Hintergrund

Die zunehmende Digitalisierung der Bildung verschiebt den Fokus vom ausschliesslichen Lernoutput hin zur Qualität der Lernerfahrung. Während Forschung zur Unterrichtsqualität vor allem Effekte auf Leistung untersucht (Junker et al., 2005; Kunter et al., 2013; Hailkari et al., 2021), rückt in digitalen Kontexten die Benutzererfahrung stärker in den Mittelpunkt (Calvo-Porral et al., 2017). Online-Selbstlernplattformen erfordern eine hohe Selbstregulation und Teilnahmemotivation, wodurch sich die Frage stellt, welche Bedingungen zu anhaltendem Lernen führen. In einer auf die Zielgerichtetheit menschlicher Handlung ausgerichteten Sicht, wird Motivation nicht durch externe Anreize, sondern durch die Erfüllung subjektiv bedeutsamer Ziele aufrechterhalten.

Theorie

Die teleonomische Differenzierung von hedoné (Lust) und eudaimonia (Glückseligkeit) liefert hierfür eine theoretische Grundlage: Während hedoné auf positive, angenehm erlebte Erfahrungen verweist (Long & Sedley, 2006 nach Cicero; Mewaldt, 1973), zielt eudaimonia auf das Erreichen sinnhaft empfundener Ziele und persönlicher Entfaltung (Ackrill, 1995; Aristotle, 1968). Beide können zu immersiven, flow-artigen Lernzuständen führen (Csikszentmihalyi & LeFevre, 1989). Bildungspsychologisch lassen sie sich als intrinsische Motivation beschreiben, die – im Gegensatz zu extrinsischen Zielorientierungen – durch die Handlung selbst aufrechterhalten wird (Deci, 1975; Rigby et al., 1992; Vansteenkiste et al., 2008).

Digitale Lernplattformen bergen Chancen für diese Form der Motivation, da sie vielfältige Zugänge zu personalisierten Lernzielen ermöglichen. Gleichzeitig fehlt es jedoch an validen Qualitätskriterien, die spezifisch auf selbstgesteuerte digitale Lernumgebungen ausgerichtet und empirisch erfasst sind (Frydenberg, 2002; Zimmerman et al., 2020).

Dies führt zu zwei zentralen Forschungsfragen:

(1) Welche Qualitätsindikatoren kennzeichnen selbstgesteuerte digitale Lernplattformen?

(2) Inwiefern lassen sich diese mit hedonistischen bzw. eudaimonistischen Lernerfahrungen verknüpfen?

Methode

Zur Identifikation relevanter Qualitätsindikatoren wurde ein mehrstufiges Vorgehen gewählt: (1) Expertinnenbefragung zu Anforderungen an digitale Selbstlernmodule, (2) Analyse von Metastudien zur Unterrichtsqualität (Junker et al., 2005; Hattie, 2009; Helmke, 2017; Meyer, 2021), (3) Definition konstruktivistischer Gestaltungsprinzipien (cf. Koch, 2017), (4) Integration von Kriterien digitalisierter Pädagogik und E-Learning-Qualitätsstandards (Jahnke, 2015; Mayer, 2017; Cidral et al., 2018; Al-Fraihat et al., 2020).

Die Indikatoren wurden durch Expert*innen semantisch gruppiert und in zwei analytische Komponenten überführt: Engagers (aktivierend-grundlegende Qualität) und Accelerators (steigernd wirkende Qualität). Die Indikatoren wurden in sieben Online-Selbstlernplattformen kodiert. Anschliessend wurde eine multivariate Varianzanalyse eingesetzt, um Zusammenhänge zwischen Qualitätsindikatoren und hedonistisch/ eudaimonistisch Nutzererfahrungen zu analysieren.

Ergebnisse

Insgesamt wurden 72 Qualitätsindikatoren identifiziert. Plattformen mit hohem Engager-Profil zeigten signifikante Zusammenhänge mit eudaimonistischen Erfahrungen, während Accelerators signifikant mit hedonistischen Aspekte korrelierten. Wird die Plattform als Kontrollfaktor integriert, zeigt sich, dass Plattformen anhand ihrer motivationalen Wirkung typisierbar sind.

Diskussion

In dieser Studie haben wir die Frage nach der motivierenden Erfahrung mit selbstgesteuerten Online-Lernplattformen gestellt und untersucht, wie diese mit der Qualität der Plattform zusammenhängt. Die Ergebnisse zeigen, dass motivationsrelevante Qualitätsmerkmale in selbstgesteuerten digitalen Lernumgebungen unterschiedlich mit hedonistischen bzw. eudaimonistischen Lernerfahrungen zusammenhängen.

Qualitätsindikatoren, die die Lernenden einbinden (Engagers) ermöglichen eine eudaimonistische Benutzererfahrung. Beschleunigungsindikatoren (Accellerators) korrelieren mit einer hedonistischen Erfahrung. Engagers tragen zu einer zielorientierten, potenziell langfristigen Lernmotivation bei, während Accelerators unmittelbare Freude und Aktivierung fördern. Daraus ergibt sich eine teleonomisch begründete Klassifikation digitaler Lernplattformen, die Entwickler*innen und Lehrpersonen bei der didaktischen Gestaltung und Bewertung unterstützen kann.

Die Indikatoren können auch didaktisch dabei helfen, Plattformen im Hinblick auf das Lernen zu optimieren. Wir müssen jedoch darauf hinweisen, dass unsere Ergebnisse nur auf sieben Plattformen und zwei Codierern basieren. Es müssen weitere Untersuchungen mit einer grösseren Stichprobe von Plattformen durchgeführt und objektivere Benutzererfahrungen gesammelt werden.

Theoretischer Hintergrund

Die rasante Integration generativer künstlicher Intelligenz in den Alltag, insbesondere von Large Language Models (LLMs) wie ChatGPT, Gemini und Copilot, stellt das Bildungssystem vor disruptive Herausforderungen. Trotz des vielfach betonten Potenzials für personalisiertes und adaptives Lernen, wird der didaktische Mehrwert von LLMs kritisch diskutiert, da deren Nutzung nicht inhärent effektiv ist und sogar negative Effekte auf die Lernleistung von Lernenden haben kann (Weidlich et al., 2025).

Aktuelle Forschung zeigt, dass die Effektivität von LLMs insbesondere von der Nutzungsart der Lernenden abhängt (Kim et al., 2025). Wie Lernende LLMs für schulische Zwecke nutzen, dürfte dabei in Analogie zu etablierten Befunden der Digital-Divide-Forschung (van Deursen & van Dijk, 2014) wiederum massgeblich von ihren individuellen Voraussetzungen bestimmt sein: Lernende mit einem höheren sozioökonomischen Status (SES), besseren sprachlichen Fähigkeiten und mehr Erfahrungen im Umgang mit digitalen Medien könnten im Sinne eines Matthäuseffekts deutlich mehr von neuaufkommenden Technologien wie LLMs profitieren und weniger privilegierte Lernende weiter abhängen (Warschauer et al., 2023).

Bisherige Forschung hat jedoch kaum den Einfluss der individuellen Voraussetzungen von Lernenden auf die Nutzung von LLMs zum Lernen berücksichtigt. Weiterhin wurde bisher vermehrt ein Fokus auf den tertiären Bildungsbereich gelegt (Weng & Fu 2025), was offenlässt, wie jüngere Lernende des Sekundarbereichs LLMs für schulische Zwecke nutzen.

Fragestellung

In der vorliegenden Studie wird daher untersucht, wie Achtklässler:innen LLM-basierte Chatbots für schulische Lernzwecke nutzen und inwiefern sich die Nutzung vor dem Hintergrund ihrer individuellen Voraussetzungen unterscheiden.

Forschungsdesign und -methode

Die geplante Stichprobe umfasst 50 Schüler:innen. Um möglichst diverse Einblicke zu erhalten, werden gezielt Schulen mit unterschiedlichem (niedrig, mittel, hoch) Sozialindex angeschrieben. Ausgewählt wird die 8. Stufe, da hier bereits die Hälfte der Schüler:innen angibt, Chatbots wie ChatGPT zu nutzen (Oggenfuss & Wolter, 2024).

Die Fragestellung wird mittels eines Mixed-Methods-Ansatzes untersucht. Alle teilnehmenden Schüler:innen füllen zunächst einen Fragebogen aus (10 Minuten). Dieser erfasst das Alter und Geschlecht, den Sprachhintergrund, die Deutschnote, den Bücher- und Gerätebesitz als Indikator des SES, die ICT-Kompetenzen und Angaben zu konkreten bereits genutzten Chatbots. Anschliessend werden die Schüler:innen (n = 3-5) in Kleingruppen anhand eines semistrukturierten Leitfadens über ihre LLM-Nutzung befragt (45 Minuten). Die Interviewtranskripte werden mittels reflexiver thematischer Analyse (Braun & Clarke, 2022) ausgewertet, um die LLM-Nutzung der Schüler:innen zu untersuchen. Um zu analysieren, ob die Nutzung von individuellen Voraussetzungen (Sprachhintergrund, Geschlecht, SES, ICT-Kompetenzen) abhängt, werden zudem Nutzungsmuster in Abhängigkeit von den Voraussetzungen exploriert. Im ersten Schritt werden hierfür auf Basis der Interviewdaten Nutzungsmuster von LLM-basierten Chatbots identifiziert. Im zweiten Schritt wird untersucht, ob diese Muster mit den individuellen Voraussetzungen zusammenhängen.

Das Forschungsprojekt wurde durch das verantwortliche Schulamt des Kantons bewilligt. Die Datenerhebung findet im Frühling statt. Bis Juni 2026 liegen erste Auswertungen vor, die auf dem SGBF-Kongress vorgestellt werden können.

Beitrag der Studie

Die Studie adressiert zwei zentrale Forschungslücken und bietet damit einen konzeptionellen Mehrwert für die Bildungsforschung. Erstens liefert sie systematische Evidenz zur Nutzung von LLM-basierten Chatbots durch Lernende im Sekundarbereich I, einer Zielgruppe, die in bisherigen Untersuchungen weitgehend vernachlässigt wurde. Zweitens integriert sie individuelle Voraussetzungen der Lernenden als potenzielle Determinanten der Nutzung, wodurch sich analysieren lässt, inwiefern neue KI-Technologien bestehende Ungleichheiten reproduzieren oder differenziell genutzt werden. Damit stellt die Studie eine Grundlage für die theoretische Weiterentwicklung und empirische Prüfung von Digital-Divide-Modellen im Kontext generativer KI bereit und ermöglicht eine evidenzbasierte Einschätzung der Implikationen für schulische Gestaltung, Förderung und Regulation.

Die Frage, wie Bildung auf globale Herausforderungen wie technologische Transformationsprozesse, ökologische Krisen und soziale Ungleichheiten reagieren kann, gewinnt im Hinblick auf eine lebenswerte Zukunft zunehmend an Dringlichkeit. Der digitale Wandel wird dabei häufig als vorwiegend technisches Problem adressiert, das durch die Anschaffung neuer Geräte und Systeme gelöst werden könne. Demgegenüber versteht das hier präsentierte Projekt den digitalen Wandel als ein kulturell und sozial eingebettetes Phänomen und verfolgt einen ressourcenorientierten, minimalistischen Ansatz (Shinohara und Ruby 2023). Dieser Ansatz rückt nicht die Ausweitung technologischer Infrastrukturen in den Vordergrund, sondern die Frage, wie Schulen bestehende Ressourcen – materiell, digital, sozial und kulturell – aktivieren und sinnvoll nutzen können, um den digitalen Wandel nachhaltig und kontextsensitiv zu gestalten.

Theoretisch knüpft das Projekt an praxistheoretische und organisationale Zugänge des digitalen Wandels an, die Technologie als Bestandteil komplexer sozialer Aushandlungsprozesse begreifen (Lehn et al. 2022). Zentral ist die Annahme, dass technologische Innovation in Bildungsorganisationen nicht nur technische, sondern immer auch soziale Arbeit erfordert. Diese soziale Arbeit manifestiert sich besonders in Schnittstellenprozessen («interfacing»; Lipp und Dickel 2022): Schulen müssen zwischen heterogenen Akteur:innen innerhalb und ausserhalb des Systems – Schulleitungen, Lehrpersonen, pädagogische ICT-Supporter:innen, Behörden, Eltern sowie privatwirtschaftlichen Technologieanbietern – koordinieren, vermitteln und kommunizieren (Lewis und Hartong 2021). Die Qualität dieser Schnittstellenarbeit prägt massgeblich, wie Schulen digitale Entwicklungen aufnehmen, anpassen und nachhaltig verankern können.

Vor diesem Hintergrund untersucht der Beitrag folgende Fragestellungen:


(1) Wie nehmen die Akteur:innen an Zürcher Schulen die Schnittstellenarbeit im Rahmen des digitalen Wandels als organisatorische Aufgabe wahr?
(2) Welche materiellen, sozialen, digitalen und kulturellen Ressourcen sowie welche konkreten praktischen Methoden und situativen Anpassungen werden in praxisrelevanten Settings genutzt, um den digitalen Wandel lokal zu gestalten?

Methodisch basiert der Beitrag auf explorativer Forschung, die zwei Zugänge kombiniert: Erstens wurden an vier Zürcher Schulen insgesamt 18 leitfadengestützte Expert:inneninterviews mit Lehrpersonen, Schulleitungen und Behördenvertreter:innen durchgeführt. Mittels qualitativer Netzwerkanalyse wurden die jeweilige Einbettung der Akteur:innen, die Struktur und Dynamik der schulischen Netzwerke sowie deren Ressourcenflüsse sichtbar gemacht. Zweitens werden im Rahmen einer «fokussierten Ethnographie» ausgewählte schulische Interaktionssituationen, Aushandlungsprozesse und Praktiken des digitalen Arbeitens beobachtet, um ein vertieftes Verständnis für kontextspezifische Routinen, Herausforderungen und Lösungen zu gewinnen.

Die Resultate zeigen, dass die Gestaltung des digitalen Wandels im schulischen Alltag weniger von der Einführung neuer Technologien als vielmehr von der Fähigkeit abhängt, bestehende Ressourcen zu identifizieren, zu mobilisieren und langfristig tragfähige Praktiken zu etablieren. Schulen, die digitale Entwicklungen erfolgreich bewältigen, zeichnen sich durch dichte interne und externe Netzwerke, eine hohe Sensibilität für lokale Bedingungen sowie eine aktive Kultur der kollektiven Aushandlung aus. Schnittstellenarbeit erweist sich dabei als entscheidender Hebel für Resilienz und nachhaltige Schulentwicklung: Sie ermöglicht, heterogene Anforderungen zu koordinieren, Wissen zu teilen und technische wie organisatorische Veränderungen situativ auszubalancieren.

Die im Projekt gewonnenen Erkenntnisse bilden die Grundlage für die Entwicklung eines Leitfadens – bewusst als «Manifest» (Puchner 2005) bezeichnet –, der Schulen dabei unterstützen soll, den digitalen Wandel über eine minimalistische, ressourcenbewusste Haltung zu gestalten. Das Manifest wird sowohl textuell als auch in Form künstlerischer Interventionen und performativer Formate ausgearbeitet, um eine breite Diskussion über zukunftsfähige digitale Bildung anzuregen und neue Perspektiven auf nachhaltige Transformationsprozesse zu eröffnen.