A STEM szakokon és kurzusokon nyújtott egyetemi teljesítményt előrejelző kognitív ténye-zők feltárásának módszerei– Narratív szakirodalmi áttekintés

Absztrakt

A munkaerőpiacon kifejezetten nagy az igény a STEM-szakokon (természettudomány, informatika, mérnöki tudományok és matematika) végzettekre mind hazai, mind nemzetközi szinten. Az említett területeken azonban csak az egyetemisták kis hányada folytat tanulmányokat, és közülük is sok hallgató lemorzsolódik (OECD, 2023). A felsőoktatásban a lemorzsolódás csökkentésének céljával egyre több kutatásban alkotnak előrejelző modelleket, melyek a valószínűleg lemaradó hallgatók prospektív azonosítását szolgálják. Narratív szakirodalmi áttekintésünk célja azon kognitív változók (pl. középiskolai tanulmányok, előzetes tudás) azonosítása volt, amelyek az eddigi kutatásokban a STEM szakokon vagy kurzusokon készült prediktív modellekben szignifikáns hatásúnak bizonyultak; így a leendő kutatásokban érdemes lehet azokat tovább vizsgálni, illetve felzárkóztató programokat alapozni rájuk. Az elérhető, kifejezetten gazdag szakirodalomból az elmúlt 30 évet tekintettük át. Feltárásunk legfontosabb eredményei, hogy (1) míg az adott szak vagy kurzus tárgyi tudása változó szerepet kap, a matematika szerepe minden kutatásban megjelenik; (2) a meglévő kutatásokban készített modellek összetettsége rendkívül változatos, a leíró statisztikától egészen a gépi tanulásig; (3) egyes modellekben nem a kognitív változóknak volt a legnagyobb hatásuk, hanem néhány nem-kognitív változónak; illetve (4) tanulság a jövőbeli kutatások számára, hogy a modelleket nemcsak megépíteni, hanem a minta egy részén tesztelni is kell. A tanulmányban közölt eredmények alapját képezhetik további, konkrét STEM területekre vonatkozó szisztematikus szakirodalmi áttekintéseknek, valamint hozzájárulhatnak az egyetemi lemorzsolódást csökkentő pedagógiai, módszertani fejlesztések kidolgozásához.