Intelligente digitale Werkzeuge in der sprachlichen Bildung: Chancen und Herausforderungen.

Abstract

Der Artikel zielt darauf, Chancen und Herausforderungen für einen effektiven Einsatz digitaler Werkzeuge, die sich im Bereich (iii) der digitalen sprachunterstützenden Systeme mit Intelligenz verorten lassen, konkret zu realen Anforderungen der sprachlichen Bildung in Bezug zu setzen.

Full text

Michael Becker-Mrotzek, Ingrid Gogolin,
Hans-Joachim Roth, Petra Stanat (Hrsg.)
Grundlagen der
sprachlichen Bildung
10
Sprachliche Bildung

Sprachliche Bildung, Band 10
ISSN2510-4519
Print-ISBN 978-3-8309-4775-2
E-Book-ISBN 978-3-8309-9775-7
https://doi.org/10.31244/9783830997757
Bibliograsche Informationen der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der
Deutschen Nationalbibliograe; detaillierte bibliograsche Daten sind
im Internet über http://dnb.dnb.de abruar.
Waxmann Verlag GmbH, Münster 2023
Steinfurter Straße 555, 48159 Münster
www.waxmann.com
info@waxmann.com
Umschlaggestaltung: Anne Breitenbach, Münster
Umschlagfoto: © VectorMine – Shutterstock.com
Satz: Roger Stoddart, Münster
Becker_Mrotzek_23.indb 4Becker_Mrotzek_23.indb 4 31.08.23 10:4931.08.23 10:49
Diese Lizenz gilt nur für das Originalmaterial. Alle gekennzeichneten Fremdinhalte
(z.B. Abbildungen, Fotos, Zitate etc.) sind von der CC-Lizenz ausgenommen und für
deren Wiederverwendung ist es ggf. erforderlich, weitere Nutzungsgenehmigungen
beim jeweiligen Rechteinhaber einzuholen.
Dieses E-Book ist verfügbar unter folgender Lizenz: CC-BY-ND 4.0
Namensnennung – Keine Bearbeitung 4.0 International

Zarah Weiss, Till Woerfel und Detmar Meurers
Intelligente digitale Werkzeuge in der sprachlichen Bildung
Chancen und Herausforderungen
1. Motivation
Durch die Erkenntnisse aus den internationalen Vergleichsstudien PISA, TIMSS
und IGLU sowie den darauin initiierten Bund-Länder Forschungsprogrammen
(v.a. FörMig und FörMig Transfer) fand die Idee einer durchgängigen Sprachbil-
dung Ende der er Jahre Eingang in die Curricula in Deutschland. Im Gegen-
satz zur additiven Sprachförderung (wie Sprachförder- oder Deutsch als Zweit-
sprache-Unterricht) und der Sprachtherapie werden darunter alle durch das Bil-
dungssystem systematisch angeregten Sprachentwicklungsprozesse verstanden, die
allgemeine Aufgabe im Elementarbereich und des Unterrichts in allen Fächern
sind (Becker-Mrotzek & Roth, , S. .). Um didaktisch auf unterschiedliche
sprachliche Lernvoraussetzungen reagieren zu können, hat sich der sprachsensib-
le Unterricht herausgebildet. Bei diesem Unterrichtsansatz liegt der Schwerpunkt
auf der Erreichung sprachlicher und fachlicher Lernziele im Fach. Damit wird
Sprachförderung dort umgesetzt, wo sie benötigt wird, nämlich in jedem Fachun-
terricht (vgl. Becker-Mrotzek & Woerfel, ).
Eine Möglichkeit fachliches und sprachliches Lernen im Fach zu verbinden,
kann mittels des Scaolding-Ansatzes (vgl. Gibbons, ) erfolgen. In der Un-
terrichtsplanung ermitteln Lehrende die sprachlichen Fähigkeiten der Lernenden
(Sprachdiagnostik) und die erforderlichen (fach-)sprachlichen Fähigkeiten (Be-
darfsanalyse) zur Erreichung der Lernziele bzw. des Erwerbs der notwendigen
Kompetenzen im Fach. Auf solchen Sprachstands- und Bedarfsanalysen werden
passende sprachliche Hilfen erstellt. In der Unterrichtsinteraktion wenden Leh-
rende z. B. verschiedene Modellierungstechniken an und stellen individuelle
sprachliche Hilfen (Scaolds) bereit, solange es für die Lernenden nötig ist. Zur
Umsetzung solcher Ansätze benötigen Lehrende Grundwissen zu ein- und mehr-
sprachigen Spracherwerbsprozessen, linguistisches Grundwissen zur Ermittlung
sprachlicher Anforderungen von Unterrichtsgegenständen sowie diagnostisches
Wissen zur Einschätzung von sprachlichen Erwerbsständen. Auf der Unterrichts-
ebene sind Kompetenzen hinsichtlich der didaktisch-methodischen Planung
sprachsensiblen Fachunterrichts und der Auswahl passender sprachlicher Hilfen
und Modellierungstechniken in der Unterrichtsinteraktion erforderlich. Für Leh-
rende, in deren Fächern die Vermittlung von Sprache nicht der primäre Gegen-
stand ist, kann dies eine besondere Herausforderung darstellen.
4.5
Weiss, Z. Woerfel, T. & Meurers, D. (). Intelligente digitale Werkzeuge in der sprachlichen Bildung
Chancen und Herausforderungen. In M. Becker-Mrotzek, I. Gogolin, H.-J. Roth & P. Stanat (Hrsg.), Grund-
lagen der sprachlichen Bildung (S. –). Münster: Waxmann. CC BY-ND .
Becker_Mrotzek_23.indb 185Becker_Mrotzek_23.indb 185 31.08.23 10:4931.08.23 10:49

Zarah Weiss, Till Woerfel und Detmar Meurers
186
Gerade unter diesem Aspekt verspricht die digitale Transformation ein enor-
mes Potential für die Individualisierung von Lernprozessen und die Unterstüt-
zung von Lehrenden im Umgang mit sprachlicher Heterogenität. Diese digitalen
Einsatzmöglichkeiten lassen sich unseres Erachtens im Hinblick auf ihre Unter-
stützung binnendierenzierter Angebote gut in drei Bereiche fassen:
i. Digitale Anwendungen, die nicht gezielt sprachunterstützend konzipiert sind
(z. B. Textverarbeitungsprogramme, digitale Whiteboards), für die Förderung
der sprachlichen Fertigkeiten (Sprechen und Zuhören, Lesen und Schreiben)
einzusetzen;
ii. Digitale sprachunterstützende Systeme (Computer Assisted Language Learning
– CALL), die gezielt konzipiert wurden, um Sprache/n zu lernen, ohne dass
dabei Sprache mit Methoden der Künstlichen Intelligenz automatisiert analy-
siert wird;
iii. Digitale sprachunterstützende Systeme mit Intelligenz (intelligent Computer
Assisted Language Learning – ICALL), die Lehrende und Lernende gezielt un-
terstützen können, etwa indem Sprache mittels computerlinguistischer Verfah-
ren automatisch analysiert wird, um eine adaptive, interaktive Lernunterstüt-
zung zu bieten.
Bislang wird die Digitalisierung im Bildungskontext gesellschalich eher wenig
dierenziert diskutiert als eine Mischung aus Fragen der Medienbildung, der
technischen Ausstattung von Schulen und der Nutzung digitaler Medien und
Werkzeuge. Der Diskussion fehlt insbesondere o eine Konkretisierung der Desi-
derate, die durch die Digitalisierung im Bildungskontext eigentlich adressiert wer-
den sollen. Eine hierzu orthogonale Diskussion ist die Frage der Bildungsinhalte
eines Unterrichts unter den Bedingungen einer Kultur der Digitalität (vgl. Stalder,
) sowie die Fragestellung einer zeitgemäßen Prüfungskultur (vgl. Albrecht,
), die nicht Gegenstand des vorliegenden Beitrags sind. Unser Artikel zielt
darauf, Chancen und Herausforderungen für einen eektiven Einsatz digitaler
Werkzeuge, die sich im Bereich (iii) der digitalen sprachunterstützenden Syste-
me mit Intelligenz verorten lassen, konkret zu realen Anforderungen der sprach-
lichen Bildung in Bezug zu setzen.
2. Desiderata digitaler Werkzeuge
Wir konzentrieren uns auf die individuelle und adaptive Förderung von Lernpro-
zessen. Sowohl aufgrund der großen Relevanz der substanziellen individuellen
Unterschiede (Dornyei & Ryan, ; Kidd, Donnelly & Christiansen, ) als
auch im Hinblick auf die zunehmende sprachliche Heterogenität von Lernenden
in formalen Bildungskontexten in Deutschland (vgl. Autorengruppe Bildungsbe-
1 Wir verstehen in diesem Artikel den Begri Werkzeug in dem allgemeinen Sinne einer
Soware, die Lehrpersonen digital unterstützt.
Becker_Mrotzek_23.indb 186Becker_Mrotzek_23.indb 186 31.08.23 10:4931.08.23 10:49

Intelligente digitale Werkzeuge in der sprachlichen Bildung 187
richterstattung, , S.) sehen wir hierin eine besondere Chance für einen ef-
fektiven Einsatz digitaler Werkzeuge zur Adressierung realer Herausforderungen
in der sprachlichen Bildung (vgl. Becker-Mrotzek, Huesmann, Mörs, & Woerfel,
). Wir fokussieren auf vier Elemente der (sprachsensiblen) Unterrichtsgestal-
tung und -durchführung, die aus wissenschalicher Sicht für die adaptive Indivi-
dualisierung von Lernprozessen essenziell sind:
i. Sprachdiagnostik. Diese dient der Beurteilung des individuellen Sprachstands
von Lernenden und kann sowohl der begleitenden Beobachtung des Lernpro-
zesses dienen (formativ) als auch der Bewertung des Lernstands am Ende ei-
ner Lerneinheit (summativ).
ii. Binnendierenzierende Lernangebote (Makro-Scaolding). Hierunter wird
die Anpassung von Lernangeboten und -materialien an die individuellen
Sprachkompetenzen der Lernenden verstanden. Binnendierenzierung und
Sprachdiagnostik greifen somit direkt ineinander. In der Spracherwerbsfor-
schung gelten angemessen fordernder sprachlicher Input in der entwicklungs-
proximalen Zone (Zone of Proximal Development (ZPD); Lantolf, orne &
Poehner, ) und entsprechend komplexe Aufgaben als zentral für die För-
derung des Spracherwerbs.
iii. Feedback (Mikro-Scaolding). Unter Feedback werden konstruktive Rück-
meldungen an Lernende zu ihrer Sprachproduktionen verstanden. Es stellt
eine Form des Mikro-Scaoldings dar, da sich Form und Art des Feedbacks an
den individuellen Sprachstand der Lernenden anpassen sollten. Lernbegleiten-
des, formatives Feedback hat sich in der Forschung als besonders eektiv er-
wiesen (Hattie & Timperley, ; Shute, ), während die in der Schulpra-
xis üblichere Form einer kollektiven Hausaufgabenbesprechung ineektiv zu
sein scheint (Köhler, ).
iv. Funktionale Sprachanlässe. Funktionale Sprachanlässe werden durch bedeu-
tungsfokussierte Aufgaben bereitgestellt, die Lernende dazu veranlassen, die zu
erwerbende Sprache zur Erfüllung eines vorgegebenen Kommunikationsziels
oder anderen Tasks im Sinne des Task-Based Language Teaching (Long, )
zu nutzen. Sie unterscheiden sich somit von Aufgaben, die den Fokus allein
auf die Realisierung konkreter sprachlicher Formen legen.
Diese vier Elemente der sprachsensiblen Unterrichtsgestaltung können eingedenk
der wachsenden sprachlichen Heterogenität von Lernenden und der limitierten
zeitlichen Ressourcen im Fach- und (Fremd-)Sprachenunterricht in der Praxis
nicht umfassend von Lehrenden geleistet werden. In diesen Bereichen können di-
gitale Werkzeuge daher einen wertvollen Beitrag dazu leisten, Lehrende in ihrer
Tätigkeit zu unterstützen.
Becker_Mrotzek_23.indb 187Becker_Mrotzek_23.indb 187 31.08.23 10:4931.08.23 10:49

Zarah Weiss, Till Woerfel und Detmar Meurers
188
3. Chancen von ICALL Angeboten
Unter Fokussierung auf diese vier Aufgabenbereiche können wir im Folgenden
den aktuellen Forschungsstand im Bezug darauf betrachten, inwiefern digitale
Werkzeuge Lehrende in der Gestaltung des (sprachsensiblen) Fachunterrichts un-
terstützen können.
3.1 Sprachdiagnostik
Sprachdiagnostik ist ein zentrales Element der Unterrichtsentwicklung und der
Grundstein für erfolgreiche Binnendierenzierung und kompetenzadaptives
Feedback. Dabei können auch geschlossene und Multiple-Choice Aufgaben in Lar-
ge-Scale Assessments genutzt werden, um gezielt Fehlkonzeptionen und Wissens-
lücken aufzuzeigen. Technologiebasiertes Assessment (TBA) durch digitale Dia-
gnostikwerkzeuge hat hier ein besonderes Potential, da es eine schnellere, (teil-)
automatisierte Auswertung von Testergebnissen und eine schnellere Kommuni-
kation der Ergebnisse an Lehrende und Lernende erlaubt. Zudem zeigen Studien
eine höhere Akzeptanz von digitalen Tests bei Schüler:innen (Bernecker & Nin-
aus, ). Meta-Studien zeigen, dass digitale und papierbasierte Tests in den Be-
reichen Mathematik und Lesekompetenz die gleichen Konstrukte testen können
(vgl. Wang, Jiao, Young, Brooks & Olson, ; Wang, Jiao, Young, Brooks & Ol-
son, ), auch wenn ursprünglich papierbasierte Tests mitunter aufgrund von
Modus-Eekten neu normiert werden müssen (vgl. Lenhard, Schroeders & Len-
hard, ).
Es gibt bislang nur wenige einsetzbare TBA, wie den DERET -+ Recht-
schreibtest (Martinez Méndez, Schneider & Hasselhorn, ), den ELFE-II Le-
setest (Lenhard et al., ) und den CODY-M Mathematiktest (Kuhn, Schwenk,
Raddatz, Dobel & Holling, ) für die zweite bis vierte Klasse, welcher jedoch
nicht zur Sprachdiagnostik eingesetzt wird, sondern Bestandteil der S Richtlinie
zur Diagnose und Behandlung von Dyskalkulie ist. Aktuell adressieren jedoch
mehrere Forschungsprojekte diese Lücke: Das Leibniz-Institut für Bildungsfor-
schung und Bildungsinformation (DIPF) thematisiert dies im wissenschalichen
Forschungs- und Infrastrukturzentrum für TBA und am Institut zur Qualitäts-
entwicklung im Bildungswesen (IQB) wird derzeit die schrittweise Integration
von TBA in das Large-Scale Assessments Projekt „Vergleichsarbeiten in der Grund-
schule” (VERA; Opho, Koch, Hosenfeld & Helmke, ) für den Mathematik-
und Deutschunterricht der Grundschule geprü. TBA konzentriert sich primär
auf die Auswertung geschlossener Assessmentformate. Die automatische Aus-
wertung oener Aufgabenformate, die freie Sprachproduktionen elizitieren, stellt
eine besondere methodische Herausforderung dar, für die in den USA inzwischen
2 https://tba.dipf.de
3 https://www.iqb.hu-berlin.de/research/dm/tba/tba
Becker_Mrotzek_23.indb 188Becker_Mrotzek_23.indb 188 31.08.23 10:4931.08.23 10:49

Intelligente digitale Werkzeuge in der sprachlichen Bildung 189
erste Systeme existieren (insb. C-Rater; Leacock & Chodrow, ), aber auch für
das Deutsche werden Short Answer Assessment Ansätze entwickelt, wie ISAAC
(Ziai, ), basierend auf dem COMIC Projekt (Ziai, Ott & Meurers, ).
3.2 Binnendierenzierte Lernangebote (Makro-Scaolding)
Im Bereich des Makro-Scaolding gibt es eine große Bandbreite digitaler Ange-
bote. Diese reichen von spielbasierten Interventionen, wie Phontasia (Berkling,
) und Prosodyia (Holz, ) für den Lese-Rechtschreib-Erwerb, über An-
sätze zum angereicherten (cabuu-App) oder aufgabenspezischen Erwerb von
Vokabeln (Ponnusamy & Meurers, ), bis zu Systemen, die Lehrkräe bei der
Auswahl oder Erstellung von Unterrichtsmaterial unterstützen. Letztere konzent-
rieren sich u. a. darauf, entwicklungsproximale sprachliche Konstruktionen mög-
lichst frequent im Material vorkommen zu lassen (input enrichment; Chinkina &
Meurers, ) oder durch visuelle Hervorhebungen salienter zu machen (visual
input enhancement; Sharwood Smith, ), basierend auf der Erkenntnis, dass
der Zweitspracherwerb eine bewusste Wahrnehmung von Sprache erfordert (noti-
cing hypothesis; Schmidt, ). Auch mittels large language models (z. B. GPT-)
lassen sich durch gezielte Spezikation (prompts) bestimmte sprachliche Merkma-
le in Texten identizieren und hervorheben, wobei die Stärke solcher statistischer
Sprachmodelle eher beim Erzeugen oder Reformulieren von Sprache liegt als bei
der linguistischen Analyse mit pädagogischer Zielsetzung. Fachdidaktisch moti-
vierte digitale Werkzeuge können solche Hervorhebungen aber auch automatisiert
in Unterrichtsmaterialien vornehmen. Ein Beispiel ist das webbasierte Textauf-
bereitungstool COAST für Silbenstrukturen in Lesetexten (Holz, Weiss, Brehm &
Meurers, ). Die KANSAS Suchmaschine kombiniert die Anreicherung und
die visuelle Auereitung binnendierenzierter Lernmaterialien für die Alphabe-
tisierung und Grundbildung sowie Deutsch als Zweitsprache (DaZ). Das System
ermöglicht eine Internet- oder Korpussuche nach inhaltlichen und sprachlichen
Kriterien. Die Texte werden mit Hilfe von Natural Language Processing (NLP) im
Hinblick auf ihre inhaltlichen und sprachlichen Charakteristika analysiert und auf
einer für den Bereich niedriger Lesekompetenzen fokussierten Skala klassiziert
(Weiss, Dittrich & Meurers, ). Ein verwandtes Werkzeug ist die Suchmaschi-
ne FLAIR für den Englisch- und DaZ-Unterricht (Chinkina, Kannan & Meurers,
), welche die Lesbarkeit von Texten in drei an den Gemeinsamen Europäi-
schen Referenzrahmen angelehnten Kompetenz-Leveln angibt und es Lehrkräen
4 https://isaac-project.github.io
5 https://purl.org/comic
6 https://cabuu.app
7 https://www.sfs.uni-tuebingen.de/coast
8 http://kansas-suche.de
Becker_Mrotzek_23.indb 189Becker_Mrotzek_23.indb 189 31.08.23 10:4931.08.23 10:49

Zarah Weiss, Till Woerfel und Detmar Meurers
190
ermöglicht, Suchresultate zu präferieren, welche die ausgewählten sprachlichen
Mittel des Bildungsplanes möglichst reich repräsentieren.
3.3 Individuelles Feedback und Mikro-Scaolding
Digitale Werkzeuge können auch individuelles Feedback und lernbegleiten-
de Scaolds anbieten. In traditionellen Lern-Management- und CALL-Systemen
müssen bei der Erstellung von automatisch auswertbaren, geschlossenen Übungs-
aufgaben alle Lösungsoptionen explizit a priori festgelegt werden, wobei für die
jeweiligen Antwortoptionen auch Feedback vorgesehen werden kann. Das Feed-
back ist jedoch immer auf die explizit kodierten Fälle beschränkt und muss in je-
der Aufgabe einzeln speziziert werden. Sogenannte intelligente Tutorensysteme
gehen einen Schritt weiter und modellieren die Wissensdomäne und den Kennt-
nisstand von Lernenden, um lernbegleitendes, individuelles Feedback und passen-
de Übungsaufgaben zur Verfügung stellen zu können. Ein Beispiel für ein kom-
petenzadaptives, intelligentes Sprach-Tutorensystem ist das FeedBook, ein digita-
les Arbeitsbuch für den Englischunterricht der . Klasse, das auf dem gedruckten
Arbeitshe eines zugelassenen Englischlehrwerks basiert. Das System sagt die in
einer Aufgabe potenziell relevanten (Miss)konzeptionen vorher und kann so au-
tomatisiert individuell lernbegleitende Rückmeldungen anbieten (Meurers et al.,
). Die Wirksamkeit des Feedbacks zu den sprachlichen Mitteln wurde in ei-
ner ganzjährigen Feldstudie im regulären Englischunterricht empirisch validiert
(Meurers, De Kuthy, Nuxoll, Rudzewitz & Ziai, ). Lernende schnitten bei den
sprachlichen Mitteln des Bildungsplans substanziell besser ab, zu denen sie vom
System während der Bearbeitung spezische, lernbegleitende Rückmeldungen er-
hielten, die auf Fehlkonzeptionen aufmerksam machen und schrittweise an ein
Verständnis des Lerngegenstands heranführen. Lehrende sparen zudem die sonst
für die Korrektur notwendige Zeit und können sich auf die kompetenzorientier-
te Arbeit in der Klasse mit besser vorbereiteten Schüler:innen konzentrieren. Auf
diese Weise ermöglicht der Wechsel von einem gedruckten Arbeitsbuch zu einem
digitalen Werkzeug wie dem FeedBook neue, genuin binnendierenzierende För-
deroptionen.
9 http://air.schule
10 http://feedbook.website
Becker_Mrotzek_23.indb 190Becker_Mrotzek_23.indb 190 31.08.23 10:4931.08.23 10:49

Intelligente digitale Werkzeuge in der sprachlichen Bildung 191
3.4 Funktionale Sprachanlässe
Digitale Werkzeuge können die Gestaltung und Ausführung von authentischen,
bedeutungsfokussierten Aufgaben unterstützen. Selbst Systeme, die nicht speziell
für den Spracherwerb entwickelt wurden, werden bereits jetzt genutzt, um funk-
tionale Sprachanlässe immersiv und ansprechender zu gestalten, beispielsweise
für die Erstellung eines multimedialen Buchs mit Werkzeugen wie Book Creator.
Sogenannte Chatbots unterstützen auch einfache Kommunikationsübungen. Die
Adaptionsmöglichkeiten solcher Systeme sind jedoch begrenzt, da sie die sprach-
lichen Produktionen der Lernenden verarbeiten, indem sie diese mit Hilfe zuvor
festgelegter Antwortmuster abgleichen. Dieses Verfahren erfordert eine starke in-
haltliche Eingrenzung des Gesprächsverlaufs und ist in der Regel nicht dazu in
der Lage, Lernende in ihren Sprachproduktionen durch Scaolding zu fördern.
Sie fallen somit eher in die Kategorie sprachunterstützender Systeme, die Künst-
liche Intelligenz nicht gezielt einsetzen, um den Spracherwerb kompetenzadaptiv
zu unterstützen. Zudem berücksichtigen die aktuell verfügbaren Chatbots zumeist
weder sozio-kulturelle noch non-verbale Kommunikationsaspekte.
ICALL-Systeme können oenere und authentischere Gesprächsverläufe er-
möglichen, welche sich auch auf die individuellen Kompetenzen von Lernenden
einlassen. Das unseres Wissens fortgeschrittenste dieser Systeme ist das Tactical
Language and Cultural Training System (TLCTS), ein spielbasiertes Tutorensys-
tem für den funktionsfokussierten Erwerb gesprochener Sprache (Johnson & Va-
lente, ). Ursprünglich für das Training von Soldat:innen für Auslandseinsätze
konzipiert, vermittelt TLCTS sowohl linguistische als auch non-verbale und kul-
turelle Kommunikationskompetenzen. Lernende werden zur Schulung ihrer Ge-
sprächskompetenz durch eine Serie von konkreten Gesprächssituationen geführt.
Zugleich führen sie non-verbale Gesten mit einem virtuellen Avatar durch, auf
welche die künstlichen Gesprächspartner:innen ebenso reagieren wie auf die ge-
sprochene Sprache, die durch ein automatisches Sprachverarbeitungsmodul analy-
siert und auf die inhaltliche Passung und Fehler untersucht wird. Ein:e virtuelle:r
Lernassistent:in unterstützt die Lernenden, modelliert ihre individuellen Kompe-
tenzen und stellt entsprechendes Feedback bereit. Allerdings gibt es derzeit für
den deutschsprachigen Raum kein System, das solche kompetenzadaptiven funk-
tionalen Sprachangebote für den Spracherwerb bereitstellt.
4. Herausforderungen
Die hier diskutierten ICALL-Systeme haben, wie im vorigen Abschnitt skizziert,
das Potential, Lehrende in zentralen Bereichen der Unterrichtsgestaltung zu un-
terstützen. Die Integration in die Lehrpraxis ist allerdings auch mit Herausforde-
rungen verbunden.
11 https://bookcreator.com
Becker_Mrotzek_23.indb 191Becker_Mrotzek_23.indb 191 31.08.23 10:4931.08.23 10:49

Zarah Weiss, Till Woerfel und Detmar Meurers
192
4.1 Anforderungen an Lehrende
Eine zentrale Hürde besteht darin, dass die Nutzung digitaler Werkzeuge von Leh-
renden eine Reihe von Kompetenzen erfordern, über die Lehrende in Deutsch-
land noch nicht ausreichend verfügen (vgl. Drossel, Eickelmann, Schaumburg &
Labusch, ). So wird zum Beispiel im derzeit viel diskutierten TPACK-Modell
(vgl. Mishra & Koehler, ) die Schnittstelle von pädagogischem, inhaltlichem
und technischem Wissen als ein zentraler Gegenstand der Lehrerbildung gesehen.
Die Entwicklung von Strategien für die Erschließung unbekannter Programme
mit neuen Funktionen wird jedoch aktuell in der Aus- und Weiterbildung nicht
systematisch gewährleistet, was zu Schwierigkeiten beim Einsatz digitaler Werk-
zeuge führt (Monitor Lehrerbildung, ). Zudem sollten insbesondere jene Leh-
renden von dem Einsatz von ICALL-Systemen protieren, die über die eingangs
diskutierten Kompetenzen im Bereich der sprachlichen Bildung verfügen. ICALL-
Systeme machen relevante Informationen zum Spracherwerbsprozess direkt be-
obachtbar. Dieses Informationsangebot ist jedoch nur dann von Wert, wenn Leh-
rende die Kompetenzen haben, aus diesen Informationen konkrete Schlussfolge-
rungen für ihre Unterrichtsgestaltung abzuleiten. Dies gilt aktuell besonders für
die Arbeit mit Tools, die GPT- nutzen und somit einerseits über eine ungemein
reiche sprachliche Basis verfügen, auf der diese Modelle trainiert sind, aber ande-
rerseits von Lehrenden substanzielle Expertise zur Nutzung für eine konkrete pä-
dagogische Zielsetzung und die dafür relevante fachdidaktisch motivierte linguis-
tische Analyse verlangen. Um bildungssprachliche Merkmale in Unterrichtsmate-
rialien thematisieren zu können, müssen Lehrende diese kennen und linguistisch
beschreiben können (z. B. komplexe Nominalphrasen wie „eine solche Erklärung
des Problems”), um auf dieser Grundlage die Tools pädagogisch eektiv nutzen
zu können. Sie benötigen aber auch Kenntnisse darüber, für welche Ziel- und Al-
tersgruppen die entsprechenden Strukturen Hürden darstellen und wie viel oder
wenig sprachliche Entlastung bei einem z. B. mit ChatGPT umformulierten Text
welche Lernende an welcher Stelle benötigen. Eine entsprechende Passung sicher-
zustellen, benötigt darüber hinaus auch weiterhin eine substanzielle diagnostische
Kompetenz und darauf auauende Einsicht in Lernstände und -verläufe.
4.2 Anforderungen an Lernende
Digitale Werkzeuge mit direkten Interaktionsschnittstellen für Lernende stellen
auch an diese gewisse Anforderungen, insbesondere die Schnittstelle zwischen
Nutzer:innen und System. So kann die Nutzung von computerbasierten Syste-
men für jüngere Lernende eine Herausforderung darstellen, deren motorische
Fähigkeiten noch nicht vollständig entwickelt sind (Holz & Meurers, ). Zu-
dem wurde wiederholt darauf hingewiesen, dass viele Schüler:innen Dezite beim
Schreiben mit einer Tastatur haben (Frahm & Blatt, ; Jung, Möller, Klein &
Heller, ), was die Nutzung digitaler Werkzeuge beeinträchtigt. Der systema-
Becker_Mrotzek_23.indb 192Becker_Mrotzek_23.indb 192 31.08.23 10:4931.08.23 10:49

Intelligente digitale Werkzeuge in der sprachlichen Bildung 193
tische Erwerb des ezienten Tastaturschreibens sollte daher eindeutig als Aufga-
be des Bildungssystems verstanden werden. Dabei sollte die Förderung des Tasta-
turschreiberwerbs nicht in Konkurrenz zum Handschrierwerb gesehen werden,
sondern kann im Gegenteil in einem positiven Zusammenhang damit stehen (vgl.
Feng, Lindner, Ji & Malatesha Joshi, ).
4.3 Technische Anforderungen
Digitale Werkzeuge stellen Hardware- und Infrastrukturanforderungen, welche in
Bildungseinrichtungen nicht immer erfüllt werden. Beispielsweise erfordern na-
hezu alle hier vorgestellten Systeme die Nutzung eines Computers oder Laptops
und sind nicht oder nur eingeschränkt mit Tablets oder Smartphones nutzbar. Bei
den meisten Systemen handelt es sich um webbasierte Anwendungen, die keine
Installation und Wartung benötigen und nur geringe technische Anforderungen
an die ausführenden Endgeräte stellen. Allerdings sind sie auf eine stabile Inter-
netverbindung angewiesen, welche aktuell weder an allen Schulen noch in allen
Haushalten vorausgesetzt werden kann (forsa, ).
4.4 Ethisch-rechtliche Aspekte
Eine zentrale ethisch-rechtliche Herausforderung für den Einsatz von ICALL-Sys-
temen im Unterricht betri den Datenschutz, welcher nach europäischem Recht
streng geregelt ist. Entsprechend der DS-GVO sind Schulen dazu verpichtet, die
Daten ihrer Schüler:innen zu schützen und ausschließlich auf europäischen Ser-
vern zu speichern. Die Intelligenz von ICALL-Systemen resultiert jedoch maßgeb-
lich aus der Verarbeitung von Daten. Kontinuierliche formative Sprachdiagnostik,
individuell kompetenzadaptives Feedback und Lernpfade können nicht funktio-
nieren, ohne Lernerdaten zu erheben und zu speichern. Aus ethischer Sicht sind
beide Extreme – der Verzicht auf die digital realisierbare individuelle Förderung
und gläserne Lernende – gleichermaßen fragwürdig, so dass es hier einer die-
renzierten Regelung bedarf. Daher ist eine der zentralen Aufgaben für den syste-
matischen Einsatz intelligenter digitaler Werkzeuge die Klärung der rechtlichen
Rahmenbedingungen, welche die Nutzung von intelligenten digitalen Systemen in
Bildungseinrichtungen regeln. Gesellschalich noch auszulotende ethische Fragen
ergeben sich auch aus potenziellen algorithmischen Biases, die in intelligenten
Systemen aureten können (Loukina, Madnani & Zechner, ; Shah, Schwartz
& Hovy, ), und hinsichtlich der Balance zwischen individueller Förderung
und allgemeiner Gleichbehandlung aller Lernenden.
Becker_Mrotzek_23.indb 193Becker_Mrotzek_23.indb 193 31.08.23 10:4931.08.23 10:49

Zarah Weiss, Till Woerfel und Detmar Meurers
194
5. Ausblick
Unter der Perspektive der individuellen Förderung von Lernenden in heteroge-
nen Lernkontexten haben wir die Bereiche Diagnostik, Makro-Scaolding, Mik-
ro-Scaolding und funktionale Sprachanlässe als zentrale Bereiche für den Einsatz
intelligenter Sprachlernsysteme in der sprachlichen Bildung identiziert. Die ak-
tuelle ICALL Forschung und Systementwicklung bietet erste in der Bildungsrea-
lität nutzbare Angebote für digitale Sprachdiagnostik sowie Makro- und Mikro-
Scaolding, auch wenn in Bereichen wie der Analyse von oenen Aufgabenfor-
maten es sich noch um Forschungsprototypen handelt. Die digitale Unterstützung
funktionaler Sprachanlässe steht derzeit für den deutschsprachigen Raum noch
am Anfang.
Die erwähnten digitalen Werkzeuge können mit ihren adaptiven, interaktiven
Funktionen das Lehren und Lernen unterstützen, nicht die didaktisch geschulten
Lehrenden ersetzen. Eine erfolgreiche Integration solcher digitalen Werkzeu-
ge in die Praxis erfordert jedoch sprachbildungs- und digitalisierungsbezogene
Kompetenzen, die zukünig systematisch und stärker als aktuell Gegenstand der
Aus- und Weiterbildung von Lehrkräen sein müssen, sowie eine Klärung der
ethischen und rechtlichen Fragen.
Zusammenfassend zeigt unser Beitrag klar die vielfältigen Chancen des Ein-
satzes intelligenter digitaler Werkzeuge in der sprachlichen Bildung auf, auch
wenn in Bezug auf die Rahmenbedingungen ihres breiten Einsatzes in der Praxis
noch Herausforderungen bestehen.
Literatur
Albrecht, C. (). Prüfungsformate im digitalen Wandel. In W. Klee, P. Wamper & A.
Krommer (Hrsg.), Hybrides Lernen. Zur eorie und Praxis von Präsenz- und Distanz-
lernen (S.–). Weinheim: Beltz.
Autorengruppe Bildungsberichterstattung (). Bildung in Deutschland 2016: Ein indika-
torengestützter Bericht mit einer Analyse zu Bildung und Migration. Bielefeld: wbv.
Becker-Mrotzek, M., Huesmann, I., Mörs, M. & Woerfel, T. (). Schlüsselqualikati-
on Sprache. Sprachliche Bildung im Distanz- und Präsenzunterricht. In K. Maaz &
M. Becker-Mrotzek (Hrsg.), Schule weiter denken. Was wir aus der Pandemie lernen
(S.–). Berlin: Dudenverlag.
Becker-Mrotzek, M. & Roth, H.-J. (). Sprachliche Bildung – Grundlegende Be-
grie und Konzepte. In M. Becker-Mrotzek & H.-J. Roth (Hrsg.), Sprachliche Bil-
dung – Grundlagen und Handlungsfelder (S. –). Münster: Waxmann. https://doi.
org/./
Becker-Mrotzek, M. & Woerfel, T. (). Sprachsensibler Unterricht und Deutsch als
Zweitsprache als Gegenstand der Lehrerbildung. In C. Cramer, J. König, M. Roth-
land & S. Blömeke (Hrsg.), Handbuch Lehrerbildung (S. –). Bad Heilbrunn:
Klinkhardt. https://doi.org/./hblb-
Becker_Mrotzek_23.indb 194Becker_Mrotzek_23.indb 194 31.08.23 10:4931.08.23 10:49

Intelligente digitale Werkzeuge in der sprachlichen Bildung 195
Berkling, K. (). Phontasia: A phonics game for German and its eect on orthographic
skills-rst corpus exploration. Proceedings of the 6th Workshop on Child Computer In-
teraction (WOCCI). https://doi.org/./WOCCI.-
Bernecker, K. & Ninaus, M. (). No Pain, no Gain? Investigating motivational me-
chanisms of game elements in cognitive tasks. Computers in Human Behavior, 114,
–. https://doi.org/./j.chb..
Chinkina, M., Kannan, M. & Meurers, D. (). Online information retrieval for lan-
guage learning. Proceedings of the 54th Annual Meeting of the Association for Compu-
tational Linguistics – System Demonstrations (ACL), –. https://doi.org/./v/
P-
Chinkina, M. & Meurers, D. (). Linguistically aware information retrieval: Providing
input enrichment for second language learners Proceedings of the 11th Workshop on
innovative use of NLP for building educational applications (BEA), –. https://doi.
org/./v/W-
Dornyei, Z. & Ryan, S. (). e psychology of the language learner revisited. UK: Rout-
ledge. https://doi.org/./
Drossel, K., Eickelmann, B., Schaumburg, H. & Labusch, A. (). Nutzung digitaler
Medien und Prädiktoren aus der Perspektive der Lehrerinnen und Lehrer im interna-
tionalen Vergleich. In B. Eickelmann, W. Bos, J. Gerick, F. Goldhammer, H. Schaum-
burg, K. Schwippert, M. Senkbeil & J. Vahrenhold (Hrsg.), ICILS 2018 #Deutschland
Computer- und informationsbezogene Kompetenzen von Schülerinnen und Schülern im
zweiten internationalen Vergleich und Kompetenzen im Bereich Computational in-
king. (S.–). Münster: Waxmann.
Feng, L., Lindner, A., Ji, X. R. & Malatesha Joshi, R. (). e roles of handwriting and
keyboarding in writing: A meta-analytic review. Reading and Writing, 32(), –.
https://doi.org/./s---x
forsa (). Das Deutsche Schulbarometer Spezial: Corona-Krise: Folgebefragung. Ergeb-
nisse einer Befragung von Lehrerinnen und Lehrern an allgemeinbildenden Schulen im
Aurag der Robert Bosch Stiung in Kooperation mit der Zeit. Verfügbar unter: https://
deutsches-schulportal.de/content/uploads///Deutsches-Schulbaromater-Folgebe-
fragung.pdf
Frahm, S. & Blatt, I. (). Gibt es überhaupt einen Unterschied zwischen Hand- und
Computerschreiben? Zu Mode-Eects bei der Rechtschreibung in Klasse . Didaktik
Deutsch, 20(), –.
Gibbons, P. (). Scaolding Language. Scaolding Learning. Portsmouth: Heinemann.
Hattie, J. & Timperley, H. (). e power of feedback. Review of educational research,
77(), –. https://doi.org/./
Holz, H. (). Design, Development, and Evaluation of Research Tools for Evidence-based
Learning: a Digital Game-based Spelling Training for German Primary School Children.
Doctoral dissertation, Eberhard Karls Universität Tübingen. Verfügbar unter: https://
doi.org/./publikation- [..]
Holz, H. & Meurers, D. (). Interaction Styles in Context: Comparing Drag-and-Drop,
Point-and-Touch, and Touch in a Mobile Spelling Game. International Journal of Hu-
man–Computer Interaction, 37(), –. https://doi.org/./..

Holz, H., Weiss, Z., Brehm, O. & Meurers, D. (). COAST – Customizable Online Syl-
lable Enhancement in Texts: A exible framework for automatIcally enhancing reading
materials. Proceedings of the 13th Workshop on Innovative Use of NLP for Building Edu-
cational Applications (BEA), –. https://doi.org/./v/W-
Becker_Mrotzek_23.indb 195Becker_Mrotzek_23.indb 195 31.08.23 10:4931.08.23 10:49

Zarah Weiss, Till Woerfel und Detmar Meurers
196
Johnson, W. L. & Valente, A. (). Tactical language and culture training systems: Us-
ing AI to teach foreign languages and cultures. AI magazine, 30(), –. https://doi.
org/./aimag.vi.
Jung, S., Moeller, K., Klein, E. & Heller, J. (). Mode eect: An issue of perspective?
Writing mode dierences in a spelling assessment in German children with and with-
out developmental dyslexia. Dyslexia, 27(), –. https://doi.org/./dys.
Kidd, E., Donnelly, S. & Christiansen, M. H. (). Individual dierences in language
acquisition and processing. Trends in cognitive sciences, 22(), –. https://doi.
org/./j.tics...
Kuhn, J.-T., Schwenk, C., Raddatz, J., Dobel, C. & Holling, H. (). CODY-Mathetest:
Mathematiktest für die 2.–4. Klasse (CODY-M 2–4). Düsseldorf: Kaasa health.
Lantolf, J. P., orne, S. L. & Poehner, M. E. (). Sociocultural theory and second lan-
guage development. In J. van Patten & J. Williams (Hrsg.), eories in second language
acquisition (S.–). New York: Routledge.
Leacock, C. & Chodorow, M. (). C-rater: Automated scoring of short-answer
questions. Computers and the Humanities, 37(), –. https://doi.org/./
A:
Lenhard, W., Schroeders, U. & Lenhard, A. (). Equivalence of screen versus print rea-
ding comprehension depends on task complexity and prociency. Discourse Processes,
54 (-), –. https://doi.org/./X..
Long, M. (). Second language acquisition and task-based language teaching. New Jer-
sey: John Wiley & Sons.
Loukina, A., Madnani, N. & Zechner, K. (). e many dimensions of algorithmic fair-
ness in educational applications. Proceedings of the Fourteenth Workshop on Innovative
Use of NLP for Building Educational Applications (BEA), –. https://doi.org/./
v/W-
Kohler, B. (). Dierenzierung bei den Hausaufgaben in der Grundschule: Anspruch,
Realisierung und antizipierte Risiken. In F. Heinzel & K. Koch (Hrsg.), Individualisie-
rung im Grundschulunterricht: Anspruch, Realisierung und Risiken (S.–). Wies-
baden: Springer Fachmedien. https://doi.org/./----_
Martinez Méndez, R., Schneider, W. & Hasselhorn, M. (): DERET 5–6+; Deutscher
Rechtschreibtest für füne und sechste Klassen. Göttingen: Hogrefe.
Meurers, D., De Kuthy, K., Möller, V. Nuxoll, F., Rudzewitz, B. & Ziai, R. (). Digitale
Dierenzierung benötigt Informationen zu Sprache, Aufgabe und Lerner. Zur Gene-
rierung von individuellem Feedback in einem interaktiven Arbeitshe. Fremdsprachen
Lehren und Lernen (FLuL), 47(), –. Verfügbar unter: https://elibrary.narr.digital/
article/./ul [..]
Meurers, D., De Kuthy, K., Nuxoll, F., Rudzewitz, B. & Ziai, R. (). Scaling up interven-
tion studies to investigate real-life foreign language learning in school. Annual Review
of Applied Linguistics, 39, –. https://doi.org/./S
Mishra, P. & Koehler, M. J. (). Technological pedagogical content knowledge: A
framework for teacher knowledge. Teachers college record, 108(), –. https://
doi.org/./j.-...x
Monitor Lehrerbildung (). Lehramtsstudium in der digitalen Welt – Professionelle Vor-
bereitung auf den Unterricht mit digitalen Medien?!. Gütersloh: Bertelsmann Stiung
u. a. Verfügbar unter: https://www.monitor-lehrerbildung.de/export/sites/default/.con-
tent/Downloads/Broschuere_Lehrerbildung-in-der-digitalen-Welt.pdf [..]
Opho, J. G., Koch, U., Hosenfeld, I. & Helmke, A. (). Ergebnisrückmeldungen und
ihre Rezeption im Projekt VERA. In H. Kuper (Hrsg.), Rückmeldung und Rezeption
Becker_Mrotzek_23.indb 196Becker_Mrotzek_23.indb 196 31.08.23 10:4931.08.23 10:49

Intelligente digitale Werkzeuge in der sprachlichen Bildung 197
von Forschungsergebnissen. Zur Verwendung wissenschalichen Wissens im Bildungsbe-
reich (S.–). Münster: Waxmann.
Ponnusamy, H. S. & Meurers, D. (). Employing distributional semantics to organize
task-focused vocabulary learning. Proceedings of the 16th Workshop on Innovative Use
of NLP for Building Educational Applications, –. Verfügbar unter: https://aclantho-
logy.org/.bea-..pdf [..].
Schmidt, R. W. (). e role of consciousness in second language learning. Applied lin-
guistics, 11(), –. https://doi.org/./applin/..
Shah, D., Schwartz, H. A. & Hovy, D. (). Predictive Biases in Natural Language
Processing Models: A Conceptual Framework and Overview. Proceedings of the 58th
Annual Meeting of the Association for Computational Linguistics (ACL), –.
https://doi.org/./v/.acl-main.
Sharwood Smith, M. (). Input enhancement in instructed SLA: eoretical ba-
ses. Studies in second language acquisition, 15(), –. https://doi.org/./
S
Shute, V. J. (). Focus on formative feedback. Review of educational research, 78(),
–. https://doi.org/./
Stalder, F. (). Kultur der Digitalität. Berlin: Suhrkamp.
Wang, S., Jiao, H., Young, M. J., Brooks, T. & Olson, J. (). A meta-analysis of testing
mode eects in grade K- mathematics tests. Educational and Psychological Measure-
ment, 67(), –. https://doi.org/./
Wang, S., Jiao, H., Young, M. J., Brooks, T. & Olson, J. (). Comparability of computer-
based and paper-and-pencil testing in K– reading assessments: A meta-analysis of
testing mode eects. Educational and Psychological Measurement, 68, –. https://doi.
org/./
Weiss, Z., Dittrich, S. & Meurers, D. (). A Linguistically-Informed Search Engine
to Identify Reading Material for Functional Illiteracy Classes, Proceedings of the 7th
Workshop on NLP for Computer Assisted Language Learning (NLP4CALL), –. Ver-
fügbar unter: https://aclanthology.org/W-.pdf
Ziai, R. (). Short answer assessment in context: e role of information structure Doc-
toral dissertation, Eberhard Karls Universität Tübingen. Verfügbar unter: https://doi.
org/./publikation-
Ziai, R., Ott, N. & Meurers, D. (). Short answer assessment: Establishing links between
research strands, Proceedings of the 7th Workshop on Building Educational Applications
Using NLP (BEA), –. Verfügbar unter: https://aclanthology.org/W-.pdf
Becker_Mrotzek_23.indb 197Becker_Mrotzek_23.indb 197 31.08.23 10:4931.08.23 10:49