Generative Sprachmodelle als Herausforderung für erziehungswissenschaftliche Vorstellungen von Lernen und Sozialisation?
Hauptsächlicher Artikelinhalt
Abstract
Bibliographie: Richter, Christoph/Allert, Heidrun: Generative Sprachmodelle als Herausforderung für erziehungswissenschaftliche Vorstellungen von Lernen und Sozialisation?, Erziehungswissenschaft, 70 (1-2025), S. 19-25.
Artikel-Details
Literatur
Ananny, Mike (2024): Make AI a Public Problem. In: Issues in Science and Technology 40, 2, S. 88. https://doi.org/10.58875/EHNY5426.
Bajohr, Hannes (2023): Dumb Meaning: Machine Learning and Artificial Semantics. In: IMAGE 37,1, S. 58-70. https://doi.org/10.1453/1614-0885-1-2023-15452.
Boge, Florian J. (2022): Two Dimensions of Opacity and the Deep Learning Predicament. In: Minds and Machines 32,1, S. 43-75. https://doi.org/10.1007/s11023-021-09569-4.
Burrell, Jenna (2016): How the Machine ‚Thinks‛: Understanding Opacity in Machine Learning Algorithms. In: Big Data & Society 3, 1. https://doi.org/10.1177/2053951715622512.
Döbeli Honegger, Beat (2024): Was will uns ChatGPT sagen? In: Pädagogik 76, 3, S. 34-39. https://doi.org/10.3262/PAED2403034.
Durt, Christoph/Froese, Tom/Fuchs, Thomas (2023): Large Language Models and the Patterns of Human Language Use: An Alternative View of the Relation of AI to Understanding and Sentience. [Preprint] https://philsciarchive.pitt.edu/22744/ [Zugriff: 19. Februar 2025].
Introna, Lucas D. (2016): Algorithms, Governance, and Governmentality: On Governing Academic Writing. Science. In: Technology, & Human Values, 41, 1, S. 17-49. https://doi.org/10.1177/0162243915587360.
Kasneci, Enkelejda et al. (2023): ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education. In: Learning and Individual Differences 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274.
Krämer, Sybille (1998): Was haben die Medien, der Computer und die Realität miteinander zu tun? In: Krämer, Sybille (Hrsg.): Medien Computer Realität – Wirklichkeitsvorstellungen und Neue Medien. Frankfurt am Main: Suhrkamp, S. 9-26.
Krämer, Sybille (2024): Die Nicht-Vernunft der Chatbots – Was macht auf Large Language Models beruhende Künstliche Intelligenz philosophisch interessant? In: Adolphi, Rainer/Alpsancar, Suzana/Hahn, Susanne/Kettner, Matthias (Hrsg.): Philosophische Digitalisierungsforschung: Verantwortung, Verständigung, Vernunft, Macht. Bielefeld: transcript, S. 297-314. https://doi.org/10.1515/9783839474976-011.
Linde, Helmut (2023): So funktioniert ChatGPT. Golem.de. https://www.golem.de/news/kuenstliche-intelligenz-so-funktioniert-chatgpt-2302-171644.html [Zugriff: 19. Februar 2025].
Loch, Werner (1968): Enkulturation als anthropologischer Grundbegriff der Pädagogik. In: Bildung und Erziehung 21, 3, S. 161-178. https://doi.org/10.7788/bue-1968-jg19.
Matzner, Tobias (2024): Algorithmenkritik und die Suche nach dem „Außen“. In: Adolphi, Rainer/Alpsancar, Suzana/Hahn, Susanne/Kettner, Matthias (Hrsg.): Philosophische Digitalisierungsforschung: Verantwortung, Verständigung, Vernunft, Macht. Bielefeld: transcript, S. 137-151. https://doi.org/10.1515/9783839474976-005.
Miragoli, Martin (2024): Conformism, Ignorance & Injustice: AI as a Tool of Epistemic Oppression. In: Episteme, First View, S. 1-19. https://doi.org/10.1017/epi.2024.11.
Richter, Christoph/Allert, Heidrun (2024): Für eine „technologiebewusste Medienpädagogik“ jenseits der Digitalisierung. Ein Weg in die Archive der Technizität. In: Jahrbuch Medienpädagogik, 21, S. 323-350. https://doi.org/10.21240/mpaed/jb21/2024.09.13.X.
Simon, Judith/Spiecker genannt Döhmann, Indra/von Luxburg, Ulrike (2024): Generative KI – jenseits von Euphorie und einfachen Lösungen (= Diskussion, 34). Halle an der Saale: National Akademie der Wissenschaften Leopoldina. https://doi.org/10.26164/LEOPOLDINA_03_01226.
Ständige wissenschaftliche Kommission der Kultusministerkonferenz (2024): Large Language Models und ihre Potenziale im Bildungssystem. Impulspapier der Ständigen Wissenschaftlichen Kommission (SWK) der Kultusministerkonferenz. Bonn: SWK. http://dx.doi.org/10.25656/01:28303.