Anforderungen und Abgaben

Meilenstein 1: Tool-Exploration

• Abgabe: Kurzbericht (3 Seiten) über 2 verschiedene generische KI-Tools (ChatGPT (GPT4), Claude 3.5 Sonnet)
• Beschreibung der Tools
• Potenzielle Einsatzbereiche im wissenschaftlichen Arbeiten
• Erste Einschätzung von Stärken und Schwächen

Meilenstein 2: Prompt-Engineering

• Abgabe: Entwicklung von 10 optimierten Prompts für wissenschaftliche Aufgaben
• Definition der Aufgaben
• Jeweils Original-Prompt und verbesserter Prompt
• Begründung der Verbesserungen
• Analyse der Ergebnisunterschiede

Meilenstein 3: Qualitätsevaluation

• Abgabe: Evaluationsbericht (4 Seiten) über die Qualität von KI-generierten Inhalten
• Entwicklung von Qualitätskriterien
• Vergleich von KI-Outputs mit menschlich erstellten Inhalten
• Kritische Diskussion der Ergebnisse

Meilenstein 4: Systematic Literature Review (SLR) mit KI-Unterstützung

• Abgabe: SLR-Bericht (8 Seiten) zu einem vorgegeben Thema
• Definition der Suchstrategie und Auswahlkriterien für relevante Literatur
• Dokumentation der Durchführung mit einem KI-Tool (Elicit oder Research Rabbit) und manueller Recherche
• Beschreibung des verwendeten Tools
• Vergleich der Ergebnisse: KI-gestützt vs. manuell
• Kritische Bewertung der Literaturauswahl hinsichtlich Qualität und Relevanz
• Reflexion über Vor- und Nachteile des KI-Einsatzes im SLR-Prozess

Meilenstein 5: Reflexionsbericht: KI vs. eigene intellektuelle Leistung

• Abgabe: Reflexion der Rolle von KI im wissenschaftlichen Arbeiten, insbesondere in Bezug auf die eigene intellektuelle Leistung (4 Seiten)
• Diskussion der ethischen und intellektuellen Implikationen des KI-Einsatzes
• Konkrete Beispiele, bei denen der Einsatz von KI besonders hilfreich oder problematisch war
• Eigene Positionierung zur Frage: „Wie viel KI ist im wissenschaftlichen Arbeiten vertretbar?“

Bewertungskriterien

1. Verständnis und Anwendung von KI-Tools (20%)
• Tiefe des Verständnisses der Tool-Funktionalitäten
• Kreativität und Relevanz der Anwendungsszenarien

2. Qualität des Prompt-Engineerings (20%)
• Effektivität der verbesserten Prompts
• Klarheit der Begründungen für Verbesserungen

3. Analytische Fähigkeiten (20%)
• Gründlichkeit der Qualitätsevaluation
• Kritisches Denken in der Ergebnisanalyse

4. Praktische Anwendung (30%)
• Sinnvoller Einsatz von KI-Tools im SLR-Projekt
• Reflexionsfähigkeit bezüglich Vor- und Nachteilen

5. Formales (10%)
• Einhaltung akademischer Standards (korrekte Zitation, klare Trennung von KI-generierten und eigenen Inhalten)
• Korrekte Rechtschreibung und Grammatik
• Klarheit und Struktur der vermittelten Inhalte
• Fähigkeit, komplexe Ideen verständlich zu vermitteln