Forscher fordern einen neuen Ansatz zur Untersuchung des akademischen Fortschritts

Im Studium der Hochschulbildung werden Universitäten seit langem als Pipelines angesehen, die Studenten auf produktive Karrieren in bestimmten Bereichen vorbereiten. Aber wenn es darum geht zu verstehen, wie Studenten tatsächlich ihren Weg durch das College finden, können die Bilder der „Pipeline“ nicht die Wendungen erfassen, die echte Menschen oft auf ihrem Weg nehmen.

Eine Gruppe von Wissenschaftlern von Universitäten im ganzen Land fordert ein neues Modell für die Untersuchung des akademischen Fortschritts: einen aktualisierten Ansatz, der die Komplexität von Universitätslehrplänen und den Weg der Studenten durch sie berücksichtigt und wichtige Informationen für Forscher, Pädagogen und Studenten gleichermaßen bereitstellt.

In einem in der Zeitschrift veröffentlichten Artikel Wissenschaft Am 28. April fordern Professoren von neun Universitäten – darunter Stanford, Cornell, Columbia, Texas A&M und die University of Pennsylvania – Forscher auf, die „Pipeline“-Metapher durch einen Fokus auf „Wege“ zu ersetzen, eine Verschiebung, von der sie sagen, dass sie sowohl helfen als auch helfen würde zwingen Administratoren, etablierte Lehrpläne basierend auf den sich entwickelnden Präferenzen der Schüler zu aktualisieren.

„In der Wissenschaft leiten Metaphern unser Verständnis eines Problems – sie prägen unsere Herangehensweise an die Beobachtung der Welt und die Art und Weise, wie wir unsere Ergebnisse kommunizieren“, sagte Mitchell Stevens, Professor an der Stanford Graduate School of Education und einer der Hauptautoren der Studie. „Die Pipeline-Metapher ist seit vielen Jahren nützlich, aber sie schränkt unser Verständnis davon ein, wie sich der akademische Fortschritt entwickelt.“

Durch den Wechsel zu einem „Pathways“-Modell, sagte er – mit Computerwerkzeugen und -techniken, die erst seit Kurzem verfügbar sind – können Forscher Erkenntnisse aus komplexen Daten über den akademischen Fortschritt in effektive Lehrpläne und Unterstützung umwandeln.

Überdenken eines veralteten Modells

Die Pipeline-Metapher ist aus mehreren Gründen einschränkend, sagen die Autoren. Zum einen schlägt es stark strukturierte, sequenzierte Lehrpläne vor, die darauf abzielen, Fähigkeiten in bestimmten Bereichen zu entwickeln. Viele Universitäten ermutigen die Studenten jedoch, verschiedene Studienbereiche zu erkunden und zu kombinieren und (wie in Stanford) mit der Deklaration eines Hauptfachs bis zur Mitte ihrer Bachelor-Erfahrung zu warten.

„Die Bilder der Pipeline implizieren, dass die Menschen, wenn sie eine höhere Ausbildung beginnen, genau wissen, wohin sie wollen“, sagte Stevens. „Aber die Universitäten haben die Aufgabe, eine vollständige Palette von Optionen anzubieten. Studenten können eintreten und denken, dass sie für ein Ziel ideal geeignet sind, und dann erfahren, dass sie für ein anderes besser geeignet sind.“

Die Pipeline-Metapher behandelt diese Art der Abweichung vom ursprünglichen Ziel als „Leck“ oder Verlust und nicht als Einstieg in einen anderen Weg zum Abschluss.

Darüber hinaus deutet eine Pipeline-Metapher auf einen Mangel an Entscheidungsfreiheit seitens der Schüler hin, sagen die Autoren. „Es wird davon ausgegangen, dass Studenten träge Substanzen sind, die durch äußere Kräfte durch eine Struktur getrieben werden“, sagte Stevens. „Aber natürlich treffen die Menschen die ganze Zeit aktiv Entscheidungen über ihre eigene Bildung.“

Ein Pathways-Modell stellt sowohl die studentische Handlungsfähigkeit als auch die Struktur des Curriculums in den Mittelpunkt und erkennt das Zusammenspiel zwischen ihnen an. Es zeichnet die verschiedenen Reaktionen der Studierenden auf bestimmte akademische Angebote nach und identifiziert „verhängnisvolle“ Punkte im akademischen Fortschritt der Studierenden, an denen die Wahl eines bestimmten Hauptfachs nicht mehr möglich ist.

Dies könnte dazu beitragen, den Weg für Maßnahmen zu ebnen, die Gerechtigkeit fördern, schreiben die Autoren. Viele Faktoren spielen bei der Entscheidung der Studierenden für Kurse und Hauptfächer eine Rolle, und die Erforschung dieses Abwägungsprozesses könnte Möglichkeiten zum Eingreifen aufzeigen, um das Bewusstsein der Studierenden für ihre Optionen und die möglichen Folgen ihrer Wahl zu schärfen.

„Studenten betreten die Universität mit unterschiedlichen Informationsmengen und unterschiedlichen Annahmen darüber, wie viel Einfluss sie auf ihre eigene Ausbildung haben“, sagte Stevens. „Wenn wir gleiche Wettbewerbsbedingungen für Informationen über Wege und Wahlmöglichkeiten schaffen können, könnten wir Ungleichheiten beim Hochschulwissen, das die Menschen mit in die Schule bringen, abmildern.“

Anwendung neuer analytischer Techniken

In Verbindung mit einem neuen konzeptionellen Modell ermöglichen neuere Entwicklungen in der Computational Science die Analyse komplexerer Daten zum akademischen Fortschritt, schreiben die Autoren.

Traditionell könnten Forscher statistische Techniken verwenden, um Einschreibungsmuster aufzuzeichnen und Kohorten von Studenten episodisch zu beobachten – ein Ansatz, der nur begrenzte Einblicke in die Art und Weise liefert, wie sie jede ihrer Kursauswahlen berücksichtigen, auswählen und ordnen, sagte Stevens. „Sie würden standardmäßig Rückschlüsse darauf ziehen, was zwischen diesen groben Punkten der Datenerfassung passiert, was sich stark von der Beobachtung des Prozesses unterscheidet.“

Neuere, ausgefeiltere Computertechniken können die Mikroentscheidungen der Schüler und die Auswirkungen ihrer Entscheidungen besser erfassen. Fortschritte in der Computermodellierung können Visualisierungen hervorbringen, die beispielsweise unterschiedliche Wege in bestimmte Hauptfächer, kritische Gabelungen auf diesen Wegen und Lehrplanüberschneidungen aufzeigen, die Änderungen bei Kursangeboten und -anforderungen informieren könnten. Techniken des maschinellen Lernens ermöglichen die Vorhersage wichtiger Deklarationen auf der Grundlage von Kursen, die früh in der College-Karriere ausgewählt wurden.

Um die Anwendung der Pathway Science zugänglicher zu machen, fordern die Autoren den Aufbau eines gemeinsamen analytischen Rahmens und einer gemeinsamen Infrastruktur, einschließlich eines Systems zur standardisierten Daten über Institutionen hinweg, die als Open-Source-Analysetools verfügbar sind.