19. Juli 2024: Die ersten beiden Beiträge dieser Reihe beleuchteten die Potenziale von Large Language Models (LLMs) für den Unterricht und mögliche Betandteile eines KI-Curriculums und notwendige Nutzungsregeln. Der dritte und letzte Teil widmet sich der praktischen Umsetzung dieser Ideen in Form eines individuell konfigurierten Chatbots, des “Lern-Mentors”. Im Folgenden möchten wir kurz umreißen, wie wir einen Lern-Mentor für Schülerinnen und Schüler der 12. Klasse entwickelt haben. Diesen Lern-Mentor können Sie übrigens hier kostenlos ausprobieren.
Der Lern-Mentor: Eine Anwendung von LLMs im Bildungskontext
Ein KI-gestützter Lern-Mentor stellt eine konkrete Möglichkeit dar, die Potenziale von LLMs im Bildungsbereich zu nutzen. Diese Art von Assistent kann Lernende individuell unterstützen, Fragen beantworten, Lernprozesse begleiten und motivieren – und zwar zeitlich unbegrenzt. Die Entwicklung eines solchen personalisierten Mentors ist mit einigen Prompts dank moderner Plattformen (z.B. fobizz-tools) auch ohne spezielle Vorkenntnisse möglich. Diese Tools nutzen natürliche Sprache zur Konfiguration der KI-Assistenten, was den Prozess zugänglich und effizient gestaltet. Die Entwicklung erlaubt eine präzise Instruktion für das Verhalten des Chatbots, wobei wir uns bei der Formulierung dieser Anweisungen von ChatGPT Unterstützung geholt haben. Dieses Vorgehen ermöglicht eine genaue Abstimmung der Fähigkeiten des Lern-Mentors auf die Bedürfnisse der Lernenden.
Konzeptionelle Entwicklung: Ein strukturierter Prozess
Wir haben den Lern-Mentor strukturiert entwickelt. Zunächst haben wir ohne Einschränkungen die wünschenswerten Fähigkeiten eines idealen Lernmentors erarbeitet. Anschließend erfolgte eine Prüfung, inwieweit diese Fähigkeiten auf einen Chatbot übertragbar sind. Bei diesem Vorgehen kann der Eindruck einer Vermenschlichung des LLMs entstehen, beispielsweise durch die Verwendung des Begriffs “Empathie”. Es ist wichtig zu betonen, dass ein LLM nicht tatsächlich empathisch sein kann. Die Aufnahme solcher Begriffe in die Instruktion dient dazu, ein erwünschtes Verhalten zu erzeugen. Der detaillierte Prozess kann in der zugrunde liegenden ChatGPT-Konversation nachvollzogen werden.
Unsere fünf Instruktionen
1. Definition der Kernaufgaben: Festlegung der primären Funktionen des Lern-Mentors zur Unterstützung der Lernenden.
2. Entwicklung der Eigenschaften: Identifikation zentraler Eigenschaften wie scheinbare Empathie, Geduld, fachliche Kompetenz und Motivationsfähigkeit.
3. Ausarbeitung der Methoden: Definition konkreter Methoden wie dialogische Erklärungen, anschauliche Beispiele und konstruktives Feedback.
4. Anpassung an die KI-Realität: Unterscheidung zwischen Aufgaben, die ein Chatbot gut erfüllen kann (z.B. Wissensvermittlung, strukturierte Lernpläne) und solchen, die menschliche Interaktion erfordern (z.B. tiefes emotionales Verständnis).
5. Erstellung einer Verhaltensanweisung: Formulierung klarer Richtlinien für das Verhalten des Chatbots zur bestmöglichen Simulation von Empathie und Motivation.
Die Instruktion: Grundlage des Lern-Mentors
Die Instruktion bildet die Grundlage für das Verhalten des Lern-Mentors. Ein Auszug aus der Anweisung lautet:
“Der Lern-Mentor soll empathisch und geduldig auf die Anliegen der Lernenden eingehen. Er soll aktiv zuhören, Rückfragen stellen und bei Bedarf geduldig wiederholen oder neu erklären. Gleichzeitig soll er inspirierend und motivierend wirken, indem er eine positive Sprache verwendet, realistische Lernziele setzt und Erfolge anerkennt.”
Diese Instruktion zielt darauf ab, dass der Lern-Mentor nicht nur Wissen vermittelt, sondern adaptiv auf die Lernenden eingeht und sie motiviert.
KI-gestütztes Lernen: Ein ergänzendes Werkzeug
Es ist wichtig zu betonen, dass die Nutzung des Chatbots nicht das Lernen ersetzen soll. Vielmehr stellt er ein Werkzeug dar, das individualisiertes, KI-gestütztes Lernen ermöglicht. Der Lern-Mentor kann den Unterricht ergänzen, indem er jederzeit für Fragen zur Verfügung steht, zusätzliche Erklärungen anbietet und Lernende motiviert.
Nach der konzeptionellen Entwicklung und technischen Umsetzung haben wir erste Tests durchgeführt, die zufriedenstellende Ergebnisse lieferten. Der Lern-Mentor zeigte die Fähigkeit, auf verschiedene Fragestellungen einzugehen, geduldig zu erklären und motivierend zu wirken. Auch in einer mithilfe eines LLM simulierten Nutzung durch Lernende verhielt sich der Lern-Mentor wie erwartet.
An dieser Stelle beenden wir unsere dreiteilige Reihe zu KI-Textgeneratoren im Unterricht und werden auch in Zukunft immer wieder zu diesem Thema bloggen. Unser Ziel ist, Schulen Anregungen und Hilfestellungen zu bieten, um die Potenziale von LLMs optimal zu nutzen und gleichzeitig verantwortungsvoll mit den Herausforderungen umzugehen. Sehr gern beraten und bilden wir Lehrerinnen und Lehrer der Schulen im Landkreis Esslingen rund um den Einsatz von KI fort. Kontaktieren Sie bitte bei Interesse unseren Mitarbeiter und KI-Experten Jan Hartwig.
