Förderung der KI-Kompetenz in der Hochschulbildung: Eine Mixed-Methods-Studie zu den Erfahrungen von Studierenden mit KI-Tools

Künstliche Intelligenz (KI) hat in der Bildung zunehmend an Bedeutung gewonnen und verändert, wie Studierende lernen und mit Informationen interagieren. Da sich KI-Technologien wie generative KI (GenAI) weiterentwickeln, wächst der Bedarf an KI-Kompetenz bei Studierenden und Lehrenden. Diese Studie trägt zur aufkommenden Literatur über KI-Kompetenz in der Hochschulbildung bei, indem sie untersucht, wie die Exposition von Masterstudierenden gegenüber KI-Überprüfungsmechanismen und KI-Bildgenerierungstools ihre wahrgenommene Entwicklung der KI-Kompetenz beeinflusst. KI-Kompetenz umfasst die Fähigkeit, KI-Technologien in verschiedenen Kontexten kritisch zu verstehen, zu bewerten und anzuwenden. In der Hochschulbildung ist die Entwicklung von KI-Kompetenz entscheidend, um Studierende darauf vorzubereiten, sich in einer von KI geprägten Welt zurechtzufinden und KI-Tools effektiv in ihrem akademischen und beruflichen Leben zu nutzen. Diese Forschung untersucht die Perspektiven der Studierenden zu effektiven Möglichkeiten, ihre KI-Kompetenz durch praktische Erfahrungen mit KI-Tools in postgradualen Bildungskursen zu verbessern.

Diese Studie verwendete einen konvergenten Mixed-Methods-Fallstudienansatz, der quantitative Umfragedaten mit qualitativen Einblicken aus den Reflexionen der Studierenden kombinierte. Die Forschung wurde in drei 8-wöchigen Online-Kursen am College of Education einer Universität im Mittleren Westen der Vereinigten Staaten durchgeführt. Von 61 eingeschriebenen Studierenden haben 37 freiwillig an der Studie teilgenommen. Die Teilnehmenden waren überwiegend weiße Frauen im Alter von 25 bis 45 Jahren, die einen Masterabschluss in Bildungswissenschaften und Geisteswissenschaften anstrebten. Ihre vorherige Exposition gegenüber KI-Technologien variierte, wobei 22 % eine hohe Vertrautheit und 22 % keine Vertrautheit mit KI-Konzepten angaben. Die Studie konzentrierte sich auf die Erfahrungen der Studierenden mit zwei wichtigen KI-Anwendungen: einem spezialisierten KI-Überprüfungstool zur Bewertung komplexer Essays und KI-basierten Bildgenerierungstools zur Reflexion über Lernerfahrungen.

Die Studie nutzte einen ganzheitlichen, cyber-sozialen Ansatz, um die wahrgenommene Entwicklung der KI-Kompetenz der Studierenden zu untersuchen. Dieser Ansatz umfasste: 1. Ein GenAI-Überprüfungstool einer sozialen Lernplattform, das vom Forschungsteam entworfen und entwickelt wurde 2. GenAI-Bildgenerierungstools für die Reflexion der Studierenden 3. Kritische Auseinandersetzung mit KI-relevanten Themen durch Kursressourcen und Diskussionen Das KI-Überprüfungstool arbeitete mit OpenAI's GPT zusammen, um automatisiertes Feedback zu den Projekten der Studierenden bereitzustellen, das das Feedback von Peers und Lehrenden ergänzte. Das Tool wurde durch Prompt-Engineering, präzise Feinabstimmung, Transparenz, menschliche Moderation und Integration von disziplinären Ontologien verbessert. Die Studierenden arbeiteten im Laufe des Semesters an multimodalen Projekten, die Technologie, Bildungstheorie und -praxis untersuchten. Sie erhielten zu verschiedenen Zeitpunkten im Entwicklungsprozess sowohl KI- als auch Peer-Feedback, was ihnen ermöglichte, die beiden Arten von Bewertungen zu vergleichen und zu reflektieren.

Die Datenerhebung umfasste Vor- und Nachkursumfragen sowie die Reflexionen der Studierenden über ihren Fortschritt in der KI-Kompetenz. Die Umfragen untersuchten die Vertrautheit der Teilnehmenden mit KI-Konzepten, ihr Vertrauen in die Nutzung von KI-Tools und ihre Erfahrungen mit der KI-Bildgenerierung. Die quantitativen Daten aus den Umfragen wurden mit deskriptiven und inferenziellen Statistiken analysiert, einschließlich gepaarter t-Tests, um signifikante Veränderungen in der berichteten KI-Kompetenz der Teilnehmenden zu bestimmen. Qualitative Daten aus offenen Umfrageantworten und Reflexionen der Studierenden wurden einer thematischen Analyse unterzogen, um gemeinsame Themen und Erfahrungen im Zusammenhang mit der Entwicklung der KI-Kompetenz zu identifizieren.

Die Ergebnisse der Studie zeigten mehrere wichtige Erkenntnisse zur wahrgenommenen Entwicklung der KI-Kompetenz der Studierenden: 1. Erhöhte Vertrautheit mit KI-Konzepten: Die Studierenden berichteten von einem signifikanten Anstieg ihres Verständnisses von KI- und maschinellen Lernkonzepten nach dem Kurs (Mittelwert stieg von 2,62 auf 3,22 auf einer 5-Punkte-Skala). 2. Verbesserte Zuversicht in die Nutzung von KI-Tools: Das wahrgenommene Vertrauen der Teilnehmenden in die Nutzung von KI-Tools für Bildungszwecke verbesserte sich erheblich (Mittelwert stieg von 2,41 auf 3,27). 3. Verbesserte Fähigkeiten zur Erstellung von Prompts: Die Studierenden berichteten von einer größeren Kompetenz beim Erstellen von Prompts für die KI-Bildgenerierung (Mittelwert stieg von 2,16 auf 3,35). 4. Anerkennung des Nutzens von KI: Nach dem Kurs fanden 67 % der Teilnehmenden KI-Bildgenerierungstools zumindest mäßig nützlich für ihre Lernerfahrung. 5. Kritische Bewertung von KI-Feedback: Die Studierenden entwickelten die Fähigkeit, Vor- und Nachteile von KI-Feedback im Vergleich zu menschlichen Bewertungen zu identifizieren, was auf verbesserte kritische Denkfähigkeiten im Zusammenhang mit KI-Anwendungen hinweist.

Die thematische Analyse der Reflexionen der Studierenden offenbarte mehrere wichtige Aspekte ihrer KI-Erfahrungen: 1. Iterativer Lernprozess: Die Studierenden beschrieben ihre Interaktion mit KI-Bildgenerierungstools als einen iterativen Prozess von Versuch und Irrtum, der zu verbesserten Fähigkeiten zur Erstellung von Prompts führte. 2. Kreativer Ausdruck: Die Teilnehmenden verwendeten KI-generierte Bilder, um ihre Erfahrungen mit Peer- und KI-Bewertungen metaphorisch auszudrücken, was kreative Anwendungen von KI-Tools demonstriert. 3. Positive Wahrnehmungen von KI: Die Studierenden betrachteten KI als ein leistungsstarkes, intelligentes und kollaboratives Werkzeug, das die Produktivität steigert und die kognitive Entwicklung unterstützt. 4. Gestiegenes Interesse an KI-Anwendungen: Die Auseinandersetzung mit KI-Überprüfungen weckte ein erhöhtes Interesse an der Erkundung potenzieller KI-Anwendungen in zukünftigen akademischen und beruflichen Kontexten. 5. Integration von KI in persönliche Praktiken: Studierende, die mehr Erfahrung mit dem KI-Überprüfungstool hatten, berichteten, dass sie KI-Tools wie ChatGPT umfassender in ihre pädagogischen Praktiken und persönlichen Studien integrierten.

Die Ergebnisse der Studie haben mehrere Implikationen für die Integration von KI in die Hochschulbildung: 1. Praktische Erfahrung: Den Studierenden die Möglichkeit zu geben, direkt mit KI-Tools zu interagieren, kann ihre KI-Kompetenz und ihr Vertrauen in die Nutzung dieser Technologien erheblich steigern. 2. Ergänzendes Feedback: Die Kombination von KI- und Peer-Bewertungen kann den Studierenden ein umfassenderes Verständnis ihrer Arbeit bieten und kritische Bewertungsfähigkeiten entwickeln. 3. Kreative Anwendungen: Studierende zu ermutigen, KI-Tools für kreativen Ausdruck zu nutzen, kann innovatives Denken und ein tieferes Engagement mit KI-Technologien fördern. 4. Angepasste Strategien: Lehrende sollten in Betracht ziehen, angepasste Bildungsstrategien zu entwickeln, um die Akzeptanz und Entwicklung der KI-Kompetenz basierend auf den unterschiedlichen Bedürfnissen und Niveaus der KI-Kompetenz der Studierenden zu maximieren. 5. Fortlaufende Kompetenzentwicklung: Da sich KI-Technologien weiterentwickeln, sollten Hochschulen die fortlaufende Entwicklung der KI-Kompetenz für Studierende und Lehrende priorisieren.

Obwohl diese Studie wertvolle Einblicke in die Entwicklung der KI-Kompetenz in der Hochschulbildung bietet, hat sie einige Einschränkungen: 1. Selbstberichtete Daten: Die Studie basierte auf den selbstberichteten Wahrnehmungen der Studierenden zur KI-Kompetenz, die möglicherweise nicht die tatsächliche Kompetenzentwicklung vollständig widerspiegeln. 2. Begrenzte Stichprobengröße: Die Studie umfasste eine relativ kleine Stichprobe von 37 Teilnehmenden aus einer einzigen Universität, was die Generalisierbarkeit einschränkt. 3. Spezifischer Bildungskontext: Die Forschung konzentrierte sich auf postgraduale Bildungskurse, und die Ergebnisse gelten möglicherweise nicht gleichermaßen für andere Disziplinen oder Bildungsstufen. Zukünftige Forschungsrichtungen könnten Folgendes umfassen: 1. Objektive Bewertung: Entwicklung und Implementierung objektiver Messungen der KI-Kompetenz zur Ergänzung der selbstberichteten Daten. 2. Längsschnittstudien: Untersuchung der langfristigen Auswirkungen der KI-Integration auf die KI-Kompetenz und die akademische Leistung der Studierenden. 3. Interdisziplinäre Forschung: Erforschung der Entwicklung der KI-Kompetenz in verschiedenen akademischen Disziplinen und Bildungsstufen. 4. Ethische Überlegungen: Untersuchung der ethischen Implikationen der KI-Integration in der Hochschulbildung und Entwicklung von Rahmenbedingungen für den verantwortungsvollen Einsatz von KI. 5. Pädagogische Strategien: Untersuchung effektiver pädagogischer Ansätze zur Förderung der KI-Kompetenz in verschiedenen Studierendengruppen.