KI als Programmier-Tutor

Titelangaben

Höllerich, Nico:
KI als Programmier-Tutor.
Hrsg.: Hager, Anja ; Mangili, Arianna
Bayreuth : Zentrum für Hochschullehre der Universität Bayreuth , 2026 . - 24 S. - (Lehrprojekt-Reflexionsberichte im Rahmen des Zertifikatsprogramms "Zukunftsorientierte Hochschullehre durch Technologieintegration" des Zentrums für Hochschullehre der Universität Bayreuth ; 7 )

Volltext

	Format: PDF Name: Publikation ZHLTI Nico Höllerich.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Creative Commons BY 4.0: Namensnennung
	Download (2MB)

Abstract

Der vorliegende Reflexionsbericht dokumentiert ein Lehrprojekt im Rahmen des C++-Praktikums im Bachelorstudiengang Informatik an der Universität Bayreuth. Ausgangspunkt waren zwei beobachtete Herausforderungen: unzureichende Vorbereitung der Studierenden auf Präsenztermine sowie heterogene Vorkenntnisse, die individuelle Unterstützung erfordern. Zur Förderung der Selbstkontrolle bei der Vorbereitung (F1) wurden Quizze im Stil des Just-in-Time-Teaching (JiTT) eingesetzt. Die Fragen zielen gezielt auf typische Fehlvorstellungen ab und bieten bei falschen Antworten unmittelbares Feedback. Die Quizze wurden von den Studierenden als hilfreich bewertet; mehr Teilnehmende schlossen die Präsenzaufgaben erfolgreich ab. Zur besseren Förderung individueller Lernbedürfnisse (F2) wurden vorkonfigurierte KI-Tutoren entwickelt, die Studierende beim Lösen von Aufgaben begleiten, ohne Lösungen vorwegzunehmen. Als Plattformen kamen LearnAssist und Microsoft Copilot zum Einsatz. Die Evaluation zeigt, dass KI-Tutoren insbesondere Einsteigerinnen und Einsteigern helfen, Kursaufgaben zu bewältigen. Gleichzeitig besteht das Risiko, dass Studierende die inhaltliche Auseinandersetzung durch die KI ersetzen, statt sie zu vertiefen. In beiden Interventionssemestern (SS 2025, WS 2025/26) lag die Abschlussquote bei über 85 %, verglichen mit einem langfristigen Mittel von rund 60 %. Der Bericht schließt mit dem Ausblick, Testate zukünftig stärker als mündliche Prüfung zu gestalten, um einem unreflektierten Einsatz von KI entgegenzuwirken.

Abstract in weiterer Sprache

This reflection report documents a teaching project conducted as part of the C++ practical training in the Bachelor’s program in Computer Science at the University of Bayreuth. The project was prompted by two observed challenges: students’ insufficient preparation for in-person sessions and a wide range of prior knowledge that required individualized support. To promote self-monitoring during preparation (F1), quizzes in the style of Just-in-Time Teaching (JiTT) were used. The questions specifically target common misconceptions and provide immediate feedback in case of incorrect answers. The quizzes were rated as helpful by the students; more participants successfully completed the in-person assignments. To better support individual learning needs (F2), preconfigured AI tutors were developed to guide students through solving tasks without providing solutions in advance. LearnAssist and Microsoft Copilot were used as platforms. The evaluation shows that AI tutors particularly help beginners to complete course assignments. At the same time, there is a risk that students will use AI to replace rather than deepen their engagement with the course content. In both intervention semesters (Spring 2025, Fall 2025/26), the completion rate exceeded 85%, compared to a long-term average of around 60%. The report concludes with a recommendation to place greater emphasis on written exams in the future in order to counteract the uncritical use of AI.