Anwendung statistischer und Machine-Learning-Methoden für Fragestellungen zu Studienerfolg

Erfahrungen in den Projekten "Learning Analytics - Studierende im Fokus" und "PASSt - Predictive Analytics Services für Studienerfolgsmanagement"
1. Auflage 2024
ISBN: 978-3-8309-4883-4
Verlag: Waxmann Verlag

Buch, Deutsch, 78 Seiten, Format (B × H): 163 mm x 236 mm, Gewicht: 190 g

Analytics-Instrumente können dabei helfen, mehr über den Lern- und Studienerfolg von Studierenden herauszufinden und geeignete Maßnahmen zur Unterstützung von Studierenden abzuleiten. Zwei Projekte, die sich Fragen zum Thema Studienerfolg widmen, wurden vom österreichischen BMBWF im Rahmen der Ausschreibung „Digitale und soziale Transformation in der Hochschulbildung“ kofinanziert. Die beiden Projekte „Learning Analytics- Studierende im Fokus“ und „PASSt - Predictive Analytics Services für Studienerfolgsmanagement“ fokussieren auf unterschiedliche Handlungsfelder und wurden zur Generierung von Synergieeffekten konzeptionell verzahnt, indem generische Herausforderungen gemeinsam bearbeitet und Lessons-Learned diskutiert wurden. Die Erkenntnisse der gemeinsamen Arbeitsgruppe mündeten in diese Arbeit, die Rahmen- und Gelingensbedingungen von Analytics-Projekten thematisiert, und anhand von exemplarischen Anwendungsszenarien eine Unterstützung bei der Implementierung bieten kann.

Autoren/Hrsg.

Bartok, Larissa

Spörk, Julia

Gleeson, Robin

Krakovsky, Maria

Ledermüller, Karl

Fachgebiete

• Sozialwissenschaften Pädagogik Berufliche Bildung Wissenschaftliches Arbeiten, Studientechnik
• Interdisziplinäres Wissenschaften Wissenschaften: Allgemeines Wissenschaftliches Arbeiten, Studientechnik

Über Autor(innen)

Ledermüller, Karl
Karl Ledermüller, Mag. Dr., hat Wirtschaftspädagogik an der Wirtschaftsuniversität Wien (WU) studiert und am Institut für Operations Research, an einer Text-Mining-Anwendung promoviert. Er leitet die Abteilung für Evaluierung und Qualitätsentwicklung an der WU und ist dort für die Koordination der internen Qualitätssicherung sowie den Betrieb und die Weiterentwicklung von evaluativen Instrumenten an der WU zuständig. Sein Forschungsinteresse liegt im Institutional Research und im Qualitätsmanagement, wobei er sich insbesondere auf Predictive Analytics bzw. die Integration innovativer Methoden (wie bspw. Text Mining, Educational Data Mining sowie psychometrischen Verfahren) in Evaluierungsdesigns fokussiert.