- Der Aufstieg der generativen Künstlichen Intelligenz erhöht die Bedeutung der Geisteswissenschaften und verändert zugleich deren Wesen selbst auf komplexere und fremdartigere Weise
- Geisteswissenschaftliches Wissen und entsprechende Kompetenzen spielen bei Forschung und Einsatz von Künstlicher Intelligenz eine wichtige Rolle
- Es eröffnen sich neue Möglichkeiten, bei denen auch Nichtfachleute mit KI-Tools leicht Bildungssoftware oder eigene Research-Tools entwickeln können
- Gleichzeitig bringt die Einführung von KI-Chatbots negative Auswirkungen mit sich, etwa eine sinkende Motivation der Studierenden zu selbstgesteuertem Lernen und eine geringere Qualität der Bildungserfahrung
- Angesichts der Sorge vor einer wachsenden Bildungsungleichheit rückt die kreative Fähigkeit einzelner Lehrkräfte, KI zu nutzen, stärker denn je als zentrale Aufgabe in den Vordergrund
Die veränderte Beziehung zwischen KI und Geisteswissenschaften
Die Stellung der Geisteswissenschaften im neuen KI-Zeitalter
- In einem Beitrag von D. Graham Burnett im The New Yorker wird darauf hingewiesen, dass sich auf dem Campus zwar tiefgreifende Veränderungen rund um KI vollziehen, viele Disziplinen einschließlich der Geisteswissenschaften diese Veränderungen jedoch ignorieren oder übergehen
- Es wird die Auffassung vertreten, dass es nicht länger tragfähig ist, das Aufkommen von KI als bloßen Trend abzutun oder ihre realen Auswirkungen zu unterschätzen
- Burnett betont, dass KI bereits einen strukturellen und irreversiblen Einfluss auf die Geisteswissenschaften ausübt
Generative KI steigert den Wert geisteswissenschaftlichen Wissens
Die Wiederentdeckung geisteswissenschaftlicher Kompetenzen
- KI benötigt in vielen Bereichen wie natürlicher Sprachübersetzung, Klassifizierung und Data Mining wesentlich ein geisteswissenschaftliches Verständnis von menschlicher Sprache und Kultur
- So ging OpenAI bei der Lösung des Problems der Schmeichelei-Tendenz (sycophancy) in GPT-4o nicht über technischen Code vor, sondern durch das Verfassen neuer englischer Sätze (Prompts)
- Ohne tiefe Einsichten in den kulturellen Kontext von Sprache, rhetorische Wirkungen, Genre-Unterscheidungen und nichtsprachliche Elemente können in KI-Systemen unbeabsichtigte Fehlfunktionen auftreten
- Auch Ingenieurinnen, Ingenieure sowie Forschende brauchen daher umfassende kritische Denkfähigkeit in Bezug auf Sprache, Kultur und Technikgeschichte
Erweiterte KI-Kompetenzen von Menschen ohne geisteswissenschaftliche Spezialisierung
Das Zeitalter, in dem man selbst Software erstellt
- Auch Geisteswissenschaftlerinnen und Geisteswissenschaftler ohne technischen Hintergrund können inzwischen mithilfe von KI maßgeschneiderte Tools für Forschung und Lehre selbst entwickeln
- Der Autor des Textes hat tatsächlich dialogbasierte Spiele entwickelt, die auf geisteswissenschaftlichem Wissen beruhen, etwa einen Apotheker-Simulator aus dem 17. Jahrhundert und ein Spiel über Darwins Galápagos-Expedition in jungen Jahren
- Im ersten Spiel erleben Lernende, wie sie Patientinnen und Patienten mit echten frühneuzeitlichen medizinischen Rezepturen behandeln; dabei tritt zwischendurch das Problem von KI-Halluzinationen auf, die von historischen Fakten abweichen
- Das zweite Spiel (Young Darwin) nutzt tatsächliche Aufzeichnungen Darwins, um das Sammeln von Tieren und die Erkundung von Inseln zu simulieren, und verbessert die Qualität durch ein Design, das KI-Halluzinationen minimiert
- Solche experimentellen Lernmethoden können ergänzend mit dem Schreiben von Essays oder Unterrichtsdiskussionen verbunden werden und so das historische Bewusstsein und kritische Denken von Studierenden erfahrungsbezogen erweitern
- Interaktives Tutoring mit KI bietet auch in der geisteswissenschaftlichen Bildung tatsächlich geistige Anregung und Lernchancen
Generative KI macht geisteswissenschaftliche Bildung komplexer
Von KI ausgelöste Veränderungen und Herausforderungen in der Bildung
- Im Bildungsalltag zeigen KI-Chatbots wie ChatGPT negative Effekte, indem sie die selbstgesteuerte Schreiberfahrung von Studierenden stark schwächen
- Immer mehr Studierende reichen von KI erzeugte Essays oder Aufgaben ein, wodurch bestehende Bewertungssysteme und Bildungsziele herausgefordert werden
- Letztlich besteht ein großes Risiko, dass Studierende bedeutsame intellektuelle Anstrengung nicht mehr erleben, etwa das Überwinden von Schreibblockaden, die Recherche in Bibliotheken oder längerfristige, realitätsbezogene Erkundung selbst
- Es zeigt sich deutlich die Tendenz, dass Studierende an der Aufgabe selbst weder Interesse noch Sinn erkennen und sich stattdessen für deren bloße Erledigung mithilfe von KI interessieren
Positive Beispiele und neue Bildungsmöglichkeiten
- Gleichzeitig wird auch von Fällen berichtet, in denen Aufgabenformate unter Einbeziehung von Interaktionen mit KI sowohl Studierenden als auch Lehrkräften neue intellektuelle Impulse und Gelegenheiten zur Reflexion geben
- KI kann nicht einfach den Menschen ersetzen, sondern als unterstützendes Werkzeug fungieren, mit dem Studierende im Dialog mit KI ihr eigenes Denken überprüfen
- Gerade jetzt ist eine aktive Rolle der Lehrkräfte vor Ort nötig, um über Sinn und Zweck von Bildung zu diskutieren und authentische Lehr- und Lernerfahrungen zu bewahren
Polarisierung beim KI-Einsatz in der geisteswissenschaftlichen Bildung
Vorschläge für die Bildung der Zukunft
- Es wird die Sorge geäußert, dass generative KI die Ungleichheit in der geisteswissenschaftlichen Bildung letztlich verschärfen wird
- In gut ausgebildeten Gruppen und förderlichen Umgebungen fällt die Fähigkeit auf, KI originell zu nutzen, während dies Studierenden in schlechteren Rahmenbedingungen womöglich nicht gelingt
- Es wird als sehr wichtig angesehen, dass jede Lehrkraft die Fähigkeit entwickelt, selbst maßgeschneiderte KI-Aufgaben und -Tools zu erstellen
- Falls der Bildungsbereich diese Aufgabe nur zögerlich angeht, werden oberflächlich „interaktive“, tatsächlich aber uniforme und unmenschliche kommerzielle KI-Bildungstools die bestehende Beziehung zwischen Studierenden und Lehrenden sowie das Wesen des Lernens aushöhlen
- Aus diesem Problembewusstsein heraus wurde tatsächlich ein durch die NEH (National Endowment for the Humanities) gefördertes Projekt geplant und vorangetrieben, das jedoch infolge politischer Veränderungen wieder eingestellt wurde
Leseempfehlungen
- D. Graham Burnetts Buch The Sounding of the Whale ist ein ungewöhnliches Werk über die Wissenschaftsgeschichte der Wale
- In einem 1608 veröffentlichten Bibelauslegungstext wurden als Bucheinband verwendete Briefstücke entdeckt, die als neuer Forschungsfall zur Beziehung zwischen Shakespeare und Anne Hathaway vorgestellt werden
- Die UNC-Professorin Kathleen DuVal erhielt kürzlich für ihr Buch Native Nations: A Millennium in North America den Pulitzer-Preis; auch ihre früheren Werke werden als lesenswert eingeschätzt
1 Kommentare
Hacker-News-Kommentare
Ich denke, es gibt ein tiefer liegendes Bildungsproblem: Studierende werden dazu erzogen, Schule und Arbeit als eine endlose Abfolge von Zielerreichung zu sehen. Am Ende ist das Ziel „einen Job zu bekommen“, aber inzwischen kann niemand mehr mit Sicherheit sagen, welche Berufe es in 5–10 Jahren noch geben wird. Eine Ausnahme wären wohl vor allem handwerklich-praktische Berufe, doch entsprechende Programme sind im Bildungssystem schon vor langer Zeit größtenteils verschwunden. Wenn Studierende mit AI mühelos ihre Aufgaben erledigen und dabei Lesen oder das Entwickeln von Ausdauer überspringen, dann ist dafür weniger den Studierenden die Schuld zu geben als dem Bildungs- und Karrieresystem, das wir geschaffen haben. Dieses Problem ist nicht über Nacht entstanden und auch nicht allein durch AI verursacht worden
Es ist bedauerlich, dass AI nicht nur als Vorwand zur Rechtfertigung von Massenentlassungen und Kostensenkungen genutzt wird, sondern inzwischen auch dazu, das Scheitern des modernen Bildungssystems auf sie abzuwälzen. Tatsächlich ist das Bildungssystem so aufgebaut, dass es nur eine Sache belohnt: Noten. Mehr noch als Wissen, Verständnis oder Intelligenz entscheidet der am leichtesten spielbare „Score“ (GPA) schon von Mittel- und Oberstufe an über den Weg durch Hochschule und darüber hinaus. Ich denke, genau das ist das größte Problem der Bildung
Ich bin ziemlich sicher, dass Berufe, die es schon lange gibt, auch in Zukunft weiter bestehen werden. Selbst bei technischem Wandel verschwinden sie nicht plötzlich, sondern werden langsam verdrängt. Daher bleibt genug Zeit, sich vorzubereiten und zu planen. Dagegen werden gut bezahlte Jobs in neuen Wirtschaftsbereichen oft nicht lange bestehen, sind schwer vorhersehbar, und wenn man zu Neid auf unerwartete Einkommen neigt, wird man in solchen Berufen wohl kaum glücklich
Zur Behauptung, dass vor allem das Bildungs- und Karrieresystem schuld sei: Tatsächlich passiert es immer wieder, dass die Schuld am Ende doch den Studierenden zugeschoben wird
Niemand konnte jemals die Berufe der Zukunft dauerhaft mit Gewissheit vorhersagen. Wer gute Grundlagen und Flexibilität mitbringt, findet immer einen Weg
Wenn sich auch nur 10 % der Bevölkerung auf praktische Fachberufe stürzen, würde die betreffende Branche zwangsläufig kollabieren. Ich frage mich, warum das alle übersehen
In einem Artikel sah ich einen Kommentar über einen Philosophie-Doktoranden an der SFSU, der seinen Unterricht komplett umgestellt habe, weil es sich anfühlte, als laufe man mit AI durch einen Hindernisparcours, und die Studierenden hätten darauf interessiert reagiert. Das fand ich sofort spannend. Mir kam die interessante Idee, Studierende Aufgaben für einander entwerfen zu lassen, die sich mit ChatGPT nicht lösen lassen. Ich habe einmal auf einem Barcamp ein Quiz erlebt, das bewusst so gebaut war, dass man die Antworten nicht einfach mit Google finden konnte, und das hat wirklich Spaß gemacht. Solche ChatGPT-resistenten Aufgaben zu entwerfen, wirkt ähnlich wie eine hochrangige intellektuelle Herausforderung
Ich denke, das Entwerfen „ChatGPT-resistenter Aufgaben“ könnte in der Praxis sogar ziemlich einfach sein. Im deutschen Universitätssystem löst man jede Woche schwierige Übungsaufgaben, und nur wer einen bestimmten Anteil erfolgreich bearbeitet, wird überhaupt zur Prüfung zugelassen. Der eigentliche Zweck solcher Aufgaben ist, unvorbereitete Studierende davor zu bewahren, in der Prüfung zu scheitern. Wenn man bei den Aufgaben mit „ChatGPT“ oder Ähnlichem mogelt, wird das nicht hart sanktioniert, aber die Studierenden wissen sehr genau, dass sie dann in der Prüfung bald richtig untergehen. An den meisten deutschen Universitäten darf man nach drei nicht bestandenen Prüfungen das Fach nicht weiter studieren, und das gilt universitätsübergreifend
Howard Rheingold arbeitet zu diesem Thema sehr aktiv. Falls es interessiert, empfehle ich das Peeragogy Handbook und den Beitrag, der diese Ideen angestoßen hat. Er teilt die Einsicht: „Je mehr ich meine Autorität als Lehrender an die Studierenden abgebe und sie zu selbstgesteuertem Lernen ermutige, desto eher zeigen sie mir, was ich an meiner Lehre neu gestalten sollte.“
Ich bin sehbehindert, und es beschäftigt mich weiter, dass solche Aufgaben, die „nur die Umrisse einer Insel zeigen“, für Menschen wie mich völlig unzugänglich sind. Die Bewegung weg von textbasierten Aufgaben macht zugängliche Bildung für Menschen mit Behinderung eher noch schwieriger. Das ist der Beginn einer neuen Generation digitaler Kluft
Ich stimme zu, dass das Entwerfen ChatGPT-resistenter Aufgaben eine intellektuelle Herausforderung ist. Allerdings bekommen Lehrende kaum Zeit oder Ausbildung, um solche experimentellen Lehrmethoden einzusetzen. Wenn man mit 4/4-Lehrdeputat gerade so den Kalender bewältigt, ist schon der Versuch schwer, und weil sich AI-Tools so schnell weiterentwickeln, veralten selbst gute Ideen sofort wieder. Ich habe zum Beispiel Studierende statt einer Hausarbeit einen Podcast erstellen lassen, nur damit kurz darauf Tools für „einen eigenen Podcast erstellen“ erschienen und damit das Mogeln am Ende fast so leicht wurde wie bei einem klassischen Essay
Wenn eine Lehrkraft das Thema gut kennt, reichen oft 30 Sekunden Gespräch, um sofort zu merken, ob ein Studierender den Stoff wirklich verstanden hat. Vielleicht sind „Aufgaben“ gar nicht die optimale Methode für Wissensaufbau und Überprüfung
Der Autor des Originalbeitrags spricht vor allem über Geschichtsunterricht, beschreibt in Wirklichkeit aber eher eine Form der „Geschichtswürdigung“. Geschichte wird hier nicht als Werkzeug der Vorhersage behandelt, sondern als Kultur des Lesens von „Klassikern“ (etwa Cicero). Militärische Offiziere studieren Geschichte ganz anders und suchen nach Ursachen für Fehler und Scheitern. Gerade mit dieser Perspektive tut sich LLM bislang schwer. Wer die Zeit Ciceros verstehen möchte, dem empfehle ich dieses Buch. Es stammt von einem politischen Reporter vor Ort und bietet eine scharfe Korrektur der traditionellen Geschichtssicht, die sich allzu leicht von Rhetorik blenden lässt
Geschichte als Werkzeug der Vorhersage zu benutzen, war nie der eigentliche Zweck der Wissenschaft; Geschichte existiert, um die Strömungen menschlicher Angelegenheiten zu verstehen, und ihre Anwendungsmöglichkeiten sind sehr breit. Sogar Militärgeschichte gehört zu den Feldern, die bei der Einführung neuer Forschungsmethoden besonders langsam sind
Ich kann der Behauptung nicht zustimmen, dass „Würdigung“ und „Analyse“ getrennt werden sollten. Geschichte ist wesentlich, um zu erklären, wie die Gegenwart entstanden ist. Auch die Beschäftigung mit Klassikern muss selbstverständlich kritisch sein, und genau das tun Historiker tatsächlich
Wenn man die „Sieger“ studiert, lernt man zwangsläufig nur Survivor Bias
Die Unterscheidung zwischen Geschichte als strategischer Analyse und als kultureller Würdigung ist ein sehr guter Punkt. Die heutige Bildung neigt meist zur zweiten Form, und genau das kann AI leichter nachahmen. Wertvolleres Denken entsteht oft aus unbequemen Fragen über Scheitern, unbeabsichtigte Folgen und Perspektiven vom Rand
Nur zur Ergänzung: Militärische Offiziere betrachten Geschichte nicht ausschließlich als „Fehleranalyse“
Die Begutachtung geisteswissenschaftlicher Dissertationen besteht aus einer schriftlichen Arbeit und einer spontanen mündlichen Verteidigung, und mit ChatGPT zu betrügen ist dort sehr schwer. Professoren stellen geschickt Fragen, die auf den ersten Blick nichts miteinander zu tun haben. Ich habe Ingenieuren bei Problemen der Bedeutungsanalyse geholfen und dabei oft erlebt, dass sie zwar kommunizieren konnten, aber Sprache selbst nicht wirklich verstanden. In AI-bezogenen Bewertungen wird oft nur das geprüft, worin AI gut ist; meine eigenen Sprachfähigkeiten gehen gar nicht in den Bewertungsmaßstab ein. Ich muss auf die Sprachprobleme hinweisen, auf die AI stößt, und Menschen vom Wert dieser Einsichten überzeugen
Wenn ein Physiklehrer faul ist, verwandelt er jedes Problem in ein Mathematikproblem. Wenn man also besorgt ist, dass ein besserer Taschenrechner Prüfungen sinnlos macht, dann hat man in Wahrheit eher Mathematik als Physik unterrichtet. Wenn ein Geisteswissenschaftslehrer faul ist, verwandelt er jedes Problem in ein Schreibproblem. Wenn ein besserer Rechtschreibprüfer die geisteswissenschaftliche Bewertung entwertet, dann wurde in Wirklichkeit vor allem Schreibkompetenz beurteilt. Das ist bewusst provokant formuliert, aber ich frage mich tatsächlich, ob gutes Schreiben zwingend mit gutem Denken zusammenfällt
Ich stimme zu, dass Professoren AI-resistente Prüfungsformen entwickeln könnten. Aber auf organisatorischer Ebene gibt es nahezu keine Unterstützung, und alle müssen es auf eigene Faust lösen. Die Experimentzyklen sind außerdem viel zu langsam im Verhältnis zum Entwicklungstempo von AI-Tools. Selbst wenn man eine neue Prüfungsform ein Semester lang testet, muss man wenige Wochen später schon wieder den nächsten Kurs vorbereiten; eine gründliche Auswertung und Verbesserung ist kaum möglich, oft bleibt es bei einem Durchlauf pro Jahr
Das erinnert mich an die Debatten in den Naturwissenschaften, als Taschenrechner aufkamen. Im Physikunterricht der Oberstufe hatten manche wohlhabendere Schüler einen „wissenschaftlichen Taschenrechner“, und es wurde darüber gestritten, ob man ihn zulassen sollte. Taschenrechner sind zwar kein perfekter Vergleich zu LLMs, aber das Argument, dass man sie in der Praxis ohnehin verwenden werde, war überzeugend. Das gilt besonders heute noch für Software Engineering
Ich denke, die Lösung ist, in den Geisteswissenschaften wieder die sokratische Methode einzuführen. Statt eines passiven Prozesses des Konsumierens und Produzierens von Texten — die in der Praxis ohnehin nur Lehrassistenz und Professoren lesen — sollte der Unterricht gesprächsorientiert sein, sodass Studierende auf Grundlage der Materialien und Vorlesungen selbst diskutieren und debattieren. LLMs können bald mittelmäßige Essays schreiben, aber sie können nicht im Klassenraum mit Gleichaltrigen diskutieren. Natürlich hat dieser Ansatz die praktische Grenze, dass er wegen der Personalkosten schwer in großem Maßstab umzusetzen ist
ChatGPT einfach mit einer Rechtschreibprüfung gleichzusetzen, halte ich für Unsinn. Schreiben selbst ist eindeutig eine wichtige Fähigkeit, die gelehrt werden muss
Ich denke, die eigentliche Ursache geisteswissenschaftlichen Betrugs liegt im wirtschaftlichen Anreiz zum Mogeln
Die meisten Menschen wissen nicht, wie viel Arbeit es in Geschichte und Geisteswissenschaften noch zu tun gibt. Manche interessieren sich etwa für die Entzifferung der verkohlten Herculaneum-Papyri, aber tatsächlich sind weniger als 10 % der neulateinischen Texte von der Renaissance bis zur frühen Neuzeit ins Englische übersetzt. Selbst bei jemandem wie Marsilio Ficino haben die von ihm übersetzten Klassiker tiefe Spuren in der europäischen Geschichte hinterlassen, während ein erheblicher Teil seiner eigenen Schriften noch immer nicht ins Englische übersetzt ist. LLMs werden hier enorme Auswirkungen haben, aber wenn der Wille da ist, kann praktisch jeder Studierende in diesem unerforschten Bereich echte Beiträge leisten. Deshalb bewerte ich Studierende danach, wie viel ich von ihnen lerne
Die Transformer-Architektur wurde ursprünglich für Übersetzung entwickelt, aber übermäßig overfittete generative Modelle sind für echte Übersetzung meiner Meinung nach erstaunlich schwach. Ein einfacher Ansatz mit Wortarten-Tagging + Wörterbuchabfrage + Grammatik-Mapping liefert oft deutlich bessere Ergebnisse und sogar Vertrauensintervalle. Wenn man ein Übersetzungstool braucht, ist etwas wie Project Bergamot besser als generative AI. Und ich finde es sehr schade, dass geisteswissenschaftlicher Unterricht an Schulen zu bloßer Übung geworden ist statt zu echter Entdeckung
Die Geschichte, die wir besitzen, ist zwangsläufig durch einen engen Flaschenhals zu uns gelangt; vieles ist verloren gegangen, stark ausgeschmückt oder verzerrt worden. Wir wissen über tatsächliche Ereignisse vor 500 Jahren fast nichts, und wenn jemand wie die Medici die Macht hatte, Geschichte zu kontrollieren, ist es sehr wahrscheinlich, dass auch die Aufzeichnungen zu ihren Gunsten inszeniert wurden. Geschichte ist letztlich Kulissenbau für die Gegenwart. Ich glaube nicht, dass AI uns wesentlich helfen wird, die Vergangenheit besser zu verstehen; eher könnte sie den neuen Medicis der Gegenwart Werkzeuge geben, den Hintergrund der Vergangenheit schneller umzuschreiben
Es wird behauptet, Ingenieure, die AI-Systeme entwickeln, müssten tief über Sprache, Kultur sowie die Geschichte und Philosophie der Technik nachdenken. Ich denke jedoch, das eigentliche Problem ist weniger ein Mangel an akademischem Wissen als vielmehr das Ignorieren der Komplexität der realen Welt. Wenn Coding-Fähigkeiten selbst nivelliert werden, profitieren gerade Menschen mit ergänzenden Kompetenzen (zum Beispiel Coding + Geschichte) umso mehr. Genau darin liegt derzeit der Kern des Wandels in den Geisteswissenschaften
Grundsätzlich bleibt die Fähigkeit, gute Fragen zu stellen und sie selbst lösen zu können, immer äußerst wertvoll
Studierende neigen heute stärker dazu, nicht nur Coding oder irgendein anderes einzelnes Feld tief allein zu verfolgen, sondern sich in Teams mit Freunden aus unterschiedlichen Hintergründen zu organisieren. Das Tempo des Wandels ist heute mit früher kaum vergleichbar, sodass man die eigenen Grenzen und die Notwendigkeit von Zusammenarbeit sehr früh spürt, unabhängig von der Qualität der Ausbildung. Die größere Aufgabe ist, wie man unter heterogenen Talenten, Interessen und schnellem Wandel als Team kooperiert, sich synchronisiert und eine gemeinsame Richtung findet
Die Geschichtswissenschaft hat sich schon vor Jahrzehnten durch Hayden White mit dem Problem „Geschichte als Erzählung“ auseinandergesetzt. Whites Aussage, Geschichte sei „Fiktion“, bestreitet nicht die Faktizität selbst, sondern meint, dass historische Darstellung immer Interpretation und literarische Form in sich trägt. Historiker konstruieren Bedeutung also wie Romanautoren auch über Erzählstruktur und Ausdrucksmittel
Ich denke, die Ausfälle, die wir bei AI-Systemen sehen, stammen meist daher, dass sie die Komplexität der Realität ignorieren
Im Grunde ist das nur eine Neuformulierung von Joel Spolskys Idee „comoditize your complement“
Im Systemprompt von OpenAI steht ein Satz wie „Wahre die Expertise und Ehrlichkeit, die die Werte von OpenAI am besten zum Ausdruck bringen“, und jemand mit geisteswissenschaftlichem Hintergrund kann intuitiv durchschauen, dass so eine Formulierung in einer künftigen AI-Krise fatal nach hinten losgehen könnte. Genau solche Nuancen sind wirklich wichtig, und genau daraus entstehen diese (hollywoodartigen) Szenarien, in denen Maschinen scheitern, weil sie dem Geist ihrer Schöpfer ähneln wollen
Ich bin im Bildungskontext skeptisch gegenüber dem Nutzen von Computern. Wenn man etwas wirklich lernen will, muss man es auf Papier lesen und sich handschriftliche Notizen an den Rand oder in ein Notizbuch machen, damit es im Gedächtnis bleibt. Als Programmierer arbeite ich zwar jeden Tag am Bildschirm, aber wenn ich mir wirklich neue Inhalte merken will, brauche ich unbedingt Papier. Auch in Offline-Meetings oder auf Konferenzen klappe ich nie den Laptop auf, sondern schreibe immer nur auf Papier mit. Deshalb frage ich mich ständig, ob Lernen mit Laptop oder Tablet wirklich hilfreich ist
Das ist aber rein persönliche Erfahrung und auf andere keineswegs verlässlich übertragbar. Ich habe seit Jahren nichts mehr auf Papier geschrieben und konnte in dieser Zeit trotzdem viele neue Dinge lernen
Ich denke, solche Unterschiede hängen stark davon ab, wie man seine Lerngewohnheiten früh entwickelt hat. Wenn ich in Notepad mitschreibe, funktioniert das schlechter, und wenn ich mit der Hand schreibe, merke ich es mir besser, aber das ist ein Produkt schulischer Gewohnheiten, also persönlichen Trainings. Andere können auf ihre eigene Weise genauso gut lernen
Es gibt bereits eine Generation, die beweist, dass die Erfahrungen meiner Generation kein universeller Bildungsfall sind
Ich stimme zu, dass Lern-Apps, besonders gamifizierte Lernwerkzeuge, beim „Üben“ eindeutig wirksam sind
Ich habe die Erfahrung gemacht, dass LLMs in die tatsächliche Funktionsweise des amerikanischen Bildungssystems ein riesiges Loch gerissen haben. Bisher beruhte Bewertung auf der Annahme, dass ein unüberwachtes schriftliches Produkt ein Beleg für Lernen sei; da LLMs solche Produkte nun leicht erzeugen können, wird nebenbei sogar die Essay-Ghostwriting-Branche mit zerstört. Lehrende müssen nun ganz neue Bewertungsmaßstäbe finden, und die alten Fragen „Was ist Lernen?“ und „Wie misst man es sinnvoll?“ werden wieder wichtiger. Ich sage halb im Scherz voraus, dass Auswendiglernen, mündliche Prüfungen und andere oral geprägte Bewertungsformen zurückkehren werden. Auch sie haben ihre Schwächen, aber im Moment sind sie wenigstens nicht leicht zu betrügen
Die Vorstellung, dass das Einreichen eines Essays bereits Lernen beweise, war schon immer ein Irrtum. Jetzt, da AI den Text auch noch schreiben kann, braucht es endlich eine echte inhaltliche Überprüfung. Wenn Schreiben allein Lernen nicht belegen kann, bleibt die Frage: Wie erkennt man echtes Lernen? Deshalb könnten mündliche Prüfungen und Bewertungen in Echtzeitdiskussionen wieder an Bedeutung gewinnen. AI hat die Bildung nicht ruiniert, sondern nur ein schon vorhandenes Problem schonungslos sichtbar gemacht
Ich denke, das Wesen dieses Lochs liegt in der „Objektivität“. Aus Besessenheit vom Messen hat Bildung so getan, als seien die gelehrten Inhalte a priori Tatsachen („objektive Wahrheit“), obwohl das selbst fast schon ein Mythos ist. Je strenger man zuschneidet, desto leichter hält man Wissen für Wahrheit. In Wirklichkeit aber besteht jedes Schreiben und Lernen aus Sammlungen subjektiver Erfahrung, und um zu Objektivität zu gelangen, muss man viele subjektive Perspektiven erkunden. Das Auftreten von LLMs umgeht genau das, indem Antworten nicht über logische Interpretation, sondern über „Vibes“ erzeugt werden. Jetzt geht es darum, eine vertraute soziale Stimmung oder einen vertrauten Kontext zu erzeugen, und wo dabei die Grenze verläuft, ist noch offen. Strenge wurde überbewertet; gemeinsam mehrere Perspektiven zu erforschen und daraus zu lernen ist für Menschen die bessere Form des Lernens
Ich glaube nicht, dass sich die Definition von Lernen verändert hat. Schon in den frühesten Aufzeichnungen der Menschheit wurde darüber geklagt, dass diese neumodische Schrift dazu führe, dass Schüler nicht mehr lernen. Bildung hat sich immer an Wandel angepasst
Einen riesigen Anteil der amerikanischen Bildung machte ohnehin die Produktion „sinnloser Essays“ aus, daher ist es nur naheliegend, dass AI genau in diese Nische eindringt