Jun. Prof. Dr. Marc Philipp Janson

Zum 1. September habe ich die Tenure-Track-Professur für Lehr-Lernpsychologie mit den Schwerpunkten Educational Design and Educational Effectiveness an der Pädagogischen Hochschule Karlsruhe angetreten. Am Institut für Psychologie forsche ich zu dem Thema Selbst-Reguliertes Lernen (SRL) in Intelligenten Tutoriellen Lernsystemen (ITS). In diesem Rahmen betreue ich die Promotion meiner wissenschaftlichen Mitarbeiterin Julia Hilpert. Vorher habe ich an der Universität Mannheim gearbeitet, wo ich noch bis 2026 ein Forschungsprojekt leite. Vor meiner Forschungstätigkeit habe ich das intelligente tutorielle Lernsystem CoTutor mitentwickelt, das von mir zu Forschungszwecken genutzt wird. 

Erreichen können Sie mich janson(at)ph-karlsruhe.de

Selbstregulation in digitalen Lernumgebungen

Das Initiieren und die Beibehaltung von zielgerichtenten Lernaktivitäten stellt eine große selbstregulatorische Herausforderung da  (Schunk & Zimmerman, 2023; Zimmerman & Schunk, 2011). Dies trifft auch auf digitale Lernumgebungen zu (Azevedo et al., 2011; Winters et al., 2008). Im Rahmen meiner Forschung unter­suche ich inter- und intraindividuelle Unter­schiede im selbstregulierten Lern­verhalten, deren Antezedensbedingungen und ihre prädiktive Validität. 

Die Nutzung von Verhaltensdaten aus ökologisch hochvaliden digitalen Lernumgebungen ermöglicht einen einzigartigen Einblick in das Lern­verhalten im Vergleich zur reinen Erfassung über Selbstberichtsdaten. Derzeit laufen Forschungs­programme mit verschiedenen Kooperations­partnern, die unter­schiedliche theoretische Ansätze verfolgen. 

Evaluierung und Optimierung von intelligenten tutoriellen Lern­systemen

Meine Forschung widmet sich der Erforschung, Entwicklung und Evaluierung digitaler Lern­systeme, insbesondere intelligenter tutorieller Systeme (Kulik & Fletcher, 2016; Mousavinasab et al., 2021), die Lernende beim digitalen selbstgesteuerten Lernen unter­stützen (Azevedo et al., 2011; Schunk & Zimmerman, 2023; Winters et al., 2008; Zimmerman & Schunk, 2011). Hierbei verfolge ich unter­schiedliche Projekte

• Fitting Feedback (Promotions­projekt): Feedback-Effekte variieren im Allgemeinen stark (Hattie & Timperley, 2007; Kluger & DeNisi, 1996; Wisniewski et al., 2020), was sich auch im Kontext von practice testing zeigt (Adesope et al., 2017; Naujoks et al., 2022). In meiner Forschung habe ich mich der Steigerung der Effektivität von informativem Feedback durch die Anpassung auf interindividuelle Unter­schiede gewidmet. Hierbei habe ich verschiedene theoretische Ansätze (Higgins, 2000; Kluger & DeNisi, 1996) zur Theorie des Fitting Feedback integriert. Diese beinhaltet, dass Rahmung von Leistungs­rückmeldung im Einklang mit eigenen strategischen Orientierungen motivations- und leistungs­förderlich ist. Das bisherige Forschungs­programm hierzu umfasst sechs empirische Studien, bei denen im Kontext des practice testing Leistungs­rückmeldung mit unter­schiedlichen Rahmungen erfolgte. 
• Variabilität/Adaptivität: Digitale Lernumgebungen bieten die Gelegenheit interindividuell (adaptiv) auf die Bedürfnisse der Lernenden abgestimmt zu werden (Shute & Towle, 2003). Lernmaterialien können dabei auf Grundlage der bisherigen Lernhistorie präsentiert werden. Im Rahmen meiner Forschung unter­suche ich, inwieweit semi-generische Lerninhalte (Variabilität) den Lernerfolg mittels s.g. desirable difficulity (Bjork & Kroll, 2015) steigen können, beziehungs­weise ungünstigen Lern­verhalten von Studierenden (massiertes Lernen; Carpenter et al., 2012; Schwerter et al., 2022) begegnen können.
• Judgments of Learning (JOLs): Metakognitive Über­zeugungen über den eigenen Lernfortschritt sind essentiell für die Steuerung eigenen Lern­verhaltens. In einem aktuellen Forschungs­projekt evaluieren wir, wie eigene Lernstandseinschätzungen (JOLs; Rhodes, 2016) das Lern­verhalten in digitalen Lernumgebungen vorhersagen und schließen damit eine wichtige Forschungs­lücke, da die bisherige Forschung kaum ökologisch valide Settings und eine langfristige Betrachtung der Effekte von JOLs aufweist (Soderstrom et al., 2016). 

Meta-Analyse Bezugsnormorientierung

Leistungs­beurteilung ist die Bewertung von Resultaten gemessen an Vergleichsstandards (Heckhausen, 1974). Für die Leistungs­beurteilung können unter­schiedliche Standards (Bezugsnormen) verwendet werden, wie beispielsweise eine kriteriale Bezugsnorm, die das Resultat anhand festgelegter sachlicher Kriterien bewertet. Neben dieser sachlichen Bezugsnorm, können Urteiler jedoch auf intra- und interindividuelle Vergleiche zurückgreifen und die Leistung des Beurteilten anhand vorheriger Leistung (individuelle Bezugsnorm) oder anhand der Leistung anderer (soziale Bezugsnorm) bewerten. 

Die Forschung zur Bezugsnorm­orientierung von Lehr­kräften war äußerst fruchtbar (Rheinberg, 1980; 1982; vgl. auch Mischo & Rheinberg, 1995; Rheinberg & Krug, 1993). Bis auf wenige Aunahmen (Dickhäuser et al., 2017; Lüdtke et al., 2005; Retelsdorf & Günther, 2011) beschränkt sich die Literatur jedoch auf den deutschsprach­igen Raum und eine aktuelle systematische Erfassung der bestehenden Literatur sowie eine quantitative Synthese fehlen. 

• Janson, M. P., Wenker, T. und Bäulke, L. (2024). Only a matter of time? Using logfile data to evaluate temporal motivation theory in university students' examination preparation. British Journal of Educational Psychology, 1–16.
• Janson, M. P. und Dickhäuser, O. (2023). More fit, less load? Cognitive processes of feedback framed toward own preferences. The Journal of Experimental Education : JXE, 1–21.
• Janson, M. P., Siebert, J. und Dickhäuser, O. (2023). Everything right or nothing wrong? Regulatory fit effects in an e-learning context. Social Psychology of Education, 26, 107–139.
• Janson, M. P., Siebert, J. und Dickhäuser, O. (2022). Compared to what? Effects of social and temporal comparison standards of feedback in an e-learning context. International Journal of Educational Technology in Higher Education, 19, 1–26.
• Janson, M. P. und Dickhäuser, O. (2019). Prüfungs­vorbereitung an der Hochschule mittels Lernsoftware: Die Effekte von Wenn-Dann-Plänen. Unter­richts­wissenschaft, 47, 295