Antworten auf häufig gestellte Fragen (FAQ)

Liebe Nutzenden,

das FDZ am IQB ist auch am Forum4MICA beteiligt. Dies ist eine Plattform für den öffentlichen Austausch zu Themen rund um das Angebot und die Nutzung von Forschungsdaten der Sozial-, Bildungs-, Verhaltens- und Wirtschaftswissenschaften und dient dem Dialog zwischen Forschenden sowie Forschungsdatenzentren. Es steht allen Personen zur Verfügung, die auf der Suche nach themenbezogenen Informationen sind und/oder sich aktiv am Dialog beteiligen möchten. Mit dem Forum werden bestehende Nutzerservices und Dokumentationsmaterialien um eine interaktive Komponente ergänzt. Mit jeder neuen Frage, jeder Antwort und jedem Kommentar wächst die allgemein zugängliche Wissensbasis von Forum4MICA und bietet alle relevanten Funktionen einer Online-Diskussionsplattform.

Unser FDZ-Auftritt dort ist hier verlinkt.

++++++++++++++++++++++++++++++++++++++++++++++++++++++++

Allgemeines sowie Fragen zu Antragstellung, Datennutzung und Datenübergabe an das FDZ am IQB

Allgemeines sowie Fragen zu Antragstellung, Datennutzung und Datenübergabe an das FDZ

 zurück zur Übersicht 

Akkreditierung und Zertifizierung

Was bedeutet es, dass das FDZ am IQB akkreditiert (RatSWD) und zertifiziert (CoreTrustSeal) ist?

Akkreditierung durch den RatSWD

Das FDZ am IQB wurde vom Rat für Sozial- und Wirtschaftsdaten (RatSWD) akkreditiert und orientiert sich in seiner Arbeit an dessen PDF Kriterien.

Der RatSWD berät die Bundesregierung und die Regierungen der Länder in Fragen der Erweiterung und Verbesserung der Forschungsdateninfrastruktur für die empirischen Sozial-, Verhaltens- und Wirtschaftswissenschaften. Er ist ein institutionalisiertes Forum des Austausches und des Dialoges zwischen Wissenschaft und Datenproduktion über die Verbesserung des Zugangs zu qualitativ hochwertigen und wissenschaftlich interessanten Daten. Zu seinen Aufgaben gehören u. a.:

  • Strategische Weiterentwicklung der Forschungsdateninfrastruktur
  • Interessenvertretung von Datenproduzierenden und -nutzenden
  • Akkreditierung und Evaluation der Arbeit von Forschungsdatenzentren
  • Europäische und internationale Vernetzung von Forschungsdateninfrastrukturen
  • Wissenschaftlicher und forschungsstrategischer Austausch durch Dialogveranstaltungen, Fachtagungen und die Konferenz für Sozial- und Wirtschaftsdaten (KSWD)

Zertifizierung mit dem CoreTrustSeal (CTS)

Das FDZ am IQB ist mit dem CoreTrustSeal für vertrauenswürdige Repositorien zertifiziert.PDFHier können Sie die Selbstauskunft des FDZ am IQB mit Anmerkungen der Gutachtenden herunterladen.

Mittelgeber fordern verstärkt, dass – aus von ihnen geförderten Projekten – entstandene Daten im Sinne einer „open data“- und Datenmanagement-Policy langfristig archiviert und für die Nachnutzung verfügbar gemacht werden. Forschende müssen somit sicherstellen, dass auf ihre Daten auch in Zukunft verlässlich und eindeutig zugegriffen werden kann und sind somit zunehmend auf der Suche nach vertrauenswürdigen Repositorien. Die CoreTrustSeal Foundation (CTS) – eine juristische Person nach niederländischem Recht mit Sitz in Den Haag, Niederlande – ist eine gemeinnützige Organisation, die sich für nachhaltige und vertrauenswürdige Dateninfrastrukturen einsetzt. Sie existiert seit Januar 2018 und ist ein Zusammenschluss aus den Vorläuferzertifikaten, dem Data Seal of Approval (DAS) und dem ICSU World Data System (ICSU-WDS). Praktisch handelt es sich um eine Art selbstverwaltetes Gremium von internationalen Expertise Habenden aus dem Bereich der Forschungsdatenarchivierung und Datensicherheit, die ehrenamtlich tätig sind. Das sog. „CoreTrustSeal“ ist demnach ein Zertifikat für Datenarchive, die diese Vertrauenswürdigkeit, zum Beispiel in Bezug auf Datenschutz und Datensicherheit, aber auch auf Qualitätssicherung der Archivierungsprozesse, abbildet.

Eine solche Zertifizierung hilft, Qualität und Transparenz der eigenen Prozesse zu verbessern und das Bewusstsein für Standards und die Einhaltung dieser etablierten Standards zu erhöhen. So konnten Abläufe optimiert sowie Workflows standardisiert und harmonisiert werden.

Die Zertifizierung des FDZ am IQB mit dem „CoreTrustSeal“ trägt dem Bestreben Rechnung, dauerhaft eine adäquate Qualitätssicherung sowie eine stetige Weiterentwicklung der Forschungsdateninfrastruktur zu gewährleisten und auch zukünftig als vertrauenswürdiger Archivierungspartner wahrgenommen zu werden. Durch die Zertifizierung wird Nutzenden sowie Förderern nachgewiesen, dass das FDZ am IQB seriös, nach etablierten Standards und international anschlussfähig arbeitet.

 zurück zur Übersicht

Suche

Wo suche ich nach Studiendaten?

Hier geht es zur Suche!

 zurück zur Übersicht

Wie verschaffe ich mir einen Überblick über die Datensätze, die das FDZ am IQB anbietet?

Hier findet sich ein erster Überblick über die am FDZ am IQB verfügbaren Studien.

 zurück zur Übersicht

Wie prüfe ich, welche Studien zu meinem Thema passen?

Bei der Suche nach geeigneten Daten für Ihre Fragestellung sollten Sie sowohl nach Stichprobenmerkmalen (z. B. Jahrgangsstufe oder Erhebungszeitraum) sowie nach Konstrukten (z. B. Selbstkonzept oder Sonderpädagogischer Förderbedarf) recherchieren. Dafür können Sie die Berichtsbände, Skalenhandbücher, unsere Leerdatensätze sowie die Studiensuche nutzen. Bei spezifischen Fragen lohnt sich ein Blick auf die Hinweise auf den jeweiligen Studienseiten auf unserer Homepage. Sollten Sie weitergehende Fragen haben, beraten wir Sie auch gerne telefonisch oder per E-Mail.

 zurück zur Übersicht

In welchen (IQB-)Erhebungen gibt es Angaben zu den verwendeten Schulbüchern?

Zum Beispiel gibt es neben dem IQB-LV 2011 (Grundschule Deutsch und Mathematik) und IBQ-LV 2012 (Sek I Mathematik) noch bei TIMSS 2015 Angaben zum verwendeten Mathematikbuch. Außerdem werden in der QuaSum-Studie Angaben zum Lehrbuch und zur Verwendung des Lehrbuchs im Unterricht erfasst, aber die Lehrbuchangaben wurden anonymisiert (d. h., im Datensatz befinden sich lediglich fortlaufende Nummern anstelle von Lehrbuchnamen).

Gern nutzen Sie auch die Suchfunktion auf der FDZ-Website und suchen nach Konstrukten.

Grundsätzlich sollten Sie bei der Suche nach geeigneten Daten für Ihre Fragestellung/en sowohl nach Stichprobenmerkmalen (z. B. Jahrgangsstufe oder Erhebungszeitraum) sowie nach Konstrukten (z. B. Selbstkonzept oder Sonderpädagogischer Förderbedarf) recherchieren. Dafür können Sie die Berichtsbände, Skalenhandbücher, unsere Leerdatensätze sowie die Studiensuche nutzen. Bei spezifischen Fragen lohnt sich ein Blick auf die Hinweise auf den jeweiligen Studienseiten auf unserer Homepage. Sollten Sie weitergehende Fragen haben, beraten wir Sie auch gerne telefonisch oder per E-Mail.

 zurück zur Übersicht

Kann man nach Konstrukten suchen?

Konstrukte können hier als Überbegriffe verstanden werden, die bestimmte Eigenschaften, Verhaltensweisen, Itemantworten etc. in Klassen ähnlicher Bedeutung einteilen. Konstrukte dienen also dazu, die Inhalte der Studien in gröberen Kategorien zusammenzufassen. Dies geschieht zum einen, damit ein schnellerer Überblick über die Studieninhalte möglich ist. Weiterhin eignen sich Konstrukte zum Vergleich der Inhalte verschiedener Studien und somit für die studienübergreifende Suche.

Für die systematische Erfassung der Konstrukte nutzt das FDZ am IQB das Konstruktschema der Datenbank zur Qualität von Schule (DaQS). Zusätzlich werden die Skalennamen, wie sie in den Skalenhandbüchern der Originalstudie aufgeführt sind, hinterlegt.

In der Suche des FDZ am IQB kann nach Konstrukten über die einzelnen Studien hinweg gesucht werden. Und hier kann man sich die Konstrukte visualisiert anschauen.

 zurück zur Übersicht

Verfügbarkeit der Daten

Welche Daten sind am FDZ am IQB verfügbar? Wie kann ich informiert bleiben, wenn neue Daten(versionen) zur Verfügung stehen?

Einen Überblick über alle Studien, die derzeit verfügbar sind, finden Sie hier.

Sie können über unseren FDZ am IQB-Newsletter abonnieren, der neue Datensätze ankündigt, die bei uns am FDZ am IQB zur Verfügung stehen.

zurück zur Übersicht

Worum geht es bei den IQB-Ländervergleichen bzw. IQB-Bildungstrends

Informationen zu Zielen, Studiendesign, Ablauf und Ergebnissen der IQB-Ländervergleiche und Bildungstrends finden Sie hier Informationen.

Bei methodischen Fragen zu den Daten finden Sie studienspezifische Informationen auf den studienspezifischen Seiten (Einstieg hier).

zurück zur Übersicht 

Datennutzung

Wer ist berechtigt, einen Antrag auf Scientific Use Files (SUFs) und Campus Files (CFs) zu stellen?

Eine Antragstellung steht Forschenden sowie Studierenden offen, wobei sie institutionell an eine Universität oder ein öffentlich gefördertes Forschungsinstitut angebunden sein müssen. Es wird vorausgesetzt, dass die Daten ausschließlich für nicht kommerzielle wissenschaftliche Zwecke verwendet werden.

zurück zur Übersicht 

Was für Daten erhalte ich als Forschende*r? Was ist dabei zu beachten?

Standardmäßig stellt das FDZ am IQB Scientific Use Files (SUFs) zur Verfügung. Bereits die SUFs wurden so anonymisiert, dass kein Personenbezug hergestellt werden kann. SUFs werden Datennutzenden vom FDZ am IQB nach Abschluss eines Datennutzungsvertrags zur Verfügung gestellt, in welchem weiterführende Nutzungsbedingungen geregelt werden.

Wissenschaftliche Auswertungen mit Datenversionen, die aus Datenschutzgründen besonderen Zugangsbeschränkungen unterliegen, sind über einen besonders geschützten Zugangsweg (z. B. Fernrechnen) möglich. Bei solchen Analysen werden Ergebnisoutputs vom FDZ am IQB hinsichtlich der Einhaltung datenschutzrechtlicher und vertraglicher Bestimmungen geprüft, bevor sie den Forschenden zur Verfügung gestellt werden.

Und dann gibt es noch die Campus Files (CFs). CFs sind anonymisierte Datensätze, die für den Einsatz in der universitären Lehre konzipiert sind. Sie eignen sich besonders für die Lehre im Bereich der Statistik und der empirischen Forschungsmethoden.

Weitere Informationen rund um die Daten finden Sie hier.

zurück zur Übersicht 

Wie beantrage ich Daten für meine Forschung?

Es ist eine kurze Forschungsskizze mit einer Beschreibung der theoretischen Grundlagen, Herleitung der Fragestellungen oder Hypothesen und geplanten Analysen einzureichen.

Füllen Sie bitte stets alle Felder des Antragsformulars aus. Im Feld "Daten/Variablen" spezifizieren Sie Ihre zentralen abhängigen Variablen und unabhängigen Variablen sowie zentrale Kovariaten. Wir benötigen diese Informationen unter anderem, um prüfen zu können, ob Ihr Vorhaben mit einer gesperrten Fragestellung kollidiert. Falls Sie Zugang zu Daten zum Bildungsmonitoring beantragen, ist es wichtig, anzugeben, wenn Sie die Bundesländerkennungsvariable nutzen möchten, weil die Nutzung dieser Variable gesondert genehmigungspflichtig ist. Bitte geben Sie dann auch an, wofür Sie die Länderkennung benötigen (z.B. für Vergleiche zwischen den Bundesländern, als Kovariate zu Kontrollzwecken, für das Zuspielen von Kontextmerkmalen oder anderen Drittvariablen, zur Bildung und zum Vergleich von aggregierten Ländergruppen oder zur Beschreibung der Stichprobe). Nach Antragsgenehmigung und Abschluss eines Datennutzungsvertrags erhalten Sie immer die vollständigen Datensätze (mit Ausnahme datenschutzrechtlich bedenklicher Variablen). Es ist also nicht erforderlich, alle Variablen, die Sie betrachten wollen, einzeln aufzuführen.

Ihr Antrag sollte mindestens 2-3 Seiten und höchstens 10 Seiten umfassen und die FDZ am IQB-Richtlinien zur Antragsstellung beachten.

Für weitere Informationen rund um die Datenbeantragung siehe hier.

zurück zur Übersicht 

Wie werden die Scientific Use Files zugänglich gemacht?

Grundsätzlich stehen die Daten am FDZ am IQB in anonymisierter Form zur Verfügung, d. h., ein Personenbezug ist nicht direkt herstellbar. In Abhängigkeit von der Sensibilität der Daten gibt es unterschiedlich stark anonymisierte Datensätze, die über unterschiedliche Zugangswege bereitgestellt werden.

Standardmäßig stellt das FDZ am IQB die Scientific Use Files (SUFs) im SPSS- oder STATA-Format zur Verfügung. In diesen Datensätzen wurden alle Informationen aus den Originaldaten rekodiert bzw. entfernt, die eine potenzielle Re-Identifikation einzelner Personen ermöglichen würden. Dies kann u. a. dann gegeben sein, wenn bei bestimmten Variablen Merkmalsausprägungen vorliegen, die von fünf oder weniger Personen stammen, oder auch wenn geografische Informationen erhoben wurden. SUFs werden Datennutzenden vom FDZ am IQB nach Abschluss eines Datennutzungsvertrags via Datenaustauschportal zur Verfügung gestellt.

Wissenschaftliche Auswertungen mit Datenversionen, die aus Datenschutzgründen besonderen Zugangsbeschränkungen unterliegen (z. B. Bundeslandinformation), sind über einen besonders geschützten Zugangsweg (über den kontrollierten Fernrechenzugang JoSuA, bereitgestellt vom IZA in Bonn) möglich. Bei solchen Analysen werden Ergebnisoutputs vom FDZ am IQB hinsichtlich der Einhaltung datenschutzrechtlicher Bestimmungen geprüft, bevor sie den Forschenden zur Verfügung gestellt werden.

Um einen ersten Eindruck zu erhalten, wie die Datensätze in den einzelnen Projekten/Studien aussehen, was also erhoben wurde (Variablennamen, -labels), kann man sich auf der jeweiligen Studien-Website sog. Leerdatensätze herunterladen.

zurück zur Übersicht 

Welche Voraussetzungen muss ich erfüllen, um Daten vom FDZ am IQB zu erhalten?

Wenn die Daten, die am FDZ am IQB angeboten werden, zu ihrer Forschung (Analyse und Re-analyse) oder Lehre passen und Sie aktuell institutionell an eine Universität oder ein öffentlich gefördertes Forschungsinstitut angebunden sind, gibt es keine weiteren Voraussetzungen, die Sie erfüllen müssen, um einen Antrag auf Datennutzung zu stellen.

Als Studierende müssen Sie einen Betreuenden angeben, denn nur dieser/diese kann Ihren Nutzungsvertrag mit dem Stempel Ihrer Hochschule versehen.

zurück zur Übersicht 

Soll ich die erhaltenen Daten an meine Mitantragstellenden weiterleiten?

Nein, die Datenübergabe erfolgt individuell.

zurück zur Übersicht

Welche Daten bezüglich Einzelschulen liegen am FDZ am IQB vor?

Leider besteht keine Möglichkeit, externe Daten auf Ebene von Einzelschulen heranzuspielen, das würde datenschutzrechtlichen Bestimmungen und Abstimmungen mit den an den Large-Scale-Assessments beteiligten Schulen widersprechen. Deshalb liegen dem FDZ am IQB auch keine Informationen zur Zuordnung zwischen der Schul-ID und den Schulnamen sowie zum Standort der Schulen vor.

zurück zur Übersicht

Was müssen Datennutzende nach Projektende beachten?

Die Daten sind nach Abschluss des Projekts zu löschen.

Bitte übermitteln Sie uns außerdem zeitnah nach Abschluss des Projektes (vorzugsweise elektronisch) ein entsprechendes Belegexemplar. Studentische Arbeiten, die nur universitäts-intern veröffentlicht werden (z. B. Bachelor-, Master- oder Diplomarbeiten), sind in diese Vorgabe eingeschlossen.

Hierbei ist zu beachten, dass sowohl Datengebende nach unseren Vorgaben (siehe Zitationsvorschlag auf den Studienseiten und im Datennutzungsvertrag) als auch das FDZ am IQB (z. B. in der Danksagung/Acknowledgements, bei Daten oder in einer Fußnote) zu zitieren sind. Zitationshinweise finden sich hier.

 zurück zur Übersicht 

Campus Files

Was sind Campus Files?

Campus Files (CFs) sind anonymisierte Datensätze, die für den Einsatz in der universitären Lehre konzipiert sind. Sie eignen sich besonders für die Lehre im Bereich der Statistik und der empirischen Forschungsmethoden. Im Vergleich zu SUFs weisen CFs deutlich geringere Stichprobenumfänge und eine reduzierte Auswahl an Variablen auf. Campus Files können ohne Abschluss eines Datennutzungsvertrags beantragt werden. Beachten Sie hierzu bitte unsere Richtlinien zum CF-Antragsverfahren.

Weitere Informationen rund um Campus Files finden Sie hier.

zurück zur Übersicht 

Kann ich die Daten vom FDZ am IQB in der Lehre benutzen?

Ja, auf jeden Fall! Dafür gibt es die Campus Files. Antragstellende müssen neben der Angabe einer gültigen universitären E-Mail-Adresse und eines Verwendungszwecks in der Lehre der PDF Nutzungsordnung für CFs zustimmen, um Zugang zu den CFs zu erhalten.

zurück zur Übersicht 

Wie beantrage ich Daten für meine Lehre?

Informationen rund um die Antragstellung erhalten Sie hier.

zurück zur Übersicht 

Online-Antragsverfahren

Wo finde ich Informationen zum Online-Antragsverfahren? Wie funktioniert das?

Informationen rund um die Scientific Use Files-Beantragung finden Sie hier.

Informationen rund um die Campus Files-Beantragung finden Sie hier.

 zurück zur Übersicht 

Hinweise für Studierende

Ich möchte für meine Seminar- oder Abschlussarbeit FDZ-Daten nutzen. Geht das? Was muss ich tun?

Alle Informationen dazu finden sich hier.

zurück zur Übersicht

Hinweis zur Antragsdauer

Wie lange dauert es, bis ich meine beantragten Daten erhalte?

Für Scientific Use Files gilt: Nach Antragseingang an unser FDZ am IQB wird von uns zunächst geprüft, ob die formalen Kriterien zur Antragsgenehmigung erfüllt sind. Dies nimmt in der Regel 2 Wochen in Anspruch.

In Ausnahmefällen, etwa wenn Unklarheit darüber besteht, ob der Antrag vertraglichen Vereinbarungen mit dem Dateneigentümer der Studie widerspricht, behält sich das FDZ am IQB vor, externe Gutachterinnen bzw. Gutachter, die jeweiligen Datenproduzenten oder die Dateneigentümer in den Prüfungsprozess mit einzubeziehen. In solchen Fällen ist mit einer Verlängerung des Genehmigungsprozesses um einige Wochen zu rechnen.

Sollte das Forschungsvorhaben Ländervergleiche beinhalten, die neuartig und bisher noch nicht publiziert sind, ist ebenfalls mit einer längeren Bearbeitungszeit zu rechnen, da der Antrag aufgrund der Neuregelung vom 20.09.2012 (in der Fassung vom 31.01.2019) einer wissenschaftlichen Begutachtung unterzogen wird. Details zu diesem Verfahren sind PDF hier beschrieben.

Nach Prüfung Ihres Antrags wird ein Datennutzungsvertrag ausgefertigt, der von beiden Seiten zu unterzeichnen ist. Anschließend erhalten Sie die beantragten Daten. Bitte beachten Sie, dass die Gesamtverfahrensdauer im Standardfall etwa 8 Wochen betragen kann und planen Sie ausreichend Zeit ein.

Für Campus Files gilt: Sofort! Ein Antrag auf Nutzung von CFs kann von Forschenden an Hochschulen, Universitäten oder außeruniversitären wissenschaftlichen Forschungseinrichtungen für Forschungs-, Lehr- und Qualifikationszwecke sowie von Studierenden gestellt werden. Voraussetzung ist lediglich eine universitäre Anbindung, die durch eine gültige E-Mail-Adresse einer universitären Einrichtung nachzuweisen ist sowie der Zustimmung der PDF Nutzungsordnung des FDZ am IQB zustimmen.

 zurück zur Übersicht 

Sperrvermerke

Was sind Sperrvermerke? Wie beeinflussen sie meine Forschung, Fragestellung und Datennutzungsanträge?

Für einige Studien liegen uns Sperrvermerke vor. Das bedeutet, dass bestimmte Fragestellungen von den datengebenden Personen gesperrt wurden, etwa weil noch selbst Manuskripte verfasst oder Qualifikationsarbeiten fertiggestellt werden. Daher wird bei Antragsstellung geprüft, ob die beantragte Fragestellung gegen einen Sperrvermerk verstößt. Falls dies der Fall ist, kann der Antrag bis zum Ablauf eines Sperrvermerks nicht genehmigt werden. Dies kommt allerdings sehr selten vor. Ob für eine Studie Sperrvermerke vorliegen, können Sie auf unseren Studienseiten ersehen.

zurück zur Übersicht

In dem Datensatz, den ich beatragen will, gibt es gesperrte Fragestellungen. Was heißt das? Kann ich mit diesem Datensatz nicht mehr forschen?

Für einige Studien liegen uns Sperrvermerke vor. D. h., dass bestimmte Fragestellungen von den datengebenden Personen gesperrt wurden. Es werden keine Variablen aus den Datensätzen gelöscht, sondern bei Antragsstellung geprüft, ob die beantragte Fragestellung gegen ein laufendes Forschungsprojekt verstößt. Bei Nachfragen zu Sperrvermerken wendet sich das FDZ am IQB an die Projektleitung/wissenschaftliche Leitung des Projektes. Sie werden daher keine Daten bekommen, wenn sie diese für die Bearbeitung gleicher oder vergleichbarer Fragestellungen beantragen. Antragstellende werden über den bestehenden Sperrvermerk unterrichtet und erhalten darüber hinaus keine weiteren Informationen zum Hintergrund des Sperrvermerks. Standardmäßig finden Sie auf unserer Website den allgemeinen Hinweis, dass zur Studie Sperrvermerke vorliegen und diese erst auf Nachfrage herausgegeben werden.

 zurück zur Übersicht 

Umgang mit der Bundeslandvariable

Ich forsche zu einem Thema, für das es notwendig ist, unterschiedliche Bundesländer zu vergleichen. Was ist dabei zu beachten?

  • Nicht in allen Studien liegen Information zu den Bundesländern vor. Ist dies der Fall, wird es auf den Studienseiten unter „Zugangshinweise“ vermerkt.
  • Der Zugang zur Bundeslandvariable, sofern vorhanden, ist zum Schutz wissenschaftlicher und ethischer Qualitätsstandards in besonderer Weise geregelt. Das bedeutet:
  • Die Scientific Use Files des FDZ am IQB enthalten standardmäßig, sofern nicht im Antrag vereinbart, keine Bundesvariablen.
  • Der Vergleich von Ländergruppen (beispielweise Länder mit zwei vs. dreigliedrigen Schulsystemen oder Länder, in denen bestimmte Reformen stattgefunden vs. nicht stattgefunden haben) ist möglich und muss im Antrag beschrieben werden.
  • Die Nutzung der Bundeslandvariable als Kontrollvariable (beispielsweise in einem Regressionsmodell) ist möglich und muss im Antrag beschrieben werden. Der Datenzugang erfolgt dann über den gesicherten Fernrechenzugang des IZA.
  • In den beiden unter 4 bzw. 5 beschriebenen Fällen dürfen keine einzelnen Länder bei den Analysen identifizierbar sein bzw. Ergebnisse für einzelne Länder berichtet werden.
  • Bei Anträgen, in denen explizit Länder kenntlich gemacht und in Bezug auf neuartige Fragestellungen hinaus verglichen werden (also Fragestellung, die nicht bereits publizierte Ländervergleiche replizieren), kommt ein umfangreiches Antragsverfahren mit einer wissenschaftlichen Begutachtung zur Anwendung. Dieses orientiert sich am Begutachtungsverfahren der DFG (weitere Details siehe PDF Verfahrensordnung für neuartige Ländervergleiche).
  • Analysen und Ergebnisdarstellungen, die sich auf die Betrachtung eines einzelnen Landes stützen, bedürfen der Zustimmung des jeweiligen Landes (weitere Details siehe PDFVerfahrensordnung für neuartige Ländervergleiche).

zurück zur Übersicht

 

Wie erfolgt die Bereitstellung der anonymisierten Bundeslandvariable als Kovariate für Mehrebenenanalysen?

Sie können die Bundeslandvariable über das Fernrechensystem JoSuA für Ihre Mehrebenenanalysen nutzen. Dabei stehen Ihnen die Statistikprogramme R und Stata zur Verfügung. Wenn Sie die Bundeslandvariable als Kovariate in Ihren Mehrebenenmodellen berücksichtigen, müssen Sie bei der Ergebnisdarstellung beachten, dass kein Bundesland direkt oder indirekt identifizierbar gemacht werden darf. Leider können wir Ihnen keine anonymisierte Kennung der Bundesländer in SUF-Datensätzen bereitstellen, da dadurch eine Identifizierung einzelner Bundesländer möglich wäre.

zurück zur Übersicht  

Datenverknüpfungen

Ich möchte Daten aus anderen Quellen mit Daten, die am FDZ am IQB angeboten werden, verknüpfen. Was ist dabei zu beachten?

1) Die Verknüpfung von Daten, die am FDZ am IQB angeboten werden, mit Daten aus anderen Quellen ist möglich (etwa auf Ebene von Bundesländergruppen), wenn daraus keine datenschutzrechtlichen Probleme entstehen. Daher sollte eine geplante Verknüpfung von Datensätzen bereits im Antrag beschrieben werden. Nur für im Vertrag beschriebene Zwecke können Verknüpfungen hergestellt werden.

2) Regionaldaten (wie beispielweise der prozentuale Anteil an Erwerbstätigen) können leider aktuell nur auf Ebene der Bundesländer, nicht aber auf Ebene von Städten, Gemeinden oder Landkreisen mit den am FDZ am IQB vorliegenden Datenbeständen verknüpft werden, da das FDZ am IQB keine Studien mit solchen Regional-Identifikatoren im Bestand hat.

3) Die Videografie-Daten der Studie Deutsch Englisch Schülerleistungen International (DESI, DOI: 10.7477/6:1:1) werden am Forschungsdatenzentrum Bildung am DIPF archiviert, können aber mit den am FDZ am IQB archivierten Fragebogen- und Kompetenzdaten verknüpft werden. Gleiches gilt für die Videografie-Daten der Studie Kompetenzerwerb und Lernvoraussetzungen (KuL, DOI: 10.7477/287:1:0). Eine geplante Verknüpfung dieser Datensätzen sollte im Antrag erwähnt werden.

 zurück zur Übersicht 

Vertraglichkeiten

Was steht im Datennutzungsvertrag?

Um Zugang zu Scientific Use Files zu erhalten, müssen Datennutzende einen Datennutzungsvertrag unterzeichnen. Ein Mustervertrag zur Ansicht findet sich PDF hier.

Im Datennutzungsvertrag werden die Nutzungsbedingungen festgeschrieben, der Datenzugang festgelegt sowie Angaben zu Zitationsvorschlägen inkl. DOI gemacht. Der Datennutzungsvertrag ist von den Datennutzenden zu unterschreiben und mit einem Stempel der institutionell angebundenen Einrichtung zu versehen. Bei Anträgen von Studierenden muss zusätzlich die betreuende Person zeichnen.

 zurück zur Übersicht 

Zitation / Forschungsergebnisse

Wie zitiere ich Daten, die ich vom FDZ am IQB erhalten habe?

Das FDZ am IQB vergibt pro Studie – mit Hilfe der Registrierungsagentur da|ra – einen Digital Object Identifier (DOI). Datennutzende verpflichten sich, bei jeder Veröffentlichung, die ganz oder teilweise auf dem überlassenen Datenmaterial und den zugehörigen Materialien beruht, sowohl die datengebende Person/en als auch das FDZ am IQB in angemessener Form unter Angabe der DOI der analysierten Studien nach folgender Vorgabe zu zitieren:

AutorInnenreihenfolge (Jahr). Titel (Version [Nr.]) [Datensatz]. Berlin: IQB – Institut zur Qualitätsentwicklung im Bildungswesen. DOI

Ein konkreter Zitationsvorschlag für das Datenpaket inkl. DOI befindet sich in seiner jeweils aktuellsten Version auf der Seite zur Studie innerhalb der Website des FDZ am IQB.

zurück zur Übersicht

Wie zitiere ich das FDZ am IQB in meinen Publikationen?

Bitte achten Sie bei der jeder Publikation darauf, auch das FDZ am IQB zu benennen (siehe § 2, Absatz (5) in Ihrem Datennutzungsvertrag: "Bei jeder Veröffentlichung, die ganz oder teilweise auf den überlassenen Materialien beruht, ist das FDZ am IQB zu nennen"). Beispielsweise könnten Sie in den Acknowledgements oder in der Author Note folgenden Satz aufnehmen:

  • Die Daten wurden von dem Forschungsdatenzentrum am Institut zur Qualitätsentwicklung im Bildungswesen bereitgestellt (FDZ am IQB).
  • The data were made available by the Research Data Centre at the Institute for Educational Quality Improvement (FDZ at IQB).

zurück zur Übersicht

Neuartiger Ländervergleich

Was ist zu beachten, wenn mein Forschungsvorhaben neue und bislang unveröffentlichte Ländervergleiche beinhaltet?

Informationen zur Thematik neuartiger Ländervergleich finden Sie hier.

 zurück zur Übersicht 

Entpacken der übergebenen Daten

Wie entpacke ich die Daten, die ich vom FDZ am IQB bekommen habe?

Nach dem Unterschreiben des Datennutzungsvertrags bekommen Sie eine E-Mail mit dem Link zum HU-Dateienaustauschportal, wo Ihre beantragten Daten im gezippten Format abgelegt sind. Der Ordner ist passwortgeschützt - das Passwort finden Sie in der vom FDZ am IQB zugeschickten E-Mail.

Zum Entpacken der Daten nutzen Sie bitte ein PC-internes Programm.

 zurück zur Übersicht 

Fernrechnen

Meine Forschungsfrage verlangt, mit datenschutzrechtlichen sensiblen Daten zu arbeiten. Was muss ich beachten?

Für den Umgang mit sensiblen Daten, die nicht in den Scientific Use Files (SUFs) zur Verfügung gestellt werden können (dies betrifft zugangsbeschränkte Daten, v. a. Variablen, die aus datenschutzrechtlichen Gründen aus den SUFs gelöscht wurden, sowie die Bundesländerkennungsvariable in Studien des nationalen und internationalen Bildungsmonitorings), können Datennutzende im Genehmigungsfall das Fernrechensystem JoSuA nutzen. Dabei erhalten Datennutzende keinen direkten Zugriff auf die Daten, sondern können nur Befehlsyntaxen über ein Online-Portal abschicken und bekommen den Output der Befehle zurück.

Über JoSuA sind Analysen im internal mode und im presentation/publication mode möglich. Analyseergebnisse, die im internal mode erzielt wurden, dürfen nicht für Publikationen verwendet werden. Outputs im internal mode erhalten automatisch ein grau hinterlegtes Wasserzeichen mit dem Text „Do not print or copy these results or make them available to persons outside the use agreement for this project“. Dieser Output dient nur der Ausgabe von Zwischenschritten bzw. Kontrollrechnungen. Dieser Output kann nicht zur Weiterverwendung von Nutzenden heruntergeladen werden, sondern erscheint als Pop-Up-Fenster im JoSuA-Portal. Wird ein Output von den Datennutzenden als presentation/publication mode definiert, erfolgt die Herausgabe des Outputs an die Datennutzenden erst nach Prüfung durch die wissenschaftlichen Mitarbeiter*innen des FDZ am IQB. Analyseergebnisse aus dem presentation/publication mode dürfen von Datennutzenden nach Freigabe durch das FDZ am IQB publiziert werden.

Der Fernrechenzugang wird für eine Person pro Projekt für 4 Monate eingerichtet (Verlängerung bei Bedarf möglich).

 zurück zur Übersicht 

Datenübergabe

Sie verfügen über Datensätze, die Kompetenzmessungen beinhalten, und die Sie gerne archivieren möchten?

Auf unserer Seite Datenübergabe finden Sie alle wichtigen Informationen darüber, wie die Daten übergeben werden sollten.

zurück zur Übersicht

Sie haben Fragen zum Forschungsdatenmanagement?

Das Verbundprojekt Forschungsdaten Bildung (VerbundFDB) bietet eine sehr gute Übersicht rund um das Thema Forschungsdatenmanagememt (FDM). Auch die Humboldt-Universität zu Berlin bietet Antworten rund um das Thema FDM.

zurück zur Übersicht

Kann ich einen Letter of Intent zur Aufnahme meiner Daten bereits vor oder während der Datenerhebung bekommen?

Gemäß vieler Auflagen von Projektträgern und Förderbedingungen müssen Projekte ihre erhobenen Forschungsdaten nach Projektende zu Zwecken der Nachnutzung, Transparenz und Nachvollziehbarkeit der Ergebnisse zugänglich machen. Wenn im Rahmen von Antragstellung oder Genehmigungsverfahren nachgewiesen werden soll, dass bereits mit einem Datenzentrum Kontakt diesbezüglich aufgenommen wurde, so können sich Datenproduzierende gern an den Verbund Forschungsdaten Bildung (VerbundFDB) wenden, in dem das FDZ am IQB Partner ist. Der VerbundFDB bzw. die im VerbundFDB zusammengeschlossenen Datenzentren erklären sich bereit, im Rahmen ihrer Möglichkeiten das Projekt bei Fragen des Forschungsdatenmanagements zu unterstützen und die im Projekt produzierten Daten gemäß seiner Collection Policy zu sichern und zur Nachnutzung verfügbar zu machen.

 zurück zur Übersicht 

Datenschutz

Wie geht das FDZ am IQB mit meinen personenbezogenen Daten um?

Hier findet sich die Datenschutzerklärung des IQB.

Bei der Anmeldung zum Newsletter setzt das FDZ am IQB weitere datenschutzrechtliche Vorgaben um.

Bei der Datenbeantragung setzt das FDZ am IQB ebenfalls die datenschutzrechtlichen Bestimmungen gemäß der DSGVO um.

Bei ungeklärten Problemen bei der Nutzung der Daten des FDZ am IQB, die Sie nicht im Austausch mit der zuständigen Ansprechperson im FDZ am IQB regeln konnten, kann auch die Beschwerdestelle des RatSWD, bei dem das FDZ am IQB akkreditiert ist, adressiert werden.

zurück zur Übersicht 

Allgemeine und studienübergreifende, methodische Hinweise

An dieser Stelle möchten wir über studienübergreifende Besonderheiten im Umgang mit unseren Daten informieren.

 zurück zur Übersicht 

Methodenschulungen und Weiterbildungen

Ich möchte mich weiterbilden. Welche Möglichkeiten habe ich?

Im Rahmen der Nachwuchsförderung bietet das FDZ am IQB halbjährlich Akademien zu Methoden der empirischen Bildungsforschung an. Diese Fortbildungsangebote zielen darauf ab, Methodenkenntnisse zur Analyse von Daten aus Bildungsstudien zu vermitteln. Informationen hier.

 zurück zur Übersicht 

Studien zum Bildungsmonitoring

Was ist mit „Studien zum Bildungsmonitoring“ gemeint?

Eine der Kernaufgaben des FDZ am IQB ist die Bereitstellung der deutschen Datensätze nationaler und internationaler Schulleistungsstudien, welche primär im Rahmen der PDF KMK-Gesamtstrategie für das Bildungsmonitoring in Deutschland genutzt werden. Dabei handelt es sich u.a. um Daten der IQB-Bildungstrends sowie von PISA, IGLU und TIMSS (für eine Übersicht hier).

Diese Studien basieren auf für Deutschland und, je nach Studie, auch auf Bundeslandebene repräsentativen Stichproben und eignen sich daher gut für Analysen auf Bildungssystemebene. Eine aktuelle Liste der am FDZ des IQB verfügbaren Schulleistungsstudien mit auf Länderebene repräsentativen Daten ist hier abrufbar.

zurück zur Übersicht

Was muss ich beachten, wenn ich Studien zum Bildungsmonitoring beantragen möchte?

Für oben genannten Studien zum Bildungsmonitoring in Deutschland gelten besondere Nutzungsbedingungen, die in der PDF FDZ am IQB-Verfahrensordnung bzw. dem PDF Verfahren für neuartige Ländervergleiche formuliert sind und insbesondere den Zugang zu Informationen über die Bundesländer sowie Maße der kognitiven Fähigkeiten betreffen.

zurück zur Übersicht

Welche methodischen Herausforderungen stellen sich bei der Auswertung von Daten aus Large-Scale-Assessment-Studien?

Besonderheiten der Stichprobe: Datensätze aus Large-Scale-Assessment-Studien stellen keine einfachen Zufallsstichproben (simple random sample) aus der Population dar. Stattdessen erfolgte die Ziehung in verschiedenen Schichten (Stratifizierung). Dies hat zur Folge, dass die (ungewichtete) Verteilung der Schüler*innen auf die verschiedenen Bundesländer, Schularten usw. (je nach Definition der Ziehungsschichten) nicht den entsprechenden Anteilen in der Population entsprechen. Die Ziehungseinheiten (sampling units) bei der Stichprobenziehung sind Schulen sowie innerhalb der gezogenen Schulen in der Regel vollständige Klassen. Da sich Schüler*innen innerhalb einer Schule bzw. Klasse ähnlicher sind als Schüler*innen verschiedener Schulen bzw. Klassen, ist die Stichprobe homogener, als es eine einfache Zufallsstichprobe gleicher Größe wäre (Klumpungs- bzw. Designeffekt).

Besonderheiten der Variablen: Fehlende Angaben werden in der Regel in einem komplexen Verfahren multipel imputiert (Hintergrundmodell). Bei der Messung von Kompetenzen kommt meist die Pausible Values-Technik zum Einsatz (Lüdtke, O. & Robitzsch, A. , 2017. Eine Einführung in die Plausible-Values-Technik für die psychologische Forschung. Diagnostika, 63(3), 193-205).

Das R-Paket eatRep ermöglicht die Bestimmung von Mittelwerten, Häufigkeitsverteilungen, Perzentilen und Regressionen unter Berücksichtigung der geschachtelten und imputierten Stichprobe. Auch Trendanalysen können gerechnet werden. Die oben genannten Besonderheiten von Daten aus Large-Scale-Assessment-Studien werden im R-Paket eatRep wie folgt berücksichtigt:

  1. Einbeziehung von individuellen Personengewichten
  2. Replikationsmethoden (Bootstrap, Jackknife oder Balanced repeated replicate-Methoden)
  3. Poolen der Ergebnisse entsprechend den Regeln von Rubin (1987)

Im Tutorial PDF "Replikationsanalysen mit eatRep" (DOI: 10.5159/IQB_Tutorial_Replikationsanalyse_v2) werden einige typische Analysen mit dem R-Paket "eatRep" beispielhaft demonstriert.

Für die Bestimmung deskriptiver Statistiken, Häufigkeitsverteilungen oder von Parametern linearer bzw. logistischer Regressionen in Datensätzen großer Schulleistungsstudien (z. B. IQB-Ländervergleich und IQB-Bildungstrend, PISA, TIMSS) sind drei Besonderheiten zu berücksichtigen:

  1. Der Datensatz stellt keine einfache Zufallsstichprobe (simple random sample) aus der Population dar. Stattdessen erfolgte die Ziehung in verschiedenen Schichten (Stratifizierung). Dies hat zur Folge, dass die (ungewichtete) Verteilung der Schülerinnen und Schüler auf die verschiedenen Bundesländer, Schularten usw. (je nach Definition der Ziehungsschichten) nicht den entsprechenden Anteilen in der Population entsprechen.
  2. Die Ziehungseinheiten (sampling units) bei der Stichprobenziehung sind Schulen und in einem zweiten Schritt innerhalb der gezogenen Schulen in der Regel vollständige Klassen. Da sich Schüler*innen innerhalb einer Schule bzw. Klasse ähnlicher sind als Schüler*nnen verschiedener Schulen bzw. Klassen, ist die Stichprobe homogener, als es eine einfache Zufallsstichprobe gleicher Größe wäre (Klumpungs- bzw. Designeffekt).
  3. Die interessierenden Variablen (Kompetenzen) sind latente Konstrukte, d. h. nicht direkt beobachtbar. Zudem enthalten viele (auch direkt beobachtete) Variablen fehlende Werte. Die Kompetenzwerte stellen daher Schätzungen auf Basis des jeweils gewählten Testmodells dar. Fehlende Datenpunkte wurden in der Regel imputiert.

zurück zur Übersicht

Leere Variablen im Datensatz

In meinem Datensatz gibt es leere Variablen. Wie kommt das?

Manche Variablen werden aus datenschutzrechtlichen Gründen geleert oder rekodiert. Falls Sie diese Variablen für Ihre Analysen benötigen, können Sie über einen Fernrechenzugang darauf zugreifen.

 zurück zur Übersicht 

Methodische Hinweise

Methodische Hinweise zu den einzelnen Studien finden Sie auf den entsprechenden Studienseiten. 

Was ist mit kognitiven Fähigkeiten gemeint?

Kognitive Fähigkeiten sind fachübergreifende Fähigkeiten bzw. Fähigkeitsdimensionen, die für schulische Lernprozesse relevant sind, wie z. B. kristallines/verbales Wissen oder logisches Schlussfolgern und das Lösen von Figurenanalogien.

zurück zur Übersicht

Sind kognitive Fähigkeiten das gleiche wie die schulischen Kompetenzen?

Das ist eine schwierige Frage, zu denen Forschende unterschiedliche Positionen beziehen (Köller & Baumert, 2012).. Die schulischen Kompetenzen werden in Schulleistungsstudien über standardisierte Leistungstests erhoben, die sich auf Lehrpläne, Lernzielen – wie den Bildungsstandards – oder auf die Übertragung von schulischen Lerninhalten auf alltagsnahe Anforderungen beziehen können. Kognitive Fähigkeiten werden in vielen Schulleistungsstudien über Skalen aus etablierten Intelligenztestverfahren (Berliner Test zur Erfassung fluider und kristalliner Intelligenz, BEFKI; Kognitiver Fähigkeitstest, KFT; Grundintelligenztest, CFT) erfasst. Sie kommen vor allem in querschnittlichen Studien zum Einsatz, um für individuelle Unterschiede im bereichsspezifischen Vorwissen zu kontrollieren (Baumert et al., 2006). Da meist nur kurze Subskalen aus diesen Testverfahren eingesetzt werden, eignen sich diese Skalen nicht zur Bildung eines Intelligenzquotienten. In Studien zum Bildungsmonitoring (und vereinzelt auch in weiteren Studien, siehe Abschnitt „Studien zum Bildungsmonitoring“) dürfen Maße der kognitiven Fähigkeiten laut FDZ am IQB-Richtlinien nicht als abhängige Variablen in den Analysen berücksichtigt werden. NICHT darunter fallen fachspezifische Leistungen, schulische Kompetenzen oder Schulnoten.

Weiterführende Literatur:

Köller, O. & Baumert, J. (2018). Schulische Leistungen und ihre Messung. In W. Schneider, & U. Lindenberger (Hrsg.), Entwicklungspsychologie (S. 663-680). Beltz.

zurück zur Übersicht

Was sind Plausible Values (PVs)?

Plausible Values (PVs) sind Schätzer für schulische Kompetenzen (und vereinzelt auch Einstellungen und weitere individuelle Merkmale), die auf Item-Response-Modellen basieren. PVs eignen sich für die Analyse von Gruppenunterschieden und um Rückschlüsse auf Populationsebene treffen zu können (z. B. Unterscheiden sich Mädchen und Jungen im Leseverständnis?).

Die Ziehung von PVs basiert auf der Annahme, dass schulische Kompetenzen und Fähigkeiten latente, nicht direkt beobachtbare Variablen sind.  Aus dem beobachtbaren Testabschneiden von Personen (z. B. Anzahl richtig gelöster Aufgaben in einem Kompetenztest) werden Rückschlüsse über ihre zugrundeliegenden Fähigkeiten getroffen, wobei Messfehler im beobachteten Testabschneiden berücksichtigt werden. PVs sind mehrfache Ziehungen aus einer Verteilung (z. B. 15 PVs pro Person), die für Schüler*innen einen plausiblen Schätzwert ihrer Fähigkeiten darstellen. Die mehrfache Ziehung ermöglicht es, Unsicherheiten bei der Schätzung latenter Fähigkeiten zu berücksichtigen. Darüber hinaus können bei der Fähigkeitsschätzung auch Zusammenhänge zwischen dem Testabschneiden und individuellen Merkmalen (z. B. Geschlecht, Zuwanderungshintergrund, sozioökonomischer Status) in Form eines Hintergrundmodells berücksichtigt werden. Dieses Vorgehen ermöglicht eine Messfehlerkorrektur bei der Schätzung von Zusammenhängen zwischen latenten Fähigkeiten und beobachteten Merkmalen im Hintergrundmodell (Lüdtke & Robitzsch, 2017).

Analysen auf Grundlage von PVs müssen für jeden PV separat durchgeführt und daraus resultierende Einzelergebnisse zu einem Wert aggregiert werden. Führt man z. B. eine Regression durch, um den Zusammenhang zwischen Leseverständnis und sozioökonomischem Status zu bestimmen, muss für jeden PV eine separate Regression durchgeführt werden und anschließend die verschiedenen Regressionsgewichte zu einem Wert aggregiert werden (diese Zusammenfassung wird in vielen Statistikprogrammen, z. B. R und Mplus angeboten).

Weiterführende Literatur:

Lüdtke, O., & Robitzsch, A. (2017). Eine Einführung in die Plausible-Values-Technik für die psychologische Forschung. Diagnostica, 63, 193-205. https://doi.org/10.1026/0012-1924/a000175

Von Davier, M., Gonzalez, E., & Mislevy, R. (2009). What are plausible values and why are they useful? IERI monograph series, 2(1), 9-36. https://www.ierinstitute.org/fileadmin/Documents/IERI_Monograph/IERI_Monograph_Volume_02_Chapter_01.pdf

zurück zur Übersicht

Wie verwende ich Stichprobengewichte?

In den meisten Schulleistungsstudien zum Bildungsmonitoring kommt ein komplexes Verfahren zur Stichprobenziehung zum Einsatz (z. B. mehrstufige Ziehung, Schichtung der Stichprobe). Beispielsweise werden zunächst Schulen (z. B. sortiert nach Regionen und Schulgröße) gezogen und anschließend Schüler*innen ausgewählt. Dadurch haben Schüler*innen unterschiedliche Ziehungswahrscheinlichkeiten, in die Stichprobe aufgenommen zu werden. Die Verwendung von Gewichten ermöglicht es, die komplexe Stichprobenziehung in den Analysen (z. B. Schätzung von durchschnittlichen Kompetenzen und dazugehörige Standardfehler) angemessen zu berücksichtigen. Gewichte geben dabei für jede*r Schüler*in in der Stichprobe an, wie viele Schüler*innen in der Population diese*r Schüler*in repräsentiert. Die Verwendung von Stichprobengewichten ist notwendig, um Aussagen auf Populationsebene treffen zu können.

Weiterführende Literatur:

Rust, K. (2014). Sampling, weighting, and variance estimation in international large-scale assessments. In L. Rutkowski, M. von Davier, & D. Rutkowski (Eds.) Handbook of international large-scale assessment: Background, technical issues, and methods of data analysis (pp. 117-153). Taylor & Francis. www.taylorfrancis.com/books/e/9780429111112/chapters/10.1201/b16061-11

Stapleton, L. M. (2014). Incorporating sampling weights into single- and multilevel analyses. In L. Rutkowski, M. von Davier, & D. Rutkowski (Eds.) Handbook of international large-scale assessment: Background, technical issues, and methods of data analysis (pp. 363-388). Taylor & Francis. www.taylorfrancis.com/books/e/9780429111112/chapters/10.1201/b16061-23

zurück zur Übersicht

Was sind fehlende Werte und wie geht man damit um?

Datensätze, die im Rahmen von Schulleistungsstudien erhoben werden, sind meistens unvollständig und beinhalten fehlende Werte für bestimmte Personen im Datensatz. Fehlende Werte können aus vielfältigen Ausfallmechanismen resultieren. Beispielsweise kommen in vielen Schulleistungsstudien Test- und Fragebogenrotationen zum Einsatz, so dass nicht jede Person alle Aufgaben eines Tests oder alle Items eines Fragebogens bearbeiten. Fehlende Werte können auch dadurch entstehen, dass Personen eine Frage bewusst nicht beantworten, dass die Antwort einer Person nicht interpretiert werden kann, oder dass eine Person aufgrund von Zeitproblemen eine bestimmte Aufgabe im Test nicht mehr erreichen und bearbeiten konnte. Fehlende Werte können systematisch mit unbeobachteten oder beobachteten Hintergrundmerkmalen der Schüler*innen zusammenhängen oder komplett zufällig zustande kommen. Es gibt verschiedene Möglichkeiten, in Analysen mit fehlenden Werten umzugehen. In Schulleistungsstudien werden häufig Verfahren der (multiplen) Imputation eingesetzt, bei dem ein fehlender Wert durch einen oder mehrere plausible Werte ersetzt wird. Durch multiple Imputationsverfahren werden mehrere vollständige Datensätze erzeugt, mit denen Analysen durchgeführt und deren Ergebnisse anschließend zu einem Kennwert aggregiert werden können.

Weiterführende Literatur:

Lüdtke, O., Robitzsch, A., Trautwein, U., & Köller, O. (2007). Umgang mit fehlenden Werten in der psychologischen Forschung. Psychologische Rundschau, 58(2), 103-117. https://doi.org/10.1026/0033-3042.58.2.103

Verbund Forschungsdaten Bildung (2019). Hinweise zur Codierung fehlender Werte in der Aufbereitung quantitativer Daten. Version 1.0, fdbinfo Nr. 6. www.forschungsdaten-bildung.de/files/fdbinfo_6.pdf

zurück zur Übersicht

Wie gehe ich mit fehlenden Werten in Datensätzen mit hierarchischer Datenstruktur um?

Sie können den Full Information Maximum Likelihood (FIML)-Ansatz zum Umgang mit fehlenden Werten in Mehrebenenmodellen nutzen.

Weitere methodische Hinweise zum Umgang mit fehlenden Werten in Mehrebenenmodellen finden Sie in den folgenden Publikationen:

Grund, S., Lüdtke, O., & Robitzsch, A. (2018). Multiple imputation of missing data for multilevel models: Simulations and recommendations. Organizational Research Methods. doi: 10.1177/1094428117703686

Lüdtke, O., Robitzsch, A., & Grund, S. (2017). Multiple imputation of missing data in multilevel designs: A comparison of different strategies. Psychological Methods, 22, 141–165. doi: 10.1037/met0000096

zurück zur Übersicht

Sind die Kompetenzschätzer der PISA, IGLU und IQB-LV-Studien miteinander vergleichbar?

Prinzipiell korrelieren die Tests aus PISA und den IQB-Ländervergleichen bzw. IQB-Bildungstrends hoch, aber die zugrunde liegenden Kompetenzmodelle unterscheiden sich. Die IQB-Tests sind an den Bildungsstandards der KMK und damit stärker am Curriculum orientiert als die PISA-Tests. Eine Testung der Vergleichbarkeit ist möglich mit IRT-Methoden auf Basis von Studien, in denen sowohl PISA als auch IQB-LV/IQB-BT Items verwendet wurden. Einige Studien zum Vergleich sind z. B.:

Das Ausmaß der Vergleichbarkeit muss für die Lese- und Mathematikkompetenzen sowie für die Sekundarstufe und Grundschule getrennt betrachtet werden. Auch wenn man davon ausgehen kann, dass sich Länderunterschiede mit beiden Maßen gut abbilden lassen, ist die Analyse von absoluten Trends auf einer gemeinsamen Metrik aber leider nicht möglich.

Die Datensätze der Studien PISA 2012 und IQB-Ländervergleich 2012 lassen sich über die ID-Variable [idstud_FDZ] miteinander verknüpfen. Dadurch können Sie Zusammenhänge zwischen den skalierten Testwerten beider Studien miteinander vergleichen.

Beachten Sie bitte zusätzlich:

1.) Anders als in den PISA-Erhebungen werden Lese- und Mathematikkompetenz in den IQB-Studie nur in der Grundschule gemeinsam getestet: Die Lesekompetenzen wurden im IQB-Ländervergleich 2009 (Sekundarstufe I) und im IQB-Ländervergleich 2011 (Grundschule) sowie im IQB-Bildungstrend 2015 (Sekundarstufe I) und im IQB-Bildungstrend 2016 (Grundschule) erfasst. Die Mathematikkompetenzen können Sie dem IQB-Ländervergleich 2012 (Sekundarstufe) und IQB-Ländervergleich 2011 (Grundschule) sowie dem IQB-Bildungstrend 2016 (Grundschule) und dem IQB-Bildungstrend 2018 (Sekundarstufe) entnehmen.

2.) Für die PISA-Erhebungen liegt uns keine Bundeslandvariable vor.

3.) Wenn Sie Analysen durchführen möchten, die unveröffentlichte, neuartige Vergleiche zwischen einzelnen Bundesländern beinhalten, gilt laut unserer Verfahrensordnung ein erweitertes Antragsverfahren mit Reviewprozess.

zurück zur Übersicht