Neokybernetischer Behaviorismus
Zur Wiederkehr szientistischer Verkürzungen in algorithmischen Bildungstechnologien
DOI:
https://doi.org/10.21243/mi-26-03-09Schlagworte:
Kybernetische Pädagogik, RLHF, operante Konditionierung, adaptives Lernen, algorithmische Mündigkeit, Bildung, Ideologiekritik, TechnikphilosophieAbstract
Der Beitrag argumentiert, dass adaptive Lernplattformen, die Lernpfade anhand von Leistungsdaten optimieren, die operative Logik behavioristischer Konditionierung reproduzieren. Eine technikphilosophische Analyse rekonstruiert die formale Homologie des operativen Schemas mit Skinners operanter Konditionierung auf zwei Ebenen: der Trainingsebene, wo Reinforcement Learning from Human Feedback (RLHF) Sprachmodelle durch ein formalisiertes Stimulus-Response-Schema formt, und der Interaktionsebene, auf der die Plattform Lernverhalten kybernetisch reguliert. Eine exemplarische Gegenüberstellung von Selbstbeschreibungen und Architekturen legt nahe, dass die konstruktivistische Semantik dieser Systeme als ideologische Maskierung fungiert. Anknüpfend an die Kybernetik-Kritik der 1970er identifiziert der Beitrag das Paradigma der KI in der Bildung (AIED) als Wiederkehr jener Logik, die die kritische Bildungstheorie verwarf, und schlägt algorithmische Mündigkeit als Gegenprogramm vor.
Literaturhinweise
Alamri, H. A., Watson, S. & Watson, W. (2021). Learning technology models that support personalization within blended learning environments in higher education. TechTrends, 65, 62–78. https://doi.org/10.1007/s11528-020-00530-3
Artefact. (2021). Dreambox Learning: A dashboard for success in education [Fallstudie]. Artefact Group. Abgerufen am 14. Juli 2026 von https://www.artefactgroup.com/case-studies/dreambox-learning/
Biesta, G. J. J. (2006). Beyond learning: Democratic education for a human future. Paradigm Publishers.
Christiano, P. F., Leike, J., Brown, T., Martic, M., Legg, S. & Amodei, D. (2017). Deep reinforcement learning from human preferences. Advances in Neural Information Processing Systems, 30, 4299–4307.
Corbett, A. T. & Anderson, J. R. (1995). Knowledge tracing: Modeling the acquisition of procedural knowledge. User Modeling and User-Adapted Interaction, 4(4), 253–278. https://doi.org/10.1007/BF01099821
Deterding, S., Dixon, D., Khaled, R. & Nacke, L. (2011). From game design elements to gamefulness: Defining „gamification“. Proceedings of the 15th International Academic MindTrek Conference, 9–15. https://doi.org/10.1145/2181037.2181040
D’Ignazio, C. & Klein, L. F. (2020). Data feminism. MIT Press.
DreamBox. (2026). How does DreamBox Math work? DreamBox Learning. Abgerufen am 14. Juli 2026 von https://dreamboxlearning.zendesk.com/hc/en-us/articles/27281843188243
Falmagne, J.-C. & Doignon, J.-P. (2011). Learning spaces: Interdisciplinary applied mathematics. Springer. https://doi.org/10.1007/978-3-642-01039-2
Filk, C. (2020). „Die Maschinen werden zu einer einzigen Maschine“ — Eine technikphilosophische Reflexion auf Computational Thinking, Künstliche Intelligenz und Medienbildung. Medienimpulse, 58(1), 1–53. https://doi.org/10.21243/mi-01-20-18
Foucault, M. (2004). Geschichte der Gouvernementalität I: Sicherheit, Territorium, Bevölkerung. Vorlesung am Collège de France 1977–1978 (M. Sennelart, Hrsg.). Suhrkamp.
Foucault, M. (2005). Analytik der Macht. Suhrkamp.
Frank, H. (1969a). Kybernetische Grundlagen der Pädagogik: Bd. 1. Allgemeine Kybernetik (2. Aufl.). Agis.
Frank, H. (1969b). Kybernetische Grundlagen der Pädagogik: Bd. 2. Angewandte kybernetische Pädagogik und Ideologie (2. Aufl.). Agis.
Fromme, J. & Jörissen, B. (2010). Medienbildung und Medienkompetenz — Berührungspunkte und Differenzen nicht ineinander überführbarer Konzepte. merz: medien + erziehung, 54(5), 46–54.
Geiss, M. (2014). Die angemessene Form: Abstraktion und die Suche nach einem pädagogischen Kalkül. In R. Fatke & J. Oelkers (Hrsg.), Das Selbstverständnis der Erziehungswissenschaft: Geschichte und Gegenwart (Zeitschrift für Pädagogik, 60. Beiheft, S. 47–65). Beltz Juventa.
Holmes, W., Bialik, M. & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Jörissen, B. & Marotzki, W. (2009). Medienbildung — Eine Einführung. Klinkhardt.
Kant, I. (1784). Beantwortung der Frage: Was ist Aufklärung? Berlinische Monatsschrift, 4, 481–494.
Karcher, M. (2015). SchülerIn als Trivialmaschine. In M. Baader, R. Casale, M. Caruso, E. Glaser, C. Groppe, K.-P. Horn, A. Hoffmann-Ocon & T. Kössler (Hrsg.), Jahrbuch für Historische Bildungsforschung 2014 (S. 99–122). Klinkhardt.
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., Stadler, M., Weller, J., Kuhn, J. & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Kellershohn, J. (2018). ‚Automatisierungsverlierer‘. Kybernetische Pädagogik, ‚Lernbehinderung‘ und der Körper des Bergberufsschülers in den 1960er Jahren. Body Politics, 9, 175–199.
Klafki, W. (1996). Neue Studien zur Bildungstheorie und Didaktik (5. Aufl.). Beltz.
Knewton. (2013). Knewton adaptive learning: Building the world’s most powerful education recommendation engine [White Paper]. Knewton, Inc.
Knewton. (2015). The Knewton platform: A general-purpose adaptive learning infrastructure [Technical White Paper]. Knewton, Inc.
Koller, H.-C. (2023). Bildung anders denken: Einführung in die Theorie transformatorischer Bildungsprozesse (3., aktualisierte und erweiterte Aufl.). Kohlhammer.
McGraw-Hill. (2015). McGraw-Hill Education introduces newly engineered, tablet-friendly version of ALEKS [Pressemitteilung]. PR Newswire. Abgerufen am 14. Juli 2026 von https://www.prnewswire.com/news-releases/mcgraw-hill-education-introduces-newly-engineered-tablet-friendly-version-of-aleks-adaptive-learning-platform-optimized-for-personalized-learning-300060144.html
Müggenburg, J. (2021). From learning machines to learning humans: How cybernetic machine models inspired experimental pedagogies. History of Education, 50, 112–133. https://doi.org/10.1080/0046760X.2020.1826054
Niesyto, H. (2018). Medienkritik — Entwicklungslinien und aktuelle Herausforderungen. In H. Niesyto & H. Moser (Hrsg.), Medienkritik im digitalen Zeitalter (S. 59–75). kopaed.
Oelkers, J. (2008). Kybernetische Pädagogik: Eine Episode oder ein Versuch zur falschen Zeit? In M. Hagner & E. Hörl (Hrsg.), Die Transformation des Humanen. Beiträge zur Kulturgeschichte der Kybernetik (S. 196–228). Suhrkamp.
Ouyang, L., Wu, J., Jiang, X., Almeida, D., Wainwright, C., Mishkin, P., Zhang, C., Agarwal, S., Slama, K., Ray, A., Schulman, J., Hilton, J., Kelton, F., Miller, L., Simens, M., Askell, A., Welinder, P., Christiano, P. F., Leike, J. & Lowe, R. (2022). Training language models to follow instructions with human feedback. Advances in Neural Information Processing Systems, 35, 27730–27744.
Pask, G. (1976). Conversation Theory: Applications in education and epistemology. Elsevier.
Pongratz, L. A. (1978). Zur Kritik kybernetischer Methodologie in der Pädagogik. Ein paradigmatisches Kapitel szientistischer Verkürzung pädagogisch-anthropologischer Reflexion. Peter Lang.
Prinsloo, P. & Slade, S. (2016). Student vulnerability, agency, and learning analytics: An exploration. Journal of Learning Analytics, 3(1), 159–182. https://doi.org/10.18608/jla.2016.31.10
Rafailov, R., Sharma, A., Mitchell, E., Ermon, S., Manning, C. D. & Finn, C. (2023). Direct preference optimization: Your language model is secretly a reward model. In Advances in Neural Information Processing Systems 36 (NeurIPS 2023). arXiv:2305.18290.
Rouvroy, A. & Stiegler, B. (2016). The digital regime of truth: From the algorithmic governmentality to a new rule of law. La Deleuziana, 3, 6–27.
Schulman, J., Wolski, F., Dhariwal, P., Radford, A. & Klimov, O. (2017). Proximal policy optimization algorithms. arXiv. https://doi.org/10.48550/arXiv.1707.06347
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Skinner, B. F. (1938). The behavior of organisms: An experimental analysis. Appleton-Century-Crofts.
Skinner, B. F. (1953). Science and human behavior. Macmillan.
Skinner, B. F. (1958). Teaching machines. Science, 128(3330), 969–977. https://doi.org/10.1126/science.128.3330.969
Sutton, R. S. & Barto, A. G. (2018). Reinforcement learning: An introduction (2. Aufl.). MIT Press.
von Cube, F. (1982). Kybernetische Grundlagen des Lernens und Lehrens (4. Aufl.). Klett-Cotta.
von Foerster, H. (1993). KybernEthik. Merve.
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Watters, A. (2021). Teaching machines: The history of personalized learning. MIT Press.
Weinert, F. E. (2001). Concept of competence: A conceptual clarification. In D. S. Rychen & L. H. Salganik (Hrsg.), Defining and selecting key competencies (S. 45–65). Hogrefe.
What Works Clearinghouse. (2013). DreamBox Learning (WWC Intervention Report, Elementary School Mathematics). Institute of Education Sciences, U.S. Department of Education. https://files.eric.ed.gov/fulltext/ED544506.pdf
Williamson, B. (2017). Who owns educational theory? Big data, algorithms and the expert power of education data science. E-Learning and Digital Media, 14(3), 105–122. https://doi.org/10.1177/2042753017731238
Wood, D., Bruner, J. S. & Ross, G. (1976). The role of tutoring in problem solving. Journal of Child Psychology and Psychiatry, 17(2), 89–100. https://doi.org/10.1111/j.1469-7610.1976.tb00381.x
Downloads
Veröffentlicht
Zitationsvorschlag
Ausgabe
Rubrik
Lizenz
Copyright (c) 2026 Christian Filk
Dieses Werk steht unter einer Creative Commons Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 International -Lizenz.
