Kurzfassung. Die Behauptung, trainierte Fähigkeiten brächen nach einem Jahr ohne Nutzung zusammen, geht auf eine einzige Metaanalyse von 1998 zurück. Liest man deren eigene Tabelle der Behaltensintervalle Zeile für Zeile, fallen zwei Dinge auf: 50% der Datenpunkte stammen aus Intervallen von sieben Tagen oder weniger, nur 1,7% aus Intervallen jenseits eines Jahres, und die Spalte der Effektstärken fällt nicht monoton. Eine Metaanalyse von 2025 im Psychological Bulletin hat die Frage mit 1.344 Effektstärken aus 457 Berichten neu aufgesetzt und stattdessen Halbwertszeiten berichtet: die Hälfte der erworbenen Zugewinne nach etwa 6,5 Monaten bei Genauigkeitsmaßen verloren, nach 13 Monaten bei Geschwindigkeitsmaßen, nach 11 Monaten bei gemischten Maßen. Der einzige Moderator, der den Verfall verlässlich verlangsamte, war die Gelegenheit, die Fähigkeit zwischendurch tatsächlich auszuführen. Komplexität und realer Kontext halfen ebenfalls, beide in die entgegengesetzte Richtung zu dem, was die meisten annehmen.
Ein CEO wartet eine Fabrik nicht, indem er fragt, ob die Maschinen noch laufen. Er fragt, wie oft jede einzelne gewartet werden muss, und plant die Wartung, bevor etwas ausfällt. Ihre eigenen Fähigkeiten verdienen dieselbe Behandlung, und zum ersten Mal gibt es eine belastbare Zahl, gegen die sich planen lässt. Aber Sie müssen die Evidenz sorgfältig lesen, denn die meistzitierte Fassung sagt nicht das, was die meisten glauben.
Die Zahl, die alle zitieren, und woher sie wirklich stammt
Wer im letzten Jahrzehnt etwas über Kompetenzverfall gelesen hat, kennt eine Variante davon: Trainierte Fähigkeiten verschlechtern sich bei Nichtnutzung erheblich, mit Effektstärken bis d = -1,4 nach einem Jahr ohne Übung. Diese Zahl stammt aus der Metaanalyse von Arthur, Bennett, Stanush und McNelly, 1998 in Human Performance erschienen, die 189 unabhängige Datenpunkte aus 53 Artikeln zusammenführte. Es ist eine wirklich wichtige Arbeit und wird seit einem Vierteljahrhundert zitiert.
Ihre Tabelle 3 zerlegt das Gesamtergebnis in acht Bänder von Behaltensintervallen. Fast niemand liest diese Tabelle. Wir haben es getan und sie unten mit zwei Spalten rekonstruiert, die das Original nicht abdruckt: welchen Anteil an der gesamten Evidenzbasis jedes Band ausmacht.
Originalanalyse: woraus die kanonische Evidenzbasis zum Kompetenzverfall tatsächlich besteht
CEOtudent-Redaktionsframework. Datenpunkte, Stichprobengrößen und mittlere d-Werte sind direkt aus Arthur et al. 1998 Tabelle 3 entnommen; die beiden Anteilsspalten sind unsere Berechnung. Die Datenpunktspalte summiert sich auf 178 und die Stichprobenspalte auf 8.719, was den in der Arbeit berichteten Summen entspricht und die Lesung bestätigt.
| Behaltensintervall | Datenpunkte | Anteil Datenpunkte | Stichprobe | Anteil Stichprobe | Mittleres d |
|---|---|---|---|---|---|
| Weniger als 1 Tag | 3 | 1,7% | 45 | 0,5% | +0,02 |
| 1 bis 7 Tage | 89 | 50,0% | 3.325 | 38,1% | -1,03 |
| 8 bis 14 Tage | 13 | 7,3% | 680 | 7,8% | -1,54 |
| 15 bis 28 Tage | 19 | 10,7% | 766 | 8,8% | -0,95 |
| 29 bis 90 Tage | 33 | 18,5% | 2.656 | 30,5% | -0,65 |
| 91 bis 180 Tage | 7 | 3,9% | 302 | 3,5% | -1,42 |
| 181 bis 365 Tage | 11 | 6,2% | 670 | 7,7% | -1,04 |
| Mehr als 365 Tage | 3 | 1,7% | 275 | 3,2% | -1,28 |
| Gesamt | 178 | 100% | 8.719 | 100% | -0,97 |
Daraus folgen drei Beobachtungen, und keine davon steht in der populären Zusammenfassung.
Erstens ist dies überwiegend eine Literatur über die erste Woche. Die Hälfte aller Datenpunkte liegt im Band 1 bis 7 Tage. Zählt man das Band unter 24 Stunden dazu, messen 51,7% der Evidenzbasis das Behalten über eine Woche oder weniger. Das ist keine Kritik an den Autoren, die zusammenführten, was vorhanden war. Es ist ein Hinweis darauf, was die aggregierte Zahl bedeutet.
Zweitens ist das Intervall, das die Menschen wirklich interessiert, das dünnste. Nur drei Datenpunkte mit 275 Teilnehmenden messen das Behalten jenseits eines Jahres. Das sind 1,7% der Evidenzbasis, die das Gewicht des meistzitierten Satzes der Arbeit tragen.
Drittens fällt die Spalte nicht gleichmäßig. Der Verfall nach 8 bis 14 Tagen (-1,54) ist tiefer als der nach mehr als 365 Tagen (-1,28). Das Band 29 bis 90 Tage (-0,65) ist das flachste aller Bänder nach dem ersten Tag, flacher noch als die erste Woche. Was auch immer der zugrunde liegende Prozess ist, die Zeile-für-Zeile-Tabelle ist nicht die saubere Exponentialkurve, als die das Konzept üblicherweise gezeichnet wird. Bemerkenswert ist auch, dass die aus dieser Arbeit zitierte Schlagzeilenzahl -1,4 dem Betrag nach größer ist als die Zeile für mehr als 365 Tage in ihrer eigenen Tabelle 3 und stattdessen der Zeile 91 bis 180 Tage entspricht.
Nichts davon macht Kompetenzverfall unwirklich. Es macht die kanonische Quelle zu einer schwächeren Planungsgrundlage, als ihr Ruf nahelegt.
Zwei Metaanalysen, ein Zeitfenster, doppelte Uneinigkeit
Arthur und Kollegen waren nicht das letzte Wort. Eine zweite Metaanalyse von Wang, Day, Kowollik, Schuelke und Hughes, 2013 im Band Individual and Team Skill Decay erschienen, ging derselben Frage nach und fand einen Verfall, der in ihrer eigenen Formulierung moderater ausfiel: unmittelbar nach dem Erwerb trivial (δ = -0,08), ansteigend auf δ = -0,71 bei einem Behaltensintervall zwischen 90 und 180 Tagen.
Stellt man das neben die eigene Zeile 91 bis 180 Tage der Arthur-Tabelle, ergibt sich ein direkter Vergleich, den niemand abdruckt.
Originalanalyse: dasselbe Behaltensfenster, bewertet von drei Forschungsteams
CEOtudent-Redaktionsframework. Jede Zahl wird von der genannten Quelle berichtet; die Verhältnis- und Skalenspalten sind unsere Berechnung.
| Quelle | Berichte | Effektstärken oder Datenpunkte | Schätzung bei rund 90 bis 180 Tagen | Evidenzbasis vs. 1998 |
|---|---|---|---|---|
| Arthur, Bennett, Stanush und McNelly, 1998 | 53 | 189 | d = -1,42 | Ausgangswert |
| Wang, Day, Kowollik, Schuelke und Hughes, 2013 | hier nicht berichtet | hier nicht berichtet | δ = -0,71 | nicht vergleichbar |
| Tatel und Ackerman, 2025 | 457 | 1.344 | als Steigung berichtet, nicht als Band | 8,6-fache Berichte, 7,1-fache Effektstärken |
Die beiden älteren Schätzungen für dasselbe Fenster unterscheiden sich exakt um den Faktor zwei. Das war der ehrliche Stand der Frage vor 2025: zwei glaubwürdige Teams, ein Zeitfenster, eine Schätzung doppelt so hoch wie die andere.
Was die Evidenz von 2025 tatsächlich sagt
Die Metaanalyse von Tatel und Ackerman im Psychological Bulletin ist die erste Studie, die groß genug ist, um das Behaltensintervall als stetige Variable statt als Satz von Klassen zu behandeln. Sie führten 1.344 Effektstärken aus 457 Berichten zusammen, das 8,6-Fache der Berichte und das 7,1-Fache der Datenpunkte der Arbeit von 1998, und modellierten den Verfall als Rate.
Ihre zentralen Ergebnisse, alle so wie in der Arbeit direkt berichtet:
| Leistungsmaß | Verfall pro Monat | 95%-Konfidenzintervall | Erwerbszugewinn (d) | Hälfte der Zugewinne verloren nach |
|---|---|---|---|---|
| Genauigkeitsbasiert | 0,08 SD | -0,10 bis -0,05 | 1,49 (1,39 bis 1,58) | etwa 6,5 Monaten |
| Geschwindigkeitsbasiert | 0,06 SD | -0,11 bis -0,02 | 1,88 (1,68 bis 2,09) | etwa 13 Monaten |
| Gemischt | 0,06 SD | -0,10 bis -0,02 | 2,48 (2,19 bis 2,77) | etwa 11 Monaten |
Für Genauigkeitsmaße schätzen sie zudem, dass praktisch alle Erwerbszugewinne nach rund 16 Monaten verschwunden sind. Für Geschwindigkeits- und gemischte Maße lehnen sie eine Schätzung des Totalverlustpunkts ausdrücklich ab, weil die Projektion über den Bereich ihrer Daten hinausliefe. Diese Verweigerung ist das Kennzeichen einer sorgfältigen Arbeit, und es ist genau die Art von Einschränkung, die beim Zusammenfassen von Befunden herausfällt.
Das Nützlichste in der Tabelle ist das Verhältnis. 13 geteilt durch 6,5 ergibt exakt 2,00. Dieselbe zugrunde liegende Fähigkeit, für dieselbe Anzahl Monate sich selbst überlassen, scheint doppelt so schnell verfallen zu sein, wenn man sie auf Genauigkeit prüft, statt auf Geschwindigkeit. Gemischte Maße liegen beim 1,69-Fachen der Genauigkeitshalbwertszeit. Die Frage, wie schnell eine Fähigkeit verblasst, hat keine einzelne Antwort, denn die Antwort hängt davon ab, worauf Sie die Stoppuhr richten.
Eine Warnung, bevor Sie selbst rechnen
Hier liegt eine Falle, in die wir beim Prüfen der Zahlen selbst getappt sind, und sie ist erwähnenswert, weil sie jeden erwischt, der aus der Monatssteigung einen Plan bauen will.
Nimmt man die Genauigkeitszahlen wörtlich, ist die Hälfte eines Erwerbszugewinns von 1,49 gleich 0,745, und bei 0,08 SD pro Monat bedeutet das 9,3 Monate bis zum Verlust der Hälfte. Die Arbeit berichtet 6,5. Die Lücke ist kein Rundungsunterschied, und sie wird bei den anderen beiden Maßen größer.
Originalanalyse: warum die Monatssteigung keine brauchbare Faustregel ist
CEOtudent-Redaktionsframework. Die naive Spalte ist unsere eigene Rechnung auf Basis der publizierten Erwerbs- und Steigungswerte; die berichtete Spalte ist die Modellausgabe der Arbeit selbst. Die Lücke ist der Punkt.
| Leistungsmaß | Naive Steigungsrechnung | Berichtete Halbwertszeit | Fehler bei Nutzung der Abkürzung |
|---|---|---|---|
| Genauigkeitsbasiert | 9,3 Monate | 6,5 Monate | 43% zu optimistisch |
| Geschwindigkeitsbasiert | 15,7 Monate | 13 Monate | 21% zu optimistisch |
| Gemischt | 20,7 Monate | 11 Monate | 88% zu optimistisch |
Die Abkürzung versagt, und sie versagt jedes Mal in die gefährliche Richtung: Sie sagt Ihnen, Sie hätten mehr Zeit, als Sie haben. Der Grund ist, dass die Metaregression der Arbeit mehr enthält als eine Gerade über Monate, sodass die Multiplikation der Steigung mit der verstrichenen Zeit das Modell nicht rekonstruiert. Nutzen Sie die berichteten Halbwertszeiten. Bauen Sie keinen Plan aus der Steigung.
Wir zeigen unsere gescheiterte Herleitung, statt sie zu verbergen, denn genau diese Abkürzung würde eine Zusammenfassung dieser Arbeit erzeugen, und sie wäre um bis zu 88% falsch.
Die drei Moderatoren, die den Plan verändern
Eine Verfallsrate sagt Ihnen, wann Sie eingreifen müssen. Die Moderatoranalysen sagen, welcher Eingriff wirkt. Drei Befunde von Tatel und Ackerman sind für jeden relevant, der seine eigene Wartung plant, und zwei davon laufen der Intuition zuwider.
Zwischenzeitliche Ausführungsgelegenheiten verlangsamten den Verfall, aber nur bei Genauigkeit. Ob Teilnehmende während des Behaltensintervalls überhaupt Gelegenheit hatten, die Fähigkeit auszuführen, war für genauigkeitsbasierte Maße ein statistisch signifikanter Moderator (β = 0,07, p < 0,05). Dasselbe Muster zeigte sich bei gemischten Maßen ohne Signifikanz (β = 0,07) und fehlte bei Geschwindigkeit (β = 0,01). Das ist das umsetzbarste Ergebnis der Arbeit: gelegentliche echte Nutzung schützt die Genauigkeit dessen, was Sie können, und tut spürbar weniger dafür, wie schnell Sie es können.
Komplexe Fähigkeiten wurden besser behalten als einfache. Komponentenkomplexität war für Genauigkeits- und gemischte Maße ein signifikanter Moderator (β = 0,03 und β = 0,07, beide p < 0,05), und das Muster über alle drei Komplexitätsdimensionen wies in dieselbe Richtung. Hochkomplexe Aufgaben hielten sich besser. Die meisten nehmen das Gegenteil an und planen Auffrischungen für das Schwierigste, das sie können, während das Fragile die einfache Prozedur ist, die sie selten anfassen.
Reale Fähigkeiten wurden besser behalten als Laborfähigkeiten. Bei Genauigkeitsmaßen waren die Verfallssteigungen für Labor- und künstliche Aufgaben steiler als für jede Kategorie realer Aufgaben: Medizin und Zahnmedizin (β = 0,12), Militär und Transport (β = 0,16), Sport (β = 0,18) und Sonstiges (β = 0,13). Eine Fähigkeit, die in ihrem realen Kontext gelernt und genutzt wird, verfällt langsamer als dieselbe Klasse von Fähigkeit, isoliert eingeübt.
Zusammen gelesen weisen diese drei in eine Richtung. Verfall ist nicht primär eine Eigenschaft der Fähigkeit. Er ist eine Eigenschaft davon, wie stark die Fähigkeit in etwas eingebettet ist, das Sie tatsächlich tun.
Wo diese Evidenz nicht gilt
Das ist wichtiger als jede Tabelle oben, und es ist der Teil, der verloren geht, wenn Befunde wandern.
Der Geltungsbereich von Tatel und Ackerman sind prozedurale Fähigkeiten mit nonverbalen motorischen Komponenten. Chirurgische Technik, Reanimation, Gerätebedienung, Sporttechnik, Fliegen. Die Halbwertszeiten von 6,5, 13 und 11 Monaten sind Schätzungen für diese Klasse von Fähigkeiten. Sie sind keine Messungen dafür, wie schnell Ihr Python verblasst, Ihr Französisch oder Ihre Fähigkeit, eine Bilanz zu lesen. Die Metaanalyse von Arthur und Kollegen von 1998 schloss kognitive Aufgaben ein und fand sie anfälliger für Verlust als körperliche, aber dieser Befund ruht auf der dünnen, nicht monotonen Evidenzbasis, die oben beschrieben wurde.
Wer Ihnen sagt, eine Sprache oder eine Programmierfähigkeit habe eine Halbwertszeit von 6,5 Monaten, dehnt ein Ergebnis zu motorischen Fähigkeiten über seine Daten hinaus. Das werden wir nicht tun. Was übertragbar ist, ist die Struktur des Befunds, nicht die Konstante: Verfall ist real, er bemisst sich bei gut erworbenen Fähigkeiten in Monaten statt Wochen, er ist bei Genauigkeit schneller als bei Geschwindigkeit, und was ihn verlangsamt, ist zeitweilige echte Nutzung.
Beide Metaregressionsmodelle wiesen zudem signifikante Restheterogenität auf (Q = 3.820,34 für Genauigkeit, 898,41 für Geschwindigkeit, 1.045,03 für gemischt, alle p < 0,01), was die Art der Autoren ist zu sagen, dass selbst nach Berücksichtigung der Moderatoren ein großer Teil der Variation zwischen Studien unerklärt bleibt. Das sind Populationsmittelwerte, keine Vorhersagen über Sie.
Der Wartungsplan
Hier übernimmt die CEO-Hälfte der Aufgabe von der Studenten-Hälfte. Die Evidenz gibt Ihnen eine Verfallsrate und einen verlässlichen Hebel. Daraus einen Plan zu machen ist eine Managemententscheidung, und wir kennzeichnen sie als solche.
CEOtudent-Framework zur Kompetenzwartung
Dies ist eine Beurteilung auf Basis der zitierten Evidenz, kein gemessener Plan. Keine Studie hat diese Intervalle getestet. Die Begründung jeder Regel ist genannt, damit Sie widersprechen können.
Regel 1: warten Sie vor der Halbwertszeit, nicht danach. Die berichteten Halbwertszeiten sind der Punkt, an dem die Hälfte des Zugewinns bereits weg ist. Ein Wartungsintervall auf Höhe der Halbwertszeit ist ein Plan für den Betrieb bei 50% Leistungsfähigkeit. Für genauigkeitskritische prozedurale Fähigkeiten ist das vertretbare Planungsintervall ein Bruchteil von 6,5 Monaten, nicht 6,5 Monate. Vierteljährlich ist eine vernünftige Lesart; eine gemessene ist es nicht.
Regel 2: klassifizieren Sie danach, woran Sie gemessen werden, nicht danach, wie die Fähigkeit heißt. Der Faktor 2,00 zwischen den Halbwertszeiten für Genauigkeit und Geschwindigkeit bedeutet, dass dieselbe Tätigkeit unterschiedliche Wartung braucht, je nachdem, welcher Fehlermodus Sie etwas kostet. Wenn Falschsein teuer ist, warten Sie nach der Genauigkeitsuhr. Wenn Langsamsein teuer ist, haben Sie etwa doppelt so viel Vorlauf.
Regel 3: eine echte Ausführungsgelegenheit schlägt eine Auffrischungseinheit. Das ist die einzige Regel mit direkter empirischer Stütze. Zwischenzeitliche Gelegenheiten zur Ausführung verlangsamten den Genauigkeitsverfall signifikant. Sorgen Sie dafür, eine Fähigkeit gelegentlich wirklich zu nutzen, statt Übung daran einzuplanen. Ihre Verhandlungstechnik zu üben ist eine Auffrischung. Eine kleine echte Verhandlung zu übernehmen ist eine Ausführungsgelegenheit, und die Evidenz spricht für das Zweite.
Regel 4: prüfen Sie zuerst die einfachen Fähigkeiten. Komplexität sagte besseres Behalten voraus. Am ehesten still verfallen sind die wenig komplexen Prozeduren, die Sie für zu banal halten, um sie einzuplanen.
Regel 5: eingebettet schlägt isoliert. Reale Aufgaben verfielen in jeder getesteten Kategorie langsamer als Laboraufgaben. Eine Fähigkeit, die Sie an lebendige Arbeit anbinden können, braucht weniger bewusste Wartung als eine, die Sie nur im Sandkasten proben können. Wo Sie die Wahl haben, betten Sie sie ein.
Die Studenten-Hälfte der Disziplin besteht darin zu akzeptieren, dass dies überhaupt ein Wartungsproblem ist, statt anzunehmen, einmal Gelerntes gehöre einem. Die CEO-Hälfte besteht darin, sich zu weigern, alles im gleichen Intervall zu warten, wenn die Evidenz sagt, dass sich die Intervalle um den Faktor zwei unterscheiden, und sich zu weigern, die Anlage mit einer Schätzung zu betreiben, die man durch Multiplizieren einer Steigung erhalten hat.
Wenn Sie überhaupt erst entscheiden, worin Sie Lernzeit investieren, gehören die Wartungskosten in diese Entscheidung. Unser Framework dazu, welche KI-Tools sich wirklich tief zu lernen lohnen, behandelt Tiefe als Verpflichtung statt als Vorliebe, und die obigen Halbwertszeiten sind Teil dessen, was diese Verpflichtung kostet. Zur Seite des Aufbaus vor der Wartung siehe unseren Beitrag zu bewusstem Üben im Zeitalter der KI. Und wenn Sie später in der Laufbahn ein Kompetenzprofil neu aufbauen, deckt was die Forschung über spätes Lernen sagt die Erwerbsseite derselben Frage ab.
Häufige Fragen
Ist Kompetenzverfall real oder nur ein Messartefakt?
Er ist real. Jede hier gesichtete Metaanalyse fand bei Nichtnutzung bedeutsamen Verlust, über vier Jahrzehnte Primärstudien und Tausende Teilnehmende hinweg. Die Uneinigkeit betrifft Ausmaß und Zeitverlauf, nicht die Existenz.
Mit welcher Zahl sollte ich tatsächlich planen?
Mit den Halbwertszeiten von 2025, sofern Ihre Fähigkeit prozedural ist und eine motorische Komponente hat: rund 6,5 Monate bei Genauigkeit, 13 bei Geschwindigkeit, 11 bei gemischt. Für kognitive oder Wissensfähigkeiten gibt es keine gleich belastbare Zahl, und wer Ihnen eine anbietet, extrapoliert.
Warum ist die Genauigkeitshalbwertszeit so viel kürzer als die für Geschwindigkeit?
Die Arbeit berichtet den Unterschied, statt ihn vollständig zu erklären, und benennt Geschwindigkeits-Genauigkeits-Abwägungen als methodisches Problem dieser Literatur. Eine Lesart: Geschwindigkeit spiegelt ein gröberes, robusteres motorisches Muster, während Genauigkeit von einer feineren Kalibrierung abhängt, die früher driftet. Behandeln Sie das als Interpretation, nicht als Befund.
Dauert das Wiedererlernen so lange wie das ursprüngliche Lernen?
Dieser Literatur zufolge nicht, aber Tatel und Ackerman warnen ausdrücklich, dass viele Studien die Behaltensleistung nicht von Wiedererlernungseffekten trennen, sodass die erste Messung nach einer Pause bereits einen Teil Wiedererwerb enthalten kann. Das ist eine Warnung zur Evidenzbasis, keine Schätzung der Wiedererlernungsgeschwindigkeit.
Sollte ich Auffrischungen planen oder die Fähigkeit einfach gelegentlich nutzen?
Nach der verfügbaren Evidenz gelegentliche echte Nutzung. Der Moderator, der für den Genauigkeitsverfall Signifikanz erreichte, waren zwischenzeitliche Ausführungsgelegenheiten. Formales Auffrischungstraining wurde in dieser Analyse nicht als eigener Moderator geprüft.
Gelten diese Zahlen für eine Fähigkeit, die ich nie vollständig erworben habe?
Nein. Jede Zahl oben ist relativ zu einem gemessenen Erwerbszugewinn ausgedrückt. Wurde die Fähigkeit nie zur Beherrschung gebracht, gibt es keinen Erwerbszugewinn, den die Verfallsrate erodieren könnte, und nichts an dieser Rechnung beschreibt Ihre Lage.
Quellen
- Tatel und Ackerman, Procedural Skill Retention and Decay: A Meta-Analytic Review, Psychological Bulletin, 2025, DOI 10.1037/bul0000481. 1.344 Effektstärken aus 457 Berichten; Metaregressionssteigungen und Konfidenzintervalle nach Leistungsmaß; Tabelle 6 Erwerbseffektstärken; die Halbwertszeitschätzungen von 6,5, 13 und 11 Monaten sowie die Totalverlustschätzung von 16 Monaten für Genauigkeit; Moderatorergebnisse für zwischenzeitliche Ausführungsgelegenheiten, Komponentenkomplexität und Aufgabentyp; Q-Statistiken zur Restheterogenität. Gefördert vom Army Research Institute for the Behavioral and Social Sciences.
- Arthur, Bennett, Stanush und McNelly, Factors That Influence Skill Decay and Retention: A Quantitative Review and Analysis, Human Performance, 1998, Band 11, Heft 1, Seiten 57 bis 101. Tabelle 3 Aufschlüsselung der Behaltensintervalle nach Datenpunkten, Stichprobengröße und mittlerem d; die metaanalytische Gesamtschätzung; die Moderatorergebnisse zu Aufgabentyp und Methodik; die Aussage zur Leistung relativ zum Niveau vor dem Intervall nach mehr als 365 Tagen Nichtnutzung.
- Wang, Day, Kowollik, Schuelke und Hughes, Factors Influencing Knowledge and Skill Decay After Training, in Individual and Team Skill Decay: The Science and Implications for Practice, herausgegeben von Arthur, Day, Bennett und Portrey, Routledge, 2013. Metaanalytische Schätzungen des Kompetenzverlusts unmittelbar nach dem Erwerb und bei einem Behaltensintervall zwischen 90 und 180 Tagen.
- Wang, Factors Influencing Knowledge and Skill Decay in Organizational Training: A Meta-Analysis, Dissertation, University of Oklahoma, 2010. Die zugrunde liegende Dissertation für die Schätzungen des Kapitels von 2013.
Dieser Inhalt wurde nach eingehender Recherche mit Unterstützung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und für die Veröffentlichung aufbereitet.
This post is also available in:
