Abstract
This paper presents the development and evaluation of a first prototype of an ai-based study progress forecast. This service is integrated within a conversational agent and can be used by students to show them their current study progress. First, implications for the set-up of a forecast application from the literature are described. Based on the requirements identified in the literature and from the project itself, a lightweight formula was created that enables calculating the remaining study time. In order to assess preliminary feasibility and perception of the model prototype, a qualitative focus group discussion was conducted with five participants. Overall, the study progress forecast was well received by the participants, especially the offer itself as well as the promptness of the service were highlighted.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
References
Heublein, U., Hutzsch, C., Schmelzer, R.: Die Entwicklung der Studienabbruchquoten in Deutschland. DZHW Brief (2022). https://doi.org/10.34878/2022.05.DZHW_BRIEF
Heublein, Ulrich und Wolter, Andrä, “Studienabbruch in Deutschland. Definition, Häufigkeit, Ursachen, Maßnahmen (2011) https://doi.org/10.25656/01:8716
Neugebauer, M., Heublein, U., Daniel, A.: Studienabbruch in Deutschland: Ausmaß, Ursachen, Folgen, Präventionsmöglichkeiten. Z. Erzieh. 22(5), 1025–1046 (2019). https://doi.org/10.1007/s11618-019-00904-1
S. Anastasio u. a., Studienabbrecher, innen als Zielgruppe der Beratung und Öffentlichkeitsarbeit. DE: wbv Media, 2020. Zugegriffen: 10. Februar,: Online. Verfügbar unter: (2023). https://doi.org/10.3278/6004808w
Behr, A., Giese, M., Teguim, H.D., K, Katja Theune,: Early prediction of university dropouts – a random forest approach. Jahrbücher für Nationalökonomie und Statistik 240(6), 743–789 (2020). https://doi.org/10.1515/jbnst-2019-0006
Bundesministerium für Bildung und Forschung, “Bekanntmachung”, Bekanntmachung, 26. November 2019. https://www.bmbf.de/bmbf/shareddocs/bekanntmachungen/de/2019/12/2776_bekanntmachung (zugegriffen 5. Januar 2023)
Bundesministerium für Bildung und Forschung, “DMPS”, DMPS. https://www.wihoforschung.de/wihoforschung/de/bmbf-projektfoerderung/foerderlinien/studienerfolg-und-studienabbruch/studienerfolg-und-studienabbruch-i/dmps/dmps.html (zugegriffen 5. Januar 2023)
Schneider, K., Berens, J., Burghoff, J.: Drohende Studienabbrüche durch Frühwarnsysteme erkennen: Welche Informationen sind relevant? Z. Erzieh. 22(5), 1121–1146 (2019). https://doi.org/10.1007/s11618-019-00912-1
Pixner, J., Mocigemba, D., Kraus, M., Krempkow, R.: Sag mir, wo die Studis sind. Wo sind sie geblieben? Outputorientierte Qualitätssicherung auf Studiengangsebene mithilfe der Studienverlaufsanalyse”, Das Hochschulwesen, Bd. 57 (2009)
Hochschule Mittweida, “Studiengangmonitoring und Wissensmanagement”. https://www.hs-mittweida.de/webs/studiengangmonitoring/ (zugegriffen 7. Januar 2023)
Schulze-Stocker, Franziska, Blum, Cornelia, Dunkel, Pauline, und Rockstroh, Michael, “PASST?! Partnerschaft Studienerfolg TU Dresden: Das Frühwarnsystem für Studierende an der TU Dresden”, S. 292 KB, 300 KB, 5 pages (2021) https://doi.org/10.26204/KLUEDO/6468
Bocklisch, T., Faulkner, J., Pawlowski, N., Nichol, A.: Rasa: open source language understanding and dialogue management. ar**v, 15. Dezember 2017. Zugegriffen: 14. Februar 2023. [Online]. Verfügbar unter: http://arxiv.org/abs/1712.05181
Schulz, M.: Quick and easy!? Fokusgruppen in der angewandten Sozialwissenschaft. In: Schulz, M., Mack, B., Renn, O. (eds.) Fokusgruppen in der empirischen Sozialwissenschaft, pp. 9–22. VS Verlag für Sozialwissenschaften, Wiesbaden (2012). https://doi.org/10.1007/978-3-531-19397-7_1
Fersch, M.-L. , Schacht, S., Woldai, B., Kätzel, C., Henne, S.: Digital Learning Assistants in Higher Education Environments: A Qualitative Focus Group Study. gehalten auf der The Barcelona Conference on Education 2022, Nov. 2022, S, pp. 325–341. https://doi.org/10.22492/issn.2435-9467.2022.28
Sek, Y.-W., Law, C.-Y., Liew, T.-H., Hisham, S.B., Lau, S.-H., Pee, A.N.B.C.: E-Assessment as a self-test quiz tool: the setting features and formative use. Proc. - Social Behav. Sci. 65, 737–742 (2012). https://doi.org/10.1016/j.sbspro.2012.11.192
Kuckartz, U.: Qualitative Inhaltsanalyse: Methoden, Praxis, Computerunterstützung, 3., Überarbeitete Auflage. in Grundlagentexte Methoden. Weinheim Basel: Beltz Juventa, 2016
Brade, R.: Normatively Framed Relative Performance Feedback – Field Experiment and Replication. American Economic Association. https://doi.org/10.1257/rct.3288
Blum, C., Rockstroh, M.: Hinschauen lohnt sich: ein Frühwarnsystem im Interesse der Studierenden und der Universität”, Zeitschrift für Beratung und Studium, Bd. 13
Author information
Authors and Affiliations
Corresponding authors
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2023 The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd.
About this paper
Cite this paper
Kamath Barkur, S., Fersch, ML., Henne, S., Schacht, S., Woldai, B. (2023). A Qualitative Evaluation of an AI-Based Study Progress Forecast. In: Schlippe, T., Cheng, E.C.K., Wang, T. (eds) Artificial Intelligence in Education Technologies: New Development and Innovative Practices. AIET 2023. Lecture Notes on Data Engineering and Communications Technologies, vol 190. Springer, Singapore. https://doi.org/10.1007/978-981-99-7947-9_1
Download citation
DOI: https://doi.org/10.1007/978-981-99-7947-9_1
Published:
Publisher Name: Springer, Singapore
Print ISBN: 978-981-99-7946-2
Online ISBN: 978-981-99-7947-9
eBook Packages: EducationEducation (R0)