Cookietalk

Referentin: Elisabeth Mayweg & Ole Engel (KSBF)

Lernen mit Küntlicher Intelligenz

Large Language Modelle (LLM) können kohärente und relevante Antworten generieren. Kontext, Ton und Struktur können über zielgerichtetes Prompting so gestaltet werden, dass in hohem Maße personalisierte Texte und Informationen erzeugt werden, die über Anschlussfragen noch weiterführend vertieft werden können, wodurch vielfältige neue Möglichkeiten für die Schulbildung entstehen (Cress & Kimmerle 2023, Kasneci et al. 2023, Farrokhnia 2023 et al.). Kritisch wird jedoch auf Probleme wie Täuschungen und Urheberrechtsverletzungen sowie die mangelnde Vertrauenswürdigkeit der Texte durch fehlende Informationen zu Quellen verwiesen (Grassini 2023, Kasneci et al. 2023, Farrokhnia et al. 2023). Ziel der Studie ist es, die Nutzung generativer künstlicher Intelligenz beim selbstregulierten Lernen durch Schülerinnen zu erforschen. Es wird eine Aufgabenstellung zu einem kontroversen Thema gegeben, zu dem die Schüler:innen These, Antithese und Synthese mit Unterstützung von ChatGPT 3.5 zu einer fachspezifisch adaptierten Fragestellung ausarbeiten sollen. Es wurden Erhebungen an acht weiterführenden Schulen in Berlin durchgeführt. Die Daten werden aggregiert und die Interaktion mit ChatGPT qualitativ ausgewertet und anhand der Guidelines zum zielgerichteten Prompten mit Large Language Models bewertet (Lo 2023). Die Studienergebnisse geben Rückschlüsse über Kompetenzen und Schwächen von Schüler:innen bei der Nutzung von generativer KI.