Experimentierendes Lernen in der Bau- und Holztechnik

Konzeption der Studie
Tabelle 12: Signifikanz und Bezeichnung (vgl. BÜHL & ZÖFEL 2005, S. 111; ZÖFEL 1992, S. 78)
Irrtumswahrscheinlichkeit Bedeutung Symbolisierung
α > 5 % p > 0.05 nicht signifikant ns
α ≤ 5 % p ≤ 0.05 signifikant *
α ≤ 1 % p ≤ 0.01 sehr signifikant **
α ≤ 0,1 % p ≤ 0.001 höchst signifikant ***
In der Statistik sind Unterschiede signifikant, wenn eine geringe Irrtumswahrscheinlichkeit
vorliegt. Die Überprüfung der statistischen Signifikanz geschieht mit Hilfe einer
Hypothese, die verworfen oder bestätigt wird, wenn das zufällige Eintreten des Unterschiedes
sehr unwahrscheinlich ist. Das Quantil der zu überprüfenden Unwahrschein-
lichkeit ist festgelegt und mit α bezeichnet, beispielsweise α = 0,05 für 5% Irrtumswahrscheinlichkeit.
Je geringer diese, desto höher die Informationsqualität.
Die statistische Signifikanz beschreibt folglich den Informationsgehalt eines Ereignisses
bzw. einer Messung. Die Ermittlung des T-Tests wird durch computergestützte
Programme vereinfacht. In diesem Falle wurde zur Auswertung der Studie die Software
„SPSS“ verwendet.
9.3.4 Varianzanalyse einer unabhängigen Variablen
Allgemein ist die Varianzanalyse (ANOVA) eine Methode zur Prüfung einer Hypothese.
Varianzanalysen werden u. a. danach unterschieden, wieviele unabhängige Variablen
in ihrer Bedeutung für die abhängige Variable untersucht werden. Die einfache Varianzanalyse
dient zum Vergleich von mehr als zwei unabhängigen Stichproben aus
normal verteilten Grundgesamtheiten (vgl. ZÖFEL 1992, S. 116).
Die hier verwendete, einfaktorielle Varianzanalyse prüft den Einfluss der unabhängigen
Variablen (Experiment) auf die abhängige Variable (Lernerfolg in den drei definierten
Bereichen) (vgl. BORTZ 1993, S. 225). Mittels der Varianzanalyse wird die Signifikanz
der erreichten Ergebnisse ermittelt. Diese dient wiederum dazu, die Hypothesen zu
prüfen. Dieses Verfahren ist eine Erweiterung des T-Tests bei zwei Stichproben.
Die einfaktorielle Varianzanalyse führt bei der Signifikanzprüfung zu gleichen Ergebnissen
wie der T-Test. Die Varianzanalyse dient daher hier der Ergebnissicherung.
Diese Vorgehensweise ist bei Versuchsanordnungen dieser Art üblich und ist auch in
ähnlich gelagerten Studien dokumentiert, z. B. ERNST, A. et al (2004): Assessment of
student learning outcomes; CARR, N. J. (1982): An evaluation of the use of case studies
in economics at advanced levels in schools.
143