The field grew, the programme did not: differential growth and substrate portability in artificial intelligence and education research, 2016–2026
Diese Studie stellt den Irrglauben infrage, dass sinkende Publikationsanteile einen Rückgang des Fachgebiets signalisieren, indem sie aufzeigt, dass während die gesamte Literatur zu KI in der Bildung von 2016 bis 2026 um das Fünffache wuchs, spezifische Teilbereiche durch „Substrat-Portabilität“ – die Anpassungsfähigkeit von Forschungskonstrukten an neue Datenumgebungen – getrieben unterschiedliche Wachstumsraten erfuhren, statt durch funktionale Obsoleszenz.
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
Seit Jahrzehnten versuchen Forscher, Computer einzusetzen, um zu verstehen, wie Menschen lernen. Sie entwickelten Systeme, um das Verhalten von Studierenden zu verfolgen, vorherzusagen, wer Schwierigkeiten haben könnte, und Unterrichtseinheiten in Echtzeit anzupassen. Diese Arbeit stützte sich stark auf digitale Plattformen, die jeden Klick und jeden Tastenschlag aufzeichneten und so riesige Datenspuren zur Analyse hinterließen. Um das Jahr 2022 kam eine neue Art von Technologie auf: große Sprachmodelle, die in der Lage sind, Texte zu generieren, Fragen zu beantworten und Inhalte sofort zu erstellen. Dieser Wandel erfasste die Fantasie von Pädagogen und Forschern gleichermaßen und löste einen massiven Anstieg neuer Studien aus. Doch während das Volumen der Forschung explodierte, zeichnete sich ein verwirrendes Muster ab. Der Anteil der Arbeiten, die sich mit den älteren, datenintensiven Methoden beschäftigten, schien zu verschwinden, was viele zu der Annahme führte, diese Fachgebiete seien ausgestorben. Es blieb die Frage: Waren die alten Wege des Lernens aufgegeben worden oder wurden sie schlicht durch die schiere Größe der neuen Welle übertönt?
Ein Forschungsteam setzte sich zum Ziel, dies zu beantworten, indem es sich nicht nur auf den prozentualen Anteil, sondern auf die tatsächliche Anzahl der veröffentlichten Studien konzentrierte. Sie sammelten fast 1.200 wissenschaftliche Arbeiten aus dem Zeitraum von 2016 bis Mitte 2026 und unterteilten den Zeitstrahl in zwei Ären: vor dem Aufstieg der generativen Künstlichen Intelligenz und danach. Ihr Ziel war es, die Zusammensetzung der Literatur von der tatsächlichen Aktivität innerhalb dieser Literatur zu trennen. Stellen Sie sich eine Stadt vor, die von 100 Einwohnern auf 1.000 anwächst. Wenn ein bestimmtes Viertel, in dem früher 30 Menschen lebten, weiterhin 30 Menschen beherbergt, sinkt sein Anteil an der Stadt von 30 % auf lediglich 3 %. Ein Beobachter, der nur auf die Prozentsätze schaut, würde denken, dass dieses Viertel geschrumpft ist oder verschwunden ist. In Wirklichkeit hat sich die Anzahl der Menschen, die dort leben, jedoch überhaupt nicht verändert; die Stadt ist einfach viel größer geworden. Die Forscher wandten dieselbe Logik auf das Feld der Künstlichen Intelligenz in der Bildung an. Sie fanden heraus, dass der Anteil der Arbeiten zu älteren Themen wie Educational Data Mining und Learning Analytics zwar drastisch sank, die tatsächliche Anzahl der Arbeiten zu diesen Themen jedoch nicht immer verschwand. Tatsächlich blieb die Anzahl der Studien für einige Themen stabil oder wuchs sogar, nur eben nicht so schnell wie die neuen generativen Themen.
Die Studie offenbarte eine Geschichte des differenziellen Wachstums statt eines totalen Ersatzes. Das gesamte Feld expandierte im Laufe des Jahrzehnts um mehr als das Fünffache. Die älteren Forschungsprogramme, die auf der Erhebung langfristiger Verhaltensdaten von Studierenden basierten, wuchsen nicht mit demselben rasanten Tempo. Zwei spezifische Bereiche, Educational Data Mining und Learning Analytics, verzeichneten einen echten Rückgang der jährlich veröffentlichten neuen Arbeiten. Ein anderer Bereich, die Intelligent Tutoring Systems, behauptete sich und veröffentlichte etwa die gleiche Anzahl an Arbeiten wie zuvor, obwohl sein Anteil am Gesamtgebiet signifikant schrumpfte. Währenddessen explodierten neue Themen wie akademische Integrität, Ethik und die Nutzung generativer Werkzeuge zur Erstellung von Kursmaterialien in der Popularität und wuchsen weita-viel schneller als der Durchschnitt des Feldes. Die Forscher entdeckten, dass das Überleben eines Forschungsthemas weniger davon abhing, wie es genannt wurde, sondern vielmehr davon, was es benötigte, um zu existieren. Themen, die komplexe, instrumentierte Plattformen zur Sammlung jahrelanger Studentendaten erforderten, hatten Schwierigkeiten Schritt zu halten. Themen, die mit einfachem Text oder unmittelbarer Interaktion erforscht werden konnten, wie etwa die Diskussion über Ethik oder das Generieren von Unterrichtsplänen, florierten.
Diese Unterscheidung ist von tiefer Bedeutung für jeden, der versucht, den aktuellen Stand des Feldes zu verstehen. Ein neuer Forscher, der heute in dieses Gebiet eintritt, könnte sich die Liste der populären Themen ansehen und zu dem Schluss kommen, dass die Fähigkeit, Studentendaten zu analysieren, aufgegeben wurde. Die Daten zeigen jedoch, dass diese Fähigkeit nach wie vor entwickelt wird, nur eben in einem langsameren, stetigeren Tempo als der Hype um neue Werkzeuge. Die ältere Arbeit wurde nicht ausgelöscht; sie wurde überholt. Die Studie legt nahe, dass der Wandel kein Scheitern der alten Methoden ist, sondern eine natürliche Konsequenz einer neuen Technologie, die für jeden sofort verfügbar ist und eine Flut neuer Fragen erzeugt, die keine so schwere Infrastruktur erfordern, um beantwortet zu werden. Für Institutionen oder Pädagogen, die diese Technologien einführen wollen, ist die Lektion klar: Die sichtbarsten Themen sind nicht die einzigen, die existieren. Die grundlegende Arbeit zum Verständnis des Lernens durch Daten setzt sich fort, auch wenn sie nicht mehr die Schlagzeilen dominiert. Das Feld hat seine Vergangenheit nicht verloren; es hat sich einfach um sie herum erweitert und trägt sowohl das Alte als auch das Neue vor sich her, jedoch mit sehr unterschiedlichen Geschwindigkeiten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.