Generative AI Chatbots for self-regulated learning while balancing cognitive load: perceptions, interaction patterns, and instructional designs in K-12 learning

Klar, Maria

doi:10.17185/duepublico/83878

DissertationCC BY-SA 4.0Wed Jul 23 2025

Generative AI Chatbots for self-regulated learning while balancing cognitive load : perceptions, interaction patterns, and instructional designs in K-12 learning

German
English

Lernende haben heute Zugang zu einer Vielzahl von Werkzeugen, die selbstreguliertes Lernen (SRL) unterstützen – ein komplexer und oft anstrengender Prozess. SRL kann zu hoher kognitiver Belastung führen, aber auch helfen, diese auszugleichen. Generative Künstliche Intelligenz (genKI) in Form von Chatbots ist eine relativ neue, vielseitige Ergänzung zur Medienumgebung von Lernenden. Schüler:innen nutzen sie bereits regelmäßig für Aufgaben wie Recherche. Es gibt jedoch nur wenig Forschung darüber, wie Schüler:innen genKI-Chatbots während der Recherche wahrnehmen und mit ihnen interagieren. Ohne zusätzliche Anleitung erkennen sie möglicherweise nicht alle Potenziale, wie etwa Anpassungsprompts (z.B. „Sag das einfacher“, „Gib mir eine Zusammenfassung“), die helfen können, kognitive Belastung auszugleichen, oder die Möglichkeit des Gesprächs, durch das Lernende ihr Verständnis überwachen und vertiefen können. Statt mit ihrer Standardkonfiguration und -oberfläche eingesetzt zu werden, können Chatbots so gestaltet werden, dass sie Schüler:innen beim Erkennen und Nutzen dieser Potenziale unterstützen.

Drei Studien wurden iterativ durchgeführt, um Einblicke in die Wahrnehmung von Chatbots durch Schüler:innen, ihre Interaktion mit ihnen und unterstützende Chatbot-Designs zu gewinnen. Die Pilotstudie untersuchte, wie acht Schüler:innen in einem authentischen Unterrichtssetting einen Chatbot zur Recherche nutzten. Es zeigte sich eine große Bandbreite an Interaktionsstilen, aber auch wiederkehrende Muster, etwa dass Prompts zur Anpassung selten genutzt wurden. In Studie 1 wurde daher eine Unterstützung zur Nutzung solcher Prompts als value-added design getestet. 106 Schüler:innen der 9. und 10. Klasse führten eine 20-minütige Recherche mit einem Chatbot (ChatGPT-3.5) durch. Die Experimentalgruppe (EG) erhielt Tipps zu Anpassungsprompts und ein Interface mit Vorschlägen und Sprachoptionen. Die EG verwendete tatsächlich doppelt so viele Anpassungsprompts, während ein Drittel der Kontrollgruppe (KG) keinen einzigen nutzte. Die EG zeigte mehr SRL-Verhalten, z. B. durch mehr Anpassungen, Folgefragen und weniger themenfremden Chat. Beide Gruppen bewerteten den Chatbot als leicht bedienbar und schätzten ihre Selbstwirksamkeit hoch ein – trotz begrenzter Vorerfahrung. Da dies darauf hindeuten könnte, dass sie zu wenig Anstrengung investierten und zu viel des Lernprozesses an den Chatbot auslagerten, wurde in Studie 2 der Chatbot der EG so angepasst, dass er Fragen stellte, um die Schüler:innen anzuregen ihr Verständnis zu reflektieren. 71 Schüler:innen führten eine 15-minütige Recherche mit einem Chatbot (ChatGPT-4o) durch. Die Ergebnisse zeigen, dass die EG in vielen Fällen auf die Fragen antwortete – obwohl dies optional war. Wie angenommen nutzte die KG signifikant mehr Anpassungsaufforderungen. Dies wird als mehr Koregulation in der EG und mehr SRL in der KG interpretiert.

Insgesamt nahmen Schüler:innen die Chatbots als leicht bedienbar wahr, und es zeigten sich Interaktionsmuster: Sie übertrugen keine Suchmaschinenstrategien, führten selten Gespräche, nutzten das Potenzial der Anpassungsmöglichkeiten oft nicht und verwendeten den Chatbot hauptsächlich als Inhaltsgenerator. Niederschwellige Interventionen förderten selbst- und koreguliertes Lernen deutlich, doch um kognitive Aspekte wie Belastung, Aufwand oder Lernerfolg signifikant zu beeinflussen, sollten alternative Chatbot-Designs erprobt werden.

Learners today have access to a wide range of tools that facilitate self-regulated learning (SRL), a complex and often effortful process. SRL can lead to high levels of cognitive load, but it can also help to balance cognitive load. Generative Artificial Intelligence (genAI) chatbots have become a recent, versatile addition to the learners’ media environments. Students already make use of them regularly for information tasks like research. There is little research on how students perceive and interact with genAI chatbots during research. Without specific instruction, they may not perceive all the affordances for learning, like adaptation prompts (e.g., “Make it easier”, “Give me a summary”) which can help learners balance cognitive load. Learners may not make use of the affordance of conversation by which they can monitor and deepen their comprehension. Rather than being implemented with their default configuration and interface, chatbots can be designed to support students in making use of these affordances.

Three studies were conducted iteratively to provide insights into K-12 students’ perceptions of chatbots, their interaction with them, and supportive chatbot designs. The Pilot Study investigated how eight students used a chatbot for research in an authentic classroom setting. It found a wide variety of interaction styles but also recurring patterns, for example, that the use of adaptation prompts was rare. In Study 1, adaptation guidance was therefore explored as a value-added design. 106 students in 9^th and 10^th grade performed 20-minute research with a chatbot (ChatGPT-3.5). The experimental group (EG) received tips on adaption prompts and their chatbot interface came with prompt suggestions and language adaptation options. The EG indeed used twice as many adaptation prompts whereas one third of the control group (CG) did not use any adaptation prompt. The EG showed more SRL behavior in terms of more adaptations and (follow-up) questions and less off-topic chat. Both groups perceived the chatbot as easy to use and judged their self-efficacy as high despite moderate prior experience. As this could imply that they invested too little effort and offloaded too much of the learning process onto the chatbot, in Study 2, the chatbot for the EG was prompted to ask questions to encourage the students to monitor their comprehension. 71 students conducted 15-minute research with a chatbot (ChatGPT-4o). The results show that the EG indeed answered questions in many cases – even though this was optional. As hypothesized, the CG used significantly more adaptation prompts. This is interpreted as more coregulation in the EG and more SRL in the CG.

Overall, students perceived the chatbots as easy to use, and interaction patterns emerged: they did not transfer search engine strategies, rarely engaged in conversation, underutilized adaptability, and mostly used the chatbot as a content generator. Lightweight interventions significantly increased self- and coregulated learning but to significantly impact cognitive aspects like load and effort or learning outcomes, alternative chatbot designs should be explored.