KI im Klassenzimmer: Google DeepMinds wegweisender Mathe-Test in Sierra Leone

Die angestrebte Nutzungsintensität lag bei zwei von vier wöchentlichen Mathematikstunden, was über den gesamten Zeitraum 12 Stunden Guided Learning entsprach .

Ein durchdachter vierteiliger Stundenaufbau

Die Intervention bestand nicht einfach darin, den Schülern einen Chatbot in die Hand zu drücken. Sie folgte einem strikten pädagogischen Rahmen, der die KI zu einem Partner im gemeinsamen Lernprozess machen sollte:

1. Einführung durch die Lehrkraft: Die Lehrperson legte die Lernziele fest und überprüfte das Vorwissen der Schüler.
2. Hauptaktivität in Partnerarbeit: Die Schüler arbeiteten zu zweit an einem Gerät (Verhältnis Schüler zu Gerät: 2:1). Entscheidend waren die verteilten Rollen: Der „Fahrer“ tippte die Fragen an Gemini, während der „Navigator“ Notizen machte und die Fragen steuerte. Die Rollen wurden in jeder Stunde getauscht, um eine ausgeglichene Beteiligung zu gewährleisten.
3. Diskussion im Klassenverband: Die Lehrkraft leitete eine gemeinsame Besprechung, um das Gelernte zu festigen.
4. Abschließende Zusammenfassung: Die Lehrperson rundete die Stunde mit einem Fazit ab .

Zur Vorbereitung formulierten die Lehrer Lernziele, entwarfen initiale Eingabeaufforderungen (Prompts) und notierten vorbereitende Fragestellungen an der Tafel, um den Austausch zwischen Schülern und Gemini zu strukturieren .

Die Ergebnisse: Ein signifikanter Schub, aber nicht für alle gleichermaßen

Die Studie ergab statistisch signifikante Lernzuwächse. Wie groß der Effekt ausfiel, hing jedoch stark davon ab, wie intensiv das Werkzeug tatsächlich genutzt wurde und von welchem Niveau der Schüler startete.

Wie die Schüler tatsächlich mit Gemini interagierten

Einer der aufschlussreichsten Teile der Studie war die Transkriptionsanalyse von über 113.000 Schüler-Gemini-Interaktionen. Sie zeigte eine KI, die nicht als Antwortmaschine, sondern als Tutor fungierte.

Die überwiegende Mehrheit der Gespräche – 91,4 % – konzentrierte sich auf mathematisches Verständnis . Geminis Verhalten wurde dabei maßgeblich durch die „Guided Learning“-Funktion gesteuert: In 76,4 % seiner Nachrichten stellte es unterstützende Rückfragen, die die Schüler zum Weiterdenken anregten, und lieferte nur in 2,1 % der Fälle eine direkte Lösung .

Das Risiko wachsender Leistungsunterschiede

Die Erkenntnis, dass anfangs leistungsstärkere Schüler am meisten von der KI profitierten, alarmierte die Forscher. Ohne gezielte Strategien zur Förderung leistungsschwächerer Schüler birgt die Intervention das Risiko, bestehende Leistungsunterschiede zu vergrößern, anstatt sie zu verringern .

Was die Lehrkräfte erlebten

Qualitatives Feedback aus Fokusgruppen erweiterte die Ergebnisse um eine weitere Dimension. Lehrer berichteten von einer spürbar gestiegenen Beteiligung der Schüler und aktiverer Teilnahme am Unterricht . Viele begannen, Gemini für die Unterrichtsvorbereitung zu nutzen und entdeckten dabei neue Wege, komplexe Themen wie Brüche zu erklären .

Am bedeutsamsten war jedoch, dass Lehrer einen Wandel in ihrem professionellen Selbstverständnis beschrieben: Sie nahmen ihre Rolle nicht mehr als reine „Vortragende“, sondern zunehmend als „Lernbegleiter“ (Facilitators) wahr, die durch die Klasse gingen, um die Schülerteams zu unterstützen .

Doch nicht alle Rückmeldungen waren positiv. Einige Lehrer berichteten von Herausforderungen, darunter die Tatsache, dass Gemini gelegentlich themenfremde Inhalte einbrachte oder das Durcharbeiten des geplanten Lehrplans verlangsamte .

Die entscheidenden Grenzen der Studie

So vielversprechend die Ergebnisse sind – die Forscher benennen sehr klar mehrere Einschränkungen, die bei der Einordnung der Zahlen helfen:

• Gebündelte Maßnahme: Der Test verknüpfte den KI-Einsatz untrennbar mit Lehrerfortbildungen, einer neuen Stundenstruktur, der Bereitstellung von Geräten und der Überwachung im Unterricht. Das Design kann den reinen Effekt des KI-Tools nicht von diesen zusätzlichen Faktoren trennen .
• Übertragbarkeit: Die Stichprobe stammt aus einem einzigen Distrikt in Sierra Leone und ist nicht landesweit repräsentativ. Die Ergebnisse lassen sich vor allem auf Schulen mit vergleichbarer Infrastruktur übertragen – dazu gehören Tablets, eine verlässliche Internetverbindung und entsprechend vorbereitete Lehrkräfte .

Eine Blaupause für globale Bildungsforschung

Die Studie in Sierra Leone ist erst der Anfang. Sie ist der erste Schritt einer geplanten internationalen Reihe vorab registrierter Tests, mit denen Google DeepMind und Fab AI „Guided Learning“ in verschiedenen Bildungssystemen untersuchen wollen . Als klares Bekenntnis zu Transparenz und Skalierbarkeit veröffentlichten die Partner zeitgleich mit den Ergebnissen ihre Lehrerfortbildungsmaterialien und einen Baukasten für schnelle RCTs, der als Blaupause für andere Forscher und Bildungssysteme dienen soll .