Selbstorganisiertes Lernen mit CustomGPTs fördern, Teil 2

Die bisherige Diskussion um die Nutzung von ChatGPT & Co im Bereich Bildung / Entwicklung fokussiert zu stark auf die Produktion von Lernmedien. Das Potenzial für qualitative Weiterentwicklungen – insbesondere im Hinblick auf selbstorganisierte Lernaktivitäten – ist zu wenig im Blick. Wir zeigen dieses Potenzial auf.

Dieser Blogpost umfasst zwei Teile. In ersten Teil ging es um den SCIL GenAI Skills Check als Beispiel für einen Chatbot, der einen umfangreichen, strukturierten, zielorientierten und personalisierten Dialogen im Bereich Lernen und Entwicklung ermöglicht. Im diesem zweiten Teil geht es um die weiteren Konsequenzen für Bildung und Entwicklung.

Hier geht es zum ersten Teil.

– – –

Beschleunigung UND Qualitätsentwicklung

In der aktuellen Diskussion um den Einsatz von generativer KI im Arbeitsfeld Bildung und Personalentwicklung stehen die Nutzenpotenziale im Hinblick auf das schnelle und kostengünstige Erzeugen von Lernmaterialien und Lerninhalten im Vordergrund. Dies gilt insbesondere im Bereich der betrieblichen Aus- & Weiterbildung bzw. Personalentwicklung.

Das Potenzial von Werkzeugen generativer KI für qualitative Weiterentwicklungen im Bereich Bildung / Entwicklung – insbesondere im Hinblick auf selbstorganisiertes Lernen – ist bisher noch zu wenig im Blick. Wir sehen hier ein sehr grosses Potenzial.

Vom Lehren zum Lernen

Im Kontext der Gezeitenbewegung «from teaching to learning» (Barr & Tagg, 1995) ist eigenverantwortliches Lernen und dessen Unterstützung seit vielen Jahren ein Thema für Verantwortliche im Bereich Bildung und Personalentwicklung. Dies gilt für verschiedenste Bildungskontexte: Schulen, Hochschulen, Berufsbildung, betriebliche Aus- & Weiterbildung. Die Bandbreite der Möglichkeiten hat Euler (2018) in einem Diskussionsbeitrag sehr übersichtlich aufgezeigt. Und er verweist darauf, dass der Grad der Eigenverantwortung bzw. Selbstregulation unterschiedlich sein kann. Euler unterscheidet hier “selbstorganisiert” (Lernende treffen Entscheidungen zu Zeit und Ort des Lernens) und “selbstbestimmt” (Lernende treffen Entscheidungen zu Zielen und Inhalten) als zwei Pole.

Eigenverantwortlich durchgeführte, selbstregulierte Lern- und Entwicklungsaktivitäten können unterschiedliche Ausprägungen annehmen. Beispielsweise:

• Bearbeiten von Lernmedien wie Texte, Videos oder Podcasts;
• Bearbeiten von digitalen Lerneinheiten wie WBTs / E-Learnings;
• Besuch von Fachveranstaltungen wie Messen, Tagungen oder Camps;
• Systematisches Trainieren von wiederkehrenden Aufgaben;
• Beteiligung an Peer-Learning bzw. Lernzirkeln auf Basis von Working Out Loud oder lernOS.

Eigenverantwortliches, selbstreguliertes Lernen ist anspruchsvoll. Eben weil die Lernenden keine Lehrpersonen, Trainer:innen oder Lernbegleiter:innen an ihrer Seite haben, die sie in diesem Prozess begleiten und unterstützen. Längst nicht alle Lernenden sind in der Lage, sich im Lern- und Entwicklungsprozess selbst zu motivieren, selbst zu steuern, selbst zu beobachten und selbst zu kontrollieren.

CustomGPTs zur Unterstützung von selbstorganisiertem Lernen

Aus unserer Sicht können CustomGPTs eine wichtige, unterstützende Rolle bei selbstverantworteten und selbstregulierten Lern- bzw. Entwicklungsaktivitäten übernehmen. Dabei können verschiedene, spezifisch konfigurierte CustomGPTs Lernende in den verschiedenen Phasen eines Lern- und Entwicklungsprozesses unterstützen. Beispielsweise bei

• einer persönlichen Standortbestimmung und der Klärung von Entwicklungszielen;
• der Überprüfung, ob Lernmedien erfolgreich bearbeitet (ausreichend tief verstanden) wurden;
• der Vertiefung von spezifischen Themen-Facetten;
• der vertiefenden Klärung von Begriffen und Konzepten («compare & contrast»);
• der Erprobung von neuen Aufgaben und Rollen in Simulationen;
• der Exploration von Möglichkeiten und Wegen, neu gelerntes Wissen und neu erworbene Fertigkeiten im Arbeitsalltag umzusetzen.

Die folgende Abbildung zeigt dies schematisch auf:

Damit selbstorganisierte Lernaktivitäten der Beschäftigten in dieser Breite gefördert und unterstützt werden können, braucht es eine Bibliothek von CustomGPTs und es braucht Möglichkeiten, diese in einfacher Weise verfügbar zu machen. Darüber hinaus braucht es auch eine Befähigung der beteiligten Personengruppen.

Die nächsten Schritte

Befähigung der Beteiligten

Unsere Beobachtungen zeigen, dass Nutzer:innen in Dialogen mit (Custom)GPTs häufig in der Rolle eines “Mitspielers” agieren. Sie antworten auf die Ausgaben des GPT, aber sie steuern den Dialog nicht aktiv in ihrem Sinne und in der Rolle eines “Spielführers”. Sie sind sich häufig nicht bewusst, dass sie den CustomGPT als unterstützenden Lernpartner behandeln, fordern und dirigieren können. Etwa mit Eingaben wie:
• «Eins nach dem anderen, nicht mehrere Fragen auf einmal.»
• «Bitte schneller auf den Punkt.»
• «Bitte genauere Begründungen.»

Ausgehend von dieser Beobachtung schlagen wir vor, verschiedene Reifegrade der Nutzung von ChatGPT&Co zu unterscheiden:

1. Bereitgestellte Prompts und CustomGPTs benutzen und im Dialog “mitspielen”.
2. Anpassungen im Dialog einfordern und “den Dialog führen“.
3. Prompts und CustomGPTs auf die eigenen Erfordernisse anpassen.
4. Prompts und CustomGPTs entwickeln.

Die nachfolgende Abbildung zeigt diese Reifegrade und deren Relevanz für verschiedene Benutzergruppen:

Für die selbstorganisiert Lernenden geht es darum, vom “Mitspieler” zum “Spielleiter” zu werden, um so das Potenzial von bereitgestellten CustomGPTs für das eigene Lernen bestmöglich auszunutzen. Für Bildungsverantwortliche (z.B. Lernbegleiter) geht es darum, CustomGPTs auf die jeweiligen Erfordernisse anzupassen bzw. neue CustomGPTs zu entwickeln.

Bereitstellung von CustomGPTs

Mittlerweile sind viele Unternehmen und Organisationen so weit, dass sie ihren Beschäftigten einen sicheren Zugriff auf ChatGPT & Co über die jeweils eigenen Intranet-Seiten oder Lernplattformen ermöglichen können. Auf dieser Stufe können die Instruktionen für CustomGPTs als ausführliche Prompts über interne Prompt-Bibliotheken geteilt und genutzt werden.

Um die Potenziale für Zugewinne an Produktivität und Qualität weiter auszuschöpfen, ist es sinnvoll, andere Formen des Bereitstellens von CustomGPTs für Lernen und Entwicklung anzugehen. Hier ist insbesondere das Bereitstellen von CustomGPTs über eigens dafür eingerichtete Webservices (z.B. MS Azure und die Anbindung von LLMs über API) relevant. Neue Werkzeuge wie z.B. Microsofts Copilot Studio (eine nutzerfreundliche, no-code Entwicklungsumgebung für CustomGPTs bzw. Copiloten) machen dies leicht umsetztbar – auch für technisch nicht versierte Bildungsverantwortliche.

Aufgaben für Bildungsverantwortliche

Aus den Entwicklungen im Bereich der generativen KI ergeben sich daher mindesten zwei neue Aufgaben für die Verantwortlichen im Bereich Bildung / Personalentwicklung:

• die Sichtung, Erprobung, Entwicklung, Prüfung, Anpassung und Orchestrierung von CustomGPTs zur Unterstützung eigenverantworteter und selbstregulierter Lernaktivitäten;
• das Befähigen und Unterstützen von Lernenden, solche CustomGPTs reflektiert, zielorientiert, produktiv und in der Rolle von “Dialog-Führerenden” für sich und ihre eigenen Lern- / Entwicklungsaktivitäten zu nutzen.

– – –

SCIL Webinar Reihe: Selbstorganisiertes Lernen mit CustomGPTs unterstützen

In einer Reihe von fünf aufeinander aufbauenden Webinaren werden wir das Thema “Selbstorganisiertes Lernen mit CustomGPTs unterstützen” vertiefen. Dies sind die Themen:

• Selbstorganisiertes Lernen (SOL): Einordnung, Formate, Stand, Erfordernisse.
• Generative KI & Bildung / Personalentwicklung: Einsatzszenarien.
• Unterstützung von SOL mit CustomGPTs:
  • SCIL Tutor: Erkundung und Vertiefung von selbst gewählten Themen;
  • SCIL Study-Buddy: Festigen durch Lehren bzw. Erklären;
  • SCIL Transfer-Coach: Umsetzung von Gelerntem im Arbeitsfeld.
• Aktionsplan zur Förderung von SOL mit ChatGPT & Co.

Start ist am 05. Februar 2025. Mehr Informationen und Anmeldung hier.

– – –

Euler, D. (2018, April 25). Personalisiertes Lernen an Hochschulen. Keynote Vortrag. Kurztagung “Personalisiertes Lernen an Hochschulen – Wie viel darf es sein?”. Pädagogische Hochschule Zürich.

Meier, C., & Mann, J. M. (2024). Selbstorganisiertes Lernen mit CustomGPTs fördern: Das Beispiel SCIL GenAI Skills Check. St. Gallen. Universität St.Gallen: Institut für Bildungsmanagement und Bildungstechnologien.