Hierfür werden in einem ersten Schritt Parameter der formalen und inhaltlichen Textqualität bestehend aus Orthografie, Lexik, Grammatik, Kohärenz, Aufgabenerfüllung und Einfallsreichtum kontinuierlich getrackt und mittels KI-Methoden analysiert. Darüber hinaus werden beim Verfassen der Texte die Druck-Parameter des digitalen Stiftes aufgezeichnet, welche basierend auf Vorarbeiten als Indikatoren für gezeigte Lern- und Leistungsemotionen im Verlauf herangezogen werden können. Die Beziehung beider - kognitiver und affektiver - Parameter in unterschiedlichen Ausprägungen wird eruiert. Die Erkenntnisse aus dem ersten Schritt sollen weiterführend in einem zweiten Schritt darin unterstützen, ein automatisiert generiertes Feedback zu konzipieren und einzusetzen, welches sich adaptiv an den erbrachten Leistungen mit Bezug zur Textqualität und an den emotionalen Zuständen der Schüler*innen ausrichtet. Das Feedback wird in verschiedenen Kombinationen empirisch überprüft. Darauf aufbauend werden in einem letzten Schritt Empfehlungen für Feedbackformulierungen und -design abgeleitet, um Schüler*innen in ihrem Fähigkeitsselbstkonzept zu fördern, suboptimale emotionale Zustände auszubalancieren und damit optimal Schüler*innen in ihrem Lernprozess zu unterstützen.