Measuring Changes in Instructor Class Design and Student Learning After the Release of Large Language Models (LLMs)
Diese Mixed-Methods-Studie untersucht die Auswirkungen von Large Language Models auf die Kursgestaltung durch Lehrende und die Lernergebnisse von Studierenden an einer Universität in Neuengland, indem sie Umfragedaten und historische Noten analysiert, um zukünftige Bildungsrichtlinien für generative KI zu informieren.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich den Universitätsunterricht als ein riesiges, komplexes Spiel von „Zeigen und Erzählen" vor. Seit Jahrzehnten waren die Regeln einfach: Der Lehrer gibt Ihnen ein Thema, Sie gehen nach Hause, denken intensiv nach, schreiben Ihre eigene Geschichte und kommen zurück, um zu zeigen, was Sie gelernt haben. Die Note, die Sie erhielten, war der Pfiff des Schiedsrichters, der allen sagte, wie gut Sie gespielt hatten.
Dann, Ende 2022, tauchte ein magischer, superschneller Roboter-Assistent (Generative KI) in der Tasche jedes Studierenden auf. Plötzlich änderte sich das Spiel. Dieser Artikel ist wie eine Detektivgeschichte, die herauszufinden versucht: Haben die Studierenden tatsächlich mehr gelernt, oder sind sie nur besser darin geworden, den Roboter zu benutzen, um es vorzutäuschen? Und wie haben die Lehrer reagiert?
Hier ist die Aufschlüsselung dessen, was die Forscher an der University of Massachusetts, Boston, unter Verwendung einfacher Analogien herausfanden.
1. Das Spiel „Katze und Maus"
Die Forscher bemerkten ein seltsames Spiel von „Katze und Maus", das sich im Klassenzimmer abspielte.
- Die Maus (Studierende): Sie begannen, den KI-Roboter zu verwenden, um Aufsätze zu schreiben und Probleme zu lösen. Manchmal taten sie dies offen; manchmal versteckten sie es.
- Die Katze (Lehrer): Die Lehrer erkannten, dass der Roboter das System betrügt. Also begannen sie, das Spiel zu verändern. Anstatt einen Hausaufsatz zu verlangen (den der Roboter in Sekunden schreiben kann), begannen sie, die Studierenden zu bitten, Antworten im Unterricht zu schreiben oder Rätsel zu lösen, die tiefes Nachdenken erfordern und bei denen der Roboter Schwierigkeiten hat.
Das Ergebnis: Die meisten Lehrer (etwa 87 %) änderten ihre Spielregeln. Sie tauschten etwa 20 % bis 40 % ihrer Hausaufgaben gegen Dinge aus, die für einen Roboter schwerer zu bewältigen sind. Einige Lehrer änderten fast alles (bis zu 80 %).
2. Das Problem der „gefälschten Note"
Hier kommt der knifflige Teil: Die Forscher betrachteten die offiziellen Punktablagen (die der Universität gemeldeten Noten).
- Die Illusion: In Kursen, in denen die Lehrer ihre Regeln nicht änderten, stiegen die Noten der Studierenden. Es sah so aus, als wären die Studierenden plötzlich Genies.
- Die Realität: Die Forscher vermuten, dass dies eine „gefälschte Note" ist. Es ist wie ein Läufer, der in einem Fußrennen einen motorisierten Roller benutzt. Sie überqueren die Ziellinie schneller (bekommen eine bessere Note), aber sie sind nicht tatsächlich schneller gelaufen.
- Der Beweis: Die Lehrer, die ihre Regeln tatsächlich änderten, um die Roller zu stoppen, sahen, dass die Noten ihrer Studierenden genau gleich blieben. Die Studierenden, die den Roboter nicht benutzten, erhielten keine „Noten-Boosts", es sei denn, der Lehrer änderte den Test.
3. Die „geheime Lüge"
Die Forscher fragten die Studierenden direkt: „Benutzen Sie den Roboter?"
- Die Lüge: Die Studierenden sagten: „Nicht wirklich, vielleicht ein bisschen."
- Die Wahrheit: Als gefragt wurde: „Wie viel benutzen andere Studierende den Roboter?", waren die Antworten enorm. „Jeder benutzt ihn!"
- Die Analogie: Das ist wie ein Klassenzimmer, in dem jeder behauptet, den letzten Keks nicht gegessen zu haben, aber wenn gefragt wird, wer sonst ihn gegessen hat, jeder auf seine Nachbarn zeigt. Die Studierenden verbergen ihre Nutzung, weil sie Angst haben, Ärger zu bekommen, obwohl sie wissen, dass ihre Klassenkameraden es tun.
4. Der Faktor „Verwirrung"
Die Studierenden selbst sind verwirrt.
- Die Angst: Sie befürchten, dass sie, wenn sie den Roboter nicht benutzen, schlechtere Noten bekommen als die Kinder, die ihn tun. Es fühlt sich an wie ein Rennen, bei dem einige Leute betrügen.
- Die Sorge: Sie haben auch Angst, dass sie, wenn sie den Roboter benutzen, tatsächlich nichts lernen und für ihre zukünftigen Jobs unvorbereitet sein werden.
- Die Bitte: Die Studierenden flehen die Schule um ein „Regelbuch" an. Sie wollen klare Anweisungen, wann sie den Roboter benutzen dürfen und wann nicht, genau wie Schulen Regeln für Phishing-E-Mails oder Cyberangriffe haben. Derzeit sind die Regeln unübersichtlich und jedem einzelnen Lehrer überlassen.
5. Das Fazit
Die Studie ist wie ein Pilotversuch (ein kleiner Probelauf) für das ganze Land.
- Lehrer sind damit beschäftigt, ihre Kurse neu zu gestalten, um sicherzustellen, dass die Studierenden tatsächlich nachdenken und nicht nur kopieren.
- Noten sind derzeit eine Art Lüge. Wenn ein Lehrer seinen Test nicht ändert, steigen die Noten, aber das Lernen möglicherweise nicht.
- Studierende stecken in der Mitte fest, besorgt über Fairness und darüber, ob sie tatsächlich etwas lernen.
Kurz gesagt: Der Roboter-Assistent ist hier, um zu bleiben. Die Lehrer versuchen, das Spiel so zu ändern, dass der Roboter nicht gewinnen kann, aber die Punktablage (Noten) zeigt derzeit ein verwirrendes Bild. Die Studierenden wollen nur klare Regeln, damit sie wissen, wie sie fair spielen können.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.