FÖRDERUNG VON KOMPETENZEN ZUM SELBSTREGULIERTEN LERNEN
6. Hochschul-, Studiengang- und Lehrentwicklung
Learning Analytics ist nicht auf die datenbasierte Rückmeldung an Studierende beschränkt, sondern umfasst auch die Aufberei-tung und AuswerAufberei-tung von Studierendendaten zum Zweck der evidenzbasierten Hochschul-, Studiengang- und Lehrentwicklung und der dadurch optimierten Förderung von Kompetenzerwerb und Studienerfolg (vgl. Greller & Hoppe 2017: 10, 13; Büching et al. 2019: 145). Ein solches Instrument stellt der Studienerfolgs
monitor der Hochschule Osnabrück dar, der der Qualitätssiche-rung und Weiterentwicklung von Studiengängen dient: Daten, die den Studienerfolg Studierender betreffen (z. B. die Anzahl der pro Fachsemester erworbenen Leistungspunkte, die Abbruchquote oder die Art der Hochschulzugangsberechtigung), werden hoch-schulintern in einem Webportal in aggregierter und graphisch aufbereiteter Form dargestellt. Außerdem werden einzelne Daten miteinander in Bezug gesetzt, sodass Korrelationen – bspw.
zwischen der Note der Hochschulzugangsberechtigung und der Studienabbruchquote – sichtbar werden (vgl. Schmehmann 2020: 262-271).
In Smart Success werden Daten erhoben, die an keiner anderen Stelle der Hochschule gewonnen werden und daher auch nicht im Studienerfolgsmonitor in seiner derzeitigen Fassung erschei-nen: die persönlichen Zielsetzungen der Studierenden in Form ihrer individuellen Semester- und Studienplanung. In Ergänzung zu den bereits vorliegenden objektiven Daten generiert Smart Success also subjektive Daten über die Pläne und Absichten der Studierenden. In aggregierter und datenschutzkonformer Aufbereitung können diese subjektiven Datensätze in den Stu
dienerfolgsmonitor integriert werden. Damit könnte ihr Verhältnis zu den objektiven Datensätzen analysiert und davon ausgehend könnten Schlussfolgerungen für die Weiterentwicklung von Studiengängen – und somit für die in Zukunft noch bessere
Förderung des Studienerfolgs – gezogen werden. Beispielsweise kann so die Frage beantwortet werden, ob lange durchschnitt-liche Studienzeiten bis zum erfolgreichen Abschluss in einem bestimmten Studiengang von den Studierenden ungewollte Folgen dysfunktionaler Studiengangstrukturen sind oder ob die Studierenden diese Studienzeiten selbst intendieren. Im erst-genannten Fall würde hinsichtlich der Studiengangentwicklung Handlungsbedarf bestehen, im letztgenannten Fall nicht.
In der Weiterentwicklung der hochschulischen Lehrangebote liegt unserer Auffassung nach auch die Möglichkeit, das unter dem Schlagwort „Matthäus-Effekt“ bereits diskutierte Problem zu lösen, dass gerade Studierende mit nur schwach ausge-prägten Kompetenzen zur Selbstregulation nicht oder nur in geringem Maße von der kompetenzförderlichen Wirkung von Smart Success profitieren. Die Leitfragen und Benachrichtigun-gen sollen als Scaffolds zwar insbesondere auch Studierende mit nur gering ausgeprägten Kompetenzen in diesem Bereich unterstützen; sie setzen aber voraus, dass Studierende die App selbstständig verwenden und zielgerichtet nutzen. Eine Lösung für dieses Problem besteht unserer Auffassung nach darin, die Nutzung von Smart Success in Lehrveranstaltungen und andere Angebote zu integrieren und den sinnvollen Umgang mit ihr in diesem Setting einzuüben. Dies bezieht sich zum einen auf Lehrveranstaltungen in den Studiengängen: Bereits in Einfüh-rungskursen für Erstsemesterstudierende, aber auch in höheren Semestern in Tutorien und Vorlesungen sollten Lehrende und Tutor*innen kontinuierlich auf die Nutzungsmöglichkeiten und Funktionen von Smart Success hinweisen und diese mit ihren Studierenden praktisch einüben. Zum anderen sollte auch in additiven Angeboten wie StudiumPlus und dem entsprechenden Zertifikatsprogramm oder der StudienErfolgsBeratung auf die App verwiesen und entsprechende praktische Übungsmöglich-keiten sollten bereitgestellt werden. Dies wäre dann auch die Chance, Smart Success nicht als weiteres Zusatzangebot neben dem „eigentlichen“ Studium laufen zu lassen, sondern in das Studium zu integrieren.
Literatur
Azevedo, Roger & Hadwin, Allyson F. (2005): Scaffolding self- regulated learning and metacognition – Implications for the design of computer-based scaffolds. In: Instructional Science 33 (5/6), S. 367379.
Boekaerts, Monique (1999): Self-regulated learning: where we are today. In: International Journal of Educational Research 31, S. 445457.
Büching, Corinne et al. (2019): Learning Analytics an Hoch-schulen. In: Wittpahl, Volker (Hrsg.): Künstliche Intelligenz:
Technologie, Anwendung, Gesellschaft. Berlin & Heidelberg:
Springer, S. 142160.
Czech, Henning (in diesem Band): Der Osnabrücker Handlungs-rahmen für Kompetenzorientierung in Studium und Lehre 2.0 – ein Überblick.
Fazlija, Bledar (2019): Intelligent Tutoring Systems in Higher Education – Towards Enhanced Dimensions. In: Zeitschrift für Hochschulentwicklung 14 (3), S. 217233.
Greller, Wolfgang & Hoppe, Ulrich (2017): Editorial: Learning Analytics: Implications for Higher Education. In: Zeitschrift für Hochschulentwicklung 12 (1), S. 914.
Hinkelmann, Mathias, Maucher, Johannes & Seidl, Tobias (2016):
Softwaregestützte Studienverlaufsanalyse zur frühzeitigen ge-zielten Studienberatung. In: die hochschullehre 2. Online unter:
http://www.hochschullehre.org/ (Zugriff am 29.06.2020) Institute for the Future & Lumina Foundation (2018): AI Forces
Shaping Work & Learning in 2030: Report on Expert Conven-ings for a New Work + Learn Future. Palo Alto (Kalifornien).
URL: https://tinyurl.com/yacms3h4 (Zugriff am 15.06.2020) Knaden, Andreas & Osada, Sebastian (inhaltl. Verantw.) (o. J.):
SIDDATA. Verbundprojekt zur Studienindividualisierung durch digitale, datengestützte Assistenten. Webseite. URL: https://
www.siddata.de (Zugriff am 25.06.2020)
Korner, Thomas et al. (2013). ETH EduApp – Eine multifunktiona-le Mobilapplikation für die Hochschulmultifunktiona-lehre an der ETH Zürich.
In: Bremer, Claudia & Krömker, Detlef (Hrsg.): E-Learning zwischen Vision und Alltag: zum Stand der Dinge. Münster:
Waxmann, S. 4555.
Landmann, Meike et al. (2015): Selbstregulation und selbstregu-liertes Lernen. In: Wild, Elke & Möller, Jens (Hrsg.): Pädagogi-sche Psychologie. Berlin & Heidelberg: Springer, S. 4565.
Lutz, Lukas & Mayer, Frank (2019): Smart Success – ein digitaler Assistent als Beitrag zu einer Kultur des flexiblen Studierens.
In: Zeitschrift für Hochschulentwicklung 14 (3), S. 178190.
Lutz et al. (in diesem Band): Die StudienErfolgsBeratung.
Ma, Wenting et al. (2014): Intelligent Tutoring Systems and Learn-ing Outcomes: A Meta-Analysis. In: Journal of Educational Psychology 106 (4), S. 901918.
Nett, Ulrike E. & Götz, Thomas (2019): Selbstreguliertes Lernen.
In: Urhahne, Detlef, Dresel, Markus & Fischer, Frank (Hrsg.):
Psychologie für den Lehrberuf. Berlin: Springer, S. 6883.
Nünning, Vera (2008): Einleitung: Qualifikationen für Studium und Beruf. In: Nünning, Vera (Hrsg.): Schlüsselkompetenzen:
Qualifikationen für Studium und Beruf. Stuttgart & Weimar:
J. B. Metzler, S. 119.
Orr, Dominic et al. (2019): AHEAD – Internationales Horizon-Scanning: Trendanalyse zu einer Hochschullandschaft in 2030. Berlin: Hochschulforum Digitalisierung.
Otto, Barbara & Kistner, Saskia (2017): Is there a Matthew effect in self-regulated learning and mathematical strategy appli-cation? – Assessing the effects of a training program with standardized learning diaries. In: Learning and Individual Differences 55, S. 7586.
Persico, Donatella & Steffens, Karl (2017): Self-Regulated Learning in Technology Enhanced Learning Environments. In:
Duval, Erik, Sharples, Mike & Sutherland, Rosamund (Hrsg.):
Technology Enhanced Learning. Research Themes. Berlin:
Springer, S. 115123.
Schmehmann, Alexander (2020): Studienverlaufsanalyse an der Hochschule Osnabrück. In: Lange-Vester, Andrea & Schmidt, Martin (Hrsg.): Herausforderungen in Studium und Lehre:
Heterogenität und Studienabbruch, Habitussensibilität und Qualitätssicherung. Weinheim & Basel: Beltz Juventa, S. 262279.
Schmitz, Bernhard & Schmidt, Michaela (2007): Einführung in die Selbstregulation. Landmann, Meike & Schmitz, Bernhard:
Selbstregulation erfolgreich fördern: Praxisnahe Trainingspro-gramme für effektives Lernen. Stuttgart: Kohlhammer, S. 918.
Schmitz, Bernhard, Landmann, Meike & Perels, Franziska (2007):
Das Selbstregulationsprozessmodell und theoretische Impli-kationen. In: Landmann, Meike & Schmitz, Bernhard: Selbstre-gulation erfolgreich fördern: Praxisnahe Trainingsprogramme für effektives Lernen. Stuttgart: Kohlhammer, S. 312326.
Stamm, Margrit (2010): Wer hat, dem wird gegeben? Zur Pro-blematik von Matthäuseffekten in Förderprogrammen. In:
Schweizerische Zeitschrift für Bildungswissenschaften 32 (3), S. 595614.
Ufert, Detlef (2015a): Fachübergreifende Kompetenzen im Stu-dium. In: ders. (Hrsg.): Schlüsselkompetenzen im Hochschul-studium. Opladen & Toronto: Verlag Barbara Budrich, S. 722.
Ufert, Detlef (2015b): Einbindung von Schlüsselkompetenzen in Studienabläufe. In: ders. (Hrsg.): Schlüsselkompetenzen im Hochschulstudium. Opladen & Toronto: Verlag Barbara Budrich, S. 2334.
Vogelsang, Kristin et al. (2019): Agile by technique – The role of technology enhanced learning in higher education. In: Beiträge zur Hochschulforschung 41 (3), S. 2846.
Winne, Philip H. & Hadwin, Allyson F. (1998): Studying as Self-Regulated Learning. In: Hacker, Douglas J., Dunlosky, John &
Graesser, Arthur C. (Hrsg.): Metacognition in Educational The-ory and Practice. New York & London: Routledge, S. 277304.
Wood, David, Bruner, Jerome S. & Roll, Gail (1976): The role of tutoring in problem solving. In: Journal of child psychology and psychiatry 17 (2), S. 89100.
Zheng, Lanqin (2016): The effectiveness of self-regulated learning scaffolds on academic performance in computer-based learning environments: a metaanalysis. In: Asia Pacific Education Review 17 (2), S. 187202.
57 Lukas Lutz
• M. A. und laufendes Promotionsverfahren in Philosophie
• Leiter des Arbeitsbereichs „Beratung und Feedback“
• Arbeitsschwerpunkte:
Projektleitung zur Entwicklung der App Smart Success, Konzeption der
StudienErfolgsBeratung und ihr Transfer in die Hochschulstrukturen
Dörthe Wilbers
• M. A. in den Fächern „Kulturanthropologie/
Europäische Ethnologie“ und „Mittlere und neuere Geschichte“
• Wissenschaftliche Mitarbeiterin im Arbeitsbereich „Beratung und Feedback“
• Arbeitsschwerpunkte:
StudienErfolgsBeratung für Studierende, Projektteam zur Entwicklung der App Smart Success
Katrin Wanninger
• M. Sc. im Fach „Interkulturelle Psychologie“
• Wissenschaftliche Mitarbeiterin für Training, Beratung und Entwicklung
• Arbeitsschwerpunkte:
Projektteam zur Entwicklung der App Smart Success, Kompetenzorientiertes Lehren und Prüfen