What the research actually says about teaching over the internet

Ergebnisse

1. Online vs. Präsenz: gleichwertig, nicht überlegen — es sei denn, es ist gemischt und lehrergeführt

Das Evaluation of Evidence-Based Practices in Online Learning des US Department of Education (Means, Toyama, Murphy, Bakia & Jones, 2010) meta‑analysierte 50 Effektgrößen aus kontrollierten oder quasi‑experimentellen Studien, 1996‑2008 [1]. Zentrale Zahlen:

• Rein online vs. Präsenz: +0,05, p=,46 — statistisch gleichwertig, nicht besser.
• Gemischt vs. Präsenz: +0,35, p<,001 — ein echter Vorteil.
• Lehrer‑geführte Online‑Instruktion: +0,39 (signifikant); kollaborativ: +0,25 (signifikant); unabhängiges/selbstgesteuertes Online‑Lernen: +0,05 (nicht signifikant) [1].
• Wo Lehrplan und Pädagogik über die Bedingungen hinweg identisch gehalten wurden, war der Effekt kleiner (+0,13) als dort, wo die Online‑Bedingung Zeit oder Materialien hinzufügte (+0,40) — der gemischte Vorteil beruht größtenteils auf mehr Zeit und Materialien, nicht auf dem Medium [1].
• Nur 7 von 50 Kontrasten betrafen K‑12‑Lernende; der Bericht warnt ausdrücklich davor, von Studien mit Erwachsenen/Hochschulbildung auf Kinder zu verallgemeinern [1].
• Video‑ und Online‑Quizze verbesserten das Lernen nicht messbar; Reflexions‑/Selbstüberwachungs‑Prompts der Lernenden und die Kontrolle der Lernenden über Medien halfen Einzelpersonen; Scaffolding für Gruppen veränderte Interaktionsmuster, aber nicht das Ausmaß des Gelernten [1].

Die zentrale Erkenntnis für ein selbstgesteuertes Produkt: „unabhängiges Lernen“ — die Bedingung, die einem unbeaufsichtigten App am nächsten kommt — ist die mit einem nicht‑signifikanten Effekt (+0,05). Die von den Forschern tatsächlich gefundenen Gewinne resultierten aus Lehrer‑Direktion, Zusammenarbeit oder zusätzlicher Zeit/Materialien, die ein rein selbstgesteuertes App nicht liefert, es sei denn, es wird gezielt so konzipiert.

2. MOOCs: niedrige Abschlussraten sind größtenteils das falsche Problem, um das man sich sorgen sollte

Die Abschlussraten von MOOCs sind seit dem Debüt des Formats im Jahr 2012 niedrig — HarvardX/MITx‑Kurse erreichten im ersten Jahr durchschnittlich etwa 22 % Abschlussrate [8]. Stanford‑Forschungen identifizierten vier Lernenden‑Archetypen mit sehr unterschiedlichen Absichten: „Abschließende“ (5–27 %), schnell „abgeschaltete“ Abbrecher (6–29 %), „Zuhörer“, die schauen, aber Prüfungen überspringen (6–9 %), und „Probierer“, die nie beabsichtigten, fertig zu werden (39–80 %) [8]. Reich & Ruipérez‑Valientes Science-Artikel „The MOOC Pivot“ (2019) argumentiert, dass die Abschlussrate ein schlechtes Erfolgsmaß ist, gerade weil die meisten Einschreibenden nie die vollständige Fertigstellung beabsichtigten, und dass MOOC‑Anbieter von einer Gründungsmission des offenen Zugangs zu einer Ausrichtung auf bereits qualifizierte Fachkräfte, die für Zertifikate zahlen, gewechselt sind — das Gegenteil des „Demokratisierung elitärer Bildung“‑Pitches, mit dem das Format gestartet wurde. Ein konkreter Datenpunkt: Coursera stellte fest, dass Lernende, die $30–90 zahlten, mit deutlich höheren Raten abschlossen als diejenigen, die einen Kurs kostenlos belegten [8] — ein Commitment‑Device‑Effekt, kein Inhaltseffekt.

Die Implikation: Erfolg nicht mehr als „% derjenigen, die das gesamte Curriculum abschließen“ messen, sondern engagierte Beherrschung bei Rückkehrern sowie die Prädiktoren für Rückbesuche verfolgen.

3. Bildungs‑Video: kurz, persönlich und übertrifft hohe Produktionsqualität

Guo, Kim & Rubins edX‑Studie (2014) analysierte 6,9 Millionen Video‑Betrachtungs‑Sessions über vier MOOCs [2]:

• Die mittlere Engagement‑Zeit beträgt höchstens 6 Minuten, unabhängig von der Gesamtlänge des Videos; Betrachter von Videos über 9 Minuten erreichen typischerweise nicht die Hälfte [2].
• Die Rate von Problem‑Versuchen nach dem Video sinkt stetig mit der Länge: 56 %, 48 %, 43 %, 41 %, 31 % über die fünf Längen‑Kategorien (0‑3 bis 12‑40 Minuten) [2].
• Informelle „Talking‑Head“-Videos übertreffen reine Folien‑ oder Code‑Screen‑Casts (46 % vs. 33 % Rate von Problem‑Versuchen nach dem Video in einem Kurs) [2].
• Khan‑artige Tablet‑Zeichnungen übertreffen Folien/Code‑Tutorials (40 % vs. 31 %) [2].
• Hohe Produktionsqualität half nicht. Ein großbudgetierter TV‑Studio‑Kurs (PH207x) wurde mit weniger Engagement genutzt als ein informell gefilmter Büro‑Schreibtisch‑Kurs (6,00x) ähnlichen Stils — etwa die Hälfte der Engagement‑Zeit bei 6‑9 Minuten, ein Drittel bei 12 + Minuten [2].
• Schnellere, enthusiastischere Sprechgeschwindigkeiten übertrafen die traditionell empfohlene Rate von ~160 Wort‑pro‑Minute; der Effekt hing mit der Energie des Lehrenden zusammen, nicht mit dem reinen Tempo — die Autoren empfehlen, Begeisterung zu coachen, nicht die Geschwindigkeit zu erzwingen [2].
• Tutorial‑ (Durch‑Beispiel‑)Videos werden im Durchschnitt nur 2–3 Minuten angesehen unabhängig von der Länge [2].

Dies stimmt mit Mayers kognitiver Theorie des multimedialen Lernens (Mayer, Multimedia Learning, 2. Aufl., 2009) überein: Personalisierung (konversationaler Register schlägt formell), Stimme (eine natürliche Stimme schlägt eine monotone), Kohärenz (Dekoration entfernen, die das Arbeitsgedächtnis beansprucht), Redundanz (nicht den Bildschirminhalt wörtlich wiedergeben), Segmentierung (lernende‑gesteuerte kleine Abschnitte), Signalisierung (Wichtiges hervorheben). Diese unabhängig abgeleiteten Prinzipien entsprechen dem, was Guo et al. aus Click‑Stream‑Daten fanden: kurz, persönlich, gut segmentiert schlägt lang, poliert und passiv [2][11].

4. Handeln übertrifft Betrachten, bei weitem — der Doer‑Effekt

Koedinger, Kim, Jia, MacLaren & Biers Analyse von 2015 einer Open‑Learning‑Initiative‑MOOC („Learning is Not a Spectator Sport: Doing is Better than Watching“) ergab, dass die Menge an Übung, die eine Student*in leistet, die nachfolgende Leistung weitaus besser vorhersagt als die Menge an Lesen oder Betrachten, bei sonst gleichen Faktoren [6]. Die häufig zitierte Kennzahl aus dieser Arbeit: Handeln liefert etwa das Sechsfache des geschätzten Lernvorteils von Lesen/Betrachten pro Zeiteinheit. Dies entspricht der DOE‑Feststellung, dass aktives/interaktives Lernen die expositionelle Vermittlung übertrifft [1], und der edX‑Erkenntnis, dass die meisten Betrachter ein Video nie über ein paar Minuten hinaus ansehen [2]. Zusammengenommen: Video und Lesen sind bestenfalls ein kurzer Einstieg zu einer Übungsaufgabe, nicht das Hauptereignis.

5. Blooms „2‑Sigma“ — ein berühmter Anspruch, der bei genauer Prüfung nicht standhält

Blooms Papier von 1984 berichtete, dass Einzel‑nach‑Einzel‑Nachhilfe mit Mastery‑Learning‑Techniken im Durchschnitt zwei Standardabweichungen mehr Gewinn gegenüber konventionellem Klassenunterricht erzielte — der durchschnittliche betreute Schüler erreichte über 98 % der Kontrollgruppe [4]. Dies ist die Zahl, die am häufigsten herangezogen wird, um „KI‑Tutor“‑Produkte zu rechtfertigen, und sie verdient drei Vorbehalte. Erstens stammt sie aus zwei kleinen Abschlussarbeiten von Graduierten (Anania; Burke), die nie in diesem Umfang unabhängig repliziert wurden [4]. Zweitens findet die weitaus größere moderne Metaanalyse von real‑welt‑K‑12‑Nachhilfe (Nickow, Oreopoulos & Quan, 2020, NBER WP 27476) einen gepoolten Effekt von +0,37 SD — über fünfmal kleiner — mit ähnlichen Gesamteffekten für Lesen und Mathematik (Lesen stärker in frühen Klassen, Mathematik stärker in späteren Klassen) und Lehrer‑/Paraprofessional‑Tutoren, die Freiwillige und Eltern übertreffen [3]. Drittens positioniert die Literatur zu Tutoring‑Systemen (VanLehn, 2011) glaubwürdige Experten‑Ein‑zu‑Ein‑Nachhilfe näher an 0,7‑1,0 SD, nicht 2,0 — groß, aber nicht „2 Sigma“. Jeder Anspruch zu einem KI‑Tutor sollte den Bereich von 0,3‑0,4 SD zitieren, den aktuelle metaanalytische Evidenz unterstützt, nicht Blooms Zahl, bis wir einen eigenen gemessenen Effekt haben.

6. Parasoziale, charakter‑geführte Instruktion für Kinder: real, aber über Jahre mit einem festen Curriculum‑Team erworben

Sesamstraße ist der am besten dokumentierte Fall. Die 1994 durchgeführte „Recontact Study“ verfolgte Vorschulkinder‑Zuschauer bis ins Jugendalter und fand, nach Kontrolle von Störfaktoren, höhere Englisch/Mathe/Naturwissenschaften‑Noten, mehr Lesespaß und geringere Aggression bei ehemaligen Zuschauern — stärker bei Jungen [9]. Eine Evaluation der University of Kansas aus 1995 ergab, dass benachteiligte Kinder pro Sichtungsstunde genauso viel lernten wie privilegierte Kinder, obwohl sie insgesamt weniger schauten [9]. ETS‑Evaluierungen (1970‑71) fanden, dass reguläre 3‑jährige Zuschauer die 5‑jährigen Nicht‑Zuschauer bei der Buchstabenerkennung übertrafen [9]. Kearney & Levine (2019, American Economic Review), die den gestaffelten Ausstrahlungs‑Signal‑Rollout der Sendung 1969 als natürliches Experiment nutzten, fanden, dass exponierte Kinder 14 % wahrscheinlicher das dem Klassen‑niveau entsprechende Niveau in Mittel‑/Oberschule erreichten, mit besseren erwachsenen Beschäftigungs‑/Lohn‑Ergebnissen [9][10]. Diese Ergebnisse spiegeln Jahrzehnte der Zusammenarbeit von Curriculum und Forschung (das Modell des Children’s Television Workshop) wider, nicht nur den Charakter — der Charakter ist das Lieferfahrzeug für ein forschungs‑validiertes Curriculum, kein Ersatz dafür.

7. Fernlernen in der COVID‑Ära: eine warnende Fallstudie, keine Validierung

Kuhfeld, Soland & Lewis’ Analyse von 5,4 Millionen US‑Schülerinnen der Klassen 3‑8 ergab, dass die Mathematik‑Ergebnisse im Herbst 2021 um 0,20‑0,27 SD unter denen gleichaltriger Klassenkameradinnen aus Herbst 2019 lagen, mit geringeren Leseverlusten (0,09‑0,18 SD); armutsbedingte Leistungslücken weiteten sich um weitere 0,10‑0,20 SD aus, konzentriert in 2020‑21 [12]. Separat fand Forschung mit Bezirks‑Daten (z. B. Goldhaber et al., AERA Open, 2022), dass Verluste größer waren, wo die remote/hybride Unterrichtszeit im Verhältnis zur Präsenzzeit höher war — die Menge an Fernzeit korrelierte mit der Größe des Verlustes. Mathematik litt am meisten in den am wenigsten beaufsichtigten Umgebungen, und benachteiligte Schüler*innen litten überproportional. Dies ist eine direkte Warnung für eine unbeaufsichtigte, selbstgesteuerte Mathematik‑App für Kinder: Mathematik verschlechtert sich speziell ohne Struktur und Aufsicht, wenn sie remote an Kinder vermittelt wird.

Effektgrößentabelle

Intervention / Vergleich	Effektgröße	Quelle	Anwendbarkeit für uns
Rein online vs. Präsenzunterricht	+0,05 (n.s., p=.46)	Means et al. 2010, DOE meta-analysis [1]	Hoch — engster Analoge zu unbeaufsichtigter, selbstgesteuerter App; keine Überlegenheit allein aus dem Medium ableiten
Hybrid vs. Präsenzunterricht	+0,35 (p<.001)	Means et al. 2010 [1]	Mittel — Vorteil an zusätzliche Zeit/Materialien gebunden, nicht am „online“ sein
Instruktor‑gesteuerter Online‑Unterricht	+0,39 (signifikant)	Means et al. 2010 [1]	Hoch — spricht für strukturierte Anleitung, nicht freie Erkundung
Unabhängiges/selbstgesteuertes Online‑Lernen	+0,05 (nicht signifikant)	Means et al. 2010 [1]	Hoch — das ist die Bedingung, der wir standardmäßig am nächsten kommen
Kollaborativer Online‑Unterricht	+0,25 (signifikant)	Means et al. 2010 [1]	Mittel — nur relevant, wenn wir soziale/Peer‑Features hinzufügen
Lehrplan/Pädagogik über alle Bedingungen hinweg identisch gehalten	+0,13 vs. +0,40 wenn Bedingungen differieren	Means et al. 2010 [1]	Hoch — der Großteil des „online wirkt“ Effekts ist eigentlich „mehr Inhalt/Zeit wirkt“
Gepoolter Effekt von Tutoring‑Programmen (alle Modalitäten, K‑12)	+0,37 SD	Nickow, Oreopoulos & Quan 2020, NBER [3]	Hoch — die glaubwürdige moderne Basis für jede „KI‑Tutor“‑Behauptung
Blooms Einzel‑zu‑Einzel‑Meisterschaftstutoring vs. Klassenunterricht (1984, klein/unrepliziert)	~+2,0 SD	Bloom 1984 [4]	Niedrig — historisch, umstritten, nicht als Erwartung zitieren
Menschliches Experten‑Tutoring vs. kein Tutoring (zeitgenössische Schätzung)	~+0,7‑1,0 SD	VanLehn 2011 line of research [5]	Mittel — Decke für das, was Live‑Human‑Tutoring heute plausibel erreicht
Übung („Doing“) vs. Lesen/Anschauen, Lernzuwachs pro Einheit	~6×	Koedinger et al. 2015, „doer effect“ [6]	Sehr hoch — die praktischste Kennzahl für Sitzungsdesign
MOOC‑Abschlussrate, Elite‑Plattformen, 2012	~22 % durchschnittlich	HarvardX/MITx data [8]	Mittel — definiert, was als „Erfolg“ gemessen werden sollte, neu
Mathe‑Leistungseinbußen, Herbst 2021 vs. Herbst 2019 (Klassen 3‑8)	−0,20 bis −0,27 SD	Kuhfeld, Soland & Lewis 2022 [12]	Hoch — quantifiziert Risiko unbeaufsichtigten Remote‑Mathe‑Unterrichts
Lese‑Leistungseinbußen, gleicher Zeitraum	−0,09 bis −0,18 SD	Kuhfeld, Soland & Lewis 2022 [12]	Mittel — Mathe ist das fragilere Fach, unser Fach
Armutsbedingtes Leistungsgefälle‑Wachstum, gleicher Zeitraum	+0,10 bis +0,20 SD breiter	Kuhfeld, Soland & Lewis 2022 [12]	Hoch — Gleichheitsrisiko bei rein selbstgesteuerter Bereitstellung
Sesame‑Street‑Zuschauer, klassenangemessene Leistung im Jugendalter	+14 Prozentpunkte	Kearney & Levine 2019 [10]	Mittel — langfristiges Ergebnis von charakter‑geführtem Inhalt, erfordert jahrelange Curriculum‑Strenge

Designimplikationen

1. Doing muss die Bildschirmzeit dominieren — ein realistisches Ziel sind > 80 % der Sitzungszeit, in der Probleme gelöst werden, nicht beim Anschauen/Lesen, basierend auf dem ~6‑fachen „Doing‑Effekt“ [6] und der DOE‑Erkenntnis, dass aktive Methoden besser sind als expositive [1].
2. Begrenze jedes erklärende Video/Animation auf deutlich unter 6 Minuten — das Engagement erreicht nach 6 Minuten ein Plateau, unabhängig von der Gesamtlänge, und Worked‑Example‑Inhalte werden nur 2‑3 Minuten tatsächlich angesehen [2].
3. Verzichte auf Produktions‑Politur. Der teure TV‑Studio‑Kurs war weniger ansprechend als ein informeller Sprechkopf [2]; investiere das Budget in Instruktionsdesign, nicht in ein Studio.
4. Wenn wir einen Tutor‑Charakter einsetzen, zeige ein Gesicht, nicht nur Folien — 46 % vs. 33 % Engagement nach dem Video für Sprechkopf vs. Folien [2], im Einklang mit Mayers Prinzipien zur Personalisierung/Stimme [11].
5. Wende Mayers Prinzipien auf jede Tutor‑Dialog‑/Erklärungs‑UI an: konversativer Ton, natürliche Stimme, minimale Dekoration, keine wörtliche Duplizierung von Bildschirminhalt/Narration, lernenden‑gesteuerte kleine Abschnitte, visuelle Hervorhebung des Wesentlichen [11].
6. Implementiere das, was die +0,05‑„unabhängige Lern‑“Zahl fehlt [1]: Sequenzierung, die Instruktor‑Richtung nachahmt (+0,39), und Feedback‑Schleifen — Inhalte zu präsentieren und den Lernenden klicken zu lassen, erzeugt allein keinen echten Effekt.
7. Erstelle Selbst‑Erklärungs‑/Reflexions‑Prompts (z. B. „Warum war das falsch?“, ein Vertrauens‑Check vor der Auflösung) — Lernenden‑Reflexion/Selbst‑Monitoring ist eine von nur zwei Praxis‑Variablen, die die DOE‑Meta‑Analyse als relevant identifizierte [1].
8. Erwarte nicht, dass generische Sozial‑/Gruppen‑Features das Lernen allein steigern. Gruppen‑Guidance veränderte wie Online‑Gruppen interagierten, nicht wie viel sie lernten [1]; jedes Mehrspieler‑Feature benötigt eine eigene messbare Rechtfertigung.
9. Sei ehrlich, dass K‑12‑Belege dünn sind. DOE hatte nur 7 K‑12‑Vergleiche und warnte vor Generalisierungen aus Erwachsenstudien [1]; die Video‑ und Tutoring‑Belege sind ebenfalls überwiegend erwachsen/alter‑gemischt [2][3]. Entscheidungen für Kinder benötigen eigene instrumentierte Daten.
10. Betrachte Mathematik als das fragilere Fach in unbeaufsichtigten Umgebungen, nicht als das sicherere — COVID‑Mathe‑Verluste (−0,20 bis −0,27 SD) übertrafen Lese‑Verluste (−0,09 bis −0,18 SD), besonders in stärker entlegenen, benachteiligten Settings [12]. Das spricht für aktive Struktur und Monitoring, nicht für „jede Mathe‑Übung online ist okay“.
11. Beziehe jede Marketing‑Behauptung zu Lernergebnissen auf den 0,3‑0,4 SD‑Tutoring‑Bereich [3], niemals auf „Blooms 2 Sigma“ [4] — die glaubwürdige moderne Obergrenze für Experten‑Human‑Tutoring liegt bei ~0,7‑1,0 SD [5], nicht bei 2,0, bis wir einen eigenen gemessenen Effekt haben.
12. Verwerfe „% derjenigen, die den gesamten Lehrplan abschließen“ als Hauptkennzahl. Die meisten MOOC‑Nicht‑Abschließenden hatten nie die Absicht zu beenden [8]; verfolge stattdessen den Meisterschafts‑Zuwachs bei engagierten Sitzungen und die Rück‑/Wiedereinstiegs‑Rate, wobei du besonders auf frühes Sitzungs‑Drop‑off achtest.
13. Erwäge einen bewussten Verpflichtungs‑Mechanismus (Streak, für Eltern sichtbarer Bericht, ein diagnostischer Score zur Verbesserung) — zahlende MOOC‑Lernende schlossen mit deutlich höheren Raten ab als kostenlose [8], ein Einsatz‑Effekt, nicht ein Inhalts‑Effekt.
14. Ein beständiger Charakter/Maskottchen ist eine mehrjährige Curriculum‑Investition, kein Einmal‑Asset — die Ergebnisse von Sesame Street stammen aus Jahrzehnten Curriculum‑Forschung in Kombination mit dem Charakter [9][10]; ein Maskottchen ohne diese zugrundeliegende Strenge wird sie nicht reproduzieren.
15. Messe, ob die App überhaupt etwas lehrt, mit Vor‑/Nach‑ und verzögerter Retention, nicht mit einem sofortigen Quiz nach der Lektion (das Arbeits‑Gedächtnis misst, nicht Lernen): zurückgehaltene Items, ein Retentions‑Check Tage‑bis‑Wochen später und, wo machbar, ein Kontroll‑ oder gestaffelter Rollout [1].
16. Verfolge „Minuten tatsächlichen Problemlösungs‑Versuchs“ als führende interne Kennzahl — die Dosis des Doing, nicht die reine Inhalts‑Exposition, ist das, was die Effekt‑Größen‑Literatur konsequent belohnt [1][3][6].

Offene Fragen für den Projektinhaber

1. Setzen wir jetzt Engineering‑Ressourcen ein, um das Produkt in die „instruktor‑gesteuerte“ Evidenz‑Stufe (+0,39) zu bringen, da unstrukturierte selbstgesteuerte Nutzung in der schwächsten Stufe (+0,05, n.s.) liegt?
2. Welchen Verpflichtungs‑/Einsatz‑Mechanismus (Streak, für Eltern sichtbarer Bericht, diagnostischer Re‑Test) sind wir bereit zu bauen, da der Einsatz stark die MOOC‑Abschlussrate vorhersagte?
3. Wollen wir einen beständigen Tutor‑Charakter, da die Effektivität auf Sesame‑Street‑Niveau Jahrzehnte gepaarter Curriculum‑Forschung erforderte — ist unser Curriculum‑Team dafür ausgestattet, oder sollten wir eine einfachere UI‑Stimme verwenden?
4. Welche Ergebnis‑Behauptung, falls überhaupt, wird das Marketing machen, und können wir uns verpflichten, sie auf den ~0,3‑0,4 SD‑Tutoring‑Bereich zu beziehen statt auf „Blooms 2 Sigma“?
5. Werden wir eine eigene Vor‑/Nach‑ und verzögerte‑Retention‑Studie durchführen, bevor wir irgendeine Lern‑Ergebnis‑Behauptung aufstellen, und in welchem Zeitrahmen?
6. Angesichts der größeren COVID‑Verluste in Mathematik gegenüber Lesen, sollte die unbeaufsichtigte Nutzung durch kleine Kinder einen Eltern/Erziehungsberechtigten‑Setup‑Schritt oder eine explizite „Benötigt Aufsicht“‑Botschaft erfordern?
7. Sollte jede Video‑/Animations‑Erklärung auf ein festes Zeitlimit (z. B. 3 Minuten) als Design‑Richtlinie begrenzt werden?