Lerneffekt und individuelle Rückmeldungsstrategien von KI 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. Der Videoausschnitt zeigt einen Einblick in die Reflexionsphase zu KI und Sprachmittlung in der Sekundarstufe II. Vor dem Reflexionsgespräch im Plenum haben die Lernenden eine schriftliche Sprachmittlung ohne technische Hilfsmittel verfasst und diese in der Folge von ChatGPT korrigieren lassen sowie in einer dritten Phase ChatGPT selbst eine schriftliche Sprachmittlung auf Basis des Ausgangstextes verfassen lassen. Dabei haben die Lernenden Hilfestellungen zum Prompten und die Lehrkraft Impulse zur Durchführung des Reflexionsgesprächs erhalten. Die Lernenden reflektieren hier über die Nutzung von KI in der Schule, Lerneffekte und Potenziale der individuellen Rückmeldung von KI. 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.
