MÜNCHEN. Auszubildenden in praktischen Situationen ein Feedback zu geben, ist ein elementarer Bestandteil von Ausbildungsprozessen. Doch solche praktischen Erfahrungen frühzeitig in die Lehrerausbildung zu integrieren, ist naturgemäß schwierig. Münchener Wissenschaftler versuchen mit Künstlicher Intelligenz Abhilfe zu schaffen.
Während ihres Studiums fehlen angehenden Lehrerinnen und Lehrern oft die Möglichkeiten, ausreichend praktische Erfahrungen zu machen. Simulationen in Kombination mit Künstlicher Intelligenz (KI) können ein vielversprechender Ansatz sein, um ihre Kompetenzen praxisnah zu schulen. Das ist das Ergebnis einer jüngst erschienenen Studie von Professor Frank Fischer und Dr. Michael Sailer von der Ludwig-Maximilians-Universität München und Professor Iryna Gurevych, von der TU Darmstadt. Gemeinsam hatten die beiden Lernforscher und die Informatikerin ein sogenanntes Künstliches Neuronales Netzwerk entwickelt und trainiert, das Lernenden ein adaptives Feedback gibt, zugeschnitten auf ihre jeweilige Leistung.
Ihr Netzwerk testete ein Team von Wissenschaftlerinnen und Wissenschaftlern im Rahmen eines Experiments mit 178 angehenden Lehrkräften. Dabei sollten die werdenden Lehrerinnen und Lehrer mithilfe der KI in ihrem diagnostischen Denken geschult werden. In einer Online-Simulation waren sie aufgefordert, bestimmte Lernprobleme der simulierten Schüler zu erkennen und schriftlich zu begründen, warum sie eine Lernstörung vermuteten. Die Künstliche Intelligenz erkannte aus den Freitexten der Studierenden, was sie richtig und was sie falsch gemacht hatten, und gab passende Rückmeldungen.
Den Effekt dieses automatisch erzeugten adaptiven Feedbacks verglichen die Forschenden in ihrer Studie mit den Lernerfolgen der Probandinnen und Probanden auf Basis statischen Feedbacks, das sie in Form einer Expertenlösung erhielten. Außer dem ließen die Forscher die Lernenden einzeln oder in Zweiergruppen an den computerlaborbasierten Simulationen arbeiten.
Im Ergebnis zeigte sich, dass adaptives Feedback sich zwar nicht die diagnostische Genauigkeit der der Lehramtsstudentinnen und -studenten auswirkte. Ein deutlich messbarer positiver Effekt habe sich aber bei der Qualität ihrer Begründungen gezeigt. Das statische Feedback hingegen habe sogar nachteilige Auswirkungen auf den Lernprozess gezeitigt, besonders in den Zweiergruppen.
Für Michael Sailer überwiegt der positive Effekt des KI-Feedbacks deutlich. „Durch den Einsatz der KI und die individualisierte Rückmeldung sind vor allem die Begründungen der angehenden Lehrkräfte besser geworden“, fasst er zusammen. Gerade bei komplexen Aufgaben biete der Einsatz der KI einen Mehrwert.
„Das adaptive Feedback ähnelt dem individuellen Feedback, das ein Dozierender gibt“, ergänzt Frank Fischer, Inhaber des Lehrstuhls für Empirische Pädagogik und Pädagogische Psychologie an der Ludwig-Maximilians-Universität München. Gerade bei großen Studiengängen wie im Bereich der Lehrerinnenbildung, aber auch der Medizin, mit vielen Studierenden sei das ein vielversprechender Ansatz, der großen Mehrwert schaffen könne. (zab, pm)