Lehren und Lernen MIT generativen Machine-Learning-Systemen

Worum geht es?

Die aktuelle Aufmerksamkeit bezüglich generativer Machine-Learning-Systeme (GMLS) wie ChatGPT führt zu Erwartungen bezüglich machine learning als Lernhilfe (sofortiges Feedback, Anleitung, Empfehlungen, Lösungen, Erklärungen) oder Arbeitsentlastung für Lehrpersonen (automatisiertes Erstellung von Unterrichtsmaterial, Feedback, Lernstandseinschätzung usw.).

Die PHSZ wird derzeit öfters nach Empfehlungen oder Einschätzungen zu konkreten Produkten gefragt. Stattdessen liefert dieses Dokument langlebige, allgemeine Überlegungen, aber keine Produkthinweise.

Allgemeine Einordnung

Lernwirkungen von GMLS sind stufen- und fachspezifisch und ergeben sich aus dem konkreten Einsatzszenarien und nicht aus der Technologie selbst. Derzeit wiederholt sich mit GMLS, was wir bereits mit der Verbreitung von Computer, Internet, mobilen Geräten erlebt haben: Neue technische Möglichkeiten führen zu Erwartungen und Fragen: “Was bringt das fürs Lernen?”. Die jahrzehntelange Forschung zeigt: Es kommt darauf an.

• Lernwirkungen sind stufen- und fachspezifisch: Potenziale von digitalen Medien sind meist sehr abhängig von der Schulstufe und vom Fach bzw. Thema.
• Es ist nicht die Technik an sich, sondern der überlegte Einsatz, welcher das Lernen verbessern kann.

Nutzungsarten

Wie bei bisherigen digitalen Werkzeugen und Medien wird es auch bei GMLS darum gehen, diese geschickt im Lehr- und Lernprozess einzusetzen und diesen zu orchestrieren.

Dabei zeigen sich ähnliche grundsätzliche Nutzungsarten von GMLS wie bei früheren digitalen Technologien. Aus der Perspektive von Schülerinnen und Schülern bedeutet dies:

• GMLS als kognitives offloading: Schüler:innen delegieren Teile oder ganze Aufgaben an ein generatives Machine-Learning-System und geben dessen Ergebnis mehr oder weniger ungeprüft der Lehrperson ab.
• GMLS als kognitives Werkzeug: Schüler:innen nutzen generative Machine-Learning-Systeme als Unterstützung in ihrem Arbeitsprozess, prüfen jedoch deren Ergebnisse vor der Weiterverwendung und Abgabe auf Plausibilität.
• GMLS als sparring partner: Schüler:innen nutzen ein generatives Machine-Learning-System als Sparring-Partner im Arbeitsprozess und erhalten vom System auch Rückmeldungen zu ihren Überlegungen und Arbeitsfortschritten, was teilweise oder ganz das Feedback der Lehrperson ersetzt. Wie schon beim Aufkommen des World Wide Webs mit Suchmaschinen und Wikipedia führt diese Nutzungsart erneut zur Idee, Lehrpersonen bzw. Schulen würden überflüssig (Biblionetz:a1185).

Auch bei Lehrpersonen sind dieselben Nutzungsarten anzutreffen wie bei Schülerinnen und Schülern:

• GMLS als kognitives offloading: Auch Lehrpersonen können Tätigkeiten komplett an GMLS auslagern, sowohl bei der Erarbeitung von Unterrichtsmaterial (z.B. “Arbeitsblattgenerator”) als auch bei Rückmeldungen / Korrektur von Arbeiten von Schülerinnen und Schülern-
• GMLS als kognitives Werkzeug: Statt diese Tätigkeiten komplett an GMLS auszulagern, können Lehrperson GMLS auch als unterstützende Werkzeuge bei der Unterrichtsvor- und Nachbereitung nutzen..
• GMLS als sparring partner: Wenn auch vermutlich weniger ausgeprägt als bei Schülerinnen und Schülern, können auch Lehrpersonen GMLS als Dialogpartner insbesondere bei der Unterrichtsvorbereitung eingesetzt werden.

“Jetzt mit KI!”: Was bringen generative Machine Learning Systeme in Lernumgebungen?

Derzeit werben viele Unternehmen damit, dass ihre Produkte für die Schule neu auch KI enthalten oder gar KI-basiert seien. Was ist davon zu halten?

• “KI” ist derzeit primär ein Marketing-Begriff: Es wird vieles als KI verkauft, das bei näherer Betrachtung nicht wirklich KI ist.

• Oft ist KI nur eine schöne Verpackung oder Oberfläche: Oft werden Dienste der grossen Anbieter eingebunden ohne grosse Anpassung an schulische Bedürfnisse.

• Extreme Marktdynamik Viele aktuelle Angebote sind morgen bereits nicht mehr verfügbar.

mehr...