Digital Business & Administration E.3 / Aus Punkt 1 Einleitung: Beinahe jeder Mensch muss in seinem Arbeitsleben neben der eigentlichen Aufgabenerfüllung auch Arbeit auf emotionaler Ebene leisten, sei es nur mit den Kollegen, wenn es im Beruf keine externen Kontakte gibt (Rastetter, 2008). Vor allem bezieht sich diese Regulierung von Emotionen in beruflichen Interaktionen auf das Zeigen bestimmter Emotionen als Arbeitsanforderung, unabhängig von der tatsächlichen eigenen Gefühlslage als auch auf das Erzeugen von (positiven) Gefühlszuständen bei anderen Menschen (Zapf, 2002). Besonders die öffentliche Verwaltung wird in vielen Bereichen durch Bürgerkontakt und damit einem hohen Maß an so genannter Emotionsarbeit (Hochschild, 1983) bestimmt. Während das Konstrukt Emotionsarbeit sowie wesentliche Voraussetzungen, Einflussfaktoren und Wirkungen in „traditionellen“ face-to-face-Interaktionen als gut untersucht gelten können, ist hingegen die Verknüpfung mit aktuellen Veränderungen in der Arbeitswelt bis auf wenige Ausnahmen (z.B. im Bereich von Call-Center-Tätigkeiten) noch weniger erforscht (Çelikyay, 2020; Wegge, Van Dick & von Bernstorf, 2010). So treibt die Digitalisierung auch in deutschen Behörden die Arbeit mit der E-Akte voran. Diese aktuellen Entwicklungen der Arbeitswelt führen dazu, dass es notwendig wird, veränderte Anforderungen an die Emotionsarbeit der Mitarbeitenden und ggf. veränderte Auswirkungen zu untersuchen.

Digital Education: Gamification F.1 / From point 1 Introduction: Pedagogical conversational agents (PCAs) are intelligent dialog systems that interact with their users in natural language (Hobert & Meyer von Wolf, 2019). Intelligent dialog systems like ChatGPT are already being used to support users in daily concerns and learning (Kasneci et al., 2023). PCAs can support learners by giving them tips for their study process to improve their self-regulated learning, often relying on artificial intelligence (AI) (Khosrawi-Rad, Schlimbach, Strohmann & Robra-Bissantz, 2022). Self-regulated learning leads to a sense of autonomy among students, fostering their motivation (Young, 2005). Motivation is crucial for learning because its lack is often a reason why students have difficulties in their studies and even drop out (Rinn et al., 2022). To learn self-regulated, learners need to be are aware of their preferences and learning characteristics and apply the appropriate learning techniques and strategies (C. Chen, 2002).

Digital Education: Gamification F.2 / Aus Punkt 1 Einleitung: Studierende, Schüler:innen sowie Berufstätige stehen vor der Herausforderung, sich dazu zu motivieren, zu lernen (Behr, Giese, Teguim Kamdjou & Theune, 2021; Prensky, 2003; Rinn et al., 2022). Bei vielen Lernenden führt dies zu Problemen wie verlängerten Studiendauern oder einem hohen Stresslevel (Rinn et al., 2022; Schaller, 2017). Die Lernmotivation zu steigern, ist entscheidend, da sie zu einem stärkeren Engagement und besseren Lernerfolgen führt (Habgood, 2007). Gamification ist ein Ansatz, um die Lernmotivation zu verbessern. Gamification bezeichnet die „Benutzung von Spieldesignelementen in spielfremden Kontexten“ (Deterding, Dixon, Khaled & Nacke, 2011, S. 10). Das Lernen erfolgt dabei durch sogenannte Game-based Learning (GBL) Anwendungen. Bei derartigen Anwendungen kommen Spielmechaniken zum Einsatz, z.B. Punkte, Abzeichen, Bestenlisten oder Level (Blohm & Leimeister, 2013). Forschende weisen darauf hin, dass die Studien, welche sich mit den Auswirkungen einzelner Mechaniken auf die Lernmotivation befassen, nicht ausreichen (z. B. Khosrawi-Rad, Grogorick & Robra-Bissantz, 2021; Nacke & Deterding, 2017; Schöbel, Söllner & Leimeister, 2016; Seaborn & Fels, 2015). Die meisten Artikel zeigen lediglich die Effekte ganzer GBL Anwendungen auf, beziehen sich auf einen spezifischen Anwendungskontext oder untersuchen die einzelnen Spielmechaniken nur am Rande (ebenda.). Vor diesem Hintergrund zielt dieser Beitrag darauf ab, die Motivationswirkungen einzelner Spielmechaniken zum Lernen detaillierter zu untersuchen. Die zu beantwortende Forschungsfrage lautet: Inwiefern motivieren in GBL Anwendungen eingesetzte Spielmechaniken unterschiedlich zum Lernen?

Digital Education: Gamification F.3 / From point 1 Introduction: Gamification represents one of the biggest technological trends of the last decade. The adoption of the gamification concept in the corporate sector (corporate gamification, playful business) is already advanced to such an extent that 70% of organisations in the Global 2000 used at least one gamified application or service. This technological novelty is the basis for innovative changes in education, commerce, marketing, entrepreneurship, health, governance, sustainability (FinanceOnline, 2023). Moreover, numerous studies show that gamification also has various positive efects on education (Plass & Kaplan, 2015; Sailer & Homner, 2019; Zainuddina, 2020; Kapp, 2012). Besides general psychological efects regarding learning engagement, cognition, motivation, and collaboration, it has been found that gamification positively infuences learning outcomes towards problem-solving, creativity, critical thinking, or decision-making which belong to the so-called 21st Century Skills as part of the European Commission’s Agenda (Csapó & Funke, 2017; Qian & Clark, 2016). In order to ofer students the opportunity to use the potentials of gamification in later professional situations efectively, game-based learning techniques must already be integrated into the curricula and established as fundamental methods of business education.

Digital Education: Gamification F.4 / Aus Punkt 1 Einleitung und Motivation: Wir leben im digitalen Zeitalter und befinden uns in einer sogenannten Informationsgesellschaft (Lemke & Brenner, 2014). Neue Technologien, wie z.B. Big Data oder Blockchain, entwickeln sich rasant und transformieren nahezu alle Lebensbereiche (Lemke & Brenner, 2014). Die Nachfrage nach Fachkräften ist dementsprechend hoch und steigt stetig. Allein Ende 2022 gab es 136.000 offene Stellen für Informatiker:innen in Deutschland (Bitkom, 2022). Informatik ist allerdings aufgrund hoher Abstraktheit schwer zu erlernen und beizubringen (Beckwith & Ahmed, 2018). Die Abbruchquote im Informatikstudium beträgt 42 Prozent (Heublein et al., 2022). Zu den häufig genannten Herausforderungen des Informatikstudiums zählen schlecht gestalteter Unterricht und hohe Anforderungen. Gamification, also die Integration einzelner Spielelemente, hat das Potenzial den hohen Abbruchquoten entgegenzuwirken und das Informatikstudium abwechslungsreicher und spaßiger zu gestalten (Iyawa et al., 2019).

Digital Education: AI (2) G.1 / Pedagogical conversational agents (PCAs) are intelligent dialog systems that communicate with their users in natural language, either text-based (as chatbots) or speech-based (as voice assistants) (Hobert & Meyer von Wolf, 2019). Due to technical advances, they are getting better at processing natural language. ChatGPT, for example, shows that chatbots are already widely used to support everyday life and digital learning. However, users often perceive PCAs as not motivating (Nißen et al., 2021; Wellnhammer, Dolata, Steigler & Schwabe, 2020). According to a recent practice analysis by Janssen, Grützner & Breitner (2021), this is a common reason why learners do not use them, and PCAs fail. Combining PCAs with game-based approaches is one way to counteract this issue (Benner, Schöbel, Süess, Baechle & Janson, 2022; Schöbel, Schmidt-Kraepelin, Janson & Sunyaev, 2021).

Digital Education: AI (2) G.2 / Aus Punkt 1 Kursspezifische Chatbots an Hochschulen: Chatbots werden im Hochschulkontext zunehmend für studienorganisatorische Zwecke eingesetzt, während der inhaltliche Einsatz noch wenig verbreitet ist (Winkler & Söller, 2018, S. 3). Als Grund dafür kann der hohe Erstellungsaufwand von maßgeschneiderten KI Systemen mit großen Datensätzen benannt werden (Caldarini, Jaf & McGarry, 2022, S. 15). Dennoch konnte bereits der positive Einfluss von inhaltlichen Chatbots auf den Lernerfolg von Studierenden belegt werden (Winkler & Söller, 2018, S. 15f). Die Ergebnisse der Forsa-Umfrage, bei der 43% der 16 bis 35-jährigen angaben, ChatGPT bereits ausprobiert zu haben (Shahd, 2023), lassen vermuten, dass eine signifkante Anzahl von Studierenden bereits kommerzielle Chatbots für das Studium nutzt. Bei kursspezifischen Bots müssen daher Performance und Einsatzszenarien gegenüber Tools wie ChatGPT abwägt werden, da diese als Nachschlagetool oder Textgenerator deutlich überlegen sind.

Digital Business & Administration E.1 / Aus der Einleitung: Die Arbeitswelt ist einem fortwährenden Wandel unterzogen, der nicht nur das strukturelle Umfeld betrifft, sondern auch die Ansprüche der Arbeitnehmer:innen hinsichtlich Kultur, Flexibilität und Entwicklungsmöglichkeiten im Unternehmen (Irby et al., 2017; Kao et al., 2020). In diesem Zusammenhang gewinnen Mentoring- und Tandemprogramme zunehmend an Relevanz (Niebuhr, 2023) und rücken vermehrt in den Fokus wissenschaftlicher Untersuchungen. Diese Programme stellen vielversprechende Ansätze dar, um den Anforderungen der sich wandelnden Arbeitswelt gerecht zu werden und ein förderliches Umfeld für individuelle Weiterentwicklung und berufliches Wachstum zu schaffen. Sie fördern die Autonomie der Mitarbeiter:innen und leisten damit einen wertvollen Beitrag zum Wissens- und Community-Management (Allen et al., 2004; Ghosh & Reio, 2013). Doch nicht nur Einzelne können von ihnen profitieren, sondern auch die Unternehmen als Ganzes.

Digital Education: AI (2) G.3 / Aus Punkt 1 Einleitung: Das Aufkommen von Technologien wie künstlicher Intelligenz (KI) oder maschinellem Lernen (ML) hat zu tiefgreifenden Veränderungen in vielen Bereichen unseres Lebens geführt. Durch den Einsatz entsprechend leistungsfähiger Hardware ist es heute möglich, große Datenmengen zu analysieren - im Hochschulbereich wird das bspw. mit Learning Analytics (LA) möglich (Long & Siemens, 2011; Ferguson, 2012; Lang et al., 2017). Diese Technologien können z. B. dazu beitragen, das Lernverhalten, die Lernmuster oder den Lernfortschritt der Lernenden zu erfassen, zu analysieren, zu bewerten und an die Lernenden zurückzumelden, damit diese z. B. ihr Lernen selbst regulieren können (Mattingly, Rice & Berge, 2012; Wong, 2017; Avella et al., 2016; Pintrich, 2000; Zimmerman, 2000). Dies kann insbesondere in Online-Studiengängen sinnvoll sein, da die Studierenden in diesem Format weniger direkten Kontakt zu Lehrenden oder Mitstudierenden haben (Erichsen & Bolliger, 2011; Gillett-Swan, 2017). Zudem hat die Verbreitung von Online-Studiengängen und insbesondere die Nutzung digitaler Lernplattformen in den vergangenen Jahren zugenommen (Barbour & Plough, 2009; Allen & Seaman, 2017; Göbel et al., 2023). Zur Förderung und Unterstützung des Online-Lernens, das häufig isoliert und selbstständig erfolgt (Gillett-Swan, 2017), gewinnen Learning Analytics Dashboards (LADs) zunehmend an Bedeutung (Siemens, 2013; Ramaswami et al., 2022).

Digital Education: OER H.1 / Aus Punkt 1 Einführung: Im Kontext gesellschaftlicher Veränderungsprozesse in einer immer stärker vernetzten und digital gestützten Wissenskultur gewinnt die gleichberechtigte Teilhabe an lebenslanger Bildung gleichermaßen an Bedeutung. Hochschulen können dazu beitragen, indem sie ihre Bildungsmaterialien – u. a. für sozial, wirtschaftlich oder geografisch benachteiligte Menschen – öffnen, als Open Educational Resources (OER) bereitstellen und dabei eine bedarfsgerechte Anpassung und Nachnutzung ermöglichen.