Auswertung von Studienverlaufsdaten
Zur Überprüfung der Frage, inwieweit die Wahl von Modulreihenfolgen einen Erklärungsgehalt auf den Studienerfolg haben wurden Studienverläufe von Absolventinnen und Absolventen analysiert. Würden sich aus der Reihenfolge bei der Wahl von Modulen signifikante Erkenntnisse ermitteln lassen, dann könnten diese in einem digitalen Studienassistenten berücksichtigt werden. Konkret wurden mittels ökonometrischer Instrumente beispielsweise analysiert ob es erfolgreicher für eine Abschlussnote oder die Studiendauer ist früh im Studium spezifische Kernfächer (als notwendige Grundlage) oder Wahlmodule (als Motivation) zu belegen?“, „Ziel ist es, durch Aufdeckung erfolgreicher Strategien, Studierenden Vorschläge zur effizienten und effektiven Studienplanung an die Hand zu geben, um den erfolgreichen Studienverlauf zu unterstützen. Als weiteres Ziel sollen die Daten auch zur Optimierung der des Studiums von organisationaler Seite aus genutzt werden, um das Design des Studiengangs zu überdenken und
Kategorien
Beschreibung
Herausforderung
1. Studierende können von der Anzahl an Möglichkeiten der Studienplanung überfordert werden.
2. Dynamiken zwischen Fächern, durch welche das Bestehen verschiedener Module zusammenhängen kann, sind nicht bekannt, wodurch Studierende Gefahr laufen ineffektive Planungen zu entwerfen.
3. Lehrstühle und Professuren verändern ihre Studiengänge laufend, aber detaillierte Evaluationen sind aufgrund des Umfangs der Daten schwierig.
Herangehensweise
- Ordnung der Daten
- Auswählen relevanter Module und Kennzahlen (Anzahl der Versuche, Semester des Bestehens, Abschlussnote etc.)
- Durchführung zahlreicher ökonometrischer Regressionsmodelle in mehreren Versionen.
- Verdichten der Daten.
- Extrapolation von klaren Empfehlungen an die Studierenden und die Studiengangsorganisation
Zusammenhang
Die Ergebnisse wurden auf Basis von Daten über großteils erfolgreich abgeschlossenen Studienverlaufsdaten im Rahmen umfangreicher Auswertungen ermittelt. Methodiken und Fragestellungen sollen weiterhin über mehrere Studiengänge zur umfassenden Evaluation und für Empfehlungen an die Studierenden genutzt werden. Studiengangsbeauftragte äußerten hier großes Interesse.
Voraussetzung
- Zugang zu umfänglichen und vollständigen Studienverlaufsdaten (Datenschutz)
- Daten müssen für valide Auswertungen in ausreichender Zahl vorliegen
- Klare Fragestellungen und Konzepte zu Auswertungen
- Ausreichend Zeit für die Auswertungen und wiederholte Rücksprache zur Feinjustierung der Methoden
- Notwendig wären außerdem Informationen zur Bildungs-Vorbiografie der Studierenden
Eignung
- Anstieg der erfolgreichen Studienverläufe
- Verbesserung der Notenschnitte der Studierenden
- Höhere Konsistenz in der Modulwahl
Vorgehen/Schritte
Bei der Datenspeicherung frühzeitig mögliche Auswertungen von Verlaufsdaten mitberücksichtigen.
DatenIndikatoren aus der Bildungsbiographie (Fächernoten, Ausbildungsgänge u.ä.) bei der Analyse von Studiumsverlaufsdaten miteinbeziehen.
Hinweise
Learnings
Indikatoren aus der Bildungsbiographie (Fächernoten, Ausbildungsgänge u.ä.) bei der Analyse von Studiumsverlaufsdaten miteinbeziehen. Ohne Kontextdaten und Vorbiographie die derzeit nicht zugänglich sind erweisen sich die inhaltlichen Erkenntnisse der Studiumsverläufe als zu unsicher, um Sie in der Studierendenberatung zu berücksichtigen zu können. Ein Ergebnis, das aber eine Veröffentlichung nicht rechtfertigt.
Kontakt
Das könnte Sie auch interessieren
Robotik Lernen in vier Dimensionen
Den Umgang mit und die Programmierung von Robotern erlernt man am besten in der praktischen Anwendung. Trotz gut ausgestatteter fakultätsübergreifender Industrie-Roboter-Labore, reicht die verfügbare Kapazität an der HKA nicht aus, um die hohe Nachfrage nach Robotervorlesungen zu decken. Dies führt dazu, dass Studierende zu wenig Präsenzzeit am Roboter haben, um sich intensiv mit der Materie auseinander setzen zu können oder teilweise keinen Platz in der Vorlesung erhalten. Im Rahmen von RoLe4D soll das an der HKA vorhandene Lehrkonzept für die Robotik umfassend weiterentwickelt werden, um den Praxisanteil und Lernerfolg deutlich zu erhöhen. Darüber hinaus sollen mehr Studierende einen Zugang zur Robotik erhalten. Zur Erreichung dieser Ziele sollen neue interaktive und immersive Technologien und Methoden eingesetzt und evaluiert werden, sodass das Zusammenspiel unterschiedlicher Lernorte möglichst lernförderlich gestaltet wird. Das zu entwickelnde Lehrkonzept umfasst die 4 Stufen 1. Einführung eines Inverted Classrooms (Einsatz von interaktiven Medien), 2. Einsatz von virtuellen Schulungszellen (Roboter in virtueller Welt programmieren lernen), 3. Entwicklung von simulierten Schulungszellen (Erstellen der Roboterprogramme in der Simulation und Evaluation in der Realität) und 4. Optimierung der realen Schulungszelle (das in den Schritten 1-3 erlernte Wissen in der Realität am echten Roboter anwenden).
Projekt anzeigen
Just-in-Time-Teaching JiTT & Peer Instruction PI
Peer Instruction (PI) ist eine studierendenzentrierte, aktivierende Lehrmethode, die den Erwerb von Konzeptverständnissen fördert und gleichzeitig ein formatives Assessment darstellt. Studierende erklären sich gegenseitig konzeptionelle Zusammenhänge und lernen dabei auch die fachliche Diskussion. Für einen sinnvollen Einsatz der Methode muss zum einen auf Vorwissen aufgebaut werden können, zum anderen muss die erforderliche Zeit im Unterricht zur Verfügung stehen. Beides wird durch Just-in-Time-Teaching (JiTT) erreicht. Dabei handelt es sich um eine studentische Unterrichtsvorbereitung, die eine Passung des Lernprozesses auf das individuelle Vorwissen ermöglicht. Ein digitales Quiz wird als formatives Assessment vor der Lehrveranstaltung durchgeführt. Dies dient zum einen der Selbsteinschätzung der Studierenden, zum anderen erhalten die Lehrenden vor dem Unterricht einen Einblick in die studentischen Schwierigkeiten und können so „just in time“ ihren Unterricht anpassen.
Maßnahme anzeigen
Schütze, Judith (2026): Episode 1. Provokation in der Lehre Judith Schütze im Gespräch mit Therese Klapper und Isa Weber.
1. Folge der Podcastreihe: Ich frag für ´ne Kolleg*in. Der Mitmach-Podcast für Hochschullehrende Kennt ihr das? Das Seminar läuft und doch stimmt etwas nicht! Eine Situation in der Lehre, die sich seltsam beklemmend und angespannt anfühlt, aber es ist schwer zu sagen, warum? In dieser Folge sprechen wir – offen und kollegial – über Provokation in der Lehre und wo die Grenzen liegen zwischen kritischer Auseinandersetzung und provozierender Beteiligung. Wir sprechen über individuelle und kollektive Verantwortung, Rollengrenzen und Entwicklungschancen für alle Beteiligten. Genderblog ZtG, HU Berlin, 09.04.2026
Publikation anzeigen