Rezension zu: Liu, X., Guo, B., He, W. & Hu, X. (2025). Effects of Generative Artificial Intelligence on K-12 and Higher Education Students' Learn-ing Outcomes: A Meta-Analysis. Journal of Educational Computing Research, 63(5), 1249-1291.

Autor/in	Hensel, Sonja
Titel	Rezension zu: Liu, X., Guo, B., He, W. & Hu, X. (2025). Effects of Generative Artificial Intelligence on K-12 and Higher Education Students' Learn-ing Outcomes: A Meta-Analysis. Journal of Educational Computing Research, 63(5), 1249-1291.
Quelle	In: Forschungsmonitor Schule, (2026) 201, 7 S.Infoseite zur Zeitschrift PDF als Volltext kostenfreie Datei (Rezension) Link als defekt meldenVerfügbarkeit
Beigaben	Literaturangaben
Sprache	deutsch
Dokumenttyp	online; Zeitschriftenaufsatz
ISSN	2513-0900
Schlagwörter	Altersunterschied; Künstliche Intelligenz; Bildungsertrag; Grundschule; College; Sekundarbereich; Schüler; Schülerleistung; Motivation; Unterrichtstechnologie; Natürliche Sprache; Sprachverarbeitung; Mensch-Maschine-System; Bildungsforschung; Rezension; Student
Abstract	Die Forschungsgruppe um Xiaohong Liu untersucht in einer Metaanalyse die Effekte des Einsatzes generativer künstlicher Intelligenz (GenAI) wie ChatGPT auf die Lernergebnisse von Schülerinnen und Schülern unterschiedlichen Alters sowie von Studierenden. Bei den Lernergebnissen unterscheiden sie zwischen Lernleistungen und Lernmotivation. Zur Auswahl der Studien führten die Autorinnen und Autoren eine umfassende Recherche in einschlägigen Datenbanken durch und grenzten das Gefundene auf Basis von Kriterien ein. Dazu gehörten das Vorhandensein einer Experimental- und einer Kontrollgruppe sowie die Angabe von statistischen Daten, die das Berechnen von Effektstärken erlauben. Letztlich wurden 49 Studien in Bezug auf 2 Forschungsfragen ausgewertet: Welche Effekte hat die Nutzung von generativer KI auf die Lernergebnisse von Schülerinnen und Schülern sowie Studierenden? Welche Moderatorvariablen beeinflussen die Wirkung? Als mögliche Moderatorvariablen berücksichtigten sie den Bildungsbereich (Schule vs. Hochschule), die Fächergruppe (Geisteswissenschaften / Künste, Informatik / Kommunikationstechnologie, Pädagogik etc.), die Art der genutzten KI-Benutzeroberfläche (u. a. App vs. Browser), den Interaktionsmodus mit der KI (nur Text oder zusätzlich Audio, Bilder etc.) und die Dauer der Intervention (5 Stufen von ( 1 Woche bis ) 15 Wochen). Liu et al. finden insgesamt mittlere bis große Effektstärken für den Einsatz von generativer KI auf Lernleistungen (g = 0.86) und Lernmotivation (g = 0.80). Als einflussreiche Moderatorvariablen erweisen sich die Fächergruppe, die KI-Benutzeroberfläche und die Dauer der Interaktion: Bei einigen Fächergruppen, für die jedoch nur wenige Studien vorlagen, ist kein Effekt auf Lernleistungen sicher belegbar. Der Einsatz von Apps wirkt im Schnitt lernförderlicher als die Nutzung im Browser. Während Lernmotivation stärker durch kurze Interventionen gefördert wird (( 5 Wochen), profitieren Lernleistungen am meisten bei einer Dauer von 5-15 Wochen. Die Ergebnisse sind für Lehrkräfte zum einen interessant, weil vom Einsatz generativer KI in vielen Fällen positive Effekte zu erwarten sind. Zum anderen wird die Notwendigkeit deutlich, die Einsatzmodalitäten für generative KI gezielt zu gestalten, da diese die Wirksamkeit beeinflussen können. Dies erfordert in erster Linie grundlegendes Know-how der Lehrkräfte, denn die Studie liefert nur wenige Hinweise auf Gelingensbedingungen. Zudem ist die Datenbasis zu den Moderatorvariablen teilweise klein und angesichts der fortschreitenden technologischen Entwicklungen bleibt offen, welche Befunde zukünftig Bestand haben werden. (Orig.).
Erfasst von	Qualitäts- und UnterstützungsAgentur - Landesinstitut für Schule (QUA-LiS NRW), Soest
Update	2026/4