Forschungsprofil
Foto: Martin Brunner

Forschungsprojekte

Forschungsprofil

Wir untersuchen (a) kognitive und (b) sozio-emotionale Kompetenzen, (c) institutionelle Lernumwelten und (d) wie diese zusammen Bildungserträge und -renditen beeinflussen. Hierzu nutzen wir Daten repräsentativer Stichproben, multivariate statistische Modelle und integrative Datenanalysen (z.B. Meta-Analysen). So tragen wir zur Evidenzbasierung der Bildungspraxis bei.

Dissertations- und Post-Doc Projekte

Dr. Gesine FuchsPsychometric Data Quality of Standard Based Proficiency Tests
Andrea HaslThe Interplay between Cognitive and Non-Cognitive Skills in Education
Dr. Lena KellerBIG-GENDER: Big Data Meta-Analysen von Geschlechtsunterschieden in der Schülerleistung und Lernmotivation auf Grundlage von Large-Scale Assessments
Dr. Julia KretschmannAnalyses of Causal Effects in Educational Settings with Observational Data
Sophie StallaschMultilevel Design Parameters and Effect Size Benchmarks for Students' Competencies

Aktuelle Drittmittelprojekte

MULTI-DES: Mehrebenen Designparameter und Beurteilungsmaßstäbe von Effektgrößen für die Kompetenzentwicklung von Schülerinnen und Schülern

Projektpartner/-in: Prof. Dr. Cordula Artelt und Prof. Dr. Oliver Lüdtke

Das Projekt MULTI-DES wird von der Deutschen Forschungsgemeinschaft (DFG) gefördert und möchte zur Evidenzbasierung im Bildungswesen beitragen. Denn der Fortschritt in der Bildungsforschung sowie die Entwicklung evidenzbasierter Bildungspolitik und -praxis hängt von der Verfügbarkeit belastbarer Forschungsergebnisse und deren Kommunikation an eine breite Öffentlichkeit ab. Um zu prüfen, ob pädagogische Maßnahmen in der Praxis wirken, sollten Interventionsstudien im Bildungsbereich in ökologisch-validen Settings durchgeführt werden. Solche Studien werden daher oft als cluster-randomisierte Studien angelegt, in denen vollständige Gruppen (z.B. ganze Schulen) zufällig den experimentellen Bedingungen zugewiesen werden. Um die Stichprobengröße von cluster-randomisierten Studien (Anzahl an Schülerinnen und Schülern, Klassen und Schulen) zu planen bzw. um eine ausreichende statistische Power sicherzustellen, sind mehrere Designparameter essentiell: Intraklassenkorrelationen, die Kompetenzunterschiede von Klassen innerhalb von Schulen bzw. zwischen Schulen quantifizieren sowie die durch Kovariaten (z.B. Prätestwerte) erklärte Varianz auf Individual-, Klassen- und Schulebene. Um die Ergebnisse von Interventionsstudien zu interpretieren, sind empirisch fundierte Beurteilungsmaßstäbe von Effektgrößen besonders wichtig. Denn diese Maßstäbe helfen zu beurteilen, wie stark die Interventionen auf die Kompetenzentwicklung der Schülerinnen und Schülern wirken. Wichtig ist, dass sowohl Designparameter als auch Beurteilungsmaßstäbe auf die Zielpopulation abgestimmt sind. Das Projekt MULTI-DES ist das Erste, das systematisch Designparameter und Beurteilungsmaßstäbe im Mehrebenenkontext des deutschen Schulsystems untersucht. Hierzu werden wir vier Studien durchführen, die auf den repräsentativen Daten von drei deutschen, längschnittlich angelegten Large-Scale Assessmentstudien basieren: das Nationale Bildungspanel (NEPS), die nationale Erweiterung der internationalen PISA-2003-Studie (PISA-I+) und Deutsch-Englisch-Schülerleistungen- International (DESI). Diese Large-Scale Assessmentstudien umfassen ein breites Spektrum an Schülerkompetenzen und Altersgruppen (Klassenstufen 1 bis 12). In Studie 1 untersuchen wir für cluster-randomisierte Studien mit zwei Ebenen (Schüler in Schulen) und drei Ebenen (Schüler in Klassen; Klassen in Schulen) Designparameter für die generelle Schülerpopulation und für verschiedene Schularten. In Studie 2 analysieren wir, inwiefern verschiedene Kovariaten und deren Kombination bzw. deren zeitlicher Abstand zu den abhängigen Variablen die Schätzgenauigkeit/statistische Power von cluster-randomisierten Studien verbessern. Studie 3 untersucht das durchschnittliche Kompetenzwachstum als Beurteilungsmaßstab von Effektgrößen für die generelle Schülerpopulation und getrennt nach Schulformen. Schließlich beschäftigt sich Studie 4 mit Kompetenzunterschieden zwischen leistungsschwachen und durchschnittlichen Schulen als Beurteilungsmaßstab.

 

BIG-GENDER: Big Data Meta-Analysen von Geschlechtsunterschieden in der Schülerleistung und Lernmotivation auf Grundlage von Large-Scale Assessments

Projektpartnerin: Prof. Dr. Franzis Preckel

Eine essentielle Voraussetzung für jeden wissenschaftlichen und politischen Diskurs von Geschlechtsunterschieden in der Schule (und darüber hinaus) ist verlässliches, empirisch abgesichertes Wissen zu deren Art, Größe und Variabilität sowie den Moderatoren zur Erklärung dieser Unterschiede. Dieses Wissen ist aus mindestens drei Gründen hochrelevant: Man kann damit (1) plausible Antezedenzien für noch immer bestehende Geschlechtsunterschiede in universitären Studiengängen erkennen, die bereits vor dem Übergang an die Universität bestehen, (2) bestehende Vorurteile/Stereotype mit wissenschaftlicher Evidenz ausräumen (z.B. nur Jungen können Spitzenleistungen in Mathematik erbringen), die Mädchen davon abhalten können Berufe in Mathematik, Informatik, Naturwissenschaften und Technik (MINT) zu ergreifen, und (3) Ansatzpunkte für eine evidenz-basierte Entscheidungsfindung in der Bildungspolitik identifizieren (z.B. Jungen aus sozioökonomisch benachteiligten Familien). Das Hauptziel dieses meta-analytischen Big Data-Projekts ist deshalb die Bereitstellung von breit generalisierbarem Wissen zu Geschlechtsunterschieden in der Schülerleistung und Lernmotivation. Hierzu meta-analysieren wir individuelle Schülerdaten von 999 repräsentativen Stichproben aus 112 Ländern (Gesamt N > 4 Mio.), die für 24 Zyklen internationaler Large-Scale-Assessments im Zeitraum von 1995 bis 2015 vorliegen: Die Trends in International Mathematics and Science Study (TIMSS; Jahrgangsstufen 4, 8 und 12), die Progress in International Reading Literacy Study (PIRLS; Jahrgangsstufe 4), und das Programme for International Student Assessment (PISA; 15-Jährige). Dieses Projekt ist die erste quantitative Synthese dieser Fülle an Daten auf Basis meta-analytischer Methoden. Konkret werden wir im Rahmen von drei domänenspezifischen Meta-Analysen Geschlechtsunterschiede in der Leistung und Lernmotivation (mit Blick auf Mittelwert- und Variabilitätsunterschieden) in Mathematik, Naturwissenschaften bzw. Lesen untersuchen. Als Moderatoren von Geschlechtsunterschieden analysieren wir Alter und soziökonomischen Status (SÖS), Selektivität der Stichprobe (z.B. die unteren 10% oder die besten 5% der Leistungsverteilung), soziokulturelle Indikatoren der Geschlechtergleichstellung und historische Trends. Weiterhin meta-analysieren wir Geschlechtsunterschiede in domänenübergreifenden Leistungs- und motivationalen Profilen für drei Gruppen von spitzenleistenden Schülerinnen und Schülern, die in ihren Ländern in den jeweiligen Altersgruppen zu den besten 5% in Mathematik, Naturwissenschaften bzw. Lesen zählen. Insgesamt liefert unser Projekt neue Erkenntnisse zu länderübergreifenden, zeitlichen und altersbasierten Trends in Geschlechtsunterschieden in der generellen Schülerpopulation und in der Gruppe der spitzenleistenden Schülerinnen und Schüler sowie zu komplexen Interaktionen zwischen Geschlecht, Selektivität der Stichprobe, SÖS und soziokulturellen Indikatoren der Geschlechtergleichstellung. Das Projekt BIG-GENDER wird von der Deutschen Forschungsgemeinschaft (DFG) gefördert.