ML2

Bild: Kooperative Entwicklung verbesserter Curricula in Dänemark (MINDLAB)

Probleme der Bildungsentwicklung

Bildungssteuerung kann von oben nach unten (top-down) oder kooperativ von unten nach oben (bottom-up) erfolgen. Die erste Möglichkeit generalisiert die Struktur lokal-regionaler Bedingungen und übersieht dabei leicht qualitative Aspekte individueller Lebensentwürfe, während die zweite Möglichkeit viel Zeit zu ihrer Entwicklung braucht und nur bedingt skalierbar ist.

Ein Problem rein quantitativer Bildungsforschung sind deren methodologische Formate. Kleine Fallstudien sind, wenn überhaupt, nur mit Vorbehalt verallgemeinerbar während große Studien, wie etwa Randomized Controlled Field Trials (RCT/ RCFT), teuer und aufwendig sind. Durch den Fokus auf wenige großangelegte Studien die allein als politisch relevant (da skalierbar) eingestuft werden, läuft Bildungssteuerung Gefahr, dass innovative Bildungsinitiativen mit höheren Implementierungsanforderungen aus ökonomischen Gründen erst gar nicht in Erwägung gezogen werden während die Vielfalt kleinerer experimenteller Studien aufgrund ihrer geringen politischen Übersetzung verschwindet.

Zudem entscheiden letztendlich Expertenkulturen über die Köpfe von jungen Menschen, ihrer Eltern und Kommunen hinweg da diese nur indirekt als Datenquellen, aber nicht als beteiligte Entwickler des Bildungssystems operationalisiert werden. Mehr zu den Anforderungen an anspruchsvolle empirische Studien finden Sie in diesen Link zu CONSORT.

Das Problem rein qualitativer Evaluationen mit kleinen Teilnehmerzahlen ist aus wissenschaftlicher Sicht deren mangelnde Verallgemeinerbarkeit und Reproduzierbarkeit. Mit viel Glück finden sich die besten Einzelfallstudien (neben quasi-experimentellen und Korrelationsstudien) in der Rezension von Metaanalysen. Ein weiterer Aspekt sind die Inhalte und die Relevanz von Studien. Es gab in Deutschland bisher vergleichsweise wenige (Interventions) Studien zum mangelnden Bildungserfolg von Schülern aus bildungsfernen Schichten, der individuellen Entwicklung von Schülern oder den Zusammenhängen von institutionellen Rahmenbedingungen, individuellem Kompetenzerwerb, intrinsischer Motivation und persönlichen Ressourcen. Aus quantitativer Sicht ist es einfacher sich primär auf die Messung von Kompetenzen zu fokussieren anstatt qualitative Ursachen und signifikante soziale Begleitumstände des Lernerfolges miteinzubeziehen.

Social Design: Die Demokratisierung von Expertenkulturen

Innovative Ansätze zur Verbesserung des öffentlichen Dienstleitungssektors, wie etwa in MINDLAB in Dänemark, setzen daher bei den genannten systemischen Schwachstellen an. Um Ergebnisse nach unten und oben hin skalierbar zu halten, setzen Forschungs- und Entwicklungsprogramme in der Mesozone an, also auf der Ebene von Familien, Nachbarschaften, kommunalen Gemeinwesen und Städten. Um soziale Entwicklungen wissenschaftlich zu begleiten und für alle Beteiligten relevant zu bleiben werden gemischte Studien (qualitativ und quantitativ) bevorzugt. Im Gegensatz zu rein deskriptiven Ansätzen erfolgt die Entwicklung sozialer Interventionen kooperativ mit allen am kollektiven Lernrozess beteiligten Personen. Probleme werden dabei nicht als ein rein externes Steuerungsproblem operationalisiert, sondern werden als geteilte Herausforderung des täglichen Lebens verstanden.

Wie bei den meisten praxisorientierten Interventionen bei ‚Social Design‘ entwickeln alle Beteiligten zunächst testfähige Prototypen zukünftiger Systeme. Für politische Entscheidungen hat dies den großen Vorteil, dass die Effekte und Konsequenzen neuer Richtlinien in kleinem Rahmen und unter realistischen Bedingungen genauer studiert werden können bevor sie zur einer Skalierung weiterempfohlen werden. Diese demokratische Vorgehensweise entspricht den Anforderungen eines zeitgemässen sozialen Wandels.

Bildungselemente und deren kausale Zusammenhänge

Eine zukunftsorientierte Bildungspolitik sollte kooperative Handlungsperspektiven und komplexe Problemlösungskompetenzen auch auf der Ebene der Studierenden entwickeln. Wie groß die Unterschiede und Konsequenzen verschiedener pädagogischer Ansätze sind soll kurz erläutert werden. Eine lehrerzentrierte Pädagogik beispielsweise fokussiert sich auf individuellen Kompetenzerwerb durch traditionelle Didaktik (Zuhören, Hausaufgaben machen, Klausuren schreiben etc.). Eine solche individuelle Wissenskonstruktion ist jedoch sehr begrenzt insofern Schüler lediglich Wissen innerhalb vordefinierter Lehrinhalte modulieren, in der Regel nur für sich selbst. In einer aktiven Pädagogik verläuft die Wissenkonstruktion demgegenüber sozial vernetzt und sie ist auf den Erwerb von kontext-transferierbaren Prozesskompetenzen ausgerichtet.

In instruktiven Modellen ergeben sich nur sporadisch Möglichkeiten zu produktiven Sozialbeziehungen die auf kooperative Wissenskonstruktion ausgelegt sind. In einer aktiven Pädagogik steht kooperative Wissenskonstruktion dagegen als Lernziel im Mittelpunkt und besteht nicht nur als beiläufige Option. Das Bildungsmodell unten veranschaulicht die kausalen Zusammenhänge. Hierbei repräsentiert (a) die Funktion der Operationalisierung von Lernzielen, (b) die Konfiguration der Rollen, Welt- und Sprachperspektiven von StudentInnen innerhalb des didaktiktischen Modells, (c) die diskursiv-epistemologischen und sozial-kommunikativen Kompetenzen von Studierenden in der Wissenskonstruktion, (d) das Maß für das Erreichen der Lernziele , (e) das Maß für die Effektivität der zugrundeliegenden Didaktik und (f) die Reflektion der Lernenden sowie ihrer Tutoren über die persönliche Bedeutung und die soziale Relevanz angestrebter Lernziele.

Wie würden Sie Ihre Bildungsumgebung beschreiben?

 

learning model 6

Bildungsmodell (Kompa, 2017): Zentrale Elemente eines Bildungssystems und dessen interaktive Zusammenhänge. Nicht indiziert ist die zugrundeliegende Pädagogik. Analog zur Datenwissenschaft möchten wir nicht nur wissen wie ein Student bekannte, von der Lehrkraft vorgegebene Herausforderungen meistert, sondern auch in der Lage ist vorausschauend unbekannte Probleme in übergreifenden Zusammenhängen zu lösen (Vorhersagefehler und Überanpassung/ training error and prediction error).