Hochschuldozentin setzt Schreibmaschinen ein, um KI-verfasste Arbeiten zu verringern
(sentinelcolorado.com)- Einführung von Aufgaben mit manuellen Schreibmaschinen, damit Studierende ohne Bildschirm, Online-Wörterbuch, Rechtschreibprüfung und Löschtaste schreiben und sich direkt damit auseinandersetzen, ob sie auch ohne Computer eigenständig Sätze formulieren können
- Auslöser war die Realität, dass durch generative KI und Online-Übersetzungsplattformen immer mehr grammatikalisch ausgereifte Arbeiten entstehen; um Schreib-, Denk- und Unterrichtserfahrungen aus der Zeit vor der Digitalisierung erfahrbar zu machen, beschaffte sie alte manuelle Schreibmaschinen
- Im Unterricht standen Schreibmaschinen mit deutscher Tastatur und mit QWERTY-Tastatur nebeneinander; da Papier eingespannt, der Tastendruck dosiert und der Wagenrücklauf manuell ausgeführt werden musste, verlangsamte sich jede Arbeit deutlich
- Die Studierenden begrüßten die wenigeren Ablenkungen und sprachen ohne Bildschirm und Benachrichtigungen häufiger mit Kommilitoninnen und Kommilitonen, um Hilfe zu bekommen; durch die fehlende Löschtaste dachten sie vor dem Schreiben bewusster nach
- Physische Einschränkungen wie Tippfehler, unregelmäßige Abstände und langsames Tippen wurden selbst als Teil des Lernprozesses verstanden und passen zu einem allgemeinen Wandel hin zu Klausuren mit Stift und Papier sowie mündlichen Prüfungen im Unterricht
Einführung analoger Aufgaben im Unterricht
- Die Deutschdozentin Grit Matthias Phelps an der Cornell University gibt ihren Studierenden einmal pro Semester die Möglichkeit, eine Schreibaufgabe mit einer manuellen Schreibmaschine zu erledigen
- Eine Erfahrung des Tippens ohne Bildschirm, Online-Wörterbuch, Rechtschreibprüfung und Löschtaste
- Im Lehrplan ist dies als analoge Aufgabe aufgeführt
- Diese Aufgabe wurde im Frühjahr 2023 eingeführt; Auslöser war ihre Frustration über die Realität, dass Studierende mit generativer KI und Online-Übersetzungsplattformen grammatikalisch perfekte Arbeiten erzeugen
- Einschließlich der Aussage: "What’s the point of me reading it if it’s already correct anyway, and you didn’t write it yourself? Could you produce it without your computer?"
- Um Erfahrungen des Schreibens, Denkens und Unterrichts vor der Digitalisierung begreifbar zu machen, beschaffte sie Dutzende alter manueller Schreibmaschinen in Secondhand-Läden und auf Online-Marktplätzen
- Sie sagte, es sei noch zu früh, um von einer Wiederbelebung der Schreibmaschine über Cornell hinaus zu sprechen, doch es stehe in Zusammenhang mit der Rückkehr zu altmodischen Bewertungsformen wie Klausuren mit Stift und Papier im Unterricht und mündlichen Prüfungen, um den Einsatz von KI bei Laptop-Aufgaben einzudämmen
Das Klassenzimmer an einem analogen Unterrichtstag
- An einem kürzlichen analogen Unterrichtstag kamen die Studierenden in den Raum und sahen die Schreibmaschinen auf den Tischen; einige hatten eine deutsche Tastatur, andere eine QWERTY-Tastatur
- Die 19-jährige Erstsemesterstudentin Catherine Mong wusste überhaupt nicht, was vor sich ging, und sagte, sie habe Schreibmaschinen nur aus Filmen gekannt; die Benutzung sei "a whole science"
- Für eine Smartphone-Generation war die manuelle Schreibmaschine weniger intuitiv, als sie aussah; Phelps zeigte, wie man Papier von Hand einspannt und die Tasten so drückt, dass die Buchstaben nicht verschmieren, aber dennoch mit genügend Kraft
- Dazu gehörte die Erklärung, dass das Klingeln am Zeilenende das Ende einer Zeile anzeigt und der Wagen manuell zurückgeführt werden muss, um die nächste Zeile zu beginnen
- Einschließlich der Reaktion eines Studierenden: "that’s why it’s called ‘return.’"
- Phelps sagte, "alles wird langsamer", und sprach von dem früheren Gefühl, immer nur eine Sache auf einmal zu tun, und von der Freude daran
- Sie brachte ihre 7- und 9-jährigen Kinder als "tech support" mit, damit sie darauf achten, dass die Studierenden nicht ihre Telefone hervorholen
Weniger Ablenkung und veränderte Interaktion
- Die Studierenden begrüßten die wenigeren Ablenkungen, und der eigentliche Kern der Aufgabe ging über das bloße Erlernen der Schreibmaschine hinaus
- Der Informatikstudent im zweiten Jahr Ratchaphon Lertdamrongwong sagte, ihm sei klar geworden, dass sich der Unterschied beim Tippen auf einer Schreibmaschine nicht nur auf die Interaktion mit der Maschine, sondern auch auf die Interaktion mit der umgebenden Welt beziehe
- In der betreffenden Stunde verfassten sie eine Rezension zu einem gesehenen deutschen Film
- Ohne Bildschirm stören beim Schreiben keine Benachrichtigungen, und weil man nicht jede Antwort sofort an den Fingerspitzen hat, baten die Studierenden ihre Kommilitoninnen und Kommilitonen um Hilfe, was Phelps ausdrücklich förderte
- Lertdamrongwong sagte, er habe beim Schreiben des Essays mehr gesprochen und sich mehr austauschen müssen; im Gegensatz dazu blickten Menschen im heutigen Unterricht ständig auf Laptops oder Mobiltelefone
- Weil es keine Löschtaste gibt und nicht jeder Fehler sofort korrigiert werden kann, denke man vor dem Schreiben bewusster nach
- Einschließlich der Aussage: "I was forced to actually think about the problem on my own instead of delegating to AI or Google search"
Die physischen Einschränkungen manueller Schreibmaschinen und die Reaktionen der Studierenden
- Die meisten Studierenden hatten nicht genug Kraft im kleinen Finger für Touch-Typing und tippten langsamer, indem sie mit den Zeigefingern auf die Tasten schlugen
- Die Erstsemesterstudentin Catherine Mong hatte zusätzlich die Schwierigkeit, wegen eines kürzlich gebrochenen Handgelenks nur eine Hand benutzen zu können
- Mong, die sich selbst als Perfektionistin bezeichnete, war zunächst frustriert, weil die Seite durch merkwürdige Abstände zwischen bestimmten Buchstaben und Tippfehler unordentlich aussah
- Phelps wies die Studierenden an, bei Fehlern zurückzutippen und dann ein 'X' darüber zu tippen
- Mong reichte ein Ergebnis mit vielen Bleistiftspuren ein, das weder sauber noch fertig wirkte, akzeptierte aber den Prozess des Fehlermachens selbst als Teil des Lernens
- Mong beschrieb die Aufgabe, ein Gedicht zu tippen, als "fun and challenging" und nutzte die visuellen Grenzen der Seite für Einrückungen und fragmentierte Zeilen im Stil des Dichters E.E. Cummings, wobei sie die merkwürdigen Abstände akzeptierte
- Es brauchte mehrere Blätter Papier und viele Fehler, und sie bewahrte alle Ergebnisse auf
- Sie sagte, sie werde sie vielleicht an die Wand hängen, sei von der Schreibmaschine begeistert gewesen und habe ihren Freunden erzählt, dass sie ihre Deutschprüfung auf einer Schreibmaschine abgelegt habe
1 Kommentare
Hacker-News-Kommentare
Als ich meinen Computer-Science-Abschluss gemacht habe, zählten in den meisten Kursen 50 % Abschlussprüfung und 30 % Zwischenprüfung, und auch Programmierprüfungen wurden handschriftlich unter Aufsicht von Tutoren im Hörsaal oder in der Sporthalle geschrieben.
Hausaufgaben, Labs und Projekte hatten zwar nur wenig Gewicht, aber ohne sie war es praktisch sehr schwer, die Abschlussprüfung am Semesterende zu bestehen.
Deshalb habe ich das Gefühl, dass wir damals schon AI-resistente Bildung hatten.
Dann kamen unter dem Vorwand der Anpassung an den Bologna-Prozess und im Zuge der Nachahmung US-amerikanischer und britischer Systeme Hochschulreformen, bei denen kontinuierliche Bewertung und Aufgabenbewertungen ins Zentrum rückten.
Dadurch wurden Studierende, die nebenbei arbeiten, wegen Anwesenheit und benoteter Teilnahme stark benachteiligt, und schon vor LLMs wurde die ohnehin mögliche Form des delegierten Bearbeitens von Aufgaben noch einfacher.
Früher konnten das nur einige mit Geld oder Experten in der Familie, jetzt kann es plötzlich jeder mit ChatGPT, und nun ist die Empörung groß. Die tatsächlichen Reaktionen sind aber schlechte Detektoren oder einfach höhere Aufgabenschwierigkeit, wodurch nur ehrliche Studierende noch mehr leiden.
In Fortbildungen für Lehrende wurde das alte prüfungszentrierte System als veraltetes napoleonisches Modell abgetan, aber wenn es sich so lange gehalten hat, kann es dafür gute Gründe geben.
Dass jetzt niemand zugeben will, dass alle falschlagen, wirkt eher wie das eigentliche Problem.
Allerdings sind wissenschaftliche Arbeiten und Schreibkompetenz wirklich wichtig, und ich habe oft das Gefühl, dass viele Studierende darin nicht genug lernen, bevor sie ihren Abschluss machen.
Auch in niederländischen Computer-Science-Studiengängen ist das Schreibtraining schwach; ich habe häufig Studierende gesehen, deren Englisch und Niederländisch kaum über Schulniveau hinausgingen.
Ich selbst habe richtiges Schreiben erst gelernt, nachdem mein Betreuer mich zu Beginn des Ph.D. sehr streng korrigiert hat.
Langfristig könnte AI mit personalisiertem Lernen durchaus positive Effekte auf Bildung haben.
Es gibt Prüfungsformen wie mündliche Prüfungen oder klassische Klausuren, bei denen man Wissen schwer vortäuschen kann, und aus Sicht von Lehrkräften ist auch die Automatisierung von Prüfaufgaben und Kontrollen eine große Hilfe.
Es gab nur einen kleinen schriftlichen Teil zu Dingen wie Subnetting; der Großteil der Punkte kam daher, dass man ein echtes physisches Netzwerk aufbauen und testen musste, bevor man gehen durfte.
Der Lehrer hatte vor unserem Eintreffen absichtlich drei Fehler ins Netzwerk eingebaut, und wir mussten die Ursache innerhalb von etwa 20 Minuten finden und beheben.
Besonders in Erinnerung geblieben ist mir der Trick, einen großen DIN-Stecker nur ganz leicht zu lösen, sodass er auf den ersten Blick völlig in Ordnung aussah.
Schon in der Schule habe ich Lochkarten benutzt, und es dauerte oft 24 Stunden, bis man ein Kompilierergebnis bekam, sodass man über den Code wirklich gründlich nachdenken musste.
Dadurch habe ich mir angewöhnt, selbst tausendzeilige Programme von Hand desk check zu unterziehen, und ganz natürlich gelernt, Lesbarkeit und Einfachheit zu erhöhen, um Tippfehler und Logikfehler zu finden.
Manchmal reichte ich sogar absichtlich eine Version ein, von der ich wusste, dass sie nicht kompilieren würde, nur um verborgene weitere Fehler sichtbar zu machen.
In Prüfungen hatte man nur etwa 4 bis 6 Versuche, und sowohl saubere Kompilierung als auch korrekte Ausgabe mussten stimmen.
Jetzt, über 40 Jahre später, kenne ich ein ähnliches Spannungsgefühl eigentlich nur noch bei embedded code, und ich habe den Eindruck, dass viele dieser alten Fähigkeiten in einer Produktivitätsillusion verloren gegangen sind.
Das Schönste und Erfüllendste an der Universität waren für mich immer Aufgaben und Projekte.
Schade ist nur, dass genau diese Dinge heute viel anfälliger für AI-basierten Betrug sind.
Ich erinnere mich noch an die Zeit, als es im Mathematikunterricht die Debatte um erlaubte Taschenrechner gab.
Während die meisten Schulen Taschenrechner verboten, machte unsere Schule sie für alle sogar verpflichtend und passte Aufgaben und Prüfungen entsprechend an.
Statt Antworten mit kleinen ganzen Zahlen, die man im Kopf ausrechnen konnte, bekamen wir komplexe Probleme, bei denen man nur am Lösungsweg erkennen konnte, ob die Antwort richtig war, und sogar TI-BASIC-Programme im Test waren erlaubt.
Ich habe nicht auf den letzten Drücker gelernt, sondern für jede erwartbare Aufgabenart selbst Lösungsprogramme geschrieben, und indem ich meinem Taschenrechner beibrachte, wie er die Prüfung bestehen kann, habe ich selbst mitgelernt.
Diese Erfahrung führte letztlich zu meinem Computer-Science-Studium und meiner Software-Karriere, und ich bin den Lehrkräften bis heute dankbar, dass sie neue Technik nicht als Betrugswerkzeug, sondern als Verstärker von Potenzial sahen.
Deshalb frage ich mich, ob Schulen statt AI zu blockieren und zu erkennen nicht lieber Aufgaben entwerfen sollten, die AI voraussetzen.
Studierende werden in einer Welt leben und arbeiten, in der AI existiert; deshalb sollten sie lernen, Prompts zu schreiben, die nicht auf eine bestimmte Antwort hinführen, Halluzinationen zu überprüfen und Ergebnisse zu erzeugen, die viel komplexer sind als früher.
Einfach dieselbe Bildung wie für frühere Generationen zu wiederholen, scheint den heutigen Studierenden eher zu schaden.
Was du beim Schreiben von Lösungsprogrammen für den Taschenrechner gelernt hast, konntest du nur deshalb lernen, weil du die Methode ausreichend verstanden hast, um sie selbst zu implementieren.
Wenn man dagegen AI das Problemlösen überlässt, lernt man meist gar nichts, und Prüfungsfragen sind normalerweise so sauber formuliert, dass man oft nicht einmal besonders viel Prompting-Skill braucht.
Mit AI kann man sich Hintergrundwissen beschaffen, aber in Prüfungen erzeugt diese Art der Nutzung keinen Bildungseffekt.
Wenn man wirklich den Umgang mit AI lehren will, sollte man einfach einen eigenen AI-Kurs dafür anbieten.
Taschenrechner oder gebrauchte Computer musste man einmal kaufen, aber AI dürfte dauerhaft Kosten verursachen.
Das würde am Ende wohl nur die Kluft zwischen wohlhabenden und weniger wohlhabenden Familien vergrößern, deshalb bin ich dagegen.
Er führt nur die eingegebenen Rechenoperationen aus, während ein LLM eigenständig eine Antwort produziert, und der Nutzer muss beurteilen können, ob diese Entscheidung richtig ist.
Dafür braucht es letztlich vorhergehende Bildung und Erfahrung.
Deshalb sind LLMs für mich kein Ersatz, sondern eher Verstärker für Experten, und man sollte erst eine solide Ausbildung ohne LLMs durchlaufen und danach lernen, wie man LLMs sinnvoll einsetzt.
Ein wissenschaftlicher Taschenrechner hatte klar nachvollziehbare Schaltkreise und Eigentumsverhältnisse; wenn man bezahlt hatte, gehörte er einem, und man konnte ihn mit Büchern selbst programmieren.
AI dagegen macht einen abhängig von einigen wenigen Big-Tech-Unternehmen, und die Nutzer haben fast keine Kontrolle.
Selbst wenn später ein Bait-and-Switch-Modell mit Preiserhöhungen kommt, könnte man sich nur schwer dagegen wehren, sobald man sich daran gewöhnt hat.
AI wie einen Taschenrechner als Bildungswerkzeug zu behandeln, ist deshalb eher ein Vergleich von Äpfeln und Birnen, und wenn man Studierende kostenlos an AI gewöhnt, fördert man letztlich nur die Abhängigkeit von abonnierbarer Big Tech.
Für ein Kind wirken die Eltern wie Experten, die fast alles wissen, aber manchmal erfinden sie auch etwas, und dem Kind fehlt womöglich das Grundwissen, um das zu erkennen. Bei LLMs ist es ähnlich.
Deshalb würde man auch nicht zulassen, dass Eltern einen Aufsatz schreiben, eine Kunstaufgabe malen oder während einer Geografieprüfung Antworten geben; genauso schwer ist es, AI unbegrenzt zu erlauben.
Früher habe ich meine Kurse mit 60–80 % Projekten und 40–80 % Online-Quizzen bewertet.
Inzwischen stelle ich auf 50 % Projekte und 50 % Präsenz-Quizze um und gehe zu Bleistift-und-Papier-Prüfungen mit einem erlaubten Spickzettel über.
Ich bewege mich außerdem immer stärker zu einem papierbasierten Workflow, etwa indem ich die im Unterricht zu lesenden und zu annotierenden Papers ausdrucke.
Ironischerweise helfen die langsame Hochschulverwaltung und die bestehende Infrastruktur bei so einem Wechsel sogar eher.
Vielleicht könnten Hochschulabschlüsse künftig wieder stärker ein Signal für tatsächliche Kompetenz sein statt nur für AI-Prompting-Fähigkeiten.
Vor allem habe ich oft gesehen, dass die Qualität von Teamaufgaben deutlich besser wird, wenn allgemeine Hausaufgaben nicht beaufsichtigt sind, individuelle Bewertung aber in einem Umfeld stattfindet, in dem man nicht schummeln kann.
Diese ganzen dramatischen Mediengeschichten zeigen meiner Meinung nach meist einfach das Problem fauler Institutionen.
Meine Prüfungen, einschließlich der Projekte, finden fast alle in Präsenz statt, und wenn jemand etwas einreicht, lasse ich mir den Code Zeile für Zeile direkt erklären.
Unsere Hochschule hat das Prüfungssystem insgesamt noch nicht stark verändert, aber ich kann in meinen kleinen Kursen solche persönlichen Überprüfungen durchführen.
Ich frage mich, ob die Prüfungen wirklich so schwer sind, dass Studierende, die gar nichts gelernt haben, dort unter 20–40 % bleiben.
Wenn es Multiple-Choice mit vier Antwortmöglichkeiten ist, liegt der Erwartungswert beim Raten schließlich schon bei 25 %.
In einem meiner Kurse läuft es genau umgekehrt: Obwohl es ein Bachelor-Kurs ist, werden Arbeiten auf Ph.D.-Niveau verlangt, und AI-Nutzung wird sogar erwartet.
In anderen Kursen ist AI in Ordnung, solange man sie offenlegt, und wieder andere stufen sie sofort als Betrug ein.
Zu sagen, die Regeln seien unterschiedlich, wäre noch untertrieben; alles ist völlig uneinheitlich, und niemand scheint die richtige Antwort zu kennen.
Persönlich habe ich bisher am meisten gelernt, wenn ich mit AI Dinge versucht habe, die eigentlich über meinem Niveau lagen; es fühlt sich so an, als hätte ich dadurch mehr gelernt als in einem ganzen harten Semester.
Ich unterrichte an zwei Universitäten in Japan und halte auch an anderen Hochschulen Vorträge über AI, und Lehrende wie Studierende scheinen sich nur in einem Punkt einig zu sein: dass es keinen Konsens gibt.
Das Erstellen komplexer Ergebnisse wie Texte, Code, Businesspläne oder Musik war ursprünglich sehr wirksam für Lernen und Erinnerung und hatte zugleich direkten Bezug zum Leben nach dem Abschluss.
AI verwandelt diesen Herstellungsprozess nun aber in eine Abkürzung, durch die Studierende fast ohne Lernprozess trotzdem Ergebnisse produzieren können.
Gleichzeitig ist unklarer geworden, wie viel unmittelbaren Wert Fähigkeiten wie Schreiben, Programmieren oder Planen in Zukunft noch haben werden.
So brechen die Grundannahmen bisheriger Didaktik weg, während Lehrende, Studierende und Verwaltung immer noch an alten Mustern festhängen.
AI ist so neu und entwickelt sich so schnell, dass man schwer selbstbewusst sagen kann, wohin es gehen sollte, aber ich denke, Bildung muss sich grundlegend verändern, und dieser Prozess wird sicher nicht einfach.
Beim Erlernen der Grundrechenarten verkürzt ein Taschenrechner den Lernweg und ist daher Schummeln, in der Analysis ist er dagegen oft nötig.
Genauso kann AI in manchen Kursen das Lernen zerstören und es in anderen fördern; deshalb halte ich kontextabhängige Regeln für vollkommen vernünftig.
Wahrscheinlich fehlt ihnen noch das nötige Grundwissen, und es dürfte schwer sein, selbst zu beurteilen, was von dem, was man gerade lernt, überhaupt korrekt ist.
Für Schulkinder dürfte es viel verwirrender sein, wenn sie von verschiedenen Lehrkräften widersprüchliche Botschaften bekommen.
Interessant finde ich, dass sich bei Google Docs beim Schreiben von Aufsätzen die Entstehungsgeschichte eines Dokuments offenbar recht leicht analysieren lässt.
Nach meinem Verständnis wird nicht nur das Dokument selbst, sondern fast eine Art Event-Log gespeichert: was man wie getippt hat, wie schnell, was man eingefügt und wieder gelöscht hat.
Theoretisch könnte man also den Entstehungsprozess eines Dokuments abspielen und sehen, wie es geschrieben wurde.
Im AI-Zeitalter könnte es aber sogar beim Schreiben auf der Schreibmaschine effizienter sein, erst einen Entwurf von AI erzeugen zu lassen und ihn dann abzutippen, wodurch der eigentliche Zweck wieder verloren geht.
Erst einen perfekten Entwurf zu bekommen und dann nur noch zu tippen, wirkt fast wie der natürliche Ablauf.
Früher gab es ja sogar seltsame Schnittstellen, mit denen man eine IBM Selectric wie einen Drucker anschließen konnte; daher klingt selbst ein Witz wie Typing as a Service nicht völlig unrealistisch.
Ich glaube nicht, dass es auch nur einen Tag dauern würde, bis irgendein Student herausfindet, wie man ein LLM den Bildschirm steuern lässt, damit es das Dokument direkt tippt und sogar gefälschte Bearbeitungsspuren erzeugt.
Dieser Trick würde sich schnell verbreiten, und mit solchen Metriken allein würde eine Beurteilung zunehmend schwieriger.
Ich habe einmal von einem Fall gehört, in dem ein Student den Text eines früheren Studenten kopierte, leicht veränderte und wie ein neues Dokument einreichte, aber die Bearbeitungshistorie in der abgegebenen .docx-Datei nicht gelöscht hatte und dadurch direkt aufflog.
Jetzt denke ich fast darüber nach, sie stattdessen zu restaurieren und zu benutzen.
Ich fände es überhaupt nicht überraschend, wenn LLMs auftauchen, die auf Basis von Keylogger-Daten lernen, wie jemand tippt, inklusive individueller Tippfehlerquote, und sich dann wie eine USB-Tastatur ausgeben.
Ich verstehe nicht ganz, warum Leute behaupten, Prüfungen würden heute nicht mehr in Präsenz und handschriftlich stattfinden.
Ich habe erst vor relativ kurzer Zeit meinen Abschluss gemacht, und in meinem gesamten Studium gab es nur etwa eine einzige take-home exam; alle anderen waren handschriftliche Präsenzprüfungen unter Aufsicht.
Diese eine take-home exam war zudem viel schwieriger als normale Prüfungen, sodass sie sich nicht leichter anfühlte.
Danach mussten Lehrende entweder Betrug einfach hinnehmen oder jedes Mal endlos neue Aufgabentypen erfinden, und mit AI ist selbst diese Option meiner Meinung nach praktisch fast tot.
Viele Schulen und Hochschulen sind auf Online-Systeme umgestiegen und haben diese Strukturen auch nach der Rückkehr auf den Campus nicht wieder aufgegeben.
Ich selbst habe 2020 abgeschlossen und nicht alles direkt erlebt, aber durch befreundete Lehrkräfte und ein Geschwisterteil, das einige Jahre später fertig wurde, war die Größenordnung dieser Veränderung wirklich enorm.
Man konnte sich im Voraus vorbereiten, ohne den extremen Druck und das komprimierte Lernen typischer Klausuren im Klassenraum, und obwohl sie länger und schwerer waren, hatte ich durch die verfügbare Zeit eher die Möglichkeit, verpasste Konzepte wirklich zu verstehen. Dadurch hatte ich das Gefühl, sogar mehr zu lernen.
Wie so oft bei Menschen ist es schade, dass wir das, was uns nützt, durch falsche Optimierung selbst kaputtmachen.
Eine Schreibmaschine erscheint mir zu extrem.
Ich hatte in der Schule eine furchtbare Handschrift und habe deshalb ein AlphaSmart benutzt; ich denke, ein Laptop ohne Internetzugang würde völlig ausreichen.
Wenn ich diese Kommentare lese, wirken US-Universitäten auf mich schon fast ein bisschen lächerlich.
Ich habe alle Prüfungen in Präsenz geschrieben, und meine Noten wurden zu 100 % durch Prüfungen bestimmt.
Es gibt Hunderte Millionen Menschen, die so ihren Abschluss gemacht haben und gut zurechtkommen, daher glaube ich nicht, dass Studierende dadurch besonders geschädigt wurden.
Reaktionen wie „Keine Labs?“ in den Antworten wirken auf mich eher seltsam.
Labs und Aufgaben kann man ja weiter machen, nur eben nicht direkt in die Endnote einrechnen, sondern als Mindestvoraussetzung für die Prüfungszulassung behandeln.
Es geht nicht darum, dass das US-System großartig wäre, sondern einfach darum, dass es bessere Wege gibt und man von anderen lernen kann.
Es erscheint mir problematisch, Arbeitskräfte mit nur so einem engen Bündel an Fähigkeiten in die Wirtschaft zu schicken.
Abgesehen von Online-Abschlussfabriken habe ich kaum je eine Universität gesehen, an der so etwas völlig fehlte.
Schließlich bewerben sich Millionen Menschen dort, und unzählige internationale Studierende gehen zum Studium in die USA.
Mit einer Schreibmaschine kann ich nicht gut denkenderweise schreiben wie mit einem Textverarbeitungssystem.
Wahrscheinlich müsste ich zuerst einen Entwurf von Hand schreiben, aber wenn das Tippen dann bloß Abschreiben ist, unterscheidet es sich kaum noch davon, ein von AI erzeugtes Dokument zu kopieren.
Wenn ohnehin im Klassenraum geschrieben wird und die Geräte von der Schule gestellt werden, wäre ein gesperrtes Chromebook wohl günstiger und für das Schreiben besser.
Wenn diese Kultur verschwunden ist, hätte ich nichts dagegen, wenn sie zurückkäme.
Als ich studierte, wurde meine Note vollständig durch mündliche Prüfungen/Diskussionen mit dem Professor bestimmt.
Alles andere war nur eine Art Eintrittskarte, um überhaupt zur Prüfung zugelassen zu werden.
In so einer Struktur fällt es mir schwer, mir überhaupt vorzustellen, wer da hätte schummeln wollen; für Studierende, die auf Last-Minute-Lernen setzen, war es allerdings sehr stressig, aber die Gespräche selbst waren meist hervorragend.
Aber Einführungsveranstaltungen im Bachelor haben oft Hunderte Teilnehmende, sodass das in der Praxis kaum umsetzbar wäre.
In späteren Hochschulkursen wäre das dagegen wirklich gut denkbar, und ich wünschte, ich hätte so etwas selbst erlebt.