adamaiken89/learn-something

Learn Something Framework

Verwandle ein Thema in einen strukturierten Lehrplan durch eine interaktive LLM-Sitzung. Lerne via CLI: Lektionen lesen, erklären, Multiple-Choice-Fragen üben, verteiltes Wiederholen.

1. Pädagogik

Drei Theorien vereint:

Theorie	Rolle der KI	Gelöstes Problem
Marva Collins	Sokratischer Tutor. Strenge Q&A, hohe Erwartungen, endlose Geduld	Braucht einen großartigen Lehrer. KI wird nie müde.
Feynman-Technik	Lückenfinder. Lernende erklären einfach → KI findet Löcher	Illusion des Verstehens
Wünschenswerte Schwierigkeiten	Zeitplaner für verteiltes Lernen. FSRS-Abruf + verschachteltes Üben	Passives erneutes Lesen

Sitzungsphase → Theorienzuordnung

Phase	Theorie	Lernende/r	KI/CLI
Lesen	Marva	Lektion studieren	Klaren Inhalt schreiben
Erklären	Feynman	Konzept einfach erklären	Hinterfragen: „Du sagtest X, aber Y – wie passt das zusammen?“
Üben	Marva + Wünschw.	MCQs beantworten, begründen	Benoten, Distraktoren erklären
Beurteilen	Marva	Kritisieren, Meinung bilden	Sokratisches Nachfragen
Wiederholen	Wünschw.	Aktiver Abruf via FSRS	Optimale Intervalle planen

Zeitbudget

• Thema: max. 40 h (13 Wo × 3 h/Wo)
• Modul: 1,5–3 h, ~15–20 pro Thema
• SRS-Wiederholung: ~10–15 min täglich

2. Inhaltsstruktur

<thema>/
├── syllabus.yaml             # Kursspezifikation
├── modules/
│   ├── NN-name/
│   │   ├── lesson.md         # Kerninhalt + Übungen
│   │   ├── quiz.yaml         # 8–10 MCQs
│   │   └── cloze.yaml        # 8–10 Lückentextfragen
│   └── ...
└── srs/
    ├── deck.json             # FSRS-5 Karten
    └── stats.json            # Verlauf

Vollständige Vorlagen in templates/. Schlüsseldateien: syllabus.yaml (20-Modul-Gerüst), module.md (Lektionsstruktur), quiz.yaml (4-Optionen-MCQ-Format).

3. Protokoll zur Erstellung von Inhalten

Arbeitsablauf

1. Umfang (5 Min): Fachgebiet/Niveau/Zeitbudget/Sprache/Anwendungsfall erfragen. Syllabus vorschlagen.
2. Gliederungsphase: Modul-DAG + Voraussetzungskette prüfen. Zeitbudget überprüfen. 3. Pro Modul (10 Min): Modul mit learn.sh create-module <thema> NN-name erstellen. Null-aufgefüllte zweistellige Zahl + Bindestrich-Name (z. B. 01-einführung, 02-grundkonzepte). lesson.md + quiz.yaml schreiben. 16 Qualitätsregeln inline anwenden. lesson.md ≤12.000 Zeichen halten. Bei Inhaltsüberlauf in zusätzliche Module aufteilen und Syllabus aktualisieren. Benutzer prüft. Fortfahren. 3.5. Syntax validieren: learn.sh validate-content <thema> [modul] ausführen. Alle Markdown- + Mermaid-Fehler beheben, bevor fortgefahren wird.
3. Vor Veröffentlichung: content-verify.md laden. Checkliste durchgehen. Verstöße beheben.
4. SRS kompilieren (2 Min): MCQs extrahieren → FSRS-5 Deck.
5. Kumulative Tests: Nach jeweils 3–5 Modulen cumulative_quiz.yaml im Themenverzeichnis erstellen. 8–10 Fragen mit Mischung aus Lückentext, MCQ, R/F. Jede mit source_modules markiert. Antworten auf A–D verteilt.

Inhaltsprinzipien

• CILO-Ausrichtung: Jedes Modul dient ≥1 Lernziel. Kein Füllstoff.
• Sprache: Alle Inhalte in der Sprache von syllabus.yaml (en/zh/yue).
• Praktisch zuerst: Mit konkretem Beispiel beginnen, bevor abstrakte Definition kommt.
• Fachgebietsrelevant: Szenarien aus der Branche des Lernenden.
• Lückentext-Streichungen: Jedes Modul erhält 3–5 Lücken ({begriff}). Lernende füllen vor dem Fortfahren aus. Erzwingt Abruf während des Lesens.
• Nächsten Schritt vorhersagen: Jede Kausalkette erhält 2–3 Vorhersageblöcke. Lernende legen Ergebnis vor der Enthüllung fest.
• Fehler erkennen: Jedes Modul erhält 1–2 „Finde den Fehler“-Übungen. Fehlergesteuertes Lernen fördert diagnostische Fähigkeiten.
• Duale Kodierung: Jedes Konzept erhält ein Diagramm (Mermaid, ASCII oder strukturierte Hierarchie).
• MCQ-Vielfalt: 40 % Abruf, 40 % Anwendung, 20 % mehrschrittig.
• Feynman-Aufforderung: Jede Lektion endet mit Erklärungsaufgabe + KI-Lückenüberprüfung.
• Wünschenswerte Schwierigkeit: Gleiches Konzept wird in verschiedenen Modulen aus unterschiedlichen Blickwinkeln getestet.
• Zeitbudget: Modul ≤3 h. Thema ≤40 h.
• Modulgrößenbeschränkung: Jedes Modul lesson.md ≤12.000 Zeichen. Grenze überschritten? Thema in mehr Module aufteilen. Modulanzahl im Syllabus entsprechend anpassen.
• Fortschritt: Auf Voraussetzungen aufbauen. Frühere Module grundlegend.
• Überspringen erlaubt: Lernende geben wenig Input? Trotzdem Inhalt mit sinnvollen Standardwerten generieren. Nicht blockieren.
• Sokratisch durchgängig: Jedem größeren Konzept folgt eine Frage, die den Lernenden zum Innehalten und Nachdenken bringt – nicht nur am Ende des Moduls, sondern inline nach jeder neuen Idee. Frage → kurze Antwort/Erklärung unmittelbar danach, damit Lernende sich selbst überprüfen können. Muster: Konzept darlegen → „Warum?“ oder „Was wäre, wenn?“ fragen → antworten.
• Mermaid-Diagramme: Für Konzepte mit Verzweigungslogik, Zustandsmaschinen, Arbeitsabläufen oder Kausalketten: Mermaid-Flussdiagramm/Sequenzdiagramm/Zustandsdiagramm generieren. Thema injiziert automatisch neutral für Dunkel-/Hellkompatibilität. Gedämpfte Erdtöne-Palette für style-Füllungen verwenden – sowohl in dunklen als auch in hellen Designs sichtbar. Palette: Blau #5c7a99, Grün #5c8a6a, Orange #b8924a, Rot #b86a4a, Lila #7a5a8a, Grau #888. Striche: dunklere Schattierung der Füllung oder #333 verwenden. Beispiel: style A fill:#5c7a99,stroke:#333. Nach Konzeptide, vor Denkfrage platzieren.
• Modul-Mindmap: Jedes Modul erhält eine Mermaid-Mindmap am Anfang von lesson.md (nach Metadaten, vor Lernzielen). Zeigt Wissenshierarchie: zentrales Konzept → Schlüsselthemen → Unterkonzepte. mindmap-Syntax verwenden. Max. 3 Ebenen tief.
• Antwortverteilung: MCQ-Antwortschlüssel müssen auf A/B/C/D verteilt sein. Nicht mehr als 2 aufeinanderfolgende Fragen haben denselben Antwortbuchstaben. Vorlage zeigt B als Beispiel – bei der Generierung rotieren.
• Kumulative Tests: Nach jeweils 3–5 Modulen cumulative_quiz.yaml im Themenverzeichnis erstellen. 8–10 Fragen mit Mischung aus Lückentext, MCQ, R/F. Jede Frage mit source_modules markiert. Antworten auf A–D verteilt.

Inhaltsqualitätsregeln (16)

#	Regel	Vorgehen	Schlechtes Beispiel → Gutes Beispiel
1	Konventionen erklären	Angeben, warum eine Konvention existiert, nicht nur, was sie ist	„Preis mit 95 notiert“ → „95 = 95 % von 1.000 $ Nennwert. Die Prozentkonvention ermöglicht den Vergleich von Anleihen mit unterschiedlichen Nennwerten.“
2	Implizite Fragen beantworten	1–3 Fragen antizipieren, die der Lernende nicht gestellt hat	Stillschweigend zu Kupons → „Ändert sich der Kupon jemals? Nein bei festverzinslichen. Ja bei FRNs (setzt sich regelmäßig zurück).“
3	Pull-to-Par-Intuition	Erklären, dass Preis → Nennwert bei Fälligkeit mechanisch ist	„Der Preis konvergiert zum Nennwert, weil die Zeit schrumpft + der Barwert der verbleibenden Zahlungsströme zum Kapital konvergiert. Nicht durch Zinssätze getrieben.“
4	Kausalkette zuerst	Intuitive Logik vor Formel	Sprung zur Anleihenpreisformel → „Neue Anleihen zahlen 6 %. Meine Anleihe zahlt 4 %. Meine ist weniger wert → Preis sinkt, bis die Rendite übereinstimmt.“
5	Praktischer Kontext	Jede Zahl erhält eine reale Bedeutung	„Duration 7,5“ → „1 % Zinsanstieg → ~7,5 % Kursrückgang (nur bei kleinen Bewegungen; Konvexitätsanpassung bei großen).“
6	„Wie wahrscheinlich“	Normale vs. seltene Häufigkeiten nennen	Weglassen → „Die Zinskurve invertiert selten. Jeder Inversion ging eine Rezession voraus (~8 Monate). Nicht perfekt vorhersagbar.“
7	Häufige Missverständnisse	1–2 spezifische Fehler kennzeichnen, die Anfänger haben	„Höherer Kupon = bessere Anleihe“ → „Nein. Discount-Anleihen haben einen eingebauten Kursgewinn bei Fälligkeit (Accretion).“
8	Sokratisch durchgängig	Jeder Konzeptabschnitt enthält eine Denkfrage + sofortige Antwort	Lernender liest passiv → gezwungen, innezuhalten, zu verarbeiten

…