Digitalisierung in der Statistikgrundausbildung
Bachelor, Lehramt, Master
Studienform
Förderprogramm / Auszeichnung
In den Grundlagenveranstaltungen Deskriptive und Induktive Statistik werden Studierenden der wirtschaftswissenschaftlichen Fakultät der UDE fundamentale Konzepte und Methoden der Statistik vermittelt. Die Kursinhalte umfassen ein umfangreiches digitales Lernangebot, das stetig weiterentwickelt wird. Mithilfe des E-Assessment-Systems JACK können die Studierenden flexibel und ortsunabhängig lernen und erhalten dennoch unverzüglich individuelles Feedback.
Die Studierendenschaft der Universität Duisburg-Essen ist durch eine ausgeprägte Heterogenität gekennzeichnet: Viele Studierende pendeln im Ruhrgebiet und stehen neben dem Studium vor familiären, beruflichen oder ehrenamtlichen Verpflichtungen. Klassische Lehrformate stoßen da schnell an Grenzen, da eine individuelle Betreuung mit den verfügbaren personellen Ressourcen kaum realisierbar ist.
Genau hier setzt das PITCH-Projekt (Prüfungen innovieren, Transfer schaffen, Chancengerechtigkeit fördern) an. Die Lehr-Lerninnovation wurde in den Grundlagenveranstaltungen Deskriptive und Induktive Statistik implementiert, die sich an Studierende verschiedener Studiengänge der wirtschaftswissenschaftlichen Fakultät richten. Statistik gilt erfahrungsgemäß als eine der größeren Hürden im Studium. Das Verständnis grundlegender theoretischer Konzepte stellt dabei eine besondere Herausforderung dar. Praxisbeispiele und Simulationen in der Programmiersprache R können das konzeptuelle Verständnis gezielt fördern. Da das Verständnis für Programmierung in der modernen Statistik einen zentralen Stellenwert einnimmt, war es ein wesentliches Anliegen, Studierende frühzeitig an statistische Programmiersprachen heranzuführen und typische Einstiegshürden bei der Nutzung von R systematisch abzubauen.
Ziel war es daher, ein digitales, kompetenzorientiertes Lehr- und Prüfungsangebot zu entwickeln, das Flexibilität und individuelle Förderung miteinander verbindet, den Einsatz von R systematisch integriert und durch datengestützte Erkenntnisse kontinuierlich weiterentwickelt werden kann.
Das didaktische Design orientiert sich am Thresholdkonzept (Cousin, 2006) und verfolgt das Ziel, nicht bloßes Faktenwissen zu vermitteln, sondern fachliche, methodische und anwendungsbezogene Kompetenzen nachhaltig zu fördern. Im Mittelpunkt steht dabei die enge Verzahnung von statistischer Theorie und praktischer Anwendung unter anderem mithilfe der Programmiersprache R.
Das Lernangebot gliedert sich in drei aufeinander abgestimmte Elemente: Vorlesung, Übung und ein digitales Lehrangebot. Im digitalen Lehrangebot steht den Studierenden über das E-Assessment-System JACK jederzeit und ortsunabhängig während des gesamten Semesters ein Übungskurs mit umfangreichen Aufgaben gegliedert nach den Vorlesungskapiteln zur Verfügung. JACK wurde von der Arbeitsgruppe Paluno entwickelt und ist mittlerweile auch am ZIM der UDE verortet. Die Plattform ermöglicht es, verschiedene Aufgabentypen automatisiert auszuwerten und den Studierenden unmittelbares, individuelles Feedback zu geben. Neben den klassischen digitalen Aufgabentypen Multiple-Choice, Fill-In und Drag and Drop bietet JACK auch die Möglichkeit an Programmieraufgaben in R oder Python zu stellen und automatisiert auszuwerten. Die Übungskurse des Lehrstuhls stehen als OER auf dem JACK ORCA Server zur Verfügung.
Ein zentrales didaktisches Merkmal ist die Randomisierung von Aufgaben über Variablen. Dadurch erhalten Studierende inhaltlich vergleichbare, aber unterschiedliche Aufgaben, was das Erlernen von Kompetenzen fördert und das bloße Auswendiglernen von Lösungen verhindert. Dies trägt nicht nur zur Lernqualität bei, sondern erhöht auch die Prüfungsintegrität.
Um regelmäßiges und selbstorganisiertes Lernen zu fördern, sind fünf Testate über das Semester verteilt, die Studierende zur kontinuierlichen Auseinandersetzung mit den Inhalten motivieren und das Sammeln von Bonuspunkten ermöglichen. Auch die Abschlussklausuren werden direkt in JACK geschrieben, was den Korrekturaufwand für Lehrende erheblich reduziert und gleichzeitig eine konsistente, objektive Bewertung sicherstellt.
Ein weiterer wesentlicher Bestandteil des Lösungsansatzes ist der Einsatz von Learning Analytics auf Basis der in JACK gesammelten Daten. Diese ermöglichen es, besonders herausfordernde Themenfelder zu identifizieren, inhaltliche Zusammenhänge neu zu bewerten und die Lehre kontinuierlich datengestützt weiterzuentwickeln.
Durch die Integration von R-Programmieraufgaben direkt in JACK entfällt zudem die Notwendigkeit einer lokalen Installation der Software auf den Geräten der Studierenden. Dies senkt die technischen Einstiegshürden erheblich und ermöglicht einen niedrigschwelligen Zugang zur Programmierung unabhängig von den technischen Voraussetzungen der Studierenden bzw. deren Endgeräte.
Insgesamt konnten wir eine grundlegende Weiterentwicklung auf methodischer, medialer und prüfungsdidaktischer Ebene beobachten. Das Lehrangebot ist flexibler, individueller und kompetenzorientierter geworden und gleichzeitig ist die Skalierbarkeit bei großen Lehrveranstaltungen gestiegen. Dies zeigt sich nicht zuletzt auch darin, dass andere Grundlagenkurse immer mehr auf digitale Angebote mit JACK setzen.
Quelle:
Cousin, G. (2006). An introduction to threshold concepts. Planet, 17(1), 4–5. https://doi.org/10.11120/plan.2006.00170004
Die Erfahrungen aus dem Projekt sind durchweg positiv. Die Veranstaltungen werden regelmäßig im üblichen Evaluationszyklus bewertet, und die Ergebnisse haben sich im Verlauf des Projekts kontinuierlich positiv entwickelt. Auch die direkten Rückmeldungen der Studierenden sind überwiegend sehr positiv: Insbesondere die Flexibilität des digitalen Übungskurses, das unmittelbare automatisierte Feedback sowie die Möglichkeit, R-Programmierkenntnisse direkt in der Plattform zu erwerben und zu üben, werden von den Studierenden sehr geschätzt. Die Lehr-Lerninnovation ist und bleibt fester Bestandteil des Lehrkonzepts. In den kommenden Semestern werden weitere Lehrveranstaltungen durch JACK-basierte Kursangebote ergänzt. Darüber hinaus entwickelt der Lehrstuhl gegenwärtig einen Blended-Learning-Kurs in JACK, der die Verzahnung von digitalen und Präsenzlehrelementen weiter stärken soll.
Ein aktueller Schwerpunkt liegt auf der kritischen Auseinandersetzung mit den Auswirkungen von KI-gestützten Tools auf das bestehende Lehrangebot. Um die Prüfungsintegrität langfristig zu sichern, werden die semesterbegleitenden Testate künftig beaufsichtigt durchgeführt. Gleichzeitig wird das Angebot durch die KI-Plattform Acemate erweitert, die das klassische Diskussionsforum teilweise ersetzen soll. Denn das traditionelle Forenformat stößt in der Praxis an zwei wesentliche Grenzen: Zum einen stellen Studierende viele Fragen nicht öffentlich, zum anderen ist der Betreuungsaufwand für Lehrende vergleichsweise hoch. Acemate soll hier Abhilfe schaffen, indem es Studierenden einen niedrigschwelligen, anonymen Zugang zu Unterstützung bietet und Lehrende gleichzeitig entlastet.
Insgesamt verfolgt der Lehrstuhl damit einen Ansatz, der technische Innovation, didaktische Qualität und die spezifischen Bedürfnisse der Studierendenschaft konsequent miteinander verbindet.
Mehr zum PITCH-Projek: https://www.uni-due.de/pitch/
Zur JACK-Serviceseite: https://www.uni-due.de/zim/services/jack.php
JACK ORCA
Deskriptive Statistik:
https://jack-demo.s3.uni-due.de/orca/user/courseOverview.xhtml?courseOffer=16280&redirect=true
Induktive Statistik:
https://jack-demo.s3.uni-due.de/orca/user/courseOverview.xhtml?courseOffer=16282&redirect=true
Hanck, Christoph, und Jens Klenke. „Aspekte des digitalen Lehrens und Prüfens: Überblick und neuere Entwicklungen im Fach Statistik: Technische und didaktische Konzepte für die Hochschullehre“. Prüfungen digital gestalten, herausgegeben von Nicole Auferkorte-Michaelis u. a., 1. Aufl., Verlag Barbara Budrich, 2025, S. 157–67, https://doi.org/doi:10.3224/84743098.
Zuletzt aktualisiert: Mai 22, 2026
Jens Klenke, M.Sc.
Fakultät für Wirtschaftswissenschaften
Lehrstuhl für Ökonometrie
jens.klenke@vwl.uni-due.de
(0201) - 183 6917
Prof. Dr. Christoph Hanck
Fakultät für Wirtschaftswissenschaften
Lehrstuhl für Ökonometrie
christoph.hanck@vwl.uni-due.de
(0201) - 183 2263
