Theorien und Rahmenwerke

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

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

Theorien und Rahmenwerke — das Arbeitsinventar der Erklärungs- und Organisationsstrukturen, die diese Wissensbasis tatsächlich nutzt. Theorien erklären, warum Lernen geschieht (Lerntheorien, Selbstbestimmungstheorie, soziokulturelles Lernen, Aktivitätstheorie); Rahmenwerke organisieren Design-, Lehr- und Übernahmeentscheidungen (TPACK, SAMR, Technologieakzeptanzmodelle, ICAP, Universal Design for Learning); Modelle machen Lernbehauptungen testbar und rechnerisch (Item-Response-Theorie, Validität von Assessments, Knowledge Tracing). Nutzen Sie diese Seite, um die Linse zu finden, auf der eine Studie ruht, oder um eine für Ihre eigene Arbeit auszuwählen.

Fragen zum Nachdenken

Eine Theorie sagt vorher, was geschieht, wenn sich etwas verändert; ein Rahmenwerk sagt Ihnen, worauf Sie achten sollen. Wenn eine Studie einen Gewinn unter dem Banner eines Rahmenwerks berichtet, aber keine Vorhersage macht, die hätte scheitern können, was wurde tatsächlich gelernt?
TPACK, SAMR, UDL, die Adoptionsmodelle und ICAP gehen alle großen Sprachmodellen voraus. Welche Teile von ihnen halten noch, wenn das Werkzeug von selbst schreiben, erklären und anpassen kann, und wie würden Sie das feststellen?
Mehrere der unten katalogisierten Theorien wurden für KI in den letzten Jahren geprägt. Was bräuchte es, damit eine von ihnen falsch ist, und hat irgendjemand versucht, das zu zeigen?
Übernahme wird oft als Bewegung durch Stadien berichtet. Wenn eine Kollegin berichtet, dass ihr Kurs dieses Jahr „von Substitution zu Redefinition" gewechselt ist, welche unabhängige Evidenz würden Sie einfordern, bevor Sie es glauben?
Viel dieses Felds wendet geborgte Theorie an, statt sie zu testen. Wählen Sie einen Befund, auf den Sie sich stützen: könnte er als Test einer Theorie umgerahmt werden, und welche Messung würde das erfordern?

Einführung

Jeder KI-Tutor, jedes Feedbacksystem und jedes Dashboard bettet Annahmen darüber ein, wie Menschen lernen, ob die Gestaltenden sie aussprechen oder nicht. Diese Seite sammelt die Theorien, Rahmenwerke und Modelle, aus denen jene Annahmen stammen, lose geordnet danach, wie viel der gegenwärtigen Forschungsliteratur auf ihnen ruht, und sagt kurz, wofür jede taugt. Die Unterschiede zwischen den drei Labels sind real, aber gering, und sie werden am Ende zusammengefasst statt als Gegenstand behandelt. Was praktisch zählt, ist, auf welcher Linse eine Behauptung ruht, und ob jene Linse die Behauptung stützen kann.

Lerntheorien, die die Literatur anwendet

Diese erklären Mechanismen: sie benennen die Teile, die die Arbeit tun, und sagen vorher, was folgt, wenn jene Teile sich verändern. In der KI-Literatur sind sie meist aus der Psychologie und den Lernwissenschaften geborgt und als interpretative Rahmen rund um ein neues Werkzeug genutzt.

Lerntheorien (Überblick) — die Familie als Ganzes, einschließlich der klassischen Pole Behaviorismus und Konstruktivismus und der Lücke „Konstruktivismus dem Namen nach, Behaviorismus in der Praxis", die in KI-Umsetzungen wiederkehrt. Konnektivismus und kognitive Lasttheorie sind hier auch abgedeckt.
Konstruktivismus — Lernen als aktive Wissenskonstruktion. Er untermauert projektbasierte Arbeit, dialogbasiertes KI-Tutoring, und die Kritik, dass Drill-and-Feedback-Systeme ihre eigene erklärte Pädagogik verletzen.
Soziokulturelle Theorie — Lernen als durch Werkzeuge und soziale Interaktion vermittelt, weshalb KI als vermittelndes Artefakt statt als bloße Hilfe theorisiert wird.
Aktivitätstheorie — nimmt das gesamte Aktivitätssystem, Widersprüche eingeschlossen, als Analyseeinheit. Verbreitet in lehrkraftseitigen KI-Studien, wo der interessante Befund meist die Spannung zwischen Werkzeugen, Regeln und Gemeinschaft ist.
Situiertes Lernen und verkörpertes Lernen — Lernen als an Kontext und Körper gebunden, das Gegengewicht zur Behandlung von KI als rein sprachliches Medium.
Verteilte Kognition — Denken, verteilt über Personen und Artefakte, was KI-Unterstützung als Umverteilung kognitiver Arbeit statt als Substitution dafür rahmt.
Community of Inquiry — die sozialen, kognitiven und lehrenden Präsenzen, die eine Online-Erfahrung funktionieren lassen; eine Theorie der Erfahrung und ein Designrahmen zugleich.
Selbstbestimmungstheorie — Autonomie, Kompetenz und Verbundenheit als motivationale Vorbedingungen. Oft die angebotene Erklärung, wenn KI-Nutzung Engagement erhöht, ohne Lernen zu erhöhen.
Kognitivismus — Informationsverarbeitung, Arbeitsgedächtnis und die Divergenz zwischen dem Gefühl des Lernens und tatsächlichem Lernen.

Modelle der lernenden Person und des Lernprozesses

Selbstreguliertes Lernen — das eigene Lernen planen, überwachen und bewerten. Das Arbeitspferd-Konstrukt für die Frage, ob KI-Unterstützung die Phasen erreicht, die zählen, oder nur Ausführung.
Metakognition — über das eigene Denken nachdenken, und das Konstrukt, das am häufigsten benannt wird, wenn KI beschuldigt wird, das Denken für Studierende zu tun.
Motivation — warum Lernende sich engagieren, und das Konstrukt, das Engagement von Lernen in KI-Studien trennt.
Selbstwirksamkeit — Glaube an die eigene Fähigkeit, verschieden von Kompetenz, und ein häufiger Mediator zwischen KI-Nutzung und Ergebnissen.
Handlungsfähigkeit — wer die Arbeit steuert: das Konstrukt hinter der Kontrolle-gegen-Autonomie-Spannung des Felds, und hinter dem delegierte-Handlungsfähigkeit-Mechanismus in der neuesten Theorie.
Wünschenswerte Schwierigkeiten, Abruf, Spacing und Interleaving und Refutationstexte — Befunde, die Reibung pädagogisch wertvoll machen, angewandt auf Entscheidungen darüber, wie viel eine KI tun sollte.
Lerntransfer — ob Fähigkeit anhält, sobald Unterstützung entzogen wird, was jüngste Theorie als das Kriterium behandelt, das Lernen von Unterstützung trennt, statt als ein Ergebnis unter mehreren.

Lehr-, Integrations- und Übernahmerahmenwerke

TPACK — das Lehrkraftwissen, das Technologie, Pädagogik und Inhalt verschmilzt; das Standardrahmenwerk für lehrkraftseitige KI-Studien.
Adoptionsmodelle — Absicht als Funktion von wahrgenommener Nützlichkeit und Nutzungsleichtigkeit. Weit genug genutzt, dass das Vertrauen des Felds auf Absicht statt auf Verhalten eine stehende Kritik ist.
ICAP — ordnet Engagement als passiv, aktiv, konstruktiv, interaktiv; nützlich, um zu fragen, welchen Modus eine KI-Interaktion tatsächlich ermöglicht.
SAMR — Substitution bis Redefinition. Populär als Reifegeschichte, schwach als Messinstrument.
Universal Design for Learning, inklusives Lernen und Barrierefreiheit — Designrahmen dafür, wer bedient wird, und diejenigen, die am häufigsten in Behinderungs- und Gerechtigkeitsarbeit herangezogen werden.
Lerndesign, Curriculum-Design und Design Thinking — wie Aufgaben, Sequenzen und Programme strukturiert werden, bevor ein Werkzeug gewählt wird.
Change-Management — ob ein System überhaupt angenommen wird, was meist eine institutionelle Frage statt einer pädagogischen ist.

Mess- und Rechenmodelle

Item-Response-Theorie — Item- und Fähigkeitsschätzung, und das Modell, das die Zahlen eines Tests interpretierbar macht.
Bildungsmessung — die Instrumentlandschaft, einschließlich der spezifisch für KI-Kompetenz gebauten Maße.
Validität — ob ein Instrument das Konstrukt misst, das es behauptet, was entscheidet, ob ein berichtetes Ergebnis die daran geknüpfte theoretische Behauptung stützt.
Selbstauskunftsmaße — die dominante und fragilste Evidenzquelle in dieser Literatur; mehrere Konstrukte oben sind dafür bekannt, zwischen Selbstauskunft und Leistung stark auseinanderzugehen.
Knowledge Tracing und Modellierung von Lernenden — den Zustand einer lernenden Person über die Zeit aus Interaktionsdaten schätzen.
Kognitive Diagnose — Leistung spezifischen Fähigkeitskomponenten zuschreiben, das Modellierungsgegenstück zu diagnostischem Lehren.
Benchmarks, Evaluation von KI in der Bildung und psychometrisches Bewusstsein im KI-Design — wie Systeme und Interventionen bewertet, verglichen und geprüft werden.
Designbasierte Forschung — die Methode, die Theorie aus gestalteten Interventionen generiert, statt sie im Voraus zu testen.

Theorien, die für das KI-Zeitalter geprägt wurden

Vier Vorschläge in der Wissensbasis bauen Theorie, statt sie zu borgen. Sie sind Artikelseiten statt Konzeptknoten, weil jeder ein einzelnes Argument ist:

Generativismus — eine neue Lerntheorie, die argumentiert, dass die klassischen vier signifikante konzeptuelle Grenzen zeigen, während generative KI sich ausbreitet.
Epistemische Ko-Handlungsfähigkeit — ein Modell, wie Lernende und KI-Systeme gemeinsam Wissen und Verstehen produzieren.
Die abwesende kognitive Baseline — theorisiert, warum KI-native Lernende ihr eigenes Lernen überschätzen, wenn KI Leistung aufbläht.
Agentivismus — eine Mid-Range-Theorie, die vier Mechanismen benennt (delegierte Handlungsfähigkeit, epistemische Überwachung und Verifikation, rekonstruktive Internalisierung und Transfer bei reduzierter Unterstützung) und sechs testbare Propositionen aufstellt.

Die drei Labels auseinanderhalten

Die Wörter werden in der Literatur lose genutzt, und der Unterschied ist einen Absatz wert statt eine ganze Seite:

Eine Theorie erklärt einen Mechanismus und sagt vorher, was geschieht, wenn sich ihre Teile verändern. Sie kann scheitern, weshalb Studien, die eine testen, Effektstärken berichten können.
Ein Rahmenwerk organisiert oder schreibt vor. Es benennt die Komponenten, auf die man achten soll, meist ohne Beträge vorherzusagen, und es kann nicht falsifiziert werden.
Ein Modell ist eine formale Repräsentation, meist von Messung oder vom Zustand der lernenden Person. Es kann angepasst, verglichen und in einer Weise falsch gezeigt werden, wie ein Rahmenwerk es nicht kann.
Die Labels überlappen. Community of Inquiry ist Theorie und Designrahmen zugleich; Aktivitätstheorie ist erklärend und analytisch. Behandeln Sie das Label als Hinweis darauf, was eine Quelle behauptet, nicht als Ablagekategorie.

Eine Linse wählen, wenn die Frage praktisch ist

Lehrende, die von einem Problem ausgehen, können rückwärts arbeiten: wenn Lernende sich nicht engagieren, benennen ICAP und SDT verschiedene Ursachen und legen verschiedene Lösungen nahe; wenn die Frage ist, ob ein Werkzeug überhaupt übernommen wird, stellen Adoptionsmodelle und SAMR verschiedene Fragen darüber.
Lerndesignende bekommen am meisten aus den Designrahmen — UDL, Lerndesign und Scaffolding —, gepaart mit einer Theorie, die vorhersagt, was geschieht, wenn das Gerüst entfernt wird.
Forschende sollten angeben, welchen Knoten eine Studie behauptet, und ob das Design sie tatsächlich testen kann; die Messmodelle (IRT, Validität, Selbstauskunft) entscheiden, ob ein berichtetes Ergebnis jene Behauptung stützt.
Administration begegnet diesen Rahmenwerken als Übernahme- und Veränderungsfragen, wo ein Stadienmodell oft als Reifegeschichte statt als Instrument genutzt wird.

Was Rahmenwerke nicht können

Rahmenwerke sind keine Evidenz. Sie sind meist aus Vor-LLM-Kontexten geborgt und von demjenigen lokalisiert, der sie anwendet, sie können als Branding funktionieren, und Stadienmodelle laden zu Kontrollkästchen-Übernahme ein, die Bewegung durch Ebenen statt Lernen berichtet. Behauptungen, die auf einem Rahmenwerk ruhen, sollten neben den übergreifenden Grenzen des Felds, der Validität dessen, was das Ergebnis maß, und den bekannten Grenzen von Selbstauskunft gelesen werden.

Mechanismus-zu-Theorie-Ausrichtung kann dennoch entscheidend sein: eine thematische Synthese von 55 KI-unterstützten Spielbasiertes-Lernen-Studien fand, dass Wirksamkeit davon abhing, ob der KI-Mechanismus die Pädagogik umsetzte, der er dienen sollte, statt von algorithmischer Ausgefeiltheit (Kaşarcı und Yurt (2026)).

Verbundene Konzepte

Theorieentwicklung in der KI in der Bildung — Theorie im Feld bauen und revidieren
Philosophie von KI in der Bildung — die normative und konzeptuelle Schicht
Lerntheorien — der Überblick für Lerntheorie
Lernwissenschaften — das benachbarte Feld, aus dem die meiste Theorie geborgt ist
Grenzen der AIED-Forschung — was die Evidenzbasis stützen kann und was nicht
Technologisches pädagogisches Inhaltswissen (TPACK) — Lehrkraftwissen-Rahmenwerk
Technologieadoptionsmodelle — Übernahmerahmenwerke
Item-Response-Theorie — ein Messmodell
Universelles Design für das Lernen (UDL) — ein Designrahmenwerk
Forschungsmethoden in der AIED — wie Theorie getestet wird

Verbundene Artikel

Effectiveness of AI-Supported Game-Based Learning: A Systematic Review of Outcomes, Challenges, and Future Directions — Mechanism-to-theory alignment, not algorithmic sophistication, drove effectiveness in 55 AI game-based learning studies
The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — four decades of AIED through the AI×Ed framework
Educating minds with generative AI — theory-heavy synthesis of generative AI and learning
An Activity-Theoretical Approach to Teacher Professional Development in Pedagogical AI Agent Design — activity theory applied to teacher professional development
Activity theory as a lens on teachers' adoption of AI technologies: A structural equation modeling — activity theory and teacher adoption
Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence — a learning theory proposed for the generative AI era
Learning with machines: Toward a theory of epistemic co-agency — toward a theory of epistemic co-agency
The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — theorizing a structural gap in AI-native students' self-assessment
Agentivism: a learning theory for the age of artificial intelligence — a mid-range learning theory for human-AI interaction
Measuring Artificial Intelligence Literacy: A Systematic Review of Instrument Development, Conceptual Foundations, and Psychometric Quality — instrument development across a young construct
Control vs. Agency: Exploring the History of AI in Education — the field's foundational control-versus-agency tension

Metadaten

Lernen und Unterricht	Lerntheorien
Assessment und Messung	Validität von Assessments, Item-Response-Theorie
Forschungsmethoden und Evaluation	Forschungsmethoden in der AIED
Grundlagen von KI in der Bildung	KI in der Bildung, Theorieentwicklung in der KI in der Bildung, Philosophie von KI in der Bildung

Source History Edit Chat