Vorhersage des Leistungszuwachses von Schülerinnen und Schülern im Fach Mathematik durch Machine Learning im Rahmen der COACTIV-Studie

Abstract

Während der CAOCTIV-Studie 2003/2004 wurden über 1000 Items zu Merkmalen von Lehrkräften erhoben, von denen jedoch etwa erst 20% in Pfad- oder Strukturgleichungsmodellen zur Vorhersage des Leistungszuwachs von Schülerinnen und Schülern verwendet wurden. Daher soll mithilfe von interpretable Machine Learning untersucht werden, welche der in COACTIV erhobenen Lehrkraftmerkmale den größten Zusammenhang mit dem Leistungszuwachs von Schülerinnen und Schülern zeigen.