From transactional use to reflective engagement: Higher education students’ evolving understandings of academic integrity and generative AI
Diese qualitative Längsschnittstudie zeigt auf, dass sich das Verständnis von Bachelor- und Masterstudierenden in Bezug auf akademische Integrität durch anhaltende Interaktion von der Betrachtung generativer KI als bloßes Effizienzwerkzeug hin zu einem reflektierteren und ethischeren Umgang entwickelt, was darauf hindeutet, dass Universitäten Bildungsansätze priorisieren sollten, die die kritische Reflexion fördern, anstatt auf detektionsorientierte Richtlinien zu setzen.
Originalarbeit lizenziert unter CC BY 4.0 (https://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
In den modernen Klassenzimmern hat eine stille Revolution Einzug gehalten, nicht mit dem Dröhnen von Maschinen, sondern mit dem leisen Summen eines Computerbildschirms. Seit Jahrzehnten verlassen sich Universitäten auf eine Reihe von ungeschriebenen und geschriebenen Regeln, um sicherzustellen, dass die Arbeit, die ein Student einreicht, wirklich seine eigene ist. Dieses Konzept, bekannt als akademische Integrität, basiert auf der Vorstellung, dass Lernen eine persönliche Reise des Wachstums ist, bei der Ehrlichkeit, Verantwortung und der Mut, die harte Arbeit zu leisten, wichtiger sind als das bloße Erhalten einer Note. Es ist der Glaube, dass ein Abschluss ein Geist repräsentieren sollte, der durch Anstrengung gedehnt und geformt wurde, und nicht einer, bei dem dieser Prozess umgangen wurde. Kürzlich ist eine neue Kraft in diese Landschaft getreten: generative künstliche Intelligenz. Dies sind Computerprogramme, die in der Lage sind, Essays zu schreiben, Probleme zu lösen und Ideen zu kreieren, die so aussehen und klingen, als kämen sie von einem Menschen. Sie bieten unglaubliche Geschwindigkeit und Bequemlichkeit, aber sie verwischen auch die Grenzen dessen, wer tatsächlich denkt. Die zentrale Frage für Lehrende und Studierende gleichermaßen ist schwierig zu beantworten: Wenn eine Maschine dir beim Schreiben hilft, wo beginnt und wo endet dein Lernen?
Ein Team von Forschern an einer regionalen Universität in Australien beschloss, nicht länger zu raten, sondern zuzusehen. Anstatt nur eine Momentaufnahme davon zu machen, wie die Studenten über diese Werkzeuge denken, begaben sie sich auf eine lange Reise und begleiteten eine Gruppe von zwanzig Studenten über fünfzehn Monate hinweg. Sie wollten sehen, ob und wie sich das Verständnis der Studenten von Ehrlichkeit und Lernen veränderte, während sie Tag für Tag mit diesen Technologien lebten. Die Forscher interviewten die Studenten viermal und fragten sie nicht nur, was sie taten, sondern wie sie sich dabei fühlten, worüber sie sich Sorgen machten und wie sie die Arbeit, die sie produzierten, interpretierten. Das Ziel war es, die Geschichte des Geistes eines Studenten zu verstehen, während er sich an eine Welt anpasst, in der Antworten nur einen Klick entfernt sind.
Die Geschichte, die sich daraus ergab, war keine einfache Erzählung darüber, dass Studenten die Technologie missbrauchten oder plötzlich perfekt wurden. Zu Beginn sahen die Studenten die künstliche Intelligenz als ein Werkzeug für Geschwindigkeit. Sie nutzten sie, um Aufgaben schnell zu erledigen, ihre Grammatik zu polieren oder eine Struktur für einen Bericht zu generieren. In dieser Phase lag der Fokus ausschließlich auf dem Ergebnis: die Aufgabe effizient zu erledigen. Für viele war die Vorstellung von akademischer Integrität eine einfache Angelegenheit, Ärger zu vermeiden; sie wollten sicherstellen, dass sie nicht beim Tun von etwas Falschem erwischt wurden, aber sie dachten noch nicht tiefgreifend darüber nach, wem die Ideen gehörten oder was sie eigentlich lernten. Die Maschine war eine Abkürzung, und der Student war der Fahrer, aber der Motor erledigte den Großteil der Arbeit.
Mit den Monaten begann sich das Bild zu wandeln. Die Studenten stießen allmählich auf die Grenzen der Technologie. Sie stellten fest, dass die KI manchmal Antworten lieferte, die zu vage, faktisch falsch oder einfach nicht passend für die spezifischen Anforderungen ihrer Aufgaben waren. Ein Student beschrieb, wie er eine Antwort erhielt, die so generisch war, dass er den Computer bitten musste, es mit anderen Worten erneut zu versuchen. Ein anderer erkannte, dass er, weil er sich so stark auf die Maschine verlassen hatte, seine eigene Aufgabe nicht einmal einem Lehrer erklären konnte. Diese Momente der Reibung waren entscheidend. Sie zwangen die Studenten, innezuhalten und nachzudenken. Sie begannen, die Zuverlässigkeit des Werkzeugs zu hinterfragen und – was noch wichtiger war – ihre eigene Rolle im Prozess zu hinterfragen. Sie begannen zu realisieren, dass sie nichts wirklich gelernt hatten, wenn sie die Arbeit, die sie einreichten, nicht verstanden.
Bis zur letzten Phase der Studie hatte sich für viele der Teilnehmer ein neues Muster herausgebildet. Sie nutzten die KI nicht mehr nur, um eine Aufgabe zu erledigen; sie nutzten sie, um ihr eigenes Verständnis zu testen. Sie baten den Computer, ein Konzept zu erklären, und überprüften diese Erklärung dann mit ihren eigenen Lehrbüchern. Sie nutzten das Werkzeug, um verschiedene Perspektiven zu brainstormen, schrieben die Ideen dann aber in ihren eigenen Worten um, um sicherzustellen, dass sie die Bedeutung wirklich erfasst hatten. Einige begannen sogar, ihren Kommilitonen dabei zu helfen, die Technologie verantwortungsbewusst zu nutzen, indem sie sie ermutigten, sie als Lernpartner statt als Abkürzung zu sehen. Die Studenten waren von einer transaktionalen Beziehung zur Maschine, bei der sie Prompts gegen Antworten tauschten, zu einer reflektierenden Beziehung übergegangen, in der sie das Werkzeug nutzten, um ihr eigenes Denken zu vertiefen. Sie nahmen die Kontrolle über ihr Lernen wieder in die Hand, aber diesmal mit einer neuen, kritischeren Wahrnehmung der sie umgebenden Technologie.
Die Forscher fanden heraus, dass dieser Wandel kein gerader Weg war, dem jeder Student folgte. Einige Studenten nutzten die Werkzeuge weiterhin primlich für die Geschwindigkeit, während andere nur in bestimmten Kursen oder bei Aufgaben, die tiefgründiges Denken erforderten, reflektierter wurden. Die Veränderung hing von vielen Faktoren ab, einschließlich des Feedbacks, das sie von den Lehrkräften erhielten, den Erwartungen ihres jeweiligen Fachbereichs und den Möglichkeiten, diese Themen mit Gleichaltrigen zu diskutieren. Die Studie legt nahe, dass die Fähigkeit, diese Werkzeuge ethisch zu nutzen, nichts ist, das ein Student entweder besitzt oder nicht besitzt; es ist eine Fähigkeit, die durch Erfahrung und Reflexion entwickelt werden kann. Es geht nicht darum, einem starren Regelwerk zu folgen, um Bestrafung zu entgehen, sondern darum, zu lernen, gute Urteile darüber zu fällen, wann und wie man eine leistungsstarke neue Ressource nutzt.
Diese langfristige Sichtweise bietet einen anderen Weg für Universitäten. Anstatt sich nur darauf zu konzentrieren, Studenten zu überführen, die die Technologie missbrauchen, legen die Ergebnisse nahe, dass Hochschulen Lernprozesse gestalten sollten, die genau diese Art von kritischem Denken fördern. Wenn Aufgaben von Studenten verlangen, ihre Argumentation zu erklären, Informationen zu verifizieren oder ihre Entscheidungen zu rechtfertigen, schaffen sie einen Raum, in dem die Studenten sich intensiv mit dem Material auseinandersetzen müssen, was es schwieriger macht, sich blind auf eine Maschine zu verlassen. Die Studie deutet darauf hin, dass, wenn Studenten den Raum erhalten, über ihr eigenes Lernen und die Rolle der Technologie zu reflektieren, sie ganz natürlich beginnen, einen verantwortungsbewussteren und durchdachteren Ansatz zu entwickeln. Die Herausforderung für die Bildung besteht nicht darin, die neuen Werkzeuge zu verbieten, sondern den Studenten zu helfen, zu lernen, wie sie sie auf eine Weise nutzen, die ihren eigenen Geist stärkt, anstatt ihn zu ersetzen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.