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

Hier zeigt sich in keiner Skala ein nennenswerter Unterschied. Auch in Hinblick auf analoge Vergleiche
auf der Basis des Gesamtmittels bzw. des bereinigten Gesamtmittels zeigen sich keine Unterschiede.
Die numerischen Werte lauten:
Schule Universität
Anzahl der Schüler 210 155
Mittelwert 1.96 1.97
Bereinigter Mittelwert 1.97 1.97
Tabelle 26 Mittelwerte und bereinigte Mittelwerte nach Ort
Für den Boxplot erhält man:
Bereinigtes Gesamtmittel
3.0
2.5
2.0
1.5
1.0
Abbildung 34 Ortplot
U S
Auch in der Verteilung selbst zeigt sich also kein nennenswerter Unterschied. Insbesondere kann
keine Rede davon sein, dass die Universitätsbedingungen zu einer positiven Verzerrung oder zu Unvergleichbarkeit
führen. Die hier aus dem Gesamtdatensatz gezogenen Schlussfolgerungen erscheinen
für die reale Schulpraxis valide.
5.4 Fazit
Hauptziel dieses Kapitels war eine Gesamtbetrachtung des Datensatzes, also nicht eine speziell auf
die Items oder die Schüler konzentrierte Sichtweise. Ein wichtiges Strukturmerkmal ist in diesem Zusammenhang,
dass ein Teil der Daten an der Universität, das heißt quasi unter Laborbedingungen,
erhoben wurde. Es zeigt sich jedoch, dass die dort erzielten Resultate nicht von denen im Schulalltag
abweichen. Die Daten können daher auch zusammengelegt und analysiert werden.
Fragt man dann nach den Haupteinflussgrößen auf die Hauptvariable (Gesamtmittel), so ist die Anwendung
klassischer multivariater Verfahren wegen der Substrukturen in den Daten sehr problematisch.
Als Alternative wurde hier ein Ansatz über Regressionsbäume gewählt (CART). Dieser Ansatz
ist hier bewusst deskriptiv zu verstehen. Er bietet aber die Möglichkeit, die innere Struktur der Daten –
oder wenigstens eine Beschreibung davon – transparent darzustellen. Zu den Vorteilen dieses Ansatzes
zählt sicher, dass das Endresultat im allgemeinen ex post leicht verständlich und leicht kommuni-
Ort
59