Komplexes Problem

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche

Als komplexes Problem wird in der Psychologie ein Problem bezeichnet, welches sich durch folgende fünf Charakteristika von einem einfachen Problem unterscheidet: Komplexität, Vernetztheit, Eigendynamik, Intransparenz und Polytelie. Der Begriff stammt aus der Allgemeinen Psychologie und wurde von Dietrich Dörner geprägt und von Joachim Funke weiterentwickelt.

Charakteristika[Bearbeiten | Quelltext bearbeiten]

Komplexe Probleme sind durch die folgenden fünf Merkmale gekennzeichnet:

  • Komplexität: Komplexität wird traditionellerweise anhand der Anzahl der Variablen in der gegebenen Situation definiert. Zum Lösen des Problems ist daher eine Informationsreduktion notwendig.
  • Vernetztheit : Die Variablen der Problemsituation sind untereinander stark vernetzt. Der Grad der Vernetztheit kann dabei allerdings variieren. Eine Variable kann mit einer weiteren bis hin zu allen weiteren Variablen vernetzt sein. Daher besteht die Notwendigkeit zur Strukturierung der Informationen.
  • Eigendynamik: Die Variablen des Systems können sich auch ohne Zutun des Problemlösers über die Zeit verändern. Diese Veränderungen sind meist nicht vorhersehbar, wodurch schnelle Entscheidungen erforderlich werden.
  • Intransparenz: Bei einem komplexen Problem sind nicht immer alle Informationen zugänglich. Teilweise sind die Informationen nicht vorhanden und teilweise in der aktuellen Situation noch nicht verfügbar. Daher müssen Informationen aktiv beschafft werden.
  • Polytelie/Vielzieligkeit: Komplexe Probleme enthalten mehrere, teilweise widersprüchliche Ziele. Der Problemlöser muss deshalb Prioritäten setzen und Kompromisse eingehen.

Gary Klein bringt im Rahmen seiner Forschung zum lebensnahen Entscheiden (Naturalistic Decision Making) als weiteres Charakteristikum die emotionale und motivationale Bedeutsamkeit (high stakes) eines Problems ein. Das bedeutet, das Problem muss für den Problemlöser emotional bedeutsam erscheinen und ihn dazu motivieren, eine Lösung zu finden.

Inwieweit diese Eigenschaften tatsächlich nützlich sind, komplexe Probleme von einfachen Problemen (z.B. Turm von London) zu unterscheiden, ist nicht unumstritten. So ist beispielsweise die Unterscheidung zwischen Komplexität und Vernetzheit problematisch, da jene zwei Eigenschaften in starker Wechselwirkung miteinander stehen. Weiterhin gibt es in diesem Kontext keine für die Komplexität eindeutige Definition, die es ermöglicht, ein Problem als mehr oder weniger komplex zu beschreiben.[1]

Psychologische Diagnostik[Bearbeiten | Quelltext bearbeiten]

Aufgrund der Charakteristika komplexer Probleme wird zur Messung der Fähigkeit zum Lösen komplexer Probleme auf Computerprogramme (sog. Mikrowelten) zurückgegriffen, um dynamische und intransparente Problemsituationen präsentieren zu können. Mikrowelten als computersimulierte Szenarien versuchen dabei realistische Problemsituationen darzustellen. Bekannte Mikrowelten in dieser Forschungstradition sind die Schneiderwerkstatt, FSYS oder PowerPlant.

Neuere Arbeiten, basierend auf den Forschungsarbeiten von Joachim Funke, verwenden einen anderen Ansatz: minimal komplexe Systeme. Dazu wird der Realitätsbezug weniger stark und die psychometrischen Gütekriterien (d.h. insbesondere die Reliabilität) dafür besonders betont. Die Erhebungsinstrumente erfüllen einerseits noch immer die fünf Charakteristika eines komplexen Problems, weisen gleichzeitig aber die geringsten Ausprägungen dieser Charakteristika auf.[2][3] Bekannte Erhebungsinstrumente in dieser Forschungstradition sind MicroDYN[4], MicroFIN[5] und Genetics Lab[6][7]. Dieser Messansatz ist auch im Rahmen der internationalen PISA-Studie 2012 zum Einsatz gekommen.

Zusammenhang mit anderen Themengebieten[Bearbeiten | Quelltext bearbeiten]

In der Forschung zum Lösen komplexer Probleme wird diskutiert, ob komplexes Problemlösen und Intelligenz substantiell gleiche Konstrukte darstellen. Die eine Forschungstradition (u.a. vertreten durch Dietrich Dörner und Joachim Funke) argumentiert, dass die Fähigkeit des komplexen Problemlösens mehr beinhalte als Intelligenz alleine[8] und postulierte sogar eine neue Fähigkeit, die Operative Intelligenz [9]. Die andere Forschungstradition (u.a. vertreten durch Heinz-Martin Süß) formulierte die These, dass ein substantieller Zusammenhang zwischen den beiden Konstrukten bestehe.[10] In einer der umfangreichsten Arbeiten zu dieser Fragestellung konnte empirisch nachgewiesen werden, dass die Leistung beim komplexen Problemlösen nahezu vollständig durch Intelligenz und Wissen erklärt werden kann [11]. Auch in neueren Arbeiten werden durchweg empirische Zusammenhänge zwischen der komplexen Problemlöseleistung und Leistungen in Intelligenztests gefunden, deren Höhe vergleichbar mit Korrelationen zwischen verschiedenen Intelligenztests ist.[12][13] Daher kann davon ausgegangen werden, dass komplexes Problemlösen eher die Leistung in neuartigen, interaktiven Intelligenztests beschreibt, als tatsächlich eine von Intelligenz verschiedene Fähigkeit darstellt.

Auch der Zusammenhang zu anderen Konstrukten wie z.B. Arbeitsgedächtnis, Persönlichkeitseigenschaften, Motivation oder Emotionen wurde untersucht. Bei einfachen Problemen führen beispielsweise positive Affekte zu einer besseren Leistung, wobei der Einfluss von Emotionen auf die Problemlösefähigkeit bei komplexen Problemen nicht vollständig geklärt ist.

Die Forschung zum Naturalistic Decision Making und Dynamic Decision Making im angloamerikanischen Sprachraum beschäftigt sich ebenfalls mit komplexen Problemen.

Komplexe Probleme in der Welt[Bearbeiten | Quelltext bearbeiten]

Einige komplexe Probleme betreffen die ganze Welt, sogenannte „World’s Biggest Problems“. Derzeit gibt es eine Debatte zwischen zwei Forschungsinstituten darüber, welche genau die größten Probleme der Welt darstellen. Das Arlington Institute zählt derzeit folgende Probleme dazu:

  • Ökonomischer Kollaps
  • Globales Ölfördermaximum
  • Globale Wasserkrise
  • Aussterben von Arten
  • Klimawandel

Das Copenhagen Consensus Center mit Präsident Bjørn Lomborg führt hingegen im Bericht von 2012 folgende Probleme auf:

  • Bewaffnete Konflikte
  • Biodiversität
  • Chronische Krankheiten
  • Klimawandel
  • Bildung
  • Hunger und Unterernährung
  • Infektionskrankheiten
  • Naturkatastrophen
  • Bevölkerungswachstum
  • Wasser und sanitäre Einrichtungen

Literatur[Bearbeiten | Quelltext bearbeiten]

  • Dietrich Dörner: Problemlösen als Informationsverarbeitung. Kohlhammer, Stuttgart 1976, ISBN 3-17-001353-X.
  • Joachim Funke: Problemlösendes Denken. Kohlhammer, Stuttgart 2003, ISBN 3-17-017425-8.
  • Gary Klein: Naturalistic Decision Making. In: Human Factors. Nr. 50, Juni 2008, doi:10.1518/001872008X288385, S. 456–460.
  • Heinz-Martin Süß: Intelligenz, Wissen und Problemlösen. Kognitive Voraussetzungen für erfolgreiches Handeln bei computersimulierten Problemen. Hogrefe, Göttingen 1996, ISBN 978-3-8017-1089-7.
  • Walter Schönwandt, Katrin Voermanek, Jürgen Utz, Jens Grunau, Christoph Hemberger: "Komplexe Probleme Lösen - Ein Handbuch", JOVIS Verlag Berlin 2013, ISBN 978-3-86859-227-6.

Quellenangaben[Bearbeiten | Quelltext bearbeiten]

  1. Joachim Funke: Problemlösendes Denken. Kohlhammer, Stuttgart 2003, ISBN 3-17-017425-8.
  2. Funke, J. (2014). Analysis of minimal complex systems and complex problem solving require different forms of causal cognition. Frontiers in Psychology, 5. doi:10.3389/fpsyg.2014.00739
  3. Schoppek, W., & Fischer, A. (2015). Complex problem solving – single ability or complex phenomenon? Frontiers in Psychology, 6(1669). doi:10.3389/fpsyg.2015.01669
  4. Greiff, S., Wüstenberg, S., & Funke, J. (2012). Dynamic Problem Solving: A New Assessment Perspective. Applied Psychological Measurement, 36(3), 189–213. doi:10.1177/0146621612439620
  5. Neubert, J. C., Kretzschmar, A., Wüstenberg, S., & Greiff, S. (2015). Extending the Assessment of Complex Problem Solving to Finite State Automata: Embracing Heterogeneity. European Journal of Psychological Assessment, 31(3), 181–194. doi:10.1027/1015-5759/a000224
  6. Sonnleitner, P., Brunner, M., Greiff, S., Funke, J., Keller, U., Martin, R., … Latour, T. (2012). The Genetics Lab: Acceptance and psychometric characteristics of a computer-based microworld assessing complex problem solving. Psychological Test and Assessment Modeling, 54(1), 54–72. doi:10.1037/e578442014-045
  7. The Genetics Lab: a computer-based test to assess students’ complex problem solving abilities Website der Universität Luxemburg. Abgerufen am 24. April 2016.
  8. Funke, J. (2010). Complex problem solving: a case for complex cognition? Cognitive Processing, 11, 133–142. doi:10.1007/s10339-009-0345-0
  9. Dörner, D. (1986). Diagnostik der operativen Intelligenz. Diagnostica, 32, 290–208.
  10. Süß, H.-M. (1999). Intelligenz und komplexes Problemlösen: Perspektiven für eine Kooperation zwischen differentiell-psychometrischer und kognitionspsychologischer Forschung. Psychologische Rundschau, 50(4), 220–228. doi:10.1026//0033-3042.50.4.220
  11. Heinz-Martin Süß: Intelligenz, Wissen und Problemlösen. Kognitive Voraussetzungen für erfolgreiches Handeln bei computersimulierten Problemen. Hogrefe, Göttingen 1996, (ISBN 978-3-8017-1089-7)
  12. Kröner, S., Plass, J. L., & Leutner, D. (2005). Intelligence assessment with computer simulations. Intelligence, 33(4), 347–368. doi:10.1016/j.intell.2005.03.002
  13. Kretzschmar, A., Neubert, J. C., Wüstenberg, S., & Greiff, S. (2016). Construct validity of complex problem solving: A comprehensive view on different facets of intelligence and school grades. Intelligence, 54, 55–69. doi:10.1016/j.intell.2015.11.004

Weblinks[Bearbeiten | Quelltext bearbeiten]