Schüler*innen experimentieren mit DALL·E, um KI-Bilder geschlechtergerechter zu gestalten, und diskutieren kritisch über Bias und Diversität in der Darstellung. Im Rahmen des BMBF-Verbundprojekts ViFoNet (2023–2025) wurde im Teilprojekt 3.2 (Anglistik) erforscht, wie critical digital literacy im Englischunterricht gefördert werden kann.
Der Unterricht zielte darauf ab, Lernende zu befähigen, KI-gestützte Tools (z. B. ChatGPT, DALL·E) kritisch-reflexiv einzusetzen und ihre Darstellungsweisen gesellschaftlicher Themen zu hinterfragen. Die Interventionsstudie wurde im Design-Based-Research-Ansatz in Kooperation mit Schulen umgesetzt. Lehrkräfte erhielten Unterrichtsentwürfe und Materialien, die mit Laptops realisiert wurden. Der vorliegende Videoausschnitt dokumentiert, wie Schüler*innen mit DALL·E mehrere Prompts formulieren, um ein gerechteres Geschlechterverhältnis in KI-generierten Bildern zu erreichen: Prompt 1: make it more natural → Erstes Bild (1:45 min) Prompt 2: make it more diverse → Zweites Bild (2:47 min) Prompt 3: I liked the first one. Please make it more diverse → Drittes Bild (4:03 min) Prompt 4: make a picture of how the UN goals would want men and women more equal → Viertes Bild (5:34 min) Die Schüler*innen diskutieren im Anschluss die fortbestehenden Ungleichgewichte in der Geschlechterdarstellung und reflektieren kritisch die Grenzen algorithmischer Repräsentation. Dieser Videoausschnitt ist mittels eines für diesen Zweck programmierten machine-learning Tools anonymisiert, da das Lernen mit anonymisierten Videos einen Teil des Forschungsprojekts bildete. Bei dem Tool handelt es sich um VAiEd (Videoanonymization in education), welches die Köpfe der im Video sichtbaren Personen trackt und dann mit einem neu erstellten, in den Gesichtsparametern randomisierten 3D-Modell überlagert. Haare wurden entweder durch einen kreisförmigen gauss'schen Blur oder in späteren Videos durch eine dedizierte Haarerkennung ersetzt. Edge-cases, die der Algorithmus nicht erkannte wurden manuell geblurt. Sprache wurde durch Pitchshift und Modulation verfremdet. Alle Englischvideos enthalten zudem fest eingebrannte Untertitel.
