Der Einsatz von Künstlicher Intelligenz (KI), besonders durch die neuen Möglichkeiten von GPT-4, findet zunehmend Einzug in die Hochschulbildung. Ihre Auswirkungen auf Aktivierung und Lernfortschritt von Studierenden sind jedoch nach wie vor nicht hinreichend erforscht. Wir untersuchen mithilfe eines quasi-experimentellen Designs den Einfluss von KI-Feedback auf Aktivierung und Lernfortschritt von Studierenden in Tutorien der Makroökonomik an der Universität Passau.
In 18 Tutorien baten wir knapp 300 Studierende, acht offene Fragen aus dem Fachbereich Makroökonomik zu beantworten. Je nach Behandlung erhielten die Studierenden nur das Feedback der Dozierenden auf Klassenebene (Lecturer Feedback – LF), zusätzliches individuelles Feedback von ihren Kommilitonen (Peer Feedback – PF) oder von der KI (Artificial Intelligence Feedback – AIF).
Unsere Ergebnisse zeigen, dass sowohl PF als auch AIF einen signifikant positiven Einfluss auf die Aktivierung der Studierenden haben. Im Vergleich zu LF ist die Beteiligung an den Aufgaben bei AIF und PF signifikant höher. AIF zeichnet sich dadurch aus, dass es die längsten schriftlichen Antworten und die signifikanteste Verbesserung des Stils hervorruft. Wir finden leichte Evidenz für Aversion gegenüber Algorithmen. Gleichzeitig ist das KI-Feedback zuverlässiger und weist eine deutlich höhere Qualität als das individuelle Feedback von Kommilitonen auf. Unsere Ergebnisse zeigen, dass KI, insbesondere GPT-4, ein effektives Tool ist, um Engagement und Aktivierung der Studierenden zu fördern. Es stellt ein leicht skalierbares und zuverlässiges Mittel für die Bereitstellung von individuellem Feedback in Bildungskontexten dar.