TY - JOUR
T1 - PASSt – Predictive Analytics Services für Studienerfolgsmanagement
AU - Shabnam, Tauböck
AU - Schöfecker, Anna
AU - Ledermüller, Karl
AU - Krakovsky, Maria
AU - Sharma, Sukrit
AU - Reismann, Markus
AU - Marschnigg, Christian
AU - Mühlbacher, Gerhard
AU - Spörk, Julia
AU - Schadler, Michael
AU - Wurzer, Gabriel
PY - 2023
Y1 - 2023
N2 - Hochschulen haben zunehmendes Interesse daran, den Studienerfolg ihrer Studierenden analysieren und quantifizieren zu können. In diesem Zusammenhang versucht das Projekt PASSt – Predictive Analytics Services für Studienerfolgsmanagement – einen Rahmen für die empirische Analyse und Vorhersage des Studienerfolges herzustellen: Studenten- und Studiendaten werden in eine generische Datenstruktur importiert, auf die Machine Learning und Simulationen angewendet werden. Die beiden wichtigsten Ergebnisse der Anwendung dieser Ansätze sind eine Vorhersage des Studienerfolgs und eine Strukturanalyse von Lehrplänen, die zur Verbesserung der Studienbedingungen für Studierende genutzt werden können. Das Framework verfügt darüber hinaus über eine zusammenfassende Visualisierung, die eine einfache Interpretation und Nutzung der Ergebnisse für die Curriculumsplanung ermöglicht.
AB - Hochschulen haben zunehmendes Interesse daran, den Studienerfolg ihrer Studierenden analysieren und quantifizieren zu können. In diesem Zusammenhang versucht das Projekt PASSt – Predictive Analytics Services für Studienerfolgsmanagement – einen Rahmen für die empirische Analyse und Vorhersage des Studienerfolges herzustellen: Studenten- und Studiendaten werden in eine generische Datenstruktur importiert, auf die Machine Learning und Simulationen angewendet werden. Die beiden wichtigsten Ergebnisse der Anwendung dieser Ansätze sind eine Vorhersage des Studienerfolgs und eine Strukturanalyse von Lehrplänen, die zur Verbesserung der Studienbedingungen für Studierende genutzt werden können. Das Framework verfügt darüber hinaus über eine zusammenfassende Visualisierung, die eine einfache Interpretation und Nutzung der Ergebnisse für die Curriculumsplanung ermöglicht.
UR - https://www.zfhe.at/index.php/zfhe/article/view/1753
M3 - Originalbeitrag in Fachzeitschrift
SN - 2219-6994
VL - 18
SP - 251
EP - 277
JO - Zeitschrift für Hochschulentwicklung
JF - Zeitschrift für Hochschulentwicklung
IS - Sonderheft Hochschullehre (April 2023)
ER -