Analysing & Predicting Students Performance in an Introductory Computer Science Course

Students of computer science studies enter university education with very different competencies, experience and knowledge. 145 datasets collected of freshmen computer science students by learning management systems in relation to exam outcomes and learning dispositions data (e. g. student dispositions, previous experiences and attitudes measured through self-reported surveys) has been exploited to identify indicators as predictors of academic success and hence make effective interventions to deal with an extremely heterogeneous group of students.

Metadaten
Verfasserangaben:	Alexander Tillmann, Detlef Krömker, Florian Horn, Thorsten Gattinger
URN:	urn:nbn:de:kobv:517-opus4-416307
Titel des übergeordneten Werks (Deutsch):	Commentarii informaticae didacticae
Verlag:	Universitätsverlag Potsdam
Verlagsort:	Potsdam
Publikationstyp:	Wissenschaftlicher Artikel
Sprache:	Englisch
Datum der Erstveröffentlichung:	28.08.2018
Erscheinungsjahr:	2018
Veröffentlichende Institution:	Universität Potsdam
Veröffentlichende Institution:	Universitätsverlag Potsdam
Datum der Freischaltung:	19.09.2018
Freies Schlagwort / Tag:	Blended learning; Dispositional learning analytics; Formative assessment; Learning analytics; Learning dispositions; heterogeneity
Ausgabe:	12
Erste Seite:	29
Letzte Seite:	45
RVK - Regensburger Verbundklassifikation:	SR 910
Organisationseinheiten:	Mathematisch-Naturwissenschaftliche Fakultät / Institut für Mathematik
DDC-Klassifikation:	0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik
Publikationsweg:	Open Access
	Universitätsverlag Potsdam
Peer Review:	Nicht ermittelbar
Sammlung(en):	Universität Potsdam / Schriftenreihen / Commentarii informaticae didacticae (CID) / CID (2018) 12 / Inhalte und Kompetenzen der Informatik
Lizenz (Deutsch):	CC-BY - Namensnennung 4.0 International