Rey Methoden der Entwicklungspsychologie

Datenerhebung und Datenauswertung
2. Auflage 2020
ISBN: 978-3-7526-7755-3
Verlag: BoD - Books on Demand
Format: EPUB
Kopierschutz: 6 - ePub Watermark

E-Book, Deutsch, 168 Seiten

Das Buch bietet eine Einführung in die Methoden der Entwicklungspsychologie. Es spricht Studierende an, die sich eingehender mit der Datenerhebung und Datenauswertung im Kontext entwicklungspsychologischer Studien beschäftigen wollen. Testgütekriterien, die zur Beurteilung der Qualität der Datenerhebung dienen, werden dabei erörtert. Außerdem befasst sich das Lehrbuch mit der Auswahl geeigneter Untersuchungsdesigns wie etwa Quer- und Längsschnittstudien sowie mit der Berechnung des erforderlichen Stichprobenumfanges entwicklungspsychologischer Untersuchungen. Neben zahlreichen Bildern und Videos stehen auch mehrere Lernfragen zu jedem Kapitel des Buches unter www.methoden-psychologie.de zur Verfügung.

Günter Daniel Rey hat seit April 2013 die Professur "Psychologie digitaler Lernmedien" an der Technischen Universität Chemnitz inne. Zuvor hat er von Januar 2012 bis März 2013 das Lehrgebiet für Bildungspsychologie an der FernUniversität in Hagen als Privatdozent vertreten. Von 2008 bis 2011 war Herr Dr. Rey als wissenschaftlicher Mitarbeiter am Lehrstuhl für Pädagogische Psychologie und Entwicklungspsychologie der Universität Würzburg tätig und leitete dort das Medienlabor. In dieser Zeit befasste er sich im Rahmen seiner Habilitation mit der lernförderlichen Gestaltung multimedialer und adaptiver E-Learning-Umgebungen. Von 2006 bis 2007 hat Herr Rey in der Abteilung für Allgemeine Psychologie und Methodenlehre der Universität Trier promoviert. Seine beiden Studienabschlüsse (Bachelor of Arts in den Fächern Soziale Verhaltenswissenschaften und Philosophie sowie Diplom im Fach Psychologie) konnte er zuvor an der FernUniversität in Hagen (2003) und an der Universität Trier (2006) erwerben. Nach dem Abitur (1998) und dem Wehrdienst (1999) schloss Günter Daniel Rey zunächst seine zweijährige Ausbildung zum Bankkaufmann im Jahr 2001 ab.

Autoren/Hrsg.

Rey, Günter Daniel

Leseproben

3 Testgütekriterien
3.1 Übersicht und Lernziele Das dritte Kapitel liefert einen Überblick über die Korrelation, die Haupttestgütekriterien Objektivität, Reliabilität und Validität sowie weitere Nebengütekriterien. Nach diesen Haupt- und Nebengütekriterien lässt sich die Qualität der verschiedenen Datenerhebungsformen beurteilen. Im vorliegenden Kapitel soll auch erörtert werden, wie die einzelnen Kriterien miteinander zusammenhängen bzw. sich voneinander unterscheiden. Folgende Lernziele werden verfolgt: Was ist eine Korrelation? Was versteht man unter den Hauptgütekriterien Objektivität, Reliabilität und Validität? In welche Teilaspekte können die drei Hauptgütekriterien untergliedert werden? Welche Nebengütekriterien lassen sich voneinander abgrenzen? 3.2 Einleitung Testgütekriterien Testgütekriterien dienen als „Beurteilungskriterien“ für die Güte der Datenerhebung (Kapitel 2). Häufig erfolgen zu einem spezifischen standardisierten Test (z.B. zu einem bestimmten IQ-Test) Angaben zu den einzelnen Gütekriterien. Damit lässt sich die Güte dieses Tests beurteilen und mit den (Zahlen-)Angaben anderer standardisierter Tests vergleichen. Testgütekriterien können aber auch zum Vergleich verschiedener Datenerhebungsformen herangezogen werden. Standardisierte Tests könnte man beispielsweise projektiven Verfahren im Hinblick auf die Testgütekriterien gegenüberstellen. Eine derartige Gegenüberstellung ist jedoch sehr unspezifisch. So könnte zum Beispiel die Objektivität standardisierter Tests durchschnittlich höher ausfallen als bei projektiven Verfahren. Dennoch könnten bestimmte projektive Tests über eine höhere Objektivität verfügen als einzelne standardisierte Testverfahren. Haupt- und
Nebengütekriterien Bei den Testgütekriterien unterscheidet man typischerweise zwischen Haupt- und Nebengütekriterien. Die Hauptgütekriterien lauten: Objektivität Reliabilität Validität Diese Gütekriterien hängen miteinander zusammen. Grundsätzlich gilt, dass Objektivität die Voraussetzung für Reliabilität ist und diese wiederum Voraussetzung für Validität. Korrelationen Viele Testgütekriterien stellen statistische Kennwerte dar, die auf der Berechnung der Korrelation basieren. Das nachfolgende Kapitel erörtert die Korrelation als statistisches Maß. 3.3 Korrelation Definition Eine Korrelation beschreibt die Beziehung zwischen verschiedenen Variablen. Der Korrelationskoeffizient r ist dabei ein standardisierter statistischer Wert für das Ausmaß des Zusammenhangs zwischen diesen Variablen. Beispiel Beispielsweise könnte die Intelligenz von 4-jährigen Kindern mit ihrem späteren Schulerfolg korrelieren. Der Korrelationskoeffizient r wäre in diesem Fall positiv: Je höher die Intelligenz des 4-jährigen Kindes, desto höher ist der spätere Schulerfolg. Die Höhe von r charakterisiert die Stärke des Zusammenhangs zwischen der Intelligenz der 4-jährigen Kinder und dem späteren Schulerfolg. Je höher r ist, desto besser kann man den Schulerfolg durch die zuvor gemessene Intelligenz vorhersagen. 3.3.1 Wertebereich von Korrelationen Wertebereich von –1 bis +1 Korrelationen beziehen sich in der Regel auf lineare Zusammenhänge und besitzen einen Wertebereich von –1 bis +1. Sofern kein linearer Zusammenhang zwischen den Variablen vorliegt, ist der Wert von r gleich Null. In diesem Fall könnten die beiden Variablen allerdings auch in nicht linearer Form (d.h. nonlinear) miteinander zusammenhängen. Bei einer Korrelation von +1 besteht ein perfekter Zusammenhang zwischen den Variablen. Gleiches gilt für eine Korrelation von –1. In diesem Fall ist der Zusammenhang gegenläufig. Beispielsweise sollte bei einem Leistungstest der Anteil an Fehlern perfekt gegenläufig zum Anteil richtig gelöster Aufgaben korrelieren. Je höher der Anteil an Fehlern, desto geringer ist der Anteil richtig gelöster Aufgaben. Abb. 12 veranschaulicht einige ausgewählte Korrelationen zwischen zwei Variablen in Form von Punktewolken. Abb. 12: Darstellung ausgewählter Korrelationen zwischen zwei Variablen. Geringe, mittlere
und hohe
Korrelationen Cohen (1988) hat unter anderem für Korrelationen eine Konvention angegeben, die besagt, bei welchem Wert man eine Korrelation als gering, mittel oder hoch einstufen sollte: r = 0.1 für eine geringe Korrelation r = 0.3 für eine mittlere Korrelation r = 0.5 für eine hohe Korrelation Akzeptable Höhe
abhängig von der
Fragestellung Allerdings kommt es immer auf die Fragestellung an, ob man den ermittelten Kennwert als niedrig oder hoch klassifizieren kann. Beispielsweise könnte man den Zusammenhang der Ergebnisse aus demselben Multiple-Choice-Test berechnen, der von zwei Auswertern ermittelt wurde. Diese Korrelation wird als Auswertungsobjektivität bezeichnet (Kapitel 3.4) und sollte ganz erheblich über r = 0.5 liegen, um noch von einer akzeptablen Übereinstimmung sprechen zu können. Sogar eine Korrelation von r = 0.9 wäre in diesem konkreten Fall immer noch unbefriedigend. 3.3.2 Korrelationen und Kausalität
Mögliche Ursachen
für Korrelationen Eine hohe Korrelation zwischen zwei Variablen bedeutet nicht, dass die beiden Variablen kausal miteinander zusammenhängen. Stattdessen liefern Korrelationen lediglich einen ersten Hinweis, dass dies der Fall sein könnte. Eine Korrelation zwischen den Variablen x und y kann unter anderem auf folgende Ursachen zurückgeführt werden (vgl. Abb. 13): 1. Variable x verursacht Variable y. 2. Variable y verursacht Variable x. 3. Die beiden Variablen x und y verursachen sich gegenseitig. 4. Die beiden Variablen x und y werden von einer Drittvariablen z verursacht. 5. Variable x verursacht Variable y und die beiden Variablen werden außerdem von einer Drittvariablen z verursacht. 6. Variable y verursacht Variable x und die beiden Variablen werden außerdem von einer Drittvariablen z verursacht. 7. Die beiden Variablen x und y verursachen sich gegenseitig. Außerdem werden die beiden Variablen von einer Drittvariablen z verursacht. Abb. 13: Schematische Darstellung der möglichen Ursachen für eine Korrelation zwischen den Variablen x und y. Zeitliches Auftreten
von Ursache und
Wirkung Um einzelne dieser Möglichkeiten auszuschließen, wird argumentiert, dass die Ursache zeitlich vor der Wirkung auftreten muss. Beispielsweise sollte ein wirksames Förderprogramm für Vorschulkinder positive Auswirkungen auf die Entwicklung der Kinder in den nachfolgenden Monaten und Jahren besitzen. Die Annahme der zeitlichen Reihenfolge von Ursache und Wirkung kann allerdings zu Fehlschlüssen führen. Beispielsweise kräht der Hahn kurz vor Sonnenaufgang, stellt aber nicht die Ursache hierfür dar (Dubben & Beck-Bornholdt, 2006). Auch nicht triviale Beispiele verdeutlichen die Gefahr, auf Grundlage der zeitlichen Reihenfolge auf einen Kausalzusammenhang zu schließen. So kann die Verschreibung und Einnahme eines Medikamentes mit dem späteren Auftreten einer Krankheit korrelieren. Dies impliziert jedoch nicht zwangsläufig, dass das Medikament die Krankheit verursacht hat. Möglicherweise hat der Arzt das Medikament aufgrund erster Anzeichen der Krankheit verschrieben. Insofern hat die Krankheit die Verschreibung und Einnahme des Medikamentes verursacht, nicht umgekehrt (Dubben & Beck-Bornholdt, 2006). Beispiele für hohe
Korrelationen ohne
Kausalität Die nachfolgenden Beispiele illustrieren, dass eine hohe Korrelation kein Garant für einen Kausalzusammenhang ist (Dubben & Beck-Bornholdt, 2006): Storchenpopulation und Geburtenrate: In den zwanziger Jahren des letzten Jahrhunderts wurde in Schweden sowie in Niedersachsen zwischen 1972 und 1985 eine hohe Korrelation zwischen der Storchenpopulation und der Geburtenrate festgestellt. Dennoch hängen diese beiden Ereignisse nicht kausal miteinander zusammen. Stattdessen sind hier Drittvariablen wie etwa die Industrialisierung von Bedeutung, die mutmaßlich sowohl zu einem Absinken der Geburtenrate als auch zu einer verringerten Storchenpopulation führten. Einsatz von Feuerwehrleuten und Brandschäden: Je mehr Feuerwehrleute im Einsatz sind, desto größer sind die Brandschäden. Gemeinsame Ursache dieser Variablen ist die Größe des Brandes, die sowohl den Brandschaden als auch die notwendige Anzahl an Feuerwehrkräften zur Löschung des Brandes bestimmt. Verweildauer im Krankenhaus und späterer Gesundheitszustand: Eine...