Potenziale schulstatistischer Individualdaten für die Bildungsforschung und Bildungspolitik – Das Beispiel Bremen

The potential of student-level data for educational research and education policy—the case of Bremen

Zusammenfassung

Bildungspolitik und Bildungspraxis fordern zunehmend evidenzbasiertes Wissen. Mit dem im Jahr 2003 beschlossenen „Kerndatensatz für schulstatistische Individualdaten“ der Kultusministerkonferenz (KMK) sollten bundesweit Lücken in der Bildungsstatistik geschlossen und evidenzbasierte Bildungspolitik unterstützt werden. Im Stadtstaat Bremen liegen bereits seit dem Schuljahr 1997/1998 Individualdaten der Schulstatistik vor, die für die Bildungsplanung, Bildungsberichterstattung, aber auch für die Bildungsforschung in Deutschland von größtem Wert sind. Nur mit solchen im Längsschnitt vorhandenen Daten können individuelle Bildungsverläufe analysiert und empirische Evidenz für die Steuerung des Bildungssystems generiert werden. Der vorliegende Beitrag zeigt anhand ausgewählter Fragestellungen zum Einschulungsalter, Regularität von Bildungsverläufen und erreichten Schulabschlüssen, welches Potenzial schulstatistische Individualdaten für die Bildungspolitik und die Bildungsforschung haben. So deuten die Ergebnisse darauf hin, dass demografische Informationen und frühe Ereignisse im Bildungsverlauf bereits sehr gute Prädiktoren für Bildungserfolge sind. Mit diesem Wissen können Interventionen wirksamer und zielgerichteter entwickelt und implementiert werden.

Abstract

Education policy and educational practitioners have increased their demand for evidence-based knowledge. In 2003, the Standing Conference of the Ministers of Education and Cultural Affairs (KMK) decided to establish a core dataset for individual-level administrative school statistics, the „Kerndatensatz für schulstatistische Individualdaten“, to close the gaps in education statistics and to support evidence-based policy. In the federal state of Bremen, individual-level student data has been collected since 1997/98. These data are of great value for educational planning and policy, educational reporting, as well as educational research, as the analysis of individual educational trajectories depends on the availability of individual-level longitudinal data. Using the Bremen data, this paper demonstrates that highly relevant issues regarding the education system can indeed be analyzed with individual-level student data. Examples include: the effects of age at school entry, educational trajectories and graduation certificates. The results show that demographic information and critical events during early years of education are good predictors for educational success. These findings highlight the potential for student-level data in establishing education policy.

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

Abb. 1
Abb. 2
Abb. 3
Abb. 4

Notes

  1. 1.

    Die hier betrachteten Schülerinnen und Schüler weisen einen Migrationshintergrund auf, wenn sie mindestens eine nicht-deutsche Staatsangehörigkeit besitzen, nicht in Deutschland geboren wurden oder deren Muttersprache nicht Deutsch ist.

Literatur

  1. Allen, C. S., Chen, Q., Willson, V. L., & Hughes, J. N. (2009). Quality of research design moderates effects of grade retention on achievement: a meta-analytic, multilevel analysis. Educational Evaluation and Policy Analysis, 31(4), 480–499.

    Article  Google Scholar 

  2. Autorengruppe Bildungsberichterstattung (2014). Bildung in Deutschland 2014: ein indikatorengestützter Bericht mit einer Analyse zur Bildung von Menschen mit Behinderung. Bielefeld: Bertelsmann.

    Google Scholar 

  3. Autorenteam Bildungsberichterstattung Bremen und Bremerhaven (2012). Bildungsberichter-stattung für das Land Bremen. Bd. 1: Bildung – Migration – soziale Lage. Bremen: Die Senatorin für Bildung, Wissenschaft und Gesundheit

    Google Scholar 

  4. Bellmann, J. (2016). Datengetrieben und/oder evidenzbasiert? Wirkungsmechanismen bildungspolitischer Steuerungsansätze. In K.-J. Tillmann & J. Baumert (Hrsg.), Empirische Bildungsforschung. Der kritische Blick und die Antwort auf die Kritiker (Zeitschrift für Erziehungswissenschaft: Sonderheft 31, S. 147–161). Wiesbaden: Springer VS.

    Google Scholar 

  5. BMWI (2016) = Wissenschaftlicher Beirat beim Bundesministerium für Wirtschaft und Energie) (2016). Mehr Transparenz in der Bildungspolitik. Berlin: Silber Druck oHG, Niestetal

    Google Scholar 

  6. Böttcher, W., & Kühne, S. (2016). Schulstatistische Individualdaten zur Rekonstruktion von Bildungsverläufen. Perspektiven für die Weiterentwicklung des Sozial- und Bildungsmonitorings in Nordrhein-Westfalen. FGW-Studie Vorbeugende Sozialpolitik 03.

    Google Scholar 

  7. Chetty, R., Friedman, J. N., & Rockoff, J. E. (2014a). Measuring the impacts of teachers I: evaluating bias in teacher value-added estimates. American Economic Review, 104(9), 2593–2632.

    Article  Google Scholar 

  8. Chetty, R., Friedman, J. N., & Rockoff, J. E. (2014b). Measuring the impacts of teachers II: teacher value-added and student outcomes in adulthood. American Economic Review, 104(9), 2633–2679.

    Article  Google Scholar 

  9. Figlio, D., Karbownik, K., & Salvanes, K. G. (2016). Education research and administrative data. In E. A. Hanushek, S. Machin, & L. Wößmann (Hrsg.), Handbook of the economics of education (Bd. 5, S. 75–138). Amsterdam: Elsevier.

    Google Scholar 

  10. Forgó, N., Graupe, S., & Pfeiffenbring, J. (2015). Datenschutzrechtliche Fragen der personenbezogenen Bildungsdokumentation in Deutschland und Österrreich. Die Deutsche Schule, 107(4), 341–351.

    Google Scholar 

  11. Holmes, C. T. (1989). Grade level retention effects: a meta-analysis of research studies. In L. A. Shepard & M. L. Smith (Hrsg.), Flunking grades: research and policies on retention (S. 16–33). New York: The Falmer Press.

    Google Scholar 

  12. Jacob, B. A., & Lefgren, L. (2009). The effect of grade retention on high school completion. American Economic Journal: Applied Economics, 1(3), 33–58.

    Google Scholar 

  13. Jimerson, S. R. (1999). On the failure of failure: examining the association between early grade retention and education and employment outcomes during late adolescence. Journal of School Psychology, 37(3), 243–272.

    Article  Google Scholar 

  14. Jimerson, S. R., Anderson, G. E., & Whipple, A. D. (2002). Winning the battle and losing the war: examining the relation between grade retention and dropping out of high school. Psychology in the Schools, 39(4), 441–457.

    Article  Google Scholar 

  15. Jürges, H., & Schneider, K. (2011). Why young boys stumble: early tracking, age and gender bias in the German school system. German Economic Review, 12, 371–394.

    Article  Google Scholar 

  16. Kemper, T. (2015). Bildungsdisparitäten von Schülern nach Staatsangehörigkeit und Migrationshintergrund. Eine schulformspezifische Analyse anhand von Daten der amtlichen Schulstatistik. Münster: Waxmann.

    Google Scholar 

  17. Kemper, T. (2017). Die schulstatistische Erfassung des Migrationshintergrundes in Deutschland. Journal for Educational Research Online (JERO), 9(1), 144–168.

    Google Scholar 

  18. Klemm, K. (2009). Klassenwiederholungen – teuer und unwirksam. Eine Studie zu den Ausgaben für Klassenwiederholungen in Deutschland. Studie im Auftrag der Bertelsmann Stiftung. Gütersloh: Bertelsmann Stiftung.

    Google Scholar 

  19. KMK = Sekretariat der Ständigen Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland. (2008). Kerndatensatz (KDS) der Länder für schulstatistische Individualdaten. Version 3.0. Unveröffentlichtes Dokument. Berlin.

  20. Köller, O. (2014). Entwicklung und Erträge der jüngeren empirischen Bildungsforschung. In R. Fatke & J. Oelkers (Hrsg.), Das Selbstverständnis der Erziehungswissenschaft: Geschichte und Gegenwart (Zeitschrift für Pädagogik: 60. Beiheft, S. 102–122). Weinheim: Beltz.

    Google Scholar 

  21. Kühne, S. (2010). Datenfriedhof oder Goldgrube? Zum Potenzial schulstatistischer Individualdaten für Abschlussindikatoren. In Bundesministerium für Bildung und Forschung (Hrsg.), Indikatorenentwicklung für den nationalen Bildungsbericht „Bildung in Deutschland” - Grundlagen, Ergebnisse, Perspektiven. Bd. 33: Bildungsforschung. Bonn: BMBF.

    Google Scholar 

  22. Kühne, S. (2015). Möglichkeiten der Schulstatistik zur Rekonstruktion von Bildungsverläufen. Die Deutsche Schule, 107(4), 324–340.

    Google Scholar 

  23. McCoy, A. R., & Reynolds, A. J. (1999). Grade retention and school performance: an extended investigation. Journal of School Psychology, 37(3), 273–298.

    Article  Google Scholar 

  24. Mühlenweg, A., & Puhani, P. (2010). The evolution of the school-entry age effect in a school tracking system. Journal of Human Resources, 45(2), 407–438.

    Article  Google Scholar 

  25. Puhani, P. (2016). Do boys benefit from male teachers in elementary school? Evidence from administrative panel data. Universität Hannover: Mimeo.

    Google Scholar 

  26. Schneeweis, N., & Zweimüller, M. (2014). Early tracking and the misfortune of being young. Scandinavian Journal of Economics, 116(2), 394–428.

    Article  Google Scholar 

  27. Schwerdt, G., West, R., & Winters, M. A. (2015). The effects of test-based retention on student outcomes over time: regression discontinuity evidence from florida. NBER Working Paper Nr. 21509.

    Book  Google Scholar 

  28. KMK (2011) = Sekretariat der Ständigen Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland. (2011). FAQ’s – Frequently Asked Questions zum Kerndatensatz und zur Datengewinnungsstrategie. Berlin: KMK.

    Google Scholar 

  29. Tillmann, K.-J. (2016). Empirische Bildungsforschung in der Kritik – ein Überblick über Themen und Kontroversen (Zeitschrift für Erziehungswissenschaft: Sonderheft 31, S.  5−22). Wiesbaden: Springer VS.

    Google Scholar 

Download references

Danksagung

Diese Studie wurde in Kooperation mit der Senatorin für Kinder und Bildung der Freien Hansestadt Bremen erstellt. Die Autorinnen danken insbesondere Daniel Kneuper und Lutz Jasker für ihre Kooperation, die wertvollen Anregungen und Unterstützung bei der Arbeit mit den Daten.

Author information

Affiliations

Authors

Corresponding author

Correspondence to Prof. Dr. Kerstin Schneider.

Rights and permissions

Reprints and Permissions

About this article

Verify currency and authenticity via CrossMark

Cite this article

Makles, A.M., Schneider, K. & Schwarz, A. Potenziale schulstatistischer Individualdaten für die Bildungsforschung und Bildungspolitik – Das Beispiel Bremen. Z Erziehungswiss 21, 1229–1259 (2018). https://doi.org/10.1007/s11618-018-0831-1

Download citation

Schlüsselwörter

  • Evidenzbasierung
  • Schülerindividualstatistik
  • Kerndatensatz
  • Administrative Daten
  • Bremen

Keywords

  • Administrative data
  • Bremen
  • Core dataset
  • Evidence-based knowledge
  • Individual student data