Professor suspected AI-powered cheating on take-home midterms, makes finals in-person — only two students scored within 10% of their midterm score
TL;DR
Brown-Professor Roberto Serrano vermutete KI-Betrug in seinem Kurs Welfare Economics and Social Choice Theory, nachdem ein Take-home-Midterm im Schnitt 96 Prozent erreichte statt historisch 65 bis 80 Prozent. Er stellte das Finale auf Präsenzprüfung um. Von 86 eingeschriebenen Studierenden brachen 18 den Kurs ab, neun erschienen nicht zur Prüfung. Unter 59 Teilnehmenden schrieben drei null Punkte. Nur zwei lagen beim Finale innerhalb von 10 Prozent ihres Midterm-Ergebnisses; nur eine Person war besser als zuvor.
Nauti's Take
Das ist der unangenehme Teil der KI-in-der-Bildung-Debatte: Sobald die Aufgabe nur noch Ergebnisabgabe misst, wird der Prüfungsraum zum API-Problem. Serranos Methode ist hart, aber die Daten sind schwer zu ignorieren.
Fair bleibt sie nur, wenn Universitäten klare Regeln, echte Verfahren und bessere Aufgabenformate liefern. Sonst zahlen ehrliche Studierende für ein System, das seine Prüfungen technisch nicht mehr ernst nimmt.
Einordnunganzeigen
Der Fall zeigt, wie schnell Take-home-Prüfungen kippen, wenn KI-Nutzung unklar geregelt und schwer nachweisbar ist. Das Problem ist nicht nur Betrug, sondern Skalierung: Ein einzelner Professor soll Dutzende Verdachtsfälle sauber belegen, während KI-Detektoren selbst unzuverlässig sind. Hochschulen brauchen Prüfungsdesigns und Verfahren, die mit Massenfällen umgehen können.
Quellen