LEAD Forschungsnetzwerk

LEAD erforscht zentrale Fragen von Bildungsprozessen und trägt so dazu bei, eine verlässliche Grundlage für eine evidenzbasierte Bildungspolitik zu schaffen, die wissenschaftliche Erkenntnisse in ihre Entscheidungen einbezieht. LEAD bringt Wissenschaftlerinnen und Wissenschaftler aus unterschiedlichen Disziplinen zusammen, die mit unterschiedlichen Methoden und Ansätzen arbeiten. Zudem betrachten sie mehrere Faktoren, die für Bildungsprozesse wichtig sind, wie etwa Begabungen, Motivation, die soziale Herkunft, Unterrichtsqualität oder Lernmedien.

Zentrale Forschungsbereiche

1. Sprache & Bildung

3. Selbstreguliertes Lernen

5. Überprüfung wissenschaftlicher Theorien in der Praxis

2. Fachspezifische Lernprozesse

4. Lehren und Lernen mit digitalen Medien

Publikationen von LEAD Mitgliedern

Publikationen Quartal 4, 2024

von Keyserlingk, L., Lauermann, F., Yu, R., Li, Q., Rubach, C., Arum, R., & Heckhausen, J. (2025). Students’ study activities before and after exam deadlines as predictors of performance in STEM courses: A multi-source data analysis. Learning and Individual Differences. https://doi.org/10.1016/j.lindif.2024.102598

Kunz, K. (2024). The Association between Computational Thinking and Mental Models in Talented Children. Proceedings of the 24th Koli Calling International Conference on Computing Education Research. https://doi.org/10.1145/3699538.3699578  [Doctoral Consortium]

Marx, C., Roesch, S., Moeller, K., & Benz, C. (2024). From the whole to its parts – A systematic analysis of affordances for learning part-whole-relations in digital apps. International Electronic Journal of Mathematics Education, 20(1), em0802. https://doi.org/10.29333/iejme/15677

Roesch, S., Moeller, K., & Bahnmueller, J. (2024). Finger counting, finger number gesturing, and basic numerical skills: A cross-sectional study in 3- to 5-year-olds. Journal of Experimental Child Psychology, 242, 105892. https://doi.org/https://doi.org/10.1016/j.jecp.2024.105892

Bühler, B., Bozkir, E., Goldberg, P., Deininger, H., D'Mello, S., Gerjets, P., Trautwein, U., & Kasneci, E. (2024). Temporal dynamics of meta-awareness of mind wandering during lecture viewing: Implications for learning and automated assessment using machine learning. Journal of Educational Psychology. Advance online publication. https://doi.org/10.1037/edu0000903

Löber, S., Rudzewitz, B., Souto, D. V., Ribeiro-Flucht, L., & Chen, X. (2024). Developing a Web-Based Intelligent Language Assessment Platform Powered by Natural Language Processing Technologies. In Swedish Language Technology Conference and NLP4CALL (pp. 126-136). https://doi.org/10.3384/ecp211010

Orona, G., Eccles, J., Solanki, S., Copp, D., Dang, Q., Arum, R. (2025). The structure of adult thinking: A network approach to (meta)cognitive processing, Learning and Individual Differences, Volume 117, https://doi.org/10.1016/j.lindif.2024.102584.

Bardach, L., Röhl, S., Oczlon, S., Schumacher, A., Lüftenegger, M., Lavelle-Hill, R., Schwarzenthal, M., & Zitzmann, S. (2024). Cultural diversity climate in school: A meta-analytic review of its relationships with intergroup, academic, and socioemotional outcomes. Psychological Bulletin, 150(12), 1397–1439. https://doi.org/10.1037/bul0000454

Cramer, C., Brahm, T., Führer, C., Hapke, J. & Schweitzer, F. (2024). Zur Relevanz der Domäne für die Professionalität von Lehrpersonen. Ein Beitrag zu Kohärenz, Professionstheorie und Allgemeiner Fachdidaktik. Zeitschrift für Pädagogik, 70(3), 366-386. DOI: https://doi.org/10.3262/ZP0000016

Fernandes, M., Becker, M. G., Pull, K., & Walter, A. (2025). When a B becomes an A: causal evidence on the effects of a journal ranking update on academics’ publication behavior. Studies in Higher Education, 1–22. doi.org/10.1080/03075079.2024.2447788

Kirchhoff, T., Wilde, M., Randler, C. & Großmann, N. (2024). Are you learning or performing? A comparison of students’ goal orientation during experimentation at an outreach science laboratory and at school using the CEAS model. Learning and Instruction, Volume 93, https://doi.org/10.1016/j.learninstruc.2024.101972

Winkelmann, J., Leifheit, L., Belschner, S., Holz, H., Beuttler, B., Löfflad, D. & Meurers, D. (2024). Künstliche Intelligenz im MINT-Unterricht: Entwicklung einer Lehrveranstaltung für Lehramtsstudierende. In J. Huwer, S. Becker-Genschow, C. Thyssen, Lars-Jochen Thoms, L. v. Kotzebue, A. Finger, E. Kremser, M. Meier, & T. Bruckermann (Hrsg.), DiKoLANKI: Kompetenzen für den Unterricht mit und über Künstliche Intelligenz. Perspektiven, Orientierungshilfen und Praxisbeispiele für die Lehramtsausbildung in den Naturwissenschaften, 122–125.

Leifheit, L., Loefflad, D., Belschner, S., Beuttler, B., Winkelmann, J., Meurers, W. D., & Holz, H. (2024). KI im Unterricht: Entwicklung von Lehrveranstaltungen für Lehramtsstudierende der Sprach-und MINT-Fächer. Ludwigsburger Beiträge zur Medienpädagogik, 24, 1-19. doi: https://doi.org/10.21240/lbzm/24/08

Beuttler, B. (2025): Designing a Playful, Tablet and Group-Based Literacy Screening for German-speaking Pre-Readers: A Machine Learning Approach. Dissertation. https://publikationen.uni-tuebingen.de/xmlui/handle/10900/159791

Ring, M., & Oberrauch, L. (2024). Measuring economic graph competence. International Review of Economics Education, https://doi.org/10.1016/j.iree.2024.100302

Heiko Holz, Benedikt Beuttler, Denise Loefflad, and Manuel Ninaus. 2024. Developing a Group-Based Literacy Screening for German Pre-Readers: A Digital, Game-Based Approach. Proc. ACM Hum.-Comput. Interact. 8, MHCI, Article 251 (September 2024), 28 pages. https://doi.org/10.1145/3676496