Fachspezifisches Wissen, Einstellungen und Überzeugungen zu Anwendungen der Künstlichen Intelligenz bei Studierenden der Wirtschaftspädagogik

Kurzbeschreibung

Was müssen angehende Lehrkräfte können, um Anwendungen Künstlicher Intelligenz im Schulalltag einsetzen zu können? Dieser Frage steht im Zentrum des vorliegenden Artikels. Dazu wird zunächst ein theoretisches Rahmenmodell skizziert, welches zusammenfasst, was Lehrkräfte für den Umgang mit Künstlicher Intelligenz benötigen. Das Modell gliedert sich in drei Hauptkomponenten Fachwissen, Einstellungen und Überzeugungen zu Künstlicher Intelligenz sowie zu intrinsischer und extrinsischer Motivation. Zudem wird auf weitere Faktoren geachtet, wie etwa soziodemografische Merkmale. Aufbauend auf diesem Modell soll erfasst werden, welches Wissen, welche Einstellungen und Überzeugungen gegenüber Künstlicher Intelligenz Studierende haben und was sie motiviert. Dazu wurde eine Studie im Pre-Post-Design durchgeführt.

Annahmen über die Folgen der Digitalisierung

Anwendungen Künstlicher Intelligenz können dazu eingesetzt werden, um Lehr-Lern-Prozesse zu gestalten. So lassen sich Lernprozesse zum Beispiel stärker individualisieren. Potenziale Künstlicher Intelligenz diesbezüglich werden zunehmend diskutiert. Mit solch neuen Möglichkeiten gehen aber auch veränderte Kompetenzerwartungen in unterschiedlichen Berufen einher.

Kompetenzanforderungen

Die Autor*innen gehen davon aus, dass sowohl Schüler*innen als auch Lehrkräften das Thema Künstliche Intelligenz bislang weitgehend unbekannt ist. Eine entsprechende Weiterbildung dazu ist notwendig.

Kompetenzbegriffe (nach dem Papier)

Kein spezifischer Kompetenzbegriff

Unterdimensionen (nach dem Papier)

Fachwissen zu Anwendungen der KI,
Einstellungen zu KI,
Epitemologische Überzeugungen zu KI,
Extrinsische Motivation & Intrinsische Motivation zu Anwendungen der KI

Kompetenzdimensionen (nach dem Rahmenkonzept von Digitales Deutschland)

Kognitive Dimension: Grundlagenwissen über Funktionsweisen von KI-Technologien; Wissen zu alltäglichen Anwendungen Künstlicher Intelligenz.

Kritisch-reflexive Dimension: Wissen über die Geschichte der Entwicklung Künstlicher Intelligenz.

Zentrale theoretische Annahmen über Kompetenz

keine Angabe

Perspektive der Kompetenzträger*innen auf Kompetenz einbezogen?

keine Angabe

Lebenskontexte der Kompetenzträger*innen einbezogen?

Wie Lehrkräfte mit Anwendungen Künstlicher Intelligenz umgehen, wird laut dem beschriebenen Rahmenmodell durch verschiedene Faktoren beeinflusst. Neben Wissen, Einstellungen, Überzeugungen und Motivation spielen kognitive Voraussetzungen eine Rolle, wie zum Beispiel Vorwissen. Daneben können sich soziodemografische Merkmale auf den Umgang auswirken, etwa das Alter einer Person oder ihr Geschlecht. Hinzu kommen sogenannte strukturelle Faktoren, wie etwa die Berufserfahrung.

Herausforderungen der Erfassung von Kompetenz

keine Angabe

Zentrale empirische Befunde über Kompetenz

Vor den Lerneinheiten zu Künstlicher Intelligenz war das fachspezifische Wissen der Befragten sehr unterschiedlich. Im Wissenstest wurden zwischen fünf und 14 von insgesamt 21 Fragen korrekt beantwortet. Im Posttest schnitten die Befragten im Durchschnitt beim fachspezifischen Wissen signifikant besser ab. An der eher positiven Einstellung und eher kritischen Überzeugungen der Studierenden zu Künstlicher Intelligenz ändert sich zwischen Pre- und Posttest wenig. Einstellung und Überzeugung erscheinen als eher stabile Persönlichkeitsmerkmale. Die Studierenden sind eher intrinsisch als extrinsisch motiviert. Da höher motivierte Studierende im Wissenstest besser abschnitten, vermuten die Autor*innen einen Zusammenhang zwischen fachspezifischem Wissen und Motivation.

Quellenangabe

Schmidt, J., & Happ, R. (2022). Fachspezifisches Wissen, Einstellungen und Überzeugungen zu Anwendungen der Künstlichen Intelligenz bei Studierenden der Wirtschaftspädagogik. In K. Kögler, U. Weyland & H.-H. Kremer (Hrsg.), Jahrbuch der berufs- und wirtschaftspädagogischen Forschung 2022 (Schriftenreihe der Sektion Berufs- und Wirtschaftspädagogik der Deutschen Gesellschaft für Erziehungswissenschaft (DGfE), S. 89-102). https://doi.org/10.25656/01:26516