Diese Studie berichtet über ein Lehrexperiment im Kontext eines vertieften Lesekurses im zweiten Studienjahr des Französisch-Studiums, das die Gestaltung, Umsetzung und Optimierung von Nachschreibaufgaben aus der Perspektive der Mensch-Maschine-Kollaboration untersucht. Die Forschung zeigt, dass bei der Aufgabenentwicklung KI-Tools (künstliche Intelligenz) basierend auf großen Sprachmodellen effizient kontextbezogene Texte generieren können und die Lehrkräfte entlasten. Die Nachschreibaufgabe selbst ist offen und erschwert eine gezielte Aktivierung der Wiederverwendung spezifischer Sprachstrukturen, spiegelt jedoch die stufenweise sprachliche Entwicklung der Studierenden wider. Im Feedback nach dem Schreiben zeigen KI-Tools den Vorteil der Sofortigkeit, es fehlt ihnen jedoch an Verständnis für den Lernverlauf der Studierenden, weshalb personalisierte Anleitung schwer bereitzustellen ist. Die diagnostische Bewertung durch Lehrkräfte bleibt unersetzlich. Die Studie empfiehlt, die Effizienz der KI mit dem didaktischen Wissen der Lehrkräfte zu verbinden, um das Design der Nachschreibaufgaben und die Feedbackmechanismen durch Mensch-Maschine-Kollaboration zu optimieren und so die kontinuierliche sprachliche Entwicklung der Studierenden zu unterstützen.

Nachschreibaufgaben; vertiefter Lesekurs; KI-Tools basierend auf großen Sprachmodellen; Mensch-Maschine-Kollaboration