Master Knowledge Base: Grundlagen des Lernens, Neurowissenschaften und KI

Grundlagen des Lernens und der Neurowissenschaft

  • Definition von Lernen: Erwerb von Informationen zur dauerhaften Speicherung, zum Abruf und zur flexiblen Anwendung in neuen Situationen.

  • Kumulativer Prozess: Neues Wissen baut auf vorhandenen mentalen Modellen und Schemata auf.

  • Neuroplastizität: Fähigkeit des Nervensystems, Struktur und Funktion (Synapsen, Myelinisierung, Neurogenese) als Reaktion auf Erfahrungen zu verändern.

  • Lernprozesse im Gehirn:

    • Synaptische Plastizität: Stärkung häufig genutzter und Schwächung ungenutzter Verbindungen (Synaptic Pruning).

    • Myelinisierung: Erhöhung der Signalgeschwindigkeit durch Verdichtung der Myelinschicht.

    • Neurogenese: Entstehung neuer Neuronen im Hippocampus.

  • Habitualisierung: Automatisierung von Prozessen durch die Basalganglien (Chunking), während komplexes Denken im präfrontalen Kortex stattfindet.

Intelligenz, Mindset und Rahmenbedingungen

  • Intelligenzmodelle:

    • Fluide Intelligenz: Problemlösung in neuen Situationen, Mustererkennung.

    • Kristalline Intelligenz: Kumuliertes Wissen und Fertigkeiten.

    • ** Sternberg’s Triarchic Theory**: Analytische, kreative und praktische Intelligenz.

    • Gardner’s Multiple Intelligences: Acht verschiedene Intelligenzformen (z. B. linguistisch, räumlich, interpersonal).

  • Growth Mindset: Überzeugung, dass Fähigkeiten durch Anstrengung und Strategie entwickelbar sind; Fehler werden als Informationstools genutzt.

  • Desirable Difficulties: Lernbedingungen, die kurzfristig mühsam sind (kognitive Friktion), aber das Langzeitgedächtnis stärken.

  • Physiologische Faktoren: Schlaf ist essenziell für die Gedächtniskonsolidierung; Hydration und moderater Stress (Adrenalin) beeinflussen die Aufmerksamkeit.

Gedächtnisarchitektur und Abruf

  • Drei Phasen:

    1. Kodierung: Umwandlung von Reizen in mentale Repräsentationen (abhängig von Aufmerksamkeit und Verarbeitungstiefe).

    2. Konsolidierung: Stabilisierung von Gedächtnisspuren (v. a. im Schlaf).

    3. Abruf: Zugriff auf gespeicherte Informationen durch Abrufhinweise (Retrieval Cues).

  • Arbeitsgedächtnis: Begrenzter Arbeitsbereich; Überlastung droht durch hohen Cognitive Load (Intrinsic, Extraneous, Germane Load).

  • Generation Effect: Selbst generierte Informationen werden besser behalten als passiv aufgenommene.

  • Retrieval Practice: Aktives Abrufen (Recall) ist effektiver als bloßes Wiedererkennen (Recognition).

  • Spaced Repetition: Wiederholung in zunehmenden Zeitabständen wirkt dem natürlichen Vergessen entgegen.

Evidenzbasierte Lernstrategien

  • Elaboration: Verknüpfung neuer Infos mit Vorwissen durch Fragen nach dem "Warum" und "Wie".

  • Interleaving: Mischen verschiedener Themen oder Problemtypen in einer Übungssitzung zur Verbesserung der Strategieauswahl.

  • Feynman-Technik: Erklären eines Konzepts in einfachen Worten, um Wissenslücken zu identifizieren.

  • Metakognition: Planung, Überwachung und Reflexion des eigenen Lernprozesses.

  • Calibration: Abgleich der subjektiven Zuversicht mit der tatsächlichen Leistung zur Vermeidung der Illusion of Mastery.

  • Active Recall: Produktion von Inhalten ohne Hilfsmittel (z. B. Karteikarten, Whiteboard-Recall).

KI-Grundlagen und Mechanismen

  • Prinzip von Large Language Models (LLMs): Statistische Vorhersage des nächsten Tokens basierend auf gelernten Mustern.

  • Trainingsschritte:

    1. Pre-Training: Analyse riesiger Textmengen zur Erlernung von Sprachstrukturen.

    2. RLHF (Reinforcement Learning from Human Feedback): Optimierung durch menschliche Bewertung.

    3. Fine-Tuning: Spezialisierung auf spezifische Aufgaben.

  • Transformer-Architektur: Nutzung von Attention Mechanisms, um Bezüge zwischen Wörtern im Kontext zu verstehen.

  • Multimodalität: Integration von Text, Bild, Audio und Video.

Mensch-KI-Kollaboration und KI-gestütztes Lernen

  • Kollaborationsmodelle:

    • Centaur-Modell: Klare Aufgabenteilung zwischen Mensch und KI.

    • Cyborg-Modell: Kontinuierliche, integrierte Zusammenarbeit während des gesamten Prozesses.

  • KI-Personas: Definition der KI-Rolle (z. B. Tutor, Coach, Editor, Research Assistant).

  • Sokratischer Dialog: KI fungiert als Coach, der durch gezieltes Fragen zur Selbstreflexion anregt.

  • Prompt Engineering: Effektive Steuerung der KI durch Kontext, Rollenzuweisung, Ziele und Einschränkungen.

  • Lernprozess-Unterstützung: KI hilft bei der Diagnose von Wissenslücken, der Erstellung adaptiver Lernpfade und der Simulation von Prüfungsgesprächen.

Risiken, Limitationen und Ethik

  • Over-reliance: Zu starke Abhängigkeit von der KI schwächt das eigene kritische Denken und die Transferfähigkeit.

  • Halluzinationen: Generierung plausibel klingender, aber faktisch falscher Informationen.

  • Bias: Übernahme von Vorurteilen aus den Trainingsdaten.

  • Human-in-the-loop: Der Mensch muss Ergebnisse validieren, da KI kein echtes Verständnis, keine Intention und keine ethische Verantwortung besitzt.

  • Datenschutz und Urheberrecht: Ungeklärte Fragen zur Nutzung von Trainingsdaten und zum Eigentum an KI-Inhalten.