Skip to main content

Latent-Class-Analyse: Ein Bindeglied zwischen Empirie und Theorie zur quantitativen Erfassung mathematischer Leistungen

Zusammenfassung

Der Kompetenzbegriff nimmt in mathematischen Vergleichsstudien eine zentrale Stellung ein. Um die Ergebnisse solcher Studien mit großen Stichproben darzustellen, wird das Leistungsspektrum üblicherweise in äquidistante Fähigkeits- bzw. Kompetenzintervalle unterteilt. Offen bleibt jedoch die Frage, inwieweit die gewählte Unterteilung mit empirisch ermittelten Kompetenzwerten korrespondiert. In diesem Beitrag soll mit der Latent-Class-Analyse (LCA) ein methodisches Verfahren vorgeschlagen werden, mit dem es möglich ist aufgrund der qualitativen Klassifikationen mathematischer Fähigkeiten Kompetenzen anhand eines Kriteriums inhaltlich zu beschreiben. Das Verfahren ergänzt dabei das Rasch-Modell zur Quantifizierung von Leistung. Neben den Grundlagen dieser Methode soll exemplarisch der Einsatz einer LCA skizziert werden.

Abstract

The competence concept holds a central position in comparative studies in mathematics. To show the results of these studies using large samples, the achievement is divided into intervals of competence. It is an open question, however, whether this division corresponds with cognitive levels which are based on the empirical results of the studies. In this article a method called Latent-Class-Analysis (LCA) should be introduced which will make it possible to describe competence levels. These levels depend on the qualitative classification of mathematical abilities which are based on a criterion. This method completes the quantitative measurement of the Rasch model. Furthermore, the use of LCA should exemplarily be outlined as a link between the constructive and empirical results of a test.

This is a preview of subscription content, access via your institution.

Literatur

  1. Blum, W., vom Hofe, R., Jordan, A. & Kleine, M. [2004]: Grundvorstellungen als aufgabenanalytisches und diagnostisches Instrument bei PISA. In: M. Neubrand (Hg.), Mathematische Kompetenzen von Schülerinnen und Schülern in Deutschland. Vertiefende Analysen im Rahmen von PISA 2000 (S. 145–157). Wiesbaden: VS-Verlag.

    Google Scholar 

  2. Blum, W. & vom Hofe, R. [2003]: Welche Grundvorstellungen stecken in dieser Aufgabe. In: Mathematik lehren, 118, 14–18.

    Google Scholar 

  3. Carstensen, C. H. [2000]: Mehrdimensionale Testmodelle mit Anwendungen aus der pädagogisch-psychologischen Diagnostik. Kiel: IPN.

    Google Scholar 

  4. Formann, A. K. [1984]: Die Latent-Class-Analyse. Weinheim: Beltz.

    Google Scholar 

  5. Griesel, H. [1981]: Der quasikardinale Aspekt in der Bruchrechnung. In: Der Mathematikunterricht, 27, 87–95.

    Google Scholar 

  6. Griesel, H. [1997]: Zur didaktisch orientierten Sachanalyse des Begriffs Größe. In: Journal für Mathematik-Didaktik, 18, 259–284.

    Article  Google Scholar 

  7. Heller, K. A. & Hany, E. A. [2001]: Standardisierte Schulleistungsmessung. In: F. E. Weinert (Hg.), Leistungsmessungen in Schulen (S. 87–101). Weinheim: Beltz.

    Google Scholar 

  8. Kleine, M. [2004]: Quantitative Erfassung von mathematischen Leistungsverläufen in der Sekundarstufe I. Hildesheim: Franzbecker.

    Google Scholar 

  9. Klieme, E., Funke, J., Leutner, D., Reimann, P. & Witt, J. [2001]: Problemlösen als fächerübergreifende Kompetenz. Zeitschrift für Pädagogik, 47, 179–200.

    Google Scholar 

  10. Klieme, E., Neubrand, M. & Lüdtke, O. [2001]: Mathematische Grundbildung: Testkonzeption und Ergebnisse. In: Deutsches PISA-Konsortium (Hg.), PISA 2000 — Basiskompetenzen von Schülerinnen und Schülern im internationalen Vergleich (S. 139–190). Opladen: Leske & Budrich.

    Google Scholar 

  11. Knoche, N. [1990]: Modelle der empirischen Pädagogik. Mannheim: BI-Wissenschaftsverlag.

    Google Scholar 

  12. Knoche, N. & Lind, D. [2000]: Eine Analyse der Aussagen und Interpretationen von TIMSS unter Betonung methodologischer Aspekte. In: Journal für Mathematik-Didaktik, 21, 3–27.

    Article  Google Scholar 

  13. Knoche, N., Lind, D., Blum, W., Cohors-Fresenborg, E., Flade, L., Löding, W., Möller, G., Neubrand, M. & Wynands, A. [2002]: Die PISA-2000-Studie, einige Ergebnisse und Analysen. In: Journal für Mathematik-Didaktik, 23, 159–202.

    Google Scholar 

  14. Lind, D. [1994]: Probabilistsiche Modelle in der empirischen Pädagogik. Mannheim: BI-Wiss.-Verl.

    Google Scholar 

  15. Langeheine, R. & Rost, J. [1993]: Latent Class Analyse. In: Psychologische Beiträge, 35, 177–198.

    Google Scholar 

  16. Lazarsfeld, P. F. & Henry, N. E. [1968]: Latent structure analysis. Boston: Houghton-Mifflin.

    Google Scholar 

  17. Oehl, W. [1965]: Der Rechenunterricht in der Hauptschule. Hannover: Schroedel.

    Google Scholar 

  18. Rost, J. [1988]: Quantitative und qualitative probabilistische Testtheorie. Bern: Huber.

    Google Scholar 

  19. Rost, J. [1996]: Lehrbuch Testtheorie, Testkonstruktion. Bern: Huber.

    Google Scholar 

  20. Rost, J. [2004]: Psychometrische Modelle zur Überprüfung von Bildungsstandards anhand von Kompetenzmodellen. In: Zeitschrift für Pädagogik, 50, 662–678.

    Google Scholar 

  21. vom Hofe, R. [1995]: Grundvorstellungen mathematischer Inhalte. Heidelberg: Spektrum.

    Google Scholar 

  22. vom Hofe, R., Pekrun, R., Kleine, M. & Götz, T. [2002]: Projekt zur Analyse der Leistungsentwicklung in Mathematik (PALMA). Konstruktion des Regensburger Mathematiktests für 5.–10. Klassen. In: Zeitschrift für Pädagogik, 45. Beiheft, 83–100.

    Google Scholar 

  23. von Davier, M. [1997]: Methoden zur Prüfung probabilistischer Testmodelle. Kiel: IPN.

    Google Scholar 

  24. von Davier, M. [2000]: WINMIRA 2001. St. Paul: ASC.

    Google Scholar 

  25. Weinert, F. E. [2001]: Vergleichende Leistungsmessung in Schulen — eine umstrittene Selbstverständlichkeit. In: F. E. Weinert (Hg.), Leistungsmessungen in Schulen (S. 17–31). Weinheim: Beltz.

    Google Scholar 

  26. Wiegand, B. [2000]: Mathematische Anwendungsfähigkeit — Detailanalysen von TIMSS und Kassel-Exeter-Studie. Hildesheim: Franzbecker.

    Google Scholar 

  27. Wu, M. L., Adams, R. J. & Wilson M. R. [1998]: ACER ConQuest: generalised item response modelling software. Melbourne: ACER.

    Google Scholar 

Download references

Author information

Affiliations

Authors

Corresponding author

Correspondence to Michael Kleine.

Rights and permissions

Reprints and Permissions

About this article

Cite this article

Kleine, M. Latent-Class-Analyse: Ein Bindeglied zwischen Empirie und Theorie zur quantitativen Erfassung mathematischer Leistungen. JMD 26, 97–113 (2005). https://doi.org/10.1007/BF03339012

Download citation