How Software Engineering Students Use LLMs to Write Research Papers: An Experience Report
Dieser Erfahrungsbericht analysiert 146 Offenlegungsverklärungen von Studierenden aus einem Software-Architektur-Kurs im dritten Studienjahr, um zu verdeutlichen, wie Studierende Large Language Models in empirische Forschungsaufgaben für Aufgaben wie Brainstorming und Schreiben integrieren, während er gleichzeitig deren Bedenken hinsichtlich der Inhaltsgenauigkeit und Verifizierung hervorhebt.
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 ein Klassenzimmer vor, in dem Software-Engineering-Studierende aufgefordert werden, eine kurze Forschungsarbeit zu schreiben. Anstatt die Nutzung von Künstlicher Intelligenz (KI) zu verbieten, entschieden die Dozenten, den Studierenden die freie Nutzung zu gestatten, mit einer wichtigen Regel: Sie müssen uns genau sagen, wie Sie sie verwendet haben.
Dieses Papier ist wie ein „Tagebuch“ oder ein „Beleg“ aus diesem Kurs. Die Forscher untersuchten 146 Notizen, die Studierende nach Abschluss ihrer Arbeiten verfasst hatten, um zu sehen, was tatsächlich geschah, als KI im Raum zugelassen wurde.
Hier ist die Geschichte dessen, was sie herausgefunden haben, unterteilt in einfache Konzepte:
1. Der Auftrag: Ein Haus aus Beweisen bauen
Die Studierenden schrieben nicht nur einen Meinungsbeitrag; sie agierten wie Detektive. Sie mussten Beweise finden (entweder aus akademischen Fachzeitschriften oder aus Online-Tech-Foren), um eine spezifische Frage zum Software-Design zu beantworten. Stellen Sie sich das wie den Bau eines Hauses vor: Sie mussten die Ziegel sammeln (Beweise), den Grundriss planen (Methodik) und den Bauplan erstellen (die Arbeit).
2. Die KI als „Schweizer Taschenmesser“
Die Studierenden nutzten die KI nicht einfach nur, um die Arbeit für sie zu schreiben. Stattdessen nutzten sie sie wie ein vielseitiges Schweizer Taschenmesser für verschiedene Aufgaben:
- Der Polierer (Am häufigsten): Die am häufigsten vorkommende Nutzung war wie das Beauftragen eines professionellen Editors. Die Studierenden nutzten die KI, um die Grammatik zu korrigieren, holprige Sätze zu glätten und sicherzustellen, dass die Arbeit professionell aussah. Es war der „letzte Anstrich“.
- Der Brainstorming-Partner: Wenn die Studierenden am Anfang feststeckten und nicht wussten, welches Thema sie wählen sollten, fragten sie die KI: „Was sind einige coole Ideen?“ Die KI fungierte als kreativer Partner, der half, neue Gedanken zu entfachen.
- Der Übersetzer: Einige Studierende fanden technische Konzepte zu schwer zu verstehen. Sie nutzten die KI, um zu sagen: „Erkläre mir diese komplexe Idee in einfachem Englisch“, was wie ein persönlicher Tutor wirkte.
- Der Organisator: Wenn sie einen Haufen ungeordneter Notizen hatten, baten sie die KI, ihnen zu helfen, diese in ordentliche Kategorien zu sortieren, so wie man einen unordentlichen Kleiderschrank aufräumt.
- Die Qualitätskontrolle: Einige wenige Studierende nutzten die KI, um zu prüfen, ob ihre Erklärung darüber, wie sie die Recherche durchgeführt hatten, für andere gut genug nachvollziehbar war.
3. Die „Vertrauen, aber Verifizieren“-Regel
Obwohl die Studierenden die Hilfe liebten, waren sie keine blinden Befolgenden. Das Papier zeigt, dass die Studierenden sich der Mängel der KI sehr bewusst waren.
Stellen Sie sich die KI wie einen sehr selbstbewussten, aber manchmal vergesslichen Bibliothekar vor. Er kann Ihnen zwar ein Buch geben, aber manchmal erfindet er den Titel oder den Autor dazu.
- Das Problem: Die Studierenden berichteten, dass die KI manchmal „halluzinierte“ (Dinge erfand) oder die Bedeutung ihrer Worte auf eine Weise änderte, die ihnen nicht gefiel.
- Die Lösung: Die Studierenden kopierten nicht einfach nur und fügten es ein. Sie agierten wie Chefredakteure. Sie lasen alles, was die KI vorschlug, prüften, ob es wahr war, und korrigierten Fehler. Sie erkannten, dass sie ihr Denken nicht einfach an die Maschine auslagern konnten; sie mussten das Steuer selbst in der Hand behalten.
4. Was die Dozenten lernten
Die wichtigste Erkenntnis aus diesem Experiment ist: Wenn man Studierenden sagt: „Du darfst KI nutzen, aber du musst ehrlich damit umgehen“, nutzen sie sie nicht, um zu betrügen. Sie nutzen sie als Kollaborateur.
- Sie lernten, dass KI großartig beim Polieren und Organisieren ist.
- Sie lernten, dass die KI kein magischer Knopf ist, der eine perfekte Arbeit für einen schreibt.
- Sie lernten, dass sie immer noch selbst die Verantwortlichen sein müssen, um Fakten zu verifizieren und die „Seele“ der Arbeit zu bewahren.
Das Fazit
Dieses Papier behauptet nicht, dass KI die Zukunft des Schreibens ist, noch sagt es, dass wir sie verbieten sollten. Es ist schlicht ein Zeugnis, das zeigt, dass Studierende, wenn man ihnen die KI offen erlaubt und sie bittet, darüber zu reflektieren, sie wie einen mächtigen Assistenten behandeln und nicht wie einen Ersatz. Sie nutzen sie, um ihre Arbeit zu verbessern, bleiben aber die Chefs ihrer eigenen Projekte und prüfen ständig die Arbeit des Assistenten, um sicherzustellen, dass sie korrekt ist.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.