Entwicklung und Evaluation von Ansätzen zur Steigerung der Nutzeraktivität in Online-Mentoring-Programmen am Beispiel von CyberMentor

CyberMentor ist Deutschlands größtes E-Mentoring-Programm für Mädchen in MINT (Mathematik, Informatik, Naturwissenschaft, Technik). Das Mentoring erfolgt über eine geschützte Online-Plattform. Schülerinnen der 6. bis 12. Klasse werden ein Jahr von einer persönlichen Mentorin begleitet, die als Rollenvorbild zu MINT-Aktivitäten anregt und Hinweise zur Studien- und Berufswahl gibt. Jedes dieser Mentoring-Paare wird mit einem weiteren Mentoring-Paar zu einer 4er-Community zusammengefügt, um den Austausch der Mentees und Mentorinnen untereinander zu fördern. Das in einer vorangegangenen Masterarbeit von Sonja Blau entwickelte Matching-Tool ermöglicht es, mithilfe geeigneter Matching-Algorithmen und relevanter Parameter (MINT-Interessen), Paarungen zu finden und diese zusammenzuführen.

Wie Schimke, Stöger und Ziegler (2009) zeigten, profitieren aktive Nutzerinnen auf der Online-Plattform von CyberMentor von einem erfolgreicheren Mentoring, was sich in einer häufigeren Entscheidung der Schülerinnen für MINT-Berufe widerspiegelt. Ziel dieser Arbeit ist daher, die Nutzeraktivität auf der Plattform anzuregen, der Aktivitätsabnahme während des fortschreitenden Mentoring-Jahres entgegenzuwirken und so noch bessere Mentoring-Erfolge zu erzielen.

In dieser Arbeit soll der Matching-Prozess in Anlehnung an das Matching-Modell von Terveen und McDonald (2005) weiterentwickelt werden. Während in der vorangegangenen Masterarbeit von Sonja Blau der Fokus auf der mathematischen Optimierung der Paarkonstellationen lag, soll das Matching hier aus nutzerorentierter Perspektive heraus verbessert werden.

Bisher wurde noch nicht untersucht, wie sich die im Matching-Prozess einbezogenen Informationen über die Teilnehmerinnen auf deren Aktivität auf der Plattform auswirken. Anhand von Auswertungen der letzten Mentoring-Jahre sollen Zusammenhänge zwischen den Teilnehmerdaten und Gemeinsamkeiten zwischen den Mentoring-Partnern zur späteren Aktivität der Teilnehmerinnen auf der Plattform ermittelt werden. Relevante Faktoren sollen anschließend in das Paar-Matching aufgenommen werden.

Nach Terveen und McDonald (2005) sind auch die gegenseitige Präsentation und Kontaktaufnahme der Mentoring-Partner ein Teil des Matching-Prozesses. Dies soll durch Aufzeigen von verschiedenen Informationen über den Mentoring-Partner, wie Gemeinsamkeiten, Unterschiede und Aktivitäten auf der Plattform, umgesetzt und evaluiert werden.

Abschließend soll untersucht werden, ob sich die vorgenommenen Optimierungen des Matching-Prozesses positiv auf die Aktivität der Teilnehmerinnen auf der Plattform auswirken.

• Evaluation von Anmeldedaten der Teilnehmerinnen in Bezug auf deren spätere Aktivität auf der Online-Plattform
• Berechnung einer Aktivitätsvorhersage für neuangemeldete Teilnehmerinnen, die vergleichbar mit dem Aktivitätslevel bereits teilnehmender Nutzerinnen ist
• Konzeption verschiedener dynamischer Inhalte, die die Präsentation der zugeordneten Partner und die Kontaktaufnahme nach deren Zusammenführung unterstützen
• Implementierung dieser Erweiterungen für das CMS-System Joomla
• Evaluation der Ansätze durch Auswertung, ob und wie sich die Nutzeraktivität auf der Plattform durch deren Einsatz verändert hat

• PHP, JavaScript, HTML, CSS
• Content-Management-System Joomla

• Blau, S. (2016). Entwicklung und Evaluation eines Webtools zum Matching von Paaren und Communities im Mentoring-Bereich. Universität Regensburg.
• Grossman, J. B., & Rhodes, J. E. (2002). The Test of Time: Predictors and Effects of Duration in Youth Mentoring Relationships. American Journal of Community Psychology, 30(2), 199–219.
• Lampe, C., Wash, R., Velasquez, A., & Ozkaya, E. (2010). Motivations to participate in online communities. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 1927–1936.
• Schimke, D., Stöger, H., & Ziegler, A. (2009). The Influence of Participation and Activity Level in an Online Community on Academic Elective Intents for STEM.
• Terveen, L., & McDonald, D. W. (2005). Social Matching : A Framework and Research Agenda, 12(3), 401–434.
• Zhu, Y., Zhong, E., Pan, S. J., Wang, X., Zhou, M., & Qiang, Y. (2013). Predicting User Activity Level in Social Networks. ACM, 159–168.