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?