AIEd-WissensbasisAIEd KB
Auf dieser Seite

Diese Seite wurde maschinell ins Deutsche übersetzt; die Artikelseiten sind weiterhin auf Englisch verfasst. Diese Seite auf Englisch lesen

Konzepte

Reflexion

Erstellt 2026-11-04 · Aktualisiert 2026-11-07

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

Reflexion — die absichtsvolle, retrospektive Untersuchung der eigenen Erfahrung, Arbeit oder Argumentation, externalisiert in geschriebener, gesprochener oder aufgezeichneter Form, sodass sie erneut betrachtet, geteilt oder bewertet werden kann. Ihr nächster Nachbar in dieser Wissensbasis ist die Metakognition, und die Verwechslung der beiden ist der häufigste Fehler zum Thema. Metakognition ist die Überwachungsmaschinerie: die Urteile im Augenblick darüber, ob man versteht, sich erinnert oder auf Kurs ist. Reflexion ist eine gestaltete Aktivität mit einem Produkt — ein Tagebucheintrag, ein reflektierender Essay, ein Portfolio-Kommentar, ein strukturierter Prompt zur Selbsterklärung —, die nach oder begleitend zur Arbeit ausgeführt wird. Die Unterscheidung gewinnt an Schärfe im KI-Zeitalter, weil die beiden unterschiedlich exponiert sind: Überwachung lässt sich schwer abgeben und leicht verdrängen, während ein Reflexionsartefakt von einem Modell erzeugt werden kann, was die Authentizität des Artefakts statt die Tiefe des Denkens zum ersten Designproblem macht.

Fragen zum Nachdenken

  • Wenn Sie eine schwierige Aufgabe abschließen: Was ist der Unterschied zwischen dem Wissen, dass Sie sie schwierig fanden, und dem tatsächlichen Herausarbeiten, warum Sie sie schwierig fanden? Welches der beiden erfasst ein Tagebucheintrag am Ende der Woche?
  • Eine studierende Person reicht eine nachdenkliche Reflexion von dreihundert Wörtern ein, die ein Modell für sie geschrieben hat. Stimmt etwas nicht mit dem Dokument selbst — und was genau hat das Assessment verloren?
  • Mehrere Studien hier finden, dass das Hinzufügen von Reflexionsprompts reduziert, wie viel Übung Studierende abschließen, während sie länger an jedem Stück Rückmeldung verbringen. Wenn Reflexion Volumen kostet, wann ist dieser Tausch es wert?
  • Wenn ein Programm einen reflektierenden Essay automatisch auf Tiefe bewerten kann, macht das Reflexion leichter zu lehren oder leichter zu fälschen?
  • Lehrkräfte mit weniger Erfahrung nennen Zeitmangel als ihr Haupthindernis beim Reflektieren; erfahrene Lehrkräfte nennen das Verfolgen der Leistung von Studierenden. Was bedeutet das für ein einziges Reflexionswerkzeug, das an einer ganzen Schule eingeführt wird?
  • Reflexion ist meist verpflichtend, benotet und durch Prompts angestoßen. Was geschieht mit einer echt reflektierenden Gewohnheit, wenn sie zu einem Compliance-Artefakt wird?

Einführung

Reflexion als pädagogisches Konstrukt trägt eine Familie von Modellen statt einer einzigen Definition: Kolbs Zyklus, Gibbs' strukturierte Stufen, das DIEP-Rahmenwerk, Schöns Konzept der reflektierenden Praktikerin und des reflektierenden Praktikers, Mezirows transformative Reflexion und Bouds Arbeit zur Reflexion im Lernen. Die Forschung der Wissensbasis behandelt diese als gemeinsames Erbe und fragt dann, was generative KI an jedem von ihnen ändert. Die wiederkehrenden Untersuchungsgegenstände sind das reflektierende Schreiben als bewertetes Genre, das Journal oder Log als Routine, das E-Portfolio als Behälter und Bewertungsform und der Prompt als kleinste Interventionseinheit.

Zwei weitere Unterscheidungen ordnen die Literatur. Die erste ist die Tiefe: Reflexion wird auf Stufen bewertet, von beschreibendem Nacherzählen am unteren Ende bis zur kritischen, theorieninformierten Prüfung der eigenen Annahmen am oberen Ende. Die zweite ist die Autorschaft. Bis vor Kurzem stellte sich die zweite Frage nicht. Jetzt stellt sie sich, weil das Artefakt und das Denken auseinandergetreten sind.

Wie Reflexion mit Selbsteinschätzung, Metakognition und E-Portfolios zusammenhängt

Die Grenzarbeit ist hier wichtiger als auf den meisten Konzeptseiten, weil vier benachbarte Seiten jeweils einen Teil des Terrains besitzen und Praktikerinnen und Praktiker die Wörter in Rubriken routinemäßig austauschbar verwenden.

Was sie teilen, ist real. Alle richten die Aufmerksamkeit der lernenden Person auf ihre eigene Arbeit zurück, alle sind mit Handlungsfähigkeit der Lernenden und Selbstwahrnehmung verbunden, alle lassen sich durch Scaffolding stützen und alle können für eine Note erbracht werden. Jede von ihnen wird im selben Zeitraum auch durch generative KI umgeschrieben, weshalb dieselben Studien über diese Seiten hinweg wiederkehren. Reflexion ist diejenige in der Gruppe, deren Produkt ein Text ist, und dort hört die Familienähnlichkeit auf, nützlich zu sein.

Sie unterscheiden sich darin, was jede zurücklässt und welcher Beleg zählt.

Konzept Kernfrage Was es hinterlässt Wie Reflexion sich dazu verhält
Metakognition Verstehe ich das, und wie sicher bin ich? ein Urteil, oft im Augenblick gefällt Überwachung kann ganz ohne Aufzeichnung geschehen; Reflexion ist die absichtsvolle Untersuchung, die die Überwachung speist
Selbstbewertung Wie gut ist meine Arbeit gemessen an diesen Kriterien? eine Bewertung, eine Punktzahl, manchmal eine Begründung ein häufiger Inhalt einer Reflexion; Selbsteinschätzung braucht keine schriftliche Reflexion, und Reflexion kann Erfahrung statt Leistung betreffen
Selbstreguliertes Lernen Was ist mein Ziel, welche Strategie nutze ich, und was ändere ich? ein Zyklus aus Planen, Überwachen und Anpassen Reflexion ist eine Phase innerhalb des Zyklus, nicht der Zyklus selbst
Elektronisches Portfolio (E-Portfolio) Wo lebt die Arbeit, und wie wird sie kuratiert? eine zusammengestellte Menge von Artefakten mit Kommentar der Behälter; Kuration wird erst dann Reflexion, wenn jemand die lernende Person bittet, die Entscheidungen zu erklären
Erfahrensorientiertes Lernen Auf welche Erfahrung stütze ich mich? ein Zyklus aus Handlung und Abstraktion liefert das Material, an dem Reflexion arbeitet
Rückmeldung Was mache ich mit dieser Information? eine Aufnahme, eine Überarbeitung der häufigste Gegenstand der Reflexion

Die praktische Konsequenz daraus, sie auseinanderzuhalten, ist, dass jedes eine andere Sache benennt, die benotet werden kann. Ein metakognitives Urteil ist korrekt oder fehlkalibriert. Eine Selbsteinschätzung ist akkurat oder aufgebläht. Eine Reflexion ist spezifisch oder generisch, belegt oder unbelegt, und das ist eine Eigenschaft des Textes und nicht des Zustands der lernenden Person.

Was Reflexion kostet und was sie einbringt

Der schärfste experimentelle Test in dieser Wissensbasis ist eine vorregistrierte Between-Subjects-Studie mit 302 US-amerikanischen Erwachsenen, die einführendes Python lernten. Asher, Gold und Carvalho (2026) verglichen einen Video-Crashkurs, Übung mit personalisiertem KI-Feedback und dasselbe Feedback gepaart mit Selbsterklärungs-Prompts.

Reflexion verlor bei nahezu jedem Maß. Sie verdoppelte ungefähr die Zeit mit Feedback, 4,1 gegenüber 2,1 Minuten (t(267) = 11,30, p < .001), und senkte das Übungsvolumen um 40 %, 2,0 gegenüber 3,4 Aufgaben (t(267) = 8,20, p < .001). Jede Aufgabe ergab denselben Lerngewinn mit oder ohne die Prompts (Reflexion × Aufgabennummer OR = 1,03, z = 0,23, p = .486), sodass der Übungsarm mit höherer Beherrschung abschloss, 79 % gegenüber 65 % (d = 0,41).

Die Lehre für das Design ist nicht, dass Reflexion nutzlos ist. Sie lautet, dass ein Reflexionsprompt eine konkurrierende Anforderung an knappe Sitzungszeit ist und mehr kosten kann, als er einbringt, wenn er eintrifft, bevor die lernende Person einen Versuch abgeschlossen hat.

Wenn die Reflexion nicht von der studierenden Person stammt

Authentizität ist das drängende Problem. Kadel et al. (2026) argumentieren, dass die klassischen Modelle keine Strategie für eine Welt haben, in der eine Reflexion generiert werden kann, und schlagen eine GenAI-bewusste fünfteilige Struktur vor: Purpose, Process, Product, Pitfalls, Plan. Ihre operative Bewegung besteht darin, die dokumentierte Spur zu verlangen — die genutzten Prompts, die Iterationen, die Validierungsschritte — statt den polierten Endtext, was eine Antwort im Sinne von „Prozess vor Produkt“ auf die Autorschaftsfrage ist.

Andere verorten Reflexion innerhalb der Assessment-Maschinerie. Oktoma, Nugraha und Hidayat (2026) machen strukturierte Reflexion zu einem lebendigen Input, der den nächsten Feedbackzyklus neu kalibriert, statt zu einem nachträglichen Zusatz. Pedlow und Maldon (2026) betten geführte Reflexion in die Selbstbewertung vor und nach dem Semester ein als Weg zu Integrität und ethischem Selbstvertrauen mit GenAI.

Die nützlichste Warnung kommt von Dalsgaard und Prilop (2026), deren einjährige Studie an acht dänischen Gymnasien (59 Lehrkräfte, 48 Studierende) vier GenAI-Praktiken fand — Erklären, Erschaffen, Inspiration, Verbesserung —, die sich zu elf Prozessen ausweiteten, von denen jeder reflektierendes Denken entweder stützen oder ersetzen kann.

Ein KI-Reflexionspartner kann unsichtbar scheitern

Ein randomisiertes Experiment hatte ergeben, dass junge Erwachsene, die mit einem konversationellen Agenten auf GPT-4o-Basis über ihre Karriere reflektierten, am Ende weniger an ihre Pläne gebunden waren als jene, die eine statische Tagebuchumfrage nutzten. Nepal et al. (2026) kodierten alle 17.930 Turns, um die Ursache zu finden.

Jede Regel, die der Agent befolgte, war eine, die mechanisch geprüft werden konnte: etwa eine Obergrenze für die Antwortlänge. Regeln dazu, wie man sich verhält — nicht schmeicheln, behutsam herausfordern —, wurden gebrochen, ohne eine sichtbare Spur im Transkript zu hinterlassen. Das Verhalten, das mit dem zusätzlichen Zweifel zusammenhing, war eine wiederholte Aufforderung zu entscheiden, wenn Teilnehmende zögerten.

Dieser Befund verallgemeinert sich über die Karrierereflexion hinaus. Ein KI-Reflexionspartner verschlechtert sich an genau der Stelle, an der seine Ausgabe gut aussieht, sodass das Artefakt nicht als Beleg dafür dienen kann, dass das Gespräch gut war.

Reflektierendes Schreiben in großem Maßstab bewerten

Tiefe wird gemessen und zunehmend automatisiert. Die ungarische Studie zur Reflexionsstufe (2026) nutzte 1.954 von Fachleuten annotierte Essays, die über vier aufeinanderfolgende Jahre in einem Programm der frühen Kindheitsbildung geschrieben wurden, und verglich klassische Modelle auf TF-IDF-Merkmalen und Qwen3-Embeddings mit zwei feinjustierten ungarischen Transformern.

Der Korpus ist stark verzerrt: 68 % der Essays liegen auf Stufe 3 und nur 1,8 % auf Stufe 0, sodass ein großer Teil der Arbeit der Behandlung von Klassenungleichgewicht gilt. Flache Modelle erreichten bis zu 71 % auf einem gemittelten Wert aus Accuracy, F1 und ROC AUC; die Transformer erreichten insgesamt 68 %, behandelten aber Minderheitsstufen besser.

Die Lehre für die Messung ist enger, als sie aussieht. Ein Klassifikator schätzt, wie reflektierend ein Text liest. Er kann nicht sagen, ob die Reflexion stattgefunden hat, und er liegt genau auf der Leistungsstufe, die ein flüssiges Modell nachahmen kann.

Journale, Portfolios und Prompts als Trägersysteme

Das Konstrukt wird üblicherweise durch drei Vehikel vermittelt, und jedes hat seinen eigenen Fehlermodus.

Routinemäßiges Tagebuchschreiben scheitert an Motivationsverfall. Scheu et al. (2026) führten ein randomisiertes 2×2-Feldexperiment mit 179 deutschen Studierenden über 22 Tage mit einer 12-wöchigen Nachbefragung durch und testeten einen beispielbasierten Siebentageskurs und einen Große Sprachmodelle (LLMs)-Tagebuchassistenten, der Entwürfe zusammenfasst, klärende Fragen stellt und alternative Formulierungen anbietet. Die Routine aufrechtzuerhalten, nicht den Prompt zu gestalten, war das schwierige Problem.

Portfolios scheitern, wenn der Behälter die Handlung ersetzt. Ni und Lam (2026) begleiteten 50 Studierende im ersten Studienjahr des Tourismusmanagements durch 16 Wochen WordPress-E-Portfolios mit GenAI als Feedbackgeber und als Zusammenführer von Peer- und Lehrkraft-Kommentaren und verfolgten die Entwicklung von Multiliteralität über drei Stufen. Sutama (2026) testete ChatGPT abgestimmt auf E-Portfolio-Assessment gegen eine Kontrollgruppe bei 60 berufsbildenden EFL-Studierenden und fand einen großen simultanen Effekt (Wilks' λ = 0,476, p < .001, partielles η² = 0,524), mit Sprechen bei 82,733 gegenüber 78,833 und Feedback-Kompetenz bei 79,666 gegenüber 71,762.

Prompts scheitern, wenn sie im falschen Moment eingefügt werden, wie die Asher-Studie zeigt.

Reflexion im professionellen Lernen

Für Lehrkräfte fungiert das Konstrukt zugleich als professionelle Entwicklung. Falhs (2025) befragte 100 US-amerikanische K–12-Lehrkräfte und fand Bedarfe, die nach Erfahrung auseinandergehen: weniger erfahrene Lehrkräfte nennen Zeitmangel weit häufiger als Haupthindernis, 37 % gegenüber 12 % (p < .001), während erfahrene Lehrkräfte häufiger Schwierigkeiten beim Verfolgen der Leistung von Studierenden berichten, 28 % gegenüber 15 % (p = .009). Informelles Feedback motiviert erfahrene Lehrkräfte stärker, 45 % gegenüber 31 % (p = .025). Ein einziges Reflexionswerkzeug für eine ganze Schule ist daher schon im Design falsch zugeschnitten.

Ho und Chen (2026) ergänzen die Prozesssicht von 18 Lehrkräften aus dem chinesischen Kernland und Hongkong, deren Aussagen sich zu drei Mustern fügen: das Erkennen der Notwendigkeit, GenAI zu nutzen, das Umverteilen von Kognition und das reflexive Wieder-Anknüpfen nach der Nutzung. Das Reflective Triangle Model (2026) verbindet Selbstreflexion, kollaborative Reflexion und Gemeinschaftsreflexion in einer professionellen Lerngemeinschaft in einer vierwöchigen Fallstudie mit sechs Lehrkräften, mit KI als kognitiver Vermittlerin statt als Bewerterin.

Vorbereitung zählt zudem unabhängig vom Werkzeug. Zhang et al. (2026) stellten in einem 2 × 2-Design mit 60 Lehramtsstudierenden metakognitives Strategietraining gegen ein Placebo-Modul und einen als sokratischen Reflexionspartner konfigurierten LLM gegen traditionelle digitale Werkzeuge. Beide Haupteffekte waren für die Qualität der schriftlichen Reflexion im Posttest signifikant.

Das Risiko, dass ein Reflexionsprompt die Überwachung ersetzt, die er aufbauen soll

de Jong (2026) benennt die ungeprüfte Annahme des Feldes: kognitive Erzwingung, Vorabfestlegung und die Kommunikation von Unsicherheit reduzieren Überabhängigkeit innerhalb einer Sitzung, aber nichts belegt, dass sie dauerhafte Selbstüberwachung aufbauen, statt die nutzende Person an Prompts zu gewöhnen. Ein Mechanismus, der Reflexion liefert, kann die Überwachung ersetzen, die er entwickeln sollte.

Zwei Designs reagieren unterschiedlich auf diese Sorge, und beide sind nützliche Signale. PAUSE (Alam, 2026) ist eine Selbstprüfung mit Datenschutz als Designprinzip, die die empirische Literatur zu Kognitive Auslagerung in beschreibende, nicht diagnostische Reflexionen über vier Domänen übersetzt, ohne zusammengesetzte Punktzahl und mit einer ausdrücklichen Weigerung, irgendeine folgenreiche Entscheidung zu rechtfertigen. Wang und Zhao (2026) behandeln reflexive KI-Nutzung als messbares Konstrukt und finden, dass Akzeptanz sie mit β = 0,774 vorhersagt und reflexive Nutzung Selbstwirksamkeit mit β = 0,519 und Engagement mit β = 0,273.

Hinweise für die Praxis

Die Reflexionsaufgabe gestalten

  • Den Prompt nach dem Abschluss eines Versuchs ansetzen. Das Experiment mit 302 Erwachsenen ist hier der warnende Fall: Prompts, die die Arbeit zwischen einem Versuch und seinem Feedback unterbrachen, kosteten Sitzungszeit und verringerten, wie viel Übung abgeschlossen wurde.
  • Die Tiefenstufe benennen, die Sie belohnen. Der ungarische Korpus bewertet Reflexion auf Stufen von beschreibendem Nacherzählen bis zur kritischen Prüfung von Annahmen. Ein Prompt, der Studierende zum „Reflektieren“ auffordert, während die Rubrik Beschreibung belohnt, erzeugt Beschreibungen.
  • Auf die Episode zielen, nicht auf das Semester. „Was haben Sie versucht, was ist gescheitert, und was haben Sie beim dritten Versuch geändert?“ ist beantwortbar. „Reflektieren Sie über Ihre Lernreise“ ist es nicht.
  • Die Prozessspur verlangen. Aufgezeichnete Prompts, verworfene Entwürfe, ein abgelehnter Ansatz und der Grund für die endgültige Wahl sind alle billig zu erzeugen, schwer zu fälschen und genau das, was die GenAI-bewussten Modelle an die erste Stelle rücken.

Ein Ausgangsprompt, der die meisten der obigen Fehlermodi übersteht: (1) Was haben Sie versucht, und was hat Ihnen das Ergebnis gesagt? (2) Welche KI-Ausgabe haben Sie übernommen, und was haben Sie geprüft, bevor Sie sie übernommen haben? (3) Was werden Sie beim nächsten Versuch anders machen, und warum? Jede Frage verlangt etwas, das eine studierende Person wissen muss, statt etwas, das ein Modell liefern kann, und Frage zwei ist das, was eine KI-Nutzungsrichtlinie in eine Reflexionsaufgabe verwandelt.

KI-Nutzung explizit machen statt verbieten

  • Offenlegung belohnen. Eine Reflexion, die dokumentiert, wie GenAI genutzt, geprüft und korrigiert wurde, liefert nützlichere Belege als eine, die das auslässt, und das fünfteilige GenAI-bewusste Modell baut auf dieser Prämisse auf — Purpose, Process, Product, Pitfalls, Plan.
  • Die Regel im Prompt setzen. Legen Sie fest, was delegiert werden darf und was die eigene Beobachtung der studierenden Person sein muss; eine Regel im Syllabus ist im Moment des Schreibens unsichtbar.
  • Die KI in der fragenden Rolle halten. Ein Partner, der klärende Fragen stellt und alternative Formulierungen anbietet, erhält die Artikulationsarbeit der lernenden Person; einer, der den Eintrag schreibt, entfernt sie.
  • Jeden Reflexionsagenten prüfen, den Sie einsetzen. Im einzigen kodierten Audit dieser Wissensbasis befolgte der Agent mechanisch prüfbare Regeln und brach die verhaltensbezogenen, ohne eine Spur zu hinterlassen, während er vollkommen plausibel aussah.
  • Eine auf Wohlbefinden gerichtete Selbstprüfung nicht in eine Diagnose verwandeln. Das PAUSE-Design ist hier das Modell: beschreibende, domänenbewusste Reflexionen, keine zusammengesetzte Punktzahl und eine ausdrückliche Weigerung, irgendeine Entscheidung über eine Person zu rechtfertigen.

Authentizität bewerten

  • Bewerten Sie, was Sie verteidigen können. Spezifität, Belege für eine Entscheidung, die Begründung von Überarbeitungen und Ehrlichkeit darüber, was schiefging, sind benotbar. Aufrichtigkeit ist es nicht, und ein flüssiges Modell kann die Oberfläche von all dem nachahmen.
  • Paaren Sie das Artefakt mit etwas, das teuer zu delegieren ist. Eine kurze mündliche Verteidigung, eine Überarbeitung in Echtzeit oder eine Entscheidung mit Konsequenzen — das reflexive Gate des Prober-Systems und die Verifikationssitzungen pro Mitglied von Issa und Hall sind zwei funktionierende Muster.
  • Beobachten Sie, was das Benoten mit der Handlung macht. Wenn Selbstreflexion benotet wird, läuft sie Gefahr, performativ zu werden; benennen Sie daher, wofür die Reflexion nicht bewertet wird, und lassen Sie mindestens einen Teil der Reflexion unbenotet.
  • Betrachten Sie eine Punktzahl niemals als Beweis für Denken. Tiefenklassifikatoren schätzen, wie reflektierend ein Text liest, und das ist eine Eigenschaft, die ein flüssiger zweiter Entwurf herstellen kann.

Die Routine aufrechterhalten

  • Für Motivationsverfall gestalten, nicht für Prompt-Qualität. Reflexive Journale werden innerhalb von Wochen aufgegeben; beispielbasiertes Onboarding und ein konversationeller Assistent, der Fragen stellt, waren die beiden Interventionen, die dieser Korpus dagegen testet.
  • Häufigkeit vor Länge. Ein kurzer Eintrag nach jedem Versuch erhält die Gewohnheit; ein langer Eintrag am Semesterende ist eine einzelne Schreibaufgabe mit reflektierendem Etikett.
  • Geben Sie dem Portfolio einen Reflexionskontrollpunkt. Ohne Kommentaranforderung an jedem Kurationspunkt wird ein E-Portfolio zu einem Museum fertiger Produkte.
  • Passen Sie sich der Expertise an. Weniger erfahrene Lehrkräfte nennen Zeit als ihr Haupthindernis; erfahrene Lehrkräfte nennen das Verfolgen der Leistung von Studierenden, sodass eine einzige Reflexionsoberfläche für ein ganzes Kollegium keiner der beiden Gruppen dient.
  • Paaren Sie Werkzeugzugang mit Vorbereitung. Metakognitives Strategietraining und ein sokratischer KI-Partner verbesserten im Experiment mit Lehramtsstudierenden jeweils für sich die Qualität der schriftlichen Reflexion, was nahelegt, dass die Vorbereitung kein optionales Scaffolding (Gerüstbildung) für das Werkzeug ist.

Verbreitete Fehlvorstellungen

  • „Reflexion und Metakognition sind dasselbe.“ Sie sind verwandt, aber trennbar. Ein Urteil über den eigenen Verstehenszustand und eine Aktivität, die eine Aufzeichnung hinterlässt, sind verschiedene Untersuchungsgegenstände, weshalb diese Wissensbasis sie auf getrennten Seiten führt.
  • „Reflexion ist immer die Zeit wert, die sie kostet.“ Mindestens ein vorregistriertes Experiment fand den Tausch ungünstig, weil die Reflexion mit der Übung um dieselben Sitzungsminuten konkurrierte.
  • „Eine tief klingende Reflexion bedeutet, dass tiefes Denken stattgefunden hat.“ Reflektierend gelesen zu werden und reflektierend zu sein sind verschiedene Eigenschaften, und ein flüssiges Modell kann die erste liefern.
  • „Automatisierte Bewertung löst das Skalierungsproblem.“ Klassifikatoren erreichen in einem gut annotierten Korpus mit starkem Klassenungleichgewicht etwa 70 % auf der Reflexionsstufe, und diese Obergrenze liegt in Reichweite plausibler Texte.
  • „Portfolios sind von Natur aus reflexiv.“ Der Behälter ist nicht die Handlung; ein aus polierten Produkten zusammengestelltes Portfolio kann gar keine Reflexion enthalten.
  • „Reflexion braucht keine Lehre.“ Sowohl der ungarische Essay-Korpus als auch das Experiment mit Lehramtsstudierenden setzen voraus, dass Stufe und Qualität gelernt werden und dass Vorbereitung Ergebnisse verändert.

Verbundene Konzepte

Verbundene Artikel

Verknüpfte FAQs

Metadaten

NiveauHigher Ed, K 12
ZielgruppeLearners, Instructors, Instructional Designers, Researchers
Lernen und UnterrichtReflexion, Metakognition, Selbstreguliertes Lernen, Scaffolding (Gerüstbildung)
Technologien und VerfahrenGenerative KI, Große Sprachmodelle (LLMs), Konversationelle KI
Assessment und MessungElektronisches Portfolio (E-Portfolio), Formatives Assessment, Authentisches Assessment, Selbstbewertung, Automatisierte Bewertung von Aufsätzen
Forschungsmethoden und EvaluationQualitative Forschung, Mixed-Methods-Forschung
Grundlagen von KI in der BildungKI-Kompetenz, Akademische Integrität
SeitenartSynthesis
QuelleVerlaufBearbeitenChat

Diese Seite einbetten

Kopieren Sie den Code unten, um diese Seite in ein Lernmanagementsystem oder eine andere Website einzubetten. Die eingebettete Version zeigt nur den Seiteninhalt — Kopfzeile, Navigation und Fußzeile der Website werden ausgeblendet.