Skip to main content

Ausarbeitung und Vergleich verschiedener Typen von Grundvorstellungsnetzen über erfolgswirksame Vorgänge

  • Chapter
  • First Online:
Moderner Rechnungswesenunterricht 2020
  • 4456 Accesses

Zusammenfassung

Grundvorstellungen beschreiben die inhaltlichen Vorstellungen einer Person von abstrakten Objekten, Begriffen und Verfahren. Sie stellen eine notwendige Voraussetzung dafür dar, dass abstrakte Objekte für die Lösung realer Problemstellungen genutzt werden können. Bisherige Studien belegen einen Einfluss der Grundvorstellungen auf das Kompetenz- und Autonomieerleben, die Noten und die Modellierungsfähigkeit. Grundvorstellungen zeichnen sich aus einer theoretischen Perspektive durch die Merkmale „Vielfältigkeit“ und „Netzartigkeit“ aus. Empirische Studien zeigen darin übereinstimmend, dass eine höhere Anzahl der Grundvorstellungen vorteilhaft für Lernprozesse und Lernerfolge ist. Welche Vorstellungsnetze Lernende jedoch konkret bilden, ist bislang nicht bekannt. Ziel des vorliegenden Beitrages ist es daher, Vorstellungsnetze zu den Begriffen Aufwand und Ertrag empirisch auszuarbeiten, in ihrer Erklärungskraft zu vergleichen und eine Reduktion von Komplexität für Wissenschaft und Unterrichtsplanung zu ermöglichen.

Grundlage der Studie sind die Daten von 450 Lernenden aus 24 Klassen verschiedener teil- und vollzeitschulischer Bildungsgänge. Aus insgesamt 21 Variablen identifiziert der Beitrag mit Hilfe von Faktoranalysen insgesamt acht Vorstellungsnetze des Typs-F und mit Hilfe latenter Klassenanalysen sieben Vorstellungsnetze des Typs-L. Die Vorstellungsnetze stellen eine Reduktion in der Anzahl der Variablen dar. Ein Vergleich der verschiedenen Netztypen mit einzelnen Vorstellungen zur Vorhersage des Kompetenzerlebens, der Noten und der Modellierungsfähigkeit zeigt, dass die Netze vom Typ-F eine ähnlich hohe Varianzaufklärung erzielen wie die einzelnen Grundvorstellungen, während Netze vom Typ-L zwar meistens das günstigste Verhältnis aus Anzahl an Variablen und Erklärungsfähigkeit aufweisen, die absolute Erklärungsmächtigkeit aber eher gering ist. Inhaltlich eignen sich Netze vom Typ-L vor allem für die Ermittlung von Risikogruppen unter den Lernenden und für die Abstimmung des Unterrichts auf deren Voraussetzungen.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 69.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 89.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  • Bacher, J. & Vermunt, J. K. (2010). Analyse latenter Klassen. In C. Wolf & H. Best (Hrsg.), Handbuch der sozialwissenschaftlichen Datenanalyse (S. 553–574). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Google Scholar 

  • Baetge, J.; Kirsch, H.-J. & Thiele, S. (2017). Bilanzen (14. Aufl.). Düsseldorf: IDW.

    Google Scholar 

  • Berding, F. (2018). Auf die Vorstellungen kommt es an. Grundvorstellungen im Rechnungswesen am Beispiel des Begriffs „Aufwand“. Bildung und Beruf, Mai/Juni 2018, 6–11.

    Google Scholar 

  • Berding, F. (2019). Rechnungswesenunterricht. Grundvorstellungen und ihre Diagnose. Augsburg: Hampp.

    Google Scholar 

  • Berding, F.; Beckmann, A. & Kürten, V. (2019). Modellieren mit dem Rechnungswesen. Entwicklung eines raschkonformen Messverfahrens für erfolgswirksame Vorgänge und didaktische Implikationen. Zeitschrift für Berufs- und Wirtschaftspädagogik, 115(4), 567–602.

    Google Scholar 

  • Berding, F. & Jahncke, H. (im Druck). Die Rolle von Grundvorstellungen in Lehr-Lern-Prozessen im Rechnungswesenunterricht. Unterrichtswissenschaft.

    Google Scholar 

  • Berding, F.; Riebenbauer, E. & Slepcevic-Zach, P. (2019). Grundvorstellungen angehender Wirtschaftspädagog(inn)en im Rechnungswesen. Verknüpfung mit Lernprozessen und Unterricht im Vergleich zwischen Deutschland und Österreich. Zeitschrift für Berufs- und Wirtschaftspädagogik, 115(3), 363–398.

    Google Scholar 

  • Blum, W.; vom Hofe, R.; Jordan, A. & Kleine, M. (2004). Grundvorstellungen als aufgabenanalytisches und diagnostisches Instrument bei PISA. In M. Neubrand (Hrsg.), Mathematische Kompetenzen von Schülerinnen und Schülern in Deutschland (S. 145–157). Wiesbaden: VS Verlag für Sozialwissenschaften.

    Google Scholar 

  • Büchter, A. & Henn, H.-W. (2010). Elementare Analysis. Von der Anschauung zur Theorie. Heidelberg: Spektrum.

    Google Scholar 

  • Bühner, M. (2011). Einführung in die Test- und Fragebogenkonstruktion (3. Aufl.). München: Pearson.

    Google Scholar 

  • Cain, M. K. & Zhang, Z. (2019). Fit for a Bayesian: An Evaluation of PPP and DIC for structural equation modeling. A Multidisciplinary Journal, 26(1), 39–50.

    Google Scholar 

  • Celeux, G. &, Soromenho, G. (1996). An entropy criterion for assessing the number of clusters in a mixture model. Journal of Classification, 13(2), 195–212.

    Google Scholar 

  • Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). New York: Psychology Press.

    Google Scholar 

  • Daum, A.; Petzold, J. & Pletke, M. (2016). BWL für Juristen. Eine praxisnahe Einführung in die betriebswirtschaftlichen Grundlagen (3. Aufl.). Wiesbaden: Springer.

    Google Scholar 

  • Deimel K.; Isemann, R. & Müller, S. (2006). Kosten- und Erlösrechnung: Grundlagen, Managementaspekte und Integrationsmöglichkeiten der IFRS. Pearson: München.

    Google Scholar 

  • Dias, J. G. & Vermunt, J. K. (2006). Bootstrap methods for measuring classification uncertainty in latent class analysis. In A. Rizzi & M. Vichi (Eds.), Proceedings in computational statistics (pp. 31–41). Heidelberg: Springer.

    Google Scholar 

  • DiStefano, C.; McDaniel, H. L.; Zhang, L.; Shi, D. & Jiang, Z. (2019). Fitting large factor analysis models with ordinal data. Educational and Psychological Measurement, 79(3), 417–436.

    Google Scholar 

  • Geiser, C. (2013). Data analysis with MPlus. New York: Guilford Press.

    Google Scholar 

  • Haller, A. (2011) Wertschöpfungsrechnung. In W. Busse von Colbe; N. Crasselt & B. Pellens (Hrsg.), Lexikon des Rechnungswesens (5. Aufl.; S. 851–857). München: Oldenbourg.

    Google Scholar 

  • Hausser, F. & Luchko, Y. (2011). Mathematische Modellierung mit MATLAB. Heidelberg: Spektrum.

    Google Scholar 

  • Hellmrich, R; Tiemann, M.; Troltsch, K.; Lukowski, F.; Neuber-Pohl, C; Lewalder, A. C. & Güntürk-Kuhl, B. (2016). Digitalisierung der Arbeitslandschaften. Wissenschaftliche Diskussionspapiere (Heft 18). Bonn: Bundesinstitut für Berufsbildung.

    Google Scholar 

  • Holzmüller, H. H. & Bandow, G. (2010). Einleitung. In G. Bandow & H. H. Holzmüller (Hrsg.), „Das ist gar kein Modell! (S. VII–XIV). Wiesbaden: Gabler.

    Google Scholar 

  • Hu, L. & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural equation modeling, 6(1), 1–55.

    Google Scholar 

  • Jordanski, G. (in diesem Sammelband). Kaufmännische Steuerung und Kontrolle im 4.0 Arbeitsumfeld – Anforderungen an duale Ausbildungsberufe. In F. Berding, H. Jachnke & A. Slopinski (Hrsg.), Rechnungswesenunterricht 2020. Springer.

    Google Scholar 

  • Kelava, A. & Moosbrugger, H. (2012). Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilung. In H. Moosbrugger & A. Kelava (Hrsg.), Testtheorie und Fragebogenkonstruktion (2. Aufl.; S. 75–101). Berlin: Springer.

    Google Scholar 

  • Kloock, J.; Sieben, G.; Schildbach, T. & Homburg, C. (2005). Kosten- und Leistungsrechnung (9. Aufl.). Stuttgart: Lucius & Lucius.

    Google Scholar 

  • KMK (2018). Handreichung für die Erarbeitung von Rahmenlehrplänen der Kultusministerkonferenz für den berufsbezogenen Unterricht in der Berufsschule und ihre Abstimmung mit Ausbildungsordnungen des Bundes für anerkannte Ausbildungsberufe. URL: https://www.kmk.org/fileadmin/Dateien/veroeffentlichungen_beschluesse/2011/2011_09_23-GEP-Handreichung.pdf [22.01.2020].

  • Kocian-Dir, C. (2019). Betriebswirtschaftslehre schnell erfasst. Berlin: Springer.

    Google Scholar 

  • Lingnau, V. & Beham, F. (2019). Das erwerbswirtschaftliche Prinzip neu definiert – Wertschöpfung als Alternative zur traditionellen Gewinn- bzw. Shareholder Value-Orientierung. In P. Ulrich & B. Baltzer (Hrsg.), Wertschöpfung in der Betriebswirtschaftslehre (S. 27–50). Wiesbaden: Springer.

    Google Scholar 

  • Malle, G. (1993). Didaktische Probleme der elementaren Algebra. Braunschweig: Vieweg.

    Google Scholar 

  • Möller, H. P. & Hüfner, B. (2004). Betriebswirtschaftliches Rechnungswesen. Die Grundlagen von Buchführung und Finanzberichten. München: Pearson.

    Google Scholar 

  • Moosbrugger, H. & Schermelleh-Engel, K. (2012). Exploratorische (EFA) und Konfirmatorische Faktorenanalyse (CFA). In H. Moosbrugger & A. Kelava (Hrsg.), Testtheorie und Fragebogenkonstruktion (2. Aufl.; S. 325–343). Berlin: Springer.

    Google Scholar 

  • Muzzu, A. & Hmyzo, E. (2019). Künstliche Intelligenz im Accounting. Wenn die Maschine besser und schneller bucht. URL: https://www.handelsblatt.com/adv/ey-accounting-ai/kuenstliche-intelligenz-im-accounting-wenn-die-maschine-besser-und-schneller-bucht/25099346.html [25.11.2019].

  • Nylund, K. L.; Asparouhov, T. & Muthén, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation study. Structural Equation Modeling, 14(4), 535–569.

    Google Scholar 

  • Nylund-Gibson, K. & Choi, A. Y. (2018). Ten frequently asked questions about latent class analysis. Translational Issues in Psychological Science, 4(4), 440–461.

    Google Scholar 

  • Pekrun, R.; vom Hofe, R.; Blum, W.; Götz, T.; Wartha, S.; Frenzel, A. & Jullien, S. (2006). Projekt zur Analyse der Leistungsentwicklung in Mathematik (PALMA). In M. Prenzel & L. Allolio-Näcke (Hrsg.), Untersuchungen zur Bildungsqualität von Schule (S. 21–53). Münster: Waxmann.

    Google Scholar 

  • Prediger, S. (2009). Verstehen durch Vorstellen. In T. Leuders; L. Hefendehl-Hebeker & H.-G. Weigand (Hrsg.), Mathe Magische Momente (S. 166–175). Berlin: Cornelsen.

    Google Scholar 

  • Preiß, P. & Tramm, T. (1996b). Die Göttinger Unterrichtskonzeption des wirtschaftsinstrumentellen Rechnungs-wesens. In P. Preiß & T. Tramm (Hrsg.), Rechnungswesenunterricht und ökonomisches Denken (S. 222–323). Wiesbaden: Gabler.

    Google Scholar 

  • Preißler, P. R. & Preißler, G. J. (2015). Entscheidungsorientierte Kosten- und Leistungsrechnung (4. Aufl.). Berlin: De Gruyter.

    Google Scholar 

  • Prenzel, M.; Kristen, A.; Dengler, P.; Ettle, R. & Beer, T. (1996). Selbstbestimmt motiviertes und interessiertes Lernen in der kaufmännischen Erstausbildung. Zeitschrift für Berufs- und Wirtschaftspädagogik, Beiheft 13, 108–127.

    Google Scholar 

  • Ravensburger AG (2019). Geschäftsbericht 2018 der Gruppe Ravensburger AG. URL: https://www.ravensburgergruppe.de/content/wcm/mediadata/pdf/de/Ueber_Ravensburger/Gesch%C3%A4ftsberichte/Gesch%C3%A4ftsbericht_2018.pdf [23.01.2020].

  • Reinfried, S.; Mathis, C. & Kattmann, U. (2009). Das Modell der Didaktischen Rekonstruktion – eine innovative Methode zur fachdidaktischen Erforschung und Entwicklung von Unterricht. Beiträge zur Lehrerbildung, 27(3), 404–414.

    Google Scholar 

  • Roski, R. (1986). Einsatz von Aggregaten – Modellierung und Planung. Berlin: Duncker & Humbolt.

    Google Scholar 

  • Rost, J. (2004). Lehrbuch Testtheorie – Testkonstruktion (2. Aufl.). Bern: Hans Huber.

    Google Scholar 

  • Rost, J. (2006). Latent-Class-Analyse. In F. Petermann & M. Eid (Hrsg.), Handbuch der Psychologischen Diagnostik (S. 275–287). Göttingen: Hogrefe.

    Google Scholar 

  • Schierenbeck, H. (2003). Grundzüge der Betriebswirtschaftslehre (16. Aufl.). München: Oldenbourg.

    Google Scholar 

  • Schmitt, T. A. (2011). Current methodological considerations in exploratory and confirmatory factor analysis. Journal of Psychoeducational Assessment, 29(4), 304–321.

    Google Scholar 

  • Schupp, H. (1988). Anwendungsorientierter Mathematikunterricht in der Sekundarstufe I zwischen Tradition und neuen Impulsen. Der Mathematikunterricht, 34(6), 5–16.

    Google Scholar 

  • Stachowiak, H. (1973). Allgemeine Modelltheorie. Wien: Springer.

    Google Scholar 

  • Stork, J. H. (2013). Der Einfluss unterschiedlicher Unterrichtsmodelle auf den Erwerb von mathematischen und kaufmännischen Kompetenzen im beruflichen Unterricht. In U. Faßhauer; B. Fürstenau & E. Wuttke (Hrsg.), Jahrbuch der berufs- und wirtschaftspädagogischen Forschung (S. 11–22). Opladen: Barbara Budrich.

    Google Scholar 

  • Töllner, A.; Jungmann, T. & Langenheim, H. (1996). Lernschwierigkeiten im Buchführungsunterricht. In G. Randow & H. H. Holzmüller (Hrsg.), „Das ist gar kein Modell! (S. 3–21). Wiesbaden: Gabler.

    Google Scholar 

  • Urban, D. & Mayerl, J. (2014). Strukturgleichungsmodellierung. Ein Ratgeber für die Praxis. Wiesbaden: Springer.

    Google Scholar 

  • vom Hofe, R.; Hafner, T.; Blum, W. & Pekrun, R. (2009). Die Entwicklung mathematischer Kompetenzen in der Sekundarstufe – Ergebnisse der Längsschnittstudie PALMA. In A. Heinze & M. Grüßing (Hrsg.), Mathematiklernen vom Kindergarten bis zum Studium (S. 125–146). Münster: Waxmann.

    Google Scholar 

  • vom Hofe, R. (1992). Grundvorstellungen mathematischer Inhalte als didaktisches Modell. Journal für Mathematik-Didaktik, 13(4), 345–364.

    Google Scholar 

  • vom Hofe, R. (1995). Grundvorstellungen mathematischer Inhalte. Heidelberg: Spektrum.

    Google Scholar 

  • vom Hofe, R. (2003). Grundbildung durch Grundvorstellungen. mathematik lehren, 118, 4–8.

    Google Scholar 

  • Wang, J. & Wang, X. (2020). Structural equation modeling. Applications using MPlus (2nd Ed.). New York: Wiley & Sons.

    Google Scholar 

  • Wöhe, G. & Döring, C. (2005). Einführung in die Allgemeine Betriebswirtschaftslehre (22. Aufl.). München: Vahlen.

    Google Scholar 

  • Wöhe, G.; Döring, U. & Brösel, G. (2016). Einführung in die Allgemeine Betriebswirtschaftslehre (26. Aufl.). München: Vahlen.

    Google Scholar 

  • Zyphur, M. J. & Oswald, F. L. (2015). Bayesian estimation and inference. A user’s guide. Journal of Management, 41(2), 390–420.

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Florian Berding .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and permissions

Copyright information

© 2020 Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Berding, F. (2020). Ausarbeitung und Vergleich verschiedener Typen von Grundvorstellungsnetzen über erfolgswirksame Vorgänge. In: Berding, F., Jahncke, H., Slopinski, A. (eds) Moderner Rechnungswesenunterricht 2020. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-31146-9_8

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-31146-9_8

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-31145-2

  • Online ISBN: 978-3-658-31146-9

  • eBook Packages: Education and Social Work (German Language)

Publish with us

Policies and ethics