KI-Tools zur Beurteilung von schulischen Leistungen – Ist das sinnvoll?

Es ist verbreitete Praxis in unseren Schulen, dass KI-Tools zur Beurteilung von schulischen Leistungen oder Sprachständen von Lernenden eingesetzt werden. Wir ordnen das ein.

Wir alle wissen, unter welch hoher zeitlicher, psychischer und energetischer Belastung Lehrpersonen ihre essenzielle Arbeit machen. Auch Schulleitungen und andere professionelle Akteure im Schulsystem stehen unter hohem Druck und wirken in zeitlicher Knappheit. Aus dieser Sicht erstaunt es nicht, dass zeitsparende neue Anwendungsmöglichkeiten von KI-Tools, wie Perplexity, ChatGPT etc., gerne eingesetzt werden.

Es gibt haufenweise sinnvolle Einsatzmöglichkeiten im schulischen Umfeld. Unterrichtsmaterialien in Variationen erstellen, blitzschnell zehn Anwendungsbeispiele einer Regel finden, von einer Aufgabe verschiedene Schwierigkeitsgrade erstellen lassen. Vor allem repetitive, sich häufig wiederholende Vorgänge liegen uns Menschen nicht, den KI-Tools dafür umso mehr. Wir begrüssen solche Entlastungs- und Verbesserungsmöglichkeiten die durch den Einsatz der genannten Tools ermöglicht werden.

Aber: Wir wissen aus verlässlichen Quellen, dass gewisse DaZ-Lehrpersonen mündliche und schriftliche Produkte von Kindern in geeigneten Prompts¹ KI-Tools übergeben, um so deren Sprachstand beurteilen zu lassen. Das müssen wir genauer beleuchten.

Was ist KI?

Mit KI-Tools meinen wir gemeinhin öffentlich als App und Website verfügbare generative Sprachmodelle. Künstliche Intelligenz zeitigt enorme viele weitere Funktionsformen, Modelle und Anwendungen, aber die boomenden und populären Sprachmodelle, die täuschend echt wie ein menschliches Gegenüber schreiben können, haben den Begriff der KI fast für sich gekapert. Das nur nebenbei zur Klärung. Die genannten Sprachmodelle funktionieren so, dass sie gelernt haben, das jeweilige nächste Wort für einen gegebenen inhaltlichen Zusammenhang mit unglaublicher Präzision und Schnelligkeit voraussagen können.² Umgekehrt können sie Spracheingaben mit den gleichen Methoden zerlegen und inhaltlich einordnen. Ohne den Inhalt tatsächlich verstehen zu können.

Die generativen Sprachmodelle sind also blosse Vorhersage-Maschinen des jeweils nächsten Worts. Mit echter Intelligenz, dass wissen und verstehen wir als Lehrpersonen bestens, kann das nichts zu tun haben.

Zwei Gründe für ein Nein

Eine unkritisch übernommene Beurteilung sprachlichen Ausdrucks von Menschen, von Kindern im genannten Fall, durch generative Sprachmodelle halten wir aus mindestens zwei Gründen für äusserst problematisch.

Ethik

Die Beurteilung einer menschlichen Verstandsleistung durch eine Maschine, die sich zwar bestens aufs Voraussagen des nächsten Worts versteht, aber in keinster Weise den Inhalt verstehen kann, geschweige denn zwischen den Zeilen lesen, ist aus ethischer Sicht höchst fragwürdig.

Kompetenzverlust

Indem wir einer Maschine Aufgaben übertragen, die wir bisher selbst besorgt haben, schwächen wir unsere eigene Kompetenz. Diese können wir nur weiterentwickeln oder zumindest erhalten, wenn wir diese Aufgaben mit aller Ernsthaftigkeit auch selbst angehen. Im Fall der erwähnten Sprachstands-Beurteilung bleibt nicht nur die Unterscheidung von individuellen, entwicklungsbedingten Fehlern und von Lernhindernissen unberücksichtigt, sondern wir verlieren auch die Fähigkeit, diese selber zu erkennen und adäquat darauf in korrektiven Feedbacks einzugehen. Junge Lehrpersonen mit naturgemäss geringerem Erfahrungsschatz, erlernen diese Kompetenz erst gar nicht. Dabei ist die Interaktion mit dem lernenden Kind der entscheidende Faktor für das Lernen. In dieser Beziehungsebene können die Motivation wachsen und die Selbstwirksamkeitserfahrung des Kindes vertieft werden. Das können und dürfen wir nicht aufs Spiel setzen.

Tags/Schlagworte