Rethinking Higher Education/de/Chapter 10

Sprache: DE · EN · ZH · ← Buch

Universitaet der Zukunft: KI-gestuetzte Hochschulbildung zwischen europaeischem Humanismus und chinesischer Innovation

Martin Woesler

Hunan-Normaluniversitaet

Zusammenfassung

Die Hochschulbildung steht an einem Scheideweg. Die Konvergenz von Kuenstlicher Intelligenz, post-pandemischem Hybridlernen und Smart-Campus-Technologien transformiert Universitaeten von Institutionen der Wissensvermittlung zu adaptiven Lernoekosystemen. Dieser Artikel untersucht, wie europaeische und chinesische Universitaeten auf diese Transformation reagieren, gestuetzt auf institutionelle Daten, Politikanalyse und aktuelle empirische Forschung. Wir dokumentieren Chinas staatlich geleiteten Ansatz -- verkoerpert durch die UNESCO-preisgekroente Intelligente Bildungsplattform mit 293 Millionen Lernenden -- und kontrastieren ihn mit dem dezentralisierten Modell der EU, das ueber 65 Europaeische-Universitaeten-Allianzen mit ueber 570 Institutionen in 35 Laendern operiert. Durch einen systematischen Vergleich von KI-Adoptionsrichtlinien, Hybridlernmodellen, Smart-Campus-Infrastruktur und Integration generativer KI argumentieren wir, dass weder die chinesische Betonung von Geschwindigkeit und Umfang noch die europaeische Betonung demokratischer Steuerung und Lehrautonomie allein ausreichend ist. Eine Synthese -- die Chinas Kapazitaet zur schnellen Bereitstellung mit Europas Bekenntnis zu humanistischen Werten und institutioneller Selbstverwaltung verbindet -- bietet das vielversprechendste Modell fuer die Universitaet der Zukunft.

Schluesselwoerter: Universitaetstransformation, KI in der Hochschulbildung, Smart Campus, Hybridlernen, EU-China-Vergleich, Generative-KI-Richtlinien, digitale Bildung

1. Einleitung

Am 13. Maerz 2024 eroeffnete das Jean-Monnet-Exzellenzzentrum an der Hunan-Normaluniversitaet seine Vortragsreihe „Digitalisierung in China und Europa" mit einer Praesentation zum Thema „Universitaet der Zukunft." Der Vortrag, an dem mehr als 200 Teilnehmer anwesend waren, erkundete, wie Kuenstliche Intelligenz, virtuelle Realitaet und hybride Paedagogiken die Institution umgestalten, die seit der Gruendung der Universitaet Bologna 1088 als primaeres Vehikel fuer fortgeschrittene Wissensvermittlung gedient hat.

Die Universitaet steht vor einem Paradox. Als Institution ist sie bemerkenswert stabil -- ihre grundlegende Organisationsform (Departments, Fakultaeten, Vorlesungen, Pruefungen, Abschluesse) hat sich in einem Jahrtausend weniger veraendert als fast jede andere soziale Institution. Doch die Umgebung, in der sie operiert, hat sich innerhalb eines einzigen Jahrzehnts bis zur Unkenntlichkeit veraendert. Studierende, die heute die Universitaet betreten, werden in einen Arbeitsmarkt eintreten, auf dem schaetzungsweise 44 Prozent der Beschaeftigten ihr Kompetenzprofil innerhalb von fuenf Jahren werden aendern muessen (WEF 2023). Sie werden taeglich KI-Werkzeuge nutzen -- 50 Prozent nutzen sie bereits mindestens woechentlich innerhalb und ausserhalb des Hoersaals (EDUCAUSE 2025). Sie erwarten Hybridlernangebote -- 86 Prozent der auf dem Campus studierenden Bachelorstudierenden bevorzugen eine Kombination aus Praesenz- und Online-Kursen (Rize Education 2025). Und sie werden in einer Wirtschaft arbeiten, in der die Institutionen, die sie ausbilden -- Unternehmen, Online-Plattformen, Bootcamps -- zunehmend mit Universitaeten um den Zertifikatsmarkt konkurrieren.

Dieser Artikel untersucht, wie europaeische und chinesische Universitaeten diese Transformation navigieren. Er baut auf den Begleitkapiteln dieses Bandes auf, die spezifische Dimensionen der Bildungsdigitalisierung adressieren -- KI im Sprachlernen, alternative Lernformen, Datenschutz, KI-Ethik und Nachhaltigkeit --, indem er die uebergreifende institutionelle Frage behandelt: Welche Art von Universitaet brauchen wir fuer das KI-Zeitalter, und wie arbeiten die beiden groessten Bildungssysteme der Welt darauf hin?

2. Der Smart Campus: Infrastruktur fuer die Zukunft

2.1 Chinas Intelligente Bildungsplattform

Chinas Ansatz zur Universitaetstransformation wird durch die Nationale Intelligente Bildungsplattform (国家智慧教育平台) verkoerpert, die im Maerz 2022 gestartet und 2023 mit dem UNESCO-Preis Koenig Hamad Bin Isa Al-Khalifa fuer den Einsatz von IKT in der Bildung ausgezeichnet wurde. Bis Ende 2023 verband die Plattform 519.000 Bildungseinrichtungen, 18,8 Millionen Lehrende und 293 Millionen Lernende, mit ueber 100 Millionen registrierten Nutzern aus mehr als 200 Laendern und 36,7 Milliarden Aufrufen (UNESCO 2023).

Die Plattform integriert vier Unterplattformen -- fuer Grundbildung, Berufsbildung, Hochschulbildung und Lehrerfortbildung -- in eine einheitliche digitale Infrastruktur. Fuer die Hochschulbildung im Besonderen bietet sie Zugang zu mehr als 27.000 Online-Kursen, virtuellen Simulationsexperimenten und interinstitutionellen kollaborativen Lernraeumen. Der Umfang ist beispiellos: Kein anderes Land betreibt eine einzelne Bildungsplattform, die fast 300 Millionen Nutzer bedient.

Die Intelligente Bildungsplattform spiegelt einen distinktiv chinesischen Ansatz an Bildungstechnologie wider -- zentralisiert, staatlich finanziert, rasch bereitgestellt und mit breiteren nationalen Strategien integriert. Die Strategie zur Bildungsdigitalisierung des 14. Fuenfjahresplans positioniert die digitale Transformation als essenziell fuer Chinas Ziel, bis 2035 weltweit fuehrend in der Bildung zu werden. Provinzregierungen haben die nationale Plattform durch regionale Initiativen ergaenzt; die Provinz Hunan beispielsweise hat in Smart-Classroom-Infrastruktur an ihren oeffentlichen Universitaeten investiert, darunter die Hunan-Normaluniversitaet.

2.2 Europaeische Smart-Campus-Initiativen

Der europaeische Ansatz zur Smart-Campus-Entwicklung ist charakteristisch dezentralisiert. Anstelle einer einzelnen nationalen oder kontinentalen Plattform verfolgen europaeische Universitaeten Smart-Campus-Initiativen individuell oder ueber kollaborative Netzwerke. Die Europaeische-Universitaeten-Initiative, finanziert durch Erasmus+, hat 65 Allianzen mit ueber 570 Hochschuleinrichtungen in 35 Laendern etabliert (Europaeische Kommission 2025). Diese Allianzen erleichtern gemeinsame digitale Infrastruktur, gemeinsame Online-Programme und kollaborative Forschung, aber jede Institution behaelt die Autonomie ueber ihre technologischen Entscheidungen und paedagogischen Ansaetze.

Einzelne europaeische Universitaeten haben bemerkenswerte Smart-Campus-Projekte entwickelt. Der Smart Data Campus der Universitaet Edinburgh integriert IoT-Sensoren, Lernanalytik und praediktive Systeme. Die Smart-Campus-Initiative der TU Delft nutzt Digital-Twin-Technologie zur Optimierung von Gebaeudemanagement und Lernumgebungen. Der Aktionsplan fuer digitale Bildung der Europaeischen Kommission (2021-2027) bietet politische Orientierung und Foerderanreize, schreibt aber -- anders als Chinas Ansatz -- keine spezifischen technologischen Loesungen vor.

Der EU-Ansatz bietet Vorteile in institutioneller Vielfalt und Lehrautonomie -- Universitaeten koennen Technologien an ihre spezifischen Kontexte und paedagogischen Traditionen anpassen. Allerdings produziert er auch Fragmentierung, Doppelarbeit und langsamere Uebernahme im Vergleich zu Chinas zentralisiertem Modell.

2.3 Smart-Classroom-Design und Lernergebnisse

Forschung zur Wirksamkeit von Smart Classrooms bietet empirische Grundlagen fuer institutionelle Investitionsentscheidungen. Eine Studie mit 421 chinesischen Studierenden von Projekt-985-, Projekt-211- und lokalen Universitaeten ergab, dass „psychologische Freude, ausgeloest durch immersive Smart-Classroom-Infrastruktur, eine wichtige Quelle wahrgenommener akademischer Verbesserung darstellt" und dass „lehrkraftgeleitetes Scaffolding mit KI diesen Effekt verstaerkt" (Zhang, C. 2026). Die Studie legt nahe, dass Smart-Classroom-Technologie das Lernen nicht primaer durch Informationsvermittlung verbessert, sondern durch die Schaffung engagierender, immersiver Umgebungen, die Studierende in Motivation und Aufmerksamkeit steigern.

Eine systematische Uebersicht ueber Smart-Campus-Technologien identifizierte die Integration von IoT, KI, Cloud Computing und Big-Data-Analytik als Schluesselelemente intelligenter Campus-Infrastruktur, wobei personalisierte Dashboards, KI-Chatbots und praediktive Analytik als die vielversprechendsten Anwendungen hervortraten (Elbertsen, Kok und Salimi 2025). Allerdings stellte die Uebersicht auch fest, dass die meisten Smart-Campus-Implementierungen auf der Ebene des Gebaeudemanagements verbleiben statt paedagogische Transformation zu bewirken -- sie optimieren den Energieverbrauch von Gebaeuden, anstatt fundamental zu veraendern, wie Lehre und Lernen stattfinden.

3. KI-personalisiertes Lernen

3.1 Das Versprechen und die Realitaet

Die Bestrebung nach KI-personalisiertem Lernen -- Unterricht, der an Tempo, Stil, Vorwissen und Lernziele jedes Studierenden angepasst ist -- repraesentiert eine der ueberzeugendsten Visionen fuer die Universitaet der Zukunft. China hat diese Vision mit besonderer Begeisterung aufgegriffen. Die Intelligente Bildungsplattform integriert adaptive Lernalgorithmen, die Kurse empfehlen, Schwierigkeitsgrade anpassen und individualisiertes Feedback basierend auf Studierendenleistungsdaten bereitstellen.

Allerdings offenbart empirische Forschung ein differenzierteres Bild. Eine thematische Analyse der Wahrnehmungen von 48 chinesischen Studierenden zu KI-personalisiertem Lernen ergab, dass Studierende Effizienzgewinne schaetzten -- schnelleren Zugang zu relevanten Materialien, zielgerichtetere Uebungsaufgaben, sofortige Rueckmeldung --, aber Bedenken hinsichtlich uebermaessiger Abhaengigkeit von KI-Empfehlungen und des moeglichen Verlusts kritischen Denkens und autonomer Lernfaehigkeit aeusserten (Wang et al. 2024). Studierende beschrieben eine Spannung zwischen der Bequemlichkeit KI-geleiteter Lernpfade und ihrem Wunsch, selbststaendig zu erkunden, sich abzumuehen und zu entdecken.

Diese Spannung spiegelt eine tiefere philosophische Frage ueber Bildung wider. Wenn der Zweck universitaerer Bildung bloss darin besteht, vorbestimmtes Wissen und Faehigkeiten so effizient wie moeglich zu vermitteln, dann repraesentiert KI-Personalisierung eine eindeutige Verbesserung. Wenn Bildung jedoch auch der Entwicklung intellektueller Autonomie, Ambiguitaetstoleranz, der Faehigkeit zu kritischem Denken und der Faehigkeit dient, Fragen zu formulieren statt sie bloss zu beantworten, dann kann uebertriebene Personalisierung kontraproduktiv sein -- sie optimiert das Messbare, waehrend sie das Wesentliche untergraebt.

3.2 Personalisierung in der Praxis: Drei Modelle

In der aktuellen Praxis haben sich drei distinkte Modelle KI-personalisierten Lernens herausgebildet:

Das Empfehlungsmodell nutzt KI, um Kurse, Lektuere und Lernaktivitaeten basierend auf Studierendenleistungsdaten und Praeferenzen vorzuschlagen. Dies ist der Ansatz der meisten MOOC-Plattformen und Chinas Intelligenter Bildungsplattform. Es behandelt Bildung analog zum Inhaltskonsum -- Studierenden werden Bildungserfahrungen „empfohlen" wie Netflix Filme empfiehlt. Das Modell ist effizient fuer selbstgesteuertes Lernen, wirft aber Bedenken hinsichtlich Filterblasen auf (Studierende werden zu komfortablem Material gelenkt statt zu herausfordernden Inhalten) und hinsichtlich der Reduktion von Bildung auf Konsum.

Das adaptive Modell passt Schwierigkeit, Tempo und Reihenfolge der Lernmaterialien in Echtzeit basierend auf Studierendenreaktionen an. Adaptive Lernplattformen wie Knewton, DreamBox und Chinas Squirrel AI haben messbare Verbesserungen bei standardisierten Testleistungen demonstriert. Kritiker argumentieren jedoch, dass adaptives Lernen fuer messbare Ergebnisse optimiert, waehrend es moeglicherweise das Unmessbare vernachlaessigt -- Neugier, Kreativitaet, die Bereitschaft, sich auf Schwierigkeiten einzulassen, statt sie zu umgehen.

Das Tutoring-Modell nutzt KI-Chatbots oder virtuelle Tutoren, um individualisierten Unterricht zu bieten, Fragen zu beantworten, Konzepte zu erklaeren und Problemloesungen anzuleiten. Studien zu KI-Tutoring in Mathematik und Naturwissenschaften haben vielversprechende Ergebnisse gezeigt, insbesondere fuer Studierende, die sonst keinen Zugang zu individuellem Tutoring haetten. Die KI-gestuetzte Sprachlernstudie in diesem Band stellte fest, dass KI-Tutoring psychologische Vorteile bietet -- insbesondere den „Keine-Angst-vor-Fehlern"-Effekt --, die den menschlichen Unterricht ergaenzen statt ersetzen (Woesler, in diesem Band).

Jedes Modell hat berechtigte Anwendungen, aber keines konstituiert „personalisierte Bildung" in dem tieferen Sinne, wie ihn Bildungsphilosophen vorsehen. Genuine Personalisierung wuerde nicht bloss die Anpassung der Inhaltsvermittlung an individuelle Lernmuster umfassen, sondern die Unterstuetzung der Entwicklung jedes Studierenden als einzigartiger intellektueller und moralischer Akteur -- ein Ziel, das jenseits der aktuellen KI-Faehigkeiten liegt.

3.3 Europaeische Zurueckhaltung und chinesische Begeisterung

Europaeische Institutionen haben sich KI-personalisiertem Lernen generell mit groesserer Zurueckhaltung genaehert als ihre chinesischen Pendants. Dies spiegelt mehrere Faktoren wider: staerkere Datenschutzrahmenwerke (die DSGVO stellt strenge Anforderungen an die Verarbeitung von Studierendendaten fuer Personalisierungszwecke; siehe das Begleitkapitel zum Datenschutz, Woesler, in diesem Band), eine Tradition der Lehrautonomie bei paedagogischen Entscheidungen und eine humanistische Bildungsphilosophie, die Bildung -- die Formung der ganzen Person -- ueber Faehigkeitserwerb betont.

Chinesische Institutionen, die in einem permissiveren Datenumfeld operieren und durch staatliche Politik ermutigt werden, haben sich aggressiver in Richtung KI-Personalisierung bewegt. Die Betonung des Bildungsministeriums auf „intelligente Bildung" (智慧教育) und die Integration von KI in die Nationale Intelligente Bildungsplattform schaffen institutionelle Anreize zur Uebernahme. Allerdings bleibt die empirische Evidenz zur Wirksamkeit gemischt, und chinesische Forschende fordern zunehmend kritische Evaluation neben Enthusiasmus.

4. Hybridlernen als post-pandemischer Standard

4.1 Die Dauerhaftigkeit hybrider Modelle

Die COVID-19-Pandemie zwang Universitaeten weltweit, Online-Lernen in grossem Umfang zu uebernehmen. Die Frage in den Jahren 2024-2026 ist nicht, ob eine Form der Online-Vermittlung fortgesetzt werden soll, sondern wie die Mischung zu optimieren ist. Daten legen nahe, dass Hybridlernen keine voruebergehende Anpassung ist, sondern ein permanentes Merkmal der Hochschulbildung. Ueber 68 Prozent der Universitaeten haben ihre Online-Angebote seit 2020 erweitert, wobei nahezu die Haelfte plant, Online-Programme zu einer zentralen strategischen Saeule zu machen (EDUCAUSE 2025). Eine Befragung von auf dem Campus studierenden Bachelorstudierenden ergab, dass 86 Prozent einen hybriden Ansatz mit ein bis vier Online-Kursen pro Semester bevorzugen (Rize Education 2025).

Forschung unter Verwendung von Strukturgleichungsmodellierung und Deep-Neural-Network-Analyse bestaetigte, dass Hybridlernen ein nachhaltiges post-pandemisches Modell darstellt, seine Wirksamkeit jedoch stark von der institutionellen Unterstuetzungsinfrastruktur abhaengt -- einschliesslich zuverlaessiger Technologie, geschulter Lehrkraefte, angemessener Pruefungsgestaltung und Unterstuetzungsdiensten fuer Studierende (Yaqin et al. 2025). Die Studie identifizierte institutionelle Unterstuetzung als staerkeren Praeduktor fuer den Erfolg von Hybridlernen als entweder Technologiequalitaet oder digitale Kompetenz der Studierenden.

4.2 Chinesische Uebernahme von Blended Learning

In China fand eine Studie zu Faktoren, die die Verhaltensabsicht zur Uebernahme von Blended Learning bei Studierenden in der post-pandemischen Aera beeinflussen, breite Akzeptanz neben spezifischen Bedenken (Yu et al. 2023). Studierende schaetzten die Flexibilitaet von Blended Learning -- die Moeglichkeit, aufgezeichnete Vorlesungen zu wiederholen, asynchron auf Materialien zuzugreifen und im eigenen Tempo zu studieren --, aeusserten aber Sorge ueber reduzierte soziale Interaktion und die Schwierigkeit, Selbstdisziplin in Online-Umgebungen aufrechtzuerhalten.

Diese Bedenken korrespondieren mit langjaerigen Kritiken an Online-Bildung. Die soziale Dimension des universitaeren Lernens -- die informellen Gespraeche auf Fluren, die Debatten in Seminaren, die kollaborativen Projekte, die berufliche Netzwerke aufbauen -- kann in digitalen Umgebungen nicht vollstaendig repliziert werden. Chinesische Universitaeten haben darauf mit der Entwicklung hybrider Formate reagiert, die Online-Inhaltsvermittlung mit intensiven Praesenzworkshops, kollaborativen Projekten und Mentoring-Sitzungen kombinieren. Die eigene Erfahrung der Hunan-Normaluniversitaet mit der Jean-Monnet-Vortragsreihe illustriert diesen Ansatz: Vortraege wurden vor 150-200 Teilnehmern mit gleichzeitigem Online-Streaming gehalten, gefolgt von Praesenz-Diskussionssitzungen mit kleineren Gruppen.

Eine Meta-Analyse, die 37 Blended-Learning-Studien von 2000 bis 2024 umfasste, fand einen positiven oberen mittleren Effekt auf Lernergebnisse (SMD = 0,698), wobei der optimale Online-Anteil bei etwa 50 Prozent lag. Dieser Befund ist bedeutsam fuer die Curriculumgestaltung: Er legt nahe, dass das wirksamste Hybridmodell weder primaer online mit gelegentlichen Praesenzveranstaltungen noch primaer in Praesenz mit ergaenzenden Online-Materialien ist, sondern eine in etwa gleiche Mischung aus beidem. Die paedagogische Implikation ist, dass Hybridlernen als integrierte Erfahrung gestaltet werden sollte -- nicht einfach „derselbe Kurs ueber zwei Kanaele vermittelt" --, wobei spezifische Lernaktivitaeten dem Modus zugewiesen werden, der ihrem paedagogischen Zweck am besten entspricht: Informationsvermittlung online, soziales Lernen und vertiefte Diskussion in Praesenz.

5. Generative KI im Curriculum

5.1 Die Adoptionswelle

Generative KI hat sich mit bemerkenswerter Geschwindigkeit von einer Neuheit zur Allgegenwaertigkeit in der Hochschulbildung entwickelt. Die EDUCAUSE-Erhebung 2025 ergab, dass 57 Prozent der Hochschuleinrichtungen KI-Integration priorisieren, gegenueber 49 Prozent 2024. Eine globale Analyse institutioneller Adoptionsrichtlinien fand ein Spektrum von Reaktionen, von vollstaendigen Verboten (zunehmend selten) ueber obligatorische Integration (noch unueblich) bis zum entstehenden Mainstream der „regulierten Integration" -- KI-Nutzung unter spezifizierten Bedingungen mit angemessener Quellenangabe (Computers and Education: Artificial Intelligence 2025).

In den Vereinigten Staaten ermutigen 63 Prozent der forschungsstarken Universitaeten die Nutzung generativer KI, waehrend 27 Prozent sie entmutigen oder einschraenken. In Europa variieren die Richtlinien dramatisch nach Institution und Land, was das dezentralisierte Steuerungsmodell widerspiegelt. In China wird das Bild durch die Beschraenkung des Zugangs zu globalen KI-Werkzeugen (ChatGPT, Claude, Gemini, Copilot) und die Foerderung inlaendischer Alternativen (Ernie Bot, Tongyi Qianwen, DeepSeek) verkompliziert.

5.2 Chinesische Studierende zwischen globaler und inlaendischer KI

Eine Studie darueber, wie chinesische Studierende zwischen globaler und inlaendischer generativer KI navigieren, ergab, dass Studierende komplexe Strategien entwickeln, um auf eingeschraenkte Werkzeuge neben offiziell zugelassenen inlaendischen Alternativen zuzugreifen (Xie et al. 2025). Studierende berichteten, VPNs, auslaendische Konten und Peer-Netzwerke zu nutzen, um auf ChatGPT und andere eingeschraenkte Plattformen zuzugreifen, waehrend sie zugleich inlaendische Werkzeuge fuer Arbeiten verwendeten, die von Lehrenden ueberprueft wuerden. Dieses duale Nutzungsmuster spiegelt eine Spannung in Chinas KI-Bildungsstrategie wider zwischen der Foerderung von KI-Adoption und der Kontrolle des KI-Oekosystems.

5.3 Herausforderungen fuer die akademische Integritaet

Die Integration generativer KI wirft dringende Fragen zur akademischen Integritaet auf. Eine Studie ergab, dass 58 Prozent der Studierenden zugaben, KI zur unehrlichen Erledigung von Aufgaben genutzt zu haben, waehrend 65 Prozent anerkannten, dass Plagiat bei unbearbeitetem KI-Inhalt ein Problem darstellt (ICAI 2024; Frontiers in Artificial Intelligence 2024). Chinesische Universitaeten haben mit quantitativen Massnahmen reagiert -- die Tianjin University of Science and Technology (天津科技大学) zum Beispiel schrieb 2024 vor, dass KI-generierter Inhalt in Bachelorarbeiten 40 Prozent nicht ueberschreiten darf. Das Bildungsministerium hat Studierenden verboten, KI-generierte Inhalte als eigene akademische Arbeit einzureichen.

Diese Reaktionen illustrieren die Schwierigkeit, KI-Nutzung in der Bildung zu regulieren. Ein 40-Prozent-Schwellenwert ist prinzipiell messbar, in der Praxis aber schwer durchsetzbar -- wie bestimmt man den exakten Anteil KI-generierten Inhalts in einem Text, der von seinem menschlichen Autor substanziell ueberarbeitet wurde? Die tiefere Herausforderung besteht nicht darin, KI-Nutzung zu erkennen, sondern Bewertungsmethoden zu entwickeln, die die genuin menschlichen Beitraege wertschaetzen -- originaeres Denken, kritische Analyse, kreative Synthese --, die KI nicht replizieren kann. Hier konvergieren die philosophischen Traditionen der europaeischen Bildung und der chinesischen Selbstkultivierung (修身, xiushen): Beide betonen die Entwicklung der ganzen Person, nicht bloss die Produktion korrekter Antworten.

5.4 Institutionelle Politiklandschaften

Das globale Bild der GenAI-Richtlinien in der Hochschulbildung ist durch rasche Evolution und signifikante institutionelle Variation gekennzeichnet. In China gehoerte die Fudan-Universitaet im Januar 2026 zu den ersten grossen chinesischen Universitaeten, die umfassende KI-Richtlinien veroeffentlichten, die sich sowohl an Studierende als auch an Lehrende richteten. Die Richtlinien erlauben KI fuer Forschungsunterstuetzung und Lernhilfe, verbieten aber ihre Nutzung bei formalen Pruefungen ohne explizite Genehmigung der Lehrenden. Andere chinesische Universitaeten folgten mit unterschiedlichem Grad an Permissivitaet, wobei die uebergreifende Richtung -- gepraegt durch das Bildungsministerium -- eher auf regulierte Integration als auf Verbot zielt.

In Europa stellte der OECD Digital Education Outlook (2023) fest, dass keines der 18 befragten Laender oder Jurisdiktionen spezifische Regulierungen zu generativer KI in der Bildung erlassen hatte, obwohl neun unverbindliche Leitlinien veroeffentlicht hatten. Bis 2025 hatte sich dieses Bild signifikant gewandelt, wobei mehrere Laender (darunter die Niederlande, Finnland und Irland) nationale Leitlinien veroeffentlichten und einzelne Universitaeten institutionsspezifische Richtlinien entwickelten. Allerdings hinkt das Tempo der Politikentwicklung weiterhin dem Tempo der KI-Adoption durch Studierende und Lehrende hinterher.

Die Politiklandschaft in der Hochschulbildung zeigt zunehmend eine Bereitschaftsluecke. Die EDUCAUSE AI Landscape Study 2024 ergab, dass 80 Prozent der Lehrenden und Mitarbeitenden KI-Werkzeuge nutzen, doch weniger als jeder Vierte die formale KI-Richtlinie ihrer Institution kennt. Diese Kluft zwischen Praxis und Governance repraesentiert eine der dringendsten Herausforderungen fuer die Universitaet der Zukunft -- institutionelle Richtlinien muessen nicht nur existieren, sondern kommuniziert, verstanden und als relevant wahrgenommen werden von der akademischen Gemeinschaft.

6. Die Rolle der Lehrenden in der Universitaetstransformation

6.1 Lehrende als Agenten des Wandels

Die Transformation der Universitaet kann nicht von oben aufgezwungen werden -- sie muss von Lehrenden gefuehrt oder zumindest mitgefuehrt werden. Eine kritische Reflexion ueber aktuelle KI-Trends in der Hochschulbildung argumentierte, dass die Transformation „von Lehrenden gefuehrt statt technologiegetrieben" sein muesse (Ruano-Borbalan 2025). Lehrende sind die Traeger des Fachwissens, die Gestalter der Lehrplaene und die primaere Schnittstelle zwischen Studierenden und Institution. Ihr Engagement -- oder ihr Widerstand -- bestimmt, ob technologische Innovation sich in genuine paedagogische Verbesserung uebersetzt.

Doch Lehrende sehen sich erheblichen Herausforderungen gegenueber. Viele Akademiker, die vor dem KI-Zeitalter ausgebildet wurden, haben keine persoenliche Erfahrung mit den Werkzeugen, die ihre Studierenden taeglich nutzen. Die Anreizstrukturen akademischer Karrieren -- die in den meisten Systemen Forschungspublikationen ueber Lehrinnovation belohnen -- bieten begrenzte Motivation, Zeit in paedagogische Transformation zu investieren. Und die Geschwindigkeit technologischen Wandels erzeugt Unsicherheit darueber, welche Innovationen sich zu uebernehmen lohnen und welche ephemere Trends sind.

Eine Studie zu Regulierungen, Technologierichtlinien und Einstellungen von Universitaeten zu KI in China, basierend auf Politikanalyse und 33 Interviews mit Lehrenden an chinesischen Forschungsuniversitaeten, ergab, dass Lehrende KI generell als foerderlich fuer Personalisierung und Forschungsproduktivitaet betrachten, aber Bedenken hinsichtlich akademischer Integritaet, algorithmischer Voreingenommenheit und uebermaessiger Abhaengigkeit von automatisierten Systemen aeussern (Higher Education Quarterly 2025). Diese Bedenken spiegeln jene europaeischer Lehrender wider und legen nahe, dass die Erfahrung der Lehrenden mit KI-getriebener Transformation kulturelle und systemische Unterschiede transzendiert.

6.2 Professionelle Weiterbildung fuer das KI-Zeitalter

Sowohl europaeische als auch chinesische Universitaeten sehen sich der Herausforderung der professionellen Weiterbildung von Lehrenden fuer KI-augmentierte Lehre gegenueber. Chinas Ansatz war charakteristisch grossmassstaeeblich: Die nationale Lehrerfortbildungsplattform, integriert in die Intelligente Bildungsplattform, hat ueber 10 Millionen Lehrende in digitalen Kompetenzen geschult. Allerdings bleibt die Schulung fuer KI-Integration in der universitaeren Lehre im Besonderen uneinheitlich, wobei Elite-Forschungsuniversitaeten schneller voranschreiten als regionale lehrorientierte Einrichtungen.

Europaeische Ansaetze zur Weiterbildung von Lehrenden variieren nach Institution, werden aber zunehmend durch EU-Foerderung unterstuetzt. Die Erasmus+-Ausschreibung 2026 stellt 145,6 Millionen Euro fuer Kooperationspartnerschaften und zukunftsorientierte Projekte bereit, mit digitaler Transformation in der Bildung als Schwerpunktthema. Die Europaeischen Universitaetsallianzen haben zudem interinstitutionelle Austauschprogramme fuer Lehrende mit Fokus auf digitale Paedagogik geschaffen.

Die wirksamsten Programme zur Weiterbildung von Lehrenden teilen mehrere Merkmale: Sie sind disziplinspezifisch statt generisch, sie umfassen praktisches Experimentieren statt passiver Unterweisung, sie schaffen Peer-Praxisgemeinschaften statt einmaliger Workshops, und sie adressieren explizit die ethischen und paedagogischen Fragen, die KI aufwirft, statt sich ausschliesslich auf technische Faehigkeiten zu konzentrieren.

7. EU vs. China: Zwei Visionen der Zukunftsuniversitaet

7.1 Das chinesische Modell: Staatlich geleitete Transformation

Chinas Vision der Zukunftsuniversitaet ist gekennzeichnet durch zentralisierte Planung, massive digitale Infrastruktur, rasche Bereitstellung und enge Integration mit nationalen Entwicklungszielen. Der „Modernisierung der Bildung 2035"-Plan des Staatsrats positioniert Bildung als strategische nationale Prioritaet und verknuepft Bildungstransformation explizit mit technologischer Innovation und wirtschaftlicher Wettbewerbsfaehigkeit. Der „Plan fuer die Entwicklung Kuenstlicher Intelligenz der neuen Generation" (2017) positioniert KI-Kompetenz zudem als nationales strategisches Gut, mit Implikationen fuer jede Bildungsstufe.

Die praktische Manifestation dieser Vision ist im Umfang beeindruckend. Ab September 2025 wurde KI-Bildung in allen Grund- und weiterführenden Schulen obligatorisch -- Grundschulen konzentrieren sich auf KI-Kompetenz und Exposition, Mittelschulen auf Logik und kritisches Denken, Oberschulen auf angewandte Innovation und Algorithmendesign. Auf Universitaetsebene hat Chinas „Double First-Class"-Universitaetsinitiative (双一流) eine Riege von Eliteinstitutionen geschaffen, die als Labore fuer KI-gestuetzte Paedagogik dienen. Die Peking-Universitaet, die Tsinghua-Universitaet und die Zhejiang-Universitaet, unter anderem, haben KI-spezifische Forschungszentren eingerichtet und KI-Werkzeuge in die Lehre aller Disziplinen integriert.

Die Vorteile dieses Modells sind evident in Umfang und Geschwindigkeit. Kein anderes Bildungssystem kann eine Plattform bereitstellen, die 293 Millionen Lernende innerhalb von zwei Jahren nach dem Start bedient, oder KI-Bildung in allen Grund- und weiterführenden Schulen innerhalb eines einzigen Politikzyklus vorschreiben. Die nahezu universelle Breitband-Konnektivitaetsrate an chinesischen Schulen (99,9 Prozent der Schulen mit 100 Mbps oder schnellerem Anschluss, laut Bildungsministerium 2023) -- erreicht durch den Bildungsinformatisierungsaktionsplan 2.0 -- bietet ein technologisches Fundament, das viele europaeische Laender noch nicht erreicht haben.

Die Nachteile sind ebenso evident in den Beschraenkungen institutioneller Autonomie, dem begrenzten Raum fuer von Lehrenden initiierte paedagogische Innovation ausserhalb staatlich definierter Parameter und den Zugangsbeschraenkungen zu globalen KI-Werkzeugen, die die Vorbereitung der Studierenden auf internationale Karrieren einschraenken koennen. Der Ansatz des „umzaeunten Gartens" -- Foerderung inlaendischer KI-Plattformen bei gleichzeitiger Beschraenkung des Zugangs zu ChatGPT, Claude und Gemini -- erzeugt ein Paradox: Studierende werden in KI-Kompetenz geschult unter Verwendung einer begrenzten Teilmenge der global verfuegbaren Werkzeuge, was sie moeglicherweise in internationalen akademischen und beruflichen Kontexten benachteiligt.

7.2 Das europaeische Modell: Demokratische Steuerung und humanistische Werte

Die europaeische Vision der Zukunftsuniversitaet wird durch die Tradition der institutionellen Autonomie gepraegt, die in der Magna Charta Universitatum (1988, bestaetigt 2020) verankert ist, den Bologna-Prozess-Rahmen und den Europaeischen Hochschulraum. Die Europaeische-Universitaeten-Initiative, gestartet 2019 und seitdem signifikant ausgebaut, repraesentiert den ambitioniertesten Versuch, ein kontinentales Universitaetssystem zu schaffen und zugleich institutionelle Vielfalt zu bewahren. Mit 145,6 Millionen Euro, die in der Erasmus+-Ausschreibung 2026 fuer Kooperationspartnerschaften und zukunftsorientierte Projekte bereitgestellt werden, investiert die EU substanziell -- wenngleich nicht im Massstab der zentralisierten Finanzierung Chinas.

Das intellektuelle Fundament des europaeischen Modells schopft aus dem Konzept der Bildung -- dem deutschen Bildungsideal der persoenlichen Formung durch Auseinandersetzung mit Wissen, Kultur und kritischer Forschung -- und seinen Entsprechungen in anderen europaeischen Traditionen (der franzoesischen Tradition der culture générale, der britischen Tradition der liberal education). Diese Traditionen teilen eine Betonung von Bildung als mehr als Faehigkeitserwerb: Es ist die Entwicklung der Faehigkeit zu unabhaengigem Denken, ethischem Urteilen und buergerschaftlicher Teilhabe.

Die EU-KI-Verordnung bietet einen distinktiven regulatorischen Rahmen, der praegt, wie europaeische Universitaeten an die KI-Adoption herangehen. Die Verordnung stuft als „hochriskant" KI-Systeme ein, die zur Bewertung von Lernergebnissen, zur Bestimmung des Zugangs zu Bildung und zur Ueberwachung des Studierendenverhaltens bei Pruefungen eingesetzt werden. Emotionserkennung in Bildungseinrichtungen ist verboten. Diese regulatorischen Beschraenkungen, die kein chinesisches Aequivalent haben, schaffen einen Rahmen ethischer Leitplanken, der eine sorgfaeltige, reflektierte KI-Integration foerdert.

Die Vorteile dieses Modells liegen im Schutz akademischer Freiheit, dem Respekt vor disziplinaerer Vielfalt und der Integration ethischer Reflexion in die technologische Adoption. Die Nachteile sind Fragmentierung, langsame Uebernahme, uneinheitliche Umsetzung in den Mitgliedstaaten und das Risiko, dass demokratische Steuerungsprozesse zu Hindernissen fuer rechtzeitige Anpassung werden. Ein Vergleich der digitalen Transformation europaeischer Hochschuleinrichtungen fand signifikante „Gemeinsamkeiten und Unterschiede" -- die Gemeinsamkeiten angetrieben durch geteilte Herausforderungen und EU-Politikanreize, die Unterschiede reflektierend divergierende nationale Traditionen, Foerderniveaus und institutionelle Kulturen (EUA 2025).

7.3 Auf dem Weg zu einer Synthese

Das vielversprechendste Modell fuer die Universitaet der Zukunft schoepft aus den Staerken beider Ansaetze und mildert zugleich ihre Schwaechen. Vom chinesischen Modell nimmt es die Bereitschaft, in digitale Infrastruktur im grossen Massstab zu investieren, die Integration von KI-Kompetenzen in alle Disziplinen (nicht nur Informatik) und die Dringlichkeit rascher Anpassung. Vom europaeischen Modell nimmt es das Bekenntnis zu institutioneller Autonomie, die Integration ethischer Rahmenwerke in technologische Adoption, die Betonung kritischen Denkens und humanistischer Bildung neben technischen Faehigkeiten und das Prinzip, dass Bildungstransformation von Lehrenden gefuehrt und nicht administrativ aufgezwungen werden sollte.

Konkret koennte diese Synthese umfassen: geteilte digitale Infrastruktur (wie im chinesischen Modell) mit institutioneller Freiheit in ihrer paedagogischen Anwendung (wie im europaeischen Modell); obligatorische KI-Kompetenz in allen Disziplinen (wie in Chinas neuem Grund-und-Sekundarschulmandat) kombiniert mit ethischer Reflexion ueber die Grenzen und Risiken von KI (wie im Rahmen der EU-KI-Verordnung); grossmassstaeblliche Datenplattformen fuer Lernanalytik (wie in Chinas Intelligenter Bildungsplattform) gesteuert durch strenge Datenschutzprinzipien (wie in der DSGVO); und nationale Investitionen in Smart-Campus-Infrastruktur (wie in Chinas Provinzinitiativen) bereitgestellt durch wettbewerbsbasierte, leistungsorientierte Verfahren (wie im Erasmus+-Modell).

7.4 Vergleichende Zusammenfassung

Die folgende Tabelle fasst die wichtigsten Dimensionen des Unterschieds zwischen dem chinesischen und dem europaeischen Ansatz zur Zukunftsuniversitaet zusammen:

Infrastruktur: China betreibt eine zentralisierte nationale Plattform (Intelligente Bildungsplattform, 293 Mio. Nutzer); die EU betreibt dezentralisierte institutionelle und allianzbasierte Systeme (65 Allianzen, 340 Hochschulen).

KI-Integration: China schreibt KI-Bildung auf allen Ebenen ab September 2025 vor, mit Foerderung inlaendischer KI-Werkzeuge; die EU foerdert KI-Kompetenz durch die KI-Verordnung (Februar 2025) und institutionelle Richtlinien, mit offenem Zugang zu globalen Werkzeugen.

Governance: China folgt einem Top-down-, staatlich gelenkten Modell, wobei das Bildungsministerium und der Staatsrat die Richtung vorgeben; die EU folgt einem Bottom-up-, von Lehrenden gesteuerten Modell, wobei institutionelle Autonomie durch den Bologna-Prozess geschuetzt wird.

Datenumfeld: Chinas Gesetz zum Schutz persoenlicher Informationen (PIPL) erlaubt breitere Nutzung von Bildungsdaten unter staatlicher Aufsicht; die DSGVO der EU stellt strenge Datenschutzanforderungen, die die Lernanalytik einschraenken.

Geschwindigkeit der Uebernahme: Chinas zentralisiertes Modell ermoeglicht rasche Bereitstellung fuer Hunderte Millionen Nutzer; die demokratischen Prozesse der EU gewaehrleisten sorgfaeltige Abwaegung, verlangsamen aber die Umsetzung.

Qualitaetssicherung: China setzt auf institutionelle Akkreditierung und staatlich geleitetes Qualitaetsmonitoring; die EU setzt auf disziplinaere Begutachtung durch Peers, institutionelle Akkreditierung und die European Standards and Guidelines (ESG).

Kulturelle Grundlage: China schoepft aus konfuzianischen Bildungstraditionen, die Fleiss, Respekt vor Lehrenden und Dienst am Staat betonen; Europa schoepft aus Aufklaerungstraditionen, die kritisches Denken, individuelle Autonomie und buergerschaftliche Teilhabe betonen.

Keines der beiden Modelle adressiert vollstaendig die zentrale Herausforderung der Zukunftsuniversitaet: die Integration technologischer Faehigkeit mit humanistischem Zweck. China demonstriert, was Technologie im grossen Massstab erreichen kann; Europa demonstriert, warum Massstab allein nicht ausreicht ohne ethische Reflexion und individuelle Entfaltung als Bildungsziele.

7.5 Die Kompetenzen-Frage: Was sollte die Zukunftsuniversitaet lehren?

Hinter den institutionellen und technologischen Fragen liegt eine fundamentalere: Was sollte die Universitaet der Zukunft lehren? Die traditionelle Antwort -- disziplinaeres Wissen, organisiert in Studiengaengen -- reicht zunehmend nicht aus in einer Welt, in der Wissen im Ueberfluss vorhanden, frei zugaenglich und rasch veraltet ist. Der Bericht des Weltwirtschaftsforums ueber die Zukunft der Arbeit (2024) schaetzt, dass 44 Prozent der Kernkompetenzen von Beschaeftigten innerhalb von fuenf Jahren disrupted werden, was statische Kompetenzprofile schneller obsolet macht, als Universitaeten ihre Lehrplaene aktualisieren koennen.

China hat auf diese Herausforderung mit charakteristischer Direktheit reagiert, indem es KI-Kompetenz als Kernkompetenz ab der Grundschule vorschreibt und Kurse zu „Innovation und Unternehmertum" (创新创业) in die universitaeren Lehrplaene aller Disziplinen integriert. Das Begleitkapitel zu alternativen Lernformen (Woesler, in diesem Band) dokumentiert, wie chinesische Institutionen auch Micro-Credentials, kompetenzbasierte Bildung und projektbasiertes Lernen als Ergaenzung zu traditionellen Studiengaengen uebernehmen.

Europaeische Reaktionen waren vielfaeltiger, konvergieren aber zunehmend auf einem Rahmenwerk „transversaler Kompetenzen" -- kritisches Denken, Kreativitaet, Zusammenarbeit, Kommunikation, digitale Kompetenz und ethisches Urteilen. Der EU-Referenzrahmen fuer Schluesselkompetenzen fuer lebenslanges Lernen (aktualisiert 2018) bietet einen Bezugspunkt, aber die Umsetzung auf institutioneller Ebene bleibt inkonsistent.

Die tiefere Frage ist, ob die Zukunftsuniversitaet Studierenden primaer beibringen sollte, was sie denken sollen (Wissensvermittlung), wie sie denken sollen (kritisches Urteilen) oder wie sie lernen sollen (adaptive Kapazitaet). Das chinesische Modell, mit seiner Betonung praktischer Faehigkeiten und nationaler Entwicklungsprioritaeten, tendiert zum Ersten und Dritten. Das europaeische Modell, mit seiner Betonung von Bildung und akademischer Freiheit, tendiert zum Zweiten. Die Universitaet der Zukunft wird alle drei brauchen -- und die Weisheit zu wissen, wann jedes angemessen ist.

Dies fuehrt uns zurueck zur bereits notierten konfuzianisch-aufklaererischen Konvergenz. Beide Traditionen erkennen an, dass Bildung ueber blosse Wissensvermittlung hinausgehen muss, um die ganze Person zu entwickeln -- den konfuzianischen 君子 (junzi, vorbildlichen Menschen) und das Aufklaerungsideal des autonomen, kritisch denkenden Buergers. Im Zeitalter der Kuenstlichen Intelligenz sind diese humanistischen Ideale nicht obsolet; sie sind wichtiger denn je. Die genuin menschlichen Faehigkeiten, die beide Traditionen kultivieren -- moralisches Urteil, aesthetische Sensibilitaet, Empathie, die Faehigkeit, Ambiguitaet und Komplexitaet zu navigieren -- sind genau die Faehigkeiten, die KI nicht replizieren kann und die der Arbeitsmarkt der Zukunft zunehmend wertschaetzen wird.

8. Schlussfolgerung

Die Universitaet der Zukunft wird weder ein chinesischer Smart Campus noch ein europaeisches humanistisches Seminar sein -- sie muss beides sein. Die Herausforderung des kommenden Jahrzehnts besteht nicht darin, zwischen technologischer Effizienz und humanistischer Tiefe zu waehlen, sondern sie zu integrieren. KI-personalisiertes Lernen muss mit der Kultivierung intellektueller Autonomie koexistieren. Smart-Classroom-Infrastruktur muss paedagogischer Innovation dienen, nicht bloss dem Gebaeudemanagement. Generative KI muss in Lehrplaene auf eine Weise integriert werden, die das kritische Denken der Studierenden entwickelt, statt es zu ersetzen. Und Hybridlernen muss nicht bloss fuer Bequemlichkeit, sondern fuer genuine bildungswirksame Effektivitaet gestaltet werden.

Der Vergleich europaeischer und chinesischer Ansaetze zur Universitaetstransformation zeigt, dass keines der beiden Systeme das Raetsel der Zukunftsuniversitaet vollstaendig geloest hat. China demonstriert, was moeglich ist, wenn ein Staat massive Ressourcen in die Bildungsdigitalisierung investiert; Europa demonstriert, was notwendig ist, wenn Bildungstransformation von demokratischen Werten und humanistischen Traditionen geleitet wird. Die Universitaet, die 2035 -- und 2050 -- gedeihen wird, wird diejenige sein, die von beiden Traditionen lernt, Umfang mit Subtilitaet, Geschwindigkeit mit Reflexion und Innovation mit den bleibenden menschlichen Werten verbindend, die die Universitaet seit fast einem Jahrtausend getragen haben.

Danksagung

Diese Forschung wurde unterstuetzt durch das Jean-Monnet-Exzellenzzentrum „EU-Studies Centre: Digitalization in Europe and China" (EUSC-DEC), finanziert durch die Europaeische Union unter Foerdervertrag Nr. 101126782. Die geaeusserten Ansichten und Meinungen sind ausschliesslich die des Autors und spiegeln nicht notwendigerweise die der Europaeischen Union wider.

Literaturverzeichnis

Computers and Education: Artificial Intelligence. (2025). Generative AI in higher education: A global perspective of institutional adoption policies and guidelines. Elsevier. DOI: 10.1016/j.caeai.2024.100348.

EDUCAUSE. (2025). Shaping the future of learning: AI in higher education.

Elbertsen, L., Kok, R., & Salimi, N. (2025). Designing the future smart campus: Integrating key elements to enhance user experience. Journal of Science and Technology Policy Management, 16(10), 117-137.

European Universities Association (EUA). (2025). Similarities and differences in the digital transformation of higher education. Global University Associations Forum (GUAF).

International Center for Academic Integrity (ICAI). (2024). Academic integrity and generative AI: Student survey data. As cited in: Frontiers in Artificial Intelligence (2024), "Shaping integrity: Why generative artificial intelligence does not have to undermine education." DOI: 10.3389/frai.2024.1471224.

Liu, X., et al. (2025). Regulations, technology policies and universities' attitudes to artificial intelligence in China. Higher Education Quarterly, 79(4). DOI: 10.1111/hequ.70055.

OECD. (2023). Digital Education Outlook 2023: Emerging governance of generative AI in education.

Rize Education. (2025). The hybrid college of the future.

Ruano-Borbalan, J.-C. (2025). The transformative impact of artificial intelligence on higher education: A critical reflection on current trends and future directions. International Journal of Chinese Education. SAGE. DOI: 10.1177/2212585X251319364.

UNESCO. (2023). Smart Education Platform of China: Laureate of UNESCO Prize for ICT in Education.

Wang, X., Xu, X., Zhang, Y., Hao, S., & Jie, W. (2024). Exploring the impact of artificial intelligence application in personalized learning environments: Thematic analysis of undergraduates' perceptions in China. Humanities and Social Sciences Communications, 11(1), 1644.

Yu, T., Dai, J., & Wang, C. (2023). Adoption of blended learning: Chinese university students' perspectives. Humanities and Social Sciences Communications, 10(1), 390. Nature.

Woesler, M. (this volume). Ethical frameworks for AI in higher education: Between European regulation and Chinese innovation.

Woesler, M. (this volume). Student data protection in the digital university: GDPR and China's PIPL compared.

Woesler, M. (this volume). Learning a foreign language with and without AI: An empirical comparative study.

World Economic Forum (WEF). (2023). Future of Jobs Report 2023.

Xie, Q., Li, M., & Cheng, F. (2025). Between regulation and accessibility: How Chinese university students navigate global and domestic generative AI. Globalisation, Societies and Education. Taylor & Francis.

Yaqin, A. M. A., Muqoffi, A. K., Rizalmi, S. R., Pratikno, F. A., & Efranto, R. Y. (2025). Hybrid learning in post-pandemic higher education systems: an analysis using SEM and DNN. Cogent Education, 12(1), 2458930. Taylor & Francis.

Zhang, C. (2026). Unlocking academic gains in smart-classroom settings: A moderated-mediation study among Chinese undergraduates. Acta Psychologica. Elsevier.