Open Access

Bei der Konzeption von digitalen Lernmedien sind von Seiten der Entwickler viele Entscheidungen hinsichtlich der Präsentation von Lerninhalten zu treffen, was zum einen die mediale Darstellung und zum anderen die didaktische Aufbereitung der fachlichen Inhalte betrifft. Im vorliegenden Text werden zwei digitale Lernmedien auf der Basis von Einschätzungen von Studierenden wirtschaftswissenschaftlicher und technischer Studiengänge an den Hochschulstandorten Offenburg und Pforzheim analysiert. Die Konzepte der beiden Hochschulen unterscheiden sich deutlich voneinander. Während in Offenburg Lernvideos mit Audiokommentar Verwendung finden, wird in Pforzheim mit statischen instruktionalen Texten und obligatorischen Single-Choice-Übungsaufgaben in einer Moodle-Lernumgebung gearbeitet. Aus Sicht des Aufforderungscharakters, also der Motivation, sich mit den entsprechenden Materialien zu beschäftigen, werden sowohl die instruktionalen Texte als auch die Lernvideos von den Studierenden geschätzt. Es zeigt sich weiterhin, dass Studierende die Lernvideos mit einer gewissen Präferenz lieber allein als zu zweit bearbeiten, während die Bearbeitung der statischen Texte differenzierter betrachtet werden muss. Fokussierende Fragen bewerten nahezu alle Studierenden als lernförderlich für ihren Lernprozess. Allerdings finden sich Hinweise darauf, dass fokussierende Fragen von leistungsschwächeren im Vergleich zu leistungsstärkeren Studierenden als weniger hilfreich angesehen werden. Ebenso lässt sich die Hypothese aufstellen, dass manche Studierende sowohl auf die Unterstützung eines Lernpartners/einer Lernpartnerin als auch auf lernförderliche Fragen verzichten möchten, um ihren Lernprozess möglichst autonom organisieren zu können.

This study evaluates four machine learning (ML) techniques (Decision Trees (DT), Random Forests (RF), Neural Networks (NN) and Probabilistic Neural Networks (PNN)) on their ability to accurately predict export credit insurance claims. Additionally, we compare the performance of the ML techniques against a simple benchmark (BM) heuristic. The analysis is based on the utilisation of a dataset provided by the Berne Union, which is the most comprehensive collection of export credit insurance data and has been used in only two scientific studies so far. All ML techniques performed relatively well in predicting whether or not claims would be incurred, and, with limitations, in predicting the order of magnitude of the claims. No satisfactory results were achieved predicting actual claim ratios. RF performed significantly better than DT, NN and PNN against all prediction tasks, and most reliably carried their validation performance forward to test performance.

Der "Klausur-Coach Statistik" ist das richtige Buch für alle Bachelor-Studenten, die sich auf eine Klausur im Fach Statistik vorbereiten möchten und besonders gut durch das Lösen vieler anwendungsorientierter Aufgaben lernen. Die Fragestellungen orientieren sich primär – aber nicht ausschließlich – an Themen aus dem Bereich der BWL und VWL sowie verwandter Fächer. Im ersten Teil finden sich thematisch geordnete Übungsaufgaben, welche am besten parallel zum Studium gelöst werden sollten. Der zweite Teil enthält Klausuren, wie sie in Prüfungen im Bachelor-Studium typischerweise vorkommen; hier gibt es immer eine Mischung aus Aufgaben zu allen Themengebieten der Statistik im Grundstudium. Ausführliche Lösungen zu allen Aufgaben im dritten Teil des Buches runden das Coaching ab … und Panik vor der Statistikklausur sollte damit der Vergangenheit angehören!

Die Erstellung und der Einsatz digitaler Medien basieren häufig auf der Annahme eines idealtypischen Lernprozesses, welcher die effektive Erarbeitung von Inhalten unter Berücksichtigung individueller Vorkenntnisse und Lebensumstände ermöglicht. Erfahrungen Lehrender legen jedoch die Vermutung nahe, dass Studierende selten ein idealtypisches Lernverhalten an den Tag legen. Für den Beitrag „Nutzungsmuster bei digitalen Medien“ wurden Forschungsarbeiten zu digitalen instruktionalen Medien gezielt ausgewertet, um die tatsächlichen Verhaltensweisen beim Lernen und die hiermit verbundenen Wirkungen aufzuzeigen. Aufbauend auf den Erkenntnissen soll eine Diskussion um mögliche Folgerungen für die Lehre angeregt werden.

Statistiklehrbuch für Bachelorstudiengänge aus dem Bereich der Wirtschaftswissenschaften