Wissenschaftlichen Mitarbeiter /Doktorand (m/w/d) Im Bereich Learning Analytics für soziales Lernen und Verbundenheit

-------------------------------------------------------

Firma: Technische Universität München (Technical University of Munich)

UNTERNEHMENS-ID: 15107013

Stellenausschreibungs-URL: https://de.linkedin.com/jobs/view/wissenschaftlichen-mitarbeiter-doktorand-m-w-d-im-bereich-learning-analytics-f%C3%BCr-soziales-lernen-und-verbundenheit-at-technische-universit%C3%A4t-m%C3%BCnchen-technical-university-of-munich-4409992876?position=1&pageNum=14&refId=%2F7BNfy7uCLVwn4vjLgz1dA%3D%3D&trackingId=rLvi%2FC4XxlwPa2XgrJW%2FQw%3D%3D

Karrierestufe

• Keine Angabe
• Beschäftigungsverhältnis
• Vollzeit
• Tätigkeitsbereich
• Wissenschaft und Bildung und Trainee/Praktikant:in
• Branchen
• Hochschulen und Universitäten

-------------------------------------------------------

04.03.2026, Academic staff

Die Professur für Learning Analytics (LEAPS) an der TUM School of Social Sciences and Technology der Technischen Universität München sucht zum nächstmöglichen Zeitpunkt eine/einen Wissenschaftlichen Mitarbeiter /Doktorand (m/w/d) Im Bereich Learning Analytics für soziales Lernen und Verbundenheit

Die Stelle ist in TV-L E13 vergütet, 50%, und zunächst auf 3 Jahre befristet. Bewerbungen werden fortlaufend geprüft (first come, first served). Bewerbungsschluss ist der 25. März 2026.

Über uns

Der Doktorand (m/w/d) wird Teil der Forschungsgruppe LEAPS (LEarning Analytics and Practices in Systems) unter der Leitung von Prof. Dr. Oleksandra Poquet. LEAPS erforscht, wie Daten aus Lernumgebungen Agency und soziale Netzwerke in der Hochschulbildung und betrieblichen 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.

Ihre Aufgaben

Wenn Studierende online über Foren, kollaborative Dokumente oder Chats kommunizieren, hinterlassen sie Spuren davon, wie sie miteinander interagieren und sich vernetzen. Der Doktorand (m/w/d) entwickelt computationelle Indikatoren, die diese Muster aus digitalen Kommunikationsdaten erfassen, modelliert, wie Lernbeziehungen entstehen und sich entwickeln, und nutzt diese Erkenntnisse, um Interventionen zu entwickeln, die Verbundenheit unter Lernenden fördern. Die Stelle umfasst Lehrtätigkeiten im Bereich Educational Technology und Learning Analytics in geringem Umfang.

Ihr Profil

Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder vergleichbar) in Sozialpsychologie, Computerlinguistik, Computational Social Science, Linguistik, Kommunikationswissenschaft oder einem verwandten Fach mit starkem quantitativem Profil

Erfahrung mit quantitativen Forschungsmethoden und Datenanalyse

• Kenntnisse in Netzwerkwissenschaft, natürlicher Sprachverarbeitung oder computationeller Textanalyse sind von Vorteil
• Sicherer Umgang mit statistischen oder Programmiertools (z. B. R, Python)

Interesse an Bildung und Lernen als Anwendungsdomäne

Fähigkeit zum selbstständigen wissenschaftlichen Arbeiten

• Nachgewiesene wissenschaftliche Schreibkompetenz (z. B. Masterarbeit, Publikationen oder Konferenzbeiträge)
• Sehr gute Englischkenntnisse in Wort und Schrift; Deutschkenntnisse sind von Vorteil
• Teamfähigkeit und Bereitschaft zur interdisziplinären Zusammenarbeit

Wir bieten

Ein Forschungsumfeld, das intellektuellen Mut und harte Arbeit wertschätzt, Ihnen die Freiheit und Unterstützung gibt, Ideen zu verfolgen, die den Status quo in Frage stellen, und in dem Sie viel lernen werden.

Exzellente wissenschaftliche Betreuung und Mentoring

Starkes internationales und lokales Netzwerk

Möglichkeit zur Promotion an der TUM Graduate School

Aktive Einbindung in akademische Gemeinschaften (z. B. SoLAR, EATEL)

Flexible Arbeitsbedingungen

Zugang zur exzellenten Forschungsinfrastruktur der TUM und des Munich Data Science Institute

Vergütung nach TV-L E13 (50%)

Bitte Senden Sie Ihre Vollständigen Bewerbungsunterlagen (Motivationsschreiben, Lebenslauf, Zeugnisse, Masterarbeit Oder Relevante Publikationen, Kontaktdaten Von Referenzen) In Einer PDF-Datei An Folgenden Link

https://tumapply.aet.cit.tum.de/job/detail/cef51faf-834d-4dc0-ac2e-31ef8a33f72b

Die Technische Universität München strebt eine Erhöhung des Frauenanteils an. Bewerbungen von Frauen werden daher ausdrücklich begrüßt. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im Wesentlichen gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt eingestellt. Hinweis zum Datenschutz: Im Rahmen Ihrer Bewerbung an die Technische 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 (https://portal.mytum.de/kompass/datenschutz/Bewerbung/).

The position is suitable for disabled persons. Disabled applicants will be given preference in case of generally equivalent suitability, aptitude and professional performance.

Data Protection Information

When you apply for a position with the Technical University of Munich (TUM), you are submitting personal information. With regard to personal information, please take note of the Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung. (data protection information on collecting and processing personal data contained in your application in accordance with Art. 13 of the General Data Protection Regulation (GDPR)). By submitting your application, you confirm that you have acknowledged the above data protection information of TUM.

Kontakt: office.lea@sot.tum.de

More Information

https://tumapply.aet.cit.tum.de/job/detail/cef51faf-834d-4dc0-ac2e-31ef8a33f72b