25. Februar 2025 Cilia Rücker Sebastian Becker-Genschow
Das Forschungsprojekt ADA MINToring untersucht, wie Künstliche Intelligenz gezielt im MINT-Unterricht eingesetzt werden kann, um Geschlechtergerechtigkeit und Lernwirksamkeit zu fördern. Kern der Forschung ist die Konzeption und Evaluation einer KI-basierten Lernassistentin namens ADA.
Geschlechterdisparitäten im MINT-Bereich: eine Herausforderung
Geschlechterdisparitäten stellen nach wie vor eine der zentralen Herausforderungen in den MINT-Disziplinen dar. Im Verlauf des Sozialisationsprozesses werden MINT-Berufe und -Disziplinen zunehmend männlich konnotiert (u. a. Buckley et al., 2023; Makarova et al., 2019; Steuer, 2015). Gleichzeitig zeigen zahlreiche Studien, dass die Ausprägung mathematisch-naturwissenschaftlicher Fähigkeiten nicht mit dem biologischen Geschlecht korreliert (u. a. Hill et al., 2016, Lindberg et al., 2010).
Schülerinnen entwickeln jedoch während ihrer Schulzeit ein geringeres naturwissenschaftliches Selbstkonzept und geringere Selbstwirksamkeitserwartungen, nehmen sich selbst als weniger talentiert wahr und zeigen stärker ausgeprägte Mathematikängste (u. a. Heyder et al., 2019; OECD, 2023). Selbst bei gleichen fachlichen Leistungen weisen Sie eine geringere Lernmotivation im MINT-Unterricht auf (u. a. Hermans et al., 2022; Oppermann et al., 2020). Folgerichtig streben Frauen bei Abschluss ihrer Schullaufbahn deutlich seltener eine Karriere in den MINT-Disziplinen an. Dies lässt sich anhand der aktuellen Zahlen zu Erstsemesterinnen der MINT-Studiengänge sowie der weiterhin bestehenden Unterrepräsentation von Frauen in MINT-Berufen belegen (Europäische Kommission, 2024; Statistisches Bundesamt, 2024; Weltwirtschaftsforum, 2024). Gefragt sind praxisnahe, innovative Ansätze, die darauf abzielen, Geschlechterdisparitäten in den MINT-Disziplinen frühzeitig in der Bildungsbiografie zu begegnen.
KI als Schlüssel zur Überwindung von nicht-strukturellen Barrieren
KI-basierte Anwendungen eröffnen die Möglichkeit individualisierter, interaktiver Lernerfahrungen (u. a. Crompton & Burke, 2023; Gökçearslan et al., 2024). Als virtuelle Lernassistent*innen ermöglichen insbesondere KI-Chatbots sofortigen Zugriff auf personalisierte Übungen, differenzierte Beispiele, alternative oder ergänzende Formulierungen, unmittelbares Feedback sowie fehlendes Grundlagenwissen unter Beachtung des Vorwissens und der Vorerfahrungen von Schüler*innen (u. a. Guo et al., 2024; Jia et al., 2024). Darüber hinaus ermöglichen sie Schüler*innen im Rahmen individueller Dialoge, Themen interessengeleitet zu durchdringen (u. a. Kuhail et al., 2023; Wardat et al., 2024).
Erste Studien geben Hinweise darauf, dass die unmittelbare, interaktive und personalisierte Lernunterstützung durch KI-Chatbots effektives Lernen, akademische Leistungen und ein tieferes Verständnis der vermittelten Lerninhalte fördern kann (u. a. Patero, 2023; Van Doc et al., 2023). Weitere Studien weisen positive Tendenzen hinsichtlich des situativen Lerninteresses, der Lernmotivation und des Lernengagements nach (u. a. Ortega-Ochoa et al., 2023; Xu et al., 2024).
Darüber hinaus legen Untersuchungen nahe, dass neben positiv-aktivierenden Emotionen wie Lernfreude auch die Selbstwirksamkeitserwartungen der Lernenden gestärkt und negativ-deaktivierende Emotionen wie Lernstress und die kognitive Belastung reduziert werden können (u. a. Ait Baha et al., 2023; Chen & Chang, 2024; Labadze et al., 2023; Yin et al., 2024). Damit stellen KI-basierte Anwendungen und im Besonderen KI-Chatbots einen vielversprechenden Ansatz für den Bildungsbereich dar, um Lehrkräfte erfolgreich bei der Gestaltung von gendersensiblem und chancengerechtem Unterricht zu unterstützen.
Das geschlechtersensible Bildungskonzept ADA MINToring
Bisher weitgehend unerforscht ist der konzeptuelle Ansatz, KI-Chatbots neben ihrer Rolle als digitale Lernassistent*innen auch als effektive Rollenmodelle einzusetzen. Dieser Ansatz baut auf Forschungsergebnissen auf, die nachweisen, dass geschlechterstereotype Vorstellungen in den MINT-Disziplinen durch positive Interaktionen mit weiblichen Rollenmodellen reduziert werden können (González-Pérez et al., 2020). Ebenfalls belegt ist das Potenzial von Rollenmodellen zur Förderung des fachbezogenen Interesses und der Selbstwirksamkeitserwartung sowie MINT-spezifischer Ambitionen und Karrierewünsche junger Frauen und Mädchen (u. a. De Gioannis et al., 2022; Kessels, 2015). Armando et al. (2023) und Plant et al. (2009) liefern erste Hinweise auf die Übertragbarkeit dieser Potenziale auf virtuelle Rollenmodelle.
Das geschlechtersensible Bildungskonzept ADA MINToring setzt hier an. Schüler*innen wird im Rahmen ihres MINT-Unterrichts individueller Kontakt zu einem weiblich konnotierten KI-Chatbot namens ADA ermöglicht. Über ein Chatfenster können Sie in natürlicher Sprache mit ADA kommunizieren. Verfolgt wird dabei ein nicht-dramatisierender Ansatz, d. h., die Kategorie Geschlecht wird nicht explizit thematisiert (Debus, 2017). Dadurch soll eine Aktivierung von Stereotypbedrohungen vermieden werden (Debus, 2017).
ADAs Konzeption
ADA ist ein Custom Generative Pre-trained Transformer (C-GPT). Das bedeutet, sie ist ein speziell auf den Einsatz als MINT-Lernassistentin und MINT-Rollenmodell angepasster KI-Chatbot, der auf der GPT-Architektur von OpenAI basiert. ADAs Konzeption beruht auf lerntheoretisch und pädagogisch-konzeptionell fundierten Grundlagen. Diese wurden ihr in Form einer Rolle und ausführlicher Instruktionen vermittelt. Ihre Rolle umfasst unter anderem die Funktion als Lernassistentin und Rollenmodell sowie eine spezifische Identität, welche auf der britischen Mathematikerin und Informatikerin Ada Lovelace beruht.
ADAs Instruktionen geben unter anderem ihren Schreibstil und Ton vor, zum Beispiel die Verwendung ausschließlich gendersensibler Sprache, um eine sprachinklusive Lernumgebung zu schaffen. So wird der gedankliche Einbezug aller Geschlechter gefördert, was dazu beitragen kann, geschlechterstereotype Rollenzuweisungen aufzubrechen (Kollmayer et al., 2018; Sczesny et al., 2016). Darüber hinaus verfügt ADA über fachliches Wissen bezüglich der behandelten Lerninhalte sowie über historisches Wissen bezüglich ihres biologischen Vorbildes Ada Lovelace.
ADA MINToring in der Praxis: Erste Einblicke in die Pilotstudie
In einer präregistrierten, quasi-experimentellen und cluster-randomisierten Kontrollstudie wird der Einfluss des KI-gestützten Chatbots ADA auf die Lernleistung und geschlechterstereotype fachbezogene Einstellungen im Mathematikunterricht neunter Klassen untersucht (Rücker & Becker-Genschow, 2024a). Ein besonderes Augenmerk gilt dabei dem Einfluss von ADA auf die vereinfachte und generalisierte Überzeugung, dass weiblich gelesene Personen aufgrund ihres Geschlechts über geringere mathematische Fähigkeiten verfügen als männlich gelesene Personen (Cvencek et al., 2011; Nosek et al., 2010).
Im Rahmen von drei Unterrichtseinheiten wurden knapp 200 Schüler*innen in das Heron-Verfahren eingeführt, ein iteratives Verfahren zur annähernden Berechnung von Quadratwurzeln. Die Interventionsgruppe wurde durch ADA unterstützt, während die Kontrollgruppe mit Hilfekärtchen arbeitete (Rücker & Becker-Genschow, 2024a). Um ein möglichst umfassendes Forschungsbild zu generieren, wurde ein Mixed-Methods-Ansatz verfolgt, der die Erhebung quantitativer Daten mittels Fragebögen und eines mathematischen Leistungstests sowie qualitativer Daten mittels leitfragengestützter Einzelinterviews umfasst (Rücker & Becker-Genschow, 2024a).
Ausführlichere Informationen sind über die Präregistrierung der Studie auf Open Science Framework erhältlich (Rücker & Becker-Genschow, 2024a). Auf der zugehörigen Projektseite kann zudem das positive Votum der Ethikkommission der Philosophischen Fakultät der Universität zu Köln eingesehen werden (Rücker & Becker-Genschow, 2024b).
Literatur
Ait Baha, T., El Hajji, M., Es-Saady, Y. & Fadili, H. (2023). The impact of educational chatbot on student learning experience. Education and Information Technologies, 29, 10153–10176. https://doi.org/10.1007/s10639-023-12166-w
Armando, M., Régnier, I. & Ochs, A. (2023). Toward a Tool Against Stereotype Threat in Math: Children’s Perceptions of Virtual Role Models. ICMI ’23 Companion: Companion Publication of the 25th International Conference on Multimodal Interaction, 306–310. https://doi.org/10.1145/3610661.3616179
Buckley, J., Gumaelius, L., Nyangweso, M. Hyland, T., Seery, N. & Pears, A. (2023). The impact of country of schooling and gender on secondary school students’ conceptions of and interest in becoming an engineer in Ireland, Kenya and Sweden. International Journal of STEM Education, 10(28), 1–15. https://doi.org/10.1186/s40594-023-00416-9
Chen, C. & Chang, C. (2024). Effectiveness of AI-assisted game-based learning on science learning outcomes, intrinsic motivation, cognitive load, and learning behavior. Education and Information Technologies, 29, 18621–18642. https://doi.org/10.1007/s10639-024-12553-x
Crompton, H. & Burke, D. (2023). Artificial intelligence in higher education: the state of the field. International Journal of Technology in Education, 20(22), 1–22. https://doi.org/10.1186/s41239-023-00392-8
Cvencek, D., Meltzoff, A. N. & Greenwald, A. G. (2011). Math-Gender Stereotypes in Elementary School Children. Child Development, 82(3), 766–779. https://doi.org/10.1111/j.1467-8624.2010.01529.x
Debus, K. (2017). Dramatisierung, Entdramatisierung und Nicht-Dramatisierung von Geschlecht und sexueller Orientierung in der geschlechterreflektieren Bildung. Oder: (Wie) Kann ich geschlechterreflektiert arbeiten, ohne Stereotype zu verstärken? In I. Glockentöger & E. Adelt (Hrsg.), Gendersensible Bildung und Erziehung in der Schule, 25–43, Waxmann. https://elibrary.utb.de/doi/epdf/10.31244/9783830986294
De Gioannis, E., Pasin, G. L. & Squazzoni, F. (2022). Empowering women in STEM: a scoping review of interventions with role models. International Journal of Science Education, 13(3), 261–275. https://doi.org/10.1080/21548455.2022.2162832
Europäische Kommission (2024). 2024 Report on Gender Equity in the EU. Luxemburg: Amt für Veröffentlichungen der Europäischen Union. https://data.europa.eu/doi/10.2838/401813
González-Pérez, S., Mateos de Cabo, R. & Sáinz, M. (2020). Girls in STEM: Is It a Female Role-Model Thing? Frontiers of Psychology, 11(2204). https://doi.org/10.3389/fpsyg.2020.02204
Gökçearslan, S., Tosun, C. & Erdemir, Z.G. (2024). Benefits, Challenges, and Methods of Artificial Intelligence (AI) Chatbots in Education: A Systematic Literature Review. International Journal of Technology in Education, 7(1), 19–39. https://doi.org/10.46328/ijte.600
Guo, S., Zheng, Y. & Zhai, X. (2024). Artificial intelligence in education research during 2013–2023: A review based on bibliometric analysis. Education and Information Technologies, 29, 16387–16409. https://doi.org/10.1007/s10639-024-12491-8
Hermans, S., Gijsen, M., Mombaers, T. & van Petegem, P. (2022). Gendered patterns in students’ motivation profiles regarding iSTEM and STEM test scores: a cluster analysis. International Journal of STEM Education, 9(67). https://doi.org/10.1186/s40594-022-00379-3
Heyder, A., Steinmayr, R. & Kessels, U. (2019). Do Teachers’ Beliefs About Math Aptitude and Brilliance Explain Gender Differences in Children’s Math Ability Self-Concept? Frontiers in Education, 4(34). https://doi.org/10.3389/feduc.2019.00034
Hill, F., Mammarella, I. C., Devine, A., Caviola, S., Passolunghi, M. C. & Szűcs, D. (2016). Maths anxiety in primary and secondary school students: Gender differences, developmental changes and anxiety specificity. Learning and Individual Differences, 48, 45–53. https://doi.org/10.1016/j.lindif.2016.02.006
Jia, F., Sun, D. & Looi, C. (2024). Artificial Intelligence in Science Education (2013–2023): Research Trends in Ten Years. Journal of Science Education and Technology, 33, 94–117. https://doi.org/10.1007/s10956-023-10077-6
Kessels, U. (2015). Bridging the Gap by Enhancing the Fit: How Stereotypes about STEM Clash with Stereotypes about Girls. International Journal of Gender, Science and Technology, 7(2), 280–296. https://genderandset.open.ac.uk/index.php/genderandset/article/view/392 (Abruf: 27.01.2025).
Kollmayer, M., Pfaffel, A., Schober, B. & Brandt, L. (2018). Breaking Away From the Male Stereotype of a Specialist: Gendered Language Affects Performance in a Thinking Task. Frontiers in Psychology, 9, 985. https://doi.org/10.3389/fpsyg.2018.00985
Kuhail, M. A., Alturki, N., Alramlawi, S. & Alhejori, K. (2023). Interacting with educational chatbots: A systematic review. Education and Information Technologies, 28, 973–1018. https://doi.org/10.1007/s10639-022-11177-3
Labadze, L., Grigolia, M. & Machaidze, L. (2023). Role of AI chatbots in education: systematic literature review. International Journal of Educational Technology in Higher Education, 20(56), 1–17. https://doi.org/10.1186/s41239-023-00426-1
Lindberg, S. M., Hyde, J. S., Petersen, J. L. & Linn, M. C. (2010). New trends in gender and mathematics performance: A meta-analysis. Psychological Bulletin, 136(6), 1123–1135. https://doi.org/10.1037/a0021276
Makarova, E., Aeschlimann, B. & Herzog, W. (2019). The Gender Gap in STEM Fields: The Impact of the Gender Stereotype of Math and Science on Secondary Students' Career Aspirations. Frontiers in Education, 4(60). https://doi.org/10.3389/feduc.2019.00060
Nosek, B. A., Smyth, F. L., Hansen, J. J., Devos, T., Lindner, N. M., Ranganath, K. A., Smith, T., Olson, K. R., Chugh, D., Greenwald, A. G. & Banaji, M. R. (2007). Pervasiveness and correlates of implicit attitudes and stereotypes. European Review of Social Psychology, 18(1), 36–88. https://doi.org/10.1080/10463280701489053
Oppermann, E., Keller, L. K. & Anders, Y. (2020). Geschlechtsunterschiede in der kindlichen MINT-Lernmotivation: Forschungsbefunde zu bestehenden Unterschieden und Einflussfaktoren. Diskurs Kindheits- und Jugendforschung, 15(1), 38–52. https://doi.org/10.3224/diskurs.v15i1.04
Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) (2023). Pisa 2022 Ergebnisse (Band I): Lernstände und Bildungsgerechtigkeit. Paris, OECD Publishing. https://doi.org/10.3278/6004956w
Ortega-Ochoa, E., Arguedas, M. & Daradoumis, T. (2023). Empathic pedagogical conversational agents: A systematic literature review. British Journal of Educational Technology, 55(3), 886–909. https://doi.org/10.1111/bjet.13413
Patero, J. L. (2023). Revolutionizing Math Education: Harnessing ChatGPT for Student Success. International Journal of Advanced Research in Science, Communication and Technology, 3(1), 807–813. https://doi.org/10.48175/ijarsct-12375
Plant, A., Baylor, A. L., Doerr, C. E. & Rosenberg-Kima, R. B. (2009). Changing middle-school students’ attitudes and performance regarding engineering with computer-based social models. Computers & Education, 53(2), 209–215. https://doi.org/10.1016/j.compedu.2009.01.013
Rücker, C. & Becker-Genschow, S. (2024a). ADA MINToring - Promoting Learning Effectiveness and Gender Equality in Maths Education through a Female Identity AI Chatbot. Open Science Framework, Präregistrierung. https://doi.org/10.17605/OSF.IO/Q7W9M
Rücker, C. & Becker-Genschow, S. (2024b). ADA MINToring - Promoting Learning Efficacy and Gender Equity in STEM Education Through a Female-Centred AI Chatbot. Open Science Framework, Projektseite. https://osf.io/aqk5e/ (Abruf: 27.01.2025).
Sczesny, S., Formanowicz, M. & Moser, F. (2016). Can Gender-Fair Language Reduce Gender Stereotyping and Discrimination? Frontiers in Psychology, 7, 25. https://doi.org/10.3389/fpsyg.2016.00025
Statistisches Bundesamt (Destatis) (2024). Pressemitteilung Nr. N003 vom 17. Januar 2024. Destatis. https://www.destatis.de/DE/Presse/Pressemitteilungen/2024/01/PD24_N003_213.html (Abruf: 24.01.2025).
Steuer, L. (2015). Gender und Diversity in MINT-Fächern: Eine Analyse der Ursachen des Diversity-Mangels. Wiesbaden, Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-08150-8
Van Doc, N., Hoi Nam, N. T., Thanh, N. T. & Giam, N. M. (2023). Teaching Mathematics with the Assistance of an AI Chatbot to Enhance Mathematical Thinking Skills for High School Students. International Journal of Current Science Research and Review, 6(12), 8574–8580. https://doi.org/10.47191/ijcsrr/v6-i12-102
Wardat, Y., Tashtoush, M. A., AlAli, R. & Saleh S. (2024). Artificial Intelligence in Education: Mathematics Teachers’ Perspectives, Practices and Challenges. Iraqi Journal for Computer Science and Mathematics, 5(1), 60–77. https://doi.org/10.52866/ijcsm.2024.05.01.004
Weltwirtschaftsforum (2024). Global Gender Gap 2024. Insight Report. Köln, WEF Publishing. https://www.weforum.org/publications/global-gender-gap-report-2024/ (Abruf: 24.01.2025).
Xu, Y., Zhu, J., Wang, M., Qian, F., Yang, Y. & Zhang, J. (2024). The Impact of a Digital Game-Based AI Chatbot on Students’ Academic Performance, Higher-Order Thinking, and Behavioral Patterns in an Information Technology Curriculum. Applied Sciences, 14(15), 1–20. https://doi.org/10.3390/app14156418
Yin, J., Goh, T. & Hu, Y. (2024). Using a Chatbot to Provide Formative Feedback: A Longitudinal Study of Intrinsic Motivation, Cognitive Load, and Learning Performance. IEEE Transactions on Learning Technologies, 17, 1404–1415. https://doi.org/10.1109/TLT.2024.3364015
Zitation: Cilia Rücker, Sebastian Becker-Genschow: Geschlechtergerechtigkeit durch KI fördern: Einblicke in das Projekt ADA MINToring, in: blog interdisziplinäre geschlechterforschung, 25.02.2025, www.gender-blog.de/beitrag/geschlechtergerechtigkeit-durch-ki-foerdern/, DOI: https://doi.org/10.17185/gender/20250225
Beitrag (ohne Headergrafik) lizensiert unter einer Creative
Commons Namensnennung 4.0 International Lizenz
Cilia Rücker
Cilia Rücker ist seit 2024 wissenschaftliche Mitarbeiterin im Forschungsgebiet Digitale Bildung mit Schwerpunkt Künstliche Intelligenz am Department Didaktiken der Mathematik und der Naturwissenschaften an der Universität zu Köln unter der Leitung von Prof. Dr. Sebastian Becker-Genschow. Ihre Forschungsschwerpunkte sind Integration von KI-Anwendungen in MINT-Bildung, Konzeption und Evaluation von KI-Chatbots für MINT-Bildung sowie Förderung von Geschlechtergerechtigkeit durch KI-Anwendungen.
Prof. Dr. Sebastian Becker-Genschow
Prof. Dr. Sebastian Becker-Genschow leitet das Forschungsgebiet Digitale Bildung mit Schwerpunkt Künstliche Intelligenz am Department Didaktiken der Mathematik und der Naturwissenschaften an der Universität zu Köln. Seine Forschungsschwerpunkte sind die Unterstützung von Lehr-Lernprozessen im MINT-Bereich durch KI-basierte Technologien in Schule und Universität sowie die digitalisierungsbezogene Professionsentwicklung von Lehrkräften.
