selbsterklaerung-designer

name	selbsterklaerung-designer
description	Gestalte Selbsterklär-Prompts die Verständigung von Gelösten Beispielen, Texten oder Diagrammen vertiefen. Verwende diesen Skill wenn SuS Material passiv lesen ohne sich mit Grundprinzipien auseinanderzusetzen.
disable-model-invocation	false
user-invocable	true
effort	medium
skill_id	schule-ki-lernen/selbsterklaerung-designer
skill_name	Selbsterklärungs-Prompt-Designer
domain	schule-ki-lernen
version	1.0
evidence_strength	strong
evidence_sources	["Chi et al. (1989) — Self-explanations: how students study and use examples in learning to solve problems","Chi et al. (1994) — Eliciting self-explanations improves understanding","Hausmann & VanLehn (2007) — Explaining self-explaining: a contrast between content and generation","Wylie & Chi (2014) — The self-explanation principle in multimedia learning","Rittle-Johnson (2006) — Promoting transfer: effects of self-explanation and direct instruction"]
input_schema	{"required":[{"field":"lernmaterial","type":"string","description":"Der spezifische Inhalt den SuS studieren — ein gelöstes Beispiel, ein Text-Passus, ein Diagramm, oder eine Demonstration die SuS tief verstehen müssen"},{"field":"zielverstaendnis","type":"string","description":"Was SuS TIEFENWEISE verstehen sollten nach Engagement mit diesem Material — die konzeptuelle Einsicht, nicht nur der Surface-Inhalt"}],"optional":[{"field":"sus_niveau","type":"string","description":"Alter/Jahrgangsstufe und Leistungsniveau"},{"field":"fachbereich","type":"string","description":"Das Unterrichtsfach"},{"field":"delivery_modus","type":"string","description":"Wie Selbsterklärungs-Prompts geliefert werden — embedded im Text, KI-generiert während Study, LP-geleitet, oder im Tutoring-System"},{"field":"bekannte_misskonzepte","type":"string","description":"Spezifische Misskonzepte die SuS häufig über diesen Inhalt halten"}]}
output_schema	{"type":"object","fields":[{"field":"selbsterklaerung_prompts","type":"array","description":"Die spezifischen Prompts an Schlüssel-Punkten im Material — was zu fragen und wo zu fragen"},{"field":"prompt_begrundung","type":"object","description":"Warum jeder Prompt wo platziert ist und welches Verständnis er elicieren soll"},{"field":"qualitaets_indikatoren","type":"object","description":"Was gute Selbsterklärung vs. schlechte aussieht — sodass LP oder KI Antworten evaluieren kann"},{"field":"scaffolding_sequenz","type":"object","description":"Wie man SuS unterstützt die Selbsterklärung schwierig finden — von offenen Prompts zu mehr strukturierten Scaffolds"}]}
chains_well_with	["worked-example-sequenz-digital","adaptive-hint-designer","ki-tutoring-dialog-designer","metakognition-ki-kontext"]
teacher_time	4 Minuten
tags	["selbsterklaerung","Chi","metakognition","gelöste-beispiele","verstaendnis","tiefes-lernen","generierung","Lehrplan21-MA.1","Lehrplan21-NE.1"]

Selbsterklärungs-Prompt-Designer

Was dieser Skill leistet

Gestaltet Selbsterklärungs-Prompts — die spezifischen Fragen an Schlüssel-Punkten im Lernmaterial die SuS prompen, SICH SELBST zu erklären warum etwas wahr ist, wie es funktioniert, oder was es bedeutet. Chi et al. (1989) entdeckten dass SuS die spontan Selbsterklärungs-Strategien während Studying gelöster Beispiele nutzen dramatisch mehr lernen als jene die nicht — und entscheidend, Chi et al. (1994) zeigten dass SuS die GEPROMPT sind selbst zu erklären auch signifikante Lernzuwächse zeigen, sogar wenn sie nicht spontan selbst erklären würden. Der Selbsterklärungs-Effekt ist einer der robustesten Findings in Learning Science: Er funktioniert durchgehend auf Altersgruppen, Domains, und Material-Typen. Der Mechanismus: Selbsterklärungs-Prompts zwingt den Lerner Inferenzen zu generieren, Lücken zu füllen, neues Wissen zu vorhandenem zu verbinden, und eigene Verwirrung zu notieren — alles das Verständnis verstärkt. Die Herausforderung: Prompts desiggen die echte tiefe Selbsterklärung elicieren statt oberflächliches Paraphrasieren. „Warum folgt dieser Schritt dem vorherigen?" ist ein guter Selbsterklärungs-Prompt. „Was happens bei diesem Schritt?" ist nicht — das eliciert Beschreibung, nicht Erklärung.

Evidenzbasis

Chi et al. (1989) führten die seminal Studie über Selbsterklärung durch, beobachtend SuS die gelöste Beispiele in Physik studierten. Sie fanden dass „gute SuS" (jene die am meisten lernten) spontan Selbsterklärung engagierten: Sie hielten an jedem Schritt inne um sich SELBST zu erklären WARUM der Schritt Sinn macht, WIE er zum vorherigen verbindet, und WELCHES PRINZIP er illustriert. „Schwache SuS" lasen die Beispiele passiv. Der Unterschied im Lernen war dramatisch — und es wurde nicht erklärt durch Vorwissen, Intelligenz, oder Study-Zeit. Die kritische Variable war die QUALITÄT kognitiven Engagement während Study. Chi et al. (1994) testeten ob Prompting-Selbsterklärung die Vorteile replizieren könnte. Sie gaben SuS einen Biologie-Text und promptet eine Gruppe selbst zu erklären. Die gepromptete Gruppe outperformte signifikant auf immediaten und Transfer Tests. Dies war revolutionär weil es zeigte dass einfaches Prompting die gleichen Vorteile erzeugen könnte wie seltene kognitive Gewohnheiten. Hausmann & VanLehn (2007) untersuchten was Selbsterklärung effektiv macht. Sie fanden dass der Vorteil von zwei Komponenten kommt: INHALT der Erklärung und der ACT der GENERIERUNG. Selbst-generierte Erklärungen erzeugen besseres Lernen als Instruktor-gelieferte Erklärungen gleicher Qualität — was sagt dass die ACT generieren, nicht nur der Inhalt, den Effekt treibt. Wylie & Chi (2014) erweiterte Selbsterklärung auf Multimedia-Lernen, zeigend dass Prompts eingebettet in digitalen Materialen die gleichen Vorteile produzieren. Sie fanden dass Prompts an Punkten hoher konzeptioneller Dichte platziert sollten — wo Material ein neues Prinzip einführt, nicht-offensichtliche Inferenzen macht, oder common misconceptions triggered. Rittle-Johnson (2006) studierte Selbsterklärung in Mathematik und fand dass Prompts beide konzeptionelle Verständnis und procedurales Transfer verbessern.