SRL-Agent: Messen und Fördern der Selbstregulation mit agentenbasierter KI und Lernanalysen
SRL-Agent ist ein Praxisprojekt von KI:edu.nrw in Kooperation mit CATALPA.
Wie können wir die Fähigkeiten und Strategien von Lernenden im Bereich des selbstregulierten Lernens (SRL) besser verstehen und unterstützen? Dieses Projekt befasst sich mit einem der Instrumente zur Messung selbstregulierten Lernens: strukturierte Interviews. Diese wurden lange Zeit zu wenig genutzt. Trotz ihrer Validität sind Interviews zeitaufwändig und ressourcenintensiv. Durch die Kombination von Multi-Agenten-Systemen (MAS) und Learning Analytics (LA) wollen wir diese Einschränkungen überwinden und in der Praxis untersuchen, wie automatisierte SRL-Interviews bestehende Instrumente und Methoden zur Messung und Unterstützung von SRL ergänzen können.
Siehe Projektseite bei KI:edu.nrw
Projektziele und Fragestellungen
Selbstreguliertes Lernen ist für den akademischen Erfolg zentral, dessen valide Erfassung stellt jedoch eine erhebliche Herausforderung dar. Etablierte Erhebungsmethoden weisen substanzielle Limitationen auf: Selbstberichte unterliegen systematischen Verzerrungen, Logdaten erlauben nur oberflächliche Einblicke in Lernprozesse. Strukturierte Interviews zeigen zwar hohe diagnostische Güte, ihr Einsatz bleibt aufgrund des erheblichen Ressourcenbedarfs jedoch begrenzt. Das vorliegende Projekt entwickelt ein Multi-Agenten-System (MAS), das basierend auf dem etablierten Interview-Protokoll von Zimmerman und Martinez-Pons (1986) strukturierte SRL-Interviews automatisiert durchführt und auswertet. Durch individualisiertes Feedback und adaptierte Strategieempfehlungen wird eine skalierbare, evidenzbasierte SRL-Förderung ermöglicht.
Nach erfolgreichen Pilotversuchen und Validierungen wird das MAS in der nächsten Phase in authentische Lernumgebungen integriert, um zu untersuchen, wie es bestehende SRL-Mess- und Unterstützungsinstrumente ergänzt und mit ihnen korreliert.
Die Innovationskraft des Projekts liegt vor allem in diesen Punkten:
- Weiterentwicklung und Anpassung des MAS
- Dialogbasierte Unterstützung für Studierende, um über ihre Lern- und Selbstregulierungsstrategien zu reflektieren
- Triangulation der SRL-Messung anhand von Verhaltensdaten (Logs), Selbstberichte und Interviews
- Integration von KI, LA und MAS in authentische Lehrveranstaltungen
- Gewinnung neuer Erkenntnisse für eine theoriegeleitete, praxistaugliche und datengestützte SRL-Unterstützung
-
-
- Dr. Niels Seidel
- Dr. Slavisa Radovic
- Hilfskraft (tbd)
-
SRL-Agent ist ein Praxisprojekt von KI:edu.nrw. KI:edu.nrw ist das Projekt rund um Didaktik, Ethik und Technik von Learning Analytics und Künstlicher Intelligenz in der Hochschulbildung und wird unter dem Dach der Digitalen Hochschule NRW vom Ministerium für Kultur und Wissenschaft NRW gefördert.
Foto: KI:edu.NRW -
01.10.2025 – 30.06.2026
-
- Radović, S., Wetchy, E., & Seidel, N. (2025). Implementing the self-regulated learning structured interview protocol with generative AI: a novel approach for evaluating students’ SRL skills. Journal of Research on Technology in Education, 1–18. DOI: 10.1080/15391523.2025.2547176
- Radović, S., Wethcy, E., & Seidel, N. (2025). An AI-based Chat Agent for Measuring Students’ Self-Regulated Learning Skills. The 17th International Conference on Education Technology and Computers (ICETC 17). 18-21.9.2025, Barcelona, Spain.
- Seidel, N., Radovic, S. & Wetchy, E. (2025). Use of a structured interview protocol with agentic AI to assess students' self-regulated learning skills. Workshop Learning Analytics, DELFI, Freiberg, September 7th, 2025
- Seidel, N., Radovic, S. & Wetchy, E. (2025). An AI-based chat agent for measuring skills in self-directed learning. Learning AID, Bochum, September 2, 2025
