@misc{cogprints486, editor = {Rainer Kluwe}, title = {Induktion von rekursiven Programmschemata und analoges Lernen}, author = {Ute Schmid and Fritz Wysotzki}, publisher = {Deutscher Universit\ätsverlag, Wiesbaden}, year = {1997}, pages = {197--214}, journal = {Strukturen und Prozesse intelligenter Systeme}, keywords = {learning by doing, learning by analogy, problem solving, program synthesis}, url = {http://cogprints.org/486/}, abstract = {Wir stellen einen Ansatz zum Erwerb von Probleml{\"o}sefertigkeiten vor, der auf dem im Bereich ``Automatisches Programmieren'' entwickelten Prinzip der Induktion rekursiver Programmschemata basiert. Dieser Ansatz erm{\"o}glicht es, drei Ebenen der Generalisierung zu modellieren: In einem ersten Schritt wird aufgrund konkreter Probleml{\"o}seerfahrungen ein bedingtes (initiales) Programm aufgebaut, das {\"u}ber die Probleml{\"o}sungen f{\"u}r bereits explorierte Anfangszust{\"a}nde eines Problems generalisiert (learning by doing). Im zweiten Schritt wird aus diesem initialen Programm ein rekursives Programmschema inferiert. Dies entspricht einer Generalisierung {\"u}ber rekursiv aufz{\"a}hlbare Problemr{\"a}ume. In einem dritten Schritt kann von der konkreten Bedeutung der Operationssymbole eines Programmschemas abstrahiert werden. Die Struktur des rekursiven Programmschemas generalisiert {\"u}ber die Klasse strukturgleicher Probleme (learning by analogy). Mit diesem Ansatz ist es m{\"o}glich, learning by doing und learning by analogy in einem einheitlichen Rahmen zu beschreiben. Dabei wird nicht nur die Nutzung, sondern auch der Aufbau von (Programm-) Schemata modelliert. Schlie{\ss}lich liefert der Ansatz der induktiven Programmsynthese eine theoretisch fundierte formale Basis f{\"u}r den Erwerb von Probleml{\"o}sefertigkeiten.} }