Lehren, Lernen und flache Digitalisierung

1 Flache Lösungen für unverstandene Probleme

Der technische Fortschritt verleitet zu voreiligen Lösungen: Man entwickelt selbstfahrende Autos und bohrt Tunnel unter Los Angeles, statt sich Gedanken über Stadtplanung und den öffentlichen Nahverkehr zu machen. Leichter schreibt man eine App, als dass man sich Gedanken über das (vielleicht nur scheinbare?) Problem sowie dessen oft gesellschaftliche Ursachen macht und diese nachhaltig angeht. Evgeny Morozov (2013) hat für solche vorschnelle technischen Lösungen den Begriff „Solutionismus“ geprägt. Im Bereich des Bildungssystems finden sich schon jetzt viele Beispiele:

1. Man erfasst die Anwesenheit von Studierenden per RFID-Karte (UMM, n.d.), statt sich zu fragen, warum sie sonst nicht erscheinen und ob das Erscheinen sinnvoll ist.

2. Man prüft alle Hausarbeiten durch (oft unzulängliche, siehe Weber-Wulff, 2019) Software auf Plagiate, statt sich zu fragen, warum plagiiert wird und ob solche Arbeiten sinnvoll sind.

3. Man investiert in die Produktion von Lehrvideos, statt sich zu fragen, warum nicht einfach entsprechende Texte gelesen werden.

Weiteren fruchtbaren Boden für Solutionismus bieten die aktuellen Entwicklungen im Maschinenlernen („Künstliche Intelligenz“), in der umfassenden Sammlung und Zusammenführung von Daten, in der Sensorik (Sensoren etwa im Smartphone und in Armbändern) und im Bereich der Peripheriegeräte (etwa VR-Brillen).

Dieser Beitrag schärft in Abschnitt 2 den Begriff „Digitalisierung“, gibt dann in Abschnitt 3 Beispiele für eine erste Stufe von Schein-Lösungen, diskutiert in Abschnitt 4 deren Unwirksamkeit und die daraus folgende Fokussierung auf motivationale Aspekte, die, wie in Abschnitt 5 erläutert, zu einer zweiten Stufe von Schein-Lösungen führt. Dass der Solutionismus nicht nur fehlschlägt, sondern auch massive Nebenwirkungen hat, ist Gegenstand von Abschnitt 6. Ein Fazit ziehe ich in Abschnitt 7.

2 Der Begriff „Digitalisierung“

Im Computer – was Smartphone und Tablet einschließt – stecken zwar digitale Chips, aber aus Anwendersicht bleibt dies unsichtbar. In der Tat wird insbesondere für das Maschinenlernen an analogen Chips gearbeitet; in Laboren finden sich sogar Quanten-Chips. Die Arbeit wird vielleicht gar nicht von Chips erledigt, sondern von Menschen – etwa mittels Amazons „Mechanical Turk“, sehr treffend nach von Kempelens vorgeblichem Schachroboter benannt. Das computergestützte Auslagern auf menschliche Arbeit sieht man bei der Korrektur US-amerikanischer Hausarbeiten in Indien (Williams June, 2010) ebenso wie bei der Begutachtung von Programmierprojekten auf der Udacity-Plattform (Udacity, n.d.).

Die „Digitalisierung“ ist also an vielen Stellen gar nicht digital angetrieben. Ein passenderer Ausdruck statt „Digitalisierung der Bildung“ wäre „EdTech“: die (elektronische) Bildungstechnologie. Diese steht für mich auf drei Beinen:

1. Verdatung: Inhalte sowie Lernende, Lehrende und ihr Handeln werden großflächig erfasst; die so entstehenden Daten entsprechen zunächst oft Schemata fern der interessanten Fragen (z. B. Position und Zeit von Mausklicks, aber nicht Verstehen).

2. Vernetzung: Menschen werden medial zusammengeschlossen, aber vor allem werden Daten zusammengebracht. Das erlaubt Zusammenarbeit, fördert aber auch Zentralisierung und Standardisierung, zum Beispiel auf Kursplattformen.

3. Algorithmierung: Verdatung und Vernetzung ermöglichen den Einsatz von komplexen Automatiken. Dazu zählen etwa Informationsassistenten und die Anpassung von Lernmaterial.

EdTech ist aber nicht nur Technik, sondern besitzt ebenso wirtschaftliche Aspekte – etwa Risikokapital, Startups, den Drang nach neuen Märkten – und gesellschaftliche Aspekte.

3 Die Schwierigkeit technischer Revolutionen

Prophezeiungen über Umwälzungen im Bildungssystem haben Tradition: „It is possible to teach every branch of human knowledge with the motion picture. Our school system will be completely changed inside of ten years.“ (Edison nach Smith, 1913, S. 24) Beim Thema der massiven offenen Online-Kurse (MOOCs) verhoben sich der seinerzeitige Präsident der Stanford-Universität mit „There’s a tsunami coming.“ (Auletta, 2012) und MOOC-Pionier Sebastian Thrun mit: „In 50 years, [...] there will be only 10 institutions in the world delivering higher education.“ (Leckhart, 2012) Aber statt das Bildungssystem mit Gratiskursen zu „disrupieren“, haben sich die großen MOOC-Plattformen zu Fernstudien-Anbietern zurückentwickelt (Reich & Ruipérez-Valiente, 2019), bei denen etwa der Master in Elektrotechnik und Technischer Informatik (aus US-Sicht „nur“) ab 22.500 US-$ kostet (edX, n.d.).

Aktuelle Hoffnungsträger der Revolution sind per Text oder gesprochener Sprache kommunizierende Informationsassistenten (z. B. Chatbots), Virtual und Augmented Reality, Roboter, offene Bildungsressourcen (OER), dezentralisierte Belege (Blockchain), vor allem aber die Anpassung von elektronischen Kursen an die Lernende und den Lernenden („Adaptivität“, „Personalisierung“).

Letztere erweist sich bereits als schwieriges Geschäft. So wurde das einst führende Unternehmen Knewton mit seinen mehr als 180 Mio. US-$ Finanzierung, wohl für unter 17 Mio. US-$ verkauft (Wan, 2019). AltSchool, vormals Vorzeigeunternehmen für die Totalüberwachung der Schülerinnen und Schüler hat die Schulen aufgegeben und ist zum Softwareunternehmen geworden (Russell, 2019). Adaptive Lernsysteme wie „Teach to One: Math“ – vormals: „School of One“ – werden seit einigen Jahren breit verwendet, so dass man ihre Effekte studieren kann. So finden Ready et al. (2019) mit fünf Versuchs- und 16 Vergleichsschulen über drei Jahre sehr heterogene Ergebnisse, und sehen sich außerstande, allgemeine Schlussfolgerungen zu ziehen. Die Zahlen deuten allerdings an, dass unterprivilegierte Schülerinnen und Schüler benachteiligt werden.

4 Das Angebot und seine (Nicht-)Nutzung

Die Schwierigkeit technischer Umwälzungen im Bildungssystem scheint paradox, denn Facebook (inklusive WhatsApp), YouTube, TikTok usw. führen vor, dass Millionen oder gar Milliarden von Menschen dazu erzogen werden können, unablässig nach Benachrichtigungen zu schauen, Timelines zu scrollen, mit zwei Daumen Antworten zu tippen, lebensgefährliche Selfies zu schießen und aufwendige Videos zu produzieren (siehe etwa Alter, 2017). Warum funktioniert es dann nicht, dass sich große Teile der Bevölkerung – insbesondere die Schülerinnen und Schüler, Studentinnen und Studenten – begierig, beständig und sinnvoll mit Lernvideos, MOOCs und Wikipedia weiterbilden? Warum werden zum Beispiel Videos vor allem als Rezeptsammlung für Hausaufgaben und zum bulimischen Lernen vor Klausuren benutzt?

Es kann nicht um die Verfügbarkeit von Lernmaterial gehen, denn das hat es schon vor Jahrzehnten gratis in der örtlichen Stadtbibliothek gegeben. Also könnte es wohl um Motivation, Durchhaltevermögen, Impulskontrolle und Ähnliches gehen. Die „sozialen“ Netze und die Videoanbieter sind hier im Vorteil: Sie setzen auf biologisch primäre Reize, auf rasche und starke Emotionen und profitieren sogar von mangelnder Impulskontrolle. Bildung kann auf diesem Terrain nur verlieren.

Dass die Bereitschaft und Fähigkeit zur Nutzung der Schlüssel sind, hat man auch bei der OECD gemerkt und eine entsprechende Studie gestartet, die 2020 abgeschlossen sein soll (OECD, n.d.). Dort spricht man von „social and emotional skills“ und impliziert damit, dass Optimismus, Stressresistenz, Empathie, Neugier, Leistungsmotivation usw. lehr- und lernbar seinen – wie der „skill“, Brüche zu addieren.

5 Motivation lernen?

Die nächste Generation technischer Ansätze zielt folglich darauf ab, dass die Lernenden lernen wollen sollen. Aber hier wird ebenfalls nur solutionistisch an der Oberfläche des Problems gekratzt.

Eine Hoffnung könnte sein, dass die neuen Medien als solche motivieren. Doch dies ist mit einem Neuigkeitseffekt verbunden, nach dessen Abflauen aufwändig und/oder teuer abermals neue Technik beschafft werden muss. Eine Metastudie (Sung, Chang & Liu, 2016) zum Lernen mit mobilen Geräten findet nur in 9 von 108 Studien mehr als ein halbes Jahr an Interventionsdauer; die Effektstärke dieser Studien ist deutlich geringer als die der kürzeren. Philip (2017, S. 35) berichtet sogar von ausdrücklichem Widerstand: „The novelty effect of mobile phones not only waned but gradually morphed into a source of student opposition“.

Verschiedene Arten von Technik sollen gegen die oberflächlichen Probleme Abhilfe schaffen: Eine mit Sensoren ausgestatte Brille weckt Unaufmerksame (MIT Media Lab, n.d.). Ein Chatbot tritt in einschlägigen Foren als Ghostwriter für Programmier-Hausaufgaben auf, um Missetäter zu entlarven (Granziano et al., 2019). Von studentischer Seite stammen „Study with me“-Videos, in denen man einer anderen Person beim Lesen, Schreiben und Tippen zusehen kann (Ludena, 2019) – ein Arbeitsklima wie in der Hochschulbibliothek.

Videoüberwachung mit Erkennung von Gesicht und Positur kann dazu benutzt werden, um einschlafende Schülerinnen und Schüler an den elektronischen Pranger zu stellen (Xue, 2019). Ebenso können Lehrerinnen und Lehrer Punkte für erwünschtes Verhalten vergeben, in der Hoffnung, dass die Schülerinnen und Schüler nach dem Spitzenplatz in der Liste streben (Williamson, 2017). Viele Ideen ranken sich darum, mit minimalen Anreizen oder Hinderungen zu arbeiten („Nudging“) sowie Bestenlisten und andere aus Spielen bekannte Elemente einzusetzen („Gamification“).

Sind solche Ansätze noch Bildung oder muss man sie schon als Gehirnwäsche bezeichnen? Schülerinnen und Schüler könnten sowieso feststellen, dass ihnen der elektronische Pranger mehr Respekt unter ihresgleichen einbringt, als konformes Verhalten das tun würde.

6 Kollateralschäden

Der Einsatz von EdTech kann nicht nur in die Irre führen, sondern hat auch schädliche Nebenwirkungen. Der Verlust an Privatheit und die Ablenkung durch Technik werden breit diskutiert. Aber die Liste an Nebenwirkungen lässt sich fortsetzen:

Der Wandel von langen zu kurzen Textformen (z. B. Chat) und von Text zu gesprochener Sprache (z. B. Sprachassistenten) und Bildern (z. B. Videos) führt dazu, dass sich komplexere Argumentationsmuster nicht adäquat darstellen lassen. Und die automatische Bewertung von Essays lädt nicht nur zu dadaistischen Versuchen ein (Feathers, 2019), sondern könnte die ohnehin geringe Motivation vollends zerstören: Wer will für eine Maschine schreiben?

Menschen sind nicht perfekt, aber Algorithmen sind das auch nicht. Erstens haben sie Vorurteile: Insbesondere das Maschinenlernen – ohne Bedacht eingesetzt – bildet die Welt nach, wie sie ist, aber nicht wie sie gerecht wäre (O’Neil, 2016). So könnte eine adaptive Software Kindern aus ärmeren Vierteln bodenständigere Lektionen anbieten. Zweitens arbeiten die derzeit gängigen Arten des Maschinenlernens sozusagen intuitiv, nicht auf der Basis logischer Herleitungen: Die Herkunft ihrer Resultate lässt sich – zum Beispiel durch Lehrpersonen – nicht sinnvoll nachvollziehen. „Explainable AI“ soll dies verbessern (Gade et al., 2019).

„KI/adaptiv“ kann einfach als teures Etikett auf kommerzielle Lernsoftware geklebt sein, ohne dass man sich überzeugen darf, was wirklich drinsteckt. Zentralisierung und Kommerzialisierung können obendrein dazu führen, dass Lehrpläne und Didaktik nur noch hinter verschlossenen Türen von (außereuropäischen?) Unternehmen beschlossen werden.

Darüber hinaus vermittelt EdTech ein verborgenes Curriculum: Man lernt, dass der Chef ein Algorithmus ist, wie bei Uber und Amazon Mechanical Turk. Ebenso kommt der Eindruck auf (ob berechtigt oder nicht, ist für die Wirkung fast egal), dass privilegierte Kinder Holzspielzeug und Gemüsegarten erhalten, aber die anderen Kinder mit Technik abgespeist werden (Archibald, 2018).

Nicht nur die Bildungsinstitutionen rüsten technisch auf, sondern auch die Lernenden: So ist inzwischen das automatische Lösen von Textaufgaben vorstellbar (Zhang et al., im Druck). Das automatische Ausformulieren von Stichwortsammlungen scheint mir nur noch eine Frage der Zeit zu sein.

7 Fazit

EdTech führt uns vor Augen, dass wir Lehren und Lernen nicht genügend verstehen. Nur Material bereitzustellen, ist nicht die Lösung. Künstlich Motivation hervorzulocken oder zu erzwingen, ist nicht die Lösung. – Und was ist überhaupt das Problem, zu dem wir hier eine Lösung suchen? Bildungspolitik mauschelt sich durch, um es scheinbar allen (und damit niemandem?) recht zu machen. Aber Technik, die brutal-solutionistisch das falsche Problem löst, reißt vormals kaschierte Widersprüche auf.

Auch dieser Beitrag kann nicht beantworten, was das Problem ist. Eine extreme (aber nicht meine) Antwort könnte sein: Es gibt kein Problem, denn das Bildungssystem macht genau das, was es soll, indem es Schichtenzugehörigkeiten reproduziert und diese als legitim erscheinen lässt (siehe etwa Bourdieu & Passeron, 1971). Eine andere extreme Antwort könnte sein: Das Problem besteht darin, dass das Bildungssystem nicht auf optimale Art Humankapital produziert. So könne man die Ableitung der Wurzelfunktion und den Ablativ Plural der u-Deklination streichen, denn die benötige im Leben praktisch niemand wieder. Vielmehr seien sie nur verlässliche Signale für ein Mindestmaß an Intelligenz, Gewissenhaftigkeit und Konformität (für solche Gedanken siehe insbesondere Caplan, 2018). Andere denkbare Antworten könnten sich um die Schaffung neoliberaler Subjekte (selbstoptimierende Solopreneurs?), um Humboldt oder um staatstragende und glückliche Bürgerinnen und Bürger ranken.

Hat man das Problem definiert, stellt sich die Frage, ob EdTech überhaupt ein bedeutender Teil seiner Lösung sein kann: Fehlt es an einem sicheren Zuhause mit regelmäßigem und ausreichendem Einkommen? Fehlt es an einem die Person und die Bildung wertschätzendem Umfeld? Fehlt es an frühkindlich zu erwerbenden Sprach- und anderen Kommunikationsfertigkeiten? Fehlt es an Zukunftsaussichten? All dies kann eine App nur schwerlich ändern.