Förderung von Textanalysekompetenzen durch KI-gestützte Lernprozessbegleitung in den Gesellschaftswissenschaften am Beispiel historisch-politischer Bildung
Year: 2025
Type: other
Abstract: Die zunehmende Nutzung von textgenerativer Künstlicher Intelligenz (KI), insbesondere von Large Language Modellen (LLM), durch Lernende für die Erstellung von Haus- und Studienarbeiten birgt die Gefahr des sogenannten Deskilling. Dabei besteht die immanente Gefahr, dass Lernende fertige, "scheinbar glaubwürdige" Inhalte ungeprüft übernehmen, ohne die notwendigen intellektuellen Rekonstruktions-, Urteils- und Reflexionsprozesse aktiv zu durchlaufen und dabei wichtige Kompetenzen zu erwerben. Dies stellt insbesondere für die gesellschaftswissenschaftlichen Fächer, deren Kernziel die Förderung von Mündigkeit durch eigenständige Auseinandersetzung und Reflexion ist, eine Herausforderung dar. Wenn Aufgabenschritte an die KI ausgelagert werden, erschwert dies die Aneignung und das Verstehen fachlich relevanter Wissensgrundlagen sowie deren Anwendung und Transfer. Als mögliche Antwort auf diese Herausforderungen diskutiert dieser Beitrag eine systematische Lernprozessbegleitung durch LLMs am Beispiel der historisch-politischen Bildung. Der Beitrag widmet sich der explorativen Frage, inwiefern grundlegende Denk-, Verstehens- und Schreibprozesse der historisch-politischen Bildung durch aktuelle LLM-Systeme wirksam unterstützt werden können. Im Zentrum steht dabei die didaktisch fundierte Gestaltung von exemplarischen Prompting-Strategien, die es ermöglichen, Sprachmodelle zur begleitenden Förderung von Lernprozessen als Lernprozessbegleitung einzusetzen. Es wird ein theoriegestützter Handlungsrahmen zum Einsatz von LLM für die Förderung von Textkompetenz in der historisch-politischen Bildung entworfen, der auf der Rolle von KI in der Koaktivität und Kokonstruktion mit dem/der Nutzer/in basiert. Dieser Rahmen greift auf das didaktische Modell der Cognitive Apprenticeship (CAS) zurück, das eine schrittweise Übertragung der Verantwortung vom Lehrenden auf den Lernenden vorsieht. Ein besonderer Fokus liegt dabei auf der Anschlussfähigkeit an die Deutschdidaktik, die mit ihren differenzierten Konzepten zur Textverarbeitung, Argumentationsstruktur und Sprachreflexion wesentliche Beiträge zur Entwicklung solcher fachsensibler KI-gestützter Lernprozesse leisten kann. Im Rahmen einer KI-gestützten Lernprozessbegleitung kann ein LLM-System in den Phasen des Scaffoldings (gezielte Unterstützung bei der Lösungssuche) und Coachings (Feedback zur Verbesserung der Arbeitsergebnisse) eingesetzt werden. LLMs verbessern die Möglichkeiten zur Umsetzung des CAS-Ansatzes, indem sie Hilfestellungen, Lösungshilfen sowie strategisches und inhaltliches Feedback generieren können. Durch die gezielte didaktische Gestaltung der Interaktion soll sichergestellt werden, dass die KI tatsächlich zu einer tieferen Auseinandersetzung mit den Lerninhalten und Schreibstrategien führt und nicht nur als bloßes Werkzeug genutzt wird. Ziel ist es folglich, historisches Denken und argumentatives Urteilen durch Koaktivität und Ko-Konstruktion von Lernenden und KI so zu fördern, indem die Lernenden zur Entwicklung evidenzbasierter, kohärenter und reflektierter Argumentationen während des Schreibens angeregt werden und so – trotz KI – dennoch epistemische Prozesse entstehen.
Language: German
Subfield: Education
Field: Social Sciences
Domain: Social Sciences
SDG: Quality education
Open Access status: green
OpenAlex ID: W7009750167