/ en / Traditional / help

Beats Biblionetz - Texte

Generative Machine-Learning-Systeme

Die nächste Herausforderung des digitalen Leitmedienwechsels
Beat Döbeli Honegger
Publikationsdatum:
local 
Zu finden in: Handbuch Lernen mit digitalen Medien (3. Auflage) (Seite 14 bis 36), 2025
Erste Seite des Textes (PDF-Thumbnail)
Dieses Biblionetz-Objekt existiert erst seit Januar 2025. Es ist deshalb gut möglich, dass viele der eigentlich vorhandenen Vernetzungen zu älteren Biblionetz-Objekten bisher nicht erstellt wurden. Somit kann es sein, dass diese Seite sehr lückenhaft ist.

iconZusammenfassungen

Beat Döbeli HoneggerDie Veröffentlichung des ChatBots ChatGPT durch die Firma OpenAI Ende November 2022 löste einerseits einen großen medialen Hype und weitreichende gesellschaftliche Diskussionen aus und veränderte andererseits rasch Arbeitsweisen in verschiedensten Bereichen unserer Gesellschaft. Auch im Bildungsbereich haben generative Machine-Learning-Systeme wie ChatGPT rasch Verbreitung gefunden und sowohl Hoffnungen als auch Ängste ausgelöst. Der vorliegende Artikel ordnet diese Entwicklung in einem größeren Kontext ein und diskutiert Potenziale und Herausforderungen von generativen Machine-Learning-Systemen (GMLS) für den Bildungsbereich.
Von Beat Döbeli Honegger im Buch Handbuch Lernen mit digitalen Medien (3. Auflage) im Text Generative Machine-Learning-Systeme (2025)

iconDieses Kapitel erwähnt ...


Personen
KB IB clear 		Ioannis Antonoglou , Lucas Baker , Thomas Bartoschek , Julia Behrens , Emily M. Bender , Nadine Bergner , Adrian Bolton , Torsten Brinda , BITKOM Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V. , Yutian Chen , Peter Denning , D-EDK Deutschschweizer Erziehungsdirektorenkonferenz , Ira Diethelm , Leonore Dietrich , Beat Döbeli Honegger , Pedro Domingos , George van den Driessche , Rüdiger Fries , Timnit Gebru , Rainer Gemulla , Thore Graepel , Arthur Guez , Arran Hamilton , Werner Hartmann , Demis Hassabis , John Hattie , Lutz Hellmig , Bardo Herzig , Michael Hielscher , Jürgen Hollatz , Aja Huang , European Digital Education Hub , Thomas Hubert , Fan Hui , Benjamin Jörissen , Sven Kommer , Peter Kusterer , Matthew Lai , Timothy Lillicrap , Angelina McMillan-Major , Alexander Mittag , Jürg Nievergelt , Andreas Oberweis , Torsten Otto , Alexander Rabe , Gerhard Röhner , Ralf Romeike , Masimilian Sachse , Heidi Schelhowe , Björn Scheuermann , Birgit Schmitz , Johannes Schöning , Julian Schrittwieser , Carsten Schulte , Shmargaret Shmitchell , Laurent Sifre , David Silver , Karen Simonyan , Hartmut Sommer , SWK Ständige Wissenschaftliche Kommission der KMK , Matti Tedre , Tapani Toivonen , Joseph Weizenbaum , Matt Welsh , Dylan Wiliam , Jeannette M. Wing , Conrad Wolfram , Martin Zimnol , Katharina A. Zweig

Fragen
KB IB clear 		Warum soll ich lernen, was die Maschine (besser) kann?
Welche Ausbildung wird in der Informationsgesellschaft benötigt?

Aussagen
KB IB clear 		Computer ermöglichen sanktionsfreihe Rückmeldungen
Computer ermöglichen unmittelbare Rückmeldungen.
Computergenerierte Texte erhöhen die Informationsflut
Der grosse digitale Leitmedienwechsel besteht aus vielen kleinen Wandeln.
Extrinsische Motivation kann intrinsische Motivation schwächen
Fake-News gefährden die Demokratie
Generative Machine-Learning-Systeme benötigen viel Energie
Generative Machine-Learning-Systeme erfordern mehr mündliche Prüfungen
Generative Machine-Learning-Systeme erhöhen den digitalen Schereneffekt
Generative Machine-Learning-Systeme erhöhen die Produktivität
Generative Machine-Learning-Systeme erleichtern das Generieren von Fake-News massiv
Generative Machine-Learning-Systeme erleichtern Kriminalität
Generative Machine-Learning-Systeme haben bereits den grössten Teil der weltweit verfügbaren Daten verarbeitet
Künstliche Intelligenz ist ein ungeeigneter Begriff
Leitmedienwechsel-Reaktion 5: Wer redet noch von Schule?
Machine Learning kann bestehende Vorurteile/Ungerechtigkeiten verstärken/weitertragen
Machine Learning kann Lernmotivation senken
Machine Learning macht Programmierkenntnisse obsolet
Machine Learning senkt den Wert von Erfahrungswissen

Begriffe
KB IB clear 		Allgemeinbildunggeneral education , Anwendungsorientierte Perspektive , bias , Bildungspolitikeducation politics , Chat-GPT , Dagstuhl DreieckDagstuhl triangle , Datendata , Datenschutz , Datenschutz-Dilemma, schulisches , digitaler Schereneffekt , Digitalisierung , Generative Machine-Learning-Systeme (GMLS)computer-generated text , Generative Pretrained Transformer 3 (GPT-3) , Generative Pretrained Transformer 4 (GPT-4) , Gesellschaftsociety , Gesellschaftlich-kulturelle Perspektive , GMLS & Bildung , GMLS & Schule , Kinderchildren , Konzeptwissen , Künstliche Intelligenz (KI / AI)artificial intelligence , Learning Management System (LMS) / LernplattformLearning Management System , LehrerInteacher , Leitmedienwechsel , Lernenlearning , Lügner-Dividende , Model Autophagy Disorder (MAD) , Phishing , Produktwissen , prompt engineering , Schulbuch / Lehrmittelschoolbook , Schuleschool , Suchmaschinesearch engine , Technologische Perspektive , Textgeneratoren-Verbot , Unterricht , Versionswissen
icon
Bücher
Jahr  Umschlag Titel Abrufe IBOBKBLB
2009  local  Visible Learning (John Hattie) 3, 4, 2, 23, 8, 12, 14, 15, 16, 12, 16, 21 203 56 21 1835
2015 local  The Master Algorithm (Pedro Domingos) 3, 2, 2, 12, 4, 12, 7, 4, 4, 11, 11, 19 31 92 19 802
2015 local web  Lehrplan 21 (Druckversion) (D-EDK Deutschschweizer Erziehungsdirektorenkonferenz) 6, 1, 4, 19, 4, 7, 6, 8, 6, 11, 9, 6 212 71 6 1371
2016  local  Mehr als 0 und 1 (Beat Döbeli Honegger) 26, 26, 46, 67, 47, 33, 39, 41, 62, 62, 50, 59 222 731 59 6270
2019  local  Ein Algorithmus hat kein Taktgefühl (Katharina A. Zweig) 1, 2, 3, 11, 2, 12, 6, 6, 2, 6, 7, 15 8 92 15 430
2020 local  The Math(s) Fix (Conrad Wolfram) 29, 6, 18, 7, 3, 6, 2, 5, 15 7 48 15 91
2021 Digitalisierung aus pädagogische Perspektive5, 2, 3, 13, 2, 8, 10, 3, 6, 9, 8, 5 10 229 5 477
2021 local  Pädagogik 05/20211, 3, 2, 9, 1, 8, 7, 4, 4, 13, 10, 4 12 90 4 590
2022 local web  Campus 20221, 1, 2, 6, 1, 3, 6, 2, 5, 5, 5, 2 1 32 2 229
2022 local  WiPSCE '22 (Mareen Grillenberger, Marc Berges) 3, 3, 2, 15, 3, 11, 15, 6, 2, 4, 15, 4 18 368 4 283
2023 local web  ibis 1/14, 1, 2, 5, 2, 4, 5, 5, 2, 5, 10, 3 9 101 3 124
2024 local web  AI Report (European Digital Education Hub) 35, 6, 8, 4, 7, 6, 1, 2, 4, 8, 15 1 23 15 96
2024 local  Pädagogik 3/2024295, 26, 12, 17, 12, 8, 3, 10, 10, 3 21 190 3 396
icon
Texte
Jahr  Umschlag Titel Abrufe IBOBKBLB
1967 local web  Contextual understanding by computers (Joseph Weizenbaum) 4, 2, 1, 7, 3, 10, 4, 1, 1, 5, 5, 13 2 6 13 942
1995 local web  Welchen Wert haben theoretische Grundlagen für die Berufspraxis? (Jürg Nievergelt) 4, 6, 2, 10, 3, 14, 7, 8, 1, 3, 7, 14 21 8 14 933
2006 local web  Computational Thinking (Jeannette M. Wing) 3, 2, 6, 14, 5, 15, 11, 8, 18, 25, 19, 23 193 21 23 1394
2015 local web  Medien und Informatik (D-EDK Deutschschweizer Erziehungsdirektorenkonferenz) 5, 6, 6, 17, 8, 17, 19, 11, 14, 19, 13, 21 197 46 21 2042
2016 local web  Bildung in der digitalen vernetzten Welt (Torsten Brinda, Ira Diethelm, Rainer Gemulla, Ralf Romeike, Johannes Schöning, Carsten Schulte, Thomas Bartoschek, Julia Behrens, Nadine Bergner, Leonore Dietrich, Beat Döbeli Honegger, Rüdiger Fries, Werner Hartmann, Lutz Hellmig, Bardo Herzig, Jürgen Hollatz, Benjamin Jörissen, Sven Kommer, Alexander Mittag, Peter Kusterer, Andreas Oberweis, Torsten Otto, Alexander Rabe, Gerhard Röhner, Heidi Schelhowe, Björn Scheuermann, Birgit Schmitz, Hartmut Sommer, Martin Zimnol) 6, 8, 6, 20, 10, 13, 22, 14, 12, 12, 11, 5 146 25 5 1490
2017 local web  Mastering the game of Go without human knowledge (David Silver, Julian Schrittwieser, Karen Simonyan, Ioannis Antonoglou, Aja Huang, Arthur Guez, Thomas Hubert, Lucas Baker, Matthew Lai, Adrian Bolton, Yutian Chen, Timothy Lillicrap, Fan Hui, Laurent Sifre, George van den Driessche, Thore Graepel, Demis Hassabis) 1 6 0 0
2021 local web  On the Dangers of Stochastic Parrots (Emily M. Bender, Timnit Gebru, Angelina McMillan-Major, Shmargaret Shmitchell) 8, 3, 2, 9, 5, 9, 7, 5, 4, 12, 11, 17 45 25 17 198
2021 local web  Was machen wir mit der Digitalisierung? (Beat Döbeli Honegger) 2, 4, 5, 12, 8, 13, 10, 5, 11, 19, 9, 17 9 59 17 2430
2021 local web  CT 2.0 (Matti Tedre, Peter J. Denning, Tapani Toivonen) 10 21 0 0
2022 local web  Müssen wir immer noch über das Digitale reden? (Beat Döbeli Honegger) 1, 2, 1, 5, 2, 4, 6, 3, 2, 7, 5, 14 2 36 14 193
2022 local web  Computational Thinking 2.0 (Matti Tedre) 1, 3, 1, 6, 5, 9, 6, 5, 3, 7, 9, 14 4 23 14 206
2023 local web  The End of Programming (Matt Welsh) 14, 5, 4, 7, 5, 8, 3, 4, 1, 7, 6, 14 6 13 14 191
2023 local web  Warum soll ich lernen, was die Maschine (besser) kann? (Beat Döbeli Honegger) 2 19 0 0
2023 local web  Die große Bonanza mit Künstlicher Intelligenz (Masimilian Sachse) 1 15 0 0
2023 local web  Hälfte der Schülerinnen und Schüler hat schon mal ChatGPT genutzt (BITKOM Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e. V.) 1 10 0 0
2023 local web  The Future of AI in Education (Arran Hamilton, Dylan Wiliam, John Hattie) 6 47 0 0
2023 local web  SoekiaGPT - ein didaktisches Sprachmodell (Michael Hielscher) 3 15 0 0
2024 local web  Large Language Models und ihre Potenziale im Bildungssystem (SWK Ständige Wissenschaftliche Kommission der KMK) 16 64 0 0
2024 local web  Was will uns ChatGPT sagen? (Beat Döbeli Honegger) 3 58 0 0

iconDieses Kapitel erwähnt vermutlich nicht ... Eine statistisch erstelle Liste von nicht erwähnten (oder zumindest nicht erfassten) Begriffen, die aufgrund der erwähnten Begriffe eine hohe Wahrscheinlichkeit aufweisen, erwähnt zu werden.

icon
Nicht erwähnte Begriffe
Bildung, Buch, Eltern, GMLS & Hochschule, Lehrmittelverlag, Politik, Primarschule (1-6) / Grundschule (1-4), Schweiz

iconTagcloud

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

iconVolltext dieses Dokuments

Generative Machine-Learning-Systeme: Kapitel als Volltext (lokal: PDF, 383 kByte)

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

iconBeat und dieses Kapitel

Beat hat Dieses Kapitel erst in den letzten 6 Monaten in Biblionetz aufgenommen. Er hat Dieses Kapitel einmalig erfasst und bisher nicht mehr bearbeitet. Beat besitzt kein physisches, aber ein digitales Exemplar. (das er aber aus Urheberrechtsgründen nicht einfach weitergeben darf). Aufgrund der vielen Verknüpfungen im Biblionetz scheint er sich intensiver damit befasst zu haben. Es gibt bisher nur wenige Objekte im Biblionetz, die dieses Werk zitieren.

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.