DABALUGA​

Datenbasierter Lernunterstützungsassistent

DABALUGA

Ziel des Projektes ist es, den individuellen Studienprozess lerndatenbasiert durch eine digitale Mentorin besser zu begleiten und damit auf das Ziel der Verringerung der Studienabbruchswahrscheinlichkeit hinzuwirken. Dafür wird eine ausgewählte Lehrveranstaltung didaktisch überarbeitet und daraus eine Datenanalysetechnologie erstellt, die schlussendlich dem Aufbau der digitalen Mentorin dienen soll. Die digitale Mentorin soll Studierende, denen eine hohe Studienabbruchswahrscheinlichkeit zugeordnet wird, durch gezielte Interaktion und Information unterstützen und damit die Anzahl der Studienabbrüche verringern.

Kurzbezeichnung DABALUGA
Förderung Stiftung Innovation in der Hochschullehre
Förderprogramm Hochschullehre durch Digitalisierung stärken
Fördernummer laut Bescheid FBM2020-VA-78-14-00510
Start 01.08.2021
Ende 31.07.2024
Projektdauer 3 Jahre
Projektleitung Prof. Dr. Torsten Eymann

Prof. Dr. Torsten Eymann

Lehrstuhl für Betriebswirtschaftslehre VII – Wirtschaftsinformatik

Projekt

Aufbauend auf einer bestehenden digitalen Infrastruktur zielt unser Projektvorhaben darauf ab, den individuellen Studienprozess durch „digitale Mentoren“ besser zu begleiten und damit auf eine Verringerung der Studienabbruchwahrscheinlichkeit hinzuwirken. Seit 2014 organisiert die Universität Bayreuth den Student Life Cycle mit einem innovativen, datenbasierten Campus-Management-System (CMS) mit vielen implementierten Schnittstellen. Die von uns heute schon im CMS und Lernmanagementsystem erhobenen studienbezogenen Daten können nach Analyse und Auswertung bessere Einblicke in Lehr- und Lernprozesse geben, gezielte Betreuungs- und Unterstützungsleistung anfordern und damit zur Verbesserung der Qualität der Hochschullehre beitragen. Unsere Innovationsidee integriert diese Perspektiven, indem sie in 3 zentralen Arbeitspaketen
(1) die Lern-Situation der Studierenden in ausgewählten Lehrveranstaltungen im Sinne eines Constructive Alignment (CA) ausrichtet;
(2) durch Learning Analytics (LA) datenschutzkonform Lerndaten auswertet und Studierende hinsichtlich der Studienabbruchgefahr einordnet; und
(3) gezielt diese Studierende mit einer „digitalen Mentorin“ mit automatisierten, aber individualisierten Nachrichten aus dem Lernsystem heraus erreicht, um sie zu weiteren Lernaktivitäten zu motivieren.