Wer ist ‚gut‘ in Statistik? Ergebnisse einer Studie zu Zusammenhängen zwischen Schülermerkmalen und Statistical Literacy
Von Ute Sproesser
Grundlegende Fähigkeiten des Verstehens und Interpretierens von Daten sind für die informierte Teilhabe an der Gesellschaft von großer Bedeutung. Sie werden insbesondere benötigt, um evidenzbasierte Entscheidungen zu treffen und um komplexe Themen wie Armut oder Migration zu verstehen. Solche grundlegenden Fähigkeiten im Bereich Statistik werden unter dem Begriff ‚Statistical Literacy‘ zusammengefasst. Trotz dieser offenkundigen Relevanz in alltäglichen und schulischen Kontexten, gibt es kaum empirische Studien, die in den Blick nehmen, mit welchen Schülermerkmalen Statistical Literacy zusammenhängt.
Sebastian Kuntze, Joachim Engel (beide PH Ludwigsburg) und Ute Sproesser (Heidelberg School of Education) gehen dieser Fragestellung in ihrem Artikel „Using models and representations in statistical contexts – interdependencies of students’ competency with reading comprehension and general cognitive abilities“ nach. Aus Platzgründen kann im Folgenden nur ein kleiner Einblick in diese Studie gegeben werden. Vor Kurzem erschien der vollständige Artikel im Rahmen der Online First Option des Journals für Mathematikdidaktik.
Eckdaten zu Design und Kontext der Studie
Mit einem von Kuntze und Kollegen (z. B. Kuntze et al., 2008; Kuntze, 2013) entwickelten Testinstrument wurden Fähigkeiten bezüglich Statistical Literacy von mehr als 500 Realschülerinnen und -schülern erfasst. Die Lernenden absolvierten außerdem einen Test zur Erfassung von kognitiven Fähigkeiten (Heller & Perleth, 2000) sowie des Leseverständnisses (Schneider et al., 2007). Diese beiden Schülermerkmale waren unter anderem deshalb ausgewählt worden, weil empirische Studien (z. B. PISA) gezeigt hatten, dass Fähigkeiten im Bereich Mathematik eng mit kognitiven Fähigkeiten und Fähigkeiten des Lesens zusammenhängen (z. B. Klieme et al., 2001). Darüber hinaus wurde die Mathematiknote der Lernenden als Indikator für mathematikbezogene Fähigkeiten einbezogen. Mit dem sozioökonomischen Status wurde zusätzlich ein Schülermerkmal bezüglich des allgemeinen sozialen Hintergrunds der Probanden berücksichtigt. Aufgrund der gruppierten Datenstruktur und um Zusammenhänge zwischen Schüler- und Klassenebene modellieren zu können, wurden die Daten mehrebenen-analytisch ausgewertet.
Kommt es wirklich nur auf‘s Lesen an? Zusammenfassung der wichtigsten Ergebnisse
Anders als beispielsweise in der PISA-Studie (z. B. Klieme et al., 2001) stellte sich das Leseverständnis als wenig bedeutsam für Fähigkeiten im Bereich von Statistical Literacy heraus. Anscheinend verfügten alle Schülerinnen und Schüler dieser Stichprobe über das Mindestmaß an Leseverständnis, das nötig war, um die unter anderem in Textform gegebenen Statistik-Aufgaben zu lösen. Auch wenn der geringe Einfluss des Leseverständnisses vor dem rein textorientierten Testinstrument (Schneider et al., 2007) interpretiert werden sollte, zeigt dies doch, dass nicht alle intellektuellen Fähigkeiten nur über Fähigkeiten des Lesens vermittelt werden (wie es durch PISA suggeriert werden könnte).
Die kognitiven Fähigkeiten der Probanden sagten deutlich stärker die erfassten Fähigkeiten bezüglich Statistical Literacy voraus. Dies ist erwartungskonform, da kognitive Fähigkeiten allen intellektuellen Fähigkeiten zu Grunde liegen (z. B. Carroll, 1993).
Auch die Mathematiknote zeigte einen signifikanten Einfluss auf statistikbezogene Fähigkeiten. Dieser Befund legt es nahe, dass Lernende beim Bearbeiten von Statistik-Aufgaben auf mathematikbezogenes Wissen und Fähigkeiten zurückgreifen und zwar über ihre kognitiven Fähigkeiten hinaus.
Die Anzahl der im Haushalt verfügbaren Bücher als Indikator für den sozioökonomischen Status (vgl. Paulus, 2009) stellte sich zwar auf Schülerebene als nicht signifikant heraus, erklärte aber auf Klassenebene die ursprünglich erfassten Klassenunterschiede bezüglich Fähigkeiten im Bereich von Statistical Literacy fast vollständig. Dies spricht dafür, dass in Klassen mit einem hohen Maß an sozioökonomischen Status ein lernförderliches Arbeitsklima auch in Hinblick auf Statistical Literacy vorliegt.
Insgesamt sagten die einbezogenen Prädiktoren (kognitive Fähigkeiten, Mathematiknote und sozioökonomischer Status) die Schülerleistungen im Statistiktest zu 23,2 % voraus („Varianzaufklärung“). Diese insgesamt eher moderate Varianzaufklärung deutet darauf hin, dass Statistical Literacy von den einbezogenen, eher allgemeinen Einflussvariablen abgrenzbar ist. Insofern erscheinen vor allem statistik-spezifische Aktivitäten notwendig, um entsprechende Schülerfähigkeiten adäquat zu fördern. Wenn diese nicht durch Unterricht und Bildungsstandards fokussiert werden, besteht die Gefahr, dass wichtige Lernchancen bezüglich Statistical Literacy verpasst werden.
Ute Sproesser
Heidelberg School of Education
Literatur
Carroll, J. B. (1993). Human cognitive abilities: A survey of factor-analytic studies. New York: Cambridge University Press.
Heller, A. K. & Perleth, C. (2000). KFT 4-12+R. Manual. Göttingen: Hogrefe.
Klieme, E., Neubrand, M. & Lüdtke, O. (2001). Mathematische Grundbildung: Testkonzeption und Ergebnisse. In J. Baumert, E. Klieme, M. Neubrand, M. Prenzel, U. Schiefele, W. Schneider, P. Stanat, K. J. Tillmann & M. Weiß (Eds.), PISA 2000. Basiskompetenzen von Schülerinnen und Schülern im internationalen Vergleich (S. 141–191). Opladen: Leske + Budrich.
Kuntze, S. (2013). Modellieren beim Nutzen von Darstellungen in statistischen Kontexten. Hierarchische Beschreibung und Bedingungsvariablen eines Aspekts mathematischer Kompetenz. In R. Borromeo Ferri, G. Greefrath & G. Kaiser (Eds.), Mathematisches Modellieren in Schule und Hochschule (S. 71–94). Wiesbaden: Springer.
Kuntze, S., Lindmeier, A. & Reiss, K. (2008). „Using models and representations in statistical contexts“ as a sub-competency of statistical literacy – Results from three empirical studies. Proceedings of the 11th International Congress on Mathematical Education, Monterrey (Mexico).
Paulus, C. (2009). Die „Bücheraufgabe“ zur Bestimmung des kulturellen Kapitals bei Grundschülern. http://bildungswissenschaften.uni-Saarland.de/personal/paulus/Artikel/BA_Artikel.pdf . Accessed 15.06.2013.
Schneider, W., Schlagmüller, M. & Ennemoser, M. (2007). LGVT 6-12. Manual. Göttingen: Hogrefe.
#s3gt_translate_tooltip_mini { display: none !important; }
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Autor/in (15. Mai 2018). Wer ist ‚gut‘ in Statistik? Ergebnisse einer Studie zu Zusammenhängen zwischen Schülermerkmalen und Statistical Literacy. Fokus Lehrerbildung. Abgerufen am 14. Februar 2025 von https://doi.org/10.58079/ppor