Kritisches Denken und Fachwissen
Warum kritische Bewertung Domänenwissen erfordert
Daniel Willingham fasst die Forschung zusammen:
“Critical thinking is not a skill. There is not a set of critical thinking skills that can be acquired and deployed regardless of context.”
Ein Biomedizin-Experte erkennt, wenn ChatGPT bei Biochemie falsch liegt. Ein Novize kann diese Bewertung nicht vornehmen, unabhängig von “kritischen Denkfähigkeiten”.
Du kannst nicht kritisch bewerten, was du nicht verstehst.
Anwendungsfragen
Gesundheit: Subtile Fehler erkennen ohne Grundwissen
Im Unterricht von Anatomie und Physiologie im ersten Semester Pflege nutzen Studierende ChatGPT für Zusammenfassungen, obwohl sie noch kein fundiertes Grundwissen haben.
Frage: Wie soll man reagieren, wenn Studierende KI-generierte Erklärungen zu einem Krankheitsbild zeigen, die subtile Fehler enthalten, die sie selbst nicht erkennen können? Sollte die Nutzung komplett verboten werden in dieser Phase, oder wie baut man gezielt die Fähigkeit auf, KI-Outputs kritisch zu prüfen, wenn das Fachwissen noch fehlt?
Das Dilemma ist real: Um KI kritisch zu prüfen, braucht man das Wissen, das man aufbauen will. In frühen Phasen ist Zurückhaltung bei KI-Nutzung sinnvoll. Die Fähigkeit zur Prüfung entwickelt sich mit dem Fachwissen. Gemeinsame Analyse von KI-Fehlern kann lehrreich sein, wenn die Grundlagen vorhanden sind. Mehr dazu im Leitfaden unter Kritisches Denken erfordert Fachwissen und Was transferiert, und was nicht.
Technik und Informatik: Code verstehen vs. Code produzieren
Die Situation in der Informatik ist paradox: Studierende nutzen GitHub Copilot und ChatGPT für Code, aber viele verstehen die Grundlagen nicht wirklich. Es kommt vor, dass Code eingereicht wird, der funktioniert, aber nicht erklärt werden kann.
Frage: Willingham sagt, kritisches Denken ist kontextabhängig. Heisst das, dass zuerst darauf bestanden werden muss, dass Studierende ohne KI die Grundlagen lernen? Oder soll ihnen beigebracht werden, KI-generierten Code zu lesen und zu bewerten, auch wenn sie ihn noch nicht selbst schreiben könnten?
Funktionierender Code, den man nicht versteht, ist ein Symptom für fehlendes Grundlagenwissen. Die Fähigkeit, Code zu bewerten, setzt Verständnis voraus. Die Sequenz “erst selbst schreiben, dann mit KI arbeiten” ist wahrscheinlich effektiver. Code Review als Lernmethode kann helfen, erfordert aber bereits Grundwissen. Mehr dazu im Leitfaden unter Evidenz für Domänenspezifität.
Soziale Arbeit: KI und professionelle Urteilsfähigkeit
In der Sozialen Arbeit geht es viel um Fallanalyse und professionelle Urteilsfähigkeit. Studierende verwenden zunehmend ChatGPT, um Fallsituationen zu analysieren oder Interventionsvorschläge zu entwickeln.
Frage: Das Problem: Sie können noch nicht einschätzen, ob die KI wichtige Kontextfaktoren übersieht oder zu vereinfachte Lösungen vorschlägt. Wenn kritisches Denken wirklich so stark vom Fachwissen abhängt, wie strukturiert man die Kurse? Erst Theorie und Praxis ohne KI, dann später mit KI? Oder integriert man KI von Anfang an als Diskussionspartner, dessen Schwächen gemeinsam analysiert werden?
Die Fähigkeit, Kontextfaktoren zu erkennen, ist das, was Experten von Novizen unterscheidet. Gemeinsame Analyse von KI-Output kann lehrreich sein, wenn Dozierende die Schwächen aufzeigen. Die Gefahr ist, dass Studierende allein nicht erkennen können, was fehlt. Sequenzierung (erst Grundlagen) ist wahrscheinlich sicherer. Mehr dazu im Leitfaden unter Angewendet auf KI-Bewertung und Die zentrale Implikation.
Wirtschaft: Oberflächliche Analysen erkennen
Studierende im Bachelor Business Administration nutzen KI-Tools für Marktanalysen und Businesspläne. Es kommt vor, dass Wettbewerbsanalysen präsentiert werden, die auf ChatGPT basieren. Die Struktur ist gut, aber die strategischen Schlussfolgerungen sind oberflächlich und teilweise falsch.
Frage: Studierende können nicht beurteilen, was fehlt, weil ihnen das betriebswirtschaftliche Fundament fehlt. Wie geht man damit um in Modulen, wo genau diese Analysefähigkeit aufgebaut werden soll? Muss KI-Nutzung in den ersten Semestern eingeschränkt werden, oder gibt es einen Weg, damit zu arbeiten, ohne dass das Grundlagenlernen leidet?
Das Problem illustriert genau den Punkt: Ohne Fachwissen kann man die Qualität nicht beurteilen. Einschränkung in frühen Phasen ist wahrscheinlich nötig, um die Analysefähigkeit aufzubauen. Später kann KI als Werkzeug dienen, dessen Output kritisch geprüft wird. Die Fähigkeit zur Prüfung entwickelt sich aber erst mit dem Wissen. Mehr dazu im Leitfaden unter Fach-spezifisches Lernen priorisieren.
Mehr zu diesem Thema im Leitfaden: