In an experimental study, we investigated how learning from illustrated texts is influenced by presentation format (separated format, integrated format, and active integration) and subject complexity (low, medium and high complexity). Subject matter were biochemical processes of signal transmission in the human nervous system. A total of 180 students participated in the study. Results show that the active integration of texts and illustrations can improve the comprehension of highly complex material, whereas it can have inhibiting effects for less complex material. The results are discussed with respect to the process requirements associated with the different presentation formats.

Die Informationsgesellschaft, in der wir leben, ist gekennzeichnet durch die Informations- und Kommunikationstechnologien sowie der mit ihrer Nutzung einhergehenden Informationsbereitstellung und Informationsverbreitung. Dabei stellen sowohl die Orientierung in den schnell umfangreicher werdenden Informationsbeständen als auch die Verarbeitung und Anwendung der zur Verfügung stehenden Informationen zahlreiche Anforderungen an die Nutzerinnen und Nutzer. Vor diesem Hintergrund stellt sich die Frage, wie der Übergang von der Informationsgesellschaft zur Wissensgesellschaft gestaltet und vollzogen werden kann.

Untersuchungen zum Problemlösen und Lernen in der Physik haben immer wieder gezeigt, daß Schüler bereits tief in ihren Alltagserfahrungen verankerte Vorstellungen über naturwissenschaftliche Phänomene und Konzepte besitzen, bevor diese im Schulunterricht behandelt werden. Vielfach stimmen diese Vorstellungen in zentralen Aspekten nicht mit den naturwissenschaftlichen Sichtweisen überein (etwa Halloun & Hestenes, 1985; McCloskey, Caramazza & Green, 1980).

In this paper we present the computerized learning model KAGE (Knowledge Acquisition Governed by Experimentation) and MULEDS, a multi-level diagnosis system. Both systems are based on a framework which describes learning in physics domains as a succession of multiple levels of mental domain representation ordered along the dimension qualitative/quantitative. The emphasis is on the mental representation of functional relationships between physics variables. We exemplify our methods in the domain of elastic impacts, a subtopic of classical mechanics. KAGE is a cognitive model of how students learn physics by means of a computerized learning environment. It reconstructs the acquisition of knowledge about functional relationships between physics variables by analysis-based learning mechanisms. KAGE accounts for the question which knowledge states have to be expected when specified learning mechanisms are applied to given instructional information. MULEDS assesses the students’ knowledge about a certain physics domain. It incorporates mechanisms for tailored testing as well as for active adaptation of instruction to diagnosed misconceptions. A study with 132 subjects has been conducted in order to test the empirical validity of our approach.