An Inductive Typology of Artificial Intelligence Use in Science Teaching and Its Alignment with AI Literacy Frameworks

Künstliche Intelligenz ist aus dem Reich der Science-Fiction in den täglichen Gesprächsstoff von Schulen übergegangen und verspricht, die Art und Weise, wie Kinder lernen und wie Lehrer arbeiten, neu zu gestalten. In der spezifischen Welt der Naturwissenschaften, in der Schüler durch das Stellen von Fragen, das Bauen von Modellen und das Testen von Ideen lernen, wirft die Ankunft dieser intelligenten Computersysteme eine grundlegende Frage auf: Wie werden sie tatsächlich eingesetzt? Die Diskussion schwankt oft zwischen zwei Extremen. Auf der einen Seite steht die Hoffnung, dass diese Werkzeuge das Lernen revolutionieren und als persönlicher Tutor für jeden Schüler fungieren werden. Auf der anderen Seite steht die Sorge, dass sie lediglich Aufgaben automatisieren oder das menschliche Urteilsvermögen ersetzen werden. Um zu verstehen, was wirklich geschieht, müssen Forscher hinter den Hype blicken und die tatsächlichen Praktiken untersuchen, die in akademischen Studien beschrieben werden. Sie müssen wissen, ob Lehrer diese Werkzeuge nutzen, um neue Denkweisen über die Wissenschaft zu entwickeln, oder ob sie sie einfach in alte Routinen einpassen. Dies ist das Gebiet, das eine aktuelle groß angelegte Studie untersucht hat, die darauf abzielt, die reale Landschaft der künstlichen Intelligenz in naturwissenschaftlichen Klassenzimmern abzubilden.

Um dieses komplexe Feld zu durchdringen, begannen die Forscher mit einer massiven Sammlung von Belegen. Sie sammelten 795 wissenschaftlich begutachtete Fachartikel, die sich mit künstlicher Intelligenz im Kontext des naturwissenschaftlichen Unterrichts befassten. Anstatt jedes einzelne Wort jedes Artikels zu lesen, konzentrierten sie sich auf die Abstracts – die kurzen Zusammenfassungen, die den Kernpunkt und die Methoden jeder Studie beschreiben. Dies ermöglichte es ihnen, die breiten Muster über tausende Seiten hinweg zu sehen, ohne sich in den Details eines einzelnen Experiments zu verlieren. Ihr Ziel war es nicht, ein spezifisches Werkzeug zu testen oder zu beweisen, dass eine Methode besser funktioniert als eine andere. Stattdessen wollten sie ein Bild davon zeichnen, wie Lehrer diese Technologien derzeit laut Beschreibung verwenden. Sie gingen ohne eine vorgefertigte Liste von Kategorien an die Daten heran und ließen die Muster natürlich aus dem Text selbst hervorgehen. Diese Methode stellte sicher, dass ihre Ergebnisse das widerspiegelten, was tatsächlich in der Literatur berichtet wird, und nicht das, was die Forscher zu finden erwarteten.

Während sie die Hunderte von Zusammenfassungen sortierten, traten sechs unterschiedliche Nutzungsweisen der künstlichen Intelligenz deutlich hervor. Die häufigste Verwendung, die in fast 78 Prozent der Studien vorkam, war die instruktionale Vermittlung und Pädagogik. In diesen Fällen nutzten Lehrer künstliche Intelligenz, um Inhalte zu präsentieren, Schüler durch die Untersuchung zu führen oder schwierige Konzepte während des Unterrichts zu erklären. Die zweithäufigste Kategorie betraf die Bewertung und das Feedback, die in etwa 46 Prozent der Arbeiten gefunden wurden. Hier half die Technologie den Lehrkräften dabei, Schülerleistungen zu überprüfen, Aufgaben zu bewerten oder unmittelbare Kommentare zur Leistung abzugeben. Die dritte Gruppe, die in etwa 24 Prozent der Studien auftauchte, konzentrierte sich auf die Unterrichtsplanung und Curriculumsgestaltung, wobei Lehrer die Werkzeuge nutzten, um Materialien vorzubereiten oder ihre Kurse zu organisieren, noch bevor die Schüler eintrafen. Die verbleibenden Kategorien waren weniger häufig, aber dennoch signifikant: die Nutzung interaktiver Agenten wie Chatbots zur Kommunikation mit Schülern, der Einsatz von Simulationen und virtuellen Umgebungen zur Modellierung wissenschaftlicher Phänomene sowie die Nutzung der Technologie für die eigene berufliche Weiterentwicklung und Unterstützung der Lehrkräfte.

Die Forscher nahmen diese sechs Kategorien anschließend unter die Lupe eines spezifischen Filters: eines Rahmens der Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD), der beschreibt, wie Menschen mit künstlicher Intelligenz interagieren. Dieser Rahmen unterteilt das Engagement in vier Bereiche: die Interaktion mit dem System, das Erstellen von Inhalten mit ihm, das Verwalten seiner Ergebnisse und das Design des Systems selbst. Als die Forscher ihre Ergebnisse auf diese Struktur abbildeten, zeichnete sich ein klares Bild ab. Die Literatur zeigt, dass Lehrer künstliche Intelligenz überwiegend dazu nutzen, mit ihr zu interagieren und zu gestalten, wie sie in ihren Unterricht passt. Sie bauen in der Regel nicht den zugrunde liegenden Computercode oder die komplexen Algorithmen, die diese Systeme antreiben. Stattdessen agieren sie als versierte Integratoren, die entscheiden, wie sie diese Werkzeuge auf ihre spezifischen Lehrziele anwenden. Sie konfigurieren die Werkzeuge, passen sie an ihre Bedürfnisse im Klassenzimmer an und strukturieren die Lernaktivitäten um sie herum.

Diese Unterscheidung ist entscheidend, da sie die Vorstellung infrage stellt, dass Lehrer Softwareentwickler werden müssen, um künstliche Intelligenz effektiv zu nutzen. Die Studie legt nahe, dass die primäre Rolle der Lehrkraft in dieser neuen Landschaft die eines pädagogischen Architekten ist. Sie sind diejenigen, die die Ergebnisse der Technologie interpretieren, entscheiden, wann sie eingesetzt wird, und sicherstellen, dass sie mit den Zielen des naturwissenschaftlichen Unterrichts übereinstimmen, wie etwa der Förderung des evidenzbasierten Denkens oder des Verständnisses komplexer Modelle. Die Forschung deutet darauf hin, dass die Technologie zwar leistungsstark ist, ihr pädagogischer Wert jedoch daraus resultiert, wie Lehrer sie in ihre bestehenden Praktiken einweben. Die Studien beschreiben Lehrer selten als passive Empfänger der Technologie und zeigen sie auch nicht als technische Schöpfer der Systeme. Stattdessen werden sie als aktive Entscheidungsträger dargestellt, die diese Werkzeuge nutzen, um ihr professionelles Urteilsvermögen zu erweitern.

Die Ergebnisse zeigten auch, dass der Einsatz künstlicher Intelligenz in der naturwissenschaftlichen Bildung im besten Sinne des Wortes konservativ ist. Anstatt die grundlegenden Strukturen der Art und Weise, wie Naturwissenschaften gelehrt werden, umzustürzen, wird die Technologie in etablierte Routinen integriert. Sie wird genutzt, um die Kernaufgaben des Lehrens zu unterstützen: das Erklären von Konzepten, das Überprüfen des Verständnisses und die Planung von Unterrichtsstunden. Während es Begeisterung über das Potenzial für radikale Veränderungen gibt, ist die aktuelle Realität eine der Augmentierung. Lehrer nutzen diese Werkzeuge, um die schwere Arbeit der Bewertung zu bewältigen oder Materialien für die Planung zu generieren, wodurch sie Zeit gewinnen, um sich auf die menschlichen Elemente des Lehrens zu konzentrieren. Die Forschung legt nahe, dass die häufigste Nutzung künstlicher Intelligenz darin besteht, die bestehende Arbeit einer naturwissenschaftlichen Lehrkraft effizienter und effektiver zu gestalten, anstatt die Lehrkraft zu ersetzen oder eine völlig neue Art des Lernens zu erschaffen.

Einer der interessantesten Aspekte der Studie ist, was sie über die Zukunft der Lehrerfortbildung aussagt. Da die Literatur zeigt, dass Lehrer diese Werkzeuge primär dazu nutzen, Lernerfahrungen zu gestalten und zu steuern, impliziert die Studie, dass die berufliche Weiterentwicklung auf diese Fähigkeiten fokussiert sein sollte. Lehrer müssen lernen, die Ergebnisse künstlicher Intelligenz kritisch zu bewerten, diese Werkzeuge an ihre spezifischen Fachinhalte anzupassen und sie verantwortungsbewusst in ihr Curriculum zu integrieren. Sie müssen nicht unbedingt lernen, die Systeme selbst zu codieren. Die Studie hebt hervor, dass die wertvollste Fähigkeit für eine naturwissenschaftliche Lehrkraft im Zeitalter der künstlichen Intelligenz die Fähigkeit ist, zu beurteilen, wann und wie diese Werkzeuge eingesetzt werden können, um die einzigartigen Anforderungen wissenschaftlicher Untersuchungen zu unterstützen.

Die Forscher waren sorgfältig darauf bedacht, die Grenzen ihrer Arbeit zu benennen. Ihre Ergebnisse basieren auf dem, was in akademischen Papieren geschrieben steht, was nicht perfekt mit dem übereinstimmen muss, was in jedem einzelnen Klassenzimmer geschieht. Sie merkten auch an, dass sich ihre Analyse auf englischsprachige Publikationen konzentrierte, was lokale oder nicht-englische Perspektiven übersehen könnte. Darüber hinaus hielt ihre Analyse Zusammenfassungen anstelle von Volltexten fest, weshalb sie zwar die groben Züge dessen erfasst haben, wie diese Werkzeuge beschrieben werden, aber nicht die tiefen, nuancierten Details jeder einzelnen Unterrichtsstunde. Trotz dieser Einschränkungen bietet die Studie eine solide, evidenzbasierte Landkarte der aktuellen Situation. Sie rückt die Diskussion weg von Spekulationen hin zu einem klaren Verständnis dessen, wie künstliche Intelligenz heute in der naturwissenschaftlichen Bildung positioniert wird.

Am Ende zeichnet die Studie das Bild eines Berufsstandes, der mit praktischer Weisheit auf ein neues Werkzeug reagiert. Künstliche Intelligenz trifft nicht als eine mysteriöse Kraft ein, die die Zukunft der Bildung diktieren wird. Sie trifft ein als eine Ressource, die Lehrer zu nutzen, zu formen und zu lenken lernen. Die Forschung zeigt, dass Lehrer nicht darauf warten, dass die Technologie ihre Probleme löst; sie finden aktiv Wege, wie sie sie nutzen können, um die Probleme zu lösen, vor denen sie bereits stehen. Durch die Konzentration auf die tatsächlichen Praktiken, die in Hunderten von Studien beschrieben werden, haben die Forscher gezeigt, dass die Integration künstlicher Intelligenz in den naturwissenschaftlichen Unterricht eine Geschichte menschlicher Handlungsfähigkeit ist. Es ist eine Geschichte von Lehrkräften, die neue Werkzeuge nutzen, um ihren Job besser zu machen und sicherzustellen, dass die Technologie den Zielen des Lernens dient und nicht umgekehrt.