Refine
Year of publication
Document Type
- Article (7)
- Contribution to a Periodical (2)
- Conference Proceeding (1)
Has Fulltext
- yes (10) (remove)
Is part of the Bibliography
- no (10)
Keywords
- confirmatory factor analysis (2)
- Frankfurt <Main> (1)
- Grundschule (1)
- Gruppenpuzzle (1)
- Jigsaw (1)
- Lehrerberuf (1)
- Outburn (1)
- Psychologe (1)
- Studienwahl (1)
- dichotomization (1)
Institute
- Psychologie (5)
- Erziehungswissenschaften (2)
- Präsidium (2)
- Medizin (1)
- Psychologie und Sportwissenschaften (1)
Als Konsequenz der Änderung des Hochschulrahmengesetzes können deutsche Hochschulen einen Großteil Ihrer zur Verfügung stehenden Studienplätze in den Numerus-Clausus Fächern nach eigenen Kriterien vergeben. Die Identifizierung von Merkmalen, die im Zusammenhang mit dem Studienerfolg stehen, stellt daher ein aktuelles Forschungsthema dar. Ein längsschnittlich angelegtes Forschungsprojekt der Universität Frankfurt am Main soll prüfen, inwieweit kognitive und nicht-kognitive Merkmale wie gewichtete Einzelfachnoten, das Ergebnis eines fachbezogenen Kenntnistests oder bildungsbiographische Daten neben der Abiturdurchschnittsnote einen bedeutsamen Beitrag zur Prognose des Studienerfolges in den Anfangssemestern des Studiengangs Medizin leisten können. Im Wintersemester 05/06 wurde Studierenden des ersten Fachsemesters ein Test zur Erfassung naturwissenschaftlicher Vorkenntnisse (Nawik) der Bereiche Mathematik, Physik, Chemie und Biologie vorgelegt sowie die Abiturdurchschnittsnote erhoben. Als Indikator für den Studienerfolg im ersten Fachsemester wurde die Punktzahl in der Anatomieklausur heran gezogen. Die ersten Ergebnisse einer Stichprobe von N=140 Studierenden lassen substanzielle Korrelationen der Leistungen im Nawik sowie der Abiturdurchschnittsnote mit der Klausurleistung erkennen (r= 0,45, p< 0,01 bzw. r= -0,24, p<0,01). Eine schrittweise Regression weist insbesondere die Leistung im Test naturwissenschaftlicher Vorkenntnisse als vorhersagestarken Prädiktor aus. Die vorläufigen Ergebnisse werden anhand einer größeren Stichprobe geprüft. Weitere Auswertungen zur Bedeutsamkeit von Einzelfachnoten und bildungsbiographischen Daten (wie das Ausmaß an Vorerfahrung in medizinischen Bereichen) für den Studienerfolg laufen derzeit.
Während Bildungspolitiker heftig über die Abschaffung der Hauptschule streiten und Hamburger Bürger sich per Volksentscheid für den Erhalt des Gymnasiums ab Klasse 5 einsetzen, sind sich die meisten Bildungsforscher einig: Entscheidend ist nicht, wo, sondern wie Kinder unterrichtet und betreut werden. Wie kann es gelingen, pädagogische Interventionen den unterschiedlichen Lernvoraussetzungen so anzupassen, dass möglichst alle Schülerinnen und Schüler optimal gefördert werden? Um das herauszufi nden, bedarf es intensiver Anstrengungen in der Lehr-Lernforschung, wie sie in Frankfurt im Forschungszentrum IDeA unternommen werden.
We investigated whether dichotomous data showed the same latent structure as the interval-level data from which they originated. Given constancy of dimensionality and factor loadings reflecting the latent structure of data, the focus was on the variance of the latent variable of a confirmatory factor model. This variance was shown to summarize the information provided by the factor loadings. The results of a simulation study did not reveal exact correspondence of the variances of the latent variables derived from interval-level and dichotomous data but shrinkage. Since shrinkage occurred systematically, methods for recovering the original variance were fleshed out and evaluated.
The paper reports an investigation on whether valid results can be achieved in analyzing the structure of datasets although a large percentage of data is missing without replacement. Two types of confirmatory factor analysis (CFA) models were employed for this purpose: the missing data CFA model with an additional latent variable for representing the missing data and the semi-hierarchical CFA model that also includes the additional latent variable and reflects the hierarchical structure assumed to underlie the data. Whereas, the missing data CFA model assumes that the model is equally valid for all participants, the semi-hierarchical CFA model is implicitly specified differently for subgroups of participants with and without omissions. The comparison of these models with the regular one-factor model in investigating simulated binary data revealed that the modeling of missing data prevented negative effects of missing data on model fit. The investigation of the accuracy in estimating the factor loadings yielded the best results for the semi-hierarchical CFA model. The average estimated factor loadings for items with and without omissions showed the expected equal sizes. But even this model tended to underestimate the expected values.