Was bringt intensive Computernutzer dazu, ihre Freizeit am Rechner zu verbringen, und gibt es hierbei Unterschiede zwischen verschiedenen Nutzertypen? N = 271 Personen nahmen an einer online Befragung zu Anreizen freizeitlicher Computernutzung teil. Durch ausgewählte Internetverteiler waren gezielt besonders engagierte Computernutzer angesprochen worden (M = 3,9 Freizeitstunden am Rechner pro Tag). Für diese Nutzer fanden sich (in der Reihenfolge ihres Gewichtes) folgende Anreizfaktoren: Zugehörigkeit/Gemeinschaft; Kompetenzerleben; Vielseitigkeit/Nutzen; Langeweilevermeidung; rebellische Illegalitätstendenz. Gruppiert nach ihren bevorzugten Nutzungsweisen fanden sich drei Nutzertypen: Zweckorientierte Nutzer (58%), Hacker (= Eindringen in fremde Systeme ohne Schädigungsabsicht, 22%) und Cracker (Eindringen mit Schädigungsabsicht, 20%). Diese Nutzertypen unterschieden sich deutlich in ihrem Anreizprofil. Hacking und Cracking, nicht aber zweckorientierte Nutzungsweisen waren korreliert mit Flow-Erleben und positiver Aktivierung am Rechner. Die Ergebnisse sind nicht repräsentativ für alle Freizeitnutzer. Sie beziehen sich auf eine gezielt rekrutierte Stichprobe besonders engagierter Computernutzer, die über spezifische Netzwerke (z. B. relevante Fachschaften, Chaos Computer Club) erreichbar sind.

Bei N = 101 Arbeitnehmern verschiedener Berufe wurden mit der Experience Sampling Method (ESM) eine Woche lang Daten zum Flow-Erleben, zu Glück/Zufriedenheit und zur Zielausrichtung laufender Aktivitäten erhoben (N = 4603 Messungen). Die Daten wurden mit GLMM-Analysen ausgewertet. Auch bei der jetzt vollständigen Erfassung aller Flow-Komponenten mit der FKS bestätigte sich das „Paradoxon der Arbeit“, wonach während der Arbeit höhere Flow-Werte, aber niedrigere Werte für Glück/Zufriedenheit auftreten als jeweils in der Freizeit. Während der Arbeit waren Aktivitäten häufiger auf die Erreichung von Zielen ausgerichtet als während der Freizeit. Die Zielausrichtung wirkte auf Flow vs. Glück/Zufriedenheit signifikant verschieden. Während der Arbeit hat die Zielausrichtung auf Flow einen stark positiven Effekt, auf Glück/Zufriedenheit jedoch nicht. Im Freizeitbereich war der Effekt von Zielausrichtung auf Glück/Zufriedenheit sogar negativ. Das „Paradoxon der Arbeit“ lässt sich partiell als Effekt der Zielausrichtung verstehen. / For a week, data of N =101 employees with different professions was collected with the Experience Sampling Method (N = 4603 measurements). These data included flow-experience, happiness/satisfaction and goal adjustment of current activities. The data were analysed with GLMM. Flow-experience was measured with all components (FKS) and they confirmed the "paradox of work" (i.e., flow-scores are higher during work but scores for happiness/satisfaction are higher during spare time). During work, participants activities were more often directed towards reaching a goal. The effects of goal adjustment on flow vs. happiness/satisfaction differed significantly. During work goal adjustment had a strong positive effect on flow, but not on happiness/satisfaction. During leisure time goal adjustment had even a negative effect on happiness/satisfaction but a positive on flow. The "paradox of work" could be partially attributed to the stronger goal adjustment during work.

Im kognitiv-motivationalen Prozessmodell des Lernens wird angenommen, dass der Lernerfolg von der Qualität und der Dauer ausgeführter Lernaktivitäten, aber auch vom Funktionszustand des Lerners während der Lernphase abhängt. Es wird vermutet, dass eine von mehreren Variablen des Funktionszustandes der Flow-Zustand während des Lernens ist. In einer Untersuchung in universitären Fremdsprachenkursen zeigte sich in der Tat, dass Flow-Erleben während des Unterrichts die späteren Lernleistungen auch dann vorhersagt, wenn der Leistungseffekt relevanter Lernkompetenzvariablen vorweg berücksichtigt wird. Gemäß dem kognitiv-motivationalen Prozessmodell wird Flow-Erleben seinerseits über die aktuelle Motivation vor der Lernphase vorhergesagt, wobei die wiederum von einer allgemeineren Motivationsvariablen zu Semesterbeginn abhängt. Diese Struktur wurde in einer zweiten Untersuchung repliziert und zwar an Studenten im Verlauf ihrer Statistikausbildung im Fach Psychologie. Beide Ergebnisse sprechen dafür, dass Flow- Erleben während des Lernens eine leistungsrelevante Variable des Funktionszustandes beim Lernen ist, die sich in ihrer Beziehungsstruktur erwartungsgemäß in das kognitivmotivationale Prozessmodell einpassen lässt. / According to the cognitive-motivational model of learning, achievement depends on the quality and quantity of learning activities as well as on the functional state during learning. We assumed that the flow-experience is one indicator of the functional state. In a study conducted in foreign language courses we demonstrated that flow-experience predicts achievement, even when controlled for ability. In accordance with the cognitive-motivational model, flow-experience was predicted by the actual motivational state, which was itself dependent on students' motivation at the beginning of the semester. This pattern of relationships was replicated in a second study conducted in a course on elementary statistics for psychology students. The results of both studies indicate that flow-experience is an indicator of the functional state relevant for learning outcome. The general pattern of the results also fits nicely with the proposed relationships of the cognitive-motivational model of learning.

Ausgehend von einer Charakterisierung des Flow-Erlebens als gaenzliches Aufgehen in einem glatt laufenden Taetigkeitsvollzug, den man trotz hoher Beanspruchung noch unter Kontrolle hat, wird auf die Erfassung dieser Motivationskomponente eingegangen. Dargestellt und diskutiert werden Vor- und Nachteile der bisherigen qualitativen (Interviews) und quantitativen Flow-Erfassung (Experience Sampling Method (ESM)) . Ausfuehrlicher wird eine "Flow-Kurzskala" (FKS) beschrieben, die mit zehn Items alle qualitativ verschiedenen Komponenten des Flow-Erlebens oekonomisch und reliabel erfasst. Sie liefert einen Gesamtwert sowie Werte fuer zwei Subskalen (glatter automatisierter Verlauf sowie Absorbiertheit). Daneben erfassen drei zusaetzliche Items die Besorgnis in der aktuellen Situation. Berichtet werden Vergleichskennwerte aus punktuellen Messungen und ESM-Studien. Die hoechsten Werte fuer Flow und Besorgnis wurden bislang bei Graffiti-Sprayern gefunden. Bei einer intellektuell herausfordernden Aufgabe (Postkorbuebung) sind die FKS-Werte mit der Hoffnung-auf-Erfolg-Komponente des Leistungsmotivs korreliert. Furcht-vor-Misserfolg korreliert dagegen mit dem Besorgniswert der FKS. Flow waehrend der Bearbeitung von Uebungsaufgaben fuer Statistik lieferte einen signifikanten Beitrag zur Vorhersage der nachfolgenden Klausurleistung. Dieser Beitrag blieb erhalten, auch wenn Faehigkeitsmasse kontrolliert wurden. (Buch/A.G. - ZPID)

Berichtet wird über eine Möglichkeit, Flow-Erleben unter experimentell kontrollierten Bedingungen systematisch zu variieren. Dabei werden die Tätigkeit (das Computerspiel <i>Roboguard</i>) und die Situationsbedingungen konstant gehalten. Variiert wird lediglich die Schwierigkeitsstufe, auf der gespielt wird. Als abhängiges Maß wurde die Flow-Kurzskala (FKS, Rheinberg, Vollmeyer & Engeser, 2002) verwandt. Es zeigten sich die vorhergesagten kurvilinearen Beziehungen zwischen Anforderungsstufe und Flow mit Effektstärken um 1 und größer. Zusammenhänge zwischen habitueller Zielorientierung (Hayamizu & Weiner, 1991) und Flow zeigten sich nur bei den flow-auslösenden Schwierigkeitsstufen. Es gab keine negative Beziehung zwischen Zielorientierung und Flow, vielmehr korrelierten sowohl die learning- als auch die performance goal orientation positiv mit der Flowkomponente Absorbiertheit. Aus diesem Befund wird eine Arbeitshypothese zur Beziehung von Motivation und Flow hergeleitet, wonach unter optimalen Bedingungen Besonderheiten der Initialmotivation vielleicht dann keine Rolle mehr spielen, wenn die Person erst einmal im Flow-Zustand ist. / The study presents a technique how to manipulate flow-experience via the computer game <i>Roboguard</i>. Under experimentally controlled conditions all parameters of the game and the situation were kept constant except the difficulty level the participants had to play on. Flow was assessed with the Flow Short Scale (FKS, Rheinberg et al., 2002). As predicted we received the highest Flow score on the medium/optimal level in comparison with an easy and difficult level (d > 1.0). We could not confirm the predicted negative effect of approval seeking goals (AGT, Hayamizu & Weiner, 1991) on Flow experience. Instead all three AGT subscales correlated positively with the FKS-subscale absorption. Perhaps qualitative differences in initial motivation loose their influence if participants experience Flow under optimal conditions.