Wissenschaftlichen Mitarbeiter /Doktorand (m/w/d) Im Bereich Learning Analytics für soziales Le[...]

Wissenschaftlicher Mitarbeiter / Doktorand im Bereich Learning Analytics für soziales Lernen und Verbundenheit

Die Professur für Learning Analytics (LEAPS) an der TUM School of Social Sciences and Technology der Technischen Universität München sucht zum nächstmöglichen Zeitpunkt eine/m Wissenschaftliche/n Mitarbeiter/in / 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 drei 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 computationale 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

• 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 %)

Bewerbung

Bitte senden Sie Ihre vollständigen Bewerbungsunterlagen (Motivationsschreiben, Lebenslauf, Zeugnisse, Masterarbeit oder relevante Publikationen, Kontaktdaten von Referenzen) in einer PDF‑Datei an folgenden Link: Bewerbung .

Kontakt

EEO & Diversity

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. Das Angebot richtet sich gleichermaßen zu Menschen mit Behinderung – diese werden bei gleicher Eignung bevorzugt.

Datenschutz

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.

Weitere Informationen

Weitere Details finden Sie unter: Job‑Detailseite .