Wie man die Behaltensleistung erhöht, ohne mehr Lernzeit aufzuwenden

• Um das Langzeitgedächtnis zu verbessern, kann es effizienter sein, nach Erreichen eines fehlerfreien Leistungsniveaus den Wiederholungszeitpunkt aufzuteilen, statt sich weiter am selben Inhalt festzuhalten.
• Overlearning (Überlernen) bedeutet, dass dasselbe Material direkt nach Erreichen des Kriteriums weiter wiederholt wird; das half bei Leistungen nach 1 Woche, doch nach 4 Wochen war der Vorteil fast verschwunden.
• Selbst bei gleicher Gesamtlernzeit verbesserte sich das Langzeitgedächtnis nur dann, wenn sowohl der Abstand zwischen den Sitzungen (ISI) als auch das Beibehaltungsintervall (RI) vom letzten Lernen bis zum Test zueinander passten; im Experiment lag das optimale ISI bei etwa 10–30 % des RI.
• Auch beim Mathematiklernen erhöhte Overlearning durch gebündeltes Lösen zusätzlicher Aufgaben die Werte nach 1 oder 4 Wochen nicht, während eine Gruppe, die dieselbe Aufgabenzahl im Abstand von 1 Woche verteilte, nach 1 Woche mit 74 % zu 49 % höher lag.
• Für Lehrbücher und Unterricht ist es dem Langzeitgedächtnis eher zuträglich, frühere Inhalte über Wochen oder Monate erneut auftauchen zu lassen und verschiedene Aufgabentypen zu mischen, statt gleichartige Aufgaben auf einmal zu bündeln.

---

Overlearning ist für das Langzeitgedächtnis weniger effizient

• Lernende müssen, wenn sie bestimmtes Material oder eine Fertigkeit in einer Sitzung lernen, entscheiden, wann sie aufhören.
  • Das gilt zum Beispiel für die Situation, nach einem Durchgang durch eine Wortliste alle Definitionen einmal korrekt erinnert zu haben und dann zu entscheiden, ob dieselbe Liste noch einmal wiederholt werden soll.
• Overlearning ist eine Lernweise, bei der dasselbe Material auch direkt nach Erreichen einer fehlerfreien Ausführung weiter gelernt wird.
  • Viele Pädagoginnen und Pädagogen gehen davon aus, dass Overlearning das Langzeitgedächtnis verbessert.
  • In Umgebungen mit vielen gleichartigen Aufgaben, etwa in Mathematikaufgaben, verbringen Schülerinnen und Schüler oft erhebliche Zeit mit Overlearning.
• In rund 80 Jahren experimenteller Literatur zeigte zusätzliches Lernen nach Erreichen des Kriteriums häufig bessere spätere Testergebnisse.
  • Allerdings testeten die meisten Studien zu Overlearning innerhalb von 1 Woche nach dem Lernen, oft sogar innerhalb von 1 Stunde.
  • Um Effekte auf die langfristige Behaltensleistung zu sehen, muss das Beibehaltungsintervall (RI) zwischen Lernen und Test länger sein.

Der 1-Wochen-Effekt und der 4-Wochen-Effekt in Wortlernexperimenten

• In einem Experiment lernten Teilnehmende Wort-Definitions-Paare wie cicatrix-scar in wiederholten Tests ähnlich wie mit Karteikarten.
  • Unter der Bedingung angemessenes Lernen wurde die Liste 5-mal durchlaufen.
  • Unter der Bedingung Overlearning wurde die Liste 10-mal durchlaufen.
  • Lernende in der Bedingung angemessenes Lernen erreichten in der Regel nicht mehr als einen vollständig fehlerfreien Lerndurchgang, während die meisten in der Overlearning-Bedingung mindestens 3 vollständige fehlerfreie Durchgänge erreichten.
• Die anschließenden Tests fanden nach 1 Woche oder nach 4 Wochen statt.
  • Overlearning brachte beim Test nach 1 Woche einen deutlichen Vorteil.
  • Nach 4 Wochen war dieser Vorteil kaum noch nachweisbar.
• Auch in anderen Experimenten zeigte sich, dass der Nutzen von Overlearning mit der Zeit abnimmt.
  • Wie lange der Vorteil nachweisbar bleibt, hängt von Details des Verfahrens ab.
• Da Overlearning mehr Lernzeit erfordert, muss sein Effekt mit Alternativen verglichen werden, die dieselbe Zeit anders nutzen.
  • Statt weiter etwas zu lernen, das gerade eben erst gelernt wurde, bringt es wahrscheinlich meist mehr, Stoff zu wiederholen, der vor Wochen, Monaten oder Jahren gelernt wurde.
  • Das bedeutet weder, dass man insgesamt weniger lernen sollte, noch dass Wiederholungsübungen an sich abzulehnen sind.
  • Entscheidend ist die Effizienz, direkt nach Erreichen fehlerfreier Leistung weiter mit demselben Material zu üben.
• Es gibt auch Situationen, in denen Overlearning angemessen ist.
  • Wenn nicht Langzeitgedächtnis, sondern kurzfristige Leistung das Ziel ist, kann es nützlich sein.
  • Bei Notfallprozeduren für Pilotinnen und Piloten, Militärangehörige oder Pflegekräfte, bei denen Fehler oder verzögerte Reaktionen schwerwiegende Folgen haben können, kann es sinnvoll oder notwendig sein.

Der Spacing-Effekt sorgt dafür, dass dieselbe Zeit länger nachwirkt

• In Untersuchungen zur Verteilung von Lernzeit wird meist eine feste Gesamtlernzeit auf zwei Sitzungen aufgeteilt, und der Abstand zwischen den Sitzungen (ISI) wird variiert.
  • Wenn das ISI 0 ist, gilt das als gebündeltes Lernen.
  • Das Beibehaltungsintervall (RI) wird immer als die Zeit von der zweiten Lernsitzung bis zum Test gemessen.
• Die späteren Testergebnisse sind in der Regel deutlich besser, wenn mit Abstand gelernt wird, als wenn alles am Stück gelernt wird.
  • Dieses Ergebnis ist der Spacing-Effekt.
  • Es gibt mehrere Theorien zur Erklärung des Spacing-Effekts, doch diese Diskussion liegt außerhalb des Untersuchungsrahmens.
• Weniger gut bekannt war bisher, wie weit zwei Lernsitzungen für gutes Langzeitgedächtnis auseinanderliegen sollten.
  • Die Experimente gingen dieser Frage mit langen Beibehaltungsintervallen nach.

Der optimale Abstand hängt davon ab, wie viel Zeit bis zum Test bleibt

• Im ersten Spacing-Experiment wurden Swahili-Englisch-Wortpaare gelernt.
  • Das ISI reichte von 5 Minuten bis 14 Tagen.
  • Das RI war auf 10 Tage festgelegt.
  • Die spätere Erinnerung hing stark vom ISI ab, und ein ISI von 1 Tag war am besten.
• Im zweiten Experiment wurden die Namen wenig bekannter Objekte gelernt.
  • Das RI betrug 6 Monate.
  • Das ISI reichte von 5 Minuten bis 6 Monate.
  • Der Effekt war noch größer als im ersten Experiment, und das optimale ISI lag ungefähr bei 1 Monat.
• In beiden Experimenten lag das optimale ISI bei etwa 10–20 % des RI.
  • Bei einem RI von 10 Tagen war ein ISI von 1 Tag optimal, also 10 % des RI.
  • Bei einem RI von 6 Monaten war ein ISI von 1 Monat optimal, also 17 % des RI.
• Vorläufige Ergebnisse eines laufenden webbasierten Experiments mit rund 1.300 Personen weisen in dieselbe Richtung.
  • Dabei wurden ISI bis zu 15 Wochen und RI bis zu 50 Wochen gemeinsam variiert.
  • Das optimale ISI hing vom RI ab und lag ungefähr im Bereich von 10–30 % des RI.
• Diese Beziehung lässt sich in drei Mustern zusammenfassen.
  • Unabhängig vom ISI sinken die Testwerte, wenn das RI länger wird.
  • Wenn das RI konstant bleibt, steigen die Werte mit zunehmendem ISI zunächst an und fallen dann wieder.
  • Je länger das RI, desto länger auch das optimale ISI.

Veränderungen für Unterricht, Lehrbücher und Software-Design

• Der Spacing-Effekt zeigt sich auch über lange Zeiträume hinweg, die realen Bildungszeiträumen entsprechen, sehr deutlich.
  • Zu kurze Abstände können schlechtere Ergebnisse liefern als sehr lange Abstände.
  • Je stärker Langzeitgedächtnis betrachtet wird, desto eher scheint der Spacing-Effekt größer statt kleiner zu werden.
• Im Schulunterricht kann es für Lernende günstiger sein, dasselbe Material über mehrere Monate verstreut wieder aufzugreifen, statt jede Woche neue Rechtschreib- oder Vokabellisten zu geben.
• In Hochschulkursen sinkt ohne kumulative Abschlussprüfung der Anreiz, früheres Material noch einmal zu lernen.
  • Kumulative Prüfungen könnten dazu führen, dass frühere Inhalte erneut gelernt werden.
• In intensiven Fremdsprachenkursen ist es wegen der kurzen Dauer schwierig, ausreichende Abstände einzubauen.
  • Das anfängliche Lernniveau kann hoch erscheinen, aber später zu schnellem Vergessen führen.
• Auch beim Mathematiklernen wurde dasselbe Muster beobachtet.
  • In einem Experiment, in dem Schülerinnen und Schüler nach dem Lernen von Permutationsaufgaben 3 oder 9 Aufgaben bekamen, erzeugten die zusätzlichen 6 Aufgaben starkes Overlearning, doch nach 1 oder 4 Wochen war keine Verbesserung der Werte nachweisbar.
  • In einem anderen Experiment zur selben Aufgabe schnitt die Gruppe, die 4 Aufgaben auf zwei Sitzungen im Abstand von 1 Woche verteilte, im Test nach 1 Woche mit 74 % zu 49 % besser ab als die Gruppe, die alle Aufgaben in einer Sitzung bearbeitete.
  • Die Gruppe, die in einer Sitzung 4 Aufgaben löste, lag nicht verlässlich höher als die Gruppe, die nur die Hälfte bearbeitete; die Werte lagen bei 49 % zu 46 %.
• Die meisten Mathematiklehrbücher konzentrieren in einem Aufgabensatz Probleme zum unmittelbar vorhergehenden Kapitel und fördern damit zugleich gebündeltes Lernen und Overlearning.
  • Eine Alternative ist ein Shuffle-Format, bei dem die Übungsaufgaben eines Kapitels über den gesamten restlichen Teil des Lehrbuchs verteilt werden.
  • Zum Beispiel könnte direkt nach dem Kapitel über Parabeln nur ein Teil der Parabelaufgaben stehen, während die übrigen Parabelaufgaben in spätere Übungssätze verschoben werden.
• Durch das Mischen von Aufgabentypen entsteht neben dem zeitlichen Abstand auch diskriminatives Lernen.
  • Im Standardformat folgen auf ein Kapitel zum Einstichproben-t-Test nur Aufgaben zum Einstichproben-t-Test, sodass zu wenig geübt wird, welche Aufgabenmerkmale auf welche Verfahrenswahl hindeuten.
  • Im Shuffle-Format werden Aufgabentypen gemischt, sodass Lernende für jede Aufgabe die passende Strategie finden müssen.
  • Dieser Vorteil scheint unabhängig vom zeitlichen Spacing-Effekt zu sein.
• Bei der Prüfungsvorbereitung ist Abrufübungen zu machen, also zu versuchen, sich selbst an die Antwort zu erinnern, bevor man sie ansieht, im Allgemeinen eine gute Strategie.
  • Nach Fehlern sollte korrektes Feedback gegeben werden.
• Computergestützte Bildung bietet bereits viel Abruftraining und schnelles Feedback, aber die Chance, Lernsitzungen so anzuordnen, dass das Langzeitgedächtnis optimiert wird, wird noch nicht ausreichend genutzt.
• Bildungspraxis kann sich stärker an empirischer Evidenz orientieren als an Tradition und Moden.

[GN⁺]

Meinungen auf Hacker News

• Das ist keine Kritik an dieser Studie selbst, aber besonders wenn von „Optimierung“ die Rede ist, sollte man den Gesamtkontext im Blick behalten.
  „Lernen, Behaltensintervall, Test“ so zu optimieren, dass die Wissensbewahrung zum Zeitpunkt eines verzögerten Tests maximiert wird, ist etwas anderes, als den Wert des gelernten Wissens zu maximieren.
  Um den Lernwert zu erhöhen, ist es besser, Dinge zu lernen, die man sofort anwenden und direkt in weiteres Lernen integrieren kann. Je schneller und häufiger man sie nutzt, desto größer wird der Wert und desto besser bleibt es erhalten.
  Wenn man wichtiges Wissen lernen muss, das kurzfristig nicht gebraucht wird, etwa den Umgang mit seltenen Komplikationen bei einer Hirnoperation, muss man Wege schaffen, dieses Wissen anzuwenden. Man könnte ein nützliches Projekt erstellen, das man während des „Behaltensintervalls“ wieder ansieht, und eine Zusammenfassung zum Umgang mit seltenen Situationen fortlaufend aktualisieren.
  Für den gesamten Lernwert muss man daher Themenauswahl, Themenprogression sowie „Lernen, selektive Tests, Nutzung, Nutzung, Nutzung“ optimieren. „Nutzung“ vereint Motivation, Testen, Wiederholung und Realisierung von Wert.

  • Je erwachsener man wird, desto weniger sequenziell wirken viele Themen. Als Erwachsener verbringt man viel Zeit damit, die Grundlagen eines Fachgebiets zu wiederholen und bei Bedarf bestimmte Themen zu vertiefen.
    Für Kinder kann es sinnvoll sein, das Einmaleins geballt auswendig zu lernen.
  • Deshalb habe ich Manabi Reader fürs Sprachenlernen entwickelt. Derzeit wird nur Japanisch unterstützt: https://news.ycombinator.com/item?id=41275227
    Es soll dazu anregen, neue Wörter im Kontext anhand interessanter muttersprachlicher Materialien statt anhand von Lehrbuchinhalten zu lernen, und ermöglicht es, aus tatsächlich begegneten Sätzen ein persönliches Korpus aufzubauen.
    Bald soll es über Web und epub hinaus auf weitere Medien erweitert werden, etwa YouTube, Manga, HDMI-Eingang und Spiele-Emulatoren.
    Selbst wenn man von anderen erstellte Flashcards importiert, stellt es Werkzeuge bereit, mit denen man leichter passende Sätze in potenziell interessanten Originalmaterialien oder im eigenen Korpus findet. Weitere Tracking-Analysen auf Wort- und Kanji-Ebene sollen folgen; außerdem ist es offline-first und datenschutzfreundlich.

• [Mods: it might be helpful to tag this paper as written in 2007]
  Dieses Paper wirkt wie ein Text, der die Idee der Spaced Repetition für das Lernen herausarbeitet, und in der heutigen Produktivitäts- und Lernkultur ist sie, etwa durch Beispiele wie Ali Abdaal, ziemlich populär geworden.
  Der Abschnitt „Auch Mathematiklehrbücher können leicht ein Format übernehmen, das Abstände fördert“ ist in der Praxis bereits in Lehrbüchern umgesetzt, wenn man Mathematik-Nachhilfe für Mittelstufenschüler gibt. Am Ende jedes Kapitels gibt es einen allgemeinen Kapitel-Wiederholungstest, gefolgt von „Cumulative Practice“, das Themen aus früheren Kapiteln wiederholt.
  Wie das Paper betont, hilft eine solche Struktur besonders dabei, dass Schüler das betreffende Thema im Langzeitgedächtnis behalten.
  Zu dem Punkt, dass computerbasierte Bildung die Chance noch nicht ausreichend genutzt habe, Lernsitzungen so zu verteilen, dass langfristiges Behalten optimiert wird: Anki ist eine sehr populäre Software, die genau ein solches „Spaced Repetition“-Protokoll umsetzt.

  • Eine ähnliche Software mit freundlicherer User Experience ist https://mochi.cards/. Im Grunde ist es ein geschmeidigeres Anki, kostet aber etwas.
  • Anki ist ziemlich stark ein Expertentool. Ich denke, bei Spaced-Repetition-Software mit guter User Experience gibt es noch ziemlich viele Chancen. Das heißt nicht unbedingt, dass es eine lukrative Gelegenheit ist.
    Ank­is Datenmodell ist ziemlich eigenartig; das hängt zwar auch mit seiner Flexibilität zusammen, bringt aber unerwartete Nachteile und Fallstricke mit sich.
    Statt das Backend in Rust neu zu schreiben, fände ich ein Spaced-Repetition-Tool mit einer etwas klareren Philosophie und einer etwas ausgereifteren UI wünschenswert.

• Für mich persönlich war „das, was man selbst besser lernen will, anderen beizubringen“ die beste Strategie für langfristiges Behalten.

  • Ich lasse neue Leute, nachdem sie die schwierigen Teile verstanden haben, die Projektdokumentation verbessern. Das hilft, Wissen zu festigen, ermöglicht es zu überprüfen, ob sie es wirklich verstanden haben, und ist etwas, womit sie beitragen können, noch bevor sie in irgendeinem Bereich zum Bus Factor zählen.
    Nach außen klingt das nach vernünftigen, klugen Gründen, aber der eigentliche Grund ist der Fluch des Wissens. Wer innerhalb eines Systems ist, kann dieses System nicht von außen sehen. Man setzt Dinge voraus, verwendet undurchsichtige oder sogar irreführende Begriffe und nutzt Zirkelschlüsse.
    Neue Leute kennen diese Begriffe oder Zirkelschlüsse nicht, daher ist eine Erklärung, die sie schreiben, für die nächste Person, die anfängt, leichter verständlich als das, was ich sagen würde. Außerdem lässt mich eine so geschriebene Dokumentation das System aus einer neuen Perspektive sehen. Vielleicht muss es ja gar nicht unbedingt so funktionieren.
  • Es gibt einen russischen Uni-Witz:
    Ein Tutor sagt zu einem Studenten: „Sieh mal, ich habe es dir so lange erklärt, dass ich es jetzt selbst verstanden habe!“
  • Es ist vielleicht die zeitaufwendigste Methode. Die beste Methode und die zeiteffiziente Methode sind unterschiedliche Kennzahlen.
  • Als Formulierung sagt man: „Etwas zu wissen heißt, es erklären zu können.“
  • Ich frage mich, ob das auch für den Spracherwerb gilt.

• Interessant, aber ich hatte mir mehr Belege erhofft. Das Paper spricht von einem Shuffle-Ansatz, bei dem Materialien gemischt werden, um Abstände zu schaffen und erneute Exposition zu ermöglichen, aber der Teil, dass dies tatsächlich die Behaltensleistung erhöht, wirkt eher wie eine Meinung.
  Außerdem weiß ich nicht, was „hypothetische Interaktion zwischen ISI und RI“ überhaupt bedeuten soll. Könnte man das nicht ausreichend experimentell untersuchen und dann tatsächlich aufzeichnen? Hypothetische Interaktionsgraphen kann jeder zeichnen.

  • Vor ein paar Jahren gab es auf HN einen langen Kommentar von jemandem, der einen Kurs in Linearer Algebra unterrichtete und die Hausaufgabenprobleme auf ähnliche Weise zeitlich verteilte; die Ergebnisse seien hervorragend gewesen. Schade, dass ich mich nicht an den Nutzernamen erinnere. Es war wohl irgendwas mit Ben.
  • Soweit ich mich erinnere, kommt Accelerated Expertise zum gleichen Schluss und zitiert Studien, die das stützen. Ein gutes Buch.
  • Falls es dich interessiert: Das Buch „Make it Stick“ https://www.amazon.com/Make-Stick-Science-Successful-Learnin... zitiert viele Studien zu diesem Bereich.

• Wenn dich der Inhalt dieses Beitrags oder Lernen über das Lernen interessiert, empfehle ich dringend, den Blog des Einreichers zu lesen: https://www.justinmath.com/blog/

  • Empfehlenswert ist auch https://www.learningscientists.org/posters, erstellt von praktizierenden Wissenschaftlern. Dort werden weitere wissenschaftlich fundierte Methoden behandelt, die sich für Unterrichtsdesigner oder langfristige Lernansätze nutzen lassen.
    Dazu gehören nicht nur Dinge, die mit einfachen eingabebasierten Apps für automatische Spaced Repetition möglich sind, wie Spaced Repetition, Interleaving und Active Recall, sondern auch Elaborationsübungen wie Dual Coding, bei dem visuelle und andere Elemente kombiniert werden, oder freier Abruf.
    Um solche Elemente sowie Faktoren einzusetzen, die die Motivation, den Fortschritt und erkannte „Blindspot“-Fehlvorstellungen der Lernenden verständlich machen, habe ich schon vor GPT-3 zusammen mit einem Psychologie-Masterstudiengang Revision.ai entwickelt.
  • Das hervorragende https://betterexplained.com ist ebenfalls einen Blick wert.
  • Die Inhalte sind gut, aber sie sind Teil eines kostenpflichtigen Mathematikprogramms, und manche Artikel und Einreichungen wirken bei näherem Nachdenken wie indirekte Werbung bzw. Marketing. Allerdings ist es wirksam und nicht aufdringlich.
    https://www.justinmath.com/why-is-the-edtech-industry-so-dam...

• Es ist lediglich ein vierseitiger Text zu einer bestimmten Strategie des verteilten Lernens. Wirklich bahnbrechend ist er nicht, und er ist auch keine umfassende Sammlung von Techniken.

  • Ich frage mich, ob es empfehlenswerte Artikel zu Lerntechniken gibt, die für die meisten Menschen funktionieren.
  • Das kommt dem typischen aufgeblähten Stil der Lern-„Wissenschaft“ ziemlich nahe.

• Zu der Passage „Da Menschen einen beträchtlichen Teil dessen vergessen, was sie gelernt haben, können Studierende von Lernstrategien profitieren, die dauerhaftes Wissen vermitteln. Aber darüber, wie langfristiges Behalten am effizientesten erreicht werden kann, ist überraschend wenig bekannt“: Ich habe immer gedacht, dass das eigentliche Problem die Relevanz der Information ist.
  Menschen brauchen einen praktischen Grund, sich etwas merken zu müssen, der über künstliche Unsinnsprüfungen hinausgeht. Effiziente Techniken sind gut, aber kaum etwas ist demotivierender, als wenn es keinen anderen Grund zum Lernen gibt als „lerne es, weil du musst“.
  Wenn man etwas lernt, das einen wirklich interessiert, muss man nicht nach Karteikarten, riesigen Notizsammlungen oder fortgeschrittenen Techniken suchen. Es bleibt fast sofort und ohne Mühe hängen.
  Es scheint eine Art Mechanismus zu geben, der unbewusst die Relevanz von Informationen misst und den Grad der Aufnahme physisch reguliert. Sozusagen eine Art „Lernrate“.

  • Ich stimme zu, dass Lernmotivation und das Aufrechterhalten von Interesse zentral sind. Denn sie beeinflussen die erwähnte Lernrate.
    Wenn man Studierende unterrichtet, die als „die Besten der Besten“ gelten, tut es fast weh, das Wort Freude zu verwenden, aber Freude ist trotzdem wichtig und hat zumindest über den Großteil des Semesters hinweg einen größeren Einfluss auf Studierende als Effektivität. Einfach weil ihnen „gesagt wurde, dass sie lernen sollen“.
    Im Grunde lernen die meisten Studierenden während 70 % des Semesters keine 40 Stunden. Die tatsächliche Arbeit liegt eher bei 30 Stunden, und effektiv sind es vielleicht nur 15 Stunden. Bei Fächern, für die kein natürliches Interesse besteht, fehlt eine Brücke, die sie interessiert oder motiviert.
    2021 habe ich begonnen, mit GPT-3 in der Karteikarten-App Revision.ai motivierende Karten vom Typ „Warum man dieses Konzept lernen sollte“ zu erzeugen und einzubauen. Man kann es im dritten Punkt nachlesen: https://www.revision.ai/articles/20ThingsRevisionAIDoesForBe...
    Der Grund, warum ich diese Karten deaktiviert habe, war einfach: Ich habe nie das richtige Timing gefunden, sie genau dann zu zeigen, wenn Studierende sie brauchen. Wenn die App geschlossen ist, sind sie nicht motiviert und sehen die Karten nicht; wenn man sie mitten in einer Lernsitzung zeigt, unterbrechen die Karte oder die KI-generierten Beispiele den Flow [https://www.instagram.com/p/CVVlIuVg31W/]
    Ich habe auch versucht, kurze oder mittellange YouTube-Videos zu empfehlen, die als visuelles Material oder als „Pause“ vom überlastenden Lernen dienen sollten, aber das hat die Leistung der Studierenden nicht verbessert. Am Ende scheint es das Gefühl, dass Lernen immer noch eher auf Anweisung geschieht statt natürlich in den Lernprozess überzugehen, nicht gelöst zu haben.
    Wenn es technische oder konzeptionelle Ideen gibt, wie man das Interesse von Studierenden steigern kann, würde ich sie gern hören. Ich habe festgestellt, dass Studierende motivierter sind, mehr zu lernen, wenn man Vorlesungsfolien in Übungssets mit klaren visuellen Elementen umwandelt [https://www.instagram.com/p/C5ByftwiJ00/] sowie Inhalte in kleinere Einheiten zerlegt und Fortschritt sichtbar macht. In der zugehörigen Studie gab es Hinweise darauf, dass dies auch Prüfungsangst und Anspannung verringern könnte.
  • Ich stimme nicht zu. Motivation bringt einen dazu, das Material weiterzulesen, aber sie allein sorgt nicht dafür, dass man es viel besser behält.
    Wenn das motivierende Thema etwas ist, das man praktisch üben kann, kann man es durch eigenes Ausprobieren besser behalten. Auch das funktioniert als eine Form von Spaced Repetition. In Bereichen wie Astrophysik oder Makroökonomie ist das jedoch schwierig.
    Wenn man motiviert ist, ist es auch wahrscheinlicher, dass man zu einem anderen Buch über dasselbe Thema greift, und auch das ist eine weitere Form von Spaced Repetition.

• Der Grund, warum Überlernen so verbreitet ist, dürfte weniger darin liegen, dass es für Einzelne nützlich ist, sondern eher darin, dass es Lehrkräften ermöglicht, viele Studierende gleichzeitig zu betreuen.
  Um die genau passende Lernmenge zu messen, müsste eine Lehrkraft mit jedem Studierenden einzeln arbeiten und Aufgaben passend zur Qualität des neu gebildeten Wissens stellen.
  Das System ist jedoch im Großen und Ganzen auf Massenbildung ausgerichtet, um die Reichweite der Lehrkräfte zu vergrößern.

• Ich arbeite hauptberuflich an Manabi Reader, einem iOS/macOS-Tool zum Lernen beim Lesen von Japanisch: https://reader.manabi.io
  Es kombiniert Lesen mit Flashcards und verfolgt alle Wörter und Kanji, die man liest und lernt. Auf dieser Basis analysiert es, was man lernen muss, um bestimmte Texte lesen oder JLPT-Ziele erreichen zu können, und hebt unbekannte sowie gerade gelernte Wörter im Text hervor.
  Als Nächstes bei den Flashcards ersetzen wir den SM2-Algorithmus durch FSRS und sorgen dafür, dass Flashcards schon allein durch das Lesen von Inhalten passiv wiederholt werden.
  Ich denke, dass bei der Methode, Flashcards stundenlang einzeln durchzugehen, in Bezug auf die Lerngeschwindigkeit etwas verloren geht. Neben dem passiven Wiederholen von Flashcards beim Lesen werden wir auch andere Wiederholungstechniken ausprobieren, etwa eine ganze Seite mit Vokabeln und ausblendbaren Antworten auf einmal zu sehen.
  Unser Geist nimmt auch über das periphere Sehen und beim schnellen Überfliegen und Aufnehmen vieler Informationen auf einmal Dinge auf. Ich bin nicht überzeugt, dass die endgültige Form von Lern-Apps auf Basis der Forschung zur Vergessenskurve die heutige Flashcard-UI ist.
  Wir arbeiten außerdem an Reader-Funktionen für Manga, PDFs, YouTube und Spiele-Emulatoren sowie an der Erweiterung auf alle Sprachen.

• Wenn dich ähnliche Forschung interessiert, ist https://supermemo.guru einen Blick wert. Die etwas versteckte „About“-Seite ist unter https://supermemo.guru/wiki/SuperMemo_Guru:About zu finden.
  Der Autor hat sich ziemlich viel mit diesem Thema und seiner Geschichte beschäftigt, einschließlich der Entwicklung von Anwendungen.

  • Vieles auf dieser Seite ergibt einfach keinen Sinn. Die Voreingenommenheit zugunsten einer bestimmten Methode ist sehr deutlich, und daraus resultiert viel unwissenschaftlicher Unsinn.
    https://supermemo.guru/wiki/School_damages_your_brain
    Aus der Sicht von jemandem, der im Bereich Neurowissenschaften publiziert, ist das völliger Müll.

[mixed]

Früher habe ich mich einmal damit beschäftigt, wie man am besten lernt, und dabei diese Arbeit zum Spaced Learning kennengelernt. Es gibt auch ein Buch, das Materialien dieser Art in komprimierter Form zusammenfasst; wer Interesse hat, sollte einen Blick darauf werfen.
Übersetzung: Wie man erfolgreich lernt
Originalausgabe: Make It Stick
https://www.yes24.com/Product/Goods/15341766