Konzeptuelles und prozedurales Wissen als latente Variablen: Ihre ...
Konzeptuelles und prozedurales Wissen als latente Variablen: Ihre ...
Konzeptuelles und prozedurales Wissen als latente Variablen: Ihre ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Studie 1: Interrelationen der <strong>Wissen</strong>sarten 165<br />
Zweifaktormodelle. Für die Zweifaktormodelle spricht, dass die Unterscheidung von<br />
konzeptuellem <strong>und</strong> prozeduralem <strong>Wissen</strong> von großer theoretischer Bedeutung <strong>und</strong> von<br />
forschungsheuristischem Nutzen ist. Weitere Analysen der Beziehungen zwischen<br />
konzeptuellem <strong>und</strong> prozeduralem <strong>Wissen</strong> sind nur möglich, wenn die Zweifaktormodelle<br />
akzeptiert werden, da die <strong>Wissen</strong>sarten nur in diesem Fall operationalisiert werden können.<br />
Daher werden die Zweifaktormodelle für die weiteren Analysen verwendet, jedoch immer<br />
unter dem Vorbehalt, dass die divergente Validität der Maße empirisch weder be- noch<br />
widerlegt werden konnte. Ein weiteres Argument für die Verwendung der<br />
Zweifaktormodelle liefern die im Folgenden beschriebenen explorativen Analysen.<br />
Explorative Analysen der divergenten Validitäten<br />
Die drei hohen Korrelationen zwischen den konzeptuellen <strong>und</strong> den prozeduralen Faktoren<br />
verdeutlichen, dass ein Teststärkeproblem vorliegt. Ein Zweifaktormodell mit zwei perfekt<br />
(d.h. mit r = 1,00) korrelierenden Faktoren ist äquivalent zu einem Einfaktormodell. Die<br />
empirisch gef<strong>und</strong>enen Korrelationen sind jedoch kleiner <strong>als</strong> eins <strong>und</strong> sprechen somit für<br />
die Richtigkeit des Zweifaktormodells – nur ist die Verschiedenheit der Koeffizienten vom<br />
Wert eins nicht statistisch absicherbar. Bei einer Erhöhung der Teststärke könnte sich das<br />
ändern.<br />
Eine solche Erhöhung der Teststärke kann erzielt werden, indem mehrere<br />
Messzeitpunkte gemeinsam analysiert werden. In den Zweifaktormodellen, die sich nur auf<br />
einen Messzeitpunkt bezogen, waren empirisch gegeben die Varianzen der 8 manifesten<br />
<strong>Variablen</strong> sowie die 28 Kovarianzen dieser <strong>Variablen</strong>. Es konnten <strong>als</strong>o 36 empirisch<br />
gegebene Größen zur Schätzung der Modellparameter verwendet werden. Analysiert man<br />
hingegen zwei Messzeitpunkte gemeinsam in einem Modell, so sind 16 Varianzen <strong>und</strong> 120<br />
Kovarianzen empirisch gegeben. Bei drei Messzeitpunkten sind 24 Varianzen <strong>und</strong> 276<br />
Kovarianzen gegeben. Dieser nichtlineare Zuwachs an Kovarianzen ergibt sich aus der<br />
quadratischen Form der Varianz-Kovarianz-Matrix. Er führt dazu, dass das Verhältnis<br />
zwischen gegebenen <strong>und</strong> zu schätzenden Parametern bei Modellen über mehrere<br />
Messzeitpunkte hinweg besser ist <strong>als</strong> bei Modellen über einen Messzeitpunkt.<br />
Daher wurden Modell E1 <strong>und</strong> Modell E2 zu einem Modell E12 zusammengefasst <strong>und</strong><br />
Modell Z1 <strong>und</strong> Modell Z2 zu einem Modell Z12. Modell E12 umfasst 16 Indikatoren <strong>und</strong><br />
zwei <strong>latente</strong> Faktoren (einen <strong>Wissen</strong>sfaktor pro Messzeitpunkt), Modell Z12 dieselben 16<br />
Indikatoren, jedoch vier <strong>latente</strong> Faktoren (einen konzeptuellen <strong>und</strong> einen prozeduralen<br />
Faktor pro Messzeitpunkt).