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

dc.contributor.author	Hohenleitner, Stefanie
dc.contributor.author	Krauss, Stefan
dc.date.accessioned	2024-12-05T11:28:56Z
dc.date.available	2024-12-05T11:28:56Z
dc.date.issued	2024
dc.description.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.	de
dc.identifier.uri	http://hdl.handle.net/2003/43058
dc.identifier.uri	http://dx.doi.org/10.17877/DE290R-24891
dc.language.iso	de
dc.publisher	Gesellschaft für Didaktik der Mathematik	de
dc.relation.ispartof	Beiträge zum Mathematikunterricht 2024	de
dc.relation.ispartofseries	Beiträge zum Mathematikunterricht 57
dc.subject	Sekundarstufe I	de
dc.subject.ddc	510
dc.title	Vorhersage des Leistungszuwachses von Schülerinnen und Schülern im Fach Mathematik durch Machine Learning im Rahmen der COACTIV-Studie	de
dc.type	Text
dc.type.publicationtype	ConferencePaper
dcterms.accessRights	open access
eldorado.secondarypublication	false

Files

Now showing 1 - 1 of 1

Now showing 1 - 1 of 1