Skip to main content
Disciplines
Automotive Business IT + Informatics Construction + Real Estate Electrical Engineering + Electronics Energy + Sustainability Insurance + Risk Finance + Banking Management + Leadership Marketing + Sales Mechanical Engineering + Materials
Events
DE
EN
Books
Journals
Topic Page
Marketing
Start single access now
Access for companies
EXTENDED SEARCH
Log in
Top
Published in:
Einleitung der Herausgeber Read chapter Read first chapter

2018 | OriginalPaper | Chapter

Quantitative Bildungsforschung und Assessments

Authors : Benjamin Nagengast, Norman Rose

Published in: Handbuch Bildungsforschung

Publisher: Springer Fachmedien Wiesbaden

Log in

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Das Kapitel stellt typische Forschungsdesigns der quantitativen Bildungsforschung vor und beurteilt diese nach ihrer Aussagekraft sowie ihrer externen und internen Validität. Danach werden drei zentrale Herausforderungen bei der Auswertung von Daten in der quantitativen Bildungsforschung diskutiert (Messfehlerproblem, Mehrebenenstruktur, kausale Inferenz) und kurz die statistischen Methoden beschrieben, mit denen diese Probleme in der Regel adressiert werden.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

inform now
previous chapter Professionsforschung und Bildung
next chapter Qualitative Bildungsforschung
Literature
Asendorpf, J. B., Conner, M., De Fruyt, F., De Houwer, J., Denissen, J. J. A., Fiedler, K., et al. (2013). Recommendations for increasing replicability in psychology. European Journal of Personality, 27, 108–119.CrossRef
Birnbaum, A. (1968). Some latent trait models and their use in inferring an examinee’s ability. In F. M. In Lord & M. R. Novick (Hrsg.), Statistical theories of mental test scores (S. 395–479). Reading: Addison-Wesley.
Bock, R. D., & Zimowski, M. F. (1997). Multiple group IRT. In W. J. van der Linden & R. K. Hambleton (Hrsg.), Handbook of modern item response theory (S. 433–448). New York: Springer.CrossRef
Bollen, K. A. (2002). Latent variables in psychology and the social sciences. Annual Review of Psychology, 53(1), 605–634.CrossRef
Bortz, J., & Döring, N. (1995). Forschungsmethoden und Evaluation für Human-und Sozialwissenschaftler. Berlin: Springer.CrossRef
Bromme, R., Prenzel, M., & Jäger, M. (2014). Educational research and evidence based educational policy. Zeitschrift für Erziehungswissenschaft, 17(4), 3–54.CrossRef
De Boeck, P., & Wilson, M. (2004). Explanatory item response models: A generalized linear and nonlinear approach. New York: Springer.CrossRef
Fox, J. P. (2005). Multilevel IRT model assessment. In L. A. van der Ark, M. A. Croon & K. Sijtsma (Hrsg.), New developments in categorical data analysis for the social and behavioral sciences (S. 227–252). Mahwah: Lawrence Erlbaum.
Foy, P., Galia, J., & Li, I. (2009). Scaling the data from the TIMSS 2007 mathematics and science assessments. In J. F. Olson, M. O. Martin, & I. V. Mullis (Hrsg.), TIMSS 2007 Technical Report (revised edition, pp. 225-280). Boston, MA: TIMSS & PIRLS International Study Center.
Holland, P. W., & Wainer, H. (2012). Differential item functioning. New York: Routledge.
Hsieh, P. P.-H., Acee, T., Chung, W.-H., Hsieh, Y.-P., Kim, H., Thomas, G. D., et al. (2005). Is educational intervention research on the decline? Journal of Educational Psychology, 97(4), 523–529.CrossRef
Lange, H. (2002). PISA: Und was nun? Zeitschrift für Erziehungswissenschaft, 5, 455–471.CrossRef
Langeheine, R., & Rost, J. (2013). Latent trait and latent class models. New York: Plenum.
Liu, W., Kuramoto, S. J., & Stuart, E. A. (2013). An introduction to sensitivity analysis for unobserved confounding in nonexperimental prevention research. Prevention Science, 14, 570–580.CrossRef
Lord, F. M., & Novick, M. R. (1968). Statistical theories of mental test scores. Reading: Addison-Welsley.
Lüdtke, O., Robitzsch, A., Trautwein, U., & Köller, O. (2007). Umgang mit fehlenden Werten in der psychologischen Forschung. Psychologische Rundschau, 58(2), 103–117.CrossRef
Marsh, H. W., Lüdtke, O., Nagengast, B., Trautwein, U., Morin, A. J. S., Abduljabbar, A. S., et al. (2012). Classroom climate and contextual effects: Conceptual and methodological issues in the evaluation of group-level effects. Educational Psychologist, 47, 106–124.CrossRef
Masters, G. N. (1982). A Rasch model for partial credit scoring. Psychometrika, 47, 149–174.CrossRef
Murray, D. M. (2001). Statistical models appropriate for designs often used in group-randomized trials. Statistics in Medicine, 20, 1373–1385.CrossRef
OECD. (2007). PISA 2006. Science competencie’s for tomorrow’s world – Volume 1: analysis. Paris: OECD.
OECD. (2014). PISA 2012. Technical report. Paris: OECD.
Plewis, I., & Hurry, J. (1998). A multilevel perspective on the design and analysis of intervention studies. Educational Research and Evaluation, 4, 13–26.CrossRef
Rasch, G. (1960). Probalistic models for some intelligence and attainment tests. Danish Institute for Educational Research (reprinted 1980 by University of Chicago Press: Chicago).
Rasch, G. (1961). On general laws and the meaning of measurement in psychology. Paper presented at the proceedings of the fourth Berkeley symposium on mathematical statistics and probability.
Raudenbush, S. W., Martinez, A., & Spybrook, J. (2007). Strategies for improving precision in group-randomized experiments. Educational Evaluation and Policy Analysis, 29, 5–29.CrossRef
Reinhart, A. L., Haring, S. H., Levin, J. R., Patall, E. A., & Robinson, D. H. (2013). Models of not-so-good behavior: Yet another way to squeeze causality and recommendations for practice out of correlational data. Journal of Educational Psychology, 105(1), 241.CrossRef
Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70, 41–55.CrossRef
Roßbach, G., & Maurice, J. v. (im Druck). Das Nationale Bildungspanel als wertvolle Ressource für die Bildungsforschung. In R. Tippelt & B. Schmidt-Hertha (Hrsg.), Handbuch Bildungsforschung (4. Aufl.). Wiesbaden: VS Verlag für Sozialwissenschaften.
Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688.CrossRef
Rubin, D. B. (1977). Assignment to treatment group on the basis of a covariate. Journal of Educational Statistics, 2, 1–26.CrossRef
Rubin, D. B. (2005). Causal inference using potential outcomes. Journal of the American Statistical Association, 100(469).
Sälzer, C., Reiss, K., Schiepe-Tiska, A., Prenzel, M., & Heinze, A. (2013). Zwischen Grundlagenwissen und Anwendungsbezug: Mathematische Kompetenz im internationalen Vergleich. In M. Prenzel, C. Sälzer, E. Klieme & O. Köller (Hrsg.), PISA 2012: Fortschritte und Herausforderungen in Deutschland (S. 47–97). Münster: Waxmann.
Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Boston: Houghton Mifflin.
Snijders, T. A. B., & Bosker, R. J. (2011). Multilevel analysis: An introduction to basic and advanced multilevel modeling (2. Aufl.). Thousand Oaks: Sage.
Steyer, R. (2001). Classical test theory. In C. Ragin & T. Cook (Hrsg.), International encyclopedia of the social and behavioural sciences. Logic of inquiry and research design (S. 481–520). Oxford: Oxford University Press.
Stuart, E. (2010). Matching methods for causal inference: A review and a look forward. Statistical Science, 25, 1–21.CrossRef
von Davier, M., & Rost, J. (2007). Mixture distribution item response models. In C. R. Rao & S. Sinharay (Hrsg.), Handbook of statistics: Psychometrics (Bd. 26, S. 643–661). Amsterdam: Elsevier.CrossRef
von Davier, M., Gonzalez, E., & Mislevy, R. (2009). What are plausible values and why are they useful? IERI Monograph Series, 2, 9–36.
Wagner, W., Rose, N., Dicke, A.-L., Neumann, M., & Trautwein, U. (2014). Alle alles lehren–chulleistungen in Englisch, Mathematik und den Naturwissenschaften vor und nach der Neuordnung der gymnasialen Oberstufe in Sachsen. Zeitschrift für Erziehungswissenschaft, 17, 345–369.
Winship, C., & Morgan, S. L. (1999). The estimation of causal effects from observational data. Annual Review of Sociology, 25, 659–706.CrossRef
Metadata
Title
Quantitative Bildungsforschung und Assessments
Authors
Benjamin Nagengast
Norman Rose
Copyright Year
2018
Book
Handbuch Bildungsforschung

Print ISBN: 978-3-531-19980-1

Electronic ISBN: 978-3-531-19981-8

Copyright Year: 2018

DOI
https://doi.org/10.1007/978-3-531-19981-8_28