Algorithmus sagt voraus, welche Schüler Mathematikkurse abbrechen werden

In den sogenannten MINT-Fächern – Mathematik, Informatik, Naturwissenschaften und Technik – brechen bis zu 40 Prozent der Studierenden ihr Studium in der Studieneingangsphase ab. Ein Forscherteam des Methodenzentrums der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität Tübingen hat nun ein statistisches Verfahren entwickelt, mit dem Studierende durchschnittlich acht Wochen im Voraus vorhersagen können, ob sie ihr Studium abbrechen werden.

Mit dem neu entwickelten Algorithmus erzielte das Team auch einen allgemeinen methodischen Fortschritt. Im Zuge der Vorhersage ist der Algorithmus in der Lage, die bereits zu Beginn des Kurses bestehenden Unterschiede zwischen den einzelnen Studierenden – etwa allgemeine kognitive Leistungen – zu berücksichtigen und diese von der Befindlichkeit einzelner Studierender zu trennen Zeit. Dadurch ist es möglich, die Wahrscheinlichkeit eines Studienabbruchs auch für grundsätzlich geeignete Studierende vorherzusagen. Eine solche Trennung unterschiedlicher Einflussebenen ist auch für zahlreiche Fragestellungen aus anderen Bereichen interessant. Das Team veröffentlichte einen Artikel über die Entwicklung der Methode in der Zeitschrift Psychometrika.

Studierende der MINT-Fächer haben zu Beginn unterschiedliche Voraussetzungen, die sich auf die grundsätzliche Abbruchwahrscheinlichkeit auswirken. „Es ist offensichtlich, dass sich zum Beispiel die Mathematikleistungen im Gymnasium und die allgemeinen kognitiven Leistungen bei einzelnen Schülern unterscheiden. Geringere Leistungen führen zunächst zu einem häufigeren Abbruch in der Anfangsphase“, sagt Professor Augustin Kelava vom Methodenzentrum. „Allerdings wollten wir uns der Frage annähern, wie man jene vergleichbar qualifizierten Erstsemester identifizieren kann, die ihr Studium schnell abbrechen.“

Längsschnittstudie mit 122 Studierenden

Für die Studie wurden 122 Studierende der Universität Tübingen im ersten Mathematiksemester in einer großen Initialstudie zu ihren mathematischen Vorkenntnissen, ihren Interessen, ihrer schulischen Laufbahn und ihrem finanziellen Hintergrund sowie zu Persönlichkeitsvariablen, darunter emotionale Stabilität, wurden gesammelt. „Die Ergebnisse der Erstuntersuchung haben uns ein Bild von den stabilen Eigenschaften jedes einzelnen Schülers gegeben“, sagt Kelava. Es folgten dreimal wöchentlich fünfminütige Befragungen, insgesamt 50 Mal an 131 Semestertagen, in denen die Studierenden angaben, wie sie sich aktuell fühlen und ob sie glauben, im Unterricht mithalten zu können. „Um die getroffenen Vorhersagen zu überprüfen, wussten wir auch, wer bis zum Ende des Semesters dabei war und kannten die Note der Abschlussprüfung.

In den individuellen Studienverlauf habe das Forschungsteam nicht gezielt eingegriffen, „das wäre eine künftige personenorientierte Anwendung auf Basis der Verfahrensentwicklung im Fokus“, sagt der Wissenschaftler. Die Vorhersagen wurden mit der neu entwickelten statistischen Methode berechnet, einem Algorithmus, der in Echtzeit, dh bis zu einem bestimmten Zeitpunkt, gesammelte Daten verwendet, um mit hoher Wahrscheinlichkeit das zukünftige Verhalten und Erleben des einzelnen Schülers zu bestimmen – ein so wird Vorwärtsfiltermethode genannt. Algorithmus für Rückwärtsabtastung (FFBS). „Die Einflussebenen sind komplex. Sie sind miteinander verwoben, und bei der Entscheidung fürs Durchhalten oder Aussteigen spielen eine Vielzahl von Variablen eine Rolle.“

Frühe Vorhersagen von Aufgabeabsichten

Dadurch konnte das Forschungsteam Ausstiegsabsichten acht Wochen im Voraus vorhersagen, also zu einem Zeitpunkt, als die Menschen noch zu den Veranstaltungen kamen. „Nach Beginn des Wintersemesters sind die Studierenden nach Weihnachten oft nicht mehr da“, sagt Kelava. „Uns ist es gelungen, die beiden Einflussebenen zu trennen, einerseits die stabilen Eigenschaften der Schüler und andererseits die Veränderungen ihrer Befindlichkeit im Laufe der Zeit bei der Vorhersage der verborgenen Absichten. Wir können sagen, wann sie eine latente Abbruchneigung entwickeln, die derzeit noch nicht direkt beobachtbar ist, aufgrund eigener Aussagen über ihr Befinden und ihren Studienerfolg.“

In der Praxis bietet die statistische Methode ein Instrument, um einzelne Studierende gezielt anzusprechen, beispielsweise mit Beratungsangeboten, die zwar grundsätzlich für das Fach qualifiziert sind, aber eine Tendenz zum Studienabbruch aufweisen. Generell eignet sich die Methode auch für bestimmte Forschungsfragen in anderen Bereichen, wie etwa der Trennung stabiler Einflussgrößen von situativen Aktienkursentwicklungen in wirtschaftswissenschaftlichen oder ingenieurwissenschaftlichen Anwendungen.