Schüler*innen lassen ChatGPT eine Case Study zu „carbon footprint“ erstellen und generieren ergänzende KI-Bilder zu Costa Rica als klimaneutralem Land. Im Rahmen des BMBF-Verbundprojekts ViFoNet (2023–2025) wurde im Teilprojekt 3.2 (Anglistik) beforscht, wie critical digital literacy im Englischunterricht gefördert werden kann.
Beforscht wurde insbesondere der Einsatz von KI-gestützten Tools (z. B. ChatGPT, DALL·E) sowie deren Potenzial für einen kritisch-reflexiven Umgang mit KI im Fremdsprachenlernen. Die Interventionsstudie wurde im Design-Based-Research-Ansatz in Zusammenarbeit mit Schulen durchgeführt. Lehrkräfte erhielten Unterrichtsentwürfe und Materialien, die mit Laptops umgesetzt wurden. Darin wurden KI-Tools praktisch eingesetzt und inhaltlich reflektiert. Der vorliegende Videoausschnitt zeigt eine Unterrichtssequenz, in der Schüler*innen ChatGPT und ein KI-Bildtool kombinieren, um Inhalte für ihre Präsentation zum Thema Carbon Footprint zu generieren. Prompt 1: Give me a case study of carbon footprint. → Die KI liefert eine Fallstudie, deren Text die Schüler*innen direkt in ihre PowerPoint übernehmen. Prompt 2: Create an image of Costa Rica being carbon neutral. (1:55 min: Erstes Bild wird generiert.) Prompt 3: Make the image look more like Costa Rica. (2:50 min: Zweites Bild wird generiert.) Während der Arbeit kommentieren die Schüler*innen: „That’s Costa Rica, like a jungle.“ Die Szene verdeutlicht den produktiven Einsatz von KI zur inhaltlichen und visuellen Anreicherung von Lernmaterialien sowie den explorativen Umgang mit Prompt-Variation, um geografische und ästhetische Genauigkeit zu verbessern. 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.
