Mitglied der Arbeitsgruppe Multiple Repräsentationen
Katharina Fleig ist seit August 2020 wissenschaftliche Mitarbeiterin und Doktorandin am IWM in der Arbeitsgruppe Multiple Repräsentationen. Im Rahmen des Forschungsnetzwerks Mensch-Agenten-Interaktion arbeitet sie am Projekt „Die Auswirkungen KI-gestützten Feedbacks im Kontext adaptiver Lernsysteme“. Dort untersucht sie, wie sich eine automatische Diagnose des Lernverlaufs sowie darauf aufbauende adaptive Reaktionen des Systems auf dessen Akzeptanz auswirken. Ihr Schwerpunkt liegt dabei auf der Frage, wie sprachbasierte Softwareagenten kognitive und metakognitive Lernprozesse beeinflussen. Seit September 2020 ist sie assoziierte Doktorandin der LEAD (Learning, Educational Achievement, and Life Course Development) Graduate School & Research Network der Universität Tübingen.
Katharina Fleig studierte zunächst Sprachwissenschaft (Bachelor of Arts 2015) an der Universität Konstanz, wo sie u. a. als Tutorin unterrichtete und das Deutschlandstipendium erhielt. Während ihres Masterstudiums Speech and Language Processing arbeitete sie u. a. als Studienberaterin und engagierte sich in verschiedenen Gremien als Studierendenvertreterin. Nach ihrer Elternzeit schloss sie den Studiengang mit dem Prädikat „ausgezeichnet“ ab (Master of Arts 2019).
Hoch, E., Fleig, K., & Scheiter, K. (2023). Can monitoring prompts help to reduce a confidence bias when learning with multimedia? Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie, 55(2-3), 77-90. https://dx.doi.org/10.1026/0049-8637/a000279 [Data]
Open Access
Fleig, K., Hoch, E., Lachner, A., & Scheiter, K. (2024, The effects of AI-generated feedback in the context of adaptive learning systems. Interactions With Language-Based AI: Concluding Conference of the Human-Agent Interaction Network. Tübingen. [Talk]
Hoch, E., Fleig, K., & Scheiter, K. (2023, August 22–26). Monitoring in multimedia learning: Does monitoring one's learning process affect learning? 20th Biennial Conference of the European Association for Research on Learning and Instruction (EARLI). Thessaloniki, Greece. [Talk]
Fleig, K., Hoch, E., Lachner, A., Padó, U., & Scheiter, K. (2022, April 27-29). NLP-based learner assessment for feedback generation. Retreat of the LEAD (Learning, Educational Achievement, and Life Course Development) Graduate School & Research Network. Untermarchtal. [Poster]
Fleig, K., Hoch, E., Lachner, A., Padó, U., & Scheiter, K. (2022, October 19-21). NLP-based learner assessment for feedback generation. Retreat of the LEAD (Learning, Educational Achievement, and Life Course Development) Graduate School & Research Network. Tübingen. [Poster]
Fleig, K., Hoch, E., Lachner, A., Padó, U., & Scheiter, K. (2022, März 30). Implementierung einer automatischen Auswertung offener Antwortformate. Jahrestagung Leibniz-Forschungsverbund Bildungspotenziale (LERN) (virtuelle Konferenz). Frankfurt am Main. [Poster]
Fleig, K., Padó, U., Hoch, E., Lachner, A., & Scheiter, K. (2022, August 29-31). Evidence-based implementation of automatic response assessment. European Association for Research on Learning and Instruction (EARLI). Special Interest Group (SIG) 2. Kiel. [Roundtable]
Fleig, K., Padó, U., Hoch, E., Lachner, A., & Scheiter, K. (2022, März 9-11). Evidenzbasierte Entwicklung eines KI-Systems. 9. Jahrestagung der Gesellschaft für Empirische Bildungsforschung (GEBF). Bamberg (virtuelle Konferenz). [Vortrag]
Hoch, E., Fleig, K., & Scheiter, K. (2022, August 29-31). Explicit monitoring increases learning time but not performance. European Association for Research on Learning and Instruction (EARLI). Special Interest Group (SIG) 2. Kiel. [Talk]
Hoch, E., Fleig, K., & Scheiter, K. (2023). Dataset and code for: Can monitoring prompts help to reduce a confidence bias when learning with multimedia? https://doi.org/10.17605/osf.io/zw4pk [Publication]
Katharina Fleig
Schleichstraße 6