Sina Shahmoradi | Universität Tübingen

Ich bin Postdoktorand im Projekt Machine Learning for Adaptive Teaching (MATE) am Tübingen Center for Digital Education. In MATE arbeite ich an der Schnittstelle von maschinellem Lernen und Unterrichtspraxis: Gemeinsam mit Lehrkräften entwickle und evaluiere ich KI-basierte Systeme, etwa LLM-basierte Tutoren und Aufgabengeneratoren, die adaptives Unterrichten im realen Klassenzimmer unterstützen.

In meiner Forschung beschäftige ich mich mit Classroom Orchestration, also damit, wie Lehrkräfte Lernaktivitäten in Echtzeit steuern, und wie Technologie sie dabei unterstützen kann. In meiner Promotion an der EPFL (CHILI Lab) habe ich untersucht, wie Lehrkräfte Bildungsroboter im Mathematikunterricht einsetzen. Ich habe ein Lern-Dashboard für robotergestützten Unterricht konzipiert und entwickelt und es mit elf Lehrkräften und mehr als 200 Schüler*innen an Schweizer Primar- und Sekundarschulen evaluiert.

Nach meiner Promotion habe ich an der PHBern zu Extended Reality und sozialen Robotern im Lernkontext geforscht und anschließend zwei Jahre lang die Entwicklung eines cloudbasierten Lernmanagementsystems geleitet, das täglich in Schulen genutzt wird. Auf Grundlage dieser Verbindung von Forschung und Softwareentwicklung interessiert mich, wie Lehrkräfte und KI die Orchestrierung des Lernens von Schüler*innen gemeinsam gestalten können und wie KI-Werkzeuge entstehen, die nicht nur wirksam, sondern auch im Schulalltag nutzbar und nachhaltig sind.

Ich freue mich über Kontakt zu Lehrkräften, Schulen und Forschenden, die Interesse daran haben, KI-basierte Werkzeuge für den Unterricht mitzugestalten oder zu erproben.

Seit 10/2026

Postdoktorand (maschinelles Lernen), Projekt MATE

am Tübingen Center for Digital Education (TüCeDE), Universität Tübingen

07/2024 – 09/2026

Lead Software Engineer

bei Hazu EdTech Technologies, Schweiz – cloudbasiertes Lernmanagementsystem für Schulen

01/2023 – 02/2024

Postdoktorand

am Institut für Forschung, Entwicklung und Evaluation, PHBern, Schweiz

10/2018 – 12/2022

Promotion (PhD) in Robotics, Control and Intelligent Systems

am CHILI Lab, EPFL, Schweiz – Dissertation: „Supporting Teachers' Orchestration in Robot-mediated Classrooms“; betreut von Prof. Pierre Dillenbourg und Dr. Barbara Bruno; Teil des EU-Projekts ANIMATAS

02/2017 – 09/2018

Wissenschaftlicher Mitarbeiter

am Djavad Movafaghian Neuro-rehabilitation Center, Teheran, Iran

10/2014 – 01/2017

MSc in Mechatronik

an der Sharif University of Technology, Teheran, Iran

10/2010 – 09/2014

BSc in Maschinenbau

an der K. N. Toosi University of Technology, Teheran, Iran

Zeitschriftenartikel

Dobricki, M., Rihs, M., & Shahmoradi, S. (2025). Learning eco-friendly food choice using extended reality: An exploratory investigation. Frontiers in Virtual Reality, 6, 1498770. https://doi.org/10.3389/frvir.2025.1498770

Shahmoradi, S., Kothiyal, A., Bruno, B., & Dillenbourg, P. (2023). Evaluation of teachers’ orchestration tools usage in robotic classrooms. Education and Information Technologies. https://doi.org/10.1007/s10639-023-11909-z

Shahmoradi, S., & Bagheri Shouraki, S. (2018). Evaluation of a novel fuzzy sequential pattern recognition tool (fuzzy elastic matching machine) and its applications in speech and handwriting recognition. Applied Soft Computing, 62, 315–327. https://doi.org/10.1016/j.asoc.2017.10.036

Konferenzbeiträge

Shahmoradi, S., Kothiyal, A., Olsen, J. K., Bruno, B., & Dillenbourg, P. (2020). What teachers need for orchestrating robotic classrooms. In Addressing Global Challenges and Quality Education. EC-TEL 2020 (pp. 87–101). Springer. https://doi.org/10.1007/978-3-030-57717-9_7

Dillenbourg, P., Shahmoradi, S., & Olsen, J. K. (2020). Opening the doors of classrooms for technologies: Measures for orchestrability. DEStech Transactions on Social Science, Education and Human Science (ICEDDE 2019). https://doi.org/10.12783/dtssehs/icedde2019/33673

Shahmoradi, S., Olsen, J. K., Haklev, S., Johal, W., Norman, U., Nasir, J., & Dillenbourg, P. (2019). Orchestration of robotic activities in classrooms: Challenges and opportunities. In Transforming Learning with Meaningful Technologies. EC-TEL 2019. Springer. https://doi.org/10.1007/978-3-030-29736-7_57

Nasir, J., Norman, U., Johal, W., Olsen, J. K., Shahmoradi, S., & Dillenbourg, P. (2019). Robot analytics: What do human-robot interaction traces tell us about learning? In 2019 28th IEEE International Conference on Robot and Human Interactive Communication (RO-MAN). IEEE. https://doi.org/10.1109/RO-MAN46459.2019.8956465

Shahmoradi, S., & Bagheri Shouraki, S. (2017). A fuzzy sequential locomotion mode recognition system for lower limb prosthesis control. In 2017 Iranian Conference on Electrical Engineering (ICEE). IEEE. https://doi.org/10.1109/IranianCEE.2017.7985417

Shahmoradi, S., Zare, A., & Behzadipour, S. (2017). Fatigue status recognition in a post-stroke rehabilitation exercise with sEMG signal. In 2017 24th Iranian Conference on Biomedical Engineering (ICBME). IEEE. https://doi.org/10.1109/ICBME.2017.8430264

Dissertation

Shahmoradi, S. (2023). Supporting teachers’ orchestration in robot-mediated classrooms [Doctoral dissertation, EPFL, no. 9835]. https://doi.org/10.5075/epfl-thesis-9835