Gap Between Self-Perception and Actual Performance in the Digital Competence of University Faculty

Im modernen Universitätsklassenzimmer ist Technologie keine bloße Luxusleistung mehr; sie ist die Luft, die die Institution atmet. Virtuelle Plattformen, digitale Ressourcen und Werkzeuge der künstlichen Intelligenz sind in das tägliche Gefüge des Lehrens eingewoben worden. Doch die Anwesenheit dieser Werkzeuge garantiert nicht deren effektive Nutzung. Der wahre Motor der Innovation in der Bildung ist nicht die Software selbst, sondern die digitale Lehrkompetenz der Professoren, die sie bedienen. Dieser Begriff bezieht sich auf die spezifische Fähigkeit, Technologie mit Lehrmethoden zu verbinden, um bedeutungsvolle Lernerfahrungen zu schaffen – eine Fertigkeit, die weit über das bloße Wissen hinausgeht, wie man eine E-Mail versendet oder eine Tabellenkalkulation öffnet. Jahrelang haben Universitäten versucht, diese Fähigkeit zu messen, indem sie Professoren baten, ihre eigenen Fähigkeiten einzuschätzen. Doch ein hartnäckiges Problem ist entstanden: Menschen sind oft schlechte Richter über ihre eigene Expertise. Sie glauben vielleicht, Meister eines Fachgebiets zu sein, nur weil sie die Werkzeuge häufig verwenden, und verwechseln dabei routinemäßige Vertrautheit mit tiefer, pädagogischer Meisterschaft. Diese Lücke zwischen dem, was Dozenten zu wissen glauben, und dem, was sie tatsächlich tun können, schafft einen blinden Fleck, der dazu führt, dass Institutionen Schulungsprogramme entwerfen, die völlig am Ziel vorbeischießen.

Ein Forscherteam aus Kolumbien setzte sich zum Ziel, diesen blinden Fleck durch einen direkten, unverblümten Blick auf die Realität aufzudecken. In Zusammenarbeit mit jedem einzelnen Professor des Campus Maicao der Universidad de La Guajira führten sie eine umfassende Volkszählung von 168 Fakultätsmitgliedern durch. Anstatt sich auf eine einfache Umfrage zu verlassen, wandten sie einen dualen Ansatz an, der Meinung von Handeln trennte. Zuerst baten sie die Professoren, einen Fragebogen auszufüllen, in dem sie ihre eigenen digitalen Fähigkeiten auf einer Skala von null bis fünf bewerteten. Um dann zu sehen, was diese Professoren tatsächlich leisten können, ließen die Forscher sie einen praktischen Test absolvieren. In dieser Aufgabe mussten die Professoren einen echten digitalen Unterrichtsentwurf erstellen, geeignete Ressourcen auswählen und eine Bewertungsaktivität strukturieren, wobei alles von Experten anhand einer strengen, objektiven Rubrik auf einer äquivalenten Skala von null bis fünf bewertet wurde. Das Ziel war es zu sehen, ob das im Fragebogen zum Ausdruck gebrachte Vertrauen mit der in der Klassensimulation gezeigten Leistung übereinstimmte.

Die Ergebnisse offenbarten eine eklatante und statistisch signifikante Kluft zwischen Wahrnehmung und Realität. Im Durchschnitt bewerteten die Professoren ihr eigenes theoretisches Wissen mit 3,92 von 5 Punkten, was sie in einen mittleren bis hohen Vertrauensbereich platzierte. Sie glaubten, durchaus kompetent zu sein. Als sie jedoch mit dem praktischen Test konfrontiert wurden, stürzte der Durchschnittswert auf nur 1,54 von 5 Punkten ab – ein Niveau, das dem ganz frühen Anfang der Lernkurve entspricht. Der Unterschied zwischen dem, was sie zu wissen behaupteten, und dem, was sie demonstrierten, war kein kleiner Fehler; es war eine massive Lücke von fast 2,4 Punkten auf der Skala. Dieser Befund legt nahe, dass die Methode der Selbsteinschätzung, auf die sich viele Institutionen verlassen, das wahre Ausmaß des Schulungsbedarfs effektiv verbirgt. Die Professoren überschätzten ihre Fähigkeiten nicht bloß ein wenig; sie operierten unter einer grundlegenden Fehlvorstellung ihrer eigenen Fähigkeiten.

Die Forscher untersuchten daraufhin, ob diese Selbstüberschätzung auf bestimmte Gruppen beschränkt war. Sie fragten sich, ob Professoren in technischen Bereichen, wie etwa dem Ingenieurwesen, präzisere Selbsteinschätzungen vornehmen könnten als jene in den Sozialwissenschaften oder der Erziehungswissenschaft. Sie hinterfragten auch, ob höhere akademische Grade, wie ein Master oder eine Promotion, vor dieser Lücke schützen könnten. Schließlich prüften sie, ob das Geschlecht eine Rolle spielte. Die Daten zeigten, dass die Kluft über alle Bereiche hinweg bemerkenswert konsistent war. Ob ein Professor nun Systems Engineering, Betriebswirtschaftslehre oder Frühkindliche Bildung lehrte, die Diskrepanz zwischen seiner Selbsteinschätzung und seiner tatsächlichen Leistung blieb dieselbe. Ebenso verringerte auch das Führen eines Postgraduiertenabschlusses die Lücke nicht; Professoren mit fortgeschrittenen Abschlüssen waren genauso wahrscheinlich dazu geneigt, ihre praktischen Fähigkeiten zu überschätzen, wie diejenigen, die nur über einen Bachelor verfügen. Auch das Geschlecht machte keinen Unterschied, da männliche und weibliche Fakultätsmitglieder identische Muster der Überschätzung zeigten.

Diese Studie kommt zu dem Schluss, dass die Fähigkeit, mit Technologie zu lehren, ein spezifisches Kompetenzpaket ist, das nicht automatisch aus der Expertise in einem Fachgebiet oder dem Besitz eines hohen Grades resultiert. Ein Professor mag ein brillanter Ingenieur oder ein erfahrener Historiker sein, aber diese Expertise überträgt sich nicht automatisch auf die Fähigkeit, eine digitale Lektion zu entwerfen. Die Ergebnisse stellen die gängige Annahme infrage, dass technische Fachbereiche von Natur aus überlegenere digitale Lehrkräfte hervorbringen. Stattdessen deutet die Evidenz auf einen universellen Bedarf für einen Wandel in der Art und Weise hin, wie Universitäten ihr Personal bewerten. Sich auf Selbstberichte zu verlassen, erzeugt eine falsche Sicherheit und führt zu Schulungen, die die falschen Probleme adressieren. Um die Bildung wahrhaft zu verbessern, müssen Institutionen weg von der Frage, was Professoren zu können glauben, und hin zur Beobachtung dessen, was sie tatsächlich können. Indem Universitäten die berufliche Weiterentwicklung auf objektiven, leistungsbasierten Bewertungen fundieren, können sie schließlich die tatsächlichen Lücken in den Fähigkeiten ihres Lehrkörpers identifizieren und die gezielte Unterstützung bereitstellen, die notwendig ist, um diese zu überbrücken.