Diese Woche wurde ein neues Wort erfunden, das mir sofort gefallen hat: workslop (Biblionetz:w03723). Geprägt haben dies Forschende am BetterUp Lab zusammen mit dem Stanford Social Media Lab. Analog zu GMLS-generierten oberflächlichen Social-Media-Posts, die AI slop genannt werden, definieren sie workslop als GMLS-generierte Inhalte, die sich als gutes Arbeitsergebniss tarnen, aber keine Substanz enthalten, um einen gegebenen Arbeitsprozess voranzubringen:

Seit Ende 2022 reden alle von generativen Machine-Learning-Systemen (GMLS) (Biblionetz:w02833) in der Bildung (nein, alle reden natürlich von KI in der Bildung, aber das ist ein anderes Problem).

Ich versuche in der Flut an Diskussionen, Zeitungsartikeln und Studien zu GMLS in der Bildung für mich Strukturen zu schaffen ohne dabei voreilige Schlüsse zu ziehen, die sich nach wenigen Monaten als falsch oder irrelevant erweisen.

Unter anderem überlege ich mir, welche Rollen ein GMLS in der Hand von Lernenden haben kann. Mein aktueller Stand des Irrtums unterscheidet fünf Nutzungstypen:

Bei meiner Keynote an der PH Zürich Anfangs 2024 zum Thema generative Maschine-Learning-Systeme (GMLS) in der Bildung und insbesondere in der Lehrer:innen-Bildung hatte ich Empfehlungen formuliert, was angesichts von GMLS zu tun sei. Die erste Empfehlung lautete: Sie dürfen überfordert sein, der Referent ist es auch.

In vielen Handreichungen, Positionspapieren, Erklärungen und Materialien zu maschinellem Lernen (aka "KI") wird im Abschnitt "Wie funktioniert das?" der Begriff "Deep Learning* (Biblionetz:w02947) verwendet und mehr oder weniger schlecht definiert.

Ich wage jetzt mal zu behaupten: In den allermeisten Fällen ist die Verwendung des Begriffs Deep Learning überflüssig und macht nichts verständlicher.

Diesen Monat ist mir eine weitere Frage im Zusammenhang mit generativen Machine-Learning-Systemen (GMLS) bewusst geworden, die mich nun beschäftigt: Was denken wir über die GMLS-Nutzung anderer Menschen? (Biblionetz:f167)