2 min read

Zusammenhang von Lernen und Noten im Statistikunterricht

Führt Lernen zu besseren Noten? Eigene Erfahrung und allgemeiner Konsens stimmen dem zu; zumindest schadet Lernen des Stoffes nicht und hilft oft, gute Noten bei einer Prüfung zu diesem Stoff zu erzielen. Aber welche Belege, wissenschaftliche Belege gibt es dazu? An unserer Hochschule, die FOM, haben wir eine kleine Untersuchung zu dieser Frage durchgeführt. Genauer gesagt haben wir unseren Studierenden einen Statistik-Test vorlegt und gefagt, wie sehr sie sich für diesen Test vorbereitet hätten. Den Zusammenhang dieser beiden Größe haben wir dann ausgewertet; die folgende Abbildung zeigt das Ergebnis:

data(stats_test, package = "pradadata")

library(tidyverse)


stats_test %>% 
  select(bestanden, study_time, score) %>% 
  na.omit() %>% 
  ggplot(aes(x = factor(study_time), y = score)) +
  geom_jitter(aes(color = bestanden), alpha = .56) +
  geom_boxplot(alpha = .7) +
  geom_smooth(aes(group = 1), method = "lm", se = FALSE) +
  theme(legend.position = "bottom") +
  labs(y = "Prozent richtiger Lösungen",
       x = "Lernaufwand",
       title = "Mehr Lernen, bessere Noten",
       subtitle = "Der Zusammenhang von Lernzeit und Klausurerfolg in der Statistik",
       caption = paste0("n = ", nrow(stats_test), " Studenten")) +
  scale_color_viridis_d()


#ggsave( filename = "Zusammenhang-Lernen-Noten.pdf", width = 8, height = 5)

stats_test %>% 
  filter(study_time %in% 1:5) %>%
  select(study_time, score) %>% 
  drop_na() %>% 
  cor()
#>            study_time     score
#> study_time  1.0000000 0.4125879
#> score       0.4125879 1.0000000

Eine starke Korrelation von \(r=.41\)! Das geht jedem Dozenten runter wie Öl …

Umgekehrt gefragt: Diejenigen, die bestanden haben, haben die mehr gelernt?

library(viridis)
stats_test %>% 
  drop_na(bestanden, score, study_time) %>% 
  ggplot(aes(x = bestanden, y = study_time)) +
  geom_boxplot(width = .5) +
  geom_point(aes(color = study_time),
             position = "jitter",
             alpha = .8) +
  scale_color_viridis()

Man sieht, dass der Anteil der “Viellerner” (gelb, grün) bei der Gruppe bestanden == "ja" größer ist.

Stellen wir die obige Grafik noch einmal anders dar:

stats_test %>% 
  drop_na(bestanden, score, study_time) %>% 
  ggplot(aes(fill = bestanden, x = study_time)) +
  geom_bar(position = "fill") +
  scale_fill_viridis(discrete = TRUE)

Das Diagramm spricht für sich: Der Anteil der Durchfaller (gelb) sinkt deutlich, wenn die Lernzeit steigt.

Fazit

You life, you learn.