PASSt – Predictive Analytics Services für Studienerfolgsmanagement

Tauböck Shabnam, Anna Schöfecker, Karl Ledermüller, Maria Krakovsky, Sukrit Sharma, Markus Reismann, Christian Marschnigg, Gerhard Mühlbacher, Julia Spörk, Michael Schadler, Gabriel Wurzer

Publication: Scientific journalJournal articlepeer-review

Abstract

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.
Original languageGerman
Pages (from-to)251-277
JournalZeitschrift für Hochschulentwicklung
Volume18
Issue numberSonderheft Hochschullehre (April 2023)
Publication statusPublished - 2023

Cite this