explAIner
explAIner erweitert RULER.game um automatisch generierte, KI-gestützte Tutorials. Aus bestehenden Spielprojekten werden nachvollziehbare Bauanleitungen erzeugt, die Lernende beim Nachbauen, Verstehen und Weiterentwickeln von Spielen unterstützen. Durch abgestufte Hilfestellungen passt sich das Tutorial unterschiedlichen Lernniveaus an und fördert selbstständiges sowie kollaboratives Lernen im Bereich Computational Thinking.
Tutorial Overview
Ausgangslage
RULER.game ist ein Forschungsprojekt, welches von der Hasler Stiftung und der PH FHNW finanziert wird. Es wird mit Hilfe der Applikation das Potential von Computational Thinking bei Schulkindern evaluiert. Die Kinder lernen schon ab der Primarstufe das Programmieren, mit Hilfe des Proxy-Based Programming. Die Kinder entwickeln dabei mit dem Tool ihre eigenen Computerspiele. Bisherige Erfahrungen zeigen, dass Kinder sehr kreativ und motiviert an eigene Spielideen herangehen und bestehende Spiele weiterentwickeln. Eine zentrale Herausforderung besteht jedoch darin, dass andere Kinder diese Spiele oft nicht nachvollziehen oder nachbauen können. Dadurch bleibt der pädagogische Mehrwert – nämlich voneinander zu lernen und unterschiedliche Lösungswege zu verstehen – weitgehend ungenutzt. RULER.game sollte daher um ein Feature erweitert werden, das aus bereits existierenden Spielen didaktisch wertvolle Tutorials generiert. Auf diese Weise erhalten Kinder die Möglichkeit, die Arbeit anderer besser nachzuvollziehen, eigene Projekte gezielt weiterzuentwickeln und dabei Schritt für Schritt ein vertieftes Verständnis für Programmierkonzepte zu entwickeln.
Zielsetzung
Im Rahmen dieses Projekts soll RULER.game um eine Funktion erweitert werden, die automatisch aus von Kindern erstellten oder weiterentwickelten Spielen didaktisch wertvolle, KI-gestützte Tutorials generiert. Diese sollen es anderen Kindern ermöglichen, die Spiele nachvollziehen und nachbauen zu können. Ziel ist es, den gegenseitigen Wissensaustausch zu fördern, Lernprozesse sichtbar zu machen und den individuellen Lernerfolg der Kinder zu unterstützen. Darüber hinaus soll die Lösung so gestaltet sein, dass die Wirksamkeit der generierten Tutorials evaluiert und weiter verbessert werden kann.
Steps
Die Steps-Ansicht beschreibt, was im aktuellen Schritt erreicht werden soll, ohne konkrete Lösungen vorzugeben. Sie fördert eigenständiges Denken und dient als Standard-Einstieg in das Tutorial.
How
In der How?-Ansicht werden mögliche Lösungsansätze erläutert und mit bekannten Computational Thinking Patterns verknüpft. Diese Stufe unterstützt Lernende, die zusätzliche Orientierung benötigen, ohne den gesamten Lösungsweg vorwegzunehmen.
Show
Show! bietet eine vollständige, schrittweise Anleitung mit konkreten Regeln und Symbolen. Diese Stufe ist als letzte Unterstützung gedacht, um Frustration zu vermeiden und dennoch ein Erfolgserlebnis beim Fertigstellen des Spiels zu ermöglichen.
Ergebnisse
Im Projekt konnte gezeigt werden, dass die automatische Generierung von Tutorials für RULER.game technisch zuverlässig funktioniert. Die KI ist in der Lage, bestehende Spielprojekte zu analysieren und daraus strukturierte, nachvollziehbare Tutorialschritte abzuleiten.
Besonders gut funktionierten die Steps- und Show!-Stufen:
- Steps bieten einen klaren, niedrigschwelligen Einstieg und fördern eigenständiges Problemlösen.
- Show! liefert vollständige Anleitungen, die Frustration vermeiden und das Nachbauen eines Spiels absichern.
Die How?-Stufe, welche Computational Thinking Patterns erklärt, erwies sich hingegen als anspruchsvoll. Zwar waren die Inhalte fachlich korrekt, wirkten jedoch teilweise zu technisch und abstrakt für die Zielgruppe. Dies zeigt, dass erklärende und abstrahierende Inhalte besondere Anforderungen an KI-generierte Tutorials stellen.
Der AI-Coach wurde bewusst als experimentelle Zusatzfunktion umgesetzt. In der aktuellen Version lieferte er häufig sehr direkte Lösungen oder wenig hilfreiche Hinweise und eignete sich daher noch nicht für den produktiven Einsatz.
Insgesamt verdeutlichen die Ergebnisse sowohl das Potenzial KI-gestützter Tutorialgenerierung als auch deren Grenzen. Klar strukturierte, abgestufte Tutorials sind bereits gut umsetzbar, während erklärende und adaptive Unterstützung weiterentwickelt werden muss.
Technische Schlüsselbegriffe
- InformatikKünstliche Intelligenz, LLM, JavaScript
- PädagogikComputational Thinking Patterns, Zones of Proximal Flow
- AustellungskontextAutomatische Tutorialgenerierung, RULER.game
Kunde
RULER.game
Alexander Repenning
Leiter Prof. Informatische Bildung Institut Primarstufe
Pädagogische Hochschule
Bahnhofstrasse 6
5210 Windisch
Zur RULER.game Website