Learning by Chatting? Investigating the Impact of Generative AI on Information Seeking and Learning
Ein Feldeperiment, das informelles Lernen über einen Zeitraum von 8 Tagen mittels ChatGPT im Vergleich zu Google Search untersucht, zeigt, dass generative KI zwar Bequemlichkeit bietet, letztlich jedoch zu schlechteren Lernergebnissen führt – insbesondere beim kritischen Denken –, indem sie die Handlungsfähigkeit der Nutzer verringert, die metakognitive Belastung erhöht und die Informationserkundung durch lösungsorientierte Verzerrungen einschränkt.
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 vor, Sie möchten lernen, wie man eine gesunde Woche voller Mahlzeiten kocht. Sie haben zwei Möglichkeiten, dies zu tun:
- Der alte Weg (Google): Sie agieren wie ein Detektiv. Sie suchen nach „gesunden Mahlzeiten“, finden ein Dutzend verschiedener Websites, lesen ein paar Artikel, vergleichen die Rezepte, prüfen die Nährwertangaben auf einem Etikett und entscheiden dann, was Sie kochen werden. Sie sind der Koch, und das Internet ist lediglich Ihr Vorratsschrank.
- Der neue Weg (ChatGPT): Sie agieren wie ein Kunde an einem Fast-Food-Drive-In. Sie sagen der KI: „Ich brauche einen Ernährungsplan“, und sie reicht Ihnen sofort einen fertigen Teller entgegen. Sie sehen nicht die Zutaten, Sie wissen nicht, wie die Sauce gemacht wurde, und Sie mussten sich nicht einmal über die Gewürze Gedanken machen.
Dieses Papier ist eine Studie, die echte Menschen für acht Tage in einen „Kochkurs“ steckte, um zu sehen, welche Methode ihnen besser beim Lernen half. Die Forscher fanden heraus, dass der neue Weg (ChatGPT) sich zwar schneller und einfacher anfühlte, die Teilnehmer aber tatsächlich schlechter lernen ließ als der alte Weg (Google).
Hier ist die Aufschlüsselung dessen, was passiert ist, unter Verwendung einfacher Metaphern:
1. Das „Fahrer vs. Beifahrer“-Problem
Wenn Sie Google nutzen, fahren Sie das Auto. Sie wählen die Route, Sie schauen auf die Karte und Sie entscheiden, wann Sie abbiegen. Sie haben die Kontrolle.
Als Sie in dieser Studie ChatGPT nutzten, wurden Sie zum Beifahrer. Die KI entschied, wohin die Reise geht, was sie Ihnen zeigt und wie schnell sie fährt.
- Das Ergebnis: Da die KI das gesamte „Fahren“ (das Auswählen der Informationen) übernahm, hatten die Teilnehmer das Gefühl, die Kontrolle verloren zu haben. Sie fühlten sich, als wären sie nur ein Mitfahrer. Dies führte dazu, dass sie sich frustriert und geistig erschöpft fühlten, da sie ständig versuchten, das Auto zu steuern, ohne ein Lenkrad zu haben.
2. Der „Magic 8-Ball“ vs. die Bibliothek
Die Studie fand zwei große Probleme damit, wie ChatGPT als Lehrer agierte:
- Problem A: Der „Lösungs-zuerst“-Bias
ChatGPT ist wie ein hilfreicher Freund, der immer direkt zur Antwort springt. Wenn Sie fragen: „Wie balanciere ich meine Ernährung aus?“, liefert es Ihnen sofort einen Ernährungsplan (ein fertiges Artefakt).- Der Haken: Es erklärt selten die Prinzipien (das „Warum“ und „Wie“). Es ist, als bekäme man eine gelöste Matheaufgabe, ohne die einzelnen Rechenschritte zu sehen. Die Teilnehmer lernten, was sie essen sollten, aber sie lernten nicht, warum es gesund war. Sie konnten das Wissen später nicht auf neue Situationen übertragen.
- Problem B: Die „Echo-Kammer“-Falle
Da ChatGPT sich an Ihre vergangenen Chats erinnert und versucht, ein „persönlicher Assistent“ zu sein, neigt es dazu, bei dem zu bleiben, wonach Sie bereits gefragt haben.- Der Haken: Wenn Sie nach „Low-Carb-Diäten“ fragen, spricht es ständig über Low-Carb. Es wandert nicht ab, um Ihnen die breitere Welt der Ernährung zu zeigen. Google hingegen ist wie eine Bibliothek, in der man zufällig auf ein Buch stoßen kann, von dem man gar nicht wusste, dass man es braucht. ChatGPT hielt die Teilnehmer in einem kleinen, engen Raum gefangen, während Google sie den gesamten Gebäudekomplex erkunden ließ.
3. Das „Mentale Fitnessstudio“, das nicht trainiert wurde
Lernen ist wie der Besuch im Fitnessstudio. Um stark zu werden (Wissen), muss man Gewichte heben (suchen, vergleichen, verifizieren und nachdenken).
- Google-Nutzer: Sie hoben die Gewichte. Sie mussten prüfen, ob eine Quelle vertrauenswürdig war, zwei verschiedene Artikel vergleichen und die Fakten selbst herausfinden. Ihre „Lernmuskeln“ wurden stärker.
- ChatGPT-Nutzer: Sie baten die Maschine, die Gewichte für sie zu heben. Die Maschine erledigte die schwere Arbeit, sodass die Lernmuskeln der Nutzer schwach blieben. Als sie später versuchten, eine Testfrage zu beantworten, hatten sie Schwierigkeiten, weil sie die mentale Arbeit nicht geübt hatten.
4. Das Versagen von „Vertrauen, aber Verifizieren“
Wenn Menschen Google nutzten, überprüften sie ihre Arbeit ganz natürlich. Wenn eine Website unseriös aussah, klickten sie auf einen anderen Link.
Bei der Nutzung von ChatGPT hatten die Menschen das Gefühl, den Ergebnissen nicht trauen zu können, wussten aber auch nicht, wie sie sie überprüfen sollten. Die KI lieferte ihnen eine einzige, glatte Antwort, was es schwierig machte, andere Perspektiven oder Seiten der Geschichte zu erkennen. Die Studie fand heraus, dass ChatGPT-Nutzer Fakten selten doppelt prüften, und wenn sie es versuchten, fühlten sie sich durch die vagen Antworten der KI verwirrt.
Das Fazit
Die Studie kommt zu dem Schluss, dass generative KI zwar fantastisch ist, um schnelle Antworten zu erhalten (wie das Fragen eines Freundes nach einem Rezept), aber derzeit schlecht für tiefgründiges Lernen ist.
Indem man die Aufgabe des „Suchens und Sortierens“ an die KI abgibt, verliert man die Kontrolle und die mentale Übung, die für ein echtes Verständnis eines Themas notwendig sind. Man endet mit einem „oberflächlichen“ Verständnis – so als wüsste man zwar den Namen eines Gerichts, aber nicht, wie man es kocht, wenn sich die Zutaten ändern.
Kurz gesagt: Wenn Sie eine Antwort schnell bekommen wollen, ist ChatGPT großartig. Aber wenn Sie lernen und zum Experten werden wollen, müssen Sie die Arbeit selbst erledigen, genau wie Sie es früher mit Google getan haben.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.