GenAI im Instructional Design: Ein praktischer Leitfaden für die Hochschulbildung

Generative KI (GenAI) verändert die Bildungslandschaft rasant und birgt sowohl Chancen als auch Herausforderungen für Institutionen, Lehrende, Instructional Designer (IDs) und Studierende. GenAI, angetrieben von großen Sprachmodellen (LLMs) und fortschrittlichen Algorithmen, definiert die Inhaltserstellung in verschiedenen Formaten neu, darunter Text, Bilder, Audio und Code. Dieser technologische Fortschritt veranlasst Lehrende und IDs, traditionelle Lehr-, Lern- und Bewertungspraktiken zu überdenken. IDs stehen an vorderster Front dieser Transformation und sind damit beauftragt, GenAI in Bildungsumgebungen zu integrieren und gleichzeitig akademische Integrität und pädagogische Strenge zu wahren. Dieser Artikel untersucht das GenAI Intent and Orientation Model, um einen Rahmen für die Nutzung von GenAI zur Unterstützung und Verbesserung von Lehr- und Lernergebnissen aus der Perspektive von IDs zu bieten.

GenAI stellt einen bedeutenden technologischen Fortschritt mit tiefgreifenden Auswirkungen auf die Hochschulbildung dar. Sie ermöglicht es Systemen, Inhalte als Reaktion auf Benutzereingaben zu generieren, wobei große Sprachmodelle verwendet werden, die auf riesigen Datensätzen trainiert wurden. Seit seiner öffentlichen Einführung im Jahr 2022 hat sich die GenAI-Technologie rasant weiterentwickelt und sowohl Chancen als auch Herausforderungen mit sich gebracht. Der Educause Horizon Report (2023, 2024) identifiziert GenAI als eine Technologie mit erheblichen Auswirkungen auf Lehre und Lernen, die es Studierenden potenziell ermöglicht, sich auf höhere Denkfähigkeiten zu konzentrieren. Es bestehen jedoch Bedenken hinsichtlich einer übermäßigen Abhängigkeit von Technologie, algorithmischer Voreingenommenheit, akademischer Integrität und dem Datenschutz von Studierenden. Institutionen experimentieren aktiv mit GenAI, wobei einige Prinzipien für deren Nutzung annehmen und andere ihre eigenen GenAI-Tools entwickeln, um Privatsphäre und Sicherheit zu gewährleisten.

GenAI verspricht, die Rolle von Instructional Designern (IDs) neu zu definieren und Möglichkeiten zur Steigerung der Produktivität und zur Verbesserung des Kursdesigns zu bieten. IDs können GenAI nutzen, um Kursübersichten zu erstellen, Lernziele mit Bewertungen und Materialien abzugleichen und Skripte für multimediale Inhalte zu entwickeln. Die Zusammenarbeit zwischen IDs und Lehrenden ist entscheidend für die Gestaltung effektiver Kurse, die Integration von Technologie und die Gewährleistung von Qualität und Zugänglichkeit. Während aktives Lernen wünschenswert ist, zielt das GenAI Intent and Orientation Model darauf ab, eine effektive Interaktion durch die Nutzung von GenAI in verschiedenen Bildungsumgebungen zu fördern, z. B. als Lernbegleiter oder als Mittel zur Aufgabenübermittlung.

Das GenAI Intent and Orientation Model, das Mitte 2024 eingeführt wurde, untersucht die potenziellen Anwendungen von GenAI innerhalb der Beziehung zwischen Lehrendem und Studierendem. Es berücksichtigt den Zweck (Intention) des Akteurs, der GenAI nutzt, und die Zielgruppe. Dieses Modell bietet einen konzeptionellen Rahmen, der sowohl die Absicht des Urhebers als auch die Bedürfnisse des Publikums berücksichtigt. Das Modell identifiziert vier Quadranten basierend auf Intention und Orientierung: Lehrenden-Intention/Lehrenden-Orientierung (I>I), Lernenden-Intention/Lernenden-Orientierung (L>L), Lehrenden-Intention/Lernenden-Orientierung (I>L) und Lernenden-Intention/Lehrenden-Orientierung (L>I).

Im I>I-Quadranten nutzt der Lehrende oder ID eine GenAI-Plattform, um Aufgaben bei der Erstellung eines qualitativ hochwertigen Kurses auszuführen. Der Benutzer hat einen Bedarf und interagiert mit GenAI, um eine bestimmte Aufgabe zu erledigen. Es wird davon ausgegangen, dass der ID über Wissen und Fähigkeiten verfügt, aber dennoch mit einem Lehrenden zusammenarbeiten muss, um Inhalte zu erstellen, die allen Bedürfnissen gerecht werden, einschließlich geeigneter Lernziele und Inhalte, die mit den Programmvorgaben übereinstimmen. Der ID wird in diesem Kontext als Erweiterung des Lehrenden betrachtet.

Der L>L-Quadrant umfasst Interaktionen, bei denen der Lernende GenAI nutzt, um sein Lernen zu beschleunigen oder einen einfachen Ausweg zu finden, was potenziell das Erlernen von Schlüsselkonzepten behindert. Die Angemessenheit von Anwendungsfällen in diesem Quadranten hängt von der Aktivität und dem Lehrenden ab. Eine klare Kommunikation der Erwartungen bezüglich GenAI ist entscheidend, um sicherzustellen, dass die Studierenden das „Warum“ hinter kritischen Konzepten verstehen, bevor sie GenAI nutzen, um ihre Fähigkeiten zu erweitern.

Im I>L-Quadranten erstellt der Lehrende Materialien, einschließlich ausgefeilter Prompts und angepasster GPTs, um die Bedürfnisse des Lernenden zu erfüllen. Das GenAI-Tool fungiert im Moment des Bedarfs als „Instructor Proxy“. Die Integration von GenAI-basierten Aktivitäten in den Lehrplan fördert die GenAI-Kompetenz und bereitet die Studierenden auf ein Arbeitsumfeld vor, in dem sie mit GenAI zusammenarbeiten werden.

Der L>I-Quadrant untersucht, wie ein Studierender mit GenAI interagieren könnte, um die Lehre des Lehrenden zu informieren oder zu verbessern. In L>I-Szenarien nutzt der Studierende GenAI, um etwas zu produzieren, z. B. Daten oder einen Bericht, den der Lehrende verwendet, um verbesserte Lehr entscheidungen zu treffen oder personalisiertes Feedback zu geben. Dieser Quadrant positioniert den Lernenden als indirekten, aber beabsichtigten Mitwirkenden am Lehrverständnis. Lernanalysen, bei denen Interaktionen von Studierenden mit Kursinhalten gesammelt und analysiert werden, können von GenAI genutzt werden, um Lehrenden umsetzbare Einblicke zu liefern.

Instructional Designer müssen sich an die sich verändernde Landschaft anpassen, indem sie GenAI-Tools in ihre Arbeitsabläufe integrieren. Strategien umfassen die Entwicklung klarer Richtlinien für die GenAI-Nutzung, die Bereitstellung von Schulungen und Unterstützung für Lehrende sowie die Förderung der Zusammenarbeit zwischen Lehrenden und IDs. Die Bewältigung ethischer Bedenken, wie akademische Integrität und Datenschutz, ist ebenfalls von entscheidender Bedeutung. Durch die Nutzung von GenAI können IDs ihre Produktivität steigern und ansprechendere und effektivere Lernerfahrungen schaffen.

GenAI bietet erhebliche Möglichkeiten zur Transformation der Hochschulbildung und des Instructional Designs. Durch das Verständnis des GenAI Intent and Orientation Model und die Umsetzung effektiver Strategien können Lehrende und IDs GenAI nutzen, um personalisierte, ansprechende und effektive Lernerfahrungen zu schaffen. Die Akzeptanz von GenAI erfordert einen kollaborativen Ansatz, die Auseinandersetzung mit ethischen Bedenken und die kontinuierliche Anpassung an die sich entwickelnde technologische Landschaft.