Das Gehirn als Blackbox: Was sich darin abspielt, ist unwichtig, Stoff-Input und Lern-Output zählen. Diese vom Harvard-Professor B. F. Skinner in den 1950er Jahren vertretene Lerntheorie des Behaviorismus mit ihrem mechanischen Bild des Lernens in kleinen Schritten führte zu den bis heute angewendeten Multiple-Choice-Tests. Die Maschine oder der Computer geben Auskunft, ob die Auslassung richtig ergänzt,
das Häkchen bei der korrekten Antwort gesetzt wurde.
Der Kognitivismus als Reaktion auf den Behaviorismus ist
interessiert an den Vorgängen in der Blackbox Gehirn: Wie verarbeitet der Mensch Information, wie lernt er wirklich, welche Prozesse spielen sich dabei ab? Nach dieser in den 1960er Jahren entstandenen Theorie nimmt der Mensch die Reize auf und verarbeitet sie mittels seines Vorwissens nach bestimmten Mustern. Die parallele Betrachtung des Computers als
informationsverarbeitende Maschine ist kein Zufall.
Der am Ende des 20. Jahrhunderts in der Unterrichtsmethodik
breit diskutierte Konstruktivismus erkennt: Im Gehirn passiert mehr als Informationsverarbeitung, dort werden Bedeutung und Sinn konstruiert. Es geht um Emotionen, Motivation, freien Willen und Werte. Denn der Mensch lernt anders als der Computer. Lern-Software sollte also diese komplexere Art menschlichen Lernens berücksichtigen und reflektieren.
Mit dem Konnektivismus betritt der Netzwerkgedanke die Bühne der Lerntheorie. Die Wissenschaft beschreibt den Menschen als Knotenpunkt in einem Lerngeflecht aus Lernorten, verschiedenen Meinungen und Standpunkten sowie formalem und informellem Lernen, zum Beispiel in den Kanälen des Web 2.0. Lernen bedeutet, die verschiedenen Knotenpunkte und Quellen zu verknüpfen. Der Einfluss des World Wide Webs wird in dieser 2004 von G. Siemens formulierten Theorie deutlich.
Bildschirmarbeit kann müde machen. Verbunden mit der raschen
Vergessenskurve des Menschen – nach 20 Minuten ist ein Viertel des Erlernten wieder verloren –, ist E-Learning gefordert, auf möglichst viel Interaktion, reale Bezüge, kleine Lerneinheiten und Wiederholung zu achten. Auf diese Art ist das Lernen mit der Maschine am effektivsten. Die aus Skinners behavioristischem Modell abgeleitete Methode hat ihre Gültigkeit also bis heute nicht verloren.
Adaptives Lernen soll personalisiertes Lernen computergesteuert und weitgehend automatisiert ermöglichen. Der Computer übernimmt dabei die Funktion, die Aktionen eines Lernenden genau zu erfassen und zu analysieren. Das Lernsystem reagiert auf die Testergebnisse und passt den Lernprozess an, um genau die Inhalte zu liefern, welche die oder der Lernende braucht. Lernkarten sind in diesem Zusammenhang ein sehr geeignetes Medium.
Sie ist der Stoff für Dystopien: Künstliche Intelligenz. Wo sich
das Lernen vom Menschen auf die Maschine verlagert, vor allem die rasche Analyse komplexer Sachverhalte oder von riesigen Datenmengen etwa in der Medizin, wird Raum frei für die Erarbeitung von Wissen auf prozeduraler, analytischer, metakognitiver Ebene. Im schlimmsten Fall nehmen Maschinen
den Menschen die Entscheidungen komplett aus der Hand.
Doch davon ist deren Entwicklung weit entfernt.
Die rasante Verbreitung sozialer Medien sowie des Internets
als solches hat den Stellenwert informellen Lernens als alltägliches Erfahrungslernen gehoben. Das WWW als informeller Lernraum bietet für diese situative und selbstgesteuerte Lernform ein weites Betätigungsfeld, für Jugendliche ebenso wie für die Weiterbildung Erwachsener. Lern-Communitys, ermöglicht durch neue Medien, stützen dabei informelles Lernen durch Erfahrungsaustausch.
Wearables und Gamification: Der Nutzen beider aktueller Trends
für das E-Learning wird derzeit diskutiert. Smartwatches oder auch Virtual-Reality-Brillen eignen sich für das immersive oder mobile Lernen in kleinen Einheiten – Microlearning/Mobile Learning. Gamification kann über den Einsatz von Spieleprinzipien wie Statusvergleich, Zusammenarbeit und Zeitmanagement sowie die Umsetzbarkeit kreativer Lösungsansätze dem Erfolg beim E-Learning förderlich sein.