Show&Share Challenge

Show + Share Challenge #2a

Veröffentlicht von Dr. Sabine Hemsing am

Challenge | Wrap-up

#2a Didaktische Ideen für die Nutzung von KI

Generative KI-Systeme wie Chat GPT, Gemini, EDU-KI Chat oder auch weitere spezifische KI-Tools sind inzwischen im Alltag der meisten Hochschullehrenden angekommen. Die große Komplexität und die vielen mit KI verbundenen Fragen führen aber teilweise dazu, dass ein didaktischer Mehrwert oder konkrete Einsatzmöglichkeiten nicht sofort gesehen werden. Wie sieht es bei Ihnen aus? Wie haben Sie bereits KI in Ihrer (Online-)Lehre konkret eingesetzt? Was hat gut funktioniert? Gab es “Aha” Erlebnisse? In dieser Challenge wollen wir Ihre Ideen für den didaktischen Einsatz von KI im Rahmen der Planung oder Durchführung von digitaler Lehre sammeln. Was hat sich geändert?

Worum geht es inhaltlich?

KI bleibt ein Hype-Thema, das sich rasant weiterentwickelt und ständig von Neuerungen geprägt ist. Täglich entstehen neue Tools und Einsatzmöglichkeiten, sodass es kaum möglich ist, den Überblick zu behalten – spannende Ansätze können dabei leicht übersehen werden.

Wir wollen uns in der Challenge auf die Nutzung von KI im Hochschulkontext und hier auf die digitale Lehre fokussieren und Ihre Ideen, Umsetzungen, Experimente, Erfahrungen usw. sammeln. Hier noch ein paar Links zur thematischen Einstimmung:

Einsatzbeispiele

Die zentralen Fragen lauten: Wie lassen sich die Potenziale generativer KI-Systeme sinnvoll in der Hochschullehre nutzen? Wie kann KI bei der Entwicklung von Online-Kursen und Blended-Learning-Formaten unterstützen? Welche weiteren konkreten, kleineren Beispiele gibt es? In der Challenge geht es nicht um umfangreiche, teure oder komplexe Großprojekte, sondern kleine, individuelle Experimente und Ideen, die Sie bereits ausprobiert haben oder die Ihnen eingefallen sind.

Die konkrete Challenge:

Beschreiben oder zeigen Sie ein konkretes Beispiel-Szenario, in dem Sie KI konstruktiv und didaktisch sinnvoll in der Lehre eingesetzt haben oder einsetzen möchten. Welche Rolle übernimmt die KI dabei, und welche Vorteile ergeben sich daraus? Wie ist der genaue Ablauf? Haben Sie bereits völlig neue Ansätze ausprobiert?

Alternativ können Sie sich die verlinkten Beispiele ansehen, diese auf Ihre Lehre übertragen und im Rahmen Ihrer Challenge-Bearbeitung selbst erproben.

Wie könnte Ihre Lösung konkret aussehen? Erstellen Sie zu Ihrem Beispiel entweder ein- bis zweiseitiges Dokument, eine kurze Folienpräsentation, eine Audioaufnahme, ein kurzes Video (z. B. als Talking Head) oder eine passende Infografik. Veröffentlichen Sie Ihre Bearbeitung frei zugänglich im Internet. Für die Umsetzung können Sie selbstverständlich auch KI-Tools verwenden ;-).

Share: Teilen Sie Ihre Ideen und Aktivitäten

Erstellen Sie Ihre Bearbeitung (Text, Bild, Video, …) und  machen Sie sie öffentlich ohne Einschränkung zugänglich z.B. auf einer Webseite, einem Blog, in YouTube, auf Ihrer Social-Media-Seite, einem frei zugänglichen LMS, in Edu-Sharing, einem öffentlichen Cloud-Speicher …

Kommentar hinterlassen: Verwenden Sie den Kommentarbereich unten auf dieser Seite, um einen Link zu Ihrer veröffentlichten Bearbeitung der Challenge zu teilen.

Wenn Sie einen Blog oder eine Webseite haben, können Sie dort auch über die Challenge reflektieren. Wir verlinken dann auf Ihre Seite. Wenn Sie inhaltlich weiter zum Thema diskutieren möchten, freuen wir uns über Ihre Beiträge auf LinkedIn.

Sie sind neu bei den Show + Share Challenges?

Dann verschaffen Sie sich am besten erst einmal hier einen Überblick über den Ansatz.

Einen öffentlichen Kommentar schreiben

Beachten Sie bitte, dass der Inhalt Ihres Kommentars nicht aber Ihre E-Mail-Adresse veröffentlicht werden. Für Kontaktanfragen oder Veranstaltungsanmeldungen verwenden Sie stattdessen bitte die jeweiligen Formulare.

10 Kommentare zu “Show + Share Challenge #2a”

  1. Hier ein kleines, einfach zu nutzendes Beispiel wie man KI im Kontext der Arbeit mit PDF-Texten gezielt und sinnvoll einsetzen kann -> „Dialogische Texterschließung mit KI“. Für Lehrende ist der Ansatz interessant, weil hier fachliches Lernen und KI-Kompetenz miteinander verbunden werden. Gefördert wird nicht nur die inhaltliche Erarbeitung eines Textes, sondern auch der reflektierte, lernförderliche Umgang mit KI im Sinne eines Dialog-Partners. Gerade in der Online-Lehre kann das helfen, selbstgesteuerte Lernphasen aktiver und motivierender zu gestalten ohne, dass Studierende alles der KI übergeben.
    Hier geht’s zur Beschreibung, inklusive Ideen für weiteres Assessment dazu: https://openedu-rlp.de/edu-sharing/components/render/ce0abd11-44fd-439f-8abd-1144fd239f2b

    Antworten

  2. Passend zur Challenge zwei Beispiele aus dem EDU-KI-RLP-Umfeld, die zeigen, wie KI direkt in OpenOlat für die Lehre genutzt werden kann:

    KI-Fragen in OpenOlat: Im Fragenpool gibt es die Funktion „KI Frage (beta)”, mit der sich aus einem Quelltext automatisch Multiple-Choice-Fragen generieren lassen. Didaktisch eignet sich das besonders für Wissensüberprüfungen, mit denen Studierende ihren Lernstand selbst einschätzen oder der Lernstand erhoben werden soll. Lehrende sparen sich den oft zeitintensiven Schritt der Fragenerstellung und können stattdessen mehr Zeit in die inhaltliche Qualitätssicherung stecken. Wer über Multiple Choice hinaus will, nutzt den Testfragen-Generator, der auch Lückentext, True/False oder Drag & Drop unterstützt. Wichtig: Die generierten Fragen sind ein Ausgangspunkt, keine fertigen Produkte. Eine Prüfung und Anpassung der Testitems durch die Lehrperson bleibt natürlich unverzichtbar. https://edu-ki-rlp.de/ki-fragen-in-openolat

    KI-Chat-Wizard für OpenOlat: Mit dem Wizard lässt sich schrittweise ein konfigurierter KI-Chatbot als (LTI-)Baustein für den eigenen Kurs erstellen. Es gibt Vorlagen für verschiedene didaktische Szenarien wie den sokratischen Dialog, Lernbegleitung oder Pervasive Gaming. Lehrende definieren über den Prompt, wie sich der Bot verhalten soll, und können Nutzungshinweise sowie Beispiel-Prompts für Studierende hinterlegen. Am Ende steht ein fertiger ZIP-Export als OpenOlat-Kurs zum Import bereit. So lassen sich KI-Chatbots gezielt und mit klarer didaktischer Rahmung in Kurse einbetten, ohne dass man sich mit der technischen LTI-Konfiguration vertieft auseinandersetzen muss. https://edu-ki-rlp.de/ki-chat-wizard-fuer-openolat

    Antworten

  3. Eine weitere Möglichkeit KI im Rahmen der Online-Lehre zu nutzen ist sie von Studierenden als eine Art Gegenpol für die eigene Argumentation nutzen zu lassen, also Gegenargumente zu einer kontroversen Thematik zu simulieren. Das macht unterschiedliche Sichtweisen und Perspektiven sichtbar und schärft das kritische Denken der Lernenden. Ich habe mal ein mögliches Vorgehen zur Umsetzung kurz notiert. Auch eine Kombination dieses Ansatzes mit der Pro/Contra Diskussionsmethode ist möglich. Hier geht es zur Beschreibung des Ansatzes. Einfach den OpenOlat Gastzugang verwenden .

    https://olat.vcrp.de/url/RepositoryEntry/5172035953?guest=true&lang=de

    Antworten

  4. Das Beispiel zeigt, wie KI bei der Erstellung eines Abschlussfragebogens von der Planung bis zur konkreten Umsetzung genutzt werden kann. Konkret angewendet wird der Ansatz auf die Lernressource „Formular“ der OpenOlat Fragebögen. Es wird dargestellt, welcher Prompt mit welchem LLM verwendet wurde und wie das iterative Vorgehen im Detail gestaltet war. Nutzen Sie den Gastzugang um zur PDF-Datei zu gelangen. https://olat.vcrp.de/url/RepositoryEntry/5164958312?guest=true&lang=de

    Darüber hinaus eröffnet die Betrachtung eine übertragbare Perspektive: Eine reflexive Prozessbeschreibung der KI-Nutzung kann auch auf andere Lernkontexte angewendet werden. So lässt sich dokumentieren, bei welchem Schritt KI wie und warum eingesetzt wurde, welche Schwierigkeiten auftraten, wie sie gelöst wurden, welche Vorgehensweisen übernommen oder verworfen werden und wie KI den Lernprozess unterstützt hat. Auf diese Weise wird nicht nur die konkrete Anwendung sichtbar, sondern auch der Lern- und Reflexionsprozess transparent (assessment as learning).

    Antworten

  7. KI kann beim Lernen helfen, indem sie
    – Freitextantworten kommentiert
    – Studierende, deren Antwort als falsch bewertet wurde, durch Hinweise Schritt für Schritt zu einer richtigen Lösung führt
    – Erläutert, warum es wichtig ist, ein Gebiet zu lernen oder eine bestimmte Frage zu beantworten.
    Im Mathematik-Testsystem IMathAS des VCRP können Autoren von Tests diese Funktionen experimentell in ihre Testaufgaben einbauen. Beispiele dafür stehen im Demo-Test im IMathAS-Kurs “Neue Spielwiese” zur Verfügung.
    Siehe
    https://netmath.vcrp.de/IMathAS/embedq2.php?id=10745&theme=netmath
    https://netmath.vcrp.de/IMathAS/embedq2.php?id=10720&theme=netmath
    https://netmath.vcrp.de/IMathAS/embedq2.php?id=10782&theme=netmath

    Antworten

  8. Ein guter Ansatz ist es auch die KI einen Text, eine Argumentation oder eine Lösung generieren zu lassen, die dann die Lernenden analysieren, prüfen, mit (Gegen-)Argumenten versehen oder weiter ausgestalten sollen. So werden das kritische Denken und die Reflexion im Umgang mit KI gefördert.

    Im Rahmen der Webinar-Series zum Thema KI gab es eine Aufgabenstellung, die genau so angelegt war. Inhaltlich ging es dabei darum, wie man vermeiden kann, dass Studierende gar nicht mehr selbst lernen und alles der KI übergeben. Das konkrete Activity + ein ergänzendes von der KI generiertes Bewertungsraster dafür kann hier eingesehen werden: https://olat.vcrp.de/url/RepositoryEntry/4816273427?guest=true&lang=de

    Antworten

  9. Ich möchte eine erste (unerprobte) Idee teilen, die sich mit dem Thema „Metaphern“ beschäftigt, über das ich kürzlich mal wieder in einem anderen Zusammenhang gestolpert bin (s. Beitrag des DiLab-Blog der Uni Passau: https://blog.dilab.uni-passau.de/pandemiemetaphern-in-der-hochschullehre-covid-19/).

    Die Grundidee: Studierende oder Hochschullehrende setzen sich kritisch mit verschiedenen Metaphern auseinander, die wir aktuell für KI verwenden, z.B. „KI als Gehirn“ oder „KI als Werkzeug“. In Kleingruppen analysieren sie diese Bilder, entwickeln ggf. eigene Metaphern und geben diese dann als Vor-Prompts zur Erprobung auch in ein KI-System ein. Dabei sollen die KI-Antworten als Ausgangspunkte dienen, um sich darüber auszutauschen, wie diese Sprachbilder unsere Wahrnehmung und Erwartungen an KI-Systeme prägen. Mit dem Ziel, ein differenzierteres Verständnis von KI zu fördern und gleichzeitig einen Blick auf die Macht der Sprache auch in technologischen Diskursen zu eröffnen.

    Auf einer Folie findet sich hinter dem nachfolgenden Link auch eine erste Mini-Skizze dazu: https://rptu.openedu-rlp.de/edu-sharing/components/render/7bc7ca96-fd05-453f-9330-6799c4a52d0d/

    Antworten