The role and impact of artificial intelligence in the development and evaluation of doctoral theses: a qualitative analysis

In der stillen, jahrelangen Reise zur Erlangung einer Promotion wird von einem Studenten erwartet, dass er mehr tut, als nur das bereits Bekannte zu lernen; er muss die Grenzen erweitern, um etwas völlig Neues zu erschaffen. Dieser Prozess, bekannt als die Dissertation, ist der ultimative Test für die Fähigkeit eines Wissenschaftlers, unabhängig zu denken, Beweise zu sammeln und originelle Argumente aufzubauen. Über Jahrzehnte hinweg waren die Werkzeuge dieses Handwerks Bücher, Datenbanken und die langsame, bedächtige Arbeit des Schreibens und Editierens von Hand. Doch vor kurzem ist ein neuer Partner in den Raum getreten: künstliche Intelligenz. Dies sind Computersysteme, die in der Lage sind, Texte zu generieren, riesige Mengen an Informationen zusammenzufassen und Grammatik mit verblüffender Geschwindigkeit zu korrigieren. Sie sind nicht bloß Rechtschreibprüfer; sie sind Motoren, die ganze Abschnitte einer Arbeit entwerfen oder komplexe Forschungspfade vorschlagen können. Die Frage, vor der Universitäten nun stehen, ist nicht, ob diese Werkzeuge verwendet werden, sondern wie sie das eigentliche Wesen des Lernens und der Wahrheit verändern. Wenn eine Maschine hilft, eine Dissertation zu schreiben, wer ist dann der Autor? Versteht der Student das Material noch, oder ist er lediglich zu einem Manager des Outputs der Maschine geworden? Diese Ungewissheit rührt an den Kern dessen, was es bedeutet, ein Gelehrter zu sein.

Ein Forscher unternahm sich den Versuch, diese sich wandelnde Landschaft zu erkunden, indem er direkt den Menschen zuhörte, die sie durchleben. Er führte eine detaillierte Studie durch, an der zwanzig Personen aus drei Universitäten in Tunesien teilnahmen: zehn Doktoranden, die gerade ihre Dissertationen schreiben oder vor kurzem abgeschlossen hatten, und zehn Hochschullehrer, die sie betreut hatten. Der Forscher verließ sich nicht auf Umfragen oder Statistiken; stattdessen führte er lange, offene Gespräche und bat die Teilnehmer, ihre täglichen Erfahrungen mit diesen neuen Technologien zu beschreiben. Er wollte die realen Mechanismen verstehen, wie KI in das Gefüge akademischer Arbeit eingewoben wird – vom ersten Funken einer Idee bis zur abschließenden Bewertung des fertigen Dokuments.

Die Studenten beschrieben einen Arbeitsablauf, der durch diese Werkzeuge grundlegend verändert wurde. In den frühen Phasen der Forschung, wenn ein Student relevante Studien unter tausenden Möglichkeiten finden muss, wendet er sich nun an KI-Assistenten, die Datenbanken scannen und Ergebnisse in Sekundenschnelle zusammenfassen können. Ein Student merkte an, dass ein für diesen Zweck entwickeltes Tool es ihm ermöglichte, Schlüsselartikel zu identifizieren, ohne Stunden mit manuellem Durchsuchen zu verbringen – eine Aufgabe, die früher Tage in Anspruch nahm. Als das Schreiben begann, weitete sich die Rolle der Maschine aus. Studenten nutzten diese Systeme, um ihre Gedanken zu ordnen, Entwürfe zu erstellen und sogar erste Absätze zu formulieren, wenn sie feststeckten. Für diejenigen, die in einer Sprache schrieben, die nicht ihre Muttersprache war, wurde die Grammatikprüfsoftware zu einem essenziellen Partner, der Sätze glättete und einen professionellen Ton sicherstellte. In der Endphase, vor der Abgabe, nutzten die Studenten Detektionssoftware, um ihre eigene Arbeit zu prüfen und sicherzustellen, dass sie nicht versehentlich Text enthalten hatten, der zu sehr nach maschineller Generierung aussah.

Der Forscher stellte jedoch fest, dass diese Abhängigkeit von Technologie drei verschiedene Arten von Nutzern hervorbrachte. Einige Studenten nutzten die Werkzeuge streng für technische Aufgaben, wie das Korrigieren der Grammatik oder das Übersetzen eines Satzes, wobei sie die schwere Denkarbeit vollständig bei sich selbst beließen. Andere nutzten die Technologie strategisch, indem sie sie als Sparringspartner behandelten, um ihre Ideen herauszufordern oder neue Blickwinkel zu finden, wobei sie die Arbeit der Maschine stets mit ihrem eigenen Wissen abglichen. Eine dritte Gruppe jedoch begann, sich für den Kern ihres Denkens auf die Werkzeuge zu verlassen und wesentliche Teile der intellektuellen Arbeit an den Algorithmus zu delegieren. Dieser Wandel löste bei dem Forscher einen leisen Alarm aus: Wenn ein Student die Maschine denken lässt, lernt der Student dann noch, wie man denkt?

Die interviewten Lehrer boten eine andere, vorsichtigere Perspektive an. Sie erkannten an, dass die Werkzeuge den Schreibprozess schneller machen und den fertigen Text geschliffener erscheinen lassen könnten. Dennoch äußerten sie tiefe Besorgnis über den Verlust der „menschlichen Note“. Ein Professor beobachtete, dass die Arbeiten beginnen, zu ähnlich auszusehen, als würde die einzigartige Stimme jedes Studenten durch dieselbe algorithmische Hand geglättet. Die Lehrer standen auch vor einer neuen und schwierigen Herausforderung in ihrer Rolle als Evaluatoren. Sie mussten bestimmen, ob eine Dissertation das Produkt des Geistes eines Studenten oder das Ergebnis einer Maschine war. Sie versuchten, Detektionssoftware einzusetzen, um KI-generierten Text zu erkennen, stellten aber fest, dass diese Werkzeuge unzuverlässig sind. Manchmal markierte die Software einen von Menschen geschriebenen Absatz als gefälscht, und ein andermal übersah sie raffinierte KI-Beiträge völlig. Diese Ungewissheit brachte sie in eine Zwickmühle, da sie unsicher waren, wie sie die Originalität eines Werkes beurteilen sollten, das möglicherweise ein Hybrid aus Mensch und Maschine ist.

Die Studie offenbarte eine Spannung zwischen Effizienz und Integritität. Einerseits boten die Werkzeuge unbestreitbare Vorteile: Sie sparten Zeit bei repetitiven Aufgaben und ermöglichten es den Studenten, sich mehr auf die kritische Analyse zu konzentrieren. Andererseits gab es die Angst, dass diese Effizienz auf Kosten des tiefen Verständnisses ging. Wenn ein Student eine KI nutzt, um eine komplexe Theorie zusammenzufassen, erhält er vielleicht den Kern der Sache, ohne jemals selbst mit den schwierigen Details gerungen zu haben. Der Forscher stellte fest, dass dies zu einer „Superficialisierung“ (Oberflächlichkeit) des Wissens führen könnte, bei der die Dissertation oberflächlich perfekt aussieht, aber der Tiefe fehlt, die aus dem Ringen mit dem Material entsteht. Darüber hinaus hob die Studie ein Problem der Fairness hervor. Nicht alle Studenten hatten Zugang zu denselben leistungsstarken Versionen dieser Werkzeuge. Einige konnten sich Premium-Abonnements leisten, die bessere Funktionen boten, während andere auf kostenlose Versionen beschränkt waren, was ein ungleiches Spielfeld schuf, auf dem die Qualität des fertigen Werkes eher vom Budget eines Studenten als von seinem Intellekt abhängen konnte.

Letztlich kam der Forscher zu dem Schluss, dass sich die Beziehung zwischen Studenten und ihren Betreuern verändert. Der Lehrer ist nicht mehr nur ein Wegweiser zum Wissen, sondern wird zu einem Mediator der Technologie, der dafür verantwortlich ist, den Studenten beizubringen, diese Werkzeuge ethisch und kritisch zu nutzen. Die Studie legt nahe, dass Universitäten diese Werkzeuge weder einfach verbieten noch ignorieren können. Stattdessen müssen sie klare Regeln schaffen, die definieren, was eine akzeptable Nutzung ist und was die Grenze zum akademischen Fehlverhalten überschreitet. Sie müssen Lehrer darin schulen, Anzeichen von KI-Abhängigkeit zu erkennen und Studenten basierend auf ihrer Fähigkeit zu bewerten, diese Werkzeuge klug einzusetzen, statt nur auf das fertige Produkt zu schauen. Das Ziel ist es, ein Gleichgewicht zu finden, in dem die Technologie den kreativen Prozess unterstützt, ohne den menschlichen Geist zu ersetzen, der letztendlich die Verantwortung für die Ideen tragen muss. Die Arbeit behauptet nicht, dieses Problem gelöst zu haben, aber sie liefert eine klare Karte des Geländes und zeigt auf, dass die Zukunft der Hochschulbildung davon abhängt, diese neuen Gewässer mit Vorsicht zu befahren, um sicherzustellen, dass das Streben nach Wissen ein zutiefst menschliches Unterfangen bleibt.