Chat GPT als Feed­back­in­stanz im wis­sen­schaft­li­chen Schrei­ben

Ein wesentlicher Teil des Schreibens wissenschaftlicher Texte ist der sich ständig wiederholende Kreislauf des Überarbeitungsprozesses: Gedanken strukturieren, passende Formulierungen finden, Rohtext niederschreiben, das Geschriebene reflektieren, nur um erneut bei einem der vorangegangenen Punkte anzusetzen.

Besonders „perfektionistisch“ veranlagten Schreiber*innen gelingt es mitunter nicht aus diesem Kreislauf auszubrechen. Währenddessen wächst der Druck durch die bevorstehende Deadline. Umgekehrt wäre es bei weniger kritischen Schreiber*innen oft sinnvoll, länger im Überarbeitungsprozess zu verweilen und somit ein besseres Schreibprodukt zu erzielen. In beiden Fällen liegt die Schwierigkeit im Fehlen geeigneter Überarbeitungsstrategien. Hier hilft externes Feedback bspw. von Freund*innen, unserer Schreibberatung am Schreibzentrum oder von Dozent*innen. Aber was tun, wenn Freund*innen keine Zeit haben, der Termin für eine Schreibberatung zu kurzfristig benötigt wird, und auch der Mailkontakt zu Dozent*innen zu lange dauert?

Eine vielversprechende, schnelle und einfach anzuwendende Lösung bietet Chat GPT. Und keine Sorge, das im Zusammenhang mit Chat GPT viel gefürchtete Plagiatsrisiko ist bei dieser Strategie sehr gering: Wir nutzen Chat GPT als Feedbackinstanz.

Was auf den ersten Blick merkwürdig klingt, ist mit der Kenntnis der Steuerungsbefehle von Chat GPT, den sog. Prompts, leicht umsetzbar. Anstatt Chat GPT einfache Fragen oder Aufträge zu stellen, musst du den Prompt zunächst mit den folgenden Informationen anreichern:

  • Rolle von Chat GPT
  • Rolle des Schreibers / der Schreiberin
  • Zielsetzung für Chat GPT
  • Ziel des Schreibers / der Schreiberin
  • Thematische Kontextualisierung des Schreibprodukts (Input)
  • Format / Stil des Feedbacks (Output)
  • Umfang des Feedbacks

Hinweis:

Der von uns bereitgestellte Prompt ist nur ein Vorschlag zur Veranschaulichung des Konzepts. Mit ein wenig Übung im Erstellen der Prompts wirst du Ergebnisse erhalten, die viel passgenauer auf dein Anliegen zugeschnitten sind. Daher empfehlen wir unseren Prompt nur zum Einstieg und zur ersten Auseinandersetzung mit der Methode. Eine kurze Einführung in die Erstellung maßgeschneiderter Prompts folgt auf unserer Seite in Kürze.

Quellen:

  • Alharbi, W. (2023). AI in the Foreign Language Classroom: A Pedagogical Overview of Automated Writing Assistance Tools. Education Research International, 2023, 1–15. doi.org/10.1155/2023/4253331
  • Brown, T., Mann, B., Ryder, N. et al (2020). Language Models Are Few Shot Learners.
  • Radford, A., Narasimhan, K., Salimans, T., & Sutskever, I. (2018). Improving Language Understanding by Generative Pre-Training.
  • Sewon, M., & Sang Michael, X. (2022). How does in-context learning work? A framework for understanding the differences from traditional
    supervised learning. The Stanford AI Lab Blog. ai.stanford.edu/blog/understanding-incontext/ letzter Zugriff 27.11.2023

Wir übernehmen keine Haftung für Inhalte externer Links sowie Inhalte der verlinkten Seiten.