Adaptive Teaching, Learning, and Support (ATLaS)

English

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.

  • Dr. Lyn Lim

  • Wir bauen gerade unser Team auf.

    Zur aktuellen Stellenausschreibung

    • 2026

    • Zeitschriftenartikel

    • Lim, L., & Bannert, M. (2026). How do students regulate their learning with a genAI chatbot? Learning Letters. Advance online publication. https://doi.org/10.20851/ll.v8.61

    • 2025

    • Zeitschriftenartikel

    • Alnashiri, H., Rakovic, M., Nawaz, S., Li, X., Lamsa, J., Lim, L., Bannert, M., Jarvela, S., & Gašević, D. (2025). Using Trace Data of Secondary Students to Understand Metacognitive Processes in Writing From Multiple Sources. Journal of Computer Assisted Learning, 41(5), Article e70114. https://doi.org/10.1111/jcal.70114
    • Li, X., Fan, Y., Li, T., Raković, M., Singh, S., van der Graaf, J., Lim, L., Moore, J., Molenaar, I., Bannert, M., & Gašević, D. (2025). FLoRA Engine. Journal of Learning Analytics, 12(1), 391–413. https://doi.org/10.18608/jla.2025.8349
    • Mooij, S. de, Lämsä, J., Lim, L., Aksela, O., Athavale, S., Bistolfi, I., Jin, F., Li, T., Azevedo, R., Bannert, M., Gašević, D., Järvelä, S., & Molenaar, I. (2025). A Systematic Review of Self-Regulated Learning through Integration of Multimodal Data and Artificial Intelligence. Educational Psychology Review, 37(2). https://doi.org/10.1007/s10648-025-10028-0

    • Vorträge und Posterpräsentationen

    • Athavale, S., Lim, L., & Bannert, M. (08/25-08/29, 2025). Training secondary school students’ SRL before learning with an AI-based online learning environment. In S. de Mooij & J. Lämsä (Chairs), Beyond learning traces: Advancing self-regulated learning with AI – From measurement to support. 21st Biennial Conference of the European Association for Research on Learning and Instruction (EARLI 2025), Graz, Austria.
    • Bannert, M., & Lim, L. (08/25-08/29, 2025). Promoting SRL through AI-based learning environments. In Azevedo, R. &Bannert, M. (Organizers & Chairs), Leveraging Human-AI Collaboration Research to Revolutionize Metacognition and Self-Regulation. 21st Biennial Conference of the European Association for Research on Learning and Instruction (EARLI 2025), Graz, Austria.
    • Lim, L., & Bannert, M. (08/25-08/29, 2025). Towards Learner-Driven SRL Tools: How Students Regulate and Interact with a genAI Chatbot. In Hirt, C.N., & Lim, L. (Organizers & Chairs), Potentials and Challenges on the Road to Rome: Promoting Self-Regulated Learning with Digital Tools. 21st Biennial Conference of the European Association for Research on Learning and Instruction (EARLI 2025), Graz, Austria.
    • Lim, L., Saint, J., van der Graaf, J., Fan, Y., Singh, S., Rakovic, M., Molenaar, I., Gašević, D., & Bannert, M. (08/25-08/29, 2025). Understanding Scaffold Interactions' Impact on Learning: A Fine-Grained Analytical Approach. 21st Biennial Conference of the European Association for Research on Learning and Instruction (EARLI 2025), Graz, Austria.
    • Mooij, S. de, Lämsä, J., Lim, L., Aksela, O., Athavale, S., Bistolfi, I., Jin, F., Li, T., Azevedo, R., Bannert, M., Gašević, D., Järvelä, S., & Molenaar, I. (08/25-08/29, 2025). A systematic review of SRL: Integrating multimodal data and artificial intelligence. In S. de Mooij & J. Lämsä (Chairs), Beyond learning traces: Advancing self-regulated learning with AI – From measurement to support. 21st Biennial Conference of the European Association for Research on Learning and Instruction (EARLI 2025), Graz, Austria.
Forschungszentrum CATALPA | 20.03.2026