Skip to main content
main-content
Top

Hint

Swipe to navigate through the chapters of this book

2021 | OriginalPaper | Chapter

6. Ergebnisse

Author: Elena de Vries

Published in: Feedback in digitalen Lernumgebungen

Publisher: Springer Fachmedien Wiesbaden

share
SHARE

Zusammenfassung

Auf theoretischer und methodischer Ebene ist geklärt, auf welche Weise die vier Forschungsfragen beantwortet werden sollen, um sukzessiv herauszustellen, ob ein Lernpfad zu quadratischen Funktionen mit integriertem elaboriertem Feedback einen positiveren Einfluss auf die Mathematikleistung von Schülerinnen und Schülern hat, als der gleiche Lernpfad mit KCR Feedback.
Appendix
Available only for authorised users
Footnotes
1
Für den Likelihoodwerte wurde in Abschnitt 5.​3.​6 als Orientierung: „desto größer, desto besser“ angegeben. Da die final Deviance den zweifach negativen Logarithmus des Likelihoodwertes darstellt, gilt für sie entsprechend das Gegenteil.
 
2
Da für mehrdimensionale Rasch-Modelle MML-Schätzer die besten Itemparameterschätzungen liefern, müssen keine CML-Schätzungen nachgeholt werden und bei der Skalierung wird auf eine Verwendung von R verzichtet (vgl. Abschnitt 5.​3.​8).
 
3
Der Aufbau des Leistungstests inklusive der auch hier verwendeten Itemkennungen ist im elektronischen Zusatzmaterial A.4 abgebildet. Dort bzw. bei Nitsch (2015) können alle Items nachgeschlagen werden.
 
4
Adams und Wu (2002) berichten im technischen Report von PISA 2000, dass Items mit einer Trennschärfe von 0.15 und darunter ausgeschlossen wurden (auch wenn eine Trennschärfe von mindestens 0.25 als wünschenswert galt).
 
5
Hohe Werte in der Item Separation Reliability sind bei größeren Stichproben typisch (Wu, Adams, Wilson & Haldane, 2007).
 
6
Für die Berechnung von Zusammenhängen zwischen einer metrischen und einer dichotomen Variablen wird eine punktbiseriale Korrelation empfohlen. Diese kann über Pearsons Korrelationskoeffizient berechnet werden, da beide Formeln direkt ineinander überführt werden können (Rasch, Friese, Hofmann & Naumann, 2014).
 
7
Da die Prädiktoren in einem geschachtelten Einschlussmodell, das heißt nacheinander, in die Regression aufgenommen wurden und somit die Anzahl der jeweils kontrollierten Variablen pro gemessenen Effekt variiert, wurden verschiedene Modelle getestet. Dieses Vorgehen diente in erster Linie dazu, Reihenfolgeeffekte ausschließen zu können. Bei den getesteten Variationen zeigten sich keine nennbaren Unterschiede hinsichtlich der Ergebnisse der Analysen. Aus diesem Grund wird hier exemplarisch ein geschachteltes Einschlussmodell detailliert berichtet.
 
8
Diese Ergebnisse deuten keinesfalls darauf hin, dass Lernende von Gesamtschulen immer schwächere Leistungen zeigen würden als Lernende von Gymnasien. Bezogen auf die Schulform handelte es sich um eine unausgeglichene Stichprobe mit 45 Schülerinnen und Schülern einer Gesamtschule und 226 Schülerinnen und Schülern von drei Gymnasien.
 
Metadata
Title
Ergebnisse
Author
Elena de Vries
Copyright Year
2021
DOI
https://doi.org/10.1007/978-3-658-35838-9_6

Premium Partner