Texte zur Wirtschaftspädagogik und Personalentwicklung / Design eines Academic Analytics Systems zur Unterstützung des Qualitätsmanagements an Hochschulen

Der Logik des DSR folgend, wird in der vorliegenden Arbeit im Rahmen eines mehrzyklischen Design Prozesses ein Academic Analytics System entwickelt und in einem konkreten Kontext erprobt.

In den letzten Jahren lässt sich der Trend erkennen, dass immer mehr Hochschulen in Deutschland interne Qualitätsmanagementsysteme im Bereich Studium und Lehre aufbauen. Gleichzeitig findet insbesondere im Rahmen von Learning Analytics das Thema Datenanalyse Einzug in die wissenschaftliche Diskussion und praktische Ausgestaltung im Kontext Hoch-schule. Während die Disziplinen jeweils auf ein gefestigtes theoretisches Fundament blicken können, stehen die Arbeiten zur Entwicklung von umfassenden, die Forschungsbereiche ver-bindenden Academic Analytics Systemen noch am Anfang. Der Logik des Design Science Research folgend, wird in der vorliegenden Arbeit im Rahmen eines mehrzyklischen Design Prozesses ein Academic Analytics System entwickelt und in einem konkreten Kontext erprobt. Die Evaluationen werden mit Hilfe der Verantwortlichen der Studiengänge, sowie über technischen Experimente durchgeführt. Auf einer höheren Abstraktionsebene wird ein theoretisches Modell zur Gestaltung von Academic Analytics Syste-men generiert und im Rahmen der Zyklen evaluiert. Die Arbeit bietet zum einen präskriptive, auf die Gestaltung von Academic Analytics Systemen ausgerichtete Erkenntnisse. So lassen sich auf Basis des entwickelten Modells mögliche Datenbasen, Speicher-, Analyse- und Visualisierungsmöglichkeiten sowie Stakeholdergruppen abgrenzen. Darüber hinaus können deskriptive, die theoretischen Grundlagen erweiternde Erkenntnisse abgeleitet werden. Diese beziehen sich insbesondere auf die Verbindung der unterschiedlichen Ansätze der Datenanalyse an Hochschulen und deren Bezug zum Quali-tätsmanagement im Bereich Studium und Lehre sowie auf die Einführung neuer in diesem Rahmen relevant werdender Rollen. Zudem lässt sich erkennen, dass die Prognosen des Studienerfolgs auf Basis unterschiedlicher maschineller Lernalgorithmen bereits früh im Studi-um mit ansetzen können und eine hohe Genauigkeit aufweisen. Gleichzeitig macht die Arbeit weitere Forschungsbedarfe deutlich.

Autorentext
Jonas Weigert promovierte am Fachbereich Wirtschafts- und Sozialwissenschaften der FAU Erlangen-Nürnberg