Learning Energy for Sustainable Learning with Artificial Intelligence in Higher Education
Dieser Perspektivartikel stellt das „Learning Energy“-Framework vor, ein multidimensionales Modell, das fünf psychologische Theorien integriert, um zu erklären, wie generative KI Lernende im Hochschulbereich entweder erschöpfen oder energetisieren kann, indem es die Ressourcenbewertung nutzt, und bietet damit einen umfassenden Ansatz zum Verständnis und zur Aufrechterhaltung des akademischen Wohlbefindens in KI-vermittelten Umgebungen.
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
In der modernen Universität hat sich die Art und Weise des Lernens im Stillen verändert. Über Jahrzehnte hinweg stützte sich die Bildung darauf, zu verstehen, wie Studierende motiviert bleiben, wie sie sich mit schwierigem Material auseinandersetzen und wie sie ihr psychisches Wohlbefinden aufrechterhalten. Dies sind vertraute Konzepte: Motivation ist der Grund, warum ein Student eine Aufgabe beginnt, Engagement ist die Anstrengung, die er hineinsteckt, und Wohlbefinden ist das Gefühl, dass er gesund funktioniert. Doch eine neue Kraft ist in das Klassenzimmer eingetreten, eine, die nicht nur im Regal steht, sondern aktiv am Denkprozess teilnimmt. Generative künstliche Intelligenz – die Technologie, die Aufsätze entwerfen, komplexe Ideen erklären und sofortiges Feedback bieten kann – ist von der Peripherie in das Zentrum des täglichen akademischen Lebens gerückt. Sie bietet Geschwindigkeit und Klarheit, bringt aber auch ein Paradoxon mit sich. Ein Student könnte eine Aufgabe schneller abschließen, während er weniger denkt, oder er könnte dasselbe Werkzeug nutzen, um sein Verständnis zu vertiefen und seine eigenen Ideen zu verifizieren. Die Frage, vor der Pädagogen und Forscher stehen, ist nicht mehr nur, ob diese Technologie funktioniert, sondern wie sie den internen Treibstoff verändert, der einen Lernenden antreibt.
Eine neue Perspektive der Universität Phuong Dong schlägt einen Weg vor, diesen internen Treibstoff zu messen, und nennt ihn „Lernenergie“. Dieses Konzept ist kein einzelnes Gefühl wie Begeisterung oder Müdigkeit, sondern eine dynamische Ressource, die es einem Menschen ermöglicht, zu lernen, dies aufrechtzuerhalten und zu regulieren. Die Autorin, Van Huong Nguyen, legt nahe, dass diese Energie erneuerbar und sozial geteilt ist. Es ist nichts, das ein Student allein in seinem Kopf trägt; sie wird dadurch erzeugt und verbraucht, wie er mit der Technologie, seinen Mitstudierenden, seinen Lehrkräften und den Regeln seiner Institution interagiert. Das Papier argumentiert, dass wir die Auswirkungen künstlicher Intelligenz nicht verstehen können, indem wir nur auf die Endnote oder die Geschwindigkeit der Arbeit schauen. Stattdessen müssen wir untersuchen, ob die Technologie einem Studenten hilft, klar zu denken, sich sicher genug zu fühlen, um Risiken einzugehen, beharrlich bei Schwierigkeiten zu bleiben, sich mit anderen zu verbinden und der wahre Urheber seiner eigenen Arbeit zu bleiben.
Die Forschung beginnt mit der Beobachtung, dass bestehende Ideen über das Lernen zu fragmentiert sind, um das zu erklären, was gerade geschieht. Wir haben Theorien über Motivation, darüber, wie Menschen ihre Ressourcen verwalten, und darüber, wie soziale Verbindungen uns beim Handeln helfen, aber diese werden oft isoliert untersucht. Das Papier verwebt diese separaten Fäden zu einem einzigen, kohärenten Rahmen. Es schlägt vor, dass Lernenergie fünf verschiedene, aber verbundene Dimensionen hat. Erstens ist da die kognitive Energie, die mentale Klarheit, die nötig ist, um Informationen zu verarbeiten. Zweitens ist die emotionale Energie, das Gefühl von Sicherheit und Selbstvertrauen, das es einem Studenten ermöglicht, mit Unsicherheit umzuge-gehen. Drittens ist die motivationale Energie, die Kraft, die einen Studenten bei der Arbeit hält, wenn eine Aufgabe schwierig wird. Viertens ist die sozial-relationale Energie, die Bereitschaft zu lernen, die daraus entsteht, sich mit Gleichaltrigen und Lehrkräften verbunden zu fühlen. Schließlich gibt es die agentische Energie, die Fähigkeit, der Entscheidungsträger und der verantwortliche Urheber der Arbeit zu bleiben.
Der Rahmen erklärt, dass künstliche Intelligenz diese Energie entweder aufbauen oder erschöpfen kann, je nachdem, wie sie genutzt wird und wie der Student sie wahrnimmt. Wenn ein Student die Technologie nutzt, um eine verwirrende Idee zu klären, ein schnelles Beispiel zu erhalten oder ein schwieriges Konzept ohne Angst vor Verurteilung zu üben, fungiert das Werkzeug als Generator. Es senkt die Hürde für den Beginn einer Aufgabe und kann dem Studenten das Gefühl geben, kompetenter zu sein. Dasselbe Werkzeug kann jedoch zu einer Belastung werden, wenn es zu einer Überabhängigkeit führt. Wenn ein Student die Ausgabe einfach kopiert, ohne nachzudenken, oder wenn die Technologie die Notwendigkeit ersetzt, Fakten zu verifizieren, verschwindet die mentale Anstrengung, die zum Lernen nötig ist, und mit ihr das Gefühl der Eigenverantwortung. Das Papier stellt fest, dass dies zu einem Zustand der „effizienten Isolation“ führen kann, in dem ein Student zwar schnell arbeitet, sich aber von seinen Mitmenschen entkoppelt fühlt und sich seiner eigenen Fähigkeiten unsicher ist.
Um diese unterschiedlichen Ergebnisse begreifbar zu machen, skizziert die Autorin vier mögliche Profile, wie Studenten diese Umgebung erleben. Eine Gruppe, der es sowohl an starker menschlicher Unterstützung als auch an effektiver Nutzung der Technologie mangelt, fühft sich möglicherweise erschöpft und ängstlich. Eine andere Gruppe, die stark von Lehrkräften und Mitstudierenden unterstützt wird, aber weniger auf die Technologie angewiesen ist, zeigt Resilienz. Eine dritte Gruppe, die ein hohes Maß an künstlicher Intelligenz nutzt, aber wenig menschliche Verbindung hat, findet sich möglicherweise in einem Zustand der effizienten Isolation wieder, in dem Geschwindigkeit auf Kosten von tiefem Lernen und sozialer Zugehörigkeit geht. Das ideale Profil, beschrieben als „energetische Co-Agency“, tritt ein, wenn qualitativ hochwertige künstliche Intelligenz mit starker menschlicher Unterstützung kombiniert wird. In diesem Szenario hilft die Technologie beim Generieren von Ideen, aber der Student verifiziert, kritisiert und verfeinert diese Ideen unter Anleitung von Lehrkräften und Mitstudierenden. Das Ergebnis ist ein Lernprozess, in dem sich der Student klar, selbstbewusst, verbunden und voll verantwortlich fühlt.
Das Papier betont, dass diese Energie keine feste Eigenschaft ist, sondern ein Zyklus, der steigt und fällt. Ein Student mag eine Aufgabe mit hoher Energie beginnen und die Technologie nutzen, um einen schnellen Start zu finden. Während die Arbeit fortschreitet, kann diese Energie schwinden, wenn die Anforderungen an Verifizierung und kritisches Denken wachsen, ohne dass Unterstützung vorhanden ist. Wenn der Student jedoch innehält, um über die Arbeit mit einem Gleichaltrigen zu diskutieren oder klare Anleitung von einer Lehrkraft erhält, kann die Energie regeneriert werden. Der Rahmen legt nahe, dass nachhaltiges Lernen von dieser Fähigkeit zur Erholung abhängt. Es reicht nicht aus, lediglich Zugang zu leistungsstarken Werkzeugen zu haben; das Bildungsumfeld muss die Bedingungen schaffen, damit der Student seine mentalen und emotionalen Ressourcen regenerieren kann. Dies beinhaltet klare Richtlinien, die Ängste vor Regeln reduzieren, Bewertungsmethoden, die den Denkprozess gegenüber dem Endprodukt wertschätzen, und eine Kultur, in der Studenten ermutigt werden, das zu hinterfragen und zu verifizieren, was die Technologie ihnen sagt.
Die Autorin schlägt vor, dass diese neue Sichtweise auf das Lernen eine Lösung für die Verwirrung rund um die künstliche Intelligenz in der Bildung bietet. Sie führt die Diskussion weg von einfachen Fragen, ob die Technologie gut oder schlecht ist. Stattdessen fragt sie, ob die spezifische Art und Weise, wie ein Student das Werkzeug nutzt, ihm hilft, als verantwortungsbewusster Lernender zu denken, zu fühlen und zu handeln. Die Forschung legt nahe, dass künstliche Intelligenz den Lernprozess fördert, wenn sie das Bedürfnis eines Studenten nach Autonomie, Kompetenz und Verbindung unterstützt. Wenn sie seine Entscheidungen ersetzt oder ihn isoliert, zehrt sie ihn aus. Das Papier behauptet nicht, das Problem gelöst zu haben, wie man mit künstlicher Intelligenz lehrt, aber es liefert eine Vokabel und eine Landkarte, um die verborgenen Kosten und Vorteile der Technologie zu verstehen. Es lädt Pädagogen dazu ein, Lernerfahrungen zu gestalten, die nicht nur schnellere Ergebnisse produzieren, sondern die menschliche Fähigkeit zum Lernen, Denken und Aufblühen in einer Welt, die zunehmend von Maschinen geprägt ist, bewahren und erneuern.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.