Text

Hintergrund: Die Lehre Allgemeinmedizin zeichnet sich durch ein breites Themenspektrum sowie eine inhomogene Gruppe an Dozierenden mit universitären MitarbeiterInnen und hausärztlich tätigen ÄrztInnen aus. Dies macht fachliches und didaktisches Feedback zeit- und personalintensiv. Der Einsatz von KI bietet eine ressourcenschonende Möglichkeit, Lehrveranstaltungen strukturiert zu analysieren und ein standardisiertes individuelles Feedback zu generieren.

Zielsetzung/Fragestellung: Dozierende sollen durch strukturiertes, KI-generiertes Feedback bei der Weiterentwicklung ihrer Lehrveranstaltungen unterstützt werden, um die Lehrqualität zu verbessern. Im Fokus steht Akzeptanz, wahrgenommene Qualität und Realisierbarkeit des KI-generierten Feedbacks durch die Dozierenden sowie dessen Einfluss auf die Lehrqualität.

Diskussionspunkt: KI-gestütztes Feedback bietet nachvollziehbare, objektive Beurteilung und konkrete Vorschläge, ohne Bewertungsdruck. Jedoch wurden die fachlichen Aussagen nicht auf Richtigkeit überprüft und die Möglichkeit für Rückfragen und Dialog fehlt. Somit bleibt eine Einordnung durch einen Experten weiterhin notwendig, da klinische Realität, Kontext und Pragmatik während der Vorlesung nicht allumfassend berücksichtigt werden.

Inhalt: Im Rahmen der Vorlesung Allgemeinmedizin wurden 19 Zoom-Vorlesungen von 15 Dozierenden aufgezeichnet, transkribiert und gemeinsam mit den Vorlesungsfolien mittels eines standardisierten Prompts KI-generiertes Feedback erstellt. Dieses bezog sich auf die Dimensionen: Struktur, Verständlichkeit, Visualisierung, Praxisbezug und Gesamteindruck. Parallel erfolgte eine Evaluation anhand derselben Dimensionen durch Studierende (n≈30 pro Vorlesung, Likert-Skala) sowie als Selbsteinschätzung durch die Dozierenden.

Die Dozierenden erhielten per Mail ein schriftliches KI-Feedback mit Stärken, Potenzialen und konkreten Verbesserungsvorschlägen (ca. 5 Seiten). Ergänzend wurde ein leitfadengestütztes Interview basierend auf dem RE-AIM Framework durchgefürt, um Akzeptanz und Umsetzungsbereitschaft zu erfassen. Die Dozierenden entschieden selbst, ob und welche Vorschläge sie in ihrer Vorlesung für das darauffolgende Semester umsetzten. Im Folgesemester wurden die Vorlesungen erneut durch Studierenden und Dozierenden evaluiert.

Take Home Message für die Praxis: KI-Feedback kann didaktisches und fachliches Feedback zur Lehrverbesserung geben. Dozierende empfinden dieses als wertvoll und motivierend. Dennoch sollte es als niederschwellige Ergänzung zu Experten-Feedback verstanden werden.

Interessenkonflikte: Keine