Detailansicht
From imagination to creation?
how large language models change maker practice
Celina Mueller
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Philosophie und Bildungswissenschaft
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Joint-Degree Middle European interdisc. master prog. in Cognitive Science
Betreuer*in
Tomás Gál
DOI
10.25365/thesis.82101
URN
urn:nbn:at:at-ubw:1-20052.71195.384199-6
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Making, eine Idee in ein Artefakt zu überführen, erfordert die Überbrückung der Distanz zwischen Vorstellung und Ausführung. Diese Distanz hat kognitive Wurzeln: Einschränkun- gen des Working Memory, Element Interactivity und der Bedarf an domänenspezifischen Schemas. Large Language Models (LLMs) sind ein neuartiges Tool, das durch Erklärung und Instruktion in natürlicher Sprache wirkt, also dort, wo domänenspezifische Schemas aufgebaut werden oder nicht entstehen. Making, post-2010 Cognitive Load Theory (CLT) und LLMs wurden bisher nicht gemeinsam untersucht. Diese Arbeit fragt, wie LLMs den Cognitive Load im Making verändern und ob sie ihn reduzieren oder nur seine Form ändern. Die zentrale These lautet, dass LLMs Cognitive Load umverteilen, anstatt ihn zu reduzieren. Das Problemlösen bleibt beim Maker. Load, der zuvor in der Domänenaufgabe konzentriert war, würde sich auf diese und die Interaktionsaufgabe verteilen. Die Arbeit konzeptualisiert die Cascade of Translations, die abbildet, was Making von der Intention bis zum Artefakt über sechs Schritte verlangt, und verfolgt, wie sich Cognitive Load an jedem Schritt verschieben könnte, wenn ein LLM beteiligt ist. Sechs Load-Typen werden vorgeschlagen: Verification Load, Modal Gap Load, Language Bottleneck, Prompt Formulation Load, Context Management Load und Intent Monitoring. Die Arbeit formuliert das Engagement Criterion: Die Auseinandersetzung mit der konzeptuellen Struktur des Problems, nicht Anstrengung oder Aufgabenabschluss, ist die relevante Variable für Schema Formation. Die Umverteilung würde nicht gleichmäßig ausfallen. Verification Load konzentriert sich wahrscheinlich dort, wo Schemas am wenigsten vorhanden sind, und belastet damit Novizen am stärksten. Wenn die Umverteilung zutritt, liegt die Erklärungskraft in dem, was innerhalb der Interaktion geschieht, und ein Vergleich von LLM-Einsatz mit Nicht-Einsatz oder einem anderen Tool untersucht den falschen Kontrast. Die Arbeit ist ein theoretischer Beitrag. Die Umverteilungsthese wird an ihrer Kohärenz mit post-2010 CLT und ihrer Passung zu Praxisberichten aus Online-Foren und Blogs gemessen. Empirische Überprüfung bleibt offen.
Abstract
(Englisch)
Making, turning an idea into an artifact, requires bridging the gap between imagination and creation. That gap has cognitive roots: working memory constraints, element interactivity, and the need for domain-specific schemas. Large language models (LLMs) are a new kind of tool that works through explanation and instruction in natural language, where domain schemas are built or fail to form. Making, post-2010 Cognitive Load Theory (CLT), and LLMs have not been examined together. This thesis asks how LLMs change the cognitive load of making, and whether they reduce it or only change its form. The central claim is that LLMs redistribute cognitive load rather than reduce it. The maker’s problem-solving remains the maker’s. Load once concentrated in the domain task would spread across that task and the interaction task. The thesis introduces the cascade of translations, which maps what making demands from intention to artifact across six steps, and traces how load could shift at each step under an LLM. It identifies six load-type constructs: verification load, modal gap load, language bottleneck, prompt formulation load, context management load, and intent monitoring. It proposes the engagement criterion, on which engagement with the conceptual structure of the problem, not struggle or task completion, is the relevant variable for schema formation. The redistribution would not fall evenly. Verification load likely concentrates where schemas are thinnest, placing the heaviest burden on novices. If redistribution holds, what happens within the interaction carries the explanatory weight, so comparing LLM use to non-use or another tool studies the wrong contrast. This is a theoretical contribution. The redistribution claim is evaluated by its coherence with post-2010 CLT and its fit with practitioner accounts from online forums and blogs. Empirical testing remains open.
Schlagwörter
Schlagwörter
(Deutsch)
Cognitive load theory Large language models Making Neuverteilung kognitiver Belastung Elementinteraktivität Schemaformatierung
Schlagwörter
(Englisch)
Cognitive load theory Large language models Making redistribution element interactivity schema formation
Autor*innen
Celina Mueller
Haupttitel (Englisch)
From imagination to creation?
Hauptuntertitel (Englisch)
how large language models change maker practice
Paralleltitel (Deutsch)
Von der Imagination zur Kreation?
Paralleluntertitel (Deutsch)
wie Large Language Models die Maker-Praxis verändern
Publikationsjahr
2026
Umfangsangabe
vi, 106 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Tomás Gál
AC Nummer
AC18051073
Utheses ID
81623
Studienkennzahl
UA | 066 | 013 | |