© Pixabay

In de vakken wiskunde, informatica, natuurwetenschappen en technologie stopt tot 40 procent van de studenten al in de inleidende fase met hun studie. Een onderzoeksteam van het Methodecentrum van de Faculteit Economie en Sociale Wetenschappen van de Universiteit van Tübingen heeft nu een statistische procedure ontwikkeld waarmee je gemiddeld acht weken van tevoren kunt voorspellen of ze met hun studie zullen stoppen, zo meldt de Universiteit van Tübingen in een persbericht.

Het team heeft ook een algemene methodologische vooruitgang geboekt met het nieuw ontwikkelde algoritme. In de loop van de voorspelling is het algoritme in staat rekening te houden met de verschillen tussen de individuele studenten die reeds bij het begin van de studie bestaan, zoals de algemene cognitieve prestaties. Het kan deze scheiden van het welzijn van de individuele studenten in de loop van de tijd. Dit maakt het mogelijk de waarschijnlijkheid van studentenuitval te voorspellen, zelfs voor studenten die in principe geschikt zijn.

Een dergelijke scheiding van verschillende invloedsniveaus is ook interessant voor talrijke vragen op andere gebieden. Het team publiceerde een artikel over de ontwikkeling van de methode in het tijdschrift Psychometrika.

Er spelen bij studenten van bèta/technische vakken bij aanvang van de studie verschillende factoren mee, die van invloed zijn op de kans op uitval. “Het is bijvoorbeeld duidelijk dat de wiskundeprestaties op de middelbare school en de algemene cognitieve prestaties van individuele leerlingen verschillen. Lagere prestaties leiden aanvankelijk vaker tot uitval in de instapfase”, zegt professor Augustin Kelava van het Centrum voor Methoden. “We wilden echter de vraag beantwoorden hoe we diegenen kunnen identificeren die snel afhaken onder vergelijkbare capabele eerstejaarsstudenten.”

Langdurig onderzoek

Voor de studie werden 122 studenten aan de Universiteit van Tübingen in hun eerste semester wiskunde in een groot eerste onderzoek ondervraagd over hun voorkennis van wiskunde, hun interesses, hun schoolcarrière en hun financiële achtergrond, en werden persoonlijkheidsvariabelen, waaronder emotionele stabiliteit, verzameld.

“De resultaten van het toelatingsexamen gaven ons een beeld van de stabiele kenmerken van elke student”, zegt Kelava. Dit werd gevolgd door enquêtes van vijf minuten drie keer per week, 50 keer in totaal gedurende 131 dagen van het semester, waarin de studenten aangaven hoe zij zich op dat moment voelden en of zij het gevoel hadden dat zij de les volgden.

“We wisten bovendien wie aan het eind van het semester was toegelaten, zodat we de gemaakte voorspellingen konden controleren, en we kenden het cijfer van het eindexamen. Bovendien was de acceptatie van onze enquête zeer groot”, meldt hij. Het onderzoeksteam heeft niet specifiek ingegrepen in individuele studiegeschiedenissen, “wat echter een toekomstige individueel gerichte toepassing zou kunnen zijn”, aldus de wetenschapper.

De voorspellingen werden berekend met de nieuw ontwikkelde statistische methode, een algoritme dat gebruik maakt van in real time verzamelde gegevens; een zogenaamd Forward Filtering Backward Sampling (FFBS) algoritme. “De invloedsniveaus zijn complex. Ze lopen in elkaar over, een veelheid aan variabelen speelt een rol bij de beslissing om door te zetten of af te haken.”

Voorspellen

Daardoor kon het onderzoeksteam het voornemen om af te haken gemiddeld al acht weken van tevoren voorspellen, d.w.z. op een moment dat studenten nog naar de lessen komen. “Vaak zijn studenten na de start in het wintersemester er na de kerst al niet meer,” zegt Kelava. “Wij zijn erin geslaagd de twee invloedniveaus van enerzijds de stabiele kenmerken van de leerlingen en anderzijds de veranderingen in hun gemoedstoestand in de loop van de tijd bij het voorspellen van heimelijke bedoelingen van elkaar te scheiden. Wij kunnen aan de hand van hun eigen informatie, hoe zij zich voelen en hoe zij met hun studie omgaan, vaststellen wanneer zij een latente, op dat moment nog niet direct waarneembare, neiging ontwikkelen om af te haken.”

In de praktijk biedt de statistische methode een instrument om individuele leerlingen, die in principe gekwalificeerd zijn voor het vak maar de neiging vertonen uit te vallen, gericht te benaderen, bijvoorbeeld met een begeleidingsaanbod. In het algemeen is de methode ook geschikt voor bepaalde onderzoeksvragen op andere gebieden, zoals het scheiden van stabiele beïnvloedende variabelen van situationele ontwikkelingen in aandelenkoersen in economie- of ingenieurstoepassingen. 

Geselecteerd voor jou!

Innovation Origins is het Europese platform voor innovatienieuws. Naast de vele berichten van onze eigen redactie in 15 Europese landen, selecteren wij voor jou de belangrijkste persberichten van betrouwbare bronnen. Zo blijf je op de hoogte van alles wat er gebeurt in de wereld van innovatie. Ben jij of ken jij een organisatie die niet in onze lijst met geselecteerde bronnen mag ontbreken? Meld je dan bij onze redactie.

ValutaBedrag