Vorhersage von Klausurnoten mit Machine Learning – Vergleich von Lernverhalten während Online- und Präsenzlehre im Mathematikstudium

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

View License

Show simple item record

This item is protected by original copyright rightsstatements.org