Einleitung
Konnektionismus
Definition: Konnektionismus
Konnektionistische Modelle bestehen aus vielen einfachen Einheiten, die miteinander vernetzt sind. Eine häufig verwendete Realisierung konnektionistischer Modelle sind künstliche neuronale Netze. Häufig werden die Begriffe Konnektionismus und (künstliche) neuronale Netze auch gleichgesetzt. Neuronale Netze stellen einen Oberbegriff dar, der zahlreiche, zum Teil sehr unterschiedliche Modelle umfasst (Rey und Wender, 2008; siehe auch www.neuronalesnetz.de). Diese Modelle können unter anderem dazu eingesetzt werden, menschliches Verhalten und Erleben bzw. die diesen zugrunde liegenden Gehirnprozesse (am Computer) zu simulieren und dadurch besser zu verstehen. Sie lassen sich aber ebenso als statistische Verfahren bei der Datenauswertung einsetzen. Aufgrund der Fülle der Anwendungsbereiche ist verständlich, warum keine allgemein anerkannte Definition zu neuronalen Netzen existiert. Gemeinsam ist den verschiedenen Modellen aber, dass bei diesen wie bei anderen statistischen Verfahren auch Matrizenberechnungen durchgeführt werden und dabei Informationen aufgenommen, verarbeitet und ausgegeben werden (Rey und Wender, 2008):
- Informationsaufnahme: Zunächst werden dem Netz (wiederholt) Informationen in Form von Zahlen als Eingabe zur Verfügung gestellt.
- Informationsverarbeitung und Netzmodifikation: Mit Hilfe dieser "Zahlenbündel" und bestimmter Umformungsregeln wird das Netz verändert. Die Veränderung des Netzes, d.h. der Lernprozess, findet typischerweise in einer Vielzahl von Schritten statt. Die dazu notwendigen oftmals sehr umfangreichen (Matrizen-)Berechnungen werden an Computern vorgenommen. Während und nach den Berechnungen zur Umformung des Netzes durchlaufen Informationen das neuronale Netz. Diese Zahlen werden durch das Netz modifiziert und verlassen dieses anschließend wieder ebenfalls in Form eines Zahlenbündels.
- Informationsausgabe: Die Informationsausgabe stellt die "Antwort" des Netzes auf die vorangegangene Eingabe dar.
Gemeinsamkeiten und Unterschiede zum Kognitivismus
Neuronale Netze besitzen somit Gemeinsamkeiten zu kognitiven Modellen, da auch dort Informationen aufgenommen, verarbeitet und wieder ausgegeben werden. Während kognitive Modelle traditionell eher die Gemeinsamkeiten mit dem Computer hervorheben, betonen neuronale Netze vornehmlich die Unterschiede zwischen Menschen und (heutigen) Computern bei der Informationsverarbeitung und wurden zudem durch das menschliche Gehirn als "Vorbild" inspiriert (Rey und Wender, 2008). Konnektionistische Modelle kamen im Gegensatz zu kognitiven Modellen in der E-Learning Forschung meines Wissens nach bisher nicht zum Einsatz, obwohl sich der Rückgriff auf diese Ansätze unmittelbar anbieten würde.
Kritik und Würdigung
Die Simulation menschlichen Lernens mittels neuronaler Netze wird unter anderem hinsichtlich ihrer fragwürdigen biologischen Plausibilität kritisiert. Viele neuronale Netze widersprechen biologischen Grundannahmen und sind daher als Modelle zur Erklärung menschlichen Lernens nur bedingt geeignet (Rey und Wender, 2008). Allerdings trifft dieser Kritikpunkt meist in noch stärkerem Maße auf behavioristische, kognitive und konstruktivistische Modelle zu. Neben der fragwürdigen biologischen Plausibilität besitzen einige neuronale Netze aufgrund ihrer zahlreich enthaltenen Parameter und Variablen die Gefahr, jede denkbare menschliche Verhaltensweise beim Lernen abbilden zu können. Dadurch wäre das Modell nicht mehr falsifizierbar, d.h. nicht mehr durch empirisch gewonnene Daten widerlegbar, sondern könnte durch die Wahl geeigneter Parameter immer vor der Falsifikation geschützt werden (vgl. Popper, 1996; Rey und Wender, 2008). Trotz dieser und weiterer Kritikpunkte wurden neuronale Netze bereits in vielen Bereichen inner- und außerhalb der Psychologie erfolgreich eingesetzt (Rey und Wender, 2008). Der Einsatz neuronaler Netze als Erklärungsansatz zum menschlichen Lehren und Lernen mittels elektronischer Medien erscheint schon deshalb äußerst ergiebig, weil Begriffe wie Lernen und Wissenserwerb bei beiden eine zentrale Bedeutung einnehmen. Insofern plädiere ich für eine Verknüpfung dieser beiden Forschungsgebiete.