Detailansicht
Differentielle Prognostizierbarkeit von Schulleistung
Forschungsberichte des Landes Nordrhein-Westfalen 3125 - Fachgruppe Geisteswissenschaften
ISBN/EAN: 9783531031255
Umbreit-Nr.: 5447597
Sprache:
Deutsch
Umfang: xii, 228 S.
Format in cm:
Einband:
kartoniertes Buch
Erschienen am 01.01.1982
Auflage: 1/1982
- Zusatztext
- Kapitel. Besonders im Kontext der Typologischen Pradiktion spielen Klassifikationsverfahren (Clusteranalysen) eine bedeutsarne Rolle.
- Autorenportrait
- Inhaltsangabe1. Zur Problematik der Vorhersage von Schulleistung.- 1.1 Notwendigkeit von Schulleistungsprognosen.- 1.2 Erstellung von Schulleistungsorognosen.- 1.3 Differentielle Prognostizierbarkeit.- 1.4 Zielsetzung der Untersuchung.- 2. Durchführung der Untersuchung.- 2.1 Prädiktorvariablen.- 2.1.1 Intelligenz.- 2.1.1.1 Faktorenstruktur des PSB.- 2.1.1.2 Grundintelligenztest CFT 3.- 2.1.2 Interessen.- 2.1.3 Schul- und Prüfungsangst.- 2.1.4 Schulbezogene Motivation.- 2.1.5 Orientierung an institutionellen Normen.- 2.1.6 Einstellung zu Lehrern und Schule.- 2.2 Sozialer Kontext.- 2.2.1 Häusliches und schulisches Lernumfeld.- 2.2.2 Freizeitverhalten und Zukunftsperspektiven.- 2.3 Kriteriumsvariablen.- 2.4 Stichproben.- 2.5 Datenanalyse.- 2.5.1 Datenmanagement.- 2.5.2 Gruppierungsverfahren (Clusteranalyse).- 2.5.3 Verfahren der deskriptiven Statistik und Inferenzstatistik.- 3. Zusammenhänge zwischen Einzelmerkmalen und Schulleistung.- 3.1 Intelligenz.- 3.2 Interessen.- 3.3 Schulbezogene Motivation und Angst.- 4. Multivariate Beziehungen zwischen den Prädiktoren und Schulleistung.- 4.1 Regressionsanalyse mit dem Gesamtprädiktorensatz.- 4.2 Analyse der Struktur der Prädiktoren und des Kriteriums.- 4.2.1 Analyse des Prädiktorensatzes.- 4.2.2 Analyse des Kriteriums.- 4.3 Regressionsanalyse mit einem reduzierten Prädiktorensatz.- 4.4 Auswahl optimaler Prädiktorkombinationen.- 4.5 Regressionsanalyse mit Hauptkomponenten.- 4.6 Kanonische Analyse.- 5. Differentielle Prognostizierbarkeit und Moderatoranalyse.- 5.1 Moderierte Regression.- 5.2 Untergruppen-Moderatoranalyse.- 5.2.1 Schulangstsyndrom als Moderator.- 5.2.2 Schulnoten der Untergruppen.- 5.2.3 Moderatorwirkungen.- 5.2.3.1 Gesamtintelligenz, Schulangst und Schulleistung.- 5.2.3.2 Intelligenzuntertestwerte, Schulangst und Schulnoten.- 5.2.4 Interkorrelationen und Faktorenstruktur der Schulnoten bei hoch- und niedrigängstlichen Schülern.- 5.2.5 Längsschnittanalyse der Schulnoten von hoch- und niedrigängstlichen Schülern.- 5.2.6 Soziales Umfeld von Hoch- und Niedrigängstlichen.- 6. Differentielle Prognostizierbarkeit und Automatische Interaktionsaufklärung.- 6.1 Beschreibung des Verfahrens AID (Automatic Interaction Detector).- 6.2 AID-Analyse für das Fach Deutsch.- 6.3 AID-Analyse für die Fächer Mathematik und Englisch.- 7. Differentielle Prognostizierbarkeit und Typologische Prädiktion.- 7.1 Konzept der Typologischen Prädiktion.- 7.2 Typenanalyse und Schulleistung.- 7.2.1 Exhaustive versus nicht-exhaustive Gruppierung.- 7.2.2 Beschreibung der Schülertypen.- 7.2.3 Schülertypen und Schulleistung.- 7.2.4 Soziales und schulisches Umfeld der Schülertypen.- 7.2.5 Freizeitverhalten und Zukunftsperspektiven der Schülertypen.- 7.2.6 Person-Situations-Konfigurationen der Schülertypen.- 7.2.7 Schulleistungstypen und Schülertypen.- 7.3 Typenanalyse und Schullaufbahnverlauf.- 7.3.1 Beschreibung der Schülertypen.- 7.3.2 Schülertypen und Schullaufbahn.- 8. Diskussion der Ergebnisse.- 9. Methodenvergleich verschiedener Clusteranalyseverfahren.- 9.1 Ablaufschema einer Clusteranalyse.- 9.2 Darstellung und Transformation der Eingabedaten.- 9.3 Ähnlichkeits- und Distanzmaße.- 9.4 Homogenitätsmaße.- 9.5 Gruppierungsarten.- 9.6 Beschreibung der zu vergleichenden Clusteranalysen.- 9.6.1 Automatische Klassifkation (AUKL).- 9.6.2 Mode-Analysis (MODE).- 9.6.3 Normal-mixture-analysis (NORMIX).- 9.6.4 Iterative Clusteranalyse von MCRAE (YMIKCA).- 9.7. Durchführung der Verfahrensvergleiche (I).- 9.7.1 Anwendung der Clusteranalysen auf die IRIS-Daten.- 9.7.2 Kriterien zum Vergleich von Clusteranalyseergebnissen.- 9.7.3 Ergebnisse der Automatischen Klassifikation.- 9.7.4 Ergebnisse der Mode-Analysis.- 9.7.5 Ergebnisse der Normal-mixture-analysis.- 9.7.6 Ergebnisse des iterativen Verfahrens von MCRAE.- 9.8 Durchführung der Verfahrensvergleiche (II).- 9.8.1 Anwendung der Clusteranalysen auf pschologische Daten.- 9.8.2 Kriterien zum Vergleich von Clusteranalyseergebnissen bei "natürlichen" Daten.- 9.8.3 Ergebnisse der Automat