Skip to main content
Book cover

Studentischer Workload pp 181–204Cite as

Erhebungsmethoden und Determinanten des Workloads bei Leipziger Soziologiestudierenden

Zusammenfassung

Im Rahmen eines Pilotprojekts wird der Workload von Leipziger Soziologiestudierenden gemessen und erklärt. Die Befragten konnten dazu ihre Zeitverwendung mittels eines klassischen Papiertagebuchs oder über eine extra entwickelte Applikationssoftware (App) für Smartphones und Tablets protokollieren. Empirisch zeigt sich eine hohe inter- und intraindividuelle Varianz des Workloads. Im Mittel liegt dieser während des Semesters bei etwa 20 h pro Woche. Während der Prüfungszeit erhöht sich das mittlere Arbeitspensum auf knapp 35 h und kommt damit in die Nähe des administrativ vorgesehenen Wertes. Häufig vermutete potenziellen Einflussfaktoren wie z. B. Erwerbs- und Ehrenamtstätigkeiten beeinflussen den Workload nicht. Ebenso zeigt sich kein Zusammenhang zwischen der für das Studium verwendeten Zeit und verschiedenen Leistungsindikatoren. Wir vermuten, dass der mittlere Workload insgesamt zu gering ist, als dass solche Faktoren überhaupt wirksam werden können. Um studentischen Workload in einem breiteren Rahmen zu untersuchen, empfehlen wir insbesondere in die technische und methodische Entwicklung der Protokollierung von studentischer Zeitverwendung via App-Fragebögen zu investieren.

This is a preview of subscription content, access via your institution.

Chapter
USD   29.95
Price excludes VAT (USA)
  • DOI: 10.1007/978-3-658-28931-7_7
  • Chapter length: 24 pages
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
eBook
USD   39.99
Price excludes VAT (USA)
  • ISBN: 978-3-658-28931-7
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
Softcover Book
USD   49.99
Price excludes VAT (USA)
Learn about institutional subscriptions
Abb. 1
Abb. 2

Notes

  1. 1.

    ECTS steht für European Credit Transfer System.

  2. 2.

    In der Folge abgekürzt auch nur: Workload.

  3. 3.

    Siehe Hochschulrektorenkonferenz (2006) und Kultusministerkonferenz (2010).

  4. 4.

    Bei der Tagebuchmethode protokollieren die Befragten ihren Workload über einen definierten Zeitraum hinweg mittels eines Tagebuchs. Dies hat den Vorteil, dass die Protokollierung zeitnah geschieht, und somit potenzielle Verzerrungsfaktoren, wie beispielsweise Erinnerungslücken, wegfallen. Berger und Baumeister (2016) bieten einen Überblick über diese und weitere Methoden zur Workloadmessung.

  5. 5.

    Es existieren einige weitere Studien, die andere Messverfahren verwenden. Es ist symptomatisch für die bisher wenig ausgeprägte methodische Entwicklung des Feldes, dass für mehrere dieser Studien die genau Workloadmessmethode nicht erkennbar wird (z. B. Fleischhack et al. 2004; Jantowski 2009; Lüders et al. 2006; Oppermann 2011).

  6. 6.

    Damit ist ein Studienplan mit möglichst wenigen Lücken zwischen den Lehrveranstaltungen eines Tages gemeint (Schulmeister und Metzger 2018, S. 37–42).

  7. 7.

    Chatzitheochari et al. (2018) haben eine Pilotstudie mit jugendlichen Probanden durchgeführt, die ebenfalls den Vergleich von herkömmlichen Tagebucherhebungen mit einer App-gestützten Erhebung zum Inhalt hatte.

  8. 8.

    Vgl. Berger und Baumeister (2016) für eine detaillierte Beschreibung des Designs und dessen Vor- und Nachteile.

  9. 9.

    Laut dem Interessenverband „Bitkom“ ist die Verbreitung von Smartphones von 55 % im Jahr 2014 auf über 81 % im Jahr 2017 angestiegen (Haas 2018).

  10. 10.

    Technisch wurde die App kostenlos durch Ruslan Hrushchak, Sebastian Katzer und die Firma appPlant (http://www.appplant.de/) programmiert und bereitgestellt. Die App war für die Betriebssysteme Android (ab Version 3.1, z. B. für Smartphones von Samsung, LG, Nexus etc.) und iOS (für iPhones) vorhanden.

  11. 11.

    Als eine dritte „Nebentätigkeit“ wurde der Betreuungsaufwand, etwa von Kindern oder Familienangehörigen, erhoben. Die Anzahl der betroffenen Studierenden war in unserer Untersuchung mit sechs Fällen aber so gering, dass keine belastbaren Aussagen getroffen werden konnten.

  12. 12.

    Zum Vergleich: Schulmeister und Metzger (2011) haben sogar über ein ganzes Semester erhoben.

  13. 13.

    Verwertbarkeit wird hier sehr weit gefasst. Es gibt u. a. eine nicht unerhebliche Anzahl an Befragten, die überhaupt keinen Workloadwert protokolliert haben, und von denen lediglich die Angaben des Zusatzfragebogens vorlagen.

  14. 14.

    Durch die bereits in Abschn. 3.3 erwähnten anfänglichen technischen Probleme mit der App-Variante des Tagebuchs ist die Sommererhebung leider etwas stärker von diesen Problemen betroffen.

  15. 15.

    Auf eine Kontrolle des Masterstudiums wird im weiteren Verlauf verzichtet, da die Anzahl der Variablen in multivariaten Modellen mit geringer Fallzahl klein gehalten werden sollte, und sich in unseren Tests keine Effekte des Masterstudiums auf Workloadparameter gezeigt haben.

  16. 16.

    Man könnte an dieser Stelle spekulieren, dass der Zusammenhang zwischen Noten und Workload vielleicht nur während der Klausurzeit relevant wird.

  17. 17.

    Anders als Schulmeister und Metzger (2018) konnten wir keinen Zusammenhang zwischen der Präsenzzeit in der Universität und den einzelnen Leistungsindikatoren feststellen. Da sich in unseren Analysen keine relevanten Effekte im Zusammenhang mit den untersuchten Kovariaten zeigen, verzichten wir an dieser Stelle aus Platzgründen auf eine ausführlichere Analyse der einzelnen Dimensionen studentischen Workloads.

  18. 18.

    Interessant wäre an dieser Stelle noch eine Untersuchung des Zusammenhangs zwischen Arbeitszeit und Workload. Die entsprechenden Daten liegen in dieser Studie zwar vor, aber aufgrund der geringen Fallzahl sind valide Aussagen dazu leider nicht möglich.

  19. 19.

    Weitere Kontrollvariablen wurden geprüft aber nicht in die präsentierten Modelle aufgenommen, da sie keinen signifikanten Einfluss hatten und um aufgrund der geringen Fallzahl Overfitting zu vermeiden. Diese Kontrollvariablen sind unter anderem: das Alter, das Fachsemester und der Studiengang (Master oder Bachelor).

  20. 20.

    Ein finaler Einwand an dieser Stelle ist, dass der gemessene Workload zumindest im Falle der Studiennoten als Proxy für den Workload vor der jeweiligen Prüfungsleistung gelten kann. Zur Prüfung dieser These haben wir Modelle mit den Studiennoten als abhängige Variablen und dem Workload nebst weiterer Kontrollvariablen als unabhängige Variable geschätzt. Es ließen sich keine signifikanten Effekte feststellen.

  21. 21.

    Man könnte vermuten, dass auch die Art der Nebenjobs – insbesondere, ob es sich um universitäre oder sonstige handelt – einen Einfluss hat. Dies ist nicht der Fall. Aus Platzgründen wird diese Analyse hier nicht dargestellt.

  22. 22.

    Naheliegenderweise könnte man insbesondere den universitären Leistungsindikatoren auch eine kausale Abhängigkeit vom Workload unterstellen. Dieser Umstand wurde geprüft, und auch dort zeigen sich keine signifikanten Einflüsse.

  23. 23.

    Im Original „conscientiousness“, eine Dimension des in der Persönlichkeitspsychologie verbreiteten Modells der „Big Five“ (Costa und McCrae 1992).

Literatur

  • Amt für Veröffentlichungen der Europäischen Union. 2015. ECTS Leitfaden. Luxemburg: Amt für Veröffentlichungen der Europäischen Union.

    Google Scholar 

  • Berger, R. und B. Baumeister. 2016. Messung von studentischem Workload. In Evaluation von Studium und Lehre. Grundlagen, methodische Herausforderungen und Lösungsansätze. Hrsg. D. Großmann und T. Wolbring, 185–223. Wiesbaden: Springer VS.

    Google Scholar 

  • Blüthmann, I., M. Ficzko, und F. Thiel. 2006. Fragebogeninventar zur Erfassung der studienbezogenen Lernzeit (FELZ) in den Bachelorstudiengängen. evaNet-Position 01. Freie Universität Berlin.

    Google Scholar 

  • Chatzitheochari, S., K. Fisher, E. Gilbert, L. Calderwood, T. Huskinson, A. Cleary, und J.n Gershuny. 2018. Using New Technologies for Time Diary Data Collection: Instrument Design and Data Quality Findings from a Mixed-Mode Pilot Survey. Social Indicators Research (2018) 137: 379–390.

    Google Scholar 

  • Costa, P. T., und R. R. McCrae. 1992. Four Ways Five Factors are basic. Personality and Individual Differences 13(6): 653 – 665.

    CrossRef  Google Scholar 

  • Covington, M. V. 2007. A Motivational Analysis of Academic Life in College. In The Scholarship of Teaching and Learning in Higher Education: An Evidence-Based Perspective. Hrsg. R. P. Perry und J. C. Smart, 661 – 701. Dordrecht: Springer.

    CrossRef  Google Scholar 

  • Fleischhack, H., S. Gronewold, und H. Burchard. 2004. Arbeitsbelastung von Informatikstudierenden an der Universität Oldenburg. Universität Oldenburg.

    Google Scholar 

  • Gómez Tutor, C., und S. Müller. 2018. Workload – vom Stundenzählen zum Steuerungsinstrument. In Hochschulen im Spannungsfeld der Bologna-Reform. Erfolge und ungewollte Nebenfolgen aus interdisziplinärer Perspektive. Hrsg. N. Hericks, 73 – 98. Wiesbaden: Springer VS.

    Google Scholar 

  • Haas, M. 2018. Smartphone-Markt: Konjunktur und Trends. https://www.bitkom.org/sites/default/files/file/import/Bitkom-Pressekonferenz-Smartphone-Markt-22-02-2018-Praesentation-final.pdf. Zugegriffen: 07. März 2019.

  • Hochschulrektorenkonferenz. 2006. Bologna-Reader. Texte und Hilfestellungen zur Umsetzung der Ziele des Bologna-Prozesses an deutschen Hochschulen. https://www.hrk.de/fileadmin/redaktion/hrk/02-Dokumente/02-10-Publikationsdatenbank/Beitr-2004-08_Bologna-Reader_I.pdf. Zugegriffen: 14. August 2019.

  • Jantowski, A. 2009. Studien zur Erhebung studentischer Belastungen im Lehramtsstudiengang – Projektbericht 2009. Jena: Universität Jena.

    Google Scholar 

  • Kaufmann, B. 2010. Wegweiser 2010. Qualitätssicherung an Hochschulen. Beiträge zur Hochschulpolitik 8/2010. Bonn: Hochschulrektorenkonferenz.

    Google Scholar 

  • Kultusministerkonferenz. 2010. Ländergemeinsame Strukturvorgaben für die Akkreditierung von Bachelorund Masterstudiengängen.https://www.kmk.org/fileadmin/veroeffentlichungen_beschluesse/2003/2003_10_10-Laendergemeinsame-Strukturvorgaben.pdf. Zugegriffen: 07. März 2019.

  • Lüders, M., S. Eisenacher, und S. Pleßmann. 2006. Der Umgang mit Studienzeit. Eine empirische Untersuchung bei Studierenden der Lehrämter und im Diplom-Studiengang Erziehungswissenschaft. Zeitschrift für Pädagogik Beiheft 51: 116–129.

    Google Scholar 

  • Oppermann, A. 2011. Zeitmessung und Zeiterleben – was der studentische Workload (nicht) aussagt. Zeitschrift für Hochschulentwicklung 6: 47–60.

    CrossRef  Google Scholar 

  • Samoilova, E., F. Keusch, und T. Wolbring. 2017. Learning Analytics and Survey Data Integration in Workload Research. Zeitschrift für Hochschulentwicklung 12: 65–77.

    CrossRef  Google Scholar 

  • Schatz, W., und U. Woschnack. 2007. Workload Planungstool: Ein Werkzeug zur Planung, Berechnung und Evaluation des studentischen Arbeitsaufwandes. In Neues Handbuch Hochschullehre. Lehren und Lernen effizient gestalten. Hrsg. B., Berendt, H.-P.Voss, und J.Wildt, Teil J 2.8. Berlin: Raabe Fachverlag.

    Google Scholar 

  • Schulmeister, R., und C. Metzger. 2011. Die Workload im Bachelor: Zeitbudget und Studierverhalten. Münster: Waxmann.

    Google Scholar 

  • Schulmeister, R., und C. Metzger. 2018. Das Studierverhalten im Bachelor. Zeitbudget-Analysen der Workload in 29 Bachelor-Stichproben. http://rolf.schulmeister.com/pdfs/Workload%20und%20Studierverhalten.pdf. Zugegriffen: 07. März 2019.

  • Studis Online. 2010. Änderung der Rahmenbedingungen. Auswirkungen der Umstellung auf Bachelor/ Master auf das freiwillige Engagement von Studierenden. https://www.studis-online.de/HoPo/Hintergrund/engagement.php. Zugegriffen: 07. März 2019.

  • Webler, W.-D. 2002. Ein Studientagebuch als Forschungs- und eigenes Studienberatungsinstrument. Das Hochschulwesen 3: 105–112.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Universität Leipzig, Leipzig, Deutschland

    Bastian Baumeister & Roger Berger

Authors
  1. Bastian Baumeister
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Roger Berger
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Bastian Baumeister .

Editor information

Editors and Affiliations

  1. Universität Leipzig, Leipzig, Germany

    Daniel Großmann

  2. Universität Leipzig, Leipzig, Germany

    Christin Engel

  3. Johannes Gutenberg-Universität Mainz, Mainz, Germany

    Justus Junkermann

  4. FAU Erlangen-Nürnberg, Nürnberg, Germany

    Prof. Dr. Tobias Wolbring

Rights and permissions

Reprints and Permissions

Copyright information

© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Verify currency and authenticity via CrossMark

Cite this chapter

Baumeister, B., Berger, R. (2020). Erhebungsmethoden und Determinanten des Workloads bei Leipziger Soziologiestudierenden . In: Großmann, D., Engel, C., Junkermann, J., Wolbring, T. (eds) Studentischer Workload. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-28931-7_7

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-28931-7_7

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-28930-0

  • Online ISBN: 978-3-658-28931-7

  • eBook Packages: Social Science and Law (German Language)