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

Selbstwirksamkeit

Erstellt 2026-08-13 · Aktualisiert 2026-10-10

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

Selbstwirksamkeit — die Überzeugung einer lernenden Person, fähig zu sein, eine Aufgabe erfolgreich auszuführen oder ein Ziel zu erreichen. Gestützt auf die sozialkognitive Theorie (Bandura) prägt Selbstwirksamkeit Motivation, Anstrengung, Beharrlichkeit und Engagement im Lernen. In KI in der Bildung ist Selbstwirksamkeit in zweierlei Hinsicht bedeutsam: KI-Werkzeuge können Vertrauen und Autonomie der Lernenden aufbauen (etwa durch Feedback und Scaffolding), und die KI-Selbstwirksamkeit der Lernenden — ihr Vertrauen im Umgang mit KI-Technologien — beeinflusst, wie wirksam sie sich mit KI einlassen, einschließlich wie KI-bezogenes Wissen in berufsrelevante Bereitschaft übersetzt.

Fragen zum Nachdenken

  • Selbstwirksamkeit ist eine Überzeugung über Ihre Fähigkeit — unterscheidbar von tatsächlicher Kompetenz. Waren Sie je hochgradig fähig in etwas und zweifelten dennoch an sich, oder zuversichtlich falsch in etwas, das Sie nicht konnten? Was sagt diese Lücke zwischen Überzeugung und Fähigkeit darüber, warum Selbstwirksamkeit wichtig ist?
  • KI-Selbstwirksamkeit (Vertrauen im Arbeiten mit KI) ist ein separates Konstrukt von KI-Kompetenz, und Forschung findet, dass Kompetenz nur in Bereitschaft übersetzt, wenn Lernende auch Vertrauen haben. Wenn jemand über KI Bescheid weiß, aber nicht glaubt, sie nutzen zu können, was geschieht mit diesem Wissen —, und was folgt daraus für Training?
  • Forschung fand, dass der Zusammenhang von KI-Nutzung zur Unterstützung des Verständnisses mit Leistung vollständig durch akademische Selbstwirksamkeit mediiert war, während Abkürzungsnutzung schlechtere Ergebnisse teilweise unabhängig von Selbstwirksamkeit vorhersagte. Warum sollte dasselbe Werkzeug Vertrauen aufbauen, wenn es auf die eine Weise genutzt wird, und scheitern, wenn auf eine andere?
  • Die Seite unterscheidet Selbstwirksamkeit vom Alltagswort „Vertrauen“. Wie unterscheiden sie sich vor der Lektüre, und warum würde eine Forschende auf der Unterscheidung bestehen statt sie als dasselbe zu behandeln?
  • Robotik und verkörpertes Lernen bauen Vertrauen auf, indem sie Aufgaben in beobachtbaren Ergebnissen verankern, und Feedback kann Selbstwirksamkeit der Lernenden aufbauen. Denken Sie an eine Aufgabe, bei der Sie echtes Vertrauen erst gewannen, nachdem Sie ein konkretes Ergebnis gesehen hatten. Was sagt das darüber, welche Arten von KI-Lernerfahrungen am wahrscheinlichsten Selbstwirksamkeit aufbauen — statt sie bloß zu berichten?
  • Lehrkräfte-Selbstwirksamkeit beeinflusst Übernahme und Integration von KI. Wenn eine Lehrkraft nicht glaubt, KI wirksam nutzen zu können, behebt das irgendein Maß an KI-Kompetenz? Was würde das Vertrauen einer Lehrkraft aufbauen, und wie unterscheidet sich das davon, ihr mehr Information zu geben?

Einführung

Selbstwirksamkeit ist unterscheidbar von tatsächlicher Kompetenz: sie ist eine Überzeugung über Fähigkeit, die Verhalten treibt. Sie ist eng verwandt mit — und oft austauschbar genutzt mit — der Alltagsvorstellung von Vertrauen in die eigenen Fähigkeiten. Selbstwirksamkeit verbindet sich eng mit Motivation, selbstreguliertem Lernen und Erleben der Studierenden. Im KI-Kontext ist KI-Selbstwirksamkeit (Vertrauen im Arbeiten mit KI) ein unterscheidbares Konstrukt von KI-Kompetenz, und Forschung zeigt, dass sie eine entscheidende Rolle dabei spielt, ob Lernende KI-bezogenes Wissen tatsächlich aktivieren und anwenden.

Wie Selbstwirksamkeit in der Forschung der Wissensbasis erscheint

  • Rückgänge unter GenAI-plus-XR-Studioarbeit: in einem 27 Studierende umfassenden Architektur-Designstudio zeigten Teams, die eine GenAI- und Multi-User-XR-Pipeline nutzten, größere relative Prä-Post-Rückgänge im Vertrauen in die Design-Selbstwirksamkeit (β = −1.675, p = 0.021) und in der Ergebniserwartung (β = −2.088, p = 0.002) als Teams, die den normalen Arbeitsablauf fortsetzten, ohne signifikanten Unterschied in den verblindeten Panel-Bewertungen ihrer Präsentationen (Xiao et al., 2026)). Werkzeugreiche Umgebungen können Wirksamkeitsüberzeugungen senken, selbst wenn die Arbeit selbst als gleichwertig beurteilt wird.

  • KI-Selbstwirksamkeit und Berufsbereitschaft: Forschung zu KI-Bereitschaft zeigt, dass KI-Selbstwirksamkeit die Beziehung zwischen KI-Kompetenz und KI-Bereitschaft moderiert: Kompetenz übersetzt nur in Bereitschaft, wenn Lernende Vertrauen im Umgang mit KI haben, und Selbstwirksamkeit sagt Berufsadaptabilität direkt vorher.

  • Vertrauen ist nicht immer der Hebel. Ein Querschnitts-SEM mit 502 Universitätsmitarbeiterinnen und -mitarbeitern fand technologische Selbstwirksamkeit als kleinen Prädiktor von KI-Wohlbefinden (β = 0.082), während KI-Kompetenz dominierte (β = 0.713), was die Behauptung begrenzt, dass Vertrauen KI-Ergebnisse begrenzt: bei Wohlbefinden wog Wissen mehr als Vertrauen (Liu et al. (2026)).

  • Fähigkeiten können Abhängigkeit ermöglichen, während Wirksamkeit sie abpuffert. Unter 478 israelischen Studierenden waren die Fähigkeitsdimensionen von KI-Kompetenz positiv mit KI-Abhängigkeit verbunden (KI nutzen/verstehen β = 0.404), während KI-Selbstwirksamkeit negativ verbunden war (β = −0.132), sodass Kompetenztraining, das nur Werkzeugfähigkeit aufbaut, das Verlassen auf KI erhöhen kann (Maizel et al. (2026)).

  • Vertrauen als Angelpunkt zwischen Kompetenz und Vertrauen: Hu (2026) befragte 450 Universitätsstudierende, die ChatGPT bereits nutzen, und fand eine geordnete Kette statt zweier paralleler Korrelate: KI-Kompetenz bezog sich auf Vertrauen in das Werkzeug (beta = 0.50), Vertrauen auf akademische Selbstwirksamkeit (0.48), und Selbstwirksamkeit auf anhaltende Nutzung, mit signifikantem seriellen indirektem Effekt (0.07, 95% CI [0.04, 0.10]). KI-Angst schwächte den Kompetenz-zu-Vertrauen-Link (Interaktion beta = -0.25, einfache Steigungen fallend von 0.76 auf 0.25 über den Angstattbereich), sodass dasselbe Wissen bei ängstlicheren Studierenden weniger Vertrauen und weniger Nutzung erkaufte. Vertrauen ist daher ein nachgelagertes Glied in der Kette statt ein Startpunkt.

Der Angstpfad, über den KI-gestützte Praxis mit Bereitschaft zusammenhängt, kann sich mit Vertrauen umkehren statt zu verblassen: Der bedingte indirekte Zusammenhang fiel von 0.142 bei geringer Sprech-Selbstwirksamkeit auf 0.044 beim Mittelwert und −0.054 bei hoher, ein Effekt, der in einem kleinen oberen Rand konzentriert war (Wang & Li (2026)).

  • Profile akademischer Selbstwirksamkeit und wer nach KI greift: Suriá-Martínez et al. (2026) führten eine latente Profilanalyse akademischer Selbstwirksamkeit unter 102 Universitätsstudierenden mit motorischen Behinderungen in Spanien durch und fanden drei Profile (niedrig 29.4%, mäßig 41.2%, hoch 29.4%), deren berichtete KI-Nutzung stufenweise mit Profilniveau stieg (Mittelwerte 2.41, 3.56, 4.68; F(2, 99) = 27.84, p < .001, eta squared = .36), wobei Exzellenz, die Planungs- und Zielsetzungsdimension, am stärksten mit KI-Nutzung verbunden war (beta = .47). Die Autoren lesen dies als Gerechtigkeitsproblem: Wenn Vertrauen mit Inanspruchnahme verläuft, können Studierende mit geringerer Selbstwirksamkeit am wenigsten geneigt sein, nach KI-Unterstützung zu greifen, die Zugangs-Barrieren senken könnte, weshalb Unterstützung akademischer Selbstwirksamkeit in Inklusions-Frameworks gehört.
  • KI-Nutzungsmuster und Selbstwirksamkeit: Stamatoulis et al. (2026) fanden, dass die Nutzung generativer KI zur Unterstützung des Verständnisses (evaluative Integration) in ihrem Zusammenhang mit Leistung vollständig durch akademische Selbstwirksamkeit mediiert war — verständnisorientierte KI-Nutzung baut Vertrauen auf —, wohingegen Abkürzungsnutzung (Aufnahme mit geringer Verifikation) schlechtere Ergebnisse teilweise unabhängig von Selbstwirksamkeit vorhersagte. Selbstwirksamkeit ist daher sowohl ein Pfad, über den produktive KI-Nutzung hilft, als auch ein Faktor, den Abkürzungsnutzung womöglich nicht aufbaut.
  • Attribution prägt, ob Wirksamkeit wächst. Erfolg der KI statt der eigenen Anstrengung zuzuschreiben begrenzt das Wachstum von Selbstwirksamkeit und verstärkt Abkürzungsmuster, sodass es mehr zählt, komplexe Aktivitäten in Schritte zu sequenzieren, in denen Studierende Fortschritt ihren eigenen Strategien zuschreiben, als das Werkzeug (Øby, 2026).
  • Robotik und praktisches Lernen: REMinds robotervermitteltes Rollenspiel baute die Selbstwirksamkeit von Kindern in der Intervention gegen Mobbing; Robotik und verkörpertes Lernen bauen generell Vertrauen auf, indem sie Aufgaben in beobachtbaren Ergebnissen verankern.
  • Kreative Selbstwirksamkeit bei Kindern: Niu et al. (2026) berichten, in einem systematischen Scoping-Review von 22 Primärstudien zu generativer KI mit Kindern von 6 bis 15 Jahren, dass Zugewinne an kreativer Selbstwirksamkeit mit divergentem Denken und narrativer Kreativität clustern, meist über Text-zu-Bild-Werkzeuge, die die Barriere zwischen Idee und Artefakt senken. Sie bleiben kurz davor, Wirksamkeit zu behaupten: die Designs sind heterogen, der Review führte keine kritische Bewertung durch, und das Korpus ist nahezu still zu behinderten, schlecht vernetzten und unterversorgten Lernenden, sodass kreatives Vertrauen ein Ergebnis ist, das berichtet wird zu steigen, statt eines, das das Feld bestätigt hat.
  • Selbstwirksamkeit von Lehrkräften: Forschung zu KI-Kompetenz von Lehrkräften untersucht, wie professionelle Entwicklung das Vertrauen von Lehrkräften im Umgang mit KI aufbaut, was Übernahme und Integration beeinflusst. Ismael, Luo & Li (2026) fügen quasi-experimentelle Belege hinzu, dass ein KI-gestütztes E-Mentoring-Modell die Selbstwirksamkeit und emotionale Intelligenz angehender EFL-Lehrkräfte während des Praktikums hebt: die Experimentalgruppe gewann bei beiden Maßen erheblich mehr als die Kontrollen, mit einer großen Zwischengruppen-Effektstärke und Zugewinnen über alle Selbstwirksamkeits-Subdomänen —, und die Autoren schreiben sie Mentoring zu, das innerhalb strukturierter reflexiver Zyklen KI-vermittelt ist, statt der KI allein.
  • Feedback und Vertrauen: KI-Feedback und Tutoring können Selbstwirksamkeit der Lernenden aufbauen, indem sie umsetzbares, unterstützendes Feedback liefern.
  • Empowerment im KI-Problemlösen: Zhu und Kong (2026) finden, dass das Empowerment der Studierenden beim Nutzen von KI zum Problemlösen die Beziehung zwischen empfundener projektbasiertem Lernen und Zufriedenheit mit einem KI-Kompetenz-Kurs mediiert. In ihrer SEM-Analyse von 1.027 Studierenden förderte PBL Bedingungen, die Studierende ermächtigten, KI zum Problemlösen zu nutzen, was wiederum die Kurszufriedenheit trieb — Beleg, dass das Aufbauen von Vertrauen und Fähigkeit der Studierenden mit KI ein zentraler Mechanismus wirksamer KI-Kompetenzbildung ist.

Selbstwirksamkeit verbindet sich mit Motivation, selbstreguliertem Lernen, Erleben der Studierenden, KI-Kompetenz, Handlungsfähigkeit und Bildungsrobotik. Selbstwirksamkeit aufzubauen ist ein zentraler Mechanismus, über den KI Engagement und Lernen stützt. Selbstwirksamkeit wird fast vollständig über Selbstauskunft gemessen, sodass ihre Zusammenhänge mit beobachtetem Verhalten die übliche Vorsicht verdienen.

  • AIGC-Selbstwirksamkeit als Angelpunkt zwischen Werkzeug und Lernen. Liang et al. (2026) finden, dass empfundene Affordanzen KI-generierter Inhalte AIGC-Selbstwirksamkeit heben (beta = 0.583), was dann die Pfade zu Lernmotivation (indirekter Effekt 0.329) und zu selbstreguliertem Lernen (0.145) mediiert, wobei der serielle Pfad Affordanz zu Selbstwirksamkeit zu Motivation zu Selbst-Regulation ebenfalls signifikant ist (0.173). Der Kontrast, der den Befund nützlich macht, ist, dass die Qualität von KI-Assessment-Feedback Selbstwirksamkeit nicht vorhersagte (beta = 0.131, n.s.), obwohl sie Zufriedenheit stark vorhersagte — Vertrauen mit dem Werkzeug wird aufgebaut, indem man es steuert, nicht indem man gute Ausgaben von ihm empfängt.
  • Kein Behandlungseffekt in einer semesterlangen RCT — Vertrauen stieg mit der Kurszeit: in Thoenis und Fryers (2026) randomisiertem Feldexperiment mit 454 Studierenden in einem Kurs zu Grundlagen des Marketings stieg Selbstwirksamkeit über das Semester für alle Studierenden (Zeiteffekt β = 0.099, p = 0.0009, Cohen's ƒ2 = 0.025), während weder der Gruppeneffekt (p = 0.1162) noch die Gruppe-×-Zeit-Interaktion (p = 0.5306, d = 0.023) signifikant war, sodass der RAG-Chatbot nichts hinzufügte. Vertrauenszugewinne in KI-gestützten Kursen können Kursprogression verfolgen statt das Werkzeug — ein Attributionsrisiko für ein Konstrukt, das das Feld fast vollständig über Selbstauskunft misst.
  • Vertrauen kann sich gegenläufig zum Verhalten bewegen. Im wettbewerbsorientierten Programmieren berichteten Studierende, die mit dem Wettbewerb aufhörten, höheres theoretisches Vertrauen als ihre aktiven Peers, zeigten aber signifikant schwächere Upsolving- und Peer-Kreis-Gewohnheiten (p < .001), sodass ein Selbstwirksamkeitssignal allein ein Frühwarnsystem in die Irre führen wird (Ruhan et al. (2026)).
  • Vertrauen kann steigen, während die Fähigkeit dahinter sinkt. Unter Universitätsstudierenden hob häufige generative-KI-Nutzung empfundenes Vertrauen und empfundene Effizienz und erhöhte technologische Abhängigkeit bei denselben Lernenden, sodass ein während KI-gestützter Arbeit erhobener Selbstwirksamkeitswert in dem Moment hoch lesen kann, in dem die zugrunde liegende Fähigkeit erodiert (Yan et al., 2025).
  • KI-Nutzung ritt mit Vertrauen, aber Vertrauen sagte Anwesenheit nicht vorher. In einer PLS-SEM-Befragung von 291 portugiesischen Studierenden war allgemeine KI-Nutzung positiv mit Selbstwirksamkeit für unabhängiges Lernen verbunden (β = 0.266, f² = 0.106). Das Konstrukt wurde als formativer zweitordnender Composite der vier Quellen Banduras modelliert — Mastery-Erfahrung, stellvertretende Erfahrung, verbale Überzeugung und emotionaler Zustand. Selbstwirksamkeit sagte ihrerseits Absentismus nicht vorher (β = −0.068, p = 0.276), obwohl KI-Nutzung separat mit höherem Absentismus verbunden war (β = 0.148, f² = 0.029). Der Pfad KI-Nutzung → Selbstwirksamkeit war unter männlichen Studierenden signifikant stärker als unter weiblichen (β = 0.449 gegenüber 0.159; Δβ = −0.289, p = 0.013), unter partieller Messinvarianz (Franco et al. (2026)).
  • Offene KI-Designaufgaben sortieren Studierende nach vorher bestehendem Vertrauen. Zangari et al. (2026) fanden, dass Leistungs-Selbstachtung in einem Kurs, in dem 345 Studierende je einen konversationellen Agenten bauen, der eine Peer-Person lehrt, mit Extraversion korrelierte (r = 0.262, p < 0.001), und dass weibliche Studierende signifikant geringere Selbstachtung berichteten als männliche Peers (Kruskal-Wallis H(2) = 9.87, p < .005). Die Designfolgerung, die die Autoren ziehen: Offene, konversationelle kreative Aufgaben begünstigen die bereits Zuversichtlichen, deshalb sollten „offene Designaufgaben ausreichendes Gerüst enthalten, um Leistungsselbstachtung gerecht über alle Persönlichkeitstypen hinweg aufzubauen" —, eine Vorsicht, die besagt, dass von Studierenden geschaffene Artefaktaufgaben Vertrauenslücken weiten statt schließen können, wenn Gerüstbau nicht absichtsvoll ist.
  • Selbstwirksamkeit interagiert mit Formatpräferenz, nicht nur mit Ergebnissen. Eine ausgeglichene Within-Subject-Studie (97 Neuntklässlerinnen und Neuntklässler; inhaltsgleiche tutor- gegenüber papierbasierte Übung von Graphinterpretation und -konstruktion) fand, dass tutorbasierte Übung Papier insgesamt besiegte (t(62.30) = 2,38, p = .020), und — kontraintuitiv — geringere Baseline-Selbstwirksamkeit größere Zugewinne in beiden Formaten vorhersagte (t(98.40) = −2,14, p = .035). Die interessante Struktur ist eine signifikante Drei-Wege-Interaktion Selbstwirksamkeit × Präferenz × Format (t(99.84) = −2,58, p = .011): Unter Studierenden mit geringer Selbstwirksamkeit sagt Präferenz gegenüber dem Tutor größere Zugewinne speziell in Tutorübung vorher. Ein ernüchternder Nullwert für die Annahme, dass Tutorübung sich motivational selbst verstärke: ITS-Übung verbesserte die Selbstwirksamkeit nach dem Training nicht signifikant gegenüber Papier —, zurückgeführt auf die kurze Intervention (zwei ~40-minütige Sitzungen). Das praktische Signal: Baseline-Selbstwirksamkeit und Technologiepräferenz sind günstige, handlungsleitende Eingaben für Formatzuweisung; Tutorübung nutzt bestehende Präferenz, statt sie zu erzeugen. (Self-efficacy and favorability shape learning from tutoring systems and paper practice)

Verbundene Konzepte

Verbundene Artikel

Verknüpfte FAQs

Metadaten

ZielgruppeLearners
Lernen und UnterrichtLernmotivation, Selbstwirksamkeit, Selbstreguliertes Lernen
Assessment und MessungLeistungsbeurteilung
Grundlagen von KI in der BildungKI-Kompetenz
SourceHistoryEditChat

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.