Pädagogen schlagen Bewertung von Schüler-KI-Dialogen und KI-Schulung der Unterrichtsbeobachtung vor

Forschende und Lehrkräfte erproben neue Modelle, die das argumentative Vorgehen von Lernenden im Dialog mit KI-Tutoren bewerten und maschinelles Lernen nutzen, um Feedback zu Wahrnehmungskompetenzen von Lehrkräften zu beschleunigen.
Um zu verhindern, dass Lernende künstliche Intelligenz lediglich als Abkürzung zu fertigen Antworten nutzen, plädiert Mike Kentz von AI Friction Labs dafür, dass Lehrkräfte den Dialog der Schülerinnen und Schüler mit der KI bewerten und nicht nur deren finale Abgaben. Unter Verweis auf eine Studie, in der Mittelstufenschüler einen forschungsorientierten KI-Mathetutor kaum nutzten, entwickelte Kentz ein Raster zur Beurteilung des Chatverlaufs selbst. Seine Methode begrenzt die Interaktionen auf rund zehn Wechsel, um den Korrekturaufwand überschaubar zu halten, bindet die Lernenden über den Vergleich gelungener und schwacher Chats in die Kriterienfindung ein, integriert Vor- sowie Nachreflexionen und fordert die Schüler auf, einer verwirrten virtuellen KI-Mitschulklasse Konzepte wie Tangenten zu erklären.
Gleichzeitig untersuchen Forschende, ob KI Rückmeldungen für Lehrkräfte beschleunigen kann. An der Rowan University leitet Molly Fisher Untersuchungen zum sogenannten „Professional Noticing“ – der fachdidaktischen Wahrnehmungskompetenz, Schülerhandlungen zu beobachten, das zugrunde liegende Verständnis zu deuten und pädagogische Folgeschritte festzulegen. Ab Frühjahr 2027 plant Fishers Team, KI-Modelle anhand von durch Menschen bewerteten Lehrerreaktionen auf Videoaufnahmen aus dem Unterricht zu trainieren, mit dem Ziel, Beobachtungsberichte innerhalb eines einzigen Tages an die Lehrkräfte zurückzuspielen. Fisher betont, dass Lehrkräfte den Modellausgaben gegenüber skeptisch bleiben und beim Hochladen von Schülerdaten größte Vorsicht walten lassen müssen.
Diese Initiativen verdeutlichen einen Wandel in der Bildungstechnologie: weg von der KI als reiner Antwortmaschine hin zur Erfassung des eigentlichen Denkprozesses. Die Auswertung von Chatverläufen begreift Prompt-Design und iteratives Nachfragen als analytische Kernkompetenzen – vergleichbar mit den Anfängen der Schreibdidaktik, bevor Standards zur Aufsatzbewertung formalisiert wurden.
Quelle: EdSurge



