LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University

In der modernen Welt hat sich künstliche Intelligenz von Science-Fiction zu einem alltäglichen Gebrauchsgegenstand entwickelt und verändert die Art und Weise, wie Menschen Probleme in Büros, Klassenzimmern und Haushalten lösen. Dennoch besteht eine erhebliche Lücke darin, wie die Gesellschaft lernt, diese Werkzeuge zu nutzen. Die meisten Bildungsbemühungen fallen in eines von zwei Lager: breite, theoretische Workshops, die erklären, was KI ist, ohne zu lehren, wie man sie anwendet, oder fortgeschrittene technische Kurse, die für Experten im Bereich Informatik konzipiert sind und alle anderen zurücklassen. Diese Kluft lässt eine große Gruppe von Lernenden – diejenigen, die eine Website erstellen, eine Tabellenkalkulation automatisieren oder einen Workflow organisieren müssen, aber nicht über Programmierkenntnisse verfügen – ohne einen Weg nach vorne stehen. Sie stehen vor der Wahl, entweder alles manuell zu erleden oder ihre Arbeit vollständig einer Maschine zu überlassen, oft ohne den Prozess zu verstehen. Die Frage, vor der Pädagogen heute stehen, ist nicht nur, wie man Menschen das Programmieren lehrt, sondern wie man vielfältigen Gruppen von Menschen hilft, mit KI zusammenzuarbeiten, um echte, funktionierende Lösungen zu bauen, die ihren spezifischen Bedürfnissen entsprechen.

An der Monmouth University testete ein Team aus Forschern und Pädagogen einen neuen Ansatz, um diese Lücke zu schließen, indem sie ein Programm namens LearnAI entwickelten. Anstatt die Studierenden zu zwingen, zuerst komplexe Programmiersprachen zu lernen, bauten sie einen Service auf, der die Menschen genau dort abholt, wo sie stehen, und unmittelbare Hilfe bei realen Aufgaben bietet. Das Programm arbeitet auf zwei Ebenen. Die erste ist ein weit gespanntes Netz über achtzehn verschiedene Universitätskurse hinweg, die von Pflege und Wirtschaft bis hin zu Informatik reichen. In diesen Kursen hielten Undergraduate-Tutoren kurze, fünfzehnminütige Vorträge darüber, wie KI unmittelbare Probleme lösen könnte, wie etwa das Erstellen eines Lernleitfadens oder das Entwerfen einer Portfolio-Website. Diese Sitzungen waren darauf ausgelegt, Interesse zu wecken und die Technologie zu entmystifizieren, indem sie jeden einluden, der neugierig war, sich für tiefergehende Hilfe anzumelden.

Für diejenigen, die den nächsten Schritt wagten, begann die zweite Ebene des Programms: eine Serie von Eins-zu-eins-Sitzungen, in denen die Klienten direkt mit einem geschulten studentischen Tutor arbeiteten. Diese Treffen waren keine Vorlesungen; sie waren Workshops, bei denen der Klient ein spezifisches Ziel mitbrachte, wie etwa das Erstellen eines Abteilung-Newsletters oder die Automatisierung einer Datenerfassungsaufgabe. Die Tutoren folgten einer strukturierten Fünf-Schritte-Anleitung, um dem Klienten zu helfen, dieses Ziel in ein fertiges Produkt zu verwandeln. Zuerst halfen sie dem Klienten, das Problem klar zu definieren, indem sie von vagen Ideen wie „Ich möchte eine Website“ zu spezifischen Anforderungen wie „Ich benötige eine Seite, auf der Fakultätsmitglieder sich einloggen können, um Updates zu posten“ übergingen. Als Nächstes passten sie die richtigen Werkzeuge an die Aufgabe an, wobei sie zwischen verschiedenen KI-Plattformen wählten, basierend auf dem, was der Klient bereits wusste und welchen Einschränkungen er unterlag, wie etwa einem begrenzten Computerzugang.

Der Kern des Prozesses bestand darin, dass der Klient und der Tutor gemeinsam Anweisungen für die KI schrieben, eine Praxis, die die Forscher als „Prompting als Spezifikation“ bezeichnen. Anstatt die KI einfach nur zu bitten, „es zu tun“, lernte der Klient, detaillierte Anfragen zu formulieren, die wie ein Bauplan fungierten. Der Tutor demonstrierte, wie man diese Anweisungen schreibt, trat dann aber schrittweise zurück, um den Klienten die Führung übernehmen zu lassen, während er gleichzeitig Unterstützung bot. Sobald die KI ein Ergebnis generierte, gingen das Paar zur kritischsten Phase über: der Verifizierung. Sie testeten die Ausgabe, um sicherzustellen, dass sie tatsächlich funktionierte, und prüften auf Fehler oder Funktionen, die die KI erfunden haben könnte, die es gar nicht gab. Schließlich diskutierten sie die ethischen Implikienzen und entschieden, wie das Werkzeug genutzt werden sollte, welche Daten es verarbeiten darf und wie die menschliche Leistung hinter der Kreation zu würdigen ist.

Über zwei Semester hinweg unterstützte dieses Modell fünfunddreißig Klienten, darunter Studierende, Fakultätsmitglieder und Verwaltungsmitarbeiter. Die Ergebnisse waren greifbar und vielfältig. Die Gruppe ko-kreierte sechsunddreißig Portfolio-Websites und mehr als zwanzig bereitgestellte Webanwendungen. Dies waren keine Übungsübungen; es waren funktionale Werkzeuge, die im echten Leben eingesetzt wurden. Eine Professorin für Krankenpflege baute ein sicheres System zur Verfolgung der Anwesenheit von Studierenden, das von über fünfzig Studierenden genutzt wurde. Eine Studentin der Erziehungswissenschaften ohne Programmierhintergrund erstellte eine persönliche Website und ein Tool zur E-Mail-Verfeinerung, das sie später zur Vorbereitung von Materialien für eine Fachkonferenz nutzte. Eine Verwaltungsangestellte auf einem eingeschränkten Computer lernte, repetitive Aufgaben zur Datenbereinigung mithilfe von Tools zu automatisieren, die auf ihrem gesperrten Desktop verfügbar waren.

Die bedeutendste Erkenntnis war jedoch nicht nur die Anzahl der gebauten Websites, sondern ein Wandel in der Denkweise der Klienten gegenüber der Technologie. Vor dem Programm betrachteten viele Teilnehmer die KI als einen „Orakel“ – eine passive Maschine, die einfach Antworten liefert, wenn man sie fragt. Nach der Arbeit mit dem Programm änderte sich ihre Perspektive. Sie begannen, die KI als einen „Prozesspartner“ zu sehen, ein kollaboratives Werkzeug, das menschliche Richtung, Aufsicht und Verifizierung erfordert. Eine Professorin für Informatik bemerkte, dass die KI anfing, ihr Fragen zu stellen, die sie dazu brachten, über Aspekte nachzudenken, die sie bisher nicht in Betracht gezogen hatte, was die Interaktion von einer einfachen Abfrage in eine echte Zusammenarbeit verwandelte. Eine weitere Mitarbeiterin, die anfangs von den technischen Schritten überwältigt war, lernte, Aufgaben zu zerlegen und brachte ihren Kollegen schließlich bei, dieselben Methoden anzuwenden.

Die Forscher beobachteten, dass dieser Wandel nicht automatisch geschah; er erforderte das menschliche Element eines Tutors, um den Klienten durch die Frustration des Lernens zu führen. Die Tutoren, die alle Informatikstudenten waren, stellten fest, dass ihre wichtigste Fähigkeit nicht technisches Fachwissen war, sondern die Fähigkeit zu kommunizieren und ihren Lehrstil an das Komfortniveau des Klienten anzupassen. Sie lernten, langsamer zu werden für diejenigen, die von der Anzahl der Tools überwältigt waren, und schneller zu werden für diejenigen, die bereits mit der Technologie vertraut waren. Das Programm deckte auch wichtige Grenzen auf. Einige Klienten empfanden den Aufwand, der für das Prompting der KI erforderlich war, als zu hoch im Vergleich zum Nutzen, und andere entschieden sich bewusst gegen die Nutzung von KI für bestimmte Arten von Arbeit, wie etwa wissenschaftliches Schreiben, um die volle persönliche Kontrolle zu behalten. Diese Reaktionen wurden nicht als Scheitern gewertet, sondern als valide Entscheidungen, die die Bedeutung hervorheben, dem Einzelnen zu überlassen, wann und wie er diese Werkzeuge nutzt.

Obwohl das Programm vielversprechende Ergebnisse zeigte, waren die Forscher sorgfältig darauf bedacht, die Grenzen ihrer Studie zu benennen. Die Daten stammen von einer kleinen Gruppe von Menschen, die sich freiwillig für das Programm gemeldet haben, daher kann nicht vorausgesetzt werden, dass jeder Studierende oder Lehrer die gleiche Erfahrung machen würde. Die Messungen des Lernens waren vorläufig und basierten auf einer geringen Anzahl von Teilnehmern, was darauf hindeutet, dass weitere Studien notwendig sind, um die langfristigen Auswirkungen zu bestätigen. Die Sammlung realer Artefakte – die funktionierenden Websites und Anwendungen – lieferte jedoch konkrete Beweise dafür, dass dieser Ansatz funktioniert. Das Projekt demonstrierte, dass Menschen aller Hintergründe mit der richtigen Unterstützung von passiven Konsumenten der Technologie zu aktiven Schöpfern werden können, die KI nutzen, um ihre eigenen Probleme zu lösen. Das LearnAI-Framework bietet ein praktisches Modell für Institutionen, die bestrebt sind, Künstliche Intelligenz in die Bildung zu integrieren – nicht als separates Fach, sondern als ein Werkzeug, das in das Gefüge des täglichen Arbeitens und Lernens eingewoben ist.