Advertisement

Asymmetrien zwischen Noten und Testleistungen am Ende der 8. Schulstufe? Eine Analyse auf Grundlage der österreichischen Bildungsstandardüberprüfung Mathematik 2012

  • Christine SchmidEmail author
Originalbeitrag
  • 13 Downloads

Zusammenfassung

Die österreichische Bildungsstandardüberprüfung für das Fach Mathematik 8. Schulstufe aus dem Jahr 2012 (BIST-Ü M8 2012) erlaubt als Vollerhebung (N = 79.678) einen Vergleich von Noten und Testleistungen nicht nur auf der Populationsebene, sondern auch auf der Ebene von Klassen bzw. Lerngruppen. Regressions- und Mehrebenenanalysen zeigen, dass Schüler/innen der 1. Leistungsgruppe Hauptschule bei gleichen Testleistungen deutlich bessere Noten erhalten als Schüler/innen der Allgemeinbildenden Höheren Schulen (AHS). Außerdem erzielen Mädchen, Kinder aus Elternhäusern mit einem höheren Sozialstatus sowie Schüler/innen mit Migrationshintergrund bei gleichen Testleistungen bessere Noten als Jungen, Kinder aus Elternhäusern mit einem niedrigeren Sozialstatus und als Schüler/innen ohne Migrationshintergrund. Die Ergebnisse werden im Hinblick auf mögliche zugrundeliegende Mechanismen diskutiert. Sie spiegeln den Stand der Benotungspraxis vor der flächendeckenden Umwandlung der Hauptschulen in Neue Mittelschulen wieder.

Schlüsselwörter

Noten Bildungsstandards Leistungsäquivalente Notenvergabe Soziale Bezugsnorm Mehrebenenanalyse Sekundarstufe I 

Asymmetries between grades and test performances at the end of 8th grade? An analysis based on the Austrian educational standards assessment in Mathematics 2012

Abstract

The Austrian educational standards assessment for 8th grade Mathematics in 2012 (BIST-Ü M8 2012), as a complete survey (N = 79,678), allows to compare grades with test performances not only at the population level, but also at the level of classes or learning groups. Corresponding regression and multi-level analyses show that students in the 1st performance group “Hauptschule” receive significantly better marks for the same test performance than students of the “Allgemeinbildende Höhere Schule” (AHS). In addition, girls, children from households with higher social status, and students with an immigrant background achieve better grades than boys, children from households with lower social status, and students without an immigrant background. The results are discussed with regard to possible underlying mechanisms. They reflect the state of grading practice before the nation-wide conversion of secondary schools into “Neue Mittelschulen” (NMS).

Keywords

Grades educational standards performance-equivalent grading social reference orientation multi-level analysis lower secondary education 

Literatur

  1. Baumert, J., Trautwein, U., & Artelt, C. (2003). Schulumwelten – institutionelle Bedingungen des Lehrens und Lernens. In Deutsches PISA Konsortium (Hrsg.), PISA 2000 – Ein differenzierter Blick auf die Länder der Bundesrepublik Deutschland (S. 261–331). Opladen: Leske + Budrich.CrossRefGoogle Scholar
  2. Bos, W., Voss, A., Lankes, E.-M., Schwippert, K., & Thiel, O. (2004). Schullaufbahnempfehlungen von Lehrkräften für Kinder am Ende der vierten Jahrgangsstufe. In W. Bos, E.-M. Lankes, M. Prenzel, K. Schwippert, R. Valtin & G. Walther (Hrsg.), IGLU. Einige Länder der Bundesrepublik Deutschland im nationalen und internationalen Vergleich (S. 191–228). Münster: Waxmann.Google Scholar
  3. Bruneforth, M., Lassnigg, L., Vogtenhuber, S., Schreiner, C., & Breit, S. (Hrsg.). (2016). Das Schulsystem im Spiegel von Daten und Indikatoren. Nationaler Bildungsbericht Österreich 2015, Bd. 1. Graz: Leykam.Google Scholar
  4. von Davier, M., Gonzales, E., & Mislevy, R. J. (2009). What are plausible values and why are they useful? In IEA-ETS Research Institute (Hrsg.), Issues and methodologies in large-scale assessments. IERI monograph series, (Bd. 2, S. 9–36). Hamburg, Princeton: IEA-ETS Research Institute.Google Scholar
  5. Ditton, H., & Krüsken, J. (2006). Der Übergang von der Grundschule in die Sekundarstufe I. Zeitschrift für Erziehungswissenschaft, 9(3), 348–372.CrossRefGoogle Scholar
  6. Eder, F. (2003). Tests und Lehrerurteil. Wie gut stimmen externe Leistungstests mit Lehrereinstufungen überein? In E. J. Brunner, P. Noack, G. Scholz & I. Scholl (Hrsg.), Diagnose und Intervention in schulischen Handlungsfeldern (S. 125–140). Münster: Waxmann.Google Scholar
  7. Eder, F., & Dämon, K. (2010). Leistungsvergleiche zwischen Hauptschule und AHS-Unterstufe. In F. Eder & G. Hörl (Hrsg.), Schule auf dem Prüfstand (S. 13–56). Wien: LIT.Google Scholar
  8. Enders, C. K., & Tofighi, D. (2007). Centering predictor variables in cross-sectional multi-level models: a new look to an old issue. Psychological Methods, 12(2), 121–138.CrossRefGoogle Scholar
  9. Fend, H. (2006). Neue Theorie der Schule. Einführung in das Verstehen von Bildungssystemen. Wiesbaden: VS.Google Scholar
  10. George, A. C., Itzlinger-Bruneforth, U., & Trendtel, M. (2015). Stichprobenziehung in Bildungsstandardüberprüfungen und Pilotierungen. Technische Dokumentation – BIST-Ü. Salzburg: BIFIE.Google Scholar
  11. Gignac, G. E., & Szodorai, E. T. (2016). Effect size guidlines for individual differences researchers. Personality and Individual Differences, 102, 74–78.CrossRefGoogle Scholar
  12. Hochweber, J. (2010). Was erfassen Mathematiknoten? Münster, New York, München, Berlin: Waxmann.Google Scholar
  13. Köller, O. (2005). Bezugsnormorientierung von Lehrkräften: Konzeptuelle Grundlagen, empirische Befunde und Ratschläge für praktisches Handeln. In R. Vollmeyer & J. C. Brunstein (Hrsg.), Motivationspsychologie und ihre Anwendungen (S. 189–202). Stuttgart: Kohlhammer.Google Scholar
  14. Lüdtke, O., Robitzsch, A., Trautwein, U., & Kunter, M. (2009). Assessing the impact of learning environments: how to use student ratings of classroom or school characteristics in multilevel modeling. Contemporaray Educational Psychology, 34, 120–131.CrossRefGoogle Scholar
  15. Maaz, K., Baeriswyl, F., & Trautwein, U. (2013). Herkunft zensiert? Leistungsdiagnostik und soziale Ungleichheiten in der Schule. In D. Deißner (Hrsg.), Chancen bilden. Wege zu einer gerechteren Bildung – ein internationaler Erfahrungsaustausch (S. 184–341). Wiesbaden: Springer.Google Scholar
  16. Menard, S. (2011). Standards for standardized logistic regression coefficients. Social Forces, 89(4), 1409–1428.CrossRefGoogle Scholar
  17. Robitzsch, A., Pham, G., & Yanagida, T. (2016). Fehlende Daten und Plausible Values. In S. Breit & C. Schreiner (Hrsg.), Large-Scale Assessment mit R: Methodische Grundlagen der österreichischen Bildungsstandard-Überprüfung (S. 259–249). Wien: facultas.Google Scholar
  18. Schmid, C., Paasch, D., & Katstaller, M. (2016). Kompositionseffekte bei der Notenvergabe in Mathematik auf der 4. Schulstufe der österreichischen Volksschule. Zeitschrift für Bildungsforschung, 6, 265–283.  https://doi.org/10.1007/s35834-016-0170-3.CrossRefGoogle Scholar
  19. Schöps, K., Walter, O., Zimmer, K., & Prenzel, M. (2006). Disparitäten zwischen Jungen und Mädchen in der mathematischen Kompetenz. In PISA-Konsortium Deutschland (Hrsg.), PISA 2003. Untersuchungen zur Kompetenzentwicklung im Verlauf eines Schuljahres (S. 209–224). Münster: Waxmann.Google Scholar
  20. Schreiner, C., & Breit, S. (Hrsg.). (2012). Mathematik, 8. Schulstufe: Bundesergebnisbericht. https://www.bifie.at/system/files/dl/01_BiSt-UE_M8_2012_Bundesergebnisbericht.pdf Google Scholar
  21. Tent, L., & Birkel, P. (2010). Zensuren. In D. H. Rost (Hrsg.), Handwörterbuch Pädagogische Psychologie (S. 949–958). Weinheim, Basel: Beltz.Google Scholar
  22. Walter, O. (2014). Immigrant optimism in Deutschland? Die Überprüfung einer Hypothese anhand der mathematikbezogenen Motivation und realistischen Bildungsaspiration von Schülerinnen und Schülern mit Migrationshintergrund. Empirische Pädagogik, 28(1), 36–53.Google Scholar
  23. Wilhelm, O., & Kunina-Habenicht, O. (2015). Pädagogisch-psychologische Diagnostik. In E. Wild & J. Möller (Hrsg.), Pädagogische Psychologie (S. 305–327). Berlin, Heidelberg: Springer.Google Scholar
  24. Yen, W. M., & Fitzpatrick, A. R. (2006). Item response theory. In R. L. Brennon (Hrsg.), Educational measurement (S. 111–154). Westport: Praeger.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Abteilung BIQUADIPF | Leibniz-Institut für Bildungsforschung und BildungsinformationFrankfurt am MainDeutschland

Personalised recommendations