A Causal Inference Study on the Effects of First Year Workload on the Dropout Rate of Undergraduates

Das Kapitel vertieft sich in die kritische Frage der Abbrecherquoten im ersten Studienjahr und konzentriert sich auf die kausalen Auswirkungen der Arbeitsbelastung im ersten Studienjahr auf die Studentenbindung. Mithilfe von maschinellem Lernen und kausalen Inferenzmethoden analysiert die Studie einen umfassenden Datensatz einer Universität, um die Faktoren, die zum Studienabbruch beitragen, vorherzusagen und zu verstehen. Die Studie identifiziert Schlüsselmerkmale wie Alter, Aufnahmegrad und Studienzugangsart, die die Abbrecherquoten erheblich beeinflussen. Durch den Einsatz fortschrittlicher kausaler Inferenz-Techniken wie Propensity Score Matching, Inverse-Propensity Score Weighting und Doubly Robust Orthogonal Forest Estimation liefert die Studie robuste Beweise für mögliche Interventionen. Die Ergebnisse deuten darauf hin, dass eine Verringerung der Arbeitsbelastung gefährdeter Studierendengruppen die Abbrecherquoten deutlich senken könnte und praktische Empfehlungen für Bildungspolitiker und -verwalter bietet. Das Kapitel diskutiert auch die umfassendere Anwendbarkeit dieser Methoden auf andere Risiken, mit denen Studierende an Hochschulen konfrontiert sind, und betont das Potenzial kausaler Schlussfolgerungen in der Bildungsforschung.