Lehrende: Moritz Kreinsen; Prof. Dr. Sandra Schulz; Prof. Dr. Sandra Sprenger
Veranstaltungsart: Seminar
Anzeige im Stundenplan: EW Sem PTI MA
Semesterwochenstunden: 2
Unterrichtssprache: Deutsch
Min. | Max. Teilnehmerzahl: - | 30
Anmeldegruppe: Seminar: PT Master
Kommentare/ Inhalte: Dass Künstliche Intelligenz ein zentrales Thema aktueller und zukünftiger Primar- und Sekundarschulbildung darstellt, wird seit der Veröffentlichung von ChatGPT kaum mehr angezweifelt. Auch ist die Rolle von Daten und Datenpraktiken in diesem Kontext relevant, da diese eine entscheidende Rolle für KI-Systeme spielen. Umso mehr ist es erforderlich, dass sich angehende Lehrkräfte bereits im Studium damit auseinandersetzen und insbesondere in ihrer Rolle als Multiplikator:innen grundlegende KI-Kompetenzen (AI Literacy) sowie Datenkompetenzen (Data Literacy) erwerben und vermitteln lernen. In diesem Seminar sollen praxisnah und projektbasiert zukunftsrelevantes Wissen, Fähigkeiten, Fertigkeiten und Haltungen (“Future Skills”) rund um Künstliche Intelligenz aufgebaut werden. Hierzu werden die Studierenden im Flipped Classroom Format entsprechend niedrigschwellig in zentrale Inhalte des Seminares eingeführt und erarbeiten in den Seminarsitzungen gemeinsam mit Schüler:innen der Sekundarstufe I im Schülerforschungszentrum Hamburg kleine Projekte im Anwendungskontext der MINT-Fächer (Naturwissenschaften, Geo- und Raumwissenschaften, Mathematik, Informatik und Technik sowie MINT im Sachunterricht). Dieses Format bietet nicht nur Raum für den Erwerb von Fachwissen, sondern auch für das Ausprobieren von Unterrichtsmethoden und der Vertiefung fachdidaktischen Wissens.
Lernziel: Nach Teilnahme an der Modulveranstaltung sind die Studierenden in der Lage, technologisch-mediale, gesellschaftlich-kulturelle sowie anwendungsorientierte Aspekte von Künstlicher Intelligenz und Datenpraktiken zu verstehen, didaktische Ansätze derer Vermittlung anzuwenden und Unterrichtsansätze zu entwickeln.
Vorgehen: Das Seminar startet mit einem gemeinsamen Einstieg in Konzepte von Künstlicher Intelligenz, der Rolle von Daten sowie Datenpraktiken und fachspezifischen Anwendungsbezügen. Ergänzende Lehr-Lern-Materialien werden über Moodle bereitgestellt. Für die Projektarbeit mit den Schüler:innen erhalten die Studierenden eine Auswahl aus 3-4 vorbereiteten Projektkonzepten inkl. entsprechender Materialien. Die Studierenden arbeiten jeweils im Tandem/Tridem mit einer Kleingruppe von Schüler:innen. Das Seminar schließt mit einer gegenseitigen Präsentation und Reflexion der durchgeführten Projekte. Die unbenotete Prüfungsleistung besteht aus einer Hausarbeit, welche die Konzeption eines/einer Unterrichtssequenz / Workshop / Projektwoche / Neigungsangebot auf Basis des durchgeführten Projektes sowie eine Reflexion beinhaltet.
Zusätzliche Hinweise zu Prüfungen: Die Prüfungsleistung besteht aus der Konzeption und Reflexion einer exemplarischen Unterrichtssequenz bzw. eines Workshopangebotes/Neigungskurses zur Durchführung eines Schülerforschungsprojektes im Bereich AI/Data Literacy.