Block 1: Theorie und Beispiel (35 min)
Auf einen Blick
- Zeit: 35 Minuten (5 Eröffnung, 25 Worked Example, 5 Spec-Vorschau)
- Ergebnis: Vier Beobachtungen am Worked Example, die du in Block 2 an deiner eigenen Aufgabe wiederholst
- Format: Plenum, mit einer eigenen Teilaufgabe gedanklich parat
- Leitfrage: Wie macht eine Lehrperson sichtbar, was sie selbst nicht mehr sieht?
Im Einstieg hast du das Phänomen am eigenen Material erlebt. Block 1 gibt ihm einen Namen (Expert Blind Spot) und führt vor, wie ein LLM als Hypothesengenerator Blind Spots sichtbar macht. Die Methode wird an einer Statistik-Aufgabe demonstriert; sie ist domain-unabhängig.
Mitbringen: deine eigene Teilaufgabe
Aufgabe: Halte während Block 1 eine konkrete Teilaufgabe aus deiner eigenen Lehre gedanklich parat (idealerweise die, die du in Block 2 verwendest). Prüfe beim Mitschauen laufend: Würde dieser Schritt auch für meine Aufgabe gehen? Welche Stelle wäre bei meiner Aufgabe anders?
Beim Worked Example: vier Stationen beobachten
Aufgabe: Beim gemeinsamen Durchgang durch die Worked-Example-Seite verdienen vier Stellen besondere Aufmerksamkeit. Notiere zu jeder Station kurz, was du an deiner eigenen Aufgabe anders erwarten würdest.
- Die typische akzeptable Antwort. Was steht in einer Antwort, die du als korrigierende Lehrperson durchgehen lassen würdest? Lies sie als Lehrperson: welche Annahmen siehst du nicht?
- Der Hypothesengenerator-Prompt. Welche genaue Formulierung versetzt das LLM in die nicht-fortgeschrittene Rolle? Diesen Prompt nutzt du in Block 2 selbst.
- Die Enumeration. Etwa fünfzehn Voraussetzungen. Welche davon hättest du selbst gewusst, dass du sie voraussetzt? Welche nicht?
- Der Blind-Spot-Moment. Vier Punkte werden hervorgehoben. Würdest du diese in deiner eigenen Lehre auch nicht explizit benennen?
Prüf-Checkliste am Ende von Block 1:
Übergang in Block 2
Halte nach der Pause parat: die Spec-Vorlage, das Beispiel-Spec zur Multiple Regression, eine eigene Teilaufgabe (oder eines der Backup-Szenarien).
Die Empirie hinter dem Expert Blind Spot
Der Expert Blind Spot ist nicht bloss eine pädagogische Faustregel. Er ist ein robustes Forschungsergebnis. Nathan and Petrosino (2003) zeigte an angehenden Mathematik-Lehrenden: wer eine fortgeschrittene Mathematik-Ausbildung hat, schätzt symbolische Gleichungen als notwendige Voraussetzung für Textaufgaben ein, obwohl die tatsächliche Leistungsstruktur der Lernenden umgekehrt verläuft. Lehrende haben die symbolische Notation automatisiert, ihre Lernenden nicht. Feldon (2007) verallgemeinert: Experten sind systematisch schlecht darin, das eigene Wissen zu artikulieren, weil Automatisierung die Teilschritte unsichtbar macht.
Cognitive Task Analysis (CTA) ist die methodische Antwort: ein strukturiertes Verfahren, um Expertenwissen zu externalisieren, das die Expertin selbst nicht sehen kann (Clark et al. 2008). CTA ist klassisch ein aufwendiges Interviewverfahren. LLMs in der Hypothesengenerator-Rolle sind eine niedrigschwellige Annäherung: sie leisten nicht, was eine vollständige CTA leistet, aber sie enumerieren ohne grossen Aufwand die offensichtlichsten Voraussetzungen.
Die drei Typen von Wissensbausteinen
Sowohl die Lernziele als auch die Prüf-Checkliste in Block 2 sortieren Wissensbausteine nach drei Typen, benannt nach der kognitiven Operation, die die Lernende mit dem jeweiligen Baustein ausführen muss.
- Faktenwissen (Abrufen). Die Lernende muss eine Information aus dem Gedächtnis abrufen können: Definitionen, Notationen, Syntax, kanonische Werte. Beispiel aus dem Worked Example: “Der Korrelationskoeffizient \(r\) ist dimensionslos und liegt zwischen \(-1\) und \(+1\).”
- Klassifikationswissen (Erkennen). Die Lernende muss einen konkreten Fall als Instanz eines Konzepts oder Anwendungsmusters erkennen. Hierunter fallen auch Prozeduren, die durch Erkennung des Anwendungsmusters ausgelöst werden. Beispiel aus dem Worked Example: “Diese Forschungsfrage ist eine Vorhersage durch mehrere Prädiktoren, keine Korrelationsprüfung.”
- Erklärungswissen (Begründen). Die Lernende muss begründen, warum etwas so ist, wie es ist. Hierunter fallen konzeptionelle Verständnisse und Interpretationen, die ohne Begründung leer bleiben. Beispiel aus dem Worked Example: “Warum \(b_1\) in einer multiplen Regression einen anderen Wert annehmen kann als die bivariate Korrelation \(r_{YX_1}\), sobald die Prädiktoren miteinander korrelieren.”
Die Typologie stammt aus dem KLI-Framework (Knowledge-Learning-Instruction, Koedinger et al. (2012)). Dort werden die drei Typen unter den Bezeichnungen Memory-and-Fluency, Induction-and-Refinement und Understanding-and-Sense-Making eingeführt. Die deutschen Bezeichnungen Faktenwissen / Klassifikationswissen / Erklärungswissen sind im pädagogischen Sprachgebrauch geläufiger.
Wichtig: ein einzelner Baustein muss nicht trennscharf in genau einen Typ fallen. Eine Prozedur kann gleichzeitig Klassifikation (wann wird sie angewendet?) und Erklärung (warum macht sie was sie macht?) verlangen. Worauf es ankommt: dass dein Spec am Ende alle drei Typen abdeckt, nicht dass jeder Baustein eindeutig einem Typ zuzuordnen ist.
Cognitive Load Theory und Scaffolding
Wer eine CLT-Auffrischung möchte (Engpass im Arbeitsgedächtnis, Schema-Aufbau im Langzeitgedächtnis, Expertise-Reversal-Effekt, Scaffolding-Leiter): die Refresher-Präsentation der Virtuellen Akademie ist die kompakte 30-Minuten-Volllänge.
Refresher-Präsentation: Von der kognitiven Architektur zum KI-gestützten Scaffolding
Für die Workshop-Substanz reicht es zu wissen: gute Lehre passt sich an Vorwissen an. Das erfordert Diagnose. Die Diagnose, die der Spec leistet, ist die schriftliche, falsifizierbare Form dieser Anpassung.
Cognitive Offloading vs. Outsourcing
Die Unterscheidung, die der Workshop als Selbst-Tun-erforderlich vs. Zuschauen-reicht anlegt und als optionale Take-Home-Hausaufgabe ausführt, hat ihre theoretische Heimat im CAS Lernpsychologie. Dort findest du:
- Cognitive Offloading vs. Outsourcing mit Forschungsbezügen (Risko, Google Effect, KI-Abhängigkeit) sowie das Evaluationsparadox und die Versuch-dann-Prüfe-Sequenz: 02-ki-und-lernen, CAS Lernpsychologie.
Weiter: Block 2: Spec Sheet bauen