Adaptive Teaching, Learning, and Support (ATLaS)

Die Nachwuchsgruppe ist Teil des Forschungszentrums CATALPA .

Die ATLaS-Nachwuchsgruppe untersucht, wie Lehren und Lernen durch prozessorientierte, theoriegeleitete Ansätze und adaptive Unterstützung mit fortschrittlichen und aufkommenden Technologien gemessen und unterstützt werden können.

Ziele und Forschungsfragen

Wir fokussieren darauf, Lernen in technologiegestützten Lernumgebungen als dynamischen, regulierten Prozess zu verstehen und zu unterstützen. Indem wir Perspektiven aus den Lernwissenschaften und der Bildungspsychologie mit statistischen Verfahren, Learning Analytics und KI-basierten Methoden verbinden, finden und modellieren wir Lernprozesse und überführen die Erkenntnisse in adaptive, lernerzentrierte Unterstützungsangebote, die sinnvolle Mensch-Technologie-Partnerschaften fördern.

Zwei miteinander verbundene Forschungsschwerpunkte bestimmen unsere Arbeit:

1. Adaptive und personalisierte prozessorientierte Unterstützung

Unser prozessorientierter Ansatz zur adaptiven Lernunterstützung geht über statische Momentaufnahmen des Lernens hinaus. Wir erfassen Lern- und Regulationsprozesse im Verlauf des Lernens. Aufbauend auf theorie- und datengestützten Methoden entwickeln und testen wir evidenzbasierte adaptive Gerüste, die die Bedürfnisse der Lernenden zeitnah und personalisiert adressieren. Unser Ziel ist es, theoretisch fundierte und empirisch validierte Ansätze zu entwickeln, die adaptive und personalisierte Unterstützung ermöglichen. KI, einschließlich generativer KI, wird dabei nicht als eigenständige Lösung, sondern als Mittel zur sinnvollen Verbesserung der Unterstützung der Lernenden und der Lehrprozesse eingesetzt.

2. Förderung produktiver und sinnvoller Partnerschaften zwischen Mensch und Technologie

Obwohl die Bildungsforschung von den technologischen Fortschritten im Bereich der Lernunterstützung profitiert hat, nutzen Lernende diese Unterstützungstools nicht immer auf einer sinnvollen und qualitativ hochwertigen Art und Weise. Daher untersuchen wir, wie Lernende beim produktiven Einsatz dieser Tools besser unterstützten können. Die Qualität der Interaktionen zwischen Lernenden und Tools wird anhand multimodaler Prozessdaten untersucht. Dabei entwickeln wir Muster um qualitativ produktive und weniger produktive Interaktionen identifizieren zu können. Das Ziel sind wirkungsvolle Maßnahmen, die den produktiven Einsatz von Lerntechnologien fördern und so die Mensch-Technologie-Partnerschaften stärken.