Datamining über Studienverlaufsdaten zum Zweck einer Erfolgsprognose

Abstract

In dieser Arbeit werden am Beispiel des Studiengangs Technische Informatik der Hochschule für Angewandte Wissenschaften Methoden des Educational Dataminings genutzt, um Studienerfolgsprognosen zu erstellen. Es wird gezeigt wie Studenten, aufbauend auf den Notendaten des ersten Studienjahrs, in eine erfolgreiche Klasse mit Abschluss und eine nicht erfolgreiche Klasse ohne Abschluss klassifiziert werden können. Auf dieser Klassifikation aufbauend wird untersucht ob ein Erkennen von erfolglosen Langzeitstudenten ebenfalls nach dem ersten Studienjahr möglich ist. Es werden Möglichkeiten diskutiert, statistische Daten zu nutzen um den individuellen Studienfortschritt eines Studenten genauer als derzeit möglich zu definieren.

In this thesis, methods from the field of Educational Datamining are used to generate forecasts of future academic success on the example of the degree course in Technische Informatik at the Hamburg University of Applied Sciences. This work shows how students can be classed into successfull (will have a degree in the future) and not successfull (will have no degree in the future) based on the grades achieved in the first year of study. Expanding on this there is discussion on the topic of classing students into a group of unsuccessfull longtime students. Finally options of using statistical data to give individual students better understanding of their current progress towards a degree are shown.