Ausgabe 1 2025

Wie lernen Jugendliche und Erwachsene über andere Menschen?

• von Ralitsa Kostova, Gabriela Rosenblau & Christoph W. Korn

Stell dir vor, du triffst eine neue Person. Du fragst dich vielleicht, was ihr gefällt, zum Beispiel wie sehr sie Fußball mag? Du erfährst, dass ihr Fußball gut gefällt - dies hilft dir dabei abzuschätzen, wie sehr sie wahrscheinlich etwas Ähnliches mag, zum Beispiel Basketball. Wir haben untersucht, wie Jugendliche und Erwachsene einschätzen, was andere mögen könnten und was nicht. Dabei interessieren wir uns besonders dafür, wie Jugendliche und Erwachsene durch Feedback lernen.

Wie lernst du über andere Menschen?

Wahrscheinlich lernst du oft neue Leute in deinem Alter kennen - neue Schüler:innen in deiner Schule, neue Mitglieder deines Sport- oder Musikvereins, neue Nachbar:innen und so weiter. Denk an das letzte Mal zurück, als du eine neue Person getroffen hast. Am Anfang wusstest du nicht viel über sie. Aber wahrscheinlich hast du sehr schnell eine Vorstellung davon bekommen, was diese Person mag. Wie sehr mag sie Süßigkeiten, Fußball oder Turnschuhe? Wenn du weißt, wie sehr eine Person bestimmte Gegenstände und Aktivitäten mag, kannst du ihre Vorlieben für andere Gegenstände und Aktivitäten vorhersagen. Wenn sie zum Beispiel Apfelkuchen mag, denkst du vielleicht, dass sie auch Karottenkuchen mag, auch wenn sie dir nie gesagt hat, dass sie Karottenkuchen mag. Deine Vorhersagen über deine neuen Mitschüler:innen beeinflussen möglicherweise, wie du dich ihnen gegenüber verhältst. Wenn du zum Beispiel weißt, dass sie Fußball mögen, denkst du vielleicht, dass sie auch Basketball mögen, und lädst sie zu einem Basketballspiel ein. Dein Wissen über andere Menschen prägt deine Beziehungen zu ihnen. Eine Freundin könnte zum Beispiel irritiert sein, wenn du ihr einen Fußball zum Geburtstag schenkst, obwohl sie dir in der Vergangenheit gesagt hat, dass sie Volleyball und andere Ballsportarten nicht mag. Bild 1 zeigt ein Beispiel dafür, wie eine "blaue Person" über die Vorlieben einer neuen "grünen Person" denkt und wie diese neue Person Feedback gibt.

Bild 1: Vorlieben und Feedback

Die Fähigkeit, neue soziale Kontakte zu knüpfen, entwickelt sich mit zunehmendem Alter zu einer Gewohnheit. Dies ist darauf zurückzuführen, dass derartige Situationen im Laufe des Lebens immer häufiger auftreten. Jugendliche und Erwachsene könnten sich darin unterscheiden, wie sie Informationen über ihre Altersgenossen aufnehmen und daraus lernen. Deshalb haben wir uns darauf konzentriert, Jugendliche im Vergleich zu Erwachsenen zu untersuchen.

Die Rolle des sozialen Lernens

Soziales Lernen bezeichnet den Prozess, durch den Menschen von, über oder für andere lernen (Rosenblau et al., 2017). Dieser Prozess erfolgt in unterschiedlichen sozialen Kontexten, wie beispielsweise in der Familie oder in der Schule. Dabei werden Verhaltensweisen, Normen, Werte, Fähigkeiten und Einstellungen durch Beobachtung, Kommunikation und Interaktion mit anderen erlernt.

Das Lernen über andere ist eine wichtige Form des sozialen Lernens. Es ist hilfreich, kann aber auch schwierig sein. Manchmal ist es einfach zu wissen, was eine andere Person mag, manchmal denkst du sorgfältig über die Vorlieben der anderen Person für viele verschiedene Gegenstände und Aktivitäten nach. Im Idealfall passt du deine Vorhersagen darüber, was eine Person mag, im Laufe der Zeit an, wenn du von der Person mehr Informationen erhältst.

Wie bereits dargelegt, war es das Ziel unserer Studie, die Unterschiede im sozialen Lernen von Jugendlichen und Erwachsenen zu beleuchten. Wir untersuchten die Gehirnaktivität während sozialer Interaktionen (Ruff & Fehr, 2014; Yang et al., 2015). Mit Hilfe der funktionellen Magnetresonanztomographie ( fMRT) testeten wir, welche Gehirnregionen bei sozialen Lernprozessen beteiligt sind (Hoyos et al., 2019). Wir erwarteten, dass sich die am sozialen Lernen beteiligten Hirnregionen zwischen Jugendlichen und Erwachsenen unterscheiden würden, da sich das Gehirn während der Jugendzeit weiterentwickelt (Mills et al., 2014).

Wie sah die Lernaufgabe in unserer Studie aus?

Wir haben 24 Jugendliche (zwischen 10 und 17 Jahren) und 21 Erwachsene (zwischen 23 und 36 Jahren) eingeladen, an einer Studie zur Gehirnaktivität mittels fMRT teilzunehmen (Bild 2A) (Hoyos et al., 2019). Wir haben versucht, eine experimentelle Aufgabe zu entwerfen, die dem Lernen über die Vorlieben einer Person, die du nicht kennst, im wirklichen Leben möglichst ähnlich ist. Die Teilnehmer:innen an unserer Studie begegneten nicht direkt einer neuen Person, aber bekamen Feedback über die Vorlieben einer echten Person. Sie sahen eine kurze Beschreibung der anderen Person, zum Beispiel eines Studenten namens Martin (Bild 2B). Dann sahen die Teilnehmer:innen ein Bild eines Gegenstands oder einer Aktivität auf dem Bildschirm, zum Beispiel einen Apfel. Die Teilnehmer:innen sollten auf einer 10-Punkte-Skala von 1 (überhaupt nicht) bis 10 (sehr) einschätzen, wie sehr Martin Äpfel mag. Nachdem sie ihre Vorhersage angegeben hatten, erhielten die Teilnehmer:innen eine Rückmeldung und sahen, welche Bewertung Martin auf der Skala für Äpfel angegeben hatte. Dies wurde für viele verschiedene Gegenstände aus drei Kategorien wiederholt: (1) Lebensmittel wie Obst, Gemüse, Süßigkeiten, Fast Food und gesunde Lebensmittel; (2) Modeartikel wie Kleidung, Schuhe, Taschen und Kosmetikartikel; und (3) Gegenstände, die mit Aktivitäten zusammenhängen, wie Spielzeug, Musikinstrumente, Sportgeräte und Bastelgegenständen. In drei Teilen des Experiments lernten die Teilnehmer:innen drei verschiedene Menschen wie Martin kennen. Jugendliche lernten etwas über andere Jugendliche und Erwachsene etwas über andere Erwachsene.

Bild 2: Studiendesign: Jugendliche und Erwachsene bewerten Vorlieben im MRT-Scanner

Wie kann das Lernen über andere gemessen werden?

Zur Messung des Lernens über andere wurden mathematische Modelle verwendet, die im Folgenden näher beschrieben werden und auf unterschiedlichen Annahmen basieren, wie Menschen die Vorlieben anderer bewerten. Mathematische Modelle beschreiben anhand von Formeln, wie sich Menschen im wirklichen Leben und in experimentellen Studien verhalten.

Eine wesentliche Komponente dieser Modelle stellen die Vorhersagefehler dar, welche als Differenz zwischen den Vorhersagen der Teilnehmenden und dem erhaltenen Feedback definiert werden. Diese Differenz kann dazu verwendet werden, um zu testen, in welchem Umfang die Teilnehmer:innen in der Lage waren, die Vorlieben anderer Personen korrekt vorherzusehen.

In dem in Bild 2B gezeigten Beispiel hat der Teilnehmer vorhergesagt, dass Martin Äpfel nicht besonders mag und Äpfel mit einer 4 auf einer Skala von 1 bis 10 bewerten würde. Die Versuchsperson erhielt jedoch die Rückmeldung, dass Martin Äpfel sehr gerne mag. Martin wählte die Bewertung 8. Der Vorhersagefehler beträgt hier 4, denn 8 - 4 = 4. Je kleiner der Vorhersagefehler ist, desto besser sind die Teilnehmer:innen in der Lage, Vorhersagen zu treffen. Wir haben festgestellt, dass die Vorhersagefehler mit der Zeit signifikant kleiner wurden, je mehr Rückmeldungen die Teilnehmer:innen über die andere Person erhielten. Dieser Lernprozess fand sowohl bei Jugendlichen als auch bei Erwachsenen statt. Aber insgesamt hatten Jugendliche signifikant höhere Vorhersagefehler, was darauf hindeuten könnte, dass Jugendliche weniger Erfahrung mit sozialem Lernen haben als Erwachsene.

Auch in vielen anderen Studien wurde untersucht, wie Menschen lernen und ihre Vorhersagen aktualisieren, und zwar anhand einfacher Aufgaben, bei denen es nicht darum geht, etwas über andere Menschen zu lernen. Diese Studien haben detaillierte mathematische Beschreibungen dieser Lernprozesse entwickelt (Niv & Langdon, 2016). 

Welches Modell beschreibt am besten, wie man von anderen lernt?

In unserer Studie haben wir getestet, ob diese Art von mathematischen Modellen auf unsere Studie zum sozialen Lernen über die Vorlieben anderer Menschen erweitert werden kann. Wir untersuchten, wie gut verschiedene mathematische Modelle das Verhalten der Teilnehmer:innen bei der Bewertung der Vorlieben anderer Personen erfassten. Ein gutes mathematisches Modell sollte relativ einfach sein und gleichzeitig die Bewertungen der Teilnehmer:innen gut vorhersagen.

Wie zuvor erläutert, beruhen unsere mathematische Modelle auf unterschiedliche Annahmen bezüglich der Bewertung von Vorlieben. Das erste Modell ging davon aus, dass die Teilnehmer:innen überhaupt nicht lernen. Wenn du eine neue Person kennenlernst, könntest du einfach denken, dass diese Person genau das mag, was du magst. Das könnte am Anfang schlau sein, aber mit der Zeit solltest du lernen, wie sich die andere Person von dir unterscheidet. Die Versuchspersonen mussten dazu am Ende des Experimentes einschätzen, wie gerne sie selbst die verschiedenen Gegenstände und Aktivitäten mögen. 

Unser zweites Hauptmodell ist ein häufig verwendetes Lernmodell, das so genannte Modell des verstärkenden Lernens. Dieses Modell wurde häufig verwendet, um das Lernen sowohl bei Tieren als auch bei Menschen zu beschreiben (Niv & Langdon, 2016). Auf der Grundlage dieses Modells lernen die Teilnehmer:innen durch Rückmeldungen etwas über ihre Umgebung. Nehmen wir an, den Teilnehmer:innen werden zwei Bilder vorgelegt, von denen eines mit größerer und eines mit geringerer Wahrscheinlichkeit eine Belohnung vorhersagt. Wenn die Teilnehmer:innen eines der beiden Bilder auswählen und dann eine Belohnung erhalten, lernen sie, dass es besser ist, dieses Bild in Zukunft zu wählen. Sie lernen, indem sie ihren Vorhersagefehler aktualisieren: die Differenz zwischen ihrer Vorhersage, dass das Bild eine Belohnung bringt, und ob sie tatsächlich eine Belohnung bekommen. Dieser Vorhersagefehler beeinflusst, welches Bild die Teilnehmer:innen in Zukunft wählen. 

Unser drittes Hauptmodell kombinierte die beiden oben beschriebenen Modelle. Dieses dritte Modell geht davon aus, dass die Teilnehmer:innen ihre Einschätzungen der Bewertungen anderer Personen wie im zweiten Modell aktualisieren. Gleichzeitig wird angenommen, dass sie ihre eigenen Präferenzen für den aktuellen Gegenstand verwenden, um die Präferenzen der anderen Personen wie im ersten Modell abzuleiten.

Die angeführten drei Modelle werden mithilfe statistischer Verfahren verglichen. Die statistischen Maße zeigten, dass das Kombinationsmodell am besten in der Lage war, die Beurteilungen der Teilnehmer:innen zu beschreiben, sowohl für Jugendliche als auch für Erwachsene.

Detaillierte Analysen des dritten Modells zeigten auch, dass die Jugendlichen ihre Vorhersagen langsamer aktualisierten als die Erwachsenen. Langsameres Aktualisieren ist nicht unbedingt schlecht, da es nicht automatisch auf weniger effektives Lernen hinweist. Vielmehr zeigte sich, dass die „Aktualisierungsgeschwindigkeit“ mit dem Alter der Jugendlichen zusammenhängt. Es wurde ein quadratischer Zusammenhang zwischen dem Alter der Teilnehmer:innen und ihren Lernraten festgestellt. Dies weist darauf hin, dass sich das Lernen im Verlauf der Adoleszenz verändert, wobei die Lernraten zunächst abnahmen und später wieder anstiegen.

Bild 3: Die fMRT-Ergebnisse im Vergleich

Welche Gehirnregionen sind am Lernen über andere beteiligt?

Wir verknüpften die mathematischen Modelle mit den fMRT-Daten der Teilnehmer:innen (Hoyos et al., 2019). So konnten wir sehen, welche Hirnregionen mit den Vorhersagen und mit den Vorhersagefehlern in Verbindung standen. Wir wollten die Regionen identifizieren, die bei größeren Vorhersagefehlern stärker aktiv sind und bei kleineren Vorhersagefehlern weniger Aktivität zeigen.

Wir erwarteten Aktivität im medialen präfrontalen Kortex (MPFK). Der MPFK ist eine Region im mittleren vorderen Teil des Gehirns hinter der Stirn. Diese Hirnregion wird mit komplexen Lernprozessen und sozialen Denkprozessen in Verbindung gebracht, zum Beispiel mit dem Nachdenken über sich selbst und über andere Menschen (Ruff & Fehr, 2014; Yang et al., 2015). Im Gegensatz zu vielen anderen Hirnregionen, die sich früh im Leben entwickeln, unterliegt der MPFK während der Jugendzeit einem starken Wandel durch Entwicklungsprozesse (Mills et al., 2014). Tatsächlich zeigte sich, dass die Aktivität im MPFK die Vorhersagen von Erwachsenen widerspiegelt und weniger die von Jugendlichen (Bild 3). Im Gegensatz dazu war eine andere Hirnregion, der Gyrus fusiformis, der im hinteren Teil des Gehirns liegt und mit der Verarbeitung visueller Informationen, insbesondere der Gesichtserkennung, in Verbindung steht, bei Jugendlichen mit Vorhersagefehlern assoziiert, jedoch nicht bei Erwachsenen. Dies deutet auf eine entwicklungsbedingte Veränderung in den Gehirnregionen hin, die am sozialen Lernen beteiligt sind. Der Gyrus fusiformis wurde in mehreren Studien wiederholt mit Vorhersagefehlern in sozialen und nicht-sozialen Kontexten in Verbindung gebracht (Garrison et al., 2013; Gu et al., 2016). Jugendliche treffen in beiden Bereichen oft suboptimale Entscheidungen. In nicht-sozialen Belohnungssituationen sind diese Fehler häufig auf erhöhte Impulsivität und eingeschränkte kognitive Flexibilität zurückzuführen (Cohen et al., 2010; Galvan et al., 2006). Die Veränderungen beeinflussen die Art und Weise, wie Jugendliche und Erwachsene Informationen verarbeiten und Entscheidungsfindungen treffen.

Fragen für zukünftige Studien

Es gibt viele Dinge, die man über andere Menschen lernen kann. Zum Beispiel, was würden sie in verschiedenen Situationen tun? Würden sie mit Ihnen etwas teilen oder alles für sich behalten? Solche Verhaltensweisen geben Aufschluss über soziale Präferenzen und Entscheidungsprozesse und könnten zeigen, ob die Mechanismen des Lernens von Vorlieben – wie in dieser Studie untersucht – auch auf das Lernen über soziale Interaktionen und Verhaltensmuster anwendbar sind. Diese Verbindung könnte helfen, das soziale Lernen umfassender zu verstehen und auf verschiedene Kontexte zu übertragen.

Außerdem haben manche Menschen Schwierigkeiten, zu verstehen, was andere denken oder fühlen. Jugendliche auf dem Autismus-Spektrum könnten zum Beispiel Unterschiede beim sozialen Lernen aufweisen.

Die Autismus-Spektrum-Störung ist durch anhaltende Probleme in der sozialen Kommunikation und Interaktion sowie durch eingeschränkte, sich wiederholende Verhaltensmuster, Interessen oder Aktivitäten gekennzeichnet (Theunissen, 2020).

Es wäre interessant zu wissen, welche Gehirnregionen am sozialen Lernen von Kindern mit einer solchen Diagnose beteiligt sind und ob ihnen eine bestimmte Art von Training helfen kann.

Unsere Ergebnisse tragen dazu bei, besser zu verstehen, wie sich das Lernen über andere Menschen im Laufe der Entwicklung verändert und wie unterschiedliche Gehirnregionen in diesem Prozess involviert sind. Diese Erkenntnisse könnten nicht nur zur Verbesserung des Verständnisses der sozialen Entwicklung von Jugendlichen beitragen, sondern auch praktische Anwendungen für die Unterstützung von Menschen mit besonderen Lernbedürfnissen bieten.

Zusammenfassung

Unsere Studie hat das soziale Lernen von Jugendlichen und Erwachsenen verglichen und untersuchte die beteiligten Gehirnregionen. Dabei lernten die Teilnehmer:innen, die Vorlieben anderer Personen einzuschätzen und ihre Vorhersagen anhand von Feedback anzupassen. Jugendliche zeigten etwas höhere Vorhersagefehler. Mathematische Modelle, die eigene Präferenzen und das Lernen über andere kombinierten, konnten die Antworten der Teilnehmer:innen am besten beschreiben. Die Gehirnaktivität unterschied sich zwischen den Altersgruppen, wobei der mediale präfrontale Kortex bei Erwachsenen stärker aktiv war und der Gyrus fusiformis bei Jugendlichen. Diese Erkenntnisse helfen zu verstehen, wie sich Jugendliche entwickeln und wie sie über andere lernen. Zukünftige Studien könnten sich darauf konzentrieren, wie Menschen über verschiedene Aktivitäten lernen und ob bestimmte Gruppen, wie Jugendliche mit Autismus, Unterschiede im sozialen Lernen aufweisen. Insgesamt verdeutlicht unsere Studie die Bedeutung von Verhaltensdaten und Hirnaktivität bei der Erforschung des sozialen Lernens.

Literaturverzeichnis

Cohen, J. R., Asarnow, R. F., Sabb, F. W., Bilder, R. M., Bookheimer, S. Y., Knowlton, B. J. & Poldrack, R. A. (2010). A unique adolescent response to reward prediction errors. Nature Neuroscience, 13(6), 669–671. https://doi.org/10.1038/nn.2558

Galvan, A., Hare, T. A., Parra, C. E., Penn, J., Voss, H., Glover, G. & Casey, B. J. (2006). Earlier Development of the Accumbens Relative to Orbitofrontal Cortex Might Underlie Risk-Taking Behavior in Adolescents. Journal Of Neuroscience, 26(25), 6885–6892. https://doi.org/10.1523/jneurosci.1062-06.2006

Garrison, J., Erdeniz, B. & Done, J. (2013). Prediction error in reinforcement learning: A meta-analysis of neuroimaging studies. Neuroscience & Biobehavioral Reviews, 37(7), 1297–1310. https://doi.org/10.1016/j.neubiorev.2013.03.023

Gu, Y., Hu, X., Pan, W., Yang, C., Wang, L., Li, Y. & Chen, A. (2016). Neural activities underlying the feedback express salience prediction errors for appetitive and aversive stimuli. Scientific Reports, 6(1). https://doi.org/10.1038/srep34032

Hoyos, P. M., Kim, N. Y. & Kästner, S. (2019). How is magnetic resonance imaging used to learn about the brain? Frontiers For Young Minds, 7. https://doi.org/10.3389/frym.2019.00086

Mills, K. L., Goddings, A. & Blakemore, S. (2014). Drama in the teenage brain. Frontiers For Young Minds, 2. https://doi.org/10.3389/frym.2014.00016

Niv, Y. & Langdon, A. (2016). Reinforcement learning with Marr. Current opinion in behavioral sciences (Print), 11, 67–73. https://doi.org/10.1016/j.cobeha.2016.04.005

Ruff, C. C. & Fehr, E. (2014). The neurobiology of rewards and values in social decision making. Nature Reviews Neuroscience, 15(8), 549–562. 

Theunissen, G. (2020). Autismus verstehen: Außen- und Innensichten. Kohlhammer Verlag.

Westhoff, B., Koele, I. J. & Van De Groep, I. H. (2020). Social learning and the brain: How do we learn from and about other people? Frontiers For Young Minds, 8. https://doi.org/10.3389/frym.2020.00095

Yang, Y., Rosenblau, G., Keifer, C. M. & Pelphrey, K. A. (2015). An integrative neural model of social perception, action observation, and theory of mind. Neuroscience & Biobehavioral Reviews, 51, 263–275. https://doi.org/10.1016/j.neubiorev.2015.01.020

Bildquellen

Bild 1:Abbildung aus Korn & Rosenblau (2020), verwendet unter CC BY-Lizenz

Bild 2:Abbildung aus Korn & Rosenblau (2020), verwendet unter CC BY-Lizenz

Bild 3:Abbildung aus Rosenblau et al. (2018), verwendet unter CC BY-Lizenz