Schlagwort-Archive: Statistik

Wann ist Hochschullehre == ProfessorIn endlich falsch?

Gestern erschien auf SPIEGEL online der Artikel „Ein Professor für 99 Studenten“ (Klovert, 3. Januar 2016). Darin wurde die Personallage an Hochschulen mit Blick auf die Lehre thematisiert. Ich empfand den Beitrag an mindestens drei Stellen störend. Vielleicht ist es mal wieder an der Zeit, an paar Einblicke in die Hochschulwelt zu geben. Wieder. Auch das gehört zu Open Science.

Kritikpunkt Nr. 1: Aufmerksamkeitsheischerei

Mein erster Kritikpunkt trifft die Wahl der Überschrift. Wer den Artikel liest, stellt nämlich fest, dass mit dem Verhältnis 1:99 der schlechteste Wert aller Bundesländer herausgepickt wurde. Am anderen Ende des Spektrums findet ihr 1:51,5. Fairer wäre es wohl gewesen, den Mittelwert (rund 1:65) oder den Median (rund 1:63) anzugeben statt den reißerischen Ausreißer. Zum einen klänge das aber weniger dramatisch und brächte vielleicht weniger Klicks. Zum anderen führt mich Statistik direkt zu meinen zweiten Kritikpunkt.

Kritikpunkt Nr. 2: Oberflächlichkeit

Die Kennzahl „ProfessorInnen pro Studierende“ lässt sich simpel berechnen: Zahl aller Profs, Gesamtzahl der Studis, teilen. Zack, feddich: Betreuungsschlüssel berechnet. Natürlich auf das Bundesland bezogen. Damit blendet man aber allerhand aus.

Es gibt an Hochschulen zahlreiche Veranstaltungsformate. Da wären etwa Einzelbetreuung bei Seminar- und Abschlussarbeiten oder Seminare mit vielleicht 15 TeilnehmerInnen. Dann gibt es noch kleinere Kurse mit möglicherweise 40 Personen bis hin zu Riesenveranstaltungen mit hunderten Anwesenden. Und das war noch nicht alles.

Darüber hinaus kann ein Studiengang kann darüber entscheiden, wie die Zusammensetzung der Formate für einen Studierenden aussieht. Manch eine/r kennt gar keine Massenveranstaltungen. Für manch eine/n sind sie quasi normal. Die Verteilung schwankt zudem über den Verlauf des Studiums. Gerade in frühen Semestern können Kurse „größer“ sein als in späteren, da verschiedene Studiengänge vertreten sind. In Linearer Algebra beispielsweise wird man sicher angehende MathematikerInnen treffen. Womöglich stößt man aber auch auf werdende IngenieurInnen, PhysikerInnen, InformatikerInnen und noch andere. Später sind Veranstaltungen spezieller und eher „klein“. Jenseits all dessen könnten die Betreuungsverhältnisse in Fächern oder Phasen sogar noch von Hochschule zu Hochschule eines Bundeslandes unterschiedlich sein. Ich schreibe „könnten“, weil ich dazu keine Erfahrungswerte habe.

Man merkt aber auch so, dass „ProfessorInnen pro Studierende“ ganz schön viel zusammendampft. Es lässt sich eigentlich nicht sagen, ob das für alle Studiengänge, für alle Studienphasen und für alle Hochschulen eines Bundeslandes gleichermaßen gilt. Oookay, das war methodenkritische Klugscheißerei. Mein größter und mich am meisten ärgernder Kritikpunkt kommt aber auch erst jetzt.

Kritikpunkt Nr. 3: Schlimmere Oberflächlichkeit

Warum wird so oft so getan, als hinge die Lehre an Hochschulen bloß von ProfessorInnen ab? Ich habe früher als wissenschaftlicher Mitarbeiter mit meinen Kollegen regelmäßig so um die 600-700 Erstsemesterklausuren durchgesehen. Hinzu kamen die deutlich umfangreicheren und komplexeren Klausuren aus Vertiefungsveranstaltungen. Wir haben eigenständig die Übungen und Seminare durchgeführt und sind auch mal für Vorlesungen eingesprungen. Wir haben Studis bei Seminar- und Abschlussarbeiten begleitet und ihre Ergebnisse begutachtet und benotet (!), auch wenn wir natürlich formal keine Unterschrift leisten durften. Wir waren für Fragen von Studierenden da. Wir haben das Lernmanagementsystem betreut. Und da war sicher noch mehr dabei, was der Lehre zugerechnet wird. Sind trotzdem die wissenschaftlichen MitarbeiterInnen für das berechnete Betreuungsverhältnis irrelevant? Oder gar für die ganze Lehre?

Gehen wir aber weg von meinem Einzelschicksal und werfen einen Blick auf eine Studie. Die betrachtet leider Universitäten differenzierter als Fachhochschulen, aber sei es drum. Im Schnitt werden an deutschen Hochschulen nur 39,4 % der Lehre von ProfessorInnen erbracht. Weitere 34,5 % entfallen auf wissenschaftliche MitarbeiterInnen. Die folglich verbleibenden 26,1 % übernehmen Lehrkräfte für besondere Aufgaben, Lehrbeauftragte und „Spezialfälle“ (vgl. Bloch, Lathan, Mitterle, Trümpler & Würmann, 2014, S. 43-63). Es sei angemerkt, dass sich auch hinter diesen simplen Zahlen beträchtliche Schwankungen über Fachbereiche hinweg verbergen. Schaut in die Quellen. Sie sind verlinkt. Ein Blick an die Fachhochschulen sind anders aus. ProfessorInnen und Lehrbeauftragte decken dort 75 % bis 100 % der Lehre ab. Letztere kompensieren allerdings fehlende Profs und erbringen mitunter die Hälfte der Lehre (vgl. Bloch et al., 2014, S. 101).

Fazit

Wir haben diverse Hinweise gefunden, dass die Kennzahl „Prof pro Studi“ je Bundesland quasi nichts über die Betreuung in der Lehre dort aussagt – schon gar nicht über die Qualität. Sie taugt bloß für Berichts-Bullshit in Ministerien oder unnötige Pressemeldungen. Wichtiger finde ich allerdings, dass endlich damit aufgehört wird, Hochschullehre mit ProfessorInnen gleichzusetzen. Kreckel hält dazu fest: „Das Gros der universitären Lehre wird in Deutschland heute von promovierten Mitarbeiterinnen und Mitarbeitern, den sog. Postdocs, und zu einem nicht unerheblichen Teil sogar von Doktoranden getragen […]“ (Kreckel, 2016, S. 15). Ohne wissenschaftliche MitarbeiterInnen liefe an Unis gar nichts, und ohne Lehrbeauftragte könnten die Fachhochschulen dicht machen.

Quellen

Mini-Einblicke in die hochschuldidaktische Weiterbildung

Nachdem ich mich gestern schon ein bisschen dem Thema „Qualifizierung für die Hochschullehre“ gewidmet habe, gebe ich heute ein paar weitere Einblicke. Wahrscheinlich bringt mich meine Offenheit an den Rand eines Dienstvergehens, aber werfen wir trotzdem mal einen Blick auf deskriptive Statistik zur Basisqualifizierung von teach4TU.

Zielgruppe sind wissenschaftliche Mitarbeiterinnen und Mitarbeiter der TU Braunschweig, die bei uns kostenlos ein „Einstiegsprogramm“ für die Lehre besuchen können. Es läuft über zwei Semester und umfasst verschiedene Formate, von Workshops über Lehrbesuche  inklusive Beratung/Coaching bis hin zu kollegialen Beratungen. Jedes Semester startet ein weiterer Durchgang mit einer oder mehrerer Gruppen zu je maximal 14 Personen.

In zwei Wochen starten wir den inzwischen sechsten Durchgang. Über die gut zweieinhalb Jahre, die unser Angebot besteht, haben sich damit bis heute 140 Personen daran teilgenommen bzw. mit der demnächst startenden Gruppe angemeldet. Könnte man zu den insgesamt etwa 1.900 wissenschaftlichen Mitarbeitern der TU Braunschweig ins Verhältnis setzen, aber das wäre eine Milchmädchenrechnung: Es gibt ja Zu- und Abgänge.

Dummerweise ist die Verweildauer wissenschaftlicher MitarbeiterInnen an einer Uni in der Regel begrenzt auf die Zeit der Promotion, im Schnitt so drei bis fünf Jahre. Danach ziehen viele weiter. Es ist daher eigentlich mit Blick auf so etwas wie Nachhaltigkeit™ noch verfrüht zu schauen, wie viele Personen aus der Anfangszeit der Basisqualifizierung noch an der TU Braunschweig beschäftigt sind (oder überhaupt an einer Hochschule). Schauen wir aber trotzdem mal. Von den 95 Personen, die in unseren ersten drei Durchgängen dabei waren, sind mit Sicherheit mindestens 14 Personen nicht mehr hier. Immerhin noch gut 84 %, aber halt keinesfalls aussagekräftig.

Anmeldungen zur Basisqualifizierung (Stand 09. Februar 2015)

Anmeldungen zur Basisqualifizierung (Stand 09. Februar 2015)

Ganz interessant ist es auch, das mal nach Fakultäten oder Departments bzw. gleichwertigen Untergliederungen aufzuschlüsseln — auch wenn ich leider keine Zahlen zu den dort jeweils insgesamt angestellten wissenschaftlichen MitarbeiterInnen habe. Wenig überraschend stellt Fakultät 4 mit 23 % einen Löwenanteil. Der Maschinenbau ist schließlich das Aushängeschild der TU Braunschweig mit entsprechend hohem Stellenanteil. Ein Blick ins Detail auf die weiteren Untergliederungen offenbart aber, dass sich Bauingenieurwesen und Umweltwissenschaften und Informatik mit jeweils 12 % die Spitzenposition teilen. Ein offensichtliches Muster geteilt nach MINT- und Nicht-MINT-Fächern ist aber nicht zu erkennen, oder seht ihr eines in der Abbildung? Aaah, und zum Verständnis: Hinter den sieben Personen, die unter Sonstiges gelistet sind, verbergen sich beispielsweise Einrichtungen, die nicht den Fakultäten zugeordnet sind wie die Unibibliothek oder das Sprachenzentrum.

Hmm, was fällt noch auf? Mit 49 % Frauenanteil liegen wir deutlich über dem Wert, den wissenschaftliche Mitarbeiterinnen an der TU ausmachen (31 %). Ist aber nicht verwunderlich, da wir das Verhältnis bei uns nach Möglichkeit über die Anmeldungen steuern, um etwa 50:50 hinzubekommen.

TeilnehmerInnenzahlen je Durchgang (Stand 9. Februas 2015)

Anmeldungen nach Durchgang (Stand 09. Februar 2015)

Gehen wir zum Schluss zum Anfang zurück: 140 TeilnehmerInnen (einschließlich der demnächst startenden), auch wenn die Zahl der Anmeldungen pro Durchgang zurückgegangen ist. Das sind diejenigen, die diese immerhin 100 Stunden Weiterbildung verteilt auf zwei Semester wahrnehmen. Das sind diejenigen, die sich trotz der Forschungsdominanz an Unis und der hohen gefühlten Belastung durch dissertationsfremde Aufgaben [1, S. 45] freiwillig intensiver mit ihrer Lehre auseinandersetzen. Na gut, ich weiß auch von mindestens einer Person, die das alles „schwachsinnig“ fand und bloß eine Bescheinigung für den Lebenslauf haben wollte 🙁 Das sind diejenigen, die sich teils mit Vorgesetzten auseinandersetzen, die davon gar nichts halten — bis hin zu einem Fall, bei dem ein Professor seinen MitarbeiterInnen die Teilnahme verbietet. Von daher: Hut ab für euch!!!


[1] Grühn, Dieter; Hecht, Heidemarie; Rubelt, Jürge; Schmidt, Boris (2009): Der wissenschaftliche „Mittelbau“ an deutschen Hochschulen. Zwischen Karriereaussichten und Abbruchtendenzen, Berlin: ver.di – Vereinte Dienstleistungsgewerkschaft.

xMOOC im Selbstversuch: Der Abschluss

Im Januar habe ich als Selbstversuch an einem xMOOC teilgenommen und zu Beginn und zur Halbzeit bereits berichtet. Es ist wohl an der Zeit, die finalen Eindrücke zu dokumentieren.

Coursera_RIch werde mich dazu kurz fassen: Es wurde nicht viel besser. Zu den bereits genannten didaktischen Schwächen gesellten sich nun noch technische Pannen, wenngleich nicht so dramatisch wie bei einem anderen Kurs, der gar abgebrochen wurde. Besonders bezeichnend ist allerdings die falsche Berechnung der Abschlusspunktzahlen: Weil eine schlecht gestellte Testfrage aus Woche 1 aus der Wertung genommen wurde, waren maximal 99 Zähler zu erreichen. Wer alle Aufgaben korrekt absolviert hat, bekam dennoch nur 99% richtig bescheinigt. Im Forum des Kurses berichtete jedoch auch jemand, bei ihm seien mehr als 100% ausgewiesen worden – und das alles bei einem Kurs zur statistischen Datenanalyse…

Obwohl ich vom Kurs wirklich nicht begeistert war und vor allem sein didaktisches Design furchtbar fand, würde ich deshalb das Konzept der xMOOCs nicht grundsätzlich ablehnen. Wir erleben gerade die ersten Trippelschritte und ich wage nicht abzuschätzen, wohin die Reise schließlich gehen könnte.

xMOOC im Selbstversuch: Halbzeit

Seit nunmehr zwei Wochen nehme ich an einem xMOOC teil, zu dem ich meine ersten Eindrücke bereits geschildert habe. Nun ist Halbzeit.

Der etwas seltsame Modus, Programmieraufgaben mittels Multiple-Choice-Aufgaben zu prüfen, wurde glücklicherweise zugunsten von Unit-Tests aufgegeben. Dabei werden die selbst geschrieben Routinen anhand eines Soll-Ist-Vergleichs überprüft. Das eigene Programm wird automatisch mit verschiedenen Eingabewerten gefüttert und getestet, ob die erwarteten Ausgabewerte ausgespuckt werden.

Gerade das eigene Programmieren scheint so manchen überfordert zu haben, wie dem Forum des Kurses zu entnehmen ist. Die Aufgaben sind aus Sicht von Programmiererfahrenen zwar ein Kinderspiel und mit ein paar Zeilen zu lösen, aber einige KursteilnehmerInnen investierten bereits für eine einzige mehrere Stunden – und kamen nicht einmal dann zu einem Ergebnis. Es bestätigt sich meine bereits geäußerte Befürchtung, dass die angegebenen Voraussetzungen für die Veranstaltungen nicht klar genug waren und dann die veranschlagten 3-5 Stunden Bearbeitungszeit pro Woche vorne und hinten nicht ausreichen.

Die Probleme drücken sich auch in Zahlen aus: Von den 40.211 angemeldeten TeilnehmerInnen haben in Woche 1 lediglich rund 14.000 die Tests absolviert. Zu Woche 2 gibt es (noch) keine Zahlen.

Zwischenfazit: Wenn der Kursleiter den Kurs als Präsenzveranstaltung in vergleichbarer Weise anbietet, hätte ich schon einige Verbesserungsvorschläge; als xMOOC gibt es leider noch so manchen Stolperstein mehr.

xMOOC im Selbstversuch: rechnergestützte Datenanalyse

Da ich gerade ein bisschen mit einer kleinen statistischen Auswertunug zu tun habe, habe ich mir als Hilfsmittel PSPP und R auf meinem Rechner installiert. Für das, was ich vorhabe, reicht PSPP eigentlich vollkommen aus, andererseits befriedigt R meinen Spieltrieb eher.

Von Bastian Greshake habe ich auf Twitter den Tipp bekommen, dass gerade ein passender Kurs auf Coursera gestartet ist: Computing for Data Analysis. Der dreht sich um die rechnergestützte Datenanalyse speziell mit R. Da nutze ich doch die Gelegenheit, um etwas zu lernen und gleichzeitig mal einen xMOOC auszuprobieren, zu denen Plattformen gerade wie Pilze aus dem Boden sprießen: neben Coursera etwa edX vom MIT oder Udacity unter Federführung von Sebastian Thrun.

Mein erster Eindruck

Der Kurs läuft vier Wochen lang, veranschlagt werden als Aufwand laut Kursbeschreibung drei bis fünf Stunden pro Woche. Klingt durchaus machbar. Vom Kursleiter werden verschiedene Unterlagen bereitgestellt: Videos, Dokumente, Quizzes, die es zu absolvieren gilt, ein Forum zum Austauschen, usw.

Interessant für viele TeilnehmerInnen ist wohl zunächst der Lehrplan (syllabus). Dort ist aufgelistet, was das Ziel des Kurses ist und welche Leistungen erbracht werden müssen, um schließlich ein Zertifikat zu bekommen. Welche Vorkenntnisse erwartet werden, bleibt leider offen. Das könnte sich für einige TeilnehmerInnen rächen, wie sich gleich zeigen wird. Schauen wir doch mal…

Die Videos

Für die erste Woche werden rund zwei Stunden an Lernvideos bereitgestellt. Wenn man einkalkuliert, dass man Passagen mehrfach anschaut oder die Filme zwischendurch stoppt, um sich Notizen zu machen, dann geht von den eingeplanten drei bis fünf Stunden pro Woche schon einiges an Zeit drauf. Wo bleibt denn dann der Raum, um sich mit der Programmierumgebung vertraut zu machen – geschweige denn die Sprache R auszuprobieren? Das scheint mir doch sehr knapp kalkuliert zu sein. Wann dann noch in den Büchern geschmökert werden soll, die empfohlen wurden, ist mir ein Rätsel.

Die Videos an sich sind leider nicht der Rede Wert. Der Kursleiter präsentiert eigentlich nichts als vertonte hässliche Textwüsten-Folien, wie man sie oft aus Präsenzvorlesungen kennt. Das übliche Dilemma: Der Inhalt der Folien lenkt vom gesprochenen Wort und macht es schwierig, beidem zu folgen. Die Schaubilder allein enthalten aber zu wenig Informationen, um als Skript zum Selbststudium durchgehen zu können. Garr Reynolds nennt so etwas Folienumente bzw. slideuments. Das Potenzial von Videos wird in meinen Augen komplett verschenkt. Ich wäre jedenfalls mit einem erklärenden Text besser bedient gewesen.

Neben der für mich unbefriedigenden Gestaltung finde ich die Videos didaktisch überhaupt nicht durchdacht. Zielgruppe sind keine Informatiker, sondern Leute, die mit Unterstützung des Computers statistische Probleme lösen wollen. Sie bekommen gleich zu Beginn aber erst einmal das abstrakte Konzept von Datentypen um die Ohren gehauen. Nicht einmal ein paar veranschaulichende Grafiken findet der Zuschauer, obwohl mir da spontan das eine oder andere eingefallen wäre. An anderen Stellen hätte es sich einfach angeboten, an Statistikvorkenntnisse anzuknüpfen und Bezüge herzustellen. Leider nein. Weiter geht es holterdipolter, Funktionen werden querbeet benannt, angerissen und abgehakt. Auch das erinnert mich an so manche Präsenzvorlesung, die ich früher besucht (und schnell auch nicht mehr besucht) habe. Natürlich reicht so ein Vortrag allein nicht. Jeder muss selbst lernen und sich mit den Inhalten auseinandersetzen – nur erschließt sich mir der Nutzen der Videos dabei überhaupt nicht. Nicht-Programmierer dürften heillos überfordert sein, und wer schon programmieren kann, der ist mit den offiziellen Unterlagen zu R wohl besser bedient. Gleich vorarbeiten könnte so jemand übrigens nicht, da die Unterlagen nur Woche für Woche freigeschaltet werden. Gerade bei einer so heterogenen Zusammensetzung der KursteilnehmerInnen scheint es mir wichtig zu sein, die vorausgesetzten Kenntnisse klar zu benennen. Nur so weiß jeder, worauf er sich einlässt.

Vermutlich wäre es für Neueinsteiger in die Programmierung geschickter gewesen, kleine Probleme zu formulieren und dann zu zeigen, wie sie in R bewältigt werden können – und die Leute dann auf Entdeckungsreise zu schicken, um selbst andere etwas schwierigere Probleme zu lösen. Hinterher hätte man kurz aufzeigen können, wie von den Einzelfällen abstrahiert werden kann.

Das Forum

Hier passiert etwas. Hier werden Fragen gestellt, hier wird gemeinsam gerätselt, hier geben sich die Lernenden gegenseitig Hilfestellung. Was in Begleitforen zu Präsenzveranstaltungen oft schleppend funktioniert, klappt hier vermutlich schlicht aufgrund der großen Masse von TeilnehmerInnen bestens. Es findet sich doch irgendjemand, der Lust zum Antworten hat, was wieder andere anspornt und ihnen zeigt, dass die Plattform kein toter Briefkasten ist.

Im Forum werden auch Zusatzaufgaben von Kursbetreuern zur Verfügung gestellt – offenbar wollen die Leute also tatsächlich mehr praktisch tun. Auch schön: Es handelt sich wohl um echte meteorologische Daten. Ist doch nett, wenn man nicht mit fiktiven Beispielen hantieren muss. Bei manchen Fragen helfen die Kursbetreuer auch weiter.

Die Quizzes

Abgeschlossen wird die Einheit mit einem Multiple-Choice-Test. Der beginnt tatsächlich mit einer Faktenfrage nach der Universität, an der R entwickelt wurde… Es sind durchaus auch etwas kniffeligere Fragen dabei, aber sie gehen meiner Meinung nach vollkommen an der Zielstellung des Kurses vorbei. Alles dreht sich um Datentypen. Manche Dinge wurden zudem gar nicht behandelt, etwa die mögliche Typenumwandlung beim “:“-Operator. Unerfahrene dürften dazu ganz schön rätseln, warum ihre Antwort falsch ist. Etwas Erfahrenere finden die Funktion, mit der sich Variablen auf bestimmte Typen prüfen lassen, lernen aber kaum etwas über die praktische Auswertung von Daten mit dem Computer.

Es gibt zusätzlich noch so etwas wie eine Programmierhausaufgabe: Es wird eine Tabelle mit Daten zur Verfügung gestellt (im CSV-Format) und als Ausgangspunkt für einige Auswertungen herangezogen. Geprüft wird das ebenfalls über einen Multiple-Choice-Test. Die erste Frage lautet tatsächlich, welche Bezeichnungen in der Spaltenüberschrift stehen!? Zweite Frage: Was steht in den ersten beiden Zeilen!?!? Lösen kann man alle Fragen übrigens in Windeseile auch ganz ohne Programmierkenntnisse. Klar, man betrügt sich selbst, wenn man das nicht als Gelegenheit nutzt, um die Antworten mit R herauszutüfteln. Die Punkte bekommt man aber so oder so zugeschrieben. Was das für das Zertifikat heißt, das es am Ende des Kurses geben soll, darf sich jeder selbst ausrechnen. Auch ganz ohne R.

Fazit

Ich finde es toll, dass mit dem Format der xMOOCs experimentiert wird, dass ProfessorInnen die Mühe auf sich nehmen, dass vielen Menschen damit kostenfreie Lerngelegenheiten angeboten werden. Von der Umsetzung bin ich zumindest bei diesem Kurs jedoch bisher alles andere als angetan. Ich kann die Skepsis von Ellen Trude teilen und Rolf Schulmeister zustimmen, der als Undercover Student in MOOCs unterwegs war.

Irritiert bin ich besonders, weil der Kursleiter Professor an der Johns Hopkins Bloomberg School of Public Health lehrt, die in den USA wohl überaus renommiert ist. Dort wird in der Lehre wohl auch nur mit Wasser gekocht. Mal abwarten, was die nächsten Wochen bringen.