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

Sozial-emotionales Lernen

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.

Sozial-emotionales Lernen (SEL) — der Prozess, die Kompetenzen zu entwickeln, die es Individuen ermöglichen, Gedanken, Emotionen und Handlungen zu synchronisieren, um positive Interaktionen mit sich selbst und anderen zu fördern: Selbstwahrnehmung, Selbststeuerung, soziale Wahrnehmung, Beziehungsfähigkeiten und verantwortungsvolle Entscheidungsfindung (das CASEL-Framework). In der KI in der Bildung wird SEL zunehmend als kritisch erkannt, weil die rasche Integration generativer KI in das Lernen Fragen zum Wohlbefinden, zur Soziabilität, Empathie und zum Vertrauen der Studierenden aufwirft – und weil technische KI-Kompetenz allein unzureichend ist, um in KI-vermittelten Lernumgebungen zu navigieren.

Fragen zum Nachdenken

  • Das CASEL-Framework listet fünf Kompetenzen auf – Selbstwahrnehmung, Selbststeuerung, soziale Wahrnehmung, Beziehungsfähigkeiten und verantwortungsvolle Entscheidungsfindung. Welche davon, glauben Sie, könnte ein KI-Tutor unterstützen, und welche vermuten Sie, kann er nicht?
  • Die Seite unterscheidet sozial-emotionales Lernen von emotionaler Intelligenz. Wie würden Sie den Unterschied vor der weiteren Lektüre beschreiben, und warum könnte die Unterscheidung dafür zählen, wie Schulen sich ihnen nähern?
  • Wenn technische KI-Kompetenz allein „unzureichend" ist, um in KI-vermitteltem Lernen zu navigieren, was, glauben Sie, fehlt –, und was impliziert das dafür, wie Sie Studierende (oder sich selbst) vorbereiten?
  • Wie könnte starke Abhängigkeit von KI die Soziabilität, Empathie oder das Vertrauensgefühl einer oder eines Studierenden umformen –, und sind diese Veränderungen etwas, wofür Bildung aktiv gestalten sollte?
  • Die Forschung legt nahe, SEL stütze die relationalen Dimensionen des Lernens, die KI „ergänzen statt ersetzen muss". Wo haben Sie gesehen, dass Technologie eine menschliche Beziehung stärkte, und wo stillschweigend für eine einsprang?

Einführung

Sozial-emotionales Lernen ist eng verwandt mit, aber unterschieden von emotionaler Intelligenz (EI): SEL/SEC (sozial-emotionale Kompetenzen) umfasst die Fähigkeit, Gedanken, Emotionen und Handlungen für positive Interaktionen zu synchronisieren, während EI die Fähigkeit eines Individuums ist, emotionale Information zu verarbeiten (konzeptualisiert durch Fähigkeitsmodelle – Schlussfolgern und Problemlösen – oder durch Eigenschaftsmodelle – emotionale Dispositionen und Verhaltensweisen). In der KI-Ära zählt SEL, weil KI Lernen auf Weisen umformen kann, die die relationale und emotionale Entwicklung von Studierenden beeinflussen, und weil Lehrende sowohl technologische Fähigkeit als auch emotionale Intelligenz brauchen, um Lernende wirksam zu unterstützen.

Wie SEL in der Forschung erscheint

  • SEC in KI-Kompetenz integrieren: Der narrative Review von Palmquist et al. schlägt einen integrierten Rahmen vor, der KI-Kompetenz mit sozial-emotionalen Kompetenzen kombiniert, und argumentiert, dass technische Profizienz allein unzureichend ist – Lehrende und Studierende brauchen sowohl technologische als auch emotionale Intelligenz, um in KI-vermittelten Lernumgebungen zu navigieren, und fördern personalisiertes Lernen, Kollaboration und ethisches Engagement.

  • Lehrkräfte und relationale Praxis: Forschung zu KI-Kompetenz-Rahmen und Vertrauen zwischen Lehrkraft und Studierenden betont, dass SEL die relationalen Dimensionen des Lernens stützt (Beziehungen zwischen Lehrkraft und Studierenden und zwischen Studierenden), die KI ergänzen statt ersetzen muss.

  • Was ein pädagogischer Agent in SEL tragen kann und was nicht. Über 108 verblindet bewertete Beobachtungen hinweg war ein generativer KI-pädagogischer Agent konsistenter als Lehrende darin, respektvollen Ton und routinemäßiges prozedurales Scaffolding aufrechtzuerhalten, während Lehrende ihn beim Anleiten von Reflexion und beim Fördern sozial-emotionalen Wissens übertrafen – was eine Arbeitsteilung stützt, nicht Substitution (Raave et al., 2026).

  • Wohlbefinden und affektive Wirkung von KI: Forschung untersucht, wie der zunehmende Einsatz generativer KI die sozio-emotionalen Fähigkeiten, das Wohlbefinden, die Soziabilität und das Vertrauens- und Empathiegefühl der Studierenden beeinflusst – Besorgnisse, die den Aufruf der OECD zu KI-Kompetenz motivierten, verankert in humanistischen, sozialen und emotionalen Werten.

  • Affektive Dimensionen von KI: SEL verbindet sich mit Forschung zu affective computing und Wohlbefinden und untersucht, wie KI-Systeme emotionales und relationales Lernen stützen oder untergraben können.

  • Politikdefizit in KI × SEL: Ein systematischer Review von 65 Papieren an der KI-SEL-Schnittstelle (Tran, Liu & Nguyen 2026) findet ein substantielles „Politikdefizit": fast drei Viertel der Studien nennen keine Politikimplikationen, und die wenigen, die es tun, ermangeln oft aktorspezifischer Anleitung. Der Review verbindet Politik-Engagement mit Publikationsort und warnt vor einer „techno-solutionist"-Falle, in der technisches Potenzial in den Vordergrund gestellt wird, während die institutionellen Bedingungen verantwortungsvoller Implementierung unterbestimmt bleiben. Er schlägt einen „WH-Fragen"-Rahmen vor (Who, What, Why, When/Where, How), um von „Implication-as-Afterthought" zu „Implication-as-Methodology" zu gelangen, und verbindet KI-für-SEL-Innovation mit Bildungspolitik und Governance.

Mögliche Unterthemen von SEL in der Forschung der KI-Ära

Die Forschung der Wissensbasis clustert SEL in mehrere verschiedene Unterthemen, jedes mit eigener Evidenzbasis:

Selbstwirksamkeit und Konfidenz

Eine zentrale SEL-Kompetenz (Selbstwahrnehmung/Selbststeuerung), die stark bedingt, wie Studierende mit KI interagieren. Studentische Abhängigkeit von KI (478 israelische HE-Studierende) fand, dass während fähigkeitsbasierte KI-Kompetenz-Dimensionen positiv mit KI-Abhängigkeit assoziiert waren, sowohl akademische als auch KI-spezifische Selbstwirksamkeit und Anstrengungs-Regulation negativ assoziiert waren –, was bedeutet, dass KI-Kompetenz allein nicht gegen Abhängigkeit schützt; Selbstwirksamkeit tut es. Cen et al. (EC-TEL 2026) fanden, dass Studierende mit geringerer Baseline-Selbstwirksamkeit unabhängig vom Übungsformat größere Lernzuwächse erzielten, und dass Präferenz für den Tutor für tutor-basiertes Üben mehr zählte –, was den Wert unterstreicht, Übung auf motivationale Profile zuzuschneiden. Verbundene Konzepte: Selbstwirksamkeit, Motivation, Handlungsfähigkeit.

Motivation und der „KI-Verfügbarkeit"-Effekt

Motivation schneidet sich mit SELs verantwortungsvoller Entscheidungsfindung und Selbststeuerung. Forschung zu KI-Verfügbarkeit und studentischer Motivation und Motivation und Selbstwirksamkeit von Studierenden und Lehrkräften zeigt, dass die bloße Verfügbarkeit von KI die motivationale Orientierung und die wahrgenommene Anstrengung der Studierenden umformen kann – relevant dafür, wie KI intrinsische Motivation untergraben oder stützen könnte. Selbstwirksamkeitsforschung rahmt Anstrengungsregulation als Gegengewicht zu KI-Abhängigkeit.

Emotionsregulation und affektive Unterstützung

Emotionsregulation ist eine Schlüssel-SEL-Kompetenz mit direkten Lernfolgen und bildet eine direkte SEL→Leistung-Verbindung. Affective-Computing-Werkzeuge wie MathBuddy modellieren studentische Emotionen, um pädagogische Antworten zu formen, und KI-gestützte Campus-Wohlbefinden-Werkzeuge (z. B. PsychoGPT, AURA) umspannen Prävention und Intervention.

Scham, Schuld und emotionale Reaktionen auf KI-Nutzung

Emotionen regulieren, wie Studierende KI-Nutzung sichtbar machen. „Stuck in a Spiral" (19 Informatik-Studierende) fand, dass Scham und Schuld als soziale Regulatoren der KI-Nutzung wirken, Verbergensverhalten und selektive Offenlegung antreiben und Zyklen reduzierter Handlungsfähigkeit erzeugen. KI-Angst kann in strategische Regulation von KI als Lernressource transformiert werden. Diese verbinden SELs soziale Wahrnehmung und Selbststeuerung mit akademischer Integrität und verantwortungsvoller KI-Nutzung.

Vertrauen und Zugehörigkeit

SEL stützt relationales Lernen und sozialen Zusammenhalt. Principled AI education und KI-Chatbots für kollaboratives Lernen verbinden sich mit Zugehörigkeit und kollektiver Wirksamkeit – der geteilten Überzeugung in die Fähigkeit eines Teams, Aufgaben zu bewältigen. Das Premortem von Brookings betont, dass Überabhängigkeit von KI sozial-emotionales Wohlbefinden, Beziehungen zwischen Lehrkräften und Peers sowie Datenschutz/Sicherheit der Studierenden bedroht – Dimensionen von Zugehörigkeit und Verbundenheit. Vertrauen zwischen Lehrkraft und Studierenden ist zentral dafür, ob KI als unterstützend wahrgenommen wird.

Persistenz, Mindset und produktiver Kampf

SEL überlappt sich mit der anstrengungsvollen Dimension des Lernens. Framing the 5% problem identifiziert geringe studentische Persistenz als wiederkehrende Herausforderung in der Bildungstechnologie, geprägt von Motivation/Zustimmung, kognitiven Straßensperren, Resilienz unter Herausforderung und Verbindung. Favero et al. warnen, dass KI, die für Anstrengung einspringt, genau die Kapazitäten erodiert, die Bildung aufbaut –, was sich an Metakognition und dem Wert produktiven Kampfs gegenüber Überabhängigkeit ausrichtet.

Implikationen für Lehrende und Instruktionsdesign

  • SEL als erstklassiges Designziel behandeln, nicht als Zusatz. Sozial-emotionale Kompetenzen in KI-Kompetenz-Curricula integrieren (gemäß Palmquist et al.), damit Studierende nicht nur wie lernen, KI zu nutzen, sondern wann und warum –, mit Aufmerksamkeit für ihre eigenen Emotionen, Anstrengung und Beziehungen.
  • Für Selbstwirksamkeit und Handlungsfähigkeit gestalten. Weil fähigkeitsbasierte KI-Kompetenz Abhängigkeit erhöhen kann, während Selbstwirksamkeit und Anstrengungsregulation dagegen schützen, sollte Instruktion absichtlich Konfidenz und Selbststeuerung der Studierenden neben technischer Fähigkeit aufbauen – z. B. gescaffoldete Übung, Erfolge mit niedrigem Einsatz und Prompts, die von Studierenden verlangen, KI-Ausgabe zu verifizieren und sich zu eigen zu machen.
  • KI nutzen, um relationales Lernen zu stützen, nicht zu verdrängen. KI-Werkzeuge sollten Beziehungen zwischen Lehrkraft und Studierenden und zwischen Studierenden ergänzen, und Lehrende sollten die relationale Rolle behalten – Affekt und Zugehörigkeit überwachen –, statt sie vollständig zu delegieren.
  • Emotionsbewusstes und affektsensitives Design. Affektbewusste Systeme können emotionale Zustände erkennen und darauf reagieren (Angst, Frustration, Verwirrung), aber Evidenz zeigt, dass Vorteile nicht universell sind – moderiert durch Profizienz und Profil der lernenden Person –, deshalb muss emotionales Design zugeschnitten, nicht angenommen werden.
  • Die emotionale Seite der KI-Nutzung adressieren. Gegen Scham-/Schuld-Spiralen und KI-Angst gestalten, indem Diskussion von KI-Nutzung normalisiert, Transparenz gefördert und überwachungsbasierte Antworten reduziert werden, die Vertrauen und Handlungsfähigkeit erodieren.
  • Persistenz und produktiven Kampf unterstützen. Stützen statt einspringen (gemäß Favero et al.), damit KI anstrengungsvolles Lernen vertieft statt umgeht –, ausgerichtet an Metakognition und produktiver Schwierigkeit.
  • Die verbale Bewegung im Moment trainieren. SEL-Unterstützung wird tendenziell als Design oder als KI-Detektion von Affekt gerahmt, aber Lehrende brauchen auch, was sie sagen, wenn der emotionale Zustand einer oder eines Studierenden droht, Engagement zu beenden – diesen Zustand als etwas behandeln, mit dem in Echtzeit zu arbeiten ist, statt als Vorbedingung für Lernen. Parlants Praktikerleitfaden nennt diese emotionalen Mikro-Interventionen: kurze verbale Akte, die das Gefühl validieren, die Bewertung dahinter umrahmen und den Kampf mit professioneller Identität wiederverbinden, vorbereitet durch ein Vorklasse-Scouting-Ritual und ein wiederverwendbares Phrasenbuch, das generative KI der Lehrkraft beim Entwurf zur Personalisierung helfen kann.
  • SEL-Kompetenz der Lehrkräfte vorbereiten. Lehrende brauchen sowohl technologische Fähigkeit als auch emotionale Intelligenz (KI-Kompetenz von Lehrkräften); berufliche Weiterentwicklung von Lehrkräften sollte Kapazität aufbauen, SEL von Studierenden in KI-vermittelten Settings zu unterstützen.

Verbindungen zu Lernzuwächsen und anderen Maßen

  • Selbstwirksamkeit moderiert Zuwächse. Cen et al. fanden, dass Studierende mit geringerer Baseline-Selbstwirksamkeit die größten Lernzuwächse erzielten, und dass Tutor-Präferenz Zuwächse in tutor-basiertem Üben vorhersagte –, was zeigt, dass motivationale Profile prägen, wer von welchem Format profitiert.
  • Wohlbefinden und Engagement als Zwischenergebnisse. SEL-bezogene Ergebnisse (Motivation, Wohlbefinden, Zugehörigkeit, Engagement, Selbstwirksamkeit) fungieren oft als Mediatoren nachgelagerter Leistung, und KI-Forschung misst sie zunehmend neben –, in manchen Fällen statt – rohen Testpunktzahlen.
  • Effekte sind bedingt, nicht universell. Forschung warnt, dass SEL-orientierte Interventionen manchen Lernenden (nach Profil/Profizienz) helfen können und anderen nicht, deshalb sollten Behauptungen über SEL-basierte Lernzuwächse auf Moderatoreffekte geprüft werden.
  • Die Schadensseite des Buchs. Das Premortem von Brookings warnt, dass KI-getriebene Überabhängigkeit sozial-emotionales Wohlbefinden, Beziehungen und Zugehörigkeit bedroht – Ergebnisse, die, wenn erodiert, die Grundlagen langfristigen Lernens und langfristiger Leistung selbst untergraben können.

Verbindungen zu verwandten Konzepten

SEL verbindet sich mit KI-Kompetenz (als Komplement, das KI-Kompetenz relational und ethisch macht), affective computing und Wohlbefinden (den affektiven Dimensionen von KI), selbstreguliertem Lernen (Selbststeuerung und Anstrengungsregulation), Selbstwirksamkeit und Motivation (Lernendenüberzeugungen, die KI-Interaktion moderieren), Handlungsfähigkeit (Schutz der Steuerung durch Lernende gegen Abhängigkeit), Ethik (verantwortungsvolle Entscheidungsfindung), KI-Kompetenz von Lehrkräften (Kapazität der Lehrenden, SEL zu unterstützen), Erleben der Studierenden (Wohlbefinden und Zugehörigkeit) und Lernzuwächsen (der Evidenz, dass SEL Leistung stützt). Sie bezieht sich auf Hochschulbildung und K-12 als die Settings, in denen SEL-durchtränkte KI-Kompetenz kultiviert wird.

Verbundene Konzepte

Verbundene Artikel

Verknüpfte FAQs

Metadaten

NiveauHigher Ed
ZielgruppeLearners
Lernen und UnterrichtSelbstreguliertes Lernen, Wohlbefinden
Technologien und VerfahrenAffektives Computing
Gerechtigkeit, Ethik und verantwortungsvoller EinsatzEthik
Grundlagen von KI in der BildungKI-Kompetenz, KI-Kompetenz von Lehrkräften
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.