Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Tagung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.

 
Sitzungsübersicht
Sitzung
M16–S15: Facetten der Intelligenz
Zeit:
Mittwoch, 25.03.2020:
16:45 - 18:30

Ort: S15

Präsentationen

Need for Cognition and Academic Achievement: The Importance of Learning Environments

Joanne Colling1, Rachel Wollschläger1, Ulrich Keller1, Mireille Krischler2, Franzis Preckel2, Antoine Fischbach1

1Luxembourg Centre for Educational Testing (LUCET), University of Luxembourg; 2University of Trier

Need for Cognition (NFC) is a personality trait, most commonly defined as an individual’s “tendency to engage in and enjoy thinking” (Cacioppo & Petty, 1982, p. 119). In educational research, NFC relates to central cognitive and academic outcome variables, such as intelligence (Fleischhauer et al., 2010; Hill et al., 2013), academic self-concept and interest (Dickhäuser & Reinhard, 2010; Keller et al., 2016). The relation between academic achievement and NFC has repeatedly been analyzed and positive correlations have been found irrespective of the operationalization of academic achievement (e.g., Cacioppo & Petty, 1982; Ginet & Py, 2000; Preckel, 2014; Richardson et al., 2012). NFC has also been found to explain incremental variance in academic achievement, over and above other predictors such as academic self-concept and interest (Keller et al., 2016). The assumption that children develop NFC when encountering cognitive challenges and experiencing feelings of personal satisfaction when mastering them (Cacioppo et al., 1996) highlights the potential importance of learning environments. In many countries, the institutional stratification of students into school tracks results in the creation of differential learning environments that impact both achievement and personality development (Baumert et al., 2006; Becker et al., 2012). Higher school tracks are characterized by higher levels of cognitive activation, a higher frequency of and more extensive assignments, and more variation in academic experiences (Gamoran & Berends, 1987). Therefore, they might present a more intellectually stimulating environment that potentially favors the development of NFC. However, knowledge on differences of NFC in differential learning environments and among subgroups of students remains scarce. Therefore, the present study investigates NFC and its relation to academic achievement in different learning environments using large-scale data from the Luxembourg School Monitoring Programme (ÉpStan; Martin et al. 2015) from a full cohort of 9th graders with regular educational pathways (N = 3.355; 50.1 % female). In Luxembourg, students are grouped after elementary school into three tracks. In our sample, 1.147 students attended the highest track while 1.736 and 472 students attended the middle and lowest track, respectively. Academic achievement was assessed by standardized school achievement tests. NFC was assessed with the 14-item NFC-KIDS scale (Preckel & Strobel, 2017). Based on Mussel's (2013) Theoretical Intellect Framework, Preckel and Strobel (2017) argue that all 14 items should be assigned to the general factor Think, reflecting an individual’s general enjoyment of and engagement in thinking. Besides loading on this factor, seven items are expected to load on the facet Seek (behavior of actively approaching cognitively challenging situations) and four items on the facet Conquer (willingness to expend effort and perseverance into mastering these challenges). We found that the hypothesized nested-factor structure of NFC fit best in both the full sample and the tracked subgroups. Measurement invariance across tracks could be established. SEM models indicated that after controlling for students background variables (e.g., gender, SES, language, migration background) NFC significantly predicts achievement for highest and middle track students, while being non-significant for the lowest track students. The present study was able to confirm and strengthen the finding that the nested-factor structure is the best-fitting model for the NFC scale (Keller et al., 2016) and confirmed its applicability across different school tracks. The results suggest that the predictive validity of NFC for academic achievement varies by learning environment. This raises the question which characteristics of the environments are beneficial or detrimental to NFC and its relation with achievement. The presentation is going to discuss this question and potential implications for evidence-based policymaking in countries with highly stratified educational systems.



Selbstreguliertes Lernen als Studienerfolgsfaktor bei Bildungsausländer*innen

Hüseyin Hilmi Yildirim, Julia Zimmermann, Kathrin Jonkmann

FernUniversität in Hagen, Deutschland

Theoretischer Hintergrund

Bildungsausländer*innen, d.h. Studierende mit ausländischer Staatangehörigkeit, die ihre Hochschulzugangsberechtigung im Ausland erworben haben, sind eine wachsende Gruppe an deutschen Hochschulen. Der Anteil der Bildungsausländer*innen unter den Studienanfänger*innen im Jahr 2016 betrug 25% an den Universitäten und 13% an den Fachhochschulen (DAAD & DZHW, 2018).

Wenngleich eine große Mehrheit der Bildungsausländer*innen (90%) plant, einen Studienabschluss in Deutschland zu erwerben, ist dieses Vorhaben häufig nicht erfolgreich. So lagen die Studienabbruchquoten von Bildungsausländer*innen mit 45% im Bachelorstudium und 29% im Masterstudium im Prüfungsjahr 2016 deutlich über den Abbruchquoten deutscher Studierender (Bachelor: 28%, Master: 19%) (Heublein & Schmelzer, 2018). Vor diesem Hintergrund kommt der Ergründung von Bedingungsfaktoren des Studienerfolgs von Bildungsausländer*innen eine besondere Relevanz zu.

Bisherige Studien bestätigten die Bedeutung unterschiedlicher Strategien selbstregulierten Lernens für den Studienerfolg (z.B. Schiefele, Streblow, Ermgassen, & Moschner, 2003) und präsentierten verschiedene Typologien selbstregulierter Lerner (Creß & Friedrich, 2000; Han, Farruggia, & Solomon, 2018).

Fragestellung

Vor diesem Hintergrund untersuchten wir die Zusammenhänge zwischen Strategien selbstregulierten Lernens und dem Studienerfolg (Studienzufriedenheit und Studienabbruchintentionen) von Bildungsausländer*innen in Deutschland. Dabei wurden sowohl die inkrementellen Effekte einzelner Lernstrategien (variablenorientierter Ansatz) als auch der Vorhersagewert der mittels latenter Profilanalysen gewonnenen Lernerprofile (personenorientierter Ansatz) über (bildungs-)demographische Merkmale wie Alter, Geschlecht, Abschlussart und studienbezogene Sprachkenntnisse hinaus betrachtet.

Methode

Stichprobe und Durchführung. Die Daten (N = 4657) stammen aus der ersten Erhebungswelle (Studieneingangsphase der Bildungsausländer*innen) des International Student Survey, der im Rahmen des vom BMBF geförderten Verbundprojekts SeSaBa (Studienerfolg und Studienabbruch bei Bildungsausländern in Deutschland im Bachelor- und Masterstudium) durchgeführt wurde.

Analysestrategie. Zur Bestimmung der Lernerprofile wurde eine latente Profilanalyse (LPA) durchgeführt. Im Gegensatz zu bisherigen Untersuchungen wurden in die Profilanalyse nur die kognitiven (Zusammenhänge, Organisation, Wiederholen, Kritisches Prüfen) und metakognitiven Lernstrategien (Ziele und Planung, Kontrolle, Regulation), die den Kern des selbstregulierten Lernens bilden und damit maßgeblich die Prozesse des selbstregulierten Lernens bestimmen (Boakaerts, 1999), aufgenommen. Im Anschluss wurden anhand von multivariaten Regressionsmodellen die Zusammenhänge zwischen Strategien/Profilen selbstregulierten Lernens und dem Studienerfolg untersucht.

Messinstrumente. Die Lernstrategievariablen wurden mit einer adaptierten Version des LIST von Boerner, Seeber, Keller und Beinborn (2005) erfasst. Die subjektive Studienerfolgserwartung wurde mit einem Item aus dem NEPS (2012) erfragt und zur Erhebung der Studienzufriedenheit wurde eine adaptierte Kurzversion der Skala von Westermann, Heise, Spies und Trautwein (1996) genutzt. Die Abbruchintentionen wurden mit einem Item aus dem NEPS (2012) erfragt. Studienbezogenen Sprachkenntnisse wurden mit einem selbstformulierten Item erhoben.

Ergebnisse und ihre Bedeutung

Im variablenorientierten Ansatz wiesen vor allem die kognitiven Lernstrategien (Zusammenhänge, Organisation, Wiederholen, Kritisches Prüfen) substantielle Zusammenhänge zum Studienerfolg (Studienzufriedenheit und Studienabbruchintention) auf. Mit Blick auf die ermittelten Lernerprofile (Tiefenlernprofil, Durchschnittsprofil und Oberflächenlernprofil) wurde vor allem das Misserfolgsrisiko von Studierenden im Oberflächenlernprofil deutlich. Die Befunde unterstreichen die Bedeutung selbstregulierten Lernens für den Studienerfolg von Bildungsausländer*innen in Deutschland. Sie zeigen auch die spezifischen Stärken und Schwächen dieser Zielgruppe in verschiedenen Bereichen des selbstregulierten Lernens und bieten damit Ansatzpunkte für passgenaue Fördermaßnehmen. Ebenso weisen die Ergebnisse auf das erhöhte Studienabbruchrisiko von Studierenden im Oberflächenprofil hin, die so gezielt mit Unterstützungsangeboten angesprochen werden könnten.



Trait self-control vs. Intelligenz: Wer muss wem das Wasser reichen?

Fabian Schmidt1, Christoph Lindner2, Julian Etzel1, Jan Retelsdorf1

1Universität Hamburg, Deutschland; 2IPN Kiel

Trait self-control (TSC), die Persönlichkeitseigenschaft ungewolltes Verhalten zu unterbrechen oder gänzlich zu unterbinden (De Ridder, Lensvelt-Mulders, Finkenauer, Stok, & Baumeister, 2012) ist ein nichtkognitiver Faktor, der substantielle Zusammenhänge mit Bildungserfolg zeigt (Gottfredson, 2004; Kuncel, Ones, & Sackett, 2010). Forschungsergebnisse zu der inkrementellen prädiktiven Validität des Konstrukts legen nahe, dass sie einen Mehrwert gegenüber der Intelligenz bei der Vorhersage von Schulleistungen (Noten und Leistungen in standardisierten Tests) besitzt (Duckworth & Seligman, 2005).

Jüngere Forschungsergebnisse zeigen jedoch auf, dass die Wichtigkeit der verfolgten Ziele (high-stakes vs. low-stakes) die Wirkung von TSC auf eben diese Ziele beeinflussen kann (Gillebaart & De Ridder, 2015). Auf der einen Seite zeigen unstandardisierte Leistungsoutcomes aus high-stakes Situationen starke Zusammenhänge zu TSC. Auf der anderen Seite hingegen zeigen sich geringere Zusammenhänge zu Leistungen in standardisierten Leistungstests in low-stakes Situationen. Inwiefern die heterogenen Befundmuster bezüglich der prädiktiven Kraft von TSC auf unterschiedliche Leitsungsoutcomes einen Einfluss auf die inkrementelln Wert von TSC über Intelligenz besitzt ist bisher kaum erforscht. Ziel der vorliegenden Arbeit ist es daher den prädiktiven Wert von TSC für Schulleitungen (Notendurchschnitt) und Leistungen in standardisierten Tests über Intelligenz hinaus zu untersuchen.

Methode

Die Daten stammen aus dem Projekt Mathematische und Naturwissenschaftliche Kompetenzen in der beruflichen Erstausbildung (ManKobE; cf. Retelsdorf, Lindner, Nickolaus, Winther, & Köller, 2013). Die Stichprobe umfasst N = 3146 Auszubildende (MAlter = 18.58(SD = 2.77, 38.5% weiblich) aus den Bundesländern Bayern, Hessen, Niedersachsen, Nordrhein-Westphalen und Baden-Württemberg.

TSC wurde anhand der deutschen Version (α = .82; Bertrams & Dickhauser 2009) der Brief Self-Control Scale (Tangney et al. 2004) erhoben. Die 13 Items wurden anhand einer 5-stufigen Likert Skala, mit den Ankern 1 ‘trifft überhaupt nicht zu’ und 5 ‘trifft völlig zu’ erhoben.

Intelligenz wurde mit drei Subtests des kognitiveren Fähigkeitstestes für 4. bis 12. Klassen (KFT 4-12+; Heller & Perleth, 2000) erhoben. Die Subtests erfassen die Fähigkeiten in der verbalen (20 Items), numerischen (20 Items), und figuralen (25 Items) Domäne.

Zur Messung der Mathematik- und Physikfähigkeiten wurden auf den Bildungsstandards basierende (Pant et al., 2013) standardisierte Leistungstest in einem Multimatrixdesign eingesetzt (34 Mathematikitems und 40 Physikitems), die von dem Institut zur Qualitätsentwicklung im Bildungswesen entwickelt wurden. Die Schulleistungen wurden anhand des Notendurchschnitts (rekodiert) des letzten Schulzeugnisses in den Hauptfächern und dem verpflichtenden Wahlfach operationalisiert. Zur Kontrolle wurden der sozioökonomische Status (HISEI; Ganzeboom, de Graaf, Treiman, & de Leeuw, 1992), der Migrationsstatus (dummy coded, 1 = ein oder beide Eltern im Ausland geboren), das Alter und das Geschlecht der Teilnehmenden verwendet.

Alle Modelle wurden mit dem Programm Mplus, Version 8.1 (Muthén & Muthén, 1998) geschätzt. Die multiple Regression wurde simultan für alle abhängigen Variablen und Kovariaten geschätzt und fehlende Werte via full information maximum likelyhood geschätzt.

Ergebnisse und Diskussion

Die Ergebnisse zeigen die erwarteten Zusammenhänge zwischen den Leistungsindikatoren und Intelligenz. TSC hingegen zeigte nur mit den Noten signifikante Zusammenhänge. Die standardisierten Pfadkoeffizienten der simultanen multiplen Regression zeigen für Intelligenz signifikante Haupteffekte für alle abhängigen Variablen. Für die Schulleitungen zeigte sich TSC als inkrementell prädiktiv, wenn auch auf niedrigem Niveau. Diese Befunde zeigten sich nicht bei den standardisierten Tests. Es zeigten sich zudem keine statistisch signifikanten Interaktionseffekte (Intelligenz x TSC).

Insgesamt unterstützen unsere Befunde die Annahme, dass der Wert von TSC über Intelligenz hinaus gering ist und lediglich bei Leistungsoutcomes in unstandardisierten high-stakes Situationen wie Schulnoten zum Tragen kommt. Die Befunde werden bezüglich ihres Beitrags zu der Debatte um binnendifferenzierte Angebote für die Förderung von sozio-emotionalen Faktoren im Bildungskontext (Eskreis-Winkler, 2015) diskutiert und die Limitationen bezüglich des querschnittlichen Studiendesigns und der Multikriterialität von Noten diskutiert (Galla et al., in press).



Interdisziplinäre Relevanz räumlicher Fähigkeiten für den Studienerfolg in MINT-Fächern

Nils Nolte, Jens Fleischer, Detlev Leutner

Universität Duisburg-Essen, Deutschland

Insbesondere die MINT-Studiengänge leiden unter hohen Abbruchquoten (Chen, 2009; Heublein & Wolter, 2011), die unter anderem auf Leistungsdefizite der Studierenden zurückgeführt werden können (Heublein & Schmelzer, 2018).

In den letzten Jahren haben sich, neben vor allem Vorwissen und der Abiturnote, räumliche Fähigkeiten als relevanter Prädiktor für den Studienerfolg in verschiedenen MINT-Fächern herausgestellt (z. B. Lubinski, 2010; Russell-Gebbett, 1985; Sorby, Veurink & Streiner, 2018; Wu & Shah, 2004), insbesondere während der Studieneingangsphase (Uttal & Cohen, 2012).

Unsere Studie zielt darauf ab, den Zusammenhang zwischen räumlichen Fähigkeiten und Studienerfolg unter Kontrolle anderer kognitiver Variablen zu replizieren und in den drei MINT-Fächern Bauingenieurwesen, Chemie und Biologie gegenüberzustellen, was bisher noch nicht anhand konkreter Leistungsmaße untersucht wurde.

Von N = 607 Erstsemesterstudierenden (Bauingenieurwesen: n = 148; Chemie: n = 181; Biologie: n = 250) an fünf deutschen Universitäten wurden zu Beginn des Semesters (Messzeitpunkt 1) demographische Daten und Schulnoten erfragt sowie Tests für räumliches Vorstellungsvermögen, fachspezifisches Vorwissen, mathematische Fähigkeiten und nonverbale Intelligenz erhoben. Am Ende des Semesters (Messzeitpunkt 2) wurde erneut das Fachwissen mit demselben fachspezifischen Test (WLE-Reliabilität Messzeitpunkt 1/2: Bauingenieurwesen = .74/.77; Chemie = .75/.75; Biologie = .57/.58) erhoben. Die Tests für die verschiedenen Fächer wurden nach denselben Richtlinien (Walpuski et al., 2010) parallel entwickelt; sie fragen sowohl Schul- als auch universitäre Inhalte des Fachs ab. Als Maß der räumlichen Visualisierungsfähigkeit, der laut Sorby et al. (2018) für MINT-Fächer wichtigsten Facette räumlicher Fähigkeiten und nach Carroll (1993) definiert als „Prozesse des Erfassens, Kodierens und mentalen Manipulierens räumlicher Formen“, wurde das mentale Rotationsparadigma nach Vandenberg und Kuse (1978; WLE-Reliabilität = .84) verwendet. Zur Erfassung der mathematischen Fähigkeiten wurde ein von Müller et al. (2018) entwickelter Test angepasst (WLE-Reliabilität = .84), der mathematisches Schulwissen abdeckt. Für die Messung der nonverbalen Intelligenz wurde die Objektklassifikationssubskala N1 des KFT (Heller & Perleth, 2000) verwendet (WLE-Reliabilität = .73). Vor den Analysen wurden alle Variablen innerhalb der Fächer z-standardisiert.

Um den Effekt der räumlichen Visualisierungsfähigkeit auf Fachwissen zu Mzp 2 unter strengsten Bedingungen zu testen, wurden die Daten zunächst in einer multiplen Regression mit Vorwissen, Abiturnote, mathematischen Fähigkeiten und nonverbaler Intelligenz als Kontrollvariablen analysiert. Interaktionen mit dem Studienfach wurden ebenfalls ins Modell aufgenommen, wenn sie das R² des Modells signifikant verbesserten.

Vorwissen zeigte sich als wichtigster Prädiktor für das MINT-Fachwissen. Der Effekt war in der Chemie signifikant stärker als im Bauingenieurwesen und der Biologie (βChemie = .52, βBauIng/Biologie = .43; ΔR² = .179). Räumliche Visualisierungsfähigkeit erwies sich als zweitstärkster Prädiktor (β = .16, ΔR² = .021). Die Abiturnote war nur im Bauingenieurwesen (βBauIng = .15; ΔR² = .015) von Bedeutung. Mathematische Fähigkeiten und nonverbale Intelligenz erwiesen sich in keinem Fach als signifikante Prädiktoren.

Da angenommen wurde, dass räumliche Visualisierungsfähigkeit auch einen Effekt auf den vorhergehenden Erwerb von Fachwissen (also Vorwissen) hat, wurde anschließend eine Multigruppen-Mediationsanalyse durchgeführt, um indirekte Effekte zu prüfen. Als in der vorhergehenden multiplen Regression ebenfalls signifikanter Prädiktor wurde die Abiturnote als zweiter Mediator zwischen räumlicher Visualisierungsfähigkeit und Fachwissen in das Modell aufgenommen.

Das Modell passte gut auf die Daten (χ² = 14.84, df = 25, p = .945; RMSEA = 0.00; CFI = 1.00; SRMR = 0.04). Es zeigte sich eine partielle Mediation mit einem fächerübergreifend stabilen direkten Effekt von β = .17 und fachweise aufsummierten indirekten Effekten von βBauIng = .31, βChemie = .23 bzw. βBiologie = .14.

Die Ergebnisse unserer Studie zeigen die Relevanz der räumlichen Visualisierungsfähigkeit für den Erwerb von Fachwissen in MINT-Fächern. Dies ließe sich Trainings nutzen, um den Einstieg in MINT-Studienfächer zu erleichtern. Die sich in den indirekten Effekten zeigenden Fächerunterschiede deuten allerdings darauf hin, dass solche Interventionen über die Bandbreite der MINT-Fächer hinweg unterschiedlich stark wirken würden.