Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Statistik # Anwendungen

Verstehen der Abbrecherquoten am Politecnico di Milano

Eine Studie über Abbrecher-Trends und Faktoren, die die Studentenbindung beeinflussen.

Alessandra Ragni, Chiara Masci, Anna Maria Paganoni

― 6 min Lesedauer


Abbrechungs-Trends in der Abbrechungs-Trends in der Hochschulbildung Studierenden am Politecnico di Milano. Analyse der Gründe für die Abbrüche von
Inhaltsverzeichnis

Die Abbrecherquoten im Hochschulbereich sind ein grosses Problem auf der ganzen Welt. Viele Studis fangen ihre Uni-Reise an, beenden aber ihre Abschlüsse nicht. Diese Arbeit schaut sich genauer an, warum Studis abbrechen, speziell am Politecnico di Milano, einer Uni in Italien. Die Ergebnisse könnten Universitäten helfen herauszufinden, wie sie mehr Studis in der Schule halten können.

Das grosse Ganze der Abbrüche

Wenn wir von "Abbrechern" sprechen, meinen wir Studis, die ihre Studiengänge abbrechen, bevor sie ihren Abschluss machen. In vielen Ländern schaffen rund 30% der Studis ihren Abschluss nicht. Italien hat sogar noch schlimmere Statistiken, mehr als die Hälfte der Studis macht keinen Abschluss. Das ist nicht nur ärgerlich für die Unis, sondern auch eine Verschwendung von Ressourcen und hat Auswirkungen auf die Fähigkeiten der zukünftigen Arbeitskräfte.

Es ist wie wenn man eine Pflanze kauft, sie giesst und dann vergisst, sie ins Sonnenlicht zu stellen – irgendwann verwelkt sie einfach. Universitäten investieren viel in ihre Studis, also wenn die gehen, ist diese Investition verloren.

Warum brechen Studis ab?

Abbrüche passieren aus vielen Gründen. Manche Studis merken, dass ihr Studiengang nicht das ist, was sie erwartet haben. Andere finden die Kurse zu anstrengend. Manchmal haben sie auch Job- oder Familienverpflichtungen, die Vorrang haben.

Es gibt auch Unterschiede zwischen verschiedenen Studienrichtungen. Einige Programme haben zu Beginn hohe Abbruchquoten, weil sie harte Einführungskurse haben. Andere sehen, dass Studis am Ende ihres Studiums abbrechen. Auch die Unis können unterschiedlich hohe Abbruchquoten haben, je nachdem, wie engagiert die Dozenten sind oder welche Unterstützungsangebote es gibt.

Daten vom Politecnico di Milano

Polimi hat eine Vielzahl von Studiengängen in vier Fakultäten: Architektur, Design und Ingenieurwesen. Die Uni bietet 23 verschiedene Bachelor-Programme an. Wir haben uns die Abbruchmuster im ersten Jahr für diese Programme angesehen.

Anhand von Daten der Uni haben wir untersucht, warum Studis ihre Kurse abgebrochen haben. Wir haben uns auf das erste Jahr konzentriert, da viele Studis da entscheiden, ob sie weitermachen wollen.

Die Methode, die wir verwendet haben

Wir haben coole statistische Modelle verwendet, die Daten aus verschiedenen Quellen kombinieren, um die Abbruchtrends besser zu verstehen. Stell dir vor, du versuchst, ein Puzzle mit Teilen aus verschiedenen Schachteln zusammenzusetzen. Da hilft es, eine Methode zu haben, um zu verfolgen, wo jedes Teil hingehört.

Im ersten Teil unserer Analyse haben wir vergangene Abbruchdaten durchgesehen, um ein Modell zu erstellen, das vorhersagen kann, wann und warum Studis abbrechen. Wir wollten auch verstehen, wie Faktoren wie der Studiengang oder die Hochschule die Abbruchquoten beeinflussen.

Zu den Zahlen

Wir haben ein sogenanntes Cox-Modell verwendet, das uns hilft, das Timing von Ereignissen zu betrachten. In unserem Fall war das Ereignis ein Studi, der abbricht. Durch die Anwendung dieses Modells konnten wir Muster und Trends über die Zeit hinweg erkennen.

Ausserdem haben wir die Daten auf zwei Ebenen analysiert – sowohl auf Programm- als auch auf Hochschulebene. Es ist wie wenn man sowohl die einzelnen Bäume als auch den gesamten Wald gleichzeitig betrachtet.

Riskante Zeiten identifizieren

Unsere Analyse hat kritische Phasen hervorgehoben, in denen die Abbruchquoten gestiegen sind. Indem wir diese Zeiten verstehen, können Universitäten ihre Bemühungen darauf konzentrieren, Studis zu unterstützen, die möglicherweise gefährdet sind.

Die erste Phase

In der ersten Phase haben wir eine Abbruchkurve erstellt, die zeigt, wie viele Studis im Laufe der Zeit ihre Programme verlassen haben. Diese Kurve hat uns geholfen, herauszufinden, welche Studiengänge die höchsten Abbruchquoten haben.

Einige Programme zeigten beispielsweise einen steilen Rückgang der Zahlen am Ende des ersten Jahres. Das kann oft darauf zurückgeführt werden, dass Studis merken, dass sie vielleicht doch im falschen Programm sind.

Die zweite Phase

Danach haben wir uns angeschaut, wie man zukünftige Abbruchereignisse basierend auf unseren Erkenntnissen vorhersagen kann. Dazu gehört, zu verstehen, wie aktuelle Studis wahrscheinlich abbrechen, basierend auf vergangenen Daten. Wir haben verschiedene Faktoren wie Noten, Demografie und Programmdetails gesammelt, um ein klareres Bild zu bekommen.

Die Wichtigkeit der Analyse

Durch die Untersuchung von Abbrüchen können Universitäten Ressourcen sparen und Studis zum Erfolg verhelfen. Wenn Daten zeigen, dass Studis in einem bestimmten Programm eher abbrechen, können die Unis eingreifen, um Hilfe anzubieten.

Die Ergebnisse

Durch unsere Analyse haben wir herausgefunden, dass das Abbrechverhalten nicht für alle gleich ist. Verschiedene Programme und Unis haben unterschiedliche Abbruchquoten. Als wir tiefer gegraben haben, fanden wir heraus, dass die Abbruchquoten sogar innerhalb derselben Uni unterschiedlich sein können.

Der spannende Teil: Abbrüche vorhersagen

Wir wollten über das blosse Beobachten von Mustern hinausgehen; wir wollten vorhersagen, wer möglicherweise abbrechen könnte. Mit logistischer Regression haben wir ein Modell erstellt, das verschiedene Faktoren berücksichtigt. Es ist wie ein Rezept, bei dem die richtige Mischung der Zutaten zu einem gelungenen Gericht führen kann.

Für unser Modell haben wir Folgendes berücksichtigt:

  • Alter
  • Geschlecht
  • Bildungshintergrund
  • Leistung im ersten Semester

Diese Faktoren können uns helfen, Studis zu identifizieren, die eher abbrechen und den Unis ermöglichen, frühzeitig einzugreifen.

Was haben wir gelernt?

  1. Frühe Warnsignale: Studis, die im ersten Semester mehr Credits verdienen, brechen seltener ab. Es ist ein bisschen wie ein solider Start in einem Rennen; das stärkt das Selbstvertrauen.

  2. Unterschiedliche Programme, unterschiedliche Risiken: Einige Programme haben höhere Abbruchquoten als andere. Das könnte daran liegen, dass die Kurse zu herausfordernd sind oder nicht die Erwartungen der Studis erfüllen.

  3. Der Einfluss der Zulassungsergebnisse: Interessanterweise brechen Studis, die bei Zulassungstests hoch abschneiden, manchmal häufiger ab. Das könnte darauf hindeuten, dass diese Studis nicht ausreichend auf die Anforderungen des Studiums vorbereitet waren.

Was kommt als Nächstes?

Obwohl diese Erkenntnisse wertvoll sind, wissen wir, dass sie nur der Anfang sind. Das Abbrechverhalten kann sich im Laufe der Zeit ändern, besonders wenn neue Herausforderungen auftauchen, wie wir während der Covid-19-Pandemie gesehen haben.

Um die Dynamik der Abbrüche wirklich zu erfassen, müssen wir unsere Methoden weiter verfeinern und andere Faktoren erkunden, die dazu beitragen könnten, warum Studis sich entscheiden, zu gehen.

Fazit

Die Abbrecherquoten anzugehen, ist entscheidend für die Universitäten. Indem sie verstehen, warum Studis gehen und Daten nutzen, um zukünftige Trends vorherzusagen, können Bildungseinrichtungen Massnahmen ergreifen, um die Verweildauer zu verbessern. Das ultimative Ziel ist, sicherzustellen, dass Studis nicht nur in die Hochschulbildung eintreten, sondern auch mit einem Abschluss in der Hand wieder herauskommen.

Mit der richtigen Unterstützung und dem Verständnis können wir Studis helfen, auf Kurs zu bleiben und ihre Bildungsziele zu erreichen. Schliesslich will niemand eine Pflanze kaufen und vergessen, sie zu giessen. Lassen Sie uns sicherstellen, dass jeder Studi die Aufmerksamkeit und Ressourcen bekommt, die er braucht, um zu gedeihen.

Originalquelle

Titel: Analysis of Higher Education Dropouts Dynamics through Multilevel Functional Decomposition of Recurrent Events in Counting Processes

Zusammenfassung: This paper analyzes the dynamics of higher education dropouts through an innovative approach that integrates recurrent events modeling and point process theory with functional data analysis. We propose a novel methodology that extends existing frameworks to accommodate hierarchical data structures, demonstrating its potential through a simulation study. Using administrative data from student careers at Politecnico di Milano, we explore dropout patterns during the first year across different bachelor's degree programs and schools. Specifically, we employ Cox-based recurrent event models, treating dropouts as repeated occurrences within both programs and schools. Additionally, we apply functional modeling of recurrent events and multilevel principal component analysis to disentangle latent effects associated with degree programs and schools, identifying critical periods of dropout risk and providing valuable insights for institutions seeking to implement strategies aimed at reducing dropout rates.

Autoren: Alessandra Ragni, Chiara Masci, Anna Maria Paganoni

Letzte Aktualisierung: 2024-11-20 00:00:00

Sprache: English

Quell-URL: https://arxiv.org/abs/2411.13370

Quell-PDF: https://arxiv.org/pdf/2411.13370

Lizenz: https://creativecommons.org/licenses/by/4.0/

Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.

Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.

Ähnliche Artikel