Wie KI-Systeme über Bildung denken

MedienPädagogik Zeitschrift für Theorie und Praxis der Medienbildung, vol. 72, pp. 1–26

Abstract

Die zunehmende Integration von Large Language Models (LLMs) in Bildungskontexte wirft die Frage auf, welche bildungstheoretischen Annahmen in diesen Systemen angelegt sind. Die vorliegende Studie untersucht mittels eines Mixed-Methods-Ansatzes die latenten Präferenzmuster von GPT-5.1. In einem dreistufigen Delphi-Verfahren (n = 23) wurden zunächst acht bildungstheoretische Dimensionen mit 48 Items identifiziert und validiert. Anschliessend erfolgte die Erhebung der Modellpräferenzen mittels Structured Preference Elicitation (SPE), wobei 10.296 Paarvergleiche mit je zehn Wiederholungen durchgeführt wurden. Die Analyse mittels Thurstonian Utility-Modellierung zeigt, dass GPT-5.1 ein hochkohärentes Präferenzprofil aufweist (Transitivität: 99,78 %; Model-Accuracy: 92,79 %), das weitgehend mit den konsentierten humanistischen Bildungsprinzipien übereinstimmt. Das Modell präferiert konstruktivistische Lernansätze, Inklusion und kritisches Denken, während es defizitorientierte Kategorisierungen und kulturelle Hierarchien ablehnt. Divergenzen zum Expert:innenpanel zeigen sich primär in emotionalen Dimensionen und epistemischer Normativität. Dies sind Bereiche, in denen auch unter Expert:innen normativer Dissens besteht. Die Befunde werden im Rahmen einer relationalen Perspektive diskutiert, die Implikationen für AI Literacy und die Gestaltung von Mensch-KI-Interaktion in Bildungskontexten aufzeigt.

Authors 1

1. Daniel Autenrieth corresponding Aachen

   RWTH Aachen University

   Affiliation as printed

   RWTH Aachen University