Detailansicht
Schule 2.0.: Lernen mit Maschinen - wer denkt hier wirklich nach?
KI-gestützter Unterricht im Fach Geographie und wirtschaftliche Bildung: eine Analyse zur Förderung kritischer Medienkompetenz bei Schüler:innen
Benedikt Pohorely
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Lehramt Sek (AB) Unterrichtsfach Deutsch Unterrichtsfach Geographie und wirtschaftliche Bildung
Betreuer*in
Christiane Hintermann
DOI
10.25365/thesis.79547
URN
urn:nbn:at:at-ubw:1-15103.69334.350119-5
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In dieser Masterarbeit wird untersucht, wie sich Künstliche Intelligenz (KI) didaktisch sinnvoll in das Fach Geographie und wirtschaftliche Bildung der Sekundarstufe integrieren lässt, um die kritische Medienkompetenz der Lernenden zu stärken. „Didaktisch sinnvoll” bedeutet in diesem Kontext, dass der KI-Einsatz gezielt auf das Lernen ausgerichtet ist, aktive und selbstgesteuerte Lernprozesse fördert sowie eine reflektierte Auseinandersetzung mit den genutzten Medien ermöglicht. Dabei wird der Frage nachgegangen, wie ein KI-gestützter Unterricht aussehen muss, um die kritische Medienkompetenz der Schüler:innen bestmöglich zu fördern. Methodisch wurde eine qualitative empirische Studie an einer österreichischen Höheren Technischen Lehranstalt durchgeführt. Es wurde eine Unterrichtseinheit entwickelt, in der drei Schüler:innengruppen die KI-Anwendungen ChatGPT, DeepL und Gamma für Textgenerierung, Visualisierung und Übersetzung einsetzten. Alle Gruppen bearbeiteten dieselbe Aufgabenstellung, erhielten jedoch unterschiedliche Leitfragen zur Reflexion (spezifische vs. allgemeine Reflexionsfragen). Als Datenquellen dienten Unterrichtsbeobachtungen, Schüler:innenarbeiten (Reden und Präsentationen), die beantworteten Reflexionsfragen sowie standardisierte Skalenbewertungen zu Medienkompetenz, Motivation und Selbstständigkeit. Die Auswertung kombiniert die quantitative Analyse der Skalen mit einer qualitativen Inhaltsanalyse der Beobachtungsprotokolle, Schüler:innenarbeiten und Reflexionsantworten. Die Ergebnisse zeigen, dass KI-Tools Problemlöseprozesse durch schnellen Zugriff auf fachliche Informationen fördern, aber ohne begleitende Reflexion zu unkritischer Informationsübernahme führen. Die differenzierten Reflexionsaufgaben verbesserten signifikant die Fähigkeit, Fehler zu erkennen, Quellenkritik zu üben und KI-Produkte iterativ zu optimieren. Es wird die Empfehlung ausgesprochen, sowohl einige spezifische Reflexionsfragen zu einzelnen Themen als auch allgemeine Reflexionsfragen zu größeren Themenblöcken zu kombinieren. Abschließend werden folgende didaktische Empfehlungen gegeben: individuelle Aufgabenstellungen mit verschiedenen Schwierigkeitsstufen, systematische Einbettung von Reflexionsphasen zwischen KI‐Einsatz und Ergebnissicherung, Entwicklung gezielter Leitfragen zur Quellenkritik und ethischen Auseinandersetzung, sowie kontinuierliche Fortbildung der Lehrkräfte im Bereich der Künstlichen Intelligenzen.
Abstract
(Englisch)
This master's thesis examines how artificial intelligence (AI) can be integrated into secondary school geography and economics education in a didactically meaningful way to strengthen learners critical media literacy. In this context, “didactically meaningful” means that the use of AI is specifically geared towards learning, promotes active and self-directed learning processes, and enables reflective engagement with the media used. The thesis explores the question of what AI-supported teaching must look like to best promote students critical media literacy. A qualitative empirical study was conducted at an Austrian higher technical school (HTL). A teaching unit was developed in which three student groups used the AI applications ChatGPT, DeepL and Gamma for text generation, visualisation and translation. All groups worked on the same assignment but received different reflection prompts (specific versus general reflection questions). Data sources included classroom observations, student artefacts (written speeches and presentations), the answered reflection prompts and standardised, scale-based measures of media competence, motivation and autonomy. The analysis combines a quantitative evaluation of the scales with a qualitative content analysis of the observation protocols, student work and reflection responses. The findings show that, while AI tools promote problem-solving processes by providing rapid access to domain-specific information, they can also lead to the uncritical adoption of information if accompanied by insufficient reflection. Differentiated reflection tasks significantly improved the ability to detect errors, practise source criticism and iteratively refine AI-produced outputs. It is recommended that both specific reflection questions on individual topics and general reflection questions on broader thematic blocks are used. Finally, the following didactic recommendations are offered: individualized assignments at varying difficulty levels, systematic embedding of reflection phases between AI use and result consolidation, development of targeted reflection prompts for source criticism and ethical engagement, and continuous training for teachers in the field of artificial intelligence.
Schlagwörter
Schlagwörter
(Deutsch)
Künstliche Intelligenz Medienkompetenz Unterricht Geographie und wirtschaftliche Bildung ChatGPT KI-Tool Reflexion
Autor*innen
Benedikt Pohorely
Haupttitel (Deutsch)
Schule 2.0.: Lernen mit Maschinen - wer denkt hier wirklich nach?
Hauptuntertitel (Deutsch)
KI-gestützter Unterricht im Fach Geographie und wirtschaftliche Bildung: eine Analyse zur Förderung kritischer Medienkompetenz bei Schüler:innen
Paralleltitel (Englisch)
School 2.0: learning with machines - who is really thinking here?
Publikationsjahr
2025
Umfangsangabe
II, 113 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Christiane Hintermann
AC Nummer
AC17699385
Utheses ID
77250
Studienkennzahl
UA | 199 | 506 | 510 | 02