• Skip to primary navigation
  • Skip to main content
  • Skip to primary sidebar
scil

scil

swiss competence center for innovations in learning

  • scil
    • Team
    • Institut für Bildungsmanagement und Bildungstechnologien (IBB-HSG)
    • Universität St.Gallen
    • scil Newsletter abonnieren
    • Anfahrt
    • Impressum
  • Weiterbildung
    • Weiterbildung
      • Blended Learning Design
      • Profilbildung
    • Module, Termine, Orte
    • Zertifikatsprogramm (CAS) „Digitale Transformation im Bildungsmanagement“
    • Zertifikatsprogramm (CAS) „Digitale Bildung“
    • Diplomprogramm (DAS) „Bildungsmanagement – Digitale Transformation gestalten“
    • scil Blended-Webinare
    • FAQ
    • Trend- & Community Day
    • Stimmen zu den Programmen
    • Lernbegleiter:innen & Fachexpert:innen
    • Allgemeine Geschäftsbedingungen (AGB) scil academy
  • Fachcoaching
  • Entwicklung / Projekte
    • Innovationskreise & Entwicklungspartnerschaften
    • Digitale Transformation von L&D
    • Lernkultur
    • Qualitätsentwicklung und Wertbeitrag
    • Referenzprojekte
  • Forschung
  • Publikationen
    • scil Blog
    • Publikationen, Arbeitsberichte & Trendstudien
  • Mein Konto
    • Search
    • Social Media, Newsletter
HomeFundstückeKünstliche Intelligenz: Die Auswirkungen auf Lernen, Lehren und (Weiter-)Bildung (Tuomi 2018)

Künstliche Intelligenz: Die Auswirkungen auf Lernen, Lehren und (Weiter-)Bildung (Tuomi 2018)

15. Februar 2019

Ilkka Tuomi, Chief Scientist bei Meaning Processing Ltd, einem unabhängigen Forschungsinstitut in Helsinki, hat im Auftrag des Joint Research Centre (JRC) der EU einen Bericht zum Thema „The Impact of Artificial Intelligence on Learning, Teaching, and Education“ erstellt.
Der Bericht ist keine leichte Kost. Mehrfach habe ich ihn zur Hand genommen und wieder beiseite gelegt – unsicher, ob der Ertrag einer genaueren Lektüre den Aufwand lohnt. Irgendwann habe ich dann doch einen Zugang gefunden. Hier meine Notizen…
 

Drei Ebenen menschlichen Lernens

Im ersten inhaltlichen Kapitel über Künstliche Intelligenz (KI) werden, in Anlehnung an die von Wygotski und Leontjew begründete Tätigkeitstheorie (Activity Theory), drei Ebenen des menschlichen Lernens unterschieden: Routinisierung von Verhalten, kognitives Problemlösen und soziales bzw. kulturelles Lernen (Kulturentwicklung).
 

Bildquelle: Tuomi 2018, S. 9


 
Dieser Bezugsrahmen bildet dann die Folie, vor deren Hintergrund Tuomi dem Potenzial für KI und die Auswirkungen auf Handeln, Lehren und Lernen nachgeht. Dabei werden zunächst drei Typen von KI unterschieden:

  • Logik-orientierte KI,
  • wissensbasierte KI und
  • datenbasierte KI und neuronale Netze.

Mit einer Fokussierung auf datenbasierte KI und neuronale Netze werden anschliessend drei Typen von maschinellem Lernen unterschieden:

  • überwachtes Lernen (supervised learning) auf der Basis von aufbereiteten bzw. kodierten Datensätzen und transferorientiertes Lernen als eine Variante davon,
  • unüberwachtes Lernen (non-supervised learning) – häufig auf der Grundlage von künstlichen neuronalen Netzen – bei dem die Maschinen selbstständig Muster in den Daten entdecken, mit Verstärkungslernen (z.B. Googles Alpha Zero) als einer und General Adversarial Networks (GANs) als weiterer Variante.

Ausgehend von dieser Unterscheidung gelangt Tuomi zu einer ersten wichtigen Feststellung: KI-basierte Systeme, die auf überwachtem Lernen basieren, können dazu beitragen, bestehende Sichtweisen (und Voreingenommenheiten) zu zementieren:

A particular challenge of supervised learning models is that they can only see the world as a repetition of the past. The available categories and success criteria that are used for their training are supplied by humans. Personal and cultural biases, thus, are an inherent element in AI systems that use supervised learning. (…) supervised learning creates machines that are only able to perceive worlds where humans are put in pre-defined boxes.

Dies ist aus ethischer ebenso wie aus pädagogischer Sicht problematisch.
 

Veränderte Kompetenzerfordernisse und Substitution von menschlicher Arbeitskraft

In einem weiteren Kapitel geht Tuomi den Folgen der Entwicklungen im Bereich KI für zukünftige Kompetenzerfordernisse nach. Hier unterscheidet er Studien, die einzelne Fertigkeiten (Skills) als Bezugspunkt heranziehen und davon ausgehend das Potenzial für Automatisierung ermitteln, und Studien, die darüber angesiedelte Aufgaben (Tasks) als Bezugspunkt heranziehen (z.B. Osborne & Frey 2013). Die Wahl des Bezugspunkts hat Konsequenzen für die Schätzung der Auswirkungen von KI auf Automatisierung und Beschäftigung (vgl. die folgenden Abbildungen). Tuomi liefert für das Beispiel der typischen Aufgaben von Lehrpersonen an Mittelschulen seine eigene Einschätzung dazu, wie stark sich die Entwicklungen im Bereich KI auf welche Aufgaben auswirken werden:
 

Bildquelle: Tuomi 2018, S. 19
Bildquelle: Tuomi 2018, S. 20

As a result, AI will probably have its biggest impact when it is used to augment human cognition, and in supporting human learning and knowing. (…) Assuming that some occupations, perhaps such as truck drivers, data entry keyers or utilities meter readers, will become obsolete in the near future, an important question for education policy is how people in these occupations can move to new jobs. (…) The RBC study argued that as many occupations overlap in their skill requirements, it is relatively easy to complement skills within these clusters in ways that enable people to move to new jobs when their old jobs become automated.

Bildquelle: Tuomi 2018, S. 20 (adaptiert von RBC 2018)

Auswirkungen auf Lernen, Lehren und (Weiter-)Bildung

In einem dritten Kapitel geht Tuomi den möglichen Auswirkungen von KI auf Lernen, Lehren und (Weiter-)Bildung nach. Hier hatte ich mir allerdings mehr erhofft.
Tuomi kommt zunächst auf die seit den 1980er Jahren entwickelten intelligenten tutoriellen Systeme (ITS) zu sprechen. Diese Systeme stehen für Wissens-basierte KI (vgl. oben) und beinhalten typischerweise ein Domänen-Modell, ein Lerner-Modell und ein tutorielles Modell (vgl. dazu diesen Blogpost). Diese Systeme haben sich bisher aber vor allem in bestimmten Feldern wie z.B. Mathematik und Physik bewährt.
Tuomi macht in seinem Bericht keinen Versuch, aktuell verfügbare KI-basierte Werkzeuge für Lehren und Lernen zu inventarisieren (vgl. dazu u.a. diesen Blogpost). Vielmehr skizziert er einige der von ihm erwarteten allgemeineren technischen Weiterentwicklungen und deren Auswirkungen auf Lernen, Lehren und (Weiter-)Bildung:

  • Lernenden-Modelle für komplexe Wissensdomänen
    Datenbasierte KI-Lösungen mit ausreichend Rechenleistung sind, so erwartet Tuomi, in der Lage, auch Wort bzw. sprachbasierte Wissensdomänen (z.B. Management-Lehre / Betriebswirtschaft) adäquat abzubilden und brauchbare Lernenden-Modelle für diese Domänen zu erzeugen.
  • Lernenden-Sensorik als Datenquelle für Learning Analytics
    Daten-basierte KI-Lösungen benötigen relevante Daten. Dies wird die Entwicklungsarbeit in Richtung Lernenden-Sensorik antreiben, über die Daten von den Lernenden selbst gewonnen werden können – beispielsweise zur Aufmerksamkeit oder zum Stresserleben.
  • Conversational Bots zur Lernbegleitung
    „It can be expected that, as conversational natural language systems such as the Google Duplex are now becoming commercially available, teachable conversational agents will be one area where educational AI start-ups try to create new business in the near future.“
  • KI-basierte Assessment-Lösungen für grosse Lernergruppen (z.B. MOOCs)
    „AI could be used to objectively assess student learning by scoring test results without teacher bias. Given  enough human-labelled examples of data, neural AI and machine learning can easily learn to categorize students based on their test results.“
  • Reduzierte Bedeutung von Faktenwissen im Vergleich zu überfachlichen Kompetenzen
    „AI can reduce the need for human knowledge, experience, and skill (…). As a result, humans do not necessarily need to learn domain specific knowledge that earlier was required for competent behaviour. In particular, as domain-specific knowledge becomes less important for competence, transversal and domain-independent generic competences may become relatively more important.“
    und weiter:
    „as AI can convert speech to text and vice versa, dyslexia [and dyscalculia] may become socially less important than it has been in the past.“

An dieser Stelle plädiert Tuomi für ein vertieftes Verständnis von KI auf Seiten von Entscheidungsträgern in Politik und (Bildungs-)Institutionen. Ohne ein solches vertieftes Verständnis besteht die Gefahr, dass mit KI-basierten Lernlösungen lediglich bereits in die Jahre gekommene oder überholte Lehr- und Erziehungsmodelle auf eine neue technische Basis gestellt werden:

Therefore, without clear visions and policies (…) educational AI will probably mainly be provided as solutions to existing problems. Instead of renewing the system and orienting it towards the needs of a post-industrial economy and knowledge society, AI may therefore mechanize and reinvent outdated teaching practices and make them increasingly difficult to change.


Hinweis: In unserem Modul „Adaptive Lernumgebungen“ vertiefen wir einige der hier angesprochenen Punkte:

  • KI und maschinelles Lernen
  • Erfolgsfaktor personalisiertes Lernen: Anspruchsgruppen und ihre Erwartungen
  • Komponenten adaptiver Lernumgebungen: Tutorielles Modell, Lernenden-Modell, Domänen-Modell, Inner- / Outer Loop
  • Überblick und Praxisberichte zu KI-basierten, adaptiven Lernumgebungen

Frey, Carl Benedikt; Osborne, Michael (2013): The future of employment. Herausgegeben vom Oxford Martin Programme on the Impacts of Future Technology. University of Oxford. Oxford, UK.
Tuomi, Ilkka (2018): The Impact of Artificial Intelligence on Learning, Teaching, and Education. JRC Science for Policy Report. Hg. v. European Union. Publications Office of the European Union. Seville, (Spain).

christoph-meier

Geschrieben von
Christoph Meier

Veröffentlicht in
Fundstücke

Verschlagwortet
AI / KI, Augmentation, Formelles Lernen

Reader Interactions

Schreiben Sie einen Kommentar Antworten abbrechen

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert


Primary Sidebar

Lizenz Blogbeiträge

Creative Commons Lizenzvertrag
Unsere Blogbeiträge sind lizenziert unter einer Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz.

Tag Cloud

70:20:10 adaptive Lernumgebungen AI / KI Analytics (Teaching~ / Learning~) Augmentation Bildungsmanagement Bildungsmarketing Blended Learning Change Management Coaching Digitale Arbeitswelt Digitale Bildung Digitale Kompetenzen Digitale Transformation Digitalisierung E-Learning / TEL Entwicklungsförderliche Führung Evaluation Führungskräfteentwicklung Hochschullehre Informelle Lernformen Kompetenzmodell Kuratieren Learning Design Learning Professionals Lern- / Trainingsmethoden Lernende Organisation Lernen in / mit VR, AR, XR Lernförderliche Führungsarbeit Lernkultur Lernmedien Lernplattform Lernräume mobile learning MOOC Professionelle Kompetenzentwicklung Ro/Bots for learning Social Media Strategieentwicklung und Portfolio-Management Tagungen & Konferenzen Trends Trendstudie Video-basiertes Lernen Wertbeitrag / Learning Value Management Zukunftsorientierte Kompetenzentwicklung

Neueste Beiträge

  • Ein Leitbild für L&D: „Growth in the flow of work“
  • Digital Learning Design Framework & Toolkit (Teesside University & Jisc)
  • Gestaltung der digitalen Transformation in Schulen – ein Reifegradmodell für berufsbildende Schulen
  • Datenbasiertes Bildungsmanagement und Daten aus dem Lernökosystem
  • Bewertungsraster für Active Learning Technologies

Neueste Kommentare

  • Martin Rytz bei Blended Learning – Kontext, Orientierungsrahmen, Folgerungen
  • 2022 Workplace Learning Report | Weiterbildungsblog bei Linkedin Workplace Learning Report 2022
  • Dr. Christoph Meier | IFBB - Institut für Betriebliche Bildung bei Organisation betrieblicher Bildung – ein Orientierungsrahmen
  • Rückblick zur LEARNTEC 2022​: XR trifft Realität – Blog bei Digitale Lernkultur – eine Standortbestimmung im Rahmen des Learntec-Kongresses
  • Digitale Lernkultur – eine Standortbestimmung im Rahmen des Learntec-Kongresses | Weiterbildungsblog bei Digitale Lernkultur – eine Standortbestimmung im Rahmen des Learntec-Kongresses

Archives

  • 2022
    • August 2022
    • Juli 2022
    • Juni 2022
    • Mai 2022
    • März 2022
    • April 2022
    • Februar 2022
    • Januar 2022
  • 2021
    • Dezember 2021
    • November 2021
    • Oktober 2021
    • September 2021
    • August 2021
    • Juli 2021
    • Juni 2021
    • Mai 2021
    • März 2021
    • April 2021
    • Februar 2021
    • Januar 2021
  • 2020
    • Dezember 2020
    • November 2020
    • Oktober 2020
    • September 2020
    • August 2020
    • Juli 2020
    • Juni 2020
    • Mai 2020
    • März 2020
    • April 2020
    • Februar 2020
    • Januar 2020
  • 2019
    • Dezember 2019
    • November 2019
    • Oktober 2019
    • September 2019
    • August 2019
    • Juli 2019
    • Juni 2019
    • Mai 2019
    • März 2019
    • April 2019
    • Februar 2019
    • Januar 2019
  • 2018
    • Dezember 2018
    • November 2018
    • Oktober 2018
    • September 2018
    • August 2018
    • Juli 2018
    • Juni 2018
    • Mai 2018
    • März 2018
    • April 2018
    • Februar 2018
    • Januar 2018
  • 2017
    • Dezember 2017
    • November 2017
    • Oktober 2017
    • September 2017
    • August 2017
    • Juli 2017
    • Juni 2017
    • Mai 2017
    • März 2017
    • April 2017
    • Februar 2017
    • Januar 2017
  • 2016
    • Dezember 2016
    • November 2016
    • Oktober 2016
    • September 2016
    • August 2016
    • Juli 2016
    • Juni 2016
    • Mai 2016
    • März 2016
    • April 2016
    • Februar 2016
    • Januar 2016
  • 2015
    • Dezember 2015
    • November 2015
    • Oktober 2015
    • September 2015
    • August 2015
    • Juli 2015
    • Juni 2015
    • Mai 2015
    • März 2015
    • April 2015
    • Februar 2015
    • Januar 2015
  • 2014
    • Dezember 2014
    • November 2014
    • Oktober 2014
    • September 2014
    • August 2014
    • Juli 2014
    • Juni 2014
    • Mai 2014
    • März 2014
    • April 2014
    • Februar 2014
    • Januar 2014
  • 2013
    • Dezember 2013
    • November 2013
    • Oktober 2013
    • September 2013
    • August 2013
    • Juli 2013
    • Juni 2013
    • Mai 2013
    • März 2013
    • April 2013
    • Februar 2013
    • Januar 2013
  • 2012
    • Dezember 2012
    • November 2012
    • Oktober 2012
    • September 2012
    • August 2012
    • Juli 2012
    • Juni 2012
    • Mai 2012
    • März 2012
    • April 2012

Kategorien

  • Allgemein
  • Aufträge, Projekte & Studien
  • Beiträge
  • Fundstücke
  • Publications
  • Stichworte
  • Vertiefung
  • Vorträge & Workshops

Meta

  • Anmelden
  • Feed der Einträge
  • Kommentare-Feed
  • WordPress.org
Accreditations

Member of



© Copyright 2022 University
of St.Gallen Switzerland · General
legal information ·Data privacy
statement
· GTM

Dufourstrasse 50
CH-9000 St.Gallen
Tel +41 71 224 21 11
Fax +41 71 224 28 16

University of St.Gallen – School
of Management, Economics,
Law, Social Sciences and
International Affairs (HSG)

Wenn Sie auf dieser Seite bleiben, stimmen Sie der Nutzung von Cookies zu. Mehr..

Ok Abmelden