Zusammenfassung
Dieses Kapitel stellt umfassend Methoden, Instrumente und Ergebnisse aus dem WiGeMath-Projekt zur Evaluation und Wirkungen von Vorkursen im Übergang von der Schule zur Hochschule vor. Dabei werden Determinanten der Teilnahme an Vorkursen, Vorkurserwartungen und Vorkursziele und kurz- und mittelfristige Wirkungen von Vorkursen auf mathematische Kenntnisse und Kompetenzen sowie affektive Merkmale und Arbeitsweisen untersucht. Die Stichprobe setzt sich aus elf verschiedenen Vorkursen an sieben deutschen Universitäten zusammen, die sich an Studierende der Mathematik (Bachelor oder gymnasiales Lehramt) oder der Ingenieurswissenschaften richten. Enthalten sind sowohl Präsenz- als auch Onlinekurse.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Notes
- 1.
Einige Passagen in diesem Kapitel sind wörtlich aus dem nicht in Buchform publizierten Abschlussbericht des WiGeMath-Projekts (Hochmuth et al., 2018) übernommen worden, ohne dies als Zitat kenntlich zu machen.
Literatur
Abel, H., & Weber, B. (2014). 28 Jahre Esslinger Modell – Studienanfänger und Mathematik. In I. Bausch, R. Biehler, R. Bruder, R. Fischer, R. Hochmuth, W. Koepf, S. Schreiber, & T. Wassong (Hrsg.), Mathematische Vor- und Brückenkurse: Konzepte, Probleme und Perspektiven (S. 9–19). Springer Fachmedien. https://doi.org/10.1007/978-3-658-03065-0_2.
Austerschmidt, K., Bebermeier, S., & Nussbeck, F. W. (2021). Nutzung und Effekte mathematischer Vorkurse in verschiedenen Studienfächern. Die Hochschullehre 7(16), 126–142.https://doi.org/10.3278/HSL2116W.
Bebermeier, S., & Austerschmidt, K. (2018). Wie werden Unterstützungsmaßnahmen in Fächern mit mathematischen Studieninhalten genutzt und was bewirken sie? In Fachgruppe Didaktik der Mathematik der Universität Paderborn (Hrsg.), Beiträge zum Mathematikunterricht 2018 (S. 213–216). WTM.
Berndt, S. (2018). Welches Unterstützungspotential besitzen Vorkurse in der Studieneingangsphase? Eine kritische Überprüfung der Wirkung des Vorkursprogramms „MINT@OVGU“. In Fachgruppe Didaktik der Mathematik der Universität Paderborn (Hrsg.), Beiträge zum Mathematikunterricht 2018 (S. 257–260). WTM.
Berndt, S., & Felix, A. (2021). Intendierte Wirkungen von MINT-Vorkursen im Studienverlauf. Methodische Herausforderungen der Evaluation von Unterstützungsangeboten am Beispiel einer Längsschnittstudie an vier deutschen Universitäten. Zeitschrift für Evaluation, 2021(1), 37–74. https://doi.org/10.31244/zfe.2021.01.03.
Berndt, S., Felix, A., & Anacker, J. (2021). Die Wirkungen von MINT-Vorkursen – ein systematischer Literaturreview. ZfHE, 16(1), 97–116. https://doi.org/10.3217/zfhe-16-01/06.
Biehler, R., Hänze, M., Hochmuth, R., Becher, S., Fischer, E., Püschl, J., & Schreiber, S. (2018a). Lehrinnovation in der Studieneingangsphase „Mathematik im Lehramtsstudium“ – Hochschuldidaktische Grundlagen, Implementierung und Evaluation - Gesamtabschlussbericht des BMBF-Projekts LIMA 2013 – Reprint mit Anhängen. Khdm-Report 18–07. Universität Kassel. https://doi.org/10.17170/kobra-2018111412.
Biehler, R., Lankeit, E., Neuhaus, S., Hochmuth, R., Kuklinski, C., Leis, E., Liebendörfer, M., Schaper, N., & Schürmann, M. (2018b). Different goals for pre-university mathematical bridging courses – Comparative evaluations, instruments and selected results. In V. Durand-Guerrier, R. Hochmuth, S. Goodchild, & N. M. Hogstad (Hrsg.), PROCEEDINGS of INDRUM 2018: Second conference of the International Network for Didactic Research in University Mathematics (S. 467–476). University of Agder and INDRUM: Kristiansand, Norway.
Blömeke, S. (2009). Ausbildungs- und Berufserfolg im Lehramtsstudium im Vergleich zum Diplom-Studium – Zur prognostischen Validität kognitiver und psycho-motivationaler Auswahlkriterien. Zeitschrift für Erziehungswissenschaft, 12(1), 82–110. https://doi.org/10.1007/s11618-008-0044-0.
Blossfeld, H.-P., & von Maurice, J. (2011). Education as a lifelong process. Bildung als lebenslanger Prozess. Zeitschrift für Erziehungswissenschaft 14(S2), 19–34. https://doi.org/10.1007/s11618-011-0179-2.
Büchele, S. (2020). Should we trust math preparatory courses? An empirical analysis on the impact of students’ participation and attendance on short- and medium-term effects. Economic Analysis and Policy, 66, 154–167. https://doi.org/10.1016/j.eap.2020.04.002.
Büchele, S., & Voßkamp, R. (2021). Wirkungsevaluation von mathematikpropädeutischen Maßnahmen in den Wirtschaftswissenschaften. In: Tagungsband Perspektiven für Studierenden-Erfolg. Gelingensbedingungen, Stolpersteine und Wirkung von Maßnahmen. Kaiserslautern: KLUEDO. https://doi.org/10.26204/KLUEDO/6418.
Derr, K., Jeremias, X. V., & Schäfer, M. (2016). Optimierung von (E-)Brückenkursen Mathematik: Beispiele von drei Hochschulen. In A. Hoppenbrock, R. Biehler, R. Hochmuth, & H.-G. Rück (Hrsg.), Lehren und Lernen von Mathematik in der Studieneingangsphase (S. 115–129). Springer Fachmedien. https://doi.org/10.1007/978-3-658-10261-6_8.
Fischer, P. R. (2014). Mathematische Vorkurse im Blended-Learning-Format: Konstruktion, Implementation und wissenschaftliche Evaluation. Springer Fachmedien. https://doi.org/10.1007/978-3-658-05813-5.
Frank, A., & Kaduk, S. (2017). Lehrveranstaltungsevaluation als Ausgangspunkt für Reflexion und Veränderung. Teaching Analysis Poll (TAP) und Bielefelder Lernzielorientierte Evaluation (BiLOE). In Arbeitskreis Evaluation und Qualitätssicherung der Berliner und Brandenburger Hochschulen und Freie Universität Berlin (Hrsg.), QM-Systeme in Entwicklung: Change (or) Management? Tagungsband der 15. Jahrestagung des Arbeitskreises Evaluation und Qualitätssicherung der Berliner und Brandenburger Hochschulen am 2./3. März 2016 (S. 39–51).
Frey, A., Taskinen, P., Schütte, K., & PISA-Konsortium Deutschland. (2009). PISA 2006 Skalenhandbuch. Dokumentation der Erhebungsinstrumente. Waxmann.
Göller, R., Kortemeyer, J., Liebendörfer, M., Biehler, R., Hochmuth, R., Krämer, J., Ostsieker, L., & Schreiber, S. (2013). Instrumentenentwicklung zur Messung von Lernstrategien in mathematikhaltigen Studiengängen. In G. Greefrath (Hrsg.), Beiträge zum Mathematikunterricht 2013 (S. 360–363). WTM.
Götz, T. (2004). Emotionales Erleben und selbstreguliertes Lernen bei Schülern im Fach Mathematik. Utz.
Gradwohl, J., & Eichler, A. (2018). Predictors of performance in engineering mathematics. In V. Durand-Guerrier, R. Hochmuth, S. Goodchild, & N. M. Hogstad (Hrsg.), PROCEEDINGS of INDRUM 2018: Second conference of the International Network for Didactic Research in University Mathematics (S. 125 – 134). University of Agder and INDRUM: Kristiansand, Norway.
Greefrath, G., & Hoever, G. (2016). Was bewirken Mathematik-Vorkurse? Eine Untersuchung zum Studienerfolg nach Vorkursteilnahme an der FH Aachen. In A. Hoppenbrock, R. Biehler, R. Hochmuth, & H.-G. Rück (Hrsg.), Lehren und Lernen von Mathematik in der Studieneingangsphase: Herausforderungen und Lösungsansätze (S. 517–530). Springer Fachmedien. https://doi.org/10.1007/978-3-658-10261-6_33.
Greefrath, G., Hoever, G., Kürten, R., & Neugebauer, C. (2015). Vorkurse und Mathematiktests zu Studienbeginn – Möglichkeiten und Grenzen. In J. Roth, T. Bauer, H. Koch, & S. Prediger, (Hrsg.), Übergänge konstruktiv gestalten: Ansätze für eine zielgruppenspezifische Hochschuldidaktik Mathematik (S. 19–32). Springer Fachmedien. https://doi.org/10.1007/978-3-658-06727-4_2.
Greefrath, G., Koepf, W., & Neugebauer, C. (2016). Is there a link between preparatory course attendance and academic success? A case study of degree programmes in electrical engineering and computer science. International Journal of Research in Undergraduate Mathematics Education, 3(1), 143–167. https://doi.org/10.1007/s40753-016-0047-9.
Großmann, D., & T. W. (Hrsg.). (2016). Evaluation von Studium und Lehre. Grundlagen, methodische Herausforderungen und Lösungsansätze. Springer Fachmedien. https://doi.org/10.1007/978-3-658-10886-1.
Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25–46. https://doi.org/10.1093/pan/mpr025.
Ho, D. E., Imai, K., King, G., & Stuart, E. A. (2011). MatchIt: Nonparametric Preprocessing for Parametric Causal Inference. Journal of Statistical Software, 42(8), 1–28. https://doi.org/10.18637/jss.v042.i08.
Hochmuth, R., Biehler, R., Schaper, N., Kuklinski, C., Lankeit, E., Leis, E., Liebendörfer, M., & Schürmann, M. (2018). Wirkung und Gelingensbedingungen von Unterstützungsmaßnahmen für mathmatikbezogenes Lernen in der Studieneingangsphase: Schlussbericht: Teilprojekt A der Leibniz Universität Hannover, Teilprojekte B und C der Universität Paderborn: Berichtszeitraum: 01.03.2015–31.08.2018. TIB. https://doi.org/10.2314/KXP:1689534117.
Hochmuth, R., Schaub, M., Seifert, A., Bruder, R., & Biehler, R. (2019). The VEMINT-Test: Underlying Design Principles and Empirical Validation. In U. T. Jankvist, M. Van den Heuvel-Panhuizen, & M. Veldhuis (Hrsg.), Proceedings of the Eleventh Congress of the European Society for Research in Mathematics Education (CERME11, February 6 – 10, 2019) (S. 2526–2533). Utrecht: Freudenthal Group & Freudenthal Institute, Utrecht University and ERME.
Hoever, G., & Greefrath, G. (2018). Vorkenntnisse von Studienanfänger/innen, Vorkursteilnahme und Studienerfolg – Untersuchungen in Studiengängen der Elektrotechnik und der Informatik an der FH Aachen. In Fachgruppe Didaktik der Mathematik der Universität Paderborn (Hrsg.), Beiträge zum Mathematikunterricht 2018 (S. 803–806). WTM.
Johnson, P., & O’Keeffe, L. (2016). The effect of a pre-university mathematics bridging course on adult learners’ self-efficacy and retention rates in STEM subjects. Irish Educational Studies, 35(3), 233–248. https://doi.org/10.1080/03323315.2016.1192481.
Karapanos, M., & Pelz, R. (2021). Wer besucht Mathematikvorkurse? Zeitschrift für Erziehungswissenschaft, 24, 1231–1252. https://doi.org/10.1007/s11618-021-01035-2.
Kempen, L., & Lankeit, E. (2021). Analog wird digital. Die Produktion von mathematischen Vorlesungsvideos in Zeiten der Corona-Pandemie am Beispiel zweier Vorkurse. In I. Neiske, J. Osthushenrich, N. Schaper, U. Trier, & N. Vöing (Hrsg.), Hochschule auf Abstand. Ein multiperspektivischer Zugang zur digitalen Lehre (S. 169–185). Transcript. https://doi.org/10.14361/9783839456903-012.
Krüger-Basener, M., & Rabe, D. (2014). Mathe0 – der Einführungskurs für alle Erstsemester einer technischen Lehreinheit. In I. Bausch, R. Biehler, R. Bruder, P. Fischer, R. Hochmuth, W. Koepf, S. Schreiber, & T. Wassong (Hrsg.), Mathematische Vor- und Brückenkurse: Konzepte, Probleme und Perspektiven (S. 309–323). Springer Fachmedien. https://doi.org/10.1007/978-3-658-03065-0_21 .
Kürten, R. (2020). Mathematische Unterstützungsangebote für Erstsemesterstudierende. Entwicklung und Erforschung von Vorkurs und begleitenden Maßnahmen für die Ingenieurswissenschaften. Springer Fachmedien. https://doi.org/10.1007/978-3-658-30225-2.
Laging, A., & Voßkamp, R. (2017). Determinants of maths performance of first-year business administration and economics students. International Journal of Research in Undergraduate Mathematics Education, 3(1), 108–142. https://doi.org/10.1007/s40753-016-0048-8.
Lang, J. W. B., & Kersting, M. (2007). Langfristige Effekte von regelmäßigem Feedback aus studentischen Lehrveranstaltungsevaluationen. In A. Kluge & K. Schüler (Hrsg.), Qualitätssicherung und -entwicklung an Hochschulen: Methoden und Ergebnisse (S. 159–167). Pabst Science Publishers.
Lave, C. A. (1970). The demand for urban mass transportation. The Review of Economics and Statistics, 52(3), 320–323. https://doi.org/10.2307/1926301.
Liebendörfer, M., Gildehaus, L., & Göller, R. (2020). Geschlechterunterschiede beim Einsatz von Lernstrategien in Mathematikveranstaltungen. In H.-S. Siller, W. Weigel, & F. Wörler (Hrsg.), Beiträge zum Mathematikunterricht 2020 (S. 1409–1412). WTM. https://doi.org/10.37626/ga9783959871402.0.
Liebendörfer, M., Göller, R., Biehler, R., Hochmuth, R., Kortemeyer, J., Ostsieker, L., Rode, J., & Schaper, N. (2021). LimSt – Ein Fragebogen zur Erhebung von Lernstrategien im mathematikhaltigen Studium. Journal für Mathematik-Didaktik, 42(1), 25–59. https://doi.org/10.1007/s13138-020-00167-y.
Mallik, G., & Lodewijks, J. (2010). Student performance in a large first year economics subject: Which variables are significant? Economic Papers: A journal of applied economics and policy, 29(1), 80–86. https://doi.org/10.1111/j.1759-3441.2010.00051.x.
Rach, S. (2014). Charakteristika von Lehr-Lern-Prozessen im Mathematikstudium: Bedingungsfaktoren für den Studienerfolg im ersten Semester. Waxmann.
Rach, S., Heinze, A., & Ufer, S. (2014). Welche mathematischen Anforderungen erwarten Studierende im ersten Semester des Mathematikstudiums? Journal für Mathematik-Didaktik, 35(2), 205–228. https://doi.org/10.1007/s13138-014-0064-7.
Rakoczy, K., Buff, A., & Lipowsky, F. (2005). Dokumentation der Erhebungs- und Auswertungsinstrumente zur schweizerisch-deutschen Videostudie “Unterrichtsqualität, Lernverhalten und mathematisches Verständnis”, 1. Befragungsinstrumente. GFPF u. a.
Ramm, G., Prenzel, M., Baumert, J., Blum, W., Lehmann, R., Leutner, D., Neubrand, M., Pekrun, R., Rolff, H.-G., & Rost, J. (2006). PISA 2003: Dokumentation der Erhebungsinstrumente. Waxmann.
Reichersdorfer, E., Ufer, S., Lindmeier, A., & Reiss, K. (2014). Der Übergang von der Schule zur Universität: Theoretische Fundierung und praktische Umsetzung einer Unterstützungsmaßnahme am Beginn des Mathematikstudiums. In I. Bausch, R. Biehler, R. Bruder, P. Fischer, R. Hochmuth, W. Koepf, S. Schreiber, & T. Wassong (Hrsg.), Konzepte und Studien zur Hochschuldidaktik und Lehrerbildung Mathematik. Mathematische Vor- und Brückenkurse: Konzepte, Probleme und Perspektiven (S. 37–54). Springer Fachmedien. https://doi.org/10.1007/978-3-658-03065-0_4 .
Renkl, A. (2009). Wissenserwerb. In E. Wild & J. Möller (Hrsg.), Pädagogische Psychologie (S. 3–26). Springer Berlin Heidelberg.
Rindermann, H. (2003). Lehrevaluation an Hochschulen: Schlussfolgerungen aus Forschung und Anwendung für Hochschulunterricht und seine Evaluation. Zeitschrift für Evaluation, 2003(2), 233–256.
Roegner, K., Seiler, R., & Timmreck, D. (2014). Exploratives Lernen an der Schnittstelle Schule/Hochschule: Didaktische Konzepte, Erfahrungen, Perspektiven. In I. Bausch, R. Biehler, R. Bruder, P. Fischer, R. Hochmuth, W. Koepf, S. Schreiber, & T. Wassong (Hrsg.), Mathematische Vor- und Brückenkurse. Konzepte, Probleme und Perspektiven. (S. 181–198). Springer Fachmedien. https://doi.org/10.1007/978-3-658-03065-0_13.
Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41–55. https://doi.org/10.1093/biomet/70.1.41.
Schiefele, U., Krapp, A., Wild, K.-P., & Winteler, A. (1993). Der Fragebogen zum Studieninteresse (FSI). Diagnostica, 39(4), 335–351.
Schöne, C., Dickhäuser, O., Spinath, B., & Stiensmeier-Pelster, J. (2002). Skalen zur Erfassung des schulischen Selbstkonzepts SESSKO. Hogrefe.
Stuart, E. A. (2010). Matching methods for causal inference: A review and a look forward. Statistical science: A review journal of the Institute of Mathematical Statistics, 25(1), 1–21. https://doi.org/10.1214/09-sts313.
Sweller, J., van Merrienboer, J. J. G., & Paas, F. G. W. C. (1998). Cognitive architecture and instructional design. Educational Psychology Review, 10(3), 251–296. https://doi.org/10.1023/A:1022193728205.
Tieben, N. (2019). Brückenkursteilnahme und Studienabbruch in Ingenieurwissenschaftlichen Studiengängen. Zeitschrift für Erziehungswissenschaft, 22(5), 1175–1202. https://doi.org/10.1007/s11618-019-00906-z.
Ufer, S., Rach, S., & Kosiol, T. (2017). Interest in mathematics = interest in mathematics? What general measures of interest reflect when the object of interest changes. ZDM Mathematics Education, 49(3), 397–409. https://doi.org/10.1007/s11858-016-0828-2.
Voßkamp, R., & Laging, A. (2014). Teilnahmeentscheidungen und Erfolg. In I. Bausch, R. Biehler, R. Bruder, P. Fischer, R. Hochmuth, W. Koepf, S. Schreiber, & T. Wassong (Hrsg.), Mathematische Vor- und Brückenkurse: Konzepte, Probleme und Perspektiven (S. 67 – 83). Wiesbaden: Springer Fachmedien. https://doi.org/10.1007/978-3-658-03065-0_6.
Westermann, R., Heise, E., Spies, K., & Trautwein, U. (1996). Identifikation und Erfassung von Komponenten der Studienzufriedenheit. Psychologie in Erziehung und Unterricht, 43(1), 1–22.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Anhang: Vergleiche der gematchten und ungematchten Datensätze in 12.7 und 12.8
Anhang: Vergleiche der gematchten und ungematchten Datensätze in 12.7 und 12.8
1.1 Vergleich von gematchten und ungematchten Datensätzen für 12.7: Mittelfristige Wirkungen auf affektive Merkmale und Arbeitsweisen
1.2 Vergleich von gematchten und ungematchten Datensätzen für 12.8: Mittelfristige Wirkungen auf Mathematikleistungen
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert an Springer-Verlag GmbH, DE, ein Teil von Springer Nature
About this chapter
Cite this chapter
Lankeit, E., Biehler, R. (2022). Vorkurse und ihre Wirkungen im Übergang Schule – Hochschule. In: Hochmuth, R., Biehler, R., Liebendörfer, M., Schaper, N. (eds) Unterstützungsmaßnahmen in mathematikbezogenen Studiengängen. Konzepte und Studien zur Hochschuldidaktik und Lehrerbildung Mathematik. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-64833-9_12
Download citation
DOI: https://doi.org/10.1007/978-3-662-64833-9_12
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-64832-2
Online ISBN: 978-3-662-64833-9
eBook Packages: Life Science and Basic Disciplines (German Language)