Lehren und Lernen im digitalen Zeitalter: Impulse für die Lehrer:innenbildung (LELEDIZ)
25.02.2026 - 26.02.2026 | JKU Linz
Veranstaltungsprogramm
Eine Übersicht aller Sessions/Sitzungen dieser Veranstaltung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.
|
Tagesübersicht |
| Sitzung | |
|
Ses1c: Resilienz und Leistungsbeurteilung im digitalen Wandel Ort: BR 3 Chair der Sitzung: Michael Himmelsbach | |
| Präsentation 2 | |
Zivilgesellschaftliches Engagement als ergänzende Leistungsbeurteilung seit dem Aufkommen der generativen KI 1: Pädagogische Hochschule Oberösterreich, Österreich; 2: Private Pädagogische Hochschule der Diözese Linz, Österreich; 3: Johannes Kepler Universität Linz, Österreich Das weit verbreitete Verständnis von Leistungsbeurteilung vor der digitalen Transformation umfasste als wesentlichen Bestandteil schriftliche Arbeiten, die Lernende selbständig erarbeitet haben (Stern, 2010; Marzano, 2006). Im Kontext der Hochschule – so auch im Lehramt – bieten schriftliche Arbeiten die Möglichkeit, dass sich Studierende beginnend mit der ersten Proseminararbeit schrittweise mit einer engeren Aufgabenstellung bis hin zur Masterarbeit in die Richtung selbständiger Akademiker:innen entwickeln. Gerade die Einführung der generativen KI verändert diesen Bereich grundlegend, da Texte mittels dieser Tools generiert werden können und Hochschulen bisherige Maßstäbe für die Leistungsbeurteilung kaum geregelt oder ausverhandelt haben. Die KI bietet daher eine aktuelle Gelegenheit, über bisherige Praktiken hochschulischer Leistungsbewertung nachzudenken. In der Praxis beobachten wir in diesem Bereich einen Trend hin zu vermehrten mündlichen Leistungen und praxisbezogenen Formen der Reflexion eigener Erfahrungen, um KI-generierte Texte auf ein Minimum zu reduzieren. Diese neuen Entwicklungen möchten wir besprechen und das zivilgesellschaftliche Engagement als ergänzende Form der Leistungsbeurteilung für das Lehramtsstudium zur Diskussion stellen. Mit zivilgesellschaftlichem Engagement in Form von Service-Learning werden erfahrungsorientierte Lernprozesse in Gang gesetzt, die durch den Einsatz von KI nicht ersetzt werden können. Service-Learning hat das Ziel, zivilgesellschaftliches Engagement von Studierenden zu fördern (Carrington, 2011; Furco, 2009; Sliwka, 2007). Studierende wirken dabei in einer organisierten Dienstleistung außerhalb der Hochschule mit (Service) und reflektieren diese Erfahrung in einer dazugehörigen Lehrveranstaltung so (Learning), dass ihr zivilgesellschaftliches Engagement, ihr Demokratieverständnis und ihre Persönlichkeitsentwicklung gefördert werden (Rosenkranz, Roderus & Oberbeck, 2020). Der Beitrag diskutiert vier Formen des Service-Learnings – direktes und indirektes Service-Learning, Service-Learning durch Anwaltschaft und Service-Learning durch Forschung (Kaye, 2010; Resch & Paetsch, 2023) – und wie sich neue, erfahrungsorientierte Formen der Leistungsbeurteilung durch Service-Learning zeigen. Individuelle Lernfortschritte rücken dabei durch reflexive Prozesse ins Zentrum und können dabei helfen, starre Vorstellungen von schulischer Leistungsbewertung bei angehenden Lehrkräften zu erweitern (Feser & Höttecke, 2020). Anhand zweier Beispiele – dem Programm „Lernen.Engagement.Verantwortung“ (L.E.V) der PHDL in Linz und „Lernen durch Engagement“ (LdE) der PHOÖ – wird aufgezeigt, wie Service-Learning als eigenständige Leistung in der Ausbildung von Lehrer:innen genutzt werden kann (Fahrenwald & Gamsjäger, 2023) und wie entsprechende Konzepte für Leistungsbeurteilung aussehen können. Der Vortrag soll einen Beitrag dazu leisten, zivilgesellschaftliches Engagement als eigenständige Leistung in einem breiter gedachten, digital transformierten Spektrum der Leistungsbeurteilung anzuregen. Die Leistungsbeurteilung in der Lehrer:innenbildung muss in seiner Gesamtheit – sowohl auf curricularer Ebene als auch auf Lehrveranstaltungsebene – entsprechend weiterentwickelt werden, um den Anforderungen einer zunehmend KI-nutzenden Studierendenschaft gerecht zu werden. | |
