In Zeiten künstlicher Intelligenz: Mit fehlerhaften Abbildungen erfolgreich lernen

Durch die vielfältige Nutzung künstlicher Intelligenz kommen Lernende zunehmend mit KI-generierten Lerninhalten, wie Texten und Bildern, in Kontakt. Viele dieser Lerninhalte enthalten jedoch Fehler oder weichen in der Darstellung von der Realität ab. Die Frage, ob fehlerhafte Abbildungen dennoch im Bildungskontext einen Nutzen haben können, haben Theresa Dechamps und Juniorprofessor Dr. Alexander Skulmowski in einer Studie untersucht. In diesem Experiment wurde das Lernen durch Testen mit fehlerhaften Abbildungen im Vergleich zum erneuten Lernen der Inhalte untersucht. Weiterhin wurden realistische und schematische Abbildungen als Lerninhalt verglichen. Der Lernerfolg wurde mit einem textbasierten und einem bildbasierten Lerntest überprüft. Die Ergebnisse zeigen, dass das Lernen durch Testen mit fehlerhaften Abbildungen schädlich ist, wenn der Lerninhalt aus schematischen Abbildungen besteht. Wenn die zu lernenden Inhalte jedoch realistisch dargestellt sind, kann dies für den Lernerfolg für textbasierte Lerntests förderlich sein. Diese Ergebnisse deuten darauf hin, dass fehlerhafte Abbildungen einen erfolgsversprechenden Lerninhalt darstellen können, solange diese einen ausreichend hohen Detailgrad aufweisen. Hierbei ist jedoch zu beachten, dass in der Studie explizit auf die Fehlerhaftigkeit der Abbildungen hingewiesen wurde. Dies sollte beim Einsatz dieser Lernstrategie immer bedacht werden.

Dechamps, T., & Skulmowski, A. (2025). Learning with erroneous visualizations modulates retention depending on perceptual richness and test type. Trends in Neuroscience and Education, 40, 100256. https://doi.org/10.1016/j.tine.2025.100256