Selbstreguliertes Lernen (SRL) wird definiert als "self-generated thoughts, feelings, and actions for attaining academic goals" (Zimmerman, 1998). Auch wenn verschiedene Konzeptualisierungen von SRL existieren, wird im Allgemeinen angenommen, dass das Konstrukt aus drei verschiedenen Komponenten besteht: Kognition, Metakognition und Motivation (Perels et al., 2020). Da die Wichtigkeit von SRL für den gesamten Bildungsweg von Grundschule bis hin zum Studium (Kitsantas et al., 2008; Throndsen, 2011; Perels et al., 2009) unbestreitbar ist, ist es wichtig SRL möglichst umfassend zu erfassen, um Interventionen o.ä. planen zu können.

Es existieren unterschiedliche Methoden zur Erfassung von SRL. Diese lassen sich grob unterteilen in "Online-" und "Offline-" Instrumente (Wirth & Leutner, 2008). Während Offline-Instrumente SRL als ein eher allgemeines Konstrukt und retrospektiv erfassen, beziehen sich Online-Instrumente auf eine bestimmte Aufgabe und erfassen den SRL Prozess in Echtzeit (ibid.). Häufig genutzte Offline-Instrumente sind Fragebögen, während Verfahren wie die Mikroanalyse oder Laut-Denk-Protokolle zu den Online-Instrumenten zählen.

Offline-Instrumente sind nach aktuellem Stand die am häufigsten genutzten Instrumente, auch wenn ihre Nutzung viel Kritik mit sich bringt (Dinsmore et al., 2013; Endedijk et al., 2016). Der Hauptkritikpunkt besteht darin, dass sie sich nicht dafür eignen, "tatsächliches" SRL zu erfassen und dass nicht klar ist, auf welche Situationen Lernende sich beziehen, wenn sie z.B. einen Fragebogen ausfüllen. Andererseits sind sie gut geeignet, um einen allgemeinen Überblick über die generelle SRL-Nutzung/Präferenzen einer Person zu geben (Dinsmore et al., 2013). Online-Instrumente hingegen können die konkrete SRL-Nutzung in Echtzeit während einer spezifischen Aufgabe wiedergeben, eignen sich aber nicht dazu, Aussagen zu dem allgemeinen SRL-Verhalten einer Person zu machen (ibid.).

Es gibt Bestrebungen, SRL multimethodal zu erfassen, entweder durch mehrere Instrumente einer Messkategorie oder durch eine Kombination von sowohl Online- als auch Offline-Instrumenten (e.g., Callan & Cleary, 2018; Dörrenbächer-Ulrich et al., 2021). Durch eine Kombination von Instrumenten soll die Reliabilität der Messung gesteigert (Perry & Rahim, 2011; Veenman, 2011) und die Vor- und Nachteile der verschiedenen Instrumente ausgeglichen werden. Erste Studien zeigen Zusammenhänge zwischen SRL-Komponenten, die mit unterschiedlichen Instrumenten einer Messkategorie erhoben wurden (Cleary et al., 2015; Dörrenbächer-Ulrich et al., 2021), allerdings nur wenig Zusammenhänge zwischen online und offline Maßen (ibid.).

Ziel der vorliegenden Metaanalyse ist es, Studien, die eine multimethodale Herangehensweise zur Erfassung von SRL nutzen, genauer zu beleuchten und zu untersuchen, wie die unterschiedlichen Instrumente miteinander zusammenhängen. Sowie, ob es Unterschiede zwischen den Instrumenten gibt, wenn es um die Erfassung konkreter Komponenten geht. Des Weiteren soll das Alter als Moderator des Zusammenhangs untersucht werden, da sich die Art der eingesetzten Instrumente v.a. für jüngere Altersgruppen unterscheidet (Perels et al., 2022). Zudem wird betrachtet, ob sich verschiedene Instrumente besser dafür eignen Performanz (z.B. Noten) vorherzusagen.

Als Basis für die Literaturrecherche werden genaue Inklusions- und Exklusionskriterien definiert. So werden nur Studien in Betracht gezogen, die zwischen 2003 und 2023 publiziert wurden. In den Studien muss SRL mit mindestens zwei unterschiedlichen Instrumenten erhoben worden sein, sowie auf mindestens zwei der drei Komponenten Bezug genommen werden. Als Zielstichproben werden Schüler*innen der Primar- oder Sekundarstufe sowie Studierende angenommen. Des Weiteren werden Studien ausgeschlossen, die sich exklusiv auf Stichproben mit Lernbeeinträchtigungen oder Hochbegabungen beziehen. Als weiteres Kriterium muss eine Performanzvariable vorliegen, also z.B. Noten oder Leistung in einem Wissenstest.

Basierend auf diesen Kriterien konnten elf Artikel identifiziert werden, die in die Analyse aufgenommen werden. Derzeit wird die Vorauswahl auf Volltextebene nochmal von einer zweiten Person gescannt, sodass die Reliabilität der Auswahl sichergestellt werden kann. Die Ergebnisse liegen zum Tagungszeitpunkt vor. Die Meta-Analyse soll Anhaltspunkte liefern, wie SRL am besten erfasst wird (auch im Hinblick auf Performanzvariablen), ob unterschiedliche Instrumente sich besser zur Erfassung unterschiedlicher Komponenten eignen, und ob es Unterschiede zwischen verschiedenen Altersstufen gibt.

Die Fähigkeit zum selbstregulierten Lernen (SRL) wirkt sich positiv auf die Schulleistungen von Schülerinnen und Schülern aus (Dent & Koenka, 2016; Dignath & Büttner, 2008, 2018; Donker et al., 2014). Um sie entsprechend ihres individuellen Entwicklungsstandes in Bezug auf SRL effektiv zu unterstützen, ist es von hoher Bedeutsamkeit, eine differenzierte Diagnostik durchzuführen (Dignath & Sprenger, 2020; Van de Pol et al., 2010). Es existieren zwar mehrere Methoden zur Messung von SRL, doch mangelt es ihnen häufig an Validität und Reliabilität (Veenman & van Cleef, 2019). Die Kombination verschiedener diagnostischer Ansätze und die Berücksichtigung aufgaben- und situationsspezifischer Faktoren scheint vielversprechend zu sein, um Zusammenhänge zwischen SRL und akademischem Erfolg aufzudecken (Cleary & Callan, 2018; Fan et al., 2023; Rovers et al., 2019; Spörer & Brunstein, 2006; Zepeda & Nokes-Malach, 2023).

Zu diesem Zweck wurde eine Testbatterie für fünfte und sechste Jahrgangstufen, das „Münsteraner Analyseset zur aufgabenspezifischen Erfassung von Lernstrategien beim Lesen“ (MALS; Unkel, 2023) 2023), weiterführend validiert. Die Testbatterie umfasst für jede Klassenstufe zwei parallele Testformen, die jeweils einen Sachtext und sechs Multiple-Choice (MC)-Aufgaben, einen Vignettentest zur Erfassung des Lernstrategiewissens und einen Fragebogen zur Erfassung des aufgabenspezifischen Einsatzes von Lernstrategien bei der Bearbeitung des Sachtextes enthalten. Der tatsächliche Einsatz von Lernstrategien wird durch sichtbare Organisationsstrategien im Testheft (z. B. Textmarkierungen und Notizen) gemessen. Die Validierung des MALS (Untersuchung der Faktorenstruktur des Fragebogens, der Interrater-Reliabilitäten für die Bewertung des Lernstrategiewissens und des Organisationsstrategiegebrauchs sowie die Überprüfung der Konstruktvalidität) erfolgte anhand einer Stichprobe von N = 184 Schülerinnen und Schüler der Jahrgangsstufen fünf und sechs. Darüber hinaus diente die Studie der mehrebenenanalytischen Untersuchung der Fragestellung, ob die Faktoren Intelligenz und Lesekompetenz die Zusammenhänge zwischen Lernstrategiewissen sowie Lernstrategiegebrauch und dem MC-Testergebnis als abhängiger Variable moderieren. Die MC-Aufgaben fragen Informationen über den Textinhalt ab und liefern ein Maß für den Lernerfolg bei der Leseaufgabe.

Die in früheren Studien für den Fragebogenteil gefundene Fünf-Faktoren-Struktur (Unkel, 2023) konnte bestätigt werden (χ² = 213, df = 116, p < .003, CFI = .97, TLI = .97, SRMR = .06, RMSEA = .04). Die Interrater-Reliabilitäten für die Bewertung des Lernstrategiewissens und des Organisationsstrategiegebrauchs erwiesen sich als gut bis sehr gut (Lernstrategiewissen: κ = .64 bis .1; Organisationsstrategieeinsatz: κ = .70 bis .1). Die Überprüfung der Konstruktvalidität ergab überwiegend erwartungskonforme Ergebnisse in Bezug auf die konvergente und diskriminante Validität.

Weder in Bezug auf die Intelligenzleistung noch auf die Lesekompetenz ließen sich signifikante Interaktionseffekte mit den hier untersuchten Lernstrategiefacetten (Lernstrategiewissen, tatsächlicher Organisationsstrategiegebrauch, selbst berichteter Lernstrategiegebrauch) zur Vorhersage des Lernerfolgs (MC-Testergebnis) nachweisen. Signifikante Haupteffekte ergaben sich für

die Prädiktoren Intelligenz und Lesekompetenz. Darüber hinaus trug insbesondere das Leseselbstkonzept zur Varianzaufklärung in Bezug auf das MC-Testergebnis als Kriterium bei. Hinsichtlich der Lernstrategien wurden lediglich geringe signifikante Effekte für das Lernstrategiewissen und die Gesamtsumme Textmarkierung (nicht aber für die Textmarkierungsqualität) gefunden. Die geringen Effekte in Bezug auf die untersuchten Lernstrategien stehen jedoch im Einklang mit früheren Befunden, die belegen, dass der Zusammenhang zwischen Lernstrategieeinsatz und Lernerfolg erst mit zunehmendem Alter konsistenter wird (Leopold & Leutner, 2002). Zudem gilt es zu bedenken, dass es sich mit dem MALS zwar um ein valides und reliables Testinstrument handelt, das jedoch vor allem kognitive Lernstrategien (insbesondere Organisationsstrategien) in den Blick nimmt.

In einem Ausblick werden zukünftige Forschungsideen vorgestellt, die einen stärkeren Fokus auf metakognitive Lernstrategien unter Verwendung innovativer Messmethoden (z.B. mit retrospektiven Protokollen und der Erfassung von Logdaten) richten.

Die Fähigkeit zum selbstregulierten Lernen (SRL) ist von zentraler Bedeutung für akademischen Erfolg an Schulen (Dent & Koenka, 2016; Dignath et al., 2008). Um SRL weiter erforschen zu können, werden daher Messinstrumente benötigt, die dieses facettenreiche Konstrukt erfassen können. Obwohl die meisten SRL-Modelle das Lernen als Prozess auffassen (Schmitz & Wiese, 2006; Winne & Hadwin, 1998; Zimmerman, 2008), dominieren querschnittliche Fragebögen deutlich die Forschungsliteratur (Roth et al., 2016). Lerntagebücher hingegen bieten die Möglichkeit, alltägliches Lernverhalten in situo im Lernkontext zu erfassen und dieses Lernhalten in seinem Verlauf zu dokumentieren (Perels et al., 2007). Dadurch können auch zentrale theoretische Annahmen von SRL-Modellen empirisch überprüft werden, wie z.B. dass sich die Outcomes eines Lerntages auf die Motivation des Folgetags auswirkt (Bellhäuser et al., 2021) und dass sich daraus sowohl positive als auch negative intraindividuelle Feedback-Loops entwickeln können (virtuous and vicious circles; Theobald et al., 2023).

Im Gegensatz zu SRL-Fragebögen haben sich allerdings bisher keine SRL-Lerntagebücher als Standard-Messinstrumente etablieren können (Roth et al., 2016), was die Vergleichbarkeit von Studien erschwert. Ziel des vorliegenden Beitrags ist daher die Entwicklung eines Lerntagebuchs, das bei unterschiedlichen Zielgruppen und unterschiedlichen Rahmenbedingungen von Schüler*innen einsetzbar ist und auch von anderen Forschungsgruppen adaptiert werden kann.

Lerntagebücher erfüllen zwei Funktionen: Neben dem oben beschriebenen Einsatz zur Datenerhebung, können sie auch als Intervention eingesetzt werden (Panadero et al., 2015). Dabei führt die tägliche Konfrontation mit standardisierten Fragen (z.B. „Welche Ziele setzt du dir für den heutigen Tag?“) zu einer veränderten Aufmerksamkeit, die wiederum eine Verhaltensänderung nach sich zieht, was als Reaktivitätseffekt bezeichnet wird (Zimmerman, 2002). Wie Dignath und Kolleg*innen (2023) zeigen konnten, haben Lerntagebücher und ähnliche Self-Monitoring-Tools kleine positive Effekte auf SRL und Motivation und moderate positive Effekte auf akademische Leistungen.

Eine Weiterentwicklung von Lerntagebüchern als Intervention besteht darin den Versuchspersonen auf ihre Lernprozessdaten ein automatisch generiertes Feedback anzubieten. Dabei werden die individuellen Daten von einem digitalen Lerntagebuch erfasst, algorithmisch verarbeitet und unmittelbar im Lerntagebuch in Form von visuellem oder textuellem Feedback angezeigt. So präsentierten Wäschle und Kolleg*innen (2014) in einem wöchentlichen Tagebuch eine dynamische Grafik, in der individuelle Verlauf der Prokrastination der Proband*innen angezeigt wurde. Das Feldexperiment konnte zeigen, dass durch die Präsentation dieses Verlaufs die Prokrastinationsneigung der Proband*innen gesenkt werden konnte. Theobald und Bellhäuser (2022) sowie Bellhäuser und Kolleg*innen (2023) setzten hingegen textuelles Feedback ein: Dabei wurden die individuellen täglichen Daten der Proband*innen verglichen mit Normwerten einer größeren Stichprobe. Basierend auf Cut-off-Werten wurden dann vorformulierte Textbausteine ausgewählt und präsentiert. Es zeigte sich insgesamt ein positiver Effekt dieses Feedbacks auf viele SRL-Facetten, insbesondere wenn sowohl metakognitive als auch motivationale Aspekte im Feedback berücksichtigt wurden und wenn das Feedback auch eine Feed-Forward-Komponente, also konkrete Strategieempfehlungen, enthielt.

In der vorliegenden Studie wird ein neues Lerntagebuch für Schüler*innen der Klassenstufen 5 bis 9 erprobt. Ziel ist es, ein reliables und valides Messinstrument zu entwickeln, das an den Schulalltag (zunächst an Gymnasien) angepasst ist und in möglichst kurzer Zeit ein möglichst umfassendes Bild des täglichen SRL-Verhaltens erfasst. Die erhobenen Daten der vorliegenden Studie dienen der Normierung, um in zukünftigen Studien automatisch generiertes Feedback anbieten zu können.

Wir konnten N=461 Schüler*innen der Klassenstufen 5 bis 9 an Gymnasien in Rheinland-Pfalz rekrutieren (MGesamt=12,0 Jahre, SD=1,5 Jahre; n=179 weiblich, n=259 männlich, n=13 non-binär oder keine Angabe; 5. Klasse: n=100, 6.Klasse: n=104, 7. Klasse: n=22, 8. Klasse: n=199, 9. Klasse: n= 26). Nach einer querschnittlichen T1-Fragebogen-Erhebung füllten die Schüler*innen über einen Zeitraum von vier Wochen täglich morgens im Schulunterricht das Lerntagebuch aus (Gesamtrücklauf: K=5.327 Tagebuch-Einträge), gefolgt von einer weiteren querschnittlichen T2-Fragebogen-Erhebung (N=454).

Im Vortrag präsentieren wir Daten zu Reliabilität, konvergenter und divergenter Validität sowie Verlaufsdaten für die unterschiedlichen Altersgruppen.