Der Beitrag „Predicting problem-solving success in an office simulation applying N-grams and a random forest to behavioral process data“ beschäftigt sich damit, frühzeitig den Erfolg von Studierenden bei der Problemlösung in computerbasierten Simulationen vorherzusagen, um adaptive Lernumgebungen zur individuellen Unterstützung zu ermöglichen.



Mittels eines Random-Forest-Modells wurde das Verhalten der Studierenden in den ersten 20 Minuten einer 55-minütigen Geschäftsszenario-Simulation analysiert, basierend auf Mausklicks und Tastatureingaben. Die Vorhersagen, insbesondere aus den ersten 10 und 20 Minuten, erwiesen sich als präzise und verdeutlichen, wie personalisierte Lernhilfen für weniger erfolgreiche Studierende und adaptive Aufgaben für erfolgreichere Studierende auf Basis von Logdaten dargeboten werden können.



Der Beitrag von Sabrina Ludwig, Andreas Rausch, Viola Deutscher und Jürgen Seifried ist hier verfügbar.