Motorisches Lernen aus neurowissenschaftlicher Perspektive

Examensarbeit aus dem Jahr 2007 im Fachbereich Sport - Sportmedizin, Therapie, Prävention, Ernährung, Note: 1,0, Universität Karlsruhe (TH) (Institut für Sport und Sportwissenschaft), 69 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: In den letzten Jahrzehnten hält die Neurowissenschaft immer größeren Einzug in die Sportwissenschaft. Der sich abzeichnende Trend führte nach Daugs et al. (1996, S. 16) dazu, dass sich Lineare Stufenmodelle der Informationsverarbeitung, Modelle begrenzter Informationsverarbeitungskapazität, die Schematheorie des motorischen Lernens nach Schmidt oder computeranaloge Modellierungen in theoretische und empirische Widersprüche verstrickt haben.
Die vorliegende Arbeit behandelt das Thema motorisches Lernen ausschließlich aus neurowissenschaftlicher Perspektive. Im Verständnis einer interdisziplinären Arbeitsweise wird versucht, neurophysiologische, neurobiologische, mathematische, physikalische und systemtheoretische Erkenntnisse und Methoden zu vereinen. Im Mittelpunkt der Betrachtungen steht das Gehirn in Bezug auf seine Arbeits- und Funktionsweise, sowie Aspekte neuronaler Netze. Vor diesem Hintergrund stellt sich die Frage wie Bewegungen kontrolliert und gesteuert, sowie durch Lernprozesse verändert werden können.
Das Thema wird sowohl unter makroskopischen als auch unter mikroskopischen Blickwinkel aufgeschlossen. Im Verständnis der Synergetik wird das (makroskopische) Zusammenwirken funktionaler neuronaler Strukturen im Gehirn betrachtet, die sich aus organisierten Verbünden von Nervenzellen (Neuronen) ausbilden. Als motorische Gesamtleistung bringen sie willkürliche Bewegungen hervor und ermöglichen motorisches Lernen. Im Mittelpunkt steht das Zusammenwirken des motorischen Kortex, der Basalganglien und des Kleinhirns, die über den Thalamus vernetzt sind.
Während die Synergetik das Zusammenwirken verschiedener funktionaler Strukturen beschreibt, wird dagegen beim Konnektionismus das Zusammenwirken gleicher Funktionseinheiten betrachtet. Der Fokus richtet sich auf die mikroskopische Ebene der Neuronen und ihrer Vernetzung. Beachtet man, dass es sich bei diesen neuronalen Strukturen um Millionen von Neuronen handelt, so ist der Schritt der Modellbildung unweigerlich nötig. Im weiteren Verlauf wird mit Hilfe von künstlichen neuronalen Netzen das Gehirn simuliert, um daraus wichtige Erkenntnisse über die Funktionsweise und vor allem über Lernprozesse zu gewinnen.
In zwei abschließenden Kapiteln werden die wichtigsten Erkenntnisse zusammengefasst und ein grundlegender Ausblick formuliert.