Experiential Versus Instructional Approaches for Eliciting Metacognitive Awareness in AI-Assisted Learning: A Short-Term Longitudinal Study

Stellen Sie sich vor, Sie lernen, Fahrrad zu fahren. Sie könnten in einem Klassenzimmer sitzen, während ein Lehrer eine perfekte Skizze von Zahnrädern, Pedalen und Gleichgewicht an eine Whiteboard zeichnet und genau erklärt, wie die Physik dahinter funktioniert. Das ist instruktives Lernen: Wissen von jemand anderem erhalten, Schritt für Schritt, ohne dabei selbst Hand anzulegen. Oder Sie könnten auf ein wackeliges Fahrrad steigen, schwanken, hinfallen, wieder aufstehen und das Gleichgewicht dadurch finden, dass Sie den Wind und die Straße spüren. Das ist erfahrungsorientiertes Lernen: Lernen durch Tun, durch Fehler und durch das Reflektieren darüber, was passiert ist.

Stellen Sie sich nun vor, anstatt eines Fahrrads lernen Sie den Umgang mit einem superintelligenten Roboterfreund namens Generativer KI (oder GenAI), der Ihnen beim Lernen helfen kann. Dieser Roboter kann Aufsätze schreiben, Matheaufgaben lösen und komplexe Ideen in Sekundenschnelle erklären. Aber hier ist der Haken: Wenn Sie den Roboter einfach die ganze Arbeit erledigen lassen, hören Sie vielleicht auf, selbst zu denken. Hier kommt die Metakognition ins Spiel. Betrachten Sie die Metakognition als das „Dashboard“ oder den „inneren Coach“ Ihres Gehirns. Es ist die Fähigkeit, darüber nachzudenken, wie man denkt. Ein guter innerer Coach weiß, welche Strategien funktionieren (wie etwa den Roboter darum zu bitten, die eigenen Ideen zu hinterfragen) und welche Fallen sind (wie etwa den Roborm darum zu bitten, die gesamte Hausaufgabe zu schreiben). Die große Frage, die sich Pädagogen derzeit stellen, lautet: Wenn man Studenten lehrt, wie man dieses mächtige KI-Werkzeug nutzt, ist es besser, ihnen einen Vortrag darüber zu halten oder sie damit spielen zu lassen und aus der Erfahrung zu lernen?

Das Experiment: Hörsaal vs. Spielplatz

Forscher der Universitat Pompeu Fabra in Barcelona beschlossen, diese Debatte mit einem realen Experiment zu klären. Sie versammelten 126 Erstsemestler des Ingenieurwesens und teilten sie in zwei Teams auf. Beide Teams verbrachten zwei Stunden damit, zu lernen, wie man GenAI effektiv nutzt, aber sie lernten auf sehr unterschiedliche Weise.

Das erste Team, die Instruktionsgruppe, saß in einer traditionellen Vorlesung. Sie hörten Experten zu, die erklärten, was die „richtigen“ und „falschen“ Wege im Umgang mit KI sind. Sie hörten Geschichten darüber, wie die Nutzung von KI zu einfach dazu führen kann, dass das Gehirn träge wird (ein Konzept namens „Cognitive Offloading“, bei dem man sein Denken an die Maschine auslagert). Sie lernten die Theorie, taten aber während der Sitzung selbst nichts mit der KI.

Das zweite Team, die Erfahrungsgruppe, wurde selbst aktiv. Sie hörten nicht nur zu; sie spielten. Sie erhielten vier spezifische Herausforderungen. In einer Aufgabe mussten sie eine Zusammenfassung eines Artikels schreiben, bevor sie die KI baten, diese zu überprüfen, was sie zwang, zuerst selbst nachzudenken. In einer anderen mussten sie einen Standpunkt vertreten und die KI bitten, die Rolle eines „sokratischen Tutors“ einzunehmen, der ihre Argumente mit Fragen herausfordert. Sie probierten auch den „falschen“ Weg aus – indem sie die KI sofort nach einer Lösung fragten und diese kopierten –, um zu erleben, wie es sich anfühlt, den Kampf zu überspringen. Nach jeder Aufgabe hielten sie inne, um über das Geschehene zu reflektieren.

Die Forscher wollten sehen, wie diese beiden Ansätze ihre „inneren Coaches“ (ihr metakognitives Bewusstsein) unmittelbar nach der Sitzung und fünf Wochen später veränderten. Sie maßen zwei Hauptaspekte:

1. Wissen: Verstanden die Studenten, welche Strategien funktionieren?
2. Regulierung: Konnten die Studenten diese Strategien tatsächlich anwenden, um ihr eigenes Lernen zu steuern?

Die Ergebnisse: Der schnelle Start und das langsame Brennen

Die Ergebnisse waren wie die Beobachtung eines Sprints, der zu einem Marathon wurde.

Direkt nach der Sitzung (Der Sprint):
Die Erfahrungsgruppe (die Spieler) hatte einen massiven Vorsprung. Unmittelbar nach ihrer praxisorientierten Sitzung wussten sie viel mehr über effektive KI-Strategien und fühlten sich viel stärker mit den Werkzeugen verbunden als die Vorlesungsgruppe. Ihre „inneren Coaches“ waren hellwach. Sie verstanden den Unterschied zwischen der Nutzung der KI als Partner und der Nutzung der KI als Krücke.

Die Instruktionsgruppe (die Zuhörer) zeigte hingegen ein gemischtes Bild. Obwohl sie unmittelbar nach der Vorlesung angaben, eine etwas positivere Einstellung gegenüber der KI und mehr Engagement für die Werkzeuge zu empfinden, verbesserte sich ihr Verständnis dafür, wie man KI-Strategien anwendet (Metakognitives Wissen), nicht signifikant. Die Vorlesung weckte die inneren Coaches hinsichtlich der spezifischen Strategien, die für effektives Lernen nötig sind, nicht sofort auf.

Fünf Wochen später (Der Marathon):
Hier wird die Geschichte interessant. Fünf Wochen später schloss sich die Lücke beim Engagement (der Beschäftigung mit den Themen). Die Studenten, die lediglich die Vorlesung gehört hatten, hatten in Bezug auf ihr Engagement mit den Werkzeugen zu den „Spielern“ aufgeschlossen. Durch ihren eigenen täglichen Gebrauch der KI hatten sie herausgefunden, dass der Rat der Vorlesung tatsächlich zutraf. Die „Vorlesungsgruppe“ hatte langsam das gelernt, was die „Spielgruppe“ sofort begriffen hatte.

Doch es gab eine Wendung. Während sich die Lücke beim Engagement schloss, entwickelte die Erfahrungsgruppe eine neue, besondere Superkraft: Regulierung.

Über diese fünf Wochen hinweg lernten die Studenten, die praktischen Übungen gemacht hatten, nicht nur die Strategien kennen; sie begannen auch, diese immer besser anzuwenden. Ihre Fähigkeit, ihr eigenes Denken zu überwachen und anzupassen, wuchs stetig an. Sie wurden immer besser darin, die Kontrolle darüber zu behalten, wie sie die KI nutzten. Die Vorlesungsgruppe hingegen stagnierte. Sie kannten zwar die Strategien, schienen aber im Laufe der Zeit nicht besser darin zu werden, sie auch anzuwenden.

Was dies für die Zukunft bedeutet

Das Paper legt nahe: Wenn Sie wollen, dass Studenten schnell verstehen, wie man KI nutzt, lassen Sie sie damit spielen. Praktische Aktivitäten erzeugen einen sofortigen Funken an Verständnis und Begeisterung, den Vorlesungen so nicht erreichen können.

Das Paper warnt jedoch auch davor, keine Wunder über Nacht zu erwarten. Nur weil Studenten eine Strategie kennen, bedeutet das nicht, dass sie diese sofort perfekt anwenden werden. Die „Spielgruppe“ zeigte, dass die Fähigkeit, das eigene Lernen zu steuern (Regulierung), Zeit benötigt, um sich zu entwickeln. Es ist wie das Erlernen des Fahrradfahrens: Man versteht die Theorie des Gleichgewichts sofort, nachdem man hingefallen ist, aber tatsächlich beim Treten aufrecht zu bleiben, kann einige Wochen dauern.

Die Forscher schlagen vor, dass Lehrer bei der Einführung von KI praktische „Probier-und-sieht-selbst“-Aktivitäten gegenüber langen Vorlesungen priorisieren sollten. Sie raten jedoch auch zur Geduld. Wenn Studenten nach einer unterhaltsamen Übung nicht sofort beginnen, die KI perfekt zu nutzen, bedeutet das nicht, dass die Lektion gescheitert ist. Es kann einfach bedeuten, dass ihre „inneren Coaches“ gerade erst aufwachen und lernen, das Schiff zu steuern. Die Vorteile davon, die Arbeit selbst zu erledigen, zeigen sich vielleicht nicht sofort in der Endnote, aber sie bauen langfristig einen stärkeren, selbstregulierten Lernenden auf.

Kurz gesagt: Man kann jemandem erklären, wie man Fahrrad fährt, aber man kann ihn nicht das Gleichgewicht lehren, ohne ihn erst einmal ein wenig wackeln zu lassen. Und manchmal ist genau dieses Wackeln das, was ihnen Wochen später hilft, aufrecht zu bleiben.