PREDICT – Vorhersagen generieren als Mittel zur Aktivierung von Vorwissen und zur Steigerung des Lernerfolgs

Projektbeschreibung

Das Projekt PREDICT untersucht, ob es einen positiven Effekt auf die Lernleistung hat, wenn Lernende zunächst Vorhersagen zum Lerninhalt treffen. Dazu werden in einer Serie von Laborexperimenten verschiedene mögliche Wirkmechanismen untersucht und miteinander verglichen. Neben der Aktivierung von Vorwissen sind dies insbesondere erhöhte Neugier sowie Überraschung über Ereignisse, die nicht mit der Vorhersage übereinstimmen. Mittels Erfassung der Pupillenreaktion werden die – durch das Bilden der Vorhersagen ausgelösten – Veränderungen in diesen lernrelevanten Emotionen genauer betrachtet. Darüber hinaus wird erforscht, wie effektiv das Bilden von Vorhersagen bei Grundschulkindern und Studierenden ist. Ziel ist es, die zugrunde liegenden Wirkmechanismen von Vorhersagen, die von Lernenden gebildet wurden, zur Steigerung der Lernleistung zu verstehen. Das gewonnene Wissen soll als Grundlage für einen Testeinsatz dieser Methode im Unterricht dienen.

Finanzierung

bis 12/2022: DFG und Jacobs Foundation

Kooperationen

• Associate Prof. Dr. Elizabeth Bonawitz, Harvard University, Cambridge
• Prof. Dr. Silvia Bunge, University of California, Berkeley

Publikationen

Breitwieser, J. & Brod, G. (2021). Cognitive prerequisites for generative learning: Why some learning strategies are more effective than others. Child Development, 92(1), 258-272. doi:10.1111/cdev.13393

Brod, G., Breitwieser, J., Hasselhorn, M., & Bunge, S. (2020). Being proven wrong elicits learning in children - but only in those with higher executive function skills. Developmental Science, 23(3), e12916. doi:10.1111/desc.12916

Brod, G., Hasselhorn, M., & Bunge, S. (2018). When generating a prediction boosts learning: The element of surprise. Learning and Instruction, 55, 22-31. doi:10.1016/j.learninstruc.2018.01.013

Projektleitung

• Prof. Dr. Garvin Brod
• Prof. Dr. Marcus Hasselhorn

Projektteam

• Dr. Jasmin Breitwieser
• Elfriede Diestel
• Dr. Elena Galeano-Keiner
• Dr. Lucas Lörch
• Dr. Maria Theobald
• Leonie Weindorf

Projektdaten