Editor

JLLT edited by Thomas Tinnefeld

Journal of Linguistics and Language Teaching

Volume 14 (2023) Issue 2, pp 143-166



Die Synergie von Künstlicher Intelligenz und digitalem Lernen im Fremdsprachenerwerb


Sandra Niedermeier (Kempten, Deutschland) &  Claudia Müller-Kreiner (München, Deutschland)


Abstract (Deutsch)

Der vorliegende Artikel untersucht die sich ergänzenden Aspekte von Künstlicher Intelligenz (KI) und Lernen mit digitalen Medien im Bereich des Fremdsprachenerwerbs. Um eine Betrachtung möglicher Synergien in den Fokus zu rücken werden die jüngsten Fortschritte im digitalen Lernen dargelegt, wobei ein besonderer Schwerpunkt auf die Rolle von KI im Lehr-Lern-Kontext gelegt wird. Vorgestellt wird ebenso eine lehr-lerntheoretische Perspektive, die für die Entwicklungen im Bereich der Digitalisierung geeignet scheint. Darüber hinaus werden mögliche Auswirkungen dieser digitalen Fortschritte im Bildungsbereich auf den Fremdsprachenerwerb betrachtet und die Potentiale für den Fremdsprachenerwerb diskutiert, die sich aus der Kombination von KI und Lernansätzen mit digitalen Medien ergeben. Das Bewusstsein für die Bedeutung dieser Synergie soll geschärft und damit ein Beitrag zur Weiterentwicklung der Forschung im Bereich des Fremdsprachenerwerbs durch technologiegestütztes Lernen geleistet werden.

Keywords: Künstliche Intelligenz, Spracherwerb, Konstruktivismus, Risiken, Chancen, digitales Lernen, Digitalisierung, Bildung




Abstract (English)

This article explores the relationship between Artificial Intelligence (AI) and digital media in foreign language acquisition. Recent advances in digital learning are outlined, with a particular emphasis on the role of AI in the teaching-learning context. Moreover, a teaching-learning theory perspective is presented that seems appropriate for developments in the field of digitalization. Additionally, this article considers the potential impact of digital advancements in education on foreign language learning. It also discusses the potential benefits of combining AI and learning approaches with digital media for foreign language learning. The objective is to increase awareness of the significance of this synergy and contribute to the further development of research in the field of technology-supported foreign language learning.

Keywords: Artificial intelligence, language acquisition, constructivism, risks, opportunities, digital learning, digitalization, education




1   Einleitung und Zielsetzung

Die rasanten Fortschritte in der Weiterentwicklung von künstlicher Intelligenz in den letzten Jahren und der niedrigschwellige Zugang und die leichte Anwendung dieser Technologie für den Einzelnen (1) – vor allem von großen Sprachmodellen wie ChatGPT – haben großes Potential. besonders in der Bildung. Insbesondere große Sprachmodelle wie GPT-3 und GPT-4 haben erhebliche Fortschritte in der Verarbeitung natürlicher Sprache (Natural Language Processing - NLP) gemacht (Kasneci et al. 2023). Im Kontext der dynamischen Entwicklung sind alle Bildungsprozesse aktuellen Veränderungen unterworfen und der Wunsch wird größer, dass auch das Lernen noch flexibler und verstärkt „on-demand“ werden soll. Insbesondere digitale Medien haben einen starken Einfluss auf das Lehren und Lernen – der Einfachheit halber wird im Folgenden auch vom digitalen Lehren und Lernen gesprochen. Die Erweiterung der Grenzen der Bildungsmöglichkeiten und Bildungserfahrungen wird in Zukunft von entscheidender Bedeutung sein (Kasneci et al. 2023). Gefragt sind in Zukunft Lernangebote, die im Lerngegenstand, im Lernprozess und in der Haltung der Verantwortlichen ein Abbild der Arbeitswelt der Zukunft darstellen (Korge et al. 2021). Noch vor wenigen Jahren kam die Zukunftsstudie Münchner Kreis (Band VIII) „Leben, Arbeit, Bildung 2035+“ (Bell et al. 2020) nach einer Umfrage unter den deutschen Experten zum Themenfeld Bildung zu dem Ergebnis, dass 52 % der Befragten keine vollständige Auflösung des bestehenden Bildungssystems erwarten, jedoch mehr mit digitalen Medien gearbeitet werden wird. Die größten Veränderungen insbesondere durch den zunehmenden Einsatz von KI-Technologien – und hier sind insbesondere die generativen Sprachmodelle gemeint – in der Bildung, wie zum Beispiel der flächendeckende Einsatz von Learning-Analytics, werden von Experten frühestens im Jahr 2035 erwartet (ibid.). Durch das offene und frei zugängliche Auftreten von ChatGPT in der Breite im Jahr 2022 und dessen Integration unter anderem in Microsoft Produkte kann jetzt jedoch viel früher damit gerechnet werden bzw. ist diese Entwicklung bereits in vollem Gange.  Dabei wird Künstliche Intelligenz als Begriff oftmals  noch unscharf verwendet. Daher im Folgenden eine kurze Erläuterung hierzu, ohne allzu sehr in die Informationstechnologie einzusteigen. 

In Abbildung 1 findet sich eine graphische Darstellung zur Unterscheidung der Begrifflichkeiten. So zeigt sich, dass Künstliche Intelligenz als Oberbegriff verstanden werden kann und sich darin Machine und Deep Learning unterordnen, dann jedoch die Generative KI – so wie große Sprachmodelle wie ChatGPT und Co. – wiederum nur ein Teil von dieser ist. Der vorliegende Artikel nimmt insbesondere auf diesen letzten Aspekt Bezug:


Abb. 1: Darstellung des Zusammenhangs zwischen KI, Machine Learning, Deep Learning und Generativer KI (Sprachmodelle wie ChatGPT) (PwC 2023)


Durch die voranschreitende Digitalisierung zeigen sich seit Längerem neue didaktisch-methodische Möglichkeiten für den Bereich des Lehrens und Lernens mithilfe digitaler Medien. In diesem Kontext gab es auch im Fremdsprachenbereich bereits seit Jahrzehnten Entwicklungen (Blake 2013) zum Beispiel im Bereich von Online-Sprachkursen, virtuellen Sprachaustausch-Plattformen und gamifizierten Lernanwendungen (Grein & Strasser 2019, Schmidt & Strasser 2022). Weiterhin hat sich nun durch den Hype um die KI eine weitere Möglichkeit für die nun dynamischer werdenden Entwicklungen der digitalen Lehre im Allgemeinen ergeben, wie beispielsweise die weitere Verbreitung von KI-gestützter Lernprozessbegleitung auf digitalen Lernplattformen. Hier besteht durchaus die Chance, auch das Erlernen von Fremdsprachen mithilfe von KI grundlegend zu verändern (Hockly 2023, Gupta & Saini 2019). KI-gestützte Lernprozessbegleitung kann dahingehend verwendet werden, anspruchsvolle Benutzeroberflächen für den Fremdsprachenbereich zu entwickeln, indem kontextualisierte, personalisierte und vielfältige Antworten auf von Benutzern gestellte Fragen in der entsprechenden (natürlichen) Sprache generiert werden. Dies ist ein mögliches Beispiel, wie digitale und KI-gestützte Lehr- und Lernangebote möglicherweise beim Erlernen von Fremdsprachen einsetzbar sind.

Im Folgenden wird insbesondere die Synergie zwischen digitalem Lernen und KI im Kontext des Fremdsprachenerwerbs untersucht. Ziel ist es, die Auswirkungen der Technologien auf den Prozess des Fremdsprachenerwerbs zu verstehen und zu erläutern, wie die Integration von KI die Wirksamkeit und Effizienz des Sprachenlernens verbessern kann. Aufgrund der Dynamik der Entwicklung aktueller KI-basierter Technologien, sind die Überlegungen des Artikels im Kontext seiner Entstehung zu sehen. Durch die Präsentation relevanter empirischer Studien und Metaanalysen insbesondere aus den Jahren 2022 und 2023 (KI-Systeme wie ChatGPT u.a. werden für die breite Masse zugänglich(er)) soll ein Verständnis für die Synergie von KI und digitalem Lernen im Fremdsprachenerwerb vermittelt und so ein Beitrag zur aktuellen Diskussion geleistet werden


2 Entwicklungen im Bereich des digitalen Lernens mit Schwerpunkt auf KI

2.1 Allgemeine Aspekte

Wenn über KI gesprochen wird, dann sollte zunächst der aktuelle Stand zum Lernen mit digitalen Medien betrachtet werden, denn hierzu zählen alle Thematiken, die Bildung und künstliche Intelligenz in Bezug zueinander setzen. Die Diskussion über die Digitalisierung in der Bildung beschäftigt sich schon lange mit der Frage, was für die Zukunft gelehrt und gelernt werden soll, und ist dabei stets mit der Unsicherheit von Zukunftsentwürfen konfrontiert (Kerres 2021). Die rasante Weiterentwicklung und Verbreitung digitaler Technologien, insbesondere in Bezug auf mobile Endgeräte (Smartphones, Tablets) hat das digitale Lernen in den letzten Jahren stark geprägt. Vor allem die Integration von künstlicher Intelligenz in Lehr-Lern-Kontexte hat weitreichende Auswirkungen auf die Lernumgebung, die Lernmethoden und die Interaktionen im Lernprozess.

In diesem Kontext werden aktuell auch Diskussionen um Lernkonzepte und insbesondere um das – vermeintlich – richtige Lernen geführt: 

Bislang greifen viele Lernkonzepte aber noch zu kurz. Aus Vorführen und Nachmachen (z.B. klassisches Einlernen), Teilnehmen (z.B. klassisches Seminar, MOOC) und Mitmachen (z.B. einfacher Qualitätszirkel, KVP-Workshop) erwächst nicht unbedingt Handlungskompetenz und zumeist auch keine Selbstreflexion. Dazu braucht es Austausch und Prozessbegleitung, mitunter auch Anleitung und Beratung. Es braucht ein Lernen, das eigene Erfahrungen in einem realen Kontext ermöglicht sowie Raum zu umfassender Reflexion gibt. Bereits in der Lernmethodik und in der Rolle der Lernbegleitung selbst müssen die Handlungsweisen und Haltungen angelegt sein, die es zu vermitteln gilt. (Korge et al. 2021a: 4)

Digitale Lehr-/Lernformen bieten eine größere Flexibilität und Zugänglichkeit im Vergleich zu traditionellen Lehr-/Lernmethoden. Mit einer Internetverbindung und einem digitalen Gerät können Lernende bereits seit Jahren proaktiv und selbstgesteuert jederzeit und von überall auf unterschiedlichste Lernmaterialien zugreifen (Means et al. 2010). Hier zeigen sich die ersten Schnittstellen, weshalb die Thematik KI so interessant für den digitale Lehr-/Lernbereich ist. In Kombination mit KI können solche Lernformen dazu beitragen, die Herausforderungen des traditionellen Fremdsprachenlernens zu überwinden, wie z.B. die Begrenzung auf feste Unterrichtszeiten und die fehlende Individualisierung des Lernens (Chen 2019). Ein Hauptmerkmal von KI ist ihre Fähigkeit zur Datenanalyse und Vorhersage (Russell & Norvig 2016). Diese Fähigkeit ermöglicht personalisiertes Lernen – ein Konzept, das sich durch die Anpassung von Lernmaterial und -strategien an die individuellen Bedürfnisse der Lernenden auszeichnet (Pane et al. 2017). In einem digitalen Lernumfeld kann KI die Lernstile, Fähigkeiten und Schwächen des Einzelnen analysieren und dementsprechend individualisierte und besser passende Lernpfade vorschlagen. Es konnte in bisherigen Studien bereits aufgezeigt werden, dass solche personalisierten Ansätze die Lerneffizienz und -wirksamkeit – und dadurch also mit großer Wahrscheinlichkeit auch den Lernerfolg – erhöhen können (Xu 2020). Darüber hinaus fördern digitale Lernformen, die mit KI-Technologie ausgestattet sind, die Interaktion und Kommunikation. Diese Technologie ermöglicht es Lernenden, ihre sprachlichen Fähigkeiten in nahezu realen Kontexten zu üben, indem sie interaktive und immersive Erfahrungen erzeugen. So können zum Beispiel virtuelle Sprachtutoren, basierend auf KI, Lernenden eine unmittelbare und auch individualisierte Rückmeldung geben, um beispielsweise ihre Aussprache und Grammatik zu verbessern (Li et al. 2021).

Trotz dieser auf den ersten Blick potenziellen Vorteile ist es wichtig, die Herausforderungen und Grenzen von KI und digitalen Lehr-/Lernformen insbesondere im Kontext des Sprachenlernens zu kennen. Zu den Bedenken gehören beispielsweise die Qualität der bereitgestellten Inhalte, die Notwendigkeit für technische Unterstützung und der potenzielle Mangel an menschlicher Interaktion (Chen 2019). Darüber hinaus sind Fragen der Privatsphäre und der Datensicherheit von Bedeutung, wenn persönliche Lerninformationen von KI-Algorithmen analysiert werden (Russell & Norvig 2016). Im Folgenden wird hierauf nun vertieft eingegangen. Ebenso wie sich ein Blick auf die Risiken lohnt, sollen zu einem späteren Zeitpunkt nochmals die Chancen von KI im Bildungskontext bzw. im Bereich des Fremdsprachenerwerbs dargelegt werden.


2.2 Chancen im Umgang mit KI im Kontext der Bildung

Individualisierung ist eines der Megatrends unserer Zeit (Zukunftsinstitut 2023). Dies gilt auch für das Lehren und Lernen. Eine der interessantesten Entwicklungen in der digitalen Bildung ist daher die Anpassungsfähigkeit und Personalisierung, die durch KI ermöglicht wird. Algorithmen des Machine Learning – eines Bereichs der KI – sind in der Lage, Muster und Zusammenhänge in großen Datenmengen zu erkennen und daraus Vorhersagen oder Empfehlungen zu generieren (Chen & Ranjan 2020). Im Kontext des digitalen Lernens können solche Algorithmen – positiv betrachtet – genutzt werden, um den Fortschritt und die Lernstile der Lernenden zu analysieren und Lerninhalte sowie Lernmethoden entsprechend anzupassen. KI – im Speziellen also Machine Learning – bietet somit die Chance, Lernenden durch die Bereitstellung personalisierter Lerninhalte, neue Formen der Lernbetreuung und sinnvolle Prüfungsszenarien individuell gerecht zu werden.

Die KI kann auch Lehrende durch die Klärung organisatorischer Fragen entlasten und begleitet Lernende (Dies ist nicht klar: Die  Lernenden hatten Sie gerade zuvor erst erwähnt) (Müssig 2021). Zudem sind Sprachverarbeitungstechnologien und Chatbots immer häufiger integrierter Anteil digitaler Lernumgebungen. Diese KI-Tools können komplexe menschliche Sprache verstehen und darauf reagieren, was sie zu wertvollen Hilfsmitteln im Fremdsprachenlernen macht. Sie ermöglichen den Lernenden, ihre sprachlichen Fähigkeiten in interaktiven und realistischen Szenarien zu üben, und bieten sofortiges Feedback und Korrekturen an (Kerly et al. 2007). In Kombination mit Spracherkennungstechnologien können sie sogar die Aussprache der Lernenden überprüfen und verbessern (Li et al. 2021). Diese Art von personalisiertem Lernen kann das Engagement und die Motivation der Lernenden erhöhen und damit ihre Lernleistung verbessern (Pane et al. 2017).

Weiterhin erleichtern KI-gestützte Plattformen das adaptive Lernen. Adaptives Lernen bezeichnet eine Methode, bei der das Lernmaterial in Echtzeit an das Leistungsniveau und die Fähigkeiten der Lernenden angepasst wird (Knewton 2021). Durch KI-gestützte Datenanalyse und Vorhersagen kann das System die Lernmaterialien jedes Einzelnen dynamisch anpassen, um dessen individuelle Bedürfnisse zu erfüllen. Gerade beim Fremdsprachenunterricht entfaltet sich hiermit ein großer Raum an Möglichkeiten. Darüber hinaus erweitert die KI die Möglichkeiten des digitalen Lernens durch die Erstellung immersiver Lernumgebungen, wie zum Beispiel durch Anwendungen der Virtual und Augmented-Reality. Solche Anwendungen können es den Lernenden ermöglichen, in eine sprachliche Umgebung "einzutauchen" und das Sprachenlernen in einem realistischen Kontext zu erleben – man denke beispielsweise an eine immersive Lernumgebung, wie sie in manchen Computerspielen schon angeboten wird, kombiniert mit der Möglichkeit sich mit den Figuren in der entsprechenden Sprache ad hoc zu unterhalten (Billinghurst & Duenser 2012). 


2.2 Herausforderungen im Umgang mit KI im Kontext der Bildung

Es ist jedoch zu beachten, dass trotz der Fortschritte und Möglichkeiten, die KI im digitalen Lernen bietet, auch Herausforderungen und Grenzen bestehen. Insbesondere sind Fragen des Datenschutzes und ethischer Standards im Umgang mit den von den Lernenden erzeugten Daten und den von der jeweiligen KI erstellten Prognosen von großer Bedeutung (Russell & Norvig 2016). Auf der negativen Seite kann es natürlich auch zu Überwachung und Kontrollmechanismen führen. 

Die aktuellen Entwicklungen des digitalen Lernens und die Integration von KI stellen somit sowohl Chancen als auch durchaus ernstzunehmende Herausforderungen dar. Ihre sinnvolle Nutzung erfordert daher kontinuierliche Forschung – und Selbst- sowie Fremd-Reflexion –, um das volle Potential dieser Technologien zu nutzen und gleichzeitig ethische und praktische Bedenken zu berücksichtigen. Mit Spannung ist zu beobachten, wie sich die Entwicklungen in der näheren Zukunft weiter fortsetzen werden. Hierbei erfahren ein bewusster Einsatz und die zielgerichtete Anwendung dieser KI-gestützte Tools eine immer größere Bedeutung – besonders unter Berücksichtigung der zunehmenden Komplexität der Aufgaben und Funktionen, die KI-gestützte Tools inzwischen übernehmen können (Niedermeier & König, im Druck). 

So könnten die mühelos von großen KI-basierten Sprachmodellen generierten Informationen den Lernenden dazu verleiten, kritisches Denken und Problemlösungsfähigkeiten hintenanzustellen und den "einfachen Weg" zu gehen, ohne über den generierten Inhalt zu reflektieren. Es ist daher wichtig, die Grenzen großer Sprachmodelle zu verstehen und sie als unterstützende Werkzeuge, nicht jedoch als Ersatz für Expertise, zu nutzen. Dabei sollten von den Nutzern zusätzliche Quellen zur Überprüfung der KI-generierten Informationen herangezogen und kritisches Denken im Curriculum gefördert werden. Für eine zielgerichtete Anwendung von KI-Tools stellt sich eine kritische Beurteilungsfähigkeit als wichtige zu entwickelnde Kompetenz dar (Niedermeier & König, im Druck). Die Nutzung großer Sprachmodelle sollte somit die übliche Lernumgebung ergänzen und verbessern, nicht jedoch diese ersetzen (Ehlers 2023).

Große Sprachmodelle können genaue Informationen liefern, aber sie können nicht die Kreativität eines Lehrenden, kritisches Denken und Problemlösungsfähigkeiten ersetzen. Der Bildungsbereich hat möglicherweise an vielen Stellen noch nicht genügend Kenntnisse und Expertise erlangt, um derartige neue Technologien effektiv in die Lehre zu integrieren. 

Um diese Herausforderung zu bewältigen, sind verschiedene Ansätze möglich: Bedarfsanalysen für Lehrende und Lernende mit Fallbeispielen und Schulungsangeboten zur Nutzung der Modelle im Unterricht wären sinnvoll, ebenso wie die Bereitstellung von offenen Bildungsressourcen und Richtlinien zur Nutzung für Bildungspersonal. Auch Anreize für Kooperationen unter Lehrenden und Einrichtungen, die bereits Sprachmodelle einsetzen, wären denkbar und bzw. oder regelmäßige Analysen und Rückmeldungen zur effektiven Nutzung von KI.

Eine weitere, in diesem Zusammenhang relevante Tatsache ist, dass es schwierig bis unmöglich sein kann, maschinengenerierten Text von menschlichem Text zu unterscheiden. Einige Forscher haben hierfür bereits Strategien entwickelt, um KI-Texte zu erkennen, wie beispielsweise die Verwendung von Werkzeugen wie GPTZero oder Wasserzeichen. Langfristig könnte auch eine Lösung zudem darin bestehen, Curricula und Anweisungen zu entwickeln, die die kreative und evidenzbasierte Nutzung großer Sprachmodelle eher fördern statt ablehnen.

Der Einsatz großer Sprachmodelle in der Bildung wirft oftmals leider auch Bedenken hinsichtlich des Datenschutzes und der Sicherheit von Lernerdaten auf. Dies betrifft mögliche Datenschutzverletzungen, unbefugten Zugriff und die Verwendung dieser Daten für andere Zwecke als Bildung. Um diese Bedenken zu mindern, sind robuste Datenschutzrichtlinien, Transparenz gegenüber Lernenden und ihren Familien, moderne Sicherheitstechnologien, regelmäßige Audits und ein Notfallplan für Datenverletzungen notwendig. Zusätzlich ist eine Schulung des Personals über Datenschutzrichtlinien und ethische Bedenken ebenso unumgänglich. Hierzu gibt es bereits Stellungnahmen in Richtung Politik (z.B. Weßels 2023)

Große Sprachmodelle können menschenähnlichen Text generieren, was es für Lernende oftmals schwierig machen kann, echtes Wissen von unbestätigten Informationen zu unterscheiden. Diese Schwierigkeit der Unterscheidung kann dazu führen, dass Lernende falsche Informationen (das sogenannte ‚Halluzinieren' der KI-Tools) oder irreführende Informationen als wahr akzeptieren, ohne deren Richtigkeit zu hinterfragen. Um dieses Risiko zu mindern, ist es wichtig, Bildung im Bereich des kritischen Denkens anzubieten und den Lernenden zugleich Strategien beizubringen, Informationen zu erkunden, zu untersuchen und zu untermauern. Lernende werden KI in Zukunft beim Sprachenlernen oder in anderen Kontexten nutzen – ob dies politisch gewollt ist oder nicht. Daher sollte es die Aufgabe eines Bildungssystems sein, die Lernenden auf einen reflexiven und professionellen Umgang damit vorzubereiten.

Im Folgenden werden nun Überlegungen zur Zusammenarbeit und Interaktion zwischen Mensch und KI sowie die Einsatzmöglichkeiten von KI im digitalen Lehr-Lernbereich im Allgemeinen vorgestellt. 


2.3 Bedeutung der Zusammenarbeit und Interaktion zwischen Menschen und KI

2.3.1 Automatisierungsmodell für personalisiertes Lernen

Chancen können auf unterschiedlichen Ebenen wirken und so sind KI und damit einhergehende große Sprachmodelle wie beispielsweise GPT-3 als Lernhilfe auf Seiten der Lernenden oder auch zur Lehrunterstützung auf Seiten der Lehrenden sinnvoll einsetzbar. Dabei ist es immer entscheidend, dass Klarheit darüber besteht, dass es dabei niemals um den Ersatz eines Lehrenden geht, sondern dass der Fokus auf Unterstützung und Individualisierung liegt. Diese Zusammenhänge werden in dem Modell der Bildungsforscherin und KI-Expertin Molenaar (2022) zur Automatisierung in individualisierten Lehr-Lern-Settings deutlich:

Abb. 2: Sechsstufiges Automatisierungsmodell für personalisiertes Lernen (nach Molenaar 2022)


Das Modell der sechs Automatisierungsstufen beschreibt die Aufteilung der Kontrolle zwischen Menschen und künstlicher Intelligenz in verschiedenen Bildungs-Anwendungsfällen. 

• Auf Level 1 haben Lehrende die vollständige Kontrolle über den Bildungsprozess. 
Auf Level 2 tritt die KI als Lehrassistenz auf, die Informationen über den Lernfortschritt und das Verhalten der Lernenden an die Lehrenden liefert und ihr pädagogisches Handeln dadurch beeinflusst. 
Auf Level 3 erfolgt eine teilweise Automatisierung, bei der die KI spezifische Aufgaben zur Unterstützung der Lehrenden übernimmt, wie zum Beispiel adaptive Lerntechnologien. 
Auf Level 4 wird ein größerer Teil der Überwachung an die KI abgegeben, während die Lehrenden trotzdem immer noch die Kontrolle behalten. Hierbei werden verschiedene Arten von Anpassungsaktionen von der KI durchgeführt, jedoch ist die Transparenz darüber, welche Aktionen hier für die Anpassung vollzogen werden, für die Lehrenden eine größere Herausforderung.
Auf Level 5 übernimmt die KI die meisten Aufgaben und kontrolliert diese auch, aber die Lehrenden können bei Bedarf eingreifen. 
Level 6, also die Vorstellung eines vollautomatisierten Systems ohne menschliche Kontrolle, ist in der formalen Bildung unwahrscheinlich, könnte aber in informellen Bildungskontexten in der Zukunft durchaus eine Rolle spielen (Molenaar, 2022).

Das Modell bietet eine Möglichkeit, gegenwärtige und zukünftige KI-Praktiken in der Bildung zu bewerten und Idealfälle zu diskutieren. Es betont die Bedeutung der Zusammenarbeit und Interaktion zwischen Menschen und KI und regt den Dialog über die optimale Nutzung von KI in der Bildung an. Während bisherige Anwendungen von KI in der Bildung hauptsächlich die Diagnose des Schülerwissens umfassen, weist die Forschung auf eine zunehmende Vielfalt von diagnostischen Möglichkeiten hin, die in Zukunft realisierbar sein könnten.

Im Folgenden wird zunächst auf die Anwendung von Sprachmodellen, beispielsweise ChatGPT, zur Verbesserung von Lese-, Lern- und Schreibaktivitäten im Bildungsbereich geblickt – im Sinne der KI als Lernhilfe also –, danach werden die Chancen von KI zur Lehrunterstützung näher betrachtet. 


2.3.2 KI als Unterstützung von Lernenden

Die KI bietet vielfältige Möglichkeiten zur Unterstützung von Lernenden, indem sie Fragen generieren, zum kritischen Denken anregen und inklusive Lernstrategien fördern kann. Es wird aufgezeigt, wie Sprachmodelle das Leseverständnis verbessern, das Lernen durch die Generierung von Lernkarten und Aufgaben unterstützen, sowie das Schreiben durch die Bereitstellung von Leitfragen und Feedback optimieren können. Des Weiteren wird die Bedeutung der kritischen Analyse und Interpretation der präsentierten Informationen betont, während gleichzeitig die Notwendigkeit weiterer Forschung zur Verbesserung der Leistungsfähigkeit dieser Modelle herausgestellt wird (Fleischmann 2023, Kasneci et al 2023):

Beim Lesen:
Im Bildungskontext erweisen sich KI-Sprachmodelle als äußerst nützlich, um das Leseverständnis von Lernenden zu erhöhen – etwas, das gerade im Sprachenlernen erhebliches Potenzial bietet. Durch die Fähigkeit, Texte zusammenzufassen, einen Überblick zu geben, Textabschnitte zu elaborieren und Gliederungen zu erstellen, ermöglichen diese Modelle den Lernenden eine strukturierte Arbeitsweise. Zusätzlich unterstützen sie sie beim Formulieren von Leitfragen, die ihr Verständnis weiter vertiefen können. Die Möglichkeit, damit Lernende zum Lesen anzuregen und komplexe Texte besser zu erschließen, trägt dazu bei, dass diese selbstständig und effektiv lernen können.

 

Beim Lernen:
Große Sprachmodelle können beispielsweise Lernkarten generieren, die als effektive Werkzeuge dienen, um den Lernstoff besser zu verinnerlichen. Darüber hinaus lassen sich mit Hilfe dieser Modelle gezielte (Klausur)Aufgaben zu den Lerninhalten erstellen, die den Lernenden helfen, ihr Wissen anzuwenden und zu festigen. Auch das Zusammenfassen von Texten und die Extraktion sowie die Systematisierung von Kernbegriffen kann das Lernen erleichtern. Darüber hinaus regen Sprachmodelle durch die Generierung von schrittweisen Lösungen und interessanten Fragen zum Sokratischen Dialog an, was zu einer vertieften Auseinandersetzung mit dem Lernstoff führt und unter Umständen auch die Fähigkeit der Lernenden, (neues) Wissen zu organisieren, erhöht. Die Fähigkeit, Sprache oder Sprachstile zu erlernen, lässt Sprachmodelle zu wertvollen Werkzeugen für den Lernprozess werden.

 

Beim Schreiben:
KI-gestützte Sprachmodelle können Lernenden Leitfragen zur Strukturierung ihrer Texte vorschlagen und die Ausarbeitung schrittweise durch die Bereitstellung von Beispielen und Gegenbeispielen unterstützen. Zudem können die Modelle Texte kürzen, elaborieren und verbessern, was Lernenden wiederum dabei hilft, ihre Schreibkompetenz zu entwickeln. Darüber hinaus ermöglichen Sprachmodelle eine effiziente Möglichkeit, Feedback zu Texten sowie zur Grammatik und Syntax zu erhalten. Die Interaktion mit diesen Modellen kann somit kontinuierlich die Schreibkompetenz der Lernenden fördern und ihre Fähigkeit stärken, komplexe Gedanken schriftlich wie auch mündlich klar und präzise zu formulieren.

 

Beim Übersetzen:
Machine Learning kann auch effizient für Übersetzungen genutzt werden. Hierbei werden Texte automatisch von einer Sprache in eine andere übertragen. Beliebte KI-Übersetzungsdienste wie DeepL verwenden für diese Aufgabe tiefe neuronale Netzwerke. Obwohl solche Systeme bei einfachen Strukturen und bestimmten Kontexten gut funktionieren, fehlt ihnen oft das Verständnis für spezifische Bedeutungen und feine kulturelle Nuancen. Im Kontext des Fremdsprachenunterrichts könnte die maschinelle Übersetzung dennoch hilfreich sein, um das Grundverständnis von Texten zu erleichtern oder für bestimmte Kontexte schnelle Übersetzungen bereitzustellen. Dennoch sollten Lernende sich nicht ausschließlich auf solche KI-generierten Übersetzungen verlassen, da sie das eigenständige Umschreiben und Beschreiben – somit die konkrete Arbeit an der Sprache und mit der Sprache –  be- oder sogar verhindern können. Übersetzungstools können zwar bei der Erweiterung des passiven Wortschatzes helfen, aber sie ersetzen nicht die aktive Sprachkompetenz. Es ist wichtig zu beachten, dass Übersetzungs-Software nicht immer technische oder medizinische Fachbegriffe korrekt übersetzen kann, da diese Arbeit spezialisierte Fachkenntnisse erfordert und damit eine Menge an spezialisiertem Wissen. Außerdem berücksichtigen solche Programme oft keine Minderheitensprachen, die jedoch einen wichtigen Teil des authentischen Sprachenlernens ausmachen (Schmidt & Strasser 2022).

 

Auf der Metaebene:
Insgesamt kann von einer Förderung von kritischem Denken und inklusiven Lernstrategien ausgegangen werden. Die Anwendung von Sprachmodellen ermutigt Lernende dazu, kritisch über das Gelesene und Geschriebene nachzudenken und präsentiertes Wissen zu analysieren und zu interpretieren. Durch das Generieren von immer weiterführenden und tiefergehenden Fragen fördert KI im besten Fall die Neugier und regt zu einem vertieften Verständnis der zu verarbeitenden Inhalte an. Allerdings ist es wichtig anzumerken, dass die Leistung von KI bei der Unterstützung der Lernenden (noch) hinter der von Menschen zurückbleibt, was die Bedeutung weiterer Forschung in diesem Bereich betont. Gleichzeitig können Sprachmodelle als inklusive Lernstrategie eingesetzt werden, um adaptives Schreiben, Übersetzungen und Hervorhebungen wichtiger Inhalte in verschiedenen Formaten zu ermöglichen, und dies insbesondere für Lernende mit Beeinträchtigungen. Diese barrierefreien Ansätze könnten dazu beitragen, Bildung für alle  zugänglicher zu gestalten und die Vielfalt der Lernenden zu unterstützen.


2.3.2 KI zur Unterstützung der Lehrenden

Die Integration von KI in den Bildungsbereich hat das Potential, Lehrende unter anderem bei der Lehrplanung und der Entwicklung von Lehrmaterialien zu unterstützen. Durch den Einsatz von KI können Lehrinhalte aus Stichpunkten automatisch generiert werden, was die Erstellung von Gebrauchstexten erleichtert. Zudem ermöglicht die automatische Generierung von ersten Entwürfen (sogenannte zero drafts) ein schnelleres Voranschreiten bei der Materialerstellung (Kasneci et al. 2023). In kreativen Phasen unterstützt KI die Lehrenden beim  Brainstorming sowie der Entwicklung und Konvergenz von Lösungen. Lehrvideos können sowohl aus Texten als auch automatisiert erstellt werden, wodurch es möglich wird, die unterschiedlichen Lernstile der einzelnen Schülerinnen und Schüler zu berücksichtigen.

KI-basierte Technologien unterstützen zudem die personalisierten Lehrprozesse durch das Bereitstellen von adaptivem Feedback (Kasneci et al. 2023). Dies kann in Form von Peer-Feedback erfolgen, wie beispielsweise auf der Plattform peer-ai-tutor.streamlit.app. Darüber hinaus können große Sprachmodelle verwendet werden, um das jeweilige Bewertungssystem zu optimieren. Angehende Lehrkräfte, die adaptives Feedback erhielten, zeigten in einer experimentellen Studie eine verbesserte Fähigkeit, ihre Diagnosen zu rechtfertigen: Bernius et al. (2022) nutzten NLP-basierte Modelle, um Feedback für schriftliche Schülerantworten zu generieren, und reduzierten den Bewertungsaufwand der Lehrkräfte um bis zu 85% – bei gleichzeitiger Steigerung der Präzision und Qualität.

Neben der Unterstützung bei  Lehrplanung und Assessment können Lehrende KI-basierte Technologien auch für die eigene Weiterbildung nutzen. Durch den Einsatz von KI-Tools erhalten sie die Möglichkeit, im Bildungsbereich auf dem neuesten Stand der Entwicklungen und Techniken zu bleiben und ihre Unterrichtsmethoden kontinuierlich zu verbessern (Fleischmann 2023, Kasneci et al. 2023).

Die Einbindung KI-basierter Technologien in den Bildungsbereich bietet Lehrenden somit vielfältige Möglichkeiten zur Verbesserung ihrer Lehrprozesse: Von der Lehrplanung und Materialerstellung bis hin zum Assessment und der eigenen Weiterbildung eröffnet KI neue Horizonte, um den Bildungsbereich effektiver und personalisierter zu gestalten. Dennoch ist es wichtig, den Einsatz von KI verantwortungsbewusst vorzunehmen und eine enge Zusammenarbeit zwischen Lehrkräften, Forschern und Entwicklern sicherzustellen, um die bestmöglichen Ergebnisse für Lehrende und Lernende zu erzielen (Fleischmann 2023, Kasneci et al. 2023)

Bei diesen vielen neuen Möglichkeiten der Unterstützung von Lehrenden und Lernenden stellt sich automatisch die Frage nach der Wirksamkeit KI- gestützter Tools. Diese wird im Folgenden untersucht


2.4 Aktuelle Evidenz im Kontext Lernen

Bisher existieren noch nicht viele systematische Forschungszusammenfassungen, wie Systematic Reviews oder Metaanalysen, die sich mit der Wirksamkeit von KI-gestützten Tools beschäftigen – erst recht nicht auf dem Gebiet des Sprachenlernens. Allerdings gibt es ein paar Ideen aus dem  Forschungsfeld zu Chatbots, die hier zusammenfassend dargestellt werden sollen. Eine Übertragung auf deutsche Schulen und / oder das Sprachenlernen im Allgemeinen ist dementsprechend eingeschränkt möglich. Mehr Forschung – auch und im Besonderen im deutschen Sprachraum – ist hierfür nötig (und auch gerade im Entstehen begriffen).Fie hier aufgeführte Evidenz liefert folglich nur erste Impulse und Denkanstöße;

Als kurzer Exkurs zu Chatbots: Der Hauptunterschied zwischen ChatGPT und herkömmlichen Chatbots besteht in der zugrunde liegenden Technologie und der Art der Konversation, die sie führen können. ChatGPT basiert aktuell auf der GPT-3.5-Architektur von OpenAI – einem Sprachmodell, das anhand einer großen Menge an Textdaten trainiert wurde und die Fähigkeit zur natürlichen Sprachverarbeitung und -generierung aufweist (kurz NLP: Natural Language Processing). ChatGPT kann daher individuell auf die Eingaben der Benutzer reagieren und anspruchsvolle Konversationen führen. Im Gegensatz dazu verwenden herkömmliche Chatbots in der Regel vordefinierte Antworten, Skripte oder einfache Regeln, um auf Benutzereingaben zu reagieren. Diese herkömmlichen Chatbots sind oft in ihrer Reaktionsfähigkeit und Flexibilität begrenzt und können Schwierigkeiten haben, natürliche Konversationen zu führen. Zusammenfassend lässt sich hierzu festhalten, dass ChatGPT ein fortschrittlicher Chatbot ist, der auf einer leistungsstarken künstlichen Intelligenz basiert (Kasneci et al. 2023)

Ein Blick auf die Evidenz von Chatbots und auf die Frage, wie wirksam der Einsatz dieses Tools in schulischen Kontexten ist, offenbart folgendes: Es zeigt sich in einer Meta-Analyse von 32 empirischen Einzelstudien mit insgesamt 2201 Teilnehmern, die in den Jahren 2010 bis 2022 veröffentlich wurden, dass die Chatbot-Technologie unabhängig von Moderatorvariablen wie Interventionsdauer, Chatbot-Rollen und Lerninhalten eine mittlere bis hohe positive Wirkung auf die Gesamt-Lernergebnisse hat. Darüber hinaus verbesserten Chatbots signifikant explizites Denken, Lernerfolg, Wissenswiedergabe und das Lerninteresse, obwohl keine signifikanten Auswirkungen auf kritisches Denken, Lernbeteiligung und Motivation festgestellt wurden (Deng & Yu, 2023).

In einer weiteren Metaanalyse wurden 24 Einzelstudien untersucht. Das Hauptziel der Metaanalyse war es, die Auswirkungen von KI-Chatbots auf die Lernergebnisse der Schüler und Schülerinnen zu untersuchen und die moderierenden Effekte von Bildungsstufen und Interventionsdauer zu betrachten. Die Ergebnisse zeigten, dass KI-Chatbots eine positive Wirkung auf die Lernergebnisse der Schüler hatten. Darüber hinaus hatten KI-Chatbots eine stärkere Wirkung auf Lernende im Hochschulbereich im Vergleich zu denen in Grundschule und Sekundarschule. Zudem hatten kurze Interventionen eine stärkere Wirkung auf die Lernergebnisse als längere Interventionen. Dies könnte damit erklärt werden, dass die Neuheitseffekte von KI-Chatbots in kurzen Interventionen die Lernergebnisse verbessern, in längeren Interventionen jedoch nachlassen (Wu & Yu 2023).

Auch im Systematic Review von Okonkwo & Ade-Ibijola (2021) wurde der Fokus auf Chatbots in der Bildung gelegt. Auch hier zeigten sich positive Effekte: Die Verwendung von Chatbots in der Bildung hat das Potential, Lernerfolge und die Zufriedenheit der Studierenden signifikant zu verbessern. Mehrere Studien haben gezeigt, dass Chatbots erfolgreich in Bildungskontexten implementiert werden können und verschiedene Vorteile für das Bildungssystem bieten. Als Vorteile wurden hierbei genannt:

Integration von Inhalten:

Chatbots ermöglichen die Integration von Lehrinhalten in eine Online-Plattform, die leicht zugänglich ist. So können nahezu hürdenlos und unmittelbar maßgeschneiderte Informationen für Lernende bereitgestellt werden.

 Schneller Zugriff:

Chatbots ermöglichen einen schnellen Zugriff auf Bildungsinformationen, was Zeit spart und das Lernen und die Leistung der Lernenden maximiert.
 Motivation und Engagement:
Die Verwendung von interaktiven Systemen wie Chatbots wirkt auf Lernende oftmals motivierend und erhöht deren Engagement.
 Unmittelbare Unterstützung:
Chatbots bieten sofortige Unterstützung für Lernende und Lehrende an, indem schnelle Antworten auf Fragen und Aktivitäten angeboten werden. 

In zwei weiteren Meta-Analysen wird besonders auf die Wirksamkeit von Chatbots im Kontext des Sprachenlernens geblickt. So untersuchten Lee & Hwang (2022) den Einfluss von Chatbots auf das Erlernen des Englischen in koreanischen Bildungskontexten. In der Metaanalyse von 16 Einzelstudien wurden durch Moderatorenanalysen folgende Hauptergebnisse erzielt:   

1. Je niedriger die Schulstufe, desto größer war die berechnete Effektstärke. 
2. Behandlungen, die weniger als acht Wochen dauerten, erwiesen sich als wirksamer.
3. Die Verwendung eines gezielt entwickelten Chatbots hatte eine größere Wirkung auf den Lernerfolg als die eines allgemeinen Chatbots. 

Die Meta-Analyse ist aufgrund der Datenlage eingeschränkt zu generalisieren, bietet aber erste Impulse speziell für das Erlernen einer Fremdsprache. 

In der Meta-Analyse von Zhang et al. (2022) wurden auch Effekte des Sprachenlernens beim Einsatz von Chatbots genauer untersucht. Hierbei wurden 18 Einzelstudien zusammengefasst und darüber hinaus neun potenzielle moderierende Variablen (Bildungsniveau, Zielsprache, Sprachbereich, Lernergebnis, Unterrichtsdauer, Chatbot-Schnittstelle, Chatbot-Entwicklung, Aufgaben-Dominanz und Interaktionsart) identifiziert und diskutiert. Hierbei zeigten sich folgende Ergebnisse: 

1. Lernende profitierten in Bezug auf das Bildungsniveau (und / oder das Alter) im schulischen Kontext stärker von Chatbots als Universitäts-Studierende.

2. Chatbots wurden vorwiegend bzw. nahezu hauptsächlich zum Erlernen einer Zweitsprache genutzt.

3. Erste Ergebnisse zeigten, dass signifikante Vorteile für Wortschatz, Hörverstehen, Sprechen und andere Bereiche des Sprachenlernens mit Chatbots bestanden. 

4. Längere Unterrichtszeiten (ein bis drei Monate) hatten den besten Effekt für computerunterstütztes Sprachenlernen. 

5. Webbasierte sowie selbsterstellte Chatbots waren effektiver als mobile Anwendungen bzw. vorgefertigte Chatbots. Individuelle Anpassungen und zusätzliche Funktionen erhöhten folglich die Produktivität.

6. Lernerzentrierte Anwendungen waren beim Sprachenlernen wirksamer. Benutzerkontrolle und individuelle Anpassung führten im Sprachenlernen zu positiveren Ergebnissen.

7. Es zeigte sich, dass Sprache-zu-Text-Chatbots eine höhere Lernerfolgsquote bewirkten als Text-Chatbots im Kontext des Sprachenlernens. Diese boten realistischere, dynamischere Übungsmöglichkeiten und förderten somit das Sprachverständnis.

In einer weiteren systematischen Literaturanalyse von Wollny et al (2021) aus dem europäischen Forschungsraum, ist die derzeitige theoretische und evidenzbasierte Lage im Bereich der Chatbot-Forschung dargelegt und auch anschaulich graphisch aufbereitet, führt aber an dieser Stelle zu weit. Kurz zusammengefasst, wurden in dieser Studie verschiedene Aspekte der Anwendung von Chatbots in der Bildung untersucht. Die pädagogischen Rollen von Chatbots wurden als Lernen, Unterstützen und als Mentor identifiziert. Alle drei Rollen sind für Lernende von großer Bedeutung und sollten in Chatbots integriert werden. Wichtig für die Integration von KI-basierten Technologien in die Bildung scheint ganz grundsätzlich die Bereitschaft und Motivation der Lehrkräfte zu sein, diese zu fördern. Lehrkräfte mit konstruktivistischen Überzeugungen neigen dabei eher dazu, Bildungstools mit KI einzusetzen als solche mit transmissiven Orientierungen. Die wahrgenommene Nützlichkeit, die wahrgenommene Benutzerfreundlichkeit und das wahrgenommene Vertrauen in KI-basierte Werkzeuge spielen für die Akzeptanz eine entscheidende Rolle (Kasneci et al 2023).

Dies sind im Kontext von Chatbots erste Einblicke der Forschung, die natürlich nur eingeschränkt auf KI im Allgemeinen bzw. generative Künstliche Intelligenz oder den deutschen Kulturkreis bzw. den deutschen Schul- und Bildungskontext im Besonderen übertragen werden kann. Dennoch liefern sie erste Denkanstöße in Richtung des evidenzbasierten Einsatzes dieser Tools

Zusammenfassend lässt sich festhalten, dass KI und digitales Lernen das Potential haben, den Prozess des Fremdsprachenerwerbs zu revolutionieren. Durch die Kombination von personalisiertem Lernen, flexibler Zugänglichkeit und interaktiven Lernerfahrungen bieten diese Technologien eine innovative Möglichkeit, die Wirksamkeit und Effizienz des Sprachenlernens zu verbessern. Es bedarf jedoch weiterer Forschungen, um ein umfassenderes Verständnis der optimalen Integration dieser Technologien in den Lernprozess zu gewinnen und sicherzustellen, dass sie zu einem gerechten und inklusiven Bildungssystem beitragen – auch und im Besonderen im deutschsprachigen Bildungssystem. Die Forschungsbemühungen im Kontext Lernen im Allgemeinen und Spracherwerb im Speziellen stehen jedoch noch am Anfang. Jedoch bestehen insbesondere aus lehr-/lerntheoretischer Sicht schon Überlegungen, wie Lernen in Zeiten der Digitalisierung gelingen kann. 


3   Das Verständnis von Lernen – eine Lerntheorie für die Digitalisierung 

Bereits seit Längerem zeigt sich, das vor allem konstruktivistische Lehr-/Lernauffassungen im Bereich der Digitalisierung der Bildung nicht mehr wegzudenken sind. Das Konstruktivismus-Paradigma stellt eine zentrale Theorie im Kontext der Lehr-/Lernforschung dar. Der Konstruktivismus kann dabei unterschiedliche Ausprägungen annehmen, wobei in seiner radikalen Form davon ausgegangen wird, dass alles, was der Mensch wahrnimmt, eine subjektive Konstruktion und Interpretation darstellt (Glasersfeld 1987). In seiner gemäßigten Form bezieht sich der Konstruktivismus nicht auf die umfassende Konstruktion der gesamten menschlichen Wahrnehmung, sondern lediglich auf die Konstruktion neuen Wissens. Lernen wird dabei beschrieben als subjektive Konstruktion durch das aktiv lernende Individuum in konkreten sozialen Kontexten. Im Kern geht der in der aktuellen Lehr-/Lerndiskussion vorherrschende gemäßigte Konstruktivismus davon aus, dass Wissen nicht einfach von Lehrenden zu Lernenden übertragen wird, sondern dass Lernende ihr Wissen durch die aktive Auseinandersetzung mit dem entsprechenden Lernmaterial selbst konstruieren (Phillips 1995). Heinz Mandl, ein renommierter deutscher Bildungsforscher, hat dabei bedeutende Beiträge zur konstruktivistischen Lerntheorie geleistet.

Im Verständnis des Konstruktivismus sind aktives Lernen und das Begreifen von Zusammenhängen zentral (Mandl & Reinmann 2006): Die Lernenden reagieren nicht nur auf die dargebotenen Informationen, sondern gestalten ihre Umwelt aktiv (Reinmann 2011). Das bedeutet, dass Lernende explizit in Lernprozesse eingebunden sein und Verbindungen zwischen neuen Informationen und bereits vorhandenem Wissen herstellen sollten. Dabei wird ein besonderer Fokus auf das selbstständige Erarbeiten und die Reflexion von Wissen gelegt.

Zusammenfassend zeigen sich sechs zentrale Merkmale für konstruktivistische Lernprozesse (Mandl & Kopp 2006). Lernen ist ein dabei: 

ein aktiver Konstruktionsprozess,
ein konstruktiver Prozess, bei dem neues Wissen in bereits bestehendes Wissen integriert und aufgrund bisheriger Erfahrungen interpretiert wird,
ein durch Emotionen beeinflusster Prozess,
ein selbstgesteuerter Prozess, der die Planung, Kontrolle und Überwachung des eigenen Lernprozesses erfordert,
ein situativer Prozess, in dem Wissenserwerb in spezifische Kontexte oder Situationen eingebettet ist, und
ein sozialer Prozess, der die Interaktion mit Anderen erfordert. 

Eine zentrale Rolle spielt daher auch die soziale Interaktion. Im Sinne des sozialen Konstruktivismus betont Mandl, dass das Lernen häufig in sozialen Kontexten stattfindet und durch Interaktion mit anderen gefördert wird (Mandl & Friedrich 2006). Dieses Prinzip wird durch die Nutzung digitaler Technologien und insbesondere KI-gestützter Lernumgebungen verstärkt, da diese neue Möglichkeiten für kollaboratives und vernetztes Lernen bieten, und zwar im Kontext des sprachlichen Lernens, wie auch in anderen Fachbereichen – dies ist überfachlich zu verstehen. 

Der konstruktivistischen Perspektive entspringen didaktische Ansätze wie das problemorientierte Lernen bzw. das fallbasierte Lernen. Dabei ist jedoch die Instruktion durch den Lehrenden wichtig. Lehrende können den Lernprozess begleiten, indem sie in einer eher beratenden Position die Lernenden anleiten sowie Informationen und Erklärungen darbieten. Dabei gilt es, die Waage zu halten zwischen der Instruktion durch Lehrende – oder die KI – und der Konstruktion durch Lernende sowie deren individuellen Lernvoraussetzungen und dem Lerngegenstand, so dass die Selbststeuerung durch die Lernenden weiterhin im Vordergrund steht (Reinmann-Rothmeier & Mandl 2001). 

Um dieser Voraussetzung Rechnung zu tragen, stellen Mandl & Kopp (2006) vier Gestaltungsprinzipien für problemorientierte Lernumgebungen auf: Lernumgebungen sollten:

authentisch und anwendungsbezogen sein, so dass träges Wissen verhindert wird;
Wissen in multiple Kontexte einbinden und aus multiplen Perspektiven betrachten, so dass es flexibel angewandt und adaptiert werden kann;
soziale Lernarrangements beinhalten, die neben der Wissensvertiefung auch soziale Kompetenzen fördern (z.B. Kommunikation und Kooperation); 
mit instruktionalen Anleitungen und Unterstützung aufwarten, um die Lernenden nicht zu überfordern.

Diese Zusammenhänge lassen sich graphisch wie folgt veranschaulichen:

Abbildung 3: Balance zwischen Instruktion und Konstruktion... | Download  Scientific Diagram

Abb. 3: Balance zwischen Instruktion und Konstruktion 
(Eigene Darstellung in Anlehnung an Reinmann-Rothmeier & Mandl 2001: 603)

Außerdem betonen Mandl & Reinmann (2006), dass Lernprozesse nicht nur von der Art des Lernmaterials, sondern auch von den individuellen Vorstellungen und Einstellungen der Lernenden beeinflusst werden. Daher ist es wichtig, Lernumgebungen und Lernmaterialien so zu gestalten, dass sie an die individuellen Bedürfnisse der Lernenden angepasst sind. In diesem Zusammenhang kann KI dazu beitragen, personalisierte Lernpfade zu schaffen und die Lerninhalte auf die Bedürfnisse und Vorlieben der Lernenden zuzuschneiden, was gerade beim sprachlichen Lernen einen immensen Mehrwert liefern kann. Die KI wirkt dabei auf mehreren Ebenen, z.B. durch die Erstellung realitätsnaher Fälle, die den situativen Prozess abbilden oder auch die Instruktion unterstützen. 

Zusammenfassend lässt sich sagen, dass die Prinzipien des Konstruktivismus wichtige Leitlinien für die Gestaltung und Durchführung von Lernprozessen darstellen. Sie legen den Grundstein für das Verständnis des Lernens als aktiven und sozialen Prozess, bei dem die Lernenden im Mittelpunkt stehen. In diesem Sinne kann die Integration von KI in den Lernprozess dazu beitragen, diese Prinzipien zu unterstützen und zu erweitern.

Unter Anwendung der konstruktivistischen Lerntheorie lässt sich die effektive Verschmelzung von KI und digitalen Lernmethoden im Kontext des Fremdsprachenerwerbs sinnvoll nachvollziehen. Das Prinzip des aktiven Lernens und der Herstellung von Zusammenhängen findet hierbei durch die Technologien des digitalen Lernens und den vorwiegend unterstützenden, zielgerichteten Einsatz von KI eine innovative Umsetzung.

Bevor auf mögliche Synergien eingegangen wird, soll zunächst soll der Fremdsprachenerwerb im digitalen Zeitalter genauer betrachtet werden.


4   Fremdsprachenerwerb im digitalen Zeitalter

Die Digitalisierung hat das Fremdsprachenlernen verändert und ein breites Spektrum an Lern-Ressourcen zugänglich gemacht. So ist das Feld des Fremdsprachenerwerbs seit Längerem durch die Erweiterung des Zugangs zu Lernmaterialien, die Verbesserung von Lernmethoden und die Veränderung der Lernerfahrungen geprägt worden. In diesem Kontext haben Online-Sprachkurse, virtuelle Sprachaustausch-Plattformen und gamifizierte Lernanwendungen besondere Aufmerksamkeit erlangt. Im Folgenden werden die Auswirkungen des digitalen Zeitalters auf den Fremdsprachenerwerb erläutert und in Bezug zu KI gesetzt. Dabei werden Online-Sprachkurse, die erwähnten virtuelle Sprachaustausch-Plattformen und gamifizierte Lernanwendungen hervorgehoben und deren Potenzial für die Förderung des Fremdsprachenerwerbs beleuchtet.

Online-Sprachkurse sind eine der grundlegenden Anwendungen von digitalen Technologien im Fremdsprachenlernen. Sie bieten den Lernenden die Möglichkeit, in ihrem eigenen Tempo, nach ihrem eigenen Zeitplan und unabhängig von Ort und Zeit zu agieren (Means et al. 2010). KI kann die Effizienz von Online-Sprachkursen weiter verbessern, indem sie personalisiertes Lernen ermöglicht, das auf den individuellen Bedürfnissen und Fähigkeiten des Lernenden basiert (Xu 2020).

Virtuelle Sprachaustausch-Plattformen wie Tandem oder HelloTalk bieten Lernenden die Möglichkeit, mit Muttersprachlern aus verschiedenen Kulturen zu interagieren und ihre Sprachkenntnisse in realen Kontexten zu üben (Kramsch & Thorne 2002). Die KI-Technologie kann auf diesen Plattformen eingesetzt werden, um geeignete Sprachpartner zu finden, Gespräche zu moderieren oder sogar Übersetzungen in Echtzeit zu liefern, was das Sprachenlernen effizienter und zugänglicher macht (Li et al. 2021).

Gamifizierte Lernanwendungen wie Duolingo oder Memrise sind ebenfalls ein wichtiges Element des digitalen Sprachenlernens. Durch die Integration von Spielelementen in den Lernprozess können diese Anwendungen das Lernen attraktiver und motivierender machen (Deterding et al. 2011). Die KI kann zudem dabei helfen, die Lernerfahrung weiter zu personalisieren, indem sie beispielsweise das Lernmaterial an das Leistungsniveau der Lernenden anpasst oder Lernpfade vorschlägt, die auf den Interessen und Vorlieben der Lernenden basieren (Chen & Ranjan 2020). Obwohl diese digitalen Lernmöglichkeiten das Potential haben, den Fremdsprachenerwerb zu unterstützen, sollten sie nicht als ,,Allheilmittel” betrachtet werden. So ist es – wie bereits dargelegt – in erster Linie wichtig, die potenziellen Herausforderungen und Grenzen dieser Ansätze zu erkennen. 

Besonders betont werden soll an dieser Stelle, dass gerade kulturelle Themen durch Sprachmodelle oftmals nicht klar dargestellt werden und teilweise Antworten von ChatGPT und Co. bisweilen stark stereotypisch sind bzw. sogar stereotypes Argumentieren unterstützen (Kasneci et al 2023). Auch nimmt eine KI beim Generieren von Antworten nahezu keine Rücksicht auf die Muttersprache, das Alter oder auch die Vorkenntnisse der Nutzer in anderen Bereichen (Kasneci et al 2023). So war gerade zu Beginn von ChatGPT das zuvor erwähnte Halluzinieren eine große Gefahr bei der Generierung von Output (Alkaissi, 2023, Ji et al. 2023). Inzwischen sind große Sprachmodelle wie ChatGPT diesbezüglich besser geworden, das Halluzinieren kann jedoch nie komplett eliminiert werden. Auch in dieser Hinsicht wird deutlich, dass ein kritischer Umgang mit KI unerlässlich ist. 

Zusammenfassend lässt sich festhalten, dass das digitale Zeitalter eine Vielzahl neuer Möglichkeiten für den Fremdsprachenerwerb eröffnet hat. Die Integration von KI in diesen Prozess kann die Lernerfahrung weiter verbessern und personalisieren. 


 Synergien von digitalem Lernen und KI für den Fremdsprachen- erwerb

Im Folgendem sollen vielfältige Synergien dargestellt werden, die sich durch die Kombination von KI und digitalen Lernmethoden ergeben. Diese wurden in den vorangegangenen Kapiteln bereits angesprochen. Im Folgenden werden  verschiedene Anwendungsgebiete nun genauer beleuchtet, wie beispielsweise personalisierte Lernwege, intelligente Sprachbewertungen und interaktive KI-gestützte Sprachassistenzen. Ziel ist es aufzuzeigen, wie diese Synergien die Motivation, das Engagement und den Lernerfolg von Fremdsprachenlernern verbessern können.

Die Personalisierung von Lernwegen, die die KI ermöglicht, entspricht – wie in Kap. 3 erwähnt – der konstruktivistischen Auffassung nach individuell ausgerichteten Lernprozessen. Die KI kann dabei die Lernpfade der Nutzer analysieren und entsprechend anpassen, indem sie Elemente wie den Schwierigkeitsgrad der Aufgaben, die Wiederholungsrate und den Lernrhythmus auf die individuellen Bedürfnisse der Lernenden zuschneidet (Baker et al. 2019). Diese personalisierte Herangehensweise der KI erhöht das Engagement und die Motivation der Lernenden, da sie ihnen ein Gefühl von Selbstwirksamkeit (Deci & Ryan 2000) und Fortschritt vermittelt.

Durch die KI ermöglichte, intelligente Sprachbewertungen bieten den Nutzern eine weitere Schnittstelle zwischen dem Konstruktivismus einerseits und dem digitalen Sprachenlernen andererseits. Durch automatisiertes Feedback können die Lernenden ihre Leistungen selbst bewerten und ihren Lernprozess entsprechend anpassen (Chen et al. 2020). Diese Praxis stimmt mit Mandls Vorstellung von selbstständigem Lernen und Reflexion überein.

Interaktive KI-gestützte Sprachassistenten können zusätzlich die Rolle von ,,Experten" übernehmen – ein zentraler Aspekt des sozialen Konstruktivismus. Diese Assistenten können in Echtzeit auf die Eingaben der Lernenden reagieren, ihnen Feedback geben und bei der Überwindung sprachlicher Hindernisse helfen (Coniam 2014). Auf diese Weise wird der Lernprozess dynamischer und interaktiver, was wiederum das Engagement und die Motivation der Lernenden fördert. Synergien zwischen digitalem Lernen und KI bieten also Möglichkeiten zur Verbesserung des Fremdsprachenerwerbs. Unter Berücksichtigung der Prinzipien des Konstruktivismus tragen sie dazu bei, das Lernen attraktiver, persönlicher und effektiver zu gestalten.

Die Auswirkungen digitaler Technologien – insbesondere der KI – auf den Bildungssektor sind weitreichend und haben das Potenzial, das Lernen zu revolutionieren (Brynjolfsson & McAfee 2014). Im Kontext des Fremdsprachenunterrichts eröffnen diese Technologien ungeahnte Möglichkeiten. KI-gestützte Lernplattformen können beispielsweise personalisierte Lernpfade erstellen, die auf den individuellen Bedürfnissen und Fähigkeiten der Lernenden basieren (Pane et al. 2017). Durch die Analyse von Lernstilen, Fähigkeiten und Schwächen kann die KI maßgeschneiderte Lernmaterialien und -strategien bereitstellen, die die Effizienz und Wirksamkeit des Lernprozesses erhöhen können (Xu 2020). Darüber hinaus bieten digitale Lernplattformen im Vergleich zu traditionellen Lernmethoden eine größere Flexibilität und Zugänglichkeit (Means et al. 2010). Mit einer Internetverbindung und einem digitalen Gerät können Lernende jederzeit und von überall auf Lernmaterialien zugreifen. In Kombination mit der KI können solche Plattformen dazu beitragen, die Herausforderungen des traditionellen Sprachenlernens zu überwinden, wie z.B. die Begrenzung auf feste Unterrichtszeiten und die fehlende Individualisierung des Lernens (Chen 2019). 

Ein Ziel kann hierbei sein, das Bewusstsein für die Rolle von KI und digitalem Lernen im Fremdsprachenerwerb zu schärfen und dazu beizutragen, eine Grundlage für zukünftige Forschungen und pädagogische Innovationen in diesem Bereich zu schaffen. Durch die Klärung der Chancen und Herausforderungen, die mit der Integration von KI in den Sprachlernprozess einhergehen, wird hiermit versucht, einen Beitrag dazu zu leisten, das Potenzial dieser Technologien für eine effektivere und nachhaltigere Fremdsprachenerwerbspraxis zu nutzen. Die vorgestellten Anwendungsgebiete – von personalisierten Lernpfaden über intelligente Sprachbewertungen bis hin zu interaktiven, KI-gestützten Sprachassistenz-Systemen – illustrieren die transformative Wirkung, die KI und digitales Lernen auf den Fremdsprachenerwerb haben können. Die modale Ausdrucksweise wird hier bewusst gewählt, da es, wie zuvor erwähnt, immer auch auf den Automatisierungsgrad ankommt, also darauf, wie viele Prozesse tatsächlich von der KI übernommen werden. KI kann in Bildungskontexten also die Motivation und das Engagement der Lernenden fördern. Im Einklang mit den behandelten konstruktivistischen Prinzipien bieten diese Synergien die Chance, das aktive und soziale Lernen zu fördern und den Lernenden ihrem eigenen Lernprozess eine zentrale Rolle zuzuschreiben. Sie bieten ein innovatives Paradigma, in dessen Rahmen das Lernen als dynamischer, interaktiver und personalisierter Prozess verstanden wird.

Im Hinblick auf zukünftige Entwicklungen ist es wichtig, die ständige Weiterentwicklung und Verbesserung von KI-Technologien im Auge zu behalten. Mit der zunehmenden Verbesserung dieser Technologie wird es künftig immer mehr Möglichkeiten geben, die KI im Fremdsprachenerwerb einzusetzen.  Für Forscher und Pädagogen bleibt es jedoch eine wichtige Aufgabe, die potenziellen Nachteile und Herausforderungen dieser Technologien zu beachten und entsprechende kreative Lösungen zu deren Bewältigung zu entwickeln und einzusetzen. Dazu gehören die Beantwortung ethischer und moralischer Fragen, Richtlinien des Datenschutzes, die Notwendigkeit, die Technologie zugänglich und verständlich für alle Lernenden zu gestalten, und dies im besten Fall auch noch inklusiv und wertneutral.

Darüber hinaus könnte die Zukunft auch die Entwicklung neuer Formen des KI-gestützten Fremdsprachenlernens mit sich bringen. Diese könnten beispielsweise in immersiven Lernumgebungen bestehen, die durch Virtuelle Realität (VR) oder Augmented Reality (AR) unterstützt werden, oder in der Integration von KI in formelle Bildungssysteme (Kerres 2023) (2).

Insgesamt hat die Kombination von KI und digitalem Lernen das Potential, den Fremdsprachenerwerb auf aufregende und transformative Weise zu verändern. Sie bietet hier neue Perspektiven und eröffnet auch für Forschung und Praxis innovative Möglichkeiten. Die Reise ist jedoch noch lange nicht zu Ende und es liegt noch ein weiter Weg als Lernende vor uns, bis wir das volle Potenzial dieser Synergien ausschöpfen können. 

Kritisches Denken, Auswahl, reflexiver Umgang, (fach)didaktische Kompetenzen und synergetische Entscheidungsfähigkeit sind immer noch unerlässlich, und auch die Sprachlehrkraft wird in näherer Zukunft allem Anschein nach nicht durch KI ersetzt werden. Trotzdem soll hier nochmals betont werden, dass es keine Lösung sein kann, nicht über KI nachzudenken, und dass daher reflektiert über die Frage entschieden werden muss, an welchen Stellen der Einsatz von KI sinnvoll ist. Ein generelles Nein und Ja ist auch bei dieser Thematik keine Lösung und der goldene Mittelweg liegt – wie so oft in Diskussionen im Bildungskontext – weder in einem „Schwarz“ noch in einem „Weiß“, sondern in einem „farbenfrohen“, diversen und kreativen Grauton. Es ist zu hoffen, dass dieser Beitrag einen Anstoß für weiterführende Diskussionen und Forschungen in diesem dynamischen und vielversprechenden Feld bietet.




Bibliographie

Alkaissi H., McFarlane SI. (2023). Artificial Hallucinations in ChatGPT: Implications in Scientific Writing. In: Cureus 15 (2): e35179.

Baker, R. et al. (2019). Cross-system transfer of machine learned and knowledge engineered models of gaming the system. In: User Modeling and User-Adapted Interaction 29 (2), 331-382.

Bernius, Jan Philip et al. (2022). Machine learning based feedback on textual student answers in large courses. In: Computers and Education: Artificial Intelligence 3, 2022, 1-16 (https://doi.org/10.1016/j.caeai.2022.100081; 15-10-2023).

Billinghurst, M. & A. Duenser (2012). Augmented reality in the classroom. In: Computer 45 (7), 56-63.

Blake, R. J. (2013). Brave new digital classroom: Technology and foreign language learning. Georgetown University Press.

Chen, I. (2019). The Rise and Promises of E-learning in the Modern Education System. In: Journal of Educational Technology 56 (6), 295–307.

Chen, H. et al. (2020). Business Intelligence and Analytics: From Big Data to Big Impact. In: MIS Quarterly  36 (4), 1165-1188.

Chen, H. & R. Ranjan  (2020). Deep Learning With Big Data: Challenges, Approaches, and Future Directions. In:  IEEE Access 8, 20956-20981.

Coniam, D. (2014). The use of computer voice recognition in pronunciation training: Landmarks in a continuing journey. In: Computer Assisted Language Learning 27 (5), 443-447.

Deci, Edward L. & Richard M. Ryan, Richard (2000). The „What“ and „Why“ of Goal Pursuits: Human Needs and the Self-Determination of Behavior. In: Psychological Inquiry 11 (4), 227–268. 

Deng, X. & Z. A. Yu (2023). Meta-Analysis and Systematic. Review of the Effect of Chatbot Technology Use in Sustainable Education. In: Sustainability 202 15, 2940. (https://doi.org/10.3390/su15042940; 10-10-2023).

Deterding, S. et al. (2011). From game design elements to gamefulness: defining "gamification". In: MindTrek '11: Proceedings of the 15th International Academic MindTrek Conference: Envisioning Future Media Environments, 9-15.

Ehlers, U. D. (2023). Wie wollen wir leben? In: Schmohl, T. et al. (Hrsg.): Künstliche Intelligenz in der Hochschulbildung. Chancen und Grenzen des KI-gestützten Lernens und Lehrens. Bielefeld: transcript 2023.

Fleischmann, A. (2023). ChatGPT in der Hochschullehre. Wie künstliche Intelligenz uns unterstützen und herausfordern wird. In: NHHL 110, Mai 2023.

Gupta, N. & D. S. Saini (2019). Artificial Intelligence: Evolution, Prospects and Challenges. In: Procedia Computer Science, 132, 679-688.

Hockly, N. (2023). Artificial Intelligence in English Language Teaching: The Good, the Bad and the Ugly. In: RELC Journal, 54 (2), 445-451. (https://doi.org/10.1177/00336882231168504; 15-10-2023).

Ji, Z. et al. (2023). Survey of hallucination in natural language generation. In: ACM Computing Surveys 55 (12), 1-38. 

Kasneci, Enkelejda, et al. ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education. In: EdArXiv 30 Jan. 2023 (https://doi.org/10.35542/osf.io/5er8f; 15-10-2023).

Kerly, A., Ellis, R., & Bull, S. (2007, December). CALMsystem: a conversational agent for learner modelling. In: International conference on innovative techniques and applications of artificial intelligence. London: Springer 89-102.

Kerres, Michael. 2020. Bildung in der digitalen Welt: Über Wirkungsannahmen und die soziale Konstruktion des Digitalen. In: Zeitschrift MedienPädagogik 17, 1-32. (https://doi.org/10.21240/mpaed/jb17/2020.04.24.X.; 10.10.2023).

Kerres, M. et al. (2023). Lernpfade in adaptiven und künstlich-intelligenten Lernprogrammen: Eine kritische Analyse aus mediendidaktischer Sicht. Springer VS Wiesbaden.

Knewton Alta (2023): What is Adaptive Learning? In: Wiley 13 Feb 2023 (https://www.wiley.com/en-us/education/alta/resources/blog-what-is-adaptive-learning; 10-10-2023). 

Korge, G. et al: (2021). Der Ansatz Agiles Lernen im Unternehmen. In: Longmuß, L. et al. (Hrsg.). Agiles Lernen im Unternehmen. Berlin, Heidelberg: Springer Berlin & Heidelberg, 3-7.

Kramsch, C. & S. L. Thorne (2002). Foreign language learning as global communicative practice. In:  Block, D. & D. Cameron (Eds.), Globalization and language teaching. London: Routledge, 83.100.

Li, X., et al. (2021). Development and evaluation of an AI-supported English pronunciation teaching system. In. Educational Technology Research and Development 69, 1081-1104.

Mandl, H. & H. F. Friedrich (2006). Handlungsorientiert Lernen. In: Mandl, H. & H. F. Friedrich (Hrsg.): Handbuch Lernstrategien. Göttingen: Hogrefe, 65-78. 

Mandl, H. & B. Kopp (2006). Blended Learning: Forschungsfragen und Perspektiven (Forschungsbericht Nr. 182). München: Ludwig-Maximilians-Universität, Department Psychologie, Institut für Pädagogische Psychologie. (https://epub.ub.uni-muenchen.de/905/1/Forschungsbericht182.pdf; 23.08.2023).

Mandl, H. & G. Reinmann, G. (2006). Unterrichten und Lernumgebungen gestalten. In:  Krapp, A. & B. Weidenmann (Hrsg.): Pädagogische Psychologie: Ein Lehrbuch. Weinheim: Beltz, 613-658.

Means, B., et al. (2010). The effectiveness of online and blended learning: A meta-analysis of the empirical literature. In: Teachers College Record,115 (3), 1-47.

Menges, Lea (2020). Leben, Arbeit, Bildung 2035+. Wann wird die Generation KI kommen? In: Horizont, 20. Juli 2020. (https://www.horizont.net/planung-analyse/nachrichten/leben-arbeit-bildung-2035-wann-wird-die-generation-ki-kommen-184341; 15-10-2023).

Okonkwo, C. W. & A. Ade-Ibijola (2021). Chatbots applications in education: A systematic review In: Computers and Education: Artificial Intelligence 2 (2021), 1-10.

Pane, J. F. et al. (2017). Informing Progress: Insights on Personalized Learning Implementation and Effects. RAND Corporation. 

Phillips, D. C. (1995). The Good, the Bad, and the Ugly: The Many Faces of Constructivism. In: Educational Researcher 24 (7), 5-12.

PwC (2023). AI and generative AI in 2023: Four top questions answered. May 4, 2023 https://www.pwc.com/us/en/tech-effect/ai-analytics/artifical-intelligence.html; 16.08.2023).

Qu, F. et al. (2021). Asking questions like educational experts: automatically generating question-answer pairs on real-world examination data. In: Proceedings of the 2021 conference on empirical methods in natural language processing, 2583-2593.

Reinmann-Rothmeier, Gabi & Heinz Mandl (2001). Unterrichten und Lernumgebungen gestalten. In: Krapp, Andreas & Bernd Weidenmann (Hrsg.). Pädagogische Psychologie. Weinheim: Beltz PVU, 601-646.

Reinmann, G. (2011). Didaktisches Design - Von der Lerntheorie zur Gestaltungsstrategie. In: Ebner, M. & S. Schön (Hrsg.): Lehrbuch für Lernen und Lehren mit Technologien. (https://l3t.tugraz.at/index.php/LehrbuchEbner10/article/view/18/27.; 05.08.2023).

Russell, S., & P. Norvig (2016). Artificial Intelligence: A Modern Approach (3rd ed.). Pearson.

Schmidt, T. & T. Strasser  (2022). Artificial intelligence in foreign language learning and teaching: a CALL for intelligent practice. In: Anglistik: International Journal of English Studies, 33 (1), 165-184.

Weßels, D. (2023). Stellungnahme zu ChatGPT für den Bundestagsausschuss Bildung, Forschung und Technikfolgenabschätzung vom 24.04.2023. (https://www.bundestag.de/resource/blob/944668/8986c32590098f441fbba938039650e5/20-18-108c-Wessels-data.pdf; 21.12.2023).

Wollny, S. et al. (2021). Are We There Yet? - A Systematic Literature Review on Chatbots in Education. In: Front. Artif. Intell. 4:654924.https://www.frontiersin.org/articles/10.3389/frai.2021.654924/full; 15-10-2023).

Wu, Rong & Zhonggen Yu (2023). Do AI chatbots improve students learning outcomes? Evidence from a meta-analysis. In: British Journal of Educational Technology. 2023; 00: 1-24.

Xu, D. (2020). The promises and limits of online higher education: Understanding how distance education affects access, cost, and quality. Washington: American Enterprise Institute for Public Policy Research.





Autorinnen:

Prof. Dr. Sandra Niedermeier

Professur für Digitalisierung in Bildung und Gesellschaft 

Hochschule Kempten

E-Mail: sandra.niedermeier@hs-kempten.de


Dr. Claudia Müller-Kreiner

Freiberufliche Trainerin im Kontext Digitalisierung und Future Skills

bildung einfach machen – Weiterbildung - Training - Strategieberatung

E-Mail: claudia@bildung-einfach-machen.de


_______________________________

(1) Wir möchten darauf hinweisen, dass in diesem Artikel die maskulinen Formen generisch verwendet werden. Dies geschieht aus Gründen einer besseren Lesbarkeit und soll keinesfalls eine Benachteiligung oder Ausgrenzung anderer Geschlechter implizieren.

(2) Interessante Visionen hierzu finden sich beispielsweise in der App talkpal (https://talkpal.ai/de/sprachen-lernen-war-mit-ki-noch-nie-so-einfach/) oder auch bei babble oder RosettaStone.