Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Fröhlich, Martin | - |
dc.contributor.author | Krauss, Stefan | - |
dc.date.accessioned | 2023-07-06T19:21:38Z | - |
dc.date.available | 2023-07-06T19:21:38Z | - |
dc.date.issued | 2023 | - |
dc.identifier.uri | http://hdl.handle.net/2003/41932 | - |
dc.identifier.uri | http://dx.doi.org/10.17877/DE290R-23769 | - |
dc.description.abstract | Die hohe Abbrecherquote bei Studiengängen mit Mathematik legt eine Untersuchung der Bedingungen nahe, die einen Erfolg im Mathematikstudium begünstigen (Heublein, 2020). Des Weiteren werfen die vergangenen digitalen Corona-Semester die Frage auf, ob Mathematikstudierende in der Online-Lehre substantiell anders lernen als in der Präsenzlehre und wie diese Erkenntnisse für die Weiterentwicklung der Lehre genutzt werden können. | de |
dc.language.iso | de | de |
dc.publisher | Gesellschaft für Didaktik der Mathematik | - |
dc.relation.ispartof | Beiträge zum Mathematikunterricht 2022 | - |
dc.subject | Hochschulmathematik | de |
dc.subject | Lernstrategien | de |
dc.subject | Online vs. Präsenz | de |
dc.subject.ddc | 510 | - |
dc.title | Vorhersage von Klausurnoten mit Machine Learning – Vergleich von Lernverhalten während Online- und Präsenzlehre im Mathematikstudium | de |
dc.type | Text | de |
dc.type.publicationtype | ConferencePaper | de |
dcterms.accessRights | open access | - |
eldorado.secondarypublication | false | de |
Appears in Collections: | 2022 |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
BzMU22 FROEHLICH Lernverhalten.pdf | DNB | 41.89 kB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is protected by original copyright rightsstatements.org