TY - JOUR
T1 - Predictive Analytics in der Hochschule: Potenzial, Erfahrungen und Anwendungsfelder
AU - Bartok, Larissa
AU - Ledermüller, Karl
AU - Shabnam, Tauböck
AU - Wurzer, Gabriel
PY - 2024/9
Y1 - 2024/9
N2 - In unserem Artikel berichten wir über unsere Erfahrungen mit zwei unterschiedlichen, hochschulübergreifend entwickelten modellbasierten Ansätzen, die Predictive und Prescriptive Analytics nutzen, um Lern- und Studienerfolg besser beschreiben und/oder prognostizieren zu können. In einem ersten Schritt wird die sogenannte „Analytics Pyramid“ in Analysefeldern der Hochschule (insbesondere Learning- sowie Academic Analytics) verortet: „Predictive and Prescriptive Analytics“ stellen hier die Analysen mit der höchsten Komplexität dar. Anschließend werden Lessons Learned aus zwei unterschiedlichen, hochschulübergreifend entwickelten, modell- und algorithmenbasierten Ansätzen diskutiert und (weitere) potenzielle Anwendungsfelder inklusive ihres Mehrwerts im Einsatz an Hochschulen skizziert. Die Ansätze beider Projekte entstanden aus der Zusammenarbeit von zwei vom österreichischen Bundesministerium für Bildung, Wissenschaft und Forschung (BMBWF) im Rahmen der Ausschreibung zu den Vorhaben zur digitalen und sozialen Transformation in der Hochschulbildung kofinanzierten Projekte „PASSt: Predictive Analytics Services für Studierendenerfolgsmanagement“ und „Learning Analytics – Studierende im Fokus“.
AB - In unserem Artikel berichten wir über unsere Erfahrungen mit zwei unterschiedlichen, hochschulübergreifend entwickelten modellbasierten Ansätzen, die Predictive und Prescriptive Analytics nutzen, um Lern- und Studienerfolg besser beschreiben und/oder prognostizieren zu können. In einem ersten Schritt wird die sogenannte „Analytics Pyramid“ in Analysefeldern der Hochschule (insbesondere Learning- sowie Academic Analytics) verortet: „Predictive and Prescriptive Analytics“ stellen hier die Analysen mit der höchsten Komplexität dar. Anschließend werden Lessons Learned aus zwei unterschiedlichen, hochschulübergreifend entwickelten, modell- und algorithmenbasierten Ansätzen diskutiert und (weitere) potenzielle Anwendungsfelder inklusive ihres Mehrwerts im Einsatz an Hochschulen skizziert. Die Ansätze beider Projekte entstanden aus der Zusammenarbeit von zwei vom österreichischen Bundesministerium für Bildung, Wissenschaft und Forschung (BMBWF) im Rahmen der Ausschreibung zu den Vorhaben zur digitalen und sozialen Transformation in der Hochschulbildung kofinanzierten Projekte „PASSt: Predictive Analytics Services für Studierendenerfolgsmanagement“ und „Learning Analytics – Studierende im Fokus“.
UR - https://www.hqsl-bibliothek.de/de/handbuch/gliederung/#/Beitragsdetailansicht/432/3875/Predictive-Analytics-in-der-Hochschule%253A-Potenzial%252C-Erfahrungen-und-Anwendungsfelder
M3 - Sonstiger Beitrag in Fachzeitschrift
VL - 2024
JO - Handbuch Qualität in Studium, Lehre und Forschung
JF - Handbuch Qualität in Studium, Lehre und Forschung
IS - 90
M1 - C 3.42
ER -