Die rasante Verbreitung generativer Künstlicher Intelligenz wie ChatGPT verändert den Hochschulalltag grundlegend. Studierende nutzen KI-Tools, um Texte zu verfassen, Ideen zu strukturieren oder komplexe Aufgaben effizienter zu lösen. Doch neben den Chancen für Lernprozesse treten neue psychologische Herausforderungen auf: Schuldgefühle über eine vermeintlich „unehrliche“ Unterstützung, Zweifel an der eigenen Kompetenz und die Angst, Erfolge nicht verdient zu haben.
Die vorliegende empirische Untersuchung geht der Frage nach, wie die Nutzung generativer KI-Tools mit dem Erleben des Impostor-Syndroms bei Studierenden zusammenhängt. Im Mittelpunkt stehen dabei zwei psychologische Schlüsselvariablen: AI Guilt, verstanden als moralisches Unbehagen bei der KI-Nutzung, sowie die Selbstwirksamkeit im Umgang mit KI, also das Vertrauen in die eigenen Fähigkeiten, KI reflektiert und zielführend einzusetzen.
Auf Grundlage eines quantitativen Forschungsdesigns mit 99 Studierenden wurden Zusammenhänge zwischen KI-Nutzung, impostorhaften Selbstzweifeln, AI Guilt und Selbstwirksamkeit statistisch untersucht. Die Ergebnisse zeigen: Nicht die bloße Häufigkeit der KI-Nutzung ist ausschlaggebend, sondern vor allem die subjektive moralische Bewertung. AI Guilt erweist sich als zentraler Mechanismus, über den KI-Nutzung mit impostorhaften Selbstzweifeln verknüpft ist. Studierende mit hohem moralischem Unbehagen berichten signifikant stärkere Impostor-Tendenzen – unabhängig davon, wie oft sie KI einsetzen.
Die Arbeit liefert neue Erkenntnisse zu einem hochaktuellen Thema an der Schnittstelle von Hochschulforschung, Psychologie und digitaler Bildung. Sie zeigt, dass die Normalisierung von KI-Tools im Studium nicht zwangsläufig Selbstzweifel verstärkt, sondern dass die individuelle Wahrnehmung und der Umgang mit KI entscheidend sind. Hochschulen können durch klare Richtlinien, AI Literacy-Programme und ethische Reflexion dazu beitragen, AI Guilt zu reduzieren und das Risiko impostorhafter Selbstzweifel zu senken.
Inhaltsverzeichnis
- 1 Einleitung
- 1.1 Einführung und Relevanz der Thematik
- 1.2 Forschungsfrage und Aufbau der Arbeit
- 2 Theoretischer Rahmen
- 2.1 Impostor-Phänomen: Definition und Wirkung
- 2.2 Künstliche Intelligenz und „AI Guilt“ in der Hochschulbildung
- 2.3 Selbstwirksamkeit im Umgang mit künstlicher Intelligenz
- 2.4 Zusammenführung der Konstrukte und Ableitung der Hypothesen
- 3 Methodik der quantitativen Untersuchung
- 3.1 Forschungsdesign und Stichprobe
- 3.2 Methode und Instrumente der Datenerhebung
- 3.3 Vorgehensweise und statistische Verfahren der Datenanalyse
- 4 Ergebnisse der Datenanalyse
- 4.1 Deskriptive Statistiken
- 4.2 Hypothesentestung
- 5 Diskussion der Ergebnisse und Limitationen der Arbeit
- 6 Fazit und Ausblick
- 7 Literaturverzeichnis
- 8 Anhangsverzeichnis
Zielsetzung & Themen
Die vorliegende Projektarbeit untersucht den komplexen Zusammenhang zwischen der Nutzung generativer KI-Tools wie ChatGPT und dem Erleben des Impostor-Syndroms bei Studierenden. Das primäre Ziel ist es, die Forschungsfrage zu beantworten, wie die KI-Nutzung mit impostorhaften Selbstzweifeln zusammenhängt und welche Rolle psychologische Variablen wie die Selbstwirksamkeit im Umgang mit KI-Tools und das moralische Unbehagen („AI Guilt“) dabei spielen.
- Einfluss generativer KI-Tools auf Studierende
- Definition und Wirkung des Impostor-Syndroms
- Das Konzept der „AI Guilt“ in der Hochschulbildung
- Selbstwirksamkeit im Umgang mit Künstlicher Intelligenz
- Empirische Untersuchung psychologischer Effekte von KI-Nutzung
- Implikationen für die Hochschulpraxis und zukünftige Forschung
Auszug aus dem Buch
Impostor-Phänomen: Definition und Wirkung
Das Impostor-Phänomen (IP, oder auch: Impostor-Syndrom) beschreibt ein psychologisches Muster, bei dem Betroffene trotz objektiver Erfolge persistent an ihren eigenen Fähigkeiten zweifeln und die eigene Kompetenz infrage stellen (Clance & Imes, 1978, S.241f.; Harvey & Katz, 1985, S.4). Harvey und Katz (1985, S.8) konkretisieren drei zentrale Merkmale des Phänomens: Erstens das Gefühl, andere Menschen getäuscht zu haben, sodass diese die eigene Kompetenz überschätzen. Zweitens die Überzeugung, dass Erfolge nicht auf eigene Intelligenz oder Fähigkeit, sondern auf äußerliche Umstände zurückzuführen seien (externale Attribution), und schließlich die ständige Angst, irgendwann als Betrug oder Täuschung entlarvt zu werden.
Das Phänomen tritt besonders häufig unter Studierenden auf und wird auch in diesem Kontext zahlreich untersucht (Bravata, et al., 2019; September et al., 2001; Sonnak & Towell, 2001; Thompson et al., 1998). Bravata et al. (2019, S.1253) identifizieren eine Prävalenz von bis zu 82 % in Abhängigkeit vom verwendeten Messinstrument. Besonders hoch ist das Risiko für ethnische Minderheiten sowie für Frauen, wie die Meta-Analyse von Price, Holcomb und Payne (2024, S.5) zeigt: Frauen weisen signifikant höhere IP-Ausprägungen auf als Männer (Cohen's d = 0.27). Insbesondere in der akademischen Umgebung ist das IP besonders ausgeprägt, da hier kontinuierliche Leistungsbewertungen und Wettbewerbsdruck herrschen (Nori & Vanttaja, 2022, S.676). Dabei ist zu beobachten, dass insbesondere diejenigen Studierenden mit Impostor-Erleben seltener plagiieren als andere (Bravata et al., 2019, S.1254). Als psychologische Prädiktoren des IP gelten vor allem eine niedrige Selbstwirksamkeit, maladaptiver Perfektionismus, Pessimismus sowie Neurotizismus (Bravata et al., 2019; Holden, Wright, Herring & Sims,
Zusammenfassung der Kapitel
Kapitel 1 Einleitung: Stellt die Einführung und Relevanz der Nutzung generativer KI-Tools im Hochschulkontext dar und formuliert die zentrale Forschungsfrage nach dem Zusammenhang mit dem Impostor-Syndrom bei Studierenden, ergänzt um die Variablen AI Guilt und Selbstwirksamkeit.
Kapitel 2 Theoretischer Rahmen: Erläutert die theoretischen Grundlagen des Impostor-Phänomens, die Rolle von Künstlicher Intelligenz und „AI Guilt“ in der Hochschulbildung, das Konzept der Selbstwirksamkeit im Umgang mit KI und leitet daraus die Hypothesen der Arbeit ab.
Kapitel 3 Methodik der quantitativen Untersuchung: Beschreibt das quantitative Forschungsdesign, die Stichprobe von Studierenden deutscher Hochschulen, die verwendeten psychometrischen Skalen und die statistischen Analyseverfahren zur Hypothesenprüfung.
Kapitel 4 Ergebnisse der Datenanalyse: Präsentiert die deskriptiven Statistiken der Hauptkonstrukte und die Testergebnisse der Hypothesen, wobei ein negativer, aber nicht signifikanter Zusammenhang für H1 und eine vollständige Mediation durch AI Guilt für H2 gefunden wurden, während H3 abgelehnt wurde.
Kapitel 5 Diskussion der Ergebnisse und Limitationen der Arbeit: Diskutiert die Befunde im Kontext der bestehenden Forschung, erläutert mögliche Gründe für die Ergebnisse und beleuchtet methodische Einschränkungen wie die Erfassung der KI-Nutzung und Stichprobenmerkmale.
Kapitel 6 Fazit und Ausblick: Fasst die wichtigsten Erkenntnisse zusammen, dass AI Guilt als zentraler Mechanismus für Impostor-Selbstzweifel bei KI-Nutzung wirkt und fordert zukünftige Forschung sowie die Förderung von AI Literacy und klaren Richtlinien in der Hochschulpraxis.
Schlüsselwörter
Generative KI-Tools, Impostor-Syndrom, Studierende, AI Guilt, Selbstwirksamkeit, Hochschulbildung, psychologische Effekte, akademische Integrität, quantitative Forschung, Mediation, Moderation, Pearson-Korrelation, multiple lineare Regression, Forschungsfrage.Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Diese Arbeit untersucht, wie sich die Nutzung generativer KI-Tools auf das Impostor-Syndrom bei Studierenden auswirkt und welche Rolle dabei die moralischen Bedenken (AI Guilt) sowie die Selbstwirksamkeit im Umgang mit KI spielen.
Was sind die zentralen Themenfelder?
Die zentralen Themenfelder umfassen die Nutzung generativer KI-Tools, das Impostor-Syndrom, das Konzept der "AI Guilt" und die Selbstwirksamkeit von Studierenden im Hochschulkontext.
Was ist das primäre Ziel oder die Forschungsfrage?
Das primäre Ziel ist es, die Forschungsfrage zu beantworten: "Wie hängt die Nutzung von generativen KI-Tools (z. B. ChatGPT) mit dem Erleben des Impostor-Syndroms bei Studierenden zusammen?"
Welche wissenschaftliche Methode wird verwendet?
Die Untersuchung basiert auf einem quantitativen, hypothesenprüfenden Forschungsdesign mittels einer nicht-experimentellen Querschnittstudie und korrelativer Analysen.
Was wird im Hauptteil behandelt?
Im Hauptteil werden der theoretische Rahmen mit Definitionen und Zusammenhängen der untersuchten Konstrukte, die Methodik der quantitativen Erhebung, die Ergebnisse der Datenanalyse sowie eine Diskussion der Befunde und Limitationen behandelt.
Welche Schlüsselwörter charakterisieren die Arbeit?
Generative KI-Tools, Impostor-Syndrom, Studierende, AI Guilt, Selbstwirksamkeit, Hochschulbildung, psychologische Effekte, akademische Integrität, quantitative Forschung, Mediation, Moderation, Pearson-Korrelation, multiple lineare Regression, Forschungsfrage.
Warum konnte der direkte positive Zusammenhang zwischen KI-Nutzung und Impostor-Erleben (Hypothese 1) nicht bestätigt werden?
Die Nichtbestätigung könnte daran liegen, dass in der untersuchten Stichprobe ein geringes Ausmaß an "AI Guilt" vorlag und die KI-Nutzung bereits als normalisiertes, unterstützendes Lernmittel wahrgenommen wird, wodurch der erwartete negative Effekt ausblieb.
Welche Rolle spielt "AI Guilt" im Zusammenhang zwischen KI-Nutzung und Impostor-Erleben?
"AI Guilt" wurde als vollständiger Mediator identifiziert, was bedeutet, dass die Häufigkeit der KI-Nutzung das Impostor-Erleben nicht direkt, sondern ausschließlich indirekt über das moralische Unbehagen beeinflusst.
Gab es signifikante Unterschiede im Impostor-Erleben zwischen weiblichen und männlichen Studierenden?
Ja, die explorativen Analysen zeigten, dass weibliche Studierende im Durchschnitt signifikant höhere Ausprägungen des Impostor-Syndroms aufwiesen als männliche Studierende.
Welche Empfehlungen werden für die Hochschulpraxis abgeleitet?
Für die Hochschulpraxis wird empfohlen, Maßnahmen zur Förderung von "AI Literacy", klare ethische Richtlinien für den KI-Einsatz sowie eine reflektierte Integration von KI in den Studienalltag zu entwickeln, um "AI Guilt" und impostorhafte Selbstzweifel zu minimieren.
- Arbeit zitieren
- Melisa Zukic (Autor:in), 2025, Zwischen moralischem Unbehagen und digitaler Selbstwirksamkeit. Der Einfluss generativer KI-Tools auf das Impostor-Syndrom bei Studierenden, München, GRIN Verlag, https://www.hausarbeiten.de/document/1623383
