KI eignet sich gut als Textübersetzer Im Rahmen des BMBF-geförderten Verbundprojekts „Videobasierte Fortbildungsmodule zum digital gestützten Unterrichten im Netzwerk bundesdeutscher Videoportale“ (ViFoNet, 2023-2025) wurden Fortbildungsmodule für Französisch- und Spanischlehrkräfte auf Basis videographierter Unterrichtseinheiten entwickelt.
Diese Module zielen darauf ab, dass teilnehmende Lehrkräfte technisches bzw. KI-bezogenes Grundlagenwissen und KI-Kompetenzen erwerben, ethische Aspekte des Einsatzes von KI-Anwendungen im Fremdsprachenunterricht reflektieren und Unterrichts- und Aufgabenformate, die zum kritisch-reflexiven Umgang mit KI anregen, erproben. Die Implementierung der Unterrichtskonzepte der videographierten Unterrichtseinheiten fand an verschiedenen hessischen Gymnasien zwischen November 2023 und Dezember 2023 statt. Hierbei wurde das Unterrichtsgeschehen mit verschiedenen Kameras aus unterschiedlichen Perspektiven sowie mithilfe von Bildschirmaufnahmen aufgezeichnet. Die Kombination aus Unterrichtsvideos, Bildschirmaufnahmen, Chatverläufen (zwischen Lernenden und eingesetzten KI-Anwendungen) und Lernendenprodukten bot im Nachgang eine umfangreiche Datengrundlage für wissenschaftliche Auswertungen im Rahmen videographischer Unterrichtsbeobachtungen und qualitativer Inhaltsanalysen. Das Video gewährleistet einen Einblick in die Arbeits- und Reflexionsphase der Lernenden. Nachdem die Lernenden den Text von DeepL übersetzen lassen und unbekannte Wörter nachgeschlagen haben, bearbeiten sie die Aufgaben zur Reflexion "KI als Textübersetzer". Die Lernenden zeigen tendenziell eine unkritische und weniger reflektierte Haltung und behaupten, dass die Textübersetzung einfach zu verstehen ist. 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). In dieser früheren Version des Tools wurden Köpfe ausschließlich getrackt und anschließend geschwärzt. Sprache wurde durch Pitchshift und Modulation verfremdet.
