Einsatz von KI zur Vorhersage des Abbruchrisikos von Studierenden in der technischen Ausbildung mit einem Learning-Analytics-Ansatz

Warum Frühwarnungen für gefährdete Studierende wichtig sind

Viele Studierende geraten in ihren Onlinekursen lange Zeit unbemerkt ins Hintertreffen, bevor sich schlechte Noten zeigen. In technischen Fächern, in denen die Lehrveranstaltungen anspruchsvoll und zügig ablaufen, kann dies schnell zum Studienabbruch führen. Diese Studie untersucht, wie sich Daten aus dem täglichen Verhalten auf einer Online-Lernplattform in ein Frühwarnsystem verwandeln lassen. Indem analysiert wird, wie Studierende sich durch Kursmaterial bewegen, kennzeichnet ein Modell der künstlichen Intelligenz (KI) Muster, die frühzeitig auf Probleme hinweisen, sodass Lehrende rechtzeitig gezielte Unterstützung anbieten können.

Zitation: Ovtšarenko, O. Using AI to forecast student dropout risk in technical education using a learning analytics approach. Sci Rep 16, 14616 (2026). https://doi.org/10.1038/s41598-026-44919-1

Schlüsselwörter: Abbruchrisiko von Studierenden, Learning Analytics, online technische Ausbildung, predictive Modelling, Frühwarnsysteme