Transcript Herausforderungen des demografischen Wandels fu*r die
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] kiel.de
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 I Basiskompetenzen von Erwachsenen: Die PIAAC-Studie 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 meta analyses 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 pädagogisch psychologischer 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 die lernende Person natürliche Umwelt
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 Praktiker forschung Experimente Korrelations studien
Forschungs strategien
Quasi Experimente Längsschnitt studien 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 Bedingungs zusammenhänge 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 Feed backmaßnahme 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 Quasi Experimenten (Cook & Campbell, 1979)
Diffusion oder Imitation des Treatments:
die „Wind vom Treatment bekommen hat“, wird dieses Treatment ebenfalls durchgeführt.
In einer Kontrollgruppe,
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 Unterrichts stunden 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
linear unabhängig. = 0 sind beide Maße voneinander
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 Korrelations koeffizient 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 Interesse Modell 1 Leistung Interesse Modell 2 Leistung Interesse Modell 3 Leistung Interesse Modell 4 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)
Stärke des Zusam menhangs zwischen sozialer Herkunft und Lesekompetenz nach Ländern der Bundesrepublik und ausgewählten OECD Staaten
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) Querschnitt Längs schnitt Zeit Epoche (Erhebungszeitpunkt) wandel
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-Kohorten Längsschittuntersuchung an über 600 Gymnasiasten das Ursachen Wirkungs 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
.23
Beispiel für ein Cross-lagged Panel Design: Köller, Baumert & Schnabel (2000) Leistung in Klasse 7
.46
.21
Leistung in Klasse 10
.44
.05 (
ns
)
Leistung in Klasse 12 Interesse in Klasse 7
.12 (
ns
) .43
Interesse in Klasse 10
.31
.67
Interesse in Klasse 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