Hauptinhalt

Plagiate vermeiden beim wissenschaftlichen Schreiben

Workshop für Studierende

Veranstaltungsdaten

Das wissenschaftliche Schreiben ist für viele Studierende oft mit der Sorge verbunden, in Haus- oder Abschlussarbeiten versehentlich zu plagiieren. Solche Plagiate entstehen meist, wenn wissenschaftlich „unsauber“ gearbeitet wird: Beispielsweise werden unbeabsichtigt fremde Inhalte, Quellen und Argumentationslinien ohne Angabe der Herkunft übernommen oder diese nicht konkret genug von eigenen Gedanken abgegrenzt. Zudem fehlt am Ende des Arbeitsprozesses häufig die Zeit für eine formale Überprüfung der verwendeten Literatur und der Zitation.

 In diesem Workshop soll geklärt werden, worin Plagiate überhaupt bestehen, wie diese vermieden werden können und welche kritische Bedeutung z. B. die Verwendung von ChatGPT beim wissenschaftlichen Schreiben hat. Es werden Methoden vorgestellt, mit deren Hilfe von Anfang an strukturiert gearbeitet und geschrieben werden kann. Diese beziehen sich u.  a. auf das sinnvolle Exzerpieren der Fachliteratur sowie das korrekte Zitieren und Paraphrasieren von Inhalten und Gedankengängen anderer Autorinnen und Autoren.

 Beispiele und Schreibübungen sollen verdeutlichen, wie mehr Sicherheit beim Planen, Entwickeln und Schreiben einer wissenschaftlichen Arbeit gewonnen und der Prozess des korrekten Umgangs mit fremden Inhalten und Quellen systematisch gestaltet werden können.

Dieser Kurs ist sowohl individuell buchbar als auch Teil des Marskills-Moduls "Professionell schreiben in Studium und Beruf". 10 der 20 belegbaren Plätze sind für MarSkills-Teilnehmende reserviert, die sich über Marvin für den Kurs anmelden können. Falls die reservierten Plätze nicht gebucht werden, wird der Kurs mit Teilnehmenden auf der Ilias-Warteliste gefüllt. Weitere Informationen zu dieser Veranstaltung sowie die Online-Anmeldung finden Sie auf der Kursseite der Lernplattform ILIAS.

Für diesen Kurs können Sie sich ab 15.12.2023 über ILIAS anmelden.

https://ilias.uni-marburg.de/goto.php?target=crs_3321712&client_id=UNIMR