Analysen zu phasenspezifischen Differenzen des Hilfesuchverhaltens

Die dritte Frage bezieht sich auf die unterschiedlichen Phasen der Erstellung einer wissen-schaftspropädeutischen Arbeit (Maturaarbeit) und möchte offenlegen, inwiefern sich das Hil-fesuchverhalten der Schüler/-innen zwischen den spezifischen Phasen des Erstellungsprozesses unterscheidet. Dazu werden die jeweils interessierenden Merkmale pro Hilfesuchstation (vgl.

77 Kapitel 5.2.3) über die drei Phasen (Konzepterstellungs-, Ausführungs-, Schlussphase) mitei-nander verglichen und dahin gehend untersucht, ob sich diese signifikant voneimitei-nander unter-scheiden.

Auch hier werden die Analysemethoden je nach Eigenschaften (Vorhandensein/Nicht-Vorhan-densein von Ausreissern und/oder Normalverteilung/Nicht-Normalverteilung) der zu untersu-chenden abhängigen Variablen gewählt. Da es sich bei dieser Datengrundlage um Messwieder-holungen entlang dreier Messzeitpunkte handelt, stehen die einfaktorielle Varianzanalyse mit Messwiederholung (parametrisches Verfahren) sowie der Friedman-Test (nicht parametrisches Verfahren) zur Verfügung. Die einfaktorielle Varianzanalyse mit Messwiederholung (auch A-NOVA mit Messwiederholung genannt (Weinfurt, 2000)) wird als die Erweiterung des t-Tests auf mehr als zwei Messzeitpunkte für abhängige Stichproben verstanden und analysiert, inwie-fern sich Mittelwerte über die Messzeitpunkte hinweg unterscheiden (Bühner & Ziegler, 2009).

Schliesslich könnten auch drei t-Tests (vgl. Kapitel 8.3.2) durchgeführt werden, die jedoch die Gefahr der α-Fehlerinflation beinhalten (für eine ausführliche Diskussion siehe auch Bühner und Ziegler (2009, Kapitel 6.1.1). Dieser Gefahr wird in Analysemethoden mit Mehrfachver-gleichen insofern begegnet, als die Bonferroni-Korrektur integriert wird, welche die Alphafeh-ler-Kumulierung neutralisiert, indem eine Alpha-Adjustierung (Korrektur der Signifikanzen) vorgenommen wird, um nicht fälschlicherweise signifikante Ergebnisse zu erhalten (Bortz, 2004). Die Voraussetzungen für eine einfaktorielle Varianzanalyse mit Messwiederholung bil-den sich aus einer metrischen abhängigen Variable, einem Zwischensubjektfaktor, der aus drei oder mehr kategorialen Ausprägungen besteht, ausreisserfreien Daten der unterschiedlichen Messzeitpunkte, einer annähernden Normalverteilung (Nichtnormalverteilung ab n=25 unprob-lematisch) sowie der Vermutung auf Sphärizität (Weinfurt, 2000). Sphärizität bedeutet, dass die Varianzen resp. Kovarianzen der Differenzen zwischen den Faktorstufen gleich hoch aus-fallen müssen, was sich mit dem Mauchly-W-Test überprüfen lässt (Bühner & Ziegler, 2009;

Rasch et al., 2014).

Es wird somit deutlich, dass dieses Analyseverfahren an viele sehr strikte Voraussetzungen gekoppelt ist, die nicht immer vorliegen. Als nicht parametrische Alternative wird deshalb auf den Friedman-Test zurückgegriffen. Der Friedman-Test vergleicht, wie auch die einfaktorielle Varianzanalyse mit Messwiederholung, mehr als zwei abhängige Stichproben miteinander und überprüft diese auf signifikante Unterschiede (Zöfel, 2002). Dieser Test greift, wie ebenfalls der Mann-Whitney-U-Test, auf verteilungsfreie Rangreihen (Rangvarianzanalyse) zurück, die fallweise für die Werte der interessierenden Variablen erstellt werden (Sachs, 2013).

78

8.3.4. Analysen zu leistungsgruppenspezifischen Differenzen des Hilfesuchver-haltens

Die vierte Fragestellung, die fokussiert, inwiefern sich das Hilfesuchverhalten der Schüler/-innen zwischen verschiedenen Leistungsgruppen unterscheidet, wurde in Abhängigkeit der er-zielten Ergebnisse beim schriftlichen Teil der Maturaarbeit analysiert. Dazu wurden drei Leis-tungsgruppen gebildet. Die Gruppen wurden so zusammengestellt, dass sie zum einen den for-malen Anforderungen an die Bildung von Kategorien entsprechen, d. h. trennscharf (einzelne Ausprägungen schliessen sich wechselseitig aus) und vollständig (jedes Individuum kann einer Kategorie zugeordnet werden) sind (Brosius, Haas & Koschel, 2012). Zum anderen sollten die gebildeten Leistungsgruppen eine sinnvolle inhaltliche Interpretation der Vergleiche gestatten.

Die inhaltliche Interpretation von Noten in der Schweiz wird an dieser Stelle exemplarisch für den Kanton Zürich dargestellt (Bildungsdirektion Kanton Zürich, 2012). Eine Note < 3 ent-spricht dem Prädikat schwach und wird dann vergeben, wenn die wesentlichen Lernziele nicht oder zu einem nur sehr geringen Teil erreicht wurden. Wurden die wesentlichen Lernziele le-diglich teilweise erreicht, wird die Note 3 (ungenügend) vergeben. Die Note 4 (genügend) wer-den für diejenigen Leistungen erteilt, in wer-denen die wesentlichen Lernziele erreicht wurwer-den.

Wurden hingegen alle Lernziele erreicht, wird die Leistung mit der Note 5 (gut) bewertet. Dar-über hinaus erhalten Leistungen, bei denen alle Lernziele erreicht wurden und zudem besondere Leistungen erkennbar sind, die Note 6 (sehr gut).

Im Durchschnitt wurde für den schriftlichen Teil der Maturaarbeit eine Note von M=5.19 (SD=.61, Min: 2.00, Max: 6.00) erzielt (n=756), was einem eher hohen Mittelwert entspricht.

Lediglich 12 Schüler/-innen erhielten eine Note ≤ 3.5, sodass die Lernenden mit ungenügenden Leistungen stark untervertreten sind. Würde somit eine Leistungsgruppe gebildet, welche aus Lernenden mit ungenügenden Noten bestünde, so wäre diese im Vergleich zu den anderen Leis-tungsgruppen um ein Wesentliches kleiner. Folglich wurden diejenigen Schüler/-innen, welche die Note 4 erhalten haben, ebenfalls in die erste Leistungsgruppe integriert, um die Gruppen-grösse etwas zu erhöhen und damit die Diskrepanz in den GruppenGruppen-grössen zwischen den Grup-pen zu verkleinern. Die drei LeistungsgrupGrup-pen sowie deren Kennwerte führt Tabelle 8 auf. Die erste Leistungsgruppe beinhaltet somit Lernende, welche für ihre schriftliche Maturaarbeit das Prädikat ungenügend bis und mit genügend erhalten haben und bilden damit die leistungs-schwächste und gleichzeitig kleinste Gruppe (nt2,≤ 4.00=52, nt2,≤ 4.00=44, nt2,≤ 4.00=54). Die zweite Leistungsgruppe ergibt sich aus Schüler/-innen der mittleren Leistungsgruppe (nt2,4.01–5.00=270,

79 nt2,4.01–5.00=243, nt2, 4.01–5.00=332) mit einer Note grösser 4.00 und kleiner 5.01. Die dritte und zugleich grösste Leistungsgruppe bilden Lernende, welche für ihre schriftliche Arbeit über dem Prädikat gut (Note 5) lagen. In dieser Gruppe sind die leistungsstärksten Schüler/-innen vertre-ten (nt2, 5.01–6.00=375, nt2, 5.01–6.00=332, nt2, 5.01–6.00=366). Die beschriebenen Leistungsgruppen wurden auf signifikante Unterschiede bezüglich des jeweiligen Schwerpunkts der Hilfesuchsta-tion hin untersucht.

Tabelle 8. Datenauswertung – Beschreibung der Leistungsgruppen

t n Leistungsgruppe nLeistungsgruppe MNote SDNote männlich ( %) t2 697

≤ 4.00 52 3.82 0.409 55.8

4.01–5.00 270 4.82 0.247 41.5

5.01–6.00 375 5.66 0.234 35.2

t3 619

≤ 4.00 44 3.92 0.214 47.7

4.01–5.00 243 4.82 0.247 39.1

5.01–6.00 332 5.66 0.236 35.2

t4 703

≤ 4.00 54 3.85 0.359 55.6

4.01–5.00 283 4.82 0.247 40.3

5.01–6.00 366 5.65 0.233 35.5

Bemerkung. t2/t3/t4=Messzeitpunkte; n=Anzahl Fälle; MNote=Mittelwert der Noten (1=Note 1, 6=Note 6);

SDNote=Standardabweichung des Mittelwerts der Note.

Zur Beantwortung dieser vierten Fragestellung wurde auf die ANOVA (einfaktorielle Vari-anzanalyse) bei metrischen abhängigen Variablen, die MANOVA (mehrfaktorielle Varianzana-lyse) bei mehreren kombinierten metrischen abhängigen Variablen oder auf die nicht paramet-rische Alternative, den Kruskal-Wallis-H-Test, zurückgegriffen, welcher bei metparamet-rischen oder ordinalen abhängigen Variablen zur Nutzung gelangen kann.

Anhand der ANOVA können, im Gegensatz zum t-Test (vgl. Kapitel 8.3.2), mehr als zwei unabhängige Stichproben (UV) auf signifikante Unterschiede in Bezug auf eine metrische ab-hängige Variable hin analysiert werden (Bühner & Ziegler, 2009). Im Gegensatz zum t-Test werden simultan mehrere Mittelwerte miteinander verglichen. Dieser Mittelwertvergleich wird mithilfe der Begutachtung unterschiedlicher Varianzen erreicht (Rasch et al., 2014). Die Vo-rausserzungen unterscheiden sich dabei nicht von einer einfaktoriellen Varianzanalyse mit Messwiederholung, wie sie bereits in Kapitel 8.3.3 erläutert wurden.

80 Die MANOVA stellt eine Erweiterung der ANOVA (vgl. Kapitel 8.3.3) dar und analysiert die Abhängigkeiten von mehreren metrischen abhängigen und einer oder mehreren nominalen un-abhängigen Variablen (Faktoren) (Eckey, Kosfeld & Rengers, 2002). Im Gegensatz zur einfak-toriellen Varianzanalyse (ANOVA) besteht bei der mehrfakeinfak-toriellen Varianzanalyse (MA-NOVA) die Möglichkeit, den kombinierten Einfluss der Faktoren auf die abhängige Variable zu testen (Eckey et al., 2002). Die MANOVA verfolgt zwei Ziele. Erstens soll bestimmt wer-den, ob die Gruppen der unabhängigen Variable (Leistungsgruppen) statistisch signifikant in Bezug auf die abhängigen Variablen sind und wenn ja, soll zweitens bestimmt werden, inwie-fern Unterschiede in den Gruppen der unabhängigen Variablen bestehen (Bray & Maxwell, 1985; Huberty & Olejnik, 2006). Damit die mehrfaktoriellen Varianzanalyse zum Einsatz kom-men kann, müssen mehrere Voraussetzungen erfüllt sein. Zunächst dürfen keine univariaten oder multivariaten Ausreisser in den Daten vorhanden sein, welche die Analysen beeinflussen könnten, und die Werte der abhängigen Variablen sollten innerhalb jeder Gruppe normalverteilt sein. Weitere Bedingungen sind, dass keine Multikollinearität vorherrscht sowie lineare Bezie-hungen zwischen den abhängigen Variablen für jede Gruppe der unabhängigen Variablen vor-handen sind. Von Multikollinearität ist dann die Rede, «wenn die Prädiktoren hohe Interkorre-lationen aufweisen (hohe wechselseitige lineare Abhängigkeit)» (Bühner & Ziegler, 2009, S.

789). Zudem sollte Varianzhomogenität vorliegen (Bray & Maxwell, 1985; Huberty & Olejnik, 2006). Auch wenn die MANOVA als relativ robust gegenüber Verletzungen einiger der ge-nannten Bedingungen ist, kann im Zweifelsfall auf den nicht parametrischen Kruskal-Wallis-H-Test zurückgegriffen werden. Dieser wird als die Erweiterung des Mann-Whitney U Tests um mehr als zwei unabhängige Stichproben gesehen (Sheskin, 2011). Der Kruskal-Wallis-H-Test basiert auf Rangzahlen, die einzelnen Merkmalsausprägungen zugeteilt werden (Martens, 2003). Pro Gruppe (Leistungsgruppe) wird schliesslich die Summe der Rangzahlen gebildet, welche auf signifikante Unterschiede hin analysiert werden (Martens, 2003).

8.3.5. Analysen zum Zusammenhang spezifischer Variablen mit dem