Das laufende Sammeln von Feedback während des gesamten Lernprozesses ermöglicht es Lehrpersonen, die XR-Erfahrungen der Benutzer*innen kontinuierlich zu bewerten und zu verbessern. Qualitative Methoden (Beobachtungen, Thinking Aloud-Method) ergänzen diesen Ansatz, um tiefere Einblicke in die kognitiven und emotionalen Reaktionen der Lernenden zu gewinnen.

Optionen für Lehrende:

• Kontinuierliches Feedback von Studierenden und Lehrpersonen könnte gesammelt werden, um Echtzeit-Anpassungen vorzunehmen.
• Lehrpersonen könnten strukturierte Beobachtungen durchführen, um XR-Interaktionen zu analysieren.
• Protokolle zum lauten Nachdenken (Thinking Aloud-Method) oder Interviews und Fokusgruppen könnten eingesetzt werden, um das Erleben der Schüler*innen zu erheben.

Beispiel: In einem VR-Chemielabor werden Studierende gebeten, ihre Gedanken während eines Experiments laut auszusprechen. Lehrpersonen beobachten und notieren Schwierigkeiten bei bestimmten Interaktionen, was zu einer Anpassung der virtuellen Werkzeuge führt.

XR-Anwendungen können automatisch erfassen, wie Lernende Aufgaben bearbeiten und sich in der virtuellen Umgebung bewegen. So lassen sich Fortschritte messen, ohne den Lernfluss zu unterbrechen. Mit Methoden wie Eye-Tracking kann noch genauer beobachtet werden, worauf die Lernenden achten, oder was sie übersehen.

Was Lehrende tun können:

• Aufgaben direkt in die XR-Umgebung einbauen, damit die Leistung automatisch mitverfolgt wird.
• Tools wie Eye-Tracking nutzen, um zu sehen, worauf Lernende schauen – z.  bei komplexen Darstellungen.
• Die gesammelten Daten nutzen, um Inhalte gezielt anzupassen wie z.  schwierige Stellen hervorheben oder vereinfachen.

Beispiel:
In einer AR-Anwendung für den Biologieunterricht betrachten Lernende ein 3D-Modell des menschlichen Herzens. Ein Eye-Tracking-System zeigt, dass viele Schüler*innen die Herzklappen kaum beachten. Als (didaktische) Reaktion werden diese Bereiche in der App visuell hervorgehoben und mit kurzen Erklärungen ergänzt. So wird sichergestellt, dass wichtige Inhalte nicht übersehen werden.

Adaptive Tests in XR passen sich dem Können der Lernenden an: Wer gut zurechtkommt, bekommt schwierigere Aufgaben, wer Unterstützung braucht, bekommt einfachere. Lehrpersonen können auch zwei Versionen eines Lernangebots vergleichen (A/B-Test), um zu sehen, was besser funktioniert. Wenn man zusätzlich Rückmeldungen der Lernenden mit den gemessenen Leistungen kombiniert, entsteht ein genaues Bild vom Lernerfolg.

Was Lehrende tun können:

• Adaptive Aufgaben in XR nutzen, um Lernende individuell zu fördern.
• Zwei Varianten eines Szenarios testen, um herauszufinden, welche Methode besser wirkt.
• Rückmeldungen der Lernenden mit Testergebnissen kombinieren, um die Wirkung besser zu verstehen.

Beispiel:
In einem VR-Trainingsprogramm für Pflegekräfte werden Notfallsituationen simuliert. Je nachdem, wie sicher jemand in der Situation agiert, wird das nächste Szenario leichter oder schwerer. Zwei Gruppen erhalten dabei unterschiedliche Instruktionen: eine über Text, die andere über eine sprechende Assistenzfigur. Nach dem Training werden Leistungen verglichen und Interviews geführt. Die Ergebnisse zeigen, dass die sprachliche Begleitung in Stresssituationen besser unterstützt, daher wird sie wird künftig bevorzugt eingesetzt.

Bortz, J., & Döring, N. (2006). Forschungsmethoden und Evaluation für Human- und Sozialwissenschaften (4. Aufl.). Springer.

Froschauer, U., & Lueger, M. (2024). Das qualitative Interview (3. Aufl.). facultas.

Mayring, P. (2023). Einführung in die qualitative Sozialforschung: Eine Anleitung zu qualitativem Denken (7. überarb. Aufl.). Beltz.

Przborski, A., & Wohlrab-Sahr, M. (2014). Qualitative Sozialforschung: Ein Arbeitsbuch (4. Aufl.). Oldenbourg.

Peer-Feedback in XR fördert eine aktive Lernumgebung, in der Schüler*innen voneinander lernen. Durch gezielte Rückmeldungen in Gruppen lernen sie neue Wege der Zusammenarbeit, Problemlösung und Nutzung der virtuellen Umgebung kennen.

Was Lehrpersonen tun können:

• Gemeinsame XR-Projekte planen, bei denen Schüler*innen im Team arbeiten und sich Feedback geben.
• Regelmäßige Reflexionsphasen in der XR-Umgebung einbauen, um den Austausch zu stärken.
• Ein Pat*innensystem einführen, bei dem erfahrene Schüler*innen anderen helfen, sich in XR zurechtzufinden.

Beispiel:
In einem virtuellen Chemielabor führen Schüler*innen in Gruppen ein Experiment zur Reaktion von Stoffen durch. Nach dem Experiment sehen sie sich die Arbeit der anderen Gruppen an, geben Rückmeldungen zur Vorgehensweise und diskutieren gemeinsam, welche Strategien am besten funktioniert haben. So lernen sie nicht nur durch eigenes Tun, sondern auch durch die Beobachtung und Bewertung anderer.

Peer-Feedback in XR hilft Schüler*innen, besser zu kommunizieren und gut im Team zu arbeiten. Das sind wichtige Fähigkeiten für Schule, Ausbildung und Beruf.

Was Lehrpersonen tun können:

• Kleine Workshops dahingehend anbieten, wie man in virtuellen Umgebungen klar und respektvoll kommuniziert.
• Rollenspiele in XR durchführen, um das Geben und Annehmen von Feedback zu üben.
• Ein Bewertungssystem nutzen, das nicht nur die Inhalte, sondern auch die Qualität des Feedbacks berücksichtigt.

Beispiel:
In einem virtuellen Sprachkurs halten Schüler*innen Präsentationen vor der Klasse wie z. B. über ein Land oder ein aktuelles Thema. Danach geben sie sich mithilfe eines klaren Feedbackbogens gegenseitig Rückmeldungen zu Sprache, Inhalt und Auftreten. In einer kurzen Reflexion besprechen sie gemeinsam, was gut funktioniert hat und was verbessert werden kann. So lernen sie nicht nur die Sprache, sondern auch, wie konstruktiv miteinander umgegangen werden kann.

XR-Apps sammeln Daten darüber, wie Lernende mit der Anwendung arbeiten. Diese Informationen helfen Lehrenden dabei, den Lernstand der Schüler*innen genau zu erfassen und die Leistungen besser einzuschätzen. So lassen sich Stärken und Schwächen gezielt erkennen.

Was Lehrende tun können:

• Fortschritte wie erreichte Punkte oder gelöste Aufgaben in die Bewertung einbeziehen.
• Fehler auswerten, um gezielt Rückmeldungen zu geben.
• Ergebnisse vergleichen, um das Leistungsniveau besser einschätzen zu können.

Beispiel:
In einer VR-App zum Sprachenlernen üben Schüler*innen Vokabeln in einer simulierten Alltagssituation, z. B. beim Einkaufen. Die App misst, wie viele Begriffe richtig verwendet wurden und wie oft Fehler auftreten. Die Lehrperson erkennt so genau, welche Wörter bereits sicher beherrscht werden und wo noch weiterer Übungsbedarf besteht und kann die Wiederholung entsprechend gestalten.

XR-Anwendungen können sich an das Verhalten der Lernenden anpassen. Wenn jemand Schwierigkeiten hat, reagiert das System automatisch wie z. B. mit Tipps, einfacheren Aufgaben oder zusätzlichen Erklärungen. So wird jede*r gezielt unterstützt.

Was Lehrpersonen tun können:

• Automatische Hilfen aktivieren, die bei Problemen eingeblendet werden.
• Individuelle Lernwege vorschlagen lassen, die auf den bisherigen Leistungen basieren.
• Rückmeldungen nutzen, die in Echtzeit auf das Verhalten der Lernenden reagieren.

Beispiel:
In einer AR-Mathe-App lösen Schüler*innen Geometrieaufgaben, indem sie Formen im Raum platzieren. Wenn ein*e Schüler*in eine Aufgabe mehrfach falsch macht, zeigt die App automatisch eine kurze Erklärung und eine vereinfachte Übung. So kann das Verständnis Schritt für Schritt verbessert werden, ohne dass der Lernprozess unterbrochen wird.

Nicht nur Lernende profitieren von Learning Analytics, auch Lehrpersonen können damit ihren Unterricht gezielt verbessern. Die Daten zeigen, was gut funktioniert hat und wo es noch Schwierigkeiten gab.

Was Lehrpersonen tun können:

• Daten zur Planung, Durchführung und Reflexion des Unterrichts auswerten.
• Muster im Lernverhalten erkennen und den Unterricht daran anpassen.
• Interaktionen in der XR-Umgebung als Grundlage für praxisnahe Bewertungen nutzen.

Beispiel:
Nach einer XR-Unterrichtseinheit zum Thema „Energiequellen“ sieht die*der Lehrende in der Auswertung, dass viele Schüler*innen bei einem interaktiven Quiz Probleme mit erneuerbaren Energien hatten. Für die nächste Stunde plant sie gezielte Wiederholungen und zusätzliche Erklärungen, die genau zum Bedarf der Klasse passen.

Li, S. (2024). Learning analytics enhanced online learning support [E-Book-Ausgabe]. Routledge.