Kontrastierungen als effektive Lerngelegenheiten zur ... - IFVLL

Kapitel 2 - Theoretische Ansätze zum Graphenverständnis
Verhältnisstrukturen nicht automatisch gezogen werden, sondern erst erlernt werden müssen, konnte
die Studie von Koerber (1999) zeigen. Dass Mappings dennoch hochautomatisiert ablaufen können,
zeigen die Studien von Gattis und Holyoak (1996) zum slope-mapping-constraint. Diese Autoren
konnten zeigen, dass die Genauigkeit des Ablesens von Rateninformationen aus dem Graphen stieg,
wenn die abhängige Variable auf der Y-Achse, also gemäß der Konvention, abgetragen wurde. In
diesem Fall kann ein steilerer Graph mit einer größeren Rate assoziiert werden. Andere Faktoren, wie
das Ziel der Interpretation oder ob das Mapping der abhängigen Variablen auf die Y-Achse den damit
assoziierten natürlichen Gegebenheiten entsprach (d. h. ob geographische Höhe nach oben oder unten
abgetragen wurde), hatten dagegen keinen signifikanten Einfluss auf die Interpretation der Steigungsinformationen,
so lange die steilere Steigung jeweils mit einer höheren Rate assoziiert war.
2.3 Zusammenfassung
Die beiden vorgestellten Theorien beleuchten unterschiedliche Aspekte des Wissens über Graphen.
Das Modell von Pinker lässt sich lediglich auf das Ablesen von Informationen anwenden, die explizit
im Graphen repräsentiert und durch die Achsenbeschriftungen oder Legenden indiziert sind. In diesem
Modell ist es besonders wichtig, dass der Betrachter in seinem Graphenschema gespeichert hat,
anhand welcher visuell-graphischen Merkmale er Aussagen über den dargestellten Inhaltsbereich
treffen kann. Fällt beispielsweise bei der Betrachtung von zwei Graphen nicht auf, dass diese eine
unterschiedliche Steigung haben, wird der Interpretierende diesem Merkmal auch keine Bedeutung
beimessen. Allerdings kann mit dem Modell von Pinker nur schlecht erklärt werden, wie die Steigung
eines Graphen interpretiert wird, da die inhaltliche Bedeutung dieser Information nicht im Graphen
expliziert ist, sondern erschlossen werden muss. Aus der Anwendung von Graphen ist klar, dass dies
nicht immer über die von ihm ausgeführten Inferenzprozesse geschehen muss, sondern auch durch
einen schnelleren „Mappingprozess“ möglich sein muss.
Das Modell von Gattis scheint diese Lücke zu schließen. Gattis nimmt an, dass relationales Wissen
über den dargestellten Inhaltsbereich spontan zur Interpretation des Graphen herangezogen wird und
inhaltliche Merkmale der dargestellten Situation systematisch auf Merkmale des Graphen gemappt
werden. Diese Mappings von inhaltlichen auf graphische Merkmale stellen die Verbindung zwischen
beiden Dimension her und ermöglichen eine schnelle, effiziente und wenig Ressourcen verbrauchende
Informationsverarbeitung. Dass diese Mappings ohne spezifisches Wissen funktionieren und automatisiert
vorgenommen werden, konnte von Gattis jedoch nicht nachgewiesen werden. Ihre Überlegungen
legen zudem nahe, dass diese Mappings nicht willkürlich gezogen werden, sondern gewissen
Einschränkungen und Prinzipien unterworfen sind.
Demnach reicht es für den kompetenten Umgang mit Graphen nicht aus, lediglich über Mappings von
Merkmalen des Graphen auf bestimmte inhaltliche Variablen zu verfügen. Stattdessen muss auch
Wissen darüber erworben werden, wie diese Mappings zustande kommen, welchen Einschränkungen
sie unterliegen und wie diese für neue Inhaltsgebiete konstruiert bzw. erschlossen werden können. Aus
31