Akzeptanz von Learning Analytics im Hochschulkontext: Eine Erweiterung des TAM um motivationale und selbstregulatorische Aspekte

Abstract

Im Zuge der digitalen Transformation der Hochschulbildung werden Learning Analytics (LA) Systeme zunehmend eingesetzt, um selbstreguliertes Lernen zu unterstützen und personalisiertes Feedback bereitzustellen. Die vorliegende Studie untersucht zentrale Einflussfaktoren auf die Akzeptanz solcher Systeme, indem das Technology Acceptance Model (TAM) um motivationale und selbstregulatorische Konstrukte erweitert wird. Darüber hinaus werden die Präferenzen der Studierenden für verschiedene Formen LA-basierter visueller Feedbackformate analysiert – mit besonderem Fokus auf Funktionen des sozialen Vergleichs. Die Ergebnisse bestätigen die Bedeutung von Benutzerfreundlichkeit und wahrgenommener Nützlichkeit und identifizieren Aufmerksamkeitskontrolle sowie Zeitmanagement als relevante Prädiktoren für die Akzeptanz von LA. Entgegen der ursprünglichen Annahme wurde sozial referenziertes Feedback als weniger interessant wahrgenommen als individualisierte Formate. Zu den Limitationen der Studie zählen das Querschnittsdesign sowie der Erhebungszeitpunkt, der vor der praktischen Nutzung des Systems lag. Dennoch liefern die Ergebnisse wichtige Erkenntnisse für eine lernendenzentrierte Gestaltung von LA-Systemen und unterstreichen die Notwendigkeit anpassbarer Feedbackstrategien, die den individuellen Präferenzen und regulatorischen Fähigkeiten der Lernenden gerecht werden.