AIEd-WissensbasisAIEd KB
Auf dieser Seite

Diese Seite wurde maschinell ins Deutsche übersetzt; die Artikelseiten sind weiterhin auf Englisch verfasst. Diese Seite auf Englisch lesen

Konzepte

Erleben der Studierenden

Erstellt 2026-08-09 · Aktualisiert 2026-10-10

Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.

Erleben der Studierenden — wie Lernende KI-Werkzeuge in Bildungssettings wahrnehmen, mit ihnen interagieren und von ihnen beeinflusst werden. Mit über 85 Artikeln in der Wissensbasis ist das Erleben der Studierenden eine der am besten erforschten Dimensionen von KI in der Bildung. KI beeinflusst Studierende in positiver und negativer Richtung, und dasselbe Werkzeug kann helfen und schaden, je nachdem wie es gestaltet und genutzt wird.

Fragen zum Nachdenken

  • Die Seite behauptet, KI beeinflusse Studierende in positiver und negativer Richtung, oft gleichzeitig — dasselbe Werkzeug kann helfen und schaden, je nach Gestaltung und Nutzung. Können Sie ein Beispiel aus eigener Erfahrung geben, in dem KI gleichzeitig half und schadete?
  • Sie beschreibt eine „Performanz-Lern-Lücke“: Studierende schneiden mit KI besser ab, aber schlechter bei späteren ungestützten Aufgaben. Wie, denken Sie, entsteht diese Lücke, und was würde es brauchen, sie zu schließen?
  • Wenn übermäßige Abhängigkeit von KI bedeutet, das Denken zu delegieren, das Sie tatsächlich üben müssen, wo würden Sie die Linie zwischen legitimer Hilfe und Entlastung ziehen, die Lernen erodiert?
  • Die Forschung fragt, ob allein das Wissen, dass KI verfügbar ist, studentische Anstrengung verändert. Glauben Sie, dass Bewusstsein für KI Studierende härter, weniger hart oder anders arbeiten lässt —, und wie würden Sie Ihre Überzeugung testen?
  • Angesichts dessen, dass KI-Zugang und KI-Wirksamkeit über Studierendenpopulationen variieren, welche Gerechtigkeitsanliegen zählen Ihrer Ansicht nach am meisten, wenn ein Kurs ein KI-Werkzeug übernimmt, und wer ist für ihre Adressierung verantwortlich?

Einführung

Wie das Erleben der Studierenden untersucht wird

Wege, wie KI Studierende beeinflusst

KI beeinflusst Studierende über kognitive, motivationale, affektive, Identitäts-, soziale und Gerechtigkeitsdimensionen. Die Forschung zeigt positive und negative Effekte in jeder Dimension, oft gleichzeitig — die Richtung hängt von Gestaltung und Nutzung ab.

Kognitive Effekte

Motivationale Effekte

  • Positiv: KI kann Motivation und Engagement heben, indem sie personalisierte, unmittelbare und risikoarme Unterstützung bietet — was Studierenden hilft durchzuhalten und sich kompetent zu fühlen (siehe selbstbestimmungstheoretische Perspektiven zu Autonomie, Kompetenz und Verbundenheit).
  • Negativ: Zu wissen, dass KI verfügbar ist, kann studentische Anstrengung und Motivation, produktiv zu kämpfen, senken (KI-Verfügbarkeit und Motivation, die Sicherheitslücke). Übermäßige Abhängigkeit kann Handlungsfähigkeit und das Empfinden von Leistung erodieren, das davon kommt, Arbeit selbst zu tun.

Affektive und Wohlbefindens-Effekte

  • Positiv: KI kann druckarme Hilfe auf Abruf bieten und Angst davor senken, Fragen zu stellen, und damit Wohlbefinden und Vertrauen stützen.
  • Negativ: KI-Nutzung ist mit Angst und Stress verbunden, einschließlich Furcht, ersetzt zu werden, unsicherer Bewertung, und dem Druck mitzuhalten. Studien wie eine umfassende Analyse zu KI-Angst und AIvaluate dokumentieren diese affektiven Kosten. Scham und Schuld rund um KI-Nutzung können Verbergen und selektive Offenlegung treiben und ehrliches Engagement und sozial-emotionales Wohlbefinden schädigen. Diese Drücke sind lokal und sozial statt aufgeschrieben: siehe soziale Normen der KI-Nutzung. Prüfungsbedingungen fügen ihren eigenen Druck hinzu: ein Scoping-Review von Fernaufsicht bei Prüfungen in der Pflege findet Studierende ängstlich über Verbindungsqualität und darüber, fälschlich des Betrugs bezichtigt zu werden, wobei Erstnutzende einer Aufsichts-App sie als angsterzeugend beschrieben und berichteten, sich beim Beobachtetwerden nur schwer zu konzentrieren, und etwa ein Fünftel trotz vorbereitender Ressourcen auf Browser-Erweiterungs- oder Verbindungsfehler stieß.

Identitätseffekte

  • Positiv: KI kann Identitätsbildung stützen, indem sie fachliche Zugehörigkeit, Vertrauen und professionelle Aspirationen scaffoldet — etwa indem sie Studierenden hilft, sich selbst als fähige Praktikerinnen und Praktiker zu sehen.
  • Negativ: KI kann Identität der Lernenden durch Autorschaftsverlust und Kompetenzzweifel bedrohen — wenn KI die Arbeit produziert, können Studierende aufhören zu empfinden, sie sei „ihre“. Das Kompetenzparadox in kreativen Feldern zeigt, wie Leichtigkeit der Nutzung die handwerksbasierte Identität untergräbt, die Studierende aus Autorschaft beziehen.

Effekte auf akademische Integrität und Fairness

Darstellungen von Integrität durch Studierende sind weniger geklärt, als die Unredlichkeitsrahmung nahelegt. Mulisa und Mezgebu (2026) interviewten 27 Studierende an einer äthiopischen Universität und fanden die Studierendenschaft in sich gespalten: fast alle nutzten GenAI oder sahen Peers es nutzen und die meisten schrieben ihm zu, ihre Leistung gehoben zu haben, eine Minderheit nannte Kursarbeit-Nutzung glatt Fehlverhalten, und die schärfste und am weitesten geteilte Beschwerde war Fairness — KI-Nutzende, die über Studierenden punkteten, die ehrlich arbeiteten, was manche als Tötung ihres Empfindens von Fleiß beschrieben und einen Teilnehmenden unsicher ließ, „ob wir vom Einsatz von KI profitieren oder darunter leiden.“ Die Verfahrensseite zählt ebenfalls: Munoz et al. (2026) kodierten 1.162 GenAI-Fehlverhaltensfälle und fanden, dass die am häufigsten angeführten Belege — Detektor-Ausgabe, Ähnlichkeitsberichte, KI-typische Inhaltsmuster — den schwächsten Beweiswert trugen, und dass bei fehlender Mindest-Evidenzschwelle in der Pipeline Studierende mit dünnen Fällen hin zu Berufungen gedrängt wurden. Überinklusive Definitionen erweitern jene Exposition: Wright (2026) zeigt, dass Verbote, die auf „generative KI“ zielen, Werkzeuge erfangen können, die bloß das Format von Arbeit umwandeln, die eine Person bereits verfasst hat, eine Überinklusion, die am stärksten auf behinderte und gerechtigkeits-exponierte Studierende fällt. Sharma (2026) zeigt den konstruktiven Ausweg, indem er Integrität als pädagogische Praxis behandelt, die durch Urteil vollzogen wird — annotierte Entscheidungsspuren, Verifikation, mündliche Verteidigung, Versionshistorie — statt als Konformität, die durch Überwachung gesichert wird.

Verifikation kann verschieben, wie Studierende die Frage erleben: Eine Bitte, ihre Arbeit zuerst zu erklären, wurde zuerst als Anschuldigung gelesen, aber sobald der Syllabus sie im Voraus als Pädagogik statt als Überwachung rahmte, legten sie KI-Nutzung offener dar und behandelten Aufgaben als Lernaufgaben, in Gesprächen von fünf bis zehn Minuten (Mandernach, 2026)).

Soziale und relationale Effekte

Langfristige / Fähigkeits-Effekte

Insgesamt: dasselbe KI-Werkzeug kann Studierende stützen oder untergraben, je nach Gestaltung und Nutzung. Die Leitplanke durchgehend ist, die lernende Person bei der kognitiv wichtigen Arbeit zu halten, während KI für Unterstützung genutzt wird (scaffolden, nicht substituieren), und auf die volle Spanne der Effekte zu achten — nicht nur auf Performanz. Eine Konfiguration verschiebt, wo die Erfahrung beginnt: Wenn KI die Kurslektüren selbst erzeugt statt bei den Hausaufgaben zu helfen, werden Studierende zu Auditorinnen und Auditoren ihres eigenen Curriculums. In Sidorkins (2026) Graduiertenkurs schätzten Studierende die kontextuelle Spezifität und Anpassbarkeit der erzeugten Texte, und 75 Prozent stimmten zu, mehr gelernt zu haben als in einem vergleichbaren Kurs ohne KI-Begleiter, dennoch mussten sie Quellenqualität aus dem Kontext erschließen, weil Wikipedia-Links und peer-reviewte Zitationen in denselben Listen ohne Labels erschienen, und vier von 24 Befragungsteilnehmenden nutzten Abhängigkeitssprache, einschließlich einer, die sich selbst als „somewhat codependent on the AI for reassurance and structure“ beschrieb.

Die am längsten laufenden Ergebnisse, die eine Person im Studium erfährt — ob sie nächstes Semester zurückkehrt, Credits ansammelt und graduiert —, sind institutionell statt instruktional, und Unterstützung und Erfolg von Studierenden verfolgt, wie KI-Unterstützung sie beeinflusst: Aufgabenerledigung bewegt sich leicht, Persistenz und Graduierung weit weniger so.

Verbindungen

Erleben der Studierenden verbindet sich mit übermäßiger Abhängigkeit (exzessive KI-Abhängigkeit), KI-Kompetenz (Fähigkeiten für wirksame Nutzung), kognitiver Entlastung (wie KI kognitive Arbeit verändert), und Engagement (wie KI-Systeme studentisches Verhalten messen und darauf reagieren). Es ist das lernendenzugewandte Mitglied der Überblicksseite Akteure in der KI-Bildung und die Heimat für die Zusammenfassung aller Wege, wie KI Studierende beeinflusst.

Verbundene Konzepte

Verbundene Artikel

Verknüpfte FAQs

Metadaten

NiveauHigher Ed, K 12
Lernen und UnterrichtWohlbefinden
Technologien und VerfahrenGenerative KI, Große Sprachmodelle (LLMs)
Gerechtigkeit, Ethik und verantwortungsvoller EinsatzGerechtigkeit
Grundlagen von KI in der BildungKI-Kompetenz, Kognitive Auslagerung
SourceHistoryEditChat

Diese Seite einbetten

Kopieren Sie den Code unten, um diese Seite in ein Lernmanagementsystem oder eine andere Website einzubetten. Die eingebettete Version zeigt nur den Seiteninhalt — Kopfzeile, Navigation und Fußzeile der Website werden ausgeblendet.