Selbstreguliertes Lernen (SRL) beschreibt die Fähigkeit, Handlungen strategisch und reflektierend zu planen, zu überwachen und zu regulieren, um Lernziele zu erreichen (Schunk & Greene, 2018). Da SRL sich positiv auf die akademische Leistung auswirkt und Lernende teils Mühe im SRL haben (Dent & Koenka, 2016), ist dessen Förderung zwar zentral, im Unterricht jedoch nur selten anzutreffen (Dignath & Veenman, 2021). Dementsprechend wurden verschiedene analoge und digitale Interventionen zur Förderung von SRL konzipiert und empirisch untersucht. Diese Untersuchungen zeigten, dass analoge und digitale Förderansätze gleichermassen wirksam sein können (Sitzmann et al., 2006). Die zunehmende Digitalisierung von Bildungseinrichtungen eröffnet somit neue Möglichkeiten zur Förderung des SRL. Entsprechend wird das Lernen in Schulen vermehrt durch Bildungstechnologie mediiert, was zu einer wachsenden Unterstützung der SRL-Förderung durch digitale Tools wie Lernplattformen oder Chatbots führt (Broadbent et al., 2020).

Offen bleibt, inwiefern digitale Tools eingesetzt werden können, um ihr Potenzial zur Förderung des SRL optimal auszuschöpfen. Daher untersucht diese systematische Übersichtsarbeit (1) die Art der digitalen Interventionen, die zur Förderung des SRL in der schulischen Bildung eingesetzt werden, (2) inwieweit die digitalen Interventionen zu Verbesserungen des SRL von Lernenden führen und (3) die Merkmale wirksamer digitaler Interventionen, die das SRL von Lernenden unterstützen.

Auf dieser Grundlage wurde eine systematische Übersichtsarbeit nach der PRISMA-2020-Leitlinie (Page et al., 2021) durchgeführt. Zu diesem Zweck wurden Suchbegriffe entlang von fünf Gruppen definiert: (1) Bezug zu Lernenden (z. B. Student*, Schüler*), (2) Bezug zu Unterricht (z. B. trainieren*, unterrichten*, unterstützen*, scaffold*), (3) Bezug zu digitalen Medien (z. B. mobil, technologiebasiert, E-Learning, webbasiert, digital*), (4) Bezug zu SRL (selbstreguliertes Lernen* ODER selbstreguliertes Lernen) und (5) das Erscheinungsjahr (1990–2024). Für die Literaturrecherche wurden diese Suchbegriffe in verschiedenen Informationsquellen (z. B. Scopus, ERIC, PsycINFO) eingesetzt.

3269 Artikel (ohne Duplikate) wurden gefunden. Eine Überprüfung der Titel und Abstracts ergab 21 Artikel, die die folgenden Einschlusskriterien erfüllten: Peer-Review-Artikel in englischer Sprache, veröffentlicht zwischen 1990 und 2024, dessen Thema sich auf SRL bezieht und die Verwendung eines digitalen Tools zur Förderung von SRL bei Lernenden der Stufen 1 bis 12 beinhaltet. Diese wurden einer Volltextanalyse basierend auf folgenden Kriterien unterzogen: (quasi-)experimentelles Design mit einer Experimental-/Interventions- und einer Kontrollgruppe; Hauptziel des Tools: Förderung von SRL (nicht Lernen von Fachinhalten); Bericht von Effekten der Intervention auf Strategien oder Lernergebnisse. Dieser Schritt führte zu einem Ausschluss von weiteren sieben Artikeln.

Vierzehn Artikel (zwischen 2010 und 2023) erfüllten alle Einschlusskriterien und wurden für die Kodierung verwendet. Die Kodierungen zur ersten Forschungsfrage zeigen, dass fünf Interventionsstudien auf Primar- und neun auf Sekundarstufe durchgeführt wurden. Während Erstere vorwiegend quasi-experimentelle Designs verwendeten (4/5), stützten sich Letztere zu ähnlichen Teilen auf experimentelle (5/9) und quasi-experimentelle (4/9) Designs. Die Interventionen zielten hauptsächlich darauf ab, metakognitive (12) und motivational-emotionale Dimensionen (11) zu fördern, weniger auf kognitive (4) oder ressourcenbezogene (6) Dimensionen. Nur zwei Interventionen widmeten ausschliesslich einer SRL-Dimension. Dabei wurden hauptsächlich indirekte Förderansätze (12) verwendet. Sechs Interventionen stützten sich auf eine direkte implizite Förderung (6), und selten war eine direkte, explizite Förderung (2) enthalten. Die am häufigsten verwendete Kombination von Förderansätzen bezog sich auf die direkte implizite und indirekte Förderung (5). Eine direkte, explizite Förderung wurde in einem Fall mit der indirekten Förderung kombiniert. Die genutzten digitalen Tools reichten von Video-Prompts über mobile Lernspiele bis hin zu personalisierten Tutoring-Robotern. In den folgenden Schritten wird analysiert, welche Designmerkmale der Interventionen und Merkmale der digitalen Tools zur Förderung der SRL-Fähigkeiten beigetragen haben (Forschungsfrage 2), damit Merkmale effektiver digitaler Interventionen zur SRL-Unterstützung der Lernenden abgeleitet werden können (Forschungsfrage 3). Insgesamt deutet die begrenzte Anzahl von inkludierten Studien bereits darauf hin, dass es empirischen Studien zu digitalen Interventionen häufig an (quasi-)experimentellen Designs mangelt, die kausale Schlussfolgerungen aus den Interventionsergebnissen zulassen.

Theoretischer Hintergrund

Digitale Tools werden zunehmend in den Unterricht integriert und ihre Wirksamkeit wurde bereits in mehreren Metaanalysen untersucht. Frühere Metaanalysen konzentrierten sich entweder auf die Wirksamkeit spezifischer Toolarten wie z. B. pädagogischer Agenten oder Chatbots (Wu & Yu, 2024), oder einzelner Gestaltungsmerkmale wie z. B. Prompts (Guo, 2022) oder Feedback (Van der Kleij et al., 2015). Obwohl die positiven Effekte digitaler Tools auf die Leistung nachgewiesen sind, fehlt es an überzeugenden theoretischen Erklärungen für diese Effekte. Zudem gibt es keine Metaanalysen, die mehrere Toolarten und verschiedene Gestaltungsmerkmale gleichzeitig berücksichtigen, was zu einem tieferen Verständnis der Wirkung von digitalen Tools beitragen würde.

Nach Reinhold et al. (2024) führen digitale Tools nur dann zu Wissensgewinnen bzw. besserer Leistung, wenn ihre Gestaltungsmerkmale von den Lernenden gezielt als Lerngelegenheiten genutzt werden. Um die Wirkmechanismen digitaler Tools auf das Lernen und die Leistung umfassend zu verstehen, ist es daher wichtig, die Beziehungen zwischen den durch Gestaltungsmerkmalen geschaffenen Lerngelegenheiten und ihrer tatsächlichen Nutzung zu untersuchen.

Eine Möglichkeit, sich dem Verständnis der Nutzung verschiedener Gestaltungsmerkmale digitaler Tools zu nähern, ist die Perspektive des selbstregulierten Lernens (SRL). SRL ist ein Prozess, der kognitive, metakognitive, verhaltensbezogene, motivationale und emotionale Komponenten umfasst (Panadero, 2017). In der SRL-Forschungsgemeinschaft besteht ein jahrzehntelanger Diskurs darüber, wie Lernen valide, reliabel und objektiv gemessen werden kann. Dies führte zunehmend zur Entwicklung von digitalen Tools zur gleichzeitigen Förderung und Messung von SRL (Panadero et al., 2016). Daher nehmen wir an, dass die SRL-Perspektive auf die Nutzung von digitalen Tools deren Effekte auf das Lernen und/oder die schulische Leistung vertiefter erklären kann als dies in bisherigen Studien der Fall war.

Fragestellungen

In unserer Metaanalyse gehen wir drei Fragen nach:

(1) Inwieweit verbessern digitale Tools SRL und die schulische Leistung?

(2) Wie moderieren gewisse Gestaltungsmerkmale der digitalen Tools diese Effekte?

(3) Inwiefern vermittelt SRL die Effekte digitaler Tools auf die schulische Leistung?

Methode

Wir führten eine systematische Literatursuche in einschlägigen Datenbanken durch und sichteten 829 Studien. Einschlusskriterien waren: Interventionen oder Schulungen in formalen Bildungssettings; digitale Tools wie Chatbots, digitale Agenten oder Lernapplikationen; SRL oder Leistungsergebnisse als abhängige Variablen; entweder ein (quasi-)experimentelles Prätest-Posttest-Design, mit oder ohne Kontrollgruppe, oder ein Posttest-Design mit Kontrollgruppe. Zwei Rater haben ca. 15% der Abstracts unabhängig doppelkodiert und haben eine gute Interrater-Übereinstimmung von Cohens Kappa .80 erreicht. Insgesamt erfüllten 38 Studien die Einschlusskriterien für die Metaanalyse (n = 15 Studien mit SRL-Outcomes/58 Effekte, n = 29 Studien mit Leistungs-Outcomes/50 Effekte; n = 6 Studien mit SRL und Leistungs-Outcomes).

Die einzelnen Variablen und Moderatoren werden ebenfalls doppelkodiert, der Prozess ist allerdings noch nicht abgeschlossen. Für die Haupteffekte haben wir Random-effects Modelle in R mit dem Paket Robumeta berechnet. Für die Moderatorenanalysen werden wir Meta-Regressionsmodelle in R berechnen. Für die Mediationsanalyse werden wir einen indirekten Effekt mit den gegebenen Pfaden aus den 6 Studien mit beiden Outcomes (SRL & Leistung) berechnen.

Ergebnisse und Diskussion

Wir fanden einen kleinen Gesamteffekt (g = .396, SE = .144, p = .0159, CI[.087, .706]) von digitalen Tools auf SRL und einen mittleren Gesamteffekt (g = .511, SE = .079, p = .001, CI[.349, .673]) auf die akademische Leistung. Der geringe positive Effekt auf SRL könnte auf unsere Stichprobe zurückzuführen sein, die mehrheitlich Studien auf der Tertiärstufe enthält. Eine Metaanalyse von Dignath und Büttner (2008) zeigte, dass die Wirkung von SRL-Interventionen bei älteren Lernenden geringer ist als bei jüngeren. Der mittlere Effekt von digitalen Tools auf Leistung bekräftigt Ergebnisse früherer Metaanalysen (Hillmayr et al., 2020). Die Ergebnisse der Moderatoren- und Mediatoranalysen stehen aktuell noch aus und werden auf der SGBF-Konferenz vorgestellt. Die Erkenntnisse dieser Metaanalyse werden dazu beitragen, digitale Tools gezielter zur Förderung von SRL und Leistung zu gestalten.

Selbstreguliertes Lernen (SRL) ist entscheidend für den akademischen Erfolg von Lernenden und ein wichtiger Faktor für lebenslanges Lernen. Es umfasst die Regulierung und Überwachung kognitiver, motivationaler, emotionaler und verhaltensbezogener Aspekte des Lernens (Panadero, 2017). Obwohl es nuancierte Unterschiede zwischen den einzelnen SRL-Modellen gibt (z. B. Pintrich, 2000; Winne & Hadwin, 1998; Zimmerman, 2000), ist ihnen eine phasenorientierte Konzeptualisierung gemeinsam, die in drei Teile gegliedert ist: eine Vorbereitungsphase, eine Leistungsphase und eine Bewertungsphase (Panadero, 2017; Puustinen & Pulkkinen, 2001). Greene und Azevedo (2009) unterteilen diese Phasenstruktur zum einen in eine Makroebene von SRL-Prozessen, auf der die drei zuvor beschriebenen Phasen abgebildet werden können. Zum anderen gibt es innerhalb dieser Phasen spezifische Aktivitäten (z.B. Bewertung des Lernens, erneutes Lesen, Festlegung von Teilzielen), die als Prozesse auf der Mikroebene bezeichnet werden (Greene et al., 2013; Saint et al., 2020; Siadaty et al., 2016). SRL-Prozesse können sich sowohl auf der Makro- als auch auf der Mikroebene zwischen Lernenden stark unterscheiden (Greene & Azevedo, 2009).

Um dynamische, personalisierte, zeitnahe und für jeden Lernenden geeignete Unterstützung zu bieten, werden daher zunehmend adaptive Lerntechnologien (ALTs) entwickelt und in Bildungsinterventionen implementiert (Azevedo & Gašević, 2019; Broadbent et al., 2020). Der Einsatz von ALTs erfasst in der Regel Daten der Lernenden auf der SRL-Mikroebene (z. B. Videoansicht, Seitenzugriff usw.) (Saint, 2022). In diesem Zusammenhang weisen Forschende jedoch immer wieder auf die Herausforderung hin, dass es keine systematische Verbindung zwischen den SRL-Prozessen auf der Makro- und der Mikroebene gibt (Azevedo, 2014; Karabenick & Zusho, 2015; Molenaar & Järvelä, 2014).

Ein umfassender systematischer Überblick über die Mechanismen der Adaptivität von ALTs und deren Unterstützung von SRL-Prozessen auf Makro- und Mikroebene steht bisher noch aus. Die vorliegende Arbeit hat daher zum Ziel, die bisherige Forschung zu den verschiedenen Mechanismen der Adaptivität von ALTs zusammenzufassen, die darauf abzielen, SRL-Prozesse von K-12-Schülern zu erfassen, zu analysieren und zu unterstützen. Zwei Fragen stehen dabei im Mittelpunkt:

1. Welche Adaptivitätsmechanismen nutzen ALTs, um die Makro- und Mikroebene von SRL-Prozessen bei K-12-Schülern dynamisch zu unterstützen?

2. Wie tragen diese Adaptvitätsmechanismen zur Gesamteffektivität von ALTs bei der Förderung von SRL-Prozessen auf Makro- und Mikroebene bei Schüler:innen der Sekundarstufe I bei?

Der Review folgt den Richtlinien des PRISMA Statements (Page et al., 2021). Wir haben eine systematische Analyse von adaptiven Lernumgebungen (ITS, Hypermedia, Systeme, Plattformen, etc.) in den folgenden Datenbanken durchgeführt: Web of Science, ScienceDirect, IEEE, Springer Link, ERIC, & Scopus, um relevante Artikel und Proceedings zu finden, die zwischen dem 1. Januar 2015 und dem 15. April 2024 veröffentlicht wurden. Um in den Review aufgenommen zu werden, müssen die Studien eine adaptive Lernumgebung verwenden, deren Adaptivitätsmechanismen beschreiben und sich auf die Förderung von SRL bei Schüler:innen der Primar- und Sekundarstufe konzentrieren. Wir haben ein erstes Screening der Datensätze durchgeführt und 99 Studien werden derzeit einem vollständigen Screening unterzogen. Die vorläufigen Ergebnisse zeigen, dass ALT-Interventionen hauptsächlich die SRL-Phasen Planung, Durchführung und Reflexion abdecken, aber nicht notwendigerweise unterstützen, indem sie vier Mechanismen verwenden.

1. Erhebungsmechanismen, die Daten über die Lernenden sammeln (hauptsächlich über Leistung und Engagement).

2. Analysemechanismen, die die gesammelten Daten interpretieren, um Schlussfolgerungen über den aktuellen Zustand des Lernenden zu ziehen.

3. Auswahlmechanismen, die ein Lernendenmodell verwenden, um zu bestimmen, welche personalisierte Unterstützung angeboten werden sollte (z.B. Feedback: Aufforderungen, Hinweise, Erklärungen; Sequenzierung: Konzepte, Aufgaben, Probleme).

4. Mechanismen, die adaptive Unterstützung über verschiedene Modalitäten (textuell, auditiv und visuell) bereitstellen.