Da KI weiter voranschreitet, haben ihre potenziellen Anwendungen im Bildungsbereich ein beträchtliches Interesse und Diskussionen hervorgerufen. Aktuelle Studien beleuchten sowohl das Potenzial als auch die Grenzen von KI in verschiedenen Aspekten von Lehren und Lernen und bieten eine aufkommende und differenzierte Perspektive darüber, wie diese neuen LLMs Bildungspraktiken verändern können.
Eine vielversprechende Anwendungsbereich für KI in der Bildung liegt in der Automatisierung des Benotungsprozesses, insbesondere bei offenen Fragen. Die Studie “Can Large Language Models Make the Grade?” untersuchte, wie gut GPT-4 und GPT-3.5 beim Bewerten von Schülerantworten in verschiedenen Fächern und Klassenstufen abschnitten. Die Genauigkeit der Benotung von GPT-4 erreichte bemerkenswerterweise einen Wert von 0,70 auf der Messskala, fast so hoch wie die Punktzahl von 0,75, die menschliche Bewerter erreichten. Diese Effizienzsteigerung, gepaart mit einer konsistenten Leistung über Fächer und Schwierigkeitsgrade hinweg, legt nahe, dass KI ein wertvolles Werkzeug für die formative Bewertung sein könnte.
Die Potenziale von KI als Tutor werden in der Studie “Generative AI Can Harm Learning” betrachtet. Diese ergab gemischte Ergebnisse: Während der Zugang zu auf GPT-4 basierenden Tutoring-Tools die Leistung der Schüler während Übungssitzungen signifikant verbesserte, führte dies zu einem besorgniserregenden Ergebnis: Schüler, die auf KI-Hilfe angewiesen waren, schnitten bei nachfolgenden Prüfungen um 17% schlechter ab als diejenigen, die keine KI verwendeten.
Eine faszinierende Studie untersuchte die Fähigkeit von GPT-4, soziale Wissenschaftsexperimente vorherzusagen. Die Analyse von 476 Behandlungseffekten aus 70 vorregistrierten Umfrageexperimenten zeigte, dass LLM-abgeleitete Vorhersagen stark mit tatsächlichen Effekten korrelierten. Es zeigt sich, dass LLMs die Sozialwissenschaftsforschung ergänzen könnten, indem sie schnelle, kostengünstige Pilotstudien ermöglichen, Effektgrößenschätzungen für Machbarkeitsanalysen generieren und die Zuverlässigkeit früherer Arbeiten beurteilen können.
An die sich rapide entwickelnde Feld müssen die starken Meinungen über KI in der Bildung – sowohl enthusiastisch als auch skeptisch – durch fortlaufende Forschung gemildert und informiert werden. Die Forschung sollte sich nicht nur auf die technischen Fähigkeiten von KI konzentrieren, sondern auch auf ihre pädagogischen Auswirkungen, ethischen Überlegungen und langfristigen Auswirkungen auf Lernerfolge.