Lernen von Kategorien

Meine ursprngliche Absicht war es, ein konnektionistisches Modell zu ent wickeln, welches fr eine mglichst breite Palette von Lernvorgngen, am besten fr das gesamte Gebiet des Lernens, angewandt werden kann. Diese Idee wurde relativ schnell wieder verworfen, da die Konsequenz gewesen wre, viele Bereiche nur oberflchlich zu berhren. Statt dessen wurde mit dem Klassifikationslernen ein begrenzter, aber zentraler Bereich des Lernens herausgegriffen. Ausgehend von einzelnen speziellen empirischen Phnome nen wurde hierzu ein modulares konnektionistisches Modell entwickelt. Da bei habe ich jedoch immer darauf geachtet, jede Modellkomponente so zu konstruieren, da sie nicht nur fr ein einzelnes Phnomen, sondern mg lichst universell einsetzbar ist. Im Nachhinein erwies sich dieses Vorgehen als produktiver Weg fr die Modellentwicklung und kann als Beleg fr die Annahme gesehen werden, da verschiedene Anwendungsbereiche zwar unterschiedliche Lemrnechanismen erfordern, die zugrunde liegenden Infor mationsverarbeitungsstrukturen jedoch in wesentlichen Aspekten gleich sind. Das Gebiet des Klassifikationslernens schlielich ist keinesfalls so begrenzt wie zu Beginn angenommen. Daher entstand letztendlich doch ein Modell mit breiter Anwendungspalette - nicht weit von meinem ursprnglichen Ziel entfernt. Die hier vorliegende Arbeit basiert auf meiner Habilitationsschrift. Insbe sondere der zweite Teil ist jedoch gegenber der ursprnglichen Fassung (Heydemann, 1997) wesentlich verndert. Die Darstellung des Modells in Kapitel 6 wurde gendert. Die Details der Experimente in den Kapiteln 7 und 8 fallen weg, so da diese Kapitel deutlich gekrzt sind. Die Kapitel 10 und 11 habe ich um wesentliche Punkte erweitert und neu geschrieben.