Welches Wissen über Künstliche Intelligenz sollten angehende und praktizierende Informatik und KI Lehrpersonen tatsächlich mitbringen? Bisher fehlt dafür eine verbindliche Antwort. Wolfgang Robinig und Gerald Steinbauer-Wagner haben nun einen datengetriebenen, von Fachexpert:innen validierten Ansatz vorgelegt, um einen Itemkatalog für weitere Forschung zu erstellen: das sogenannte AI Content Knowledge (AI-CK) für Lehrkräfte.
Ausgangspunkt waren 1.515 potenzielle Themen aus Standardwerken der KI (u. a. Russell & Norvig) sowie aktueller Deep-Learning-Literatur. Über ein mehrstufiges Filterverfahren, semantisches Clustering mittels SBERT und Stabilitätsprüfungen mit Large Language Models wurde diese Fülle systematisch verdichtet – abschließend qualitativ geprüft von Professor:innen. Ergebnis ist eine strukturierte Taxonomie mit elf zentralen Themenclustern, die klassische symbolische KI ebenso abbildet wie moderne datengetriebene Architekturen.
Zur Konferenzpublikation:
Robinig, W. & Steinbauer-Wagner, G. (2026). A Data-Driven and Expert-Validated Approach: Defining Artificial Intelligence Content Knowledge (AI-CK) for Teachers. In B. K. Smith & M. Borge (Hrsg.), Learning and Collaboration Technologies, HCII 2026, LNCS Band 16733 (S. 294–303). Springer, Cham.
Zur Publikation bei SpringerLink