Zusammenfassung
Im Forschungsansatz der vorliegenden Arbeit wird Qualität beim E—Learning aus der Perspektive des lernenden Subjektes thematisiert. Die theoretischen Ausführungen zum Spannungsverhältnis von Subjekt und Objekt in einer wissenschaftlicher Betrachtungsweise (siehe Kapitel 5.2) erlauben es nun, im nächsten Schritt eine weitere Stufe der Objektivierung subjektiver Qualitätspräferenzen anzustreben. Wurden im letzten Forschungsschritt vor allem Dimensionen ermittelt, die für Subjekte in Bezug auf Qualität bedeutsam sind, so geht es nun darum, dieses Modell an die Gruppe der Befragten heranzutragen und zu analysieren, ob sie sich hinsichtlich der jeweiligen Dimensionen unterscheiden. Ziel ist es dabei Gruppen zu finden, deren Mitglieder sich in ihren Qualitätspräferenzen ähneln, aber von anderen Gruppen unterscheiden. Letztlich wird im nächsten Arbeitsschritt also nach prototypischen Qualitätsprofilen gesucht.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Das Prinzip der Homogenität innerhalb von Clustern und der Heterogenität zwischen Clustern bedeutet, dass Klassifikationsobjekte, die einer homogenen Gruppe angehören, untereinander ähnlich sein sollen. Zwischen den Gruppen soll eine möglichst große Heterogenität herrschen, das heißt die Objekte aus unterschiedlichen Gruppen sollen sich möglichst unähnlich sein.
,Clusteranalyse’ bezeichnet korrekterweise kein abgegrenztes Verfahren, sondern eher ein Bündel an unterschiedlichen Verfahren zur Klassifizierung von Personen.
Die Werte wurden durch eine z-Transformation standardisiert. Dabei wird von dem Wert Xj, den ein Befragter i als Antwort auf einer Likert-Skala angegeben hat, der arithmetische Mittelwert x fur dieses Item abgezogen. In einem zweiten Schritt wird dann die Differenz durch die Standard abweichung der Stichprobenwerte dividiert. Die so standardisierten z-Werte weisen einen Mittelwert von 0 (z=0) und eine Standardabweichung von 1 (sz=l) auf.
ALMO (allgemeines Lineares Model) ist eine Software, die von Prof. Kurt Holm (1993) entwickelt wurde. Um die dargestellten Ergebnisse auch auf dem Computer nachvollziehen zu können ist es sinnvoll, ebenfalls mit ALMO nachzurechnen. 105 Das entspricht auch der Voreinstellung in ALMO.
Aufgrund dieser Eigenschaften gehört es auch in die Gruppe der ,complete linkage Verfahren*.
Konvexe Gruppen meint hier Gruppen, die eine konvexe Struktur im Merkmalsraum annehmen und nicht,ausufernd’ mit anderen Gruppen verzahnt sind.
Als Distanzmaß wurde dafür die quadrierte euklidische Distanz gewählt (siehe Kapitel 10.1.2.3).
Ein Dendrogramm bildet zum einen ab, welche Clusterbildung auf welcher Stufe vorgenommen wird und zum anderen, wie groß die Distanz (also die Unähnlichkeit) zwischen den jeweils zusammengefassten Clustern ist. Das Dendrogramm ist von links nach rechts zu lesen und stellt in dieser Richtung die Stufen der Clusterbildung dar. In jedem Schritt werden durch die dargestell-ten Linien Cluster miteinander verbunden. Die Größe dieser Distanzen ist durch die Länge der Linien dargestellt. Allerdings gehen aus der Skala nicht die tatsächlichen (und in der Distanzmatrix der Agglomerationstabelle dargestellten) Distanzen hervor, sondern die Skala bezieht sich auf Distanzwerte, die so transformiert wurden, dass sie sich in der Regel in dem Wertebereich von 0 bis 25 darstellen lassen. Daher können nicht die absoluten Distanzwerte abgelesen werden, sondern nur die Relationen der Distanzen zueinander. 1,0 Agglomerationsprozess bezeichnet den Fusionierungsprozess von Fällen beziehungsweise Clustern, der dem Prinzip der Clusteranalyse zu Grunde liegt.
An dieser Stelle sei bereits darauf hingewiesen, dass der Lehrbuchweg des Auffindens von Clusterstrukturen sich in der vorliegenden Analyse als Iteration eines komplexen Entscheidungsund Validierungsprozesses darstellt. Die explorativen Möglichkeiten, die clusteranalytische Verfahren bieten, werden hier deutlich.
Die Spannbreite der Fallzahlen beim Ward-Verfahren kommt durch die in ALMO gewählte Option zustande, die fehlenden Werte paarweise auszuschließen. Diese bewirkt, dass nicht jeder Fall auf jeder der Variablen einen Wert hat.
Bewertungsschema gilt nicht für die Qualitätsdimension ,QD 1.3’, da die Einschätzung hier auf einem funfstufigen Polaritätenprofil beruht (siehe auch Abbildung 7)
25,6% aller Personen im Cluster geben an, eine tutorielle Betreuung sei fur qualitativ gutes Onlinelernen wenig oder nicht wichtig. Damit bleibt insgesamt ein erheblicher Anteil von Personen, die tutorielle Betreuung als wichtig und sehr wichtig bewerten. Er ist jedoch im Vergleich zu den anderen Clustern in diesem Cluster am geringsten.
Die Auswertung von Frage 16 („Die Kosten beim Onlinelernen spielen für meine Qualitätseinschätzung die größte Rolle.“) zeigt, dass etwa zwei Drittel aller Personen in diesem Cluster der Aussage, dass Kosten die größte Rolle für die Qualitätseinschätzung spielen, nicht oder nur wenig zustimmen (66,7%).
Als Antwort auf Frage 2, Item 3 geben 82,3% an, dass der letzte Onlinekurs eine berufliche Fortbildung gewesen sei.
Die Frage „Wo lernen Sie vorwiegend, wenn Sie online lernen?“ (Frage 40) beantworteten 50% aller Befragten dieses Clusters mit „an meinem Arbeitsplatz“. Das ist im Vergleich zu den ande ren Clustern der größte Anteil.
Auf diesen Befund muss auch von Seiten der Bildungsverantwortlichen beziehungsweise Anbieter reagiert werden, denn hier gilt es vor allem die Motivation der Teilnehmer zu stärken. Nach Bolder und Hendrich (2000) sind individuelle Kosten-Nutzen Kalküle der entscheidende Motivator für die Teilnahme an einer Weiterbildungsmaßnahme (vgl. auch Bardeleben 1996). Die Autoren zeigen, dass individuelle Kosten- und Nutzenüberlegungen über die Teilnahme an beschäftigungsnaher Weiterbildung entscheiden und diese Überlegungen sind in der jeweiligen Bildungs- und Erwerbsbiographie und nicht in den Zugzwängen der von Wirtschaft und Politik erwarteten Lernaktivitäten begründet
70,4% der Personen im Cluster bewerten eine Zusammenarbeit mit Mitlernern (Frage 12) als wenig oder nicht wichtig für qualitativ gutes Onlinelernen (siehe auch Kapitel 10.3.1.1).
Siehe dazu auch Kapitel 10.3.1.1.
In Frage 21 werden die Befragten gebeten, einzuschätzen, wie wichtig ihnen eine »offizielle’ Zertifizierung durch ein Qualitäts- oder Gütesiegel (zum Beispiel Stiftung Warentest) sei. Im Vergleich der Cluster untereinander wählen die Personen dieses Clusters mit 85,3% am häufigs ten die folgenden Antworten: „Eine Zertifizierung oder ein Qualitätssiegel ist mir wichtig, mehr Geld würde ich dafür aber nicht ausgeben“ (68,6%) oder „Qualitätssiegel und -zertifizierungen sind mir egal“ (16,7%).
Siehe dazu auch Kapitel 10.3.1.1.
g27% aller Personen in diesem Cluster geben an, dass die Betreuung durch einen Tutor für ein qualitativ gutes Onlinelernangebot ziemlich oder sehr wichtig ist (siehe dazu auch Kapitel 3.1.1 ,Globale Einschätzungen zur Interaktion und Kommunikation in den Clustern’.).
Es ist jene Gruppe von Lernern, die am zweithäufigsten arbeitsplatzintegrierendes Lernen betreibt: Rund vier von zehn Personen im Cluster geben als vorwiegenden Lernort den eigenen Arbeitsplatz an. Siehe dazu auch Kapitel 10.3.2.3.
Interaktions- und Kommunikationsorientierung wird insofern begrifflich differenziert, als dass zum einen die Interaktion zwischen den am E-Learning beteiligten Akteuren thematisiert wird und zum andern auf spezielle Kommunikationsfahigkeiten eines Tutors eingegangen wird, die auch im Fragebogen differenziert erfragt werden (vgl. auch Kap. 10.3.1.1).
Herzberg (1959) unterscheidet zwei Faktoren, die Zufriedenheit und Unzufriedenheit auslösen: Sogenannte ,Motivatoren’ lösen Zufriedenheit aus und motivieren. In der Regel stehen diese Faktoren im Zusammenhang mit erfolgreicher persönlicher Entwicklung wie zum Beispiel Aner kennung, Erfolge, Verantwortung, Arbeitsinhalte. ,Hygienefaktoren’ auf der anderen Seite lösen keine Zufriedenheit aus. Ihre McAferfüllung würde jedoch zu Unzufriedenheit führen. In der Regel sind das Faktoren, die im Zusammenhang mit der direkten Gestaltung der Arbeit stehen, wie zum Beispiel faire Entlohnung, Ausmaß der Überwachung und Kontrolle, Verwaltungspro zesse. In Bezug auf die ,Technologiequalität’ bedeutet das, dass eine schlechtere Qualität zwar negativ bemerkt werden würde, eine Verbesserung dieser Qualität aber nicht notwendigerweise zu einer positiven Qualitätsbewertung führt.
Der leicht höhere Stellenwert, den die individuellen außerökonomischen Kosten einnehmen könnte daher resultieren, dass der Anteil der Personen, die angeben, ihr letzter Onlinekurs sei eine private Fortbildung gewesen in diesem Cluster etwas höher ist als bei den Inhaltsorientier ten. (Geben bei den Individualisten 82,3% an (Frage 2, Item 3), dass der letzte Onlinekurs eine berufliche Fortbildung gewesen sei, so sind dies bei den Ergebnisorientierten nur noch 71,3%, während 20,9% hier angeben eine private Fortbildung gemacht zu haben.) Denn in privat moti vierten Fortbildungskontexten ist der Aufwand für die eigene Lernorganisation höher als bei betrieblich organisierten Fortbildungen.
Der Aussage „Die Kosten beim Onlinelernen spielen für meine Qualitätseinschätzung die größte Rolle“ (Frage 16) stimmen 63,2% aller Personen in diesem Cluster nicht oder wenig zu.
Zur Selbsteinschätzung der Lernkompetenz siehe auch Kapitel 10.3.4.2.
Die Antworten zu Frage 16 zeigen, dass knapp zwei Drittel aller Personen in diesem Cluster der Aussage, „Die Kosten beim Onlinelernen spielen für meine Qualitätseinschätzung die größte Rolle“ nicht oder nur wenig zustimmen (65,7%).
Als Avantgardist’ wird ursprünglich ein Vorkämpfer einer Idee oder Richtung bezeichnet (vorwiegend in der Literatur oder Kunst) (vgl. Brockhaus in einem Band, 9. Aufl., 2000). In diesem Sinne betont die Bezeichnung Avantgardisten* in Bezug auf die Clustermitglieder vor allem ihre optimistische und aufgeschlossene Haltung dem E-Learning gegenüber, die sich in ihren umfassenden Qualitätsansprüchen ausdrückt. Die Bezeichnung kann auch in Anlehnung an einen von Treumann et al. (2002) mit gleicher Bezeichnung beschriebenen Medienkompetenztyp interpretiert werden. Dieser zeichnet sich als Gruppe aus „für die das Leben im digitalen Zeitalter bereits weitgehend zur Selbstverständlichkeit geworden ist.“ (ebenda: 181)
Die Avantgardisten geben mit 97,7% am häufigsten von allen Clustern an, dass die Möglichkeit, von einem Tutor (Onlinebetreuerin/ -dozentln) betreut zu werden wichtig oder sehr wichtig für ein qualitativ gutes Onlinelernangebot ist (Auswertung zu Frage 4, siehe auch Kapitel 10.3.1.1).
86,4% der Personen im Cluster bewerten eine Zusammenarbeit mit Mitlernern (Frage 12) als wenig oder nicht wichtig für qualitativ gutes Online lernen (siehe auch Kapitel 10.3.1.1)..
Mit 13,6% aller Befragten (N=1238) befinden sich in diesem Cluster die meisten nicht erwerbstätigen Personen im Vergleich der Cluster untereinander (siehe Kap. 10.3.2.3).
Die Frage „Wo lernen Sie vorwiegend, wenn Sie online lernen?“ (Frage 40) beantworteten 75,1% aller Befragten dieses Clusters mit „zu Hause“ (N=389) (siehe dazu ausführlich Kap. 10.3.2.3).
Mit 63,1% aller Clustermitglieder enthält dieser Cluster im Vergleich der Cluster untereinander die geringste Anzahl an Personen, die angeben, dass der letzte Onlinekurs eine berufliche Fort bildung gewesen sei (21,3% private Fort- und Weiterbildung, 10,1% Berufsausbildung oder Umschulung, 5,5% sonstige Bildungsveranstaltung).
Cramers V ist ein richtungsloses Assoziationsmaß für zwei kategoriale Variablen basierend auf Pearsons Chi2, also auf den Abweichungen der beobachteten Häufigkeiten in einer Kreuztabelle von den erwarteten Häufigkeiten, unter dem Modell statistischer Unabhängigkeit. Im Gegensatz zu Chi2 ist Cramers V auf den Wertebereich von 0 bis 1 normiert. Der Wert 0 bedeutet dabei, dass beide Variablen statistisch voneinander unabhängig sind. Je größer der statistische Zusam menhang zwischen den Variablen ausfällt, desto größer ist der Wert von V. Der Wert 1 bedeutet schließlich, dass beide Variablen perfekt miteinander zusammenhängen. Cramers V wird in keiner standardisiert sinnvoll interpretierbaren Maßeinheit gemessen. Die vorliegende Analyse geht von folgenden Zusammenhangsgrößen aus: geringer Zusammenhang mittlerer Zusammenhang großer Zusammenhang.
Die Irrtumswahrscheinlichkeit p gibt die Wahrscheinlichkeit an, mit der das empirisch gefundene Stichprobenergebnis zustande kommen kann, wenn die Null-Hypothese gilt (hier: dass kein Zusammenhang zwischen den Variablen besteht). Ein statistisch signifikanter Zusammenhang wird in der vorliegenden Studie angenommen, wenn p < 0,05 ist. Da die Stichprobe der Studie nicht den Merkmalen repräsentativer Verteilung für eine reale Grundgesamtheit entspricht können die Signifikanztests auf eine hypothetische Grundgesamtheit bezogen werden.
Fasst man die beiden Kategorien »ziemlich wichtig’ und ,sehr wichtig’ zusammen so können folgende Werte ermittelt werden: Die Individualisten: 83,7% (n=338); Die Ergebnisorientierten: 81,6% (n=256); Die Pragmatiker: 89,7% £n=302); Die Avantgardisten: 93,7 (n=394); Chi2=95,67; df=9; Cramers V=0,16; p=l,2M0“,Ä (Für die Berechnung der Zusammenhangsmaße wurden die Originaldaten verwendet und nicht jene Daten, die sich auf die zusammengefassten Kategorien beziehen).
Für die Berechnung gilt grundsätzlich: Wenn in der Darstellung die Kategorien der zumeist vierstufigen Skalen zu dichotomen Merkmalen zusammengefasst werden, dann erfolgt auch die Berechnung der Zusammenhangsmaße Chi2 und Cramers V sowie der Irrtumswahrscheinlichkeit p auf Grundlage der zusammengefassten Werte.
Für die Berechnung des Zusammenhanges zwischen der Clusterzugehörigkeit und weiteren Variablen werden Kreuztabellen gerechnet, deren Werte die Grundlage für die Abbildung dar stellen. Der Chi2 Wert gibt an, ob zwei Variablen unabhängig voneinander sind, indem die Werte einer empirischen mit den Werten einer theoretischen Häufigkeitsverteilung verglichen werden. Stimmen empirische und theoretische Verteilung überein, wird der Chi2-Wert gleich Null (vgl. auch Delucchi 1993). Die ,degrees of freedom’ (df) geben Hinweise auf die Berechnung der Signifikanz des Chi2 Wertes.
Beide Variablen gehen bereits in das Modell subjektiver Qualität - und insofern auch in die Clusteranalyse - mit ein. Sie stellen daher keine ,externen’ Variablen dar. Trotzdem wurden sie für die ausfuhrliche Beschreibung der Cluster herangezogen, da sie einen Teil der Qualitätspräferenzen für tutoriellen Support besonders gut illustrieren.
Item 15 aus Frage 24 geht bereits in das Modell subjektiver Qualität - und insofern auch in die Clusteranalyse - mit ein und stellt daher keine »externe* Variable dar. Trotzdem wurden es für die ausfuhrliche Beschreibung der Cluster herangezogen, da es einen Teil der Qualitätspräferenzen an Präsenzveranstaltungen besonders gut illustriert.
Die Berechnung des statistischen Zusammenhangsmaßes Chi2 und Cramers V zwischen den zusammengefassten Kategorien und der Clusterzugehörigkeit ist nicht möglich, da das Item als Mehrfachantwort erhoben wurde und es somit keine eindeutig definierte Stichprobengröße gibt.
In der Gesamtstichprobe geben 60,6% der Lerner an, sie lernen vorwiegend von zu Hause aus. Am Arbeitplatz zu lernen geben 37,6% aller Befragten an.
Um die asymptotisch verteilte Chi2 Prüfstatistik zu errechnen, mit der überprüft wird, ob sich empirisch beobachtete Häufigkeiten zwischen mindesten zwei Variablenausprägungen statistisch signifikant unterscheiden, müssen die erwarteten Häufigkeiten (fe) in allen Zellen einer Kreuztabelle fe>5 sein. Bei einigen Kreuztabellen ist dies jedoch nicht der Fall. So weist die Kreuztabelle, die dem abgebildeten Diagramm zu Grunde liegten 54 Zellen (das sind 71,1% aller Zellen) eine erwartete Häufigkeit auf, die geringer ist als £ 2! 5. Für diese Fällen bietet das Statistikprogramm SPSS eine Simulationsprozedur an: „Exakte Tests“. Dabei wird die Irrtumswahrscheinlichkeit p mit Hilfe des sogenannten Monte-Carlo-Verfahrens mit einer Sicherheit von 99,9% geschätzt. SPSS erzeugt dafür zufallig eine große Anzahl von Stichprobentabellen -im vorliegenden Fall wurden 100.000 gewählt- und berechnet für jede Stichprobenverteilung die Prüfgröße Chi2. Die dadurch entstehende Wahrscheinlichkeitsverteilung wird als Grundlage für die Berechnung des Signifikanztests verwendet.
Die Begrifflichkeiten ,Novize’ und ,Experte’ knüpfen dabei nicht an die Forschungen über Kompetenzentwicklung an (vgl. dazu zum Beispiel Rauner 1999), sondern bezeichnen lediglich den unterschiedlichen Erfahrungsgrad in Bezug auf die absolvierte Lernzeit.
CBT: Computer Z?ased Training, bezeichnet zumeist den Einsatz eines Lernprogramms ohne Internetunterstützung, sondern ,standalone’ auf einem einzelnen Computer.
Der genaue Mittelwert beträgt 6,98 Fortbildungen in den letzten fünf Jahren, der Modus liegt bei 5 Fortbildungen in diesem Zeitraum.
Kreuztabelle zwischen Item 56.1 und Item 1.2, N=1203
Das zeigt auch eine Korrelationsanalyse zwischen dem der ,Lemdauer’ (Item 56.1) und ,Fortbil- dungshäufigkeit’ (Item 1.2). Das negative Vorzeichen des Korrelationskoeffizienten zwischen den beiden Variablen zeigt ihre umgekehrten Einflüsse: r (zweiseitig)=-0,19; p=4,071«10“n; N=1203).
Das zeigt eine Korrelationsanalyse zwischen dem Item ,Lerndauer’ (Item 56.1) und ,Kurserfah- rung’ (Item 1.1): r (zweiseitig)=0,02; p=0,52; N=1233
Der Begriff des inzidentellen vs. intentionalen Lernens ist bislang nicht einheitlich definiert. Reischmann (1995) spricht bei inzidentellem Lernen beispielsweise eher von Lernen „en passant“, das er bewusst von den nicht näher untersuchten Begriffen „inzidentelles Lernen, nonformales, informelles, informales, spontanes, beiläufiges, natürliches, kasuistisches Lernen (...) heimlicher Lehrplan, ungewollte Nebenwirkungen“ abgrenzt, da es ihm darauf ankommt, eine positive Formulierung zu finden, die nicht in anderweitigen Theoriezusammenhängen festgelegt sei. Er unterscheidet bezogen auf lernende Erwachsene eher zwischen intentionalem und nicht intentionalem Lernen, also Lernen „en passant“. Nach dieser Definition ist Lernen dann intentional, wenn die Absicht und die Motivation einer Aktivität sich auf den Erwerb von Wissen, Können oder Verstehen richten. Nicht-intendiertes Lernen ergibt sich „en passant“, ist aber nicht das eigentliche Ziel des Handelns einer Person. Es werden drei Typen nicht-intendierten Lernens unterschieden: Intentionale, aber nicht in Lernabsicht unternommene Aktivitäten (z. B. Reisen, Arbeit in Bürgerinitiativen), mit nicht intentionalen Geschehnissen verbundene Lerneffekte (z.B. Unfall, Beziehungskrise) und als dritter Typ der lebensnahe Erwerb von Kompetenzen, deren Herkunft für die Person nicht mehr identifiziert werden kann (Reischmann 1995/200f).
Es gibt eine Vielzahl von Definitionen und Synonymen für selbstgesteuertes Lernen, was in der Komplexität des Begriffs begründet liegt. Im deutschen Sprachgebrauch werden Begriffe wie selbstorganisiertes Lernen, autodidaktisches Lernen, selbstverantwortliches Lernen, selbstbestimmtes Lernen und selbstregulierendes Lernen verwendet. Im Angelsächsischen wird von self-directed learning, self-guided learning, self-regulated learning gesprochen. Bei all diesen verschiedenen Bezeichnungen lässt sich feststellen, dass die Betonung auf der Eigeninitiative und -aktivität der Lernenden während des Lernprozesses liegt (vgl. Schmidt/Stark 1996, Fried-rich/Mandl 1990; 1997). Beispielhaft hierfür steht die Definition von Konrad und Traub (1999): „Selbstgesteuertes Lernen ist eine Form des Lernens, bei der die Person in Abhängigkeit von der Art ihrer Lernmotivation selbstbestimmt eine oder mehrere Selbststeuerungsmaßnahmen (kognitiver, volitionaler, oder verhaltensmäßiger Art) ergreift und den Fortgang des Lernprozesses selbst (metakognitiv) überwacht, reguliert und bewertet“ (Konrad/Traub 1999: 13).
Zusätzlich wurden im Datenmodell der hier zur Anwendung kommenden multinomialen logisti schen Regressionsanalyse die Einflüsse weiterer Variablen überprüft. Aufgrund eines zu geringen Signifikanzniveaus wurden jedoch keine weiteren Variable aufgenommen. Die betreffenden Variablen weisen im multivariaten Datenmodell keinen signifikanten Einfluss auf die Clusterzugehörigkeit auf. Trotzdem können sie auf bivariater Ebene Einfluss haben. Dies trifft beispielsweise für die Variable 1.2 (Lernzeit) zu (siehe auch Abbildung 61).
Kollaboration steht hier synonym für kollaboratives Lernen im Sinne des CSCL, siehe Fußnote 57.
Weitere soziodemgraphische Daten wiesen in den bivariaten Analysen nur eine geringe Differen- zierungskraft auf und gehen somit nicht in das hier berechnete Datenmodell ein (für detaillierte Ausführungen zu bivariaten Analysen siehe Kapitel 10.3.2).
Über Regressionsanalysen können generell die Werte einer abhängigen Variable aus denen anderer (unabhängiger) Variablen prognostiziert werden. Während die abhängige Variable bei der linearen Regressionsanalyse intervallskaliert sein muss, prüft die MNL nominalskalierte Variablen mit mehr als zwei Kategorien. Aufgrund dieser Eigenschaft eignet sich das Verfahren für die Analyse der Determinationskraft der unabhängigen Variablen im Hinblick auf die ermittelte Vier-Cluster-Struktur.
Die Tabelle der Likelihood-Quotienten-Tests enthält die Änderungen der Likelihood-Funktion für den Fall, dass der betreffende Haupteffekt einer Variable eliminiert wird. Dabei drücken sich die Änderungen im Chi2-Wert aus. Die angezeigten Signifikanzniveaus geben an, ob der Einfluss, den das betreffende Merkmal auf die abhängige Variable (hier: Clusterzugehörigkeit) hat signifi kant ist.
Nicht-signifikante Koeffizienten (p>0,05) werden bei der Interpretation nicht berücksichtigt.
Der Wert von 5,2 kommt durch Invertieren des ursprünglichen Wertes (exp(B)=0,192) zustande. Die invertierten Effektstärken sind jeweils in Klammern angegeben.
Zu berücksichtigen ist bei dieser Relation auch das ungleiche Verhältnis von Männern und Frauen in der Stichprobe insgesamt (siehe Kapitel 8.4)
Die Wahrscheinlichkeiten (p) sind hier nach Bühl et al. 2002: 364 berechnet.
Rights and permissions
Copyright information
© 2004 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Ehlers, UD. (2004). Typologie subjektiver Qualität. In: Qualität im E-Learning aus Lernersicht. VS Verlag für Sozialwissenschaften, Wiesbaden. https://doi.org/10.1007/978-3-663-11211-2_10
Download citation
DOI: https://doi.org/10.1007/978-3-663-11211-2_10
Publisher Name: VS Verlag für Sozialwissenschaften, Wiesbaden
Print ISBN: 978-3-531-14235-7
Online ISBN: 978-3-663-11211-2
eBook Packages: Springer Book Archive