- SAP Managed Tags:
▶️ openSAP
▶️ Spotify
▶️ Apple
▶️ Google
Henning Beck ist Neurowissenschaftler, Vortragender, Science Slammer und Autor. In dieser Episode unterhalten sich Christoph und Thomas darüber, welche Forschungsergebnisse aus der Gehirnforschung für das Lernen und die Weiterbildung relevant sind.
Das Gehirn ist kein Datenträger, wie man es von einem Computer kennt. Es besteht aus vielen Nervenzellen. Je mehr solcher Nervenzellen dabei genutzt werden, desto effizienter vernetzen sich diese und desto besser lassen sich Reize verarbeiten. Das ist das Kernelement von Lernvorgängen.
Eintreffende Informationen werden aufgenommen, verarbeitet und zunächst nur Zwischengespeichert. Im Schlaf werden diese Informationen den anderen Zellen im Gehirn sozusagen vorgestellt. Wenn diese Information als relevant betrachtet wird, merkt das Gehirn sich das, indem sich die Aktivitätsmuster anpassen. Diese Anpassung der Aktivitätsmuster ist das, was wir als Lernen bezeichnen.
Dieser Vorgang erfordert jedoch Schlaf und zieht sich über einen Zeitraum von einigen Stunden bis Tagen. Neben dieser Art des Lernens, gibt es auch eine andere, noch eher unerforschte Methode, bei der das Gehirn Informationen auf Anhieb verarbeitet und somit lernt.
Das Gehirn verfügt über keine bestimmten Aufnahmekapazitäten. Wissen ist nicht etwas, das man wie auf einer Festplatte irgendwo platzieren und genau dieses Wissen dann dort wieder auffinden kann.
Das Gehirn funktioniert, indem Nervenzellen miteinander interagieren. Der Gedankeninhalt entsteht am Ende durch das erzeugte Muster. Wenn der Mensch also lernt, dann werden die Zellen dahingehend trainiert, sich leichter anzupassen.
Somit ist es sogar umgekehrt einfacher sich neues Wissen anzueignen, wenn man bereits über verwandtes Wissen verfügt, da die Zellen darauf ausgerichtet sind sich schneller anzupassen.
Wissen lässt sich nicht von einer zur anderen Person übertragen. Was man höchstens machen kann, ist die Menschen zum Lernen zu motivieren oder sie neugierig zu machen.
Lernen ist nämlich dann am effizientesten, wenn sowohl Neugierde besteht als auch eine aktive Beteiligung gefördert werden kann.
Statt die Mitarbeiter im Unternehmen also ein trockenes Skript lesen zu lassen, kann man sie spielerisch animieren, sich mit interessanten Fragen zu beschäftigen, damit eine Art Neugierde und Interesse geweckt werden kann, wie z.B. „Sie sind ein Mafiaboss. Wie würden Sie Geld waschen?“. Es ist unheimlich wichtig eine Schulung mit einer Interaktion zu starten, Neugierde zu fördern und den Menschen nicht in einer passiven Rolle sitzen zu lassen, damit das Wissen nachhaltig verankert werden kann. Weitere Details können auch immer im Nachgang zugänglich gemacht werden.
Ein weiterer Tipp für die Praxis ist, sein Wissen durch kleine Tests zu (re)aktivieren. Durch die Reaktivierung einer Information, beispielsweise in Form eines einfach Multiple Choice Tests, werden Informationen besser verankert und die Zellen passen sich auch besser an.
Zuletzt sind Pausen als sehr wichtiges Kriterium zu nennen. In der Wissenschaft hat sich ein Verhältnis von 5:1 als optimal erwiesen (also z.B. nach 50 min Lernen 10 Min Pause), um möglichst effektiv zu lernen.
Bevor man sich Gedanken über das Beschleunigen macht, sollte man sich im Klaren sein, dass Lernen alles sein darf als effizient. Je schneller eine Information aufgenommen wird, desto schneller geht diese auch wieder verloren.
Am besten lässt sich neugewonnenes Wissen durch praktische Anwendung verankern – also ganz nach dem Learning on the Job/ experiential Learning Ansatz.
Erst durch die Anwendung brennt sich eine Information nämlich ein und lässt sich dann auch viel einfacher auf andere Bereiche übertragen.
Im Vergleich zu Maschinen, arbeitet das Gehirn sehr energieeffizient und auf Basis von nur sehr wenigen Daten, ganz nach dem Motto „mit minimalem Aufwand den maximalen Output erreichen“.
Machine Learning Algorithmen hingegen benötigen für simple Probleme wie Mustererkennung einen großen Aufwand. Das bedeutet also, dass das Gehirn Tricks auf Lager hat, wie es mit nur sehr wenigen Daten komplexe Probleme lösen kann, während künstliche Intelligenz mit weniger Daten eher schlecht performt.
Das ist aktuell ein Bereich, der erforscht wird. Genauso, wie das Muster von Vögel auf Flugzeuge übertragen wurde, forscht man nach einer Methode, die Muster des Gehirns auf Maschinen zu übertragen. Inwieweit das Sinn macht oder man irgendwann andere Mechanismen herausfindet werden wir wohl erst in der Zukunft sehen.
Ausführlich findet ihr natürlich alles im Podcast. Wir freuen uns sehr, wenn Ihr den Podcast abonniert, in sozialen Medien teilt und auf Apple Podcast liked!
Henning Becks Webseite https://www.henning-beck.com/
Henning Beck auf LinkedIn https://www.linkedin.com/in/henning-beck-aa2895196/
BOLD: Blog and Podcast on Learning and Development https://bold.expert/
Applying Cognitive Psychology to the Classroom https://theeffortfuleducator.com/
▶️ Spotify
▶️ Apple
▶️ Google
Henning Beck ist Neurowissenschaftler, Vortragender, Science Slammer und Autor. In dieser Episode unterhalten sich Christoph und Thomas darüber, welche Forschungsergebnisse aus der Gehirnforschung für das Lernen und die Weiterbildung relevant sind.
Die Funktionsweise des Gehirns und der Bezug zu Bildung
Das Gehirn ist kein Datenträger, wie man es von einem Computer kennt. Es besteht aus vielen Nervenzellen. Je mehr solcher Nervenzellen dabei genutzt werden, desto effizienter vernetzen sich diese und desto besser lassen sich Reize verarbeiten. Das ist das Kernelement von Lernvorgängen.
Eintreffende Informationen werden aufgenommen, verarbeitet und zunächst nur Zwischengespeichert. Im Schlaf werden diese Informationen den anderen Zellen im Gehirn sozusagen vorgestellt. Wenn diese Information als relevant betrachtet wird, merkt das Gehirn sich das, indem sich die Aktivitätsmuster anpassen. Diese Anpassung der Aktivitätsmuster ist das, was wir als Lernen bezeichnen.
Dieser Vorgang erfordert jedoch Schlaf und zieht sich über einen Zeitraum von einigen Stunden bis Tagen. Neben dieser Art des Lernens, gibt es auch eine andere, noch eher unerforschte Methode, bei der das Gehirn Informationen auf Anhieb verarbeitet und somit lernt.
Aufnahmekapazität des Gehirns beim Lernen
Das Gehirn verfügt über keine bestimmten Aufnahmekapazitäten. Wissen ist nicht etwas, das man wie auf einer Festplatte irgendwo platzieren und genau dieses Wissen dann dort wieder auffinden kann.
Das Gehirn funktioniert, indem Nervenzellen miteinander interagieren. Der Gedankeninhalt entsteht am Ende durch das erzeugte Muster. Wenn der Mensch also lernt, dann werden die Zellen dahingehend trainiert, sich leichter anzupassen.
Somit ist es sogar umgekehrt einfacher sich neues Wissen anzueignen, wenn man bereits über verwandtes Wissen verfügt, da die Zellen darauf ausgerichtet sind sich schneller anzupassen.
Praxis-Tipps aus der Neurowissenschaft für Lernen & Bildung
Wissen lässt sich nicht von einer zur anderen Person übertragen. Was man höchstens machen kann, ist die Menschen zum Lernen zu motivieren oder sie neugierig zu machen.
Lernen ist nämlich dann am effizientesten, wenn sowohl Neugierde besteht als auch eine aktive Beteiligung gefördert werden kann.
Statt die Mitarbeiter im Unternehmen also ein trockenes Skript lesen zu lassen, kann man sie spielerisch animieren, sich mit interessanten Fragen zu beschäftigen, damit eine Art Neugierde und Interesse geweckt werden kann, wie z.B. „Sie sind ein Mafiaboss. Wie würden Sie Geld waschen?“. Es ist unheimlich wichtig eine Schulung mit einer Interaktion zu starten, Neugierde zu fördern und den Menschen nicht in einer passiven Rolle sitzen zu lassen, damit das Wissen nachhaltig verankert werden kann. Weitere Details können auch immer im Nachgang zugänglich gemacht werden.
Ein weiterer Tipp für die Praxis ist, sein Wissen durch kleine Tests zu (re)aktivieren. Durch die Reaktivierung einer Information, beispielsweise in Form eines einfach Multiple Choice Tests, werden Informationen besser verankert und die Zellen passen sich auch besser an.
Zuletzt sind Pausen als sehr wichtiges Kriterium zu nennen. In der Wissenschaft hat sich ein Verhältnis von 5:1 als optimal erwiesen (also z.B. nach 50 min Lernen 10 Min Pause), um möglichst effektiv zu lernen.
Motivation und Beschleunigung des Lernens
Bevor man sich Gedanken über das Beschleunigen macht, sollte man sich im Klaren sein, dass Lernen alles sein darf als effizient. Je schneller eine Information aufgenommen wird, desto schneller geht diese auch wieder verloren.
Am besten lässt sich neugewonnenes Wissen durch praktische Anwendung verankern – also ganz nach dem Learning on the Job/ experiential Learning Ansatz.
Erst durch die Anwendung brennt sich eine Information nämlich ein und lässt sich dann auch viel einfacher auf andere Bereiche übertragen.
Trends in der Neurowissenschaft
Im Vergleich zu Maschinen, arbeitet das Gehirn sehr energieeffizient und auf Basis von nur sehr wenigen Daten, ganz nach dem Motto „mit minimalem Aufwand den maximalen Output erreichen“.
Machine Learning Algorithmen hingegen benötigen für simple Probleme wie Mustererkennung einen großen Aufwand. Das bedeutet also, dass das Gehirn Tricks auf Lager hat, wie es mit nur sehr wenigen Daten komplexe Probleme lösen kann, während künstliche Intelligenz mit weniger Daten eher schlecht performt.
Das ist aktuell ein Bereich, der erforscht wird. Genauso, wie das Muster von Vögel auf Flugzeuge übertragen wurde, forscht man nach einer Methode, die Muster des Gehirns auf Maschinen zu übertragen. Inwieweit das Sinn macht oder man irgendwann andere Mechanismen herausfindet werden wir wohl erst in der Zukunft sehen.
Ausführlich findet ihr natürlich alles im Podcast. Wir freuen uns sehr, wenn Ihr den Podcast abonniert, in sozialen Medien teilt und auf Apple Podcast liked!
Shownotes & interessante Links:
Henning Becks Webseite https://www.henning-beck.com/
Henning Beck auf LinkedIn https://www.linkedin.com/in/henning-beck-aa2895196/
BOLD: Blog and Podcast on Learning and Development https://bold.expert/
Applying Cognitive Psychology to the Classroom https://theeffortfuleducator.com/
| User | Count |
|---|---|
| 7 | |
| 5 | |
| 4 | |
| 2 | |
| 2 | |
| 2 | |
| 1 | |
| 1 | |
| 1 | |
| 1 |
