Differentielle Prognostizierbarkeit Von Schulleistung

ISBN-13: 9783531031255 / Niemiecki / Miękka / 1982 / 228 str.

Bernhard Rosemann

Opis

In Schulen und Beratungsstellen geh5rt die Erstellung von Schulerfolgsprognosen mehr oder weniger zur alltaglichen Routine. Lehrer und Berater gutachten uber das zukunftige Schulschicksal von Kindern. Nur selten wird dabei die unzu reichende theoretische wie empirische Fundierung dieses Tuns reflektiert. Die praktische Bedeutsamkeit eben so wie die wissenschaftliche Unzulanglichkeit von Schulleistungsprognosen waren Veranlassung zur Durchfuhrung der vorliegenden Unter suchung. Dabei steht imMittelpunkt dieser Arbeit die Ausein andersetzung mit dem Problem der globalen versus differentiellen Prognostizierbarkeit von Schulleistung. Durfen sich Vorhersagen von Schulleistung auf allgemeine, fur eine Gesarntgruppe von Schulern gultige Befunde stutz en oder muS die Zugeh5rigkeit des Schulers zu einer bestirnrnten, wie auch irnrner definierten, Unter gruppe berucksichtigt werden? Zur Klarung dieser Frage werden M5glichkeiten und Grenzen der globalen eben so wie der differen tiellen Vorhersage untersucht. Besonderes Gewicht hat dabei die Darstellung von Ansatzen, die Grundlagen zur Erstellung diffe rentieller Prognosen bieten k5nnen. Der Aufbau dieser Arbeit laSt sich wie folgt kurz skizzieren: Nach einer Diskussion der Problematik der Schulleistungsvorher sage und der Beschreibung der Durchfuhrung der Untersuchung, werden die univariaten Beziehungen zwischen den vorhers gemerk rnalen und der Schulleistung analysiert. Sodann wird untersucht, inwieweit die "klassischen" multivariaten Ansatze (im Rahmen globaler Prognosen) zu einer Erh5hung der Vorhersagegenauigkeit beitragen k5nnen. Ob Moderatoranalysen, AID-Analysen bzw. die Typologische Pradiktion hinreichende Informationen fur diffe rentielle Prognosen zu liefern verm5gen, ist die Fragestellung der nachsten Kapitel. Besonders im Kontext der Typologischen Pradiktion spielen Klassifikationsverfahren (Clusteranalysen) eine bedeutsarne Rolle.

Spis treści

1. Zur Problematik der Vorhersage von Schulleistung.- 1.1 Notwendigkeit von Schulleistungsprognosen.- 1.2 Erstellung von Schulleistungsorognosen.- 1.3 Differentielle Prognostizierbarkeit.- 1.4 Zielsetzung der Untersuchung.- 2. Durchführung der Untersuchung.- 2.1 Prädiktorvariablen.- 2.1.1 Intelligenz.- 2.1.1.1 Faktorenstruktur des PSB.- 2.1.1.2 Grundintelligenztest CFT 3.- 2.1.2 Interessen.- 2.1.3 Schul- und Prüfungsangst.- 2.1.4 Schulbezogene Motivation.- 2.1.5 Orientierung an institutionellen Normen.- 2.1.6 Einstellung zu Lehrern und Schule.- 2.2 Sozialer Kontext.- 2.2.1 Häusliches und schulisches Lernumfeld.- 2.2.2 Freizeitverhalten und Zukunftsperspektiven.- 2.3 Kriteriumsvariablen.- 2.4 Stichproben.- 2.5 Datenanalyse.- 2.5.1 Datenmanagement.- 2.5.2 Gruppierungsverfahren (Clusteranalyse).- 2.5.3 Verfahren der deskriptiven Statistik und Inferenzstatistik.- 3. Zusammenhänge zwischen Einzelmerkmalen und Schulleistung.- 3.1 Intelligenz.- 3.2 Interessen.- 3.3 Schulbezogene Motivation und Angst.- 4. Multivariate Beziehungen zwischen den Prädiktoren und Schulleistung.- 4.1 Regressionsanalyse mit dem Gesamtprädiktorensatz.- 4.2 Analyse der Struktur der Prädiktoren und des Kriteriums.- 4.2.1 Analyse des Prädiktorensatzes.- 4.2.2 Analyse des Kriteriums.- 4.3 Regressionsanalyse mit einem reduzierten Prädiktorensatz.- 4.4 Auswahl optimaler Prädiktorkombinationen.- 4.5 Regressionsanalyse mit Hauptkomponenten.- 4.6 Kanonische Analyse.- 5. Differentielle Prognostizierbarkeit und Moderatoranalyse.- 5.1 Moderierte Regression.- 5.2 Untergruppen-Moderatoranalyse.- 5.2.1 Schulangstsyndrom als Moderator.- 5.2.2 Schulnoten der Untergruppen.- 5.2.3 Moderatorwirkungen.- 5.2.3.1 Gesamtintelligenz, Schulangst und Schulleistung.- 5.2.3.2 Intelligenzuntertestwerte, Schulangst und Schulnoten.- 5.2.4 Interkorrelationen und Faktorenstruktur der Schulnoten bei hoch- und niedrigängstlichen Schülern.- 5.2.5 Längsschnittanalyse der Schulnoten von hoch- und niedrigängstlichen Schülern.- 5.2.6 Soziales Umfeld von Hoch- und Niedrigängstlichen.- 6. Differentielle Prognostizierbarkeit und Automatische Interaktionsaufklärung.- 6.1 Beschreibung des Verfahrens AID (Automatic Interaction Detector).- 6.2 AID-Analyse für das Fach Deutsch.- 6.3 AID-Analyse für die Fächer Mathematik und Englisch.- 7. Differentielle Prognostizierbarkeit und Typologische Prädiktion.- 7.1 Konzept der Typologischen Prädiktion.- 7.2 Typenanalyse und Schulleistung.- 7.2.1 Exhaustive versus nicht-exhaustive Gruppierung.- 7.2.2 Beschreibung der Schülertypen.- 7.2.3 Schülertypen und Schulleistung.- 7.2.4 Soziales und schulisches Umfeld der Schülertypen.- 7.2.5 Freizeitverhalten und Zukunftsperspektiven der Schülertypen.- 7.2.6 Person-Situations-Konfigurationen der Schülertypen.- 7.2.7 Schulleistungstypen und Schülertypen.- 7.3 Typenanalyse und Schullaufbahnverlauf.- 7.3.1 Beschreibung der Schülertypen.- 7.3.2 Schülertypen und Schullaufbahn.- 8. Diskussion der Ergebnisse.- 9. Methodenvergleich verschiedener Clusteranalyseverfahren.- 9.1 Ablaufschema einer Clusteranalyse.- 9.2 Darstellung und Transformation der Eingabedaten.- 9.3 Ähnlichkeits- und Distanzmaße.- 9.4 Homogenitätsmaße.- 9.5 Gruppierungsarten.- 9.6 Beschreibung der zu vergleichenden Clusteranalysen.- 9.6.1 Automatische Klassifkation (AUKL).- 9.6.2 Mode-Analysis (MODE).- 9.6.3 Normal-mixture-analysis (NORMIX).- 9.6.4 Iterative Clusteranalyse von MCRAE (YMIKCA).- 9.7. Durchführung der Verfahrensvergleiche (I).- 9.7.1 Anwendung der Clusteranalysen auf die IRIS-Daten.- 9.7.2 Kriterien zum Vergleich von Clusteranalyseergebnissen.- 9.7.3 Ergebnisse der Automatischen Klassifikation.- 9.7.4 Ergebnisse der Mode-Analysis.- 9.7.5 Ergebnisse der Normal-mixture-analysis.- 9.7.6 Ergebnisse des iterativen Verfahrens von MCRAE.- 9.8 Durchführung der Verfahrensvergleiche (II).- 9.8.1 Anwendung der Clusteranalysen auf pschologische Daten.- 9.8.2 Kriterien zum Vergleich von Clusteranalyseergebnissen bei “natürlichen” Daten.- 9.8.3 Ergebnisse der Automatischen Klassifikation.- 9.8.4 Ergebnisse der Mode-Analysis.- 9.8.5 Ergebnisse der Normal-mixture-analysis.- 9.8.6 Ergebnisse des iterativen Verfahrens von MCRAE.- 9.9 Zusammenfassung und Diskussion.- 10. Ausblick.- Namenverzeichnis.