n der gegenwärtigen Diskussion um KI wird betont, dass Programme wie ChatGPT zwar nützlich seien, aber niemals die menschliche Interaktion ersetzen könnten (vgl. Scobel 2023). Schon der erste Chatbot ELIZA (Weizenbaum 1966) widerspricht dieser Annahme. Zahlreiche Versuchspersonen waren überzeugt, ELIZA würde ihre Probleme verstehen. Gleichzeitig wird mit der Kritik am Einsatz von KI für menschliche Gespräche implizit unterstellt, dass sich Menschen gegenseitig gut verstehen würden. Dabei lassen verschiedene Kommunikationsmodelle (Berne 1975; Schulz von Thun 2010) darauf schließen, dass ein jeder aus dem eigenen - teils für den anderen unsichtbaren - Erfahrungshorizont heraus kommuniziert. In einer Beratungssituation wissen weder der menschliche Berater noch die KI, was der Ratsuchende weiß und meint, weshalb gezielte Fragen als Methode eingesetzt werden (Friehs & Gabriele 2021; König & Volmer 2016). Der Vortrag wirbt für den sinnvollen und begrenzten Einsatz von KI als first-level-support, indem die KI kleinere Probleme bereits abfängt, weil der Ratsuchende durch die Fragen selbst zu einer Erkenntnis geführt wird. Entweder wird dadurch dem Ratsuchenden bereits geholfen, oder komplexere Themen können so für den Berater aufbereitet und in der Mensch-zu-Mensch Beratung reflektiert werden (Kotte & Weber 2023). Dies ist vor allem in Hinblick auf den immer größer werdenden Fachkräftemangel zu befürworten, um Entlastungen zu schaffen und mehr Menschen Unterstützung zu ermöglichen.

Im Rahmen einer Video-Vignettenstudie wurde die Rolle von durch Hochschulen kommunizierten Informationen über ein neues Learning Analytics-System für die Wahrnehmung seitens der Studierenden untersucht. Die Ergebnisse zeigen, dass Studierende LA-Systeme positiver wahrnehmen, je mehr Informationen sie von ihrer Hochschule über das System erhalten – selbst, wenn mögliche Nachteile kommuniziert werden.

Selbstreguliertes Lernen umfasst das Zusammenspiel kognitiver, metakognitiver und motivationaler Prozesse und stellt einen proaktiven, zyklischen und dynamischen Prozess dar, der durch interne und externe Bedingungen beeinflusst wird (Panadero 2017; Panadero & Alonso-Tapia 2014; Greene & Azevedo 2007; Puustinen & Pulkkinen 2001). Der Forschungsbeitrag zielt auf eine lerntheoretische Betrachtung von Learning Analytics. Im Fokus steht das selbstregulierte Lernen in mediengestützten Lehr-Lernumgebungen. Untersucht werden zwei Forschungsfragen: in wie fern lassen sich die im Lernmanagementsystem erfassten digitalen Spuren auf Konstrukte im selbstregulierten Lernen schließen und lässt sich ein Zusammenhang in den Ergebnissen zwischen den verschiedenen Erfassungsinstrumenten erkennen? Für das Forschungsdesign wird eine Grundlagenveranstaltung in der Informatik herangezogen, die als Blended Learning Ansatz konzipiert ist. Die zum Einsatz kommenden Erhebungsinstrumente setzen sich aus Selbstberichtsdaten, digitalen Verhaltensdaten im Lernmanagementsystem als Prozessdaten und erzielten Lernleistungen als Produktdaten zusammen. Im Beitrag wird auf die Herausforderungen im Forschungsdesign, die ersten Ergebnisse und den daraus gezogenen Schlussfolgerungen für das weitere Forschungsdesign eingegangen. Gleichzeitig wird die Frage aufgeworfen, welche Kompetenzen Forschende und eine Hochschuldidaktik benötigen, um Educational Data Mining, Learning Analytics und künstliche Intelligenz als ein Zusammenspiel in der Hochschulbildung verankern zu können?