Anwendung statistischer und Machine-Learning-Methoden für Fragestellungen zu Studienerfolg
Waxmann (Verlag)
9783830948834 (ISBN)
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.
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.
Den Autor(innen) gelingt es, auf kompakten 78 Seiten sowohl Erfahrungswerte aus zwei richtungsweisenden Projekten im Bereich der Analytics in Higher Education in der österreichischen Hochschullandschaft zu bieten, als auch diese für unterschiedliche Akteur(innen) im Bereich Hochschule bzw. Analytics im Hochschulbereich, wie u.a. Praktiker(innen) und Entscheidungsträger(innen), nutzbar zu machen. Caterina Hauser, in: Zeitschrift für Hochschulrecht, Hochschulmanagement und Hochschulpolitik (zfhr), Heft 2, April 2025, S. 70.
Den Autor(innen) gelingt es, auf kompakten 78 Seiten sowohl Erfahrungswerte aus zwei richtungsweisenden Projekten im Bereich der Analytics in Higher Education in der österreichischen Hochschullandschaft zu bieten, als auch diese für unterschiedliche Akteur(innen) im Bereich Hochschule bzw. Analytics im Hochschulbereich, wie u.a. Praktiker(innen) und Entscheidungsträger(innen), nutzbar zu machen.
| Erscheinungsdatum | 30.06.2024 |
|---|---|
| Zusatzinfo | Illustrationen |
| Verlagsort | Münster |
| Sprache | deutsch |
| Maße | 170 x 240 mm |
| Gewicht | 195 g |
| Einbandart | kartoniert |
| Themenwelt | Sozialwissenschaften ► Pädagogik ► Erwachsenenbildung |
| Sozialwissenschaften ► Soziologie ► Empirische Sozialforschung | |
| Schlagworte | Academic Analytics • Analytics-Projekte • Empirische Bildungsforschung • Erwachsenenbildung • generalized additive models • Gradient-Boosting-Machine-Modell • KI und Studienerfolg • Logistische Regression • Modellierung von Studienerfolg • ols-regression • Open Source Analytics • Prognosemodelle • Prüfungsaktivität • random forest • Students@Risk • Studienerfolgsmessung • Support Vector Machine |
| ISBN-13 | 9783830948834 / 9783830948834 |
| Zustand | Neuware |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
aus dem Bereich
