Das Aufkommen und die anschließende Weiterentwicklung von chatgpt als generatives Werkzeug der künstlichen Intelligenz eröffnen neue Möglichkeiten, Studenten bei der Forschungsgestaltung zu unterstützen. Die Förderung der Forschungskompetenzen bei Bachelor-Studenten bietet Möglichkeiten und Herausforderungen für die Lehrkräfte, die bei der Ausarbeitung von Forschungsplänen, Untersuchungsfragen und Methoden zur Durchführung der Forschung behilflich sein müssen. Während einige Pädagogen zu Recht Bedenken hinsichtlich der ethischen Aspekte eines solchen Tools äußern, basiert dieser Artikel auf meinen eigenen Erfahrungen mit ChatGPT 4.0 als Tool bei der Aufsicht von Forschungsprojekten. Ich zeige, wie man ChatGPT auffordert, nützliche Vorschläge zu machen, die als umsetzbares Feedback verwendet werden können. Ich bespreche auch, wie man Studenten anweist, ChatGPT in ihre Forschungsmethodik einzubeziehen, wenn sie das Tool zur Verfeinerung von Forschungsfragen verwenden.

Große Sprachmodelle¹

Große Sprachmodelle (LLMs) wie ChatGPT sind komplexe Algorithmen, die durch eine Art maschinelles Lernen namens Deep Learning entwickelt werden. In einem solchen Prozess wird der Algorithmus anhand großer Textdatensätze trainiert. Durch das Erlernen der Muster, Sprache, Strukturen und Beziehungen zwischen Wörtern „merkt“ sich ChatGPT den Inhalt auf eine Weise, die es ihm ermöglicht, sich an menschenähnlichen Gesprächen zu beteiligen, Fragen zu beantworten, Inhalte zu erstellen oder Aufsätze zu schreiben.

LLMs sind Teil der natürlichen Sprachverarbeitungsmodelle der künstlichen Intelligenz, die in den 1950er Jahren mit Versuchen begannen, menschliche Sprache auf der Grundlage handcodierter Regeln und Logik zur Textinterpretation zu verarbeiten und zu verstehen. Mit dem Aufkommen des maschinellen Lernens in den 1980er Jahren konnten statistische Modelle trainiert werden, um Muster in Texten zu lernen, Entscheidungsbäume zu erstellen oder Sprache zu erkennen und Text zu klassifizieren. Neuronale Netze und Deep Learning ermöglichten ein differenzierteres Sprachverständnis. Die Worteinbettung führte zu einem besseren Verständnis des Kontexts. In den späten 2010er Jahren wurden der Generative Pre-trained Transformer (GPT) von OpenAI und die bidirektionalen Encoder-Repräsentationen von Transfers von google durch Vortraining auf riesigen Datensätzen entwickelt, die später für bestimmte Aufgaben verfeinert werden konnten. In den 2020er Jahren gab es größere, ausgefeiltere Modelle wie GPT-3.5 und GPT-4 von Open AI, die ein breites Spektrum an Sprachaufgaben mit wenig bis gar keinem aufgabenspezifischen Training ausführen können.

Wie vorherzusehen war, hat die Aufregung um ChatGPT und andere KI-Apps zur Schaffung einer Reihe von Plattformen geführt, die Abonnements für KI-basierte Tools für die Forschung anbieten, darunter a Browsererweiterung der als wissenschaftlicher Mitarbeiter tätig ist und Manuskriptschreiben Werkzeuge, um nur zwei Beispiele zu nennen. Das Wachstum bei KI-gestützten Produkten ähnelt dem Aufkommen von Web 1.0- und 2.0-Tools, die dem Aufkommen des World Wide Web folgten. Diese Tools wurden nicht nur zur Entwicklung und Bereitstellung von Unterricht verwendet, sie wurden auch für Studierende für ihre eigenen Kursprojekte, Aufgaben und Bewertungen nützlich.

Es entstanden Bildungsorganisationen und Universitäten Qualitätsindikatoren als Leitfaden für die Einführung von Web-Tools. Es bleibt abzuwarten, welche Indikatoren zur Sicherstellung der Qualität GPT-basierter Tools im Hochschulunterricht eingesetzt werden. Zumindest sollten solche Indikatoren Aspekte wie Voreingenommenheit in den Datensätzen, Zugänglichkeit und die Frage berücksichtigen, ob ein kostenpflichtiges Abonnement erforderlich ist. Die Herausforderung wird im Ausmaß des Unterfangens liegen, denn die Fülle an KI-Tools, die in nur einem Jahr entstanden ist, hat die der Web-Tools bei weitem übertroffen. Web 3.0-Tools der neuen Generation integrieren bereits KI, daher müssen die Qualitätsindikatoren, die wir derzeit verwenden, aktualisiert und aktualisiert werden, um die KI-Aspekte der Technologie zu berücksichtigen (KI und Web3: Wie hängen sie zusammen? | Rather Labs Careers, nd). Dennoch nutzen Pädagogen bereits ChatGPT und andere KI-gestützte Tools für Fähigkeiten Verbesserung in Lehren Und Forschung (Crompton und Burke, 2023).

ChatGPT als Mitschöpfer für Forschung

Die gemeinsame Wissenserstellung kommt den Studierenden zugute, da sie einfacher und motivierter am Bildungsprozess teilnehmen können (Pocol et al., 2022). In ihren Forschungsprojekten arbeiten meine Studenten auf drei Ebenen gemeinsam: Student-Kunde, Student-Betreuer und Student/Betreuer-KI-Assistent. Diese dreistufige Gestaltung bietet eine dynamische Möglichkeit, Wissen zu entwickeln, das für den Kunden unmittelbaren praktischen Nutzen hat und dem Studenten Vorteile beim Aufbau von Fähigkeiten bietet. Als Betreuer erhalte ich Einblicke in das Lehren und Lernen mit KI-gestützten Tools.

Forschungsfragen mit ChatGPT verfeinern: Anwendungsfall für Vorgesetzte

Studierende im letzten Jahr ihres Bachelorstudiums erwerben ein angewandtes Forschungsprojekt aus der Belegschaft. Als ihr Betreuer begleite ich sie bei der Entwicklung einer Forschungsfrage, eines Forschungsplans zur Durchführung der Forschung und der Übernahme der Methoden sowie relevanter Ressourcen zur Durchführung der Forschung. ChatGPT kann zu jedem Zeitpunkt des Rechercheprozesses hilfreich sein. Ich möchte jedoch ein Beispiel dafür geben, wie ich die Antwort von ChatGPT genutzt habe, um meinem Vorgesetzten gezielteres Feedback zu geben.

Ich entwarf eine Eingabeaufforderung, die die Aufgabe kontextualisierte, indem ich erklärte, dass ich ein Forschungsprojekt beaufsichtige. Außerdem wurde das Tool angewiesen, die Frage so zu überarbeiten, dass ein spezifisches rechtliches Problem identifiziert wird.

Meine Aufforderung: Mein Student schließt ein Forschungsprojekt ab. Als Betreuer habe ich die Hauptforschungsfrage überprüft und festgestellt, dass sie ein rechtliches Problem nicht ausreichend identifiziert. Bewerten Sie die Frage und machen Sie drei Vorschläge zur Überarbeitung der Frage, sodass ein rechtliches Problem identifiziert werden kann. Hier ist die Forschungsfrage: [paste of the question.]

ChatGPT machte eine Reihe von Vorschlägen, die auf drei möglichen Ansätzen basierten: einem spezifischen Rechtsrahmen, einem vergleichenden Ansatz oder einem Fokus auf einen Rechtsstreit. Dies war hilfreich für die Gestaltung des Projekts und gab den Studenten alternative Rahmen für das Forschungsproblem.

Ein Vorschlag, der einen spezifischen rechtlichen Rahmen beinhaltete, schlug diese Umformulierung vor: „Inwieweit standen die in Deutschland ergriffenen COVID-19-Maßnahmen im Einklang mit dem verfassungsmäßigen Recht auf Reisefreiheit nach dem deutschen Grundgesetz und internationalen Menschenrechtsverträgen oder standen im Widerspruch dazu?“ (Persönliche Kommunikation mit ChatGPT 4.0 am 28. Dezember 2023.)

Ich habe diesen Rahmen verwendet, um dem Studenten zu raten, einen Menschenrechtspakt als rechtlichen Rahmen zu wählen, um so den Umfang der Forschung einzuschränken und zu ermöglichen, dass sie die Mindestanforderungen an Wort und Inhalt erfüllt.

Insgesamt war ChatGPT maßgeblich an der Bereitstellung von umsetzbarem Feedback beteiligt, das „die Chance bietet, eine Lücke zwischen der aktuellen Leistung und der erwarteten Leistung zu schließen …“ (Mamoon-Al-Bashir, Kabir und Rahman, 2016). Ich könnte die drei Ansätze vorschlagen und in meinem Feedback an den Studierenden eine der überarbeiteten Forschungsfragen mit dem spezifischen rechtlichen Rahmen teilen.

Ethische Überlegungen

Wenn ich die Verwendung von ChatGPT vorschlage, bitte ich die Studierenden, die Verwendung in einer Fußnote zu bestätigen und die Eingabeaufforderungen als Anhang zum Dokument hinzuzufügen oder sie in der Fußnote zu verlinken. Ich erkläre auch, dass die Verwendung von ChatGPT Teil ihrer Forschungsmethode ist, und bitte sie, einen Absatz hinzuzufügen, in dem erläutert wird, wie sie ChatGPT veranlasst haben und wie sie die Ergebnisse verwendet haben, um ihre ursprünglichen Forschungsfragen zu ändern.

Die Aufnahme in den Abschnitt zur Methodik geht einen Schritt weiter als das, was in der Literatur für die Zitierung von ChatGPT oder die Anerkennung seiner Verwendung vorgeschlagen wurde (Castellanos-Gomez, 2023). Mein Ansatz erkennt an, dass ChatGPT Teil des Forschungsprozesses als Ganzes ist und dazu verwendet werden kann, Fragen zu definieren, Forschungspläne zu entwickeln oder sogar geeignete Forschungsmethoden zu finden. Daher sollte der Prozess, wie es verwendet wurde, im Abschnitt zur Methodik beschrieben werden.

Beispielsprache für die Methodik Um den rechtlichen Rahmen meiner Forschung zu verfeinern und weiter zu spezifizieren, habe ich chatGPT4.0 verwendet. Ich habe eine Forschungsfrage entworfen und dann ChatGPT gebeten, Möglichkeiten vorzuschlagen, wie daraus eine konkrete rechtliche Untersuchung werden könnte. Anhand der gegebenen Vorschläge habe ich meine ursprünglichen Fragen überarbeitet und verfeinert. Die Eingabeaufforderungen und Antworten von ChatGPT sind in Anhang 1 beigefügt.

Abschluss

ChatGPT hat sich bei der Formulierung von Forschungsfragen als wertvoll erwiesen. Vorgesetzte können die Antworten nutzen, um umsetzbares Feedback zu geben, das es den Studierenden ermöglicht, Lernergebnisse für das Forschungsprojekt zu erreichen. ChatGPT verbessert nicht nur den Forschungsprozess, sondern führt auch einen neuartigen Ansatz zur gemeinsamen Wissenserstellung ein, bei dem Studierende, Vorgesetzte und KI-Assistenten effektiv zusammenarbeiten. Diese Integration geht jedoch mit der Verantwortung einher, die Verwendung von ChatGPT in Forschungsmethoden anzuerkennen und ethische Compliance und Transparenz in der akademischen Praxis sicherzustellen.

Tamara N. Lewis Arredondo ist leitende Dozentin, Lehrerausbilderin für das Den Haager Zentrum für Lehren und Lernen und Forscherin für das Kompetenzzentrum für globales und integratives Lernen an der Fachhochschule Den Haag in den Niederlanden.

Verweise

„KI und Web3: Wie hängen sie zusammen? | Eher Labs Careers‘. nd Abgerufen am 27. Dezember 2023. https://www.ratherlabs.com/blog/ai-and-web3-how-are-they-related.

Castellanos-Gomez, Andres. 2023. „Gute Praktiken für das Schreiben wissenschaftlicher Artikel mit ChatGPT und anderen Sprachmodellen für künstliche Intelligenz“. Nanofertigung 3 (2): 135–38. https://doi.org/10.3390/nanomanufacturing3020009.

Crompton, Helen und Diane Burke. 2023. „Künstliche Intelligenz in der Hochschulbildung: Der Stand der Technik“. Internationale Zeitschrift für Bildungstechnologie in der Hochschulbildung 20 (1): 22. https://doi.org/10.1186/s41239-023-00392-8.

Mamoon-Al-Bashir, Md, Md Rezaul Kabir und Ismat Rahman. 2016. „Der Wert und die Wirksamkeit von Feedback bei der Verbesserung des Lernens von Studierenden und der Professionalisierung der Lehre in der Hochschulbildung“. Zeitschrift für Bildung und Praxis 7 (16): 38.

Pocol, Cristina Bianca, Liana Stanca, Dan-Cristian Dabija, Ioana Delia Pop und Sergiu Mișcoiu. 2022. „Co-Creation von Wissen und nachhaltige Bildung im arbeitsmarktgesteuerten Universitäts-Wirtschafts-Umfeld“. Grenzen der Umweltwissenschaften 10. https://www.frontiersin.org/articles/10.3389/fenvs.2022.781075.

Beitragsaufrufe: 1