Double-Loop-Learning

https://rumble.com/embed/v16n6gl/?pub=ayc1z

Lernen ohne Lernen

Willkommen zurück. Dies ist der zweite Teil einer Serie, die begonnen hat mit dem Video Single Club Learning. Ich habe in diesem Video bereits gezeigt Ein Loop ist eine Art Regelkreis und wir kennen die Funktion von unseren Smartphones. Wenn wir ein Musikstück immer wieder hören wollen, dann gibt es irgendwo eine sogenannte Loop Funktion. Das heißt, wenn das Stück, das wir von hier bis hier hören, zu Ende ist, dann sagt Die Funktion geht zurück auf Anfang und spielt das Stück noch einmal.

Also ist es eine Art Regelkreis eine Schleife, könnte man auch sagen. Und jetzt kommt der Aspekt des Learning, also des Lernens, hinzu. Es ist also ein einfacher Regelkreis des Lernens. So, und ich stelle noch mal ganz kurz diesen einfachen Regelkreis dar. Das erste ist also eine Aktion und diese Aktion führt zu einem Ergebnis, einer Reaktion. Also das ist die Aktion. Und die führt zu einem Ergebnis dieser Aktion, führt zu einem Ergebnis. Und dann haben wir hier den Loop.

Die Feedback Schleife könnte man übrigens auch sagen hier. Nämlich. Dieses Ergebnis führt zu einer Erkenntnis, einer Erkenntnis. Zur Verbesserung. Und ich habe im ersten Video als Beispiel genommen Ein Basketballspieler, der trainiert und der den Ball wirft Richtung Korb. Das ist die Aktion, die führt zu einem Ergebnis Der Ball landet genau im Korb, der Ball berührt die Kante leicht, der Ball knallt auf die Kante, springt rein oder springt raus, landet nicht im Korb. Wie auch immer. Das sind die verschiedenen Ergebnisse, die erzielt und dementsprechend korrigiert er teilweise auch nur ganz minimal den Winkel oder die Geschwindigkeit oder die Kraft, mit der er den Ball wirft.

Das ist ein einfacher Regelkreis des Lernens. Eben Single Loop. Jetzt heisst dieses Video aber Double Loop Learning. Das heißt, wir sind hier in gewisser Weise auch in einem Kasten drin. Wir sind möglicherweise ewig in diesem Regelkreis. Und wenn man nun da Learning macht, dann betrachtet man die Sache von außen sozusagen als von außerhalb dieses Kastens und überlegt. Welche Annahmen treffe ich denn überhaupt Annahmen. Fragezeichen. Oder wie der Betriebswirt eben auch sagt Prämissen.

Welche Prämissen treffe ich denn, wenn ich hier mich in diesen Regelkreis, in diesen einfachen also das hier ist Single Loop Learning, das alles, was im Kasten ist, single Loop Learning. Und dadurch, dass ich jetzt hier in diese Richtung erweitere, komme ich zu diesem Double Loop Learning. Man denkt also daran, welche Annahmen treffe ich denn überhaupt, wenn ich gewisse Aktionen tätige.

Und das Ergebnis, das Resultat kann ja durchaus sein positiv. So ein. Das war ein Plus sein hier positiv, oder es kann sein negativ. Stellt euch eine Aktion und auch manchmal ein negatives Ergebnis. Und ich wähle jetzt mal ein Beispiel, wo ich ein negatives Ergebnis erzielen. Ich fahre zu schnell. Fahre in eine Radarfalle. Das ist mein Ergebnis. Und letztlich ist das Ergebnis, dass ich irgendwie eine Ordnungswidrigkeit, sogenannte Ordnungswidrigkeit begangen habe und bezahlen muss. So, jetzt könnte, wenn ich im Kasten bin, die Erkenntnis sein, die Erkenntnis zu verbessern. Okay, an dieser Stelle sitzen. Jetzt könnte an dieser Stelle. Die Erkenntnis mein Lernprozess, mein Lernergebnisse sein.

Okay, an dieser Stelle befindet sich eine Radarfalle. Das nächste Mal passt du auf und fährst langsamer. Und die meisten machen das ja auch so Wenn man irgendwo wohnt, dann weiß man, wo gerne Radarfallen aufgestellt werden. Das sind ja fast immer bestimmte Orte. Das heißt, man befindet sich jetzt in diesem Kasten und hat dieses negative Ergebnis umgesetzt, indem man seine Aktion entsprechend korrigiert hat und langsamer fährt. Immer noch Single Loop Learning.

Eines Tages geht man aus dem Kasten raus und denkt mal an die Annahmen. Zum Beispiel steckt hier dahinter die Annahme Dass derjenige, der uns jetzt dieses Knöllchen, so nennen wir das ja umgangssprachlich, dieses Knöllchen schickt. Obrigkeitsstaatliche Autorität hat. Das ist eine Annahme, von der wir bisher immer ausgegangen sind. Das heißt, wir haben angenommen, das muss ich jetzt bezahlen. Und warum haben wir das angenommen Weil wir angenommen haben, Annahmen, Prämissen, dass

das sogenannte Amt, die Stadtverwaltung oder wer immer. Der uns jetzt diesen Brief schreibt, den wir alle nicht haben wollen und sagt Zahlen Sie bis zum…. Und hier ist der Überweisungsträger. Dass der eine staatliche Autorität hat.

Oder die in diesem Amt. Dass die dort eine staatliche Autorität haben. Von dieser Annahme sind wir bisher ausgegangen. Jetzt schauen wir uns diese Annahme mal etwas genauer an Und überlegen Stimmt das überhaupt Ist dieses Land, in dem wir da leben, überhaupt ein Staat Und haben diese sogenannten Autoritäten, die da auftreten und uns diese Knöllchen schicken Haben die denn überhaupt staatliche Autorität Und an dieser Stelle. Korrigieren wir vielleicht unsere Annahmen, aber das Spiel ist hier noch nicht vorbei. Denn es gibt noch einen weiteren Schritt, und das ist Triple Loop Learning, dass man nämlich hier gewissermaßen ein weiteres Kästchen aufmacht.

Beziehungsweise, dass es eigentlich ein sehr großes Kästchen und auf den generellen Zusammenhang oder kurze auch gesagt den Kontext schaut. Aber das schauen wir uns im nächsten Video ab. Also, was ist Double Loop Learning Man. Hat den einfachen Regelkreis hier Aktion und Ergebnis und bei Double-Loop-Learning. Das ist also die Verknüpfung. Hier bei der Ampel kommt das Betrachten der Annahmen hinzu. Und wenn man diese Annahmen sich genauer anschaut. Dann kommt zu der Verbesserung, die man bei Single-Loop-Learning erzielt, noch Verständnis hinzu.

Man versteht die Zusammenhänge und auch die Hintergründe besser. Ja, also Verbesserung bei Single Loop Learning und Double Loop Learning ist Verbesserung plus Verständnis. Also zweimal V. Das kommt dabei raus, während hier nur ein V bei Single nur ein V rauskommt. Aber es gibt ja noch Triple Loop Learning und das kommt im nächsten Video.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert