ChatGPT und Co. – der Versuch eines Blickes unter die Haube

Wenn man in sozia­len Netz­wer­ken über Sprach­mo­del­le wie GPT‑3 liest, blei­ben genau wie in den Feuil­le­tons die meis­ten Ana­ly­sen und Bewer­tun­gen auf der phä­no­me­no­lo­gi­schen Ebe­ne stehen:

  • Was kann ich im Unter­richt damit machen?
  • Was muss ich tun, damit ein Feh­ler in der Aus­ga­be auftritt?
  • Wel­chen Ein­fluss wer­den Sprach­mo­del­le auf die Schu­le der Zukunft haben?
  • War­um soll­ten Sprach­mo­del­le in der Schu­le nicht ver­bo­ten werden?
  • […]

Eine Analogie

Wenn ich mit Schul­klas­sen das ers­te Mal mit Indi­ka­to­ren im Che­mie­un­ter­richt expe­ri­men­tie­re, kommt es für vie­le zunächst nicht dar­auf an, war­um ein Indi­ka­tor eine bestimm­te Far­be hat, son­dern eher dar­auf, wie sich mög­lichst vie­le unter­schied­li­che Far­ben durch wahl­lo­ses Zusam­men­kip­pen erzeu­gen las­sen. Ich könn­te dabei in Aner­ken­nung der indi­vi­du­el­len Neu­gier Fra­gen stel­len, die auf einem ähn­li­chen phä­no­me­no­lo­gi­schen Level wie die sozia­len Medi­en zur Sprach­mo­del­len dis­ku­tier­ten Fra­gen operieren.

  • Durch wel­chen Men­gen­ver­hält­nis­se bekom­me ich wel­che Far­be hin?
  • Wie kann ich die­se Far­ben außer­halb des Labors nutzen?
  • Wel­chen Ein­fluss hat das neue Farb­spek­trum auf die Ent­wick­lung neu­er Wandfarben?
  • Stellt die­se Neu­ent­wick­lung nicht grund­le­gen­de Ver­fah­ren der Farb­her­stel­lung und des ästhe­ti­schen Emp­fin­dens in Frage?

Die­se Fra­gen sind berech­tigt. Aber eigent­lich sind die Indi­ka­to­ren z.B. ein Mit­tel, um sich gene­rel­len Stoff­ei­gen­schaf­ten (sau­er / alka­lisch) auf einer phä­no­me­no­lo­gi­schen Ebe­ne anzu­nä­hern, Gesetz­mä­ßig­kei­ten zu ent­de­cken und dar­aus wei­te­re all­ge­mei­ne Aus­sa­gen abzu­lei­ten. Nie­mand käme hier auf die (didak­ti­sche) Idee, hier auf der Ebe­ne der Phä­no­me­ne ste­hen­zu­blei­ben oder Men­schen auf Basis der blo­ßen Beob­ach­tung die­ser Phä­no­me­ne etwas „ver­mit­teln“ zu wollen.

Was ich selbst über Sprachmodelle weiß

Sprach­mo­del­le erle­be ich zur­zeit selbst auf einer phä­no­me­no­lo­gi­schen Ebe­ne. Ich expe­ri­men­tie­re mit Ein­ga­ben und unter­schied­li­chen Para­me­tern her­um. Ich weiß den­noch eini­ges über IT-Sys­te­me, was mir ein wenig hilft, die Leis­tun­gen von Sprach­mo­del­len ein­zu­ord­nen. Ich möch­te für mich durch die­sen Text eher ein­gren­zen, was ich eigent­lich noch nicht weiß, um dar­aus dann Fra­gen zu ent­wi­ckeln, die etwas weg von den Phä­no­me­nen füh­ren. Ich nut­ze dazu Kennt­nis­se, die ich im Rah­men mei­nes Infor­ma­tik­stu­di­ums auf Lehr­amt anders hineinvernetzte.

Ein Sprachmodell braucht eine Grammatik

Eine sehr simp­le Metho­de zur Beschrei­bung einer Gram­ma­tik ist die Erwei­ter­te Backus-Naur-Form (ENBF). Selbst die genaue gram­ma­ti­sche Defi­ni­ti­on einer Zahl ist schon gar nicht so einfach.

Ken­nen“ muss ein Mensch oder IT-Sys­tem dazu zunächst die in einer Spra­che ver­wen­de­ten Sym­bo­le (Ter­mi­na­le), wir ver­wen­den in Deutsch­land die Zei­chen 0–9 zur Dar­stel­lung von Zah­len, das sind also unse­re Terminale.

ZifferAusserNull = "1" | "2" | "3" | "4" | "5" | "6" | "7" | "8" | "9";
Ziffer           = "0" | ZifferAusserNull

Damit haben wir defi­niert, wel­che Sym­bo­le unse­re Spra­che zur Dar­stel­lung von Zah­len ver­wen­det. Das „|“-Zei­chen ist als „oder“ zu lesen. Die­se Defi­ni­tio­nen kön­nen wir für alle wei­te­ren als Platz­hal­ter ver­wen­den. Damit kön­nen wir jetzt eine natür­li­che Zahl definieren:

NatuerlicheZahl   = ZifferAusserNull, { Ziffer };
NegativeGanzeZahl = "-", NatuerlicheZahl;

Der Aus­druck in geschweif­ten Klam­mern kann belie­big oft oder gar nicht vor­kom­men. Jetzt kann unse­re „KI“ auf Basis die­ser Gram­ma­tik gan­ze Zah­len mit Vor­zei­chen, aber kei­ne Null erkennen.

Das geht aber mit die­ser Definition:

Zahl = ([ "-" ], ZifferAusserNull, { Ziffer }) | "0" ;

Eine Zahl besteht aus einem optio­na­len Minus­zei­chen, gefolgt von einer Zif­fer außer Null, gefolgt von belie­big vie­len wei­te­ren Zif­fern (auch kei­ner wei­te­ren Zif­fer). Oder: Eine Zahl besteht aus dem Zei­chen Null.

Bei Wor­ten wird es schon schwieriger.

Wort = [A-Z], {a-z}

Ein Wort besteht aus min­des­tens zwei Sym­bo­len aus dem Zei­chen­vor­rat a‑z, wobei am Anfang auch der Sym­bol­vor­rat {A‑Z} ste­hen kann.

Dum­mer­wei­se erfüllt jedes Fan­ta­sie­wort belie­bi­ger Län­ge genau die­se Bedin­gung. An eine Defi­ni­ti­on von „Satz“ mag ich da gar nicht erst den­ken. Aber jedes Sprach­mo­dell muss in einem ers­ten Schritt die Ein­ga­be auf Basis von vor­ge­be­nen Regeln ana­ly­sie­ren, bevor es intern wei­ter­ar­bei­ten kann.

Es wird aber auch schon jetzt klar, dass nicht gram­ma­tik­kon­for­me Eingaben

  1. erkannt
  2. auf Feh­ler ana­ly­siert sind

Damit kön­nen ins­be­son­de­re Recht­schreib­feh­ler recht ein­fach kor­ri­giert wer­den, indem auf Basis von z.B. Wahr­schein­lich­kei­ten ein gram­ma­ti­kon­for­mer Ersatz gesucht wird.

Ein Sprachmodell braucht eine Semantik

Bei uns im Hand­ball wird eine Soft­ware für Spiel­pro­to­kol­le ein­ge­setzt. Die Ein­ga­ben macht ein spe­zi­ell geschul­ter Mensch (z.B. ich), der „Sekre­tär“ genannt wird. Ein sol­ches Spiel­pro­to­koll sieht tech­nisch etwa so aus:

00:59   TOR     HEIM   01   1:0
01:02   GELB    GAST   89
08:36   ZEIT    GAST   89
08:45   TOR 7M  HEIM   04   2:0

Das ers­te Tor fiel für die Heim­mann­schaft nach 59s nach einem Foul des geg­ne­ri­schen Spie­lers mit der Num­mer 89. Es dau­er­te lan­ge 7:34 Minu­ten, bis der nächs­te Tref­fer per 7m nach einem mit Zeit­stra­fe geahn­de­tem Foul dem Spie­ler mit der Num­mer 4 gelang.“

Mit dem Kon­text „Hand­ball­spiel“ kann eigent­lich auch jeder, der in der Hal­le nicht anwe­send war, auf die­ser Basis einen kor­rek­ten Spiel­be­richt ver­fas­sen. Aus Meta­da­ten wie der Zeit las­sen sich auf Basis von Wahr­schein­lich­kei­ten wei­te­re Aus­sa­gen ergän­zen, z.B. sind tor­lo­se sie­ben Minu­ten im Hand­ball schon recht unge­wöhn­lich und es kom­men dafür nur weni­ge Ursa­chen in Betracht. Die Text­sor­te „Bericht“ gibt gram­ma­tisch die zu ver­wen­den­de Zeit­form vor, die mög­li­chen Ver­ben in einem Sport­be­richt sind zudem begrenzt.

Ich glau­be, dass man sich gut vor­stel­len kann, wie sich das Ver­fas­sen von Spiel­be­rich­ten ver­gleichs­wei­se ein­fach mit einem IT-Sys­tem umset­zen lässt, wenn es Regeln zur Umset­zung der Daten in eine Gram­ma­tik gibt. Der resul­tie­ren­de Text wirkt erst ein­mal authen­tisch, wenn er unse­re Erwar­tun­gen an einen Sport­be­richt erfüllt. Das tut er wie­der­um, wenn bestimm­te For­mu­lie­run­gen und Wort­grup­pen ent­hal­ten sind.

Ein Sprachmodell braucht Varianz

Mit einer Gram­ma­tik, ein per Daten und Kon­text las­sen sich schon Tex­te schrei­ben, aber nach ein paar Wochen im Sport­teil wür­de uns dann doch die Lust beim Lesen ver­ge­hen. Ähn­li­che Ein­ga­ben wür­den immer wie­der glei­che For­mu­lie­run­gen her­vor­brin­gen. Als „krea­tiv“ emp­fän­den wir Tex­te, die immer wie­der neue For­mu­lie­rungs­ideen ent­hal­ten wür­den. Die­se könn­te man auch hän­disch in unser bis­he­ri­ges Sprach­mo­dell kip­pen, aber schö­ner wäre es ja schon, wenn das auch auto­ma­ti­siert gin­ge. Und da kom­men neu­ro­na­le Net­ze ins Spiel. Die Funk­ti­ons­wei­se lässt sich am bes­ten mit einer star­ken Ver­ein­fa­chung erklären.

Dazu eine Geschich­te: Es gab eine Zeit, in der in Super­märk­ten Waa­gen zum Selbst­wie­gen stan­den. Da muss­te man eine Tas­te mit z.B. einem Sym­bol  oder einer Num­mer für die auf­ge­leg­te Ware drü­cken und es kam ein Bon zum Auf­kle­ben für die Kas­se her­aus. Es gab auch schon ers­te Waa­gen, die das auf­ge­leg­te Obst oder Gemü­se bereits optisch erken­nen konn­ten, aber trotz­dem noch Tas­ten hat­ten, die auch gedrückt wer­den mussten.

Das IT-Sys­tem hät­te dabei z.B. aus die­sen Kom­po­nen­ten bestehen können:

Eine Ein­ga­be­schicht:

  • Eine Kame­ra, die ein hoch­auf­lö­sen­des Bild von der auf­ge­leg­ten Ware macht.
  • Ein Gewichts­sen­sor, der das Gewicht digi­tal ermittelt.
  • Eine Tas­te, die die Kun­den­ein­ga­be weiterleitet.

Eine Ver­ar­bei­tungs­schicht:

  • Ein Algo­rith­mus, der aus dem Bild die Län­ge der auf­ge­leg­ten Ware ermit­telt („Neu­ron 1“).
  • Ein Algo­rith­mus, der aus dem Bild die Brei­te der auf­ge­leg­ten Ware ermit­telt („Neu­ron 2“).
  • Ein Algo­rith­mus, der die Bild­punk­te der domi­nie­ren­den Far­be der Ware zählt („Neu­ron 3“).
  • Ein Algo­rith­mus, der das Gewicht ins Ver­hält­nis zur Grö­ße setzt („Neu­ron 4“).
  • Ein Algo­rith­mus, der schaut, was der Kun­de gedrückt hat („Neu­ron 5“)

Eine Aus­ga­be­schicht:

  • Ein Algo­rith­mus, der auf Basis eines Schwell­wer­tes und einer Daten­bank einen Preis berech­net und einen Eti­ket­ten­dru­cker ansteuert.

 

Bei­spiel 1:

Neu­ron 1: 15cm

Neu­ron 2: 4cm

Neu­ron 3: Domi­nie­ren­de Far­be ist gelb.

Neu­ron 4: Das Gewicht ent­spricht etwa 70% des äqui­va­len­ten Volu­mens an Wasser

Neu­ron 5: Apfel

Der Kun­de hat mich ver­arscht, das ist eine Banane!“

Das Sys­tem gewich­tet sei­ne Mes­sun­gen hier höher als die Kundeneingabe.

 

Bei­spiel 2:

Neu­ron 1: 12cm

Neu­ron 2: 6cm

Neu­ron 3: grün

Neu­ron 4: Das Gewicht ent­spricht etwa 80% des äqui­va­len­ten Volu­mens an Wasser

Neu­ron 5: Avocado

Eigent­lich blöd, könn­te eine Limet­te oder eine Avo­ca­do sein. Ach, der Kun­de wird ja nicht das bil­li­ge­re Zeug gedrückt haben, also eher eine Avocado.“

 

Das Sys­tem gewich­tet die Kun­den­ein­ga­be in Ver­bin­dung mit einem Preis­ge­fü­ge hier hoch, um zu ent­schei­den, wel­chen Bon es druckt. Es „ent­schei­det“ auf Basis von Daten, wel­che Para­me­ter und Daten es wie gewich­tet und „merkt“ sich belie­big vie­le z.B. unein­deu­ti­ge Situa­tio­nen und wie sel­bi­ge auf­ge­löst wur­den. Danach „kann“ es auf Basis von Daten „ent­schei­den“, wel­chen Bon es z.B. bei einer „nicht stan­dard­kon­for­men Avo­ca­do“ druckt.

Man kann die­sen Pro­zess durch kor­rek­te mensch­li­che Ein­ga­ben beschleu­ni­gen und opti­mie­ren („Trai­ning“). Man kann – falls es einen ande­ren Rück­kopp­lungs­ka­nal gibt – die­se Sys­te­me sich auch selbst opti­mie­ren las­sen – bezo­gen auf Sprach­mo­del­le könn­te man als „Rück­mel­de­ka­nal“ schau­en, wel­che der gene­rier­ten Tex­te per Copy&Paste ver­wen­det wur­den oder wel­che Tex­te wie­der im Netz auftauchen.

Vari­anz „ent­steht“ bei unse­rer Geschich­te mit den Waa­gen durch unkla­re Situa­tio­nen. Im Fal­le von Sprach­mo­del­len kann Vari­anz durch spe­zi­el­le „Neu­ro­nen“ künst­lich erzeugt wer­den, die z.B. betrach­ten, wel­che Tex­te in einem Zeit­raum schon gene­riert wor­den sind und dann „Schwell­wer­te“ ande­rer Neu­ro­nen „ändert“.

Was ein Sprachmodell von einem Menschen unterscheidet

Ein Sprach­mo­dell erfüllt nur eine begrenz­te Auf­ga­ben­stel­lung ganz beson­ders gut: Aus Ein­ga­ben Tex­te erzeu­gen, die für einen mög­lichst gro­ßen Teil von Men­schen authen­tisch wirkt. Men­schen sind in ihren Mög­lich­kei­ten, krea­ti­ve Pro­duk­te zu erschaf­fen da nicht so arg begrenzt. Je mehr „Neu­ro­nen“ durch die Ein­ga­be „getrig­gert“ wer­den, des­to authen­ti­scher wird der Text sein. Daher ist es zumin­dest aus infor­ma­ti­scher Sicht eine Bin­se, wenn Rat­schlä­ge kom­men, ein Sprach­mo­dell mit mög­lichst umfas­sen­den Ein­ga­ben zu speisen.

Begrenzt sind Men­schen jedoch bei der Auf­nah­me von Daten. ChatGPT bricht momen­tan öfter ein­mal zusam­men, weil sehr vie­le Men­schen das Sys­tem gleich­zei­tig nut­zen. Es gibt zwar kei­ne bestä­tig­ten Zah­len, aber die Ein­heit „Mil­lio­nen Anfra­gen pro Sekun­de“ dürf­te als Basis zunächst nicht falsch sein. Mil­lio­nen Anfra­gen bedeu­ten aber auch Mil­lio­nen „Feed­back­ka­nä­le“ zum „Trai­ning“ des neu­ro­na­len Net­zes. Sprach­mo­del­le kön­nen viel mehr Infor­ma­ti­on bewäl­ti­gen als ein ein­zi­ger Mensch. Eigent­lich ist ein Sprach­mo­dell Borg. Wir neh­men die ent­ste­hen­den Tex­te als Pro­duk­te _eines_ Sys­tems wahr. Tech­nisch gese­hen sind es aber die Aus­ga­ben eines Kol­lek­tivs. Der ein­zel­ne Borg agiert ja nicht indi­vi­du­ell, son­dern ver­mit­telt der Figur, die mit ihm kom­mu­ni­ziert, ledig­lich den Anschein einer indi­vi­du­el­len Kom­mu­ni­ka­ti­on.  Wenn die­se Simu­la­ti­on hin­rei­chend gut ist, lässt sie sich für einen rele­van­ten Teil von Men­schen nicht mehr von „ech­ter“ Text­pro­duk­ti­on durch Men­schen unter­schei­den. Mehr braucht es eigent­lich nicht, um (wirt­schaft­lich) als Tech­no­lo­gie erfolg­reich zu sein.

Warum Sprachmodelle emotional wahrgenommen und diskutiert werden

Sprach­mo­del­le sind nüch­tern betrach­tet nicht­ma­te­ri­el­ler Code auf irgend­wel­chen elek­tro­ni­schen Schalt­krei­sen. Ihre Aus­ga­ben drin­gen aber erst­ma­lig leicht benutz­bar in einen Bereich vor, der für Gesell­schaf­ten prä­gend ist: Kom­mu­ni­ka­ti­on. Gesell­schaf­ten kon­sti­tu­ie­ren sich im Wesent­li­chen durch die Art, wie sie intern kom­mu­ni­zie­ren und über wel­che Leit­me­di­en sie das tun. Sprach­mo­del­le decken recht bru­tal auf, wel­che Tex­te einer Gesell­schaft so ein­fach gestrickt sind, dass sie sich mühe­los durch Aus­ga­ben eines IT-Sys­tems erset­zen las­sen. Und das sind zum ganz wesent­li­chen Teil Gebrauchs­tex­te, aber auch Tex­te von Men­schen, die das Schrei­ben (in einer Fremd­spra­che) gera­de ler­nen – also ein Groß­teil von Übun­gen, wie sie in Schul­bü­chern vor­kom­men. Das bedroht zen­tra­le Vor­stel­lun­gen, wie Bil­dung funk­tio­niert und es bedroht Arbeits­rou­ti­nen in Bil­dungs­sys­te­men. In unse­rer Vor­stel­lung waren die­se Tex­te bis­her näm­lich durch­aus nicht unter­kom­plex, son­dern wich­ti­ge Zwi­schen­stu­fen bei der Ent­wick­lung von z.B. Schreibfertigkeiten.

Unterkomplexe Reaktionsmuster auf phänomenologischer Basis

Und es gibt aus mei­ner Sicht unter­kom­ple­xe Reak­tio­nen dar­auf. Ein häu­fi­ger Reflex ist Freu­de dar­über, dass nun end­lich klar wird, wie „stu­pi­de“ Bil­dungs­pro­zes­se eigent­lich sind und wir viel kom­ple­xe­re Auf­ga­ben­for­ma­te brau­chen, z.B. die Bewer­tung der Aus­ga­ben eines Sprach­mo­dells und die Über­ar­bei­tung der­sel­ben. Ohne ein Wis­sen und ohne eige­ne ent­wi­ckel­te Schreib­fer­tig­keit ist das gar nicht so unge­fähr­lich. Im schlimms­ten Fall gibt es eine Aus­ga­be, die dann vom Nut­zen­den an ver­mu­te­te Erwar­tun­gen ange­passt wird.

So wie der Schü­ler, der die Far­be eines Indi­ka­tors so hin­mischt, dass es auf eine Säu­re hin­deu­tet, weil genau das ja auch auf der Fla­sche stand (und das Zeug sau­er schmeckt) – es könn­te aber auch eine ganz ande­re Säu­re oder eine falsch beschrif­te­te Fla­sche gewe­sen sein. MIt Wis­sen dar­über, wie ein Indi­ka­tor funk­tio­niert, wer­den in die­sem Fall ande­re Fra­ge­stel­lun­gen mög­lich. Durch blin­den Glau­ben an den Indi­ka­tor eher nicht.

Rechtfertigungsdruck für tradierte Bildungsprozesse

Was auf jeden Fall geschieht und was für mich der eigent­lich Gewinn dabei ist: Sprach­mo­del­le zwin­gen mich dazu:

  1. Kri­tisch auf für selbst­ver­ständ­lich gehal­te­ne Ver­mitt­lungs­for­men zu schauen
  2. Ver­mitt­lungs­for­men, die der Prü­fung stand­hal­ten, vor der Lern­grup­pe expli­zit recht­fer­ti­gen zu müssen.

Wenn ChatGPT uns alles für eine Erör­te­rung lie­fert, Herr Riecken, war­um müs­sen wir dann noch selbst eine schreiben?

Weil ich es so will und bes­ser weiß, was gut für euch ist!“ könn­te – auch als impli­zi­te Hal­tung – zukünf­tig etwas schwie­ri­ger wer­den – erst­mal gar nicht so komfortabel.

Was ich nicht über Sprachmodelle weiß

Es hat bis­her den Anschein, als sei­en Sprach­mo­del­le wie GPT‑3 bis­her aus­schließ­lich mit Tex­ten trai­niert worde, die Men­schen aus­ge­wählt haben. Da kom­men natür­lich Fra­gen dazu auf, nach wel­chen Kri­te­ri­en die­se Trai­nings­da­ten von wem aus­ge­wählt wor­den sind.

Sprach­mo­del­le sind in einem ers­ten Schritt zunächst nicht in die Lage ver­setzt wor­den, ihre Trai­nings­da­ten „selbst­stän­dig“ aus dem Inter­net her­aus­zu­ho­len. Wel­che Grün­de gibt es eigent­lich dafür?

Sprach­mo­del­le wer­den vie­le Gebrauchs­tex­te erset­zen, die bis­her Domä­nen von Men­schen waren – etwa Sport­be­rich­te. Logisch zuen­de gedacht, wer­den bald wesent­li­che Tei­le einer (west­li­chen) Gesell­schaft nicht mehr ihr Geld mit Schrei­ben ver­die­nen kön­nen. Auch mein Blog kann mühe­los von Aus­ga­ben von Sprach­mo­dell quan­ti­ta­tiv an die Wand gena­gelt und z.B. in Such­ma­schi­nen nicht mehr wahr­nehm­bar sein – mein Blog ist jetzt ein däm­li­ches Bei­spiel, aber was bedeu­tet das insgesamt?

Wird es uns gelin­gen, nen­nens­wer­te Tei­le von Schüler:innen (und uns Lehrer:innen) dazu zu befä­hi­gen, das künf­ti­ge Niveau von Sprach­mo­del­len zu errei­chen? Machen wir uns nicht ganz schön was vor mit der Annah­me, dass gro­ße Tei­le der Schüler:innenschaft in der Lage sein wer­den, Aus­ga­ben von Sprach­mo­del­len „kri­tisch“ zu hin­ter­fra­gen und zu über­ar­bei­ten, WENN uns gleich­zei­tig bewusst ist, dass das Niveau die­ser Aus­ga­ben eher qua­li­ta­tiv stei­gen wird?

 

Facebook Like

Ein Kommentar

  • In gefühlt 95% der Schu­len / Schul­klas­sen sind Leh­re­rin­nen und Leh­rer über­for­dert damit, Schü­le­rin­nen und Schü­ler bei­zu­brin­gen wie ein Datei­sys­tem funk­tio­niert, dass man Datei­en / Doku­men­te in Ver­zeich­nis­sen (die meis­tens Ord­ner genannt wer­den) able­gen kann, dass Namens­kon­ven­tio­nen ein sinn­vol­les Ord­nungs­in­stru­ment sind usw. Wir spre­chen hier über 7. Klas­se im Gym­na­si­um. Als MINT Gym­na­si­um wer­den pro Woche 40 Minu­ten Infor­ma­tik unterrichtet.

    Ist es nicht viel sinn­vol­ler zunächst grund­le­gen­de Pra­xis im Umgang mit Com­pu­tern zu erler­nen, als sich mit dem Hype von KI zu befassen?

    Ich bin mir da nicht so sicher. Es gibt da so viel prak­ti­sche und sinn­vol­le Ein­satz­mög­lich­kei­ten. Schon­mal die Nut­zung von digi­ta­len ana­chro­nis­ti­schen Schul­bü­chern wür­den sowohl die Kin­der­rü­cken ent­las­ten als auch das abendliche/morgendliche Ran­zen packen über­flüs­sig machen.

    Soooo viel Ent­wick­lungs­po­ten­ti­al … In Wut­öschin­gen wur­de schon vor 10 Jah­ren das Papier wei­test­ge­hend ersetzt.

    Heu­te stellt sich mehr die Fra­ge, wie wir Kin­der mit Metho­den von vor­vor­ges­tern auf das Leben von mor­gen vor­be­rei­ten wol­len. Und ja: las­sen wir sie doch ChatGPT nutzen.

    Eine lus­ti­ge Epi­so­de dazu … das Kind (Klas­se 7) nutzt ChatGPT für eine Haus­auf­ga­be. Die Haus­auf­ga­be wird beno­tet (in MV wohl zuläs­sig). Der Text wird vom Kind nicht bear­bei­tet und ist unschwer als ChatGPT Text zu erken­nen. Es bekommt die Note 1.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert