Skip to content

Read-only version: For security reasons, the Research Information System (FIS) has been temporarily replaced by this read-only version. All public content and full texts remain available; login, editing, submission and statistics are not available. Questions: fis@uni-bamberg.de

Home › Publications › KI-gestütztes Programmierenlernen – Erprobung und Erfahrungen eines Lehr-Lernkonzepts

Publication

KI-gestütztes Programmierenlernen – Erprobung und Erfahrungen eines Lehr-Lernkonzepts

Frommherz, Yannick; Matz, Anne Josephine; Meier-Vieracker, Simon (2025): KI-gestütztes Programmierenlernen – Erprobung und Erfahrungen eines Lehr-Lernkonzepts, in: Bamberg: Otto-Friedrich-Universität, doi: 10.20378/irb-107576.

Details

Author
Frommherz, Yannick
Matz, Anne Josephine
Meier-Vieracker, Simon
Conference
dikule symposium 2025, Bamberg
Publisher Information
Otto-Friedrich-Universität : Bamberg
Year of publication
2025
Pages
1
Language
German
DOI
Licence
URN
Abstract

Digitale Techniken und Forschungsmethoden werden für Geistes- und Sozialwissenschaftler:innen immer wichtiger – ein Trend, der durch jüngste Entwicklungssprünge generativer KI zusätzlich beschleunigt wird. Im Teilprojekt Experimentierraum Digitale Medienkompetenz des Verbundes virTUos (https://tu-dresden.de/bereichsuebergreifendes/virtuos) bieten wir deshalb Studierenden besagter Fächer seit einigen Jahren den Raum, ihr digitales Skillset unter Berücksichtigung ihrer individuellen Bedürfnisse, Lernstrategien und Wissenshorizonte auszubauen. Dabei fokussieren wir bewusst auf Programmierkenntnisse in Python als fundamentale digitale Medienkompetenz, die es Studierenden erlaubt, Forschungsfragen und Anwendungsprobleme bedarfsgerecht zu lösen. Unsere Open-Source-Selbstlernmaterialien (https://github.com/yannickfrommherz/exdimed-student/tree/main) haben wir in mehreren Flipped-Classroom-Seminaren erfolgreich erprobt. Die Tatsache, dass gegenwärtige KI-Tools Programmiercode vollautomatisch und zumeist fehlerfrei generieren, stellt die grundlegende Frage, ob sich Programmierenlernen für Geistes- und Sozialwissenschaftler:innen noch lohnt. Um dieser Frage nachzugehen, haben wir generative KI explorativ in unser Seminar im Wintersemester 2024/25 integriert. Ein erste Abfrage unter Studierenden ergab, dass sie KI zwar einsetzen, aber bislang nicht fürs Programmieren – fehlende Basics werden als Hauptgrund genannt. Entsprechend führten wir die Teilnehmenden erst nach dem Erlangen von Grundkenntnissen in konstruktive Nutzung fürs Coden optimierter KI (GitHub Copilot) ein. Dazu thematisierten wir ausgewählte Anwendungsfälle (etwa Codegeneration „from scratch“, Fehlerbehebung, Codekommentierung) und reflektierten gemeinsam Chancen und Risiken des KI-Einsatzes. Im weiteren Verlauf des Seminars stellten wir Studierenden frei, ob und wie sie KI einsetzten. Eine abschließende Evaluation über extern moderierte Fokusgruppen ergab, dass Teilnehmende die KI-Integration und insbesondere deren Zeitpunkt als sinnvoll erachteten. Ohne den niedrigschwelligen Einstieg hätten viele Studierende gar nicht erst zu programmieren begonnen. Dank des Seminars fühlen sie sich aber nun imstande, sinnvolle Prompts zu formulieren, Antworten einzuschätzen und Code in der eigenen IDE auszuführen – also KI zielführend einzusetzen. Zusammenfassend stellt generative KI einen leistungsstarken Katalysator beim Programmierenlernen dar, allerdings nur aufbauend auf Grundkenntnissen. Die Vermittlung dieser Skills in der Hochschullehre – über Lehr-Lernmaterialien wie unsere – ist somit relevanter denn je. Unser Poster zeigt den Aufbau unseres „Testbedseminars“ sowie weitere feingranulare Erkenntnisse aus der Evaluation. Damit unterbreiten wir einen konkret erprobten Vorschlag, wie die KI-Integration bei der Vermittlung von Programmierkenntnissen im hochschulischen Kontext gelingen kann.

GND Keywords
Programmierung
Künstliche Intelligenz
Geisteswissenschaften
Keywords
Programmieren
Künstliche Intelligenz
Geisteswissenschaften
DDC Classification
004 Computer science
RVK Classification
SR 9170
Type
Conferenceobject
URI
Activation date
2025-05-13
Project(s)

Permalink: https://fis.uni-bamberg.de/handle/uniba/107576 · Data as JSON · Cite: BibTeX · RIS

Data as of: 2026-11-16

Restricted read-only access: login, editing and submission are temporarily disabled.