Im Spannungsfeld hoher Abbruchquoten von Studierenden in der Fächergruppe Mathematik und Naturwissenschaften (Heublein & Schmelzer, 2018) bei gleichermaßen hohem Bedarf an qualifizierten Absolvent:innen in diesen Bereichen (Vollmer, 2015) kommt der Förderung des Studienerfolgs in den entsprechenden Studiengängen eine besondere Relevanz zu. Unter theoretischer Bezugnahme auf Studienerfolgsmodelle (Blüthmann et al., 2008; Kuh et al., 2007) konnte das fachspezifische Vorwissen von Studierenden als ein zentraler Prädiktor für Studienerfolg identifiziert werden (Binder et al., 2019; Binder et al., 2019a; Buschhüter et al., 2017; Hell et al., 2007; Sorge et al., 2016; Woitkowski, 2019). In Abhängigkeit des Studienfachs haben sich dabei verschiedene Wissensarten als unterschiedlich bedeutsam erweisen (Binder et al., 2019; Hailikari et al., 2007; Hailikari et al., 2008; Hailikari & Nevgi, 2010). Für die Fächer Biologie und Physik konnte ein signifikanter Zusammenhang von Studienerfolg mit dem konzeptuellen Wissen (Knowledge of Meaning) nachgewiesen werden. Für Physikstudierende besteht darüber hinaus ein weiterer signifikanter Zusammenhang mit dem fachspezifischen Anwendungswissen (Application of Knowledge) (Binder et al., 2019).

Anknüpfend an diese korrelativen Ergebnisse werden im Rahmen einer Interventionsstudie fachspezifische Unterstützungsangebote zur Förderung der Wissensarten entwickelt und auf ihre Wirksamkeit überprüft. Zur Förderung von Knowledge of Meaning werden Concept Maps/ Begriffsnetze (z. B. Novak & Gowin, 1984; Haugwitz & Sandmann, 2009) eingesetzt. Application of Knowledge soll anhand von Worked Examples/ Lösungsbeispielen (z. B. Sweller & Cooper, 1985; Renkl, 2001) gefördert werden. Die jeweiligen Wissensarten werden vor und nach der Intervention erhoben. Der Studienerfolg wird durch das gewichtete Mittel aller Prüfungsergebnisse des ersten Semesters operationalisiert. Mit Hilfe des experimentellen Designs der Studie ist es möglich, die bisherigen korrelativen Zusammenhänge einer Kausalitätsprüfung zu unterziehen. Das Promotionsprojekt adressiert dabei vorranging das Fach Biologie. In enger Kooperation mit der Physikdidaktik findet ein kontrastierender Vergleich der beiden Studienfächer statt. Basierend auf den korrelativen Befunden ist zu erwarten, dass in Biologie ein Wissenszuwachs in Knowledge of Meaning zu einem höheren Studienerfolg führen wird. Indem das Projekt konkrete, wirksame Maßnahmen bereitstellt, kann es einen unmittelbaren praktischen Beitrag zur Förderung von Studienerfolg leisten, der sowohl präventiv (in Studienberatung) als auch anwendungsbezogen (Integration in bestehende Module) einen Mehrwert für die Hochschulpraxis bietet.

Binder, T., Sandmann, A., Sures, B., Friege, G., Theyssen, H. & Schmiemann, P. (2019). Assessing prior knowledge types as predictors of academic achievement in the introductory phase of biology and physics study programmes using logistic regression. International Journal of STEM Education, 6(1). https://doi.org/10.1186/s40594-019-0189-9

Binder, T., Schmiemann, P. & Theyssen, H. (2019a). Knowledge Acquisition of Biology and Physics University Students – the Role of Prior Knowledge. Education Sciences, 9(4), 281. https://doi.org/10.3390/educsci9040281

Blüthmann, I., Lepa, S. & Thiel, F. (2008). Studienabbruch und -wechsel in den neuen Bachelorstudiengängen. Zeitschrift für Erziehungswissenschaft, 11(3), 406-429. https://doi.org/10.1007/s11618-008-0038-y

Buschhüter, D., Spoden, C. & Borowski, A. (2017). Studienerfolg im Physikstudium: Inkrementelle Validität physikalischen Fachwissens und physikalischer Kompetenz. Zeitschrift für Didaktik der Naturwissenschaften, 23(1), 127-141.

Hailikari, T., Nevgi, A. & Lindblom-Ylänne, S. (2007). Exploring alternative ways of assessing prior knowledge, its components and their relation to student achievement: A mathematics based case study. Studies in Educational Evaluation, 33(3-4), 320-337.

Hailikari, T., Katajavuori, N. & Lindblom-Ylänne, S. (2008). The relevance of prior knowledge in learning and instructional design. American Journal of Pharmaceutical Education, 72(5), 1-9.

Hailikari, T. & Nevgi, A. (2010). How to diagnose at-risk students in chemistry: The case of prior knowledge assessment. International Journal of Science Education, 32(15), 2079-2095.

Hell, B., Trapmann, S. & Schuler, H. (2007). Eine Metaanalyse der Validität von fachspezifischen Studierfähigkeitstests im deutschsprachigen Raum. Empirische Pädagogik, 21(3), 251-270.

Heublein, U. & Schmelzer, R. (2018). Die Entwicklung der Studienabbruchquoten an den deutschen Hochschulen. Berechnungen auf Basis des Absolventenjahrgangs 2016. Hannover: Deutsches Zentrum für Hochschul- und Wissenschaftsforschung (DZHW)

Haugwitz, M. & Sandmann, A. (2009). Kooperatives Concept Mapping in Biologie: Effekte auf den Wissenserwerb und die Behaltensleistung. Zeitschrift für Didaktik der Naturwissenschaften, 15, 89-107.

Kuh, G. D., Kinzie, J., Buckley, J. A., Bridges, B. K. & Hayek, J. C. (2007). Piecing together the student success puzzle: Research, propositions, and recommendations. ASHE higher education report: v. 32, no. 5. Wiley Subscription Services at Jossey-Bass.

Novak, J. D. & Gowin, D. B. (1984). Learning how to learn. Cambridge University Press.

Renkl, A. (2001). Lernen aus Lösungsbeispielen: Einführung. Unterrichtswissenschaft. 29(1), 2-4.

Sorge, S., Petersen, S. & Neumann, K. (2016). Die Bedeutung der Studierfähigkeit für den Studienerfolg im 1. Semester in Physik. Zeitschrift für Didaktik der Naturwissenschaften, 22(1), 165-180.

Sweller, J. & Cooper, G. A. (1985). The Use of Worked Examples as a Substitute for Problem Solving in Learning Algebra. Cognition and Instruction, 2(1), 59-89.

Vollmer, M. (2015). Bestimmung von Fachkräfteengpässen und Fachkräftebedarfen in Deutschland: Fokus-Studie der deutschen nationalen Kontaktstelle für das Europäische Migrationsnetzwerk (EMN).

Woitkowski, D. (2019). Erfolgreicher Wissenserwerb im ersten Semester Physik: Analyse mithilfe eines Niveaumodells. Zeitschrift für Didaktik der Naturwissenschaften, 25(1), 97-114.