Studie zur Messung der Arbeitsbelastung von Studierenden: Anspruch vs. Wirklichkeit
Bibliographic record
Abstract
Zusammenfassung Lernprozesse können nicht optimal gesteuert werden, wenn dafür zu wenig Zeit zur Verfügung steht. Insbesondere schwächere Studierende benötigen mehr Zeit. Um sicherzustellen, dass Studierenden ausreichend Lernzeit zur Verfügung steht, müssen Curriculumgestalter*innen mögliche Diskrepanzen zwischen benötigter und bereitgestellter Lernzeit überwachen. Diese Studie wurde durchgeführt, um die tatsächliche Zeitbelastung von Studierenden (Timeload) zu dokumentieren und sie mit der durch das Curriculum festgelegten Arbeitsbelastung (Workload), gemessen in Anrechnungspunkten des European Credit Transfer and Accumulation Systems (ECTS), zu vergleichen. Die unterschiedlichen Lernzeiten wurden mit Hilfe der mobilen Anwendung Studo eingegeben und setzen sich aus den Zeitaufwänden für Anwesenheit, Selbststudium und Verfassen von wissenschaftlichen Arbeiten pro Lehrveranstaltung zusammen. Neben den Lernzeiten wurden in der mobilen Anwendung zusätzlich soziodemographische Angaben zu Betreuungspflichten, Beschäftigungsausmaß und Anfahrtszeiten erfasst. Die durchschnittliche Rücklaufquote pro Semester betrug zwischen 2017/18 und 2021 (6 Semester) 8% bis 17%. Von 75 erfassten Lehrveranstaltungen (4 bis 16 pro Semester) wurde die im Curriculum festgelegte Arbeitsbelastung in bei zweien überschritten. Bezogen auf die soziodemographischen Daten arbeiteten 3% bis 34% der Studierenden laut Auswertung in Teilzeit (≥ 10 Stunden pro Woche). Zusammenfassend waren die Studierenden zurückhaltend, ihre Lernzeit zu erfassen. Unter Berücksichtigung einer möglichen Schweigeverzerrung durch Antwortausfälle wurden für die evaluierten Lehrveranstaltungen an der Veterinärmedizinischen Universität Wien keine Hinweise auf eine Überschreitung der im Curriculum festgelegten Arbeitsbelastung gefunden. Einige Studierende stehen jedoch aufgrund von Teilzeitbeschäftigung unter erhöhtem individuellen Zeitdruck. Das Verhältnis von gemessener (Timeload) zu geschätzter Zeit (Workload) sollte als qualitativer Indikator für Studierbarkeit überwacht werden, um die Leistung und die Lernsituation der Studierenden zu verbessern. This translation was provided by the authors. To view the original article visit: https://doi.org/10.3138/jvme-2021-0127
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.067 | 0.194 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.006 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".