Förderung KI-bezogener Kompetenzen bei Lehramtsstudierenden – Praxis- und theorieorientierte Entwicklung und Evaluation eines hochschuldidaktischen Konzepts
Kurzbeschreibung
Die Autoren stellen ein hochschuldidaktisches Konzept zur Förderung KI-bezogener Kompetenzen angehender Lehrkräfte vor und evaluieren dieses mit einer Mischung qualitativer und quantitativer Methoden (Mixed-Methods Design). Das Konzept gliedert sich in drei Themenblöcke: (1) Informatische Grundlagen, (2) Lehren und Lernen mit Künstlicher Intelligenz und (3) Lehren und Lernen über Künstliche Intelligenz. An der Evaluation nahmen insgesamt 102 Studierende teil, 56 in der Interventionsgruppe und 46 in der Kontrollgruppe. Die Ergebnisse verdeutlichen, dass vor allem verschiedene in Präsenzphasen integrierte Aufgaben zur Förderung KI-bezogener Kompetenzen beigetragen haben.
Annahmen über die Folgen der Digitalisierung
Durch ChatGPT ist die Nutzung Künstlicher Intelligenz (KI) verbreitet und auch bei Jugendlichen beliebt. Im Bereich der Schule herrscht allerdings noch Skepsis in Bezug auf Künstliche Intelligenz und viele (Hoch-)Schulen verfügen noch nicht über Regeln zum Einsatz generativer Künstlicher Intelligenz. Ob der Umgang mit KI-Anwendungen im Lehrplan verankert sein sollte, wird diskutiert und insbesondere von den Jugendlichen selbst gewünscht. Eine Implementierung setzt voraus, dass Lehrer*innen bereits in ihrer Ausbildung theoretische und praktische Grundlagen vermittelt werden. Vereinzelt gibt es bereits solche Maßnahmen, es benötigt aber mehr systematische Evaluationen solcher Konzepte, um fundierte Aussagen über deren Wirksamkeit treffen zu können.
Kompetenzanforderungen
Lehrkräfte müssen über unterschiedliche Kompetenzen verfügen, um das Thema Künstliche Intelligenz im Unterricht umzusetzen und solche Technologien einzusetzen. Es bedarf etwa KI-bezogener Kenntnisse. Die Vermittlung dieses Wissens bringt jedoch weitere Anforderungen mit sich, zum Beispiel müssen Lehrkräfte in der Lage sein, passende KI-basierte Tools für ihren Unterricht auszuwählen, um angestrebte Bildungsziele zu erreichen.
Kompetenzbegriffe (nach dem Papier)
Unterdimensionen (nach dem Papier)
Intelligent-TPK,
Intelligent-TCK,
Intelligent-TPACK,
Ethics,
Technical Understanding
Kompetenzdimensionen (nach dem Rahmenkonzept von Digitales Deutschland)
Instrumentell-qualifikatorische Dimension: Domänenspezifische Lernwerkzeuge nutzen, die ohne eine spezifische Programmiersyntax auskommen.
Kognitive Dimension: Unterschiedliche KI-Tools kennen; Künstliche Intelligenz technisch verstehen; Risiken der Nutzung von Künstlicher Intelligenz kennen (z. B. in Bezug auf personenbezogene Daten, Desinformation); KI-basierte Tools einsetzen, um das eigene Wissen auf dem Laufenden zu halten.
Kreative Dimension: Mit Künstlicher Intelligenz eigene Inhalte erstellen; selbsterstellbare Modelle zum maschinellen Lernen einsetzen.
Soziale Dimension: Verantwortungsbewusste Interaktion mit KI-Tools anleiten.
Kritisch-reflexive Dimension: KI-generierte Informationen kritisch bewerten; Grenzen und Vorurteile Künstlicher Intelligenz verstehen; ethische, gesellschaftliche und rechtliche Aspekte bei der Nutzung von Künstlicher Intelligenz kennen und reflektieren (z. B. Transparenz, Inklusivität); eine kritische und reflektierende Haltung entwickeln.
Zentrale theoretische Annahmen über Kompetenz
Die Autoren gehen davon aus, dass KI-spezifisches Wissen und das Vertrauen in die eigenen Fähigkeiten damit zusammenhängt, ob Lehrkräfte Künstliche Intelligenz im Unterricht nutzen oder nicht. Der Erwerb von KI-bezogenen Kompetenzen ist daher wichtig und sollte gefördert werden. Sie beziehen sich auf eine Reihe KI-bezogener Kompetenzmodelle für angehende Lehrkräfte und heben einige Aspekte hervor – immer in Bezug auf den Kontext Schule und Unterricht: In bisherigen Arbeiten liegt der Schwerpunkt meist auf kognitiven Kompetenzfacetten. Wissen über Künstliche Intelligenz stellt eine zentrale Grundlage dar. In der Zusammenschau der Modelle – ausgehend vom TPACK-Modell – überwiegt der Fokus auf das Lehren und Lernen mit Künstlicher Intelligenz. Aspekte des Lehrens und Lernens über Künstliche Intelligenz wirken demgegenüber tendenziell unterrepräsentiert.
Perspektive der Kompetenzträger*innen auf Kompetenz einbezogen?
keine Angabe
Lebenskontexte der Kompetenzträger*innen einbezogen?
Da es sich um eine fächerübergreifende Veranstaltung handelte, nahmen auch Studierende mit geringen informatischen Vorkenntnissen teil. Dies machte zum Teil eine umfangreichere Unterstützung im Rahmen des Seminars notwendig. In der Evaluation wurden neben Fähigkeiten und Wissen auch die Motivation der Studierenden erhoben, um festzustellen, inwiefern diese für den Kompetenzerwerb von Bedeutung ist.
Herausforderungen der Erfassung von Kompetenz
Durch das Pre-Post-Design der Studie lassen sich keine Aussagen über die langfristige Wirkung des Seminars treffen. Zudem wurde das Lehren und Lernen über Künstliche Intelligenz nur zu einem Zeitpunkt abgefragt. Dies bedingt, dass sich zu diesem Thema keine Aussagen über einen möglichen Kompetenzzuwachs machen lassen.
Zentrale empirische Befunde über Kompetenz
Ausgehend davon, dass in der Interventions- und Kontrollgruppe gleiche Ausgangsvoraussetzungen bezogen auf KI-bezogene Kompetenzen bestanden, zeigen die Ergebnisse: Alle Studierenden konnten ihr KI-bezogenes Wissen durch das Seminar steigern. Studierende der Informatik waren dabei vor dem Seminar in allen evaluierten Bereichen kompetenter als Studierende anderer Fächer. Bei Studierenden aus dem MINT-Bereich konnte ein solcher Unterschied nicht nachgewiesen werden. Im Vergleich von Interventions- und Kontrollgruppe verbesserten Studierende mit MINT-Fach ihr Basis- und Hintergrundwissen zu Künstlicher Intelligenz jedoch stärker als andere Studierende. Allgemein zeigte sich, dass die Motivation der angehenden Lehrkräfte einen positiven Einfluss hat. Zudem weisen qualitative und quantitative Ergebnisse auf die Bedeutung KI-bezogenen Wissens hin. So zeigen sich etwa die größten Effekte beim Funktionswissen zu Künstlicher Intelligenz. Auch das KI-unspezifische Vorwissen in Bezug auf Gefahrenpotenziale digitaler und sozialer Medien ist ein wichtiger Faktor und kann bei Risiken Künstlicher Intelligenz angewendet werden. In Bezug auf pädagogisch-didaktische Aspekte konnte das Seminar den Studierenden wertvolle Anregungen für die eigene Unterrichtsgestaltung geben.
Quellenangabe
Seyferth-Zapf, C., Mikula, L., Ehmann, M. (2025). Förderung von KI-bezogener Kompetenzen bei Lehramtsstudierenden. Praxis- und theorieorientierte Entwicklung und Evaluation eines hochschuldidaktischen Konzepts. Journal für allgemeine Didaktik: JfAD 13, 109-124. DOI: 10.25656/01:34255
Sonstige Anmerkungen
Das hochschuldidaktische Konzept, das für die Studie entwickelt und evaluiert wurde, wird auf den Seiten 115-120 ausgeführt.