- Details
- Geschrieben von: Marcus Kuntze
- Kategorie: Lehrerhandwerk
- Zugriffe: 158
KI zieht in die Mittelstufenchemie mit ein. Dieser Artikel dokumentiert KI-Umsetzung in einer 9. Klasse zum Lehrplanthema Redox-Gleichungen. In diesem Abschnitt liegt der Schwerpunkt auf vertieftes Üben mit und ohne KI-Assistenz. Es werden dazu auch Unterrichtsmaterialien bereitgestellt, welche gerne unter CC BY-SA 4.0 weiterverwendet werden dürfen.
Kurzzusammenfassung
Die Schülerinnen und Schüler wiederholen und üben vertiefend Grundbegriffe und Zusammenhänge der Redox-Einheit. Kenntnisse über KI und fortschrittliche Prompting-Fähigkeiten werden in einem Informationsblatt den Schülerinnen und Schülern bereitgestellt. Die Schülerinnen und Schüler überprüfen in diesem Unterrichtsgang ihre eigenen
- Prompting-Fähigkeiten
- lernen fortgeschrittenes Prompting
- überprüfen mit Hilfe von KI ihre Antworten zu Transferaufgaben
- Reflektieren den Einsatz von KI als Lerntutor bzw. Lernassistent
- Prompten mit Hilfe der Lehrkraft einen persönlichen KI-Tutor
Unterrichtsgang
Verortung im Fächerkanon
Dieser Unterrichtsgang reiht sich als Übungsgang nach der klassischen Einführung von Redox-Reaktionen im Chemieunterricht der 9. Klasse im allgemeinbildenden Gymnasium ein.
Die Grundlagen der Redox-Reaktion wurden im Vorfeld beigebracht. Der Redox-Begriff wurde anhand zahlreicher Beispiele (Redox-Potenziale von verschiedenen Metallen, Versuchen) beigebracht. Nun steht an, die gelernten Inhalte zu üben und zu festigen.
Lernen ohne KI
Die Schülerinnen und Schüler bekommen ein Übungsblatt mit Reproduktions-, Reorganisations- und Transferaufgaben. Die Aufgaben werden für die Schülerinnen und Schüler ersichtlich in die Anforderungsbereiche I, II und III gegliedert. Dieses Arbeitsblatt wird von den Schülerinnen und Schülern durchgearbeitet. Die Lehrkraft bespricht die Aufgabenlösungen der Schülerinnen und Schüler bis zum Bereich Transferaufgaben.
Anschließend erfolgt der Lernabschnitt Lernen über KI.
Kompetenzen:
- Üben und vertiefen
- Reorganisieren von Fakten
- Wissenstransfer auf unbekannte Probleme
Lerninhalt:
- Gelernter Unterrichtsstoff durch Aufgaben reproduzieren
- Wissen durch bestimmte Aufgabenstellungen reorganisieren und transferieren.
Lernen über KI
Die Schülerinnen und Schüler erarbeiten sich mit Hilfe eines Informationsblattes, wie KI-Generatoren arbeiten. Sie erfahren, wie wichtig die Korrektur von KI-Ausgaben sind. Und sie erfahren, wie gutes Prompting geht.
Weiterführende Prompting-Strategien (vgl. Falck 2025) werden als Anhang zum Infoblatt ausgegeben.
Die Lehrkraft diskutiert nochmals die oben genannten Inhalte mit den Schülerinnen und Schülern im Plenum. Danach folgt der Lernabschnitt Lernen mit KI.
KI-bezogene Kompetenzvermittlung:
- KI verstehen
- KI reflektieren
- KI Bedienen
Lerninhalt:
- Berechnung der Wortwahrscheinlichkeiten von KI-Generatoren (Funktion von KI-Generatoren)
- Hidden-Layer und seine persönlichen Auswirkungen (Datenschutz bei der Arbeit mit KI)
- Korrektur durch Feedback bei KI-Generatoren
Lernen mit KI
Es folgt die Arbeit mit KI: Die Schülerinnen und Schüler bekommen folgenden Auftrag:
- Prompte die Überprüfung Deiner Lösung der Transferaufgaben. Prompte erst einmal so, wie Du es bisher immer getan hast.
- Notiere Dir die Promptausgabe.
- Danach Prompte, wie Du es in der Stunde gelernt hast (Anmerkung für die Leser des Artikels: Nach CARFT-Prompting-Framework vgl. Schulhof 2024)
- Notiere Dir erneut die Ausgabe und vergleiche beide Ausgaben miteinander:
- Gibt es Unterschiede in der Genauigkeit
- Gibt es Unterschiede im Kontext
- Gibt es ggf. fachlich falsche Ausgaben (Halluzination der KI)
- Unterscheiden sich die Ausgaben wesentlich voneinander?
- Reflektiere die unterschiedlichen Prompteingaben.
Nach diesem Mammutschritt im Unterrichtsgang reflektiert die Lehrkraft gemeinsam mit den Schülerinnen und Schülern die oben angeführten Fragen.
Danach folgt der Unterrichtsabschnitt “Lernen durch KI”.
KI-bezogene Kompetenzvermittlung:
- KI als Assistent nutzen
- KI verstehen
- KI Bedienen
- Überprüfung der eigenen Schülerleistung im Anforderungsbereich Transfer durch KI
- Vergleich von gutem mit besserem Prompting
- Details
- Geschrieben von: Marcus Kuntze
- Kategorie: Lehrerhandwerk
- Zugriffe: 402
Einsatz von KI im Chemieunterricht
In dieser Unterrichtseinheit erarbeiten sich die Schülerinnen und Schüler KI-unterstützt den Mechanismus der Veresterung nach den 5 Dimensionen des Einsatzes von KI im Unterricht.
Nach einer allgemeinen Einführung der Bedienung von KI (Lernen über KI) wird mit Hilfe des Prompts
Erkläre mir den Mechanismus der Estersynthese.
die KI nach der Erklärung der Estersynthese befragt. Danach wird der Prompt verbessert von der Lehrkraft vorgegeben. Es wird dann die Ausgabe der KI von den Schülerinnen und Schülern reflektiert (Lernen durch KI). Die Schülerinnen und Schüler lassen durch intelligentes selbstständiges Prompting den Estermechanismus vereinfacht darstellen (Lernen mit KI). Danach formulieren Sie selbstständig ohne der Hilfe von KI die Strukturformeln und Strukturformelgleichungen der Estersyntese eigenständig (Lernen ohne KI). Eine abschließende Historische Genese der Perfektionierung der großtechnischen Darstellung der Ester zeigt die Grenzen von KI auf (Lernen trotz KI).
Für dieses Arbeitsmaterial gibt es auch einen Canva-Vorlagelink - UMat KI-unterstützter Estermechanismus für die eigene Anpassung.
Alle Materialien sind natürlich wieder für alle unter der CC BY 4.0 Lizenz verfügbar, herunterladbar und verwendbar.
weitere Interessante Artikel
- KI im Biologiekurs - ein Beispiel zur Implementierung von KI in der Oberstufe
- Brückenbau optimieren - KI im NwT-Unterricht
Literatur
- Brinda et al. (2016). Dagstuhl-Erklärung: Bildung in der digital vernetzten Welt. Internet: https://dagstuhl.gi.de/dagstuhl-erklaerung. Abruf 13.01.2025
- Falck, J (2023). Künstliche Intelligenz in der Schule. Internet: https://joschafalck.de/ki-in-der-schule/. Abruf am 10.01.2025
- Details
- Geschrieben von: Marcus Kuntze
- Kategorie: Lehrerhandwerk
- Zugriffe: 473
KI kann auch Einzug in die Oberstufenbiologie erhalten. Dafür soll dieser Artikel Beispielmaterial liefern, welches gerne unter CC BY 4.0 weiterverwendet werden darf.
Kurzzusammenfassung
Das Unterrichtsmaterial beschäftigt sich mit der Genaktivierung vor allem durch DNA-Methylierung und Transkriptionsfaktoren. Mit diesem Material lernen die Schülerinnen und Schüler wie Deeper Learning bei KI-Generatoren funktioniert, welche Konsequenzen man daraus zu ziehen hat und erlernen richtiges prompten. Durch Quellenvergleiche reflektieren sie die Ausgabe der KI. Persönliche Verständnisschwierigkeiten über das Thema werden persönlich durch richtiges Prompting geklärt (Lernen mit KI vgl. Falck 2023). Ein Highlight am Schluss ist das realistische KI-generierte Interview mit einem Heidelberger Molekularbiologen.
Unterrichtsgang
Am Anfang bekommen die Schülerinnen und Schüler ein fächerübergreifendes Informationsblatt, welches die Funktionsweise von Deeper Learning von KI-Generatoren beleuchtet. Dieses AB leitet auch persönliche Konsequenzen bei der Arbeit mit KI ab (Datensparsamkeit, anonyme Dateneingabe). Danach wird richtiges Prompting erklärt. Dieses erste Informationsblatt sollten die Schülerinnen und Schüler vor der Bearbeitung des zweiten Arbeitsblattes durcharbeiten. Das Arbeitsblatt kann auch als Canva-Vorlage für die eigene Modifizierung bearbeitet werden.
Das zweites Arbeitsblatt - Genaktivierung beschäftigt sich mit der Genaktivierung speziell durch DNA-Methylierung und Transkriptionsfaktoren. Hierbei dient der KI-Assistent (in diesem Beispiel mistral.ai) als Rechercheassistent. Die Schülerinnen und Schüler haben jedoch den weiteren Auftrag, die KI-Ergebnisse mit Quellenvergleichen zu verifizieren. Gleichzeitig können durch ein gutes Prompting Verständnisschwierigkeiten zum Thema von den Schülerinnen und Schülern mit Hife des KI-Generatoren ausgemerzt werden.
Am Schluss dieses AB steht die Reflexion der KI-Ergebnisse und als besonderes Highlight das KI-unterstützte Interview mit einem Heidelberger Molekularwissenschaftler.
Auch für dieses Material steht eine Canva-Vorlage für die Eigenmodifikation zur Verfügung.
Durch das Lernsetting lernen die Schülerinnen und Schüler, KI richtig zu bedienen, die Ergebnisse der KI richtig zu interpretieren und erleben eine faszinierende Möglichkeit, Interviews zu simulieren. Dabei werden ebenfalls Selbstkompetenzen (Aufmerksames Lesen, Interview entwerfen, ...) geschult und vertieft.
weitere Interessante Artikel
Quellen
- Brinda et al. (2016). Dagstuhl-Erklärung: Bildung in der digital vernetzten Welt. Internet: https://dagstuhl.gi.de/dagstuhl-erklaerung. Abruf 13.01.2025
- Falck, J (2023). Künstliche Intelligenz in der Schule. Internet: https://joschafalck.de/ki-in-der-schule/. Abruf am 10.01.2025
- Details
- Geschrieben von: Marcus Kuntze
- Kategorie: Lehrerhandwerk
- Zugriffe: 398
Die Allgegenwärtigkeit von KI für unsere Schülerinnen und Schüler benötigt neue Unterrichts- und Lernstandserhebungsmethoden.
Ich stelle in diesem Artikel eine Unterrichtssequenz vor, die versucht, die fünf Dimensionen von Lernen und KI (vgl. Falck 2021) in Sequenz zu vereinen.
Mit den einzelnen Abschnitten werden auch die Unterrichtsmaterialien in Form eines Akkordeons zur Verfügung gestellt. Die Materialien können unter der cc-Lizenz cc by 4.0 verwendet werden.
Lernen ohne KI
Wie in jedem projektorientierten Unterricht in NwT beginnt auch diese Einheit mit der Qualifizierungsphase der Schülerinnen und Schüler. Ich wählte folgende Methodik:
- Film zum Einstieg: Ich wählte den Brückenfilm auf Sesam (sesam.lmz-bw.de) mit den zugehörigen Arbeitsblättern. Es kann hierbei jeder beliebige Film zum Einstieg genutzt werden. Die Schülerinnen und Schüler mussten während des Filmes die Arbeitsblätter ausfüllen. Diese wurden nach Ende des Films im Lehrer-Schüler-Gespräch gesichert.
- weitere Qualifizierung und Vertiefung in zwei Readern: Die Schülerinnen und Schüler haben von mir zwei Reader bekommen, die Grundlagen der Statik vermittelten. Diese haben Sie durchgearbeitet und mit mir am Schluss diskutiert.
Diese Qualifizierungsphase war völlig ohne KI-Einsatz. Alle Fragen und Aufgaben konnten mit Hilfe des Inhaltes im Film und auf den Readern gelöst werden.
Qualifizierungsphase - Lernen ohne KI
Die Reader I und II für die Qualifizierung völlig ohne KI können im Downloadbereich heruntergeladen werden. Sie sind in diesem Akkordeon einzeln verlinkt.
Wie funktionieren KI-Chat-Bots war die nächste Aufgabe - Lernen über KI
In diesem Lernabschnitt wurde mit Hilfe einer Moodle-Textseite die Funktion von LargeLanguageModels (LLMS) von den Schüerinnen und Schüern erarbeitet. Das große darüberstehende Lernziel war, die Schwächen eines KI-ChatBots zu verstehen und zu reflektieren. Die Textseite ist im Akkordeon nachlesbar, die passenden Arbeitsblätter werden in dieses Akkordeon ebenfalls eingefügt.
Funktionsweise eines LargeLanguageModels - Lernen über KI>
LLM-Models (Funktion einer KI)
In dieser Lerneinheit lernst Du mit KI (für den persönlichen und schulischen Nutzen) zu arbeiten.
Diese Seite gibt Dir Einblick, wie die Technologie hinter KI (Large Language Model) funktioniert.
Wie genau funktioniert ein Large Language Model?
Architektur und Training
Die obere Grafik verdeuticht nochmals die Struktur, wie LLMs aufgebaut sind.
Large Language Models (LLMs) funktionieren durch komplexe statistische Berechnungen und maschinelles Lernen, um natürliche Sprache zu verarbeiten und zu generieren. Hier sind die Hauptaspekte ihrer Funktionsweise:
LLMs basieren auf neuronalen Netzwerken mit Transformer-Architektur. Sie werden in mehreren Schritten trainiert:
- Unüberwachtes Lernen: Das Modell wird mit unstrukturierten Daten trainiert, um Beziehungen zwischen Wörtern und Konzepten herzustellen.
- Überwachtes Lernen: Das Modell wird mit strukturierten Daten und Prompts (=Befehle an die KI im Chat gestellt) trainiert, um Konzepte genauer zu identifizieren.
- Reinforcement Learning: Fehlerhafte Datensätze werden identifiziert und korrigiert.
Die Trainingsprozesse sind in der Grafik Trainingsprozess von LLMs nochmals übersichtlich dargestellt.
Verarbeitung und Generierung
Bei der Textverarbeitung wandelt das LLM die Eingabe in Token um und führt mathematische Berechnungen durch, um Beziehungen zwischen den Token zu ermitteln. Der Selbstaufmerksamkeitsmechanismus ermöglicht es dem Modell, den gesamten Kontext eines Satzes zu berücksichtigen.
LLMs arbeiten mit Wahrscheinlichkeiten, indem sie Wort für Wort die wahrscheinlichste Fortsetzung eines Textes ermitteln. Sie nutzen dabei Millionen oder Milliarden von Parametern, die als eine Art "Erinnerung" fungieren.
Komponenten
Ein LLM besteht aus mehreren Schichten:
- Wiederkehrende Ebene: Interpretiert Wörter in Reihenfolge
- Einbettungsebene: Erfasst semantische und syntaktische Bedeutung
- Feedforward-Ebene: Transformiert Eingabeeinbettungen
- Aufmerksamkeitsebene: Fokussiert auf relevante Informationen
Quellen
- Maier, F.; Mearian, L. (2024). Large Language Models erklärt: Was sind LLMs?. Artikel in Computerwoche online. Internet.https://www.computerwoche.de/article/2823883/was-sind-llms.html. Abruf: 04.12.2024
- Wuttke, L. (2023). Large Language Model: Einblicke in die wichtigsten Konzepte und Beispiele. Internet. https://datasolut.com/was-ist-ein-large-language-model/. Abruf: 04.12.2024
- Safar, M. (2024). Large Language Models - Grundlagen KI-getriebener Kommunikation. Internet. https://weissenberg-group.de/was-ist-ein-large-language-model/. Abrum: 04.12.2024
- buzwoo.de (2024). Wie funktionieren Large Language Models? Die Grundlagen erklärt. Internet. https://www.buzzwoo.de/blog/wie-funktionieren-large-language-models-die-grundlagen-erklaert. Abruf: 04.12.2024
- Weil, S. (2024). Large Language Model. Internet. https://de.wikipedia.org/wiki/Large_Language_Model. Abruf: 04.12.2024
- Siebert, J.; Kelbert, P. (2024). Wie funktionieren LLMs? Ein Blick ins Innere großer Sprachmodelle. Internet. https://www.iese.fraunhofer.de/blog/wie-funktionieren-llms/. Abruf: 04.12.2024
Optimierung der Brückenbaukonstruktion - Lernen durch KI und Lernen trotz KI
Die Schülerinnen und Schüler haben nun bis jetzt folgendes gelernt:
- Lernen ohne KI - Qualifizierung für Statik
- Lernen über KI - Ein Exkurs brachte den Schülerinnen und Schülern bei, wie ChatBots funktionieren und haben eine höhere Sensibilisierung für die Arbeit mit KI gebracht. Eine realistische Einschätzung des Nutzens von KI im Schulkontext sollte nun von den Schülerinnen und Schülern geleistet werden.
Im diesem Lernabschnitt lernen die Schülerinnen und Schüler mit KI.
Die Schülerinnen und Schüler sollten nun ihre ohne KI entwickelte Brückenbaukonstruktion der KI selbst sehr gut beschreiben und über einen Prompt die Optimierung der Brücke auf folgende Kriterien durchführen:
- 40 cm sollten überspannt werden
- 10 kg muss sie tragen
- archetektonisch sollte sie anspruchsvoll sein (Das bloße Aneinanderreihen von Schaschlikspießen ist nicht erlaubt)
Im Bruchtest wird der Quotient aus der absoluten Traglast der Brücke und dem Eigengewicht der Brücke gerechnet. Der größere Quotient gewinnt.
Die Brückenkonstruktion vor und die Konstruktion nach der KI-Optimierung mussten technisch im Maßstab von 1:4 gezeichnet und über eine Moodleaufgabe zur Bewertung hochgeladen werden.
Im Akkordeon finden sich wieder die Arbeitsblätter zum Download.
Optimierung der Brückenkonstruktion - Lernen durch und trotz KI
Das AB, mit der die Optimierung der Brücke durchgeführt wird ist hier zum Download verlinkt.
weitere interessante Artikel
- KI als Assistenz - chemische Mechansimen
- KI im Biologiekurs - ein Beispiel zur Implementierung von KI in der Oberstufe
Quellen
- Brinda et al. (2016). Dagstuhl-Erklärung: Bildung in der digital vernetzten Welt. Internet: https://dagstuhl.gi.de/dagstuhl-erklaerung. Abruf 13.01.2025
- Falck, J. (2021). Künstliche Intelligenz in der Schule. Reflexionen zwischen Faszination und Überforderung. Internet. https://joschafalck.de/ki-in-der-schule/. Abruf am 13.12.2024.
- Details
- Geschrieben von: Marcus Kuntze
- Kategorie: Lehrerhandwerk
- Zugriffe: 522
#AIDA-Prinzip #AIDA-Methode #Elmo_Lewis #Unterrichtsmethode #Mikromethode #Präsentation
Ein bisschen Historie
Das AIDA-Prinzip wurde vom Geschäftsmann Elmo Lewis in den 1898 zur Strukturierung der Entwicklung von klassischer Werbung entwickelt. Wie lässt sich dieses Prinzip jedoch auf Lernen anwenden?
AIDA in der Lehre
Der Aufbau von Kurzpräsentationen (sog. Elevator-Pitches) sollte nach dem AIDA-Prinzip gestaltet werden.
Die Fokussierung der Pitches auf das Wesentliche hat Vorteile für den Präsentierenden und das Auditorium (die Zielgruppe)
Vorteile für den Präsentierenden
Die Kürze bedingt das zentrale Thema, die zentrale Aufgabe auf den Punkt zu bringen. Dies setzt Verdichtung der Informationen voraus. Diese Verdichtung ihrerseits stößt Lernbehaltensprozesse bei den präsentierenden Schülerinnen und Schülern an.
Außerdem lässt die Anwendung des AIDA-Prinzips das vorgestellte Thema dem Auditorium persönlich wichtig werden.
Vorteile für das Auditorium (die Zielgruppe)
Die Kürze der Kurzpräsentation bedingt, dass die Zuhörenden länger "bei der Stange bleiben". Sie nehmen durch die Verdichtung auch nur die wichtigsten Fakten, Antworten, Lösungsansätze der Präsentierenden auf. Von der Hirnforschung ist bekannt, das kurze Wortcluster sich besser im Gehirn verankern als lange. Somit lernt der Zuhörende schon während des Pitches.
Die Anwendung des AIDA-Prinzips lässt die vorgestellte Sache dem einzelnen Mitgliedern des Auditoriums wichtig werden, wenn ich das Prinzip richtig anwende.
Weitere Möglichkeiten der AIDA-Verwendung (ohne näher auszuführen)
- Plakatgestaltungen
- Präsentationsgestaltung
- Erklärvideos produzieren
- Handouts gestalten
- uvm.
Kritik an AIDA
AIDA wurde wie schon eingangs erwähnt für klassische Werbung konzipiert. Klassische Werbung damals war statisch. Heutzutage werden viele Vorgänge dynamisch gestaltet (vgl. Scrum-Methode im Projektmanagement).
Statische Anlage einer Strategie ist somit in unserer jetzigen Welt nicht mehr so angesagt. Daraufhin wurde das AIDA-Prinzip angepasst. Die Anpassungen lassen sich in der angeführten Literatur nachlesen.
ähnliche oder weiterführende Artikel
Literatur
Langhart, N. (2023). Das AIDA-Prinzip einfach und verständlich erklärt. Internet https://marketing.ch/wissenswertes/die-aida-formel-das-aida-prinzip-einfach-und-verstaendlich-erklaert/. Abruf: 31.05.2024
