Beschreibung
Im Zeitalter von Big Data wäre der Mensch allein nicht in der Lage, mit den riesigen Datenmengen umzugehen, die zu jedem Zeitpunkt generiert werden, weshalb Stalder Algorithmizität als eines von drei prägenden Merkmalen der Kultur der Digitalität beschreibt: Algorithmische Prozesse sortieren die unermesslich großen Datenmengen vor und wandeln sie in ein für den Einzelnen erfassbares Format um (Stalder, 2016, S. 164ff.). Eine entscheidende Rolle in dieser digitalen Infrastruktur von Sortiersystemen spielen Algorithmische Empfehlungssysteme (AES), vollautomatische „Technologien, die Nutzer*innen von Online-Plattformen eine Auswahl von Inhalten vorschlagen und dabei Verfahren der Datenverarbeitung anwenden“ (Schober et al., 2022, S. 11). Ihre Präsenz in Online-Diensten ist allgegenwärtig. Ein prominentes Beispiel ist die Erzeugung von Social Media Feeds. AES wirken jedoch auch darüber hinaus als Hintergrundprozesse verschiedenster Empfehlungen mit: Die gleiche Art von Algorithmen finden sich bspw. auch bei Filmempfehlungen auf Streaming-Diensten und Produktempfehlungen auf Verkaufsplattformen (Schober et al., 2022; Narayanan, 2023). Mit den Möglichkeiten und Einschränkungen, die sie bieten, sind AES Teil der sich verändernden Art und Weise, wie wir in der Kultur der Digitalität mit Informationen umgehen.
Diese Veränderungen haben auch Auswirkungen für schulische Bildungsprozesse. Entsprechend finden sich in politischen Rahmenpapieren der KMK Verweise auf Phänomene rund um Algorithmizität in der Kultur der Digitalität (KMK, 2021). AES im Speziellen werden in Verbindung gebracht mit Auswirkungen auf Meinungsbildung und gesellschaftlichen Zusammenhalt, die durch den Einfluss von (nicht-)empfohlenen Inhalten zustande kommen könnten, und auf komplexe Feedback-Schleifen zwischen Mensch und Maschine zurückgeführt werden (Thorburn, 2023). Die Perspektiven auf und der Umgang von Jugendlichen mit AES wurde in diesem Zusammenhang bereits erforscht (Schober et al., 2022). Die Sichtweise von Lehrkräften auf AES als Bezugspunkt der Medienkompetenzvermittlung in Schule und Unterricht ist bisher unbeleuchtet. An dieser Stelle setzt das Forschungsvorhaben an: Zunächst wird die Frage betrachtet, welche Kenntnisstände und Perspektiven Lehrkräfte mit Bezug zu AES aufweisen, und wie sie deren Relevanz im Kontext der schulischen Medienkompetenzvermittlung einstufen. Dies wird über halbstandardisierte, leitfadengestützte Interviews mit Lehrkräften verschiedener Statusgruppen erfasst werden: Lehrkräfte mit Berufserfahrung (mind. 5 Jahre), Lehrkräfte im Referendariat, sowie Studierende des Lehramts. Im Rahmen der Interviews soll den Relevanzsetzungen der Teilnehmenden zunächst Raum geboten werden, um im Anschluss auf spezifische Schwerpunkte einzugehen, die an Erkenntnisse aus der Studie von Schober und Kolleg*innen anschließen. Ausgewertet werden die Interviews mittels einer inhaltlich strukturierenden qualitativen Inhaltsanalyse nach Kuckartz (2016).
Daran anknüpfend steht im Mittelpunkt des Vorhabens, wie Erkenntnisse zu AES als Gegenstand der Medienkompetenzvermittlung Akteurinnen in Schule zugänglich gemacht werden können. Auf einer Metaebene geht es dabei auch um Fragen zu Wissenschaftskommunikation und Transfer. Gerade im Kontext schnelllebiger digitaler Entwicklungen stoßen traditionelle Lehrkräftefortbildungen oft an ihre Grenzen. Anhand von AES als exemplarischen Gegenstand wird daher die Frage betrachtet, wie schnelllebige, weitreichende technologische Themen zum Gegenstand von Mikrofortbildungen werden können. Angeknüpft wird dabei an die Erkenntnis, dass Lehrkräfte Wege finden, sich über herkömmliche Fortbildungsformate hinaus zu informieren. So stellt Informationssuche bspw. einen wichtigen Faktor in der Motivation von Lehrkräften zur Nutzung von Plattformen wie Instagram dar (Richter et al., 2022). Das Promotionsvorhaben betrachtet in der Konsequenz, die Bereitstellerinnen dieser Informationen selbst – Lehrkräfte-Influencerinnen – als mögliche Vermittlerinnen von schnelllebigen und kleinformatigen Themen. Durch die Spezialisierung darauf, berufsbezogene Inhalte auf zugängliche, niedrigschwellige und ansprechende Weise zu präsentieren und zu teilen, sind Lehrkräfte-Influencerinnen möglicherweise besonders geeignet, Informationen an Bildungsakteurinnen in der Praxis zu verbreiten. Dieses Potential soll in angestrebten Kooperationen mit Lehrkräfte-Influencerinnen durch die Entwicklung von Transferformaten zu AES näher beleuchtet werden. Da ein offener Ansatz gewählt wird und die Transferformate iterativ mit den teilnehmenden Lehrkräfte-Influencerinnen entwickelt werden sollen, steht das detaillierte Forschungsdesign zur dieser Ebene des Promotionsvorhabens noch nicht fest. Der Vortrag fokussiert die Herleitung des Vorhabens und lädt dazu ein, Erfahrungen in der Entwicklung von Transferformaten zu diskutieren.
Literatur
KMK = Sekretariat der Kultusministerkonferenz (Hrsg.) (2021). Lehren und Lernen in der digitalen Welt. Ergänzung zur Strategie der Kultusministerkonferenz „Bildung in der digitalen Welt“. http://tinyurl.com/KMK-DW-2021
Kuckartz, U. (2016). Qualitative Inhaltsanalyse : Methoden, Praxis, Computerunterstützung (3., überarbeitete Aufl.). Juventa.
Narayanan, A. (2023, 09. März). Understanding Social Media Recommendation Algorithms. Knight First Amend. Inst. http://knightcolumbia.org/content/understanding-social-media-recommendation-algorithms
Richter, E., Carpenter, J. P., Meyer, A., & Richter, D. (2022). Instagram as a platform for teacher collaboration and digital social support. Computers & Education, 190(2022), 1–15. https://doi.org/10.1016/j.compedu.2022.104624
Stalder, F. (2016). Kultur der Digitalität. Suhrkamp.
Schober, M., Lauber, A., Bruch, L., Herrmann, S., & Brüggen, N. (2022). »Was ich like, kommt zu mir« Kompetenzen von Jugendlichen im Umgang mit algorithmischen Empfehlungssystemen. kopaed. https://kopaed.de/kopaedshop/?pid=1402
Thorburn, L. (2023, 03. März). When You Hear “Filter Bubble”, “Echo Chamber”, or “Rabbit Hole”—Think “Feedback Loop”. Medium. https://medium.com/understanding-recommenders/when-you-hear-filter-bubble-echo-chamber-or-rabbit-hole-think-feedback-loop-7d1c8733d5c
| Poster | Nein |
|---|
