Design und Evaluation eines Virtual Learning Companions

Rinn, Heidi; Khosrawi-Rad, Bijan; Hiske, Patrick; Robra-Bissantz, Susanne; Markgraf, Daniel Article — Published Version Design und Evaluation eines Virtual Learning Companions HMD Praxis der Wirtschaftsinformatik Provided in Cooperation with: Springer Nature Suggested Citation: Rinn, Heidi; Khosrawi-Rad, Bijan; Hiske, Patrick; Robra-Bissantz, Susanne; Markgraf, Daniel (2025) : Design und Evaluation eines Virtual Learning Companions, HMD Praxis der Wirtschaftsinformatik, ISSN 2198-2775, Springer Fachmedien Wiesbaden GmbH, Wiesbaden, Vol. 62, Iss. 5, pp. 1246-1259, https://doi.org/10.1365/s40702-025-01159-7 This Version is available at: https://hdl.handle.net/10419/330392 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by/4.0/deed.de SPEKTRUM https://doi.org/10.1365/s40702-025-01159-7 HMD Praxis der Wirtschaftsinformatik (2025) 62:1246–1259 Design und Evaluation eines Virtual Learning Companions Heidi Rinn · Bijan Khosrawi-Rad · Patrick Hiske · Susanne Robra-Bissantz · Daniel Markgraf Eingegangen: 27. März 2024 / Angenommen: 19. Februar 2025 / Online publiziert: 17. März 2025 © The Author(s) 2025 Zusammenfassung Lebenslanges Lernen ist entscheidend für die persönliche und berufliche Entwicklung. Lernende in der Weiterbildung stehen jedoch vor der Herausforderung, Beruf und Studium zu vereinen sowie Lernmotivation und Zeitmanagement effektiv zu bewältigen. Virtual Learning Companions (VLCs) sind KIgestützte Chatbots, die Lernende bei motivationalen Herausforderungen und der Übung von Lerninhalten unterstützen können. Die bestehende Literatur zu Chatbots enthält nur wenige Studien, die VLCs evaluieren und Variablen wie Lernmotivation, Technologieakzeptanz sowie Unterschiede in der Wahrnehmung zwischen verschiedenen Studienmodellen berücksichtigen. Diese Studie untersucht die Entwicklung und Bewertung eines VLC-Prototyps, der auf aktuellen Gestaltungsprinzipien und technischen Fortschritten, einschließlich GPT-4 als Large Language Model, basiert. Die Kernfunktionalitäten umfassen individuelle Anpassbarkeit, proaktive Kommunikation, Beziehungsförderung, inhaltliche Unterstützung und motivationsfördernde Heidi Rinn · Daniel Markgraf IDEA – Institute for Digital Expertise and Assessment, AKAD Hochschule Stuttgart, Heilbronner Straße 86, 70191 Stuttgart, Deutschland Heidi Rinn E-Mail: heidi.[email protected]e Daniel Markgraf E-Mail: [email protected] Bijan Khosrawi-Rad · Patrick Hiske · Susanne Robra-Bissantz Institut für Wirtschaftsinformatik, Abteilung für Service-Informationssysteme, Technische Universität Braunschweig, Mühlenpfordtstraße 23, 38106 Braunschweig, Deutschland E-Mail: b[email protected] Patrick Hiske E-Mail: p.[email protected] Susanne Robra-Bissantz E-Mail: s.robra-biss[email protected] K Design und Evaluation eines Virtual Learning Companions 1247 Elemente. Der Prototyp wurde mit 72 Studierenden aus drei Bildungseinrichtungen evaluiert. Die Ergebnisse zeigen, dass der VLC das Potenzial hat, Lernmotivation und Zeitmanagement zu verbessern. Zudem heben sie die Vorteile niedrigschwelligen Lernens sowie sozialer Gestaltungselemente hervor. Sie betonen jedoch auch die Notwendigkeit, soziale und funktionale Elemente geschickt zu kombinieren, um nachhaltige Erfolge zu erzielen. Der Artikel leistet einen theoretischen Beitrag zur Chatbot-Forschung durch die Evaluation des VLC-Ansatzes, insbesondere zum Forschungsstrom menschenähnlicher Gestaltungselemente. Er bietet zudem praktische Handlungsempfehlungen für Lehrende und adressiert Herausforderungen wie das häufige Scheitern von Chatbot-Projekten im Bildungssektor. Der Ausblick betont die Bedeutung inhaltlicher Erweiterbarkeit und effektiver Zielverfolgung. Insgesamt unterstreicht die Studie die Relevanz von Chatbots als pädagogische Agenten und liefert wertvolle Erkenntnisse für die Gestaltung zukünftiger Lernbegleiter. Schlüsselwörter Virtual Learning Companion · Chatbot · Pädagogischer Agent · Bildung · Motivation · Bindung Design and Evaluation of a Virtual Learning Companion Abstract Lifelong learning is crucial for personal and professional development. However, learners in further education face the challenge of balancing work and studies while effectively managing their learning motivation and time. virtual learning companions (VLCs) are AI-powered chatbots designed to assist learners with motivational challenges and practice learning content. Existing chatbot literature contains only a few studies that evaluate VLCs, focusing on variables such as learning motivation, technology acceptance, and differences in perceptions across various educational models. This study examines the development and evaluation of a VLC prototype based on current design principles and technological advancements, including GPT-4 as a large language model. The core functionalities include individual adaptability, proactive communication, relationship building, content support, and motivational elements. The prototype was evaluated with 72 students from three educational institutions. The results indicate that VLCs have the potential to enhance learning motivation and time management while highlighting the benefits of low-threshold learning and social design elements. However, they also emphasize the need to skillfully combine social and functional elements to achieve sustainable success. The article contributes theoretically to chatbot research, especially to the research stream of human-like design elements, by evaluating the VLC approach. It also provides practical recommendations for educators and addresses challenges such as the frequent failure of chatbot projects in the educational sector. The conclusion highlights the importance of content expandability and effective goal tracking. Overall, the study underscores the relevance of chatbots as pedagogical agents and offers valuable insights for designing future learning companion. Keywords Virtual learning companion · Chatbot · Pedagogical agent · Education · Motivation · Bonding K 1248 H. Rinn et al. 1 Einleitung und Problemstellung Die voranschreitende Digitalisierung aller Lebensbereiche, und insbesondere disruptive Technologien wie künstliche Intelligenz, sorgen für einen stetigen Wandel der Arbeitswelt (Finster und Robra-Bissantz 2020). An diese Veränderungen müssen sich Arbeitgeber wie Arbeitnehmer anpassen, um wettbewerbsfähig zu bleiben. Lebenslanges Lernen wird zu einem zentralen Begleiter des Arbeitslebens. Aus diesem Grund haben sich Lehr-/Lernformate etabliert, die berufsbegleitend absolviert werden können (Finster und Robra-Bissantz 2020; Ngwacho 2023). Lernende in der Weiterbildung besitzen jedoch Herausforderungen darin, ihre Weiterbildung mit der Berufstätigkeit in Einklang zu bringen, insbesondere wenn diese Vollzeit berufstätig sind und bereits eine eigene Familie haben (Rinn et al. 2022). Solche Belastungen können zu hohen Abbruchquoten führen, wie in der Literatur zu Lernherausforderungen im Weiterbildungsbereich dokumentiert wurde (Behr et al. 2021; Rinn et al. 2022). Diese Beobachtungen entstammen empirischer Untersuchungen, in denen Lernende verschiedener Bildungseinrichtungen zu ihren Bedürfnissen und Schwierigkeiten befragt wurden (ibid.). Dabei wurden Lernmotivation und Zeitmanagement als übergreifende und kontextunabhängige Herausforderungen identifiziert, die unabhängig vom Studienmodell oder akademischen Niveau auftreten. Eine mögliche Lösung, die skalierbar ist, auch auf Distanz funktioniert und technisch machbar ist, wird in KI-basierten Chatbots gesehen, die im Bildungsbereich als pädagogische Agenten bezeichnet werden (Hobert und Meyer von Wolff 2019). Durch die Nutzung von KI-Modellen sind diese in der Lage, individuell und dialogbasiert auf die Anliegen und Herausforderungen von Lernenden einzugehen, zielgerichtetes generatives Feedback bei der Aufgabenbearbeitung bereitzustellen, sowie diese langfristig bei der Lösung von Motivationsund Zeitmanagementbarrieren zu unterstützen (Rodriguez et al. 2019; Benner 2024). Kommt zum Bildungsaspekt noch eine persönliche Bindung zwischen Mensch und Maschine hinzu, hat sich der Begriff Virtual Learning Companion (VLC) in der Forschung etabliert (Khosrawi-Rad et al. 2022b; Schlimbach et al. 2024). Durch die Nutzung menschenähnlicher Gestaltungselemente und empathischer Kommunikation tragen diese dazu bei, Lernende sowohl emotional als auch durch Hilfestellungen bei Lernaufgaben in ihrer Motivation sowie im Zeitmanagement zu unterstützen (Khosrawi-Rad et al. 2022b; Schlimbach et al. 2024). Designwissen zu VLCs wurde bereits wissenschaftlich erarbeitet und anhand von Mock-ups sowie erster prototypischer Lösungen umgesetzt (KhosrawiRad et al. 2022b; Schlimbach et al. 2024). Praxisbeispiele wie der Mental Health Chatbot „Replika“ verdeutlichen zudem das Potenzial von Virtual Companions in anderen Branchen (Skjuve et al. 2021). Im Bildungskontext ist diese Verbundenheit praktisch noch nicht umgesetzt und nachgewiesen worden (Khosrawi-Rad et al. 2022a). Trotz dieser in der Literatur definierter Vorzüge von VLCs, scheitert ein Großteil der Chatbot-Anwendungen in der Praxis und wird nicht langfristig genutzt (Janssen et al. 2021). Darüber hinaus mangelt es an empirischen Studien, welche untersuchen, inwiefern VLCs eine tatsächliche Lernunterstützung bieten (KhosrawiRad et al. 2022a). Dies umfasst die Untersuchung relevanter Faktoren, die den Erfolg von Chatbots beeinflussen, darunter motivationale Faktoren sowie Konstrukte der Akzeptanzforschung, wie die tatsächliche Nutzungsbereitschaft (Janssen et al. K Design und Evaluation eines Virtual Learning Companions 1249 2021; Khosrawi-Rad et al. 2022a). Zudem gilt es zu untersuchen, inwieweit Lernende unterschiedlicher Institutionen mit differierenden Studienmodellen (Präsenz und Fernlehre) und Niveau (akademisch und nicht-akademisch) den VLC verschieden bewerten. Das ermöglicht eine Schlussfolgerung, ob es einen allgemeinen Ansatz gibt, der unabhängig von Studienmodell und Niveau funktioniert, was wiederum der Entwicklung von kommerziellen Produkten zugutekommt. Dieser Artikel adressiert dieses Forschungsdesiderat und verfolgt die folgende Forschungsfrage:Wie nehmen Lernende unterschiedlicher Studienmodelle einen VLC in Bezug auf die Lernmotivation und Technologieakzeptanz wahr? Dieser Artikel adressiert die genannten praktischen Herausforderungen von Chatbots, indem er den VLC-Ansatz als neue Perspektive für Chatbots im Lernen untersucht, einen VLC „StudyBuddy“ implementiert sowie in einer empirischen Fragebogen-Studie mit Lernenden evaluiert. Der Artikel leistet damit nicht nur einen praktischen Beitrag zur Erprobung innovativer Lerntechnologien, sondern erweitert auch die Literatur über Chatbots und pädagogische Agenten (z.B. Hobert und Meyer von Wolff 2019; Rodriguez et al. 2019; Benner 2024). Damit trägt der Artikel dazu bei, den bisher theoretischen Ansatz des VLC empirisch wie technisch zu erproben. Zur Erfüllung dieses Forschungsziels erläutern wir zunächst die Eignung und Vielfältigkeit von Chatbots in der Hochschullehre, zeigen grundsätzliche Design Prinzipien für einen VLC aus der bestehenden Literatur auf und beschreiben die aktuellen technischen Entwicklungen, die Grundlage für eine tatsächliche prototypische Umsetzung sind. Anschließend beschreiben wir die konkrete Gestaltung unseres Prototyps, sowie dessen Architektur. Im Anschluss wird dieser Prototyp von 72 Studierenden aus drei Institutionen evaluiert, die Erhebung ausgewertet und diskutiert. Im Schluss erfolgt neben einer Zusammenfassung und einer kritischen Reflexion, ein Ausblick für eine mögliche Weiterentwicklung des Artefakts. 2 Gestaltungsgrundlagen für Virtual Learning Companions Chatbots oder sogenannte pädagogische Agenten sind kein Novum in der höheren Bildung und der Weiterbildung. Dabei nehmen diese digitalen Helfer unterschiedliche Rollen ein, wie beispielsweise die eines Tutors, eines Motivators oder eines Mentors. Der Tutor steht für die Vermittlung von Inhalten, der Motivator hat zum Ziel, das Engagement zu fördern und der Mentor behält den Fortschritt des Studierenden im Blick, z.B. über Quizfragen und deren Auswertung (Khosrawi-Rad et al. 2022a). Neben dem Vorteil der Verfügbarkeit ist die Anpassung an die individuellen Bedürfnisse des Lernenden ein wichtiger Aspekt für den Einsatz von pädagogischen Agenten (Schlimbach et al. 2022). Während 2022 noch eine Forschungslücke zu Gestaltungsforschung im Bereich VLCs zu konstatieren war (Khosrawi-Rad et al. 2022a), wurde dies in der Folge adressiert (Khosrawi-Rad et al. 2022b; Schlimbach et al. 2024). Diese Studie beruht auf Designprinzipien (DPs), die in einem 3-jährigen Projekt zur Implementierung und iterativen Evaluation eines VLCs für den Einsatz in drei Weiterbildungseinrichtungen hergeleitet wurden (Khosrawi-Rad et al. 2022b; Schlimbach et al. 2024). Diese entstammen aus einem mehrstufigen Design Science Research (DSR) Vorhaben (Kuechler und Vaishnavi 2008) und wurden aus K 1250 H. Rinn et al. der Analyse von Literaturanforderungen, Interview-Studien mit Lernenden sowie Stakeholdern sowie der iterativen Prototypentwicklung und -evaluation hergeleitet. Diese DPs dienten als Grundlage für die Implementierung des StudyBuddys (siehe Kapitel 3) und werden im Folgenden genannt und jeweils knapp erläutert. Die menschenähnliche Gestaltung (DP1) bezieht sich auf die optische Gestaltung ebenso, wie auf das Dialogdesign. Hierzu zählen beispielsweise eine menschliche Verkörperung durch einen Avatar, aber auch der an die Situation und die Gesprächspartner angepasste Sprachstil. Eine Unterhaltung unter Freunden beispielsweise umfasst auch den Einsatz von Emojis sowie empathische Reaktionen. Konfigurierbarkeit und Anpassung (DP2) des VLCs sind wichtig, um der Individualität der Nutzenden zu entsprechen. Darunter fallen z.B. die Wahl des Avatars (Konfigurierbarkeit) oder die kontextbezogene offene Kommunikation (automatische Anpassung). Neben dem typischen reaktiven Verhalten eines Chatbots wie ChatGPT, muss ein VLC auch angemessen proaktiv (DP3) kommunizieren, z.B. in Bezug auf die aktive Verfolgung von gesteckten Lernzielen oder dem Zeitmanagement. Bei der Gestaltung eines VLCs ist auch die Beziehung (DP4) und deren aktive Entwicklung und Pflege zu berücksichtigen. Der VLC muss demnach empathisch und menschenorientiert sein und darf nicht nur aufgabenorientierte Vorschläge unterbreiten. Der VLC muss auch inhaltliche Unterstützung (DP5) bieten können. Hierzu zählt, Inhalte zu erklären, aber auch die Abfrage von Wissen und die Auswertung von offenen Antworten. Neben den reinen Inhalten soll ein VLC auch die Lernmethodik (DP6) des Lernenden weiterentwickeln können, z.B., indem er an die Situation angepasste Lerntipps gibt. Zudem soll die Motivation (DP7) der Lernenden gezielt gefördert werden, das kann die Dialoggestaltung ebenso betreffen wie beispielsweise die Implementierung von spielerischen Elementen, wie z.B. ein Quiz. Auch ethische Überlegungen (DP8) sollten in die Gestaltung eines VLCs einfließen. Hierzu zählen insbesondere die Berücksichtigung der ethischen Richtlinien für künstliche Intelligenz. Zu guter Letzt ist auf die Bedienerfreundlichkeit (DP9) zu achten, z.B., durch intuitive Bedienungskonzepte und schnelle Erreichbarkeit einzelner Funktionen. 3 Die Gestaltung des Virtual Learning Companions Im Zentrum der Lösung steht ein VLC als pädagogischer Agent zur Unterstützung von Lernmotivation und Zeitmanagement. Dieser Agent orientiert sich mit seinen Features an den ausgearbeiteten DPs. Die praktische Instanziierung derartig komplexer DPs ist nur dann möglich, wenn die technischen Möglichkeiten dazu gegeben sind. In diesem Punkt hat insbesondere die Veröffentlichung von ChatGPT im November 2022 die technische Machbarkeit gezeigt und dabei gleichzeitig die Hürde einer Entwicklung herabgesetzt (Memarian und Doleck 2023). ChatGPT von OpenAI zählt zu den sog. Large Language Models, die mit Hilfe von künstlicher Intelligenz Text generieren. Die teilweise sehr ausführliche und detaillierte Aufforderung an das Large Language Model zur Textgenerierung wird als „Prompt“ bezeichnet (Rillig et al. 2023). Auf der anderen Seite hat ChatGPT aber auch die Erwartungen der Nutzer deutlich angehoben, ein Aspekt, der ebenfalls in die Entwicklung einbezogen werden muss. Die Architektur des StudyBuddys ist wie in Abb. 1zu K Design und Evaluation eines Virtual Learning Companions 1251 Abb. 1 Die Architektur des StudyBuddys sehen als integratives System konzipiert, das aus drei Hauptkomponenten besteht: dem Frontend, dem Backend und einer Datenbank. Das Frontend basiert auf dem Angular Framework, da sich dieses für die Entwicklung dynamischer Webanwendungen eignet. Hier wird dem Nutzenden die Registrierung und Interaktion mit dem StudyBuddy ermöglicht. Des Weiteren wird der Aspekt der Konfigurierbarkeit abgedeckt, indem der Nutzende zwischen verschiedenen Avataren für den StudyBuddy wählen kann. Im Backend sorgt Java Spring für eine sichere Authentifizierung und eine reibungslose Kommunikation mit der Datenbank. Die Interaktionslogik des StudyBuddy wird durch eine Kombination der Python Frameworks FastAPI und Langchain realisiert. FastAPI dient dabei als robustes Tool zur Bereitstellung von Schnittstellen, während Langchain spezielle Funktionen für die Integration von Large Language Models bietet. Für die Verarbeitung natürlicher Sprache und die Generierung von Texten wird das GPT-4 Modell von OpenAI verwendet, das aufgrund seiner fortschrittlichen Fähigkeiten zur Textverarbeitung und -generierung ausgewählt wurde. Das Design des StudyBuddys basiert auf den genannten DPs, die teilweise explizit (DP1-7) und teilweise implizit (DP8-9) als Feature einfließen. Der VLC ist darauf ausgelegt, möglichst menschlich mit den Nutzenden zu kommunizieren (DP1, DP3). Durch den Einsatz einer informellen Sprache und den gezielten Gebrauch von Emojis wird eine Atmosphäre geschaffen, die mehr an einen Austausch mit einem Freund erinnern soll (DP1, DP7). Ein wesentliches Merkmal des StudyBuddys ist außerdem die Fähigkeit, den Dialogverlauf zu speichern und darauf zurückzugreifen, was eine kontinuierliche und kontextbezogene Interaktion ermöglicht. Diese Funktion unterstützt die Förderung der Beziehung und ermöglicht es dem StudyBuddy, auf vorherige Gespräche Bezug zu nehmen und das Lernerlebnis zu personalisieren (DP1, DP2, DP4). Zur Steigerung der Lernmotivation wird der Nutzende ermutigt, mit dem StudyBuddy zusammen ein SMARTes Ziel zu verfassen (DP7). Durch diese Methodik werden Ziele spezifisch, messbar, erreichbar, realistisch und zeitgebunden definiert. Zusätzlich zur Zielsetzung bietet der StudyBuddy situative Lerntipps und motivierende Rückmeldungen, um die Nutzenden bei der Bewältigung ihrer Lernaufgaben zu unterstützen (DP6). In einem ersten Schritt wurden dem StudyBuddy Inhalte in drei spezifischen Themengebieten beigebracht, zu denen er Fragen beantworten kann. Zusätzlich beinhaltet der StudyBuddy noch ein Quiz mit offenen Fragen zu eben diesen Themen (DP5, DP6). Der StudyBuddy verkörpert somit einen innovativen Ansatz in der digitalen Bildung, der durch die Integration fortschrittlicher Technologien und pädagogischer K 1252 H. Rinn et al. Prinzipien das Potenzial hat, die Herausforderungen des selbstgesteuerten Lernens in der Weiterbildung effektiv zu adressieren. 4 Evaluierung und Ergebnisdiskussion Der StudyBuddy wurde an drei Bildungseinrichtungen für u.a. die berufliche Weiterbildung, nämlich der Institution A, der Institution B und der Institution C, entwickelt und evaluiert. Institution A ist eine Universität, die ausschließlich Fernlehre anbietet. Institution B (Universität mit Angeboten der beruflichen Weiterbildung) und C (Schule mit Angeboten der beruflichen Weiterbildung) sind Weiterbildungsinstitutionen mit einem überwiegendem Präsenzlehreanteil und digitalen Unterstützungsangeboten. Um möglichst gleiche Bedingungen der unterschiedlichen Studienmodelle (Präsenzund Fernlehre) zu schaffen, wurde ein Screencast-Video erstellt, das die wesentlichen Funktionen des StudyBuddys erläutert und demonstriert1.Dieses wurde zur asynchronen Ansicht verteilt und mit einer schriftlichen Erläuterung zur Verwendung des Prototyps und dem Link zum Fragebogen ergänzt. Damit war es den Teilnehmenden möglich, den vollen Funktionsumfang des Prototyps kennenzulernen und auszuprobieren. Die Verteilung der Informationen erfolgte jeweils über etablierte Kommunikationskanäle an den jeweiligen Bildungsinstitutionen. Der Fragebogen enthielt neben demografischen Abfragen, der Institutionszugehörigkeit und der Fachrichtung folgende in der Forschung etablierte Konstrukte (7-stufige LikertSkala) aus der Motivationsund Technologieakzeptanzforschung. Diese Konstrukte wurden ausgewählt, um eine Übereinstimmung mit der Forschungsfrage sicherzustellen. In Bezug auf die Motivation wurden etablierte Konstrukte wie Motivation und Interesse (Pintrich et al. 1991), Relevanz und Zielorientierung (Chen und Chan 2008), sowie Verbundenheit (Deci und Ryan 2000;Chenetal.2015) verwendet. Motivation und Interesse, Relevanz und Zielorientierung, sowie Verbundenheit ergeben sich aus der Zielsetzung, einen Lernfreund zur Motivation und dem Zeitmanagement zu entwickeln. In Bezug auf die Technologieakzeptanz wurden die Konstrukte Technische Affinität (Cobb et al. 2009), Wahrgenommener Nutzen (Davis 1989), Wahrgenommene Einfachheit der Bedienung (Davis 1989), sowie Intention der Benutzung (Davis et al. 1989) verwendet. Die technische Affinität wird erfasst, um die Ergebnisse zielgerichteter interpretieren zu können. In der Akzeptanzforschung für IT Artefakte beschreibt das Technology Acceptance Model den wahrgenommenen Nutzen und die wahrgenommene Einfachheit der Bedienung als Haupteinflussfaktoren für eine Intention der Nutzung (Davis et al. 1989). Die Befragung erfolgte von Dezember 2023 bis Januar 2024. 72 Teilnehmende der drei Institutionen haben den Fragebogen vollständig ausgefüllt, darunter 38 männliche (53%) und 29 weibliche (40%), sowie 5 diverse Teilnehmende oder solche ohne Geschlechtsangabe (7%). Die Verteilung auf die Institutionen ist wie folgt: 46 (64%) der A, 16 (22%) der B und 10 (14%) der C. Die Altersstruktur an den Institutionen unterscheidet sich, die Unterschiede sind aber nicht signifikant. Institution A hat die im Durchschnitt ältesten Teilnehmenden 1https://www.youtube.com/watch?v=VzR6UvJl23E&list=PPSV; Zuletzt aufgerufen: 11.01.2025. K Design und Evaluation eines Virtual Learning Companions 1253 mit rund 33 Jahren (Standardabweichung SD 9,7), Institution B mit 27 Jahren (SD 6,4) und Institution C mit ebenfalls 27 Jahren (SD 3,8). Die Fachrichtungen teilen sich wie folgt: Technik 35 (ca. 49%), Wirtschaft 27 (ca. 38%), Soziales 5 (ca. 7%) und Sonstiges 5 (ca. 7%). Die Reliabilitätsanalyse liefert einen Wert für Cronbach’s Alpha> 0,8 für alle Konstrukte außer der technischen Affinität mit noch akzeptablem Cronbach’s Alpha von 0,74. Damit wird die interne Konsistenz der Skalen als gegeben interpretiert. Um die Ergebnisse auch im Hinblick auf Unterschiede zwischen den Institutionen hin zu untersuchen, werden einfaktorielle Varianzanalysen durchgeführt. Die einfaktorielle Varianzanalyse zeigt signifikante Unterschiede bei mindestens einem Item der folgenden Konstrukte. Die Intention der Benutzung ist an Institution A höher als bei Institution B und diese wiederum höher als an Institution C. Trotz gleicher technischer Affinität unterscheidet sich außerdem die wahrgenommene Einfachheit der Bedienung, diese wird von der sozialen Fachrichtung signifikant besser bewertet als von den restlichen Zielgruppen. Da insbesondere an Institution A das Alter der Studierenden stark variiert, wurde auch das Alter als Auslöser für die gefundenen Unterschiede untersucht. Allerdings ergibt der T-Test für keines der Konstrukte signifikante Unterschiede zwischen den Generationen Y (Alter> 28) und Z (Alter< 29). Die technische Affinität der Befragten ist als sehr hoch zu interpretieren. Der Mittelwert liegt im Durchschnitt bei 6,7 bei einer niedrigen Standardabweichung von 0,6. Der wahrgenommene Nutzen mit durchschnittlich 5,1 und einer Standardabweichung von 1,3 ist durchaus vorhanden, lässt aber noch Luft für Verbesserungen. Abb. 2zeigt die Details. Die wahrgenommene Einfachheit der Bedienung liegt leicht über dem wahrgenommenen Nutzen mit einem Durchschnitt von 5,6 (SD 1,3). Hingegen liegt die Intention der Benutzung, also das Resultat aus wahrgenommenem Nutzen und wahrgenommener Einfachheit der Bedienung, im Schnitt bei 4,5 (SD 1,8). Das könnte daran liegen, dass eher das Potenzial des VLCs beim wahrgenommenen Nutzen beAbb. 2 Wahrgenommener Nutzen K