Sportwissenschaft

, Volume 45, Issue 3, pp 127–137 | Cite as

Systemdynamik und differenzielles Lernen

  • Wolfgang I. Schöllhorn
  • Alexander Eekhoff
  • Patrick Hegen
Übersicht

Zusammenfassung

Grundlegende Phänomene, die sich an dissipativen Systemen beobachten lassen, werden anhand der allgemeinen dynamischen Systemtheorie erläutert und spezifische Modelle im Bereich der Bewegungswissenschaft diskutiert. Die Zunahme an Schwankungen während eines Übergangs zwischen zwei Zuständen wird als zentraler Gegenstand der dynamischen Systemtheorie vom differenziellen Lernansatz aufgenommen. Durch Steigerung der Schwankungen wird ein Selbstorganisationsprozess initiiert, der dem Individuum erlaubt, durch die gestiegene Anzahl an „ausprobierten“ Zuständen die jeweils eigene Ordnung selbst zu finden. Begriffe des Potenzials, der Stabilität und Instabilität werden in ihrer Anwendung diskutiert. Die Schwankungen und deren Verstärkung führen zu einem Überdenken des Verständnisses von bisherigen (motorischen) Lernansätzen. Der differenzielle Lernansatz überzeugt in Studien sowohl in der Sportpraxis als auch im Bereich der Physio- und Ergotherapie.

Schlüsselwörter

Differenzielles Lernen Systemdynamik Selbstorganisation Bewegung Potenzial Stabilität/Instabilität Fluktuationen 

System dynamics and differential learning

Abstract

In contrast to static system theory, a major objective in dynamic system theory is the process of state changes. Phenomena like fluctuations, their increase and self organization are of primary interest. The differential learning approach is derived directly from dynamic system theory and is verified by sports practice and scientific studies. By increasing fluctuations, a system becomes instable and provides an increased number of modi in order to initiate a self-organizing process. Terms like potential, stability and instability are discussed with respect to their practical consequence. As a result fluctuations and their amplification have been adapted in the differential learning approach and have led to a rethinking of the majority of classical motor learning approaches. Differential learning is convincingly used in sport practice with scientific studies as well as in physio- and ergotherapy.

Keywords

Differential learning System dynamics Self organisation Physical activity Potential Stability/instability fluctuations 

Literatur

  1. Allen, P. M. (1981). The Evolutionary Paradigm of Dissipative Structures. In E. Jantsch (Hrsg.), The Evolutionary Vision: Toward a Unifying Paradigm of Physical, Biological, and Sociocultural Evolution (S. 25–72). Boulder: Westview Press.Google Scholar
  2. Ashby, W. R. (1956). An introduction to cybernetics. London: Champman & Hall.CrossRefGoogle Scholar
  3. Ballreich, R. (1980). Aspekte der Modellierung in der Biomechanik des Sports. In W. Baumann (Hrsg.), Biomechanik und sportliche Leistung (S. 113–128). Schorndorf: Hofmann.Google Scholar
  4. Ballreich, R. (1996). Grundlagen der Modellmethode. In R. Ballreich & W. Baumann (Hrsg.), Grundlagen der Biomechanik des Sports (2. Aufl., S. 119–159). Stuttgart: Enke.Google Scholar
  5. Bauer, H. U., & Schöllhorn, W. I. (1997). Self-Organizing Maps for the Analysis of Complex Movement Patterns. Neural Processing Letters, 5, 193–199.CrossRefGoogle Scholar
  6. Beckmann, H., & Schöllhorn, W. I. (2003). Differencial learning in shot put [Abstract]. In W. I. Schöllhorn, C. Bohn, J. M. Jäger, H. Schaper & M. Alichmann (Hrsg.), European workshop on movement science (1. Aufl., S. 68). Köln: Sport & Buch Strauß.Google Scholar
  7. Bénard, H. (1900). Les tourbillons cellulaires dans une nappe liquide. Revue générale des Sciences pures et appliquées, 11, 1261–1271; 1309–1328Google Scholar
  8. Bertalanffy, von L. (1969). General System Theory. New York: George Braziller.Google Scholar
  9. Bischof, N. (1995). Struktur und Bedeutung – eine Einführung in die Systemtheorie für Psychologen zum Selbststudium und für den Gruppenunterricht. Bern: Huber.Google Scholar
  10. Cignetti, F., Schena, F., Mottet, D., & Rouard, A. (2010). A limit-cycle model of leg movements in cross-country skiing and its adjustments with fatigue. Human Movement Science, 29(4), 590–604.CrossRefPubMedGoogle Scholar
  11. Dressler, U., & Nitsche, G (1992) Controlling Chaos using time delay coordinates. Physical Review Letters, 68, 1–4CrossRefGoogle Scholar
  12. dtv-Lexikon der Physik, 7. P – Re. (1971). München: Dt. Taschenbuch-Verl.Google Scholar
  13. Ebeling, W. (1991). Chaos – Ordnung – Information Selbstorganisation in Natur und Technik. Frankfurt a. M.: Harri Deutsch.Google Scholar
  14. Ebeling, W., & Feistel, R. (1982). Physik der Selbstorganisation und Evolution. Berlin: Akademieverlag.Google Scholar
  15. Ebeling, W., & Feistel, R. (1994). Chaos und Kosmos, Prinzipien der Evolution. Heidelberg: Spektrum Akademischer Verlag.Google Scholar
  16. Ebeling, W., Engel, H., & Feistel, R. (1990). Physik der Evolutionsprozesse. Berlin: Akademie-Verlag.Google Scholar
  17. Ebeling, W., Engel, H., & Herzel, H. (1990). Selbstorganisation in der Zeit. Berlin: Akademieverlag.Google Scholar
  18. Ebeling, W., Freund, J., & Schweitzer, F. (1998). Komplexe Strukturen: Entropie und Information. Leipzig: Vieweg & Teubner.CrossRefGoogle Scholar
  19. Frank, T. D., Michelbrink, M., Beckmann, H., & Schöllhorn, W. I. (2008). A quantitative dynamical systems approach to differential learning: self-organization principle and order parameter equations. Biological Cybernetics, 98(1), 19–31.CrossRefPubMedGoogle Scholar
  20. Goldfield, E. C. (1995). Emergent Forms – Origins and early development of human action and perception. New York: Oxford University Press.Google Scholar
  21. Gollhofer, A., Schmidtbleicher, D., & Horstman, G. (1989). Reproduzierbarkeit von neuromuskulären Aktivierungsmustern im Dehnungs-Verkürzungs-Zyklus. In Daugs, R. et al. (Hrsg.), Motorikforschung aktuell, DVS-Protokolle, 35, S. 58–67. Clausthal-Zellerfeld: DVS Eigenverlag.Google Scholar
  22. Haken, H. (1983). Synergetics. Berlin: Springer.CrossRefGoogle Scholar
  23. Haken, H., Kelso, J. A. S., & Bunz, H. (1985). A theoretical model of phase transitions in human hand movements. Biological Cybernetics, 51(5), 347–356.CrossRefPubMedGoogle Scholar
  24. Henz, D., Hofmann, M., & Schöllhorn, W. I. (2013). Increased EEG theta and alpha activity indicate somatosensory working memory processes in diferential badminton serve training. Poster ECSS-2013 Barcelona.Google Scholar
  25. Horsthemke, W., & Lefever, R. (1984). Noise-induced transitions. Berlin: Springer.Google Scholar
  26. Hossner, E.-J., Müller, H., & Voelcker-Rehage, C. (2013). Koordination sportlicher Bewegungen – Sportmotorik. In A. Güllich & M. Krüger (Hrsg.), Sport (S. 211–267). Berlin: Springer.CrossRefGoogle Scholar
  27. Hund-Georgiadis, M., & von Cramon, D. Y. (1999). Motor-learning-related changes in piano players and non-musicians revealed by functional magnetic-resonance signals. Experimental Brain Research, 125(4), 417–425.CrossRefPubMedGoogle Scholar
  28. Hurlbert, S. H., & Lombardi, C. M. (2009). Final collapse of the neyman-pearson decision theoretic framework and rise of the neoFisherian. Annales Zoologici Fennici, 46(5), 311–349.CrossRefGoogle Scholar
  29. Iberall, A. (1972). Introducing some operational characteristic of mind – The Human outlook and the dynamics of society. Journal of Dynamic Systems, Measurement, and Control, 94(4), 285–288.CrossRefGoogle Scholar
  30. Iberall, A. (1975). On nature, man, and society: A basis for scientific modeling. Annals of Biomedical Engineering, 3(4), 344–385.CrossRefPubMedGoogle Scholar
  31. James, E. G. (2014). Short-term differential training decreases postural sway. Gait & Posture, 39(1), 172–176.CrossRefGoogle Scholar
  32. Janssen, D., Schöllhorn, W. I., Newell, K. M., Jäger, J. M., Rost, F., & Vehof, K. (2011). Diagnosing fatigue in gait patterns by support vector machines and self-organizing maps. Human Movement Science, 30(5), 966–975.CrossRefPubMedGoogle Scholar
  33. Jeschke, G. (1989) Mathematik der Selbstorganisation. Berlin: Deutscher Verlag der Wissenschaften.CrossRefGoogle Scholar
  34. Kapitaniak, T. (1996). Controlling Chaos. San Diego: Academic Press.Google Scholar
  35. Kelso, J. A. S., & Kay, B. (1987). Information and control: A macroscopic basis for perception-action coupling. In. H. Heuer & A. F. Sanders (Hrsg.), Tutorials in perception and action, Hillsdale: ErlbaumGoogle Scholar
  36. Kelso, J. A. S., Scholz, J. P., & Schöner, G. (1986). Nonequilibrium phase Transitions in coordinated biological Motion: Critical fluctuations. Physics Letters A, 18(6), 279–284.CrossRefGoogle Scholar
  37. Kelso, J. S. A., Mandel, A. J., & Schlesinger, M. E. (1988). Dynamic patterns in complex systems. Singapore: World Scientific Publishing Co. Pty. Ltd.CrossRefGoogle Scholar
  38. Klix, F. (1971). Information und Verhalten. Berlin: Deutscher Verlag der Wissenschaften.Google Scholar
  39. Kostrubiec, V., Tallet, J., Zanone, P. G. (2006) How a new behavioral pattern is stabilized with learning determines ist persistence and flexibility in memory. Experimental Brain Research, 170(2), 238–44.CrossRefPubMedGoogle Scholar
  40. Kostrubiec, V., Zanone, P.-G., Fuchs, A., & Kelso, J. A. S. (2012). Beyond the blank slate: routes to learning new coordination patterns depend on the intrinsic dynamics of the learner-experimental evidence and theoretical model. Frontiers in Human Neuroscience, 6, 222.PubMedCentralCrossRefPubMedGoogle Scholar
  41. Künzell, S., & Hossner, E. J. (2012) Differenzielles Lernen: eine Kritik. Sportwissenschaft, 42, 83–95.CrossRefGoogle Scholar
  42. Lewis, M. D., & Liu, Z. (2011). Three time scales of neural self-organisation underlying basic and nonbasic Emotions. Emotion Review, 3, 416–425.CrossRefGoogle Scholar
  43. Liu, Y. T., Luo, Z. Y., Mayer-Kress, G., & Newell, K. M. (2012) Self-organized criticality and learning a new coordination task. Human Movement Science, 31, 40–54.CrossRefPubMedGoogle Scholar
  44. Longtin, A., & Hinzer, K. (1995). Simple Noise-Induced Transitions in Models of Neural Systems. In: M. Millonas (Hrsg.), Fluctuations and Order – A New Synthesis (S. 343–358). Berlin: Springer.Google Scholar
  45. Mechsner, F., Kerzel, D., Knoblich, G., & Prinz, W. (2001). Perceptual basis of bimanual coordination. Nature, 414(6859), 69–73.CrossRefPubMedGoogle Scholar
  46. Meijer, O. G., & Roth, K. (1988). Complex movement behaviour: ‚The‘ motor-action controversy. North Holland: Elsevier.Google Scholar
  47. Mikhailov, A. S. (1979). Noise-Induced Phase Transition in a biological system with diffusion. Physics Letters, 73A(2), 143–144.CrossRefGoogle Scholar
  48. Millonas, M. (1995). Fluctuations and order. The new synthesis. New York: Springer.Google Scholar
  49. Nelson, W. L. (1983). Physical principles for economies of skilled movements. Biological Cybernetics, 46, 135–147.CrossRefPubMedGoogle Scholar
  50. Newell, K. M. (2003). Change in motor learning: A coordination and control perspective, Motriz, Rio Claro, v.9, n.1, p. 1–6, jan./abr. 2003Google Scholar
  51. Nicolis, G., Prigogine, I., & Nocolis, G. (1989). Exploring complexity. New York: W. H. Freeman & Company.Google Scholar
  52. Papula, L. (2008). Mathematik für Ingenieure und Naturwissenschaftler: Vektoranalysis, Wahrscheinlichkeitsrechnung, mathematische Statistik, Fehler- und Ausgleichsrechnung, Bd. 3. Leipzig: Vieweg & Teubner.CrossRefGoogle Scholar
  53. Salthe, S. N. (1996). Development and evolution – complexity and change in biology. Cambridge: MIT Press.Google Scholar
  54. Schöllhorn, W. I. (1993) Process-oriented analysis of movement patterns. International Society of Biomechanics XIVth Congress Paris 4–8 July 1993 (S. 1212–1213)Google Scholar
  55. Schöllhorn, W. I. (1995) Time course oriented analysis of biomechanical movement patterns by means of orthogonal reference functions. XVth Congress of the International Society of Biomechanics (ISB) 2–6 July, Jyväskylä. S. 824–825.Google Scholar
  56. Schöllhorn, W. I. (1997a). Komplexe Bewegungskoordination systemdynamisch betrachtet. In: P. Hirtz & F. Nüske (Hrsg.), Bewegungskoordination und sportliche Leistung integrativ betrachtet. 2. Bernstein-Konferenz und 2. gemeinsames Symposium der dvs-Sektionen Biomechanik, Sportmotorik und Trainingswissenschaft vom 25.-27. September 1996 in Zinnowitz. Hamburg: Czwalina.Google Scholar
  57. Schöllhorn, W. I. (1997b). Erkennung von Zustands- und Bewegungsmustern während eines Lernprozesses mit Hilfe eines generalisierten Ordnungsparameters. In K. Bös, D. Schmidtbleicher & A. Müller (Hrsg.), Sport im Lebenslauf (S. 302–306). Frankfurt: CzwalinaGoogle Scholar
  58. Schöllhorn, W. I. (1999). Individualität – ein vernachlässigter Parameter? Leistungssport, 29(2), S. 7–11.Google Scholar
  59. Schöllhorn, W. I. (1999a). Konsequenzen der motorischen Entwicklung von Kleinkindern für das sportliche Training. Österreichische Trainertagung Bad Aussee.Google Scholar
  60. Schöllhorn, W. I., & Bauer, H. U. (1997). Linear – nonlinear classification of complex time course patterns. In: J. Bangsbo, B. Saltin, H. Bonde, Y. Hellsten, B. Ibsen, M. Kjaer & G. Sjogaard (Hrsg.), Conference proceedings of the 2nd European College of Sport Science (S. 308–309). Copenhagen: University of Copenhagen.Google Scholar
  61. Schöllhorn, W. I., & Bauer, H. U. (1998). Identifying individual movement styles in high performance sports by means of self organizing Kohonen maps. In: H. Riehle & M. Vieten, XVI (Hrsg.), International Symposium on Biomechanics in Sports (S. 574–577). Konstanz: Universitätsverlag.Google Scholar
  62. Schöllhorn, W. I., Beckmann, H., & Janssen, D. (2012). Identifikation individueller disziplinübergreifender Bewegungsstile. Abschlussbericht zum BISP Forschungsprojekt IIA1-070613/08. Bonn, Germany.Google Scholar
  63. Schöllhorn, W. I., Hegen, P., & Eekhoff, A. (2014) Differenzielles Lernen und andere motorische Lerntheorien. Spectrum der Sportwissenschaft, 2, 35–55.Google Scholar
  64. Schöllhorn, W. I., Schaper, H., Kimmeskamp, S., & Milani, T. (2002). Inter- and intra-individual differentiation of dynamic foot pressure patterns by means of artificial neural nets. Gait & Posture, 16, 172.Google Scholar
  65. Schöllhorn, W., Michelbrink, M., Beckmann, H., Trockel, M., Sechelmann, M., & Davids, K. (2006) Does noise provide a basis for unifying different motor learning theories? International Journal of Sport Psychology, 2/3, 34–42.Google Scholar
  66. Schöllhorn, W. I., Mayer-Kress, G., Newell, K. M., & Michelbrink, M. (2009). Time scales of adaptive behavior and motor learning in the presence of stochastic perturbations. Human Movement Science, 28(3), 319–333.CrossRefPubMedGoogle Scholar
  67. Schöllhorn, W. I., Nigg, B. M., Stefanyshyn, D., & Liu, W. (2002). Identification of individual walking patterns using time discrete and time continuous data sets. Gait & Posture, 15(2), 180–186.CrossRefGoogle Scholar
  68. Schöner, G. Jiang, W. Y., & Kelso, J. A. S (1990). A synergetic theory of quadrupedal gaits and gait transitions. Journal of Theoretical Biology, 142(3), 359–391.CrossRefPubMedGoogle Scholar
  69. Schöner, G. Zanone, P. G., & Kelso, J. A. S (1992). Learning as change of coordination dynamics: Theory and experiment. Journal of Motor Behaviour, 24(1), 29–48.CrossRefGoogle Scholar
  70. Schöner, G., Haken, H., & Kelso, J. (1986). A stochastic theory of phase transitions in human hand movement. Biological Cybernetics, 53(4), 247–257.CrossRefPubMedGoogle Scholar
  71. Stachowiak, H. (1973). Allgemeine Modelltheorie. Wien: Springer.CrossRefGoogle Scholar
  72. Temprado, J. J., Della-Grasta, M., Farrell, M., & Laurent, M. (1997). A novice-expert comparison of (intra-limb) coordination subserving the volleyballserve. Human Movement Science, 16, 653–676.CrossRefGoogle Scholar
  73. Thelen, L. B., & Smith, E. (1993). A dynamic systems approach to the development of cognition and action. Cambridge: MIT Press.Google Scholar
  74. Vickers, J. N. (1994). Psychological research in sport pedagogy: Exploring the reversal effect. Sport Science Rewiew, 3, 28–40.Google Scholar
  75. Wiener, N. (1948). Cybernetics: or Control and Communication in the Animal and the machine. Cambridge: MIT Press.Google Scholar
  76. Wieringen, P. C. W. van (1988). Kinds and levels of explanation: implications for the systems versus action systems controversy. In O. G. Mejer & K. Roth, (Hrsg.) Complex movement behaviour – The motor-action controversy (S. 87–129). Amsterdam: Elsevier.Google Scholar
  77. Wu, H. G., Miyamoto, Y. R., Castro, L. N. G., Ölveczky, B. P., & Smith, M. A. (2014) Temporal structure of motor variability is dynamically regulated and predicts motor learning ability. Nature Neuroscience, 17(2), 312–321.PubMedCentralCrossRefPubMedGoogle Scholar
  78. Wulf, G., & Shea, C. H. (2002). Principles derived from the study of simple skills do not generalize to complex skill learning. Psychonomic Bulletin & Review, 9(2), 185–211.CrossRefGoogle Scholar
  79. Yamanishi, J., Kawato, M, & Suzuki, R (1980). Two coupled oscillators as a model for the coordinated finger tapping by both hands. Biological Cybernetics, 37, 219–225.CrossRefPubMedGoogle Scholar
  80. Yates, F. E. (1987). Self-organizing systems: the emergence of order. New York: Plenum Press.CrossRefGoogle Scholar
  81. Zanone, G. P., & Kelso, J. A. S. (1997). Coordination dynamics of learning and transfer: Collective and component levels. Journal of Experimental Psychology: Human Perception and Performance, 23(5), 1454–1480.PubMedGoogle Scholar
  82. Zanone, P. G., & Kelso, J. A. S. (1992). Evolution of behavioral attractors with learning: Nonequilibrium phase transitions. Journal of Experimental Psychology: Human Perception and Performance, 18(2), 403–421.PubMedGoogle Scholar
  83. Zanone, P. G., & Kelso, J. A. S. (1994). The Coordination Dynamics of learning. In S. Swinnen, H. Heuer, J. Massion & P. Casear (Hrsg.), Interlimb Coordination (S. 461–490). San Diego: Academic Press.Google Scholar
  84. Zanone, G. P. & Kelso, S. J. A. (1997). Coordination dynamics of learning and transfer: Collective and component levels. Journal of Experimental Psychology: Human Perception and Performance, 23(5), S. 1454–1480.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2015

Authors and Affiliations

  • Wolfgang I. Schöllhorn
    • 1
  • Alexander Eekhoff
    • 1
  • Patrick Hegen
    • 1
  1. 1.Institut für SportwissenschaftJohannes Gutenberg-Universität MainzMainzDeutschland

Personalised recommendations