Research Associate / Doctoral Candidate (m/f/d) in München

Die Professur für Learning Analytics (LEAPS) an der TUM School of Social Sciences and Technology, Technische Universität München, sucht im Rahmen einer von der TUM Institute for Advanced Study (TUM-IAS) geförderten Forschungskooperation einen wissenschaftlichen Mitarbeiter / Doktoranden (m/w/d).

Der Kandidat wird Teil der Professur für Learning Analytics (LEAPS) unter der Leitung von Prof. Dr. Oleksandra Poquet. LEAPS untersucht, wie Daten aus Lernumgebungen die Selbstbestimmung und sozialen Netzwerke in der Hochschulbildung und der beruflichen Weiterbildung unterstützen können. Die Gruppe ist Teil der TUM School of Social Sciences and Technology, des Munich Data Science Institute und des TUM EdTech Centre.

Die Position ist in eine breitere Zusammenarbeit mit Prof. Di Xu und ihrem interdisziplinären Forschungsteam an der UC Irvine eingebettet, die Expertise in Hochschulbildung, Lernwissenschaften, Learning Analytics, kausaler Inferenz, KI-unterstützter Bildung sowie dem Design und der Evaluation von Bildungsinterventionen vereint. Die Position ist TV-L E13, 75 %, auf drei Jahre befristet und wird von der Dieter Schwarz Stiftung und der TUM Institute for Advanced Study (TUM-IAS) finanziert.

Ihre Aufgaben

Soziale Interaktion ist zentral für das Lernen, dennoch wissen wir relativ wenig darüber, wie produktive Peer-Beziehungen in technologiegestützten Lernumgebungen entstehen und sich entwickeln oder wie KI zur Unterstützung dieser Prozesse eingesetzt werden kann. Diese Promotion wird Learning Analytics, computergestützte Methoden und kausale Inferenz kombinieren, um soziale Interaktionen im großen Maßstab zu verstehen und KI-unterstützte Bildungswerkzeuge und Interventionen zu entwerfen und zu evaluieren, die produktive Peer-Interaktionen, Beziehungsbildung und Lernen unterstützen.

Der Doktorand wird mit umfangreichen longitudinalen Daten über die Interaktion und das Lernen von Studierenden arbeiten; Maßnahmen und Modelle zur Peer-Interaktion und Beziehungsbildung entwickeln und validieren; und diese Erkenntnisse nutzen, um KI-unterstützte Werkzeuge für Gruppenbildung, Interaktionsunterstützung, adaptive Aufforderungen, Feedback oder Empfehlungen zu entwerfen. Der Forscher hat erheblichen Spielraum, spezifische Fragen innerhalb dieser breiteren Agenda zu gestalten.

Das Projekt zielt darauf ab, Analytik und Interventionen über den gesamten Forschungszyklus hinweg zu verbinden. Der Doktorand wird die Möglichkeit haben, mit Lehrenden und institutionellen Partnern zusammenzuarbeiten, um Interventionen in Hochschulkursen umzusetzen und zu testen, einschließlich durch randomisierte kontrollierte Studien und andere rigorose Forschungsdesigns. Vielversprechende Interventionen können anschließend in weiteren Kursen und Studentengruppen getestet werden, mit Möglichkeiten zur Untersuchung der Implementierung und Wirksamkeit im größeren, potenziell institutionellen Maßstab. Die Position beinhaltet enge Zusammenarbeit mit Forschern aus den TUM- und UC Irvine-Teams.

Ihr Profil

• Abgeschlossenes Masterstudium (oder gleichwertig) in einem relevanten Bereich wie Datenwissenschaft, Informatik, Statistik, quantitative Sozialwissenschaften, Bildungstechnologie, Lernwissenschaften, Psychologie, Wirtschaftswissenschaften oder einem verwandten Fachgebiet mit starkem quantitativen Profil.
• Starke quantitative Fähigkeiten und Erfahrung im Umgang mit empirischen Daten; Erfahrung mit statistischer Modellierung, computergestützten Methoden, maschinellem Lernen oder kausaler Inferenz ist besonders willkommen.
• Programmierkenntnisse (z.B. Python, R).
• Erfahrung in einem oder mehreren der folgenden Bereiche wäre besonders wertvoll: Learning Analytics, natürliche Sprachverarbeitung oder computergestützte Textanalyse, soziale Netzwerk-Analyse, longitudinale oder Sequenzanalyse, Psychometrie oder Messung sowie Erfahrung in der Übersetzung empirischer Ergebnisse in Designentscheidungen, z.B. bei der Entwicklung von Interventionen oder Werkzeugen.
• Interesse an interdisziplinärer Forschung an der Schnittstelle von Datenanalyse, KI, sozialer Interaktion und Lernwissenschaften.
• Interesse an der Gestaltung und Evaluierung von Bildungswerkzeugen oder Interventionen in der Hochschulbildung.
• Ein unternehmerisches und intellektuell neugieriges Denken, mit der Fähigkeit, selbstständig zu arbeiten, kritisch mit empirischen Ergebnissen umzugehen und Forschungsideen zu entwickeln.
• Nachgewiesene akademische Schreibfähigkeiten (z.B. Masterarbeit, Veröffentlichungen oder Konferenzbeiträge).
• Ausgezeichnete schriftliche und mündliche Englischkenntnisse.

Was wir bieten

• Ein kollaboratives Forschungsumfeld, in dem Sie eine unabhängige Promotionsagenda entwickeln können, während Sie über komplementäre Expertise in Learning Analytics, computergestützter Sozialwissenschaft, KI-unterstützter Bildung, kausaler Inferenz und Feldexperimenten arbeiten.
• Enge Mentorship und akademische Betreuung durch Prof. Dr. Oleksandra Poquet an der TUM und Prof. Di Xu an der UC Irvine, mit regelmäßiger Zusammenarbeit zwischen beiden Forschungsteams. Die Position ist an der TUM angesiedelt.
• Zugang zu einem starken internationalen und interdisziplinären Forschungsnetzwerk an der TUM und UC Irvine.
• Doktorandenausbildung durch die TUM Graduate School.
• Forschungsbesuche an der UC Irvine.
• Möglichkeiten, mit umfangreichen Daten über die Interaktion und das Lernen von Studierenden zu arbeiten und KI-unterstützte Bildungsinterventionen zu entwerfen und zu evaluieren, einschließlich randomisierter kontrollierter Studien.
• Möglichkeiten zu untersuchen, wie vielversprechende Interventionen in Kursen und im größeren Maßstab implementiert und evaluiert werden können.
• Flexible Arbeitsbedingungen.
• Zugang zur hervorragenden Forschungsinfrastruktur der TUM, des Munich Data Science Institute und des TUM EdTech Centre.
• Vergütung gemäß TV-L E13 (75%).

Bewerbung

Bitte senden Sie Ihre vollständige Bewerbung (Motivationsschreiben, das Ihre Forschungsinteressen und Ihre Passung zum Projekt beschreibt, Lebenslauf, Zeugnisse, Masterarbeit oder relevante Veröffentlichungen, Kontaktdaten von Referenzen) als eine PDF-Datei an Prof. Poquet. Bewerbungsfrist: 7. Oktober 2026.

Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im Wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt.

Hinweis zum Datenschutz: Im Rahmen Ihrer Bewerbung um eine Stelle an der Technischen Universität München (TUM) übermitteln Sie personenbezogene Daten. Beachten Sie bitte hierzu unsere Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. Durch die Übermittlung Ihrer Bewerbung bestätigen Sie, dass Sie die Datenschutzhinweise der TUM zur Kenntnis genommen haben.