Metakompetenzen und Kompetenzentwicklung - ABWF

um eine optimale Kombination von Variabilität und Normierung geht. Im Fall des
Problemraums sind es die Kompetenzen, die die Rolle von Evolutionsmechanismen
wie Selektion, Mutation und Imitation übernehmen. In den dazugehörigen
Simulationsspielen lässt sich die „optimale“ Kombination solcher Kompetenzen
üben.
Fragt man nach möglichen Erweiterungen des in dieser Arbeit erarbeiteten Zugangs,
so lassen sich folgende Punkte nennen:
– Verknüpfung von Suchstrategien mit verschiedenen Landschaftsformen. In
den Evolino-basierten Simulationen wird jeweils von einer prototypischen
Landschaft ausgegangen. Hier wäre es denkbar, Spiele zu entwerfen, die
unterschiedliche Landschaftstypen enthalten und damit Strategien gegen
Landschaften testen lassen. In der Brown’schen-Agenten-Simulation ist
dies bereits realisiert, allerdings ohne den interaktiven Aspekt.
– Ausbau der Simulationen zum Training der Motivierung bestimmter Kompetenzen
in Problemlösungsprozessen. Dazu müsste der Praxisbezug verschiedener
Landschaftsformen (externer und interner) stärker herausgearbeitet
werden. Welche Lernsituation entspricht welchem Landschaftstyp?
– Einführung individueller Agenten in die Evolino-basierten Simulationen.
Was geschieht, wenn verschiedene Agenten mit verschiedenen Kompetenzstrategien
nicht nur hintereinander, sondern gleichzeitig eine Aufgabe lösen
und dabei noch miteinander interagieren. Eine solche Erweiterung erhöht
natürlich dramatisch die Parameterzahl im Modell. Wird dies interaktiv
gestaltet, besteht aber die Möglichkeit für die Spieler, „ihren“ Agenten zu
gestalten. Damit wird sozusagen auf natürlichem Wege die Parametervielfalt
begrenzt. Außerdem könnte ein solches Spiel auch zur Beobachtung
von gewählten Kompetenzstrategien benutzt werden.
An dem Projekt arbeiteten neben den Autoren Dr. Anne Beaulieu und Thomas Hüsing
mit. Besonderer Dank gilt Prof. John Erpenbeck, der durch seine wertvollen
Hinweise zur Ausarbeitung der Modelle und Simulationen wesentlich beigetragen
hat.
105