Die bisherige Forschung hinsichtlich der Wirksamkeit selbst generierter Visualisierungen beim verstehenden Lesen eines Sachtextes, hat folgendes Ergebnis hervorgebracht: Lernen mit Hilfe von selbst generierten Visualisierungen, die Lernende mit Stift und Papier (papierbasiert) generieren bzw. zeichnen, wirkt sich positiv auf das Lernergebnis aus (van Meter & Garner, 2005; van Meter & Firetto, 2013). Obwohl es mehrere Studien zum Lernen mit papierbasierten, selbst generierten Visualisierungen gibt, hat unserer Kenntnis nach, nur eine Studie diese Art des Zeichnens für computergestütztes Lernen, d.h. mittels Drag-and-Drop untersucht. Diese konnte noch keine eindeutigen Belege für oder gegen die Wirksamkeit computerbasierter selbst generierter Visualisierungen auf das Textverstehen bzw. das Lernergebnis aufzeigen (Schwamborn, Thillmann, Opfermann & Leutner, 2011). Die Ergebnisse der genannten Studie zeigen Hinweise darauf, dass Lernende weniger kognitive Ressourcen für die aktive Verarbeitung der Informationen zur Verfügung haben. Das heißt, dass computerbasiertes Zeichnen die kognitive Belastung (Extraneous Cognitive Load; vgl. Sweller, 2010) zu erhöhen scheint. Fehlende Ergebnisse dafür, dass die Strategie des selbstständigen Visualisierens (vgl. Alesandrini, 1984; van Meter & Garner, 2005) als eine erfolgreiche Lernstrategie auch innerhalb des computerbasierten Lernens verwendet werden kann, war der Ausgangspunkt dieser Dissertation. Anhand zwei experimenteller Studien wurde analysiert, ob selbst generiertes Visualisieren mittels Drag-and-Drop auf einem Computerbildschirm, beim verstehenden Lesen eines Sachtextes, das Lernergebnis erhöhen kann (Generative Drawing Principle; vgl. Schwamborn, Mayer, et al., 2010), welchen Effekt das computerbasierte Visualisieren auf die kognitive Belastung der Lernenden hat und schließlich, ob die Vorteile des generativen Zeichnens für papierbasierte und computerbasierte Materialien gleich sind. Die Ergebnisse der ersten Studie zeigen, dass Lernende, die während des Lesens Visualisierungen generieren, höhere Lernergebnisse erzielen. Zusätzlich liefern die Ergebnisse eine starke und konsistente Unterstützung für das Prognostic Drawing Principle (vgl. Schwamborn, Mayer, et al., 2010). Hier korreliert die Genauigkeit bzw. die Qualität der während des Lernens generierten Visualisierungen positiv mit den Posttest-Ergebnissen. Diese Ergebnisse deuten darauf hin, dass das Generative Drawing Principle und das Prognostic Drawing Principle auf computerbasierte Lernumgebungen ausgeweitet werden können, wenn die, durch die spezielle Mechanik des computerbasierten Visualisierens hervorgerufene, kognitive Belastung (Extraneous Cognitive Load) minimiert wird. Die zweite Studie zeigt deutlich höhere Lernergebnisse der Lernenden, die das verstehende Lesen eines Sachtextes und das gleichzeitige Selbstgenerieren von Visualisierungen, papierbasiert anstatt computerbasiert durchführen. Außerdem zeigt sich, dass Lernende beim computerbasierten Lernen über deutlich weniger wahrgenommene Schwierigkeiten berichten als während des papierbasierten Lernens. In einem anschließenden Fragebogen geben die Lernenden an, weniger Schwierigkeiten beim Generieren von Visualisierungen mittels Drag-and-Drop (computerbasiert) als beim papierbasierten Generieren zu haben. Darüber hinaus, berichten sie über eine höhere Motivation bei der Verwendung des Computers während des Visualisierens, im Gegensatz zum papierbasierten Visualisieren. Diese Ergebnisse geben Hinweise darauf, wie das Lernmaterial für selbst generiertes Visualisieren, vor allem in Hinblick auf eine Reduzierung der kognitiven Belastung, zukünftig verbessert werden kann. Schließlich belegen die Ergebnisse der zweiten Studie noch einmal das Prognostic Drawing Principle in papierbasierten, sowie in computerbasierten Lernumgebungen. Anschließend werden beide Studien in ihren Limitationen und Konsequenzen für zukünftige Forschung kritisch diskutiert.