AI in education: Promises and implications for teaching and learning

Das aktuelle Buch des CCR geht zwei Themen nach: 1) Konsequenzen von KI für die Curricula an (Hoch-)Schulen; 2) Potenziale und Herausforderungen von KI für die Gestaltung von Lehren und Lernen.

Das “Center for Curriculum Redesign” ist eine in Boston ansässige, not-for-profit-Organisation, deren Forschungs- und Entwicklungsarbeiten um die Frage kreisen: “Was sollen Schülerinnen und Schüler bzw. Studierende mit Blick auf die Anforderungen des 21. Jahrhunderts wissen bzw. können?”. Im Mittelpunkt stehen also Fragen nach zukunftsorientierten Curricula für Sekundarschulen und Hochschulen.

Das Buch ist in zwei Teile gegliedert, die den Folgen der aktuellen technischen Entwicklungen im Bereich künstliche Intelligenz für Bildung nachgehen:

• Was sind die Konsequenzen von KI für die Curricula von (Hoch-)Schulen? Was sollen Schülerinnen und Schüler bzw. Studierende im Zeitalter von KI lernen
• Was sind die Potenziale und Herausforderungen von KI für die Gestaltung von Lehren und Lernen?

Was soll gelernt werden? Auswirkungen von KI auf das Curriculum

Ausgangspunkt der Darstellungen in diesem Teil des Buches sind die folgenden Feststellungen bzw. Fragen:

• Vieles von dem, was Schülerinnen und Schüler bzw. Studierende lernen, ist entweder für ihren weiteren Entwicklungsweg nicht relevant oder aber bereits vergessen, wenn es dann relevant wird;
• Wir verfügen über mächtige Werkzeuge (Taschenrechner, Übersetzungshilfen, Suchmaschinen, Online-Enzyklopädien, etc.), die wir auf mobilen Endgeräten immer bei uns haben;
• Smart Machines können zunehmend auch motorisch, kognitiv und affektiv anspruchsvolle Aufgaben übernehmen.
• Was also müssen wir wirklich noch lernen bzw. im Kopf haben?

Die Antwort der Autoren umfasst verschiedene Aspekte. Bildungsinstitutionen müssen

• eine breite Ausbildung in verschiedenen Disziplinen bieten (in Zukunft braucht es eher ein “M”-Profil als ein “T”-Profil);
• die Anpassungsfähigkeit und Problemlösefähigkeit entwickeln;
• das von ihnen vermittelte Curriculum auf den Kopf stellen und weniger fachliche Inhalte vermitteln als vielmehr den Transfer von Schlüsselkonzepten auf neue Problemstellungen trainieren.

“There should be no content that does not serve concepts. Most content will exemplify a specific concept that has a high potential for being leveraged to understand many aspects of the world. It [the content, CM] should also serve as a good instantiation or application of concepts that are exemplified elsewhere. (…) the goal is to rid the curriculum of obsolete, irrelevant information (…)”

Holmes et al. 2019, S. 75

Die Autoren vom CCR plädieren also für eine Bildung, die auf das Beherrschen und flexible Anwenden von Schlüsselkonzepten (core concepts) aus verschiedenen Fächern setzt. Darin müssen auch übergreifende Entwicklungstrends und -themen abgebildet sein, beispielsweise aktuelle technologische Entwicklungen, Globalisierung, Klimawandel oder gesellschaftliche Entwicklungen. Darüber hinaus verweisen sie auf das in einer anderen Buchpublikation des CCR entwickelte 4-D-Kompetenz-Modell für das 21. Jahrhundert:

Wie soll gelernt werden? Potenziale von KI für Lernumgebungen

Im zweiten Teil des Buchs geht es dann um die Frage, “wie” gelernt werden soll bzw. wie KI im Kontext von Bildung genutzt werden kann.

Nach einer einleitenden Klärung von ausgewählter Begrifflichkeiten (Algorithmen, Maschinelles Lernen, etc.) und einem kurzen historischen Abriss (“Instruktionsmaschinen”, adaptives Lernen, Computer Aided Instruction) behandeln die Autoren verschiedene Typen von KI-basierten Werkzeugen für Lehren und Lernen. Im Mittelpunkt stehen vier Klassen von Systemen, für die jeweils verschiedene Beispiele und deren zentrale Funktionsmechanismen vorgestellt werden:

• Intelligente Tutorielle Systeme (ITS)
  (z.B. Mathia, Assistments, Knewton alta, area9lyceum),
• Dialog-basierte Tutorielle Systeme (DBTS)
  (z.B. Watson Tutor),
• Exploratory Learning Environments (ELE)
  (z.B. Fractions Lab, Betty’s Brain),
• Unterstützungssysteme für Lehrpersonen (ITS+)
  (z.B. Lumilo).

Ergänzend und kürzer werden weitere KI-unterstützte Lern-, Informations- und Vernetzungsumgebungen behandelt: Sprachlernen (z.B. Babbel, Duolingo), Chatbots (z.B. Ada), Learning Network Orchestrators sowie auch Entwicklungen im Bereich AR / VR.

Herausforderungen

Im letzten Abschnitt des Buches ändert sich für mein Empfinden die Tonlage der Autoren – sie klingen deutlich zurückhaltender und kritischer als zuvor.

[We] are excited by what AI has to offer teaching and learning … but we are also very cautious. We have seen an extraordinary range of AIED approaches (…) and some amazing future AIED possibilities (…) However, we have also identified a range of critical issues that need to be addressed before AI becomes an acceptable integral part of everyday learning.”

Holmes et al. 2019, S. 179

Sie verweisen dabei auf folgende Punkte:

• KI-unterstützte Lernumgebungen (ITS, DBTS, ELE, AWE, etc.) werden bisher erst vereinzelt genutzt;
• Studien zur Wirksamkeit dieser Umgebungen in der Breite stehen noch aus;
• es gibt ungeklärte Fragen bezüglich möglicher Verzerrungen (Bias) bzw. vernachlässigter sozialer Kontexte in den zugrundeliegenden Algorithmen;
• es gibt ungeklärte Fragen des Datenschutzes (z.B. wem gehören die von den Nutzern generierten Daten, wer kann / darf auf diese zugreifen, diese analysieren und interpretieren?);
• es fehlen breit akzeptierte Kriterien für den ethischen Einsatz von KI-basierten Lösungen in der Bildung;
• manche Typen von KI-basierten Lösungen (insbesondere ITS) reduzieren die Autonomie bzw. Freiheitsgrade der Lernenden und vernachlässigen die Potenziale von kollaborativem Lernen, von geführtem Entdecken sowie von Lernen durch Fehler.

“Whether we welcome it or not, AI is increasingly being used widely across education and learning contexts. We can either leave it to others—the computer scientists, AI engineers and big tech companies—to decide how artificial intelligence in education unfolds, or we can (…) adopt a critical stance, to help ensure that the introduction of AI into education reaches its potential and has positive outcomes for all.”

Holmes et al. 2019, S. 180

Die in diesem Buch behandelten Themen werden in verschiedenen Modulen der scil academy vertieft. Dies gilt insbesondere für die folgenden Module:

• “Bots & Robots als Lernpartner“,
• “KI-basierte, adaptive Lernumgebungen“,
• “Datenbasiertes Bildungsmanagement & Learning Analytics” sowie
• “Immersive Lernumgebungen“.

Holmes, Wayne; Bialik, Maya; Fadel, Charles (2019): Artificial intelligence in education. Promises and implications for teaching and learning. Boston, MA: Center for Curriculum Redesign.