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 language | German (Austria) |
|---|---|
| Pages (from-to) | 251-277 |
| Number of pages | 27 |
| Journal | ZFHE - Zeitschrift für Hochschulentwicklung |
| Volume | 18 |
| DOIs | |
| Publication status | Published - Apr 2023 |
Fields of science
- 505 Law
- 505012 Public law
- 505028 Administrative law
JKU Focus areas
- Digital Transformation