Workload

Hochschulen sind angehalten den Workload zu erheben, also

• neben dem leicht ermittelbaren Zeitaufwand für die Vorlesung/Veranstaltung
• auch den Zeitaufwand für Selbststudium sowie Vor- und Nachbereitung (SSVN).

Das TraiNex bietet eine Hilfe bei der Workload-Kontrolle, da Studierenden während der Evaluation nach der Stundenbelastung für das Modulthema gefragt werden. Die Frage innerhalb der Evaluation lautet "Bitte schätzen Sie: Wie viel Zeit haben Sie außerhalb der Lehrveranstaltung für die Vorbereitung, Nachbereitung und die Prüfungsvorbereitung für dieses Fachmodul aufgebarucht? Waren es X Stunden oder mehr oder weniger?".

Das X ist ein vorgeschlagener Wert, der sich aus dem hinterlegten Wert für das Selbststudium ergibt, z.B. bei 20 Std. im 3. Semester und 30 Std. im 4. Semester ist der vorgeschlagene Wert 50 Std.. Wenn es eine Befragung einer Nutzergruppe ist oder in einer Studiengruppe kein Wert für das Selbststudium hinterlegt ist, aber CreditPoints für das Thema hinterlegt sind, wird hilfsweise CreditPoints * 15 genommen, also z.B. 60 Std. bei 4 CP. Wenn auch keine CP hinterlegt sind, werden 25 Stunden als Standard genommen. Der Wert dient als Anhalt und kann vom Befragten nach oben oder unten korrigiert werden.

Frage nach dem Workload bei der Evaluation.

Die Übersicht zum Workload zeigt auf einen Blick, ob eine Über- oder Unterlastung der Studierenden vorliegt.

Ziel ist, eine Über- oder Unterlastung darzustellen. Dies versucht das TraiNex auf 2 Wegen. Einerseits aufgrund eines parametrisiert fixen Zusammenhanges zwischen CP-Workload-Präsenz und der erfragten absoluten Belastung. Andererseits aufgrund der hinterlegten Präsenzstundnen, der Präsenz pro CP, der IST-Zusatz-Belastung pro CP und dem sich ergebenden Workload pro CP.

zu 1) Aufgrund der im System hinterlegbaren CP pro Modulthema kann automatisch

• aufgrund des Zusammenhanges zwischen CP und Workload (z.B. 1 CP = 25 Stunden Workload) und
• dem festlegbaren Verhältnis zwischen einerseits Vorlesung/Veranstaltungs-Präsenz und andererseits dem SSVN (z.B. 25% = 18,75 Std. Vorlesung und 6,25 Std. SSVN)

eine Über- oder Unterlastung der Studierenden festgestellt werden. Dies wird farblich angezeigt.

Beispiel (siehe Bild): Das Modul "BF SIP 4" hat 10 CP und somit einen Gesamtworkload von 275 Stunden. 28.6% der Studierenden haben in der Evaluation die Frage nach der Stundenbelastung beantwortet. Mit geringer Streuung (STAbw=5) sind die Studierenden der Meinung, nur 35 Std. als SSVN aufgebracht zu haben. Da 25% der Gesamtstunden als SSVN geplant waren, was 69 Stunden gewesen wären, liegt eine UNTER-Lastung der Studierenden vor. Aufgrund der absoluten Teilnahme von nur 2 Personen kann der Wert ggf. aber als nicht aussagekräftig verworfen werden.

Weitere Parameter: Weiterhin einstellbar ist, ob nur Ergebnisse ab einer bestimmten Teilnahmequote in die Betrachtung einfliessen soll, ggf. nur aus einem bestimmten Jahr, innerhalb eines akademischen Jahres (freies Zeitintervall) oder nur aus einem bestimmten Fachbereich. Die Ergebnistabelle ist so aufgebaut, dass diese Tabelle per Kopieren/Einfügen nach Excel für weitere Filter überführt werden kann.

zu 2) Wenn im Bereich Admin/Themen die absoluten Stunden der Präsenzveranstaltung eingetragen sind, dann berechnet das TraiNex auch Präsenzstunden pro CP, Ist-SSVN pro CP (Zeitaufwand für Selbststudium sowie Vor- und Nachbereitung) und daraus den Gesamt-Ist-Workload pro CP.

Eine Auswertung erfolgt pro Modul, pro Studiengang und pro Standort. Wenn mehrere Standorte verglichen werden sollen, so kann dies manuell gewichtet oder ungewichtet erfolgen aufgrund der folgenden Standortangaben: "Der durchschnittliche IST-SSVN pro CP (SP8) ist: 9.6 (=16951.2/1774)
Der durchschnittliche Gesamtworkload pro CP (SP9) in diesem Standort: 19.0 (=25883.6 / 1362)"

Parameter und Zeitintervall bei der Workloadauswertung

Textbausteine

Der erklärende Zusatztext unter der Workload-Frage "(Zeitraum: seit der letten Evaluation..." ist ein Textbaustein.

Siehe auch

Evaluation
Bewertung
WebApp

Letzte funktionale Änderungen

• Mai 2016:verbesserte Workload-Auswertung