
Sign up to save your podcasts
Or


KI-generiertes Audio: Die beiden Stimmen und ihr Gespräch in dieser Folge sind von einer KI erzeugt. Die Hosts sind keine echten Menschen.
So entsteht die Folge: Unser Team wählt jedes Thema aus und schneidet den Ton. Recherche und Shownotes entstehen mit KI, wir lesen sie vor der Veröffentlichung.
Warum KI? So können wir dir begutachtete Forschung kostenlos auf Deutsch und Englisch bringen. Die Quellen findest du unten.
Zusammenfassung der Episode
Stell dir einen Dichter vor, der eine überfüllte Festhalle verlässt. Sekunden später stürzt hinter ihm das Dach ein und zerschmettert jeden Gast bis zur Unkenntlichkeit. Nur er kann die Toten benennen, weil er sich genau erinnert, wo jeder von ihnen gesessen hatte. Aus dieser grausigen Szene, so erzählt es die Überlieferung, entstand die älteste bewusste Gedächtnistechnik der westlichen Welt. Und 2.500 Jahre später merken sich Champions damit noch immer ein gemischtes Kartendeck in unter zwanzig Sekunden, während Hirnscanner ihnen dabei zusehen.
In dieser Episode öffnen wir das Herz von Bogen 3 und erkunden die Methode der Loci, besser bekannt als Gedächtnispalast: den Kniff, lebhafte, übertriebene Bilder entlang einer Route durch einen dir vertrauten Ort zu platzieren und diese Route im Geist abzugehen, um sie wieder abzurufen. Wir verfolgen sie von der römischen Rhetorik über mittelalterliche Kathedralen und die Gedächtnistheater der Renaissance bis in den modernen Gedächtnissport und die Hirnscanner der Neurowissenschaft. Das überraschende Urteil: Überlegenes Gedächtnis ist größtenteils eine tragbare Fähigkeit, keine Gabe. Doch eine ehrliche Grenze behalten wir durchgehend scharf im Blick: Ein Gedächtnispalast ist eine Maschine zum Erinnern, nicht zum Verstehen.
Behandelte Kernthemen
Erwähnte Forscherinnen und Forscher
Wichtige Studien und Quellen
KI-generiertes Audio: Die beiden Stimmen und ihr Gespräch in dieser Folge sind von einer KI erzeugt. Die Hosts sind keine echten Menschen.
So entsteht die Folge: Unser Team wählt jedes Thema aus und schneidet den Ton. Recherche und Shownotes entstehen mit KI, wir lesen sie vor der Veröffentlichung.
Warum KI? So können wir dir begutachtete Forschung kostenlos auf Deutsch und Englisch bringen. Die Quellen findest du unten.
Episodenzusammenfassung
Genau jetzt weißt du, ohne hinzusehen, wo die Tür ist. Du könntest in völliger Dunkelheit durch deine Wohnung gehen und die Schritte bis zur Küche zählen. Denn in diesem Augenblick feuern tief in deinem Gehirn Zellen, die deinen Ort melden und eine lebendige Karte des Raumes um dich herum zeichnen. Und hier die Wendung, mit der diese Episode endet: Genau dieselben Zellen zeichnen vielleicht eine Karte deiner Ideen.
In dieser Episode folgen wir einer fünfzigjährigen Detektivgeschichte. Sie reicht von einem rebellischen Psychologen, der 1948 darauf bestand, dass Ratten eine innere "kognitive Karte" tragen, über die Entdeckung der Ortszellen 1971 und die wunderschönen sechseckigen Gitterzellen von 2005 bis zum Nobelpreis 2014, der das innere GPS des Gehirns krönte. Dann gehen wir an die Front, wo dieselbe Navigationsschaltung Klänge, abstrakte Konzepte und sogar die Menschen zu ordnen scheint, denen wir begegnen. Die Frage, die wir dir mitgeben, ist einfach und seltsam: Denken wir, indem wir navigieren?
Behandelte Kernthemen
Erwähnte Forscherinnen und Forscher
Wichtige Studien und Quellen
Wichtige Zahlen zum Merken
KI-generiertes Audio: Die beiden Stimmen und ihr Gespräch in dieser Folge sind von einer KI erzeugt. Die Hosts sind keine echten Menschen.
So entsteht die Folge: Unser Team wählt jedes Thema aus und schneidet den Ton. Recherche und Shownotes entstehen mit KI, wir lesen sie vor der Veröffentlichung.
Warum KI? So können wir dir begutachtete Forschung kostenlos auf Deutsch und Englisch bringen. Die Quellen findest du unten.
Episoden-Zusammenfassung
1969 begann ein Cornell-Professor eine Studie, deren Veröffentlichung zweiundzwanzig Jahre dauern sollte. Er brachte Sechs- und Siebenjährigen Naturwissenschaft bei und befragte sie danach immer wieder, Jahr für Jahr, bis zur zwölften Klasse. Nach etwa drei Jahren stieß er an eine Wand. Er hatte einen Berg von Interview-Transkripten und keine Möglichkeit zu sehen, was im Kopf eines Kindes tatsächlich vor sich ging. Das Werkzeug, das sein Team zur Lösung dieses Problems erfand, entkam dem Labor, wurde zu einer weltweiten Lerntechnik und stand vierzig Jahre später in Science vor Gericht.
Drei Episoden lang haben wir ein Argument aufgebaut. Episode 25 lieferte die Theorie, Episode 26 das Phänomen, Episode 27 die Konstruktionsregeln. Aber in allen dreien machte jemand anderes das Bild, und der Lernende nahm es entgegen. Diese Episode fragt, was passiert, wenn der Lernende selbst zeichnet. Wir verfolgen Joseph Novaks Concept Map von ihren Ursprüngen als Messinstrument über David Ausubels Assimilationstheorie bis hin zu einer der größeren Evidenzbasen der Pädagogischen Psychologie. Dann tun wir das Schwierigere und lesen diese Evidenz ehrlich, denn sie enthält drei unbequeme Befunde, und jeden einzelnen davon haben die Forscher des Feldes selbst formuliert.
Behandelte Kernthemen
Erwähnte Forscherinnen und Forscher
Wichtige Studien und Quellen
KI-generiertes Audio: Die beiden Stimmen und ihr Gespräch in dieser Folge sind von einer KI erzeugt. Die Hosts sind keine echten Menschen.
So entsteht die Folge: Unser Team wählt jedes Thema aus und schneidet den Ton. Recherche und Shownotes entstehen mit KI, wir lesen sie vor der Veröffentlichung.
Warum KI? So können wir dir begutachtete Forschung kostenlos auf Deutsch und Englisch bringen. Die Quellen findest du unten.
Episodenzusammenfassung
Du hast bestimmt schon gehört, dass ein Bild mehr sagt als tausend Worte. Doch die Forschung zeigt etwas anderes. Kombinierst du Worte und Bilder falsch, kannst du den ganzen Vorteil zunichtemachen. Setz die Beschriftung in die falsche Ecke eines Diagramms. Sprich eine Animation vor, während derselbe Text über den Bildschirm läuft. Füge ein eindrucksvolles, interessantes Foto hinzu, das nichts mit der Sache zu tun hat. Jede dieser kleinen Entscheidungen kann den Vorteil auslöschen, den Worte und Bilder eigentlich bringen sollen. Und am seltsamsten: interessantes Material hinzuzufügen kann dazu führen, dass Menschen weniger lernen statt mehr.
In dieser Episode treffen wir Richard E. Mayer, den Psychologen, der über dreißig Jahre lang aus dieser Gestaltungsfrage eine Wissenschaft gemacht hat. Aus seinem Labor an der University of California, Santa Barbara stammen die Cognitive Theory of Multimedia Learning und ein Katalog von rund fünfzehn empirisch belegten Gestaltungsprinzipien, jedes mit einer Effektstärke und klaren Randbedingungen. Wir gehen die Theorie, die Prinzipien und ihre Zahlen durch. Dann tun wir das Schwierigere und Ehrlichere. Wir schauen, wie groß diese Effekte wirklich sind, sobald man Mayers eigenes Labor verlässt, warum mehrere geschrumpft sind, während sich die Belege häuften, und wo das Ganze ernsthaft umstritten ist. Die Botschaft ist einfach. Worte und Bilder zu kombinieren ist nicht automatisch besser. Es ist nur dann besser, wenn die Gestaltung die Grenzen eines schmalen mentalen Kanals respektiert.
Behandelte Kernthemen
Erwähnte Forscherinnen und Forscher
Wichtige Studien und Quellen
KI-generiertes Audio: Die beiden Stimmen und ihr Gespräch in dieser Folge sind von einer KI erzeugt. Die Hosts sind keine echten Menschen.
So entsteht die Folge: Unser Team wählt jedes Thema aus und schneidet den Ton. Recherche und Shownotes entstehen mit KI, wir lesen sie vor der Veröffentlichung.
Warum KI? So können wir dir begutachtete Forschung kostenlos auf Deutsch und Englisch bringen. Die Quellen findest du unten.
Episodenzusammenfassung
Betrachte ein Foto fünf Sekunden lang und geh dann zum nächsten über. Mach das zehntausend Mal. Tage später zeigt dir jemand zwei Bilder nebeneinander, eines hast du gesehen und eines nie, und fragt dich, welches welches ist. Reines Raten bringt die Hälfte richtig. Anfang der 1970er führte der Psychologe Lionel Standing genau dieses Experiment durch, und seine Versuchspersonen erreichten 83 Prozent. Nach einem einzigen Blick pro Bild hatten sie rund 6.600 der 10.000 Bilder behalten. Standing kam zu dem Schluss, dass unser Gedächtnis für Bilder, in seinen Worten, nahezu grenzenlos ist. Mach denselben Test mit Worten, und dein Gedächtnis ist überraschend schnell am Ende.
In dieser Episode verfolgen wir eines der zuverlässigsten Ergebnisse der gesamten Gedächtnisforschung: den Bildüberlegenheitseffekt, also die Tatsache, dass Bilder weit besser behalten werden als Worte. Wir folgen ihm von Roger Shepards nahezu perfekten Wiedererkennungsexperimenten aus dem Jahr 1967 über Standings zehntausend Bilder bis zu Allan Paivios sorgfältigem Nachweis, dass der Vorteil sogar den anspruchsvollen Test des freien Abrufs übersteht. Dann tun wir, was gute Wissenschaft verlangt, und suchen die Grenzen. Das Spannendste ist nicht, dass Bilder meistens gewinnen. Es sind die genauen, steuerbaren Bedingungen, unter denen sie aufhören zu gewinnen. Denn diese Grenzen zeigen, dass die Bildüberlegenheit keine Magie in den Bildern ist. Sie ist eine gesetzmäßige Folge davon, wie reichhaltig wir Bedeutung kodieren und ob der spätere Test zu dieser Kodierung passt.
Behandelte Kernthemen
Erwähnte Forscherinnen und Forscher
Wichtige Studien und Quellen
Wichtige Zahlen zum Merken
KI-generiertes Audio: Die beiden Stimmen und ihr Gespräch in dieser Folge sind von einer KI erzeugt. Die Hosts sind keine echten Menschen.
So entsteht die Folge: Unser Team wählt jedes Thema aus und schneidet den Ton. Recherche und Shownotes entstehen mit KI, wir lesen sie vor der Veröffentlichung.
Warum KI? So können wir dir begutachtete Forschung kostenlos auf Deutsch und Englisch bringen. Die Quellen findest du unten.
Episoden-Zusammenfassung
Sag das Wort "Elefant," und irgendwo hinter deinen Augen erscheint, grau und riesig, ein Elefant. Jetzt sag das Wort "Gerechtigkeit." Nichts erscheint, oder? Nur das Wort. Dieser Unterschied, zwischen Worten, die Bilder malen, und Worten, die es nicht tun, ist einer der mächtigsten Hebel beim gesamten Lernen. Er ist der Grund, warum ein Diagramm neben einem Absatz verdoppeln kann, woran du dich erinnerst.
In dieser Episode eröffnen wir Bogen 3 der Serie, "Besser Bauen," mit der Theorie, die vieles Folgende verankert: Allan Paivios Theorie der dualen Kodierung. Nach zwei Bögen über die Frage, wie der Geist funktioniert und warum reine Textmethoden so oft scheitern, wenden wir uns der ersten evidenzbasierten Antwort zu. Paivios These ist täuschend einfach: Der Geist läuft auf zwei kooperierenden Systemen, eines für Sprache und eines für mentale Vorstellungsbilder, und Information, die in beiden kodiert ist, wird weit besser behalten als Information, die nur in einem kodiert ist. Wir verfolgen, wie ein Bodybuilder, der zum Psychologen wurde, mentale Vorstellungsbilder auf dem Höhepunkt des Behaviorismus als respektables wissenschaftliches Thema wiederbelebte, wie er seinen Fall bewies, was die Hirnbildgebung beiträgt und was sie nicht klären kann, und warum duale Kodierung nicht dasselbe ist wie der widerlegte Mythos vom "visuellen Lerntyp."
Behandelte Kernthemen
Erwähnte Forscherinnen und Forscher
Wichtige Studien und Quellen
KI-generiertes Audio: Die beiden Stimmen und ihr Gespräch in dieser Folge sind von einer KI erzeugt. Die Hosts sind keine echten Menschen.
So entsteht die Folge: Unser Team wählt jedes Thema aus und schneidet den Ton. Recherche und Shownotes entstehen mit KI, wir lesen sie vor der Veröffentlichung.
Warum KI? So können wir dir begutachtete Forschung kostenlos auf Deutsch und Englisch bringen. Die Quellen findest du unten.
Episoden-Zusammenfassung
Denk an alles, was du über ein einziges Thema weißt. Kaffee, deinen Job, deine Lieblingsband. Es ist keine Liste und keine Gliederung. Es ist ein Netz, in dem alles mit allem verbunden ist und es kein Erstes und kein Letztes gibt. Versuch jetzt, es aufzuschreiben. Du kannst kein Netz schreiben. Du musst einen einzigen Faden greifen und ziehen, Wort für Wort, bis das Netz zur Linie wird. Seit 5.000 Jahren gehen wir diesen Handel jedes Mal ein, wenn wir lesen oder schreiben.
In dieser Episode, dem Finale von Teil 2, benennen wir das strukturelle Problem unter allem, was dieser Teil erkundet hat. Menschliches Wissen ist wie ein Netzwerk geformt: ein dichtes Geflecht aus Begriffen, die durch Beziehungen verbunden sind, in dem fast alles mit fast allem verknüpft ist. Geschriebener Text ist wie eine Linie geformt: ein Wort nach dem anderen, ein einziger geordneter Pfad vom ersten bis zum letzten Wort. Jedes Schreiben flacht das Netzwerk zu einer Abfolge ab, und jedes Lesen versucht, das Netzwerk aus dieser Abfolge wieder aufzubauen. Gestützt auf die Forschung zu semantischen Netzwerken von Quillian, Collins und Loftus, die Small World Befunde von Steyvers und Tenenbaum und Willem Levelts Linearisierungsproblem zeigen wir, dass die Umwandlung in beide Richtungen prinzipbedingt verlustbehaftet ist, und warum es der erste Schritt zur Lösung ist, diesen Verlust zu benennen.
Behandelte Kernthemen
Erwähnte Forscherinnen und Forscher
Wichtige Studien und Quellen
KI-generiertes Audio: Die beiden Stimmen und ihr Gespräch in dieser Folge sind von einer KI erzeugt. Die Hosts sind keine echten Menschen.
So entsteht die Folge: Unser Team wählt jedes Thema aus und schneidet den Ton. Recherche und Shownotes entstehen mit KI, wir lesen sie vor der Veröffentlichung.
Warum KI? So können wir dir begutachtete Forschung kostenlos auf Deutsch und Englisch bringen. Die Quellen findest du unten.
Episoden-Zusammenfassung
Stell dir vor, dasselbe vollständig ausgearbeitete Schritt für Schritt Beispiel wird einem Anfänger und einer Expertin in die Hand gedrückt. Der gesunde Menschenverstand sagt: hilft beiden. Jahrzehnte der Forschung zeigen etwas Merkwürdigeres: Genau die Lektion, die den Anfänger schneller macht, bremst die Expertin aktiv aus. Die Unterstützung, die Anfänger brauchen, wird für Fortgeschrittene überflüssig und für Experten schädlich. Das ist der Expertise-Umkehr-Effekt, und er stellt eine unserer grundlegendsten Annahmen über das Lehren auf den Kopf.
In dieser Episode verfolgen wir die Entdeckung des Effekts durch Slava Kalyugas Lehrlingsstudien an der University of New South Wales, packen den Arbeitsgedächtnis-Mechanismus dahinter aus, gehen den überraschenden Katalog kognitiver Belastungseffekte durch, die sich mit Expertise umkehren, und schauen uns die Design-Antwort an: schrittweise Zurücknahme der Anleitung, Vervollständigungsaufgaben, verblassende Lösungsbeispiele und adaptive intelligente Tutoren. Zum Schluss beleuchten wir den sozial-kognitiven Cousin des Effekts, den Expert Blind Spot, der erklärt, warum die Menschen, die Unterricht entwerfen, systematisch falsch einschätzen, für wen sie eigentlich entwerfen.
Behandelte Kernthemen
Erwähnte Forscherinnen und Forscher
Wichtige Studien und Quellen
KI-generiertes Audio: Die beiden Stimmen und ihr Gespräch in dieser Folge sind von einer KI erzeugt. Die Hosts sind keine echten Menschen.
So entsteht die Folge: Unser Team wählt jedes Thema aus und schneidet den Ton. Recherche und Shownotes entstehen mit KI, wir lesen sie vor der Veröffentlichung.
Warum KI? So können wir dir begutachtete Forschung kostenlos auf Deutsch und Englisch bringen. Die Quellen findest du unten.
Episoden-Zusammenfassung
Im Mai 2014 veröffentlichten sieben Forschende der University of Washington eine Studie, deren Ergebnis sie selbst mit einer klinischen Studie verglichen, die zugunsten der Behandlung hätte abgebrochen werden müssen. Sie hatten 225 Studien zur Hochschullehre in den MINT-Fächern zusammengeführt. Ihr Urteil: In klassischen Vorlesungen fielen Studierende 1,5-mal häufiger durch als in aktiv gestalteten Lehrformaten. Die Prüfungsleistung stieg um rund 6 Prozent. Nach den Maßstäben der Bildungsforschung war der Fall entschieden.
In dieser Episode erzählen wir die Geschichte der Meta-Analyse von Freeman et al. (2014) und davon, was das Feld im darauffolgenden Jahrzehnt lernte. Wir lernen Eric Mazur kennen, den Harvard-Physiker, dessen zufällige Entdeckung von 1991 zu Peer Instruction wurde. Wir entpacken den Befund zur Bildungsgerechtigkeit aus Theobald et al. (2020), wonach aktives Lernen die Leistungslücken genau jener Studierenden schließt, die von Hochschulen historisch unterversorgt wurden. Wir konfrontieren das psychologisch interessanteste Ergebnis des Jahrzehnts: Studierende in aktiven Lehrveranstaltungen lernen mehr, fühlen aber, dass sie weniger gelernt haben. Das erklärt, warum die bessere Pädagogik den Beliebtheitswettbewerb immer wieder verliert. Und wir stellen die Frage, die das Feld bis heute umtreibt: Wenn die Evidenz so eindeutig ist, warum werden dann mehr als die Hälfte der MINT-Lehrveranstaltungen noch genauso unterrichtet wie 1950?
Behandelte Kernthemen
Erwähnte Forscherinnen und Forscher
Wichtige Studien und Quellen
KI-generiertes Audio: Die beiden Stimmen und ihr Gespräch in dieser Folge sind von einer KI erzeugt. Die Hosts sind keine echten Menschen.
So entsteht die Folge: Unser Team wählt jedes Thema aus und schneidet den Ton. Recherche und Shownotes entstehen mit KI, wir lesen sie vor der Veröffentlichung.
Warum KI? So können wir dir begutachtete Forschung kostenlos auf Deutsch und Englisch bringen. Die Quellen findest du unten.
Episoden-Zusammenfassung
1995 überfiel ein Mann namens McArthur Wheeler in Pittsburgh am helllichten Tag zwei Banken, ohne sein Gesicht zu verbergen. Er hatte sich Zitronensaft auf die Haut gerieben und war fest überzeugt, dadurch für Überwachungskameras unsichtbar zu sein. Er hatte die Idee sogar mit einem Polaroid getestet. Bei seiner Verhaftung protestierte er: "But I wore the juice." Der Cornell-Psychologe David Dunning las die Geschichte 1996 im World Almanac, stellte eine viel tiefere Frage und veröffentlichte vier Jahre später eines der meistzitierten und am häufigsten missverstandenen Papers der modernen Psychologie.
In dieser Episode schauen wir uns an, was die Originalstudie von Dunning und Kruger aus dem Jahr 1999 wirklich gezeigt hat, warum die virale "Mount Stupid"-Grafik aus den sozialen Netzwerken überhaupt nicht im Paper steht und wie zwei Jahrzehnte statistischer Kritik den Effekt verkleinert und neu vermessen haben. Auf dem Weg dorthin treffen wir John Flavells Metakognitions-Rahmen, den Besser-als-der-Durchschnitt-Effekt, den Schwer-Leicht-Effekt und das vorsichtige, kleinere, immer noch umstrittene Phänomen, das übrig bleibt, sobald Regression zum Mittelwert, Aufgabenschwierigkeit, Messfehler und Grafik-Artefakte ernst genommen werden.
Die Lehre ist gleichzeitig demütigend und nützlich: Selbsteinschätzung ist wirklich schwer, die Meme-Version des Effekts ist in wichtigen Punkten falsch, und das echte Gegenmittel ist nicht Allgemeinplatz-Bescheidenheit, sondern strukturierte Kalibrierung an konkreten Kriterien.
Behandelte Kernthemen
Erwähnte Forscherinnen und Forscher
Wichtige Studien und Quellen
From the publisher's feed