Skip to main content
SpringerLink
Log in

Vorkurse und ihre Wirkungen im Übergang Schule – Hochschule

  • Chapter
  • First Online:
Unterstützungsmaßnahmen in mathematikbezogenen Studiengängen

Zusammenfassung

Dieses Kapitel stellt umfassend Methoden, Instrumente und Ergebnisse aus dem WiGeMath-Projekt zur Evaluation und Wirkungen von Vorkursen im Übergang von der Schule zur Hochschule vor. Dabei werden Determinanten der Teilnahme an Vorkursen, Vorkurserwartungen und Vorkursziele und kurz- und mittelfristige Wirkungen von Vorkursen auf mathematische Kenntnisse und Kompetenzen sowie affektive Merkmale und Arbeitsweisen untersucht. Die Stichprobe setzt sich aus elf verschiedenen Vorkursen an sieben deutschen Universitäten zusammen, die sich an Studierende der Mathematik (Bachelor oder gymnasiales Lehramt) oder der Ingenieurswissenschaften richten. Enthalten sind sowohl Präsenz- als auch Onlinekurse.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 64.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Similar content being viewed by others

Notes

  1. 1.

    Einige Passagen in diesem Kapitel sind wörtlich aus dem nicht in Buchform publizierten Abschlussbericht des WiGeMath-Projekts (Hochmuth et al., 2018) übernommen worden, ohne dies als Zitat kenntlich zu machen.

Literatur

  • Abel, H., & Weber, B. (2014). 28 Jahre Esslinger Modell – Studienanfänger und Mathematik. In I. Bausch, R. Biehler, R. Bruder, R. Fischer, R. Hochmuth, W. Koepf, S. Schreiber, & T. Wassong (Hrsg.), Mathematische Vor- und Brückenkurse: Konzepte, Probleme und Perspektiven (S. 9–19). Springer Fachmedien. https://doi.org/10.1007/978-3-658-03065-0_2.

  • Austerschmidt, K., Bebermeier, S., & Nussbeck, F. W. (2021). Nutzung und Effekte mathematischer Vorkurse in verschiedenen Studienfächern. Die Hochschullehre 7(16), 126–142.https://doi.org/10.3278/HSL2116W.

  • Bebermeier, S., & Austerschmidt, K. (2018). Wie werden Unterstützungsmaßnahmen in Fächern mit mathematischen Studieninhalten genutzt und was bewirken sie? In Fachgruppe Didaktik der Mathematik der Universität Paderborn (Hrsg.), Beiträge zum Mathematikunterricht 2018 (S. 213–216). WTM.

    Google Scholar 

  • Berndt, S. (2018). Welches Unterstützungspotential besitzen Vorkurse in der Studieneingangsphase? Eine kritische Überprüfung der Wirkung des Vorkursprogramms „MINT@OVGU“. In Fachgruppe Didaktik der Mathematik der Universität Paderborn (Hrsg.), Beiträge zum Mathematikunterricht 2018 (S. 257–260). WTM.

    Google Scholar 

  • Berndt, S., & Felix, A. (2021). Intendierte Wirkungen von MINT-Vorkursen im Studienverlauf. Methodische Herausforderungen der Evaluation von Unterstützungsangeboten am Beispiel einer Längsschnittstudie an vier deutschen Universitäten. Zeitschrift für Evaluation, 2021(1), 37–74. https://doi.org/10.31244/zfe.2021.01.03.

  • Berndt, S., Felix, A., & Anacker, J. (2021). Die Wirkungen von MINT-Vorkursen – ein systematischer Literaturreview. ZfHE, 16(1), 97–116. https://doi.org/10.3217/zfhe-16-01/06.

    Article  Google Scholar 

  • Biehler, R., Hänze, M., Hochmuth, R., Becher, S., Fischer, E., Püschl, J., & Schreiber, S. (2018a). Lehrinnovation in der Studieneingangsphase „Mathematik im Lehramtsstudium“ – Hochschuldidaktische Grundlagen, Implementierung und Evaluation - Gesamtabschlussbericht des BMBF-Projekts LIMA 2013 – Reprint mit Anhängen. Khdm-Report 18–07. Universität Kassel. https://doi.org/10.17170/kobra-2018111412.

  • Biehler, R., Lankeit, E., Neuhaus, S., Hochmuth, R., Kuklinski, C., Leis, E., Liebendörfer, M., Schaper, N., & Schürmann, M. (2018b). Different goals for pre-university mathematical bridging courses – Comparative evaluations, instruments and selected results. In V. Durand-Guerrier, R. Hochmuth, S. Goodchild, & N. M. Hogstad (Hrsg.), PROCEEDINGS of INDRUM 2018: Second conference of the International Network for Didactic Research in University Mathematics (S. 467–476). University of Agder and INDRUM: Kristiansand, Norway.

    Google Scholar 

  • Blömeke, S. (2009). Ausbildungs- und Berufserfolg im Lehramtsstudium im Vergleich zum Diplom-Studium – Zur prognostischen Validität kognitiver und psycho-motivationaler Auswahlkriterien. Zeitschrift für Erziehungswissenschaft, 12(1), 82–110. https://doi.org/10.1007/s11618-008-0044-0.

    Article  Google Scholar 

  • Blossfeld, H.-P., & von Maurice, J. (2011). Education as a lifelong process. Bildung als lebenslanger Prozess. Zeitschrift für Erziehungswissenschaft 14(S2), 19–34. https://doi.org/10.1007/s11618-011-0179-2.

  • Büchele, S. (2020). Should we trust math preparatory courses? An empirical analysis on the impact of students’ participation and attendance on short- and medium-term effects. Economic Analysis and Policy, 66, 154–167. https://doi.org/10.1016/j.eap.2020.04.002.

    Article  Google Scholar 

  • Büchele, S., & Voßkamp, R. (2021). Wirkungsevaluation von mathematikpropädeutischen Maßnahmen in den Wirtschaftswissenschaften. In: Tagungsband Perspektiven für Studierenden-Erfolg. Gelingensbedingungen, Stolpersteine und Wirkung von Maßnahmen. Kaiserslautern: KLUEDO. https://doi.org/10.26204/KLUEDO/6418.

  • Derr, K., Jeremias, X. V., & Schäfer, M. (2016). Optimierung von (E-)Brückenkursen Mathematik: Beispiele von drei Hochschulen. In A. Hoppenbrock, R. Biehler, R. Hochmuth, & H.-G. Rück (Hrsg.), Lehren und Lernen von Mathematik in der Studieneingangsphase (S. 115–129). Springer Fachmedien. https://doi.org/10.1007/978-3-658-10261-6_8.

  • Fischer, P. R. (2014). Mathematische Vorkurse im Blended-Learning-Format: Konstruktion, Implementation und wissenschaftliche Evaluation. Springer Fachmedien. https://doi.org/10.1007/978-3-658-05813-5.

    Book  Google Scholar 

  • Frank, A., & Kaduk, S. (2017). Lehrveranstaltungsevaluation als Ausgangspunkt für Reflexion und Veränderung. Teaching Analysis Poll (TAP) und Bielefelder Lernzielorientierte Evaluation (BiLOE). In Arbeitskreis Evaluation und Qualitätssicherung der Berliner und Brandenburger Hochschulen und Freie Universität Berlin (Hrsg.), QM-Systeme in Entwicklung: Change (or) Management? Tagungsband der 15. Jahrestagung des Arbeitskreises Evaluation und Qualitätssicherung der Berliner und Brandenburger Hochschulen am 2./3. März 2016 (S. 39–51).

    Google Scholar 

  • Frey, A., Taskinen, P., Schütte, K., & PISA-Konsortium Deutschland. (2009). PISA 2006 Skalenhandbuch. Dokumentation der Erhebungsinstrumente. Waxmann.

    Google Scholar 

  • Göller, R., Kortemeyer, J., Liebendörfer, M., Biehler, R., Hochmuth, R., Krämer, J., Ostsieker, L., & Schreiber, S. (2013). Instrumentenentwicklung zur Messung von Lernstrategien in mathematikhaltigen Studiengängen. In G. Greefrath (Hrsg.), Beiträge zum Mathematikunterricht 2013 (S. 360–363). WTM.

    Google Scholar 

  • Götz, T. (2004). Emotionales Erleben und selbstreguliertes Lernen bei Schülern im Fach Mathematik. Utz.

    Google Scholar 

  • Gradwohl, J., & Eichler, A. (2018). Predictors of performance in engineering mathematics. In V. Durand-Guerrier, R. Hochmuth, S. Goodchild, & N. M. Hogstad (Hrsg.), PROCEEDINGS of INDRUM 2018: Second conference of the International Network for Didactic Research in University Mathematics (S. 125 – 134). University of Agder and INDRUM: Kristiansand, Norway.

    Google Scholar 

  • Greefrath, G., & Hoever, G. (2016). Was bewirken Mathematik-Vorkurse? Eine Untersuchung zum Studienerfolg nach Vorkursteilnahme an der FH Aachen. In A. Hoppenbrock, R. Biehler, R. Hochmuth, & H.-G. Rück (Hrsg.), Lehren und Lernen von Mathematik in der Studieneingangsphase: Herausforderungen und Lösungsansätze (S. 517–530). Springer Fachmedien. https://doi.org/10.1007/978-3-658-10261-6_33.

  • Greefrath, G., Hoever, G., Kürten, R., & Neugebauer, C. (2015). Vorkurse und Mathematiktests zu Studienbeginn – Möglichkeiten und Grenzen. In J. Roth, T. Bauer, H. Koch, & S. Prediger, (Hrsg.), Übergänge konstruktiv gestalten: Ansätze für eine zielgruppenspezifische Hochschuldidaktik Mathematik (S. 19–32). Springer Fachmedien. https://doi.org/10.1007/978-3-658-06727-4_2.

  • Greefrath, G., Koepf, W., & Neugebauer, C. (2016). Is there a link between preparatory course attendance and academic success? A case study of degree programmes in electrical engineering and computer science. International Journal of Research in Undergraduate Mathematics Education, 3(1), 143–167. https://doi.org/10.1007/s40753-016-0047-9.

    Article  Google Scholar 

  • Großmann, D., & T. W. (Hrsg.). (2016). Evaluation von Studium und Lehre. Grundlagen, methodische Herausforderungen und Lösungsansätze. Springer Fachmedien. https://doi.org/10.1007/978-3-658-10886-1.

  • Hainmueller, J. (2012). Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies. Political Analysis, 20(1), 25–46. https://doi.org/10.1093/pan/mpr025.

    Article  Google Scholar 

  • Ho, D. E., Imai, K., King, G., & Stuart, E. A. (2011). MatchIt: Nonparametric Preprocessing for Parametric Causal Inference. Journal of Statistical Software, 42(8), 1–28. https://doi.org/10.18637/jss.v042.i08.

  • Hochmuth, R., Biehler, R., Schaper, N., Kuklinski, C., Lankeit, E., Leis, E., Liebendörfer, M., & Schürmann, M. (2018). Wirkung und Gelingensbedingungen von Unterstützungsmaßnahmen für mathmatikbezogenes Lernen in der Studieneingangsphase: Schlussbericht: Teilprojekt A der Leibniz Universität Hannover, Teilprojekte B und C der Universität Paderborn: Berichtszeitraum: 01.03.2015–31.08.2018. TIB. https://doi.org/10.2314/KXP:1689534117.

  • Hochmuth, R., Schaub, M., Seifert, A., Bruder, R., & Biehler, R. (2019). The VEMINT-Test: Underlying Design Principles and Empirical Validation. In U. T. Jankvist, M. Van den Heuvel-Panhuizen, & M. Veldhuis (Hrsg.), Proceedings of the Eleventh Congress of the European Society for Research in Mathematics Education (CERME11, February 6 – 10, 2019) (S. 2526–2533). Utrecht: Freudenthal Group & Freudenthal Institute, Utrecht University and ERME.

    Google Scholar 

  • Hoever, G., & Greefrath, G. (2018). Vorkenntnisse von Studienanfänger/innen, Vorkursteilnahme und Studienerfolg – Untersuchungen in Studiengängen der Elektrotechnik und der Informatik an der FH Aachen. In Fachgruppe Didaktik der Mathematik der Universität Paderborn (Hrsg.), Beiträge zum Mathematikunterricht 2018 (S. 803–806). WTM.

    Google Scholar 

  • Johnson, P., & O’Keeffe, L. (2016). The effect of a pre-university mathematics bridging course on adult learners’ self-efficacy and retention rates in STEM subjects. Irish Educational Studies, 35(3), 233–248. https://doi.org/10.1080/03323315.2016.1192481.

    Article  Google Scholar 

  • Karapanos, M., & Pelz, R. (2021). Wer besucht Mathematikvorkurse? Zeitschrift für Erziehungswissenschaft, 24, 1231–1252. https://doi.org/10.1007/s11618-021-01035-2.

  • Kempen, L., & Lankeit, E. (2021). Analog wird digital. Die Produktion von mathematischen Vorlesungsvideos in Zeiten der Corona-Pandemie am Beispiel zweier Vorkurse. In I. Neiske, J. Osthushenrich, N. Schaper, U. Trier, & N. Vöing (Hrsg.), Hochschule auf Abstand. Ein multiperspektivischer Zugang zur digitalen Lehre (S. 169–185). Transcript. https://doi.org/10.14361/9783839456903-012.

  • Krüger-Basener, M., & Rabe, D. (2014). Mathe0 – der Einführungskurs für alle Erstsemester einer technischen Lehreinheit. In I. Bausch, R. Biehler, R. Bruder, P. Fischer, R. Hochmuth, W. Koepf, S. Schreiber, & T. Wassong (Hrsg.), Mathematische Vor- und Brückenkurse: Konzepte, Probleme und Perspektiven (S. 309–323). Springer Fachmedien. https://doi.org/10.1007/978-3-658-03065-0_21 .

  • Kürten, R. (2020). Mathematische Unterstützungsangebote für Erstsemesterstudierende. Entwicklung und Erforschung von Vorkurs und begleitenden Maßnahmen für die Ingenieurswissenschaften. Springer Fachmedien. https://doi.org/10.1007/978-3-658-30225-2.

  • Laging, A., & Voßkamp, R. (2017). Determinants of maths performance of first-year business administration and economics students. International Journal of Research in Undergraduate Mathematics Education, 3(1), 108–142. https://doi.org/10.1007/s40753-016-0048-8.

    Article  Google Scholar 

  • Lang, J. W. B., & Kersting, M. (2007). Langfristige Effekte von regelmäßigem Feedback aus studentischen Lehrveranstaltungsevaluationen. In A. Kluge & K. Schüler (Hrsg.), Qualitätssicherung und -entwicklung an Hochschulen: Methoden und Ergebnisse (S. 159–167). Pabst Science Publishers.

    Google Scholar 

  • Lave, C. A. (1970). The demand for urban mass transportation. The Review of Economics and Statistics, 52(3), 320–323. https://doi.org/10.2307/1926301.

    Article  Google Scholar 

  • Liebendörfer, M., Gildehaus, L., & Göller, R. (2020). Geschlechterunterschiede beim Einsatz von Lernstrategien in Mathematikveranstaltungen. In H.-S. Siller, W. Weigel, & F. Wörler (Hrsg.), Beiträge zum Mathematikunterricht 2020 (S. 1409–1412). WTM. https://doi.org/10.37626/ga9783959871402.0.

  • Liebendörfer, M., Göller, R., Biehler, R., Hochmuth, R., Kortemeyer, J., Ostsieker, L., Rode, J., & Schaper, N. (2021). LimSt – Ein Fragebogen zur Erhebung von Lernstrategien im mathematikhaltigen Studium. Journal für Mathematik-Didaktik, 42(1), 25–59. https://doi.org/10.1007/s13138-020-00167-y.

    Article  Google Scholar 

  • Mallik, G., & Lodewijks, J. (2010). Student performance in a large first year economics subject: Which variables are significant? Economic Papers: A journal of applied economics and policy, 29(1), 80–86. https://doi.org/10.1111/j.1759-3441.2010.00051.x.

    Article  Google Scholar 

  • Rach, S. (2014). Charakteristika von Lehr-Lern-Prozessen im Mathematikstudium: Bedingungsfaktoren für den Studienerfolg im ersten Semester. Waxmann.

    Google Scholar 

  • Rach, S., Heinze, A., & Ufer, S. (2014). Welche mathematischen Anforderungen erwarten Studierende im ersten Semester des Mathematikstudiums? Journal für Mathematik-Didaktik, 35(2), 205–228. https://doi.org/10.1007/s13138-014-0064-7.

    Article  Google Scholar 

  • Rakoczy, K., Buff, A., & Lipowsky, F. (2005). Dokumentation der Erhebungs- und Auswertungsinstrumente zur schweizerisch-deutschen Videostudie “Unterrichtsqualität, Lernverhalten und mathematisches Verständnis”, 1. Befragungsinstrumente. GFPF u. a.

    Google Scholar 

  • Ramm, G., Prenzel, M., Baumert, J., Blum, W., Lehmann, R., Leutner, D., Neubrand, M., Pekrun, R., Rolff, H.-G., & Rost, J. (2006). PISA 2003: Dokumentation der Erhebungsinstrumente. Waxmann.

    Google Scholar 

  • Reichersdorfer, E., Ufer, S., Lindmeier, A., & Reiss, K. (2014). Der Übergang von der Schule zur Universität: Theoretische Fundierung und praktische Umsetzung einer Unterstützungsmaßnahme am Beginn des Mathematikstudiums. In I. Bausch, R. Biehler, R. Bruder, P. Fischer, R. Hochmuth, W. Koepf, S. Schreiber, & T. Wassong (Hrsg.), Konzepte und Studien zur Hochschuldidaktik und Lehrerbildung Mathematik. Mathematische Vor- und Brückenkurse: Konzepte, Probleme und Perspektiven (S. 37–54). Springer Fachmedien. https://doi.org/10.1007/978-3-658-03065-0_4 .

  • Renkl, A. (2009). Wissenserwerb. In E. Wild & J. Möller (Hrsg.), Pädagogische Psychologie (S. 3–26). Springer Berlin Heidelberg.

    Google Scholar 

  • Rindermann, H. (2003). Lehrevaluation an Hochschulen: Schlussfolgerungen aus Forschung und Anwendung für Hochschulunterricht und seine Evaluation. Zeitschrift für Evaluation, 2003(2), 233–256.

    Google Scholar 

  • Roegner, K., Seiler, R., & Timmreck, D. (2014). Exploratives Lernen an der Schnittstelle Schule/Hochschule: Didaktische Konzepte, Erfahrungen, Perspektiven. In I. Bausch, R. Biehler, R. Bruder, P. Fischer, R. Hochmuth, W. Koepf, S. Schreiber, & T. Wassong (Hrsg.), Mathematische Vor- und Brückenkurse. Konzepte, Probleme und Perspektiven. (S. 181–198). Springer Fachmedien. https://doi.org/10.1007/978-3-658-03065-0_13.

  • Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41–55. https://doi.org/10.1093/biomet/70.1.41.

  • Schiefele, U., Krapp, A., Wild, K.-P., & Winteler, A. (1993). Der Fragebogen zum Studieninteresse (FSI). Diagnostica, 39(4), 335–351.

    Google Scholar 

  • Schöne, C., Dickhäuser, O., Spinath, B., & Stiensmeier-Pelster, J. (2002). Skalen zur Erfassung des schulischen Selbstkonzepts SESSKO. Hogrefe.

    Google Scholar 

  • Stuart, E. A. (2010). Matching methods for causal inference: A review and a look forward. Statistical science: A review journal of the Institute of Mathematical Statistics, 25(1), 1–21. https://doi.org/10.1214/09-sts313.

    Article  MathSciNet  MATH  Google Scholar 

  • Sweller, J., van Merrienboer, J. J. G., & Paas, F. G. W. C. (1998). Cognitive architecture and instructional design. Educational Psychology Review, 10(3), 251–296. https://doi.org/10.1023/A:1022193728205.

    Article  Google Scholar 

  • Tieben, N. (2019). Brückenkursteilnahme und Studienabbruch in Ingenieurwissenschaftlichen Studiengängen. Zeitschrift für Erziehungswissenschaft, 22(5), 1175–1202. https://doi.org/10.1007/s11618-019-00906-z.

    Article  Google Scholar 

  • Ufer, S., Rach, S., & Kosiol, T. (2017). Interest in mathematics = interest in mathematics? What general measures of interest reflect when the object of interest changes. ZDM Mathematics Education, 49(3), 397–409. https://doi.org/10.1007/s11858-016-0828-2.

    Article  Google Scholar 

  • Voßkamp, R., & Laging, A. (2014). Teilnahmeentscheidungen und Erfolg. In I. Bausch, R. Biehler, R. Bruder, P. Fischer, R. Hochmuth, W. Koepf, S. Schreiber, & T. Wassong (Hrsg.), Mathematische Vor- und Brückenkurse: Konzepte, Probleme und Perspektiven (S. 67 – 83). Wiesbaden: Springer Fachmedien. https://doi.org/10.1007/978-3-658-03065-0_6.

  • Westermann, R., Heise, E., Spies, K., & Trautwein, U. (1996). Identifikation und Erfassung von Komponenten der Studienzufriedenheit. Psychologie in Erziehung und Unterricht, 43(1), 1–22.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Paderborn, Nordrhein-Westfalen, Deutschland

    Elisa Lankeit

  2. Paderborn, Nordrhein-Westfalen, Deutschland

    Rolf Biehler

Authors
  1. Elisa Lankeit
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Rolf Biehler
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Elisa Lankeit .

Editor information

Editors and Affiliations

  1. Didaktik der Mathematik und Physik, University of Hannover, Hannover, Niedersachsen, Deutschland

    Reinhard Hochmuth

  2. Fakultät für Elektrotechnik, Universitaet Paderborn, Paderborn, Nordrhein-Westfalen, Deutschland

    Rolf Biehler

  3. Institut für Mathematik, University of Paderborn, Paderborn, Nordrhein-Westfalen, Deutschland

    Michael Liebendörfer

  4. Institut für Humanwissenschaften, University of Paderborn, Paderborn, Nordrhein-Westfalen, Deutschland

    Niclas Schaper

Anhang: Vergleiche der gematchten und ungematchten Datensätze in 12.7 und 12.8

Anhang: Vergleiche der gematchten und ungematchten Datensätze in 12.7 und 12.8

1.1 Vergleich von gematchten und ungematchten Datensätzen für 12.7: Mittelfristige Wirkungen auf affektive Merkmale und Arbeitsweisen

Tab. 12.15 Vergleich der gematchten und ungematchten Datensätze für Vorkursteilnehmende und Nichtteilnehmende in Hannover
Full size table
Tab. 12.16 Vergleich der gematchten und ungematchten Datensätze für Vorkursteilnehmende und Nichtteilnehmende in Kassel
Full size table
Tab. 12.17 Vergleich der gematchten und ungematchten Datensätze für Vorkursteilnehmende und Nichtteilnehmende in Oldenburg
Full size table
Tab. 12.18 Vergleich der gematchten und ungematchten Datensätze für Vorkursteilnehmende und Nichtteilnehmende in Paderborn
Full size table

1.2 Vergleich von gematchten und ungematchten Datensätzen für 12.8: Mittelfristige Wirkungen auf Mathematikleistungen

Tab. 12.19 Vergleich der gematchten und ungematchten Datensätze zu den Leistungsdaten für Vorkursteilnehmende und Nichtteilnehmende in Hannover
Full size table
Tab. 12.20 Vergleich der gematchten und ungematchten Datensätze zu den Leistungsdaten für Vorkursteilnehmende und Nichtteilnehmende in Kassel
Full size table
Tab. 12.21 Vergleich der gematchten und ungematchten Datensätze zu den Leistungsdaten für Vorkursteilnehmende und Nichtteilnehmende in Stuttgart
Full size table

Rights and permissions

Reprints and permissions

Copyright information

© 2022 Der/die Autor(en), exklusiv lizenziert an Springer-Verlag GmbH, DE, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Lankeit, E., Biehler, R. (2022). Vorkurse und ihre Wirkungen im Übergang Schule – Hochschule. In: Hochmuth, R., Biehler, R., Liebendörfer, M., Schaper, N. (eds) Unterstützungsmaßnahmen in mathematikbezogenen Studiengängen. Konzepte und Studien zur Hochschuldidaktik und Lehrerbildung Mathematik. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-64833-9_12

Download citation

Publish with us

Policies and ethics

Search

Navigation