Wissenschaftliche Mitarbeit im Bereich Personalisierte Lernumgebung (w/m/d) / Kennzahl 21-2026

Die Hochschule Mittweida, University of Applied Sciences, ist mit rund 6.200 Studierenden eine der größten Hochschulen für Angewandte Wissenschaften in Sachsen. Sie hat sich mit ihrem Campus inmitten der Hochschulstadt Mittweida einen familiären Charakter bewahrt, der das Arbeiten, Forschen, Studieren und Leben attraktiv macht. Hightech, Kreativität, Weltoffenheit und das Engagement aller Hochschulangehörigen begegnen sich hier auf kurzen Wegen. Anwendungsnahes Lehren und Forschen in Technik, Naturwissenschaften, Informatik, Wirtschafts- und Medienwissenschaften sowie Sozialer Arbeit prägen das breite Profil der Hochschule. Beschäftigte und Studierende profitieren von zertifizierter Familienfreundlichkeit, gelebter Inklusion und vielfältigen Sport- und gesundheitsorientierten Angeboten.
Zur Verstärkung unseres Teams ist zum 01.06.2026 bzw. ehestmöglich im Projekt ILEAS folgende Stelle:
Wissenschaftliche Mitarbeit im Bereich Personalisierte Lernumgebung (w/m/d)Das Projekt ILEAS entwickelt in 8 Teilprojekten eine zukunftsfähige, innovative Lehrarchitektur im Zeitalter der Künstlichen Intelligenz und des Generationswandels. Es geht um die systematische, strukturierte und organisierte Gestaltung der Lehre einschließlich der erforderlichen Kompetenzen, Inhalte, Methoden und Werkzeuge. Ziel ist, den Wissensbestand der Hochschule dauerhaft verfügbar zu halten und die Lehre an die individuellen Bedürfnisse der Lernenden anzupassen. Näheres zum Projekt unter https://hs.mw/ileas ( https://hs.mw/ileas ) .

• Konzeption und Weiterentwicklung adaptiver Lernpfade auf Basis kognitionswissenschaftlicher Modelle des Lernens und einer zu entwickelnden Lernfortschrittsdiagnostik
• Entwicklung und Integration evidenzbasierter didaktischer Konzepte, insbesondere zur Verbindung klassischer und projektbasierter Lernformate innerhalb der Testumgebung
• Erforschung und Gestaltung KI-gestützter Lehr-Lern-Prozesse zur individuellen Förderung, inklusive der Entwicklung digitaler Aufgabenformate (vorwiegend in deutscher Sprache)
• Entwicklung und Generalisierung von Analyseverfahren zur Modellierung von Lernprozessen und Lernverhalten
• Ableitung übertragbarer Prinzipien für personalisiertes Lernen aus empirischen Daten und deren Anwendung auf unterschiedliche Lernkontexte und Zielgruppen
• Planung, Durchführung und Auswertung empirischer Studien unter realen Lehr-Lern-Bedingungen, insbesondere in den Fachbereichen Mathematik und Künstliche Intelligenz
• Anwendung quantitativer sowie qualitativer Methoden zur Analyse von Lernprozessen und Lernerfolg der Teilnehmenden
• Sicherstellung der Datenschutz- und Ethikstandards bei allen Projektaktivitäten
• Dokumentation und Dissemination der Ergebnisse sowie Mitarbeit an einem Übertragungskonzept auf andere Lerninhalte und Zielgruppen
• Kooperation im Gesamtprojekt ILEAS: Interdisziplinäre Zusammenarbeit im Projekt ILEAS mit Fokus auf die Verbindung von Kognitionsforschung, Didaktik und Künstlicher Intelligenz

• Unsere Anforderungen: - abgeschlossenes wissenschaftliches Hochschulstudium (Diplom, Master) in Mathematik, Informatik, Lehramt Mathematik (Gymnasialstufe) oder einem vergleichbaren Fachbereich und Affinität zu computer- und KI-unterstütztem Lernen
• fundierte Kenntnisse in digitalen Lehr-Lern-Technologien, insbesondere im hochschulischen Kontext
• Erfahrung in der Konzeption, Umsetzung und Evaluation digitaler Aufgabenformate im Fach Mathematik
• Kenntnisse in Datenschutz, ethischen Fragestellungen und der Evaluation digitaler Lernangebote
• sicherer Umgang mit Lernmanagementsystemen (z. B. OPAL, Moodle), idealerweise inklusive der Integration interaktiver Inhalte sowie moderner Programmiersprachen (vorzugsweise Python)
• wünschenswert ist Erfahrung in der Durchführung von Lernstandsanalysen sowie in der Nutzerforschung unter Einsatz quantitativer und qualitativer Erhebungsmethoden sowie prädikativer KI-Methoden
• Nachweise von hochschuldidaktischen Weiterbildungen sind von Vorteil
• Kommunikations- und Teamfähigkeit sowie eine selbstständige, strukturierte Arbeitsweise
• Bereitschaft zur interdisziplinären ZusammenarbeitAnforderungen an den Bewerber: Grundkenntnisse: Datenübernahme, Datenaufbereitung, Arbeitsvorbereitung, Projektmanagement