Bildung und Digitaler Wandel : PHZH-Expertise in der Europäischen Union
Im Auftrag der Europäischen Kommission und gemeinsam mit 25 weiteren Expert:innen hat Tobias Röhl, Professor im Zentrum Bildung und Digitaler Wandel der PH Zürich, einen Leitfaden zum verantwortungsvollen Umgang mit künstlicher Intelligenz (KI) und Daten in der Schule entwickelt.
Der Leitfaden soll Lehrpersonen dabei unterstützen, verantwortungsvoll mit neuen und künftigen Formen der Datenanalyse umzugehen. Er enthält verschiedene handlungsleitende Fragen, mit denen Lehrpersonen selbstständig einschätzen können, ob und inwiefern sie eine Anwendung nutzen möchten. Die Expertinnen und Experten haben sich zur Entwicklung des Leitfadends während eines Jahers regelmässig ausgetauscht, mögliche Probleme identifiziert, sich auf ethische Prinzipien geeinigt und konkrete und handlungsleitende Fragen erarbeitet.
Neue Möglichkeiten und Risiken der Datenanalyse Schulen sammeln schon seit geraumer Zeit Daten über ihr Personal und über Schülerinnen und Schüler – sei es im Klassenbuch, im Zeugnis oder in Personalakten. Mit der Digitalisierung ergeben sich jedoch neue Möglichkeiten, diese und andere Daten zu sammeln und zu analysieren, etwa mit Unterstützung durch künstliche Intelligenz.
So analysieren etwa adaptive Lernsysteme die Antworten der Lernenden und passen sich laufend dem Leistungsniveau an. Auch die Möglichkeiten zur Automatisierung der schulischen Beurteilung haben sich beträchtlich erweitert, Computerprogramme können heute bereits Freitextaufgaben auswerten. Und im Rahmen von Learning Analytics können riesige Datenmengen über das Lernen und Verhalten der Schüler:innen nach Mustern durchsucht werden, was eine frühzeitige Diagnose von Problemen möglich macht. Damit verbunden ist die Hoffnung, Bildungsangebote zielgenau auf die Bedürfnisse der Lernenden zuzuschneiden.
Gleichzeitig entstehen damit Risiken, die es zu beachten gilt. Die Datensätze, auf denen die Systeme beruhen, können unbemerkt soziale Schieflagen reproduzieren – etwa wenn bei der automatisierten Beurteilung von Aufsätzen stilistische Eigenheiten bestimmter Bevölkerungsgruppen abgestraft werden. Auch kann das individualisierte Lernen mit adaptiven Lernsystemen Leistungsunterschiede vergrössern, da schwächere Schülerinnen und Schüler bei mangelnder Unterstützung weniger stark von den Programmen profitieren als ihre leistungsstärkeren Mitschüler:innen. Da es sich bei den meisten Systemen um Produkte privatwirtschaftlicher Unternehmen handelt, stellt sich ausserdem die Frage, was mit den gesammelten Daten geschieht. Und generell bleibt oft unklar, wie auf KI beruhende Systeme zu ihren Urteilen kommen, was nicht nur die Einschätzung der Systeme erschwert, sondern zudem dem Ruf nach einer formativen Beurteilung mit einem detaillierten Feedback im Wege steht.
