RiSC-Projekt

Nach erfolgreicher Einwerbung einer Anschubfinanzierung (Research Seed Capital) durch Jun. Prof. Dr. Marc Philipp Janson erfolgt die laufende Forschung mit Hilfe einer Projekt­förderung von insgesamt 79.700€, wobei ein Großteil der Gelder auf Beschlusses des Forschungs­rates der Universität Mannheim aus Mitteln des Forschungs­fonds der Universität Mannheim zur Verfügung gestellt werden. 

Projektlaufzeit: 2024–2026

Akademische Mitarbeitende:

Jun. Prof. Dr. Marc Philipp Janson (Projektleitung)
M.Sc. Paula Schmelzer (Projektmitarbeiterin)
M.Sc. Julia Hilpert (Assoziierte Doktorandin PH Karlsruhe)

Studentische Hilfskräfte:

Rebecca Ax
Lilou Lawerenz
Leila Morof
 

Das Projekt widmet sich unten stehenden Forschungs­feldern basierend auf ersten Vorarbeiten.

Das Initiieren und die Beibehaltung von zielgerichtenten Lernaktivitäten stellt eine große selbstregulatorische Herausforderung da  (Schunk & Zimmerman, 2023; Zimmerman & Schunk, 2011). Dies trifft auch auf digitale Lernumgebungen zu (Azevedo et al., 2011; Winters et al., 2008). Im Rahmen des Projekts werden inter- und intraindividuelle Unter­schiede im selbstregulierten Lern­verhalten sowie deren Antezedenzbedingungen und prädiktive Validität unter­sucht.

Die Nutzung von Verhaltensdaten aus ökologisch hochvaliden digitalen Lernumgebungen ermöglicht einen einzigartigen Einblick in das Lern­verhalten im Vergleich zur reinen Erfassung über Selbstberichtsdaten. Derzeit laufen Forschungs­programme mit verschiedenen Kooperations­partnern, die unter­schiedliche theoretische Ansätze verfolgen. 

Vorläufige Ergebnisse dieser Forschungs­arbeiten wurden bereits im Rahmen von wissenschaft­lichen Tagungen vorgestellt:

• Janson, M. P., Schnettler, T., & Bäulke, L. (2024, April). Using logfile data to evaluate motivational processes in university students' exam preparation. 2024 AERA Annual Meeting, Philadelphia, USA.
• Wissel, S. Fehringer, B. C. O. F., Münzer, S., & Janson, M. P. (2024, March). Heterogenität in Selbstberichtsdaten zu selbstreguliertem Lernen: Latente Profilanalysen an selbstberichteten selbstreguliertem Lern­verhalten. In B. C. O. F. Fehringer (chair), Digital und analoge Diagnostik und Unter­stützung von selbstreguliertem Lernen im Hochschul­kontext. [Symposium]. 11th conference of Gesellschaft für Empirische Bildungs­forschung (GEBF), Potsdam, Germany.
• Janson, M. P., Schnettler, T., & Bäulke, L. (2023, September). Eine Frage der Zeit: Die Verwendung von Logfile-Daten zur Evaluierung der Temporal-Motivation-Theory bei der digitalen Prüfungs­vorbereitung von Studierenden [Research talk]. PAEPS 2023 19. Fach­gruppen­tagung Pädagogische Psychologie, Kiel, Germany.
• Fehringer, B. C. O. F., Janson, M. P., Fehringer, B. C. O. F., & Münzer, S. (2023, September). Visible self-regulation: The association of self-regulation strategies, learning behavior, and exam success [Research talk]. PAEPS 2023 19. Fach­gruppen­tagung Pädagogische Psychologie, Kiel, Germany.
• Janson, M. P., & Janke, S. (2023, March). Goals, behavior, success – the complex triadic association of achievement goals, e-learning behavior, and exam performance [Research talk]. 10th conference of Gesellschaft für Empirische Bildungs­forschung (GEBF), Essen, Germany.
• Janson, M. P., Wissel, S., Fehringer, B. C. O. F., & Münzer, S. (2022, September). Self-reported learning strategies do not predict exam success, but digital learning protocol data dp [Research talk]. 52th conference of the German Psychological Society (DGPs), Hildesheim, Germany.
• Janson, M. P., & Dickhäuser, O. (2021, April). Individual and contextual effects on selfregulation: Comparing the predictive power of university students’ goal orientation on e-learning activities before and during the COVID-19-pandemic [Research talk]. digiGEBF 21: Bildung und Corona – digitale Konferenz der Gesellschaft für Empirische Bildungs­forschung (GEBF), Online.

Die Forschung widmet sich der Erforschung, Entwicklung und Evaluierung digitaler Lern­systeme, insbesondere intelligenter tutorieller Systeme (Kulik & Fletcher, 2016; Mousavinasab et al., 2021), die Lernende beim digitalen selbstgesteuerten Lernen unter­stützen (Azevedo et al., 2011; Schunk & Zimmerman, 2023; Winters et al., 2008; Zimmerman & Schunk, 2011). Hierbei werden unter­schiedliche Projekte verfolgt

• Fitting Feedback (Promotions­projekt): Feedback-Effekte variieren im Allgemeinen stark (Hattie & Timperley, 2007; Kluger & DeNisi, 1996; Wisniewski et al., 2020), was sich auch im Kontext von practice testing zeigt (Adesope et al., 2017; Naujoks et al., 2022). In meiner Forschung habe ich mich der Steigerung der Effektivität von informativem Feedback durch die Anpassung auf interindividuelle Unter­schiede gewidmet. Hierbei habe ich verschiedene theoretische Ansätze (Higgins, 2000; Kluger & DeNisi, 1996) zur Theorie des Fitting Feedback integriert. Diese beinhaltet, dass Rahmung von Leistungs­rückmeldung im Einklang mit eigenen strategischen Orientierungen motivations- und leistungs­förderlich ist. Das bisherige Forschungs­programm hierzu umfasst sechs empirische Studien, bei denen im Kontext des practice testing Leistungs­rückmeldung mit unter­schiedlichen Rahmungen erfolgte. Aus dem Forschungs­programm sind bis jetzt folgende Publikationen (open-access) entstanden:
  • Janson, M. P., Siebert, J., & Dickhäuser, O. (2023). Everything right or nothing wrong? Regulatory fit effects in an e-learning context. Social Psychology of Education, 26, 107–139. https://doi.org/10.1007/s11218-022-09733-3
  • Janson, M. P., Siebert, J., & Dickhäuser, O. (2022). Compared to what? Effects of social and temporal comparison standards of feedback in an e-learning context. International Journal of Educational Technology in Higher Education, 19(1), 1–26. https://doi.org/10.1186/s41239-022-00358-2
  • Janson, M. P., & Dickhäuser, O. (2023). More fit, less load? Cognitive processes of receiving feedback framed towards own preferences. The Journal of Experimental Education. doi.org/10.1080/00220973.2023.2287453
• Variabilität/Adaptivität: Digitale Lernumgebungen bieten die Gelegenheit interindividuell (adaptiv) auf die Bedürfnisse der Lernenden abgestimmt zu werden (Shute & Towle, 2003). Lernmaterialien können dabei auf Grundlage der bisherigen Lernhistorie präsentiert werden. Im Rahmen meiner Forschung unter­suche ich, inwieweit semi-generische Lerninhalte (Variabilität) den Lernerfolg mittels s.g. desirable difficulity (Bjork & Kroll, 2015) steigen können, beziehungs­weise ungünstigen Lern­verhalten von Studierenden (massiertes Lernen; Carpenter et al., 2012; Schwerter et al., 2022) begegnen können. Teile der Arbeit haben bereits zu folgenden Beiträgen geführt:
  • Wissel, S., Janson, M. P., Fehringer, B. C. O. F., & Münzer, S. (2023, September). Self-regulated learning with a digital learning system: Students apply superficial recognition in repeated testing [Research talk]. PAEPS 2023 19. Fach­gruppen­tagung Pädagogische Psychologie, Kiel, Germany.
• Judgments of Learning (JOLs): Metakognitive Über­zeugungen über den eigenen Lernfortschritt sind essentiell für die Steuerung eigenen Lern­verhaltens. In einem aktuellen Forschungs­projekt evaluieren wir, wie eigene Lernstandseinschätzungen (JOLs; Rhodes, 2016) das Lern­verhalten in digitalen Lernumgebungen vorhersagen und schließen damit eine wichtige Forschungs­lücke, da die bisherige Forschung kaum ökologisch valide Settings und eine langfristige Betrachtung der Effekte von JOLs aufweist (Soderstrom et al., 2016).
  • Janson, M. P., Wissel, S., Schäfer, F. & Undorf, M. (2024, March). Judgments of Learning prädizieren Lern­verhalten und Erfolg in intelligenten tutoriellen Lern­systemen. In Schwerter, J. & von Keyserlingk, L. (chair), Selbsttests, Lern­verhalten und Leistung in der Hochschul­bildung. Einblicke aus digitale Verhaltensspurdaten und Selbstberichten.[Symposium]. 11th conference of Gesellschaft für Empirische Bildungs­forschung (GEBF), Potsdam, Germany.