Universität Wien

490028 SE Seminar on Designing Inclusive Educational Processes (2024W)

Mit Künstlicher Intelligenz inklusive Bildung gestalten

4.00 ECTS (2.00 SWS), SPL 49 - Lehrer*innenbildung
Continuous assessment of course work
Moodle
Sa 23.11. 10:00-18:00 Seminarraum 4 341 Porzellangasse 4 3.OG

Registration/Deregistration

Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).

Details

max. 25 participants
Language: German

Lecturers

Classes (iCal) - next class is marked with N

Bitte bedenken Sie, dass die endgültige Bestätigung der Aufnahme in die Lehrveranstaltung erst mit dem ersten LV-Termin stattfindet und es daher notwendig ist, hier pünktlich anwesend zu sein.

  • Saturday 19.10. 10:00 - 18:00 Seminarraum 4 341 Porzellangasse 4 3.OG
  • Saturday 11.01. 10:00 - 18:00 Seminarraum 4 341 Porzellangasse 4 3.OG

Information

Aims, contents and method of the course

***** Hintergrund *******
Künstliche Intelligenz (KI) wird aktuell viel diskutiert. Es ist davon auszugehen, dass KI den Schulalltag beeinflussen wird. Sei es, dass durch Lernplattformen gesammelte Daten automatisiert ausgewertet und dadurch etwaige Interventionen eingeleitet werden oder dass verfügbare Tools für die Aufbereitung von Inhalten genutzt werden oder … Das Feld ist dynamisch und wachsend, die Möglichkeiten sind groß, aber dennoch gibt es Grenzen und Herausforderungen. So kann der Einsatz von KI auch zu gebiasten Ergebnissen und Diskriminierung führen. Gleichzeitig besteht die Chance, dass der Einsatz von KI bzw. KI unterstützten Anwendungen individualisierter und inklusiver Unterricht erleichtert.

***** Inhalt *******

Im Seminar „Wie lässt sich Künstliche Intelligenz (nicht) für inklusive Bildung nutzen?“ erkunden Student*innen unter Anleitung der Lehrveranstaltungsleiterin (LV-Leiterin) den Zusammenhang zwischen KI und inklusiver Bildung. Aufbauend auf theoretischen Inputs (durch Texte und Kurzvorträge) zu inklusiver Bildung und KI untersuchen Student*innen in Arbeitsgruppen ausgewählte, für die Unterrichtsgestaltung einsetzbare KI-Anwendungen. Dabei wird anhand des DORIT Models (Dindler u. a. 2023) hinterfragt wofür und für wen das jeweilige System entwickelt wurde, um dann darauf aufbauend auszuarbeiten, wie die ausgewählte KI in der inklusiven Unterrichtsgestaltung nutzbargemacht werden kann – oder auch nicht. Hierbei wird auf Ressourcen des Computational Empowerment Labs (http://ce-lab.univie.ac.at/) zurückgegriffen.

******Ziele********
Nach erfolgreichem Absolvieren des Seminars …
… verstehen Student*innen besser die Möglichkeiten und Grenzen von KI für die inklusive Unterrichtsgestaltung.
… haben Werkzeuge in der Hand um künftige/andere KI-nutzende Anwendungen auf ihre Tauglichkeit für die inklusive Unterrichtsgestaltung prüfen zu können.
… haben ein besseres Verständnis für das Zusammenspiel von Bildungsungleichheiten und Bildungstechnologien sowie Strategien wie sie mögliche negative Auswirkungen erkennen und verhindern könne.
… haben ihr Wissen und Ihre Komptenzen zur inklusiven Unterrichtsgestaltung ausgebaut.

*******Methoden*********
- Literaturarbeit
- Analyse von bestehenden/verwendeten KI-Anwendungen (bspw. Lernplattformen, generativen KIs, …)
- Dokumentation des Lernprozesses und der Analyse-Ergebnisse
- Aufbereitung der Ergebnisse in einen kurzen Bericht bzw. Handreichung für die Nutzung der untersuchten Technologie
- Einzelreflexionen
- Peer-Feedback

Assessment and permitted materials

********Art der Leistungskontrolle*************
- Aktive Mitarbeit während dem Seminar (Anwesenheitspflicht)
- Aufbereitung von wissenschaftlicher Literatur im Moodle-Wiki (Gruppenarbeit)
- Kontinuierliche Dokumentation (Gruppenarbeit) und Reflexion (Einzelarbeit) Lernprozesses
- Präsentation und Diskussion der Analyse-Ergebnisse (Gruppenarbeit)
- Aufbereitung der Ergebnisse und Dokumentation dieser Ergebnisse im CE-Lab Wiki (http://ce-lab.univie.ac.at/; Freigabe ist freiwillig ) (Gruppenarbeit)
- Peer-Feedback zu den anderen Arbeitsgruppen (Einzelarbeit).

**********Hinweise zur Nutzung von KI im Seminar**********
Da KI Thema des Seminars sind, dürfen KI-unterstützte Anwendungen selbstverständlich auch genutzt werden. Allerdings darf der Output von KI nicht als Eigenleistung ausgegeben werden und es muss klar gekennzeichnet werden wofür die jeweilige KI verwendet wurde. Es muss ersichtlich sein, dass eine kritische Bearbeitung /Auseinandersetzung seitens der Student:innen stattgefunden hat.

Genaueres wird in der ersten Einheit besprochen.

Minimum requirements and assessment criteria

Seminar ist in deutscher Sprache, Texte/Literatur ist größtenteils in englischer Sprache.

Anwesenheit (mindestens 80%) mit aktiver, kontinuierliche Mitarbeit und Dokumentation / Reflexion der Einheiten, termingerechte Abgaben der Teilleistungen und Dokumentation, des Peer-Feebacks sowie der Reflexionsprotokolle.

Die einzelnen Leistungspunkte werden zusammengezählt und ergeben die Gesamtnote:

- Gruppenarbeit (Dokumentation des Prozesses, Wiki-Beiträge, Gestaltung eines Leitfadens): 40 Punkte

- Reflexionsprotokoll (Einzelleistung): 30 Punkte
- Peer-Feedback (Einzelleistung): 30 Punkte

Genauere Informationen zu den einzelnen Leistungskriterien werden in der ersten Einheit präsentiert.

Die Summe aller Einzelleistungen macht die Gesamtnote aus.
Sehr Gut: 89 - 100 Punkte
Gut: 76 - 88 Punkte
Befriedigend: 63 - 75 Punkte
Genügend: 50 - 62 Punkte
Nicht genügend: weniger als 50 Punkte

Examination topics

Da es sich um eine prüfungsimmanente Lehrveranstaltung handelt, setzt sich die Gesamtnote aus unterschiedlichen Teilleistungen zusammen. Grundlage dieser Teilleistungen ist die zur Verfügung gestellte bzw. selbst gewählte, wissenschaftliche Literatur. Alle im Seminar zur Verfügung gestellten und von den Student*innen nach Rücksprache mit der LV-Leiterin eingebrachten Materialien dürfen verwendet werden. Die LV-Leiterin stellt Leitfragen für die Ausarbeitung der Teilleistungen zur Verfügung. Genaueres wird in der ersten Einheit besprochen.

Reading list

Grundlagen Texte:
Biewer, Gottfried, Michelle Proyer und Gertraud Kremsner. 2019. Inklusive Schule und Vielfalt. 1. Auflage. Inklusive Schule Band 1. Stuttgart: Verlag W.Kohlhammer.

De Florio-Hansen, Inez. 2020. Digitalisierung, Künstliche Intelligenz und Robotik: Eine Einführung für Schule und Unterricht. 1. Aufl. Stuttgart, Deutschland: utb GmbH. doi:10.36198/9783838554297.

Dindler, Christian, Ole Sejer Iversen, Mikkel Hjorth, Rachel Charlotte Smith und Hannah Djurssø Nielsen. 2023. DORIT: An analytical model for computational empowerment in K-9 education. International Journal of Child-Computer Interaction 37 (September): 100599. doi: 10.1016/j.ijcci.2023.100599.

Gillani, Nabeel, Rebecca Eynon, Catherine Chiabaut und Kelsey Finkel. 2023. Unpacking the “Black Box” of AI in Education. https://www-jstor-org.uaccess.univie.ac.at/stable/48707970

Resch, Katharina, Katharina-Theresa Lindner, Bettina Streese, Michelle Proyer und Susanne Schwab, Hrsg. 2021. Inklusive Schule und Schulentwicklung: theoretische Grundlagen, empirische Befunde und Praxisbeispiele aus Deutschland, Österreich und der Schweiz. Beiträge zur Bildungsforschung Band 8. Münster New York: Waxmann.

Rietz, Christian und Elke Völmicke. 2020. Künstliche Intelligenz und das deutsche Schulsystem: Warum es das Wissen um die Algorithmen braucht. In: Digitalpakt – was nun?, hg. von Anabel Ternès Von Hattburg und Matthias Schäfer, 89–96. Wiesbaden: Springer Fachmedien Wiesbaden. doi:10.1007/978-3-658-25530-5_10.

Schirmer, Katja, Martin Berger, Klaus Himpsl-Gutermann, Setara-Anna Lorenz und Michael Steiner. 2023. Künstliche Intelligenz im Unterricht. Medienimpulse (21. Juni): 40 Seiten Seiten. doi:10.21243/MI-02-23-07, .

Weitere Literatur wird im Rahmen des Seminars zur Verfügung gestellt.

Association in the course directory

Last modified: Tu 01.10.2024 13:07