Herausforderungen des demografischen Wandels fu*r die

Report
Einführung in die empirische
Bildungsforschung
Mo, 8.15 – 9.45
IPN Hörsaal
Einführung: 14.4.2014
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
Adresse
IPN
Olshausenstr. 62
Ansprechpartnerinnen: Frau Hellmann (880 5084) und Frau Tiedje (880
3111)
Email: [email protected], [email protected], [email protected]
Sprechstunde: n. V.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
2
Veranstaltungsplan
14.04.14
21.04.14
28.04.14
05.05.14
12.05.14
19.05.14
26.05.14
02.06.14
Überblick und Einführung; Forschungsmethoden in
der empirischen Bifo
Ostern
Empirische Unterrichtsforschung und Rahmenmodelle
zu Determinanten von Schulleistungen
What works? Die Synthese von John Hattie (2009)
Soziale und migrationsbedingte Disparitäten im
Bildungssystem I
Soziale und migrationsbedingte Disparitäten im
Bildungssystem II
Effekte der Schulform und der Zusammensetzung der
Klasse auf schulisches Lernen und schulische
Motivation
Was können Abiturienten? Befunde aus der TOSCA,
LAU und LISA-Studie I
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
3
Veranstaltungsplan
09.06.14
16.06.14
23.06.14
30.06.14
07.07.14
14.07.14
Pfingsten
Was können Abiturienten? Befunde aus der TOSCA,
LAU und LISA-Studie II
Basiskompetenzen von Erwachsenen: Die PIAAC-Studie
I
Basiskompetenzen von Erwachsenen: Die PIAAC-Studie
II
Kompetenzen von Lehrkräften: Ergebnisse aus der
TEDS-Studie
Klausur
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
4
Literatur I
Baumert, J., Maaz, K. & Trautwein, U. (2009). Bildungsentscheidungen.
Sonderheft der Zeitschrift für Erziehungswissenschaft.
Blömeke, Sigrid, Kaiser, Gabriele, Lehmann, Rainer (2010): TEDS-M
2008. Professionelle Kompetenz und Lerngelegenheiten angehender
Primarstufenlehrkräfte im internationalen Vergleich. Münster:
Waxmann.
Blömeke, Sigrid, Kaiser, Gabriele, Lehmann, Rainer (2010): TEDS-M
2008. Professionelle Kompetenz und Lerngelegenheiten angehender
Mathematiklehrkräfte für die Sekundarstufe I im internationalen
Vergleich. Münster: Waxmann.
Hattie, J. A. C. (2009). Visible learning. A synthesis of over 800 metaanalyses relating to achievement. Oxon: Routledge.
Helmke, A. (2009). Unterrichtsqualität und Lehrerprofessionalität. Seelze –
Velber: Kallmeyer/Klett.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
5
Literatur II
Köller, O. (Hrsg.) (2006). Themenschwerpunkt „Übergänge im
Bildungswesen“. Zeitschrift für Erziehungswissenschaft, 9, 295 – 412.
Krapp, A. & Weidenmann, B. (2006). Pädagogische Psychologie.
Weinheim: Beltz/PVU.
Meyer, H. (2004). Was ist guter Unterricht: Berlin: Cornelsen.
Rammstedt, B. (2013). Grundlegende Kompetenzen Erwachsener im
internationalen Vergleich. Münster: Waxmann.
Reinders, H., Ditton, H., Gräsel, C. & Gniewosz, B. (2011). Empirische
Bildungsforschung: Strukturen und Methoden. Wiesbaden:
VS Verlag für Sozialwissenschaften.
Rost, D. H. (Hrsg.) (2006). Handwörterbuch Pädagogische Psychologie.
Weinheim: Beltz/PVU.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
6
Literatur III
Rost, D. H. (2005). Interpretation und Bewertung pädagogischpsychologischer Studien.
Schneider, W. & Hasselhorn, M. (Hrsg.) (2008): Handbuch der
Psychologie: Pädagogische Psychologie. Göttingen: Hogrefe.
Tippelt, R. & Schmidt, B. (2009). Handbuch Bildungsforschung (2.
Auflage). Wiesbaden: VS Verlag für Sozialwissenschaften.
Wild, E. & Möller, J. (2009). Pädagogische Psychologie
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
7
Ergänzende Literatur
Thematisch passende Artikel aus den Zeitschriften:
•
Zeitschrift für Erziehungswissenschaft
•
Zeitschrift für Pädagogik
•
Unterrichtswissenschaft
•
Psychologie in Erziehung und Unterricht
•
Zeitschrift für Pädagogische Psychologie
•
Zeitschrift für Entwicklungspsychologie und Pädagogische
Psychologie
•
Journal of Educational Psychology
•
American Educational Research Journal
•
Learning and Instruction
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
8
Einordnung der Empirischen Bifo
Erziehungswissenschaft
Allgemeine EW
Historische EW
Vergleichende EW Empirische EW/Bifo
Bildung und Erziehung als gemeinsamer Forschungsgegenstand
Bildung ist das Ziel, Erziehung der Weg dorthin!
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
9
Die Pädagogische Situation als Zugang zur
empirischen Bifo
pädagogisch-arrangierte Umwelt
natürliche Umwelt
Erziehende/Lehrende
die lernende
Person
Quelle. Krapp & Weidenmann (2006)
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
10
Forschungsmethoden in der
empirischen Bifo
Warum benötigen wir Grundkenntnisse über
Forschungsmethoden?
a) Um selbstständig wissenschaftliche Fachtexte lesen und
verstehen zu können.
b) Um aktuelle Schulleistungsstudien wie IGLU oder PISA besser
verstehen zu können.
c) Um eventuell einmal selbst kleinere Projekte durchführen zu
können.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
11
Literatur
Köller, O. (2008). Forschungsansätze in der Pädagogischen
Psychologie. In W. Schneider & M. Hasselhorn (Hrsg.), Handbuch
Pädagogische Psychologie (S. 697-711). Göttingen: Hogrefe.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
12
Handlungs- und
Praktikerforschung
Korrelationsstudien
Experimente
Forschungsstrategien
QuasiExperimente
Längsschnittstudien
Qualitative
Forschung
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
13
Was ist ein Experiment?
Ein Experiment ist ein planmäßig ausgelöster und wiederholbarer
Vorgang, bei dem beobachtet wird, in welcher Weise sich unter
Konstanthaltung anderer Bedingungen mindestens eine abhängige
Variable ändert, nachdem mindestens eine unabhängige Variable
geändert worden ist. Wesentliche Merkmale des Experiments sind
demnach:
1.) Planmäßigkeit
2.) Wiederholbarkeit und
3.) systematische Variation bzw. Konstanthaltung von Bedingungen.
Im Experiment lassen sich immer ein Zustand vorher, eine
Änderungsphase (Treatment) und ein Zustand nachher
unterscheiden.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
14
Was ist ein Experiment? Unabhängige und
abhängige Variable
 In Experimenten manipuliert ein Versuchsleiter immer die
unabhängige Variable (UV; z. B. Unterrichtsmethoden).
 Personen werden per Zufall unterschiedlichen
Versuchsbedingungen (Treatments) zugeordnet (Randomisierung).
 Von Interesse ist dann, wie die unterschiedlichen Ausprägungen der
UV auf die abhängige Variable (AV; z.B. Lernerfolg) wirken.
Merke:
Das Experiment ist die einzige Methode, um Bedingungszusammenhänge oder gar Kausaleinflüsse nachzuweisen.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
15
Ein Beispiel: Die Studie von Krause, Stark
& Mandl (2004)
Krause et al. (2004) untersuchten Bedingungen des Wissenserwerbs im Bereich
empirischer Forschungsmethoden. Dabei interessierte der Einfluss der Sozialform
(individuell vs. kooperativ in der Dyade) und einer Feedbackmaßnahme
(vorhanden vs. nicht vorhanden) beim Lernen in einer Computer-basierten
Lernumgebung. Es handelte sich hierbei um ein zweifaktorielles Design mit
zwei UVs. Beide UVs hatten je zwei Ausprägungen. Die Feedbackmaßnahme
bestand aus Verständnistests mit elaboriertem Feedback. Die zentralen AVs
waren (a) die Leistung in einem Lernerfolgstest und (b) die Lernzeit. N = 137
Studierende wurden auf die vier Bedingungen aufgeteilt.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
16
Ein Beispiel: Die Studie von Krause, Stark
& Mandl (2004)
Lernerfolg in Abhängigkeit von der Sozialform und der Feedbackmaßnahme in der Untersuchung von Krause et al.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
17
Interne Validität von Experimenten
 Die interne Validität eines Experiments ist dann hoch, wenn die
Unterschiede in den Ausprägungen einer AV eindeutig auf die
Variation der UV zurückzuführen sind und alter-native Erklärungen
zum Zustandekommen der Ausprä-gungen der AV ausgeschlossen
werden können.
 Durch Randomisierung und Kontrolle von Störvariablen wird die
interne Validität erhöht.
 Eine annähernd perfekte Kontrolle von Störvariablen gelingt immer
dann, wenn durch die Untersuchungsdurchführung in einem
Labor/Versuchsraum hoch standardisierte Versuchsbedingungen
realisiert werden.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
18
Faktoren, welche die interne Validität
senken (Rost, 2005)
 Zwischenzeitliches Geschehen: parallel zur Änderungsphase
(zum Treatment) werden Faktoren wirksam, die außerhalb des
experimentellen Geschehens liegen. Effekte unterschiedlicher
Instruktionsvarianten können z. B. dadurch gestört werden, dass
Schülerinnen und Schüler aus einzelnen experimentellen
Bedingungen am Nachmittag Nachhilfe erhalten.
 Reifungs- und Entwicklungseffekte: insbesondere in
Experimenten mit jüngeren Schülerinnen und Schülern, bei
denen sich entwicklungsbedingt Veränderungen einstellen, die
einen Einfluss auf die abhängige Variable haben können
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
19
Faktoren, welche die interne Validität
senken (Rost, 2005)
 Testungseffekte: treten in experimentellen Studien mit
Messwiederholung auf, in denen die AV mehrmals gemessen wird
(beispielsweise vor und nach dem Treatment) und die Vortestung
allein einen Effekt auf die spätere Messung, z. B. in Form von
Übungseffekten, hat.
 Instrumentierungseffekte: Instrumente messen in
unterschiedlichen Populationen unterschiedliches.
 Differenzielle Stichprobenmortalität: Vorstellbar ist in diesem
Zusammenhang eine Trainingsstudie mit mehreren
Messzeitpunkten, in der im Laufe der Zeit viele Probanden aus
der Kontrollgruppe ausfallen, weil sie sich andernorts
Trainingsmöglichkeiten verschaffen.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
20
Das Problem der externen Validität von
Experimenten
 Laborbedingungen haben oft nichts mit den realen Bedingung im
Feld zu tun
 Kontrolle von Personvariablen lässt Generalisierung auf alle
relevanten Personengruppen fraglich erscheinen.
 Gelten die gefundenen Ursache-Wirkungs-Zusammenhänge auch in
natürlichen Lernumwelten und bei anderen Personengruppen?
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
21
Faktoren, welche die externe Validität
von Experimenten senken
 Reaktivität: Untersuchungsteilnehmer haben Vermutungen über
den Gegenstand der Untersuchung und wollen sich entsprechend
verhalten.
 Interaktionen (Wechselwirkungen) von Auswahlfaktoren und
experimentellen Variablen: Ein Treatment wirkt nur in der
ausgewählten Stichprobe. Ein Lesetraining steigert
möglicherweise nur bei Mädchen, nicht aber bei Jungen die
Lesekompetenz.
 Konfundierung (Vermischung) von Effekten: Mehrere UVs
wirken in einer Gruppe simultan auf die AV, man weiß aber nicht,
welche der UVs den eigentlichen Effekt bewirkt hat.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
22
Quasi-experimentelle Untersuchungen
 Ausgangsproblem: Oftmals ist es unmöglich, in Experimenten
Personen per Zufall unterschiedlichen Treatments zuzuweisen. Will
man beispielsweise Unterrichtsmethode A mit Unterrichtsmethode B
und C vergleichen, können kaum die Schüler einer Klasse per Zufall
auf die drei Methoden verteilt werden, vielmehr wird oftmals Klasse
1 mit A unterrichtet, Klasse 2 mit B und Klasse 3 mit C.
 Gefahren:
- Die Klassen können sich bereits prä-experimentell hinsichtlich der
abhängigen Variablen unterscheiden (Entgegenwirken durch ein
Vortest-Nachtest-Design).
- Die Klassen können sich hinsichtlich anderer Merkmale unterscheiden,
welche die Wirksamkeit unterschiedlicher Treatments unterdrücken
(Erhebung möglichst vieler zusätzlicher Störvariablen)
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
23
Weitere Fehlerquellen in QuasiExperimenten (Cook & Campbell, 1979)
 Diffusion oder Imitation des Treatments: In einer Kontrollgruppe,
die „Wind vom Treatment bekommen hat“, wird dieses Treatment
ebenfalls durchgeführt.
 Kompensatorischer Ausgleich des Treatments: Die
Kontrollgruppe wird durch das Lehrerkollegium besonders gefördert,
damit sie nicht hinter die Treatment-Gruppe zurück fällt.
 Kompensatorische Anstrengung der Probanden in der
Kontrollgruppe: Schüler der Kontrollgruppe sind verärgert, dass sie
vom Treatment ausgeschlossen wurden. Als Trotzreaktion strengen
sie sich in den Tests, die den Erfolg des Treatments erfassen sollen,
besonders an, so dass die Effekte des Treatments nicht sichtbar
werden.
 Negative Reaktion von Probanden: Als Folge des Ausschlusses
vom Treatment strengen sich Schüler der Kontrollgruppe überhaupt
nicht an.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
24
Beispiel für eine quasi-exp. Studie
(Krug & Lucybyl, 1999)
Die beiden Autoren untersuchten die Rolle der Bezugsnormorientierung von
Lehrkräften auf die Unterrichtswahrnehmung, Lernbereitschaft und Leistung von
Schülerinnen und Schülern in beruflichen Vollzeitschulen. Berücksichtigt
wurden zwei intakte Klassen (21 und 23 angehende Arzthelferinnen) einer
Berufsschule im Fach Sozialkunde. Die Schülerinnen hatten alle das gleiche
Ausbildungsniveau und wurden von derselben zuvor unbekannten Lehrkraft
unterrichtet, so dass die Lerninhalte und die Lehrperson konstant werden
konnten. Bei ihren Rückmeldungen verwendete die Lehrkraft über einen
Zeitraum von sechs Wochen in der einen Klasse eine individuelle, in der
anderen Klasse eine soziale Bezugsnormorientierung. Bei ersterer stand der
Lernfortschritt des Individuums im Zentrum der Rückmeldung, bei letzterer der
soziale Vergleich mit den Klassenkameraden. Gegenstand der Unterrichtsstunden waren Drogenmissbrauch, dessen gesundheitlichen Folgen und die
Therapie von Drogenabhängigkeiten. Abhängige Variablen waren u. a. das
Lehrer-Schüler-Verhältnis in der Klasse, die Mitarbeit, die Unterrichtsgüte sowie
der Lernerfolg. Alle Maße wurde jede Woche erhoben. Die Ergebnisse zeigten
cum grano salis für alle AVs günstigere Verläufe bei individueller
Bezugsnormorientierung.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
25
Nicht-experimentelle Forschung:
Korrelationsstudien
Exkurs: Korrelationskoeffizient
 Der Korrelationskoeffizient r drückt die Stärke des linearen
Zusammenhangs zwischen zwei Maßen ab.
 Er kann theoretisch zwischen –1 und +1 schwanken.
 Bei einem Zusammenhang von r = +1 lässt sich das eine Maß exakt
durch das andere vorhersagen, und zwar in dem Sinne, je höher die
Werte in Maß A, desto höher auch die Werte in Maß B.
 Ein Koeffizient von r = -1 beschreibt ebenfalls einen perfekten
linearen Zusammenhang, allerdings gehen jetzt mit kleineren Werten
auf A größere auf B einher.
 Bei einem Zusammenhang von r = 0 sind beide Maße voneinander
linear unabhängig.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
26
Nicht-experimentelle Forschung:
Korrelationsstudien
Beispiel:
 Man erhebt in einer Stichprobe von Schülerinnen und Schülern mit
den entsprechenden Verfahren zwei oder mehr Variablen, z. B.
Prüfungsangst und Kompetenzen in Mathematik.
 Anschließend wird als Zusammenhangsmaß der Korrelationskoeffizient bestimmt.
 Ursache-Wirkung-Relationen lassen sich anhand dieses Vorgehens
nicht festmachen, d.h. die Korrelation kann dadurch zustande
gekommen sein, dass ängstliche Schüler in Leistungssituationen
gehemmt sind, aber auch dadurch, dass leistungsschwache Schüler
aufgrund ihrer Misserfolge prüfungsängstlicher werden.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
27
Nicht-experimentelle Forschung:
Probleme von Korrelationsstudien
 Korrelationen sind grundsätzlich mehrdeutig.
 Offen bleibt, ob Merkmal A Merkmal B beeinflusst, der
Wirkmechanismus genau umgekehrt ist oder gar eine wechselseitige
Beziehung besteht.
 Auch ist denkbar, dass die Korrelation zwischen A und B nur deshalb
zustande kommt, weil beide durch ein drittes Merkmal C beeinflusst
werden.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
28
Nicht-experimentelle Forschung:
Probleme von Korrelationsstudien
Beispiel: Positive Korrelation zwischen Interesse an der
Mathematik und Leistungen in der Mathematik
Modell 1
Interesse
Modell 2
Leistung
Leistung
Modell 4
Modell 3
Interesse
Interesse
Leistung
Interesse
Leistung
Familiäre
Förderung
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
29
Beispiel für eine Korrelationsstudie:
Baumert & Schümer (2002)
Die beiden Autoren haben auf der Basis der Daten aus PISA 2000
(Deutsches PISA-Konsortium, 2001, 2002) den Zusammenhang
zwischen sozialer Herkunft und der Lesekompetenz untersucht. In der
nationalen Erweiterung von PISA wurden im Schuljahr 1999/2000 rund
46.000 Schülerinnen und Schüler am Ende der Sekundarstufe I
untersucht. Baumert und Schümer analysierten, wie stark der
Zusammenhang zwischen sozialer Herkunft und Lesekompetenz in den
verschiedenen Bundesländern ist, und wie die Stärke des
Zusammenhangs im internationalen Vergleich zu bewerten ist.
Beispiel für eine Korrelationsstudie:
Baumert & Schümer (2002)
N o r d r h e i n - W e s tf a l e n
Hessen
Stärke des Zusammenhangs zwischen
sozialer Herkunft
und Lesekompetenz
nach Ländern der
Bundesrepublik und
ausgewählten OECDStaaten
N ie d e rs a ch s e n
S c h le s w ig -H o ls te in
S a a rla n d
R h e in la n d -P fa lz
B aye rn
B a d e n -W ü rtte m b e rg
M e c k le n b u r g - Vo r p o m m e r n
S c h w e iz
V e r e i n ig t e s K ö n i g r e i c h
S a c h s e n -A n h a lt
T h ü rin g e n
S ach sen
V e r e in ig te S ta a te n
B ra n d en b u rg
F r a n k re ic h
S chw eden
F in n la n d
S c h ü le r in G r o ß s tä d te n
B rem en
0
10
20
30
40
50
60
V e r ä n d e r u n g d e r L e s e k o m p e t e n z ( Te s t w e r t e ) b e i V e r ä n d e r u n g d e s
s o z i o ö k o n o m i s c h e n S ta t u s u m e i n e S ta n d a r d a b w e i c h u n g
Querschnittstudie
Korrelationsstudie, bei der einmalig Daten in
unterschiedlichen Alters- oder Jahrgangsstufen erhoben
werden
Problem: Konfundierung von Alters- und
Kohorteneffekten
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
32
Nicht-experimentelle Forschung
Längsschnittstudien
•
Um eine Längsschnittstudie handelt es sich, wenn die gleichen
Personen einer Stichprobe in Zeitabständen mehrmals untersucht
werden.
•
Längsschnittstudien sind immer dann nötig, wenn es Untersuchern
um langfristige Einflüsse oder Veränderungen geht.
•
Kausalitätsschlüsse werden durch die zeitliche Vor- und
Nachgeordnetheit der untersuchten Variablen möglich.
•
Mit Längsschnittstudien lässt sich beispielsweise die Frage
beantworten, ob Merkmal A Merkmal B beeinflusst, ob der Einfluss
umgekehrt ist oder gar reziprok.
•
Längsschnittstudien stellen ohne Frage den Königsweg dar, wenn es
um die Beschreibung von Entwicklungsprozessen (beispielsweise
der Schulleistungen im Fremdsprachenunterricht) geht.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
33
Längsschnittstudien
Versetztes Mehrkohorten-Längsschnittdesign zur Feststellung von
Alterseffekten (aus Bortz & Döring, 2002, S. 565)
G e b u rtsko h o rte
Q u e rsch n itt
1920
2 0 J a h re
3 0 J a h re
4 0 J a h re
5 0 J a h re
6 0 J a h re
1930
1 0 J a h re
2 0 J a h re
3 0 J a h re
4 0 J a h re
5 0 J a h re
L ä n g ssch n itt
1940
1 0 J a h re
1950
2 0 J a h re
3 0 J a h re
4 0 J a h re
1 0 J a h re
2 0 J a h re
3 0 J a h re
1 0 J a h re
2 0 J a h re
1960
Z e itw a n d eund
l
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften
E p o ch e (E
rh e b u n g sze itp u n kt)
Mathematik
1940
1950
1960
1970
1980
34
Probleme von Längsschnittstudien
• Ausfälle von Untersuchungsteilnehmern (Panelmortalität)
• Vergleichbarkeit der Messinstrumente über die Zeit
• Übungseffekte
• Einflüsse durch (nicht erhobene Drittvariablen)
• Die Berücksichtigung von Kontrollgruppen ist in der Regel
unmöglich.
• Aufwand
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
35
Cross-lagged Panel Designs zur
Überprüfung von Kausalitätsannahmen
in Längsschnittstudien (Campbell, 1963)
• Grundidee: Durch die zeitliche Vor- und Nachgeordnetheit der Merkmale
lassen sich Zusammenhänge (Korrelationen) kausal interpretieren.
• Testet man z. B. zu Beginn eines Schuljahres das mathematische
Interesse von Schülern und am Ende des Schuljahres deren
Mathematikleistung, so kann die gefundene Korrelation zwischen
Interesse und Leistung nicht dahingehend interpretiert werden, dass die
Leistung am Ende des Schuljahres das Interesse zu Beginn des
Schuljahres beeinfluss hat.
• Die umgekehrte Interpretation ist hingegen plausibel.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
36
Beispiel für ein Cross-lagged Panel
Design: Köller, Baumert & Schnabel
(2000)
Die Autoren dieser Arbeit untersuchten auf der Basis einer Mehr-KohortenLängsschittuntersuchung an über 600 Gymnasiasten das UrsachenWirkungs-Gefüge zwischen mathematischem Interesse und
mathematischen Schulleistungen. Drei Messzeitpunkte (Ende der 7., Ende
der 10. und Ende der 12. Jahrgangsstufe) wurden berücksichtigt. Zum
Einsatz kamen standardisierten Schulleistungstests für das Fach
Mathematik und eine kurze Skala zur Erfassung des mathematischen
Interesses.
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
37
Beispiel für ein Cross-lagged Panel
Design: Köller, Baumert & Schnabel
(2000)
L eistung in
K lasse 7
.46
L eistung in
K lasse 10
.44
L eistung in
K lasse 12
.05 (ns)
.21
.23
.31
.12 (ns)
Interesse in
K lasse 7
.43
Interesse in
K lasse 10
.67
Interesse in
K lasse 12
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
38
Vielen Dank für Ihre Aufmerksamkeit!
Kontakt: [email protected]
Prof. Dr. Olaf Köller, Leibniz-Institut für die Pädagogik der Naturwissenschaften und
Mathematik
39

similar documents