Digitale Studiengänge: Analyse von Erfolgs- und Abbruchfaktoren – DiSEA

Obwohl Studienabbrüche an Hochschulen inzwischen mit einer relativ guten Trefferquote vorhergesagt
werden könnten, ist diese Information bislang häufig weder für Studiengangsleitungen, 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 Studienformaten. Hierzu sollen die umfangreichen
Erfahrungen und Daten aus dem Hochschulverbund Virtuelle Fachhochschule (VFH,
https://www.vfh.de/) herangezogen werden.