Während ihres Studiums fehlen angehenden Lehrerinnen und Lehrern oft die Möglichkeiten, ausreichend praktische Erfahrungen zu machen. Simulationen in Kombination mit Künstlicher Intelligenz könnten dabei ein vielversprechender Ansatz sein, um ihre Kompetenzen praxisnah zu schulen. In einer experimentellen Studie mit angehenden Lehrern über simulierte Schüler mit Lernschwierigkeiten untersuchten Sailer et al. (2022) die Auswirkungen von automatischem adaptivem Feedback, das auf künstlichen neuronalen Netzen basiert, auf das diagnostische Denken der angehenden Lehrer.
Man hat dafür ein Künstliches Neuronales Netzwerk entwickelt und trainiert, das Lernenden ein adaptives Feedback, zugeschnitten auf ihre jeweilige Leistung, gibt. Im Rahmen eines Experiments wurden angehende Lehrkräfte mithilfe von Online-Simulation in ihrem diagnostischen Denken geschult d. h., sie sollten bestimmte Lernprobleme erkennen lernen und schriftlich begründen können, warum sie eine Lernstörung vermuten. Die diagnostische Argumentation wurde als diagnostische Genauigkeit und die Qualität der Begründungen operationalisiert. Man verglich dabei automatisches adaptives Feedback mit statischem Feedback, das in Form einer Expertenlösung vorgegeben wurde. Außerdem wurde experimentell manipuliert, ob die Lernenden einzeln oder in Zweiergruppen an den computerlaborbasierten Simulationen arbeiteten.
Die Künstliche Intelligenz erkannte im Freitext, was die Lernenden richtig bzw. falsch gemacht hatten, und gab passende Rückmeldungen. Durch den Einsatz der Künstlichen Intelligenz und die individualisierte Rückmeldung sind vor allem die Begründungen der angehenden Lehrkräfte besser geworden, wobei gerade bei komplexen Aufgaben ein Mehrwert entstehen kann. Das adaptive Feedback ähnelte dabei dem individuellen Feedback, das ein Lehrender gibt. Gerade bei großen Studiengängen wie im Bereich der LehrerInnenbildung, aber auch der Medizin, mit vielen Studierenden ist das ein vielversprechender Ansatz.
Die Ergebnisse zeigten aber auch, dass adaptives Feedback zwar die Qualität der Begründungen von angehenden Lehrern in schriftlichen Aufgaben verbessert, nicht aber ihre diagnostische Genauigkeit. Darüber hinaus hatte statisches Feedback sogar nachteilige Auswirkungen auf den Lernprozess in Zweiergruppen. Automatisches adaptives Feedback in Simulationen bietet dennoch ein skalierbares, ausführliches, prozessorientiertes Feedback in Echtzeit für eine große Anzahl von Studierenden in der Hochschulbildung.
Literatur
Sailer, Michael, Bauer, Elisabeth, Hofmann, Riikka, Kiesewetter, Jan, Glas, Julia, Gurevych, Iryna & Fischer, Frank (2022). Adaptive feedback from artificial neural networks facilitates pre-service teachers’ diagnostic reasoning in simulation-based learning. Learning and Instruction. doi:10.1016/j.learninstruc.2022.101620.
Impressum ::: Datenschutzerklärung ::: Nachricht ::: © Werner Stangl ::: Psychologische Neuigkeiten für Pädagogen :::