Möglichkeiten und Grenzen der Analyse von Bildungsungleichheiten mit PISA

Größe: px

Ab Seite anzeigen:

Download "Möglichkeiten und Grenzen der Analyse von Bildungsungleichheiten mit PISA"

Hansl Pohl
vor 8 Jahren
Abrufe

1 Möglichkeiten und Grenzen der Analyse von Bildungsungleichheiten mit PISA Johann Bacher (JKU, Linz) Linz,

2 1. Ziele soziologischer Bildungsforschung 2. Möglichkeiten von PISA internationale Systemvergleich Analyse von intervenierenden Variablen 3. Grenzen Stichprobendesign Zielgruppe erfasste Variable 4. Zusammenfassung 2

Analyse von intervenierenden Variablen 3.

3 1. Ziele soziologischer Bildungsforschung (Kritische) Analyse des Schulsystems und des schul-/bildungspolitischen Diskurses Wahl eines normativen Bezugspunktes Analyse des Ist-Zustandes Fachliche (öffentliche) Stellungnahme zur Schul-/Bildungspolitik Entwicklung von Maßnahmen 3

normativen Bezugspunktes Analyse des Ist-Zustandes Fachliche

4 Analyse des Ist-Zustandes o Welche Ziele werden in der Gesellschaft (Politik, öffentliche Meinung usw.) derzeit für wichtig erachtet? (Frage nach der gesellschaftlichen Bewertung von Zielen) o Wie gut erfüllt derzeit das österreichische Schulsystem diese Funktionen/Zielsetzungen (z.b. individuelle Förderung und Ausgleich von Benachteiligungen)? (Frage nach dem Grad der Zielerreichung) o Was sind die Ursachen für die Erfüllung / Nichterfüllung der Zielsetzungen? (Frage nach den Ursachen erfolgreicher bzw. mangelnder Zielerreichung) 4

Funktionen/Zielsetzungen (z.b. individuelle Förderung und Ausgleich von Benachteiligungen)?

5 Bestandsaufnahme Mit statistischen Basisdaten können relativ gut Bildungsungleichheiten analysiert werden. In jüngster Zeit viele Arbeiten zur sozialen (und regionalen) Selektivität des österreichischen Schulsystems und damit zur Chancengleichheit, z.b. Bacher (2003, 2005), Bauer (2005), Fassmann (2002), Schlögl/Lachmayr (2004), Schwarz/Spielauer/Städtner (2002), Spielauer/Schwarz/Schmid (2002) u.a. 5

In jüngster Zeit viele Arbeiten zur sozialen (und regionalen) Selektivität des österreichischen

6 Abbildung: Ergebnisse einer explorativen Pfadanalyse für die Teilhabe am weiterführenden Schulsystem Österreichs (entnommen aus Bacher 2003: 14) 6

7 MIGRA -0,16 0,10 EINW BILD KIND19 ALLEIN 0,09 0,12-0,12 0,43 0,11 MERW R 2 =0,05 STATUS R 2 =0,27 0,08 0,42 0,11-0,10 EINK R 2 =0,40 0,18 0,10 0,18 BILD_K (R 2 =0,19) 0,18 GESCHL_K -0,08-0,31 MIGRA = Migrationshintergrund EINW = Einwohnerzahl BILD = höchste Bildung der Eltern KIND19 =Zahl der Kinder bis 19 Jahre ALLEIN = Alleinerzieherhaushalt STATUS = berufliche Position der Eltern EINK =Erwerbseinkommen der Eltern MERW = mütterliche Erwerbstätigkeit BILD_K = Bildungspartizipation des Kindes GESCHL_K = Geschlecht des Kindes 7

der Eltern KIND19 =Zahl der Kinder bis 19 Jahre ALLEIN = Alleinerzieherhaushalt STATUS = berufliche Position der Eltern EINK

8 Frage nach den Ursachen Identifizierung von sozialstrukturellen Einflussfaktoren wird oft mit der Identifikation von Ursachen verwechselt, entscheidende Frage ist aber: Warum haben bestimmte sozialstrukturelle Faktoren, wie z.b. Bildung der Eltern, einen starken Einfluss, warum andere nicht? Ursachenanalyse => drei methodische Zugänge: internationaler Systemvergleich, ergänzende qualitative Fallstudien, vertiefende quantitative Analysen mit intervenierenden Variablen 8

Ursachenanalyse => drei methodische Zugänge: internationaler Systemvergleich, ergänzende qualitative Fallstudien,

9 2. Möglichkeiten von PISA2003 Internationaler Systemvergleich (PISA-Studie) => Hinweise auf mögliche institutionelle Ursachen (z.b. frühe Bildungsentscheidung, Halbtagesform) Ergänzende quantitative Analyse (Bacher 2005, für Deutschland: Tillmann/Meier 2001, Jungbauer-Gans 2004) => Hinweise auf die Bedeutung von außerschulischen Faktoren (normative Abweichung, kulturelles Kapital); 9

frühe Bildungsentscheidung, Halbtagesform) Ergänzende quantitative Analyse (Bacher 2005, für

10 Abbildung: Ergebnisse einer explorativen Pfadanalyse mit intervenierenden Variablen (entnommen aus Bacher 2005: 55) 0,17,09 0,28 0,14 0,11 BILD 0,09,46 STATUS 0,23 CULTPOSS 0,32 CULTCOM 0,24 (R 2 =0,28) (R 2 =0,16) (R 2 =0,14) 0,14 0,08-0,14-0,19 CULTACTV (R 2 =0,25) 0,10 WLREAD (R 2 =0,20) 0,67 0,14-0,23 MERW (R 2 =0,08) 0,08 MIGRA 0,12 0,10 0,14 WLMATH (R 2 =0,50) 0,32 GSCHW ALLEIN 0,09 EINW 0,10 GESCHL_K -0,23 0,09 0,19 BILD_K (R 2 =0,41) 0,12 0,11 EINW = EinwohnerInnenzahl des Schulstandortes GSCHW =Zahl der Geschwister ALLEIN = AlleinerzieherInnenhaushalt AFAM = andere Familienform (in der Regel Stieffamilie) MERW = mütterliche Erwerbstätigkeit MIGRA = Migrationshintergrund BILD = höchste Bildung der Eltern STATUS = berufliche Position der Eltern GESCHL_K = Geschlecht des Kindes CULTPOSS = Besitz kultureller Güter CULTCOM = kulturelle Kommunikation in der Familie CULTACTV = kulturelle Aktivitäten WLEREAD = Lesekompetenz WLEMATH = Mathematikkompetenz BILD_K = Bildungspartizipation des Kindes 10

EINW 0,10 GESCHL_K -0,23 0,09 0,19 BILD_K (R 2 =0,41) 0,12 0,11 EINW = EinwohnerInnenzahl des Schulstandortes GSCHW =Zahl der Geschwister ALLEIN = AlleinerzieherInnenhaushalt AFAM = andere

11 intervenierende außerschulische Variablen: kulturelles Kapital = PISA2000 Bildungsaspirationen = PISA2003 daneben viele schulische Kontextmerkmale, für Ö. nur bedingt brauchbar (siehe unten). 11

12 3. Grenzen von PISA 3.1. Stichprobendesign mehrstufiges Verfahren => höherer Standardfehler, kann durch Schichtung und größenproportionale Auswahl abgeschwächt werden, aber dennoch relativ stark, da große Unterschiede zw. den Schulen und geringe Unterschiede in den Schulen 12

kann durch Schichtung und größenproportionale Auswahl abgeschwächt

13 Tabelle 1: Stichprobendesigneffekte auf die Testleistungen Durch- s(einf.z.) s(gesch. Deff effekt. schnitt Z.)BRR n Mathematik 506 (a) 1,37 (b) 3,23 (b) 2,36 (c) 833 (c) Lesen 491 (a) 1,52 (d) 3,72 (d) 2,45 (c) 764 (c) Naturwissenschaft 491 (a) 1,43 (d) 3,41 (d) 2,38 (c) 808 (c) (a) eigene Berechnungen, vgl. OECD (2004: 356, 444, 448). Die zusätzlich durch die multiple Imputation zwischen den geschätzten Mittelwerten entstehende Varianz (OECD 2005: 131, Varianz Bm) wurde nicht berücksichtigt. Diese ist aber i.d.r. numerisch klein und bewirkt nur Änderungen an der ersten oder zweiten Kommastelle. Bei den Signifikanzberechnungen der Tabellen 3ff wurde sie berücksichtigt. (b) eigene Berechnungen, vgl. OECD (2005: 176). Zur Schätzung wurden die BRR-Gewichte verwendet (OECD 2005: 116). Die zusätzlich durch die multiple Imputation entstehende Varianz zwischen den geschätzten Mittelwerten blieb unberücksichtigt (siehe Anmerkung (a)). Das Vorgehen entspricht jenem der OECD 2005: 175) (c) eigene Berechnungen. Der Wert ergibt sich durch Division des Standardfehlers des mehrstufigen Stichprobenverfahrens mit dem Standardfehler bei einer einfachen Zufallsauswahl. Der Wert von 2,36 ergibt sich als 3,23 dividiert durch 1,37. In OECD (2005: 176, ) wird der Designeffekt für die Stichprobenvarianz angeführt. Diesen erhält man durch Quadrierung der Spaltenwerte. (d) eigene Berechnungen, vgl. OECD (2005: ) 13

OECD (2004: 356, 444, 448). Die zusätzlich durch die multiple Imputation zwischen den geschätzten Mittelwerten entstehende Varianz (OECD 2005: 131, Varianz Bm) wurde nicht berücksichtigt.

14 Die Berücksichtigung des höheren Stichprobenfehlers ist für die statistische Signifikanzprüfung unerlässlich. Erfolgt keine Korrektur, kann es zu Fehlentscheidungen kommen P( 506 > 500) = 1 P( ) = 1 t4595 1,37 = 1 0, = 0, tatsächlich gilt: P( 506 > 500) = 1 P( ) = 1 t4595 3,23 = 1 0,0315 = 0,9685 = 4,38. = 1,86 14

Erfolgt keine Korrektur, kann es zu Fehlentscheidungen kommen.

15 geeignete statistische Software: WestVar, STATA9 SPSS usw.: Reduktion der Fallzahl bzw. Erhöhung des Schwellenwertes der Teststatistik Besonders problematisch = Analyse von Subgruppen => hohe Standardfehler, z.b. für Wien von 9,06 bis 9,76 bzw. für die vier Landeshauptstädte Graz, Salzburg, Innsbruck und Linz von 13,90 bis 14,56 15

Erhöhung des Schwellenwertes der Teststatistik Besonders problematisch = Analyse

16 3.2. Zielgruppe 15-/16-Jährige = nach der Bildungsentscheidung mit 14/15 Jahren => schulische Kontextmerkmale wenig brauchbar Beispiel: geschlechtsspezifische Differenzen => Ursachendiagnose ist schwierig, da sich die Differenzen durch die vorausgehende Schulwahl erklären lassen. Über die Ursachen der vorausgehenden Schulwahl ist wenig bekannt. 16

=> Ursachendiagnose ist schwierig, da sich die Differenzen durch die vorausgehende

17 3.3. Intervenierende Variablen PISA => Schwerpunkt auf einem bestimmten theoretischen Ansatz, 2000 = kulturelles Kapital (kaum Angaben zum sozialen und ökonomischen Kapital), 2003 => RC-Theorie (Bildungsaspirationen) keine Informationen über Bedeutung/Einfluss der Gleichaltrigengruppe und des Freizeitverhaltens = theoretisch hoch relevant 17

Kapital), 2003 => RC-Theorie (Bildungsaspirationen) keine Informationen über

18 4. Zusammenfassung PISA ermöglicht Ursachendiagnosen in zwei Richtungen (Systemvergleich und Definition von intervenierenden Variablen) Bei der zweiten Strategie bestehen klare Grenzen. Grenze I Zielgruppe = österreichspezifisch durch Schulsystem bedingt Grenze II intervenierende Variablen = international Auch bei der Analyse von Subgruppen treten durch das Stichprobendesign bedingte Restriktionen auf! 18

Grenze I Zielgruppe = österreichspezifisch durch Schulsystem bedingt Grenze II intervenierende

19 Herzlichen Dank für die Aufmerksamkeit! 19

Ähnliche Dokumente

Pfadanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007

Pfadanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007 Pfadanalyse Bacher, SoSe2007 1. Grundlegende Verfahren Explorative Pfadanalyse: Kausale Beziehungen zwischen Variablen werden aufgedeckt, erforderlich ist eine kausale Anordnung der Variablen. Konfirmatorische