Beschlüsse und Positionen Archive - Bayerischer Landesstudierendenrat

Learning Analytics an Hochschulen – Chancen nutzen, Rechte wahren

Mit der zunehmenden Digitalisierung der Lehre entstehen zahlreiche Daten über Lernaktivitäten von Studierenden, beispielsweise aus Quizfragen, Online-Übungen oder der Nutzung digitaler Lernmaterialien. Die systematische Auswertung dieser Daten wird als Learning Analytics (LA) bezeichnet und bietet ein großes Potenzial, um das Lernen individuell zu fördern, Studierende gezielt beim Lernprozess zu unterstützen sowie die Qualität der Lehre insgesamt nachhaltig zu verbessern [1][2]. LA ermöglicht es Studierenden, ihren Lernfortschritt eigenständig nachzuvollziehen, Wissenslücken frühzeitig zu erkennen und passende nächste Lernschritte abzuleiten. Lehrende profitieren parallel dazu von anonymisierten Rückmeldungen über häufig auftretende Schwierigkeiten im Kurs, wodurch sie ihre Didaktik gezielt optimieren können [1][3]. Der BayStuRa unterstützt nachdrücklich den Einsatz von LA an bayerischen Hochschulen und formuliert im folgenden Leitlinien, wie LA sinnvoll und positiv eingesetzt werden kann. Wichtig sind hierbei Freiwilligkeit (Opt-in), Transparenz in der Datenerhebung und ‑verwendung, Fairness im Umgang mit Daten sowie strikte Datenschutzkonformität. Individuelle Analysen sind ausschließlich für die jeweiligen Studierenden bestimmt, beeinflussen niemals Prüfungen oder Noten und dienen einzig dem Ziel, Lernprozesse individuell zu verbessern. Auf diese Weise wird LA nicht nur akzeptiert, sondern als sinnvolle Ergänzung zur Verbesserung der Lehre geschätzt [1][2][3]. LA bietet reale Chancen, ohne die Autonomie der Studierenden zu unterlaufen. Zum einen macht es Lernprozesse sichtbar: Wer nachvollziehen kann, was wann bearbeitet wurde, wo Verständnisprobleme auftreten und welcher Inhalt als Nächstes sinnvoll ist, lernt gezielter und selbstbestimmter. Zum anderen ermöglicht LA wirksame, aber zurückhaltende Frühwarnungen, wenn etwa das Engagement erkennbar abreißt – gestaltet als Einladung zur Beratung. Drittens steigern aggregierte, nicht personenbezogene Rückmeldungen an Lehrende die didaktische Qualität, weil sie schnell anzeigen, an welchen Aufgaben oder Konzepten viele scheitern. Der empirische Forschungsstand weist – bei heterogener Evidenz – insgesamt auf kleine bis mittlere Leistungsgewinne hin, sofern Interventionen klar an Lernziele gekoppelt und pädagogisch begleitet werden [4][5]. Damit LA sinnvoll greift, braucht es geeignete Kontexte und Materialien. Besonders tragfähig ist LA in Formaten, in denen digitale, inhaltlich aussagekräftige Artefakte entstehen: Programmieraufgaben mit Online-Abgabe, Quiz und kurze Zwischenchecks in Flipped-Classroom-Settings, Videos mit eingebetteten Fragen oder Seminare mit Leseaufgaben und Leitfragen. Dort sind deskriptive (Was geschah?), diagnostische (Wo häufen sich Fehler?), vorsichtig prädiktive (Wo zeichnen sich Probleme ab?) und präskriptive Auswertungen (Was ist jetzt ein passender Lernschritt?) möglich. Vorausgesetzt sind sauber formulierte Lernziele, fachlich valide Aufgaben und Interaktionen, die mehr zeigen als nur Abruf und Klickzahlen. Dabei werden mehr Daten erhoben – aber zielgerichtet, zweckgebunden und in klarer Datenminimierung, nicht flächig und „auf Vorrat“ [2][6][7]. Akzeptanz entsteht hier durch ordentliche Information statt Black-Box-Gefühl. Studierende müssen vorab verständlich erfahren, welche Daten zu welchem Zweck erhoben werden, wie die Auswertung funktioniert, wer welche Sichten erhält, wie lange gespeichert wird und welche Rechte bestehen (Auskunft, Berichtigung, Widerruf). Internationale Leitfäden – etwa der Jisc-Kodex und die SURF-Roadmap – setzen hierfür Standards: Transparenz, partizipative Governance, dokumentierte Verhältnismäßigkeit und strikt formative Nutzung [1][2][3]. Ebenso klar sind die Grenzen. LA darf keinen Einfluss auf Prüfungen, Zulassungen oder sonstige Leistungsfeststellungen haben; vollautomatisierte Einzelentscheidungen mit erheblicher Wirkung sind auszuschließen. Somit ist notwendig, LA über informierte Einwilligungen, klare Satzungen und Datenschutz-Folgenabschätzungen zu implementieren; generalklauselartige Erlaubnisse reichen für die Tiefe typischer Analysen nicht aus. Dozierendenfeedback ist legitim, wenn es ausschließlich aggregiert, ab belastbaren Mindestkohorten und ohne Individualprofile erfolgt. Vergleichsrankings („Top 50 %“) und soziale Wettbewerbsanzeigen sind problematisch, weil sie Fehldeutungen und Druck erzeugen; zielführend sind Darstellungen, die den individuellen Lernfortschritt und nächste Schritte betonen. Internationale Debatten – etwa die norwegische Analyse der Dilemmata Daten, Lernen, Governance und Kompetenz – unterstreichen die Notwendigkeit vertrauensbildender Schutzmechanismen sowie Qualifizierung aller Beteiligten. Erwartungsstudien zeigen zudem europaweit ähnliche studentische Prioritäten: hohe Ansprüche an Ethik und Privatsphäre bei zugleich klaren Serviceerwartungen an nützliches, verständliches Feedback [2][5][8][9]. Forderungen Der BayStuRa befürwortet LA als freiwilliges, begleitendes Unterstützungssystem – und formuliert dafür Leitlinien: Freiwilligkeit und Selbstbestimmung. Teilnahme ausschließlich per Opt-in, jederzeit widerrufbar und folgenlos; LA unterstützt Lernentscheidungen, ersetzt sie jedoch nicht. Keine Prüfungsrelevanz: Weder Teilnahme noch Ergebnisse aus LA dürfen auf Noten, Zulassungen oder andere Leistungsentscheidungen durchschlagen. Kein Automatismus:Hinweise aus LA sind Anstoß für menschliche Beratung, nicht für vollautomatisierte Eingriffe [1][2]. Ordentliche Information der Studierenden. Vor Aktivierung informiert die Hochschule verständlich über Zweck und Nutzen, Datentypen und ‑quellen, Auswertungslogik, Empfängerrechte, Speicherfristen, Ansprechstellen sowie Rechte (Auskunft, Berichtigung, Widerruf). Unmissverständlich ist klarzustellen: Lehrende sehen keine personenbezogenen Lernverläufe; Rückmeldungen in Lehrteams erfolgen ausschließlich aggregiert [1][2][3]. Wo LA sinnvoll ist – und welche Auswertungen tragfähig sind. Hochschulen priorisieren bei der Einführung von LA Kurse mit bestehenden geeigneten digitalen Artefakten (z. B. Programmierpraktika, Kurse mit Online-Quiz, Flipped-Classroom-Formate, VHB-Angebote), auch wenn Pilotprojekte in anderen Bereichen unterstützt werden sollen. Zulässig sind Auswertungen, die sich an den Lernzielen orientieren; Modelle, die den Kurserfolg vorraussagen, müssen auf transparent interpretierbarer und verständlicher Datenbasis arbeiten und für den entsprechenden Kurs spezifisch zuverlässige Ergebnisse liefern. Lehrende bekommen hierbei Kursfeedback, können aber keine individuellen Ergebnisse einsehen oder sehen, wer teilnimmt, sondern nur als aggregierte Rückmeldungen ab bestimmten Kohortengrößen. [6][7]. Materialqualität und gezielte Datenerhebung. Lehrmaterial wird so aufbereitet, dass Lernziele erkennbar sind und Aufgaben fachlich valide auf diese Ziele verweisen. Interaktionen werden dort erhoben, wo sie didaktisch Sinn stiften. Hierfür braucht es mehr Daten – aber nur in dem Umfang, der für Feedback, Unterstützung und Kursverbesserung notwendig ist. Datenminimierung, Zweckbindung, Löschkonzepte und technische Zugriffsbeschränkungen sind verbindlich [2]. Rechts- und Governance-Rahmen. Jede Hochschule verankert LA in einer Satzung mit klaren Zwecken, Datenkategorien, Rollen, Schwellen, Speicherfristen, Interventionswegen sowie Beschwerde- und Widerspruchsverfahren; vor Inbetriebnahme erfolgt eine Datenschutz-Folgenabschätzung. Entsprechend hohe Schwellen gelten bei einer kursübergreifenden Implementierung. Bayern unterstützt durch bayernweite Musterregelungen in Abstimmung mit den Aufsichtsbehörden [2][10][11]. Niedrigschwellige Integration und Qualifizierung. LA wird zeitnah in Pilotprojekten eingesetzt, wo sowieso digitale Artefakte entstehen (u. a. VHB-Kurse), und hochschulweit über einen datenschutzgeprüften LMS-Baustein bereitgestellt, damit zusätzlicher Aufwand für Lehrende minimal bleibt. Studierende und Lehrende erhalten von den Hochschulen kurze, praxisnahe Schulungen zur Interpretation und zu Grenzen von LA sowie Hilfe bei der Implementierung; studentische Gremien wirken in Governance und Evaluation verbindlich mit [1][2][3][8][9]. Quellen [1] Jisc, Code of Practice for Learning Analytics. https://www.jisc.ac.uk/guides/code-of-practice-for-learning-analytics [2] SURF, Learning Analytics in 5 Steps – A Guide to the GDPR. https://www.surf.nl/files/2020–06/learning-analytics-in-5-steps.pdf [3] Tsai, Y.-S. et al., The SHEILA Framework: Informing Institutional Strategies and Policy Processes of Learning Analytics, Journal of Learning Analytics (2018). https://learning-analytics.info/index.php/JLA/article/view/6096 [4] A meta-analysis on the effect of learning analytics interventions on students’ academic performance, Journal of Research on Technology in Education

Für ein faires, fachlich fundiertes und verlässliches Verfahren beim Nachteilsausgleich an Bayerischen Hochschulen

Beschluss, Beschlüsse, Beschlüsse und Positionen / lukas.strutz@baystura.de

1 Ausgangslage: Studieren mit Beeinträchtigung 1.1 Generelles Wie die bundesweite best3-Studie des Deutschen Studentenwerks (2023, Datenstand 2021) zeigt, geben 16 % der Studierenden an, eine studienerschwerende Beeinträchtigung erleben – im Vergleich zu 11 % im Jahr 2016, bzw. 8 % in 2011. Von diesen Betroffenen studieren 65 % mit psychischen Erkrankungen, 13 % mit chronischen Erkrankungen, und 31 % sind mehrfach beeinträchtigt. [1] Laut best3, ist der größte Anstieg in der Gruppe der Studierenden mit einer psychischen Erkrankung ersichtlich: “Eine Zunahme um rund 20 Prozentpunkte von 45 % im Jahr 2011 auf 65 % im Jahr 2021. […] Bei knapp 17 % der Studierenden besteht die studienerschwerende Beeinträchtigung von Geburt an, bei etwa 63 % trat sie vor Studienbeginn auf.” [1] Demnach erhalten 37 % dieser Studierenden ihre Diagnose erst im Verlauf des Studiums, was den Zugang zu Unterstützung erschwert und sie strukturell benachteiligt. Gleichzeitig nehmen nur 29 % der Betroffenen überhaupt einen Nachteilsausgleich in Anspruch, obwohl drei Viertel derjenigen, die ihn nutzen, ihn als hilfreich bewerten [1]. Das weist auf tiefgreifende strukturelle Hindernisse und auf eine verunsichernde Antragskultur hin. 1.2 Abbrüche Die fehlende strukturelle Unterstützung für Studierende mit Beeinträchtigungen zeigt sich besonders deutlich in den erhöhten Abbruch- und Unterbrechungsquoten. Laut best3-Studie hat etwa jede*r fünfte Studierende mit studienerschwerender Beeinträchtigung das Studium mindestens einmal unterbrochen – im Vergleich zu nur 9 % unter den nicht beeinträchtigten Studierenden. Auch der Wechsel des Studienfachs (36,5 % vs. 23,6 %) und der Hochschule (27,3 % vs. 19,2 %) kommt unter beeinträchtigten Studierenden deutlich häufiger vor. Zudem beginnen sie seltener ein Masterstudium und sind – selbst bei vergleichbaren Studienleistungen – mehr als doppelt so häufig mit einem möglichen Studienabbruch konfrontiert (13,0 % vs. 4,7 %). Diese Zahlen lassen sich nicht durch individuelle Leistungsfähigkeit oder mangelnde Motivation erklären, sondern sind Ausdruck systemischer Versäumnisse: mangelnde Inklusionsmittel, fehlende Unterstützung in Verwaltungsprozessen, unflexible Lehrformate und das weitgehende Fehlen diskriminierungssensibler Strukturen. Der Nachteilsausgleich, eigentlich als Unterstützungsmechanismus konzipiert, greift hier häufig zu spät, zu formalisiert oder gar nicht – insbesondere dann, wenn die Hürden zur Antragstellung zu hoch oder die Entscheidungsstrukturen nicht nachvollziehbar sind. Eine studienerschwerende Beeinträchtigung sollte nicht der Grund für einen Studienabbruch sein. Der Verlust von Potenzialen, Perspektiven und Qualifikationen ist nicht nur individuell tragisch, sondern gesellschaftlich unverantwortlich – gerade im Kontext inklusiver Bildungsversprechen und des Fachkräftemangels. Ein wirksam implementierter Nachteilsausgleich ist dabei kein rein technisches Verfahren, sondern ein zentrales Instrument zur Vermeidung von Studienabbrüchen, zur Förderung von Studienverläufen und zur Wahrung des Rechts auf Bildung für alle. Um dieser Verantwortung gerecht zu werden, braucht es mehr als nur rechtliche Rahmenbedingungen: Es braucht verlässliche Unterstützungssysteme, niedrigschwellige Antragstellung, qualifizierte Beratung und verbindliche Sensibilisierung der entscheidenden Stellen. Nur so lässt sich sicherstellen, dass die Entscheidung für ein Studium nicht durch strukturelle Barrieren, sondern durch inhaltliche Interessen getragen wird – und dass niemand das Studium abbrechen muss, weil die Hochschule ihrer Fürsorge- und Schutzpflicht nicht gerecht wird. 1.3 Unterstützungsbedarf Die Unterstützungsbedarfe von Studierenden mit studienerschwerender Beeinträchtigung sind vielfältig und immer individuell zu betrachten. Dennoch zeigt die best3-Studie, dass rund 27 % dieser Studierenden spezifische Anforderungen an die bauliche und technische Ausstattung ihrer Hochschule oder konkrete Unterstützungsleistungen formulieren. Besonders häufig genannt werden der Bedarf an Ruhe- und Rückzugsräumen(14 %) sowie Unterstützung bei E‑Learning-Angeboten (11 %). Darüber hinaus wünschen sich viele Studierende Hilfe im Studienalltag, etwa im Umgang mit Verwaltungsprozessen oder bei der Orientierung im Hochschulsystem. Gerade im Kontext des Nachteilsausgleichs ist das Fehlen solcher Unterstützungsangebote gravierend. Ein erheblicher Anteil der Studierenden ohne gewährten Nachteilsausgleich gibt an, nicht gewusst zu haben, dass ein Antrag gestellt werden kann (40%). Etwa 33% der Studierenden, die eigentlich berechtigt wären einen Nachteilsausgleich zu beantragen, geben an, keinen Nachteilsausgleich beantragt zu haben, dass sie nicht wissen, an wen sie sich zur Unterstützung wenden können. 57% geben an, nicht sicher zu sein, ob sie anspruchsberechtigt sind oder ob der Antrag überhaupt Chancen hätte– ein strukturelles Problem, das mit Informationslücken, intransparenten Zuständigkeiten und fehlender Begleitung zusammenhängt. Der Nachteilsausgleich muss daher nicht nur rechtlich gewährt, sondern praktisch zugänglich gemacht werden – durch barrierefreie Informationen, niederschwellige Beratungsangebote und gezielte Unterstützungsmaßnahmen. 1.4 Diskriminierungserfahrungen Studierende mit studienerschwerender Beeinträchtigung machen deutlich häufiger Diskriminierungserfahrungen im Hochschulkontext als Studierende ohne solche Beeinträchtigungen. Laut best3-Studie berichten 73 % der befragten Studierenden mit Beeinträchtigungen von mindestens einer Diskriminierungserfahrung – im Vergleich zu 58 % ihrer nicht beeinträchtigten Kommiliton*innen. Diese Differenz zieht sich auch durch spezifische Situationen: So geben 26 % der Studierenden mit Beeinträchtigungen an, dass ihnen Leistungen nicht zugetraut oder erbrachte Leistungen herabgewürdigt wurden. Bei Studierenden ohne Beeinträchtigungen liegt dieser Wert deutlich niedriger – bei nur 15–17 %. Besonders betroffen sind dabei Studierende mit Mehrfachbeeinträchtigungen. Sie erleben nicht nur die stärksten Studienerschwernisse, sondern auch die höchsten Diskriminierungsraten: 27 % berichten von expliziten Benachteiligungen aufgrund ihrer physischen oder psychischen Erkrankung. Knapp 26 % geben an, ausgegrenzt oder übergangen worden zu sein, 28 % berichten von herabwürdigender oder stereotypisierender Behandlung, 22,5 % wurden im Hochschulkontext sogar ausgelacht. Diese Zahlen belegen, dass studienerschwerende Beeinträchtigungen in vielen Fällen nicht nur funktionale Einschränkungen darstellen, sondern auch mit sozialen Ausschlüssen, entwürdigender Kommunikation und struktureller Abwertung einhergehen. Diskriminierung ist hier kein Nebeneffekt – sie ist integraler Bestandteil der Studienrealität vieler Betroffener. Gerade im Verfahren des Nachteilsausgleichs gewinnt dieser Befund an Bedeutung: Wer über Nachteilsausgleiche entscheidet, beeinflusst maßgeblich die Teilhabechancen einzelner Studierender. Wenn jedoch – wie die Zahlen zeigen – ein relevanter Teil der Betroffenen strukturell benachteiligt und entmutigt wird, dann ist es nicht ausreichend, Nachteilsausgleiche formal korrekt zu verwalten. Vielmehr braucht es eine reflexive, diskriminierungssensible Haltung bei allen Entscheidungsträger*innen – insbesondere in Prüfungsämtern, Ausschüssen und Lehrstühlen. Die Angst vor Diskriminierungserfahrungen im Antragsverfahren darf kein Grund bleiben, dass Studierende nicht die Hilfe fordern, die ihnen rechtlich zusteht. Sensibilisierung muss deshalb zu einem verbindlichen Bestandteil hochschulischer Praxis werden. Wer über Anträge auf Nachteilsausgleich urteilt, muss mit den Mechanismen von Stigmatisierung, ableistischer Normativität und nicht sichtbaren Beeinträchtigungen vertraut sein. Ohne dieses Bewusstsein besteht die Gefahr, dass auch gut gemeinte Entscheidungen paternalistisch, uninformiert oder – im schlimmsten Fall – reproduktiv diskriminierend getroffen werden. Hinzu kommt: Die strukturelle Diskriminierung von Studierenden mit Beeinträchtigung ist auch intersektional verschränkt. So liegt der Anteil von Studentinnen mit studienerschwerenden Beeinträchtigungen mit 19 % deutlich über jenem von Studenten (12 %). Studentinnen geben zudem häufiger psychische Erkrankungen an (67 % vs. 62 %). Und besonders betroffen sind Studierende mit der Geschlechtsangabe divers oder andere, von denen mehr als die Hälfte (55 %) angibt, mit einer studienerschwerenden Beeinträchtigung zu studieren. Diese Zahlen machen deutlich, dass Nachteilsausgleich nicht losgelöst von Geschlecht, sozialer Positionierung oder psychischer Gesundheit gedacht werden kann. Besonders psychische Erkrankungen sind oft stigmatisiert, was oft zu einer negativen Entscheidung in Nachteilsausgleichen oder anderen Maßnahmen führen kann, welche eigentlich zur Unterstützung

Für ein faires, fachlich fundiertes und verlässliches Verfahren beim Nachteilsausgleich an Bayerischen Hochschulen Weiterlesen »