Erkenntnisse aus der KI-unterstützten Datenanalyse für die studierendenzentrierte Lehre: Motivationsschreiben für die Studiengangsweiterentwicklung nutzen

Gerold Wagner; Daniela Freudenthaler-Mayrhofer

Erkenntnisse aus der KI-unterstützten Datenanalyse für die studierendenzentrierte Lehre: Motivationsschreiben für die Studiengangsweiterentwicklung nutzen

Gerold Wagner, Daniela Freudenthaler-Mayrhofer

LOGISTIKUM

Research output: Contribution to conference › Paper › peer-review

Abstract

Der vorliegende Artikel befasst sich mit dem Versuch, die Motivationslage von Studienwerber*innen bei deren Bewerbung um einen Studienplatz mithilfe von AI Tools zu analysieren und insbesondere auch eine zeitliche Entwicklung darzustellen. Zu diesem Zweck wurden die von den Kandidat*innen als Teil der Bewerbungsunterlagen für zwei unterschiedliche Studien abgegebenen Motivationsschreiben über mehrere Jahre ausgewertet, wobei die Fähigkeiten mehrerer unterschiedlicher Werkzeuge der künstlichen Intelligenz beobachtet wurden. Die Ergebnisse der Auswertungen stellen einen zeitlichen Verlauf der Motivationslage der Studienwerber*innen dar, was einen Input für die weitere zielgruppengerechte Gestaltung der Studien liefern kann.
Zugleich traten Limitationen der Werkzeuge hervor, die darüber hinaus Inhalt dieses Artikels sind.

Original language	German (Austria)
Pages	24-31
Number of pages	8
Publication status	Published - 2024
Event	12. Tag der Lehre: Wie kann mit Knappheit gute Hochschullehre gestaltet werden? - FH OÖ Campus Wels, Wels, Austria Duration: 16 Apr 2024 → … https://fh-ooe.at/ueber-uns/hochschuldidaktik/tag-der-lehre

Conference

Conference	12. Tag der Lehre
Country/Territory	Austria
City	Wels
Period	16.04.2024 → …
Internet address	https://fh-ooe.at/ueber-uns/hochschuldidaktik/tag-der-lehre

Access to Document

https://fh-ooe.at/assets/files/general/Die-FH-OOE/Hochschuldidaktik/Tag-der-Lehre/Tagungsbaende/Tagungsband-12.-Tag-der-Lehre-FH-O%C3%96.pdf

Cite this

Wagner, G., & Freudenthaler-Mayrhofer, D. (2024). Erkenntnisse aus der KI-unterstützten Datenanalyse für die studierendenzentrierte Lehre: Motivationsschreiben für die Studiengangsweiterentwicklung nutzen. 24-31. Paper presented at 12. Tag der Lehre, Wels, Austria. https://fh-ooe.at/assets/files/general/Die-FH-OOE/Hochschuldidaktik/Tag-der-Lehre/Tagungsbaende/Tagungsband-12.-Tag-der-Lehre-FH-O%C3%96.pdf

@conference{962a7dbb3b11499ab1a7b9f0276be2c8,

title = "Erkenntnisse aus der KI-unterst{\"u}tzten Datenanalyse f{\"u}r die studierendenzentrierte Lehre: Motivationsschreiben f{\"u}r die Studiengangsweiterentwicklung nutzen",

abstract = "Der vorliegende Artikel befasst sich mit dem Versuch, die Motivationslage von Studienwerber*innen bei deren Bewerbung um einen Studienplatz mithilfe von AI Tools zu analysieren und insbesondere auch eine zeitliche Entwicklung darzustellen. Zu diesem Zweck wurden die von den Kandidat*innen als Teil der Bewerbungsunterlagen f{\"u}r zwei unterschiedliche Studien abgegebenen Motivationsschreiben {\"u}ber mehrere Jahre ausgewertet, wobei die F{\"a}higkeiten mehrerer unterschiedlicher Werkzeuge der k{\"u}nstlichen Intelligenz beobachtet wurden. Die Ergebnisse der Auswertungen stellen einen zeitlichen Verlauf der Motivationslage der Studienwerber*innen dar, was einen Input f{\"u}r die weitere zielgruppengerechte Gestaltung der Studien liefern kann.Zugleich traten Limitationen der Werkzeuge hervor, die dar{\"u}ber hinaus Inhalt dieses Artikels sind.",

author = "Gerold Wagner and Daniela Freudenthaler-Mayrhofer",

year = "2024",

language = "Deutsch ({\"O}sterreich)",

pages = "24--31",

note = "12. Tag der Lehre : Wie kann mit Knappheit gute Hochschullehre gestaltet werden? ; Conference date: 16-04-2024",

url = "https://fh-ooe.at/ueber-uns/hochschuldidaktik/tag-der-lehre",

}

Wagner, G & Freudenthaler-Mayrhofer, D 2024, 'Erkenntnisse aus der KI-unterstützten Datenanalyse für die studierendenzentrierte Lehre: Motivationsschreiben für die Studiengangsweiterentwicklung nutzen', Paper presented at 12. Tag der Lehre, Wels, Austria, 16.04.2024 pp. 24-31. <https://fh-ooe.at/assets/files/general/Die-FH-OOE/Hochschuldidaktik/Tag-der-Lehre/Tagungsbaende/Tagungsband-12.-Tag-der-Lehre-FH-O%C3%96.pdf>

TY - CONF

T1 - Erkenntnisse aus der KI-unterstützten Datenanalyse für die studierendenzentrierte Lehre

T2 - 12. Tag der Lehre

AU - Wagner, Gerold

AU - Freudenthaler-Mayrhofer, Daniela

PY - 2024

Y1 - 2024

N2 - Der vorliegende Artikel befasst sich mit dem Versuch, die Motivationslage von Studienwerber*innen bei deren Bewerbung um einen Studienplatz mithilfe von AI Tools zu analysieren und insbesondere auch eine zeitliche Entwicklung darzustellen. Zu diesem Zweck wurden die von den Kandidat*innen als Teil der Bewerbungsunterlagen für zwei unterschiedliche Studien abgegebenen Motivationsschreiben über mehrere Jahre ausgewertet, wobei die Fähigkeiten mehrerer unterschiedlicher Werkzeuge der künstlichen Intelligenz beobachtet wurden. Die Ergebnisse der Auswertungen stellen einen zeitlichen Verlauf der Motivationslage der Studienwerber*innen dar, was einen Input für die weitere zielgruppengerechte Gestaltung der Studien liefern kann.Zugleich traten Limitationen der Werkzeuge hervor, die darüber hinaus Inhalt dieses Artikels sind.

AB - Der vorliegende Artikel befasst sich mit dem Versuch, die Motivationslage von Studienwerber*innen bei deren Bewerbung um einen Studienplatz mithilfe von AI Tools zu analysieren und insbesondere auch eine zeitliche Entwicklung darzustellen. Zu diesem Zweck wurden die von den Kandidat*innen als Teil der Bewerbungsunterlagen für zwei unterschiedliche Studien abgegebenen Motivationsschreiben über mehrere Jahre ausgewertet, wobei die Fähigkeiten mehrerer unterschiedlicher Werkzeuge der künstlichen Intelligenz beobachtet wurden. Die Ergebnisse der Auswertungen stellen einen zeitlichen Verlauf der Motivationslage der Studienwerber*innen dar, was einen Input für die weitere zielgruppengerechte Gestaltung der Studien liefern kann.Zugleich traten Limitationen der Werkzeuge hervor, die darüber hinaus Inhalt dieses Artikels sind.

M3 - Papier

SP - 24

EP - 31

Y2 - 16 April 2024

ER -