Wie gestalten wir Leistungsnachweise in einer Welt mit KI? 

Das März-Treffen der EduAI@FHNW-Community war dem Thema “Leistungsnachweise und KI” gewidmet. Welche Erfahrungen haben unsere Lehrenden in der letzten Prüfungssession gemacht, und wie sehen sie die weitere Entwicklung zu KI-gerechteren Leistungsnachweisen? 

Die EduAI@FHNW ist eine offene Community für FHNW-Angehörige, die an der Anwendung von KI und deren Auswirkungen auf die Lehre interessiert sind. Seit Herbst 2023 trifft sie sich monatlich, um KI-Initiativen sichtbar zu machen, Erfahrungen auszutauschen und zu diskutieren. Nebenbei fördert die Community so die Vernetzung über die verschiedenen Hochschulen der FHNW.  

Am März-Treffen der Community standen die in der letzten Prüfungsperiode gemachten Erfahrungen im Zentrum. Eine Stimmungsumfrage mit sli.do gestaltete den Einstieg: Wie gut gerüstet fühlen sich die Teilnehmenden, KI-geeignete Aufgaben samt Bewertungskriterien zu erstellen? Studentischen Arbeiten, die potenziell mit KI erstellt wurden, zu bewerten? Mit Verdachtsfällen umzugehen? Die meisten Antworten bewegten sich im Mittelfeld zwischen unsicher und sicher, einig war man sich aber, dass noch Potential für die Weiterentwicklung da ist.  

Als erstes Praxisbeispiel berichtete Kathleen Schaller (HLS) von Open Book-Prüfungen, bei denen ihrem Eindruck nach diejenigen Studierenden, die KI genutzt hatten, tendenziell eher schlechter abschnitten. Dies deckt sich mit bereits früher geäusserten Beobachtungen, dass in solchen Situationen manche Studierende mehr mit der Anwendung von KI als der Aufgabe selbst beschäftigt sind. Sehr hilfreich fand sie, ihre Prüfungsfragen mit Hilfe von KI weiterzuentwickeln.  

Stefan Hackstein (HT) stellte danach eine Hausarbeit vor. Die bisherigen klar vorgegebenen Aufgaben funktionieren heute nicht mehr, da sie von der KI einfach gelöst werden können. Neu verpackt er sie daher in Text, welcher zuerst analysiert und daraus die konkrete Programmieraufgabe abgeleitet werden muss. Für diese umfangreicheren Aufgaben erhalten die Studierenden entsprechend mehr Zeit. Die neuen Aufgaben sind dabei nicht nur praxisrelevanter sondern scheinen auch noch klarer zwischen guten und schlechten Leistungen der Studierenden zu differenzieren. Die Verwendung von KI führte hier also zu einer kompetenzorientierteren und valideren Prüfung. 

Nach diesen Kurz-Inputs gab es Zeit, über die eigenen Erfahrungen und Herausforderungen zu reflektieren, diese auf dem EduAI@FHNW Miro-Board festzuhalten und anschliessend in kleineren Breakoutgruppen zu diskutieren:  
– Wo ist die Grenze zwischen zulässigem und unzulässigem Gebrauch von KI?  
– Wie gehen wir damit um, dass KI-Gebrauch schwierig nachzuweisen ist? Wird deswegen auf die Weiterverfolgung von KI-Verdachtsfällen verzichtet?  
– Wie verhindern wir, dass Lehrende aus Unsicherheit zu Paper & Pencil zurückgehen?  
– Wie gestalten wir nicht nur Aufgaben, sondern auch speziell Bewertungskriterien, so dass die Eigenleistung honoriert wird?  

Konkret danach gefragt, welche Hilfe die Teilnehmenden zur Erstellung von KI-gerechten Leistungsnachweisen benötigen würden, standen Praxisbeispiele weit oben.  

Eine wichtige Erkenntnis war aber auch, dass sie nebst der Hilfe der KollegInnen ihre Studierenden brauchen, und ein sinnvoller Umgang mit KI in der Lehre mit ihnen gemeinsam eruiert werden sollte.   

Und schlussendlich braucht alles seine Zeit- vor allem, um selbst auszuprobieren und zu reflektieren.  

  

Auch dieses Mal waren die konkreten Praxisbeispiele und der folgende Austausch spannend und inspirierend. Dass es auf viele der Fragen keine abschliessenden Antworten gibt, ist den Teilnehmenden bewusst. Ganz im Sinne einer unsicheren, sich rasch entwickelnden Situation ist Lernen anhand von Beispielen anderer und gemeinsamen Diskussionen angesagt. Als nächster Schritt soll nun versucht werden, mit Hilfe der Community praktische Hilfestellungen für Lehrende zu gestalten-natürlich basierend auf den zahlreichen Praxiserfahrungen aus unseren Hochschulen.  

Das nächste Community-Treffen der EduAI@FHNW findet am Mittwoch, 10. April, 10.30-12.00 Uhr statt. Für die EduAI@FHNW Community: Monika Schlatter, Roy Fischer und Dominik Tschopp