DiSEA - Digitale Studiengänge: Analyse von Erfolgs- und Abbruchfaktoren

Obwohl Studienabbrüche an Hochschulen inzwischen mit einer relativ guten Trefferquote vorhergesagt werden könnten, ist diese Information bislang häufig weder für Studiengangs-leitungen, Lehrende noch für Studierende zugänglich. Mit Methoden aus dem maschinellen Lernen werden dazu Modelle entwickelt, trainiert und evaluiert, wobei die zur Verfügung stehenden Daten eine wesentliche Rolle für die Modellqualität spielen. Diese Modelle können in Frühwarnsystemen eingesetzt werden, um gefährdete Studierende früher zu erkennen und gezielter zu beraten. Das vorliegende Projekt beschäftigt sich mit der Analyse und Identifikation von Faktoren für Erfolg bzw. Misserfolg und Studienabbruch speziell in digitalen Studien-formaten. Hierzu sollen die umfangreichen Erfahrungen und Daten aus dem Hochschulverbund Virtuelle Fachhochschule (VFH, https://www.vfh.de/) herangezogen werden.