Projekt

easy.plAn‿nIng – KI-gestützte Unterrichtsplanung

Die weitläufige Implementierung von evidenzbasiert entwickeltem Unterrichtsmaterial in die Schulpraxis stellt für die Forschung eine ebenso große Herausforderung dar wie das Übertragen dieser Materialien auf neue Kontexte für die Lehrkräfte. „Für eine Verbreitung der Evidenzorientierung – und damit für den Transfer wissenschaftlichen (Interventions-)Wissens in die Praxis – wäre es […] von großer Bedeutung, Wissen leichter zugänglich zu machen“ (Gräsel, 2019, S. 7). Durch die Veröffentlichung von ChatGPT durch OpenAI im Jahr 2022, wodurch die ersten auf großen Sprachmodellen (LLMs) basierenden Chatbots frei verfügbar wurden, haben sich in diesem Bereich neue, bislang ungenutzte Möglichkeiten ergeben. Viele Lehrkräfte nutzen zwar bereits LLMs in der Planung ihres Unterrichts, allerdings neigen diese Modelle nach wie vor zu Konfabulationen (häufig auch als Halluzinationen bezeichnet (Smith et al., 2023)) und verfügen (vermutlich) über eine geringe fachdidaktische Datengrundlage. Für den Bereich der Chemiedidaktik könnten optimierte Chatbots in vielen Aspekten Fortschritte ermöglichen.

Aus diesem Grund wird im Rahmen des Projektes easy.plAnnIng der Chatbot AnnI entwickelt, der (Chemie-)Lehrkräfte in der Planung ihres Unterrichts zeiteffizient unterstützen und zusätzlich fachdidaktisches Wissen zu spezifischen Unterrichtskonzepten vermitteln soll. Die Unterrichtsplanungen sollen dabei auf den im Institut für Didaktik der Chemie der Universität Münster entwickelten Konzepten basieren, wobei zunächst mit dem Konzept choice2learn (Marohn, 2008, 2021) gestartet wird. Durch das algorithmische Ergänzen von fachdidaktischem und konzeptspezifischem Wissen über sog. query-based RAG (Zhao et al., 2024) sowie der Verwendung von dem Stand der Technik entsprechenden Open-Weight Modellen, soll der Chatbot weniger Konfabulationen produzieren und eine gesteigerte didaktische Qualität in der Unterrichtsplanung erzielen.

Ziel ist es, den Chatbot am Ende des Projektes interessierten Lehrkräften kostenfrei zur Verfügung zu stellen, wobei die Ergebnisse der Nutzung möglichst unabhängig von der AI-Literacy der Nutzenden sein sollen.

Gräsel, C. (2019). Transfer von Forschungsergebnissen in die Praxis. In C. Donie, F. Foerster, M. Obermayr, A. Deckwerth, G. Kammermeyer, G. Lenske, M. Leuchter, & A. Wildemann (Hrsg.), Grundschulpädagogik zwischen Wissenschaft und Transfer (S. 2–11). Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-26231-0_1

Marohn, A. (2008). „Choice2learn“—Eine Konzeption zur Exploration und Veränderung von Lernervorstellungen im naturwissenschaftlichen Unterricht. Zeitschrift für Didaktik der Naturwissenschaften: ZfDN, 14, 57–83. https://doi.org/10.25656/01:31632

Marohn, A. (2021). Umgang mit Vielfalt: Das Unterrichtskonzept choice2learn. MNU-Journal, 1 (2021), 85-92. 85–92.

Smith, A. L., Greaves, F., & Panch, T. (2023). Hallucination or Confabulation? Neuroanatomy as metaphor in Large Language Models. PLOS Digital Health, 2(11), e0000388. https://doi.org/10.1371/journal.pdig.0000388

Zhao, P., Zhang, H., Yu, Q., Wang, Z., Geng, Y., Fu, F., Yang, L., Zhang, W., Jiang, J., & Cui, B. (2024). Retrieval-Augmented Generation for AI-Generated Content: A Survey (arXiv:2402.19473). arXiv. https://doi.org/10.48550/arXiv.2402.19473