2023-12-12 Nijhawan 2 G7 ES 4 – Schüler erstellen illustrierte Handouts und kritisieren KI-Grammatik (Instructural Prompting)

Im Rahmen des BMBF-Verbundprojekts ViFoNet (2023–2025) wurde im Teilprojekt 3.2 (Anglistik) beforscht, wie critical digital literacy im Englischunterricht gefördert werden kann. Beforscht wurde insbesondere der Einsatz von KI-gestützten Tools (z. B. ChatGPT, DALL·E) sowie deren Potenzial für einen kritisch-reflexiven Umgang mit KI im Fremdsprachenlernen.

Die Interventionsstudie wurde im Design-Based-Research-Ansatz in Zusammenarbeit mit Schulen durchgeführt. Lehrkräfte erhielten Unterrichtsentwürfe und Materialien, die mit Laptops umgesetzt wurden. Darin wurden KI-Tools praktisch eingesetzt und inhaltlich reflektiert.

Der vorliegende Videoausschnitt dokumentiert eine längere Sequenz, in der Schüler*innen mithilfe eines Instructural Prompts die KI beauftragen, ihr Handout zum Thema Sustainable Development Goals visuell zu illustrieren.

1:12 min: Erstes Bild wird generiert – die Schüler*innen möchten, dass die KI mehrere Bilder erstellt und direkt in das Handout einfügt, was jedoch nicht funktioniert.

Sie passen den Prompt an („illustrate the first part of the handout“) und äußern nebenbei Zweifel an der Kompetenz der KI.

5:14 min: Zweites Bild wird erstellt. Die Schüler*innen fordern: „illustrate the second part of the handout“ und beschweren sich über die Rechtschreibung.

6:08 min: Drittes Bild wird generiert; der Prompt wird erweitert zu: „illustrate the third part of the handout with right grammar“.

7:23 min: Viertes Bild erscheint, die KI macht erneut Grammatikfehler. Abschließend diskutieren die Schüler*innen, ob ein Bild ohne Text sinnvoller wäre.

Die Szene verdeutlicht die iterative Anwendung von Instructural Prompting sowie den kritischen Umgang der Lernenden mit sprachlichen Schwächen der KI und deren begrenzter technischer Integration.

Dieser Videoausschnitt ist mittels eines für diesen Zweck programmierten machine-learning Tools anonymisiert, da das Lernen mit anonymisierten Videos einen Teil des Forschungsprojekts bildete. Bei dem Tool handelt es sich um VAiEd (Videoanonymization in education), welches die Köpfe der im Video sichtbaren Personen trackt und dann mit einem neu erstellten, in den Gesichtsparametern randomisierten 3D-Modell überlagert. Haare wurden entweder durch einen kreisförmigen gauss'schen Blur oder in späteren Videos durch eine dedizierte Haarerkennung ersetzt. Edge-cases, die der Algorithmus nicht erkannte wurden manuell geblurt. Sprache wurde durch Pitchshift und Modulation verfremdet. Alle Englischvideos enthalten zudem fest eingebrannte Untertitel.