/ en / Traditional / help

Beats Biblionetz - Aussagen

Machine Learning kann Lernmotivation senken

iconBemerkungen

Generative KI-Systeme bergen die Gefahr einer Abwertung von Expertise und Motivationsverlust.
Von LCH Dachverband Schweizer Lehrerinnen und Lehrer im Text Künstliche Intelligenz in der Schule (2024)
SWK Ständige Wissenschaftliche Kommission der KMKMotivationsverluste sind zu befürchten, wenn Lernende den Eindruck haben, Aktivitäten ausüben zu müssen, die eine KI übernehmen könnte.
Von SWK Ständige Wissenschaftliche Kommission der KMK im Text Large Language Models und ihre Potenziale im Bildungssystem (2024)
Meine These: ChatGPT ruiniert das Motivationsgefüge des herkömmlichen Unterrichts. Motivation ist das Rückgrat des Lernprozesses – das sagt nicht nur Abraham Maslow.
Von Gottfried Böhme im Text ChatGPT bricht der Schule das Rückgrat (2023)
John HattieBut when we see the (ever increasing) gap between our own capabilities and those of the machines – it will take gargantuan reserves of willpower and grit to acquire this multi-disciplinary learning one step at a time. This brings us back to that “what’s the point?” question and the risk and reality of mass downgrading human skills and abilities.
Von Arran Hamilton, Dylan Wiliam, John Hattie im Text The Future of AI in Education (2023)
Was ist mein Können und mein Studium überhaupt noch wert, wenn ein Chatbot den Großteil meiner Aufgaben übernehmen kann? Was bringt es dann noch, hier Zeit zu investieren? Werden wir in Zukunft überhaupt noch etwas lernen, wenn wir den kompletten Wissens- und Lernprozess an einen Chatbot abgeben? Sich etwas aufzuschreiben, etwas nachzuschlagen, nachzudenken: Nur so bleibt Stoff hängen. Was ist, wenn ChatGPT all das in Zukunft überflüssig macht?
Von Tom Konjer im Text Wie KI-Bots Forschung und Lehre infiltrieren (2024)
Reliance on AI for producing tailored content could lead to a diminishment of students’ cognitive processes, problem solving abilities and critical thinking. It could also lead to a further devaluation of the intrinsic value of studying and learning, as AI amplifies instrumentalist processes and extrinsic outcomes such as completing assignments, gaining grades and obtaining credits in the most efficient ways possible—including through adopting automation.
Von Ben Williamson im Text AI in education is a public problem (2024)
Beat Döbeli HoneggerBisher nicht geklärt ist die Frage, ob sich aufgrund der Verfügbarkeit von automatisierter Texterstellung und Textübersetzung Motivationsprobleme bei Schülerinnen und Schülern ergeben, weil diese keinen Sinn darin sehen, eine Kompetenz zu erlernen, die bereits automatisiert verfügbar ist. (Es handelt sich in einem gewissen Sinn um eine ähnliche Diskussion, wie sie bereits mit dem Kopfrechnen seit der Verfügbarkeit von Taschenrechnern stattgefunden hat.)
Von Beat Döbeli Honegger im Text ChatGPT & Schule (2023)
Aufgrund von KISystemen und der Automatisierung entsteht ein verstärkter Begründungsbedarf, warum gewisse Kompetenzen aktuell und künftig (noch) wichtig sind (das „Wozu“) (Döbeli Honegger, 2023a). Zum Beispiel: Wozu soll noch eine Fremdsprache erlernt werden, wenn KI-basierte Übersetzungsdienste jederzeit zur Verfügung stehen? Es handelt sich in einem gewissen Sinn um eine ähnliche Diskussion, wie sie bereits mit dem Kopfrechnen seit der Verfügbarkeit von Taschenrechnern stattgefunden hat.
Von LCH Dachverband Schweizer Lehrerinnen und Lehrer im Text Künstliche Intelligenz in der Schule (2024)
John HattieBut what of the novices, the people currently in school that are preparing for the world of work? As a thought experiment, imagine you are 12 again but in today's world – with access to ChatGPT and a projected acceleration of AI unfolding at, say, 10x per annum. The risk is that the erosion of mental arithmetic, map reading, cursive skills etc. that we discussed in the previous section becomes the erosion of everything. Would we be motivated to learn things that machines can do in a fraction of a second, at near-zero cost? What would be the point of acquiring these skills?
Von Arran Hamilton, Dylan Wiliam, John Hattie im Text The Future of AI in Education (2023)
Wer heute behauptet, er hätte ein Patentrezept in der Tasche, mit dem man die sich anbahnende gewaltige Demotivation konterkarieren könne, ist vermutlich daran interessiert, Geld zu verdienen. Die Beispiele, die die von Ebbinghaus befragten engagierten Pädagogen gutwillig vorschlagen, kaschieren eher die fundamentale Gefährdung des ganzen Lernsystems, als eine dauerhafte Lösung zu bieten. Nein, es erscheint mir immer noch besser, die Gefährdung, die von Programmen wie ChatGPT ausgeht, realistisch durchzudenken, als sich mit netten Einzelprojekten zufriedenzugeben und im Übrigen den Kopf in den Sand zu stecken.
Von Gottfried Böhme im Text ChatGPT bricht der Schule das Rückgrat (2023)
Künstliche Intelligenz bricht der Schule, wie sie heute existiert, das Rückgrat. Es hat in der Geschichte der Bildungseinrichtungen noch nie eine Erfindung gegeben, die so infam die gesamte Motivationsstruktur des Lernsystems infrage gestellt hat wie diese Atombomben-KI – um mich hier deutlich zu outen. Wir ziehen gerade eine Generation von Jugendlichen heran, die eine Zeitlang ihren Lehrern noch vorgaukeln kann, dass das, was ihnen ChatGPT oder ein anderes Programm geschenkt hat, ihre Leistung sei, und bald nicht mehr wissen, warum sich Lernen überhaupt noch lohnen soll. Dann muss sich die Schule völlig neu erfinden.
Von Gottfried Böhme im Text ChatGPT bricht der Schule das Rückgrat (2023)
Die langfristig entscheidende Frage ist nämlich: Wie kann ich in Zukunft einen jungen Menschen motivieren, den mühsamen Prozess des Lernens willig auf sich zu nehmen, wenn er selber bald bessere Hausarbeiten, Facharbeiten und Übersetzungen in Echtzeit aus dem Netz herunterladen kann, als er sie selber je erstellen könnte? Das macht süchtig. Vermutlich, hoffentlich, gibt es sehr disziplinierte Schüler, die dieser Sucht widerstehen können – und aus ihnen wird sich in Zukunft unsere geistige Elite rekrutieren. Aber Schulklassen bestehen nicht nur aus solchen Lichtgestalten, und deshalb muss gefragt werden: Was passiert in der Breite?
Von Gottfried Böhme im Text ChatGPT bricht der Schule das Rückgrat (2023)
Beat Döbeli HoneggerAls größte Herausforderung könnten sich Motivationsprobleme aufgrund von generativen ML-Systemen herausstellen. Seit dem Taschenrechner ist es ein bekanntes Phänomen, dass Schülerinnen und Schüler etwas lernen, was eine Maschine besser und schneller kann. Dies hat bisher nicht zu größeren Motivationsproblemen geführt. Was aber, wenn die Bereiche, in denen die Maschine die Lernenden übertrifft, immer zahlreicher werden? Was passiert, wenn Schülerinnen und Schüler realisieren, dass generative ML-Systeme unter Umständen immer besser formulieren, gestalten und eventuell gar »denken« als sie selbst – egal, wie sehr sie sich in der Schule anstrengen? Diesbezüglich wird die Herausforderung vermutlich immer größer, Schülerinnen und Schüler zu motivieren, auch Fertigkeiten zu erwerben, über die Computer bereits verfügen – einerseits, um deren Ergebnisse zu verstehen und zu beurteilen, und andererseits, um in Zusammenarbeit mit generativen MLSystemen über die individuellen Leistungen von Mensch und Maschine hinauszuwachsen.
Von Beat Döbeli Honegger in der Zeitschrift Pädagogik 3/2024 im Text Was will uns ChatGPT sagen? (2024)

icon21 Vorträge von Beat mit Bezug

iconZitationsgraph

Diese Grafik ist nur im SVG-Format verfügbar. Dieses Format wird vom verwendeteten Browser offenbar nicht unterstützt.

Diese SVG-Grafik fensterfüllend anzeigen

iconZitationsgraph (Beta-Test mit vis.js)

iconZeitleiste

icon10 Erwähnungen  Dies ist eine nach Erscheinungsjahr geordnete Liste aller im Biblionetz vorhandenen Werke, die das ausgewählte Thema behandeln.

iconAnderswo suchen  Auch im Biblionetz finden Sie nicht alles. Aus diesem Grund bietet das Biblionetz bereits ausgefüllte Suchformulare für verschiedene Suchdienste an. Biblionetztreffer werden dabei ausgeschlossen.

Suchen im Biblionetz mit Google
Google Scholar
Google
Amazon

iconBiblionetz-History Dies ist eine graphische Darstellung, wann wie viele Verweise von und zu diesem Objekt ins Biblionetz eingetragen wurden und wie oft die Seite abgerufen wurde.