LLMs nutzen mit dem Ziel, abstrakte Methodik individueller, spannender und trotzdem skalierbar zu machen

Laufzeit: November 2024 – Dezember 2025
Status: Laufend
Bildungsstufe: Tertiärstufe
Thema: Artificial Intelligence AI, Digital Skills & Literacy, Digital Tools
Keywords: Grosse Sprachmodelle, Psychologieunterricht, Interaktives Lernen, Fallbasiertes Lernen, Personalisierte Bildung

Ausgangslage

Fähigkeiten wie logisches und abstraktes Denken sind stark gefragt, dennoch fällt es vielen Student*innen schwer, sich für methodische Kurse zu begeistern und darin gute Leistungen zu erbringen. Herkömmliche Lehrmethoden greifen hier oft zu kurz, was die Notwendigkeit eines stärker student*innenzentrierten, praxisorientierten und interaktiven Lernansatzes betont. Student*innen wünschen sich zunehmend Möglichkeiten, abstrakte Konzepte in einem Kontext zu erlernen, der für ihre beruflichen Ziele relevant ist. Solche personalisierten und interaktiven Lernerfahrungen zu gestalten, ist jedoch ressourcenintensiv – besonders bei einer heterogenen Studierendenschaft. Daraus ergibt sich der Bedarf an skalierbaren, innovativen Lösungen.

Ziele

Unser Projekt zielt darauf ab, das Potenzial grosser Sprachmodelle (Large Language Models, LLMs) zu nutzen, um den fallbasierten Unterricht zu revolutionieren. Im Fokus stehen Psychologiestudent*innen in methodischen Lehrveranstaltungen. Anhand eines sorgfältig kuratierten Repositoriums hochwertiger digitaler Lernmaterialien entwickeln wir einen Proof-of-Concept eines LLM-basierten Tutors. Mithilfe realistischer psychologischer Fallbeispiele soll dieser Tutor Student*innen dabei unterstützen, theoretisches Wissen auf praxisnahe Szenarien anzuwenden, praktische Kompetenzen zu vertiefen, die Motivation aufrechtzuerhalten und das Lernen im Psychologieunterricht zu verbessern.

Methode

Student*innen können dem Tutor ihre Interessensgebiete mitteilen. Auf dieser Basis generiert der Tutor interaktive Fallbeispiele – z. B. zur Interpretation von Konfidenzintervallen in klinischen Studien – die auf die beruflichen Ziele der Lernenden abgestimmt sind. Der Tutor begleitet die Student*innen durch Fallsimulationen, gibt korrektives Feedback und stellt vertiefende Anschlussfragen. Die Wirksamkeit des Tutors wird in einer experimentellen Studie an der Universität Bern evaluiert. Dabei werden Engagement, Kompetenzentwicklung und Zufriedenheit in zwei Bedingungen verglichen: Einsatz des LLM-Tutors versus herkömmliche Lehrmethoden. Zusätzlich wird der Tutor in Statistikveranstaltungen an der FernUni Schweiz, der FFHS sowie der Universität Freiburg implementiert und dort im Rahmen experimenteller oder beobachtender Studien untersucht.

Geplante Translation

Nach erfolgreichem Experiment an der Universität Bern wird der Tutor in drei methodischen Lehrveranstaltungen übertragen: eine an der UniDistance Suisse, eine an der FFHS und eine an der Universität Freiburg. Anschliessend wird er als Open-Source-Tool über GitHub öffentlich zugänglich gemacht. Bei positiven Evaluationsergebnissen soll der Tutor mit der Open-Source-Lösung des Learning-Analytics-Projekts sowie dem Prepare-Projekt verknüpft werden. Mit weiterer Finanzierung kann der Tutor im Testbed des EdTech Collider auch auf anderen Schulstufen erprobt werden.

Das Projekt will die Bildung nachhaltig verändern, indem es LLMs für personalisiertes, interaktives fallbasiertes Lernen einsetzt. Student*innen profitieren von individuell zugeschnittenen Lernprozessen, die das Engagement steigern, praktische Fähigkeiten fördern und den Transfer theoretischer Inhalte verbessern. Eine erfolgreiche Umsetzung könnte als skalierbares Modell dienen, um LLMs gezielt für individualisiertes Lernen zu nutzen – mit grossem Potenzial für zukünftige Bildungspraxis und eine breitere Etablierung LLM-gestützter Lehrformate.

Beteiligte Institutionen