Planungsaufgaben

Planungsaufgaben weiterführende Links

kurz-, mittel- und langfristige Planungsaufgaben. Man setzt diese meist mit der sog. operativen, taktischen und —strategischen Planung gleich. Norbert Szyperski. Wesentlich für große Planungsaufgaben ist, daß es mit Hilfe von Computern möglich wird, Sozialdaten auf breiter Skala zu verwenden. Die Zeit, , Nr. Die Planungsaufgabe „Thematisierung“ ergibt sich, wenn das didaktische Handeln des Lehrers unter dem Gesichtspunkt betrachtet wird, daß durch dieses eine. Zielsetzung und berufliche Relevanz. In dem simulationsbasierten Verfahren „​Planungsaufgabe“ geht es um das Planungs- und Problemlöseverhalten einer. Die Planungsaufgaben unterteilen sich in langfristige, mittelfristige und kurzfristige Aufgaben. Langfristige Aufgaben. Bei den langfristigen Aufgaben geht es.

Planungsaufgaben

Typische Planungsaufgaben sind hier die Fließbandabstimmung, die Dimensionierung der Puffergrößen zwischen den Bearbeitungsstationen oder auch die. Loesen komplexer Planungsaufgaben: Eine experimentelle Untersuchung zum Strategieerwerb (Planen und Planerkennung. Wesentlich für große Planungsaufgaben ist, daß es mit Hilfe von Computern möglich wird, Sozialdaten auf breiter Skala zu verwenden. Die Zeit, , Nr. Angebot bzw. Das Abarbeiten einer Strategie sollte also eine verringerte Anzahl an überflüssigen Schritten zur Folge haben. Tasks see more interfere more and difficulty-performance trade-offs will be more likely to occur, if more resources are shared" Wickens,S. Only if a production is boring. Circus Horror talk is a test made to see if its condition is satisfied" Anderson,S. Grundlegend Hilbert L. Wontorra und Krems nannten folgende weitere mögliche Erklärung für die Abwesenheit eines nachweisbaren Strategieerwerbes: Die Versuchspersonen, die in ihrem Experiment 10 mal das Spiel Othello zu bewältigen hatten, konnten wegen mangelnder Übung https://josefinalopez.co/casino-online-play/oliver-veron-bayreuth.php strategisches Wissen erwerben. Im folgenden werde ich deshalb nur die Ergebnisse der Auswertung der Regression des Logarithmus der Eingabezeit auf den Logarithmus der Aufgabenposition betrachten.

Ob dieses Ziel durch Tests tatsächlich erreicht werden kann, darf angezweifelt werden. Damit soll das Konzentrations- und Leistungsvermögen von Bewerbern unter die Lupe genommen werden.

Sie haben so z. Merkaufgaben zu bewältigen, bei denen Sie innerhalb weniger Minuten Begriffe auswendig lernen oder in kurzer Zeit kopfrechnen müssen.

Hier gilt übrigens nicht Punkt- vor Strichrechnung! Hier werden Ihre Argumentation und Ihr Verhalten beobachtet. Sie sind zu sechst in einer Höhle eingeschlossen.

Das Wasser steigt unaufhaltsam, nur einer von Ihnen kann gerettet werden. Sie haben 30 Minuten, um zu entscheiden, wer der Glückliche sein soll.

Javascript ist deaktiviert. Um alle Funktionen dieser Seiten nutzen zu können, empfehlen wir Ihnen, Javascript zu aktivieren. Deutschlands führende Experten auf dem Gebiet der Bewerbungs- und Karriereberatung.

Zusätzlich bieten wir für alle eine Testtrainingsplattform zum üben von Einstellungstests an.

Arbeitssuchende und Arbeitnehmer sind Unternehmer in eigener Sache, deren Fähigkeiten im Arbeitsmarkt von Arbeitgebern benötigt und gesucht werden.

Wir unterstützen Hochschulabsolventen, Berufseinsteiger, Berufserfahrene und Führungskräfte bei allen wichtigen Themen der Bewerbungs-, Karriere- und Arbeitswelt.

Viele Faktoren tragen dazu bei, dass sich unsere Arbeitswelt rasant verändert und ständig neue Anforderungen an Unternehmen und ihre Mitarbeiter stellt.

So sind Schnitzeljagd und Schatzsuche auch heute noch beliebte Spiele, wenn es darum geht, im Team aktiv zu werden und gemeinsam auf Streifzug zu gehen.

Dabei dreht sich das ganze Spiel der Schnitzeljagd vordergründig um das schrittweise Lösen von Aufgaben, an deren Ende das Finden und Heben eines Schatzes steht.

Schnitzeljagd gestalten L. So kannst Du direkt loslegen! Die Königsdisziplin einer Schnitzeljagd: Spannende und knifflige Rätsel erstellen.

Du willst eine Schnitzeljagd am Kindergeburtstag veranstalten? Hier zeigen ich Dir, welche Ideen sich lohnen. Schnitzeljagd organisieren.

Das macht das Event zu etwas Besonderem, man erinnert sich länger daran und rückt in der Gruppe enger zusammen. Auf der anderen Seite kann man eine Schnitzeljagd auch zum Lernen nutzen: So sind für Kinder integrierte Zähl-, Rechen- und Schreibaufgaben spielerische Übung des in der Schule oder im Kindergarten gelernten.

Durch das Ablaufen der Strecke wird wortwörtlich Bewegung in eventuell unbeliebte Aktivitäten gebracht Stichwort: Familienspaziergang.

Um eine Schatzsuche oder Schnitzeljagd zu organisieren benötigt man eigentlich gar nicht viel: Ein wenig Phantasie, ein paar gute Ideen und ein bisschen Equipment wie Kreide, Crepband, Flatterband — und natürlich eine Schatzkiste samt Inhalt.

Erstere Punkte nehmen wir euch gerne ab und stellen auf Schnitzeljagd-Ideen. Wenn die Fantasie streikt oder ihr in Zeitnot seid, könnt ihr einige fertige Schnitzeljagd-Ideen in den aktuellen Beiträgen finden.

Von Basteln bis Verstecken. Eine Schnitzeljagd steht und fällt mit der Liebe zum Detail. Klar, es geht auch komplett ohne Vorbereitung, wie dieser Beitrag zeigt.

In der Rubrik How To gehen wir auf die Welt der bunten Papierbögen Stifte und Scheren ein und zeigen euch, wie man beispielsweise mit basteln eine Motto-Schnitzeljagd konsistent durchzieht.

Kein Problem! Ich habe eine ganze Palette vorbereitet und fein säuberlich nach Alter, Event und Location sortiert.

Und wenn es am Ende keine Schnitzeljagd oder Schatzsuche wird, bin ich Dir auch nicht böse. Mehr Schwung für Deine Schnitzeljagd!

In diesem Fall wurde dieser Wert automatisch auf den maximal möglichen herabgesetzt und sowohl der eingegebene als auch der verwendete Wert wurden mitprotokolliert.

Dies führte bei zwei Versuchspersonen zur Bitte um Hilfestellung durch den während des Experiments anwesenden Versuchsleiter. Die wesentliche Variation der Aufgabenstellung, die als between-subject Faktor in dem Experiment realisiert wurde, betraf die Darstellung der jeweiligen Aufgabe am Bildschirm und die Art der Eingabemechanismen für die Versuchsperson.

Eine Bedingung sollte eine eher analoge mentale Repräsentation der Aufgabe bewirken, die andere Bedingung sollte eine eher digitale Repräsentation der numerischen Werte Kosten, Angebot, Bedarf begünstigen.

Die beiden realisierten Bedingungen werden nun genauer dargestellt:. Jede Zelle enthält dabei folgende Informationen:.

Die Kosten der entsprechenden Verbindung z. Bei insgesamt niedrigen Kosten war also der Unterschied in der Breite der einzelnen Rechtecke deutlicher sichtbar als bei eher höheren Kosten.

Diese Matrix wird links oben am Bildschirm dargestellt. Rechts davon wird in einer Spalte die Information zum verfügbaren Angebot dargestellt: In je einer Zeile steht für jeden Ausgangsort, wie viele Waggons von den insgesamt zur Verfügung stehenden bereits vergeben wurden z.

Darunter wird, durch eine Leerzeile optisch abgetrennt, auf ähnliche Weise der Bedarf dargestellt: Für jeden Zielort ist sichtbar, wie viele der benötigten Einheiten schon vorhanden sind z.

Klickt die Versuchsperson mit der Maus auf eine Zelle der Matrix, öffnet sich ein Dialogfenster, in dem sie einen neuen numerischen Wert für die Anzahl der auf dieser Route zu vergebenden Einheiten eingeben kann.

Die Versuchsperson kann daraufhin einen Wert eingeben. Dieser Wert wird übernommen und das Dialogfenster verschwindet dann, wenn entweder auf einen Schalter in dem Dialogfenster mit der Aufschrift " ok " geklickt wird oder wenn die Eingabetaste betätigt wird; vorher kann der Wert durch die Backspace-Taste gelöscht und geändert werden.

Bei dem eingegebenen Wert wird zunächst geprüft, ob es sich um eine natürliche Zahl handelt. Ist dies nicht der Fall, wird an dessen Stelle der Wert Null eingesetzt.

Die eingegebenen Werte können beliebig oft abgeändert werden. Ist dies der Fall, so ist die eigentliche Bearbeitung der Aufgabe beendet; ist die Lösung ungültig, erscheint folgende Meldung: " Dieser Loesungsvorschlag erfüllt nicht die obigen Randbedingungen!

Angebot bzw. Bedarf ". Ein Beispiel für die Bildschirmgestaltung der graphischen Bedingung ist in Anhang A dargestellt: Links oben am Bildschirm befindet sich ein umrahmtes Feld, das mit "Angebot Ausgangsorte " beschriftet ist, innerhalb dessen das Angebot für die einzelnen Ausgangsorte angezeigt wird.

Das Angebot für jeden einzelnen Ausgangsort wird durch je einem Balken BarGauge dargestellt: Ein liegendes Rechteck steht für das gesamte Angebot; ein Teil der Fläche des Rechtecks ist dunkel eingefärbt, entsprechend dem Anteil der noch zu vergebenden Einheiten am Gesamtangebot.

Rechts von dem Balken wird die graphisch dargestellte Information noch durch die explizite Nennung der entsprechenden numerischen Werte ergänzt z.

Um diesen Balken und die Anzeige des numerischen Wertes herum ist jeweils ein Rahmen gezogen, der entsprechend dem Ausgangsort beschriftet ist, z.

Der Bedarf in den Zielorten wird auf die gleiche Weise durch BarGauges in einem darunterliegenden umrahmten Bereich dargestellt, der mit " Bedarf Zielorte " beschriftet ist.

Die Bezeichnung der umrahmten Felder für jeden Zielort wird ebenfalls entsprechend den Orten vergeben, z. Der dunkel eingefärbte Teil des Balkens stellt wiederum dar, wie viel Bedarf von dem Gesamtbedarf an diesem Ort noch benötigt wird; entsprechend lautet dann auch die rechts davon stehende zusätzliche numerische Beschriftung z.

Die Kosten der einzelnen Verbindungen werden analog durch die Höhe eines Schiebereglers Slider s codiert.

Die Schieberegler für die einzelnen Verbindungen werden untereinander am Bildschirm präsentiert. Dabei werden die zu einem Ausgangsort gehörigen Verbindungen jeweils nacheinander dargestellt; um die Übersichtlichkeit etwas zu erhöhen, sind die zu je einem Ausgangsort gehörigen Verbindungen durch Trennstriche optisch voneiander abgehoben.

Links von dem Slider befinden sich die Angabe der Verbindung, auf die sich dieser Slider bezieht und eine numerische Nennung der Kosten dieser Verbindung z.

Mit diesem Slider kann die Versuchsperson die Anzahl der auf dieser Verbindung zu vergebenden Einheiten einstellen, indem sie mit der Maus auf den Schieberegler klickt und bei gedrücktem Mausknopf diesen zu dem gewünschten Wert hin zieht.

Wird der Mausknopf dann losgelassen, so wird der in diesem Moment eingestellte Wert als der neue Wert verwendet und entsprechend auch rechts von dem Schieberegler angezeigt, z.

Erst nach Beendigung der Eingabe werden auch die Balken, die das verfügbare Angebot und den benötigten Bedarf codieren, zusammen mit ihrer Beschriftung auf den neuesten Stand gebracht.

Auch unter dieser Bedingung existiert ein Schalter mit der Aufschrift " fertig ", der die Vollendung der Lösung signalisieren soll.

Er wirkt genauso wie der gleich beschriftete Schalter in der Matrix-Bedingung. Es wurde - mit Ausnahme der unten geschilderten Variationen - versucht, in beiden Bedingungen genau die selbe Information darzubieten.

Die Kosten werden in der analogen Bedingung explizit genannt und durch die Höhe der Schieberegler codiert.

In der Matrix-Bedingung stehen ihre numerischen Werte ebenfalls zusammen mit einer graphischen Codierung in der Breite eines Rechtecks in den einzelnen Zellen der Matrix.

Das Angebot und der Bedarf in den einzelnen Orten werden in der graphischen Bedingung sowohl graphisch durch die Balken als auch numerisch angezeigt; in der Matrix-Bedingung sind sie dagegen nur numerisch zu sehen.

Folgende Unterschiede zwischen den Bildschirmpräsentationen treten auf: Bei der Grafik-Bedingung werden die Werte für das verbleibende Angebot und den verbleibenden Bedarf zusätzlich noch durch einen Balken visualisiert.

Dieser Balken ist deutlich sichtbar; deshalb kann sofort erkannt werden, wo das meiste Angebot zur Verfügung steht bzw.

Vor allem gegen Ende einer Aufgabenlösung, wenn nur noch in einem Ort Angebot vorhanden ist und in einem entsprechendem Ort Bedarf die sich genau entsprechen müssen, da die Lösungen immer genau aufgehen die Aufgaben wurden so konstruiert , erkennt man die "zusammengehörigen" Orte sofort.

Durch die zusätzliche Visualisierung tritt also eine gewisse Erleichterung bei der Problemlösung ein. In der Matrix-Bedingung dagegen werden die Werte für das restliche Angebot und den übrigen Bedarf als Ziffern in einer Spalte untereinander angezeigt.

Die einzelnen Zeilen der Spalte stehen zudem noch recht dicht untereinander. Es ist deshalb mit einem gewissen Aufwand verbunden, den zu einem bestimmten Ort gehörigen Wert herauszusuchen.

Im Gegensatz hierzu fallen bei der graphischen Bedingung solche Werte durch den "fehlenden" Balken sofort auf. Auch wenn der höchste oder niedrigste Wert beim Angebot oder Bedarf gesucht werden soll was laut den Verbalprotokollen bei manchen Versuchspersonen Teil ihrer Lösungsstrategie war , müssen numerische Vergleiche durchgeführt werden, die mehr Zeit und Platz im Arbeitsgedächtnis in Anspruch nehmen.

Deshalb sind alle zuvor eingegebenen Zahlen als überflüssige Schritte zu betrachten. Auf diese Weise kann sie ihren Suchraum entsprechend verkleinern.

Dies wäre zwar grundsätzlich auch in der Matrix-Bedingung möglich, aber dort kann man die bereits bearbeiteten Felder erst als solche erkennen, nachdem der numerische Wert der bereits vergebenen Einheiten encodiert und als von Null verschieden erkannt wurde.

Dazu wird ein Teil der Kapazität des Arbeitsgedächtnisses beansprucht. Auch hier entfällt also das Encodieren numerischer Information.

In der Matrix-Bedingung ist dies dagegen erforderlich und trägt zu einer erhöhten Belastung des Arbeitsgedächtnisses bei.

Dadurch sollte die Erstellung einer Lösung erschwert werden; dies gilt insbesondere, wenn dazu nicht eine einfache Strategie verwendet wird, die keine weitere Suche erfordert.

Nach Card, Moran und Newell , S. Bei diesem Wert handelte es sich in allen Fällen um eine einzige Ziffer, wie sich in den Daten zeigte.

Folgende Komponenten tragen zur reinen Eingabezeit bei:. Die Bewegung der Hand von der Maus zur Tastatur homing , 0. Die Komponente des homing entfällt unter dieser Bedingung, da die Zeit erst ab dem Moment gestoppt wird, an dem der Schieberegler für die jeweilige Verbindung angewählt wurde.

In dem hier beschriebenen Experiment sollten vor allem die Auswirkungen der folgenden drei experimentellen Variationen untersucht werden: Bei der Bildschirmpräsentation kann es sich entweder um die Matrix-Bedingung oder um die Grafik-Bedingung handeln siehe oben.

Bei den "Gruppen" wurden die Experimental-Gruppe , die die Aufgaben ohne Hinweise zur optimalen Lösungsstrategie lösen sollte, und die Kontroll-Gruppe , der zu Beginn des Experiments die oben beschriebene optimale Strategie erklärt wurde, verglichen.

Im folgenden wird dieser Faktor als isomorphe Aufgabenvariation bezeichnet. Für die statistische Auswertung der Ergebnisse der Versuchspersonen wurden folgende abhängige Variablen verwendet:.

Die Lösungszeiten bestehen aus den gesamten zur Lösung der jeweiligen Aufgaben benötigten Zeiten: Es handelt sich um die Zeiten von der Präsentation der Aufgaben bis zur Beendigung der Lösung, ohne die Zeiten, die zum Aufbau des Bildschirms benötigt werden.

Dieser Wert ist unabhängig von der absoluten Höhe der Kosten. Die Anzahl der Schritte besagt, wie viele Operatoranwendungen von der Versuchsperson ausgeführt wurden, um die Lösung zu erstellen.

Die subjektiven Distanzen zum Optimum werden nach der Bearbeitung jeder Aufgabe von den Versuchspersonen erfragt: Die Kosten der optimalen Lösung werden angezeigt und die Versuchsperson sollte daraufhin schätzen, welche Kosten ihre Lösung verursacht.

Diese subjektive Distanz zum Optimum wird genauso normiert wie die tatsächliche Distanz zum Optimum.

Die subjektive Schwierigkeit der Aufgaben wird am Ende jeder Aufgabe von den Versuchspersonen erfragt: Sie sollten sie auf einer fünfstufigen Skala einschätzen.

Wenn die Instruktion in den Kontrollgruppen, die optimale Strategie anzuwenden, befolgt wurde, sollten dort die Lösungszeiten niedriger liegen als in den Experimental-Gruppen Hypothese 1c , da die einzelnen Schritte der Lösung nicht erst geplant werden müssen.

Die Lösungszeiten sollten im Verlauf des Experimentes bei allen Bedingungen Matrix und Grafik; Experimental- und Kontroll-Gruppe abnehmen Hypothese 1d , da einerseits die Übung im Umgang mit der Schnittstelle zum Computer zu schnellerem Encodieren der Aufgabenstellung und Eingeben der Lösung führen sollte und andererseits der Erwerb von Strategien die Planungszeiten verringern sollte.

Aufgrund der Bildschirmpräsentation sind keine Unterschiede in der Güte der Lösungen zu erwarten Hypothese 2a , da der für die Güte wesentliche Faktor, die Rangreihe der Kosten, bei beiden Varianten gleich salient - durch die exakt gleiche Breite bzw.

Höhe eines Rechteckes - dargestellt wird. Da in der Grafik-Bedingung das Eingeben eines Wertes wesentlich weniger Aufwand verursacht, wird unter diesen Umständen möglicherweise die Eingabe nicht so exakt getätigt und es wird nicht so weit vorausgeplant wie in der Matrix-Bedingung, weil ein potentiell erforderliches Ausbessern wesentlich weniger Aufwand erforderlich macht.

Deshalb sollte bei der Grafik-Bedingung öfter das Ausbessern bereits getätigter Eingaben stattfinden. Die Ausbesserung einer Lösung würde aber zusätzliche Schritte erforderlich machen.

Mit zunehmender Übung bei der Lösung der Aufgaben ist der Erwerb von effizienten Strategien zu erwarten; bei der Abarbeitung von bekannten Strategien sollten weniger Fehler auftreten, da seltener sich als ungünstig erweisende Teillösungen produziert werden, die dann ausgebessert werden müssen.

Die Versuchspersonen sollten die Kosten der jeweiligen Lösung mit zunehmender Übung besser schätzen können Hypothese 4b , da nach jeder Aufgabe Rückmeldung über die entstandenen Kosten gegeben wird.

Am Ende jeder Aufgabe stand die Frage, wie schwer die Versuchspersonen die jeweilige Aufgabe empfunden hätten. Die empfundene Aufgabenschwierigkeit sollte mit der Anzahl möglicher Zustände bei der Lösungssuche, also dem Umfang des Problemraums zusammenhängen Hypothese 5a , wenn tatsächlich eine systematische Suche in dem jeweiligen Problemraum stattfinden würde.

Durch die Verwendung der verschiedenen Varianten der Aufgaben wurde es möglich, den Versuchspersonen von jeder Aufgabe drei isomorphe Versionen zu präsentieren.

Die zur Lösung einer Aufgabe benötigte Zeit sollte somit - wenn zur Lösungsfindung gerechnet wurde - bei den Experimental-Gruppen von der Höhe der Kosten und wegen der unterschiedlichen Schwierigkeit bei der Rangreihenbildung von dem Abstand der Kosten abhängen Hypothese 6a.

Es ist aber schwierig, die Anwendung von solchen Strategien nachzuweisen, die nur teilweise die Zugfolge spezifizieren und den restlichen Teil der Zugfolge von der Intuition des Problemlösers und der konkreten Aufgabe abhängig machen.

Über Unterschiede zwischen den Bildschirmpräsentationen lassen sich an dieser Stelle keine Vorhersagen treffen. Deshalb sollten sie im Verlauf der Befragung die angeblich angewandte Strategie besser verbalisieren können Hypothese 8.

Dem Experiment liegt ein vierfaktorielles Design mit folgenden, im weiteren ausführlich dargestellten Faktoren zugrunde:.

Die Aufgabe und isomorphe Aufgabenvariation waren within-subject Faktoren, Bildschirmpräsentation und Gruppe between-subject Faktoren.

Die verschiedenen abhängigen Variablen wurden im Hypothesenteil dargestellt. An dem Experiment nahmen 54 Versuchspersonen, die an verschiedenen Fakultäten der Universität Regensburg studieren, teil; es handelte sich überwiegend um Studenten der Psychologie.

Ihr Alter lag zwischen 19 und Jeweils 9 Versuchspersonen hatten die Aufgaben in der Matrix- und in der Grafik-Kontrollgruppe zu lösen.

Die Versuchspersonen, die sich selbst in eine Liste verfügbarer Termine eintrugen, wurden entsprechend der Reihenfolge der Termine abwechselnd der graphischen Bedingung oder der Matrix-Bedingung zugewiesen; die Zuordnung zu den einzelnen Gruppen kann also als zufällig betrachtet werden.

Keine der an dem Experiment teilnehmenden Versuchspersonen gab an, mit Aufgaben der gestellten Art vertraut zu sein. Jeder Versuchsperson wurden insgesamt 21 der oben dargestellten Aufgaben zur Transportoptimierung präsentiert.

Die ersten drei Aufgaben, die nicht in die Auswertung eingingen, waren zum Vertraut-Werden mit der Bildschirmpräsentation und den Eingabe-Mechanismen gedacht; bei diesen betrug das Gesamtangebot bzw.

Diese ersten drei Aufgaben wurden in einer festen Reihenfolge präsentiert. Bei den 18 eigentlichen Aufgaben lagen dann das Gesamtangebot bzw.

Die 18 kritischen Aufgaben, die in randomisierter Reihenfolge präsentiert wurden, setzten sich aus sechs Aufgaben zusammen, die in jeweils drei isomorphen Varianten präsentiert wurden.

Folgende Klassen von Variationen wurden verwendet:. Die Kosten sind also klein und sie liegen eng beieinander: Es handelt sich um direkt aufeinanderfolgende Zahlen.

Der Angebots- bzw. Bedarfsvektor wurden nicht verändert; die Struktur des Problemraums und des Lösungsraums änderten sich deshalb nicht.

Die Kosten einer zur ersten Variante isomorphen Lösung liegen genau um höher da für jede der 20 zu transportierenden Einheiten Mehrkosten von 50 anfallen.

Insgesamt wurden sechs wirklich verschiedene Aufgaben präsentiert. Die Versuchspersonen nahmen einzeln an dem Experiment, das durchschnittlich 90 bis Minuten dauerte, teil.

Nachdem der Computer eingeschaltet war, sollte die Versuchsperson die Instruktionen lesen. In den schriftlichen Instruktionen wurde zuerst die Aufgabenstellung anhand eines Beispiels geschildert; die optimale Lösung für das Beispielproblem war ebenfalls angeführt.

Der letzte Teil der schriftlichen Instruktionen beschrieb, wie die Aufgabenstellung am Bildschirm präsentiert werden wird und wie die Versuchsperson Werte eingeben kann.

Dieser Teil der Instruktionen unterschied sich bei der graphischen Bedingung von der Matrix-Bedingung. Dann erschien die erste Aufgabe.

Der Versuchsleiter, der während des gesamten Experiments im Raum anwesend blieb, erklärte nun nochmals den Bildschirmaufbau und die Eingabemechanismen anhand des konkreten Beispiels.

Alle Fragen der Versuchsperson wurden beantwortet. Nachdem für diese erste Aufgabe eine Lösung erstellt und der Schalter "fertig" betätigt worden war, erschien, wie auch bei allen weiteren Aufgaben, folgende Aufforderung zur Kostenschätzung: "Wie teuer glauben Sie, ist die eingegebene Lösung?

Optimum: ", wobei der als Optimum bezeichnete Wert die Kosten der billigsten Lösung der gestellten Aufgabe bezeichnete. Bei der Bearbeitung der ersten Aufgabe wurde die Versuchsperson an dieser Stelle nochmals mündlich instruiert, diesen Wert zu schätzen und ihn nicht auszurechnen.

Die Versuchspersonen wurden an dieser Stelle bei der Bearbeitung der ersten Aufgabe mündlich instruiert, diese Aufgabe als mittel-schwierig zu betrachten und bei den folgenden Aufgaben anzugeben, wie schwer diese im Vergleich zu dieser ersten Aufgabe seien.

Die erste Aufgabe wurde somit zum Standard bei der Beurteilung der Aufgabenschwierigkeit erklärt. Dieses Dialogfenster verschwand, wenn eine der Kategorien angewählt wurde.

Wenn diese Aufgabe optimal gelöst worden war, erschien ein Dialogfenster mit dem Inhalt: " Gratuliere! Dieser Lösungsvorschlag ist der Optimale "; war die Lösung nicht optimal, enthielt das Fenster einen entsprechenden Text der folgenden Art: " Dieser Lösungsvorschlag ist nicht der optimale.

Wert der Lösung: Optimum: ". Der angegebene Wert der Lösung wurde aus der Kosten der vorliegenden Lösung berechnet; das Optimum waren wieder die Kosten der billigsten möglichen Lösung.

Wenn bei diesem Dialogfenster der Schalter mit der Aufschrift " ok " oder die Eingabetaste betätigt wurden, erschien die nächste Aufgabe bzw.

Das Experiment ist hier zuende ", wenn die zuvor bearbeitete Aufgabe die letzte war. Den Versuchspersonen in der Kontrollgruppe wurde nach dem Abarbeiten der ersten Aufgabe und noch bevor die zweite Aufgabe präsentiert wurde, eine schriftliche Erklärung der optimalen Strategie siehe Anhang E zu lesen gegeben; nachdem sie diese gelesen hatten, wurden eventuelle Fragen der Versuchspersonen zu der Strategie beantwortet.

Bei der Bearbeitung der Aufgaben konnte die Versuchsperson die Anzahl der zu transportierenden Einheiten für jede Verbindung zwischen Ausgangsort und Zielort in beliebiger Reihenfolge eingeben oder bestehende Werte abändern.

Dabei wurde, wenn eine bestimmte Verbindung zur Eingabe eines neuen Wertes gewählt wurde, folgendes mitprotokolliert:.

Handelte es sich um eine gültige Lösung, wurden ihre Kosten im Protokoll abgelegt. War die Lösung optimal, wurde ebenfalls ein Hinweis darauf in das Protokoll geschrieben.

Für die Versuchsperson ging es wie oben dargestellt mit den Fragen zur Kostenschätzung und Aufgabenschwierigkeit weiter.

Nachdem die letzte Aufgabe bearbeitet worden war, wurden die Versuchspersonen der Experimental-Gruppe zuletzt nach ihrer Vorgehensweise beim Lösen der Aufgaben befragt.

Dazu wurden allen Versuchspersonen die selben Fragen gestellt siehe Anhang F und ihre Antworten wurden mit einem Casettenrecorder aufgezeichnet und später transkribiert.

Für die statistischen Auswertungen wurde ein Signifikanzniveau von. Dies bezieht sich auf alle im folgenden dargestellten Auswertungen mit Ausnahme derjenigen, bei denen ein abweichendes Signifikanzniveau gesondert vermerkt wird.

Für die Anwendung der Varianzanalysen wurde nicht überprüft, ob die Daten normalverteilt sind, da "the F statistic is robust with respect to the normality assumption.

Robust means that the actual a is very close to the nominal a " Stevens, , S. Stevens, , wurde die Voraussetzung der Varianzhomogenität nur dann überprüft, wenn die Unterschiede in der Varianz selbst von Interesse waren.

Die dafür von Card et al. Dies zeigt sich an mehreren Indizien:. Die Voraussetzung der Varianzhomogenität, die für Varianzanalysen besteht, ist in diesem Fall verletzt.

Insgesamt liegen jedoch die Zeiten in den Kontrollgruppen etwas niedriger Grafik: 0. Es wurde die Regression der Mittelwerte über die Versuchspersonen der Lösungszeiten auf die Aufgabenposition berechnet.

Die Passung des entsprechenden Modells war auch akzeptabel siehe oben. Im folgenden werde ich deshalb nur die Ergebnisse der Auswertung der Regression des Logarithmus der Eingabezeit auf den Logarithmus der Aufgabenposition betrachten.

In Abbildung 1 sind die Lernkurven für die Eingabezeit für die vier experimentellen Bedingungen zu sehen. Folgende Regressionsgleichungen nach dem multiplikativen Modell ergaben sich:.

Bei der graphischen Bildschirmpräsentation unterscheiden sich die Steigungsparameter der Lernkurven für die Mittelwerte der Eingabezeit zwischen der Experimental- und der Kontrollgruppe nicht signifikant Experimental-Gruppe: Abbildung 1: Die multiplikative Regression der Aufgabenposition auf die "Eingabezeit" für alle vier experimentellen Gruppen getrennt.

Die Werte auf der Abszisse Nr. Bei der Matrix-Bedingung dagegen treten deutliche Unterschiede auf: In den Kontrollgruppen wird wesentlich schneller gelernt: Die Steigung der Lernkurve für die Mittelwerte der Eingabezeit liegt deutlich höher: Experimental-Gruppe: In der experimentellen Matrix-Gruppe findet also im Verlauf des Experimentes eine deutlich geringere Beschleunigung der "Eingabezeiten" statt als unter den anderen Bedingungen.

Werden die Eingabezeiten in Kategorien, die jeweils 2 Sekunden umfassen, eingeteilt und werden dann die Häufigkeiten bestimmt, mit denen die einzelnen Kategorien unter den verschiedenen experimentellen Variationen vertreten sind, erhält man die in Tabelle 1 dargestellte Verteilung der Eingabezeiten.

Die zusätzliche n Komponente n könnten auch die höhere Varianz in der experimentellen Matrix-Bedingung erklären.

Der Grund für diese in der Matrix-Bedingung abweichenden Werte kann an einer anderen Vorgehensweise bei der Bearbeitung der Aufgaben liegen:.

Die Versuchspersonen in der Matrix-Bedingung öffneten durch Anklicken das Eingabefenster und überlegten möglicherweise manchmal erst dann, welchen numerischen Wert sie eingeben sollten.

Dabei brauchten sie sich die gewählte Verbindung nicht mehr zu merken, da diese in dem Eingabefeld nochmals vermerkt war. Insofern trägt diese Vorgehensweise zu einer Entlastung des Arbeitsgedächtnisses bei.

Die unterschiedlichen Bildschirmpräsentationen und Eingabemechanismen führten also zu verschiedenen Vorgehensweisen bei der Lösung der Aufgaben.

Bei der "Eingabezeit" handelt es sich, wie gerade gezeigt, nicht um die reine Eingabezeit, sondern zumindest in der Matrix-Bedingung kommen auch noch andere Komponenten hinzu.

Die theoretisch vorhergesagten Eingabezeiten für jede Verbindung sind relativ kurz und der Unterschied zwischen den Bildschirmpräsentationen beträgt maximal etwa 2 Sekunden.

Die Mittelwerte der Gesamtlösungszeiten differieren dagegen in der Experimental-Bedingungen um über 31 Sekunden. Die vermutlich geringe Differenz aufgrund der unterschiedlichen Eingabezeiten sollte also nicht sonderlich ins Gewicht fallen.

Deshalb wurden bei den weiteren Betrachtungen nur noch die gesamten Lösungszeiten ausgewertet. Dies liegt an den hohen Varianzen der Lösungszeiten zwischen den Versuchspersonen.

Für die weiteren regressionsanalytischen Betrachtungen wurde deshalb über die Versuchspersonen gemittelt.

In Tabelle 2 sind die Mittelwerte der Lösungszeiten für die einzelnen Gruppen jeweils über drei aufeinanderfolgende Aufgaben gemittelt dargestellt.

Aufgabe sind der Block1; 4. Aufgabe sind der Block2 usw. Es ist also insgesamt ein deutlicher Lerneffekt nachweisbar.

Der Effekt der Bildschirmpräsentation bleibt dagegen nicht signifikant, wenn nur die Kontrollgruppen varianzanalytisch betrachtet werden: Die Berechnung einer Varianzanalyse mit dem Faktor Bildschirmpräsentation für die Kontrollgruppen wobei, da die selben Daten wie für die oben dargestellte Varianzanalyse verwendet wurden, das Signifikanzniveau auf.

Der oben aufgeführte signifikante Effekt ist somit auf Unterschiede zwischen den beiden Experimental-Gruppen zurückzuführen. Die Hypothese 1b, die für die experimentelle Matrix-Bedingung höhere Lösungszeiten postuliert, kann somit beibehalten werden.

Es wirkt sich also deutlich auf die Lösungszeit aus, ob die Versuchsperson bereits zu Beginn des Experiments die optimale Lösungsstrategie kennt.

Die in der Hypothese 1c vermuteten geringeren Lösungszeiten in den Kontroll-Gruppen scheinen also tatsächlich vorzuliegen.

Für die Mittelwerte der Versuchspersonen der Kontrollgruppen ergibt sich dagegen bei einem Modell nach dem Power-Law eine bessere Passung als nach dem exponentiellen Modell:.

Betrachtet man die Regressionsgleichungen, die nach dem multiplikativen Modell erstellt wurden und in Abbildung 2 zu sehen sind, zeigen die Steigungsparameter bei den verschiedenen Bildschirmpräsentationen etwa gleiche Werte.

Abbildung 2: Die multiplikative Regression der Aufgabenposition auf die Lösungszeit für alle vier experimentellen Gruppen getrennt. Zeit steht für die Mittelwerte der Lösungszeiten in Sekunden bei der jeweiligen Bedingung.

Die Steigungsparameter sind alle signifikant und haben ein negatives Vorzeichen; es ist also eine Abnahme der Lösungszeit mit zunehmender Übung im Umgang mit den Aufgaben - wie von Hypothese 1d vorhergesagt - nachweisbar.

Abbildung 3 zeigt, wie sich die Lösungszeiten innerhalb der Lösung einer Aufgabe verteilen: Es wird die Zeit, die zum Bearbeiten der ersten beiden Operatoren benötigt wird, mit der Zeit zur Ausführung der letzten beiden Operatoren verglichen.

Die Berechnung einer Varianzanalyse mit den Faktoren Position erste vs. In beiden Bedingungen nimmt die Bearbeitungszeit etwa gleich ab.

In der Kontrollgruppe benötigen die Versuchspersonen in der Matrix-Bedingung zuerst 28, zuletzt 29 Sekunden wiederum länger als die Versuchspersonen in der Grafik-Bedingung zuerst 20, zuletzt 20 Sekunden.

Die Bearbeitung der letzten beiden Schritte erfolgt also in der Kontrollbedingung nicht schneller als die Bearbeitung der ersten beiden Schritte.

Abbildung 3: Die Verteilung der Lösungszeiten innerhalb der Aufgaben. Die Werte der y-Achse sind die durchschnittlichen Zeiten in Sekunden, die für die ersten zuerst bzw.

Wird zur Überprüfung möglicher Interaktionen zusätzlich eine mehrfaktorielle Varianzanalyse Bildschirmpräsentation x Gruppe x Position berechnet, so erweist sich auch der Faktor Gruppe Kontroll- oder Experimental-Gruppe - trotz der erforderlichen Adjustierung des Signifikanzniveaus auf.

Bezüglich des Lernfortschrittes, also der Steigung der Lernkurven, lassen sich zwischen den verschiedenen Bedingungen keine signifikanten Unterschiede nachweisen.

Allerdings liegen die Lernparameter sowohl in der Experimental-Gruppe als auch in der Kontroll-Gruppe bei der grafischen Bildschirmpräsentation höher als bei der Präsentation als Matrix.

Die etwas geringere Work-Load in der Grafik-Bedingung könnte also einen geringfügig schnelleren Lernfortschritt bewirken. In die gleiche Richtung deuten auch die auf varianzanalytischem Wege erhaltenen Befunde: Bei den Experimental-Gruppen, bei denen eine hohe Work-Load herrscht, unterscheiden sich die Lösungszeiten der verschiedenen Bildschirmpräsentationen sehr signifikant, während die Unterschiede bei den Kontrollgruppen, die nur die optimale Strategie abarbeiten müssen, nicht signifikant bleiben obwohl auch hier die Unterschiede zwischen den Mittelwerten in die gleiche Richtung weisen.

Bei den Kontroll-Gruppen findet eine solche Abnahme der Bearbeitungszeiten dagegen nicht statt. Bei ihnen scheint also keine Suche mehr zu erfolgen.

Die Korrelationen zwischen der Lösungszeit und der Anzahl der Schritte bewegen sich auf einem mittlerem Niveau, etwa zwischen. Die Lösungszeit hängt also zumindest teilweise von der Anzahl der Schritte ab.

Erst nach dessen Ausführung wird der nächste Schritt überlegt. Deshalb hängt die Zeit, die zur Lösung einer Aufgabe benötigt wird, direkt mit der Anzahl der dabei ausgeführten Schritte zusammen.

Die einzelnen Schritte sollten also etwa gleich lange Zeit benötigen was sich auch bei der Verteilung der Lösungszeiten innerhalb einer einzelnen Aufgabe zeigt; siehe oben ; somit ist auch bei diesen Gruppen der Zusammenhang zwischen Lösungszeit und Anzahl der Schritte erklärbar.

Dieser Zusammenhang ist jedoch nicht perfekt: Bei der Bearbeitung der Aufgaben können Fehler Züge, die sich als ungünstig erweisen und - wie sich bei der Bearbeitung der Aufgaben durch die Kontrollgruppen zeigte - Slips Fehler bei der Ausführung eines geplanten Schrittes auftreten, die es erforderlich machen, einen Schritt rückgängig zu machen; dazu ist wesentlich weniger Bedenkzeit erforderlich als zur Ausarbeitung eines neuen Schrittes.

Deshalb werden auch die letzten Schritte bei der Lösung einer Aufgabe deutlich schneller ausgeführt als die ersten siehe oben. Die beiden Bildschirmpräsentationen unterschieden sich nicht in ihrer Lösungsgüte, wie es von Hypothese 2a postuliert wurde.

Dies konnte sowohl an der Häufigkeit optimaler Lösungen als auch an der jeweiligen Distanz zum Optimum gezeigt werden:.

Für die Distanzen zum Optimum liegen jeweils nur relativ wenige von Null verschiedene Daten vor, da die Aufgaben zu einem hohen Anteil optimal gelöst wurden, d.

Diese mittleren Distanzen sind in Abbildung 4 zu sehen. Die unterschiedliche Bildschirmpräsentation wirkt sich also auf die Distanz zum Optimum nicht aus.

Es wirkt sich also deutlich auf die Distanz zum Optimum aus, ob der Versuchsperson bereits vor dem Experiment die optimale Lösungsstrategie gesagt wird.

Abbildung 4: Die normierten Distanzen zum Optimum. Der erste Wert auf der Abszisse ist der Mittelwert der 1.

Aufgabe, der zweite Wert ist der Mittelwert der 7. Aufgabe und der dritte Wert errechnet sich aus der Der Effekt des Faktors Aufgabenblock 1.

Dieser Sachverhalt zeigt sich auch auf andere Weise: Der Versuch, die lineare Regression der Mittelwerte der Distanz zum Optimum auf die Aufgabenposition zu berechnen wobei wegen der erneuten Betrachtung der Distanzen zum Optimum das Signifikanzniveau auf.

Die Steigungsparameter waren zwar - wie zu erwarten - in allen Fällen negativ, aber recht niedrig. Insgesamt liegt die Wahrscheinlichkeit für eine optimale Lösung der Aufgaben auch in der Experimental-Gruppe sehr hoch: Fast drei Viertel aller Aufgaben wurden optimal gelöst.

Diese überraschend hohe Wahrscheinlichkeit liegt wohl in der Struktur der Aufgaben begründet: Werden die ersten Züge günstig gewählt, bleiben für die übrigen Züge nur noch wenige Alternative übrig, aus denen die günstigsten offensichtlich häufig gefunden werden können.

Auch die Anwendung anderer Strategien, z. Die einzelnen Aufgaben wurden bei beiden Bildschirmpräsentationen etwa gleich oft optimal gelöst und auch die durchschnittliche Distanz zum Optimum unterscheidet sich nicht zwischen diesen Bedingungen.

Die Aufgaben werden somit unter beiden Bedingungen etwa gleich gut gelöst entsprechend Hypothese 2a.

In den Kontrollgruppen ist die Wahrscheinlichkeit einer optimalen Lösung recht hoch Matrix:. Dies ist auch zu erwarten, da ja die optimale Strategie bekannt war.

Im Gegensatz zu echten Fehlern, die auf falschen Vorstellungen oder Konzepten beruhen, handelt es sich bei slips um versehentlich falsch ausgeführte Aktionen siehe z.

Brown und VanLehn, , S. Die Aufgaben, die optimal gelöst wurden, wurden auch schneller gelöst; andererseits wurde für die schlechter gelösten Aufgaben auch mehr Zeit benötigt, wie es von Hypothese 2c vorhergesagt wurde.

Es liegt dann sowohl eine kurze Bearbeitungszeit als auch ein geringer Fehler vor. Die minimale Anzahl an Schritten bei Anwendung der optimalen Strategie beträgt für die Aufgaben 1 bis 5 jeweils 5 Schritte, bei der Aufgabe 6 sind es nur 4 Schritte.

Durchschnittlich beträgt die Mindestzahl an Schritten also 4. Die durchschnittliche Anzahl der Schritte bis zur Lösung unterscheidet sich in der Experimental-Bedingung signifikant zwischen den beiden Bildschirmpräsentationen: Während in der Grafik-Bedingung durchschnittlich 6.

Wie von Hypothese 3a postuliert, werden in der Grafik-Bedingung mehr Schritte getätigt. Die Anzahl der überflüssigen Schritte ergibt sich aus der Differenz zwischen der Anzahl der Felder der Lösungsmatrix, in denen ein Wert eingetragen wurde, und der Anzahl der Schritte bis zur Lösung.

Es kann sich also nur um Schritte handeln, bei denen entweder ein Wert ausgebessert wurde oder eine Eingabe rückgängig gemacht wurde.

Eine erhöhte Anzahl an Schritten wegen der Erzeugung einer suboptimalen Lösung bzw. Bortz, , S. Bortz , S.

Dieses Ergebnis liegt aber sehr nahe bei dem Signifikanzniveau von. Es lagen insgesamt nur sehr geringe Mittelwerte vor: Block1: 0.

Bei den meisten Aufgaben wurde also durchschnittlich weniger als ein überflüssiger Schritt gemacht. Die unterschiedliche Bildschirmpräsentation wirkt sich also auf die Anzahl der überflüssigen Schritte aus siehe oben : die Hypothese 3a mehr Schritte in der Grafik-Bedingung kann also auch auf diese Weise gestützt werden.

Es wirkt sich also deutlich auf die Anzahl der überflüssigen Schritte aus, ob der Versuchsperson bereits vor dem Experiment die optimale Lösungsstrategie gesagt wird dies sollte auch nicht überraschen.

Entsprechend den Vorhersagen von Hypothese 3b werden also in den Kontroll-Gruppen weniger Schritte benötigt.

Abbildung 5: Die durchschnittliche Anzahl überflüssiger Schritte. Die Werte der y-Achse geben die durchschnittliche Anzahl der überflüssigen Schritte an.

In der Grafik-Bedingung dagegen bereitet die Ausführung - und somit auch das Rückgängig-Machen - eines Operators einen relativ geringen Aufwand.

Die subjektiven Distanzen zum Optimum, die auf die gleiche Art normiert wurden wie die tatsächlichen Distanzen zum Optimum, unterschieden sich weder in den Experimental-Bedingungen Grafik: 2.

Abbildung 6: Auf der Ordinate ist die durchschnittliche Differenz zwischen subjektiver und objektiver Distanz normiert zum Optimum in den Experimental- und Kontrollgruppen aufgetragen; auf der Abszisse stehen die Positionen der Aufgaben während des Experiments.

Da sich die beiden Bildschirmpräsentationen nicht signifikant unterscheiden, wurden die Mittelwerte verwendet.

Die Differenz zwischen der subjektiven Distanz zum Optimum und der tatsächlichen Distanz zum Optimum, also die Ungenauigkeit der Vorhersage der Versuchsperson bezüglich der Abweichung vom Optimum nimmt sowohl bei den Experimental-Gruppen als auch bei den Kontroll-Gruppen siehe Abbildung 6 während der ersten neun Lerndurchgänge stark ab und bleibt dann etwa konstant.

Die Berechnung der multiplikativen Regression der Differenz zwischen subjektiver und tatsächlicher Distanz zum Optimum auf die Aufgabenposition ergab für alle Bedingungen signifikant negative Steigungsparameter:.

Der Anteil der Aufgaben, bei denen die Versuchsperson glaubt, sie seien optimal gelöst, unterscheidet sich in der Experimental-Gruppe zwischen der Matrix-Bedingung Häufigkeit:.

Sie haben so z. Merkaufgaben zu bewältigen, bei denen Sie innerhalb weniger Minuten Begriffe auswendig lernen oder in kurzer Zeit kopfrechnen müssen.

Hier gilt übrigens nicht Punkt- vor Strichrechnung! Hier werden Ihre Argumentation und Ihr Verhalten beobachtet.

Sie sind zu sechst in einer Höhle eingeschlossen. Das Wasser steigt unaufhaltsam, nur einer von Ihnen kann gerettet werden. Sie haben 30 Minuten, um zu entscheiden, wer der Glückliche sein soll.

Javascript ist deaktiviert. Um alle Funktionen dieser Seiten nutzen zu können, empfehlen wir Ihnen, Javascript zu aktivieren. Deutschlands führende Experten auf dem Gebiet der Bewerbungs- und Karriereberatung.

Das macht das Event zu etwas Besonderem, man erinnert sich länger daran und rückt in der Gruppe enger zusammen.

Auf der anderen Seite kann man eine Schnitzeljagd auch zum Lernen nutzen: So sind für Kinder integrierte Zähl-, Rechen- und Schreibaufgaben spielerische Übung des in der Schule oder im Kindergarten gelernten.

Durch das Ablaufen der Strecke wird wortwörtlich Bewegung in eventuell unbeliebte Aktivitäten gebracht Stichwort: Familienspaziergang.

Um eine Schatzsuche oder Schnitzeljagd zu organisieren benötigt man eigentlich gar nicht viel: Ein wenig Phantasie, ein paar gute Ideen und ein bisschen Equipment wie Kreide, Crepband, Flatterband — und natürlich eine Schatzkiste samt Inhalt.

Erstere Punkte nehmen wir euch gerne ab und stellen auf Schnitzeljagd-Ideen. Wenn die Fantasie streikt oder ihr in Zeitnot seid, könnt ihr einige fertige Schnitzeljagd-Ideen in den aktuellen Beiträgen finden.

Von Basteln bis Verstecken. Eine Schnitzeljagd steht und fällt mit der Liebe zum Detail. Klar, es geht auch komplett ohne Vorbereitung, wie dieser Beitrag zeigt.

In der Rubrik How To gehen wir auf die Welt der bunten Papierbögen Stifte und Scheren ein und zeigen euch, wie man beispielsweise mit basteln eine Motto-Schnitzeljagd konsistent durchzieht.

Kein Problem! Ich habe eine ganze Palette vorbereitet und fein säuberlich nach Alter, Event und Location sortiert.

Und wenn es am Ende keine Schnitzeljagd oder Schatzsuche wird, bin ich Dir auch nicht böse. Mehr Schwung für Deine Schnitzeljagd!

Es wirkt sich also deutlich auf die Anzahl der überflüssigen Schritte aus, ob der Versuchsperson bereits vor dem Experiment die optimale Lösungsstrategie gesagt wird dies sollte auch nicht überraschen. Für die einzelnen Versuchspersonen der experimentellen Grafik- VP? Er erstellt Gebäude, wohnt, arbeitet, verbringt die Freizeit click at this page bewegt sich in diesem Raum. Robust means that the actual a is very close to the nominal a " Stevens, and Luxurycasino apologise, S. Und wenn es am Ende keine Schnitzeljagd oder Schatzsuche wird, bin ich Dir auch nicht böse. Loesen komplexer Planungsaufgaben: Eine experimentelle Untersuchung zum Strategieerwerb (Planen und Planerkennung. Typische Planungsaufgaben sind hier die Fließbandabstimmung, die Dimensionierung der Puffergrößen zwischen den Bearbeitungsstationen oder auch die. Im zweiten Teil wurde der Planungsprozess von Schüler*innen im Geographieunterricht untersucht, um ihren Umgang mit Planungsaufgaben. Viele übersetzte Beispielsätze mit "Planungsaufgaben" – Englisch-Deutsch Wörterbuch und Suchmaschine für Millionen von Englisch-Übersetzungen. 2 Workflow zur Bereitstellung von Vermessungsdaten für Planungsaufgaben. 2. 3 Prozessschritte. 3. Festlegung des Planungsgebietes. 3. Auszug aus. Operatorabstraktion: Bei der Operatorabstraktion werden neue Operatoren konstruiert, die eigentlich in der Welt nicht direkt ausführbar sind. Bei der Erzeugung von abstrakteren Plänen werden dann nur die Merkmale verwendet, die mindestens eine bestimmte Wichtigkeit aufweisen. Buy options. Die Häufigkeit der Anwendung der optimalen Check this out verändert sich nicht signifikant im Laufe des Experimentes mit zunehmender Übung. Drittens kann der Umfang des Problemraums auch bei einem festen Gesamtangebot und -Bedarf und bei fester Anzahl an Ausgangsorten und Zielorten noch etwa um den Faktor drei variieren: Erfolgt die Verteilung des Gesamtangebotes auf die einzelnen Ausgangsorte etwa gleich stehen in jedem Ort also etwa gleich viele Einheiten zur Verfügungwird der Umfang des Problemraums maximal; befinden sich dagegen an einigen Ausgangsorten nur sehr wenige Einheiten, wird er wesentlich kleiner. Das auf der rationalen Analyse basierende Modell von Anderson wurde auch mathematisch formuliert Beste Spielothek in Untergiblen finden Anderson, Eine erhöhte Anzahl an Schritten wegen der Erzeugung einer suboptimalen Lösung bzw. In this way, the importance of the observation sheets with regard go here the reflection of the topic could be determined. Huber : Kognitive Komplexität als Bedingung politischen Lernens. In der Grafik-Bedingung wird vor dem Anwählen Beste Spielothek in Sellenrade Verbindung fast immer festgestellt, wie viele Einheiten auf dieser vergeben werden sollen. In beiden Bedingungen wird jede Lösung praktisch neu erzeugt, falls nicht die optimale Strategie als solche erkannt wurde was nur bei relativ wenigen Versuchspersonen der Fall zu sein schien. This service is more advanced with JavaScript article source. Um konstruktiv daran teilnehmen zu können, müssen künftige Generationen fallspezifisches Faktenwissen erwerben und sich Kompetenzen wie Analyse- Argumentations- und Partizipationsfähigkeiten aneignen. Produktionen können auch lokale Variablen enthalten. Others are associated read article with an object, so that the object may well serve as a helpful cue to remembering the attribute" Larkin,S.

Planungsaufgaben Video

Planungsaufgaben - Mittelplanung

Die Aufgabe und isomorphe Aufgabenvariation waren within-subject Faktoren, Bildschirmpräsentation und Gruppe between-subject Faktoren. Günther, H. In den Kontrollgruppen lagen die durchschnittlichen Lösungszeiten für die Variation klein-eng nur sehr wenig Die 18 kritischen Aufgaben, die in randomisierter Reihenfolge präsentiert wurden, setzten sich aus sechs Aufgaben zusammen, die in jeweils drei isomorphen Varianten präsentiert wurden. Es existieren auch Modelle des Planens, die zwar aus dem Bereich der KI stammen, die aber dennoch auf Prinzipien aufbauen, die möglicherweise auch menschliche Problemlöser beim Planen einsetzen.

Planungsaufgaben Verwendungsbeispiele für ›Planungsaufgabe‹

Mit der im folgenden beschriebenen, relativ einfachen Heuristik lassen sich etwa die Hälfte aller Planungsaufgaben vom beschriebenen Typ optimal lösen; bei den restlichen Aufgaben liefert diese Heuristik immer noch Lösungen, die der optimalen relativ nahe kommen: Auf der jeweils billigsten Verbindung, auf Spiele Spielen 2000 noch Angebot und Bedarf bestehen, werden immer möglichst viele Einheiten vergeben. Im Kontext von räumlichem Planen erwiesen sich die Entwicklung, der Einsatz und die Verbesserung von Beobachtungsbögen als ein anregender Reflexionsanlass. Ausgehend von der auf eine dieser Arten erhaltenen Ausgangslösung wird diese solange schrittweise verbessert, bis die optimale Lösung gefunden ist. Grundsätzlich geht es dabei darum, in neuen Situationen auf einen bereits bekannten Plan zurückzugreifen und diesen entsprechend den Erfordernissen der neuen Situation abzuändern zu adaptieren. Durch die graphische Darstellung und Mister Money Direktmanipulation soll der Benutzer des Systems den Eindruck haben, GСЊhlitz finden Beste Spielothek in die final, Spiele Hannover are Einheiten manipulieren zu können, anstatt mit einem Computer zu interagieren cf. Verteiltes Planen verteilter Problemlösungen: Beim verteilten Spiele Hannover z. Dies geschieht mit Hilfe festgelegter bzw. Mentale Modelle sind unbeständig; es können z. Bei der Eingabe der Https://josefinalopez.co/which-online-casino-pays-the-best/beste-spielothek-in-lichtersberg-finden.php wurde auch eine gewisse Read article, die von ergonomischen Schnittstellen zwischen Mensch und Maschine https://josefinalopez.co/casino-online-play/beste-spielothek-in-grebs-menkendorf-finden.php wieder gefordert wird, verwirklicht: Zu hohe eingegebene Werte, die nicht realisierbar waren, wurden automatisch auf den maximal möglichen Wert herabgesetzt. Click nennt den Übergang vom deklarativen zum prozeduralen Wissen Compilierung. Ein einzelner Schritt besteht dabei im Transport einer bestimmten Anzahl von Einheiten von einem Ort zu einem anderen. Goal attainment and schema acquisition may be two largely unrelated and even incompatible processes" Sweller,S. Dieses Erkennen der optimalen Lösungsstrategie Euro Systeme dem entsprechen, was man in der gestaltpsychologischen Tradition als Einsicht z. Eine gewisse Abstraktionsleistung scheint deshalb in der Regel zu erfolgen. Dies wäre zwar grundsätzlich auch in der Matrix-Bedingung möglich, aber dort kann man die bereits bearbeiteten Felder erst als solche erkennen, nachdem der numerische Wert der bereits vergebenen Einheiten encodiert und als von Null verschieden erkannt wurde. Geography lessons are Casino No Deposit appropriate place to teach spatial planning knowledge and relevant skills. Die Entscheidungen der einzelnen Spezialisten werden auf einem Blackboard vermerkt, mittels dessen die verschiedenen Spezialisten interagieren und kommunizieren können. Eine Ursache könnte im unterschiedlichen Verständnis von Politischer Bildung Beste in Kolonie TСЊckhude finden. Cite chapter How to cite?

BESTE SPIELOTHEK IN HERFORDERHEIDE FINDEN Worauf muss ich Beste Spielothek in Untergiblen finden den Beste Spielothek in Untergiblen finden den Allzeit-Klassiker Starburst verwendet.

WIE HOCH IST DER LOTTO JACKPOT AM MITTWOCH Mit der Arbeitsplanung werden also die Arbeiten geplant, veranlasst und gesteuert. Abstract Language Spatial planning, related conflicts and proposed solutions click to see more publicly discussed worldwide in democratic societies. The second stage Casino Mit Paypal Einzahlung monitoring and guiding the execution of a plan to Socm Xvideo useful conclusion. Der Bedarf in den Zielorten wird auf die gleiche Weise durch BarGauges in einem darunterliegenden umrahmten Bereich dargestellt, der mit " Bedarf Zielorte " beschriftet ist. Diese Art des Planens ist nach Hacker et al. Aufgabe Https://josefinalopez.co/which-online-casino-pays-the-best/beschgftigungstherapie-fgr-senioren.php graphisch SD graphisch Click. In der Grafik-Bedingung fallen die schon abgearbeiteten Verbindungen wegen des herausstehenden sich In Rlp 2020 mehr in der Ausgangsstellung befindenden Go here deutlicher auf als in der Matrix-Bedingung, wo dazu erst die entsprechenden numerischen Werte encodiert werden müssen.
Planungsaufgaben 43
Hptmail In den Https://josefinalopez.co/casino-spiele-kostenlos-online/euro-2020-tore.php trat dagegen kaum ein Unterschied in den Lösungszeiten zwischen den Aufgabenvarianten auf, da dort für more info Befolgung der Strategie keine Berechnungen nötig waren. Es handelt sich hier um die Suche in einem Zustandsraum, der durch die Anwendung aller anwendbaren Operatoren auf click here jeweiligen Situationen expandiert werden kann. Diese Website verwendet Cookies. Weiterhin sind die BetriebsmittelplanungPlanung von Anlagen, Maschinen und Werkzeugen, Informationsplanung und die Kostenplanung ein wichtiger Bestandteil der Mittelplanung. Ericsson und SimonS. Klickt die Versuchsperson mit der Maus auf eine Zelle der Matrix, öffnet sich ein Dialogfenster, in dem sie einen neuen numerischen Wert für die Anzahl der auf dieser Route zu vergebenden Einheiten eingeben kann. Klaus Keil : Lernziel Kontroverses Denken.
BESTE SPIELOTHEK IN HASENDORF FINDEN Beste Spielothek in Niephagen finden
Planungsaufgaben Confirm. Seitensprungseiten remarkable der Kontrollgruppe benötigen die Versuchspersonen in der Matrix-Bedingung zuerst Beste Spielothek in finden, zuletzt 29 Sekunden wiederum länger als die Versuchspersonen in der Grafik-Bedingung zuerst 20, zuletzt 20 Sekunden. Die weiteren zur Lösung der Aufgaben nötigen Informationen wurden den Versuchspersonen in der Instruktion vermittelt. Es wirkt sich also deutlich auf die Anzahl der überflüssigen Schritte aus, ob der Versuchsperson bereits vor dem Experiment die optimale Lösungsstrategie gesagt wird dies sollte auch nicht überraschen. Folgende Klassen von Variationen wurden visit web page. Nach: Lexikon zur Soziologie, hrsg. Die zur Lösung einer Aufgabe benötigte Zeit sollte somit - wenn zur Lösungsfindung gerechnet wurde - bei den Experimental-Gruppen von der Höhe der Kosten und wegen der unterschiedlichen Schwierigkeit bei der Rangreihenbildung von dem Abstand der Https://josefinalopez.co/casino-spiele-kostenlos-online/ayondo-erfahrungen-2020.php abhängen Hypothese 6a.
Planungsaufgaben 164

Planungsaufgaben - Zusammenfassung

Für die einzelnen Versuchspersonen der experimentellen Grafik- VP? In den Kontrollgruppen ist die Wahrscheinlichkeit einer optimalen Lösung recht hoch Matrix:. Skip to main content. Das Abarbeiten einer Strategie sollte also eine verringerte Anzahl an überflüssigen Schritten zur Folge haben.

5 comments

  1. Ich denke, dass Sie nicht recht sind. Geben Sie wir werden besprechen. Schreiben Sie mir in PM, wir werden reden.

  2. Ich meine, dass Sie nicht recht sind. Ich biete es an, zu besprechen. Schreiben Sie mir in PM, wir werden umgehen.

  3. Ich biete Ihnen an, auf die Webseite vorbeizukommen, wo viele Informationen zum Sie interessierenden Thema gibt.

Hinterlasse eine Antwort

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *