Vor dem Hintergrund wenig zur Verfügung stehender personalisierter Informationen für die Vorhersage von Studienabbrüchen in digitalen Studienformaten zielt das Projekt DiSEA darauf ab, aus der Analyse verfügbarer Daten die wesentlichen Indikatoren für Erfolg bzw. Misserfolg zu identifizieren und darauf aufbauend Vorhersagen u.a. über Dashboards zur Verfügung zu stellen. Erfahrungen aus der Datenanalyse und der Entwicklung der Vorhersagemodelle sollen in die Entwicklung eines integrierten Modells zur Vorhersage von Studienerfolg in digitalen Lernformaten einfließen. Analyseergebnisse und Vorhersagen werden in einem Dashboard zur Verfügung gestellt, wodurch die Selbstreflexion der Studierenden verbessert werden soll.  Um die gewonnenen Erkenntnisse in praktische Veränderungen umsetzen zu können, wird von Beginn an eine Vielzahl an Akteuren an den Hochschulen beteiligt.
 
Schlagworte: Studienerfolg, Datenanalyse, Vorhersagemodelle, maschinelles Lernen

Funding recipient(s)

Beuth University of Applied Sciences Berlin; Lübeck University of Technology
Management of the research alliance: Prof. Dr. Agathe Merceron; Subproject management: Prof. Dr. rer. nat. Monique Janneck

FKZ: 16PX21001A; 16PX21001B
Amount: 892,418.30 EUR
Term: 1 February 2021 - 30 September 2024