Stahl, G., Koschmann, T., & Suthers, D. (2006). Computer-supported collaborative learning: An historical perspective. In R. K. Sawyer (Ed.), Cambridge handbook of the learning sciences (pp. 409-426). Cambridge, UK: Cambridge University Press. Available at http://GerryStahl.net/cscl/CSCL_English.pdf in English, http://GerryStahl.net/cscl/CSCL_Chinese_simplified.pdf in simplified Chinese, http://GerryStahl.net/cscl/CSCL_Chinese_traditional.pdf in traditional Chinese, http://GerryStahl.net/cscl/CSCL_Spanish.pdf in Spanish, http://GerryStahl.net/cscl/CSCL_Portuguese.pdf in Portuguese, http:/ GerryStahl.net/cscl/CSCL_German.pdf in German, http://GerryStahl.net/cscl/CSCL_Romanian.pdf in Romanian, http://GerryStahl.net/cscl/CSCL_Japanese.pdf in Japanese. Translations by permission of Cambridge University Press.

 

 

ComputerunterstŸtztes Kollaboratives Lernen:

Eine historische Perspektive[1]

 

Gerry Stahl, Timothy Koschmann, Dan Suthers

 

 

Das Feld des computerunterstŸtzten kollaborativen Lernens (CSCL) ist ein wachsender Teil­bereich der Learning Sciences[2], in welchem untersucht wird, wie Menschen mit Hilfe des Computers gemeinsam lernen kšnnen. Wie spŠter in diesem Beitrag deutlich wird, verbirgt sich hinter dieser einfachen Aussage eine erhebliche KomplexitŠt. Es wird sich erweisen, dass das Zusammenspiel zwischen Lernen und Technologie reichlich verworren ist. In der Ver­bin­dung von Kolla­boration mit Computervermittelung und Fernunterricht wurde der Begriff des Lernens problematisiert sowie die vorherrschenden Annahmen, wie Lernen zu untersuchen sei, in Frage gestellt.

Wie viele aktive Forschungsfelder steht auch CSCL in einer komplexen Wechselbeziehung zu anderen Disziplinen, entwickelt sich auf Wegen, die nur schwer genau aufzuzeigen sind und beinhaltet wichtige BeitrŠge, die unvereinbar erscheinen. Das Feld CSCL hat eine lange Ge­schich­te der Kontroverse Ÿber seine Theorie, Methoden und Definition. DarŸber hinaus ist es wichtig, CSCL als eine Vision, was mit Computern mšglich sein kšnnte und welche For­schungen hierzu notwendig wŠren, zu verstehen und weniger als einen etablierten Korpus an breit akzeptierten Labor- und Klassenzimmerpraktiken. Wir beginnen mit einigen populŠren Grundannahmen Ÿber die Fragestellungen von CSCL und werden nach und nach deren komplexe Natur aufzeigen. Wir werden einen †berblick Ÿber die historische Entwicklung von CSCL geben und unsere Zukunftsperspektive dieses Forschungsfeldes darlegen.

CSCL und Bildung

In der Betrachtung bestimmter Lernformen befasst sich CSCL eng mit Bildung. Es bezieht alle Ebenen der formalen Ausbildung vom Kindergarten bis zur UniversitŠtsausbildung sowie informelle Bildung, wie sie beispielsweise in Museen stattfindet, ein. Computer sind in der Bildung zunehmend bedeutsam geworden, in aller Welt haben sich Schulbehšrden und Politiker zum Ziel gesetzt, immer mehr Lernenden Zugang zu Computern und dem Internet zu ermšglichen. Auch wurde in der Lehr-Lernwissenschaft verstŠrkt der Idee Nachdruck verliehen, Lernende dazu anzuhalten, in kleinen Gruppen miteinander zu lernen.

Dennoch bleibt die FŠhigkeit zur effektiven Kombination dieser beiden Ideen (Computer­unter­stŸtzung und kollaboratives Lernen oder Technologie und Bildung) zur wirksamen Fšr­de­rung von Lernen eine Herausforderung – eine Herausforderung, der sich CSCL stellt.

Computer und Bildung

Computer im Klassenzimmer werden oft skeptisch betrachtet. Sie werden von Kritikern als lang­weilig und antisozial gesehen, als Zufluchtsort fŸr Computerfreaks und als eine mechanische, un­menschliche Form der Ausbildung. CSCL basiert auf genau der gegenteiligen Vision: es schlŠgt die Entwicklung neuer Software und Anwendungen vor, die Lernende zusammen bringen und kreative AktivitŠten zur intellektuellen Erkundung und sozialen Interaktion anbieten.

CSCL entstand in den neunziger Jahren des letzten Jahrhunderts als Reaktion auf Software, wel­che SchŸler und Studenten dazu zwang, als isolierte Individuen zu lernen. Anreiz fŸr die CSCL-Forschung war das erstaunliche Potential des Internets, Menschen in neuartiger Art und Weise miteinander in Verbindung zu bringen. Mit der Entwicklung von CSCL wurden jedoch zu­neh­mend unvorhergesehene Schwierigkeiten bei der Gestaltung, Verbreitung und wirksamer An­wendung innovativer Lehr/Lern-Software deutlich. Eine Umgestaltung des gesamten Konzepts von Lernen wurde erforderlich, eine Umgestaltung, die ma§gebliche €nderungen in der Schul­ausbildung, dem Lehren und dem SelbstverstŠndnis der Lernenden umfasst.

E-Learning aus der Ferne

CSCL ist oft verschmolzen mit E-Learning, der Organisation des Unterrichts Ÿber Computer­netzwerke. Zu oft ist E-Learning durch den naiven Glauben motivitiert, dass die Inhalte aus dem Klassenzimmer digitialisiert und an eine gro§e Zahl von Lernenden verteilt werden kšnnen, und dass im Weiteren nur noch wenig AktivitŠt seitens der Lehrenden notwendig ist und viele Kosten, zum Beispiel fŸr GebŠude und Reisen, wegfallen. Mit dieser Betrachtungsweise gibt es eine Reihe von Problemen:

Erstens erweist es sich als falsch, dass das Versenden von Inhalt, wie zum Beispiel Folien, Texte oder Videos, bereits zur Unterweisung fŸhrt. Inhalte dieser Art kšnnen wichtige Ressourcen fŸr Lernende sein – wie es BŸcher schon immer waren –, sie sind jedoch nur in einem grš§eren motivationalen und interaktiven Kontext wirksam.

Zweitens verlangt die Online-Lehre mindestens genauso viel Aufwand eines menschlichen Lehrers wie die Lehre im Klassenzimmer. Nicht nur, dass die Lehrenden Materialien vorbereiten und mittels des Computers verfŸgbar machen mŸssen, sie mŸssen ausserdem jeden einzelnen Lernenden durch kontinuierliche Interaktion ein GefŸhl sozialer PrŠsenz motivieren und an­leiten. WŠhrend die Online-Ausbildung es erlaubt, dass Lernende aus aller Welt daran teil­neh­men und Lehrende an jedem Ort mit Internetanbindung arbeiten, erhšht es doch den Lehr­auf­wand je Teilnehmer erheblich.

Drittens betont CSCL die Kollaboration zwischen den Lernenden, so dass diese nicht allein auf verschicktes Material reagieren. Das Lernen findet vor allem in der Interaktion zwischen den Ler­nenden statt. Sie lernen, indem sie ihre Fragen ausdrŸcken, gemeinsam Nachforschungen an­stellen, sich gegenseitig unterweisen und andere beim Lernen beobachten. Computer­unter­stŸtzung fŸr solcherart Kollaboration ist zentral fŸr einen CSCL-Ansatz des E-Learnings. Die Anregung produktiver Interaktion zwischen Lernenden und ihre VerstŠrkung ist schwierig zu erreichen, es erfordert fachkundige Plannung, Koordination und Umsetzung des Curriculums, der PŠdagogik und der Technologie.

Viertens beschŠftigt sich CSCL auch mit der Kollaboration in face-to-face (F2F) Lernszenarien. ComputerunterstŸtzung des Lernens erfolgt nicht immer in Form eines Online-Kommunikations­mediums. Die ComputerunterstŸtzung kann beispielsweise eine Computersimulation eines wis­sen­schaftlichen Modells oder eine interaktive ReprŠsentation um­fassen. In diesen FŠllen fokussiert die Kollaboration auf die Konstruktion und Exploration der Simulation oder ReprŠsentation. Alternativ kann eine Gruppe von Lernenden den Computer dazu nutzen, um durch Informationsangebote im Internet zu browsen und die gefundenen Informationen kolla­borativ zu diskutieren, zu debattieren, zusammenzutragen und zu prŠsentieren. Computer kšnnen Interaktionen zwischen Lernenden am selben Ort oder in rŠumlich verteilten, in synchronen und in asynchronen Arrangements unterstŸtzen.

Kooperatives Lernen in Gruppen

Die Erforschung des Gruppenlernens begann lange vor CSCL. Seit den 1960er Jahren, vor dem Aufkommen vernetzter Personalcomputer, wird kooperatives Lernen in der PŠdagogik ausfŸhrlich untersucht. Die Erforschung von Kleingruppen hat in der Sozialpsychologie eine noch lŠngere Tradition.

Um CSCL von diesen frŸheren Untersuchungen des Guppenlernens abzugrenzen, ist es hilfreich, zwischen kooperativem und kollaborativem Lernen zu unterscheiden. In einer detaillierten Diskussion dieser Unterscheidung definierte Dillenbourg (1999a) den Unterschied grob folgenderma§en:

Beim Kooperieren teilen die Partner ihre Arbeit auf, lšsen Teilprobleme individuell und fŸgen dann die Teilergebnisse zum Endergebnis zusammen. Beim Kollaborieren arbeiten die Partner âzusammenÕ. (S. 8)

Er verweist dann auf die Kollaborationsdefinition von Roschelle & Teasley (1995):

Dieses Kapitel prŠsentiert eine Fallstudie, die veranschaulicht, wie ein Computer als ein kog­nitives Werkzeug zum sozial stattfindenden Lernen genutzt werden kann. Wir unter­suchen einen besonders wichtigen Typ sozialer AktivitŠt, der kollaborativen Konstruktion neuen Problemlšsewissens. Kollaboration ist ein Prozess, mit dem Individuen die fŸr die vor­liegende Problemlšseaufgabe relevanten Bedeutungen aushandeln und teilenÉ Kollaboration ist eine koordinierte, synchrone AktivitŠt, welche das Ergebnis des konti­nu­ier­lichen Bestrebens ist, ein gemeinsames VerstŠndnis eines Problems zu konstruieren und aufrecht zu erhalten. (S. 70, Hervorhebung hinzugefŸgt)

Untersucht man Lernen, dann ist dies ein gro§er Unterschied. Beim Kooperieren erfolgt das Lernen durch Individuen, welche ihre individuellen Ergebnisse zusammentragen und die Samm­lung der individuellen Ergebnisse als Gruppenprodukt prŠsentieren. Lernen in kooperieren­den Gruppen wird als etwas gesehen, was individuell statt findet – und damit auch mit den traditio­nellen Konzeptualisierungen und Methoden der pŠdagogischen und psychologischen Forschung untersucht werden kann.

Im Gegensatz hierzu erfolgt Lernen in Roschelle & Teasleys Charakterisierung von Kolla­bo­ration sozial durch die kollaborative Konstruktion von Wissen. NatŸrlich sind Individuen als Mitglieder der Gruppe involviert, aber die AktivitŠten, in denen sie sich engagieren, sind nicht individuelle LernaktivitŠten, sondern GruppenaktivitŠten wie Aushandeln und Teilen. Die Individuen gehen nicht auseinander, um Dinge individuell zu erledigen, sondern blei­ben an der gemein­samen Aufgabe, die durch und fŸr die Gruppe konstruiert und auf­recht­erhalten wird, involviert. Die kollaborative Aushandlung und das soziale Teilen von Gruppenbedeutungen – zentrale PhŠnomene der Kollaboration – kšnnen nicht mit traditionellen psychologischen Methoden untersucht werden.

Kollaboration und individuelles Lernen

Wie wir gerade gesehen haben, umfasst kollaboratives Lernen Individuen als Gruppenmitglieder, umfasst aber auch PhŠnomene wie Aushandeln und Teilen von Bedeutungen – inklusive der Konstruktion und Aufrechterhaltung gemeinsamer Auffassungen von der Aufgabe – welche interaktiv in Gruppenprozessen erreicht werden. Kollaboratives Lernen ist mit individuellem Lernen verknŸpft, kann aber nicht darauf reduziert werden. Das VerhŠltnis zwischen den beiden Sichtweisen auf kollaboratives Lernen als einen Gruppenprozess einerseits und als eine Aggregation individueller VerŠnderungen andererseits ist eine Spannung im Innersten von CSCL.

FrŸhere Untersuchungen des Gruppenlernens betrachteten Lernen als einen fundamentalen individuellen Prozess. Der Umstand, dass die Individuen in Gruppen arbeiteten, wurde als eine das individuelle Lernen beeinflussende Kontextvariable behandelt. Im Gegensatz hierzu analysiert CSCL das Lernen als Gruppenprozess. Es sind Analysen sowohl mit den Individuen als auch den Gruppen als Untersuchungseinheit notwendig. Dies macht die CSCL-Methodologie einzigartig, wie wir spŠter in dieser Abhandlung sehen werden.

In gewisser Hinsicht ist CSCL entstanden als Reaktion auf vorangegangene Versuche, Tech­nolo­gie in der Bildung einzusetzen, sowie auf vorherige AnsŠtze, kollaborative PhŠnomene mit den traditionellen Methoden der Learning Sciences zu verstehen. Die Learning Sciences als Ganzes hat sich von der Fokussierung auf individuelles Lernen hin zu einer BerŸcksichtigung beider Faktoren – individuelles Lernen und Gruppenlernen – bewegt. Die Entwicklung von CSCL entsprach dieser Bewegung.

Die Historische Entwicklung von CSCL

Die AnfŠnge

Drei frŸhe Projekte – das ENFI-Projekt an der Gallaudet-UniversitŠt, das CSILE-Projekt an der UniversitŠt Toronto und das Fifth Dimension-Projekt an der UniversitŠt von Kalifornien in San Diego (UCSD) – waren VorlŠufer dessen, was sich spŠter zum Forschungsgebiet CSCL ent­wickeln sollte. Alle drei Projekte erkundeten Mšglichkeiten, wie Technologie zur Verbesserung des Lernens im Zusammenhang mit Lese- und SchreibfŠhigkeiten der Lernenden eingesetzt werden kann.

Im ENFI-Projekt wurden einige der frŸhesten Beispiele von Programmen zum computer­unter­stŸtzten Schreiben bzw. ãCSCWritingÒ (Bruce & Rubin, 1993; Gruber, Peyton, & Bruce, 1995) entwickelt. Studenten an der Gallaudet-UniversitŠt sind gehšrlos bzw. hšrgeschŠdigt, und viele beginnen das Studium mit Defiziten in der FŠhigkeit zur schriftlichen Kommunikation. Ziel des ENFI-Projekts war es, dass sich die Studenten auf das Schreiben in einer neuen Art und Weise einlassen, um ihnen die Idee des Schreibens mit einer ãStimmeÒ und des Schreibens fŸr ein Publikum nahezubringen. Die entwickelten Technologien, obwohl zu ihrer Zeit fort­schritt­lich, mšgen nach heutigem Standard rudimentŠr erscheinen. Es wurden spezielle Klassenzimmer ein­gerichtet, in denen die Tische mit Computern in einem Kreis angeordnet waren, und eine – heutigen Chatprogrammen Šhnelnde – Software entwickelt, mit der die Studenten zusammen mit ihrem Dozenten textbasierte Diskussionen durchfŸhren konnten. Die im ENFI-Projekt entwor­fene Technologie war darauf ausgerichtet, eine neue Form der Bedeutungskonstruktion zu ermšglichen, indem es ein neues Medium zur textuellen Kommunikation bereitstellte.

Ein anderes frŸhes und einflussreiches Projekt wurde von Bereiter und Scardamalia an der UniversitŠt Toronto durchgefŸhrt. Ausgangspunkt war die Erfahrung, dass in Schulen oft nur oberflŠchlich und schwach motiviert gelernt wird. Sie kontrastierten das in den Schulen stattfindende Lernen mit dem Lernen in Òknowledge-building communitiesÓ (Bereiter, 2002; Scardamalia & Bereiter, 1996) wie es beispielsweise bei der Bildung von wissenschaftlichen Gemeinschaften erfolgt, die sich zu einem gemeinsamen Forschungsthema etabliert. Im Project CSILE (Computer Supported Intentional Learning Environment), spŠter bekannt gewor­den als Knowledge Forum, entwickel­ten sie Technologien und Lehr-Lernmethoden, um das Klassenzimmer zu knowledge-building community umzustrukturieren. €hnlich dem ENFI-Projekt war das Ziel von CSILE, das Schrei­ben bedeutungsvoller zu machen, indem Lernen­de zu gemeinsamer Textproduktion angeregt wurden. Die in den beiden Projekten erzeugten Texte waren jedoch recht verschieden. Die ENFI-Texte waren konversational, sie wurden spon­tan produziert und Ÿblicherweise nicht Ÿber das Ende des Unterrichts hinweg aufgehoben. Im Gegensatz hierzu waren die CSILE-Texte eher archivalisch und Šhnlich konventionellen Lehrtexten.

Wie fŸr CSILE stand auch fŸr das Fifth-Dimension-Projekt (5thD) am Anfang ein Interesse an der Verbesserung von LesefŠhigkeiten (Cole, 1996). Es begann mit einem von Cole und Kollegen an der Rockefeller-UniversitŠt organisierten au§erschulischen Programm. Nachdem das Laboratory of Comparative Human Cognition (LCHC) an die UCSD gezogen war, wurde 5thD zu einem integrierten System von zumeist computerbasierten AktivitŠten zur Verbesserung der Lese- und ProblemlšsefŠhigkeiten der SchŸler ausgebaut. Als ein Mechanismus zur Kenn­zeichnung des Lernfortschritts wie auch der Koordination der Teilnahme wurde ein ãIrrgartenÒ (maze) bereitgestellt, eine spielbrettartig aufgebaute Sammlung unterschiedlicher RŠume, die verschiedene spezifische AktivitŠten reprŠsentieren. Die AktivitŠten der SchŸler wurden durch erfahrenere Altersgenossen und freiwillige Studenten der School of Education unterstŸtzt. Das Programm wurde anfangs an vier Einrichtungen in San Diego eingefŸhrt und spŠter auf viele andere Einrichtungen weltweit ausgedehnt (Nicolopoulou & Cole, 1993).

Alle Projekte – ENFI, CSILE und 5thD – hatten das Ziel, den Unterricht mehr auf die Bedeutungs­konstruktion auszurichten. Alle drei Projekte nutzten dafŸr Informationstechnologie und fŸhrten neue Formen organisierter sozialer AktivitŠten im Unterricht ein. In dieser Hinsicht bereiteten sie das Fundament fŸr das sich spŠter entwickelnde Forschungsgebiet CSCL.

Von Konferenzen zu einer globalen Community

1983 wurde in San Diego ein Workshop zum Thema ãjoint problem solving and microcomputersÓ (ãGemeinsames Problemlšsen und MikrocomputerÒ) durchgefŸhrt. Sechs Jahre spŠter wurde ein NATO-finanzierter Workshop in Maratea, Italien abgehalten. Dieser Maratea-Workshop im Jahr 1989 wird von vielen als die Geburtsstunde des CSCL angesehen, da es die erste šffentliche und internationale Versammlung war, die den Begriff Òcomputer-supported collaborative learningÓ in ihrem Titel fŸhrte.

Die erste vollwertige CSCL-Konferenz wurde im Herbst 1995 an der UniversitŠt von Indiana  orga­ni­siert. Anschlie§ende internationale Treffen fanden mindestens zweijŠhrig mit den Konferenzen 1997 an der UniversitŠt Toronto, 1999 an der UniversitŠt Stanford, 2001 an der UniversitŠt Maastricht, Niederlande, 2002 an der UniversitŠt Colorado, 2003 an der UniversitŠt Bergen, Norwegen und 2005 an der Nationalen Zentralen UniversitŠt Taiwan statt.

Seit dem NATO-Workshop in Maratea entwickelte sich eine spezialisierte Literatur, die die Theorie und Forschung im Bereich CSCL dokumentiert. Vier der einflussreichsten Mono­graphien sind: Newman, Griffin & Cole (1989) The Construction Zone, Bruffee (1993) Collaborative Learning, Crook (1994) Computers and the Collaborative Experience of Learning, und Bereiter (2002) Education and Mind in the Knowledge Age.

ZusŠtzlich gibt es eine Reihe herausgegebener Sammlungen, die speziell die CSCL-Forschung adressieren: OÕMalley (1995) Computer-Supported Collaborative Learning, Koschmann (1996b) CSCL: Theory and Practice of an Emerging Paradigm, Dillenbourg (1999) Collaborative Learning: Cognitive and Computational Approaches, und Koschmann, Hall & Miyake (2002) CSCL2: Carrying Forward the Conversation.

Eine von Kluwer (mittlerweile Springer) publizierte CSCL-Buchreihe umfasst momentan fŸnf BŠnde (Andriessen, Baker, & Suthers, 2003; Bromme, Hesse, & Spada, 2005; Goodyear et al., 2004; Strijbos, Kirschner, & Martens, 2004; Wasson, Ludvigsen, & Hoppe, 2003). Die TagungsbŠnde der CSCL-Konferenzen sind der primŠre CSCL-Publikationsort. Weiterhin behandeln mehrere Fachzeitschriften das Forschungsgebiet CSCL, insbesondere das Journal of the Learning Sciences. 2006 wird das International Journal of Computer-Supported Collaborative Learning erstmalig erscheinen. Obwohl die CSCL-Community in ihren ersten Jahren vorrangig in Westeuropa und Nordamerika angesiedelt war, hat sie sich in den letzten Jahren zu einer internationalen Forschergemeinde entwickelt (Hoadley, 2005; Kienle & Wessner, 2005). Die Konferenz 2005 in Taiwan und die Einrichtung der neuen internationalen Zeitschrift wurden mit dem Ziel geplant, die Community verstŠrkt international zu etablieren.

Von kŸnstlicher Intelligenz zu KollaborationsunterstŸtzung

Das Forschungsgebiet CSCL kann frŸheren AnsŠtzen des Gebrauchs von Computern in der Aus- und Weiterbildung gegenŸber gestellt werden. Koschmann (1996a) identifizierte die folgende historische Abfolge von AnsŠtzen: (a) computer-assisted instruction, (b) intelligente tutorielle Systeme, (c) ãLogo-as-LatinÒ, (d) CSCL. (a) Computer-assisted instruction war zu Beginn der 1960er Jahre ein behavioristischer Ansatz, der die frŸhen Jahre der Computer­anwendung in der Bildung dominierte. Lernen wurde vor allem als ein EinprŠgen von Fakten aufgefasst. Wissensgebiete wurden in elementare Fakten aufgespalten, die den Lernenden durch Drill-and-Practice-Programme in einer logischen Abfolge prŠsentiert wurden. Auch heute noch folgen viele kommerzielle Lernprogramme diesem Ansatz. (b) Intelligente tutorielle Systeme basieren auf der kognitivistischen Philosophie, die das Lernen in Form von mentalen Modellen und potentiell fehlerhafter mentaler ReprŠsentationen analysiert. Die behavioristische Sichtweise, dass Lernen ohne ein VerstŠndnis der WissensreprŠsentation und -verarbeitung unterstŸtzt werden kann, wurde zurŸckgewiesen. Besonders in den 1970er Jahren als vielversprechend angesehen, brachte dieser Ansatz Computermodelle Ÿber das Lernen – den Aufbau mentaler Modelle – hervor. Indem die Aktionen der Lernenden vor dem Hintergrund typischer Fehler in der mentalen ReprŠsentation analysiert wurden, konnten die Computermodelle RŸckmeldung an die Lernenden geben. (c) Basierend auf der Programmiersprache Logo wurde in den 1980er Jahren – ausgehend von der Argumentation, dass Lernende ihr Wissen selbst aufbauen mŸssen – ãLogo-as-LatinÒ als konstruktivistischer Ansatz geprŠgt. Dies brachte anregende Lern­um­gebun­gen hervor, in denen die Lernenden die MŠchtigkeit des Schlussfolgerns anhand von Pro­grammier­konstrukten wie Funktionen, Unterprogrammen, Schleifen, Variablen, Rekursion etc. erforschen und entdecken konnten. (d) Mitte der 1990er Jahre begannen CSCL-AnsŠtze zu er­kunden, wie mittels Computer die Lernenden zusammengebracht werden kšnnen, um in klei­nen Gruppen und Gemeinschaften kollaborativ zu lernen. Motiviert durch sozial­konstruk­tivisti­sche und dialogische Theorien suchten diese Bestrebungen danach, den Lernenden durch einen gelenkten Diskurs Gelegenheit zum gemeinsamen Lernen zu bieten und sie bei der Konstruktion gemeinsamen Wissens zu unterstŸtzen.

Zur Zeit, als Zentralrechner fŸr die Nutzung in Schulen verfŸgbar wurden und Mikrocomputer begannen, in Erscheinung zu treten, war die KŸnstliche Intelligenz (KI) nahezu auf der Hšhe ihrer PopularitŠt. Insofern war es nahe liegend, dass Computerwissenschaftler, die an der Nutzung von Computern in Bildungseinrichtungen interessiert waren, von den Versprechungen der KI angezogen wurden. KI ist Software, die Verhalten imitiert, welches – von Menschen ausgeŸbt – als intelligent betrachtet werden wŸrde (z. B. Schach zu spielen, indem das FŸr und Wider verschiedener Zugfolgen gegeneinander abgewogen wird). Intelligente tutorielle Systeme sind Paradebeispiele fŸr KI, denn sie replizieren die Aktionen menschlicher Tutoren: die Soft­ware gibt RŸckmeldung zu den Eingaben von Lernenden (z. B. detaillierte Schritte beim Lšsen eines mathematischen Problems), indem die Problemlšsestrategie analysiert wird, und sie gibt Hilfestellung, indem die Aktionen der Lernenden mit programmierten Modellen korrekten und fehlerhaften Verstehens verglichen werden. Auch heute noch ist dies ein aktives Forschungsfeld innerhalb der Learning Sciences, es ist jedoch auf Wissensbereiche beschrŠnkt, fŸr die mentale Modelle algorithmisch definiert werden kšnnen.

In seiner ambitioniertesten Form strebt der KI-Ansatz danach, den Computer bestimmte Lehr- und Anleitungsfunktionen ausfŸhren zu lassen, die ansonsten die Zeit und Intervention eines mensch­lichen Lehrers verlangen wŸrde. Bei CSCL liegt der Fokus des Lernens eher auf dem Lernen durch Kollaboration mit anderen Lernenden als auf dem Lernen von Lehrern. Dem­zufolge verschob sich die Rolle der Computer weg von der Unterweisung (entweder in Form von Fakten im Falle der computer-aided instruction oder in Form von RŸckmeldung durch intelli­gente tutorielle Systeme) hin zur KollaborationsunterstŸtzung, indem Medien zur Kommuni­ka­tion und scaffolding fŸr produktive Interaktionen zwischen den Lernenden bereitgestellt werden.

Die primŠre Form der KollaborationsunterstŸtzung durch Computer (d. h. Computernetzwerke, typischerweise Ÿber das Internet verbunden) liegt in der Bereitstellung eines Mediums zur Kommunikation. Dies kann in Form von Email, Chat, Diskussionsforen, Videokonferenzen, Instant Messaging u.Š. erfolgen. CSCL-Systeme beinhalten Ÿblicherweise eine Kombination verschiedener Medien und reichern diese um spezielle FunktionalitŠten an.

ZusŠtzlich stellen CSCL-Umgebungen fŸr das kollaborative Lernen verschiedene Formen pŠdagogischer UnterstŸtzung oder scaffolding bereit. Diese kšnnen durch eher komplexe komputationale Mechanismen, wie beispielsweise KI-Techniken, umgesetzt sein. Sie kšnnen alternative Sichten auf die laufende Diskussion und die geteilte Information anbieten und RŸck­meldung (mšglicherweise basierend auf einem Modell der group inquiry) geben. Ferner kšnnen sie die Zusammenarbeit unterstŸtzen, indem Interaktionsmuster analysiert und RŸckmeldungen an die Lernenden gegeben werden. In den meisten FŠllen ist die Rolle des Computers zweit­rangig – im Vordergrund steht der Kollaborationsprozess zwischen den Lernenden (und oft auch dem Lehrer, Tutor und Mentor). Das Design der Software zielt auf die UnterstŸtzung und nicht die Ersetzung dieser menschlichen Gruppenprozesse.

Die Verschiebung von mentalen Modellen individueller Kognition hin zur UnterstŸtzung kolla­borierender Gruppen hat enorme Implikationen fŸr den Fokus und die Methoden der Lern­forschung. Die Evolution des Forschungsgebietes CSCL wurde ma§geblich von der sukzessiven Akzeptanz und Offenlegung dieser Implikationen bestimmt.

Von Individuen zu interagierenden Gruppen

UngefŠhr zur Zeit der ersten CSCL-Konferenz analysierten Dillenbourg, et al. (1996) den Stand der Forschung zum kollaborativen Lernen folgenderma§en:

FŸr viele Jahre tendierten die Theorien zum kollaborativen Lernen dazu, darauf zu fokussieren, wie Individuen in Gruppen funktionieren. Dies spiegelt eine Position wider, die in den 1970er und frŸhen 1980er Jahren sowohl in der Kognitionspsychologie wie auch der KŸnstlichen Intelligenz vorherrschend war, in der Kognition als ein Produkt individueller Leistung von Informationsverarbeitung und der Kontext sozialer Interaktion mehr als die Basis individueller AktivitŠt und weniger als eigenes Forschungsthema gesehen wurde. In jŸngerer Zeit wurde die Gruppe selbst zur Analyseeinheit und der Fokus verschob sich auf die mehr emergenten, sozial konstruierten Eigenschaften der Interaktion.

Bei der empirischen Forschung lag das anfŠngliche Ziel darin, zu ermitteln, ob und unter welchen UmstŠnden kollaboratives Lernen effektiver als individuelles Lernen ist. Die For­scher variierten verschiedene unabhŠngige Variablen (Gruppengrš§e, Gruppen­zusammen­setzung, Aufgabeneigenschaften, Kommunikationsmedien usw.). Jedoch interagierten diese Variablen in einer Weise miteinander, die es nahezu unmšglich machte, kausale ZusammenhŠnge zwischen den Bedingungen und Effekten der Kollaboration herzustellen. Daher begannen in jŸngerer Zeit die empirischen Studien damit, weniger auf die Bestimmung der Parameter effektiver Kollaboration zu fokussieren, sondern mehr zu versuchen, die Mediatorrolle dieser Variablen fŸr die Interaktion zu verstehen. Diese Verlagerung hin zu einem eher prozessorientierten Verstehen erfordert neue Werkzeuge zur Analyse und Modellierung von Interaktionen. (S. 189, Hervorhebungen hinzugefŸgt)

Die von Dillenbourg et al. betrachtete Forschung – welche den Einfluss der Manipulation von Kollaborationsvariablen auf Ma§e individuellen Lernens untersuchte – lieferte keine klaren Resultate. Die EinflŸsse des Geschlechts oder der Gruppenzusammensetzung (d. h. heterogene oder homogene Kompetenzniveaus) kšnnen je nach Alter, Wissensgebieten, Lehrer etc. všllig verschieden sein. Dies verletzte nicht nur die methodologische Annahme der Variablen­unabhŠngigkeit, sondern warf auch Fragen auf, wie das hinter den Effekten Liegende zu verstehen ist. Den Ursachen auf der Spur zu sein bedeutete zu verstehen, was in den Gruppeninteraktionen passiert und welche Faktoren fŸr die beobachteten Effekte verantwortlich sind. Dies widerum verlangte die Entwicklung neuer Methodologien zur Analyse und Inter­pretation der Gruppeninteraktionen als solche. Der Fokus lag nicht lŠnger auf dem VerstŠndnis, was ãin den KšpfenÒ der individuellen Lerner passiert, sondern was zwischen und mit ihnen in ihren Interaktionen passiert.

Von mentaler ReprŠsentation zu interaktionaler Bedeutungskonstruktion

Die Verschiebung hin zur Gruppe als Analyseeinheit fŠllt mit der Fokussierung auf die Gemein­schaft als Vermittlerin situierten Lernens (Lave, 1991) sowie auf die kollaborative Wissens­konstruktion (Scardamalia & Bereiter, 1991) zusammen. Aber sie verlangte auch nach einer Erarbeitung einer social theory of mind, wie zum Beispiel von Vygotsky (1930/1978) skizziert, welche das VerhŠltnis zwischen individuellen Lernern und kollaborativem Lernen in Gruppen oder Gemeinschaften klŠrt.

Nach Vygotsky unterscheiden sich die EntwicklungsfŠhigkeiten individueller Lerner zwischen kollaborativen Situationen und selbststŠndigem Arbeiten. Sein Konzept der ãZone der proxi­malen EntwicklungÒ ist definiert als Distanz zwischen diesen beiden Entwicklungsniveaus. Das hei§t, man kann das in kollaborativen Situationen stattfindende Lernen – selbst das individuelle – nicht mit Pre- und Posttests messen, welche die individuellen FŠhigkeiten beim selbststŠndigen Bearbeiten erfasst. Um herauszufinden, was wŠhrend des kollaborativen Lernens stattfindet, hilft es nicht, Ÿber mentale Modelle in den Kšpfen der Individuen zu theoretisieren, denn dies erfasst nicht die gemeinsame Bedeutungskonstruktion wŠhrend der kollaborativen Interaktion.

Kollaboration ist in erster Linie als ein Prozess der gemeinsamen Bedeutungskonstruktion konzeptualisiert. Die Bedeutungskonstruktion wird nicht als Ausdruck mentaler ReprŠsentation der individuellen Teilnehmer aufgefasst, sondern als eine interaktionale Errungenschaft. Die Bedeutungskonstruktion kann als in einer Abfolge von €u§erungen bzw. Nachrichten mehrerer Teilnehmer stattfindend analysiert werden. Die Bedeutung kann nicht individuellen €u§erungen oder einzelnen Lernenden zugeschrieben werden, denn die Bedeutung hŠngt typischerweise von den indexikalischen BezŸgen auf die geteilte Situation, elliptischen Referenzen auf voran­gegangene €u§erungen und projektiven PrŠferenzen zukŸnftiger €u§erungen ab (Stahl, 2006).

Von quantitativen Vergleichen zu Mikrofallstudien

Das Beobachten von Lernen in kollaborativen Situationen unterscheidet sich vom Beobachten des Lernens isolierter Lerner. Erstens zeigen die Teilnehmer in Kollaborationssituationen notwendigerweise ihr Lernen als Teil des Kollaborationsprozesses. Zweitens finden die Beobachtungen eher in relativ kurzen Perioden der Gruppeninteraktion statt im Vergleich zu den langen Perioden zwischen Pre- und Posttests.

Ironischerweise mag es einfacher sein, wenn man Lernen in Gruppen statt bei Individuen untersucht. Dies liegt an der Besonderheit von Kollaboration, dass die Teilnehmer einander ihr VerstŠndnis dessen, was in der Interaktion konstruiert wurde, prŠsentieren. Mit den wŠhrend der Kollaboration produzierten €u§erungen, Texten und Diagrammen beabsichtigten die Teil­neh­mer, ihr Verstehen darzustellen. Das ist die Basis erfolgreichen Kollaborierens. Forscher kšnnen sich diese Darstellungen zunutze machen (vorausgesetzt, dass sie die interpretativen Kompetenzen der Teilnehmer teilen und sie adŠquate Aufzeichnungen dieser Darstellungen zum Beispiel in Form digitaler Videos festhalten kšnnen). Forscher kšnnen dann den kollaborativen Prozess rekonstruieren, in welchem die Gruppenmitglieder die geteilten Bedeutungen – das durch die Gruppe Gelernte – konstruierten.

Auf der Ethnomethodologie basierende Methodologien wie die Konversationsanalyse (Sacks, 1992; ten Have, 1999) oder Videoanalyse (Koschmann, Stahl, & Zemel, 2006) erbringen detaillierte Fallstudien der kollaborativen Bedeutungskonstruktion. Diese Fallstudien sind nicht rein anekdotisch. Sie basieren auf streng wissenschaftlichen Prozeduren mit intersubjektiver ValiditŠt, auch wenn sie in ihrer Natur interpretativ und nicht quantitativ sind. Desweiteren kšnnen sie allgemein anwendbare Ergebnisse reprŠsentieren, denn Menschen teilen weitgehend die Methoden, mit denen sie interagieren (zumindest innerhalb einer angemessen definierten Gemeinschaft oder Kultur).

Wie kann die Analyse der interaktionalen Methoden bei der Gestaltung  von CSCL-Technologien und -PŠdagogik helfen? Diese Frage zielt auf die komplexe Wechselwirkung von Bildung und Computern beim computerunterstŸtzten kollaborativen Lernen.

Das Zusammenspiel von Lernen und Technologie beim CSCL

Das traditionelle Lernkonzept

Edwin Thorndike (1912), ein BegrŸnder des traditionellen Bildungsansatzes, schrieb einmal:

Wenn durch ein Wunder an mechanischer Raffinesse ein Buch einmal so gestaltet werden kann, dass nur der die zweite Seite sehen kann, der all das gemacht hat, worauf Seite eins zielte, und desgleichen fŸr alle weiteren Seiten, dann kšnnte vieles von dem, was momen­tan persšnlichen Unterricht erfordert, durch Gedrucktes erreicht werden ... Kindern kšnnte Ÿberdies gelehrt werden, Materialien derart zu nutzen, wie es auf lange Sicht am nŸtzlichsten ist. (S. 165)

Dieses Zitat ist in zweierlei Hinsicht bemerkenswert. Erstens legt es nahe, dass die zentrale Idee computerunterstŸtzter Instruktion der tatsŠchlichen Entwicklung von Computern lange voraus ging. Wichtiger jedoch zeigt es, wie das Ziel der Erforschung von Bildungstechnologien eng verknŸpft und in der Tat nicht zu unterscheiden ist vom konventionellen Ziel der Bildungs­forschung, nŠmlich die operational definierbare Steigerung von Lernen. Thorndike schwebte eine Bildungswissenschaft vor, in der jegliches Lernen messbar ist und darauf basierend alle pŠ­da­go­gischen Innovationen experimentell evaluiert werden kšnnen. Historisch ist die Erfor­schung von Bildungstechnologien eng mit dieser Tradition verknŸpft und sie stellt eine Spezialisierung innerhalb dieser dar (cf., Cuban, 1986).

In der Vergangenheit haben Bildungsforscher Lernen als rein psychologisches PhŠnomen betrachtet. Drei wesentliche Merkmale werden Lernen zugeschrieben: Erstens stellt es eine Ant­wort auf und Aufnahme von Erfahrung dar. Zweitens wird Lernen immer als eine Ÿber die Zeit hinweg erfolgende €nderung aufgefasst. Und schlie§lich wird Lernen als ein Prozess gesehen, der nicht direkt beobachtet werden kann (Koschmann, 2002b). Diese Sicht ist kulturell so stark verwurzelt, dass es schwer fŠllt, lernen in einer anderen Weise zu begreifen. Sie stŸtzt sich auf etablierte erkenntnistheoretische und geistesphilosophische Traditionen.

Die zeitgenšssische Philosophie hat diese Traditionen jedoch in Frage gestellt. Die sogenannten ãedifying philosophersÒ (Rorty, 1974) – James, Dewey, Wittgenstein und Heidegger – bŠumten sich gegen die Sicht auf, dass Lernen ein nicht zugŠngliches Ereignis sei, durch das Wissen einem individuellen Geist zugefŸhrt wird. Sie strebten nach einem neuen Ver­stŠndnis von Lernen und Wissen, das in der Welt der alltŠglichen Dinge verortet ist. CSCL machte sich dieses situiertere LernverstŠndnis zu eigen und wies damit die Grundfeste kon­ventioneller Bildungsforschung zurŸck. CSCL verortet Lernen in der Bedeutungs­aus­hand­lung, die statt in den individuellen Kšpfen in der sozialen Welt ausgetragen wird. Von den verschiedenen sozial orien­tierten Lerntheorien entsprechen die social practice theory (Lave & Wenger, 1991) und die dialogical theories of learning (e.g., Hicks, 1996) am direktesten der Sicht auf Lernen als eine sozial organisierte Bedeutungskonstruktion. Die social practice theory fokussiert auf einen As­pekt der Bedeutungsaushandlung: der Aushandlung sozialer IdentitŠt innerhalb einer Gemein­schaft. Dialogical theories verorten Lernen in der emergenten Bedeutungsentwicklung innerhalb sozialer Interaktion. Zusammengenommen beinhalten sie eine Basis fŸr das Nachdenken Ÿber und die Erforschung von Lernen.

Technologiegestaltung zur UnterstŸtzung der Bedeutungskonstruktion in Gruppen

Das Gestaltungsziel bei CSCL ist es, Artefakte, AktivitŠten und Umgebungen zu schaffen, welche die Praxis der Bedeutungskonstruktion von Gruppen verbessert. Die gro§en Fortschritte der letzten Dekaden in der Computer- und Kommunikationstechnologien, wie dem Internet, haben die Art und Weise, wie wir arbeiten, spielen und lernen grundlegend verŠndert. Jedoch hat Technologie, egal wie gut oder ausgeklŸgelt sie auch gestaltet ist, fŸr sich genommen die FŠhigkeit, die Praxis zu verŠndern. Um Mšglichkeiten zur Verbesserung der Praxis zu schaffen, bedarf es vielfŠltigerer Formen des Designs (unter Einbringung von Expertise, Theorie und Praxis verschiedener Disziplinen): ein Design, das das Curri­cu­lum (PŠdagogik, Didaktik), die Ressourcen (Informations­wissen­schaft, Kommu­nikationswissenschaft), die Partizipations­strukturen (Interaktionsdesign), die Werkzeuge (Designstudien) und den umgebenden Raum (Architektur) adressiert.

Wie der Titel eines Kommentars von LeBaron (2002) nahe legt, ÒTechnology does not exist independent of its use.Ó Man ersetze ÒTechnologieÓ durch ÒAktivitŠten, Artefakte und Umge­bungenÒ, doch die Botschaft bleibt dieselbe – diese Elemente allein kšnnen nicht neue Formen des Gebrauchs definieren, sondern sie werden stattdessen innerhalb des Gebrauchs konstituiert. Eine Umgebung fŸr eine gewŸnschte Form des Gebrauchs wird zu einer solchen erst durch die organisierten Aktionen seiner ãBewohnerÒ. Werkzeuge und Artefakte sind nur auf die Weisen Werkzeuge und Artefakte, wie sie von den Teilnehmern im direkten Gebrauch ausgerichtet und relevant gemacht werden. Selbst AktivitŠten werden als solche nur dadurch kenntlich gemacht, wie sich Teilnehmer auf sie als geordnete Formen gemeinsamen Handelns ausrichten.

Deshalb muss Softwaredesign fŸr CSCL einher gehen mit der Analyse der im entstehenden und fortlaufenden Gebrauch konstruierten Bedeutungen. Bedeutungen reflektieren vergangene Er­fahrung und sind offen fŸr endlose Aushandlung und Neubewertung. Ferner haben weder die Analytiker noch die Teilnehmer einen privilegierten Zugang zu den subjektiven Interpretationen anderer. Abgesehen von diesen Punkten engagieren sich Teilnehmer routiniert in koordinierten AktivitŠten und handeln, als ob ein gemeinsames VerstŠndnis sowohl mšglich war als auch erreicht wurde. Eine fundamentale Frage hierbei ist: wie wird dies erreicht? Um Technologie fŸr die UnterstŸtzung kollaborativen Lernens und kollaborativer Wissenskonstruktion gestalten zu kšnnen, mŸssen wir genauer verstehen, wie kleine Gruppen von Lernenden mittels verschiedener Artefakte und Medien gemeinsame Bedeutungen konstruieren.

Der Frage, wie IntersubjektivitŠt erreicht wird, wurde in einer Vielfalt spezialisierter Disziplinen nachgegangen: in der Pragmatik (Levinson, 2000; Sperber & Wilson, 1982), der Sozial­psy­cho­logie (Rommetveit, 1974), der linguistischen Anthropologie (Hanks, 1996) und der Soziologie (cf. Goffman, 1974), speziell der soziologischen Forschung in der Ethnomethodologischen Tradition (Garfinkel, 1967; Heritage, 1984). Das Problem der IntersubjektivitŠt ist von beson­derer Be­deu­tung fŸr all jene, die verstehen mšchten, wie Lernen innerhalb von Interaktion hervor ge­bracht wird. Lernen kann aufgefasst werden als ein Akt, durch den divergente Bedeu­tungen miteinander in Kontakt gebracht werden (Hicks, 1996), und Unterricht als soziale und materielle Arran­gements, um solche Aushandlungen zu fšrdern. Die Analyse der Praxis von Be­deutungs­konstruktion ruft nach der Zuhilfenahme der Methoden und Anliegen der Psy­cho­logie (besonders der diskursiven und kulturellen Varianten), Soziologie (besonders der mikro­sozio­logisch und ethnomethodologisch ausgerichteten Traditionen), Anthropologie (ein­schlie§­lich der linguistischen Anthropologie und der Anthropologie der konstruierten Umge­bung), Prag­matik, Philosophie, Kommunikationswissenschaft, Organisations­wissen­schaften und anderen.

Die CSCL-Forschung beinhaltet sowohl Analyse- als auch Designbestandteile. Die Analyse der Bedeutungskonstruktion erfolgt induktiv und ist indifferent gegenŸber Reformzielen. Sie sucht einzig zu erkennen, was Menschen in einer Interaktion von Augenblick zu Augenblick machen, ohne ein Rezept und ohne Bewertung. Gestaltung auf der anderen Seite ist von Natur aus vorschreibend – jede Bestrebung hin zu einer Reform beginnt mit der Annahme, dass es bessere und schlechtere Wege gibt, wie man etwas machen kann. Damit man fŸr die Gestaltung einer verbesserten Bedeutungskonstruktion sorgen kann, bedarf es einiger Mittel zur genauen Unter­suchung der Praxis. In dieser Hinsicht ist das VerhŠltnis zwischen Analyse und Design symbiotisch – das Design muss durch die Analyse sachkundig sein und auch die Analyse hŠngt in ihrer Ausrichtung auf das Analyseobjekt von der Gestaltung ab (Koschmann et al., 2006).

CSCL muss die Arbeit der Selbsterfindung fortfŸhren. Neue Theoriequellen mŸssen eingefŸhrt, Analysen der Lernerpraxis prŠsentiert und Artefakte produziert werden, und damit einhergehend Theorien darŸber, wie diese die Bedeutungskonstruktion verbessern kšnnen. Die Gestaltung von CSCL-Technologien, welche neue Mšglichkeiten zum kollaborativen Lernen eršffnen, muss auf der Analyse der Natur kollaborativen Lernens basieren.

Die Analyse kollaborativen Lernens

Koschmann (2002a) prŠsentierte eine programmatische Beschreibung von CSCL in seiner Keynote zur CSCL 2002:

CSCL ist ein Forschungsbereich, der sich hauptsŠchlich mit Bedeutung und der Praxis der Bedeutungskonstruktion im Kontext gemeinsamer AktivitŠten sowie den Wegen, wie diese Praxis durch gestaltete Artefakte mediiert wird, befasst. (p. 18)

Der mšglicherweise im Detail am schwersten zu verstehende Aspekt des kollaborativen Lernens kann umschrieben werden als ãPraxis der Bedeutungskonstruktion im Kontext gemeinsamer AktivitŠtenÒ, als intersubjektives Lernen (Suthers, 2005) oder als Gruppenkognition (Stahl, 2006). Das ist Lernen, welches nicht blo§ interaktional erreicht sondern durch die Interaktionen zwischen den Teilnehmern tatsŠchlich konstituiert wird. Garfinkel folgend argumentieren Koschmann et al. (2006) fŸr ein Studium der ãMethoden der MitgliederÒ zur Bedeutungs­konstruktion: Òhow participants in such [instructional] settings actually go about doing learningÓ (Hervorhebung im Original). ZusŠtzlich zum Verstehen, wie die kognitiven Prozesse der Teilnehmer durch die soziale Interaktion beeinflusst werden, mŸssen wir verstehen, wie sich in den Interaktionen zwischen Teilnehmern die Lernereignisse selbst vollziehen.

Das Studium der gemeinsamen Bedeutungskonstruktion spielt noch keine herausragende Rolle in der CSCL-Praxis. Selbst dort, wo Interaktionsprozesse (statt individueller Lernergebnisse) im Detail untersucht werden, erfolgen die Analysen typischerweise durch Zuweisen von Ko­die­rungs­kategorien und AuszŠhlen vordefinierter Merkmale. In der Tat ersetzen jedoch die Ko­die­rungen das interessierte PhŠnomen durch vordefinierte Verhaltenskategorien, statt das danach getrachtet wird, diese PhŠnomene in ihrer einzigartigen Situation zu entdecken (Stahl, 2002).

Einige wenige in der CSCL-Literatur veršffentlichte Studien haben dieses Problem der Beschreibung der Konstitution von IntersubjektivitŠt in der Interaktion adressiert (zum Beispiel, Koschmann et al., 2006; Koschmann et al., 2003; Roschelle, 1996; Stahl, 2006).

Roschelles frŸhe Studie gestaltete Software speziell fŸr die Bedeutungskonstruktion bezogen auf Physik, definierte LerneraktivitŠten, um die Lernenden fŸr die gemeinsame Problemlšsung zu gewinnen, und analysierte ihre kollaborative Praxis im Mikrodetail. Koschmanns Arbeit war generell auf die Methoden der Teilnehmer zur Problematisierung fokussiert: Wie Gruppen von Lernenden kollektiv eine Situation als problematisch und nach weiterer spezifischer Analyse verlangend charakterisieren.

Stahl (2006) argumentiert, dass kleine Gruppen aus verschiedenen GrŸnden die ergiebigste Einheit fŸr das Studium intersubjektiver Bedeutungskonstruktion sind. Der einfachste ist, dass in kleinen Gruppen die Methoden der Mitglieder zum intersubjektiven Lernen beobachtet werden kšnnen. Gruppen mit einigen wenigen Mitgliedern erlauben es dem gesamten Spektrum sozialer Interaktionen, zum Zuge zu kommen, sind jedoch nicht so gro§, als dass die Teilnehmer und ebenso die Forscher notwendigerweise aus den Augen verlieren, was vor sich geht. Die ge­meinsame Konstruktion von Bedeutung ist fŸr die Forschung am sichtbarsten und verfŸg­barsten in der Analyseeinheit der Kleingruppe, in der sie als Gruppenkognition auftritt. DarŸber hinaus liegen Kleingruppen auf der Grenze zwischen Individuen und Gemeinschaften und vermitteln zwischen diesen. Der in den Kleingruppen stattfindende Wissensaufbau wird ãinternalisiert durch die Mitglieder mittels individuellem Lernens und externalisiert in ihren Gemeinschaften als feststellbares WissenÒ (Stahl, 2006). Jedoch sollten Kleingruppen nicht die einzig untersuchte soziale GranularitŠt sein. Analysen weitreichender VerŠnderungen in Gemeinschaften und Organisationen kšnnen zu einem VerstŠndnis emergenter PhŠnomene sozialen Lernens fŸhren und die Rolle der diese VerŠnderungen vorantreibenden eingebetteten Gruppen aufhellen.

Das Studium der interaktionalen BewŠltigung intersubjektiven Lernens bzw. der Gruppen­kog­nition fŸhrt zu interessanten Fragen, die zu den herausfordernsten jeder Wissenschaft des Sozial­verhaltens gehšren und sogar unsere Natur als bewusste Menschen berŸhren. Finden kognitive PhŠnomene trans-personal im Gruppendiskurs statt? Wie ist es fŸr dem Lernen, Ÿblicherweise als eine kognitive Funktion angesehen, mšglich, Ÿber Menschen und Artefakte verteilt zu sein? Wie kšnnen wir Wissen als bewŠltigte Praxis und weniger als ein Besitz oder gar PrŠdisposition verstehen?

Die Analyse der ComputerunterstŸtzung

In CSCL-Kontexten sind die Gruppeninteraktionen zwischen den Individuen durch Computer­umgebungen vermittelt. Die zweite HŠlfte von Koschmanns programmatischer Definition des CSCL-Arbeitsgebietes besteht aus ãden Wegen, wie diese Praxis [der Bedeutungskonstruktion im Kontext gemeinsamer AktivitŠten] durch gestaltete Artefakte mediiert wirdÒ. Die Computer­unterstŸtzung fŸr die intersubjektive Bedeutungskonstruktion ist es, was dieses Feld einzigartig macht.

Die technologische Seite der CSCL-Agenda fokussiert auf die Gestaltung und das Studium grundlegend sozialer Technologien. Grundlegend sozial zu sein bedeutet, dass die Technologie spezifisch zur Vermittlung und Anregung sozialer Akte, die das Gruppenlernen konstituieren und zum individuellen Lernen fŸhren, gestaltet ist. Das Design sollte die einzigartigen Mšglichkeiten der Technologie wirksam einsetzen, statt LernunterstŸtzung zu replizieren, die auch durch andere Mittel erfolgen kann, oder (schlimmer noch) die Technologie zu etwas zu machen, fŸr das sie nicht geeignet ist. Was ist das Einzigartige an der Informationstechnologie, welches diese Rolle ausfŸllen kann?

á             Computationale Medien sind rekonfigurierbar. ReprŠsentationen sind dynamisch: es ist einfach, Dinge hin und her zu schieben und Aktionen rŸckgŠngig zu machen. Es ist einfach, diese Aktionen woanders zu replizieren: Zeit und Raum kšnnen ŸberbrŸckt werden. Diese Merkmale machen die Informationstechnologie als ãKommunikationskanalÒ attraktiv, aber wir sollten das Potential der Technologie, neue Interaktionen mšglich zu machen, ausnutzen und nicht versuchen, eine Nachbildung der Face-to-Face-Interaktion zu erzwingen.

á             Computervermittelte Kommunikationsumgebungen ãverwandeln Kommunikation in Sub­stanzÒ (Dillenbourg, 2005). Eine Aufzeichnung der AktivitŠt wie auch das Ergebnis kšnnen aufgehoben, wieder abgespielt und sogar verŠndert werden. Wir sollten das Potential der per­sis­tenten Aufzeichnung der Interaktion und Kollaboration als Ressource fŸr das inter­sub­jektive Lernen erkunden.

á             Computationale Medien kšnnen den Arbeitsplatzzustand und die Interaktionssequenzen analy­sieren und sich entsprechend deren Merkmale selbst umkonfigurieren oder Anzeigen erzeugen. Wir sollten das Potential adaptiver Medien zum Beeinflussen des Verlaufs inter­subjektiver Prozesse erforschen und uns ihre FŠhigkeiten zur Aufforderung, Analyse und selektiven RŸckmeldung zunutze machen.

Menschliche Kommunikation und der Gebrauch reprŠsentationaler Ressourcen fŸr diese Kom­mu­nikation sind hochflexibel: Technologien kšnnen Mšglichkeiten eršffnen, sie kšnnen jedoch nicht Bedeutungen fixieren oder gar kommunikative Funktionen festlegen (Dwyer & Suthers, 2005). Vor diesem Hintergrund sollte die CSCL-Forschung die einzigartigen Vorteile elektronischer Medien identifizieren und erkunden, wie diese durch die Kolla­borieren­den genutzt werden und wie sie den Verlauf der Bedeutungskonstruktion beeinflussen. Dann werden wir Technologien gestalten, die Funktionszusammenstellungen anbieten, die durch flexiblen Formen der Anleitung Teilnehmer in die Lage versetzen, sich interaktional in das Lernen einzubringen.

Die MultidisziplinaritŠt von CSCL

Zur Zeit kann CSCL als aus drei methodologischen Traditionen bestehend charakterisiert werden: experimentell, deskriptiv und iterative Gestaltung.

Viele empirische CSCL-Studien folgen dem vorherrschenden experimentellen Paradigma, das eine Interventions- mit einer Kontrollbedingung auf eine oder mehrere Variablen hin vergleicht (e.g., Baker & Lund, 1997; Rummel & Spada, 2005; Suthers & Hundhausen, 2003; Van Der Pol, Admiraal, & Simons, 2003; Weinberger et al., 2005). In den meisten dieser Studien erfolgt die Datenanalyse durch ãkodieren und zŠhlenÒ: Interaktionen werden kategorisiert und/oder Lern­ergebnisse gemessen und Gruppenmittelwerte mittels statistischer Methoden verglichen, so dass allgemeine Folgerungen Ÿber den Einfluss der manipulierten Variablen auf das aggregrierte (durchschnittliche) Gruppenverhalten abgeleitet werden kšnnen. Diese Studien analysieren nicht direkt das BewŠltigen intersubjektiven Lernens. Solch eine Analyse muss eher die Struktur und das Ziel einzigartiger FŠlle von Interaktionen betrachten, als Verhaltenskategorien zu zŠhlen und zu aggregieren.

Die ethnomethodologische Tradition (fŸr CSCL beispielhaft erlŠutert durch Koschmann et al., 2006; Koschmann et al., 2003; Roschelle, 1996; Stahl, 2006) ist eher fŸr deskriptive Fall­analysen geeignet. Videos oder Transkripte von Lernern oder anderen Mitgliedern einer Lern­gemeinschaft werden studiert, um die Methoden, mit denen Gruppen das Lernen ge­mei­stert ha­ben, freizulegen. Der gegenstandsverankerte (grounded) Ansatz ist datengetrieben, man versucht, Muster in den Daten zu entdecken, statt ihnen theoretische Kategorien auf­zu­drŠngen. Die Ana­ly­se ist oft mikroanalytisch, eine kurze Episode wird in gro§er Detailliertheit betrachtet. Deskrip­ti­ve Methodologien sind gut fŸr existenzquantifizierte Aussagen (z. B. dass eine Gemeinschaft sich manchmal in einer bestimmten Praxis engagiert) geeignet. Als Wissen­schaftler und Designer wŸrden wir aber gerne kausale Verallgemeinerungen Ÿber die Effekte von Design­entscheidungen machen. Deskriptive Methodologien sind weniger dafŸr geeignet, quan­ti­ta­tive Beweise fŸr die Effekte einer Intervention zu liefern – dies ist das Gebiet der experi­men­tellen Methodologie. Aber oft kšnnen deskriptive Methodologien verstehen, wie sehr allgemeine Praktiken funktionieren.

Den traditionellen Analysemethoden der Experimentalpsychologie entgehen die ãMitglieder­methodenÒ, durch welche kollaboratives Lernen erreicht wird – die intersubjektive Bedeutungs­konstruktion. Aber dies impliziert nicht, dass jegliche CSCL-Forschung ethnomethodologisch sein sollte. Eher legen die vorangegangenen Betrachtungen nahe, dass wir hybride Forschungsmethoden entwickeln (Johnson & Onwuegbuzie, 2004). Weiterhin kšnnen mit experimentellen Designs Interventionen verglichen werden, aber die Vergleiche sollten bezŸg­lich der in den Mikroanalysen identifizierten Merkmale, wie Informationstechnologie einerseits die Methoden der Mitglieder fŸr die gemeinsame Bedeutungskonstruktion beeinflusst und wie die Mitglieder sich andererseits die Technologie zueigen machen, erfolgen. Konzeptuell verŠndert sich die Prozessanalyse vom ãKodieren und ZŠhlenÒ zum ãErkunden und VerstehenÒ der Varianten, wie Designvariablen die UnterstŸtzung der Bedeutungskonstruktion beeinflussen. Solche Analysen sind zeitaufwendig: wir sollten (als Forschungshilfen) Messinstrumentarien fŸr Lernumgebungen, automatische Visualisierungen und Abfragen der Interaktionslogs entwickeln (as in Cakir et al., 2005; Donmez et al., 2005). Umgekehrt kšnnen traditionelle Analysen, speziell die Ma§e fŸr den Lernerfolg wie auch das ãKodieren und ZŠhlenÒ, beibehalten werden, um schnell Hinweise dafŸr zu gewinnen, wo sich eine detailliertere Analyse lohnt, und dadurch  die Detailarbeit zu fokussieren (as in Zemel, Xhafa, & Stahl, 2005).

Die Tradition des iterativen Designs wurde von Fischer & Ostwald (2005), Lingnau, et al. (2003) und Guzdial et al. (1997) veranschaulicht. Angetrieben durch die Wechselwirkungen zwischen der entstehenden Theorie, informellen Beobachtungen und dem Engagement der Interessen­vertreter verbessern designorientierte Wissenschaftler stŠndig die fŸr die Vermittlung von Lernen und Kollaboration gedachten Artefakte. Ihre Forschung ist nicht notwendigerweise entweder qualitativ oder quantitativ, sondern kann auch ãquisitiveÒ (Goldman, Crosby, & Shea, 2004) sein – erforschend und intervenierend. Es reicht nicht aus, das Verhalten der Menschen beim Gebrauch neuer Software nur zu beobachten. Wir mŸssen den ãRaumÒ fŸr mšgliche Designs erkunden, in neue Bereiche vorsto§en und Erfolg versprechende Feature identifizieren, welche dann weitere Studien unter den anderen methodologischen Traditionen erfahren. Designer mŸssen Mikroanalysen kollaborativen Lernens mit und durch Technologie durchfŸhren, um die­jenigen Merkmale der gestalteten Artefakte zu identifizieren, die mit wirksamen Lernen zu korrelieren scheinen. Wenn eine neue technische Intervention getestet wird, kšnnen experi­men­telle Methoden zur Dokumentation signifikanter Unterschiede genutzt werden, wŠhrend deskrip­tive Methoden dokumentieren kšnnen, wie die kollaborativen Interaktionen durch die Inter­ven­tionen unterschiedlich vermittelt werden. Eine Unterhaltung zwischen den theoretischen Annahmen der Ethnomethodologie und denen des Designs kann zu einer ãTechnomethodologieÒ fŸhren, welche die eigentlichen Ziele des Designs verŠndert (Button & Dourish, 1996).

Eine potentielle BeschrŠnkung deskriptiver Methodologien sollte jedoch beachtet werden. Kon­zen­trieren wir uns auf das Finden von Beispielen, wie Mitglieder wirksames Lernen erreichen, kšnnten uns reichlich vorhandene Beispiele dafŸr entgehen, wie es ihnen auch misslingt. Jedoch um herauszubekommen, dass etwas nicht da ist, mŸssen wir eine Idee davon haben, wonach wir suchen. Ein rein datengetriebener Ansatz, der Theorie ableitet aber niemals anwendet, wird nicht ausreichen. Deskriptive Methoden kšnnen dahingehend modifiziert werden. HŠufige Muster, die in erfolgreichen Lernepisoden gefunden wurden, werden anschlie§end zu theoretischen Kategorien, nach denen wir mit analytischen Methoden anderswo suchen und die wir mšglicherweise in FŠllen nicht-erfolgreicher Kollaboration nicht finden. Haben wir identifiziert, wo die erfolgreichen Methoden nicht angewandt wurden, kšnnen wir diese Situationen dahingehend hin untersuchen, welche Charakteristik der Situation fehlte oder verantwortlich war. Einzigartige und nicht reproduzierbare FŠlle, in denen die Kollaboration mit Technologie auf interessante Weise scheitert, kšnnen oft die tiefsten Einsichten darŸber liefern, was stattfindet aber Ÿblicherweise als selbstverstŠndlich und unsichtbar angesehen wird. Es gilt jedoch zu beachten, dass wir beim Ausfindigmachen von Fallbeispielen, in denen kein interaktionales Erreichen von Lernen zu sehen ist, nicht Ÿbersehen, dass etwas anderes fŸr die Teilnehmer wertvolles erreicht wurde! Aus Sicht der Teilnehmer sind zum Beispiel die Etablierung und Aufrechterhaltung von individueller und GruppenidentitŠt wertvolle Leistungen (Whitworth, Gallupe, & McQueen, 2000) und tatsŠchlich eine Form situierten Lernens, obwohl sie Forscher anfŠnglich als soziales, nicht sachbezogenes Plaudern einstufen kšnnten.

CSCL-Forschung in der Zukunft

Wir haben gesehen, dass die CSCL-Forschung mehrere Ziele und BeschrŠnkungen berŸck­sich­ti­gen muss. Die Forschungsgemeinschaft umfasst notwendigerweise Menschen mit verschieden­sten beruflichen und fachlichen HintergrŸnden und Ausbildungen. Sie bringen unter­schiedliche Forschungparadigmen, entgegengesetzte Sichten auf Daten, Analysemethoden, PrŠ­sen­tationsarten, Konzepte der Exaktheit und technische Vokabularien mit. Sie kommen aus allen Himmelsrichtungen mit verschiedenen Kulturen und Muttersprachen. CSCL ist ein sich schnell entwickelndes Feld, welches sich (wie die Learning Sciences generell) in der Schnitt­menge anderer Gebiete, die sich ebenfalls kontinuierlich weiterentwickeln, befindet. Zu jedem Zeit­punkt agieren die Mitglieder der Forschungsgemeinschaft vor dem Hintergrund ihrer jeweiligen Vorstellung davon, worum es sich bei CSCL handelt. Zum Beispiel definiert Sfard (1998) zwei weitreichende und unversšhnliche Metaphern von Lernen, welche notwendiger­weise fŸr CSCL relevant sind: die Aneignungsmetapher, nach der Lernen darin besteht, dass Individuen sich Wissen aneignen und in ihrem GedŠchtnis speichern, und die Parti­zi­pations­metapher, nach der Lernen aus der zunehmenden Partizipation in Praxisgemeinschaften besteht. Lipponen, Hakkarainen & Paavola (2004), steuern basierend auf Bereiter (2002) und Engestršm (1987) eine dritte Metapher bei: die Wissenserzeugungsmetapher, in der neue Wissens­objekte oder soziale Praktiken durch Kollaboration in der realen Welt erzeugt werden. Folglich ist es schwer, eine wohldefinierte, konsistente und umfassende Definition der Theorie, Methodologie, Befunde und best practices von CSCL anzugeben. Mšglicherweise muss man – wie Sfard argumentiert – folgern, dass CSCL heutzutage notwendigerweise scheinbar unversšhnliche AnsŠtze verfolgt. Man kann spekulieren, dass integriertere, hybride AnsŠtze, so wie wir das vorzuschlagen versucht haben, in der Zukunft mšglich sein kšnnen.

Die Forschungsmethodologie der CSCL ist im Gro§en und Ganzen zwischen experimentellen AnsŠtzen, deskriptiven AnsŠtzen und iterativen DesignansŠtzen trichotomisiert. Obwohl die Metho­dologien manchmal innerhalb eines Forschungsprojektes kombiniert werden, werden sie auch dann Ÿblicherweise getrennt in nebeneinander laufenden Studien oder separaten Auswer­tungen einer einzelnen Studie eingesetzt. Unterschiedliche Forscher tragen manchmal unter­schied­liche HŸte im selben Projekt und reprŠsentieren dann unterschiedliche Forschungs­interessen und -methodologien. Diese Situation mag dennoch produktiv sein: die experimentell arbeitenden Forscher identifizieren weiterhin Variablen, die allgemeine Parameter kollaborativen Verhaltens beeinflussen, die Ethnomethodologen identifizieren fŸr die Bedeutungskonstruktion grundlegende Muster gemeinsamer AktivitŠten und die Designer fŸhren Neuerungen ein, um neue technologische Mšglichkeiten kreativ anzupassen. Bald jedoch werden wohl  innerhalb des CSCL Experimentatoren damit beginnen, sich auf die abhŠngigen Variablen zu konzentrieren, die den deskriptiven Forschern direkt das interessierte PhŠnomen widerspiegeln (Fischer & Granoo, 1995), Ethnomethodologen werden nach prŠdiktiven RegelmŠ§igkeiten in der techno­logisch vermittelten Bedeutungskonstruktion suchen, die dann in das Design einflie§en, und die Designer werden vielversprechende neue technologische Affordanzen bezŸglich der von ihnen ermšglichten Bedeutungskonstruktion schaffen und bewerten. Gegenseitige UnterstŸtzung und eine engere Kollaboration kšnnen durch hybride Methodologien mšglich werden, zum Beispiel durch die Anwendung reichhaltigerer deskriptiver Analysemethoden auf das Problem des Ver­ste­hens der Folgen experimenteller Manipulationen oder neuer Designs, oder aber durch Computer­unterstŸtzung fŸr unsere eigenen bedeutungskonstruktierenden AktivitŠten als Forscher.

CSCL-Forscher bilden eine Gemeinschaft des Erkundens, welche aktiv neue Wege der Kolla­bo­ration fŸr das Design, die Analyse und EinfŸhrung von ComputerunterstŸtzung fŸr kollaboratives Lernen konstruiert. Ein breites Spektrum an Forschungsmethoden aus den Learning Sciences dŸrfte bei der Analyse computerunterstŸtzten kollaborativen Lernens hilfreich sein.

Mittels angepasster Ideen, Methoden und Funktionsweisen aus verwandten Gebieten dŸrfte CSCL das Forschungsgebiet CSCL in seiner nŠchsten Phase kollaborativ neue Theorien, Metho­do­logien und Technologien konstru­ieren, die spezifisch auf die Aufgabe, soziale Praktiken der intersubjektiven Bedeutungskonstruktion im Hinblick auf die UnterstŸtzung kollaborativen Lernens zu analysieren, ausgerichtet sind. Die Autoren dieser Abhandlung haben argumentiert, dass CSCL eher einen Fokus auf die bedeutungs­konstruierenden Praktiken kollaborierender Gruppen und auf das Design technologischer Artefakte zur Vermittlung von Interaktion als auf individuelles Lernen benštigt. Ob dieser Fokus zu einem kohŠrenten theoretischen Rahmenwerk sowie einer kohŠrenten Forschung­smetho­dologie fŸr CSCL fŸhren kann, wird und sollte, bleibt abzuwarten.

Acknowledgments

Eine Version dieser Abhandlung wurde als (Stahl, Koschmann, & Suthers, 2006) veršffentlicht. Sie profitierte von den redaktionellen VorschlŠgen von Keith Sawyer.

References

Andriessen, J., Baker, M., & Suthers, D. (Eds.). (2003). Arguing to learn: Confronting cognitions in computer-supported collaborative learning environments. Dordrecht, Netherlands: Kluwer Academic Publishers. Computer-supported collaborative learning book series, vol 1.

Baker, M., & Lund, K. (1997). Promoting reflective interactions in a CSCL environment. Journal of Computer Assisted Learning, 13, 175-193.

Bereiter, C. (2002). Education and mind in the knowledge age. Hillsdale, NJ: Lawrence Erlbaum Associates.

Bromme, R., Hesse, F. W., & Spada, H. (Eds.). (2005). Barriers and biases in computer-mediated knowledge communication, and how they may be overcome. New York, NY: Springer. Computer-supported collaborative learning book series, vol 5.

Bruce, B. C., & Rubin, A. (1993). Electronic quills: A situated evaluation of using computers for writing in classrooms. Hillsdale, NY: Lawrence Erlbaum Associates.

Bruffee, K. (1993). Collaborative learning. Baltimore, MD: Johns Hopkins University Press.

Button, G. Y., & Dourish, P. (1996). Technomethodology: Paradoxes and possibilities. Paper presented at the ACM Conference on Human Factors in Computing Systems (CHI '96), Vancouver, Canada. Proceedings pp. 19-26.

Cakir, M., Xhafa, F., Zhou, N., & Stahl, G. (2005). Thread-based analysis of patterns of collaborative interaction in chat. Paper presented at the international conference on AI in Education (AI-Ed 2005), Amsterdam, Netherlands. Retrieved from http://GerryStahl.net/pub/aied2005.pdf.

Cole, M. (1996). Cultural psychology: A once and future discipline. Cambridge, MA: Harvard University Press.

Crook, C. (1994). Computers and the collaborative experience of learning. London, UK: Routledge.

Cuban, L. (1986). Teachers and machines: The classroom use of technology since 1920. New York, NY: Teachers College Press.

Dillenbourg, P. (2005). Designing biases that augment socio-cognitive interactions. In R. Bromme, F. Hesse & H. Spada (Eds.), Barriers and biases in computer-mediated knowledge communication--and how they may be overcome. Dordrecht, Netherlands: Kluwer Academic Publisher.

Dillenbourg, P. (Ed.). (1999). Collaborative learning: Cognitive and computational approaches. Amsterdam, NL: Pergamon, Elsevier Science.

Dillenbourg, P., Baker, M., Blaye, A., & O'Malley, C. (1996). The evolution of research on collaborative learning. In P. Reimann & H. Spada (Eds.), Learning in humans and machines: Towards an interdisciplinary learning science (pp. 189-211). Oxford, UK: Elsevier.

Donmez, P., Rose, C., Stegmann, K., Weinberger, A., & Fischer, F. (2005). Supporting CSCL with automatic corpus analysis technology. Paper presented at the International Conference of Computer Support for Collaborative Learning (CSCL 2005), Taipei, Taiwan.

Dwyer, N., & Suthers, D. (2005). A study of the foundations of artifact-mediated collaboration. Paper presented at the international conference of Computer-Supported Collaborative Learning (CSCL 2005), Taipei, Taiwan.

Engestršm, Y. (1987). Learning by expanding: An activity-theoretical approach to developmental research. Helsinki, Finland: Orienta-Kosultit Oy.

Fischer, G., & Ostwald, J. (2005). Knowledge communication in design communities. In R. Bromme, F. Hesse & H. Spada (Eds.), Barriers and biases in computer-mediated knowledge communication--and how they may be overcome. Dordrecht, Netherlands: Kluwer Academic Publisher.

Fischer, K., & Granoo, N. (1995). Beyond one-dimensional change: Parallel, concurrent, socially distributed processes in learning and development. Human Development, 1995 (38), 302-314.

Garfinkel, H. (1967). Studies in ethnomethodology. Englewood Cliffs, NJ: Prentice-Hall.

Goffman, E. (1974). Frame analysis: An essay on the organization of experience. New York, NY: Harper & Row.

Goldman, R., Crosby, M., & Shea, P. (2004). Introducing quisitive research: Expanding qualitative methods for describing learning in ALN. In R. S. Hiltz & R. Goldman (Eds.), Learning together online: Research on asynchronous learning networks (pp. 103-121). Mahwah, NJ: Lawrence Erlbaum Associates.

Goodyear, P., Banks, S., Hodgson, V., & McConnell, D. (Eds.). (2004). Advances in research on networked learning. Dordrecht, Netherlands: Kluwer Academic Publishers. Computer-supported collaborative learning book series, vol 4.

Gruber, S., Peyton, J. K., & Bruce, B. C. (1995). Collaborative writing in multiple discourse contexts. Computer-Supported Cooperative Work, 3, 247-269.

Guzdial, M., Hmelo, C., Hubscher, R., Newstetter, W., Puntambekar, S., Shabo, A., et al. (1997). Integrating and guiding collaboration: Lessons learned in computer-supported collaboration learning research at Georgia Tech. Paper presented at the international conference on Computer-Supported Collaborative Learning (CSCL '97), Toronto, Canada. Proceedings pp. 91-100.

Hanks, W. (1996). Language and communicative practices. Boulder, CO: Westview.

Heritage, J. (1984). Garfinkel and ethnomethodology. Cambridge, UK: Polity Press.

Hicks, D. (1996). Contextual inquiries: A discourse-oriented study of classroom learning. In D. Hicks (Ed.), Discourse, learning and schooling (pp. 104-141). New York, NY: Cambridge University Press.

Hoadley, C. (2005). The shape of the elephant: Scope and membership of the CSCL community. Paper presented at the international conference of Computer-Supported Collaborative Learning (CSCL 2005), Taipei, Taiwan.

Johnson, R. B., & Onwuegbuzie, A. J. (2004). Mixed methods research: A research paradigm whose time has come. Educational Researcher, 33 (7), 14-26.

Kienle, A., & Wessner, M. (2005). Our way to Taipei: An analysis of the first ten years of the CSCL community. Paper presented at the international conference of Computer-Supported Collaborative Learning (CSCL 2005), Taipei, Taiwan.

Koschmann, T. (1996a). Paradigm shifts and instructional technology. In T. Koschmann (Ed.), CSCL: Theory and practice of an emerging paradigm (pp. 1-23). Mahwah, NJ: Lawrence Erlbaum.

Koschmann, T. (2002a). Dewey's contribution to the foundations of CSCL research. In G. Stahl (Ed.), Computer support for collaborative learning: Foundations for a CSCL community: Proceedings of CSCL 2002 (pp. 17-22). Boulder, CO: Lawrence Erlbaum Associates.

Koschmann, T. (2002b). Dewey's critique of Thorndike's behaviorism. Paper presented at the AERA 2002, New Orleans, LA.

Koschmann, T. (Ed.). (1996b). CSCL: Theory and practice of an emerging paradigm. Hillsdale, NJ: Lawrence Erlbaum Associates.

Koschmann, T., Hall, R., & Miyake, N. (Eds.). (2002). CSCL2: Carrying forward the conversation. Mahwah, NJ: Lawrence Erlbaum Associates.

Koschmann, T., Stahl, G., & Zemel, A. (2006). The video analyst's manifesto (or the implications of Garfinkel's policies for the development of a program of video analytic research within the learning sciences). In R. Goldman, R. Pea, B. Barron & S. Derry (Eds.), Video research in the learning sciences. Retrieved from http://GerryStahl.net/publications/journals/manifesto.pdf.

Koschmann, T., Zemel, A., Conlee-Stevens, M., Young, N., Robbs, J., & Barnhart, A. (2003). Problematizing the problem: A single case analysis in a dPBL meeting. In B. Wasson, S. Ludvigsen & U. Hoppe (Eds.), Designing for change in networked learning environments: Proceedings of the international conference on computer support for collaborative learning (CSCL '03) (pp. 37-46). Bergen, Norway: Kluwer Publishers.

Lave, J. (1991). Situating learning in communities of practice. In L. Resnick, J. Levine & S. Teasley (Eds.), Perspectives on socially shared cognition (pp. 63-83). Washington, DC: APA. D.O.I.: [1991].

Lave, J., & Wenger, E. (1991). Situated learning: Legitimate peripheral participation. Cambridge, UK: Cambridge University Press.

LeBaron, C. (2002). Technology does not exist independent of its use. In T. Koschmann, R. Hall & N. Miyake (Eds.), CSCL 2: Carrying forward the conversation (pp. 433-439). Mahwah, NJ: Lawrence Erlbaum Associates.

Levinson, S. C. (2000). Presumptive meanings: The theory of generalized conversational implicature. Cambridge, MA: MIT Press.

Lingnau, A., Hoppe, H. U., & Mannhaupt, G. (2003). Computer supported collaborative writing in an early learning classroom. Journal of Computer Assisted Learning, 19 (2), 186-194.

Lipponen, L., Hakkarainen, K., & Paavola, S. (2004). Practices and orientations of CSCL. In J.-W. Strijbos, P. Kirschner & R. Martens (Eds.), What we know about CSCL: And implementing it in higher education (pp. 31-50). Dordrecht, Netherlands: Kluwer Academic Publishers.

Newman, D., Griffin, P., & Cole, M. (1989). The construction zone: Working for cognitive change in schools. Cambridge, UK: Cambridge University Press.

Nicolopoulou, A., & Cole, M. (1993). Generation and transmission of shared knowledge in the culture of collaborative learning: The fifth dimension, its playworld and its institutional contexts. In E. Forman, N. Minnick & C. A. Stone (Eds.), Contexts for learning: Sociocultural dynamics in children's development. New York, NY: Oxford University Press.

O'Malley, C. (1995). Computer supported collaborative learning. Berlin, Germany: Springer Verlag.

Rommetveit, R. (1974). On message structure: A framework for the study of language and communication. New York, NY: Wiley & Sons.

Rorty, R. (1974). Philosophy and the mirror of nature. Princeton, NJ: Princeton University Press.

Roschelle, J. (1996). Learning by collaborating: Convergent conceptual change. In T. Koschmann (Ed.), CSCL: Theory and practice of an emerging paradigm (pp. 209-248). Hillsdale, NJ: Lawrence Erlbaum Associates.

Roschelle, J., & Teasley, S. (1995). The construction of shared knowledge in collaborative problem solving. In C. O'Malley (Ed.), Computer-supported collaborative learning (pp. 69-197). Berlin, Germany: Springer Verlag.

Rummel, N., & Spada, H. (2005). Sustainable support for computer-mediated collaboration: How to achieve and how to assess it. In R. Bromme, F. Hesse & H. Spada (Eds.), Barriers and biases in computer-mediated knowledge communication--and how they may be overcome. Dordrecht, Netherlands: Kluwer Academic Publisher.

Sacks, H. (1992). Lectures on conversation. Oxford, UK: Blackwell.

Scardamalia, M., & Bereiter, C. (1991). Higher levels of agency in knowledge building: A challenge for the design of new knowledge media. Journal of the Learning Sciences, 1, 37-68.

Scardamalia, M., & Bereiter, C. (1996). Computer support for knowledge-building communities. In T. Koschmann (Ed.), CSCL: Theory and practice of an emerging paradigm (pp. 249-268). Hillsdale, NJ: Lawrence Erlbaum Associates. D.O.I.: [1996].

Sfard, A. (1998). On two metaphors for learning and the dangers of choosing just one. Educational Researcher, 27 (2), 4-13.

Sperber, D., & Wilson, D. (1982). Mutual knowledge and relevance of theories of comprehension. In N. V. Smith (Ed.), Mutual knowledge. New York, NY: Academic Press.

Stahl, G. (2002). Rediscovering CSCL. In T. Koschmann, R. Hall & N. Miyake (Eds.), CSCL 2: Carrying forward the conversation (pp. 169-181). Hillsdale, NJ: Lawrence Erlbaum Associates. Retrieved from http://GerryStahl.net/cscl/papers/ch01.pdf.

Stahl, G. (2006). Group cognition: Computer support for building collaborative knowledge. Cambridge, MA: MIT Press. Retrieved from http://GerryStahl.net/mit/.

Stahl, G., Koschmann, T., & Suthers, D. (2006). Computer-supported collaborative learning: An historical perspective. In R. K. Sawyer (Ed.), Cambridge handbook of the learning sciences (pp. 409-426). Cambridge, UK: Cambridge University Press. Retrieved from http://GerryStahl.net/cscl/CSCL_English.pdf in English,  http://GerryStahl.net/cscl/CSCL_Chinese_simplified.pdf in simplified Chinese,  http://GerryStahl.net/cscl/CSCL_Chinese_traditional.pdf in traditional Chinese,  http://GerryStahl.net/cscl/CSCL_Spanish.pdf in Spanish,  http://GerryStahl.net/cscl/CSCL_Portuguese.pdf in Portuguese, http://GerryStahl.net/cscl/CSCL_German.pdf in German.

Strijbos, J.-W., Kirschner, P., & Martens, R. (Eds.). (2004). What we know about CSCL ... And implementing it in higher education. Dordrecht, Netherlands: Kluwer Academic Publishers. Computer-supported collaborative learning book series, vol 3.

Suthers, D. (2005). Technology affordances for intersubjective learning: A thematic agenda for CSCL. Paper presented at the international conference of Computer Support for Collaborative Learning (CSCL 2005), Taipei, Taiwan.

Suthers, D., & Hundhausen, C. (2003). An empirical study of the effects of representational guidance on collaborative learning. Journal of the Learning Sciences, 12 (2), 183-219.

ten Have, P. (1999). Doing conversation analysis: A practical guide. Thousand Oaks, CA: Sage.

Thorndike, E. L. (1912). Education: A first book. New York, NY: Macmillan.

Van Der Pol, J., Admiraal, W., & Simons, R.-J. (2003). Grounding in electronic discussions: Standard (threaded) versus anchored discussion. Paper presented at the international conference of Computer-Supported Collaborative Learning (CSCL 2003), Bergen, Norway. Proceedings pp. 77-81.

Vygotsky, L. (1930/1978). Mind in society. Cambridge, MA: Harvard University Press.

Wasson, B., Ludvigsen, S., & Hoppe, U. (Eds.). (2003). Designing for change in networked learning environments: Proceedings of the international conference on computer support for collaborative learning 2003. Dordrecht, Netherlands: Kluwer Academic Publishers. Computer-supported collaborative learning book series, vol 2.

Weinberger, A., Reiserer, M., Ertl, B., Fischer, F., & Mandl, H. (2005). Facilitating collaborative knowledge construction in computer-mediated learning environments with cooperation scripts. In R. Bromme, F. Hesse & H. Spada (Eds.), Barriers and biases in computer-mediated knowledge communication--and how they may be overcome. Dordrecht, Netherlands: Kluwer Academic Publisher.

Whitworth, B., Gallupe, B., & McQueen, R. (2000). A cognitive three-process model of computer-mediated group interaction. Group Decision and Negotiation, 9, 431-456.

Zemel, A., Xhafa, F., & Stahl, G. (2005). Analyzing the organization of collaborative math problem-solving in online chats using statistics and conversation analysis. Paper presented at the CRIWG International Workshop on Groupware, Racife, Brazil. Retrieved from http://GerryStahl.net/pub/criwg2005zemel.pdf.

 



[1] †bersetzung von Martin MŸhlpfordt unter Mithilfe von Andrea Kienle, Axel Guicking, Friederike Jšdick und Martin Wessner.

[2] Der im englischen Sprachraum gebrŠuchliche Begriff der ãLearning SciencesÒ hat im Deutschen im Prinzip keine Entsprechung. Mit ãLearning SciencesÒ wird ein anwendungsorientiertes interdisziplinŠres Forschungsprogramm bezeichnet, in dem menschliches Lernen aus verschiedensten theoretischen Perspektiven der Lehr-Lernwissenschaft, Psychologie, Informatik, Neurowissenschaften heraus untersucht wird.