Diskussionsforen

Susanne PODWORNY (Paderborn), Sarah SCHÖNBRODT (Salzburg), Katharina BATA (Karlsruhe) 

Viele Menschen nutzen KI, aber kaum jemand versteht deren technische und methodische Grundlagen. Dem sollte entgegengewirkt werden – bereits ab der Schule! Doch wie kann und sollte Bildung aussehen, die KI und mit ihr verwandte Themen wie Data Science und Maschinelles Lernen schon ab der Schule adressiert und Lernende verschiedener Zielgruppen unterstützt, sich von unreflektierten Anwender:innen zu verantwortungsbewussten Nutzenden zu entwickeln?

Der mündige Umgang mit Daten und ihrer automatisierten Verarbeitung gewinnen immer stärker an Bedeutung. Im digitalen Zeitalter werden Daten in enormem Umfang generiert und KI-Technologien beeinflussen das tägliche Leben stark, insbesondere das Leben junger Menschen. Deshalb müssen KI- Bildung und der Umgang mit Daten aus verschiedenen pädagogischen Perspektiven diskutiert und frühzeitig in Schulen und weiterführend an Hochschulen implementiert werden. Dazu gehört insbesondere das Verständnis der Funktionsweise von KI-Systemen, deren Grenzen, Chancen und Risiken.

Welche Rolle spielt der schulische Mathematikunterricht dabei? Wie sollten Studierende verschiedener Fachrichtungen mit den Themen in Berührung kommen? Wie können die mathematischen Hintergründe von KI-Systemen im Mathematikunterricht von Schule und Hochschule greifbar gemacht werden? Und wie kann umgekehrt der Mathematikunterricht bzw. die Mathematiklehre durch die Einbindung von KI als Thema profitieren?

Diese und weitere Fragen sollen im Rahmen des Diskussionsforums aufgegriffen werden. Dabei liegt der Fokus auf Bildung über KI und nicht auf dem Einsatz von KI-Tools im Unterricht.

Geplanter zeitlicher Verlauf des Diskussionsforums

Einführung (5 Min.)
Die Ausrichtung und zentrale Diskussionsfragen rund um KI-Bildung in Schule und Hochschule werden vorgestellt

Kurzimpulse (30 Min.)

Folgende Wissenschaftler:innen, die in KI-Bildungs- und Forschungsprojekten mitwirken, geben einen kurzen Einblick in Erfahrungen und Ansätze sowie aktuelle Forschungsfragen rund um KI-Bildung aus mathematikdidaktischer Perspektive

• Prof. Rolf Biehler (Universität Paderborn/ProDaBi)
• Prof. Joachim Engel (PH Ludwigsburg)
• Ass.-Prof. Sarah Schönbrodt (Universität Salzburg und KI macht Schule)
• Prof. Andreas Eichler (Universität Kassel)
• Katharina Bata/Stephan Kindler (KIT/CAMMP)

Bei den Impulsen stehen u. a. folgende Leitfragen im Vordergrund: Welche grundlegenden Techniken sollten nachvollzogen werden? Welche maschinellen Lernmethoden eignen sich als Lerngegenstand? Welche Lerngruppen werden adressiert? Welche Daten finden Einsatz? Welche digitalen Werkzeuge sind geeignet?

Diskussion in Kleingruppen (20-25 Min.)

Die Teilnehmenden des Diskussionsforums diskutieren in Kleingruppen (à 3-4 Personen) die folgenden beiden ausgewählten Fragen (je 10 Min.)

• Wie kann das Lernen über KI-Methoden in der Lehre an Schulen und Hochschulen adressiert werden?
• Welchen Stellenwert und Umfang sollte das Lernen über KI im Mathematikunterricht der verschiedenen Schulstufen sowie in verschiedenen Studiengängen einnehmen?

Abschlussdiskussion (25 Min.)

In der gesamten Runde werden die Ergebnisse der Diskussionen in Kleingruppen zusammengetragen. Darüberhinausgehende Fragestellungen werden diskutiert.

Abschluss (5 Min.)

Daniel SOMMERHOFF (Kiel), Benjamin ROTT (Köln) 

Der Begriff „künstliche Intelligenz“ umfasst verschiedene technologische Entwicklungen, welche versuchen menschliches Denken nachzuahmen. Der Impact entsprechender Technologien ist unumstritten und wird in der mathematikdidaktischen Community im Kontext der Lehre heiß diskutiert (bspw. Buchholtz et al., 2024; Oldenburg, 2023). Fokussiert werden hier Anwendungen künstlicher Intelligenz wie ChatGPT und ähnliche Large Language Models (LLMs).

Wie künstliche Intelligenz auch die Art und Weise, wie wir forschen, verändern kann bzw. dies schon tut, ist hingegen bislang innerhalb der Mathematikdidaktik weniger im Fokus, für uns als Forschende jedoch hoch relevant. Im Gegensatz zu LLMs sind hier vor allem Arten des maschinellen Lernens (ML) von Interesse, d.h. Anwendungen, die – anhand von Vorgaben (supervised) oder rein basierend auf Daten (unsupervised) – „lernen“ können, Daten zu sortieren und zu gruppieren bzw. zu kodieren. Bspw. können so automatisiert Kodierungen durchgeführt, Texte bewertet oder Daten analysiert werden, um aufwändige, bisher meist händische Forschungsprozesse zu optimieren.

Dieses Diskussionsforum fokussiert deswegen ML: Wie sehen typische Anwendungsgebiete aus? Wo liegen Chancen und Risiken von ML in der Forschung? Wie sieht eine ganz konkrete Umsetzung aus?

Im Rahmen eines Workshop-Teils können Teilnehmende erste Schritte in der Nutzung von ML an einem authentischen Datenset selbst erproben und reflektieren. Eine Gesamtdiskussion rundet die Veranstaltung ab.

Geplanter zeitlicher Verlauf des Diskussionsforums

05 min        Einführung

15 min        Impulsvortrag (Informationen zu ML, Abgrenzung zu LLM)

10 min        Sammlung: Erfahrung der Teilnehmenden

30 min        Workshop: Kodierung von Daten mithilfe von ML

30 min        Abschlussdiskussion