Selbstreguliertes Lernen ist entscheidend für die Entwicklung der Fähigkeit, lebenslang zu lernen, für kritisches Denken und akademische Resilienz. Im Fach Mathematik sind Selbstregulationsfähigkeiten besonders wichtig, etwa wenn Lernende in Selbstlernphasen ohne unmittelbare Unterstützung der Lehrkraft eigenständig Aufgaben bearbeiten.
Adaptive digitale KI-Tools bieten dabei sowohl Chancen als auch Herausforderungen für die Entwicklung von Selbstregulierungsfähigkeiten: Sie könnten die Fähigkeit der Schüler:innen zur eigenständigen Regulation untergraben, indem sie die Abhängigkeit von algorithmischer Anleitung fördern; zugleich könnten sie diese Fähigkeit durch personalisierte Unterstützung stärken. Bezüglich Mathematiklernen eröffnen KI-Tools die Möglichkeit, elaboriertes mathematisches Feedback zu geben, auf konkrete Fehlvorstellungen der Schüler:innen einzugehen und Aufgaben adaptiv an das Verständnisniveau und das Interesse der Lernenden anzupassen.
Vor diesem Hintergrund stellt sich die Frage: Wie viel und welche Art von adaptiver Unterstützung im Vergleich zu eigenständiger Selbstregulierung benötigen einzelne Schüler:innen in unterschiedlichen Phasen des mathematischen Lernens?
