Mit KI wirklich lernen: Was gute Tutoren und Lehrer leisten

Wie wird aus einer passenden KI-Erklärung überprüfbares Lernen? Marc und Irene sprechen über StudentSim, eine anonyme Erfahrung am eigenen Projekt und Studien mit echten Lernenden. Es geht um sinnvolle Übungen ohne eigenes Projekt und um die Bedingungen, unter denen Lehrer mehr Zeit für einzelne Menschen gewinnen könnten.

Wir trennen Simulationen, kurze Lerntests, persönliche Erfahrung und Zukunftsentwürfe. StudentSim ist ein Forschungssystem zur Prüfung von Tutoren; seine Ergebnisse belegen noch keinen Lernfortschritt bei Menschen.

Quellen und Studien:
https://www.microsoft.com/en-us/research/blog/simulating-student-learning-for-better-ai-tutoring/
https://arxiv.org/abs/2609.01591
https://www.nature.com/articles/s41598-025-97652-6
https://doi.org/10.1073/pnas.2422633122
https://arxiv.org/html/2410.03017v3
https://blogs.worldbank.org/en/education/From-chalkboards-to-chatbots-Transforming-learning-in-Nigeria
https://phet.colorado.edu/en/simulations/circuit-construction-kit-dc-virtual-lab/about?locale=en
https://journals.aps.org/prper/abstract/10.1103/PhysRevSTPER.1.010103

Kapitel:
00:00 Eine Erklärung, die bei mir ankommt
01:44 Lernen an etwas, das schon funktioniert
03:45 Was ein guter Unterrichtsversuch zeigt
05:11 Wenn die Hilfe die Aufgabe übernimmt
06:58 Üben ohne eigenes Projekt
08:52 Wenn die KI dem Menschen beim Unterrichten hilft
10:26 Unterricht braucht mehr als Zugang zum Chat
11:37 Eine Umgebung, in der Erklären und Prüfen zusammenpassen
13:32 Wem gehört die gewonnene Zeit?