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
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.
Das könnte Sie auch interessieren
Digitalisierung in Disziplinen Partizipativ Umsetzen :: Competencies Connected
Das Projekt D2C2 adressiert vier Herausforderungen von zehn sächsischen Hochschulen sowie der BA Sachsen: (1) digitale Kompetenzen von Studierenden in der grundständigen Lehre entwickeln, (2) didaktisch fundierte digitalisierte Werkstatt- und Laborarbeit ermöglichen, (3) den didaktisch fundierten Einsatz eines OER-Aufgabenpool für Mathematik als Grundlagenfach etablieren und (4) ein gemeinsames didaktisches, technisches und rechtliches Verständnis für digitale Prüfungen schaffen. Dies wird in sechs "fachspezifischen Professional-Learning-Communities" umgesetzt: Informatik, Wirtschaftswissenschaften, Ingenieurwissenschaften, Psychologie (Psychotherapie), Gesundheits-/Sozialwesen und Kunst/Gestaltung. Um die Digitalisierung des Lehrens und Lernens in den Disziplinen zu realisieren, wird konsequent und umfassend auf die Ansätze "Students as Partners" und "Scholarship of Teaching and Learning" gesetzt. Die Gesamtkoordination liegt beim Hochschuldidaktischen Zentrum Sachsen (HDS). Die Prorektor:innen der HDS-Leitung bilden den Lenkungskreis. Der Wissenschaftliche Beirat des HDS und der Arbeitskreis E-Learning der Landesrektorenkonferenz Sachsen bilden den Projektbeirat.
Projekt anzeigen
Kollaborative Lehrveranstaltungen umsetzen
Zur Förderung und Vermittlung kollaborativer Kompetenzen wurde im Wintersemester 2023/24 eine Blockveranstaltung für Studierende aus Hannover, Braunschweig und Göttingen veranstaltet. Ziel war es, Kollaboration für Studierende zugänglich und erlebbar zu machen. Am Ende der Lehrveranstaltung erar-beiteten die Studierenden in Kleingruppen Beiträge für ein Dossier des Hochschulforums Digitalisierung.
Maßnahme anzeigen
XR_Bildungs- und Beteiligungs-Metaverse. Virtuelle Lehr- und Lernzukünfte für die Stadt- und Raumplanung [1]
[Kurzbeschreibung folgt (Anm. StIL)]
Publikation anzeigen