Affordable Access

Leistungen von Jungen und Mädchen bei PISA 2003 : bedeutsame Unterschiede?

Authors
Publication Date
Keywords
  • Ddc:370
  • Philosophische Fakultät
  • Faculty Of Arts And Humanities
  • Pisa <Test>
  • Geschlechtsunterschied
  • Schulleistungsmessung
  • Gender
  • Geschlecht
  • Geschlechterunterschiede
  • Pisa
  • Large Scale
  • Kognitive Teilkompetenzen
  • Rasch
  • Mixed Rasch
  • Latente Klassen
  • Dif

Abstract

Mittels einer geschlechtsspezifischen Skalierung mit dem Rasch-Modell wurden die Itemschwierigkeiten von Mädchen und Jungen für jedes Item in Mathematik, Lesen, Naturwissenschaften und Problemlösen verglichen. Daran wurde eine inhaltliche Analyse derjenigen Items angeschlossen, die einen wesentlichen Geschlechterunterschied aufwiesen, wobei 45 von 360 Items geringere Schwierigkeitsparameter für ein Geschlecht zeigten. Die Ergebnisse wurden in sechs weiteren ausgewählten PISA-Teilnehmerstaaten (Österreich, Finnland, Island, Niederlande, USA, Japan) untersucht und mit den deutschen Befunden verglichen. Die Anzahl der in mindestens vier der sieben Staaten auffälligen Items reduzierte sich auf insgesamt neun, dabei zeigte sich eines über alle sieben Länder konsistent von Jungen leichter zu lösen. Unterschiede konnten über geschlechtstypische Anforderungen und Inhalte erklärt werden. Analysen mit dem Mixed Rasch-Modell konnte die praktische Relevanz kognitiver Teilkompetenzen für Geschlechterunterschiede nicht bestätigen. Zur Lösung einer Aufgabe spielt das Geschlecht demnach nur eine untergeordnete Rolle. Inhaltlich ließen sich die identifizierten Klassen quantitativ auf ihr Leistungsniveau und qualitativ auf Unterschiede in der Bewältigung von praxisnahen, alltagsbezogenen Problemstellungen zurückführen. Während leistungsstarke Schüler bei Aufgaben mit starkem Praxisbezug in ihren Leistungen absinken, profitieren eher leistungsschwache Schüler gerade von solchen Aufgaben. Für PISA ergibt sich die Implikation, relevante Leistungsklassen auf Basis der Antwortmuster zu bilden, um so relevante Heterogenitäten aufzudecken und genauer analysieren zu können.

There are no comments yet on this publication. Be the first to share your thoughts.