{"id":26946,"date":"2026-09-21T02:24:05","date_gmt":"2026-09-21T00:24:05","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/gabrielle-martins-van-jaarsveld\/"},"modified":"2026-10-31T11:33:12","modified_gmt":"2026-10-31T10:33:12","slug":"gabrielle-martins-van-jaarsveld","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/gabrielle-martins-van-jaarsveld\/","title":{"rendered":"Gabrielle Martins van Jaarsveld"},"content":{"rendered":"","protected":true},"featured_media":26947,"template":"","meta":{"_acf_changed":false},"university_us_portfolio":[12],"class_list":["post-26946","us_portfolio","type-us_portfolio","status-publish","post-password-required","hentry","university_us_portfolio-erasmus-universiteit-rotterdam"],"acf":{"main_text":"","naam_van_het_proefschift":"Supporting Self-Regulated Learning with Conversational Agents","samenvatting":"Zelfregulerend leren (\u201cself-regulated learning\u201d, SRL) is een kernvaardigheid voor studenten in het hoger onderwijs, waar digitale en autonome vormen van leren in toenemende mate een volgehouden planning en doorzettingsvermogen vereisen (Caixia et al., 2025; Panadero et al., 2025; Shamla & Jayan, 2025; Suan, 2023). Zelfregulerend leren beschrijft een reeks processen die het leren van studenten aansturen. In Zimmermans model van SRL wordt het opgevat als een cyclisch proces dat uit drie fasen bestaat: de voorbereidingsfase, waarin studenten doelen stellen en hun leeractiviteiten plannen; de uitvoeringsfase, waarin zij leerstrategie\u00ebn toepassen en hun voortgang monitoren; en de reflectiefase, waarin zij terugblikken op hun handelen en aanpassingen maken voor toekomstige cycli (Panadero, 2017; Zimmerman, 2000). Vaardigheden in SRL zijn een voorspeller van academisch succes, maar veel studenten hebben moeite om hun leren zelf effectief te reguleren (Nyman, 2024; Prasse et al., 2024). Hierom bestaat er een omvangrijke hoeveelheid aan onderzoek naar de vraag hoe SRL binnen het hoger onderwijs effectief en op schaal kan worden ondersteund (Shao et al., 2023). Het stellen van doelen (\u201cgoal setting\u201d) wordt vaak gepresenteerd als de beginfase van de cyclus van SRL, omdat dit studenten helpt met het bepalen van prioriteiten bepalen en cre\u00ebren van maatstaven waarmee hun voortgang bepaald kan worden. Om die reden richten veel SRL-interventies zich op deze fase als aangrijpingspunt voor het verbeteren van de volledige cyclus van SRL (Bruhn et al., 2016; Cheng, 2023). Het bestaande bewijs is echter nog moeilijk te vertalen naar duidelijke richtlijnen over de kenmerken van effectieve en schaalbare goal setting-interventies. Dit komt deels doordat onderzoek naar goal setting in het hoger onderwijs voortbouwt op inzichten uit meerdere vakgebieden, zoals de organisatiepsychologie, sportwetenschappen en revalidatie (Heintalu et al., 2025; Locke & Latham, 2002), terwijl nog onduidelijk is hoe deze inzichten aangepast moeten worden aan de specifieke behoeften van contexten in het hoger onderwijs. Daarnaast maken de hoge mate van autonomie van lerenden en beperkte externe structuur het lastig om interventies te implementeren en goal setting buiten het klaslokaal te bestuderen wanneer SRL processen zich ontvouwen (Prasse et al., 2024; Rasheed et al., 2020). Daardoor zijn evaluaties vaak gebaseerd op uitkomstmaten op afstand, in plaats van op indicatoren van veranderingen op procesniveau.\n\nDit proefschrift beoogt dit gat in de literatuur te adresseren. Hoofdstukken 2 tot en met 5 presenteren vier studies waarin wordt onderzocht: 1) hoe goal setting van hoge kwaliteit kan worden ondersteund met behulp van een interventie via een conversationele agent, en 2) hoe daaropvolgende processen van SRL (zoals monitoring en reflectie) de overgang van het stellen van een doel naar het langdurig nastreven van dat doel ondersteunen. Dit onderzoek combineert een synthese van de huidige literatuur over goal setting in het hoger onderwijs met meerdere experimentele interventiestudies, die via een conversationele agent zijn uitgevoerd, en metingen op procesniveau die met behulp van large language models (LLM\u2019s) zijn toegepast op conversatiedata.\n\nSamenvatting van de belangrijkste bevindingen\n\nDit proefschrift begint met Hoofdstuk 2, waarin een systematisch literatuuronderzoek wordt gepresenteerd op basis van 60 onderzoeken die tussen 2010 en 2024 zijn gepubliceerd. In dit literatuuronderzoek werd onderzocht hoe, wanneer, waarom en bij wie er gevraagd wordt om doelen te stellen in het hoger onderwijs, met specifieke aandacht voor het ontwerp van de interventies en de context waarin deze werden uitgevoerd. De bevindingen tonen een sterk heterogeen onderzoeksveld, met grote variatie in goal setting-prompts, de kenmerken van de doelen waarop wordt aangestuurd, de wijze waarop interventies worden aangeboden en de beoogde uitkomsten. Slechts 17 van de 60 inbegrepen onderzoeken toetsten de effecten van de interventies op leeruitkomsten door middel van experimenten (bijv. Clark et al., 2020; Dobronyi et al., 2019; Schippers et al., 2020). De resultaten laten zien dat goal setting weliswaar breed wordt ingezet als ondersteunende activiteit, maar vaak wordt vormgegeven als een eenmalige of minimaal begeleide activiteit, terwijl bewijs juist suggereert dat veel studenten moeite kunnen hebben met het effectief stellen van doelen zonder expliciete ondersteuning (Kismih\u00f3k et al., 2020; Kochekseraii, 2019; Nurjannah et al., 2020). Daarnaast vindt goal setting vaak plaats in combinatie met aanvullende ondersteuning van SRL, waarbij activiteiten regelmatig ook andere fasen van de cyclus van SRL adresseren. Verder blijkt dat technologie, ondanks dat veel interventies digitaal werden aangeboden, in de meeste gevallen vooral wordt gebruikt als verspreidingsmechanisme, en niet als middel om adaptieve, gepersonaliseerde of aanvullende ondersteuning te bieden.\n\nIn Hoofdstuk 3 wordt een experimentele studie besproken waarin werd onderzocht hoe een effectieve goal setting-interventie voor studenten in het hoger onderwijs ontworpen kan worden. Op basis van eerder onderzoek en de bevindingen uit het systematische literatuuronderzoek in Hoofdstuk 2 werden begeleiding en feedback geselecteerd als belangrijke factoren voor het ondersteunen van effectieve goal setting. Hoofdstuk 3 heeft als doel het effect van deze twee factoren, afzonderlijk en in combinatie, op doelbereik en doelstreven van studenten te evalueren, evenals de gebruikerservaringen met de conversationele agent waarmee de interventie werd aangeboden. De resultaten laten zien dat de combinatie van begeleiding en feedback, gedurende de vijf weken van de interventie, consequent leidde tot het stellen van doelen van hoge kwaliteit. Begeleiding (zonder feedback) leidde aanvankelijk ook tot het stellen van doelen van hoge kwaliteit, maar deze kwaliteit nam in de loop van de tijd af, terwijl feedback (zonder begeleiding) een vertraagd maar cumulatief effect had gedurende de interventie. Noch begeleiding noch feedback had echter een significant effect op doelbereik, en bovendien werd geen verband gevonden tussen doelkwaliteit en doelbereik. Scores voor doelstreven hingen significant samen met doelbereik, maar er werden gedurende de interventie geen verschillen tussen de condities gevonden in doelstreven. De bevindingen in Hoofdstuk 3 ondersteunen daarnaast het gebruik van conversationele agenten voor het aanbieden van goal setting-interventies. Gebruikers waren algemeen positief in hun feedback. Tegelijkertijd lieten de resultaten zien dat, wanneer de deelnemers werden opgesplitst in twee even grote groepen op basis van hun initi\u00eble vaardigheden in SRL, de groep met hogere SRL-vaardigheden de interventie significant nuttiger vond dan de groep met lagere SRL-vaardigheden. Bovendien liet een thematische analyse van de feedback zien dat gebruikers behoefte hadden aan meer personalisatie, meer ondersteuning en extra momenten voor check-ins en reflectie.\n\nHoofdstuk 4 bouwt voort op de bevindingen van Hoofdstuk 3 en rapporteert een experimentele studie naar de effecten van monitoring en reflectie op doelbereik en academische prestaties. Deze studie had als doel de kloof tussen doelkwaliteit en doelbereik (die in Hoofdstuk 3 naar voren kwam) nader te onderzoeken door het effect van ondersteuning bij monitoring en reflectie, afzonderlijk en in combinatie, op doelbereik, SRL-vaardigheden en academische prestaties te evalueren. De bevindingen van dit hoofdstuk laten zien dat deelnemers met alleen monitoring en met monitoring en reflectie significant hoger doelbereik rapporteerden dan deelnemers met alleen reflectie of de deelnemers in de controlegroep. Daarnaast namen de SRL-vaardigheden toe in alle interventiegroepen, zonder significante verschillen tussen de condities. De resultaten lieten geen significant effect zien van een van de interventiecondities op academische prestaties.\n\nHoofdstuk 5 bouwt vervolgens verder op Hoofdstuk 4 en maakt gebruik van de conversatiedata die zijn verzameld tijdens de interventie van vijf weken, waarin studenten hun processen van SRL en leren beschreven. Dit hoofdstuk bestaat uit twee studies. De eerste studie had als doel een methode te toetsen en te valideren waarbij LLM wordt gebruikt om de kwaliteit van de SRL-processen van studenten, zoals beschreven in conversatiedata, te scoren. De tweede studie gebruikte deze scores vervolgens om de kwaliteit van SRL, verspreid over de vijf weken, in kaart te brengen en de effecten van de interventie op procesniveau te begrijpen. Voor Studie 1 werd een deductieve scoringsrubriek ontwikkeld, waarna 60 willekeurige conversaties werden beoordeeld door twee menselijke codeurs en een LLM. De bevindingen van deze studie vertoonden goede tot uitstekende niveaus van interbeoordelaarsbetrouwbaarheid tussen de menselijke beoordelaars en het LLM, evenals een langdurige, hoge mate van stabiliteit van de LLM-scores. Samenvattend onderbouwen deze resultaten de benadering om met behulp van LLM\u2019s de kwaliteit van SRL in conversatiedata te beoordelen. \n\nIn Studie 2 werd de scoringsmethodologie uit de voorgaande studie toegepast op de volledige dataset, waarbij de resulterende SRL-kwaliteitsscores werden gebruikt als de belangrijkste data voor alle daaropvolgende analyses. In deze studie werden drie lineaire mixed models uitgevoerd, \u00e9\u00e9n voor elke fase van de cyclus van SRL, om veranderingen in elke fase te modelleren in de loop van tijd. Resultaten laten zien dat de kwaliteit van goal setting gedurende de interventie van vijf weken verbeterde; de grootste verbeteringen traden op bij studenten die begonnen met het stellen van doelen van lagere kwaliteit. Voor de kwaliteit van monitoring en reflectie werden echter geen significante veranderingen gevonden. \n\nDiscussie van de belangrijkste bevindingen \n\nIn de hoofdstukken van dit proefschrift bieden de bevindingen inzicht in hoe goal setting-interventies ontworpen en op schaal ge\u00efmplementeerd kunnen worden om SRL in het hoger onderwijs te ondersteunen, hoe de effecten daarvan zich in de loop der tijd ontwikkelen, en hoe de conversatiedata die zij genereren kunnen worden gebruikt om veranderingen in SRL-processen gedurende de interventie te onderzoeken. In plaats van aan te tonen dat het verbeteren van doelkwaliteit op zichzelf voldoende is om leeruitkomsten te verbeteren, benadrukt dit proefschrift de beperkingen van ge\u00efsoleerde vormen van SRL-ondersteuning en onderstreept het belang van monitoringsprocessen, dynamische metingen en schaalbare mechanismen voor longitudinale interventies.\n\nDe eerste conclusie is dat begeleiding en feedback binnen een goal setting-interventie weliswaar de kwaliteit van doelen kunnen verbeteren, maar niet voldoende zijn om doelbereik te verhogen. De bevindingen in Hoofdstuk 2 laten zien dat goal settinginterventies breed worden ingezet om SRL in het hoger onderwijs te ondersteunen en identificeren begeleiding en feedback tevens als veelvoorkomende vormen van ondersteuning. Hoofdstuk 3 laat zien dat begeleiding en adaptieve feedback de doelkwaliteit significant weliswaar verbeteren, maar geen effect hebben op doelbereik. Gezamenlijk wijzen deze bevindingen erop dat begeleiding en feedback de beginvoorwaarden voor SRL verbeteren, maar zich niet vertalen naar het volhouden van doelgericht gedrag tijdens het nastreven van doelen. Deze interpretatie van goal setting helpt om twee terugkerende bevindingen uit het veld (zoals te lezen in Hoofdstuk 2) met elkaar te verenigen: dat goal setting-interventies breed worden toegepast in het hoger onderwijs en dat ze inconsistente effecten op leergedrag en leeruitkomsten vertonen. Goal setting is fundamenteel: het verankert de SRL-cyclus en biedt referentiepunten voor daaropvolgende monitoring en reflectie (Winne & Hadwin, 1998). In die zin ondersteunt het de voorwaarden voor effectief leren, maar garandeert het geen daadwerkelijke opvolging. Dit is echter niet voldoende, omdat effectief SRL afhankelijk is van de voortdurende afstemming van processen over de verschillende fasen heen (Panadero, 2017; Winne & Hadwin, 1998). De ondersteuning van goal setting versterkt hoe lerenden beginnen, maar het zijn de daaropvolgende SRL-processen die het volhouden van doelgericht streven aan blijven drijven.\n\nDe tweede conclusie is dat verbeteringen in doelkwaliteit niet direct vertalen naar een hoger doelbereik, hoewel ondersteuning van doelmonitoring doelbereik wel significant verbetert. Hoofdstuk 4 laat zien dat metacognitieve prompts voor doelmonitoring het doelbereik in de loop van de tijd significant verhogen. De bevindingen in Hoofdstuk 5 laten echter zien dat de kwaliteit van doelmonitoringsprocessen gedurende de interventie van vijf weken niet veranderde, wat suggereert dat de verbeteringen in doelbereik (die in Hoofdstuk 4 worden waargenomen) door andere mechanismen worden veroorzaakt dan de verbeteringen in de kwaliteit van SRL-processen. Deze bevindingen wijzen op een belangrijk onderscheid tussen de rollen en positionering van goal setting en monitoring in de SRL-cyclus. Waar goal setting richting geeft aan inspanning (Locke & Latham, 2002; Panadero, 2017; Zimmerman, 2002), laten de bevindingen in Hoofdstukken 4 en 5 zien dat het monitoren van doelvoortgang een directere rol speelt in het verbeteren van doelbereik, mogelijk doordat het doelgericht streven versterkt. Binnen cyclische modellen van SRL vindt monitoring plaats in de uitvoeringsfase, waarbij interventies die monitoring ondersteunen direct aangrijpen op het moment dat lerenden hun voortgang volgen, hun begrip evalueren en beslissen of aanpassingen in gedrag of strategie\u00ebn nodig zijn (Panadero, 2017). Daardoor staat monitoring dichter bij de dagelijkse leeractiviteiten dan goal setting, wat het mogelijk maakt dat monitoring een directer en sneller effect heeft op het proces van doelgericht streven. Dit wordt ondersteund door literatuur over doelmonitoring, die suggereert dat prompts voor monitoring de aandacht terugbrengen naar het doel en het actuele voortgangssignaal, waardoor tijdige aanpassing van leerstrategie\u00ebn mogelijk wordt (Griffin et al., 2013; Guo, 2022b). Dit ondersteunt het perspectief dat monitoring doelbereik in sommige gevallen niet zozeer verbetert omdat de kwaliteit van monitoringsprocessen toeneemt, maar omdat de aandacht herhaaldelijk wordt teruggeleid naar voortgang en onjuiste oordelen, waardoor tijdige gedragsaanpassingen tijdens het doelstreven worden uitgelokt.\n\nEen andere verklaring voor de bevindingen in Hoofdstukken 4 en 5 ligt in de cognitieve processen die plaatsvinden tijdens doelgericht streven en voortgangsmonitoring. Monitoring kan cognitief veeleisend zijn, omdat van lerenden voortdurend wordt gevraagd om doelen in gedachten te houden, hun voortgang te evalueren en te beslissen over mogelijke aanpassingen (Schnaubert & Schneider, 2022; Van Gog et al., 2011), waarbij een hoge cognitieve belasting een beroep doet op beperkte cognitieve hulpbronnen. Metacognitieve prompts kunnen een deel van het monitoringsproces externaliseren, waardoor de cognitieve belasting afneemt en hulpbronnen vrijkomen om de eisen van de taak te hanteren (Azevedo et al., 2008; L\u00f3pez-Vargas et al., 2017). Deze interpretatie wordt ondersteund door onderzoek dat laat zien dat goed gestructureerde steun (\u201cscaffolding\u201d) de cognitieve belasting tijdens leertaken kunnen verlagen en de algehele taakprestatie kunnen verbeteren, al zijn de bevindingen gemengd en wijzen zij erop dat het ontwerp van de prompts hierbij een belangrijke rol speelt (Chang & Yang, 2023; Faber et al., 2024). Vanuit dit perspectief zouden monitoringondersteuningen doelbereik dus niet zozeer verbeteren door regulatieprocessen te versterken, maar door overbodige belasting (\u201cextraneous load\u201d) te verminderen en daarmee capaciteit vrij te maken voor de eisen van de taak.\n\nIn tegenstelling tot de situatie met monitoring, komt in Hoofdstuk 4 geen significant effect van reflectie op doelbereik naar voren. Een mogelijke verklaring hiervoor is dat wekelijkse doelen veranderen, en dat de inzichten die voortkomen uit reflectie op de doelen van \u00e9\u00e9n week zich niet noodzakelijk laten overdragen naar het doel of de studiecontext van de volgende week. Voortgangsmonitoring is gekoppeld aan gedrag binnen dezelfde SRL-cyclus, doordat het uitgaat van actuele discrepanties tussen doel en voortgang om onmiddellijke aanpassingen mogelijk te maken, terwijl reflectie gericht is op toekomstige cycli (Panadero, 2017; Winne & Hadwin, 1998; Zimmerman, 2002). Omdat studenten aan het einde van de SRL-cyclus, v\u00f3\u00f3r het stellen van een nieuw doel, tot reflectie worden aangezet, krijgen zij niet de mogelijkheid om hun handelen nog aan te passen ten behoeve van het bereiken van het huidige doel. In plaats daarvan moeten eventuele opbrengsten van reflectie worden meegenomen naar een volgend doel. Dit vereist dat studenten kunnen abstraheren en contextualiseren wat er tijdens \u00e9\u00e9n cyclus is gebeurd, en deze inzichten vervolgens kunnen vertalen naar concrete aanpassingen in een andere doelcontext (Rakovi\u0107 et al., 2022). Reflectie ondersteunt daarmee vooral de calibratie en langere termijnverbeteringen over meerdere leercycli heen, in plaats van directe verbeteringen in doelbereik en prestatie, en is mogelijk moeilijker te ondersteunen met lichte metacognitieve prompts (Guo, 2022a; Zhai et al., 2023). Toekomstig onderzoek kan voortbouwen op deze bevindingen over het verschillende effect van monitoring en reflectie door meer gedifferentieerde ondersteuning te bieden en het effect van metacognitieve prompts te testen die niet alleen tot reflectie aanzetten, maar ook expliciet scaffolding bieden voor wat effectieve reflectieve processen inhouden.\n\nEen derde conclusie die uit Hoofdstukken 3, 4 en 5 naar voren komt, heeft belangrijke implicaties voor de manier waarop SRL-ondersteuning op schaal kan worden aangeboden. Uit de studies is gebleken dat conversationele agenten een haalbaar en effectief medium kunnen zijn voor de implementatie van schaalbare SRL-interventies in naturalistische contexten van het hoger onderwijs. In dit proefschrift maakten conversationele agenten het mogelijk om gedurende meerdere weken herhaaldelijk consistente SRL-ondersteuning te bieden, en zo adaptieve interventies te cre\u00ebren zonder intensieve betrokkenheid van onderzoekers of docenten. Dit maakte een digitale tussenweg mogelijk tussen door onderzoekers en door studenten gestuurde ondersteuning, en sluit daarmee aan bij bevindingen uit eerdere literatuur waaruit bleek dat extern aangestuurde interventies effectiever waren dan interventies die volledig door studenten zelf werden gestuurd (Wang et al., 2021). In addition, Chapter 5 provides a pathway towards near real-time measurement of students SRL process quality, creating opportunities for scalable and data-driven feedback and adaptations binnen de interventie zelf. Gezamenlijk vormen deze bevindingen een basis waarop adaptieve interventies met conversationele agenten ter ondersteuning van SRL kunnen worden gebouwd. Recent onderzoek suggereert dat LLM\u2019s nieuwe mogelijkheden bieden om adaptieve interventies met conversationele agenten op schaal te ontwikkelen (Schimpf et al., 2026; Xia et al., 2026). Toekomstig onderzoek zou zich daarom kunnen richten op een beter begrip van hoe generatieve conversationele agenten kunnen worden ontwikkeld om adaptieve interventies aan te bieden die tegelijkertijd stevig verankerd blijven in SRL-theorie en sterke pedagogisch-didactische ontwerpprincipes.\n\nEen laatste conclusie die uit dit werk naar voren komt, betreft niet zozeer de vraag \u00f3f de interventies werkten, maar hoe hun effecten zichtbaar werden gemaakt door middel van meting. Het format van de conversationele agent biedt niet alleen een schaalbare manier om SRL-ondersteuning aan te bieden, maar genereert ook procesdata over de goal setting, monitoring en reflectie van lerenden, processen die in naturalistische contexten doorgaans moeilijk observeerbaar zijn. In die zin sluit dit proefschrift aan bij eerder onderzoek naar de \u2018derde golf\u2019 van SRL-meting, waarin SRL-interventies tevens fungeren als meetinstrumenten, waardoor metingen zelf kunnen bijdragen aan de aanpassing en verbetering van de interventie (Panadero et al., 2016). Dit is van belang, omdat het meten van SRL een centrale uitdaging vormt binnen het veld (Fan et al., 2022; Panadero et al., 2016; Winne, 2010). SRL is een dynamisch, cyclisch en contextgevoelig proces, waarin meerdere subprocessen zich in de loop der tijd ontvouwen terwijl studenten leren (Panadero, 2017). Toch wordt SRL vaak gemeten met brede zelfrapportagevragenlijsten die erop gericht zijn SRL vast te leggen als \u00e9\u00e9n enkele, trekachtige vaardigheid, in plaats van als een reeks subprocessen die voortdurend verschuiven naarmate de context verandert (Panadero et al., 2016; Rovers et al., 2019). Dergelijke instrumenten zijn zeer bruikbaar voor het vastleggen van algemene SRL-gedrag of gegeneraliseerde SRLvaardigheden, maar zijn minder geschikt om fijnmazigere SRL-subprocessen betrouwbaar in beeld te brengen (Rovers et al., 2019). De bevindingen van dit proefschrift zijn sterk verbonden aan deze uitdaging rondom procesgevoelige metingen. In Hoofdstukken 4 en 5 maakten de procesgerichte metingen het mogelijk veranderingen in SRL-processen te onderscheiden van veranderingen in uitkomsten, zoals doelbereik en academische prestaties. Dit is een zeer belangrijk onderscheid. Veel SRL-interventies zijn ontworpen vanuit de aanname dat zij werken doordat zij SRL-vaardigheden verbeteren, en studenten daardoor betere doelstellers, monitors of reflectoren worden, wat vervolgens leidt tot betere leeruitkomsten (Jansen et al., 2019). Onderzoek suggereert echter dat SRL-activiteiten de effecten van SRL-interventies slechts gedeeltelijk op leeruitkomsten verklaren (Jansen et al., 2019); de bevindingen in Hoofdstuk 5 ondersteunen dit. Dit proefschrift draagt bij aan deze doorlopende methodologische uitdaging door te laten zien hoe gespreksdialoog kan functioneren als een bruikbaar middelpunt tussen zelfrapportagematen van SRL enerzijds en meer procesgerichte benaderingen, zoals hardop-denkprotocollen of microanalytische methoden, anderzijds. Toekomstig onderzoek zou zich moeten richten op het begrijpen van de meerwaarde van het integreren van trace data en conversatielogs, zowel om SRL-processen beter te begrijpen als ook om te verbeteren wanneer en hoe ondersteuning wordt aangeboden. Dit biedt nieuwe mogelijkheden om de adaptieve elementen van goal setting-interventies verder uit te breiden, zodat zij beter aansluiten bij de behoeften van individuele studenten.\n\nCONCLUSIE\n\nDit proefschrift heeft als doel een praktisch en hardnekkig vraagstuk binnen het onderzoek naar zelfregulerend leren te adresseren: hoe schaalbare goal setting interventies kunnen worden ontworpen ter ondersteuning van studenten in het hoger onderwijs. Gezamenlijk hebben de gepresenteerde bevindingen het theoretisch begrip van goal setting-interventies binnen het SRL-kader verdiept, terwijl zij tegelijkertijd concrete richtlijnen bieden voor de implementatie van schaalbare ondersteuning van SRL.\n\nDe belangrijkste conclusie van dit proefschrift is dat ondersteuning van goal setting niet alleen draait om het helpen van studenten bij het formuleren van betere doelen, maar om een gecombineerde ondersteuning die de vertaling van die doelen naar doelgericht gedrag op de lange termijn vergemakkelijkt. Goal setting is belangrijk omdat het richting geeft aan inspanning en maatstaven biedt voor het evalueren van voortgang (Pintrich, 2000; Zimmerman, 2000; Zimmerman, 2008), maar het stuurt en bestendigt doelgericht gedrag richting doelbereik niet vanzelf. Ondersteuningsvormen die lerenden tijdens de periode van doelgericht streven opnieuw verbinden met hun doelen, bijvoorbeeld via prompts voor monitoring, lijken directer samen te hangen met doelbereik dan prompts voor goal setting of reflectie wanneer deze ge\u00efsoleerd worden aangeboden.\n\nEen tweede conclusie is dat SRL-interventies via meer dan \u00e9\u00e9n mechanisme effect kunnen hebben. Sommige vormen van ondersteuning dragen waarschijnlijk bij aan vaardigheidsontwikkeling en verbeteren daarmee de kwaliteit van SRL-processen, terwijl andere werken via verwante mechanismen die aansluiten bij SRL, maar niet worden vastgelegd in metingen van SRL-processen. Dit is een belangrijk onderscheid, omdat het gevolgen heeft voor de manier waarop SRL-interventies ge\u00ebvalueerd zouden moeten worden. Wanneer een SRL-interventie effect heeft doordat het invloed uitoefent op alledaags leergedrag (in plaats van rechtstreeks SRL-vaardigheden te verbeteren), kunnen globale of trekgeori\u00ebnteerde metingen van SRL deze effecten onderschatten of veranderingen onzichtbaar laten, zelfs wanneer de interventie het leergedrag op betekenisvolle wijze be\u00efnvloedt. Toekomstig SRL-onderzoek zou daarom explicieter moeten zijn over het beoogde aangrijpingspunt van interventies en rekening moeten houden met de verschillende mechanismen waarlangs effecten kunnen optreden.\n\nDit proefschrift presenteert ook duidelijke implicaties voor de onderwijspraktijk. Effectieve ondersteuning van SRL zal waarschijnlijk niet voortkomen uit eenmalige interventies die uitsluitend gericht zijn op goal setting. Effectieve interventies zouden moeten worden vormgegeven als herhaalde activiteiten, met korte check-ins en scaffolding die aansluiten op de betreffende fase van de SRL-cyclus. Voor docenten betekent dit dat interventies ontwikkeld en aangeboden moeten worden die passen binnen re\u00eble studiecontexten, met ondersteuning die enerzijds gericht is op het ontwikkelen van regulatievaardigheden en anderzijds betekenisvolle gedragsveranderingen tijdens leeractiviteiten stimuleert.\n\nTen slotte biedt dit proefschrift een praktische route voor het op schaal verbeteren van goal setting. Conversationele agenten zijn in staat om herhaalde en adaptieve vormen van SRL-ondersteuning aan te bieden in naturalistische contexten, terwijl zij tegelijkertijd procesdata genereren die gebruikt kunnen worden om te evalueren hoe SRL-processen van studenten zich in de tijd ontwikkelen. De volgende stap is het verder verbeteren van deze benadering door conversationele input te integreren met gedragsmatige trace data uit leeromgevingen, zodat prompts beter getimed kunnen worden en personalisatie en adaptiviteit gerichter kunnen worden ingezet. Gezamenlijk biedt dit proefschrift daarmee een fundament voor het ontwikkelen van een goal setting-ondersteuning die schaalbaar is, ge\u00ebvalueerd wordt op het niveau van SRL-processen, en beter aansluit bij de manier waarop SRL zich daadwerkelijk ontvouwt binnen het hoger onderwijs.","summary":"Self-regulated learning is a key skill for students in higher education, where increasingly digital, and autonomous learning requires sustained planning and follow-through (Caixia et al., 2025; Panadero et al., 2025; Shamla & Jayan, 2025; Suan, 2023). SRL describes a series of processes which drive students' learning, and is described in Zimmerman\u2019s model of SRL as a cyclical process consisting of three phases: the forethought phase where students set goals and plan their learning activities, the performance phase where students enact learning strategies and monitor their progress, and the reflection phase, where students self-reflect, and make adaptations for future cycles (Panadero, 2017; Zimmerman, 2000). SRL skills are a predictor of academic success, however, many students struggle to effectively self-regulate (Nyman, 2024; Prasse et al., 2024). As a result there is a large body of work examining how SRL can be effectively and scalably supported within higher education (Shao et al., 2023). Goal setting is often positioned as the initiating phase of the SRL cycle, helping students define priorities and create standards against which their progress can be monitored, as such, many SRL interventions target this phase as an entry point for improving the whole SRL cycle (Bruhn et al., 2016; Cheng, 2023). However, the evidence base remains difficult to translate into clear guidance about the features of effective and scalable goal setting interventions. This is partially because goal-setting research in higher education draws on work from multiple fields (e.g., organisational psychology, sport science, rehabilitation; Heintalu et al., 2025; Locke & Latham, 2002), and it remains unclear how these insights should be adapted to meet the specific needs of higher education settings. Additionally, high levels of learner autonomy, and low external structure can make it difficult to implement interventions and study goal setting outside the classroom as SRL processes unfold (Prasse et al., 2024; Rasheed et al., 2020), meaning evaluations often rely on distal outcomes rather than indicators of process-level changes. \n\nThis dissertation aims to address this gap in the literature. Chapters 2 to 5 present four studies examining: 1) how high-quality goal setting can be supported with a conversational agent intervention, and 2) how downstream SRL processes, like monitoring and reflection, support the transition from setting a goal into striving for that goal over time. This work combines a synthesis of current literature on the topic of goal setting in higher education, with several experimental intervention studies delivered via conversational agent, and process-level measurement using large language models (LLMs) applied to conversational data.\n\nSUMMARY OF MAIN FINDINGS\n\nThis dissertation starts with Chapter 2, which presents a systematic review based on 60 studies published between 2010 and 2024, examining how, when, why, and who are prompted to set academic goals in higher education, with specific attention to the design of the interventions and the context in which they are carried out. The findings reveal a highly heterogeneous field, with large variation in goal-setting prompts, the characteristics of the goals which are prompted, the delivery methods of the interventions, and the intended outcomes. Only 17 of the 60 studies reviewed experimentally tested the effects of the interventions on learning outcomes (e.g., Clark et al., 2020; Dobronyi et al., 2019; Schippers et al., 2020). The results show that although goal setting is widely used as a support activity, it is often implemented as a one-off or minimally guided activity, despite evidence that many students may struggle without explicit supports (Kismih\u00f3k et al., 2020; Kochekseraii, 2019; Nurjannah et al., 2020). Additionally, goal setting was often carried out in the presence of additional SRL supports, with activities often targeting other phases of the SRL cycle in combination with goal setting. Additionally, while many of the interventions were delivered digitally, most of those use technology as a dissemination mechanism, rather than a means of providing adaptive, personalised, or otherwise enhanced support. \n\nIn Chapter 3 an experimental study was carried out to test how to design an effective goal setting intervention for higher education students. Based on prior research and the findings of Chapter 2, guidance and feedback were selected as key factors in supporting effective goal setting. This chapter aimed to evaluate the effect of these two factors, separately and combined, on student goal attainment and goal striving, while also evaluating user experiences with the delivery of the intervention via a conversational agent over a 5-week period. Using a 2 (with and without goal guidance) x2 (with and without goal feedback) between subjects design, 78 higher education students were randomly assigned to one of four experimental conditions: 1) goal setting only, 2) goal setting + guidance, 3) goal setting + feedback, and 4) goal setting + guidance + feedback. Participants then received weekly goal setting activities, with the level and type of support provided being determined by their experimental condition. Those in guidance conditions received structured prompts scaffolding the process of formulating an effective goal, whereas those in feedback conditions received adaptive feedback on the quality of the goal they set the previous week. Outcome measures across the 5-weeks included goal quality, as measured by a rubric adapted for this study from Lockspeiser et al. (2013), self-reported goal attainment, and self-reported goal striving. User feedback was also collected at the end of the study, including an open response measure. \n\nThe results showed that the goal setting + guidance + feedback condition had the highest goal quality compared to the other three conditions, with consistently high quality goals across the five weeks. The goal setting + guidance condition had initially high quality goals, however the quality decreased over time. Whereas the goal setting + feedback condition had a delayed but cumulative effect across the intervention, starting with lower quality goals and improving over time. However, there was no significant difference between conditions on goal attainment, and additionally, there was no relationship between goal quality and goal attainment. Together, these results supported guidance and feedback as key elements of effectively supporting goal setting, especially when combined. However, they also suggest that high quality goals do not necessarily translate into increased goal striving. Goal striving scores were significantly correlated with goal attainment, however, findings showing no differences between conditions on goal striving across the intervention.\n\nWhen evaluating user experience, participants\u2019 overall feedback was positive, with most participants mentioning at least one positive aspect of the intervention, with many specifically describing the conversational agent format as helpful or engaging, and noting that the sessions served as motivating prompts to work on their goals. However, findings also showed that when splitting the participants into two equally sized groups based on baseline SRL skills, the group with higher SRL found the intervention significantly more useful than the lower SRL group, suggesting the intervention may be more readily usable or beneficial for students who already had stronger SRL skills, while those with lower SRL skills may have struggled to effectively utilize the support. Additionally, thematic analysis on the feedback highlighted requests for more guidance during goal setting, more personalised feedback, between session check-ins or reminders for monitoring progress, and more opportunities to reflect on previous goals. \n\nOverall, the findings in Chapter 3 suggest the utility of conversational agents as a means of delivering goal setting interventions in higher education. However, it also suggests that while goal setting support may be sufficient to improve goal setting quality, it does not translate into measurable performance improvements beyond the goal setting session, and support for the SRL phases which follow goal setting may be necessary to close the gap between goal quality and goal attainment. \n\nChapter 4 builds on the findings of Chapter 3, reporting an experimental study testing the effects of monitoring and reflection on goal attainment and academic performance. Given the positive effects of guidance and feedback on goal quality, this study used these elements as the goal setting control condition, against which the incremental effects of goal monitoring and reflection were tested. A 5-week goal setting intervention was delivered via conversational agent, with 84 higher education students were randomly assigned to one of four conditions: 1) goal setting only (control), 2) goal setting + monitoring (monitoring only), 3) goal setting + reflection (reflection only), and 4) goal setting + monitoring + reflection (monitoring and reflection). Across the 5-weeks all conditions completed a goal setting activity at the beginning of each week, containing both guidance and feedback. Additionally, monitoring conditions completed a mid-week monitoring activity, and reflection conditions completed a reflection activity at the beginning of each week (from week 2 onwards), before setting a new goal. Monitoring and reflection activities consisted of phase-specific metacognitive prompts that guided students to evaluate their progress (monitoring) and reflect on the prior week's goal and learning (reflection). Outcome measures included weekly self-reported goal attainment, SRL skills, and academic performance, measured using students' course grades for the semester during which they participated in the study.\n\nThe findings of this chapter show that the participants who received the monitoring prompts (in the monitoring only, and monitoring and reflection conditions) reported significantly higher goal attainment than participants in the reflection only or control conditions. Additionally, SRL increased across all intervention groups, with no significant differences between conditions. However, there are no significant differences in academic performance across the four conditions. Overall, these findings suggest that monitoring is key in supporting the transition from goal setting into goal striving, while reflection may require more than just metacognitive prompts in order to improve outcome measures. \n\nChapter 5 continues to build on Chapter 4, using the conversational data collected during the 5-week intervention, in which students described their SRL and learning processes. Using this conversational data allows for a shift away from distal outcome measures, and broad, trait-like SRL instruments, towards context-rich process-level data in which learners describe their regulatory processes and learning behaviours directly. This chapter consists of two studies, with the first aiming to test and validate a method for using an LLM to score the quality of students SRL processes (e.g., the extent to which they engage in effective monitoring or reflection) as described in conversational data, and the second study then using these scores to map SRL quality across the five weeks, and understand the process-level effects of the intervention. In study 1 a deductive scoring rubric was developed, driven by theory, and adapted from the items used in the intervention. This rubric scored each of the three SRL processes (goal setting, monitoring, and reflection) on several criteria, providing a score of 0-2 for each criteria. The scores for each criterion were then aggregated into a single process quality score goal setting, monitoring and reflection. For example, goal setting was scored on 4 criteria: specificity, measurability, personal importance, and multi-source planning. A random selection of 60 conversations from the original dataset were then scored by two human raters and an LLM to test reliability of the rubric and the LLM as a scorer. Additionally, the LLM scored the same 60 conversations across 10 separate scoring sessions to evaluate test-retest reliability. The findings from this study showed good to excellent levels of interrater reliability between the human raters and the LLM, as well as high levels of stability over time for the LLM scores. Therefore, suggesting the use of LLMs as a reliable approach to score SRL quality from conversational data. \n\nStudy 2 applied the scoring methodology to the entire dataset, and used the resulting SRL quality scores to examine changes in SRL quality over time. In this study, three linear mixed models were run, one for each of the SRL processes supported in the intervention (goal setting, monitoring, reflection), modeling the changes over time. The results found that goal setting quality improved across the 5-week intervention, with larger improvements occurring for students who started with lower quality goals. However, there were no significant changes in monitoring and reflection quality over time. These findings suggest that repeated metacognitive prompting may not be sufficient to improve the quality of monitoring or reflection processes, but may instead act on SRL adjacent learning behaviours. Although Chapter 4 found that monitoring significantly improved goal attainment, Chapter 5 found no corresponding improvements in the quality of monitoring processes across the intervention. This indicates outcome gains may not be directly driven by SRL process improvements. Overall, these findings highlight the need for process-level measurement of SRL, to better understand the mechanisms through which SRL interventions work. \n\nDISCUSSION OF MAIN FINDINGS\n\nThroughout the chapters of this dissertation, the findings offer insight into how goalsetting interventions can be designed and implemented at scale to support SRL within higher education, how their effects unfold over time, and how conversational data they generate can be used to examine changes in SRL processes across the intervention. Rather than demonstrating that improving goal quality is sufficient to enhance learning outcomes, this work highlights the limitations of isolated SRL supports, and underscores the importance of monitoring processes, dynamic measurement, and scalable mechanisms for longitudinal interventions. \n\nThe first conclusion is that while guidance and feedback in a goal setting intervention can improve goal quality, it is not sufficient to improve goal attainment. Based on SRL theory, goals serve as the reference points against which subsequent SRL processes are measured (Zimmerman, 2000). This is seen not only in Zimmerman\u2019s model, but across multiple different models of SRL (Panadero, 2017). As SRL is a goal-driven process, ensuring that goals are high quality is important, as they provide actionable standards that guide strategy selection, accurate progress monitoring and adjustment during goal striving, and explicit criteria to enable meaningful reflection (Pintrich, 2000; Zimmerman, 2000; Zimmerman, 2008). From this perspective, improving the quality of goals should therefore strengthen the starting conditions for SRL. Chapter 2 shows that goal setting interventions are a popular method of supporting student SRL and performance, and there have been various approaches used to support goal setting, while also highlighting the gap in experimental studies examining the effectiveness of the various goal setting approaches. Building on these findings, Chapter 3 shows that guidance and adaptive feedback can significantly improve goal quality. This pattern is consistent with the idea that guidance can scaffold key components of effective goals and that feedback can highlight gaps between learners\u2019 initial goals and explicit quality criteria (Liu et al., 2016; Schimpf et al., 2026; Wong et al., 2021). When combined, guidance and feedback can support iterative refinement across goal-setting sessions, allowing insights from one cycle to inform improvements in subsequent cycles (Schimpf et al., 2026). Chapter 5 supports this interpretation as well, with results showing that the quality of goals improved across the 5-week intervention. Taken together, these findings show that guidance and feedback can strengthen the starting conditions for SRL by improving the quality of the goals which learners set, however goal quality alone does not guarantee follow-through. This understanding of goal setting helps reconcile two consistent findings of the field seen in Chapter 2: the widespread implementation of goal setting interventions in higher education, and their inconsistent impact on learning behaviours and outcomes. Goal setting is foundational, because it anchors the SRL cycle, and provides reference points for subsequent monitoring and reflection (Winne & Hadwin, 1998). In that sense, it supports conditions for effective learning, but it does not guarantee follow-through. However, it is not sufficient, because effective SRL depends on ongoing coordination of processes across the phases (Panadero, 2017; Winne & Hadwin, 1998). Supporting goal setting strengthens how learners begin, but the subsequent SRL processes drive sustained goal striving.\n\nThe second conclusion is that improvements in goal quality do not translate into higher goal attainment, however, support for goal monitoring significantly improves goal attainment. This pattern is visible across Chapters 3, 4 and 5. Chapter 3 shows that adaptive guidance and feedback during a goal setting intervention improve goal quality but do not lead to increased goal attainment, while Chapter 4 shows that providing metacognitive prompts for goal monitoring significantly increases goal attainment over time. However, the findings of Chapter 5 indicate that the quality of goal monitoring processes did not change across the 5-week intervention, suggesting that the improvements in goal attainment observed in Chapter 4 are driven by mechanisms other than SRL process improvements. These findings highlight an important distinction between the roles and placement of goal setting and monitoring within the SRL cycle. While goal setting establishes the direction of effort (Locke & Latham, 2002; Panadero, 2017; Zimmerman, 2002), the findings of Chapters 4 and 5 indicate that the act of monitoring goal progress plays a more immediate role in improving attainment, potentially by increasing goal striving behaviours. Within cyclical models of SRL, monitoring occurs during the performance phase, with interventions targeting monitoring acting directly as learners track their progress, evaluate their understanding, and decide whether adjustments in behaviours or strategies are needed (Panadero, 2017). This places monitoring closer to day-to-day learning activities than goal setting, potentially allowing monitoring to have a more immediate and direct effect on the goal striving process. For example, in Chapter 4, prompting students during goal monitoring to assess their progress may increase awareness of the gap between their current state and their goals, triggering behavioural adjustments and increased goal striving behaviours. This is supported by literature on goal monitoring, suggesting that prompting monitoring redirects attention to the goal and the current progress signal, allowing for timely adjustment of learning strategies (Griffin et al., 2013; Guo, 2022b). This is particularly important, as effective monitoring may be difficult for students. Many students are not able to accurately monitor their learning or progress, and these difficulties can result in ineffective strategy use during regulation (Ackerman & Thompson, 2017; Baars et al., 2014). Students may make mistakes when judging their understanding of learning materials, the time or effort required to complete tasks, or the effectiveness of learning strategies (Bjork et al., 2013; Nietfeld et al., 2005). From this perspective, monitoring prompts may support goal attainment not by improving the quality of students monitoring processes, but by repeatedly nudging attention back to progress and incorrect judgements, and triggering timely behavioural adjustments during goal striving. \n\nAnother explanation for the findings of Chapters 4 and 5 lies in the cognitive processes occurring during goal striving and progress monitoring. Monitoring can be cognitively demanding, as it requires learners to continuously consider goals, evaluate progress and decide on adjustments (Schnaubert & Schneider, 2022; Van Gog et al., 2011), with high cognitive load putting strain on limited cognitive resources. Metacognitive prompts may externalise part of the monitoring process, lessening the cognitive load and freeing up resources to manage the demands of the task (Azevedo et al., 2008; L\u00f3pez-Vargas et al., 2017). This interpretation is supported by research showing that well-structured scaffolds can help decrease cognitive load during learning tasks, and improve overall task performance, however findings are mixed and indicate that the design of the prompts play an important role (Chang & Yang, 2023; Faber et al., 2024). From this perspective, rather than improving regulatory processes, monitoring supports could improve goal attainment by lessening extraneous load, freeing capacity for task demands.\n\nIn contrast to monitoring, support for reflection did not have an effect on goal attainment. One reason could be that weekly goals change, and the insights from reflecting on one week\u2019s goals may not transfer to the next week's goal or study context. Progress monitoring is linked to behaviours within the same SRL cycle, drawing from current goal progress discrepancies to make immediate adjustments, whereas reflection is oriented towards future cycles (Panadero, 2017; Winne & Hadwin, 1998; Zimmerman, 2002). As students were prompted to reflect at the end of the SRL cycle, before setting a new goal, they do not have the opportunity to adjust for the current goal\u2019s attainment, but rather have to carry benefits from reflection over to the next goal. This requires that students can abstract and contextualise what happens during one cycle, and then translate that into concrete adaptations for a different goal context (Rakovi\u0107 et al., 2022). Reflection therefore supports calibration, and longer-term improvements across learning cycles, as opposed to immediate improvements in goal attainment and performance, and may be more difficult to support with light-touch metacognitive prompts (Guo, 2022a; Zhai et al., 2023). \n\nDespite the lack of significant effects of reflection on goal attainment, it does not mean that reflection is unimportant. Reflection is not always straightforward, and remains a skill many students struggle with (Chan & Lee, 2021; Phenwan, 2024). Research on students' ability to effectively reflect shows that prompting students to reflect does not always mean they know how to do so productively (Chan & Lee, 2021; Tight, 2024). Many higher education students have relatively poor reflection skills, and thus prompting reflection often results in descriptive and shallow reflection on prior learning (Veine et al., 2020). This explanation may account for the mixed findings in literature regarding the effect of reflection interventions, and how to design and implement effective reflection interventions (Guo, 2022a; Zhai et al., 2023). Prompts tend to be more effective at improving reflection when they are more specific, and feedback is often highlighted as a key component (Guo, 2022a; Zhai et al., 2023). In this sense, in order to improve reflection, it\u2019s important not only to nudge students to reflect, but to scaffold what effective reflection looks like. \n\nThe differing findings for monitoring and reflection support in Chapters 4 and 5 could therefore also be understood in light of the different positions they occupy within the SRL cycle. Monitoring occurs during the performance phase, and is tied to ongoing control of behaviour during the learning process. Prompting students to monitor may therefore be enough to redirect attention to goals, progress, or the demands of the current task, triggering more immediate behaviour adjustments even when the quality of monitoring is limited (Harkin et al., 2016). In contrast, reflection occurs later in the cycle, and is more evaluative, requiring learners to interpret prior performance, judge strategy effectiveness, and carry those insights forward into subsequent cycles. This makes reflection distal from goal-directed behaviour and cognitively demanding (Seufert, 2018; Veine et al., 2020). Prompting students to reflect after the fact does not automatically produce adaptation which feeds-forward into future SRL cycles, particularly when reflection remains shallow or descriptive (Veine et al., 2020; Zhai et al., 2023). In this sense, monitoring may have a lower threshold for triggering behavioural change, as opposed to reflection which requires a longer chain or processes before it can affect goal attainment. This offers one possible explanation for the findings of Chapter 4 and 5 regarding monitoring and reflection. Taken together, these findings suggest that not all phases of the SRL cycle exert influence on goal-directed behaviours in the same way, or at the same time. Supporting reflection may be more useful with more in-depth scaffolding, or external feedback, whereas light touch monitoring prompts can already have improvements on goal attainment. Future research could build on these findings on the different impact of monitoring and reflection and provide differentiated support, testing the effect of metacognitive prompts which not only prompt reflection, but also scaffold what effective reflective processes look like. \n\nA third conclusion which emerges from Chapters 3, 4, and 5 points to important implications for how SRL supports can be delivered at scale. Across studies, conversational agents were shown to be a viable and effective medium for implementing scalable SRL interventions in naturalistic higher education settings. This is practically important because SRL support is often needed in contexts where it is most difficult to provide, as student learning is distributed across time and settings, and opportunities for researchers or teachers to observe and intervene are limited, while resources rarely allow for large scale sustained one-to-one support (Del Mario & Tran, 2024; Pardo et al., 2019). In this dissertation, conversational agents made it possible to deliver consistent SRL support repeatedly over multiple weeks, creating adaptive interventions which did not require intensive researcher or teacher involvement. This allowed for a digital middle ground between researcher and student-led supports, addressing findings in prior literature showing that externally led interventions were more effective than those led by students (Wang et al., 2021). In addition, Chapter 5 provides a pathway towards near real\u2011time measurement of students SRL process quality, creating opportunities for scalable and data-driven feedback and adaptations within the intervention itself. \n\nHowever, this dissertation also shows that scale needs to be considered alongside fit. Chapter 3 shows that even when goal quality can be improved, these gains do not necessarily translate into higher goal striving or goal attainment. Students can leave a goal-setting session with a clear well-formed goal and still struggle to carry out goal directed learning behaviours. Participant feedback in Chapter 3 points to the same conclusion: students wanted more support beyond the initial goal-setting moment, particularly check-ins, reminders, or opportunities to monitor progress and reflect in the time between weekly sessions. Together with the findings of Chapter 4, which showed that monitoring support does improve goal attainment, this suggests that conversational agents do provide a scalable and effective means for delivering goal setting interventions, but that the scope, timing, and design of these interventions still need to be carefully calibrated to learners' needs, and the practical realities of how learning unfolds in real-world contexts. This point aligns with emerging work on LLMs within education, suggesting that these may provide a path for scalable and highly adaptive interventions (Guizani et al., 2025; Sharma et al., 2025; Shi et al., 2026). Recent work already suggests that LLMs can be used to provide adaptive SRL supports at scale (Schimpf et al., 2026; Xia et al., 2026), and future research could focus on better understanding how generative conversational agents can be built to deliver adaptive interventions which still remain grounded in SRI theory and strong pedagogical design principles. \n\nA final conclusion which emerges from this work concerns not to whether the interventions worked, but how their effects became visible through measurement. The conversational-agent format not only provides a scalable way to deliver the SRL support, it also generates process data on learners\u2019 goal setting, monitoring, and reflection, which are otherwise difficult to observe in naturalistic settings. In this sense, the dissertation aligns with prior research on the \u2018third wave\u2019 SRL measurement, in which SRL interventions are also measurement tools, enabling measurement to inform the adaptations and improvements of the intervention itself (Panadero et al., 2016). This is important as measuring SRL is a central challenge within the field (Fan et al., 2022; Panadero et al., 2016; Winne, 2010). SRL is a dynamic cyclical and context-sensitive process, involving multiple sub-processes unfolding over time as students learn (Panadero, 2017). However, SRL is often measured using broad self-report questionnaires which aim to capture SRL as a single trait-like skill, instead of a series of sub-processes constantly shifting with changing contexts (Panadero et al., 2016; Rovers et al., 2019). Such measures are very useful for capturing general SRL tendencies, or generalised SRL skills, but become less reliable at capturing more granular SRL sub-processes (Rovers et al., 2019). \n\nThe findings of this dissertation speak directly to this challenge in process-sensitive measurement. Across Chapters 4 and 5, the process-focused measurement made it possible to distinguish changes in SRL processes over time from changes in goal attainment and academic performance. The findings of Chapter 5 are particularly important in this regard as they showed that the benefits of monitoring prompts on goal attainment did not arise through improvements in the quality of monitoring itself, as had been assumed. This is a very important distinction. Many SRL interventions are designed around the assumption that they work by improving SRL skills, and therefore making students better goal setters, monitors, or reflectors, leading to improved learning outcomes (Jansen et al., 2019). However, research suggests that SRL activities only partially explain the effect of SRL interventions on learning outcomes (Jansen et al., 2019), supporting the findings of Chapter 5. This dissertation contributes to this ongoing methodological challenge by showing how conversational dialogue can function as a useful middle ground between self-report SRL measures, and more process-focused approaches like think-alouds or microanalytic methods. Future research should focus on understanding the benefits of integrating trace data and conversational logs, both to understand SRL processes, and improving when and how support is delivered. This offers new avenues for extending the adaptive elements of the goal setting intervention approach to better meet the needs of individual students. \n\nCONCLUSION\n\nThis dissertation aimed to address a practical and persistent challenge within SRL research: how to design scalable goal setting interventions to support higher education students. Together, the findings presented advanced theoretical understanding of goal-setting interventions within the SRL framework, while also offering concrete implementation guidelines for creating scalable SRL support. \n\nThe primary takeaway from this work is that supporting goal setting is not only about helping students write better goals, but rather a combined support which facilitates the translation of those goals into goal striving behaviours over time. Goal setting is important because it provides direction for effort and standards for evaluating progress (Pintrich, 2000; Zimmerman, 2000; Zimmerman, 2008) but it does not, by itself, drive and sustain goal-directed behavior through to attainment. Supports which reconnect learners with their goals during the goal-striving period, for example via monitoring prompts, appear to be more directly tied to goal attainment than goal-setting or reflection prompts delivered in isolation.\n\nA second takeaway is that SRL interventions may produce benefits through more than one pathway. Some supports likely trigger skill-building, improving the quality of SRL processes, while others may work through different SRL-adjacent mechanisms not captured in SRL-process measures. This is an important distinction as it changes how SRL interventions should be evaluated. If an SRL intervention works by affecting day to-day learning behaviours, rather than directly improving SRL skills, goal trait-level SRL measures may underestimate these impacts, or fail to capture changes, even when the intervention is meaningfully affecting learning behaviour. Future SRL research should therefore be more explicit about the intended target when evaluating interventions, and mindful of the various pathways through which benefits may occur. \n\nThis work also provides clear implications for educational practice. Effective SRL support is unlikely to come from one-off interventions targeting goal setting alone. Effective interventions should be structured as repeated activities, which include brief check-ins and phase-appropriate scaffolds. For educators, this means delivering interventions which fit real-world study contexts, with supports which aim to build regulatory skills, while also triggering meaningful behavioural changes during learning activities. \n\nFinally, this dissertation provides a practical route for enhancing goal setting at scale. Conversational agents are able to deliver repeated, adaptive SRL supports in naturalistic settings, while also generating process data which can be used to evaluate how students\u2019 SRL processes unfold over time. The next step is to improve this approach by integrating conversational input with behavioural trace data from learning environments, allowing for better timing of prompts and more targeted personalisation and adaptivity. Together, this work provides a foundation for building goal-setting support that is scalable, evaluated at an SRL process-level, and better aligned with how SRL actually unfolds within higher education.","auteur":"Gabrielle Martins van Jaarsveld","auteur_slug":"gabrielle-martins-van-jaarsveld","publicatiedatum":"15 oktober 2026","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/gabriellemartinsvanjaarsveld?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/bb7953b0-f90c-4081-bbda-6ac5c97108d6\/highres","url_epub":"","ordernummer":"19028","isbn":"978-94-6534-664-9","doi_nummer":"","naam_universiteit":"Erasmus Universiteit Rotterdam","afbeeldingen":26947,"video_url":"","podcast_url":"","naam_student:":"","binnenwerk":"","universiteit":"Erasmus Universiteit Rotterdam","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/26946","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/26947"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=26946"}],"wp:term":[{"taxonomy":"university_us_portfolio","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/university_us_portfolio?post=26946"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}