Bessere Hausaufgaben, weniger Arbeitszeit – aber schlechtere
Prüfungsleistungen? Eine neue Studie mit knapp 27.000
Schüler aus China scheint auf den ersten Blick einen
deutlichen „Learning Penalty“ durch generative KI zu zeigen.
Doch ist damit wirklich belegt, dass KI zu „Cognitive
Offloading“, „De-Skilling“ oder gar „Kompetenzschwund“ führt? Wir
schauen uns die Studie von Strömberg, Lei und Wu genauer an und
fragen, was sie tatsächlich über KI-Nutzung,
Hausaufgaben-Outsourcing und Lernen zeigt – und warum
ausgerechnet diejenigen Schüler keine Lernverluste zeigen,
die trotz KI weiter ähnlich viel Zeit in ihre Hausaufgaben
investieren.
Außerdem diskutieren wir, was daraus für Hausaufgaben im
KI-Zeitalter folgt: Welche Aufgaben ergeben überhaupt noch Sinn,
wenn ChatGPT in Sekunden eine überzeugende Lösung liefern kann –
und wann muss die entscheidende Denkarbeit zurück in den
Unterricht?
Literatur
Strömberg, D., Lei, V., & Wu, Y. (2026). The Generative
AI Learning Penalty: Evidence from Chinese Secondary Education.
Dettmers, S., Trautwein, U., Lüdtke, O., Kunter, M., &
Baumert, J. (2010). Homework works if homework quality is high:
Using multilevel modeling to predict the development of
achievement in mathematics. Journal of Educational
Psychology, 102(2),
467–482. https://doi.org/10.1037/a0018453
Trautwein, U. (2007). The homework–achievement relation
reconsidered: Differentiating homework time, homework frequency,
and homework effort. Learning and Instruction, 17(3),
372–388. https://doi.org/10.1016/j.learninstruc.2007.02.009
Trautwein, U., Lüdtke, O., Schnyder, I., & Niggli, A. (2006).
Predicting homework effort: Support for a domain-specific,
multilevel homework model. Journal of Educational
Psychology, 98(2),
438–456. https://doi.org/10.1037/0022-0663.98.2.438
Kommentare (0)
Melde dich an, um einen Kommentar zu schreiben.