Mischverteilung der Verlaufsmuster von Schulleistungen über die obligatorische Schulzeit.

Autor/inn/en	Tomasik, Martin; Moser, Urs
Titel	Mischverteilung der Verlaufsmuster von Schulleistungen über die obligatorische Schulzeit. Paralleltitel: A mixture distribution of school performance growth throughout compulsory schooling.
Quelle	In: Zeitschrift für Erziehungswissenschaft, 22 (2019) 4, S. 811-849Infoseite zur Zeitschrift PDF als Volltext Link als defekt meldenVerfügbarkeit
Beigaben	Illustrationen
Sprache	deutsch
Dokumenttyp	online; gedruckt; Zeitschriftenaufsatz
ISSN	1434-663X; 1862-5215
DOI	10.1007/s11618-019-00895-z
Schlagwörter	Empirische Untersuchung; Längsschnittuntersuchung; Skalierung; Intelligenz (Psy); Familie; Mediennutzung; Alter; Deutschunterricht; Familie; Freizeit; Geschlecht; Längsschnittuntersuchung; Mathematikunterricht; Messung; Muttersprache; Schüler; Schweiz; Skalierung; Typologie; Zürich; Entwicklung; Herkunft; Leistungsbeurteilung; Kanton; Modellierung; Vorwissen; Schüler; Leistungsbeurteilung; Schülerleistung; Soziales Verhalten; Geschlecht; Deutschunterricht; Mathematikunterricht; Muttersprache; Messung; Freizeit; Alter; Entwicklung; Herkunft; Modellierung; Typologie; Vorwissen; Wissenszuwachs; Kanton; Schweiz; Zürich
Abstract	In diesem Aufsatz werden die Leistungszuwächse in Mathematik und Deutsch von Schülerinnen und Schülern während der obligatorischen Schulzeit betrachtet. Es wird untersucht, ob sich distinkte Typen von Leistungsverläufen identifizieren lassen, um wie viele Typen es sich handelt und ob sich die Zugehörigkeit zu einem Verlaufstyp durch Variablen auf der Ebene des Individuums, der Herkunftsfamilie und der Schulklasse vorhersagen lässt. Die Datengrundlage zur Untersuchung dieser Fragestellungen stellt die Zürcher Längsschnittstudie, in der die Schulleistungen von etwa 2000 Schülerinnen und Schülern drei, sechs und neun Jahre nach der Einschulung erfasst und mit IRT-Methoden auf einer gemeinsamen metrischen Skala abgebildet wurden. Die Auswertung erfolgte mit Hilfe von mischverteilten Wachstumskurvenmodellen, wobei fünf distinkte Typen von Schulleistungsverläufen identifiziert wurden, die als "durchschnittlicher Typ" (20%), "lernschwacher Typ" (26%), "Nachzüglertyp" (9%), "ertragsreicher Typ" (30%) sowie "Typ mit Vorsprung" (15%) bezeichnet werden können. Die verschiedenen Prädiktorvariablen waren in unterschiedlichem Ausmaß für die Vorhersage der Typenzugehörigkeit relevant, wobei die psychometrische Intelligenz, die vorschulischen Rechenfertigkeiten sowie selbständiges Arbeitsverhalten eine herausragende Rolle spielten. (DIPF/Orig.). The authors investigated the growth in school performance of students throughout compulsory schooling, examining whether distinct types of growth trajectories can be identified, how many there are, and whether the probability of type membership can be predicted by variables at the level of the individual, the family of origin, and the school class. Data come from the Zurich Learning Progress Study, which comprises a random sample of about 2000 students who have entered school in the 2003/04 school year. School performance in mathematics and language was assessed three, six, and nine years after school entry by standardized tests reflecting the official curriculum. These tests were scaled using probabilistic test theory and linked across the three measurement occasions so that they could be compared on a common metric scale covering most parts of compulsory schooling. Using non-linear growth mixture modelling, we identified five distinct types of performance growth, namely the "average type" (20%), the "slow learning type" (26%), the "left-behind type" (9%), the "profiting type" (30%), and the "head start type" (15%). The various predictor variables had different relevance for each growth type, whereby psychometric intelligence, pre-schooling competencies in arithmetic, and independent learning and study habits played prominent roles. (DIPF/Orig.).
Erfasst von	DIPF \| Leibniz-Institut für Bildungsforschung und Bildungsinformation, Frankfurt am Main
Update	2020/2