Veranstaltungsprogramm der Jahrestagung der Sektion Berufs- und Wirtschaftspädagogik der Deutschen Gesellschaft für Erziehungswissenschaft 2023

Digitale Kompetenzen umfassen verschiedene Dimensionen: Die Nutzung von Medien für das Lehren und Lernen (Mediendidaktik), die Erziehung zu einer verantwortungsvollen Mediennutzung (Medienerziehung) sowie die Bedeutung von digitalen Technologien für den Lerngegenstand, z. B. berufliche Handlungen. Diese Systematisierung spiegelt das DPACK-Modell (Döbeli Honegger, 2021) wider. Modelle wie D- bzw. das zugrundeliegende T-PACK sind bedeutsam, da sie gerade in der Lehrerbildung häufig als Grundlage der curricularen und didaktischen Gestaltung von Förderkonzepten genutzt werden.

In diesem Beitrag fokussieren wir uns auf die Implikationen der digitalen Transformation für den Lerngegenstand – in unserem Fall berufliches Handeln. Diese Dimension wird im DPACK-Modell als digitale Inhaltskompetenz modelliert. Im Unterschied zu allgemeinbildenden Kontexten zeichnet sich die berufliche Bildung durch einen „doppelten Gegenstandsbezug“ (KMK, 2019, S. 6) aus, d. h. Inhalte orientieren sich sowohl an einer fachsystematischen Logik als auch an Arbeits- und Geschäftsprozessen (Kremer & Sloane, 2014). Vor diesem Hintergrund stellen wir die Frage, wie digitale Inhaltskompetenzen in der beruflichen Bildung zu modellieren sind und ob Modelle wie D- bzw. T-PACK dem Spezifikum des doppelten Systembezugs gerecht werden.

Den Ausgangspunkt unserer Diskussion bildet eine theoretisch fundierte Gegenüberstellung wissenschaftlichen und berufsförmigen Wissens. Diese nutzen wir, um die Modellierung inhaltlichen Wissens in den Texten Shulmans (1986; 1987) zu analysieren, die dem TPACK-Modell zugrunde liegen. Wir argumentieren, dass bisherige Modelle das Zusammenspiel der beiden Wissensarten in der beruflichen Lehrerbildung nicht hinreichend abbilden. Aufbauend auf diesem Argument stellen wir eine Konzeptualisierung digitaler Inhaltskompetenzen für berufliche Lehrpersonen vor, die digital transformierte Arbeits- und Geschäftsprozesse zum Ausgangspunkt macht und von dort aus auf wissenschaftliche Wissensbestände zugreift. Wir illustrieren diese Modellierung anhand von fachdidaktischen Entwicklungsarbeiten im Rahmen eines lehrbezogenen Forschungsprojekts, in dem wir Studierenden die Möglichkeit bieten, digital transformierte Arbeits- und Geschäftsprozesse zu analysieren und berufsförmiges und wissenschaftliches Wissen in Verbindung zu setzen. Wir verfolgen hiermit das Ziel, digitale Inhaltskompetenzen zu fördern, die die spezifischen Anforderungen der beruflichen Bildung berücksichtigen.

Fragestellung

Die künstliche Intelligenz (KI) kann die Art und Weise wie Menschen leben, arbeiten und lernen radikal verändern (Miao et al., 2021). Aufgrund der Fortschritte in der KI ist es wahrscheinlich, dass technische Systeme (intelligente Algorithmen) Menschen in Zukunft bei immer mehr wissensintensiven Tätigkeiten unterstützen können (Kong, 2021). Diese Entwicklungen führen zu veränderten Anforderungen an die digitalen Kompetenzen (Seufert et al., 2022). Eine allgemeine KI-Literacy (z.B. im DigComp Framework) im Umgang mit KI-Anwendungen wird immer wichtiger. Diese empirische Studie geht der Frage nach, welche Einstellungen Schüler:innen gegenüber KI besitzen und wie sie ihre Fähigkeiten einschätzen, KI-Tools zu verstehen und mit ihnen zu interagieren (definiert als «AI Empowerment» nach Kong, 2021).

Theoretischer Hintergrund

Gemäss Mäkinen (2006) bezieht sich der Begriff "Empowerment" darauf, Menschen zu befähigen neue Herausforderungen zu bewältigen. KI-Empowerment bedeutet also, dass Personen befähigt werden KI-Tools zu verstehen und mit ihnen zu interagieren (Kong, 2021). Ein Framework zu KI-Empowerment setzt sich aus den folgenden vier Elementen zusammen: KI-self-efficacy, Meaningfulness, Impact, creative self-efficacy. KI-self-efficacy ist die Überzeugung, die eine Person über ihre KI-Fähigkeit besitzt. Meaningfulness beschreibt die Bedeutung, welche KI im Leben einer Person einnimmt. Impact bezeichnet das Ausmass, mit welcher die KI als wichtig empfunden wird. Creative self-efficacy umschreibt die Überzeugung einer Person bezüglich ihrer Kreativität im Generieren von Lösungen (Kong, 2021). Personen mit einer höheren Ausprägung der Empowerment-Komponenten besitzen generell eine positivere Einstellung gegenüber KI-Tools (Kong, 2018). Im DigComp Framwork wird die Einstellung gegenüber der KI als ein wichtiger Teil der geforderten KI-Literacy definiert.

Methode

Datenbasis ist eine Befragung mit N = 2’519 Schüler:innen der Sekundarstufe I (8. Klasse) der Schweiz, die im Zeitraum Oktober bis Dezember 022 durchgeführt wurde (kurz vor Veröffentlichung von ChatGPT).

Ergebnisse und Diskussion

Nur knapp 20% der Befragten sind von ihren Fähigkeiten überzeugt, zu lernen mit KI-Tools zusammenzuarbeiten (KI-Self-efficacy). Zwischen den Geschlechtern existiert ein signifikanter Unterschied in der Selbsteinschätzung. Generell ist der Anteil an Jugendlichen, die sich wenig zutrauen relativ hoch. Dies könnte den persönlichen Berufswahlentscheid stark beeinflussen.

Im Kontext der Digitalisierung und der Forderung zum Einsatz digitaler Medien im Unterricht, sind mediendidaktische Lehrkompetenzen in den Fokus gerückt [1–2]. Lehrkräfte, die digitale Medien effizient im Unterricht einsetzen, können Lernergebnisse steigern [3]. Ein systematisches Training mediendidaktischer Kompetenzen in der Lehrkräftebildung kann somit professionellen Unterricht unterstützen [4]. Um angehende Lehrkräfte dahingehend zu fördern, konzentriert sich das vom BMBF geförderte QLB-Projekt auf die Entwicklung und Evaluation multimedialer Lehr-Lerntools (u.a. mit Fokus auf die etablierten Modelle ICAP [Interactive-Constructive-Active-Passive] und SAMR [Substitution-Augmentation-Modification-Redefinition];s.Abb.1–2) [5–7].

Inwieweit die Tools den angestrebten Kompetenzerwerb in der Interventionsgruppe (IG) beeinflussen können, wird mittels Prä(t1)-Post(t2)-Messungen im Kontrollgruppendesign (KG) untersucht (Frage 1). Da insbesondere im Masterstudiengang das Ziel einer systematischen Verzahnung didaktischer und schulpraktischer Inhalte für den Übergang ins Referendariat von Relevanz ist [8], wird der Einfluss des Studienfortschritts auf den Kompetenzerwerb untersucht (Frage 2). Die Tools wurden von Lehramtsstudierenden (IG;n=82) bearbeitet, während eine parallele Lehrveranstaltung als KG (n=17;s.Tab.1) diente. Die Bewertung der mediendidaktischen Kompetenzen erfolgte anhand 9 neu entwickelter Items (Cronbach`s α=.799).

In Bezug auf die Frage 1 zeigt eine 2x2 ANOVA ein signifikantes Modell (F[3,99]=10.63,p<.000,R²=14.38%). Es wird ein signifikanter Interaktionseffekt von Gruppenzuordnung und Messzeitpunkt evident (F[1,99]=4,87,p=.029;s. Abb.3). Das partielle η² zeigt für den Interaktionseffekt eine kleine Effektstärke von η²=.025. Post-Schätzungen zeigen eine signifikante Veränderung in der IG (diff=1.85,t[1]=5,63,p<.000) und keine signifikante Veränderung in der KG (diff=.03,t[1]=.04,p=.965). Bezüglich der Frage 2 zeigt sich ein signifikanter Einfluss des Studienfortschritts (β=.197,SE=.528,p=.048;s.Abb. 4).

Die Entwicklung und der Einsatz multimedialer Tools in der Lehrkräftebildung sind angesichts der Herausforderungen des digitalen Lernens besonders relevant. Einschränkungen dieser Studie sind u.a. die begrenzte Aussagekraft aufgrund unterschiedlich großer Teilstichproben. Um das Ziel des freien digitalen Zugangs (OER) zu qualitativ-hochwertigen Tools zu gewährleisten, werden aktuell (weitere) Tools in der Praxis bundesweit evaluiert.