Mathematisches Wissen von Studienanfängern und Studienerfolg

ZusammenfassungBei Studierenden der Fächer Bauingenieurwesen, Biologie, Chemie und Physik wird untersucht, ob mit einem fächerübergreifenden Test zur Erfassung mathematischen Wissens der Studienerfolg zum Ende des ersten Semesters besser vorhergesagt werden kann, als nur mit der Abitur- und Mathematiknote; Studienerfolg ist als gemittelte Klausurleistung am Ende des ersten Semesters operationalisiert. Der Test wurde zu Beginn des Wintersemesters 2016/17 an einer Kohorte (N = 751) von Studienanfängern eingesetzt. Für alle Fächer wird gezeigt, dass das mathematische Wissen auch unter Kontrolle der Schulleistungen prädiktiv für Studienerfolg ist und dass es inkrementelle Varianz gegenüber der Abiturnote und der Mathematiknote aufklärt. Die so durchgeführte Prognose von Studienerfolg eröffnet die Möglichkeit, Studienberatung zu verbessern und Hinweise für die Inhalte vorbereitender und semesterbegleitender Veranstaltungen zu generieren. Anhand des mathematischen Wissens der Studierenden lässt sich eine Bezugsnorm ableiten, die als Grundlage für zukünftige Gruppendiagnostik dienen kann.AbstractWe investigate if the prediction of students’ success in the degree courses civil engineering, biology, chemistry and physics can be improved by employing an interdisciplinary test that assesses mathematical knowledge. In addition to the average final examination grade and the final grade in mathematics at school, success in degree courses is measured as the average achievement in the written exams at the end of the first semester. The sample comprised first semester students (N = 751) at the beginning of the winter semester 2016. For the above subjects mathematical knowledge is predictive for the success in degree courses even if we control for school achievement. Additionally, the test result is incrementally valid with respect to the overall final examination grade and the final grade in mathematics at school. The obtained prediction of success in degree courses can improve student counselling and hints at contents for preparatory and accompanying modules for the first semester. By means of the students’ mathematical knowledge a reference norm can be derived as a basis for future group diagnoses.

[1]  C. Maurer,et al.  Implementation fachdidaktischer Innovation im Spiegel von Forschung und Praxis. Gesellschaft für Didaktik der Chemie und Physik Jahrestagung in Zürich 2016 , 2017 .

[2]  Rolf Dürr,et al.  Mathematik zwischen Schule und Hochschule , 2016 .

[3]  Aiso Heinze,et al.  The Transition from School to University in Mathematics: Which Influence Do School-Related Variables Have? , 2017 .

[4]  Olaf Uhden Mathematisches Denken im Physikunterricht : Theorieentwicklung und Problemanalyse , 2012 .

[5]  J. Hunsley,et al.  The incremental validity of psychological testing and assessment: conceptual, methodological, and statistical issues. , 2003, Psychological assessment.

[6]  T. A. Warm Weighted likelihood estimation of ability in item response theory , 1989 .

[7]  Heiner Rindermann,et al.  Auswahl von Studienanfängern durch Universitäten - Kriterien, Verfahren und Prognostizierbarkeit des Studienerfolgs , 1999 .

[8]  R. Biehler,et al.  Mathematische Vor- und Brückenkurse , 2014 .

[9]  D. Leutner,et al.  Landesweite Lernstandserhebungen zwischen Bildungsmonitoring und Individualdiagnostik , 2008 .

[10]  Elmar Souvignier,et al.  Prognose der Studierfähigkeit , 2005 .

[11]  K. Neumann,et al.  Die Bedeutung der Studierfähigkeit für den Studienerfolg im 1. Semester in Physik , 2016 .

[12]  Benedikt Hell,et al.  Eine Metaanalyse der Validität von fachspezifischen Studierfähigkeitstests im deutschsprachigen Raum , 2007 .

[13]  Jörn R. Sparfeldt,et al.  Klassenprimus bei durchschnittlicher Intelligenz , 2010 .

[14]  R Core Team,et al.  R: A language and environment for statistical computing. , 2014 .

[15]  O. Köller,et al.  Studierendenauswahl im Fach Psychologie , 2011 .

[16]  Aiso Heinze,et al.  Measuring Mathematical Competences of Engineering Students at the Beginning of Their Studies , 2015 .

[17]  Alexander Renkl Explorative Analysen zur effektiven Nutzung von instruktionalen Erklärungen beim Lernen aus Lösungsbeispielen , 2001 .

[18]  C. Fox,et al.  Applying the Rasch Model: Fundamental Measurement in the Human Sciences , 2001 .

[19]  Benedikt Hell,et al.  Die Validität von Schulnoten zur Vorhersage des Studienerfolgs : eine Metaanalyse , 2007 .

[20]  B. Rager,et al.  Determinanten des Studienerfolgs: Eine empirische Untersuchung für die Studiengänge Maschinenbau, Medienproduktion und -technik sowie Umwelttechnik , 2015 .

[21]  Andy P. Field,et al.  Discovering Statistics Using SPSS , 2000 .

[22]  Jacob Cohen Statistical Power Analysis for the Behavioral Sciences , 1969, The SAGE Encyclopedia of Research Design.

[23]  Ailish Hannigan,et al.  Trends in the mathematical competency of university entrants in Ireland by leaving certificate mathematics grade , 2010 .

[24]  Andreas Borowski,et al.  Studienerfolg im Physikstudium: Inkrementelle Validität physikalischen Fachwissens und physikalischer Kompetenz , 2017 .

[25]  David Buschhüter,et al.  Mathematische Kenntnisse und Fähigkeiten von Physikstudierenden zu Studienbeginn , 2016 .