← Neueste Arbeiten
📄 social_science

Zambian Secondary School Teachers’ TPACK and their Attitude Towards Artificial Intelligence in Mathematics Classrooms: A Case of Mufulira District

Diese Untersuchung von 127 Mathematiklehrkräften im Distrikt Mufulira, Sambia, zeigt auf, dass TPACK zwar eine wesentliche Kompetenz darstellt, jedoch keinen signifikanten Einfluss auf die Einstellung der Lehrkräfte gegenüber der Einführung von Künstlicher Intelligenz in den Mathematikunterricht hat, was darauf hindeutet, dass politische Entscheidungsträger sich stärker auf die Vermittlung bewährter Praktiken konzentrieren sollten, um die allgemeinen Perspektiven auf die Integration von KI zu verändern.

Ursprüngliche Autoren: Donald Siame, Allan Musonda

Veröffentlicht 2026-07-08
📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

Ursprüngliche Autoren: Donald Siame, Allan Musonda

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Ganze: Ein Rezept für die Zukunft

Stellen Sie sich vor, Mathematikunterricht zu unterrichten sei wie das Kochen einer komplexen Mahlzeit. Um ein großartiges Gericht zuzubereiten, benötigt ein Koch drei Dinge:

  1. Die Zutaten (Der mathematische Inhalt).
  2. Die Kochtechniken (Pädagogik/Wie man lehrt).
  3. Die Küchenwerkzeuge (Technologie).

In der akademischen Welt wird die Kombination dieser drei Elemente als TPACK (Technological Pedagogical Content Knowledge) bezeichnet. Wenn ein Lehrer über ein hohes TPACK verfügt, ist er wie ein Chefkoch, der genau weiß, welches Werkzeug er für welche Zutat verwenden muss, um das perfekte Menü zu kreieren.

Nun ist ein neues, leistungsstarkes Küchengerät eingetroffen: Künstliche Intelligenz (KI). Sie kann Gemüse schneiden, Rezepte vorschlagen und sogar das Essen abschmecken. Aber nur weil man ein schickes neues Gadget besitzt, bedeutet das nicht, dass man es auch will oder dass man weiß, wie man es gut benutzt.

Diese Studie, die im Distrikt Mufulira in Sambia durchgeführt wurde, stellte eine einfache Frage: Wollen Lehrer, die bereits „Meisterköche“ sind (hohes TPACK), automatisch dieses neue KI-Gadget benutzen?

Der Aufbau: Wer wurde gefragt?

Die Forscher wandten sich an 127 Mathematiklehrer an Sekundarschulen. Sie gaben ihnen eine Umfrage (wie eine lange Checkliste) und setzten sich dann mit 10 von ihnen für ein Gespräch (Interviews) zusammen. Sie wollten sehen, ob das technologische Geschick der Lehrer ihre Einstellung zur Nutzung von KI im Mathematikunterricht vorhersagt.

Die Ergebnisse: Die überraschende Wendung

1. Das „Werkzeug“ vs. den „Willen“
Die Forscher erwarteten, eine starke Verbindung zu finden: Wenn ein Lehrer gut mit Technik ist, wird er KI lieben.
Die Realität: Es war, als würde man feststellen, dass der Besitz eines High-End-Sportwagens jemanden nicht unbedingt dazu bringt, ein Rennauto fahren zu wollen.

  • Die Daten: Die Studie ergab fast keinen Zusammenhang zwischen den TPACK-Fähigkeiten eines Lehrers und seiner Einstellung gegenüber KI.
  • Die Metapher: Stellen Sie sich zwei Personen vor. Die eine ist ein Mechaniker, der genau weiß, wie man ein Auto repariert (hohes TPACK). Die andere weiß kaum, wie man einen Schlüssel umdreht (niedriges TPACK). Die Studie fand heraus, dass der Mechaniker nicht zwangsläufig begeisterter ist, das Auto zu fahren, als die Person, die kaum weiß, wie man es startet. Ihr Können sagte ihre Begeisterung nicht voraus.

2. Was die Lehrer tatsächlich dachten

  • Die gute Nachricht: Die meisten Lehrer (etwa 69 %) glauben, dass KI Schülern helfen kann, Mathematik besser zu verstehen. Etwa 57 % denken, dass sie das Problem der schlechten Leistungen in Mathematik lösen kann.
  • Die schlechte Nachricht: Viele Lehrer sind besorgt. Etwa 27 % halten KI-Tools für zu kompliziert für den Einsatz im Klassenzimmer.
  • Das „Vertrauensproblem“: In den Interviews sagten Lehrer Dinge wie: „Ich vertraue ihr nicht; sie gibt falsche Antworten“ oder „Es ist knifflig“. Sie haben das Gefühl, dass KI zwar relevant ist, sie aber noch nicht wissen, wie sie sie richtig einsetzen sollen.

3. Das „Arbeitsbelastungs“-Dilemma
Lehrer glauben, dass KI ihre Arbeitsbelastung reduzieren könnte (wie eine Spülmaschine, die die Teller für einen reinigt). Sie sind jedoch besorgt, dass sie durch die übermäßige Nutzung der persönlichen Verbindung zu ihren Schülern den Boden verlieren könnten (wie eine Spülmaschine, die die Küche kalt und unpersönlich wirken lässt).

Das Fazit: Es geht um die Einstellung, nicht nur um das Können

Das Paper kommt zu einer sehr wichtigen Unterscheidung.

  • Alte Überzeugung: „Wenn wir Lehrer nur darin schulen, besser mit Technologie umzugehen (das TPACK zu erhöhen), werden sie ganz natürlich anfangen, KI zu nutzen.“
  • Neue Erkenntnis: „Nein, so funktioniert das nicht.“

Die Studie legt nahe, dass die Einstellung wichtiger ist als das Können, wenn es um die Einführung von KI geht. Ein Lehrer kann ein Technik-Zauberer sein (hohes TPACK), aber KI dennoch nicht nutzen wollen, weil er sie für gefährlich, nutzlos oder zu schwierig hält. Umgekehrt könnte ein Lehrer mit weniger technischem Geschick sehr bestrebt sein, sie auszuprobieren, wenn er an ihren Wert glaubt.

Die abschließende Erkenntnis

Die Autoren sagen politischen Entscheidungsträgern und Schulleitern: Konzentrieren Sie sich nicht nur darauf, Lehrer darin zu schulen, wie man die Werkzeuge benutzt. Sie müssen auch deren Denkweise ändern. Sie müssen ihnen zeigen, warum es nützlich ist und wie sie es sicher verwenden können, andernfalls werden selbst die geschicktesten Lehrer das neue Gadget nicht in ihr Klassenzimmer bringen wollen.

Kurz gesagt: Die richtigen Werkzeuge zu haben (TPACK) garantiert nicht, dass man das neue Gadget (KI) auch benutzen möchte. Man muss zuerst die Perspektive des Lehrers ändern.

Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?

Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.

Digest testen →