Beschreibung

Memorandum zu den Kernprinzipien der KI-Ratenreduzierung: Die Kernlogik von KI-Erkennungswerkzeugen (wie CNKI AIGC-Erkennung, GPTZero, Originality.ai usw.) basiert auf folgenden statistischen Merkmalen: 1. Perplexität: KI-generierte Texte weisen eine geringe Gesamtperplexität auf, da sie das „nächste Wort mit der höchsten Wahrscheinlichkeit“ auswählen. Menschliche Texte neigen dazu, eher „weniger gebräuchliche, aber passende“ Wörter zu wählen, was zu einer hohen Perplexität führt. → Umschreibungsstrategie: S4 Lexikalische Destandardisierung. 2. Satzfragmentierung: KI-generierte Sätze haben eine sehr einheitliche Länge, was zu einer geringen Satzfragmentierung führt. Menschliche Texte weisen eine stark variable Satzlänge auf, die mal extrem kurz, mal extrem lang ist, was zu einer hohen Satzfragmentierung führt. → Umschreibungsstrategie: S1 Satzlängenmutation. 3. Dichte von Übergangswörtern: KI verlässt sich übermäßig auf explizite Übergangswörter („darüber hinaus“, „jedoch“, „daher“, „zusammenfassend“), was zu einer ungewöhnlich hohen Dichte führt. Menschen nutzen mehr implizite semantische Verbindungen. → Umschreibstrategie: S2 – Entfernen von Vorlagenwörtern. 4. **Strukturvorlagen:** KI neigt zu einer dreiteiligen Struktur („Allgemein-Spezifisch-Allgemein“), parallelen Elementen gleicher Länge und einer nummerierten Struktur („Erster-Zweiter-Letzter“). Menschliche Strukturen sind flexibler und vielfältiger. → Umschreibstrategie: S3 – Struktur aufbrechen. 5. **Lexikalische Vielfalt (TTR):** KI weist in langen Texten eine hohe Wortwiederholungsrate auf, was zu einer niedrigen TTR führt. Menschen verfügen von Natur aus über einen größeren Wortschatz. → Umschreibstrategie: S4 – Vokabular destandardisieren. 6. **Linearität der Informationsdarstellung:** KI neigt dazu, Informationen logisch und linear mit gleichmäßiger Informationsdichte darzustellen. Menschen verwenden nichtlineare Techniken wie Rückblenden, Abschweifungen und kontrastierende Sprünge. → Umschreibstrategie: S6 – Informationsdichte neu organisieren. Besondere Anforderungen an den Stil von Lehrbüchern: Die Überarbeitung von KI-Texten in Lehrbüchern darf nicht so umgangssprachlich sein wie gewöhnliche Online-Artikel. Folgende Kriterien müssen erfüllt sein: • **Akademische Strenge:** Internet-Slang, übermäßig umgangssprachliche Ausdrücke und Emoticons sind unzulässig. • **Terminologische Korrektheit:** Fachspezifische Terminologie muss in ihrer ursprünglichen Form beibehalten werden; Synonyme für ungenaue Aussagen sind verboten. • Logische Integrität: Die Logik von Kausalzusammenhängen, Klassifikationssystemen und Arbeitsschritten darf bei der Überarbeitung nicht verändert werden. • Zitierstandards: Die Anzahl der zitierten Dokumente, Vorschriften und Normen darf nicht verfälscht werden. • Didaktische Anwendbarkeit: Der überarbeitete Text muss weiterhin für das Leseverständnis der Studierenden geeignet sein; die Lesbarkeit darf nicht zugunsten niedrigerer KI-Werte beeinträchtigt werden.