Eine Analyse des Studienerfolgs im Masterstudium auf der Basis von Umfrage- und administrativen Prüfungsdaten: Ein Vergleich von fünf Masterstudiengängen am Fachbereich Wirtschaftswissenschaft der Freien Universität Berlin

Die Evaluation der universitären Lehre kann unter verschiedenen Perspektiven erfolgen: Die Leistung eines einzelnen Dozenten in einer Lehrveranstaltung wird evaluiert oder das Verhalten der Studierenden auf das Studienangebot steht im Vordergrund. Pohlenz (2018) hat mit dem Begriff des Studiengang-Monitoring den Fokus eher auf den Gesamtablauf eines Studiengangs gelegt. Dieses Konzept soll hier für den Vergleich von fünf Master-Studiengängen (MA-Studiengängen) angewendet werden. Ein rein auf administrativen Prüfungsdaten basierendes Konzept wird zur Zeit an verschiedenen Universitäten praktiziert, so zum Beispiel an der Humboldt Universität zu Berlin¹ (HU Berlin). Andere Beispiele findet man bei Berens et al. (2019); Danilowicz-Gösele et al. (2017); Hörnstein et al. (2016); Schneider et al. (2019) sowie Fleischer et al. (2019). Dieser Ansatz wurde von Pannier et al. (2020) durch eine Befragung von Studierenden ergänzt. Der Zugang zu individuellen Hintergrunddaten eröffnet zusätzliche Auswertungsdimensionen, die mit den rein administrativen Daten nicht erreicht werden können. Diese Dimensionen umfassen beispielsweise die Frage, wie sich individuelle Variablen (z. B. die Studienfinanzierung) auf den Studienverlauf und Studienerfolg auswirken.

Die Messung von Studienerfolg bzw. Studienabbruch kann unter sehr unterschiedlichen Gesichtspunkten erfolgen, vgl. den Überblick von Neugebauer et al. (2019) sowie die empirischen Ergebnisse von Heublein et al. (2017). Eine Dimension ist der erfolgreiche Abschluss einer Kohorte eines Studiengangs. Weitere Dimensionen sind die Studiendauer und die beim Abschluss erzielten Noten. Schließlich spielt auch der Einfluss der individuellen Merkmale der Studierenden auf den Studienabschluss eine wichtige Rolle bei der Beurteilung eines Studiengangs. Die Merkmale für eine derartige Analyse sollten valide sein. Dies gilt insbesondere für den Zeitpunkt und den Umfang der erworbenen Leistungspunkte (LP). Hier sind die administrativen Prüfungsdaten retrospektiven Eigenangaben der Studierenden eindeutig überlegen. Allerdings sind die Angaben zum sozialen Hintergrund der Studierenden, der Finanzierung des Studiums sowie zu ihrer Motivation für das gewählte Studium nur über eine Umfrage zu erhalten. Umfragen können bei Beginn des Studiengangs (Brandstätter et al. 2006), während des Studiums (Georg 2008) oder aber als Absolventen-Studie bzw. Abbrecher-Studie (Heublein et al. 2017) durchgeführt werden. In allen Fällen ist mit erheblichen Non-response-Raten zu rechnen, die zu verfälschten Ergebnissen führen können. Ein Ansatz zur Reduktion der Non-response-Raten ist eine Befragung der Studierenden im Hörsaal, wobei die Veranstaltung so gewählt werden sollte, dass möglichst viele Teilnehmer direkt auf die Ziele der Studie angesprochen werden können. Hierzu eignen sich insbesondere Pflichtveranstaltungen. Andere Möglichkeiten für positive Teilnahmeanreize sind finanzielle Prämien und/oder die Vergabe von LP, vgl. Fleischer et al. (2019).

Studienabbruch und Studienerfolg sind zentrale Parameter des universitären Bildungsbetriebs, vgl. Neugebauer et al. (2019) und die dort zitierte Literatur. Trotz dieser zentralen Bedeutung tun sich die Bildungsforscher mit der Messung dieser Größen schwer. Dies liegt zum großen Teil an der Verfügbarkeit geeigneter Daten. Die Erfolgsquoten des Statistischen Bundesamts basieren auf Kohortendaten aus der Prüfungsstatistik. Im Prinzip handelt es sich hierbei um einen Vergleich der Studienanfänger einer Kohorte mit denjenigen, die in einer Fächergruppe einen Abschluss machen:

Hierbei wird nur nach Fächergruppen differenziert. Zu der Fächergruppe der Wirtschaftswissenschaften gehören noch die Sozialwissenschaften und die Rechtswissenschaften. Auch findet keine Differenzierung nach Universität oder der benötigten Dauer bis zum Abschluss statt, vgl. Statistisches Bundesamt 2020 ². Für die Fächergruppe Recht, Sozialwissenschaft und Wirtschaftswissenschaft wird für den Jahrgang 2010 beispielsweise eine Erfolgsquote von 72,9 % ausgewiesen.

Andere Ansätze basieren auf bestandenen Abschlussprüfungen eines Jahres. Hier geben Heublein und Schmelzer (2018) für den Abschlussjahrgang 2016 für den Master an Universitäten in der Fächergruppe eine Abbruchquote von 19 % an³. Dies entspricht einer Bestehensquote von 81 % und ist damit deutlich höher als der Wert des Bundesamts. Allerdings ist auch dies nur ein sehr grober Indikator, der über alle Universitäten und Studiengänge mittelt und auch über die benötigte Dauer bis zur Erlangung des Abschlusses keine Aussage macht. Auch hier gibt es methodische Probleme mit Fachwechslern.

Der Zugang zu individuellen Prüfungsverläufen eröffnet eine wesentlich genauere Bestimmung von Erfolgs- und Abbruchquoten. Insbesondere werden wir die Längsschnitt-basierte Studienerfolgsquote mit offiziellen Erfolgsquoten vergleichen. Unterschiede zwischen den einzelnen Studiengängen sind dabei ebenfalls von Interesse.

Die Verknüpfung von Umfragedaten mit administrativen Prüfungsdaten eröffnet neue Möglichkeiten der Beurteilung der Qualität von Studiengängen. Dieser Ansatz wurde erstmals von Pannier et al. (2020) für Bachelor-Studiengänge (BA-Studiengänge) realisiert. Es konnte unter anderem gezeigt werden, dass bereits nach der Studieneingangsphase ein Abschluss des Studiums relativ sicher vorhergesagt werden kann. Weiterhin erwies sich die Schulnote als ein eher schwacher Prädiktor für den studentischen Erfolg an der Universität. Soziale Hintergrundmerkmale, wie zum Beispiel die Bildung der Eltern, erwiesen sich als insignifikant für den Studienerfolg. Auch die Art der Studienfinanzierung erscheint eher nachrangig. Bedeutsam für den Abschluss des Studiums sind jedoch die am Anfang des zweiten Semesters geäußerte Studienmotivation sowie die bis dahin gesammelten Leitungspunkte.

Diese Ergebnisse wurden über eine prospektiven Studie erzielt, bei der Bachelor-Studierenden im Rahmen einer Hörsaalbefragung am Beginn des zweiten Fachsemesters zu ihrer Studienmotivation und zu ihren bisherigen Erfahrungen aus dem ersten Semester befragt wurden. Ihre administrativen Prüfungsergebnisse wurden im Rahmen eines Treuhandmodell über eine anonymisierte Matrikelnummer mit den Befragungsergebnissen verknüpft, vergleiche die ausführliche Darstellung in Pannier et al. (2020). In diesem Artikel beschreiben wir die Ergebnisse einer analogen Studie für fünf MA-Studiengänge am FB Wirtschaftswissenschaft der FU Berlin.

Ein interessanter methodischer Aspekt ist ein möglicher Erfolgsbias bei Umfragen zum Studienerfolg, der entsteht, wenn die leistungsmäßig erfolgreichen Studierenden auch auskunftsfreudiger sind. Ohne Zugang zu den administrativen Prüfungsdaten ist ein solcher Erfolgsbias das Resultat eines nicht ignorierbaren Ausfallmechanismus im Sinne von Rubin (1976), der schwierig zu kompensieren ist. Mit Zugang zu den administrativen Prüfungsdaten kann ein solcher Erfolgsbias direkt über eine geeignete Gewichtung kontrolliert werden. Diese Vorgehensweise soll hier demonstriert werden.

Die Ergebnisse unserer Analysen sind zunächst nur für die hier betrachteten Studiengänge gültig. Die Verallgemeinerbarkeit kann jedoch durch einen Vergleich mit Ergebnissen einer zweiten Universität verbessert werden. Hier hatten Pannier et al. (2020) durch einen Vergleich mit den entsprechenden Studiengängen an der Humboldt Universität eine weitgehende Übereinstimmung mit den FU-Resultaten festgestellt.

Der Artikel ist folgendermaßen gegliedert: Wir beschreiben zunächst die Erzeugung des gemeinsamen Datensatzes von Umfragedaten und Prüfungsdaten und untersuchen die Repräsentativität des so erhaltenen Datensatzes. Danach stellen wir die wichtigsten Merkmale aus der Umfrage und ihren potentiellen Einfluss auf den Studienerfolg vor. Ein wichtiges Kriterium für den Studienerfolg ist der Erwerb von LP. Daher geben wir zunächst einen Überblick über den Erwerb von LP im Studienverlauf. In den nachfolgenden Abschnitten analysieren wir einzelne Phasen des Studiums: Die Bewerbung und Zulassung, die Studieneingangsphase und den Abschluss der Regelstudienzeit. Hierbei können wir die in der Umfrage erhobenen Hintergrundmerkmale nutzen. Diese Merkmale werden auch für den Abschluss des Studiums und die dabei erzielte Note verwendet. Schließlich berichten wir über die Rückmeldungen der Studiengangsbeauftragten der hier untersuchten Studiengänge zu unseren Untersuchungsergebnissen. In der Zusammenfassung geben wir Hinweise wie unsere Ergebnisse für ein Monitoring der Studierenden genutzt werden können. Weitere Aspekte beziehen sich auf die Nutzung der Bachelor-Note (BA-Note) als Auswahlkriterium für das Master-Studium (MA-Studium) und die Repräsentativität von Befragungen der Studierenden.

Der Startpunkt unserer prospektiven Erhebung war die Orientierungsveranstaltung für die Neuimmatrikulierten des Wintersemesters (WS) 2018/2019 des jeweiligen MA-Studiengangs. Ausgewählt wurden die Studiengänge Finance, Accounting, Taxation & Supplements (FACTS), Management & Marketing (M & M), Wirtschaftsinformatik (WInfo), Economics (Econ) sowie Public Economics (PubEcon). Am Ende der Einführungsveranstaltung wurden die Teilnehmer der Kohorte gebeten einen Fragebogen auszufüllen, vgl. Anhang A.1. Darüber hinaus wurde um eine schriftliche Einverständniserklärung gebeten. Die Einverständniserklärung beinhaltete die datenschutzrechtliche Verwendung der Studienverlaufsinformationen der Studierenden für das Projekt „Studienverläufe“ mitsamt der wahren Matrikelnummer, vgl. Anhang A.2. Diese Einverständniserklärungen wurden der Datenschutzbeauftragten der FU als Treuhänderin übergeben und an die Prüfungsverwaltung weitergeleitet. Die Prüfungsverwaltung hat mit den wahren Matrikelnummern und Fragebogennummern eine Liste erstellt, in der jeder Fragebogennummer eine pseudonomisierte Matrikelnummer zugeordnet wird. Nur die Prüfungsverwaltung besitzt den Umstiegsschlüssel zu den pseudonomisierten Matrikelnummern. Anhand dieser pseudonomisierten Matrikelnummern konnten die Informationen aus der Umfrage mit den Studienverläufen aus dem Informationssystem Studium und Lehre (ISL) der Freien Universität zusammengeführt werden.

Da an der Umfrage einige Studierende teilnahmen, die nicht zur Kohorte 2018/2019 gehören, wurden deren Daten von der weiteren Analyse ausgeschlossen, da für diesen Personenkreis die Prüfungsdaten nicht zugänglich waren.

Die Studierenden der hier betrachteten Kohorte schlossen im Sommersemester 2021 ihr 6. Fachsemester ab. Wenn Aussagen über den Abschluss des Studiums in späteren Semestern gemacht werden sollen, mussten wir auf die Ergebnisse früherer Kohorten zurückgreifen. Dafür wurden Studienverläufe der vier Kohorten WS 2012/2013, WS 2013/2014, WS 2014/2015 und WS 2015/2016 gepoolt. Die Teilnehmer der letzten Kohorte befanden sich im Sommersemester 2020 in ihrem 10. Fachsemester. Die Zusammenfassung über die vier Kohorten erhöht auch die Fallzahlen und stabilisiert somit die Ergebnisse zum Studienverbleib.

Trotz des sorgfältig geplanten Ansatzes der Befragung bei der Auftaktveranstaltung des Studienganges wurden nicht alle 199 Studierenden der fünf MA-Studiengänge erreicht. Insgesamt wurden von 128 (= 64 %) der eingeschriebenen Studierenden ein ausgefüllter Fragebogen und eine Einwilligung erzielt. Die Gründe für diese Ausfalle sind sehr unterschiedlich: Keine Teilnahme an der Auftaktveranstaltung, Weigerung den Fragebogen auszufüllen, eine fehlende Einwilligungserklärung sowie eine unleserliche Matrikelnummer. Im Folgenden soll geprüft werden, ob diese Ausfalle in einer systematischen Weise zu einer Verzerrung der Stichprobe geführt haben.

In Tab. 1 ist die Anzahl der Studierenden nach Geschlecht und Studiengang in der Stichprobe und am FB Wirtschaftswissenschaft zusammengefasst. Die durchschnittliche Responserate liegt bei 64 %. Die betriebswirtschaftlichen Studiengänge FACTS, M & M und WInfo sind aufgrund einer höheren Teilnahmebereitschaft ihrer Teilnehmer in der Stichprobe überrepräsentiert. Die Antwortrate liegt bei 69 % (FACTS), 90 % (M & M) und 66 % (WInfo) gegenüber 44 % (Econ) und 58 % (PubEcon). Auch sind Frauen in der Stichprobe überrepräsentiert. Die Stichprobenverteilung wurde mithilfe eines \(\chi^{2}\)-Tests zum Signifikanzniveau \(\alpha=0,05\) dahingehend überprüft, ob ein signifikanter Unterschied zwischen beobachteten Häufigkeiten und den Häufigkeiten am Fachbereich auftritt. Die Nullhypothese („Kein systematischer Unterschied zur Population“) wurde abgelehnt. Dies impliziert, dass die Merkmale Studiengang und Geschlecht bei weiteren Analysen immer als Kontrollvariablen benutzt werden sollten.

Weiterhin könnte zunächst vermutet werden, dass Master-Studierende, die an der FU ihr Bachelorstudium abgeschlossen haben, weniger an der Orientierungsveranstaltung teilnehmen, da ihnen die Dozenten und die lokalen Gegebenheiten bereits vertraut sind. Aus diesem Grund könnte man vermuten, dass FU-Absolventen in der Umfrage unterrepräsentiert sind. Tab. 2 vergleicht daher die Anzahl der Studierenden mit und ohne FU-Bachelorabschluss. 26 % der gesamten Master-Studierenden besitzen einen FU-Bachelor und 74 % der Studierenden kommen von einer anderen Universität bzw. Hochschule. In der Stichprobe gibt es 28 % FU-Absolventen und 72 % der Studierenden sind aus nicht FU. Der in der Stichprobe unerwartet hohe Anteil der Studierenden mit einem auswärtigem Bachelorabschluss spiegelt also durchaus die Lage am Fachbereich wider.

Bei der Untersuchung von Pannier et al. (2020) zum Studienerfolg von BA-Studierenden zeigte sich, dass die leistungsmäßig besseren Studierenden auch auskunftsfreudiger waren. Sie belegt damit einen „Erfolgsbias“ für die empirische Bildungsforschung. Ein Vorteil des hier gewählten Ansatzes ist die Möglichkeit, derartige Hypothesen direkt anhand der Prüfungsdaten überprüfen zu können. Abb. 1 vergleicht die Verteilung der erreichten LP bis zum 4. Fachsemester⁴ für die Teilnehmer und Nichtteilnehmer der Stichprobe.

Auch bei den MA-Studierenden bestätigt sich der Befund aus dem BA-Studium, dass die besseren Studierenden in der Regel auch auskunftsbereiter sind und folglich in der Stichprobe überrepräsentiert sind. Wir berücksichtigen diesen Befund für die Konstruktion einer Gewichtungsvariable. Diese soll die Ergebnisse von Studierenden mit hohen kumulierten LP geringer gewichten als die Ergebnisse von Studierenden mit geringen kumulativen LP. Hierbei verwenden wir den Kehrwert der Teilnahmewahrscheinlichkeit in Abhängigkeit von den kumulativen LP. Da wir die Teilnahmewahrscheinlichkeiten möglichst stabil schätzen wollen, verwenden lediglich eine Zweiteilung des Bereichs der kumulierten LP, wobei die Teilnahmewahrscheinlichkeiten für jeden Bereich separat geschätzt werden. Mit Blick auf Abb. 1 sollte der Trennungspunkt t zwischen den Werten 50 und 75 liegen. Für einen Trennwert von \(t=60\) erhält man eine Teilnahmewahrscheinlichkeit von 0,409 für die Studierenden mit geringen LP, während im oberen LP-Bereich die Teilnahmewahrscheinlichkeit bei 0,727 liegt. Tab. 3 zeigt, dass die Verteilung der Stichprobenteilnehmer im unteren und mittleren Verteilungsbereich deutlich mehr LP als die gesamte Kohorte aufweist.

In diesem Abschnitt stellen wir die Merkmale vor, die wir für die Analyse des Studienerfolgs in der Umfrage erhoben haben. Wir stellen ihre vermuteten Einflüsse auf den Studienerfolg dar und dokumentieren ihre Verteilung.

Der Weg zur Einschreibung in einen Studiengang führt über drei Stufen: 1) Eine Bewerbung bei der Zulassungsstelle der Universität, 2) die Zulassungsstelle entscheidet anhand der vorliegenden Zulassungskriterien und der Kapazitäten des Fachbereichs über eine Zulassung zum Studium. Schließlich ist die Immatrikulation die 3. Stufe des Zugangs zum jeweiligen Studiengang. Jedoch nehmen nicht alle Studenten das Angebot zur Einschreibung an, weil sie sich an mehreren Universitäten beworben haben und im günstigen Fall mehrere Zulassungen erhalten haben, aus denen sie ihre präferierte Universität auswählen. Tab. 4 zeigt die Zahlen dieses beiderseitigen Auswahlprozesses für die hier betroffene Kohorte WS 2018/19. Hierbei werden die Bewerber mit FU-Abschluss separat dargestellt. Es zeigt sich, dass deutlich mehr Studierende eine Zulassung erhalten als Studienplätze vorhanden sind. Die Zulassungsstelle antizipiert dabei die in Tab. 5 wiedergegebenen Annahmequoten. Kommt es hierbei zu Fehleinschätzungen, so kann es durchaus zu Überbelegungen kommen, wie zum Beispiel im Studiengang Public Economics, wo 40 Studierende auf 30 Studienplätze immatrikuliert wurden.

Insgesamt ist die Annahmerate bei Bewerbern mit BA-Abschluss an der FU deutlich höher als im Schnitt aller Bewerber. Dies erscheint auch plausibel, weil die Studierenden in diesem Fall nicht ihren Wohnort wechseln müssen, wenn sie an derselben Universität bleiben. Die Annahmerate aller Bewerber schwankt zwischen den Studiengängen deutlich zwischen 0,27 und 0,40. Man kann daraus schließen, dass die Studierenden zwischen zwei bis vier Zusagen vor ihrer Immatrikulation erhalten.

Allerdings schwankt auch die Rate der Zulassungen stark. Insbesondere bei den BWL-Studiengängen sind die Studierenden mit FU-Abschluss deutlich erfolgreicher als auswärtige Studierende. Dieser Befund verwundert, da die Zulassungsregeln keine Bevorzugung von Studierenden der eigenen Universität gestatten¹⁰.

Der Studienerfolg in der Studieneingangsphase wird hier über die erreichten LP am Ende des ersten Studienjahrs gemessen. Für diese Analyse können alle Merkmale aus der Hörsaalbefragung herangezogen werden.

Für die lineare Regression wurde ein automatisches Modellsuchverfahren verwendet. Startpunkt ist ein Modell mit allen im Anhang C.1 aufgeführten Variablen. Hierzu gehört auch die gruppierte Zulassungsnote (zulassungsnote), die in etwa der BA-Note entspricht. Das Merkmal Geschlecht verbleibt aus prinzipiellen Gründen im Modell. Die Anpassungsgüte des jeweiligen Modells erfolgt über das AIC-Kriterium.

Tab. 6 zeigt insgesamt 4 Modellschätzungen. Basierend auf dem AIC wurde die Modellselektion einmal ohne das Surveygewicht LPGewicht und einmal mit dem Surveygewicht LPGewicht durchgeführt. Die ausgewählten optimalen Modelle sind in den Spalten 1 und 3. Darüber hinaus wurden die Indikatoren für alle Studiengänge von den optimalen Modellen entfernt und die Modelle ohne Studiengangindikatoren in Spalte 2 und 4 geschätzt.

Auffällig ist, welche Merkmale nicht in das optimal erklärende Modell aufgenommen wurden: Alle sozialen Hintergrundmerkmale und Merkmale zum Abschluss des Bachelors fehlen in dem Endmodell. Auch die BA-Note, das zentrale Kriterium für die Zulassung zum MA-Studium, hat keinen Einfluss auf den Studienerfolg im ersten Studienjahr. Auch alle Merkmale zur Studienmotivation fehlen. Dies ist erklärlich, da fast alle Studierenden eine sehr hohe Studienmotivation angeben und das Merkmal folglich kaum Varianz besitzt. Allerdings sind die Merkmale zur Studienfinanzierung wichtig. Hier wirkt sich der Bezug von BAföG etwa im Umfang der LP von einem Modul positiv auf die erworbenen LP aus. Umgekehrt schlägt ein Nebenjob während des Semesters mit in etwa einem Modul negativ zu Buche. Allerdings wird dieser negative Effekt sofort wieder kompensiert, wenn dieser Job mit dem Studium in Verbindung steht (Variable relevanzuni). Insgesamt ist der Erklärungsgehalt dieser Merkmale mit einem \(R^{2}\) von 0,10 jedoch gering (siehe Spalte ohne Studfach).

Die mit Abstand größten und wichtigsten Effekte sind den Indikatoren für die Studiengänge zuzuordnen. Mit diesen vier Indikatoren und der Referenzkategorie MA Economics steigt das \(R^{2}\) von 0,10 auf den Wert 0,399. Insgesamt liegt der Durchschnittswert der erworbenen LP im MA Economics bei fast 40 LP. Dies ist deutlich weniger als die vom Studienplan vorgesehenen 60 LP und entspricht ungefähr den LP von 6,67 Modulen. Nicht signifikant hiervon verschieden ist die Studienleistung im MA PubEcon, der ebenfalls der VWL zugeordnet ist. Um 2 bis 3 Module höher ist die Studienleistung in den BWL-orientierten Studiengängen. Am besten schneidet hier der Studiengang M & M ab. Verzichtet man auf die Studiengang-Indikatoren, so erscheint in der daraus resultierenden Schätzung in Spalte 2 das Merkmal Geschlecht als hochsignifikant. Das Modell impliziert, dass Frauen im Mittel ein Modul mehr absolvieren als ihre männlichen Studienkollegen. Dieser sicher interessante „Befund“ ist aber nur das Artefakt einer unzureichenden Modellierung des Studienerfolgs ohne Berücksichtigung des Studiengangs und erklärt sich durch den hohen Frauenanteil (84 %) im Studiengang M & M.

Berücksichtigt man die höhere Teilnahmebereitschaft der erfolgreicheren Studierenden über das Surveygewicht LPGewicht in den Spalten 3 und 4, so verändern sich die geschätzten Koeffizienten und Signifikanzen nur unwesentlich¹⁴. Erwartungsgemäß verringert sich die Studienleistung in allen Fächern (Ausnahme Economics) etwas nach unten. Insgesamt verringern sich also die Unterschiede zwischen den Studiengängen etwas. Der Effekt eines Nebenjobs schlägt stärker negativ zu Buche. Bei den Merkmalen zur Studienfinanzierung vergrößern sich die Unterschiede in der Studienleistung als Resultat einer unterschiedlichen Studienfinanzierung. Da die Gruppe der Studierenden mit höheren Gewichtungsfaktoren nur mit 12 % an der Stichprobe beteiligt ist, ist der Effekt auf die Gesamtschätzung jedoch nur moderat.

Bei den BA-Studenten zeigte sich die Möglichkeit, schon in einer frühen Studienphase anhand der erreichten LP und der Studienmotivation am Beginn des zweiten Semesters den weiteren Erfolg des Studiums (Erwerb weiterer LP bzw. Studienabschluss) mit großer Sicherheit vorherzusagen. Als weitere erklärende Variable benutzen wir LPSem1, also die im ersten Semester erworbenen LP. Die abhängige Variable ist die Summe der in den Semestern 2, 3 und 4 erworbenen LP.

Tab. 7 zeigt das geschätzte Endmodell. Bemerkenswert ist, dass wieder die BA-Note keinen Einfluss auf den weiteren Studienerfolg hat. Im Gegensatz zur Studieneingangsphase sind die Unterschiede zwischen den Studiengängen außer bei dem Fach M & M nicht mehr signifikant. Dies ist bemerkenswert, besagt es doch, dass die Unterschiede zwischen den Studiengängen nur in der Startphase wirksam sind. Wer dort einen guten Start hatte, bleibt auch weiterhin erfolgreich. Der große positive Effekt für den Studiengang M & M (insgesamt 24,3 LP) deutet an, dass in diesem Studiengang die Anrechnung der Masterarbeiten anders reguliert wurde. Dies kann man schon Tab. 5 entnehmen, wo den M & M Studierenden im 4. Fachsemester insgesamt 60 LP gutgeschrieben wurden.

Weiterhin besitzen die Motivationsvariablen aus der Auftaktveranstaltung keinen prognostischen Wert für den weiteren Studienverlauf. Dies war bei der BA-Erhebung anders, da hier die Studienmotivation durch 6 Monate Studium und Prüfungen abgesichert war, während das Urteil bei der Auftaktveranstaltung eher durch Erwartungen an das zukünftige Studium geprägt war. Schließlich schneiden Studenten, die an der Universität arbeiten, deutlich besser ab als ihre Kommilitonen ohne einen Job an der Universität. Ziemlich überraschend ist der Befund, dass die Benutzung des Online Studienassistenten (OSA) eine um 9,7 LP verringerte Studienleistung impliziert. Dies wäre nur plausibel, wenn das OSA-System von besonders leistungsschwachen Studierenden benutzt würde. Ein signifikanter Einfluss des Merkmals Geschlecht ist nicht nachweisbar.

Die Berücksichtigung der Surveygewichte in der Spalte Mit LPGewicht vergrößert in fast allen Fällen die geschätzten Effekte der einzelnen Merkmale. Insgesamt ist der Modellfit mit einem korrigierten \(R^{2}\) von 0,488 vergleichsweise gut, so dass die LP des ersten Semesters eine zuverlässige Prognose des Studienerfolgs in allen Studiengängen gewährleisten.

Abb. 6 zeigt die Entwicklung des Bestands der FU-Studienanfänger im Master nach Fachsemestern für die Kohorten 2012/2013 bis 2015/2016. Für diese Kohorten ist der Studienverlauf bis zum 10. Fachsemester bekannt. Auf der y‑Achse ist jeweils der Studienstatus der Studierenden über dem Fachsemester abgetragen. Nach dem 6. Semester (= Regelstudienzeit plus 2 Semester) sind immerhin noch 25 % des Ausgangsbestands im Studiengang immatrikuliert, während knapp 62 % des Ausgangsbestands einen Abschluss erreicht hat. Dies ist eine deutlich höhere Erfolgsrate als in den Bachelor-Studiengängen, wo die Erfolgsquote zwei Semester nach Regelstudienzeit in der BWL 42 % und in der VWL 28 % beträgt, vgl. Abb. 4 bei Pannier et al. (2020). Auch ist der Anteil der Studierenden, die sich ohne Abschluss exmatrikulieren, bis zum 6. Semester mit 14 % des Ausgangsbestands relativ gering. Dies gilt insbesondere, weil sich schon während des ersten Semesters 6 % der Studierenden vermutlich aufgrund einer verspäteten Zulassung an einer anderen Universität gleich wieder exmatrikuliert. Beim Bachelor lag der Prozentsatz der Exmatrikulationen ohne Abschluss mit 32 % (BWL) bzw. 38 % (VWL) in Regelstudienzeit plus 2 Semester deutlich höher. Insgesamt ist also die Entwicklung des Bestands im MA-Studium deutlich stabiler als im Bachelor-Studium.

Im folgenden analysieren wir für unsere Studienkohorte WS 2018/19 die Wahrscheinlichkeit im Master-Programm einen Abschluss zu erreichen. Hierbei werden auch die Merkmale aus der Befragung berücksichtigt. Die abhängige Variable ist 1, falls ein Studienabschluss bis zum 6. Semester in den administrativen Daten registriert wird. Basis für die Berechnung sind alle Teilnehmer an der Befragung, also auch diejenigen, die bis zum 6. Fachsemester den Fachbereich ohne Abschluss verlassen haben. Insgesamt haben bis zum Ende des 6. Fachsemesters zwei Drittel (78 von 118) der Studierenden einen Master-Abschluss erreicht.

Tab. 8 zeigt die Ergebnisse einer Logitanalyse. Das Modell enthält neben der Anzahl der im ersten Studienjahr erworbenen LP (Variable LPSem1) und dem jeweiligen Studienfach (Referenzkategorie ist der Master Economics) die Hintergrundmerkmale aus der Befragung bei Studienbeginn. Dieses Startmodell enthält insbesondere auch die BA-Note. Die Auswahl der Variablen erfolgt wieder über das AIC-Kriterium. Hierbei zeigen sich Unterschiede hinsichtlich der Benutzung der Gewichtungsvariablen LPGewicht. Unter Benutzung der Gewichtungsvariablen werden in das Modell mehrere Variablen aufgenommen, die ohne Benutzung der Gewichtungsvariablen nicht im Modell erscheinen. Allerdings sind diese zusätzlichen Merkmale nur schwach signifikant. Auch ändern sich die Effekte der gemeinsamen Merkmale nur unwesentlich. Darüber hinaus hat beim kleinen Modell die Fläche unter der ROC-Kurve einen höheren Wert. Wir beschränken uns daher auf die Interpretation der Merkmale des kleineren Modells.

Die wichtigste Variable ist die während des ersten Semesters erreichte Punktzahl (Variable LPSem1). Vor diesem Indikator verblassen die zwischen den Studiengängen aufgezeigten Unterschiede im Studienerfolg. Auch die weiteren Befragungsvariablen haben keine bzw. nur eine geringe Relevanz für den Studienabschluss. Allerdings erhöht ein BA-Abschluss an der FU (Bscfu_ja) die Wahrscheinlichkeit eines Abschlusses am Fachbereich deutlich. Diesen Befund könnte man als „Heimvorteil“ aufgrund einer besseren Kenntnis des Fachbereichs und seiner Dozenten interpretieren. Wahrscheinlicher ist jedoch eine andere Interpretation. Da Studierende, die ihr Studium am Fachbereich über den Bachelor hinaus fortführen, vermutlich eine geringere Neigung haben, die Universität zu wechseln, sind in dieser Gruppe die Verluste durch einen Wechsel an einen anderen Studienort bei Fortsetzung des Studiums deutlich geringer als bei den übrigen Studierenden. Da mit unseren Daten Wechsel an einen anderen Studienort nicht von einem Studienabbruch unterschieden werden können, ist der FU-Indikator vermutlich nur ein Indikator für eine verringerte Universitätswechselneigung.

Die Klassifikationsmatrix dieses Modells ist in Tab. 9 wiedergegeben. Für die Klassifikation über die geschätzten Wahrscheinlichkeiten wird ein Schwellenwert über den Youden-Index geschätzt. Dieser liefert den Schwellenwert 0,557; d. h. ist die geschätzte Wahrscheinlichkeit über das Logit-Modell größer als 0,557, so wird die Beobachtung als Absolvent klassifiziert. Die Rate der korrekten Klassifikationen beträgt 81 %. Somit gestattet allein die Kenntnis der im ersten Semester in einem Studiengang erreichten LP zusammen mit den Ort der Hochschulberechtigung eine sehr genaue Prognose des Studienerfolgs.

Die Abschlussnote des MA-Studiums ist eine weitere Dimension des Studienerfolgs. Zunächst analysieren wir, ob die Abschlussnote des Bachelor-Studiums ein guter Prädiktor für eine gute Note im MA-Studium ist. Daran anschließend untersuchen wir, ob ein längeres Studium zu besseren Noten verhilft. Schließlich überprüfen wir alle Merkmale der Umfrage simultan auf ihren Einfluss auf die Abschlussnote.

Das Projekt Studienverläufe ist ein Pilotprojekt ohne Routineerfahrung aus früheren Erhebungen. Von daher wurden die beteiligen Studiengänge gebeten, sich zu den Resultaten der Studie zu äußern. Zu diesem Zweck wurde eine Vorfassung dieses Berichts an die Studiengangskoordinatoren versendet und um Kommentierung gebeten.

Das hier beschriebene Konzept einer Kombination von studentischer Umfrage und administrativen Prüfungsdaten wurde erfolgreich für einen Vergleich von fünf Master-Programmen am Fachbereich Wirtschaftswissenschaft der FU Berlin benutzt. Es konnte gezeigt werden, dass bei dieser Umfrage ein Erfolgsbias existiert: d. h. die Verteilung der erzielten LP war bei den Teilnehmern der Umfrage zu höheren Werten hin verschoben. Allerdings kann dieser Bias mit Hilfe der administrativen Prüfungsdaten gut kontrolliert werden. Weiterhin ist die Unterrepräsentation der Studierenden mit schwächeren Leistungsergebnissen eher moderat. Jedoch deutet dieser Befund darauf hin, dass Standardbefragungen unter Studierenden beziehungsweise Absolventen mit Abschluss, die lediglich nach Studiengang und Geschlecht kontrollieren²², zu optimistisch sind.

Die Ergebnisse zeigen, dass die Studierenden bei der Auftaktveranstaltung ihres Studiengangs mit ihrem vorherigen Bachelor-Studium zufrieden sind, das sie in ihrer Wahl des MA-Studiums bestärkt hat. Die Wahl des Studiengangs war in den meisten Fällen ihre erste Wahloption gewesen. Überraschenderweise haben drei Viertel der Studierenden nicht ihren Bachelor an der FU gemacht. Dies zeigt eine hohe Fluktuation der Studierenden zwischen den Universitätsstandorten an. Ebenfalls überraschend ist, dass ein „Heimvorteil“ eines Studiums am bisherigen Fachbereich keine Vorteile beim Erwerb von LP oder bei der Bewertung der Masterarbeit erbringt. Ein Heimvorteil beim Abschluss des MA-Studiums könnte als Hinweis auf eine geringe Neigung die Universität zu wechseln interpretiert werden. Allerdings gibt es bei einem Studiengang Hinweise darauf, dass ein BA-Abschluss am selben Fachbereich Vorteile beim Zulassungsverfahren erbrachte, wenn das Zulassungsverfahren neben der Note zusätzlich Auswahlgespräche beinhaltet.

Misst man den Studienerfolg über die Anzahl der erworbenen LP im ersten Studienjahr, so zeigt sich, dass die Studienfinanzierung ein wichtiger Parameter ist. So erweist sich ein Job neben dem Studium als nachteilig für den Erwerb von LP. Umgekehrt fördert der Bezug des BAföG den Erwerb von LP. Der elterliche Bildungshintergrund besitzt jedoch keinen Einfluss auf den Studienerfolg.

Sobald man jedoch auf den Studienerfolg in der Startphase konditioniert, verschwindet der Einfluss des familiären, finanziellen und schulischen Hintergrunds der Studierenden. Lediglich ein Job an der Universität wirkt sich positiv auf weitere Leistungen in der zweiten Studienphase aus. Die Chancen für einen erfolgreichen Abschluss des MA-Studiums verringern sich deutlich, wenn die Hochschulreife im Ausland erworben wurde.

Die wichtigste Variable zur Erklärung des Studienerfolgs ist die Unterscheidung nach den Studiengängen. Hier wurden drei Aspekte untersucht: der Erwerbs von LP in der Studieneingangsphase, der Erwerb von LP bis zum 4. Semester sowie der Studienabschluss bis zum 6. Semester. Es zeigt sich, dass sich die Studiengänge in der Studieneingangsphase deutlich unterscheiden, wobei die Studiengänge aus dem BWL-Bereich deutlich besser abschneiden als aus dem VWL-Bereich. Bei dem Erwerb weiterer LP in den späteren Semestern ergeben sich keine Hinweise auf Unterschiede zwischen den Studiengängen: Ein guter Student aus dem Economics Studiengang erwirbt im Schnitt genau so viele LP wie gute Studierende aus den BWL-Studiengängen. Die Unterschiede in der Studieneingangsphase können Resultat einer verbindlicheren Planung der BWL-Studiengänge sein. Weiterhin zeigen sich zwischen den Studiengängen deutliche Unterschiede in der Abschlussnote.

Eines der wesentlichen Ergebnisse der BA-Studie von Pannier et al. (2020) war die gute Prognostizierbarkeit des Studienabschlusses auf Basis der erreichten LP im ersten Semester und der Selbsteinschätzung der Studierenden am Beginn des zweiten Semesters, ob sie das Studium zu Ende führen werden. Dies ermöglicht eine frühzeitige Betreuung der Studierenden mit Abbruchneigung. Im dieser Studie liegen die Dinge nicht so einfach. Zum einen fehlt eine Selbsteinschätzung der Studierenden nach Absolvierung des ersten Fachsemesters. Ein derartiges Votum könnte aber von den Studierenden im laufenden Studium eingeholt werden. Hier erscheint der Beginn des 2. Fachsemesters, wenn die Prüfungsergebnisse aus dem 1. Fachsemester vorliegen, die günstigste Wahl. Immerhin erreicht allein eine Prognose für den Abschluss des Studiengangs auf Basis der Leitungspunkte im ersten Semester zusammen mit der Information über den Hochschulzugang (FH oder Uni) und eine ausländische Hochschulzugangsberechtigung eine Prognosegüte von 81 %. Diese Prognosegüte könnte für ein Mentoring nach dem ersten Semester genutzt werden.

Die Zulassungsnote zum MA-Studium basiert im wesentlichen auf der BA-Note. Da diese Note aus demselben Ausbildungssystem stammt, ist man geneigt, ihr auch einen prognostischen Wert für die zweite Ausbildungsphase, das MA-Studium, zuzubilligen. Allerdings stützen unsere empirischen Befunde diese Erwartung nicht: Beim Studienerfolg gemessen in LP im ersten Studienjahr ist die Zulassungsnote insignifikant. Beim Studienerfolg in der zweiten Studienphase ist die Zulassungsnote ebenfalls irrelevant. Für den Abschluss des Studiums ergibt sich ebenfalls kein feststellbarer Einfluss der BA-Note. Schließlich haben wir noch einen Zusammenhang zwischen der MA-Note und der BA-Note geprüft Für die Studienabschlüsse bis zum 6. Fachsemester besteht bei einem \(R^{2}\) von 0,11 jedoch praktisch kein zuverlässiger Zusammenhalt zwischen der Zulassungsnote und der erzielten Abschlussnote. Insgesamt stellt der sehr schwache Zusammenhang zwischen der BA- und der MA-Note die Rolle der BA-Note als wichtigstes Kriterium bei der Zulassung zum MA-Studium in Frage. Zumindest lässt sie keine zuverlässigen prognostischen Aussagen über den späteren Studienerfolg zu.

Der Einfluss der Hintergrund- und Motivationsmerkmale war bei den ersten drei Analyseschritten (Studieneingangsphase, Studienendphase und Abschluss des Studiums) bis auf wenige Ausnahmen eher gering. Im letzten Analyseschritt (Note des MA-Abschlusses) ergaben sich jedoch vielfältige und gut interpretierbare Effekte.

Insgesamt eröffnet die hier vorgestellte Kombination von Hintergrunds- und Motivationsmerkmalen mit administrativen Prüfungsdaten neuartige Möglichkeiten zur Beurteilung des Erfolgs einzelner Studiengänge. Dieser Ansatz erfordert neben der Beachtung der Bestimmungen zum Datenschutz auch eine Kooperation mit den Dozenten, die die Hörsaalbefragung durchführen, sowie mit den Betreuern der jeweiligen Studiengänge, die die Details der einzelnen Studiengänge genau kennen. Das hier beschriebene Projekt war als Pilotprojekt angelegt. Die erzielten Ergebnisse motivieren weitere Anwendungen dieses Ansatzes.