Beschreibung

In vielen Berufen befinden sich Schulabgänger aus Gymnasien, sowie aus der Sek A oder B in den gleichen Klassen. Die Lernenden auf einem geeigneten intellektuellen Niveau anzusprechen ist nicht einfach. Unterforderung und Überforderung sind die Folge. KI-basierende intelligente tutorielle System (ITS) können einen Beitrag zur Lösung dieses Problems liefern. Es handelt sich um computerbasierte Systeme, die individuelle Anleitung und personalisiertes Feedback für Lernende bieten.

Bisher war die Entwicklung eines ITS eine grosse Herausforderung, weil das Bereitstellen verschiedener Lernpfade und Schwierigkeitsgrade sowie die zeitnahe und detaillierte Analyse des Verhaltens eines Lernenden im Verlauf des Lernprozesses enorm aufwändig war. Hauptgrund dafür war die «statische» Planung, die sämtliche Möglichkeiten voraussehen musste. 

Nebst profunder Grundlagenarbeit zur Umsetzung bzw. Erstellung eines KI-basierenden ITS wird ein erster, praktisch einsetzbarer Prototyp  erstellt, der die Funktionsfähigkeit demonstriert. Es wird aufgezeigt, wie eine breitere Anwendbarkeit erreicht werden könnte.

Bei erfolgreichem Abschluss soll in einem Folgeprojekt die Generalisierung der gewonnenen Konzepte erarbeitet und umgesetzt werden, mit dem Ziel, ITSs für Lernsequenzen in zahlreichen Fächern bzw. Berufen einsetzen zu können. Die notwendigen Anpassungen eines solchen Systems an die spezifischen Bedürfnisse einer Lehrperson sollen so einfach sein, dass sie von dieser selbst vorgenommen werden können.

Die Kombination des Konzepts eines ITS mit Mitteln der KI bietet die Chance, dem Ideal von individualisiertem Unterricht bzw. Lernen im Sinne der Binnendifferenzierung ein grosses Stück näher zu kommen. Die Heterogenität der Lernenden wird zur Chance statt wie so oft zum Hindernis. Wenn jede/r der Lernenden einem eigenen Lernpfad folgt, werden der gezielte Austausch über das Gelernte und die gemachten Erfahrungen ungemein wichtig. Eine Lehrperson kann mit der gewonnenen Zeit ihren Fokus genau auf diesen Punkt richten und somit ihren Aufwand in «Quality Time» für die Lernenden umsetzen.

Der dynamische Charakter von Large Language Models (LLMs) bietet die Chance, den in herkömmlichen ITSs stark limitierenden Aspekt des Vorhersehens aller möglichen Verästelungen des Systems zu überwinden. Neu soll sich der Lernpfad jedes/er Lernenden aufgrund seiner/ihrer Lernfortschritte laufend automatisch anpassen. Möglich wird dies aufgrund von unverzüglichem Feedback zu den Leistungen jedes/er Lernenden, was wiederum das Verständnis verbessert und den Lernprozess beschleunigt.

Es besteht die Aussicht, mit Hilfe von KI die Erstellung von ITSs enorm zu vereinfachen und sie damit zum ersten Mal in breiterem Umfang einsetzbar zu machen. Damit wird ein Beitrag zur vieldiskutierten Individualisierung des Unterrichts bzw. des Lernens geleistet.

Didaktisch-methodisches Konzept

Der Lernprozess läuft für Lernende folgendermassen ab:

1.        Einstufung und Profilerstellung: Zu Beginn werden Wissensstand und Lernstil jede/er Lernen-den bewertet, um ein individuelles Lernerprofil zu erstellen.

2.        Personalisierter Lernpfad: Basierend auf dem Profil erstellt das ITS einen personalisierten Lern-pfad mit spezifischen Inhalten und Übungen.

3.        Interaktives Lernen: Der Lernende arbeitet durch die bereitgestellten Materialien, Übungen und Aktivitäten, oft mit multimedialer Unterstützung.

4.        Kontinuierliches Feedback: Das System gibt sofortiges Feedback zu Antworten und Aktivitäten, ermöglicht die Reflexion und fördert das selbstgesteuerte Lernen.

5.        Anpassung und Fortschritt: Der Lernpfad passt sich kontinuierlich an den Fortschritt und die Bedürfnisse des Lernenden an, wobei neue Herausforderungen und Inhalte integriert werden.

6.        Bewertung und Reflexion: Regelmässige Bewertungen messen den Fortschritt und helfen den Lernenden, ihren Lernerfolg zu reflektieren.

•        Adaptive Lernpfade personalisieren den Lernprozess basierend auf dem individuellen Fortschritt und den Bedürfnissen des Lernenden; so wird Unter- und Überforderung vermieden .

•        Interaktives Lernen: Einsatz von interaktiven Elementen wie Quizzes, Simulationen und Spielen fördert das Engagement und das Verständnis.

•        Problemorientiertes Lernen: Die Konfrontation der Lernenden mit realen oder hypothetischen Problemen fördert das kritische Denken und die Problemlösungsfähigkeiten.

•        Feedback und Reflexion: Bereitstellung von sofortigem, personalisiertem Feedback und Reflexionsmöglichkeiten über das eigene Lernen.

Beschreibung

Soweit wir das beobachten können, nutzt die grosse Mehrheit der Lernenden auf SekII-Stufe KI, insbesondere ChatGPT, selbständig, währenddem KI nicht von vielen LP im Unterricht eingesetzt wird.

Einige LP sagen, sie hätten mit dem Einsatz von KI sogar Mehraufwand, z.B. beim (Vor-)Korrigieren von Texten der Lernenden durch KI, weil sie dann doch alle von KI produzierten Kommentare überprüfen müssten, insbesondere bezüglich ‘Halluzinationen’. Ausserdem bezweifeln viele, ob sich der beträchtliche Initialaufwand lohne, weil es gewisse KI-Tools vielleicht nach kurzer Zeit gar nicht mehr gebe. Unser Projekt hat das Potential, eben solchen Initialaufwand durch die Erfahrungen, die wir weitergeben, beträchtlich zu senken. Zudem steht beim Sprachtraining die genaue Faktenlage nicht immer im Vordergrund. Die Tools produzieren jedoch korrekte und vielfältige Sprache und können Regeln erklären oder Fehler verbessern (mit Erklärung), was die LP potenziell entlastet.

Was Hattie in seinen Studien gezeigt hat (und in seiner kürzlich erschienenen Publikation «The Sequel» erneut unterstreicht), kann mit Hilfe von KI-Tools nun effektiv umgesetzt werden: viel Feedback, möglichst unmittelbar und mit Hinweisen «where to go next». KI kann beim Einüben von grammatikalischen Strukturen, Hörverständnis, Sprechen, Schreiben, sowie der Vertiefung in (literarische) Texte genau dies tun – auf individueller Basis – und dadurch Vertrauen aufbauen in die eigenen Sprach- und Interpretationsfähigkeiten. Dies antizipiert und erleichtert eine spätere Interaktion mit einem menschlichen Gegenüber, z.B. bei der Diskussion eines Ausschnitts aus einem literarischen Text im Klassen-

Plenum oder gar an der mündlichen Maturaprüfung. Ausserdem können die Lernenden lange Zeit selbstständig arbeiten und jeweils entscheiden, wieviel mehr sie noch üben müssen oder wollen, um ein bestimmtes Ziel zu erreichen.

Wir führen die Lernenden auf möglichst allen 4 bzw. 6 Jahrgansstufen des Gymnasiums ein in den stufengerechten Umgang mit KI-Tools und regen an, das Potential dieser Instrumente für ihr Lernen auszuloten. Nach einer Einführungsphase gibt es genug Zeit, um während der Lektionen, begleitet, Erfahrungen mit KI zu machen, und dabei schnell viel zu lernen und auch viel Spass zu haben. Nebst Sprechen, Lesen und Hören wird es auch einen Fokus auf Schreibprozesse geben. Unter Einbezug des Konzepts der Eigenverantwortung im Lernprozess und mit klaren Regeln zur Deklaration der Herkunft und Produktion von Inhalten wird auch projektartiges Arbeiten zu zweit oder in kleinen Gruppen auf der Sek II-Stufe möglich sein. Wir dokumentieren dann, was gut funktioniert hat, damit andere Lehrpersonen deutlich weniger Aufwand bei der Vor- und Nachbereitung haben, wenn sie Ähnliches versuchen wollen.

Didaktisch-methodisches Konzept

Einführung in die Handhabung der zu benutzenden KI-Tools. Abstecken des Ranges von möglichen Lernzielen in der aktuellen Phase des Unterrichts. Bestimmen, wie diese Ziele überprüft werden, und wann sie als erreicht gelten und wieviel Zeit insgesamt für eine Phase zur Verfügung steht.

Dann in Eigenverantwortung individuell, zu zweit oder in kleinen Gruppen arbeiten. Support durch die Lehrperson

bezüglich Sprachlichem, Inhaltlichem, Technischem, bei Kleingruppen auch bezüglich Zusammenarbeit – wo gefragt oder notwendig.