Die mit der Wissensgesellschaft verbundene Wissensexplosion, die veränderten Lebensbedingungen aufgrund neuer Arbeitsformen und die zahlreichen technischen Entwicklungen bedingen, dass das in Bildungseinrichtungen erworbene Wissen nicht mehr ein Leben lang ausreicht. Daher wird selbstgesteuertes Lernen am Arbeitsplatz immer wichtiger. Dies ist eine Form des Lernens, bei welcher ein aktueller Informationsbedarf durch die selbstständige Interaktion mit einer Vielzahl verschiedener digitaler Ressourcen gedeckt wird. Auf Grund dieser Interaktion wird das Lernen als Ressourcen-basiertes Lernen bezeichnet. Zunehmend wächst hierbei die Bedeutung des Web als Informationsquelle, denn es bietet eine Vielzahl an Ressourcen, die beim Lernen verwendet werden können.

Mit dem selbstgesteuerten Ressourcen-basierten Lernen sind jedoch auch Herausforderungen für die Lernenden verbunden. Zum einen handelt es sich bei digitalen Ressourcen im Web meist nicht um didaktisch aufbereitete Lernmaterialien. Die Ressourcen sind unstrukturiert und wurden nicht speziell für die Lernenden als Zielgruppe erstellt. Zusätzlich sind die relevanten Informationen oft über viele verschiedene Webseiten verteilt. Zum anderen gibt es bereits eine sehr große Menge an Informationen im Web, die sehr schnell zunimmt, was zur Informationsüberflutung führen kann. In dem in dieser Arbeit betrachteten Szenario des selbstgesteuerten Lernens gibt es zudem keinen Lehrenden, der den Lernprozess strukturiert. Die Lernenden müssen demzufolge selbstständig ihren Informationsbedarf feststellen und ihr Vorgehen planen. Sie müssen relevante Ressourcen identifizieren, annotieren und für eine spätere Nutzung organisieren. Dieser Umstand macht eine geeignete Verwaltung der Ressourcen notwendig. Die Mehrheit der Lernenden ist allerdings mit den aktuell vorhandenen Möglichkeiten für die Organisation von Webressourcen unzufrieden.

Ziel dieser Arbeit ist daher die Konzeption und Entwicklung eines Werkzeugs zur Unterstützung der Lernenden beim Ressourcen-basierten Lernen. Dies soll insbesondere die Verwaltung der Ressourcen durch die Lernenden unterstützen und die oben genannten Herausforderungen adressieren.

Das selbstgesteuerte Ressourcen-basierte Lernen verlangt ein persönliches Informations- und Wissensmanagement durch die Lernenden. In der Literatur existieren verschiedene Modelle zur Verwaltung von Informationen bzw. Wissen im organisationalen und persönlichen Bereich. Für selbstgesteuertes Ressourcen-basiertes Lernen fehlt ein solches Modell bisher. Daher wird zunächst ein Modell für das Ressourcen-basierte Lernen basierend auf den existierenden Modellen und einer im Rahmen dieser Arbeit durchgeführten Fragebogenerhebung entwickelt. Das Modell umfasst verschiedene Prozessschritte, die von dem zu entwickelnden Werkzeug unterstützt werden sollen.

Die Verwaltung der Ressourcen erfordert eine geeignete Speicherung dieser durch die Lernenden, beispielsweise themenbezogen oder aufgabenbezogen. Tagging stellt eine einfache und breit akzeptierte Möglichkeit zur Verwaltung von beliebigen Ressourcen im Web dar, allerdings ist die Ausdrucksmöglichkeit beim Tagging stark eingeschränkt. Andere Formen der Ressourcenverwaltung lassen sich im Bereich der formalen Wissensorganisation finden (z.B. Modellierung eines semantischen Netzes), allerdings wird zum Aufbau eines semantischen Netzes Expertenwissen vorausgesetzt. Als Basis für das im Rahmen der Arbeit entwickelte Werkzeug zur Unterstützung des Ressourcen-basierten Lernens wird daher eine Kombination beider Formen vorgeschlagen, d.h. ein semantisches Netz, das durch die Lernenden mittels Tagging erstellt und erweitert wird. Kernbestandteil dieses Netzes sind Ressourcen und Tags. Beim Tagging wird jedem Tag ein Typ zugeordnet. So kann gespeichert werden, ob es sich z.B. um ein Thema oder eine Aufgabe handelt. Im Rahmen dieser Arbeit wird analysiert und evaluiert, welche Tag-Typen für das Szenario des Ressourcen-basierten Lernens notwendig sind.

Des Weiteren wird ein Algorithmus zur automatischen Erkennung dieser Tag-Typen vorgestellt, denn ein solcher Algorithmus kann den manuellen Pflegeaufwand bei der Verwaltung der Ressourcen reduzieren. Die Evaluation mit verschiedenen Korpora zeigt, dass dieser wissensbasierte Algorithmus ein Tag bereits während des Tagging-Vorgangs mit einer für das Szenario ausreichenden Genauigkeit klassifizieren kann.

Auf Basis des entwickelten Modells für das Ressourcen-basierte Lernen und dessen Anforderungen an die Verwaltung der Ressourcen werden verschiedene Werkzeuge und Systeme hinsichtlich ihrer Unterstützung des Ressourcen-basierten Lernens analysiert. Keines der verwandten Werkzeuge kann die Anforderungen angemessen erfüllen.

Daher wird ausgehend von den Prozessschritten im Modell und den daraus abgeleiteten funktionalen Anforderungen ein Konzept für ein Unterstützungswerkzeug entwickelt. Anhand der technischen Anforderungen wird ein System entworfen, bestehend aus Browser-Add-on, Backend zur Verwaltung der Wissensnetze und webbasiertem Frontend. Dieses wird implementiert und schließlich in Nutzerstudien evaluiert.

Die im Rahmen dieser Arbeit durchgeführten Nutzerstudien zeigen, dass die erweiterte Form des Taggings, basierend auf Tag-Typen, gut angenommen wird und eine angemessene Verwaltung der Ressourcen ermöglicht. Weiterhin zeigen die Studien, dass das implementierte Unterstützungswerkzeug die Herausforderungen des selbstgesteuerten Ressourcen-basierten Lernens angemessen adressiert. Die vorliegende Arbeit schafft damit eine Grundlage für die Optimierung des Vorgehens bei der selbstständigen Interaktion mit Ressourcen zur Deckung eines Informationsbedarfs.