Advertisement

Mathematisches Wissen von Studienanfängern und Studienerfolg

  • Joachim Müller
  • Anita Stender
  • Jens Fleischer
  • Andreas Borowski
  • Elmar Dammann
  • Martin Lang
  • Hans E. Fischer
Original Paper
  • 240 Downloads

Zusammenfassung

Bei Studierenden der Fächer Bauingenieurwesen, Biologie, Chemie und Physik wird untersucht, ob mit einem fächerübergreifenden Test zur Erfassung mathematischen Wissens der Studienerfolg zum Ende des ersten Semesters besser vorhergesagt werden kann, als nur mit der Abitur- und Mathematiknote; Studienerfolg ist als gemittelte Klausurleistung am Ende des ersten Semesters operationalisiert. Der Test wurde zu Beginn des Wintersemesters 2016/17 an einer Kohorte (N = 751) von Studienanfängern eingesetzt. Für alle Fächer wird gezeigt, dass das mathematische Wissen auch unter Kontrolle der Schulleistungen prädiktiv für Studienerfolg ist und dass es inkrementelle Varianz gegenüber der Abiturnote und der Mathematiknote aufklärt. Die so durchgeführte Prognose von Studienerfolg eröffnet die Möglichkeit, Studienberatung zu verbessern und Hinweise für die Inhalte vorbereitender und semesterbegleitender Veranstaltungen zu generieren. Anhand des mathematischen Wissens der Studierenden lässt sich eine Bezugsnorm ableiten, die als Grundlage für zukünftige Gruppendiagnostik dienen kann.

Schlüsselwörter

Studierfähigkeitstest Mathematisches Wissen Naturwissenschaftlich-technische Studiengänge 

Mathematical Knowledge of First Semester Students and Success in Degree Courses

Abstract

We investigate if the prediction of students’ success in the degree courses civil engineering, biology, chemistry and physics can be improved by employing an interdisciplinary test that assesses mathematical knowledge. In addition to the average final examination grade and the final grade in mathematics at school, success in degree courses is measured as the average achievement in the written exams at the end of the first semester. The sample comprised first semester students (N = 751) at the beginning of the winter semester 2016. For the above subjects mathematical knowledge is predictive for the success in degree courses even if we control for school achievement. Additionally, the test result is incrementally valid with respect to the overall final examination grade and the final grade in mathematics at school. The obtained prediction of success in degree courses can improve student counselling and hints at contents for preparatory and accompanying modules for the first semester. By means of the students’ mathematical knowledge a reference norm can be derived as a basis for future group diagnoses.

Keywords

University placement test Mathematical knowledge Natural sciences and engineering 

Notes

Danksagung

Diese Veröffentlichung wurde ermöglicht durch Sachbeihilfen der Deutschen Forschungsgemeinschaft (Kennz.: FI 477/23-1, BO3419/2-1, LE 645/14-1, SU 187/14- 1 und BR 2894/12-1) in der Forschergruppe „Akademisches Lernen und Studienerfolg in der Eingangsphase naturwissenschaftlich-technischer Studiengänge“ (ALSTER; FOR 2242). Wir danken allen Doktorierenden der einzelnen Teilprojekte, die an der Datenerhebung beteiligt waren. Das Interdisziplinäre Zentrum für Bildungsforschung (IZfB) der Universität Duisburg-Essen hat uns logistisch unterstützt.

Literatur

  1. Bausch, I., Biehler, R., Bruder, R., Fischer, P. R., Hochmuth, R., Koepf, W., et al. (Hrsg.). (2014). Mathematische Vor- und Brückenkurse. Konzepte, Probleme und Perspektiven. Wiesbaden: Springer.  https://doi.org/10.1007/978-3-658-03065-0.Google Scholar
  2. Biehler, R., Bruder, R., Hochmuth, R., & Koepf, W. (2014). Einleitung. In I. Bausch, R. Biehler, R. Bruder, P. R. Fischer, R. Hochmuth & W. Koepf, et al. (Hrsg.), Mathematische Vor- und Brückenkurse. Konzepte, Probleme und Perspektiven (S. 1–6). Wiesbaden: Springer.Google Scholar
  3. Bond, T. G., & Fox, C. M. (2012). Applying the Rasch model. Fundamental measurement in the human sciences (2. Aufl.). New York: Routledge.Google Scholar
  4. Buschhüter, D., Spoden, C., & Borowski, A. (2016). Mathematische Kenntnisse und Fähigkeiten von Physikstudierenden zu Studienbeginn. Zeitschrift für Didaktik der Naturwissenschaften, 22(1), 61–75.  https://doi.org/10.1007/s40573-016-0041-4.CrossRefGoogle Scholar
  5. Buschhüter, D., Spoden, C., & Borowski, A. (2017). Studienerfolg im Physikstudium. Inkrementelle Validität physikalischen Fachwissens und physikalischer Kompetenz. Zeitschrift für Didaktik der Naturwissenschaften, 13, 127–141.  https://doi.org/10.1007/s40573-017-0062-7.CrossRefGoogle Scholar
  6. Cohen, J. (2013). Statistical power analysis for the behavioral sciences (2. Aufl.). Hoboken: Taylor and Francis.Google Scholar
  7. Dürr, R., Dürrschnabel, K., Loose, F., & Wurth, R. (2016). Mathematik zwischen Schule und Hochschule. Wiesbaden: Springer.  https://doi.org/10.1007/978-3-658-08943-6.CrossRefGoogle Scholar
  8. Faulkner, F., Hannigan, A., & Gill, O. (2010). Trends in the mathematical competency of university entrants in Ireland by leaving certificate mathematics grade. Teaching Mathematics and its Applications, 29(2), 76–93.  https://doi.org/10.1093/teamat/hrq002.CrossRefGoogle Scholar
  9. Field, A., Miles, J., & Field, Z. (2013). Discovering statistics using R. Los Angeles, Calif: SAGE. ReprintGoogle Scholar
  10. Fleischer, J., Averbeck, D., Sumfleth, E., Leutner, D., & Brand, M. (2017). Entwicklung und Vorhersage von Studienzufriedenheit in MINT-Fächern. In C. Maurer (Hrsg.), Implementation fachdidaktischer Innovation im Spiegel von Forschung und Praxis. Gesellschaft für Didaktik der Chemie und Physik, Jahrestagung in Zürich 2016 (S. 59–62). Regensburg: Universität Regensburg. http://www.gdcp.de/images/tb2017/TB2017_59_Fleischer.pdf.Google Scholar
  11. Formazin, M., Schroeders, U., Köller, O., Wilhelm, O., & Westmeyer, H. (2011). Studierendenauswahl im Fach Psychologie. Psychologische Rundschau, 62(4), 221–236.  https://doi.org/10.1026/0033-3042/a000093.CrossRefGoogle Scholar
  12. Freyer, K. (2013). Zum Einfluss von Studieneingangsvoraussetzungen auf den Studienerfolg Erstsemesterstudierender im Fach Chemie. Studien zum Physik- und Chemielernen, Bd. 156. Berlin: Logos. Zugl.: Universität Duisburg-Essen, Diss.Google Scholar
  13. GDCh (Gesellschaft Deutscher Chemiker e. V. (GDCh) (2015). Empfehlungen der GDCh-Studienkommission zum Bachelor-Studium Chemie an Universitäten. https://www.gdch.de/fileadmin/downloads/Service_und_Informationen/Presse_OEffentlichkeitsarbeit/Sonstige/GDCh_Studienkommission_2015.pdf. Zugegriffen: 12. Juni 2017.Google Scholar
  14. Gold, A., & Souvignier, E. (2005). Prognose der Studierfähigkeit. Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie, 37(4), 214–222.  https://doi.org/10.1026/0049-8637.37.4.214.CrossRefGoogle Scholar
  15. Grözinger, G., & Baillet, F. (2015). Gibt es auch beim Abitur eine Noteninflation? Zur Entwicklung der Abiturnoten als Hochschulzugangsberechtigung – Eine Darstellung und Analyse aus Soziologischer Perspektive. Bildung und Erziehung, 68(4)  https://doi.org/10.7788/bue-2015-0407.Google Scholar
  16. Hell, B., Trapmann, S., & Schuler, H. (2009). Eine Metaanalyse der Validität von fachspezifischen Studierfähigkeitstests im deutschsprachigen Raum. Konstanz: Bibliothek der Universität Konstanz.Google Scholar
  17. Heublein, U., Ebert, J., Hutzsch, C., Isleib, S., König, R., Richter, J., et al. (2017). Zwischen Studienerwartungen und Studienwirklichkeit, Ursachen des Studienabbruchs, beruflicher Verbleib der Studienabbrecherinnen und Studienabbrecher und Entwicklung der Studienabbruchquote an deutschen Hochschulen. Forum Hochschule 1|2017. http://www.dzhw.eu/pdf/pub_fh/fh-201701.pdf. Zugegriffen: 24. Nov. 2017.Google Scholar
  18. Hunsley, J., & Meyer, G. J. (2003). The incremental validity of psychological testing and assessment. Conceptual, methodological, and statistical issues. Psychological assessment, 15(4), 446–455.  https://doi.org/10.1037/1040-3590.15.4.446.CrossRefGoogle Scholar
  19. KBF (2013). Fachkanon Biologie. Inhaltliche Empfehlungen für grundständige Studiengänge. http://www.kbf.uni-halle.de/FKanonBio.pdf. Zugegriffen: 14. Juni 2017. Konferenz Biologischer Fachbereiche und Verband Biologie, Biowissenschaften & Biomedizin in Deuschland.Google Scholar
  20. KFP (2011). Empfehlung der Konferenz der Fachbereiche Physik zum Umgang mit den Mathematikkenntnissen von Studienanfängern der Physik. http://www.kfp-physik.de/studium/index.html. Zugegriffen: 12. Juni 2017.Google Scholar
  21. KMK (2002). Einheitliche Prüfungsanforderungen in der Abiturprüfung Mathematik, Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland. https://www.kmk.org/fileadmin/veroeffentlichungen_beschluesse/2012/2012_10_18-Bildungsstandards-Mathe-Abi.pdf. Zugegriffen: 13. Juni 2018.Google Scholar
  22. KMK (2004a). Einheitliche Prüfungsanforderungen in der Abiturprüfung Biologie, Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland. https://www.kmk.org/fileadmin/veroeffentlichungen_beschluesse/1989/1989_12_01-EPA-Biologie.pdf. Zugegriffen: 14. Juni 2018.Google Scholar
  23. KMK (2004b). Einheitliche Prüfungsanforderungen in der Abiturprüfung Chemie, Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland. https://www.kmk.org/fileadmin/veroeffentlichungen_beschluesse/1989/1989_12_01-EPA-Chemie.pdf. Zugegriffen: 14. Juni 2018.Google Scholar
  24. KMK (2004c). Einheitliche Prüfungsanforderungen in der Abiturprüfung Physik, Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland. https://www.kmk.org/fileadmin/veroeffentlichungen_beschluesse/1989/1989_12_01-EPA-Physik.pdf. Zugegriffen: 13. Juni 2018.Google Scholar
  25. KMK (2012). Bildungsstandards im Fach Mathematik für die Allgemeine Hochschulreife, Ständige Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland. https://www.kmk.org/fileadmin/veroeffentlichungen_beschluesse/2012/2012_10_18-Bildungsstandards-Mathe-Abi.pdf. Zugegriffen: 13. Juni 2018.Google Scholar
  26. Köller, O. (2013). Wege zur Hochschulreife und Sicherung von Standards. In D. Bosse, F. Eberle & B. Schneider-Taylor (Hrsg.), Standardisierung in der gymnasialen Oberstufe (S. 15–25). Wiesbaden: Springer.  https://doi.org/10.1007/978-3-658-00658-7_2.CrossRefGoogle Scholar
  27. Kraus, M., Spirik, J., Schüpbach, H., & Pixner, J. (2017). Entwicklung und Implementierung eines mehrstufigen internetgestützten Assessment-Verfahrens für die Studierendenauswahl. Abschlussbericht. http://www.studierendenauswahl.uni-freiburg.de/abbericht. Zugegriffen: 13. Juni 2017.Google Scholar
  28. Leutner, D., Fleischer, J., Spoden, C., & Wirth, J. (2008). Landesweite Lernstandserhebungen zwischen Bildungsmonitoring und Individualdiagnostik. In M. Prenzel, I. Gogolin & H.-H. Krüger (Hrsg.), Kompetenzdiagnostik: Zeitschrift für Erziehungswissenschaft (S. 149–167). Wiesbaden: VS.  https://doi.org/10.1007/978-3-531-90865-6_9.CrossRefGoogle Scholar
  29. Marr, C. M., & Grove, M. J. (Hrsg.). (2010). Responding to the Mathematics Problem: The Implementation of Institutional Support Mechanisms. http://www.mathcentre.ac.uk/resources/uploaded/mathssupportvolumefinal.pdf. Zugegriffen: 5. Dez. 2017.Google Scholar
  30. Müller, J., Fischer, H. E., Borowski, A., & Lorke, A. (2017). Physikalisch-Mathematische Modellierung und Studienerfolg. In C. Maurer (Hrsg.), Implementation fachdidaktischer Innovation im Spiegel von Forschung und Praxis. Gesellschaft für Didaktik der Chemie und Physik, Jahrestagung in Zürich 2016  (S. 75–78). Regensburg: Universität Regensburg.Google Scholar
  31. Neumann, I., Rösken-Winter, B., Lehmann, M., Duchhardt, C., Heinze, A., & Nickolaus, R. (2015). Measuring mathematical competences of engineering students at the beginning of their studies. Peabody Journal of Education, 90(4), 465–476.  https://doi.org/10.1080/0161956X.2015.1068054.CrossRefGoogle Scholar
  32. Neumann, I., Pigge, C., & Heinze, A. (2017). Welche mathematischen Lernvoraussetzungen erwarten Hochschullehrende für ein MINT-Studium? Kiel: Hansadruck und Verlag GmbH + Co. KG.Google Scholar
  33. Nienhaus, G. U. (2010). Fast 10000 Neueinschreibungen. Statistiken zum Physikstudium an den Universitäten in Deutschland 2010. Physik Journal, 9(8/9), 26–29. https://www.dpg-physik.de/veroeffentlichung/physik_journal/artikel_pj/physikstudium/physikstudium_2010.pdf.Google Scholar
  34. R Core Team (2018). R: A language and environment for statistical computing. http://www.R-project.org. Zugegriffen: 15. Febr. 2018.Google Scholar
  35. Rach, S., & Heinze, A. (2017). The transition from school to university in mathematics: Which influence do school-related variables have? International Journal of Science and Mathematics Education, 15(7), 1343–1363.  https://doi.org/10.1007/s10763-016-9744-8.CrossRefGoogle Scholar
  36. Rager, B., & Rottmann, H. (2015). Determinanten des Studienerfolgs. Eine empirische Untersuchung für die Studiengänge Maschinenbau, Medienproduktion und -technik sowie Umwelttechnik. Weiden: Ostbayerische Technische Hochschule Abt. Weiden Bibliothek. OTH im Dialog, Nr. 50Google Scholar
  37. Renkl, A. (2001). Explorative Analysen zur effektiven Nutzung von instruktionalen Erklärungen beim Lernen aus Lösungsbeispielen. Weinheim: Beltz Juventa.Google Scholar
  38. Riese, J., Kulgemeyer, C., Zander, S., Borowski, A., Fischer, H. E., Gramzow, Y., et al. (2015). Modellierung und Messung des Professionswissens in der Lehramtsausbildung Physik. https://content-select.com/media/lgcy_viewer/5534de59-c930-4190-a28b-4324b0dd2d03. Zugegriffen: 30. Aug. 2017. Kompetenzen von Studierenden: 61. Beiheft der Zeitschrift für Pädagogik.Google Scholar
  39. Rindermann, H., & Oubaid, V. (1999). Auswahl von Studienanfängern durch Universitäten – Kriterien, Verfahren und Prognostizierbarkeit des Studienerfolgs. Zeitschrift für Differentielle und Diagnostische Psychologie, 20(3), 172–191.  https://doi.org/10.1024//0170-1789.20.3.172.CrossRefGoogle Scholar
  40. Robitzsch, A., Kiefer, T., & Wu, M. (2017). TAM: Test analysis modules. R package version 2.6-2. https://CRAN.R-project.org/package=TAM. Zugegriffen: 10. Okt. 2017.Google Scholar
  41. Rost, J. (1996). Lehrbuch Testtheorie, Testkonstruktion (1. Aufl.). Bern: Huber.Google Scholar
  42. Schachtschneider, Y. (2016). Studieneingangsvoraussetzungen und Studienerfolg im Fach Biologie. Berlin: Logos.Google Scholar
  43. Schleithoff, F. (2015). Noteninflation im deutschen Schulsystem – Macht das Abitur hochschulreif? https://ideas.repec.org/a/bpj/ordojb/v66y2015i1p3-26n3.html. Zugegriffen: 6. Nov. 2017. ORDO – Jahrbuch für die Ordnung von Wirtschaft und Gesellschaft.Google Scholar
  44. Sorge, S., Petersen, S., & Neumann, K. (2016). Die Bedeutung der Studierfähigkeit für den Studienerfolg im 1. Semester in Physik. Zeitschrift für Didaktik der Naturwissenschaften, 22(1), 165–180.  https://doi.org/10.1007/s40573-016-0048-x.CrossRefGoogle Scholar
  45. Sparfeldt, J. R., Buch, S. R., & Rost, D. H. (2010). Klassenprimus bei durchschnittlicher Intelligenz. Zeitschrift für Pädagogische Psychologie, 24(2), 147–155.  https://doi.org/10.1024/1010-0652/a000012.CrossRefGoogle Scholar
  46. Trapmann, S., Hell, B., Weigand, S., & Schuler, H. (2007). Die Validität von Schulnoten zur Vorhersage des Studienerfolgs – eine Metaanalyse. Zeitschrift für Pädagogische Psychologie, 21(1), 11–27.  https://doi.org/10.1024/1010-0652.21.1.11.CrossRefGoogle Scholar
  47. Uhden, O. (2012). Mathematisches Denken im Physikunterricht. Theorieentwicklung und Problemanalyse. Studien zum Physik- und Chemielernen, Bd. 133. Berlin: Logos. Zugl.: Dresden, Techn. Univ., Diss.Google Scholar
  48. Warm, T. A. (1989). Weighted likelihood estimation of ability in item response theory. Psychometrika, 54(3), 427–450.  https://doi.org/10.1007/BF02294627.CrossRefGoogle Scholar

Copyright information

© Gesellschaft für Didaktik der Physik und Chemie (GDCP); Fachsektion Didaktik der Biologie im VBIO (FDdB im VBIO) and Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Didaktik der Physik, Fakultät für PhysikUniversität Duisburg-EssenEssenDeutschland
  2. 2.Lehrstuhl für Lehr-Lernpsychologie, Fakultät für BildungswissenschaftenUniversität Duisburg-EssenEssenDeutschland
  3. 3.Lehrstuhl Didaktik der Physik, Institut für Physik und AstronomieUniversität PotsdamPotsdamDeutschland
  4. 4.Hochschule FurtwangenFurtwangenDeutschland
  5. 5.Technologie und Didaktik der Technik, Abteilung Bauwissenschaften, Fakultät für IngenieurwissenschaftenUniversität Duisburg-EssenEssenDeutschland

Personalised recommendations