Advertisement

Veränderung der mathematischen Kompetenz von der neunten zur zehnten Klassenstufe

  • Matthias C. LehnerEmail author
  • Jörg-Henrik Heine
  • Christine Sälzer
  • Kristina Reiss
  • Nicole Haag
  • Aiso Heinze
Article

Zusammenfassung

Mit dem vorliegenden Beitrag wird der Frage nachgegangen, wie sich die mathematische Kompetenz von Schülerinnen und Schülern der Sekundarstufe I von der neunten zur zehnten Jahrgangsstufe entwickelt. Mathematische Kompetenz wird dabei im Sinne der Definition von mathematical literacy im Rahmen der PISA-Studie sowie im Sinne der Bildungsstandards für den mittleren Schulabschluss getestet. Für die Analysen werden Daten zu zwei Messzeitpunkten zur Entwicklung mathematischer Kompetenz von n = 4610 bzw. n = 3351 Schülerinnen und Schülern ausgewertet.

Die Veränderung mathematischer Kompetenz im Verlauf eines Schuljahres im Sinne beider Operationalisierungen wird zunächst für die Gesamtpopulation berichtet. Ferner werden Unterschiede zwischen Schülerinnen und Schülern unterschiedlichen Geschlechts, mit und ohne Zuwanderungshintergrund, sowie für unterschiedliche Schularten referiert.

Die Ergebnisse der Untersuchung zeigen, dass im untersuchten Schuljahr gemäß der PISA-Definition mathematischer Kompetenz (mathematical literacy) kaum Zuwachs zu beobachten ist. Hingegen wächst die mathematische Kompetenz gemäß der Bildungsstandards von der neunten zur zehnten Jahrgangstufe an. Die vorliegenden Befunde werden vor dem Hintergrund der Gemeinsamkeiten und Unterscheide der beiden Operationalisierungen mathematischer Kompetenz diskutiert.

Schlüsselwörter

Mathematische Kompetenz PISA Bildungsstandards Kompetenzentwicklung Sekundarstufe I 

Changes in mathematical competence from grade 9 to grade 10

Abstract

In this article we investigate how secondary level students’ mathematical competence develops within one school year. Mathematical competence was tested in grade 9 and again in grade 10, both in terms of mathematical literacy in the sense of PISA (n = 4610 students) and in terms of the German national educational standards (subsample of n = 3351 students).

The development of mathematical competence in terms of both operationalizations within one year is reported for the overall population. Additionally, we investigate differences related to students’ gender, immigrant background and school type.

Results show virtually no increase of mathematical literacy in the sense of PISA from grade 9 to grade 10. By contrast, the competence according to the German educational standards, which is more closely aligned with school curricula, increases by about one quarter of a standard deviation. Results are discussed in the light of similarities and differences of the two operationalizations of mathematical competence.

Keywords

Mathematical literacy Competence PISA National educational standards Competence development 

Literatur

  1. Baumert, J., & Köller, O. (1998). Nationale und internationale Schulleistungsstudien – Was können sie leisten? Wo sind ihre Grenzen? Pädagogik, 50(6), 12–18.Google Scholar
  2. Baumert, J., Lehmann, R., Lehrke, M. S. B., Clausen, M., Hosenfeld, I., Köller, O., & Neubrand, J. (1997). TIMSS – Mathematisch-naturwissenschaftlicher Unterricht im internationalen Vergleich: Deskriptive Befunde. Opladen: Leske + Budrich.CrossRefGoogle Scholar
  3. Baumert, J., Klieme, E., Neubrand, M., Prenzel, M., Schiefele, U., Schneider, W., Stanat, P., Tillmann, K.-J., & Weiß, M. (Hrsg.). (2001). PISA 2000: Basiskompetenzen von Schülerinnen und Schülern im internationalen Vergleich. Opladen: Leske + Budrich.Google Scholar
  4. Baumert, J., Artelt, C., Klieme, E., Neubrand, M., Prenzel, M., Schiefele, U., Schneider, W., Tillmann, K.‑J., & Weiß, M. (Hrsg.). (2003). PISA 2000 – Ein differenzierter Blick auf die Länder der Bundesrepublik Deutschland. Opladen: Leske + Budrich.Google Scholar
  5. Baumert, J., Stanat, P., & Watermann, R. (Hrsg.). (2006). Herkunftsbezogene Disparitäten im Bildungswesen. Vertiefende Analysen im Rahmen von PISA 2000. Wiesbaden: Springer VS.Google Scholar
  6. Blum, W., & Leiss, D. (2005). Modellieren im Unterricht mit der „Tanken“-Aufgabe. mathematik lehren, 128, 18–21.Google Scholar
  7. Blum, W., & Wiegand, B. (1998). Wie kommen die deutschen TIMSS-Ergebnisse zustande? Ein Interpretationsansatz auf Basis stoffdidaktischer Analysen. In W. Blum & M. Neubrand (Hrsg.), TIMSS und der Mathematikunterricht: Informationen, Analysen, Konsequenzen (S. 11–15). Hannover: Schroedel.Google Scholar
  8. Bruder, R., & Collet, C. (2011). Problemlösen lernen im Mathematikunterricht. Berlin: Cornelson Scriptor.Google Scholar
  9. Bund-Länder-Kommision für Bildungsplanung und Forschungsförderung (Hrsg.). (1997). Gutachten zur Vorbereitung des Programms „Steigerung der Effizienz des mathemtisch-naturwissenschaftlichen Unterrichts“. Bonn: BLK.Google Scholar
  10. Ehmke, T., Blum, W., Neubrand, M., Jordan, A., & Ulfig, F. (2006). Wie verändert sich die mathematische Kompetenz von der neunten zur zehnten Klassenstufe? In M. Prenzel, J. Baumert, W. Blum, R. Lehmann, D. Leutner, M. Neubrand, R. Pekrun, J. Rost & U. Schiefele (Hrsg.), PISA 2003. Untersuchungen zur Kompetenzentwicklung im Verlauf eines Schuljahres (S. 63–85). Münster: Waxmann.Google Scholar
  11. Else-Quest, N. M., Hyde, J. S., & Linn, M. C. (2010). Cross-national patterns of gender differences in mathematics: a meta-analysis. Psychological Bulletin, 136, 103–127.CrossRefGoogle Scholar
  12. Gebhardt, M., Rauch, D., Mang, J., Sälzer, C., & Stanat, P. (2013). Mathematische Kompetenz von Schülerinnen und Schülern mit Zuwanderungshintergrund. In M. Prenzel, C. Sälzer, E. Klieme & O. Köller (Hrsg.), PISA 2012. Fortschritte und Herausforderungen in Deutschland (S. 275–308). Münster: Waxmann.Google Scholar
  13. Freudenthal, H. (1986). Didactical phenomenology of mathematical structures. Dordrecht: Kluwer.Google Scholar
  14. Gonzalez, E., & Rutkowski, L. (2010). Principles of multiple matrix booklet designs and parameter recovery in large-scale assessments. IERI Monograph Series, 3, 125–156.Google Scholar
  15. Hammer, S., Reiss, K., Lehner, M. C., Heine, J.-H., Sälzer, C., & Heinze, A. (2016). Mathematische Kompetenz in PISA 2015: Ergebnisse, Veränderungen, Perspektiven. In K. Reiss, C. Sälzer, A. Schiepe-Tiska, E. Klieme & O. Köller (Hrsg.), PISA 2015. Eine Studie zwischen Kontinuität und Innovation (S. 219–248). Münster: Waxmann.Google Scholar
  16. Hartig, J., & Frey, A. (2012). Validität des Tests zur Überprüfung des Erreichens der Bildungsstandards in Mathematik. Diagnostica, 58(1), 3–14.CrossRefGoogle Scholar
  17. Hattie, J. (2009). Visible Learning. A synthesis of over 800 meta-analyses relating to achievement. London: Routledge.Google Scholar
  18. Hecht, M., Roppelt, A., & Siegle, T. (2013). Testdesign und Auswertung des Ländervergleichs. In H. A. Pant, P. Stanat, U. Schroeders, A. Roppelt, T. Siegle & C. Pohlmann (Hrsg.), IQB-Ländervergleich 2012: mathematische und naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I (S. 277–290). Münster: Waxmann.Google Scholar
  19. Heine, J.-H., Sälzer, C., Borchert, L., Sibberns, H., & Mang, J. (2013). Technische Grundlagen des fünften internationalen Vergleichs. In M. Prenzel, C. Sälzer, E. Klieme & O. Köller (Hrsg.), PISA 2012. Fortschritte und Herausforderungen in Deutschland (S. 309–346). Münster: Waxmann.Google Scholar
  20. Heine, J.-H., Nagy, G., Meinck, S., Zühlke, O., Mang, J. (2017). Empirische Grundlage und Stichprobenausfall im PISA-Längsschnitt 2012–2013. Zeitschrift für Erziehungswissenschaften (Sonderheft 33). Doi: 10.1007/s11618-017-0756-0.Google Scholar
  21. Helmke, A. (2015). Unterrichtsqualität und Lehrerprofessionalität. Diagnose, Evaluation und Verbesserung des Unterrichts (6. Aufl.). Seelze: Klett-Kallmeyer.Google Scholar
  22. Helmke, A., Hosenfeld, I., & Schrader, F.-W. (2002). Unterricht, Mathematikleistung und Lernmotivation. In A. Helme & R. S. Jäger (Hrsg.), Das Projekt MARKUS. Mathematik-Gesamterhebung Rheinland-Pfalz: Kompetenzen, Unterrichtsmerkmale, Schulkontext (S. 413–480). Landau: Verlag Empirische Pädagogik.Google Scholar
  23. Heymann, H. W. (1996). Allgemeinbildung und Mathematik. Weinheim: Beltz.Google Scholar
  24. IQB (2012). Beispielaufgaben und Material – Mathematik. Aufgabe „Spiegelung“. http://www.iqb.hu-berlin.de/laendervergleich/laendervergleich/lv2012/Beispielaufgaben/Spiegelung.pdf. Zugegriffen: 19. Mai 2016.Google Scholar
  25. Klafki, W. (1958). Didaktische Analyse als Kern der Unterrichtsvorbereitung. Die Deutsche Schule, 10, 450–471.Google Scholar
  26. Klafki, W. (1985). Zur Unterrichtsplanung im Sinne kritisch-konstruktiver Didaktik. Neue Studien zur Bildungstheorie und Didaktik. Weinheim: Beltz.Google Scholar
  27. Klauer, K. J. (1993). Trainingsforschung: Ansätze, Theorien, Ergebnisse. In K. J. Klauer (Hrsg.), Kognitives Training (S. 15–63). Göttingen: Hogrefe.Google Scholar
  28. Kleine, M. (2004). Quantitative Erfassung von mathematischen Leistungsverläufen in der Sekundarstufe I. Hildesheim: Franzbecker.Google Scholar
  29. Klieme, E. (2000). Fachleistungen im voruniversitären Mathematik- und Physikunterricht. Theoretische Grundlagen, Kompetenzstufen und Unterrichtsschwerpunkte. In J. Baumert (Hrsg.), Mathematische und physikalische Kompetenzen am Ende der gymnasialen Oberstufe TIMSS/III: Dritte Internationale Mathematik- und Naturwissenschaftsstudie – Mathematische und Naturwissenschaftliche Bildung am Ende der Schullaufbahn, (Bd. 2, S. 57–128). Opladen: Leske + Budrich.Google Scholar
  30. Klieme, E., Avenarius, H., Blum, W., Döbrich, P., Gruber, H., Prenzel, M., Reiss, K., Riquarts, K., Rost, J., Tenorth, H.-E., & Vollmer, H. J. (2007). Zur Entwicklung nationaler Bildungsstandards. Expertise. Bonn: Bundesministerium für Bildung und Forschung.Google Scholar
  31. Köller, O. (1996). Die Entwicklung der Schulleistungen und psychosozialer Merkmale während der Sekundarstufe. In Planck Institut für Bildungsforschung (Hrsg.), Bildungsverläufe und psychosoziale Entwicklung im Jugendalter (BIJU), 2. Bericht für die Schulen (S. 13–24). Berlin: Max Planck Institut für Bildungsforschung.Google Scholar
  32. Köller, O., & Klieme, E. (2000). Geschlechtsdifferenzen in den mathematisch-naturwissenschaftlichen Leistungen. In J. Baumert, W. Bos & R. H. Lehmann (Hrsg.), Mathematische und physikalische Kompetenzen am Ende der gymnasialen Oberstufe TIMSS/III: Dritte Internationale Mathematik- und Naturwissenschaftsstudie – Mathematische und Naturwissenschaftliche Bildung am Ende der Schullaufbahn, (Bd. 2, S. 373–404). Opladen: Leske + Budrich.Google Scholar
  33. Köller, O., Baumert, J., Cortina, K. S., Trautwein, U., & Watermann, R. (2004). Öffnung von Bildungswegen in der Sekundarstufe II und die Wahrung von Standards: Analysen am Beispiel der Englischleistungen von Oberstufenschülern an integrierten Gesamtschulen, beruflichen und allgemein bildenden Gymnasien. Zeitschrift für Pädagogik, 50, 679–700.Google Scholar
  34. KMK (2003). Bildungsstandards im Fach Mathematik für den Mittleren Schulabschluss (10. Jahrgangsstufe). Beschluss vom 4.12.2003. München: Wolters Kluwer.Google Scholar
  35. KMK (2006). Gesamtstrategie der Kultusministerkonferenz zum Bildungsmonitoring. München: Wolters Kluwer.Google Scholar
  36. Koeppen, K., Hartig, J., Klieme, E., & Leutner, D. (2008). Current issues in competence modelling and assessment. Journal of Psychology, 216(2), 61–73.Google Scholar
  37. Kuger, S., Klieme, E., Lüdtke, O., Schiepe-Tiska, A., Reiss, K. (2017): Mathematikunterricht und Schülerleistung in der Sekundarstufe: Zur Validität von Schülerbefragungen in Schulleistungsstudien. Zeitschrift für Erziehungswissenschaften (Sonderheft 33). Doi: 10.1007/s11618-017-0750-6.Google Scholar
  38. Kunter, M., Dubberke, T., Baumert, J., Blum, W., Brunner, M., Jordan, A., Klusmann, U., Krauss, S., Löwen, K., Neubrand, M., & Yi-Miau, T. (2006). Mathematikunterricht in den PISA-Klassen 2004: Rahmenbedingungen, Formen und Lehr-Lernprozesse. In M. Prenzel, J. Baumert, W. Blum, R. Lehmann, D. Leutner, M. Neubrand, R. Pekrun, J. Rost & U. Schiefele (Hrsg.), PISA 2003. Untersuchungen zur Kompetenzentwicklung im Verlauf eines Schuljahres (S. 63–85). Münster: Waxmann.Google Scholar
  39. Lehmann, R., Peek, R., Gänsfuß, R., & Husfeldt, V. (2000). LAU 9. Aspekte der Lernausgangslage und der Lernentwicklung. Klassenstufe 9. Ergebnisse einer längsschnittlichen Untersuchung in Hamburg. Hamburg: Freie und Hansestadt Hamburg Behörde für Bildung und Sport.Google Scholar
  40. Mayer, R. E., & Hegarty, M. (1996). The process of understanding mathematical problems. In R. J. Sternberg & T. Ben-Zeev (Hrsg.), The nature of mathematical thinking (S. 29–53). Mahwah: Erlbaum Associates.Google Scholar
  41. Mislevy, D. R. J. (1984). Estimating latent distributions. Psychometrika, 49(3), 359–381.CrossRefGoogle Scholar
  42. Mislevy, R. J. (1988). Exploiting auxiliary information about items in the estimation of Rasch item difficulty parameters. Applied Psychological Measurement, 12, 281–296.CrossRefGoogle Scholar
  43. Mislevy, R. (1991). Randomization-based inference about latent variables from complex samples. Psychometrika, 56(2), 177–196.CrossRefGoogle Scholar
  44. Mislevy, R. J., & Sheehan, K. M. (1989). The role of collateral information about examinees in item parameter estimation. Psychometrika, 54(4), 661–679.CrossRefGoogle Scholar
  45. Mislevy, R. J., Beaton, A. E., Kaplan, B., & Sheehan, K. M. (2005). Estimating population characteristics from sparse matrix samples of item responses. Journal of Educational Measurement, 29(2), 133–161.CrossRefGoogle Scholar
  46. Nagy, G., Lüdtke, O., Heine, J.-H., Köller, O. (2017a). IRT-Skalierung der PISA-Tests im PISA-Längsschnitt 2012/2013: Auswirkungen von Testkontexteffekten auf die Zuwachsschätzung. Zeitschrift für Erziehungswissenschaften (Sonderheft 33). Doi: 10.1007/s11618-017-0749-z.Google Scholar
  47. Nagy, G., Haag, N., Lüdtke, O., & Köller, O. (2017b). Längsschnittskalierung der Tests zur Überprüfung des Erreichens der Bildungsstandards der Sekundarstufe I im PISA-Längsschnitt 2012/2013. Zeitschrift für Erziehungswissenschaften (Sonderheft 33). Doi: 10.1007/s11618-017-0755-1.Google Scholar
  48. Neubrand, M., Neubrand, J., & Sibberns, H. (1998). Die TIMSS-Aufgaben aus mathematikdidaktischer Sicht: Stärken und Defizite deutscher Schülerinnen und Schüler. In M. Neubrand & W. Blum (Hrsg.), TIMSS und der Mathematikunterricht. Informationen, Analysen, Konsequenzen (S. 17–27). Hannover: Schroedel.Google Scholar
  49. Neubrand, M., Biehler, R., Blum, W., Cohors-Fresenborg, E., Flade, L., Knoche, N., Lind, D., Löding, W., Möller, G., & Wynands, A. (2001). Grundlagen der Ergänzung des internationalen PISA-Mathematik-Tests in der deutschen Zusatzerhebung. Zentralblatt für Didaktik der Mathematik, 33(2), 45–59.CrossRefGoogle Scholar
  50. Neubrand, M., Biehler, R., Blum, W., Cohors-Fresenborg, E., Flade, L., Knoche, N., Lind, D., Löding, W., Möller, G., Wynands, A., & Neubrand, J. (2004). Der Prozess der Itementwicklung bei der nationalen Ergänzungsuntersuchung von PISA 2000: Vom theoretischen Rahmen zu den konkreten Aufgaben. In M. Neubrand (Hrsg.), Mathematische Kompetenzen von Schülerinnen und Schülern in Deutschland: Vertiefende Analysen im Rahmen von PISA 2000 (S. 31–49). Wiesbaden: VS.CrossRefGoogle Scholar
  51. OECD (2003). The PISA 2003 assessment framework – mathematics, reading, science and problem solving knowledge and skills. Paris: OECD.Google Scholar
  52. OECD (2013a). PISA 2012 assessment and analytical framework: mathematics, reading, science, problem solving and financial literacy. Paris: OECD.CrossRefGoogle Scholar
  53. OECD (2013b). PISA 2012 released mathematics items. http://www.oecd.org/pisa/pisaproducts/pisa2012-2006-rel-items-maths-ENG.pdf. Zugegriffen: 23. Febr 2016.Google Scholar
  54. OECD (2016). Low-performing students. Why they fall behind and how to help them succeed. Paris: OECD.Google Scholar
  55. Pant, H. A., Stanat, P., Pöhlmann, C., & Böhmke, H. (2013a). Die Bildungsstandards im allgemeinbildenden Schulsystem. In H. A. Pant, P. Stanat, U. Schroeders, A. Roppelt, T. Siegle & C. Pöhlmann (Hrsg.), IQB Ländervergleich 2012. Mathematische und Naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I (S. 13–21). Münster: Waxmann.Google Scholar
  56. Pant, H. A., Stanat, P., Pöhlmann, C., Hecht, M., Jansen, M., Kampa, N., Lenski, A. E., Penk, C., Radmann, S., Roppelt, A., Schroeders, U., Siegle, T., & Ziemke, A. (2013b). Der Blick in die Länder. In H. A. Pant, P. Stanat, U. Schroeders, A. Roppelt, T. Siegle & C. Pöhlmann (Hrsg.), IQB Ländervergleich 2012. Mathematische und Naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I (S. 159–247). Münster: Waxmann.Google Scholar
  57. Pant, H. A., Stanat, P., Schroeders, U., Roppelt, A., Siegle, T., & Pöhlmann, C. (2013c). IQB Ländervergleich 2012. Mathematische und Naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I. Münster: Waxmann.Google Scholar
  58. Pekrun, R., Götz, T., vom Hofe, R., Blum, W., Julien, S., Zirngibl, A., Kleine, M., Wartha, S., & Jordan, A. (2004). Emotionen und Leistung im Fach Mathematik: Ziele und erste Befunde aus dem „Projekt zur Analyse der Leitungsentwicklung in Mathematik“ (PALMA). In J. Doll & M. Prenzel (Hrsg.), Bildungsqualität von Schule. Lehrerprofessionalisierung, Unterrichtsentwicklung und Schülerförderung als Strategien der Qualitätsverbesserung (S. 345–363). Münster: Waxmann.Google Scholar
  59. Pekrun, R., vom Hofe, R., Blum, W., Götz, T., Wartha, S., Frenzel, A., & Jullien, S. (2006). Projekt zur Analyse der Leistungsentwicklung in Mathematik (PALMA): Entwicklungsverläufe, Schülervoraussetzungen und Kontextbedingungen von Mathematikleistungen bei Schülerinnen und Schülern der Sekundarstufe I. In M. Prenzel & L. Allolio-Näcke (Hrsg.), Untersuchungen zur Bildungsqualität von Schule: Abschlussbericht des DFG-Schwerpunktprogramms (S. 21–53). Münster: Waxmann.Google Scholar
  60. Pöhlmann, C., Haag, N., & Stanat, P. (2013). Zuwanderungsbezogene Disparitäten. In H. A. Pant, P. Stanat, U. Schroeders, A. Roppelt, T. Siegle & C. Pöhlmann (Hrsg.), IQB Ländervergleich 2012. Mathematische und Naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I (S. 297–329). Münster: Waxmann.Google Scholar
  61. Prenzel, M. (2006). Untersuchungen zur Kompetenzentwicklung im Verlauf eines Schuljahres: Die Ergebnisse von PISA-I-Plus im Überblick. In M. Prenzel, J. Baumert, W. Blum, R. Lehmann, D. Leutner, M. Neubrand, R. Pekrun, J. Rost & U. Schiefele (Hrsg.), PISA 2003. Untersuchungen zur Kompetenzentwicklung im Verlauf eines Schuljahres (S. 15–28). Münster: Waxmann.Google Scholar
  62. Prenzel, M., Carstensen, C. H., Schöps, K., Maurischat, C. (2006a). Die Anlage des Längsschnitts bei PISA 2003. In M. Prenzel, J. Baumert, W. Blum, R. Lehmann, D. Leutner, M. Neubrand, R. Pekrun, J. Rost & U. Schiefele (Hrsg.), PISA 2003: Untersuchungen zur Kompetenzentwicklung im Verlauf eines Schuljahres. Münster: Waxmann.Google Scholar
  63. Prenzel, M., Baumert, J., Blum, W., Lehmann, R., Leutner, D., Neubrand, M., Pekrun, R., Rost, J., & Schiefele, U. (Hrsg.). (2006b). PISA 2003: Untersuchungen zur Kompetenzentwicklung im Verlauf eines Schuljahres. Münster: Waxmann.Google Scholar
  64. Prenzel, M., Sälzer, C., Klieme, E., & Köller, O. (Hrsg.). (2013). PISA 2012: Fortschritte und Herausforderungen in Deutschland. Münster: Waxmann.Google Scholar
  65. R Development Core Team (2016). R: a language and environment for statistical computing. http://www.R-project.org/. Zugegriffen: 23. Mai 2016.Google Scholar
  66. Reiss, K., & Hammer, C. (2010). Grundlagen der Mathematikdidaktik. Basel: Birkhäuser.Google Scholar
  67. Robitzsch, A., BIFIE, & Oberwimmer, K. (2016). BIFIEsurvey: tools for survey statistics in educational assessment (R package version 1.8-0). http://CRAN.R-project.org/package=BIFIEsurvey. Zugegriffen: 23. Mai 2016.Google Scholar
  68. Roppelt, A., Blum, W., & Pöhlmann, C. (2013a). Die im Ländervergleich 2012 untersuchten mathematischen und naturwissenschaftlichen Kompetenzen. Beschreibung der untersuchten mathematischen Kompetenzen. In H. A. Pant, P. Stanat, U. Schroeders, A. Roppelt, T. Siegle & C. Pöhlmann (Hrsg.), IQB Ländervergleich 2012. Mathematische und Naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I (S. 23–37). Münster: Waxmann.Google Scholar
  69. Roppelt, A., Penk, C., Pöhlmann, C., & Pietsch, E. (2013b). Ländervergleich der in Mathematik und den Naturwissenschaften erzielten Kompetenzstände. Der Ländervergleich im Fach Mathematik. In H. A. Pant, P. Stanat, U. Schroeders, A. Roppelt, T. Siegle & C. Pöhlmann (Hrsg.), IQB Ländervergleich 2012. Mathematische und Naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I (S. 123–140). Münster: Waxmann.Google Scholar
  70. Sälzer, C., & Prenzel, M. (2013). PISA 2012 – eine Einführung in die aktuelle Studie. In M. Prenzel, C. Sälzer, E. Klieme & O. Köller (Hrsg.), PISA 2012. Fortschritte und Herausforderungen in Deutschland (S. 11–45). Münster: Waxmann.Google Scholar
  71. Sälzer, C., Reiss, K., Schiepe-Tiska, A., Prenzel, M., & Heinze, A. (2013). Zwischen Grundlagenwissen und Anwendungsbezug: Mathematische Kompetenz im internationalen Vergleich. In M. Prenzel, C. Sälzer, E. Klieme & O. Köller (Hrsg.), PISA 2012. Fortschritte und Herausforderungen in Deutschland (S. 47–97). Münster: Waxmann.Google Scholar
  72. Schiepe-Tiska, A., Reiss, K., Obersteiner, A., Heine, J.-H., Seidel, T., & Prenzel, M. (2013). Mathematikunterricht in Deutschland: Befunde aus PISA 2012. In M. Prenzel, C. Sälzer, E. Klieme & O. Köller (Hrsg.), PISA 2012. Fortschritte und Herausforderungen in Deutschland (S. 123–154). Münster: Waxmann.Google Scholar
  73. Schroeders, U., Penk, C., Jansen, M., & Pant, H. A. (2013). Geschlechtsbezogende Disparitäten. In H. A. Pant, P. Stanat, U. Schroeders, A. Roppelt, T. Siegle & C. Pöhlmann (Hrsg.), IQB Ländervergleich 2012. Mathematische und Naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I (S. 249–274). Münster: Waxmann.Google Scholar
  74. Sedelmeier, P. (1996). Jenseits des Signifikanztest-Rituals: Ergänzungen und Alternativen. Methods of Psychological Research Online, 1(4), 41–63.Google Scholar
  75. Siegle, T., Schroeders, U., & Roppelt, A. (2013). Anlage und Durchführung des Ländervergleichs. In H. A. Pant, P. Stanat, U. Schroeders, A. Roppelt, T. Siegle & C. Pöhlmann (Hrsg.), IQB Ländervergleich 2012. Mathematische und Naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I (S. 101–121). Münster: Waxmann.Google Scholar
  76. Weirich, S., Haag, N., Hecht, M., Böhme, K., Siegle, T., & Lüdtke, O. (2014). Nested multiple imputation in large-scale assessments. Large-Scale Assessments in Education, 2(1), 1–18.CrossRefGoogle Scholar
  77. Winter, H. (1996). Mitteilungen der Gesellschaft für Didaktik der Mathematik. Mathematikunterricht und Allgemeinbildung, 61, 37–46.Google Scholar
  78. Wu, M. (2005). The role of plausible values in large-scale surveys. Studies in Educational Evaluation, 31(2–3), 114–128.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2017

Authors and Affiliations

  • Matthias C. Lehner
    • 1
    Email author
  • Jörg-Henrik Heine
    • 2
  • Christine Sälzer
    • 2
  • Kristina Reiss
    • 1
    • 2
  • Nicole Haag
    • 3
  • Aiso Heinze
    • 4
  1. 1.Heinz Nixdorf-Stiftungslehrstuhl für Didaktik der MathematikTUM School of EducationMünchenDeutschland
  2. 2.Zentrum für Internationale BildungsvergleichsstudienTUM School of EducationMünchenDeutschland
  3. 3.Institut für Qualitätsentwicklung im BildungswesenBerlinDeutschland
  4. 4.Leibniz-Institut für die Pädagogik der Naturwissenschaften und MathematikKielDeutschland

Personalised recommendations