IQB-Ländervergleich Mathematik und Naturwissenschaften 2012 (IQB-LV 2012)

LogoLV2012

 

Inhaltsverzeichnis

Projektbeschreibung

Leerdatensätze

Dokumentation

Weiterführende Informationen

Hinweise zur Nutzung der Daten

Literatur

 

> Scientific Use Files beantragen

Datensatz veröffentlicht am 01.12.2015
Version v4
aktuelle Version verfügbar seit 24.06.2019
Erhebungszeitraum 2012
Stichprobe Schüler*innen der Jahrgangsstufe 9 (N=44.500); Klassen (N=2.109); Schulen (N=1.326)
Erhebungseinheit Lehrkräfte
Schüler*innen
Schulleitung
erfasste Kompetenzen Mathematik, Biologie, Chemie, Physik
Region deutschlandweit, Baden-Württemberg, Bayern, Berlin, Brandenburg, Bremen, Hamburg, Hessen, Mecklenburg-Vorpommern, Niedersachsen, Nordrhein-Westfalen, Rheinland-Pfalz, Saarland, Sachsen, Sachsen-Anhalt, Schleswig-Holstein, Thüringen
Leitung Pant, Prof. Dr. Hans Anand
Stanat, Prof. Dr. Petra
Datengebende Institut zur Qualitätsentwicklung im Bildungswesen (IQB)
Auftraggeber / Mittelgeber Kultusministerkonferenz (KMK)
Verwandte Studien IQB-BT 2018 (DOI: 10.5159/IQB_BT_2018_v1), PISA 2012 (DOI: 10.5159/IQB_PISA_2012_v5)
Zitationsvorschlag Pant, H. A., Stanat, P., Hecht, M., Heitmann, P., Jansen, M., Lenski, A. E., Penk, C., Pöhlmann, C., Roppelt, A., Schroeders, U. & Siegle, T. (2015). IQB-Ländervergleich Mathematik und Naturwissenschaften 2012 (IQB-LV 2012) (Version 4) [Datensatz]. Berlin: IQB – Institut zur Qualitätsentwicklung im Bildungswesen. http://doi.org/10.5159/IQB_LV_2012_v4
Datenrestriktion / Zugangshinweise Kognitive Grundfähigkeiten dürfen nicht als abhängige Variable in den Analysen verwendet werden.

Nutzende des Datensatzes müssen stets das Skalenhandbuch zitieren.

Lenski, A. E., Hecht, M., Penk, C., Milles, F., Mezger, M., Heitmann, P., Stanat, P. & Pant, H. A. (2016). IQB-Ländervergleich 2012. Skalenhandbuch zur Dokumentation der Erhebungsinstrumente. Berlin: Humboldt-Universität zu Berlin, Institut zur Qualitätsentwicklung im Bildungswesen. http://dx.doi.org/10.18452/3125

 

Projektbeschreibung

Der IQB-Ländervergleich 2012 in Mathematik und den Naturwissenschaften ist eine im Auftrag der Kultusministerkonferenz (KMK) der Bundesrepublik Deutschland bundesweit durchgeführte Studie. Sie dient der systematischen Überprüfung des Erreichens der Bildungsstandards für die Fächer Mathematik und die Naturwissenschaften in den Ländern der Bundesrepublik Deutschland. Insgesamt nahmen an der Untersuchung ungefähr 44.500 Schüler*innen der 9. Jahrgangsstufe teil. Im Fach Mathematik wurden Aufgaben zu allen allgemeinen und inhaltsbezogenen mathematischen Kompetenzen getestet und in einem Globalwert für mathematische Kompetenz zusammengefasst. In den Naturwissenschaften hingegen bearbeiteten die Schüler*innen Aufgaben zur Erfassung ihrer Kompetenzen in den Bereichen „Fachwissen“ und „Erkenntnisgewinnung“ in den Fächern Biologie, Chemie und Physik (siehe auch Bildungsstandards in den Fächern). Neben den Kompetenztests kamen auch Fragebögen für Schüler*innen, Fachlehrkräfte und die Schulleitungen zum Einsatz. Diese dienten der Erfassung schulischer und außerschulischer Lerngelegenheiten und der Rahmenbedingungen, die zur Optimierung von Lernprozessen genutzt werden können. Außerdem wurden Indikatoren für die Lesekompetenz und die kognitiven Grundfähigkeiten der Schüler*innen erhoben. (IQB)

zurück zur Übersicht

Leerdatensätze

Um Ihnen einen ersten Überblick der Datensätze zu vermitteln, haben Sie hier die Möglichkeit, Leerdatensätze herunterzuladen.

zurück zur Übersicht

Dokumentation

Hier finden Sie weiterführendes Material zur Studie:

PDF Skalenhandbuch LV 2012
     DOI: 10.18452/3125

zurück zur Übersicht

Weiterführende Informationen

zurück zur Übersicht

Hinweise zur Nutzung der Daten

Wie viele Klassen pro Schule werden in den IQB-Ländervergleichen bzw. IQB-Bildungstrends in die Stichprobe gezogen?

In den IQB-Studien (Ländervergleiche bzw. Bildungstrend) wird in der Regel eine Klasse pro Schule in die Stichprobe aufgenommen. Außnahmen gibt es für einige Bundesländer sowie für einige Schulformen (z.B. Förderschulen). Informationen zur Stichprobenziehung in den Studien finden Sie in den Ergebnisberichten bzw. Skalenhandbüchern.

Hier eine kurze Zusammenfassung zur Stichprobenziehung:

  • IQB-Ländervergleich 2008/2009: Eine Klasse der 9. Jahrgangsstufe pro Schule; gesamter Klassenverband nahm an der Testung teil. Förderschulen wurden bei der Stichprobenziehung nicht berücksichtigt.
  • IQB-Ländervergleich 2011: An allgemeinen Schulen eine Klasse der 4. Jahrgangsstufe pro Schule; gesamter Klassenverband nahm an der Testung teil. An Förderschulen nahmen klassenübergreifend alle Schüler*innen teil, die der 4. Jahrgangsstufe zugeordnet waren und einen oder mehrere der Förderschwerpunkte Lernen, Sprache oder emotionale und soziale Entwicklung hatten.
  • IQB-Ländervergleich 2012: In Gymnasien wurde jeweils eine Klasse der 9. Jahrgangsstufe in die Testung einbezogen, in Schulen anderer Schularten (außer Förderschulen) waren es jeweils zwei Klassen (sofern vorhanden). In den ausgewählten Klassen sollten alle Schüler*innen an der Testung teilnehmen. An Förderschulen nahmen klassenübergreifend alle Schüler*innen teil, die der 9. Jahrgangsstufe zugeordnet waren und einen oder mehrere der Förderschwerpunkte Lernen, Sprache oder emotionale und soziale Entwicklung hatten.
  • IQB-Bildungstrend 2015: An allgemeinen Schulen eine Klasse der 9. Jahrgangsstufe pro Schule; in der ausgewählten Klasse sollten alle Schüler*innen an der Testung teilnehmen. An Förderschulen nahmen klassenübergreifend alle Schüler*innen teil, die der 9. Jahrgangsstufe zugeordnet waren und einen oder mehrere der Förderschwerpunkte Lernen, Sprache oder emotionale und soziale Entwicklung hatten.
  • IQB-Bildungstrend 2016: An allgemeinen Schulen eine Klasse der 4. Jahrgangsstufe pro Schule; gesamter Klassenverband nahm an der Testung teil. An Förderschulen nahmen klassenübergreifend alle Schüler*innen teil, die der 4. Jahrgangsstufe zugeordnet waren.
  • IQB-Bildungstrend 2018: In Gymnasien wurde jeweils eine Klasse der 9. Jahrgangsstufe in die Testung einbezogen, in Schulen anderer Schularten (außer Förderschulen) waren es jeweils zwei Klassen (sofern vorhanden). In den ausgewählten Klassen sollten alle Schüler*innen an der Testung teilnehmen. An Förderschulen nahmen klassenübergreifend alle Schüler*innen teil, die der 9. Jahrgangsstufe zugeordnet waren und einen oder mehrere der Förderschwerpunkte Lernen, Sprache oder emotionale und soziale Entwicklung hatten.

Sind die Kompetenzschätzer der PISA-, IGLU- und IQB-LV/BT-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.

Wie hoch sind die Reliabilitäten der Skalen BEFKI figural (wle.gff), C-Test (wle.ctest) und höchster ISEI der Familie (HISEI) im IQB LV2012?

Die WLE-Reliabilitäten des BEFKI (figural) und C-Test betragen: BEFKI: 0.701; C-Test: 0.884. Zum höchsten ISEI in der Familie (HISEI) können wir Ihnen leider keinen Reliabilitätskoeffizienten berichten, da dieser Indikator über ein Item erfasst wurde.

Wie gehe ich mit fehlenden Werten in Mehrebenenmodellen in dem IQB-LV 2012-Datensatz um?

Wir empfehlen - wie in Kapitel 10 des Ergebnisberichts beschrieben - die Nutzung des Full Information Maximum Likelihood (FIML)-Ansatzes zum Umgang mit fehlenden Werten in Mehrebenenmodellen. In Kapitel 10 des Berichts wurde bei den Analysen auch auf die PVs zurückgegriffen, die in diesem Datensatz vorliegen und erst im Anschluss FIML in Mplus genutzt.

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

Von den über 44.000 Schüler*innen der Stichprobe beim IQB-LV 2012 liegen von ca. 40% keine Leistungsdaten vor. Welche Ursachen hat das?

Der hohe Anteil fehlender Werte ist darauf zurückzuführen, dass nicht allen Schüler*innen alle Kompetenztests vorgelegt wurden, sondern ein Multiple-Matrix-Sampling zum Einsatz kam. Die fehlenden Werte sind also zum Großteil "Missing by Design". Nähere Informationen zum Testdesign finden Sie im Bericht zum IQB-Ländervergleich 2012 (Kapitel 4 und Kapitel 13), den Sie PDF hier finden.

Gibt es in den IQB-Ländervergleichen/Bildungstrends sowie in PISA die Möglichkeit, eine (tagesgenaue) Erfassung des Alters der Schüler*innen vorzunehmen?

Angaben zum Geburtsjahr und Geburtsalter der Schüler*innen werden standardmäßig in den IQB-Ländervergleichen und PISA-Studien erhoben und stehen für Re- und Sekundäranalysen der Daten zur Verfügung. Tagesgenaue Angaben zum Geburtsdatum wurden aus datenschutzrechtlichen Gründen allerdings nicht erfasst und liegen in den Datensätzen nicht vor. Auch das genaue Testdatum ist in den meisten Datensätzen nicht enthalten (in PISA 2009 liegen diese Angaben vor). Häufig ist in den Datensätzen aber eine Altersvariable enthalten, die unter Verwendung des Geburtsjahrs und -monats in Relation zum Testdatum gebildet wurde (z. B. in den IQB-Ländervergleichen 2011, 2012 sowie in PISA 2012, 2009, 2006).

Welche neuen Variablen gibt es im Schüler*innendatensatz in Version 4?

In der vierten Version wurden im Schüler*innendatensatz neue Variablen zur Lernzeit in den Fächern Biologie, Chemie, Physik und Naturwissenschaften ergänzt. Dabei handelt es sich um die Stundenanzahl pro Halbjahr jeweils von der 5. bis zur 9. Klasse pro Fach. Außerdem wurden die Variablen zur kumulierten Stundenanzahl in Schuljahrwochenstunden von der 5. bis zur 9. Klasse pro Fach aktualisiert, die aus den eingangs beschriebenen Variablen erstellt wurden.  Darüber hinaus wurden die Variablen zur Kompetenzstufenbesetzung in den Fächern Mathematik, Biologie, Chemie und Physik korrigiert.

Hier finden Sie eine Übersicht der neuen Variablen:

Lernzeit Biologie: pstdbio051.r, pstdbio052.r, pstdbio061.r, pstdbio062.r, pstdbio071.r, pstdbio072.r, pstdbio081.r, pstdbio082.r, pstdbio091.r, pstdbio092.r

Lernzeit Chemie: pstdche051.r, pstdche052.r, pstdche061.r, pstdche062.r, pstdche071.r, pstdche072.r, pstdche081.r, pstdche082.r, pstdche091.r, pstdche092.r

Lernzeit Physik: pstdphy051.r, pstdphy052.r, pstdphy061.r, pstdphy062.r, pstdphy071.r, pstdphy072.r, pstdphy081.r, pstdphy082.r, pstdphy091.r, pstdphy092.r

Lernzeit Naturwissenschaften: pstdnws051.r, pstdnws052.r, pstdnws061.r, pstdnws062.r, pstdnws071.r, pstdnws072.r, pstdnws081.r, pstdnws082.r, pstdnws091.r, pstdnws092.r

Hier finden Sie eine Übersicht der aktualisierten Variablen:

Lernzeit in Biologie, Chemie und Physik: lzbio, lzche und lzphy

Kompetenzstufenbesetzung Mathematik (Globalmodell): pv_1_GL_stufe - pv_15_GL_stufe

Kompetenzstufenbesetzung Biologie (Fachwissen): pv_1_BF_stufe - pv_15_BF_stufe

Kompetenzstufenbesetzung Biologie (Erkenntnisgewinnung): pv_1_BE_stufe - pv_15_BE_stufe

Kompetenzstufenbesetzung Chemie (Fachwissen): pv_1_CF_stufe - pv_15_CF_stufe

Kompetenzstufenbesetzung Chemie (Erkenntnisgewinnung): pv_1_CE_stufe - pv_15_CE_stufe

Kompetenzstufenbesetzung Physik (Fachwissen): pv_1_PF_stufe - pv_15_PF_stufe

Kompetenzstufenbesetzung Physik (Erkenntnisgewinnung): pv_1_PE_stufe - pv_15_PE_stufe

Wie werden Lehrkräfte- und Schüler*innendatensätze verknüpft?

Die Verknüpfbarkeit zwischen Schüler- und Lehrkräftedatensatz ist auch unter Nutzung des Link-Datensatzes (Datensatz: IQB-LV-2012_Link_SFB_LFB_SLFB_SUF_Antrag.sav) nur eingeschränkt möglich.

Die Angaben zu den unterrichten Fächern im Link-Datensatz wurden über folgende Frage im Fragebogen für die Lehrkräfte erhoben: "Unterrichten Sie die am Ländervergleich teilnehmenden Klassen/ Kurse in den Fächern Mathematik, Biologie, Chemie, Physik oder Naturwissenschaften?"

Aus den Angaben im Link-Datensatz lässt  sich nicht zweifelsfrei feststellen, ob eine Lehrkraft eine*n spezifische*n Schüler*in unterrichtet hat. Manche Schüler*innen wurden von mehreren getesteten Lehrkräften unterrichtet. Es kann auch sein, dass eine Lehrkraft eine*n Schüler*in in Mathematik und zusätzlich noch einer anderen getesteten Klasse in Physik unterrichtete. Eine eindeutige Zuordnung ist über die Variablen zur Kursbezeichnung im Lehrkräfte-Datensatz (Datensatz: IQB-LV-2012_LFB_SUF_Antrag.sav; Variablennamen: luntflvteil01_1_FDZ bis luntflvteil24_1_FDZ) und im Schüler*innen-Datensatz (Datensatz: IQB-LV-2012_SFB_SUF_Antrag.sav; Variablennamen: tkursdiffdeu_FDZ, tkursdiffmat_FDZ, tkursdiffbio_FDZ, tkursdiffche_FDZ, tkursdiffphy_FDZ, tkursdiffnwi_FDZ) möglich.

Nichtsdestotrotz ist eine eindeutige Zuordnung nicht für alle Schüler*innen und Lehrkräfte möglich. Zu dieser Herausforderung kann Kapitel 12 (insbesondere Teilkapitel 12.6) des Berichts zum IQB-Ländervergleich 2012 konsultiert werden, der online verfügbar ist:

Dort steht in Kapitel 12.6 (S. 381):

"Für die Analysen zum Zusammenhang von Lehrbefähigung, Fortbildungsteilnahme und Schülerkompetenzen wurden zunächst die Angaben der Lehrkräfte mit den im IQB-Ländervergleich erreichten Kompetenzen der von ihnen unterrichteten Schülerinnen und Schüler verknüpft, wobei eine eindeutige Zuordnung für 41 Prozent der Schülerinnen und Schüler in Mathematik, für 39 Prozent in Biologie, für 35 Prozent in Chemie und für 47 Prozent in Physik vorgenommen werden konnte. Diese vergleichsweise geringe Zuordnungsquote von weniger als 50 Prozent lässt sich unter anderem darauf zurückführen, dass ein Teil der Lehrkräfte den Fragebogen nicht ausfüllte, bei Kursunterricht zum Teil Informationen über die Zuordnung zwischen Lehrkraft und Schülerinnen und Schülern fehlten sowie für einen Teil der Jugendlichen Angaben von zwei Lehrkräften desselben Faches innerhalb einer Klasse vorlagen. War letzteres der Fall, wurden die Daten der Schülerinnen und Schüler den Lehrkräften nicht zugeordnet, um Fehlzuordnungen zu vermeiden."

Wie werden die Datensätze des IQB-Ländervergleichs 2012 mit PISA 2012 verknüpft?

Die Datensätze des IQB-Ländervergleichs 2012 können mit den Datensätzen der 9. Klässler*innen der PISA-2012-Studie verknüpft werden, die ebenfalls am FDZ des IQB verfügbar ist. Die Klassenstichprobe der PISA-2012-Studie (n = 9 998; zwei gezogene Klassen pro Schule) nahm am zweiten Testtag an den Kompetenztests des IQB-Ländervergleichs 2012 teil. Die Verknüpfung beider Schüler*innendatensätze gelingt über die Variable idstud_FDZ.

Eine Verknüpfung der anderen PISA-Wellen mit den Daten der IQB-Ländervergleichen/IQB-Bildungstrends ist leider nicht möglich, da sich die ID-Variablen nicht einheitlich rekodieren lassen.

zurück zur Übersicht

Literatur

Den Bericht des IQB-Ländervergleichs 2012, eine Zusammenfassung und Zusatzmaterialien finden Sie hier.

Eine Auswahl an Publikationen finden Sie in dieser PDF Literaturliste (Stand: 11.09.2023).

2023

Sachse, K. A., Weirich, S., Mahler, N. & Rjosk, C. (2023). Explaining performance decline over the course of taking comprehensive proficiency tests: the roles of effort and omission propensity. International Journal of Testing. https://doi.org/10.1080/15305058.2023.2250889

2022

Lenz, S., Stanat, P. & Rjosk, C. (2022). Schulische Segregation und ihre Veränderung im Zuge von Schulstrukturreformen in Berlin, Bremen und Hamburg. ZSE : Zeitschrift für Soziologie der Erziehung und Sozialisation, 42(1), 54–72. https://doi.org/10.3262/ZSE2201054

Schneider, R., Gentrup, S., Jansen, M. & Stanat, P. (2022). Kohortentrends in schulfachbezogenen Selbstkonzepten und Interessen bei Mädchen und Jungen. Zeitschrift für Pädagogische Psychologie, 50, 182. https://doi.org/10.1024/1010-0652/a000346

Schotte, K., Rjosk, C., Edele, A., Hachfeld, A. & Stanat, P. (2022). Do teachers’ cultural beliefs matter for students’ school adaptation? A multilevel analysis of students’ academic achievement and psychological school adjustment. Social Psychology of Education, 25(1), 75–112. https://doi.org/10.1007/s11218-021-09669-0

Winkler, O., Jansen, M. & Edele, A. (2022). Warum gibt es in Ostdeutschland weniger einwanderungsbezogene Bildungsungleichheit? Bedingungen der Bildungsbeteiligung und Lesekompetenz von Heranwachsenden mit Einwanderungsgeschichte in Ost- und Westdeutschland. Zeitschrift für Soziologie, 51(2), 131–153. https://doi.org/10.1515/zfsoz-2022-0012

2021

Grewenig, E. (2021) School Track Decisions and Teacher Recommendations: Evidence from German State Reforms (ifo Working Papers 353). München: ifo Institut - Leibniz-Institut für Wirtschaftsforschung an der Universität München (ifo Institut). Retrieved from https://www.ifo.de/DocDL/wp-2021-353-grewenig-teacher-recommendation.pdf

Milles, F. & Jansen, M. (2021). Die Bedeutung von Unterrichtsmerkmalen für das mathematische Selbstkonzept und für die Moderation des Big-Fish-Little-Pond Effekts. In R. Lazarides & D. Raufelder (Hrsg.), Motivation in unterrichtlichen fachbezogenen Lehr-Lernkontexten. Perspektiven aus Pädagogik, Psychologie und Fachdidaktiken (Springer eBook Collection, Bd. 10, 1. Aufl., S. 299–329). Wiesbaden: Springer Fachmedien. https://doi.org/10.1007/978-3-658-31064-6_11

Müller, M. (2021). Perspektiven für die dritte Phase: Eine Analyse des Fortbildungsverhaltens von Lehrkräften in Baden-Württemberg. Universität Tübingen. https://doi.org/10.15496/publikation-52625

2020

Edele, A., Jansen, M., Schachner, M. K., Schotte, K., Rjosk, C. & Radmann, S. (2020). School track and ethnic classroom composition relate to the mainstream identity of adolescents with immigrant background in Germany, but not their ethnic identity. International Journal of Psychology : Journal International De Psychologie, 55(5), 754–768. https://doi.org/10.1002/ijop.12677

Kuschel, J., Richter, D. & Lazarides, R. (2020). Wie relevant ist die gesetzliche Fortbildungsverpflichtung für Lehrkräfte? Eine empirische Untersuchung zur Fortbildungsteilnahme in verschiedenen deutschen Bundesländern. Zeitschrift für Bildungsforschung, 38(4), 915. https://doi.org/10.1007/s35834-020-00274-3

Müller, M., Baust, C., Fleck, P. B., Werner-Neumann, E., Pachner, A. & Schmidt-Hertha, B. (2020). Leitlinien für die universitäre Lehrerfort- und -weiterbildung. Zeitschrift Hochschule und Weiterbildung (ZHWB), 2020(2), 52–58.

2019

Bergbauer, A. B. (2019). Conditions and consequences of education - microeconometric analyses - Dissertation. Ludwig-Maximilians-Universität München, München.

Jansen, M., Schroeders, U., Lüdtke, O. & Marsh, H. W. (2019). The dimensional structure of students’ self-concept and interest in science depends on course composition. Learning and Instruction, 60(4), 20–28. https://doi.org/10.1016/j.learninstruc.2018.11.001

Krohmer, K. (2019). Explanatory missing propensity models as an instrument for item evaluation - Unveröffentlichte Masterarbeit. Otto-Friedrich-Universität Bamberg, Bamberg.

Lenski, A. E., Richter, D. & Lüdtke, O. (2019). Using the theory of planned behavior to predict teachers’ likelihood of taking a competency-based approach to instruction. European Journal of Psychology of Education, 34(1), 169–186. https://doi.org/10.1007/s10212-017-0356-7

2018

Autorengruppe Bildungsberichterstattung. (2018). Bildung in Deutschland 2018. Ein indikatorengestützter Bericht mit einer Analyse zu Bildung und Migration. Bielefeld: wbv. https://doi.org/10.3278/6001820fw

Jores, D. & Leiss, L. M. (2018). Die Kontroversen um PISA und Co. sowie eine Untersuchung zur Einstellung von Lehrkräften und Schulleitern zu Large Scale Assessments - Unveröffentlichte Bachelorarbeit. Johannes-Gutenberg-Universität Mainz, Mainz.

Milles, F. (2018). Das Selbstkonzept im Fach Mathematik - Effekte von Unterrichtsmerkmalen und Moderation des big-fish-little-pond Effekts - Unveröffentlichte Masterarbeit. Humboldt-Universität zu Berlin, Berlin.

Pluschnikov, M., Gianneres, S. & Sicking, T. (2018). Eine empirische Analyse des einschulungsbedingten Geburtsmonatseffektes auf die kognitive Leistungsfähigkeit und den beruflichen Erfolg in Deutschland - Unveröffentlichte Seminararbeit. Westfälische Wilhelms-Universität Münster, Münster.

Richter, E., Richter, D. & Marx, A. (2018). Was hindert Lehrkräfte an Fortbildungen teilzunehmen? Eine empirische Untersuchung der Teilnahmebarrieren von Lehrkräften der Sekundarstufe I in Deutschland. Zeitschrift für Erziehungswissenschaft, 21(5), 1021–1043. https://doi.org/10.1007/s11618-018-0820-4

Schmitt, N. (2018). Kompetenzorientierter Unterricht und eingesetzte Schulbücher im Fach Mathematik - Unveröffentlichte Bachelorarbeit. Johannes-Gutenberg-Universität Mainz, Mainz.

2017

Wurster, S., Richter, D. & Lenski, A. E. (2017). Datenbasierte Unterrichtsentwicklung und ihr Zusammenhang zur Schülerleistung. Zeitschrift für Erziehungswissenschaft, 20(4), 628–650. https://doi.org/10.1007/s11618-017-0759-x

2016

Autorengruppe Bildungsberichterstattung. (2016). Bildung in Deutschland 2016. Ein indikatorengestützter Bericht mit einer Analyse zu Bildung und Migration. Bielefeld: Bertelsmann. https://doi.org/10.3278/6001820ew

Huebener, M., Kuger, S. & Marcus, J. (2016) Increased Instruction Hours and the Widening Gap in Student Performance (1st ed.) (DIW Discussion Paper 1561). Berlin: Deutsches Institut für Wirtschaftsforschung.

Jansen, M., Lüdtke, O. & Schroeders, U. (2016). Evidence for a positive relation between interest and achievement: Examining between-person and within-person variation in five domains. Contemporary Educational Psychology, 46, 116–127.

Jansen, M. & Stanat, P. (2016). Achievement and Motivation in Mathematics and Science: The Role of Gender and Immigration Background. International Journal of Gender, Science and Technology, 8, 4–18.

Krohmer, K. (2016). Effekte der sprachlichen Komplexität von Mathematiktestaufgaben für Schülerinnen und Schüler mit niedrigem sozioökonomischen Status - Unveröffentlichte Bachelorarbeit. Freie Universität Berlin, Berlin.

Lenski, A. E., Hecht, M., Penk, C., Milles, F., Mezger, M., Heitmann, P., Stanat, P. & Pant, H. A. (2016). IQB-Ländervergleich 2012. Skalenhandbuch zur Dokumentation der Erhebungsinstrumente. Berlin: Humboldt-Universität zu Berlin, Institut zur Qualitätsentwicklung im Bildungswesen. https://doi.org/10.18452/3125

Weirich, S., Hecht, M., Penk, C., Roppelt, A. & Böhme, K. (2016). Item Position Effects Are Moderated by Changes in Test-Taking Effort. Applied Psychological Measurement, 41(2), 115–129. https://doi.org/10.1177/0146621616676791

Winkler, T. (2016). Soziale Herkunft und schulischer Erfolg: Eine empirische Studie zur moderierenden Wirkung bildungspolitischer Maßnahmen - Unveröffentlichte Bachelorarbeit.

2015

Hecht, M., Weirich, S., Siegle, T. & Frey, A. (2015). Effects of design properties on parameter estimation in large-scale assessments. Educational and Psychological Measurement, 75(6), 1021–1044. https://doi.org/10.1177/0013164415573311

Hecht, M., Weirich, S., Siegle, T. & Frey, A. (2015). Modeling booklet effects for nonequivalent group designs in large-scale assessment. Educational and Psychological Measurement, 75(4), 568–584. https://doi.org/10.1177/0013164414554219

Jansen, M., Schroeders, U., Lüdtke, O. & Marsh, H. W. (2015). Contrast and assimilation effects of dimensional comparisons in five subjects: An extension of the I/E model. The Journal of Educational Psychology, 107(4), 1086–1101. https://doi.org/10.1037/edu0000021

Pant, H. A., Stanat, P., Hecht, M., Heitmann, P., Jansen, M., Lenski, A. E., Penk, C., Pöhlmann, C., Roppelt, A., Schroeders, U. & Siegle, T. (2015). IQB-Ländervergleich in Mathematik und den Naturwissenschaften 2012 (IQB-LV 2012) (Version 4) [Datensatz]. Berlin: IQB - Institut zur Qualitätsentwicklung im Bildungswesen. https://doi.org/10.5159/IQB_LV_2012_v4

Penk, C. & Schipolowski, S. (2015). Is it all about value? Bringing back the expectancy component to the assessment of test-taking motivation. Learning and Individual Differences, 42, 27–35.

Schroeders, U., Schipolowski, S. & Wilhelm, O. (2015). Age-related changes in the mean and covariance structure of fluid and crystallized intelligence in childhood and adolescence. Intelligence, 48, 15–29.

2014

Jansen, M., Schroeders, U., Lüdtke, O. & Pant, H. A. (2014). Interdisziplinäre Beschulung und die Struktur des akademischen Selbstkonzepts in den naturwissenschaftlichen Fächern. Zeitschrift für Pädagogische Psychologie, 28(1-2), 43–49. https://doi.org/10.1024/1010-0652/a000120

Van den Ham, A.-K., Nissen, A., Ehmke, T., Sälzer, C. & Roppelt, A. (2014). Mathematische Kompetenz in PISA, IQB-Ländervergleich und NEPS - Drei Studien, gleiches Konstrukt? Unterrichtswissenschaft, 42(4), 321–341. Verfügbar unter http://www.beltz.de/fachmedien/erziehungs_und_sozialwissenschaften/zeitschriften/unterrichtswissenschaft/article/Journal.html?tx_beltz_journal%5Barticle%5D=28958&cHash=20da8ee304ddddd881ec42b412a1b291 ; https://www.digizeitschriften.de/dms/img/?PID=PPN513613439_0042|LOG_0042

2013

Pant, H. A., Stanat, P., Schroeders, U., Roppelt, A., Siegle, T. & Pöhlmann, C. (Hrsg.). (2013). IQB-Ländervergleich 2012. Mathematische und naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I - Ergebnisbericht. Münster: Waxmann.

zurück zur Übersicht