Artificial Intelligence Usage, Cognitive Offloading, and Academic Performance among Rural Undergraduate Students: A Sequential Mediation Model

Stellen Sie sich einen Studenten vor, der spät in der Nacht in einem ruhigen Zimmer sitzt und vor einer schwierigen Aufgabe brütet. In der Vergangenheit bedeutete das Lösen eines Problems, sich mit ihm auseinanderzusetzen, verschiedene Ansätze auszuprobieren und langsam durch Anstrengung ein Verständnis aufzubauen. Heute kann derselbe Student eine Frage in ein Werkzeug der künstlichen Intelligenz eintippen und in Sekundenschnelle eine vollständige, geschliffene Antwort erhalten. Dieser Wandel vollzieht sich rasant in Schulen in ganz Indien, insbesondere in ländlichen Gebieten, in denen Studenten oft keinen Zugang zu engagierten Tutoren oder umfangreichen Bibliotheken haben. Die zentrale Frage für Pädagogen und Psychologen ist nicht, ob diese Werkzeuge existieren, sondern was mit dem Geist des Studenten geschieht, wenn er sich auf sie verlässt. Zwei Schlüsselkonzepte helfen dabei, die Tragweite zu erklären. Erstens ist das Gehirn kein abgeschlossener Behälter; es nutzt oft externe Werkzeuge, um beim Denken zu helfen, ein Konzept, das als „erweiterter Geist“ (extended mind) bekannt ist. Zweitens erfordert Lernen ein gewisses Maß an mentaler Anstrengung, die als „kognitive Belastung“ (cognitive load) bezeichnet wird, um starke, dauerhafte Erinnerungen aufzubauen. Wenn ein Werkzeug die gesamte Anstrengung entfernt, könnte es das Lernen selbst entfernen.

Ein Forschungsteam setzte sich zum Ziel zu verstehen, wie genau diese Dynamik bei Undergraduate-Studenten im ländlichen Indien abläuft. Es konzentrierte sich auf eine spezifische Gruppe von 425 Studenten, die staatliche und private Colleges auf dem Land besuchen. Diese Studenten navigierten durch eine Landschaft, in der leistungsstarke KI-Werkzeuge auf Mobiltelefonen verfügbar sind, es jedoch kaum formale Anleitung gibt, wie man sie klug nutzt. Die Forscher wollten sehen, ob die Nutzung dieser Werkzeuge den Studenten half, besser zu lernen, oder ob sie die Art und Weise veränderte, wie sie ihr Studium angehen, was sich negativ auf ihre langfristige Leistung auswirkte. Sie entwickelten ein Modell, um eine spezifische Ereigniskette nachzuverfolgen: wie die Nutzung von KI zu einer Gewohnheit des „Mental Offloading“ führt, wie diese Gewohnheit die Fähigkeit der Studenten beeinflusst, ihr eigenes Lernen zu steuern, und wie all dies schließlich beeinflusst, wie sie ihren akademischen Erfolg wahrnehmen.

Die Studie begann damit, die Studenten zu ihren Gewohnheiten befragen zu lassen. Sie untersuchten, wie oft Studenten KI-Werkzeuge für die Schularbeit nutzten, in welchem Maße sie darauf vertrauten, das Denken für sie zu übernehmen, wie gut sie ihre eigenen Lernsitzungen planten und überwachten und wie sie ihre Noten bewerteten. Die Forscher fanden ein klares und starkes Muster. Studenten, die KI-Werkzeuge häufiger nutzten, neigten signifikant eher dazu, sich auf das sogenannte „Cognitive Offloading“ einzulassen. Dies ist die Praxis, mentale Aufgaben, wie das Abrufen von Fakten oder das Lösen von Problemen, an den Computer zu delegieren, anstatt die Arbeit selbst zu leisten. Die Daten zeigten, dass eine intensive KI-Nutzung der stärkste Prädiktor für dieses Verhalten war und mehr als die Hälfte der Variation darin erklärte, wie sehr die Studenten auf die Technologie vertrauten, um zu denken.

Doch die Geschichte endete hier nicht. Die Forscher entdeckten, dass diese Gewohnheit des mentalen Offloadings einen direkten, negativen Einfluss auf die Fähigkeit der Studenten hatte, ihr eigenes Lernen zu regulieren. Selbstreguliertes Lernen ist die Fähigkeit, Ziele zu setzen, die Lernzeit zu planen, das eigene Verständnis zu überprüfen und Hilfe zu suchen, wenn nötig. Die Studie fand heraus, dass die Fähigkeit der Studenten, ihre eigenen Lernprozesse zu steuern, schwächer wurde, wenn sie zu viel Denkarbeit an die KI auslagerten. Sie neigten weniger dazu, ihre Lernsitzungen zu planen oder ihr Verständnis zu überwachen. Entscheidend war, dass die Forscher feststellten, dass genau dieser Verlust der Selbststeuerung der Grund dafür war, warum die akademische Leistung litt. Das KI-Werkzeug selbst senkte die Noten nicht auf direktem, einfachem Weg. Stattdessen förderte das Werkzeug eine Gewohnheit der mentalen Delegation, was wiederum die Selbstdisziplin und die Lernstrategien der Studenten untergrub, und genau diese Erosion führte zu schlechteren akademischen Ergebnissen.

Interessanterweise zeichnete die Studie auch ein komplexeres Bild. Während schweres Offloading schädlich war, zerstörte die Nutzung von KI-Werkzeugen nicht automatisch die Lernfähigkeit eines Studenten. Tatsächlich war die Nutzung von KI für einige Studenten mit einer besseren Selbstregulierung verbunden, vielleicht weil die Werkzeuge ihnen halfen, schwierige Konzepte zu klären oder Informationen zu finden, die sie sonst nicht hätten finden können. Der entscheidende Unterschied lag darin, wie der Student das Werkzeug nutzte. Diejenigen, die KI als Ersatz für das Denken nutzten, sahen ihre Lernfähigkeiten sinken. Diejenigen, die sie zur Unterstützung ihres eigenen Denkens nutzten, behielten ihre Lerngewohnheiten bei oder verbesserten sie sogar. Die Forscher bestätigten, dass der gefährlichste Pfad eine spezifische Sequenz war: Die Nutzung von KI führte zu Offloading, Offloading reduzierte die Selbstregulierung und reduzere Selbstregulierung senkte die akademische Leistung. Diese Ereigniskette war statistisch signifikant und erklärte einen großen Teil des Einflusses, den die KI auf den Studienerfolg hatte.

Die Ergebnisse erhielten eine schärfere Kante, als die Forscher verschiedene Studentengruppen verglichen. Sie verglichen diejenigen, die akademisch bereits Schwierigkeiten hatten, mit denen, die gut abschneiden. Die Ergebnisse zeigten einen drastischen Unterschied in der Anfälligkeit. Studenten mit schlechteren Noten neigten weita-hin mehr dazu, in die Falle des Offloadings zu tappen. Für diese Studenten war die Verbindung zwischen der Nutzung von KI und der Übergabe der mentalen Arbeit fast doppelt so stark wie bei ihren leistungsstärkeren Kommilitonen. Dies deutet darauf, dass die Studenten, die am meisten Unterstützung benötigen, auch am stärksten durch unüberwachte KI-Nutzung gefährdet sind. Sie nutzen die Technologie eher als Abkürzung, die die notwendige Anstrengung zum Lernen umgeht, während leistungsstärkere Studenten besser in der Lage sind, dieselben Werkzeuge zu nutzen, um ihr eigenes Lernen zu stützen, ohne die Kontrolle über den Prozess zu verlieren.

Die Forscher kamen zu dem Schluss, dass die Lösung nicht darin besteht, diese Werkzeuge zu verbieten, da sie bereits tief im Leben der Studenten verwurzelt sind, sondern darin, die Art und Weise zu ändern, wie Studenten lernen, sie zu nutzen. Die Studie legt nahe, dass es gefährlich ist, Studenten lediglich Zugang zu KI zu gewähren, ohne ihnen beizubringen, wie sie ihr eigenes Lernen steuern. Stattdessen müssen Hochschulen spezifische Trainings integrieren, die Studenten helfen, zwischen der Nutzung von KI als Helfer und der Nutzung als Ersatz für das eigene Gehirn zu unterscheiden. Dies beinhaltet das Lehren der Studenten, ihr eigenes Verständnis zu überprüfen, ihre Lernzeit zu planen und KI-Ergebnisse als etwas zu betrachten, das kritisch hinterfragt werden muss, anstatt sie einfach nur zu akzeptieren. Das Ziel ist es, die KI von einer Annehmlichkeit, die das Lernen untergräbt, in ein Werkzeug zu verwandeln, das es unterstützt. Für Studenten im ländlichen Raum, die oft über wenig andere akademische Ressourcen verfügen, ist diese Unterscheidung lebenswichtig. Ohne Anleitung droht die Technologie die Kluft zwischen jenen, die effektiv lernen können, und jenen, die es nicht können, zu vergrößern; mit der richtigen Unterstützung könnte sie jedoch zu einflussreichem Gleichmacher werden.