Konzepte
Grundständiges Studium
Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.
Synthese: Das grundständige Studium ist der Bereich, in dem KI auf die größten Kurse und die am stärksten standardisierte Leistungsbeurteilung trifft: Einführungskurse im ersten und zweiten Jahr, in denen eine Lehrperson mehrere Hundert Studierende anhand eines gemeinsamen Bewertungsrasters unterrichtet. Die Studien auf dieser Stufe scheiden sich am Design, nicht am Modell. Ein Tutor, der aus der Didaktik des eigenen Kurses entwickelt wurde, übertraf das aktive Lernen im Präsenzunterricht, während ein gut im Kursstoff verankerter Kursassistent ohne didaktische Einbindung Noten und Beteiligung senkte. Die stärkste Evidenz betrifft Rückmeldung im großen Maßstab, Hilfesuche-Scaffolds, verifiziertes Lernmaterial und aktive Ansprache, die administrative Fristen verschiebt; die schwächste betrifft die Behauptung, ein allgemeiner Assistent erhöhe das, was Studierende ohne Hilfe leisten können.
Fragen zum Nachdenken
- Wenn ein Tutor die Hausaufgabenpunkte um zweieinhalb Punkte erhöht, sich die Klausur aber nicht bewegt — was hat der Kurs dann gewonnen?
- In einem Kurs, in dem sechs von sieben Studierenden den Chatbot nie öffneten, fielen die Noten. Was hat die bloße Verfügbarkeit verändert?
- Was ist in einem Kurs mit 600 Studierenden besser zu rechtfertigen: KI-geschriebene Abgaben zu erkennen oder zu verändern, was die Abgabe enthalten muss?
- Was kann ein Kurs im ersten Jahr über die KI-Gewohnheiten voraussetzen, die Studierende in der Sekundarschule erworben haben?
- Wenn die Designeinheit eine Kohorte von 900 statt einer einzelnen lernenden Person ist — welche Ansprüche an Personalisierung bleiben dann bestehen?
Einführung
Das grundständige Studium ist Bachelor-Kursarbeit: Vorlesungen, Übungsgruppen, Laborpraktika und Servicekurse, kontinuierlich geprüft und zu einem Abschluss aufsummiert. Die Studierenden sind Erwachsene, die ihre Lernzeit selbst wählen und in Kohorten unterrichtet werden, die weit größer sind als jede Schulklasse. Sie sind noch keine Forschenden, und keine Betreuungsperson ist dafür verantwortlich, ihr Urteilsvermögen zu formen — das trennt diese Stufe vom Graduiertenstudium.
Die Größenordnung ist die bestimmende Randbedingung. Ein Einführungskurs in Physik, Wirtschaftswissenschaften oder Programmierung kann mehrere Hundert bis einige Tausend Studierende umfassen, betreut von Teaching Assistants, die jeweils Dutzende Essays oder Beweise bewerten. Feedbackmenge, Verfügbarkeit von Hilfe und der Aufwand, eine Studierende mit Schwierigkeiten überhaupt zu bemerken, sind die wiederkehrenden Designprobleme. Die Frage, die entscheidet, ob KI geholfen hat, ist nicht, ob das System eine Antwort produzierte, sondern was die Studierenden noch selbst taten, als es das tat.
Was die Evidenz auf dieser Stufe misst
Studien im grundständigen Bereich sind leicht zu zählen und schwer zu vergleichen. Das Ergebnis ist meist eine Kursnote, ein von der Lehrperson geschriebener Test oder ein Bewertungsraster, das auf ein einzelnes Artefakt angewandt wird.
-
Der gepoolte Effekt ist positiv und dauerabhängig. Fünfunddreißig experimentelle und quasi-experimentelle Studien mit 175 Effektstärken ergaben g = 0,53 für grundständig Studierende und g = 0,46 für akademische Leistung (The Impact of Generative Artificial Intelligence on Learning Outcomes in Higher Education: A Meta-Analysis). Der akademische Effekt fiel von g = 5,07 bei Interventionen von vier Wochen oder weniger auf g = 0,01 jenseits von zwölf Wochen, bei einer Heterogenität von über 96%.
-
Verzögerte Messung ist die Ausnahme. Ein unangekündigter Test 45 Tage nach einem BWL-Kurs mit 120 Studierenden ist eine der wenigen Behaltensmessungen hier: KI-unterstützte Studierende erreichten 57,5% gegenüber 68,5%, d = 0,68, nachdem sie 3,2 Stunden statt 5,8 gelernt hatten (ChatGPT as a cognitive crutch: Evidence from a randomized controlled trial on knowledge retention).
-
Das bewertete Artefakt ist die übliche Evidenzeinheit. Das ist für Validität von Assessments bedeutsam: Ein nach Raster bewerteter Essay oder eine bestandene Testsuite kann sich verbessern, während die Fähigkeit, die der Kurs aufbauen soll, es nicht tut.
Tutoring und Hilfe bei hohen Teilnehmerzahlen
Das größte positive Ergebnis stammt von einem Tutor, der aus der Didaktik des eigenen Kurses entwickelt wurde, nicht von einem allgemeinen Assistenten.
- Ein eigens gestalteter Tutor übertraf das aktive Lernen des Kurses selbst. In Harvards Physical Sciences 2 bearbeiteten 194 Studierende dieselben beiden Lektionen zweimal, einmal im Unterricht und einmal mit einem maßgeschneiderten Tutor. Der Median im Posttest lag bei 4,5 gegenüber 3,5, die Bearbeitungszeit bei 49 Minuten gegenüber rund 60, der modellierte Effekt bei 0,63 (AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting). Der Tutor kodierte sieben Lehrpraktiken und verwendete von der Lehrperson geschriebene Lösungen.
- Dieselbe Technologie ohne didaktische Einbindung verlor Boden. Ein im Kursstoff verankerter GPT-4o-Assistent erreichte 2.379 Studierende bei 30 Lehrpersonen. In Übungsgruppen desselben Kurses fielen die Endnoten um 4,12 Punkte (0,37 SD) und die erfassten Beteiligungen um etwa 0,90 SD; 15% der Studierenden nutzten ihn, für etwa vier Sitzungen (The Effects of Course-Integrated AI Tutoring on Student Performance and Engagement: A Randomized University Trial). First-Generation-Studierende verloren 0,50 SD gegenüber 0,22 bei den übrigen Studierenden.
- Ein eigens gebauter Retrieval-Chatbot kann nichts bewirken. In einem Marketingkurs mit 454 Studierenden, randomisiert innerhalb der Übungsgruppen, zeigte sich kein Gruppe-mal-Zeit-Effekt auf Interesse, Selbstwirksamkeit, Engagement oder Testpunktzahl. Die Studierenden loggten sich 0,89-mal pro Woche ein und bewerteten den Spaß mit 80/100 (AI chatbots in higher education: Comparing expectations to evidence).
- Interaktionsdesign bewegt Ergebnisse stärker als die Modellwahl. HelpCoach griff nur bei vagen Fragen ein: 57,3% der ersten Entwürfe stellten eine spezifische Frage gegenüber 40,5%, und das Behalten eine Woche später lag bei 1,9 gegenüber 0,3 von 6 (HelpCoach: Scaffolding Targeted AI Help-Seeking During Problem-Solving).
Die Lücke zwischen Punktzahl und Lernen
Vier Designs trennen die Punktzahl in der unterstützten Aufgabe von dem, was Studierende ohne Hilfe konnten, und sie stimmen in der Richtung überein.
- CS1: Übungspunkte stiegen, Konzeptwissen nicht. In einem Java-Kurs mit 275 Studierenden erreichten ChatGPT-Nutzende 71,84% in der Übung gegenüber 29,85% bei Studierenden, die gewöhnliche Webressourcen verwendeten, während die Wissenszuwächse von Prä zu Post 0,71, 0,85 und 0,83 Punkte betrugen, ohne Zeit-mal-Gruppe-Interaktion (Less stress, better scores, same learning: The dissociation of performance and learning in AI-supported programming education).
- Beweiskurs: Hausaufgabengewinne erreichten die Klausur nicht. An der Carnegie Mellon erzielten 153 Studierende, die einen Chatbot und eine Feedback-Oberfläche für Beweise erhielten, 2,56 Punkte mehr in den Hausaufgaben. Die nächste Klausur, ohne KI geschrieben, zeigte keinen signifikanten Unterschied, und je 100 zusätzliche Chatbot-Nachrichten gingen mit 3,02 Punkten weniger in der darauffolgenden Klausur einher (Supporting or Replacing Students' Reasoning? Cognitive Offloading in AI-Assisted Proof Learning).
- Feedback: bessere Überarbeitungen, flacher Posttest. In einem VWL-Kurs mit 354 Studierenden verbesserte KI-vermitteltes Feedback die Überarbeitungsqualität mit d = 0,50 über 1.366 Essays hinweg, und der verblindete Posttest lag bei 0,59 gegenüber 0,56 (AI-Mediated Feedback Improves Student Revisions: A Randomized Trial with FeedbackWriter in a Large Undergraduate Course).
- Das Nutzungsmuster entschied, ob der Gewinn das Wegfallen überdauerte. Ein handelsüblicher Chatbot erhöhte die Testpunkte ohne Hilfe bei 211 Middlebury-Studierenden um 6,7 Punkte (0,27 SD), und das blieb bestehen. Die 32%, die ihn zur Automatisierung ihrer Arbeit nutzten, gewannen 0,54 SD bei Essays, solange er verfügbar war, und 0,02 SD, sobald er weg war (Experimental Evidence on the Learning Impact of Generative AI).
Der meist angebotene Mechanismus ist Kognitive Auslagerung: Das Werkzeug führt den Prozess aus, den die Aufgabe hervorrufen sollte. Daraus folgt eine Reihenfolge statt eines Verbots — erst ein eigener Versuch, dann Hilfe, und ein bewertetes Urteil ohne das Werkzeug.
Was Studierende über sich selbst berichten
Die Befragungen auf dieser Stufe fragen Studierende, was sie gewonnen haben, und ihre Antworten stehen nur lose neben dem, was sie nach eigener Angabe getan haben. Torres-Peralta et al. (2026) befragten 1.477 Personen in Sonora, Mexiko, darunter 765 Hochschulstudierende. Ihr Engagement-Index beruht auf drei berichteten Verhaltensweisen — Lesen, Verändern und Hinzufügen eigener Ideen — und bewegte sich mit einer einzelnen Selbsteinschätzung des Lernens auf einer Skala von 0–10 kaum mit, bei einer gepoolten Korrelation von 0,052. Hochschulstudierende nutzten ChatGPT häufiger als Schülerinnen und Schüler der Highschool und bewerteten ihr Lernen nur wenig höher. Die Autorinnen und Autoren lesen das Ergebnis als Warnung zur Validität der Leistungsbeurteilung und nicht als Urteil über das Lernen, da kein Ergebnis gemessen wurde.
Wo auch die Prädiktoren selbstberichtet sind, beschreibt ein Modell eher eine Geisteshaltung als einen Mechanismus. Kumar et al. (2025) modellierten Pfade zur selbstberichteten Leistung bei Aufgaben für 304 Studierende an zwei Universitäten in Karnataka. Digitale Kompetenz erreichte β = 0,393 und wahrgenommene Nützlichkeit β = 0,259, während ethisches Bewusstsein die Leistung nicht vorhersagte (β = −0,006, p = 0,924). Leistung, Kompetenz und Ethik waren alle selbst eingeschätzt, der stärkste Pfad besagt also, dass Studierende, die sich selbst als digital kompetent einstufen, auch ihre Arbeit höher bewerten. Das Null-Ergebnis zur Ethik bleibt das nützliche Resultat: Die Autorinnen und Autoren lesen es so, dass Ethik das Handeln prägt und nicht die Noten, und empfehlen, Offenlegung und Zitation direkt zu bewerten.
Der Stufenvergleich lässt die grundständige Seite ungleichmäßig statt durchgehend niedrig erscheinen. Zaripova et al. (2026) verglichen 381 Studierende an einer technischen Universität in Usbekistan anhand einer ausbalancierten Teilstichprobe von 302. Grundständig Studierende erreichten auf der Ethikskala im Mittel 3,527 gegenüber 4,627 bei Graduierten, mit d = 1,47 für Ethik und akademische Autonomie. Die wahrgenommene kognitive Belastung unterschied sich nicht nach Stufe (p = 0,296). Die Verteilungen tragen den Designpunkt: Die Standardabweichungen der Graduierten bei Ethik und Selbstregulation betrugen etwa ein Drittel der grundständigen Werte, während grundständig Studierende das Skalenminimum erreichten. Eine Kohorte im ersten Jahr enthält daher Studierende, die Ausgaben kritisch beurteilen, neben Studierenden, die fast nichts von dieser Disposition berichten.
Zusammen gelesen zeigen die Befragungen, was Selbstbericht belegen kann und was nicht. Sie belegen Verteilung und Selbstkonzept — wie gestreut eine Kohorte ist, wie Studierende sich selbst einschätzen — und nicht das Lernen. Die Leistungsevidenz oben ist das, was beides trennt, vom Behaltenstest mit 57,5% gegenüber 68,5% bis zum Gewinn von 0,54 SD, der verschwand, als der Chatbot entfernt wurde. Selbstberichtete Gewinne und selbstberichtete Prädiktoren brauchen daher dieselbe Vorsicht in entgegengesetzten Richtungen. Ein per Selbsteinschätzung gemessener Gewinn kann Kompetenz oder Zuversicht sein, und ein auf dieselbe Weise gemessener Prädiktor kann das Ergebnis deshalb abbilden, weil ein einziges Instrument beides erzeugt hat. Der Test ist, ob ein Design etwas verändert, das eine Studierende tut: ein überarbeiteter Entwurf, eine geprüfte Quelle, eine offengelegte Nutzung.
Schreiben, Feedback und Integrität
Beim Schreiben ist die KI-Nutzung am sichtbarsten und der Beurteilungsvertrag am schwächsten, denn eine flüssige Abgabe trägt keine Spur des Prozesses, der hinter ihr steht.
- KI-Feedback entsprach den Lehrpersonen beim Essay und verlor bei der Beziehung. Bei 312 Schreibenden im ersten Jahr stieg die Qualität der überarbeiteten Essays mit KI-Feedback um d = 0,60 und mit Lehrpersonen-Feedback um d = 0,59, äquivalent innerhalb einer vorab festgelegten Marge. Die intrinsische Motivation lag bei 4,90 gegenüber 5,16, eine Lücke von d = 0,31, die durch wahrgenommene soziale Eingebundenheit mediiert wurde (As effective as the teacher, but less motivating: A randomized controlled comparison of AI-generated and teacher feedback on students' writing performance and intrinsic motivation).
- Prozessanforderungen erhöhten die Nutzung und ließen die Qualität unangetastet. In einem Informatikkurs im ersten Jahr mit rund 570 Studierenden blieb die freiwillige Nutzung nahe zwei Dritteln, bis ein Entwurf-vor-KI-Arbeitsablauf mit einer bewerteten Reflexion und einem Offenlegungsformular sie auf 93% hob. KI-Nutzung sagte die Essayqualität nicht vorher, sobald frühere Schreibleistung kontrolliert wurde (Scaffolding GenAI Use in Ethical Essay Writing: A Three-Year Experience Report in Introductory Computing).
- Detektionsergebnisse funktionieren als Triage, nicht als Urteil. Argus bewertete sechs Durchläufe eines CS2-Kurses an der Purdue: mittlerer H-Score 1,1 im Jahr 2020 gegenüber 11,9 im Jahr 2026, und 45,7% von 584 Studierenden wurden nach manueller Prüfung markiert. Markierte Studierende erreichten in beaufsichtigten Klausuren im Mittel 61,9% gegenüber 73,5%, bei einem Median von 1,5 Minuten personeller Prüfzeit pro Studierendem (Argus: Academic Integrity in the Era of Generative AI).
- Detektorfehler disqualifizieren für die Urteilsfindung. Sieben Detektoren, angewandt auf 91 TOEFL-Essays von Personen, die Englisch nicht als Muttersprache schreiben, ergaben im Mittel eine Falsch-Positiv-Rate von 61,22%, und 97% wurden von mindestens einem markiert (The AI Integrity Crisis: When Artificial Intelligence Challenges What It Means to Earn a Degree). Daraus folgt beaufsichtigte Kompetenzprüfung an Übergangspunkten, die die Last auf Richtlinien zur Akademische Integrität statt auf Software verlagert.
Das erste Jahr: Übergang, Beratung und Unterstützung
Studierende im ersten Jahr kommen mit Gewohnheiten, die in der Schule geformt wurden, und mit wenig Grundlage, eine plausibel wirkende Antwort zu hinterfragen. Die Werkzeuge, die auf sie zielen, erledigen überwiegend administrative Arbeit.
- Gewohnheiten kommen vor der Skepsis. Bei 1.598 Lernenden im Alter von 12 bis 25 stieg die berichtete Nutzung zwischen 12 und 17 Jahren auf einer Skala von 0–4 von 1,24 auf 1,77, während die eingeschätzte Verlässlichkeit sich nicht bewegte. An der Universität verflachte die Nutzung und verschob sich Richtung Übersetzung; starke Vorsicht bei Rechercheaufgaben erreichte 23,3% im vierten Jahr gegenüber 10,1% im ersten (Students Learn to Use Generative AI Before Learning to Question It: Ordinal Trajectories of Academic Use and Caution from Adolescence to University).
- Verifiziertes Material half den Studierenden, die es brauchten. In einem VWL-Kurs im ersten Jahr erreichten 170 Studierende mit Zugang zu KI-generierten, von Teaching Assistants geprüften Podcasts und Lernleitfäden 2,34 Punkte mehr in einer Klausur mit 50 Punkten. Drei Viertel dieses Gewinns lagen im untersten Quintil, der Anteil unter 60% fiel um 24,7 Punkte, und die Verifikation kostete 1,8 Minuten Personalzeit pro Studierendem (Verified, not generated: expert-verified AI study materials and the distribution of learning gains in a university course).
- Aktive Ansprache in der Beratung verschiebt Fristen, nicht Noten. Ein Text-Chatbot in zwei großen Online-Kursen erhöhte den Anteil mit einer A oder B um 4 Punkte und die Teilnahme am Tutoring um 2, bei 2.483 Studierenden (Let's Chat: Leveraging Chatbot Outreach for Improved Course Performance). Bei 8.708 Studierenden über acht Semester verschob ein ähnlicher Dienst die Anmeldung um 34 Punkte und ließ GPA und Persistenz unverändert (Sustaining AI-enabled student support: A four-year implementation and impact study).
- Frühwarnmodelle gehören in die Beratung, nicht in die Disziplinierung. LMS-Spuren aus den ersten acht Wochen von 52 Programmierstudierenden sagten spätere Risikoereignisse in der Klausur mit AUC 0,763 vorher; der Autor rahmt den Score als Anlass für Unterstützung (Early Prediction of AI-Assisted Cheating Risk in Online Exams Through Learning Analytics).
Verbindungen
Das grundständige Studium liegt zwischen zwei Stufen, die mit unterschiedlichen Methoden untersucht werden. Sekundarstufe setzt Schulpflicht voraus, eine erwachsene Person, die das Werkzeug vermittelt, und die Klasse als Einsatzinheit. Grundständige Lehre setzt Lernende voraus, die ihre Zeiten selbst festlegen, und behandelt den Kurs als Einheit. Hochschulbildung ist der weitere Rahmen — KI-Governance, hochschuldidaktische Weiterbildung, Beschaffung und berufsqualifizierende Studiengänge —, und die meiste Evidenz zur Bewertungsgenauigkeit und zu institutionellen Richtlinien liegt dort. Postgraduale Bildung verschiebt die Arbeitseinheit von Kursarbeit zu betreuter Forschung, wo die Frage zum Urteilsvermögen wird. Bildungsstufen legt die vollständige Reihe der Stufen dar.
Implikationen für die Praxis
Für Lehrpersonen
- Lehren Sie die Interaktion, nicht das Werkzeug. Eine einzige 45-minütige Sitzung dazu, was das Modell falsch macht, erhöhte den Anteil falscher Antworten, die zu richtigen überarbeitet wurden, von 41,3% auf 69,3% (From answer machine to collaborative partner: impact of structured generative AI training on scientific problem solving in STEM education).
- Geben Sie Leistung ohne Hilfe ein benotetes Gewicht. Jedes Design, das beides trennte, fand, dass sich zuerst das unterstützte Artefakt verbesserte; bewerten Sie eine Arbeit ohne KI.
- Verlangen Sie einen Versuch vor der Hilfe. Die Versuch-zuerst-Oberfläche im Beweiskurs der Carnegie Mellon brachte keinen Klausurnachteil mit sich; der offene Chatbot schon.
Für Kurs- und Studiengangsleitungen
- Behandeln Sie einen Kurs-Chatbot als pädagogische Intervention. Dieselbe Technologie erzeugte in einem randomisierten Kurs keinen messbaren Effekt und senkte in einem anderen die Noten.
- Planen Sie den Verifikationsaufwand ein. Verifiziertes Lernmaterial kostete 1,8 Minuten Personalzeit pro Studierendem und erzeugte den größten Gewinn bei den schwächsten Studierenden.
- Beobachten Sie Subgruppeneffekte, bevor Sie skalieren. Der First-Generation-Unterschied in der Studie mit 2.379 Studierenden war der größte Schaden und in einem Kursmittel unsichtbar.
Für Forschende
- Berichten Sie ein Ergebnis ohne Hilfe und ein verzögertes Ergebnis, sonst wird ein Artefakteffekt als Lerneffekt gelesen.
- Legen Sie vorab eine Äquivalenzmarge fest, wenn Sie behaupten, KI-Feedback sei so gut wie Feedback von Lehrpersonen.
Verbreitete Fehlvorstellungen
- „Ein Kurs-Chatbot ist neutrale Infrastruktur.“ In der Studie mit 2.379 Studierenden nutzten 15% das Werkzeug, und die Noten fielen um 0,37 SD, bei einer Beteiligung 0,90 SD niedriger.
- „Eine höhere Übungspunktzahl bedeutet mehr Lernen.“ ChatGPT-Nutzende erreichten 71,84% gegenüber 29,85% in einer CS1-Übung, während die Konzeptzuwächse zwischen den Armen statistisch identisch waren.
- „Detektoren können einen Integritätsfall entscheiden.“ Sieben Detektoren ergaben im Mittel 61,22% Falsch-Positive bei Essays von Personen, die Englisch nicht als Muttersprache schreiben, und 97% wurden von mindestens einem markiert.
- „Tägliche Nutzung heißt, dass KI-Kompetenz vorausgesetzt werden kann.“ Die berichtete Nutzung stieg in jedem Sekundarschuljahr, während die eingeschätzte Verlässlichkeit flach blieb; Vorsicht bei Rechercheaufgaben zeigte sich erst im vierten Jahr.
Verbundene Konzepte
Verbundene Artikel
- Guardrails or Roadblocks? Effects of Pedagogical Style and Context Awareness in AI Teaching Assistants for Programming
- Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics
- ChatGPT for interdisciplinary learning: Does it equally benefit STEM and non-STEM students
- Who benefits from LLMs? Prompt engineering competence and equity in higher education
- What the submission does not show: Complexifying cognitive offloading in students' mathematical work with LLMs
- Artificial Intelligence and Higher-Order Thinking: A Systematic Review of Educator and Student Experiences and Perspectives in Higher Education
- A helping hand or a dominant partner? Individual perceptions of GenAI reliance and human agency in collaborative learning
- Generative AI, Cognitive Offloading, and Learner Agency in Higher Education: A Scoping Review
- A study on AI-enabled course development, AI proficiency, and first-year students' academic and psychological adjustment
- Prevalence and correlates of GenerativeAI chatbot use for mental health concerns in higher education students
- Perceived Learning vs. Engagement in AI-Assisted Homework: A Comparative Study of ChatGPT Use Across High School, University, and Teachers in Sonora, Mexico (2024–2025)
- ChatGPT for academic assignments: opportunities, challenges, and student perspectives in the digital classroom
- Generative AI use, self-regulation, and Neuro-AI Pedagogical competence in higher education: a comparative study of undergraduate and graduate students in Uzbekistan