Konstruktivismus

Dies ist eine automatische Übersetzung der englischen Seite; sie wurde noch nicht von einer muttersprachlichen Person geprüft.

Konstruktivismus — die Lerntheorie, dass Wissen von der lernenden Person aktiv durch Erfahrung, Reflexion und Interaktion aufgebaut wird, statt passiv von einer Lehrperson oder einem System empfangen zu werden. In KI in der Bildung gründet der Konstruktivismus hinter der Designverpflichtung, dass KI-Werkzeuge die eigene Wissenskonstruktion der Lernenden stützen sollten — Prompting, Fragen und Gerüstbau —, statt die kognitive Arbeit für sie zu erledigen.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)(Generative AI (GenAI) as a mindtool that supports generative learning (GL))

Fragen zum Nachdenken

• Haben Sie schon einmal etwas im Unterricht „gelernt“ und später festgestellt, dass Sie es tatsächlich nicht erklären oder anwenden konnten? Was fehlte — und was sagt das darüber, wie echtes Verstehen entsteht?
• Der Konstruktivismus behauptet, Wissen werde konstruiert, nicht übertragen. Wenn das stimmt, was passiert, wenn ein KI-Tutor einfach die richtige Antwort liefert?
• Die Formulierung „Konstruktivismus dem Namen nach, Behaviorismus in der Praxis“ beschreibt KI-Werkzeuge, die behaupten, aktives Lernen zu unterstützen, aber tatsächlich Drill-and-Practice betreiben. Haben Sie diese Lücke gesehen? Wie würden Sie sie in einem Werkzeug erkennen, das Sie bewerten?
• Paperts Konstruktionismus sagt, wir lernen am stärksten durch das Bauen teilbarer Artefakte. Im KI-Zeitalter formuliert ein Rahmenwerk es so: „Die KI schreibt den Code, aber die oder der Studierende schreibt das Modell.“ Was konstruiert eine oder ein Studierender tatsächlich, wenn die KI die Mechanik übernimmt?
• Manche KI-Werkzeuge praktizieren „generative Verweigerung“ — Antworten zurückhalten und stattdessen Fragen stellen. Wann wäre das bewusste Zurückhalten von Hilfe pädagogisch wertvoller als das Geben derselben?
• Wenn Wissen konstruiert wird, dann wird KI-Kompetenz nicht durch Vorlesungen über KI gelernt — sondern durch Nutzen, Kritisieren und Bauen mit KI. Was legt das darüber nahe, wie KI-Kompetenz Ihnen oder Ihren Studierenden gelehrt werden sollte?

Einführung

Konstruktivismus ist eine Familie von Theorien statt einer einzelnen Doktrin, aber seine Kernaussage ist geteilt: Lernende absorbieren Bedeutung nicht; sie konstruieren sie. Verstehen ist in dieser Sicht nicht die Akkumulation übertragener Fakten, sondern die aktive Organisation von Erfahrung in mentale Modelle. Das hat direkte Folgerungen dafür, wie KI in der Bildung gestaltet, evaluiert und gelehrt werden sollte — und es hilft, sowohl das Versprechen als auch das Risiko generativer KI im Unterricht zu erklären.

Mishra et al. kontrastieren Paperts Konstruktionismus (Logo, Mikrowelten, Debugging-als-Lernen) mit Andersons kognitiven Tutoren als konkurrierende Visionen kreativer Handlungsfähigkeit vs. systematischer Kontrolle in der Geschichte der AIED.

Kernideen

• Wissen wird konstruiert, nicht übertragen. Lernende bauen Verstehen auf, indem sie auf die Welt einwirken, neue Informationen mit Vorwissen in Einklang bringen und über die Ergebnisse reflektieren. Ein KI-Tutor, der einfach korrekte Antworten liefert, umgeht die konstruktive Aktivität, die dauerhaftes Verstehen erzeugt.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
• Vorwissen prägt neues Lernen. Neue Ideen werden durch die existierenden mentalen Modelle der lernenden Person interpretiert, daher muss Instruktion an das anknüpfen, was Lernende bereits wissen — ein Prinzip, das direkt für Missverständnisse und für KI-Tutoren relevant ist, die sich an die lernende Person anpassen.
• Soziale Interaktion stützt Konstruktion. Ein Hauptstrang — sozialer Konstruktivismus — vertritt, dass Bedeutung durch Dialog, Kollaboration und kulturell situierte Aktivität ko-konstruiert wird. Das verbindet Konstruktivismus mit kollaborativem Lernen und mit sokratischen Ansätzen, in denen KI anregt statt diktiert.(Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers)
• Konstruktion ist in Aktivität sichtbar. Lernende offenbaren (und konsolidieren) ihr Verstehen, indem sie generieren, erklären und produzieren — weshalb das ICAP-Rahmenwerk „konstruktives“ und „interaktives“ Engagement über „aktiven“ und „passiven“ Modi einordnet.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)(Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents) Eine Grenze der Theorie ist, dass der Konstruktivismus menschzentrierte epistemische Handlungsfähigkeit voraussetzt, was ihn zu kurz greifen lässt, um eine KI zu erfassen, die Schlussfolgern simuliert und Bedeutung ko-konstruiert; die vorgeschlagene Ergänzung ist epistemische Ko-Handlungsfähigkeit, in der Lernende KI-Output als anfechtbar behandeln und epistemische Souveränität darüber behalten, was als Wissen zählt (Samuel (2026)).

Konstruktionismus

Konstruktionismus ist der Zweig des Konstruktivismus, der mit Seymour Papert verbunden ist und eine spezifische These hinzufügt: Lernen passiert am stärksten, wenn Lernende externe, teilbare Artefakte konstruieren — physische oder digitale Objekte, die sie entwerfen, bauen und debuggen. Während sich der Piagetsche Konstruktivismus auf die interne mentale Konstruktion von Wissen konzentriert, vertritt der Konstruktionismus, dass diese Konstruktion am besten durch das Machen von etwas Greifbarem gestützt und sichtbar gemacht wird (Harel & Papert, 1991). In der Geschichte der AIED steht der Konstruktionismus als der „Handlungsfähigkeits“-Pol der zentralen Kontrolle-vs.-Handlungsfähigkeits-Spannung des Feldes, gegen Andersons strukturierte kognitive Tutoren gesetzt.

• Logo und Mikrowelten. Papert entwickelte Logo (1967) mit seiner ikonischen „Schildkröte“ mit — eine Programmier-Mikrowelt, in der Kinder Geometrie und andere mächtige Ideen erkunden, indem sie einen sichtbaren Agenten befehligen und debuggen. Debugging wird als natürlicher, wertvoller Teil des Lernens umgerahmt, nicht als Versagen.(Control vs. Agency: Exploring the History of AI in Education)
• Konstruktion über Instruktion. Der Konstruktionismus kritisiert den „Instruktionismus“ — die Annahme, dass Lehren der effiziente Transfer von Wissen sei —, und positioniert Lernende stattdessen als autonome Agenten, die Verstehen durch Projekte und Experimentieren konstruieren (Papert, 1980, Mindstorms).
• Linie in modernes Edtech. Logos Betonung kreativen, hands-on Konstruierens untermauert spielbasiertes Lernen, projektbasiertes Lernen, Robotik (LEGO Mindstorms, Scratch, programmierbare Bausteine) und die breitere Maker-Bewegung.
• Das konstruktionistische Erbe in der KI. Konstruktionismus impliziert, dass KI-Werkzeuge als Materialien zum Bauen dienen sollten — Denkwerkzeuge und kreative Ko-Konstrukteure, die die lernende Person steuert —, statt als antwortgebende Lehrpersonen. Das ist der direkte Vorfahr der Mindtool-Rahmung generativer KI in der Wissensbasis und von Designverpflichtungen, die Handlungsfähigkeit der Lernenden über den Lernprozess bewahren.(Pathways to Learning: Exploring High School Students' Learning of AI-Powered Educational Robotics)
• Konstruktionismus im GenAI-Zeitalter: lernen, das Modell zu schreiben, nicht den Code. Das Eintreffen codegenerierender KI hat den Konstruktionismus als Designantwort erneuert, statt ihn zu schwächen. Gousopoulos' Code-to-Learn with Generative AI (CtL-GenAI)-Rahmenwerk synthetisiert Konstruktionismus, Cognitive-Load-Theorie, selbstreguliertes Lernen, das ICAP-Engagementmodell, produktives Scheitern und soziokulturellen Gerüstbau für Studierende der Oberstufe, die mit KI Software bauen. Seine organisierende These — „die KI schreibt den Code, aber die oder der Studierende schreibt das Modell“ — rahmt das Konstruktionsziel neu: wenn GenAI die syntaktische Arbeit des Codeschreibens tut, verschiebt sich die Konstruktion der lernenden Person hin zum Bauen und Debuggen des konzeptionellen Modells, das der Code ausdrückt. CtL-GenAI definiert Modellautorschaft als Konstrukt mit vier Facetten und geordneten Niveaus, die beobachtbare Indikatoren tragen, und formalisiert ein teilgutschreibendes, falsifizierbares Messmodell, um zu testen, ob solches Lernen tatsächlich stattfindet.(Code to Learn with Generative AI: A Theoretically Grounded Framework for Artifact Construction in Upper-Secondary Education)(The AI Writes the Code, the Student Writes the Model: A Theory and Measurement Programme for Learning by Construction with Generative AI) Das ist der klassische „etwas Teilbares machen und debuggen“ des Konstruktionismus, aktualisiert, sodass das Artefakt, das die oder der Studierende macht und über das sie oder er reflektiert, ein sichtbar gemachtes mentales Modell ist, nicht bloß Quellcode — und es koppelt die Theorie an ein explizites Messprogramm, sodass die These empirisch testbar wird.

Der Konstruktionismus ist damit sowohl eine Lerntheorie als auch eine Kritik: er besteht darauf, dass der Zweck der Bildung nicht die Reproduktion existierender Wissensstrukturen ist, sondern Lernende zu befähigen, diese zu konstruieren und zu transformieren — eine Haltung mit klaren Folgerungen dafür, ob KI in der Bildung etablierte Hierarchien verstärkt oder herausfordert.

Konstruktivismus und KI in der Bildung

KI für konstruktivistisches Lernen

Gut gestaltete KI kann Konstruktion in großem Maßstab ermöglichen. Intelligentes Tutoring und Intelligente Tutorensysteme können Probleme stellen und Hilfesuche anleiten, statt Antworten zu verschenken; Simulations- und spielbasierte Lernumgebungen lassen Lernende mentale Modelle bauen und testen; und KI-unterstützte projektbasierte und erfahrungsbasierte Aktivitäten geben Lernenden authentische Konstruktionsaufgaben. Das zentrale Designmuster ist Gerüstbau — kalibrierte Unterstützung, die mit wachsender Kompetenz ausblendet —, statt Vollendung.(The Path to Conversational AI Tutors: Integrating Tutoring Best Practices and Targeted Technologies to Produce Scalable AI Agents)(Embodied Inquiry with AI as Facilitator: An Exploratory Case Study)

Die Fragen, die Lernende stellen, zu klassifizieren ist eine Möglichkeit, Konstruktion geschehen zu sehen — und auf sie zu reagieren. Lee, Atif & Kang (2026) sortieren 434 authentische Lernendenfragen von 11 IT-Studierenden über 12 Kurse hinweg in drei konstruktivistische instruktionale Rollen — Wissensübermittler, Facilitator und Mitlernende —, und trainieren vier Transformer, sie zu erkennen. DeBERTa klassifizierte faktische Wissensübermittler-Fragen mit 96,67% Präzision, aber Facilitator-Fragen nur mit 78,79%, und jedes Modell verwechselte die beiden höherstufigen Rollen am häufigsten: dialogisches, exploratives Fragen zu erkennen ist weit schwerer als Informationssuche zu erkennen. Weil die Typologie Fragen als diagnostischen Beleg epistemischen Engagements behandelt statt als bloße Inputs, stützt sie einen ausgeprägt konstruktivistischen Designzug — wenn eine lernende Person wiederholt nur faktische Fragen stellt, kann das System reflexives, exploratives Fragen anregen, das Metakognition und kritisches Fragen entwickelt, statt auf der durch die Frage implizierten Tiefe zu antworten.

Das Risiko von „Konstruktivismus dem Namen nach, Behaviorismus in der Praxis“

Empirische Arbeit findet wiederholt eine Lücke zwischen bekundeten konstruktivistischen Zielen und tatsächlichen KI-Implementierungen. Ein systematischer Review von KI in der Berufsbildung etwa fand, dass konstruktivistische Theorien im VET-Diskurs bekundet werden, während behavioristische Drill-and-Practice-Designs in der Praxis dominieren, und warnte vor einer pädagogischen „Turing-Falle“ — KI zu nutzen, um menschliche Instruktion zu replizieren statt zu erweitern.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)

Dieses Muster verallgemeinert sich über das Feld hinweg:

• Wenn generative KI Schreiben, Schlussfolgern oder Code für Studierende erledigt, verliert die lernende Person den konstruktiven Denkprozess, den die Aufgabe aufzubauen beabsichtigte — das Anliegen, das zentral ist für kognitive Auslagerung und Überabhängigkeit.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
• KI-Implementierungen, die adaptives Feedback und Effizienz betonen, bedienen häufig die Ziele der Handlungsfähigkeit, kritischen Reflexion und autonomen Entscheidung unzureichend, die der Konstruktivismus impliziert.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)

Die Namensfalle: Output generativer KI ist nicht generatives Lernen

Eine wiederkehrende Verwechslung im Feld dreht sich um eine Kollision von Namen. Generative KI benennt eine Klasse von Technologie — Modelle, die Text, Bilder oder Code generieren. Generatives Lernen (Wittrocks generative Lerntheorie) benennt eine Aktivität der lernenden Person — Bedeutung aktiv zu stiften, indem sie Verbindungen zwischen neuen Informationen und Vorwissen konstruiert, durch Strategien wie Zusammenfassen, Kartieren, Zeichnen, Selbsttesten und Selbsterklären. Die zwei sind nicht dasselbe, und sie zu vermischen hat echte pädagogische Folgen: eine KI, die eine Zusammenfassung oder eine Karte produziert, ist das Gegenteil der oder des Studierenden, die oder der die generative Lernaktivität vollzieht. Dabbagh & Fake (2026) bauen direkt auf dieser Unterscheidung auf und argumentieren, dass ein GenAI-Mindtool generatives Lernen nur stützt, wenn die lernende Person die konstruktive Aktivität treibt — eine Mindmap mit KI-Unterstützung zu generieren ist generatives Lernen; die Karte von der KI en gros generieren zu lassen ist es nicht, wie flüssig oder korrekt der Output auch sei.

Die entscheidende Frage ist, wer die Sinnstiftung vollzieht:

• Konstruiert die oder der Studierende eine Erklärung, oder empfängt sie bloß eine?
• Regt KI die lernende Person an, Ideen zu verbinden, oder liefert sie die Verbindungen für sie?
• Ist das Artefakt (Zusammenfassung, Karte, Code, Modell) das Produkt der Konstruktion der lernenden Person, oder ein Ersatz dafür?

Das spiegelt die ICAP-Hierarchie — konstruktives und interaktives Engagement überragen aktives und passives —, verschärft sie aber: ein Werkzeug kann sichtbar „konstruktiv aussehenden“ Output produzieren, während die lernende Person in einem passiven oder aktiven Modus sitzt. Ein GenAI-Werkzeug für generatives Lernen zu evaluieren bedeutet daher, zu prüfen, wo die konstruktive Anstrengung tatsächlich passiert, nicht ob generativer Output vorhanden ist. Das ist dieselbe konstruktivistisch-dem-Namen-nach/behavioristisch-in-der-Praxis-Falle, angewandt auf den spezifischen Fall der Generierung: Modellautorschaft (die KI schreibt den Code, die oder der Studierende schreibt das Modell) ist eine konkrete Auflösung — die lernende Person konstruiert das konzeptionelle Modell, selbst wenn KI das Oberflächenartefakt liefert.

Designantworten, gegründet im Konstruktivismus

• Generative Verweigerung — KI-Werkzeuge, die generierten Text strategisch zurückhalten und stattdessen Fragen stellen, womit sie kognitive Reibung an die nutzende Person zurückgeben, sodass die Arbeit der Artikulation selbst Verstehen aufbaut.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)

• Denkwerkzeuge über Antwortmaschinen — GenAI als Mindtool nutzen, in dem die lernende Person das Werkzeug treibt, statt dass das Werkzeug die lernende Person ersetzt.(Generative AI (GenAI) as a mindtool that supports generative learning (GL))

• Konstruktiver Konflikt — adversariale KI-Agenten, die das Design oder Schlussfolgern einer lernenden Person herausfordern, was Überdenken und tiefere Konstruktion von Alternativen anregt, in der Tradition sokratischen Tutorings.(Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers)

• Simulierte Opposition ist keine Opposition. Eine Gegenposition, die auf Abruf geäußert, aber nie widerstanden werden kann, probt die Choreografie des Dialogs, während sie vorenthält, was ihn potenz macht: sie hat keine Verkörperung, kein Engagement und keine Folgenwirkung, bietet also anders als ein menschliches Gegenüber keinen Weg zur Reparatur (Du et al. (2026)).

• Internes Feedback durch Vergleich — Lernende ihre eigene Arbeit gegen KI-erzeugte Beispiele vergleichen lassen, sodass der Akt des Vergleichs selbst Lernen erzeugt.(Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback)

• Fragetyp-sensibles Prompting — Lernendenfragen in konstruktivistische Rollen klassifizieren, damit das System eine oder einen Studierenden bewusst von Informationssuche hin zu explorativem, dialogischem Fragen eskalieren kann, statt die durch die Frage implizierte kognitive Tiefe zu spiegeln. Weil Facilitator- und Mitlernabsicht für automatisierte Klassifikatoren verwechselbar bleiben, hält dieses Design einen Menschen die Kategorisierung validieren, bevor sie Feedback oder Gerüstbau treibt.(Analysing AI utilisation in education through learner question types: A constructivist approach)

• Gemeinschaft als evaluativer Standard — Lernende gestalten etwas Echtes für ihre Gemeinschaft, mit KI als Designressource, während Gemeinschaftswissen und Praktikerinnen und Praktiker der Gemeinschaft als der Standard dienen, der das Ergebnis beurteilt, und Raum für Begrenzung, Verweigerung oder strategische Nichtnutzung lassen, wo kritisches Engagement es erfordert.(Ojeda-Ramirez, Gyles & Peppler (2026))

Konstruktivismus und „Bildung über KI“

Der Konstruktivismus prägt auch, wie KI-Kompetenz selbst gelehrt wird. Wenn Wissen konstruiert wird, dann wird KI-Kompetenz nicht durch Vorlesungen über Modelle erworben, sondern durch aktives Nutzen, Kritisieren und Bauen mit KI — Artefakte erzeugen, Outputs hinterfragen und über die Interaktion reflektieren.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy) Das positioniert KI-Kompetenz als aktive, partizipative Kompetenz statt als einen Korpus passiven Wissens, und es verbindet Konstruktivismus mit kritischem Denken und mit Handlungsfähigkeit in den Begegnungen der Lernenden mit KI.

Folgerungen für Design und Forschung

1. Die konstruktive Aktivität bewahren. KI sollte das eigene Denken der lernenden Person gerüsten — anregen, fragen und stützen —, statt es zu vollziehen. Designerinnen und Designer sollten fragen, ob das Werkzeug die konstruktive Anstrengung der lernenden Person erhöht oder ersetzt.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
2. Die ICAP-Linse nutzen. ICAP klassifiziert Engagement in konstruktive, interaktive, aktive und passive Modi — nutzen Sie sie, um zu evaluieren, ob KI-Interaktionen tatsächlich konstruktive und interaktive Modi hervorrufen statt passiven Konsum. Designerinnen und Designer sollten die tieferen (konstruktiven und interaktiven) Modi bevorzugen, wo das Lernziel es rechtfertigt.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)
3. Theorie und Implementierung abstimmen. Forschende sollten über die Frage hinausblicken, ob KI „funktioniert“, zu wie sie eine Lerntheorie verkörpert, und nach der konstruktivistisch-dem-Namen-nach, behavioristisch-in-der-Praxis-Lücke prüfen.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)
4. Handlungsfähigkeit und Transfer der Lernenden studieren. Konstruktivistische Verpflichtungen implizieren, nicht nur unmittelbare Testzuwächse zu evaluieren, sondern ob Lernende ihr konstruiertes Verstehen transferieren und unabhängig anwenden können.(Forschungsmethoden in der AIED)

Verbundene Konzepte

• Untersuchungsgemeinschaft — Community of Inquiry (gegründet in konstruktivistischem/Deweyschem Pragmatismus)
• Kognitionspsychologie — Kognitivismus, der dritte klassische Pol der Lerntheorie
• Aktives Lernen
• Lernen durch Lehren
• Scaffolding (Gerüstbildung)
• Selbstreguliertes Lernen
• Kollaboratives Lernen
• Erfahrensorientiertes Lernen
• Projektbasiertes Lernen
• Verkörpertes Lernen
• Lerndesign
• Generative KI
• Intelligentes Tutoring
• Kognitive Auslagerung
• Handlungsfähigkeit der Lernenden
• Kritisches Denken
• KI-Kompetenz
• Missverständnisse über KI
• Lerntheorien
• Behaviorismus
• Chemiedidaktik — Chemiebildung und KI: Labore, formatives Assessment, LLM-Grenzen, Philosophie des Experimentierens
• Theorieentwicklung in der KI in der Bildung — Theorieentwicklung in KI in der Bildung
• Produktives Scheitern

Verbundene Artikel

• Analysing AI utilisation in education through learner question types: A constructivist approach — Lernendenfragen klassifiziert in drei konstruktivistische Rollen: Übermittler, Facilitator, Mitlernende (Lee, Atif & Kang 2026)

• Control vs. Agency: Exploring the History of AI in Education — Positioniert Konstruktionismus (Papert) gegen kognitive Tutoren in der Geschichte der AIED

• Code to Learn with Generative AI: A Theoretically Grounded Framework for Artifact Construction in Upper-Secondary Education — Code-to-Learn mit GenAI: Konstruktionismus-Rahmenwerk für Artefaktkonstruktion

• The AI Writes the Code, the Student Writes the Model: A Theory and Measurement Programme for Learning by Construction with Generative AI — Modellautorschaft: Theorie- und Messprogramm für Lernen-durch-Konstruktion mit GenAI

• Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness — Konstruktivismus bekundet, aber behavioristische KI dominiert in der VET; die „Turing-Falle“

• Stop Writing for Me: Generative Refusal in AI Tools for Thought — KI-Werkzeuge, die Generierung zurückhalten, um konstruktives Denken zu schützen

• Generative AI (GenAI) as a mindtool that supports generative learning (GL) — GenAI als Denkwerkzeug, das die Konstruktion der Lernenden stützt

• Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers — Adversariale KI-Agenten, die konstruktives Überdenken anregen

• Systematic Review of Collaborative Learning Activities for Promoting AI Literacy — Kollaborative KI-Kompetenz und das ICAP-Engagementrahmenwerk

• Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback — KI-gestützter Vergleich, der evaluative Urteile erzeugt

• Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents — ICAP und kognitives Engagement mit LLM-Agenten

• The Path to Conversational AI Tutors: Integrating Tutoring Best Practices and Targeted Technologies to Produce Scalable AI Agents — Gerüstbaudialog in KI-Tutoren

• Embodied Inquiry with AI as Facilitator: An Exploratory Case Study — Verkörperte Inquiry mit einem KI-Facilitator

• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — Authentisches Assessment und Wissenskonstruktion

• Towards Synergistic Teacher-AI Interactions with Generative Artificial Intelligence — Stufen der Lehrkraft-KI-Zusammenarbeit im Design

• Learning with machines: Toward a theory of epistemic co-agency — Epistemische Ko-Handlungsfähigkeit zwischen lernender Person und Maschine

• Community-Based AI Learning: Redistributing Artificial Intelligence's Epistemic Authority in Education

• Connecting Education with Reality: AI as a Catalyst for Situated Learning

• Beyond Automation: AI as a Pedagogical Mediator in Collaborative Learning

• Pathways to Learning: Exploring High School Students' Learning of AI-Powered Educational Robotics — Pathways to Learning AI-Powered Educational Robotics (2026)

• CogEvolution: A Human-like Generative Educational Agent to Simulate Student's Cognitive Evolution — CogEvolution: generativer Agent, der die kognitive Evolution von Studierenden simuliert

• The synthetic position: generative artificial intelligence and the suspension of self-authorship in emerging adulthood — Simulierte KI-Gegenpositionen proben die Form des Dialogs, enthalten aber den Widerstand vor, der Revision erzwingt