Analyse von Studierbarkeit mittels Prognose- und Simulationsmodellen
Ergebnisindikatoren von Studierbarkeit können als studienerfolgsrelevante Kenngrößen operationalisiert und dadurch modelliert und prognostiziert werden. Im vorliegenden Papier wird gezeigt, wie die Wahl eines passenden Machine-Learning-Verfahrens sowohl die Prognose individueller Studierbarkeit mi...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Book |
| Published: |
Forum Neue Medien in der Lehre Austria,
2021-12-01T00:00:00Z.
|
| Subjects: | |
| Online Access: | Connect to this object online. |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Ergebnisindikatoren von Studierbarkeit können als studienerfolgsrelevante Kenngrößen operationalisiert und dadurch modelliert und prognostiziert werden. Im vorliegenden Papier wird gezeigt, wie die Wahl eines passenden Machine-Learning-Verfahrens sowohl die Prognose individueller Studierbarkeit mit einer Treffsicherheit von fast 90%, als auch die Identifizierung von Einflussfaktoren auf individuelle Studierbarkeit ermöglicht. Weiters wird eine konzeptionelle Verschränkung des Prognosemodells mit einem Simulationsmodell diskutiert, um die strukturelle Dimension von Studierbarkeit analysieren zu können. |
|---|---|
| Item Description: | 10.3217/zfhe-16-04/09 2219-6994 |