14.12.2012 Aufrufe

Lehrstuhl für Mathematik und ihre Didaktik Walter Olbricht, Doris ...

Lehrstuhl für Mathematik und ihre Didaktik Walter Olbricht, Doris ...

Lehrstuhl für Mathematik und ihre Didaktik Walter Olbricht, Doris ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

Gesamtmittel<br />

3.0<br />

2.5<br />

2.0<br />

1.5<br />

1.0<br />

21 22 23 24 25 26 27 28 29 30 31<br />

Abbildung 18 Klassensatzplot der Parallelklassen<br />

Klassensatz <strong>für</strong> Parallelklassen<br />

Über die Gründe lässt sich (auch mangels Daten) nichts Endgültiges sagen. Das Thema allein scheint<br />

nicht zur Erklärung auszureichen, da gerade in den Klassensätzen 21 <strong>und</strong> 22 verschiedene Themen<br />

behandelt wurden, während umgekehrt das Thema Thales in Klassensatz 20 mit sehr gutem Erfolg<br />

durchgenommen wurde. Es ist denkbar, dass es auch einen nivellierenden Schuleffekt bei Parallelklassen<br />

gibt, der schon allein aufgr<strong>und</strong> von klassenübergreifenden Kontakten bei den Schülern, allgemeinen<br />

Absprachen bei den Lehrern sowie des Einzugsgebiets der Schule <strong>und</strong> des sozialen Hintergr<strong>und</strong>s<br />

<strong>ihre</strong>r Schüler plausibel wäre.<br />

Es gibt also sowohl Mikro- wie auch Makrostrukturen über den Klassensatz hinaus, die eine Behandlung<br />

der Schüler oder der Klassen als „i.i.d.-Zufallsstichprobe“ in Frage stellen. Andererseits erscheint<br />

Klassensatz nach wie vor als geeignete <strong>und</strong> einflussreiche Kovariable. Denn es spricht nichts dagegen,<br />

„Schuleffekte“ mit durch den Klassensatz zu modellieren, zumal meist ohnehin nur eine Klasse<br />

pro Schule teilnehmen wird. Überdies zeigt gerade der Parallelklassenplot, dass selbst bei sehr homogenen<br />

Verhältnissen ein deutlicher Klassensatzeffekt bleibt. Die Unterschiede zwischen Parallelklassen<br />

dürften nivellierte Klassensatzeffekte – <strong>und</strong> insofern „untere Schranken“ da<strong>für</strong> – sein.<br />

4.2. Einfluss der Kovariablen<br />

In diesem Abschnitt soll erneut eine Betrachtung der Kovariablen vorgenommen werden. Diesmal soll<br />

allerdings das Gesamtmittel über alle 38 Items <strong>und</strong> nicht die Mittel auf den einzelnen Skalen im Mittelpunkt<br />

stehen. Direkte Vergleiche sind mit großer Vorsicht zu interpretieren, da es wieder sehr leicht<br />

zur Vermengung von Faktoren kommen kann. In der bisherigen Untersuchung (Abschnitt 3.4. <strong>und</strong><br />

4.1.) stellte sich insbesondere der Klassensatz als sehr einflussreiche Kovariable heraus, was aus<br />

empirischer Sicht auch sehr plausibel ist. Dies wird in Kapitel 5 noch einmal durch einen anderen Ansatz<br />

bestätigt werden. Insofern erscheint es vernünftig, bei der Betrachtung der anderen Kovariablen,<br />

den Faktor Klassensatz wieder zu kontrollieren <strong>und</strong> seinen Effekt herauszurechnen. Dabei sollen angesichts<br />

der oben angesprochenen Substrukturen komplexe Techniken vermieden, sondern lieber<br />

elementar vorgegangen werden. Dazu wird neben dem ursprünglichen Gesamtmittel eines Schülers<br />

auch immer das „bereinigte Gesamtmittel“ betrachtet. Dieser Wert wird wie folgt gebildet: Zunächst<br />

wird vom Gesamtmittel eines jeden Schülers der Mittelwert <strong>für</strong> den Klassensatz, dem er angehört,<br />

subtrahiert. Anschließend wird der Mittelwert über alle Schüler addiert. Auf diese Weise wird also letztlich<br />

der Unterschied (in den Mittelwerten) zwischen dem Klassensatz des Schülers <strong>und</strong> dem Gesamtdatensatz<br />

eliminiert. Vergleiche auf der Basis dieses „bereinigten Gesamtmittels“ sind dann also wesentlich<br />

weniger von Vermengungen verzerrt.<br />

41

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!