rdf:parseType =" Collection ">116 < owl:Class rdf:about ="# Remember "/>117 < owl:Class rdf:about ="# Understand "/>118 < owl:Class rdf:about ="# Analyze "/>119 < owl:Class rdf:about ="# Evaluate "/>120 121 122 123 < owl:disjointWith rdf:resource ="# Producing "/>124 < rdfs:comment xml:lang ="en">The ability to understand and interpret anexisting product (i. e., program code )125 126 < owl:Class rdf:about ="# FullerTaxonomy ">127 < owl:equivalentClass >128 < owl:Class >129 < owl:unionOf rdf:parseType =" Collection ">130 < owl:Class rdf:about ="# Interpreting "/>131 < owl:Class rdf:about ="# Producing "/>132 133 134 135 < rdfs:comment xml:lang ="en">NOTE: Fuller et al. have adopted the names oftheir levels from the revised version of Bloom ’s, as they feel that theyare sufficiently unambiguous . 136 137 138 < Remember rdf:ID =" IRemember "/ >139 140 < Understand rdf:ID =" IUnderstand "/ >141 < Create rdf:ID =" ICreate "/ >142 < Evaluate rdf:ID =" IEvaluate "/ >143 < Analyze rdf:ID =" IAnalyze "/ >144 145146 A.3 Competence.owl1 2 < rdf:RDF3 xmlns:rdf =" http: // www .w3.org /1999/02/22 - rdf - syntax -ns#"4 xmlns:owl =" http: // www .w3.org /2002/07/ owl #"5 xmlns =" http: // slacky .de/za/ont / Competence . owl #"6 xmlns:xsd =" http: // www .w3.org /2001/ XMLSchema #"7 xmlns:rdfs =" http: // www .w3.org /2000/01/ rdf - schema #"8 xml:base =" http: // slacky .de/za/ont / Competence . owl ">9 < owl:Ontology rdf:about =""/>10 < owl:Class rdf:ID =" Competence ">11 < rdfs:subClassOf rdf:resource =" http: // www .w3.org /2002/07/ owl # Thing "/>12 < rdfs:subClassOf >13 < owl:Restriction >14 < owl:onProperty >15 < owl:FunctionalProperty rdf:ID =" has_verbalization "/>16

A.4 Objective.owl 14717 < owl:cardinality rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # int "18 >119 20 21 22 < owl:FunctionalProperty rdf:about ="# has_verbalization ">23 < rdfs:domain rdf:resource ="# Competence "/>24 < rdfs:range rdf:resource =" http: // www .w3.org /2001/ XMLSchema # string "/>25 < rdf:type rdf:resource =" http: // www .w3.org /2002/07/ owl # DatatypeProperty "/>26 27 2829 A.4 Objective.owl1 2 < rdf:RDF3 xmlns:protege =" http: // protege . stanford . edu / plugins / owl / protege #"4 xmlns:staller .ak.obj =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl #"5 xmlns:staller .ak.cog =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_cognitive_process . owl #"6 xmlns:rdf =" http: // www .w3.org /1999/02/22 - rdf - syntax -ns#"7 xmlns:fuller =" http: // slacky .de/za/ont / Fuller . owl #"8 xmlns:cassel . concept =" http: // slacky .de/za/ont / CasselConcept . owl #"9 xmlns:staller . concept =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Konzeptuelles_Wissen . owl #"10 xmlns:owl =" http: // www .w3.org /2002/07/ owl #"11 xmlns:comp =" http: // slacky .de/za/ont / Competence . owl #"12 xmlns:staller .ak.kno =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_knowledge . owl #"13 xmlns:xsd =" http: // www .w3.org /2001/ XMLSchema #"14 xmlns =" http: // slacky .de/za/ont / Objective . owl #"15 xmlns:rdfs =" http: // www .w3.org /2000/01/ rdf - schema #"16 xml:base =" http: // slacky .de/za/ont / Objective . owl ">17 < owl:Ontology rdf:about ="">18 < owl:imports rdf:resource =" http: // slacky .de/za/ont / Fuller . owl "/>19 < owl:imports rdf:resource =" http: // slacky .de/za/ont / Competence . owl "/>20 < owl:imports rdf:resource =" http: // slacky .de/za/ont / CasselConcept . owl "/>21 < owl:imports rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Konzeptuelles_Wissen . owl "/>22 < owl:imports rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl "/>23 24 < owl:ObjectProperty rdf:about =" http: // www .w3.org /2003/11/ swrl # argument2 "/>25 < owl:ObjectProperty rdf:ID =" is_soft_prerequisite_of ">26 < rdfs:domain >27 < rdf:Description rdf:about =" http: // ddi .in.tum .de/ fileadmin / material /Staller / Ontologien / Anderson_objective . owl # Objective ">28 < rdfs:subClassOf >29 < owl:Restriction >30 < owl:cardinality rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # int "31 >132 < owl:onProperty rdf:resource =" http: // slacky .de/za/ont / Competence . owl# has_verbalization "/>33 34 35 36

148 A Ontologien37 < rdfs:range rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>38 < owl:inverseOf >39 < owl:ObjectProperty rdf:ID =" has_soft_prerequisite "/>40 41 42 < owl:ObjectProperty rdf:ID =" has_hard_prerequisite ">43 < rdfs:domain rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>44 < owl:inverseOf >45 < owl:ObjectProperty rdf:ID =" is_hard_prerequisite_of "/>46 47 < rdfs:range rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>48 49 < owl:ObjectProperty rdf:ID =" contributes_to ">50 < rdfs:domain rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>51 < rdfs:range rdf:resource =" http: // slacky .de/za/ont / Competence . owl # Competence "/>52 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "53 > Objectives contribute to achieving one or more certain competence (s).54 55 < owl:ObjectProperty rdf:about ="# is_hard_prerequisite_of ">56 < rdfs:range rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>57 < rdfs:domain rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>58 < owl:inverseOf rdf:resource ="# has_hard_prerequisite "/>59 60 < owl:ObjectProperty rdf:about ="# has_soft_prerequisite ">61 < rdfs:domain rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>62 < rdfs:range rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>63 < owl:inverseOf rdf:resource ="# is_soft_prerequisite_of "/>64 65 < owl:FunctionalProperty rdf:ID =" has_interpreting_cat ">66 < rdfs:range rdf:resource =" http: // slacky .de/za/ont / Fuller . owl # Interpreting "/>67 < rdfs:domain rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>68 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "69 >Links an objective to exactly one " interpreting " category as proposed byFuller et al.70 < rdf:type rdf:resource =" http: // www .w3.org /2002/07/ owl # ObjectProperty "/>71 72 < owl:FunctionalProperty rdf:ID =" has_producing_cat ">73 < rdf:type rdf:resource =" http: // www .w3.org /2002/07/ owl # ObjectProperty "/>74 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "75 >Links an objective to exactly one " producing " category as proposed byFuller et al.76 < rdfs:domain rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>77 < rdfs:range rdf:resource =" http: // slacky .de/za/ont / Fuller . owl # Producing "/>78 79 < owl:FunctionalProperty rdf:ID =" has_verbalization ">80 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "81 >Exact verbalization of a learning objective 82 < rdfs:range rdf:resource =" http: // www .w3.org /2001/ XMLSchema # string "/>83 < rdfs:domain rdf:resource =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Objective "/>84 < rdf:type rdf:resource =" http: // www .w3.org /2002/07/ owl # DatatypeProperty "/>

A.4 Objective.owl 14985 86 < rdf:Description rdf:about =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Educational_objective ">87 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "88 > Derived from global objectives by breaking them down into more focused ,delimited form 89 90 < rdf:Description rdf:about =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # has_knowledge ">91 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "92 >Links an objective to exactly one knowledge category of Anderson ’s Taxonomy. 93 94 < rdf:Description rdf:about =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Global_objective ">95 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "96 >Complex , multifaceted leraning outcomes that require substantial time andinstruction to accomplish 97 98 < rdf:Description rdf:about =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # Instructional_objective ">99 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "100 > Purpose to focus teaching and testing on narrow , day - today slices oflearning in fairly specific content areas 101 102 < rdf:Description rdf:about =" http: // ddi .in.tum .de/ fileadmin / material / Staller /Ontologien / Anderson_objective . owl # has_cognitive_process ">103 < rdfs:comment rdf:datatype =" http: // www .w3.org /2001/ XMLSchema # string "104 >Links an objective to exactly one cognitive - process category of Anderson ’sTaxonomy .105 106 107108

150B LernzielsammlungAuf der Grundlage des Lehrplans, ausgehend von Kompetenzen der GI-Expertiseund in Anknüpfung an konkrete Aufgaben aus den Informatik-Lehrbüchern habe ichLernziele aus dem Bereich OOM/OOP identifiziert, die ihren Niederschlag in derexemplarischen Fachontologie (vgl. CD) gefunden haben.Im Hinblick auf die Modellierung der Ontologien wurde der Fokus dabei bewusstauf Lernziele gelegt, die auf konzeptuelles Wissen abstellen. Global, educational undinstructional objectives werden stets durch GO, EO bzw. IO kenntlich gemacht, umauch hier Konsistenz zu den Erläuterungen in Kapitel 8 und zur Fachontologie zuerreichen.EO 1. Der Lernende ist in der Lage, einfache Abläufe in Form eines Zustandsdiagrammszu modellieren.IO 1.1. Der Lernende ist in der Lage, die Vorschriften für die graphische Darstellungvon Zustandsdiagrammen zu erinnern.IO 1.2. Der Lernende ist in der Lage, die Zusammenhänge der konstituierendenElemente eines Zustandsdiagramms zu erläutern.IO 1.3. Der Lernende ist in der Lage darzulegen, dass jeder Zustand einer eindeutigenKonstellation der Attributwerte eines Objekts entspricht.IO 1.4. Der Lernende ist in der Lage, den Zustandsraum eines vorgegebenen Objektszu bestimmen.IO 1.5. Der Lernende ist in der Lage, anhand eines Beispiels zu erläutern, dass dieMenge der tatsächlich eintretenden Zustände eine Untermenge des Zustandsraums bildet.IO 1.6. Der Lernende ist in der Lage, die tatsächlich eintretenden Zustände einesvorgegebenen Objekts zu benennen.IO 1.7. Der Lernende ist in der Lage, an einem Beispiel zu erläutern, dass ein Zustandsüberganggenau dann stattfindet, wenn sich mindestens ein Attributwert ändert.IO 1.8. Der Lernende ist in der Lage, anhand eines vorgegebenen Szenarios dietatsächlich möglichen Zustandsübergänge zu bestimmen.

151EO 2. Der Lernende ist in der Lage, das Verhalten des durch ein vorliegendesZustandsdiagramm beschriebenen Zustandsautomaten in einer einfachen Programmiersprache(PGS) zu implementieren.EO 3. Der Lernende ist in der Lage, die Grenzen zustandsbasierter Modellierungim Zusammenhang mit der Simulation realer Objekte zu erläutern.EO 4. Der Lernende ist in der Lage, die mit der Simulation in aller Regelverbundene Vereinfachung des Sachverhalts zu erfassen.EO 5. Der Lernende ist in der Lage, den unterschiedlichen Bezug von Objektenin Simulation und Praxis an einem Beispiel zu verdeutlichen.EO 6. Der Lernende ist in der Lage, ökonomische Gesichtspunkte der Aufgabenstellungbzw. der Konzeption zu erkennen.EO 7. Der Lernende ist in der Lage, den Stellenwert eines korrekten undverlässlichen Programmablaufs gerade in kritischen Situationen anhand einesBeispiels aufzuzeigen.EO 10.1. Der Lernende ist in der Lage, einfache Zustandsdiagramme zu interpretieren.IO 10.1.1. Der Lernende ist in der Lage, Namen, Darstellungsweisen und Bedeutungender Bestandteile von Zustandsdiagrammen zu benennen.IO 10.1.2. Nach Vorgabe eines einfachen Zustandsdiagramms ist der Lernende in derLage, den abgebildeten Ablauf mit eigenen Worten zu beschreiben.IO 10.1.3. Der Lernende ist in der Lage, mehrere Zustandsdiagramme hinsichtlich ihrerUnterschiede zu vergleichen.IO 10.1.4. Der Lernende ist in der Lage, Zustandsdiagramme real existierender Automatenauf Schlüssigkeit und Vollständigkeit zu überprüfen.EO 10.2. Der Lernende ist in der Lage, Automaten zu analysieren und daraufaufbauend zustandsorientiert zu modellieren.IO 10.2.1. Der Lernende ist in der Lage, anhand eines bestehenden Automatenaus seiner Erfahrungswelt dessen praktisch und theoretisch mögliche Zustände undZustandsübergänge zu ermitteln.IO 10.2.2. Der Lernende ist in der Lage, aus der umgangssprachlichen Beschrei-

152 B Lernzielsammlungbung eines Automaten auf dessen praktisch und theoretisch mögliche Zustände undZustandsübergänge zu schließen.IO 10.2.3. Der Lernende ist in der Lage, basierend auf den ermittelten Zuständen undZustandsübergängen eines Automaten ein Zustandsdiagramm zu zeichnen.IO 10.2.4. Der Lernende ist in der Lage, basierend auf den ermittelten Zuständen undZustandsübergängen eines Automaten eine Zustandsübergangstabelle zu erstellen.IO 10.2.5. Der Lernende ist in der Lage, Zustandsdiagramme in Zustandsübergangstabellenvice versa zu überführen.IO 10.2.6. Der Lernende ist in der Lage zu begründen, weshalb sich für die Modellierungeines umgangssprachlich beschriebenen Automaten eher ein Zustandsdiagramm oder eineZustandsübergangstabelle eignet.IO 10.2.7. Der Lernende ist in der Lage, ggf. Systemzustände des Automaten zubeschreiben, die im Modell (noch) nicht berücksichtigt sind.IO 10.2.8. Der Lernende ist in der Lage, Zustände und Zustandsübergänge in geeigneterund sprechender Weise zu beschriften.EO 10.3. Der Lernende ist in der Lage, Variablen und Wertzuweisungen zurModellierung von Zustandsübergängen zu verwenden.IO 10.3.1. Der Lernende ist in der Lage, anhand einer Sequenz von Wertzuweisungenzu jedem Ablaufzeitpunkt die momentanen Attributwerte zu benennen.IO 10.3.2. Der Lernende ist in der Lage, das unterschiedliche Verständnis des Variablenbegriffsin Mathematik und Informatik zu erläutern.IO 10.3.3. Der Lernende ist in der Lage, die Zustandsübergänge eines Automaten mitHilfe von Methodenaufrufen zu implementieren.IO 10.3.4. Der Lernende ist in der Lage, den Ringtausch zweier Attributwerte zuimplementieren.IO 10.3.5. Der Lernende ist in der Lage, bei der Implementierung das Prinzip derKapselung zu berücksichtigen.EO 10.4. Der Lernende ist in der Lage, einfache Zustandsdiagramme in objektorientierteProgramme umzusetzen.IO 10.4.1. Der Lernende ist in der Lage, bei der Implementierung Kontrollstrukturen

153wie bedingte Ausführung und Wiederholung einzusetzen.IO 10.4.2. Der Lernende ist in der Lage, in einem PGS mit Hilfe einer geeignetenKontrollstruktur eine Wartezeit zu realisieren.IO 10.4.3. Der Lernende ist in der Lage, anhand einer Zustandsübergangstabelle diekorrekte Funktion des korrespondierenden Programms zu überprüfen.EO 10.5. Der Lernende ist in der Lage, Algorithmen zu entwerfen, zu implementierenund zu beurteilen.IO 10.5.1. Der Lernende ist in der Lage, sinngemäß die etymologische Herkunft desWortes Algorithmus wiederzugeben.IO 10.5.2. Der Lernende ist in der Lage, drei Bestimmungsstücke für einen Algorithmuszu benennen.IO 10.5.3. Der Lernende ist in der Lage, spontan zwei Beispiele für Verarbeitungsvorschriftenaus ihrem täglichen Leben zu nennen.IO 10.5.4. Der Lernende ist in der Lage, eine textuelle Ablaufbeschreibung in einenAlgorithmus zu überführen.IO 10.5.5. Der Lernende ist in der Lage, einen in Pseudocode vorliegenden Algorithmusin einer einfachen Programmiersprache zu implementieren.IO 10.5.6. Der Lernende ist in der Lage, Algorithmen unter Effizienzgesichtspunktenkritisch zu betrachten.IO 10.5.7. Der Lernende ist in der Lage, anhand eines vorliegenden Algorithmus dessenVerarbeitungsvorschrift in natürlicher Sprache zu erklären.IO 10.5.8. Der Lernende ist in der Lage, mehrere Algorithmen zur Lösung einesProblems hinsichtlich ihrer Arbeitsweise zu vergleichen.EO 10.6. Der Lernende ist in der Lage, formale Darstellungen von Algorithmenzu interpretieren und sie in Programme umzusetzen.IO 10.6.1. Der Lernende ist in der Lage, die Kontrollstrukturen der ein- und zweiseitigenAuswahl in einer Programmiersprache abzubilden.IO 10.6.2. Der Lernende ist in der Lage, die Kontrollstrukturen der bedingten undunbedingten Wiederholung in einer Programmiersprache abzubilden.

154 B LernzielsammlungIO 10.6.3. Der Lernende ist in der Lage, seinen Programmcode gemäß der üblichenGepflogenheiten übersichtlich zu gestalten.IO 10.6.4. Der Lernende ist in der Lage, seinen Programmcode in angemessener Formmit erläuternden Kommentaren anzureichern.IO 10.6.5. Der Lernende ist in der Lage, das tatsächliche Programmverhalten mit dervorgegebenen Verarbeitungsvorschrift abzugleichen.IO 10.6.6. Der Lernende ist in der Lage, neben Programmen zwei weitere Repräsentationsformenfür Algorithmen zu nennen.EO 10.7. Der Lernende ist in der Lage, den Zusammenhang zwischen Automatenund Sprachen aufzuzeigen.IO 10.7.1. Der Lernende ist in der Lage zu erläutern, wie Ein- und Ausgabe einesAutomaten im Zustandsmodell repräsentiert werden.IO 10.7.2. Der Lernende ist in der Lage zu erläutern, wie eine Programmiersprache zurAutomatisierung einer Verarbeitungsvorschrift auf einer Maschine beiträgt.EO 10.8. Der Lernende ist in der Lage, dynamische Beziehungen zwischenObjekten grafisch darzustellen.IO 10.8.1. Der Lernende ist in der Lage, anhand eines Beispiels den Unterschiedzwischen statischen und dynamischen Objektbeziehungen zu erläutern.IO 10.8.2. Der Lernende ist in der Lage, die konstituierenden Elemente eines Interaktionsdiagrammssowie deren Zusammenhänge zu erläutern.IO 10.8.3. Der Lernende ist in der Lage, den durch ein vorgegebenes Interaktionsdiagrammbeschriebenen Ablauf in natürlicher Sprache wiederzugeben.IO 10.8.4. Der Lernende ist in der Lage, ein vorliegendes Interaktionsdiagramm aufBasis einer einfachen Aufgabenstellung zu erweitern.IO 10.8.5. Der Lernende ist in der Lage, den Zusammenhang zwischen Methodenaufrufenund der Kommunikation von Objekten in einem Interaktionsdiagramm aufzuzeigen.IO 10.8.6. Der Lernende ist in der Lage, Sequenzdiagramme zur Überprüfung einesvorgegebenen Klassenmodells zu nutzen.EO 10.9. Der Lernende ist in der Lage, sinnvolle Schnittstellen zwischen Programmkomponentenzu definieren.

155IO 10.9.1. Der Lernende ist in der Lage zu erläutern, was man unter der Schnittstelleeiner Klasse versteht.IO 10.9.2. Der Lernende ist in der Lage, den Zusammenhang zwischen Interfaces undabstrakten Klassen herzustellen.IO 10.9.3. Der Lernende ist in der Lage, auf Basis eines Klassendiagramms Interfacesin Java zu spezifizieren.IO 10.9.4. Der Lernende ist in der Lage, zwei Punkte zu nennen, die die praktischeBedeutung von Schnittstellen verdeutlichen.EO 10.10. Der Lernende ist in der Lage, das Paradigma der Datenkapselunganzuwenden.IO 10.10.1. Der Lernende ist in der Lage, in drei Sätzen zur Bedeutung des BegriffsDatenkapselung“ Stellung zu nehmen.”IO 10.10.2. Der Lernende ist in der Lage zu erklären, welche Rolle Datenkapselung beider Entwicklung größerer Softwaresysteme spielt.IO 10.10.3. Der Lernende ist in der Lage, die in Java möglichen Zugriffsrechte auf dieAttribute eines Objekts zu beschreiben.IO 10.10.4. Der Lernende ist in der Lage, die Zugriffsrechte einer vorgegebenen Klassein deren Klassenkarte kenntlich zu machen.IO 10.10.5. Der Lernende ist in der Lage, bei der Implementierung eines vorgegebenenKlassendiagramms die entsprechenden Java-Schlüsselwörter korrekt einzusetzen.IO 10.10.6. Der Lernende ist in der Lage, bei der Implementierung von Programmenden gängigen Regeln des Geheimnisprinzips zu folgen.EO 10.11. Der Lernende ist in der Lage, die Enthält-Beziehung im Sinne derReferenzsemantik zu implementieren.IO 10.11.1. Der Lernende ist in der Lage, den Unterschied zwischen dem räumlichenVerständnis von ”Enthält“ und der Datenhaltung im Arbeitsspeicher unter Zuhilfenahmegrafischer Darstellungen zu erläutern.IO 10.11.2. Der Lernende ist in der Lage, auf Basis der Multiplizitäten und Wirkrichtungenvon Beziehungen in einem Klassendiagramm entsprechende Referenzen in ihrerImplementierung zu erstellen.

156 B LernzielsammlungIO 10.11.3. Der Lernende ist in der Lage anzugeben, welche Sicht Objekte, die eineReferenz auf ein bestimmtes Objekt besitzen, nach dessen Zustandsänderung haben.IO 10.11.4. Der Lernende ist in der Lage, zwei Gründe für die Verwendung vonReferenzen an Stelle von Objektkopien anzuführen.EO 10.12. Der Lernende ist in der Lage, Methodenaufrufe für die Kommunikationzwischen Objekten zu nutzen.IO 10.12.1. Der Lernende ist in der Lage, Methoden als Kommunikationsmittel bzw.als Dienste aufzufassen und ihnen bei der Modellierung folgerichtig sprechende Bezeichnerzu geben.IO 10.12.2. Der Lernende ist in der Lage, im Rahmen einer einfachen Aufgabenstellungdie Anforderungen an die einzelnen Methoden zu ermitteln (Anzahl der Parameter,Rückgabewerte).EO 10.13. Der Lernende ist in der Lage, hierarchische Klassenstrukturen durchVererbung, Generalisierung und Spezialisierung zu beschreiben.IO 10.13.1. Der Lernende ist in der Lage, Objekte seiner Lebenswelt unter sinnvollenAspekten in einer Klassenhierarchie (repräsentiert durch ein Klassendiagramm) anzuordnen.IO 10.13.2. Der Lernende ist in der Lage, eine als Klassendiagramm vorliegendehierarchische Struktur mit Hilfe der einschlägigen Konstrukte in einer objektorientiertenSprache zu implementieren.IO 10.13.3. Der Lernende ist in der Lage, drei praktische Beispielszenarien aus ihremAlltag zu nennen, die auf den Prinzipien von Vererbung, Generalisierung und Spezialisierungbasieren.IO 10.13.4. Der Lernende ist in der Lage zu erläutern, warum es sich bei dem Verhältniseiner Unter- zu einer Oberklasse um eine is-a-Beziehung handelt.IO 10.13.5. Der Lernende ist in der Lage zu problematisieren, welche negativenKonsequenzen sich aus Coderedundanz ergeben.IO 10.13.6. Der Lernende ist in der Lage, den Begriff Polymorphismus im Kontext vonOOM zu erläutern.IO 10.13.7. Der Lernende ist in der Lage, die sich aus einer vorgegebenen Vererbungshierarchieergebenden Beziehungen in einem Klassendiagramm darzustellen.

157IO 10.13.8. Der Lernende ist in der Lage zu erklären, wie sich in Java die Zugriffsberechtigungprotected im Vergleich zu privat bzw. öffentlich deklarierten Attributen/Methodenverhält.EO 10.14. Der Lernende ist in der Lage, Strukturierungsmöglichkeiten zu nutzen,um gleichartige, aber auch unterschiedliche Elemente geeignet zusammenzufassen.IO 10.14.1. Der Lernende ist in der Lage, Objekte/Daten hinsichtlich ihrer strukturellenUnterschiede zu beurteilen.IO 10.14.2. Der Lernende ist in der Lage, an einem selbst gewählten konkretenBeispielszenario zu erläutern, dass die beteiligten Objekte sich in mancherlei Hinsichtunterscheiden, jedoch auch Gemeinsamkeiten aufweisen.IO 10.14.3. Der Lernende ist in der Lage, von der Datenstruktur Feld Gebrauch zumachen.EO 10.15. Der Lernende ist in der Lage, objektorientierte Modelle für einfacheSachverhalte zu entwickeln und diese mit Klassendiagrammen darzustellen.IO 10.15.1. Der Lernende ist in der Lage, einfache Zusammenhänge aus seinerAlltagswelt objektorientiert zu modellieren.IO 10.15.2. Der Lernende ist in der Lage zu begründen, weshalb komplexe, weitverzweigteZusammenhänge nicht unmittelbar in eine Programmiersprache überführt werdensollten bzw. können.EO 10.16. Der Lernende ist in der Lage, das Modellverhalten durch zielgerichteteÄnderungen zu beeinflussen.IO 10.16.1. Der Lernende ist in der Lage, das Verhalten eines vorliegenden Modells vordem inneren Auge nachzuvollziehen, was er mit eigenen Worten unter Beweis stellt.IO 10.16.2. Der Lernende ist in der Lage, auf Basis einer entsprechenden AufgabenstellungÄnderungen an der Repräsentation eines Modells vorzunehmen.IO 10.16.3. Der Lernende ist in der Lage, selbst erstellte Programme auf korrektesAblaufverhalten zu testen.EO 10.17. Der Lernende ist in der Lage, Vermutungen über Zusammenhängeund Lösungsmöglichkeiten im informatischen Kontext anzustellen.IO 10.17.1. Der Lernende ist in der Lage, zwischen verschiedenen Möglichkeiten derInformationsdarstellung problemadäquat auszuwählen.

158 B LernzielsammlungIO 10.17.2. Der Lernende ist in der Lage, Abläufe in Form von Zustandsdiagrammenzu Papier zu bringen.IO 10.17.3. Der Lernende ist in der Lage, eine vorgegebene Verarbeitungsvorschrift inein Struktogramm zu überführen.IO 10.17.4. Der Lernende ist in der Lage, über die Stärken und Schwächen mehrererLösungsvorschläge zu resümieren.IO 10.17.5. Der Lernende ist in der Lage, bei der Lösung überschaubarer Problemesystematische Strategien anzuwenden.EO 10.18. Der Lernende ist in der Lage, Aufgabenstellungen durch objektorientiertesStrukturieren zu lösen.IO 10.18.1. Auf Basis einer vorgegebenen Aufgabenstellung ist der Lernende in derLage, die beteiligten Objekte zu identifizieren und sinnvoll zu benennen.IO 10.18.2. Der Lernende ist in der Lage, die Klassen einer gegebenen Problemstellungmit den jeweils notwendigen Attributen und Methoden auszustatten.IO 10.18.3. Der Lernende ist in der Lage zu überprüfen (zu testen), inwieweit seineImplementierung eine Lösung des zugrundeliegenden Problems darstellt.IO 10.18.4. Der Lernende ist in der Lage, je drei Beispiele für eine is-a- und einehas-a-Beziehung zu nennen.EO 10.19. Der Lernende ist in der Lage, synchrone und asynchrone Kommunikationsmöglichkeiteneinzusetzen, um Informationen auszutauschen und kooperativzu arbeiten.IO 10.19.1. Der Lernende ist in der Lage, zwischen mehreren zur Verfügung stehendenKommunikationswegen jeweils einen geeigneten auszuwählen.IO 10.19.2. Der Lernende ist in der Lage, sich bei der Konversation über informatischeProbleme einer präzisen Wortwahl zu bedienen.EO 10.20. Der Lernende ist in der Lage, Darstellungsformen auf der Basisallgemein akzeptierter und zweckdienlicher Kriterien auszuwählen.IO 10.20.1. Der Lernende ist in der Lage, Sachverhalte in allgemein verständlicher Formund mit Hilfe anerkannter Visualisierungsmethoden der Informatik (z. B. Klassendiagramm,Sequenzdiagramm, Struktogramm) darzustellen.

159IO 10.20.2. Der Lernende ist in der Lage, Grenzen, Stärken und Schwächen konkreterDarstellungsformen zu nennen.IO 10.20.3. Der Lernende ist in der Lage, sich im Dienste der Übersichtlichkeit auf dieDarstellung jeweils relevanter Informationen zu beschränken.IO 10.20.4. Der Lernende ist in der Lage, den Nutzungskontext von Klassen-, ZustandsundInteraktionsdiagrammen im Softwareentwicklungsprozess zu beschreiben.EO 10.21. Der Lernende ist in der Lage, Ablauf und Ergebnisse einer Projektarbeitsachgerecht zu dokumentieren.IO 10.21.1. Der Lernende ist in der Lage, die Phasen einer klassischen Projektarbeitaufzuzählen und zu konkretisieren.IO 10.21.2. Der Lernende ist in der Lage, vier Gründe zu nennen, die eine kontinuierlicheDokumentation der Arbeit unverzichtbar machen.IO 10.21.3. Der Lernende ist in der Lage, fünf Kriterien zu nennen, denen einesorgfältige Dokumentation genügen muss.IO 10.21.4. Der Lernende ist in der Lage, die Begriffe ”Pflichtenheft“ und ”Lastenheft“zu erläutern.IO 10.21.5. Der Lernende ist in der Lage, die Schwachstellen bestehender Dokumentationenbegründet zu lokalisieren.IO 10.21.6. Der Lernende ist in der Lage, sich auf der Basis einer fremden Dokumentationein Bild über das zugrundeliegende Produkt zu verschaffen.EO 10.22. Der Lernende ist in der Lage, den Projektablauf, das Modell, dieImplementierung und die verwendeten Werkzeuge kritisch zu beurteilen.IO 10.22.1. Der Lernende ist in der Lage, zwei Beispiele zu nennen, wie Fehler sich aufspätere Projektphasen auswirken.IO 10.22.2. Der Lernende ist in der Lage, Struktur, Erweiterbarkeit und Verständlichkeitvon Modellen und deren Implementierungen zu beurteilen.EO 10.23. Der Lernende ist in der Lage, die Auswirkungen der Automatisierungin der Arbeitswelt zu beurteilen.IO 10.23.1. Der Lernende ist in der Lage, zwei gesundheitliche Aspekte der Automati-

160 B Lernzielsammlungsierung in der Arbeitswelt zu nennen.IO 10.23.2. Der Lernende ist in der Lage, zwei ökonomische Aspekte der Automatisierungin der Arbeitswelt zu nennen.IO 10.23.3. Der Lernende ist in der Lage, anhand eines selbst gewählten Szenarios aufhöchstens einer Seite begründet zum Schlagwort ”Die Verantwortung des Informatikers“Stellung zu nehmen.IO 10.23.4. Der Lernende ist in der Lage, nach geeigneten Recherchen einen Überblicküber den derzeitigen Stand der Automatisierung im Bereich Flugsicherheit zu geben.

161C Lehrplan Informatik der 10.Jahrgangsstufe am NTGZum Leidwesen des Autors stellt das ISB die relevanten Lehrpläne auf seiner Homepagenur im HTML-Format zur Verfügung, was einer ansprechenden Darstellung Abbruchtut.Daher wurde die papierne Form des Lehrplans (Stand: Juli 2004) herangezogen.

162 C Lehrplan Informatik der 10. Jahrgangsstufe am NTG

163

164Abbildungsverzeichnis2.1 Lernzieltaxonomie nach Anderson, Krathwohl et al. . . . . . . . . . . . . 152.2 Die Matrix-Taxonomie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182.3 Ziel ist die Ebene Create - Evaluate“ . . . . . . . . . . . . . . . . . . . 19”2.4 Einfache zirkuläre Abhängigkeit . . . . . . . . . . . . . . . . . . . . . . . 212.5 Zirkuläre Abhängigkeit über mehrere Lernziele hinweg . . . . . . . . . . 222.6 Vorschlag zur Auflösung . . . . . . . . . . . . . . . . . . . . . . . . . . . 223.1 Einbettung von Lernzielen in Kompetenzen . . . . . . . . . . . . . . . . 323.2 Mehrere NQF und zentrale Übersetzungsinstanz . . . . . . . . . . . . . 363.3 Unmittelbare Verzahnung von Prozess- und Inhaltsbereichen . . . . . . 454.1 Kooperation der Konsortien mit dem Ziel nationaler und internationalerE-Learning-Standards . . . . . . . . . . . . . . . . . . . . . . . . . . . . 554.2 Aufbau von SCORM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 614.3 Häufigkeit der Nutzung von LOM-Annotaten . . . . . . . . . . . . . . . 635.1 Der Semantic Web ”Layers Cake“ . . . . . . . . . . . . . . . . . . . . . . 686.1 Kognitive Prozessdimension als Klassenhierarchie bei Staller . . . . . . . 876.2 Schematische Darstellung der Zusammenhänge zwischen den Ontologienbei Zwick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 996.3 Importbeziehungen bei Trojan . . . . . . . . . . . . . . . . . . . . . . . 1008.1 Verhältnis der kognitiven Prozessdimension nach Anderson et al. zu denKategorien bei Fuller . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1218.2 Klassenstruktur der Fuller-Taxonomie aus Sicht von OWLViz . . . . . . 1228.3 Plugin-System“ für unterschiedliche Konzepte . . . . . . . . . . . . . . 125”8.4 Anbindung konzeptuellen Wissens sowie mehrerer Konzeptbegriffe andie Anderson-Taxonomie . . . . . . . . . . . . . . . . . . . . . . . . . . . 1268.5 Importstruktur der beteiligten Ontologien . . . . . . . . . . . . . . . . . 1288.6 Klassenhierarchie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1358.7 Exemplarische Klassenhierarchie für Beziehungen aus der OOM . . . . . 1368.8 Exemplarische Klassenhierarchie für Diagramme aus der OOM . . . . . 1368.9 Exemplarische Objekthierarchie: Beziehungen zwischen Lernzielen . . . 137

165Literaturverzeichnis[AKA01] Anderson, Lorin W. (Hrsg.) ; Krathwohl, David R. (Hrsg.) ; Airasian,Peter W. (Hrsg.): A taxonomy for learning, teaching and assessing: Arevision of Bloom’s taxonomy of educational objectives. Addison Wesley,2001[AQN02] Allert, H. ; Qu, C. ; Nejdl, W.: Theoretischer Ansatz zur Rolle derDidaktik in Metadaten-Standards. (2002)[Asc93] Aschersleben, K.: Einführung in die Unterrichtsmethodik. Kohlhammer,1993[Bal70] Ballauff, Thomas: Skeptische Didaktik. 1970[BC03] Boyle, Tom ; Cook, John: Learning Objects, Pedagogy and Reuse. In:Seale, Jane K. (Hrsg.): Learning Technology in Transition - From IndividualEnthusiasm to Institutional Implementation. Swets & Zeitlinger, 2003,S. 31–44[BFRW08] Brichzin, Peter ; Freiberger, Ulrich ; Reinold, Klaus ; Wiedemann,Albert: Informatik II. Oldenbourg, 2008[BCM06] Biundo, Susanne ; Claus, Volker ; Mayr, Heinrich C. ; Gesellschaftfür Informatik e. V. (Hrsg.): Was ist Informatik? Unser Positionspapier.http://www.gi-ev.de/fileadmin/redaktion/Download/was-ist-informatik-lang.pdf. Version:2006[BHMH02] Baumgartner, P. ; Häfele, H. ; Maier-Häfele, K.: E-Learning-Standards aus didaktischer Perspektive. In: Campus 2002: Die virtuelleHochschule in der Konsolidierungsphase 18 (2002) (2002), S. 277–286[Big99] Biggs, J. B.: Teaching for quality learning at university. Buckingham :Open University Press, 1999[BLHL01] Berners-Lee, Tim ; Hendler, James ; Lassila, Ora: The Semantic Web.(2001). http://www.sciam.com/article.cfm?id=the-semantic-web[blk04] Erläuterungen zur Beschreibung und Abstrahierung von intendierten Lernzielen(Anhang I). Version:2004. http://www4.tu-ilmenau.de/lps/hannover/lernziele_erlaeuterungen.pdf. In: Universität Hannover(BLK-Projekt) (Hrsg.): Qualifikation und ihre Verifikation durchein Leistungspunktesystem (Arbeitspaket 2). 2004

166 Literaturverzeichnis[BM03] Berggreen-Merkel, Ingrid ; Bayerisches Staatsministerium fürUnterricht und Kultus (Hrsg.): KMS III.6 - 5 S 1356 - 5.17 348 o. V.zum Thema Medienbildung. 2003[Bra06] Bracht, Regine: Konzeption eines ontologiebasierten LCMS - Machbarkeitund prototypische Umsetzung. (2006)[CDF + 07] Cassel, Lilian N. ; Davies, Gordon ; Fone, William u.a.: The ComputingOntology - Application in Education. In: Carter, J. (Hrsg.) ; Amillo, J.(Hrsg.): Working Group Reports on ITiCSE on innovation and technologyin Computer Science Education (Dundee, Scotland, December 01, 2007).New York, 2007, S. 171–183[DF06] Döring, Nicola ; Fellenberg, Franziska: Soziale Beziehungen und Emotionenbeim E-Learning. In: Miller, Damian (Hrsg.): E-Learning - Einemultiperspektivische Standortbestimmung. 2006, S. 134–155[DJ92] Duffy, Thomas M. (Hrsg.) ; Jonassen, David H. (Hrsg.): Constructivismand the Technology of Instruction: A Conversation. Hillsdale, New Jersey: Lawrence Erlbaum Associates, 1992[Doh02] Dohnke, Hartwig: Lernziele. (2002). http://www.learn-line.nrw.de/angebote/lakonkret/lehrer/unterrichten/dohnke_lernziele.pdf[DT06] Dodds, Philip ; Thropp, Schawn E.: SCORM 2004 3rd Edition - Overview.1.0. Virginia, USA, 2006. http://www.adlnet.gov/downloads/AuthNotReqd.aspx?FileName=SCORM.2004.3ED.DocSuite.zip&ID=237[EFF + 08] Ehmann, Matthias ; Fiedler, Frank ; Forman, Franz X. u.a.: InformatikBayern 10 - Gymnasium. Duden Paetec Schulbuchverlag - C. C. Buchner,2008[Eul02] Euler, Dieter: E-Learning. In: Zeitschrift E-Learning (2002)[FJT + 07] Fuller, Ursula ; Johnson, C. G. ; T., Ahoniemi u.a.: Developing a ComputerScience-specific Learning Taxonomy. In: Carter, J. (Hrsg.) ; Amillo,J. (Hrsg.): Working Group Reports on ITiCSE on innovation and technologyin Computer Science Education (Dundee, Scotland, December 01,2007). New York, 2007, S. 152–170[Fri05] Friesen, Norm: Lessons from LOM for eLearning standardization. http://www.cancore.ca/ppt/LOMLessons.ppt. Version:2005[GL02] Gruninger, M. ; Lee, J.: Ontology - applications and design. 2002[GM07] Gräsel, Cornelia ; Mandl, Heinz: Qualitätskriterien von Unterricht.In: Apel, Hans Jürgen (Hrsg.) ; Sacher, Werner (Hrsg.): StudienbuchSchulpädagogik. Klinkhardt, 2007, S. 241–259

Literaturverzeichnis 167[Gos01] Goswami, Usha: So denken Kinder - Einführung in die Psychologie derkognitiven Entwicklung. Verlag Hans Huber, 2001[Gra04] Graf, Maja: eModeration. 2004[Gru93] Gruber, Tom R.: A translation approach to portable ontologies. In:Knowledge Acquisition, Band 5, Nr. 2, S. 199-220 (1993). ftp://ftp.ksl.stanford.edu/pub/KSL_Reports/KSL-92-71.ps.gz[Gru08] Gruber, Tom R.: Ontology. Version:2008. http://tomgruber.org/writing/ontology-definition-2007.htm. In: Liu, Ling (Hrsg.) ; TamerÖzsu, M. (Hrsg.): Encyclopedia of Database Systems. Springer Verlag, 2008[Gua98] Guarino, N.: Formal ontology and information systems. In: Proceedingsof Formal Ontology and Information Systems. Trento (Italy) : IOS Press,1998, S. 3–15[Gud06] Gudjons, Herbert: Pädagogisches Grundwissen. 9. Auflage. Klinkhardt,2006[Har08] Hartmann, Werner: Computer, Internet und Schulen in20 Jahren. In: Folio 6/2008 (2008), S. 36-39. http://campus.phbern.ch/fileadmin/CAMPUS/04_ZBI/Aktuell/WernerHartmann-ComputerInternetundSchulen.pdf[HD02] Hodgins, Wayne ; Duval, Erik: IEEE 1484.12.1-2002 - Draft Standard forLearning Object Metadata. (2002). http://ltsc.ieee.org/wg12/files/LOM_1484_12_1_v1_Final_Draft.pdf[Hei06] Hein, C.: Technikunterricht, Informationstechnik und bildungspolitischeProbleme. In: LOG IN, 26. Jg. (2006), Heft 143 (2006), S. 34–38[Hen07] Hentig, Hartmut v.: Ach, die Werte! Über eine Erziehung für das 21.Jahrhundert. 4. Auflage. Weinheim : Beltz, 2007[HK03] Hettrich, Alexander ; Koroleva, Natascha: Marktstudie Learning ManagementSysteme (LMS) und Learning Content Management Systeme(LCMS) - Fokus deutscher Markt. (2003). http://publica.fhg.de/eprints/N-19376.pdf[HKRS08] Hitzler, Pascal ; Krötzsch, Markus ; Rudolph, Sebastian ; Sure, York:Semantic Web. 1. Auflage. Karlsruhe : Springer, 2008[HO02] Holodynski, Manfred ; Oerter, Rolf: Motivation, Emotion und Handlungsregulation.In: Oerter, Rolf (Hrsg.) ; Montada, Leo (Hrsg.): Entwicklungspsychologie.2002, Kapitel 16, S. 551–588[HSS + 08] Hubwieser, Peter ; Spohrer, Matthias ; Steinert, Markus u.a.: Informatik3. 1. Auflage. Klett, 2008

168 Literaturverzeichnis[Hub04] Hubwieser, Peter: Didaktik der Informatik. 2. Auflage. Springer Verlag,2004[Hub07] Hubwieser, Peter: A smooth way towards object oriented programmingin secondary schools. In: Benzie, D. (Hrsg.) ; Iding, M. (Hrsg.): Informatics,Mathematics and ICT: a ’golden triangle’. College of Computer andInformation Science Northeastern University Boston, Massachusetts, USA,2007[Hub08] Hubwieser, Peter: Analysis of Learning Objectives in Object OrientedProgramming. In: Mittermeir, S. (Hrsg.): 3rd International ConferenceISSEP 2008, Torun (PL). Berlin : Springer, 2008[HW97] Helmke, Andreas ; Weinert, Franz E.: Bedingungsfaktoren schulischerLeistungen. In: Weinert, Franz E. (Hrsg.): Psychologie des Unterrichtsund der Schule (Enzyklopädie der Psychologie), Pädagogische PsychologieBd. Bd. 3. Göttingen : Hogrefe, 1997, S. 71–176[isb08] ISB - Staatsinstitut für Schulqualität und BildungsforschungMünchen (Hrsg.): Lehrplan Informatik NTG 2.http://www.isb-gym8-lehrplan.de/contentserv/3.1.neu/g8.de/index.php?StoryID=26435. Version:2008[JF07] Johnson, C. G. ; Fuller, U. D.: Is Bloom’s taxonomy appropriate forcomputer science? In: Berglund, A. (Hrsg.) ; M., Wiggberg (Hrsg.): 6thBaltic Sea Conference on Computing Education Koli Calling 2006. Stockholm: Department of Information Technology, University of Uppsala, 2007,S. 120–123[JM02] Jank, Werner ; Meyer, Hilbert: Didaktische Modelle. Frankfurt am Main: Cornelsen Scriptor, 2002[K + 07] Klieme, Eckhard u.a.: Zur Entwicklung nationaler Bildungsstandards.(2007). http://www.bmbf.de/pub/zur_entwicklung_nationaler_bildungsstandards.pdf[KBM64] Krathwohl, D. R. ; Bloom, B. S. ; Masia, B. B.: Taxonomy of educationalobjectives: the classification of educational goals. Handbook Volume2: Affective domain. New York, USA : McKay, 1964[Ker01] Kerres, Michael: Medien und Didaktik. In: Kerres, Michael (Hrsg.):Multimediale und telemediale Lernumgebungen. München : OldenbourgVerlag, 2001, S. 11–54[Köl07] Köller, Olaf: Die deutsche Schule im Lichte internationaler Schulleistungsuntersuchungen(TIMSS, PISA, IGLU, DESI). In: Apel, Hans Jürgen(Hrsg.) ; Sacher, Werner (Hrsg.): Studienbuch Schulpädagogik. Klinkhardt,2007, S. 138–154

Literaturverzeichnis 169[Kla64] Klafki, Wolfgang: Didaktische Analyse als Kern der Unterrichtsvorbereitung.In: Roth, Heinrich (Hrsg.) ; Blumenthal, Alfred (Hrsg.): DidaktiischeAnalyse, Reihe: Auswahl Reihe A, Bd. 1. Hannover : Schroedel, 1964,S. 5–34[kmk05] Bildungsstandards der Kultusministerkonferenz - Erläuterungen zu Konzeptionund Entwicklung. (2005). http://www.kmk.org/fileadmin/doc/Bildung/IVA/IVA-Dokumente/Intern/Argumentationspapier.pdf[KO94] Köck, Peter ; Ott, Hanns:Donauwörth : Auer, 1994Wörterbuch für Erziehung und Unterricht.[Lah07] Lahtinen, E.: A Categorization of Novice Programmers: A Cluster AnalysisStudy. In: Proceedings of the 19th annual Workshop of the Psychologyof Programming Interest Group (2007), S. 32–41[Lan] Landesakademie für Fortbildung und Personalentwicklung anSchulen: E-Learning und Technik. http://lehrerfortbildung-bw.de/elearning/technik/[Lew91] Lewin, Kurt ; Cartwright, D. (Hrsg.): Field theory in social science;selected theoretical papers. New York : Harper & Row, 1591[M + 05] Myers, David G. u.a.: Psychologie. Heidelberg, Berlin : Springer, 2005[McG03] McGuinness, Deborah L.: Ontologies come of Age. In: Fensel, Dieter(Hrsg.) ; Jim, Hendler (Hrsg.) ; Henry, Liebermann (Hrsg.) ; Wolfgang,Wahlster (Hrsg.): Spinning the Semantic Web: Bringing the World WideWeb to Its Full Potential. MIT Press, 2003[Mei06] Meier, Rolf: Praxis E-Learning. (2006)[Mey93] Meyer, Hilbert: Leitfaden zur Unterrichtsvorbereitung. Frankfurt am Main: Cornelsen, 1993[Mey05] Meyer, Hilbert: Was ist guter Unterricht? Berlin : Cornelsen, 2005[MKK + 90] Mussen, Paul H. ; Konger, John J. ; Kagan, Jerome u.a.: Lehrbuch derKinderpsychologie. 1990[Möl02] Möller, Christine: Die curriculare Didaktik. In: Gudjons, Herbert(Hrsg.) ; Teske, Rita (Hrsg.) ; Winkel, Rainer (Hrsg.): Didaktische Theorien.2002, S. 75–92[Mül07] Müller, Walter: Lehrplantheorie und Lehrplanentwicklung. In:Apel, Hans Jürgen (Hrsg.) ; Sacher, Werner (Hrsg.): StudienbuchSchulpädagogik. Klinkhardt, 2007, S. 71–103[Nie90] Niemierko, B.: Pomiar sprawdzajacy w dydaktyce. Teoria i zastosowania(in polnischer Sprache). (1990)

170 Literaturverzeichnis[Noy05] Noy, Natasha: Representing Classes As Property Values on the SemanticWeb. (2005). http://www.w3.org/TR/swbp-classes-as-values/[O’R05] O’Reilly, Tim: What Is Web 2.0. (2005). http://www.oreillynet.com/pub/a/oreilly/tim/news/2005/09/30/what-is-web-20.html[P + 08] Puhlmann, Hermann u.a.: Grundsätze und Standards für die Informatikin der Schule - Bildungsstandards Informatik für die SekundarstufeI. (2008). http://www.gi-ev.de/fileadmin/redaktion/empfehlungen/Bildungsstandards_2008.pdf[Pfe03] Pfeiffer, Christian: Medienverwahrlosung als Ursache von Schulversagenund Jugenddelinquenz? (2003). http://www.kfn.de/versions/kfn/assets/medienverwahrlosung.pdf[Prü06] Prüher, Werner: Der Einsatz von Weblogs und Wikis im Berufsschulunterricht(Diplomarbeit in Aktuellen Humanwissenschaften mit berufsfeldbezogenerForschung). (2006)[Pro04] Prowaznik, Bruno: Gibt es einen Mehrwert von E-Learning? In: NeueZürcher Zeitung (NZZ) (2004). http://www.nzz.ch/2004/05/11/se/article9H5FX.html[RRR03] Robins, A. ; Rountree, J. ; Rountree, N.: Learning and TeachingProgramming: A Review and a Discussion. In: Computer Science Education13 (2003), S. 137–172[RS07] Rahm, Sybille ; Schröck, Nikolaus: Schulentwicklung. In: Apel, HansJürgen (Hrsg.) ; Sacher, Werner (Hrsg.): Studienbuch Schulpädagogik.Klinkhardt, 2007, S. 155–174[S + 08] Scheungrab, Christian u.a. ; ISB - Staatsinstitut für Schulqualitätund Bildungsforschung München (Hrsg.): Informatikam naturwissenschaftlich-technologischen Gymnasium - Jahrgangsstufe 10.München, 2008[Sac07] Sacher, Werner: Überprüfung und Beurteilung von Schülerleistungen.In: Apel, Hans Jürgen (Hrsg.) ; Sacher, Werner (Hrsg.): StudienbuchSchulpädagogik. Klinkhardt, 2007, S. 284–310[SB02] Schneider, Wolfgang ; Büttner, Gerhard: Entwicklung desGedächtnisses bei Kindern und Jugendlichen. In: Oerter, Rolf (Hrsg.); Montada, Leo (Hrsg.): Entwicklungspsychologie. 2002, Kapitel 14, S.495–517[Sch04a] Schelten, Andreas: Einführung in die Berufspädagogik. Franz SteinerVerlag, 2004

Literaturverzeichnis 171[Sch04b] Schulmeister, Rolf: Kriterien didaktischer Qualität im E-Learning zurSicherung der Akzeptanz und Nachhaltigkeit. In: Euler, Dieter (Hrsg.) ;Seufert, Sabine (Hrsg.): E-Learning in Hochschulen und Bildungszentren.München : Oldenbourg Verlag, 2004, S. 473–492[Sod02] Sodian, Beate: Entwicklung begrifflichen Wissens. In: Oerter, Rolf(Hrsg.) ; Montada, Leo (Hrsg.): Entwicklungspsychologie. 2002[Spi07a] Spitzer, Manfred: Lernen. Ulm : Springer, 2007[Spi07b] Spitzer, Manfred: Vorsicht Bildschirm! 4. Auflage. Stuttgart : dtv, 2007[Sta06] Staller, Alexander: Merging domain knowledge and task analysis in anOntology. In: FORMATEX (Hrsg.): Current Developments in Technology-Assisted Education, 2006, S. 1585–1589[Top06] Topsch, Wilhelm: Leistung messen und bewerten. In: Kiper, Hanna(Hrsg.) ; Meyer, Hilbert (Hrsg.) ; Topsch, Wilhelm (Hrsg.): Einführungin die Schulpädagogik. Cornelsen Scriptor, 2006, S. 134–146[Tro06] Trojan, Eva: Entwicklung einer Ontologie zur Modellierung von Lernzielenund beispielhafte Anwendung auf E-Learning im Bereich der Algorithmik,Technische Universität München, Diplomarbeit, 2006[Wei98] Weinert, Franz E.: Guter Unterricht ist ein Unterricht, in dem mehrgelernt wird als gelehrt wird. In: Freund, J. (Hrsg.) ; Gruber, H. (Hrsg.); Weidinger, W. (Hrsg.): Guter Unterricht - Was ist das? Aspekte vonUnterrichtsqualität. Wien : ÖBV, 1998, S. 7–18[Wei99] Weinert, Franz E.: Ansprüche an das Lernen in der heutigen Zeit. Version:1999.http://blk.mat.uni-bayreuth.de/material/weinert/. In:Steffens, Ulrich (Hrsg.) ; Bargel, Tino (Hrsg.): Lehren und Lernenim Offenen Unterricht. Empirische Befunde und kritische Anmerkungen.Wiesbaden : Hessisches Landesinstitut für Pädagogik, 1999, 99-103[Wei01] Weinert, Franz E.: Vergleichende Leistungsmessung in Schulen - eineumstrittene Selbstverständlichkeit. In: Weinert, Franz E. (Hrsg.): Leistungsmessungenan Schulen. Weinheim und Basel : Beltz, 2001, S. 17–31[Wei03] Weizenbaum, Joseph: Grenzen des E-Learnings. In: Franzen, Maike(Hrsg.): Web Based Training 2003, 2003[Zwi06] Zwick, Tanja: Analyse und ontologiebasierte Modellierung von Lernzielenaus der Theoretischen Informatik zur Verwendung in E-Learning-Systemen,Technische Universität München, Diplomarbeit, 2006