Lernen mit KI-Avataren für neuroinklusive Kommunikation

Wie neurotypische und neurodivergente Menschen Kommunikationssituationen gemeinsam besser verstehen können

Überblick

KI-gestützte Avatare werden zunehmend als digitale Gesprächspartner, Tutoren und Rollenspiel-Partner eingesetzt. Sie können Bewerbungsgespräche, Feedbacksituationen oder Konfliktgespräche simulieren, auf Sprache reagieren und unmittelbar Rückmeldung geben. Für das Lernen bieten sie damit einen geschützten Raum, in dem schwierige Situationen wiederholt, variiert und ohne reale soziale Konsequenzen erprobt werden können. Die aktuelle Forschung zeigt jedoch ein ambivalentes Bild: Avatare können Übung, Selbstwirksamkeit und soziale Präsenz fördern; ein menschliches Gesicht oder eine synthetische Stimme verbessert die Lernleistung aber nicht automatisch (Fink et al., 2024; Leiker et al., 2023; Tan et al., 2025).

Für die Neuroinklusion ist eine doppelte Perspektive entscheidend. Einerseits können neurotypische Menschen mit Avataren lernen, autistische Kommunikationsweisen nicht vorschnell als Desinteresse, Unhöflichkeit oder mangelnde Kompetenz zu interpretieren. Andererseits können autistische Menschen mit Avataren mögliche Bedeutungen neurotypischer Mimik, Stimmlage und indirekter Sprache erkunden, wenn sie dies selbst wünschen. Ein solches Training darf jedoch nicht zur einseitigen Anpassung an eine vermeintlich „richtige“ neurotypische Norm werden. Die Theorie des Double-Empathy-Problems beschreibt kommunikative Missverständnisse vielmehr als wechselseitige Passungsprobleme zwischen unterschiedlichen Wahrnehmungs- und Kommunikationsweisen (Milton, 2012; Jones et al., 2024).

Der Beitrag ordnet die Forschung zu KI-Avataren, virtuellen Tutoren und VR-gestütztem Bewerbungstraining ein und verbindet sie mit dem von Meta-Skills beschriebenen Einsatz dialogfähiger Avatare im Soft-Skill- und Recruiting-Training. Das Fazit lautet: Der größte inklusive Nutzen liegt nicht im „Normalisieren“ neurodivergenter Menschen, sondern im gemeinsamen Erlernen von Übersetzung, Perspektivwechsel, Selbstvertretung und flexibler Gesprächsgestaltung.

Vom Üben sozialer Normen zum gemeinsamen Verstehen

Bewerbungsgespräche, Feedbackgespräche und informelle Begegnungen sind nicht nur fachliche, sondern auch kommunikative Leistungssituationen. Von Bewerbenden wird häufig erwartet, Blickkontakt zu halten, Mimik passend zu deuten, spontan zu antworten, indirekte Hinweise zu verstehen und die eigene Motivation in einer bestimmten Gesprächsform zu zeigen. Diese Erwartungen erscheinen vielen Menschen selbstverständlich, sind aber kulturell und neurotypisch geprägt. Für autistische Menschen können sie eine zusätzliche Hürde darstellen, obwohl sie die fachlichen Anforderungen einer Stelle erfüllen.

Technologien wie virtuelle Menschen, Embodied Conversational Agents und generative KI-Avatare eröffnen hier einen neuen Lernraum. Ein Avatar kann die Rolle einer Führungskraft, einer Kollegin oder eines Interviewers übernehmen. Lernende können ein Gespräch mehrfach führen, Antworten verändern, Rückmeldung erhalten und die Schwierigkeit schrittweise erhöhen. Anders als ein Video ist ein dialogfähiger Avatar nicht auf eine feste Dramaturgie beschränkt: Er kann auf unterschiedliche Antworten reagieren und damit ein realistischeres Rollenspiel ermöglichen.

Die entscheidende Frage lautet allerdings nicht nur, ob Avatare kommunikative Fähigkeiten trainieren können. Zu fragen ist auch: Welche Kommunikationsnormen werden trainiert, wer muss sich anpassen und wem nützt die Technologie? Ein inklusiver Ansatz muss beide Seiten berücksichtigen: Menschen mit unterschiedlichen Neurotypen sollten einander besser verstehen lernen.

Was ist Lernen mit einem KI-Avatar?

In der Forschung werden mehrere verwandte Systeme unterschieden. Pädagogische Agenten sind digitale Lernbegleiter, die erklären, Fragen stellen oder Feedback geben. Embodied Conversational Agents sind verkörperte, meist animierte Gesprächspartner, die Sprache und nonverbale Signale wie Gestik, Blickrichtung oder Gesichtsausdruck kombinieren. KI-Avatare im engeren aktuellen Sinn verbinden diese Verkörperung mit Spracherkennung, Sprachsynthese und einem generativen Sprachmodell.

Fink, Robinson und Ertl (2024) beschreiben KI-basierte Avatare als Systeme, die gesprochene Eingaben aufnehmen, mit einem Large Language Model eine Antwort erzeugen und diese über Stimme und Animation ausgeben können. Ihr Beitrag ist insbesondere deshalb relevant, weil er Chancen und Grenzen gemeinsam betrachtet: Avatare können individuelle Szenarien, adaptive Aufgaben und wiederholbares Training ermöglichen; zugleich sind Fragen zu Datenschutz, Fehlern, Bias, Vertrauen und langfristiger Lernwirksamkeit noch nicht ausreichend beantwortet.

Ein zentraler didaktischer Vorteil ist die Möglichkeit des sicheren Wiederholens. Lernende können eine Situation in einem eigenen Tempo durchlaufen, Fehler machen und neu beginnen. Virtuelle Simulationen können außerdem verschiedene Schwierigkeitsgrade anbieten: zunächst klare Fragen und wenig Ablenkung, später Unterbrechungen, Mehrdeutigkeit oder mehrere Gesprächspartner. Gerade für Menschen, die von Unvorhersehbarkeit oder sensorischer Überlastung betroffen sind, kann diese Dosierbarkeit hilfreich sein.

Die Verkörperung selbst ist jedoch kein Selbstzweck. Allmendinger (2010) zeigte bereits in der Forschung zu avatarbasierten Lernumgebungen, dass nonverbale Signale die soziale Präsenz und den Gesprächsfluss beeinflussen können. Neuere Arbeiten weisen zugleich darauf hin, dass Audio, Stimme und Interaktionsqualität teilweise wichtiger sein können als ein möglichst realistisches Gesicht (Brünner et al., 2026). Ein Avatar mit weniger Realismus oder auswählbaren Darstellungsformen kann für manche Lernende sogar zugänglicher sein.

Lernen neurotypischer Menschen: Autistische Kommunikation nicht vorschnell fehlinterpretieren

Ein besonders wichtiges, bisher weniger beachtetes Einsatzfeld ist das Training neurotypischer Menschen. In vielen Kommunikations- und Bewerbungssituationen wird implizit vorausgesetzt, dass neurodivergente Personen ihre Mimik, Stimme, Körperhaltung und Gesprächsführung an neurotypische Erwartungen anpassen. Dadurch wird die Verantwortung für Verständigung einseitig verlagert.

Ein Avatar kann hier eine andere Lernaufgabe simulieren. Ein neurotypischer Lernender könnte beispielsweise ein Bewerbungsgespräch mit einer autistischen Figur führen. Das Szenario könnte zeigen, dass eine Person wenig Blickkontakt hält, längere Antwortpausen benötigt, sehr präzise formuliert oder auf Smalltalk nur knapp eingeht. Der Avatar könnte anschließend mehrere Interpretationen anbieten:

● „Die Person schaut zur Seite. Das kann bedeuten, dass sie nachdenkt oder Reize reduziert; es ist kein sicherer Hinweis auf Desinteresse.“

●  „Die Antwort ist sehr sachlich. Prüfe, ob du gerade Stil und Kompetenz miteinander verwechselst.“

● „Die Person bittet um eine konkrete Frage. Formuliere die Erwartung klarer, statt Spontaneität als Charaktereigenschaft zu bewerten.“

Ein solches Training wäre kein Mimik-Lexikon, sondern ein Interpretationstraining unter Unsicherheit. Es sollte zeigen, dass sichtbares Verhalten mehrere Bedeutungen haben kann und dass Nachfragen oft besser ist als Gedankenlesen. Die Forschung zum Double-Empathy-Problem unterstützt diese Perspektive. Jones et al. (2024) fanden, dass nicht-autistische Beobachter gemischte Interaktionen zwischen autistischen und nicht-autistischen Personen als weniger gelungen bewerteten als Interaktionen innerhalb derselben Neurogruppe. Gleichzeitig wurden autistische Personen von Außenstehenden ungünstiger eingeschätzt, als es die tatsächlich Beteiligten taten.

Für den Arbeitskontext ist das bedeutsam: Ein Recruiter kann fehlenden Blickkontakt, ungewöhnliche Prosodie oder eine direkte Antwort fälschlich als geringe Motivation interpretieren. Das Problem liegt dann nicht allein bei der bewerbenden Person, sondern auch in den Bewertungsmaßstäben und in der fehlenden Erfahrung der Interviewenden. Die Arbeit an virtuellen Bewerbungsszenarien sollte deshalb nicht nur Bewerbende trainieren, sondern auch Personalverantwortliche.

Das von Meta-Skills beschriebene Training mit KI-Avataren für schwierige Gesprächssituationen – etwa Feedback- oder Recruiting-Gespräche – ist hierfür ein anschlussfähiges Praxisbeispiel. Laut der Produktdarstellung können Lernende mit einem Avatar realitätsnahe Gespräche führen, auf unmittelbare Hinweise verzichten oder während des Gesprächs Unterstützung erhalten und anschließend Feedback zu Stärken und Verbesserungsmöglichkeiten bekommen. Das von der Nutzerin bereitgestellte Demo-/Erklärvideo zum Training von Recruiting-Gesprächen mit autistischen Bewerbern kann dabei als anschaulicher Ausgangspunkt dienen, sollte aber als Produktdemonstration und nicht als unabhängiger Wirksamkeitsnachweis eingeordnet werden (Link: https://meta-skills.io/play-training?id=1421BDDACD4142E9843095A273EDA191).

Avatare für Bewerbungsgespräche: Was die Forschung zeigt

Die Forschung zu Virtual-Reality-Jobinterviews bei autistischen Menschen ist älter als die aktuelle Generation generativer KI-Avatare. Sie liefert deshalb wichtige Hinweise für die Gestaltung.

Smith et al. (2014) untersuchten ein Virtual Reality Job Interview Training in einer randomisierten Studie mit 26 autistischen Erwachsenen. Das Training kombinierte multimediale Lerninhalte mit simulierten Bewerbungsgesprächen und Feedback. Die Ergebnisse lieferten vorläufige Hinweise auf die Durchführbarkeit und auf Verbesserungen interviewbezogener Leistungen. Smith et al. (2021) adaptierten ein solches virtuelles Interviewtraining für Jugendliche im Übergang von Schule zu Beruf. In der Studie verbesserten sich bestimmte Interviewfähigkeiten; außerdem zeigten sich Hinweise auf positive Beschäftigungsergebnisse sechs Monate später. Die Ergebnisse sind ermutigend, bleiben aber wegen kleiner Stichproben und spezifischer Zielgruppen begrenzt.

Ein weiteres relevantes Beispiel ist Career Interview Readiness in Virtual Reality (CIRVR). Adiani et al. (2022) entwickelten die Plattform gemeinsam mit autistischen Selbstvertreter:innen, Fachkräften und Arbeitgeber:innen. Das System sollte Bewerbungssituationen simulieren und unter anderem Blickverhalten, Stress und Antworten berücksichtigen. Besonders wichtig ist der Co-Design-Ansatz: Autistische Menschen waren nicht nur Testpersonen, sondern an der Gestaltung beteiligt. So wurden unter anderem verständlichere Textanweisungen sowie Anpassungen von Stimme und Animation vorgenommen.

Auch die neuere realist review von Edwards et al. (2025) kommt zu dem Schluss, dass VR-Szenarien sowohl autistische Bewerber als auch Arbeitgeber unterstützen könnten. Sie empfiehlt jedoch ganzheitliche Szenarien, die Selbstvertretung, sensorische Bedürfnisse, realistische Arbeitsplatzinformationen und unterstützende Arbeitgeberpraktiken einbeziehen. Damit verschiebt sich das Ziel von „Bewerbende fit für das Interview machen“ zu „das gesamte Rekrutierungssystem verständlicher und gerechter gestalten“.

Ein gutes Avatar-Szenario sollte deshalb mindestens zwei Lernpfade enthalten:

●  Bewerbende: Fragen verstehen, Stärken ausdrücken, Nachfragen einfordern, eigene Bedürfnisse kommunizieren und unterschiedliche Gesprächsverläufe erproben.

●  Recruiter:innen und Führungskräfte: eigene Vorannahmen erkennen, klare Fragen stellen, fachliche Eignung von sozialer Performance unterscheiden und angemessene Anpassungen anbieten.

Die andere Seite: Können neurodivergente Menschen neurotypische Signale lernen?

Auch autistische Menschen können von Avataren profitieren, wenn sie neurotypische Kommunikationsmuster kennenlernen möchten. Ein Avatar könnte beispielsweise Unterschiede zwischen wörtlichen und indirekten Aussagen, höflichen Abschwächungen, ironischem Tonfall oder typischen Bewerbungssignalen erklären. Lernende könnten mehrere plausible Deutungen vergleichen und entscheiden, wann eine Rückfrage sinnvoll ist.

Forschung zu Avataren und Emotionserkennung legt nahe, dass virtuelle Figuren Emotionen und soziale Hinweise kontrolliert darstellen können. Farashi et al. (2024) berichten in einer systematischen Übersichtsarbeit positive Hinweise für VR- und computerbasierte Trainings zur Emotionserkennung bei autistischen Menschen. González-Gualda et al. (2024) zeigen jedoch, dass emotionale Ausdrücke in Avataren keineswegs automatisch valide oder eindeutig sind. Ein animiertes Lächeln ist kein zuverlässiger Beweis für Freude, und ein ernster Gesichtsausdruck kann Konzentration, Müdigkeit oder Unbehagen bedeuten.

Deshalb sollte das Lernziel nicht lauten: „Lerne, die wahre Emotion hinter jedem Gesicht zu erkennen.“ Besser wäre: „Lerne, mehrere Interpretationen zu prüfen, Unsicherheit auszuhalten und nachzufragen.“ Ein Avatar könnte auf Wunsch auch alternative Erklärungen anzeigen: „Die Person sagt ‚Das ist interessant‘ mit fallender Stimme. Mögliche Bedeutungen sind echtes Interesse, Höflichkeit oder Skepsis. Welche Zusatzinformation bräuchtest du?“

Die Gefahr liegt in der sozialen Camouflage. Damit sind Strategien gemeint, mit denen autistische Menschen Merkmale verbergen, kompensieren oder imitieren, um sich an neurotypische Erwartungen anzupassen. Khudiakova et al. (2024) fanden in einer systematischen Übersichtsarbeit und Meta-Analyse einen Zusammenhang zwischen Camouflaging und negativen psychischen Gesundheitsoutcomes. Die Forschung beweist nicht, dass jedes kommunikative Lernen schädlich ist; sie zeigt aber, dass dauerhafter Anpassungsdruck mit Belastungen verbunden sein kann.

Ein Avatartraining darf daher nur dann inklusiv genannt werden, wenn es Wahlmöglichkeiten und Selbstbestimmung stärkt. Dazu gehören ein jederzeit abschaltbares Feedback, alternative Kommunikationswege, Untertitel, Textdialog, einstellbare Reizintensität und die Möglichkeit, Blickkontakt oder Gesichtsausdruck nicht als Pflichtziel zu behandeln. Lernen sollte die Handlungsoptionen erweitern, nicht die eigene Identität ersetzen.

Gestaltungskriterien für ein neuroinklusives Avatartraining

Aus der Forschung lassen sich mehrere Prinzipien ableiten.

Erstens: Co-Design statt Fürsorge aus der Distanz. Autistische Menschen, neurotypische Recruiter, Personalentwickler und Fachpersonen sollten gemeinsam Szenarien entwickeln. Wang et al. (2018) zeigen, dass Avatarinteraktionen bei autistischen Jugendlichen mit sozialer Präsenz und Interaktionsmustern zusammenhängen können; daraus folgt aber nicht, dass eine einzige Gestaltung für alle passt.

Zweitens: Interpretation statt Diagnose. Ein System darf nicht aus Blickrichtung, Stimme oder Gesichtsausdruck zuverlässig auf innere Zustände schließen. Es sollte Unsicherheit sichtbar machen und keine psychologischen Etiketten vergeben.

Drittens: Gegenseitigkeit. Für jede Übung, die autistische Bewerber:innen trainiert, sollte es ein entsprechendes Modul für Interviewende geben. Dies entspricht der Logik des Double-Empathy-Ansatzes.

Viertens: Transfer prüfen. Leiker et al. (2023) fanden bei synthetischen Lehrvideos keine klare Lernüberlegenheit gegenüber Videos realer Lehrpersonen; die menschlichen Videos erzeugten jedoch teilweise stärkeres Engagement. Daraus folgt: Die Qualität eines Avatartrainings darf nicht an Realismus allein gemessen werden. Entscheidend sind Verhalten im Rollenspiel, Selbstwirksamkeit, faire Beurteilung und Übertragung in reale Gespräche.

Fünftens: Datenschutz und Transparenz. Sprachaufnahmen, Gesichtsdaten, Blickverhalten und emotionale Reaktionen sind besonders sensibel. Lernende müssen wissen, welche Daten verarbeitet, gespeichert und ausgewertet werden. Automatisiertes Feedback sollte als vorläufige Perspektive und nicht als objektives Urteil dargestellt werden.

Fazit

KI-Avatare können einen wichtigen Beitrag zu inklusivem Lernen leisten, wenn sie als flexible Übungs- und Übersetzungsräume verstanden werden. Für neurotypische Menschen bieten sie die Möglichkeit, autistische Kommunikationsweisen kennenzulernen, eigene Bewertungsfehler zu erkennen und Bewerbungsgespräche weniger normierend zu gestalten. Für neurodivergente Menschen können sie – freiwillig und selbstbestimmt – helfen, mögliche Bedeutungen neurotypischer Sprache, Mimik und Gesprächsrituale zu erkunden.

Die Forschung zu virtuellen Bewerbungstrainings zeigt bereits, dass wiederholbares, interaktives Üben interviewbezogene Fähigkeiten unterstützen kann (Smith et al., 2014, 2021). Aktuelle Arbeiten zu generativen Avataren machen zugleich deutlich, dass Verkörperung nicht automatisch bessere Lernleistungen erzeugt (Brünner et al., 2026; Tan et al., 2025). Der entscheidende Mehrwert liegt in der Kombination aus Dialog, Variabilität, Feedback und sicherer Wiederholung.

Die normative Grenze ist klar: Avatare sollten nicht dazu dienen, neurodivergente Menschen an eine einzige neurotypische Kommunikationsnorm anzupassen. Ein solcher Ansatz könnte Camouflaging und psychische Belastung verstärken. Zukunftsweisend ist vielmehr ein bidirektionales Training: Recruiter lernen, Unterschiede nicht vorschnell abzuwerten; Bewerber lernen, Kommunikationsoptionen zu nutzen und eigene Bedürfnisse zu vertreten; beide Seiten lernen, Unsicherheit durch Nachfragen und Klarheit zu reduzieren.

Die stärkste Vision und inklusive Bildungsarbeit lautet daher nicht: „So lernt Autismus, neurotypisch zu kommunizieren.“ Sie lautet: „So lernen Menschen mit unterschiedlichen Neurotypen, einander besser zu verstehen – und so verändern sich auch die Situationen, in denen Kommunikation stattfindet.“

Literaturverzeichnis

Adiani, D., Itzkovitz, A., Bian, D., Katz, H., Breen, M., Hunt, S., Swanson, A., Vogus, T. J., Wade, J., & Sarkar, N. (2022). Career Interview Readiness in Virtual Reality (CIRVR): A platform for simulated interview training for autistic individuals and their employers. ACM Transactions on Accessible Computing, 15(1), Article 2. https://doi.org/10.1145/3505560

Allmendinger, K. (2010). Social presence in synchronous virtual learning situations: The role of nonverbal signals displayed by avatars. Educational Psychology Review, 22, 41–56. https://doi.org/10.1007/s10648-010-9117-8

Brünner, B., Nestler, M., Pucher, L., & Ebner, M. (2026). How embodiment changes AI tutoring: Comparing student perceptions of text and AI human avatar-based chatbot systems. In B. K. Smith & M. Borge (Eds.), Learning and collaboration technologies (Lecture Notes in Computer Science, Vol. 16731, pp. 394–410). Springer. https://doi.org/10.1007/978-3-032-30542-8_25

Edwards, K., Varga, M., & Loizou, M. (2025). Bridging the gap: Exploring the potential of virtual reality for supporting autistic individuals in interview and recruitment processes through a realist review. Research in Autism Spectrum Disorders, 127, Article 202662. https://doi.org/10.1016/j.reia.2025.202662

Farashi, S., Bashirian, S., Jenabi, E., & Razjouyan, K. (2024). Effectiveness of virtual reality and computerized training programs for enhancing emotion recognition in people with autism spectrum disorder: A systematic review and meta-analysis. International Journal of Developmental Disabilities, 70(1), 110–126. https://doi.org/10.1080/20473869.2022.2063656

Fink, M. C., Robinson, S. A., & Ertl, B. (2024). AI-based avatars are changing the way we learn and teach: Benefits and challenges. Frontiers in Education, 9, Article 1416307. https://doi.org/10.3389/feduc.2024.1416307

González-Gualda, L. M., Vicente-Querol, M. A., García, A. S., Molina, J. P., Latorre, J. M., Fernández-Sotos, P., & Fernández-Caballero, A. (2024). Evaluating the feasibility of emotion expressions in avatars created from real person photos: Pilot web-based survey of virtual reality software. Scientific Reports, 14, Article 5553. https://doi.org/10.1038/s41598-024-55774-3

Jones, D. R., Botha, M., Ackerman, R. A., King, K., & Sasson, N. J. (2024). Non-autistic observers both detect and demonstrate the double empathy problem when evaluating interactions between autistic and non-autistic adults. Autism, 28(8), 2053–2065. https://doi.org/10.1177/13623613231219743

Khudiakova, V., Russell, E., Sowden-Carvalho, S., & Surtees, A. D. R. (2024). A systematic review and meta-analysis of mental health outcomes associated with camouflaging in autistic people. Research in Autism Spectrum Disorders, 118, Article 102492. https://doi.org/10.1016/j.rasd.2024.102492

Leiker, D., Gyllen, A. R., Eldesouky, I., & Cukurova, M. (2023). Generative AI for learning: Investigating the potential of learning videos with synthetic virtual instructors. In N. Wang, G. Rebolledo-Mendez, V. Dimitrova, N. Matsuda, & O. C. Santos (Eds.), Artificial intelligence in education (pp. 523–529). Springer. https://doi.org/10.1007/978-3-031-36336-8_81

Meta-Skills. (n.d.-a). AI-conversational avatars for immersive learning at scale. https://meta-skills.io/

Meta-Skills. (n.d.-b). AI role-play training for soft skills and sales. https://mymetaskill.com/

Meta-Skills. (n.d.-c). Demo-/Erklärvideo zu KI-Avataren und Recruiting-Training [Video]. Loom. https://www.loom.com/share/598d12218969463a974856801d9bd35f

Milton, D. E. M. (2012). On the ontological status of autism: The “double empathy problem.” Disability & Society, 27(6), 883–887. https://doi.org/10.1080/09687599.2012.710008

Poglitsch, C., et al. (2025). Large language models for autism: Evaluating theory of mind tasks in a gamified environment. Scientific Reports. https://doi.org/10.1038/s41598-025-18608-4

Smith, M. J., Ginger, E. J., Wright, K., Wright, M. A., Taylor, J. L., Humm, L. B., Olsen, D. E., Bell, M. D., & Fleming, M. F. (2014). Virtual reality job interview training in adults with autism spectrum disorder. Journal of Autism and Developmental Disorders, 44(10), 2450–2463. https://doi.org/10.1007/s10803-014-2113-y

Smith, M. J., Sherwood, K., Ross, B., Smith, J. D., DaWalt, L., Bishop, L., Humm, L., Elkins, J., & Steacy, C. (2021). Virtual interview training for autistic transition age youth: A randomized controlled feasibility and effectiveness trial. Autism, 25(6), 1536–1552. https://doi.org/10.1177/1362361321989928

Tan, C. T., Atmosukarto, I., Tandianus, B., Shen, S., & Wong, S. (2025). Exploring the impact of avatar representations in AI chatbot tutors on learning experiences. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. ACM. https://doi.org/10.1145/3706598.3713456

Wang, X., Xing, W., & Laffey, J. M. (2018). Autistic youth in 3D game-based collaborative virtual learning: Associating avatar interaction patterns with embodied social presence. British Journal of Educational Technology, 49, 742–760. https://doi.org/10.1111/bjet.12646

Yoo, Y., Sun, Y., Shaikh, O., & Won, A. S. (2025). Comparing text-only and virtual reality-embodied conversational AI agents for interpersonal skills training. In Companion Publication of the 2025 Conference on Computer-Supported Cooperative Work and Social Computing (pp. 194–198). ACM. https://doi.org/10.1145/3715070.3749224

Zhang, Y., & Pan, W. (2025). A scoping review of embodied conversational agents in education: Trends and innovations from 2014 to 2024. Interactive Learning Environments, 33(7), 4566–4587. https://doi.org/10.1080/10494820.2025.2468972