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

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.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.identifier.uri	http://hdl.handle.net/2003/41932
dc.identifier.uri	http://dx.doi.org/10.17877/DE290R-23769
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.dnb.deposit	true	de
eldorado.secondarypublication	false	de

Dateien

Gerade angezeigt 1 - 1 von 1

Gerade angezeigt 1 - 1 von 1