Teaching About AI or With AI? In-Service Teachers’ Experiences in a Korean AI Convergence Education Program

In Klassenzimmern in ganz Südkorea vollzieht sich eine stille Transformation. Jahrzehntelang waren Lehrer die Experten auf ihren Gebieten und leiteten Schüler durch die Geschichte, die Naturwissenschaften oder die Literatur. Doch vor Kurzem ist ein neues Fach angekommen: künstliche Intelligenz. Die Regierung entschied, dass jeder Schüler verstehen muss, wie diese intelligenten Maschinen funktionieren, und der logische nächste Schritt war es, die Lehrer auszubilden. Dies schuf eine einzigartige Situation, in der erfahrene Pädagogen, die bereits wissen, wie man ein Klassenzimmer führt, wieder zur Schule gehen mussten, um eine völlig neue technische Sprache zu lernen. Die zentrale Frage, vor der Pädagogen und politische Entscheidungsträger stehen, ist nicht nur, ob Lehrer die Fakten über künstliche Intelligenz lernen können, sondern ob sie diese Fakten nehmen und in die Lektionen einweben können, die sie bereits unterrichten. Kann ein Geschichtslehrer künstliche Intelligenz nutzen, um Schülern zu helfen, die Vergangenheit zu verstehen, oder bleibt das neue Wissen in einer separaten Box verschlossen, die nur für Informatikklassen nützlich ist?

Diese Geschichte stammt aus einer spezifischen Ecke Südkoreas, wo die Regierung ein massives Programm zur Umschulung von Lehrkräften gestartet hat. Seit 2020 bieten achtunddreißig Universitäten spezielle Aufbaustudiengänge für berufstätige Lehrer an, die sich auf das konzentrieren, was als „KI-Konvergenzpädagogik“ bezeichnet wird. Die Idee ist, künstliche Intelligenz mit traditionellen Fächern zu verschmelzen. Um zu verstehen, wie dies in der realen Welt funktioniert, folgten zwei Forscher von den Universitäten Seoul und Hannam einer kleinen Gruppe von Lehrkräften und einem Dozenten durch dieses Programm. Sie betrachteten nicht nur Testergebnisse oder Checklisten; sie setzten sich mit den Teilnehmenden zusammen, um deren Geschichten darüber zu hören, wie es sich anfühlte, dieses neue Material zu lernen und es in ihren eigenen Schulen anzuwenden.

Die Lehrer, die sich für das Programm anmeldeten, taten dies nicht, weil sie plötzlich von Robotern oder Code fasziniert waren. Sie meldeten sich hauptsächlich als Reaktion auf praktischen Druck an, wie etwa die Notwendigkeit, sich in ihren Schulen mit KI auseinanderzusetzen, und weil die Regierung Studienkostenzuschüsse anbot, die die Entscheidung ermöglichten. Eine Lehrerin, die an einer High School für Naturwissenschaftsschüler arbeitet, stellte fest, dass ihre Schüler Projekte in Programmiersprachen erstellten, die sie nicht lesen konnte. Sie fühlte sich abgehängt und musste aufholen. Eine andere Lehrerin, eine Grundschullehrerin, gab zu, dass ihre Motivation „unrein“ war. Sie brauchte das Geld für die Studiengebühren, das die Regierung anbot, und sie bereitete sich zudem auf eine Beförderungsprüfung vor. Doch unter den praktischen Gründen lag ein gemeinsames Gefühl der Dringlichkeit. Sie wussten, dass künstliche Intelligenz in ihren Schulen ankam, und sie wussten, dass von ihnen erwartet würde, den Weg voranzugehen. Sie traten dem Graduiertenprogramm mit der Hoffnung an, einen klaren Weg nach vorne zu finden.

In den Universitätsklassenzimmern lernten die Lehrer viel über die Technologie selbst. Sie studierten, wie Maschinen lernen, wie man Daten analyst und wie man Code in einer Sprache namens Python schreibt. Die Dozenten, die Experten für Informatik und Daten waren, machten einen guten Job darin, diese technischen Fähigkeiten zu vermitteln. Eine Lehrerin sagte, sie könne endlich verstehen, was ihre Schüler machten, wenn sie komplexe Projekte entwickelten. Es begann jedoch eine Lücke zwischen dem, was sie in der Universität lernten, und dem, was sie in ihren eigenen Klassenzimmern tun mussten. Die Lehrer beschrieben den Lehrplan als „fragmentiert“. Sie lernten in einem Kurs über Datenanalyse und in einem anderen über Programmierung, aber das Programm zeigte ihnen nie, wie sie diese Teile mit einer Geschichtsstunde oder einer Ethikdiskussion verbinden konnten. Sie lernten über künstliche Intelligenz, aber sie lernten nicht, wie man damit unterrichtet.

Die Lehrer fanden sich in einer schwierigen Lage wieder. Sie verstanden die Technologie, konnten aber nicht herausfinden, wie sie sie in ihre spezifischen Fächer integrieren konnten. Eine Lehrerin beschrieb das Gefühl als „ratlos“ zu sein. Sie wollte künstliche Intelligenz in ihren Unterricht einarbeiten, wusste aber nicht, wie sie das machen sollte, ohne den Fokus ihres Fachs zu verlieren. Eine andere Lehrerin versuchte, eine Zeichen-App zu nutzen, um Schülern zu helfen, eine Geschichte zu illustrieren, merkte aber, dass dies lediglich die Nutzung eines Werkzeugs war und nicht eine echte Verschmelzung der Technologie mit dem Unterricht. Das Programm hatte ihnen die Werkzeuge gegeben, aber nicht den Bauplan, wie sie daraus etwas Neues erschaffen könnten. Die Verantwortung, die Verbindung herzustellen, wurde ganz der einzelnen Lehrkraft überlassen, die dieses Rätsel allein lösen musste, während sie gleichzeitig einen Vollzeitjob bewältigte.

Die Forscher fanden heraus, dass die Schwierigkeit nicht nur in einem Mangel an Geschick lag, sondern in der Natur der Fächer selbst. Für eine Naturwissenschaftslehrerin sind Daten überall vorhanden, daher ist es relativ einfach, einen Platz für künstliche Intelligenz zu finden. Aber für eine Lehrerin der Sprache oder Literatur ist der Zusammenhang viel schwerer zu finden. Ein Dozent im Programm, der Sozialkunde unterrichtet, gab zu, dass er einer Mathematiklehrerin oder einer Naturwissenschaftslehrerin helfen könne, sich aber verloren fühlte, wenn eine Sprachlehrerin um Hilfe bat. Er könne ihnen zeigen, wie man Texte analysiert, aber er könne keinen Weg finden, wie man die tieferen Algorithmen der künstlichen Intelligenz auf eine Weise nutzt, die für die Literatur sinnvoll ist. Dies deutet darauf hin, dass die Herausforderung nicht darin besteht, dass die Lehrer beim Lernen versagen, sondern dass die Verbindung zwischen künstlicher Intelligenz und bestimmten Fächern nicht offensichtlich ist und das Programm nicht genügend Unterstützung bot, um diese Brücke zu bauen.

Eine weitere große Hürde war die Struktur der Schulen selbst. Selbst wenn eine Lehrkraft es schaffte, einen großartigen Unterrichtsentwurf zu erstellen, der künstliche Intelligenz mit ihrem Fach verband, machte das Schulsystem die Umsetzung oft unmöglich. In Grundschulen werden Lehrer jedes Jahr vom Schulleiter in andere Klassenstufen und Fächer versetzt. Eine Lehrerin, die zwei Jahre lang etwas über künstliche Intelligenz gelernt hat, könnte im nächsten Jahr einer anderen Jahrgangsstufe zugewiesen werden, ohne Zeit zu haben, das Gelernte umzusetzen. In High Schools macht das Kreditsystem es schwierig für Lehrer aus verschiedenen Fachbereichen, gemeinsam an einem Projekt zu arbeiten. Die Politik ging davon aus, dass, wenn man einige Spezialisten ausbildet, diese das Wissen an alle anderen weitergeben würden. Doch die Realität des täglichen Schulalltags bedeutete, dass dieses Wissen oft bei der einzelnen Lehrkraft blieb und nicht in der breiteren Schulgemeinschaft Wurzeln schlagen konnte.

Die Studie hob auch eine Verwirrung darüber hervor, was das eigentliche Ziel sei, sowie einen Mangel an praktischer Unterstützung. Das Programm wurde „KI-Konvergenzpädagogik“ genannt, was eine tiefe Verschmelzung von Technologie und Fachinhalt impliziert. Die Lehrer fanden jedoch heraus, dass das Programm ihnen hauptsächlich lehrte, wie man KI-Werkzeuge nutzt oder die grundlegenden Prinzipien versteht. Sie wurden selten gezeigt, wie man die Technologie nutzt, um fachspezifische Probleme zu lösen. Eine Lehrerin bemerkte, dass die Dozenten sich uneinig über das Ziel zu sein schienen: Einige sagten, man müsse zuerst die Technologie verstehen, während andere sagten, der Fokus solle auf dem Fach liegen. Dieser Mangel an einer klaren, einheitlichen Vision führte dazu, dass sich die Lehrer fühlten, als versuchten sie, ein Puzzle mit fehlenden Teilen zusammenzusetzen. Darüber hinaus berichteten die Teilnehmenden, dass die praktische Anleitung zu KI-Ethik unzureichend war. Anstatt detaillierter Unterstützung wurden die politischen Materialien den Lehrkräften oft einfach nur „vorgeworfen“, mit der Anweisung, den Inhalt zu lehren, geeignete Webseiten zu finden und die bereitgestellten Mittel zu nutzen, wodurch die Initiative zu einer neuen Arbeit ohne die notwendige Anleitung wurde, um sie bedeutungsvoll zu gestalten. Sie lernten zwar die Technologie kennen, aber sie lernten nicht, wie sie für ihre Schüler bedeutungsvoll macht.

Die Forscher kamen zu dem Schluss, dass das fehlende Puzzleteil in diesem gesamten Prozess das ist, was sie „pädagogische Übersetzung“ nennen. Dies ist die harte Arbeit, technisches Wissen in eine Lektion zu verwandeln, die zu einem spezifischen Fach passt. Es geht nicht nur darum, zu wissen, wie eine Maschine funktioniert; es geht darum, zu wissen, wie man diese Maschine nutzt, um einem Schüler zu helfen, ein Gedicht, ein historisches Ereignis oder ein wissenschaftliches Konzept zu verstehen. Die aktuellen Programme sind gut darin, den ersten Teil zu lehren, aber sie sind nicht gut darin, den zweiten Teil zu lehren. Die Lehrer versagen nicht; das System verlangt von ihnen lediglich eine Aufgabe, die niemandem gezeigt hat, wie man sie erledigt.

Diese Studie legt nahe, dass es nicht ausreicht, Lehrkräften einfach mehr technisches Training anzubieten. Um die Ausbildung in künstlicher Intelligenz erfolgreich zu gestalten, muss sich die Ausbildung ändern. Sie muss sich weniger auf die Technologie isoliert zu konzentrieren und mehr darauf, wie diese Technologie den spezifischen Zielen des Geschichts-, Sprach- oder Naturwissenschaftsunterrichts dienen kann. Sie muss auch anerkennen, dass Lehrer diese Arbeit nicht alleine leisten können. Sie brauchen Unterstützung von ihren Schulen und von den Programmen, die sie ausbilden, mit klaren Beispielen dafür, wie man diese Welten verbindet. Bis die Lücke zwischen dem Lernen über künstliche Intelligenz und dem Lernen, wie man mit ihr unterrichtet, geschlossen ist, bleibt das Versprechen dieser neuen Bildung für viele Klassenzimmer unerreichbar. Die Lehrer sind bereit zu lernen, aber sie brauchen eine Landkarte, die ihnen zeigt, wie sie die Distanz zwischen dem Hörsaal der Universität und ihrem eigenen Schultisch überbrücken können.