Schüler*innen generieren KI-Bilder zur Polarisierung im Israel-Palästina-Konflikt und thematisieren mediale Verzerrung und Wahrnehmung. 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 Sequenz, in der Schüler*innen die KI nutzen, um ein Bild zur Polarisierung der öffentlichen Meinung im Israel-Palästina-Konflikt zu erzeugen. Prompt 1: Create a picture that shows how digital media polarized the public opinion of the Israel-Palestine conflict. (01:50 min: Erstes Bild wird generiert; die Lernenden diskutieren das Ergebnis.) Anschließend erweitern sie den Prompt: Create a picture that shows how digital media polarized the public opinion of the Israel-Palestine conflict. Include how reality is distorted for each side of the conflict. Die Szene verdeutlicht, wie Lernende mithilfe von Instructural Prompting versuchen, komplexe gesellschaftliche Themen visuell darzustellen und dabei Aspekte von Medienwahrnehmung, Manipulation und Perspektivität reflektieren. 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.
