Advertisement

Eine alternative Modellierung von Geschlechtsunterschieden in Mathematik

  • Martin BrunnerEmail author
  • Stefan Krauss
  • Laura Martignon
Originalarbeit

Zusammenfassung

Geschlechtsunterschiede in Mathematik können mittels alternativer Messmodelle analysiert werden. Im Standardmodell der empirischen Bildungsforschung wird angenommen, dass die Leistung bei Mathematikaufgaben nur von einer mathematischen Kompetenz und nicht von der Intelligenz der Schülerinnen und Schüler funktional abhängig ist. Das Nested-Faktormodell hingegen basiert auf zentralen theoretischen Annahmen der Intelligenzforschung und geht davon aus, dass die Leistung bei Mathematikaufgaben auch von Intelligenz abhängt. Üblicherweise ergeben sich bei Verwendung des Standardmodells geringe Geschlechtsunterschiede zu Gunsten der Jungen. Im vorliegenden Artikel zeigen wir auf Grundlage der Daten von Jugendlichen in der 9. Klasse (N=29.171), die an der deutschen PISA-2000 Studie teilnahmen, dass mit einer Modellierung mathematischer Kompetenz mittels des Nested-Faktormodells deutlich größere Geschlechtsunterschiede zu Gunsten der Jungen resultieren. Wir diskutieren diese Befunde hinsichtlich einer Neubewertung von Geschlechtsunterschieden in Mathematik.

Schlüsselwörter

Geschlechtsunterschiede Mathematik PISA Konfirmatorische Faktorenanalyse 

Alternative Measurement Models to Assess Gender Differences in Mathematics

Abstract

Gender differences in mathematics can be assessed by means of different, alternative measurement models. In the Standard Model of empirical education research it is usually assumed that performance in solving mathematical tasks depends only upon a mathematical competency. By contrast the Nested-Factor Model, based on theoretical tenets of intelligence research, assumes that performance in solving mathematical tasks is also dependent upon mere intelligence. Usually the gender differences assessed when using the Standard Model are small and favor the boys. In this paper we analyze the German data of ninth graders (N=29.171), who participated in the PISA-2000 Study, by modeling mathematical competency based on the Nested-Factor Model; this analysis results in much larger gender differences in favor of boys. We discuss these findings in the light of a new evaluation of gender differences in mathematics.

Mathematics Subject Classification (2000)

97C20 97C40 97C99 

Literatur

  1. Ackerman, P. L. (1996). A theory of adult intellectual development: Process, personality, interests, and knowledge. Intelligence, 22, 227–257. CrossRefGoogle Scholar
  2. Adams, R., & Wu, M. (2002). PISA 2000 technical report. Paris: OECD. Google Scholar
  3. Baumert, J., Artelt, C., Carstensen, C. H., Sibberns, H., & Stanat, P. (2002). Untersuchungsgegenstand, Fragestellungen und technische Grundlagen der Studie. In J. Baumert, C. Artelt, E. Klieme, M. Neubrand, M. Prenzel, U. Schiefele, W. Schneider, K.-J. Tillmann, & M. Weiß(Hrsg.), PISA 2000: Die Länder der Bundesrepublik im Vergleich (S. 11–38). Opladen: Leske + Budrich. Google Scholar
  4. Beaton, A. E., Martin, M. O., Mullis, I. V. S., Gonzales, E. J., Smith, T. A., & Kelly, D. L. (1996). Mathematics achievement in the middle school years. Chestnut Hill: TIMSS International Study Center, Boston College. Google Scholar
  5. Beller, M., & Gafni, N. (Hrsg.) (1996). The 1991 International assessment of educational progress in mathematics and sciences: The gender differences perspective. Journal of Educational Psychology, 88, 365–377. CrossRefGoogle Scholar
  6. Blum, W., Drüke-Noe, C., Hartung, R., & Köller, O. (Hrsg.) (2006). Bildungsstandards Mathematik: konkret Sekundarstufe I. Aufgabenbeispiele, Unterrichtsanregungen, Fortbildungsideen. Berlin: Cornelsen-Scriptor-Verlag. Google Scholar
  7. Bollen, K. A., & Lennox, R. (1991). Conventional wisdom on measurement: A structural equation perspective. Psychological Bulletin, 110, 305–314. CrossRefGoogle Scholar
  8. Browne, M. W., & Cudeck, R. (1993). Alternative ways of assessing model fit. In K. A. Bollen & J. S. Long (Hrsg.), Testing structural equation models (S. 136–162). Newbury Park: Sage. Google Scholar
  9. Brunner, M. (2005). Mathematische Schülerleistung: Struktur, Schulformunterschiede und Validität. Dissertation, Humboldt-Universität zu Berlin. http://edoc.huberlin.de/dissertationen/brunner-martin-2006-02-08/PDF/brunner.pdf. Gesehen 7. Juni 2006.
  10. Brunner, M. (2008). No g in education? Learning and Individual Differences, 18, 152–165. CrossRefGoogle Scholar
  11. Brunner, M., & Krauss, S. (2010). Modellierung kognitiver Kompetenzen von Schülern und Lehrkräften mit dem Nested-Faktormodell. In W. Bos, E. Klieme, & O. Köller (Hrsg.), Schulische Lerngelegenheiten und Kompetenzentwicklung. Festschrift für Jürgen Baumert (S. 105–126). Münster: Waxmann. Google Scholar
  12. Brunner, M., Krauss, S., & Kunter, M. (2008a). Gender differences in mathematics: Does the story need to be rewritten? Intelligence, 36, 403–421. CrossRefGoogle Scholar
  13. Brunner, M., Lüdtke, O., & Trautwein, U. (2008b). The internal/external frame of reference model revisited: Incorporating general cognitive ability and general academic self-concept. Multivariate Behavioral Research, 43, 137–172. CrossRefGoogle Scholar
  14. Budde, J. (2009). Mathematikunterricht und Geschlecht. Empirische Ergebnisse und pädagogische Ansätze. Berlin: Bundesministerium für Bildung und Forschung (BMBF). Google Scholar
  15. Carroll, J. B. (1993). Human cognitive abilities: A survey of factor-analytic studies. New York: Cambridge University Press. CrossRefGoogle Scholar
  16. Ceci, S. J., Williams, W. M., & Barnett, S. M. (2009). Women’s underrepresentation in science: Sociocultural and biological considerations. Psychological Bulletin, 135, 218–261. CrossRefGoogle Scholar
  17. Cohen, J. (1988). Statistical power analysis for the behavioral sciences. Hillsdale: Lawrence Erlbaum. Google Scholar
  18. Cohen, J. (1992). A power primer. Psychological Bulletin, 112, 155–159. CrossRefGoogle Scholar
  19. Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied multiple regression/correlation analysis for the behavioral sciences (3. Aufl.). Mahwah: Erlbaum. Google Scholar
  20. Eid, M., Lischetzke, T., Nussbeck, F. W., & Trierweiler, L. I. (2003). Separating trait effects from trait-specific method effects in multitrait-multimethod models: A multiple-indicator CT-C(M-1) model. Psychological Methods, 8, 38–60. CrossRefGoogle Scholar
  21. 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
  22. Exekutivagentur Bildung (EACEA P9 Eurydice) (2010). Geschlechterunterschiede bei Bildungsresultaten: Derzeitige Situation und aktuelle Maßnahmen in Europa. Brüssel: EACEA P9 Eurydice. Google Scholar
  23. Gallagher, A. M., De Lisi, R., Holst, P. C., McGillicuddy-De Lisi, A. V., Morely, M., & Cahalan, C. (2000). Gender differences in advanced mathematical problem solving. Journal of Experimental Child Psychology, 75, 165–190. CrossRefGoogle Scholar
  24. Gallagher, A. M., & Kaufman, J. C. (Hrsg.) (2005). Gender differences in mathematics. New York: Cambridge University Press. Google Scholar
  25. Gottfredson, L. S. (1997). Mainstream science on intelligence: An editorial with 52 signatories, history and bibliography. Intelligence, 24, 13–23. CrossRefGoogle Scholar
  26. Guiso, L., Monte, F., Sapienza, P., & Zingales, L. (2008). Culture, gender, and math. Science, 320, 1164–1165. CrossRefGoogle Scholar
  27. Gustafsson, J. E. (1984). A unifying model for the structure of intellectual abilities. Intelligence, 8, 179–203. CrossRefGoogle Scholar
  28. Gustafsson, J. E. (1988). In R. J. Sternberg (Hrsg.), Advances in the psychology of human intelligence: Bd. 4. Hierarchical models of individual differences in cognitive abilities (S. 35–72). Hillsdale: Erlbaum. Google Scholar
  29. Gustafsson, J. E., & Balke, G. (1993). General and specific abilities as predictors of school achievement. Multivariate Behavioral Research, 28, 407–434. CrossRefGoogle Scholar
  30. Gustafsson, J. E., & Undheim, J. O. (1996). Individual differences in cognitive functions. In D. C. Berliner & R. C. Calfee (Hrsg.), Handbook of educational psychology (S. 186–242). New York: Macmillan. Google Scholar
  31. Halpern, D. F., & LaMay, M. L. (2000). The smarter sex: A critical review of sex differences in intelligence. Educational Psychology Review, 12, 229–246. CrossRefGoogle Scholar
  32. Hartig, J., & Höhler, J. (2008). Representation of competencies in multidimensional IRT models with within-item and between-item multidimensionality. Journal of Psychology, 216, 89–101. Google Scholar
  33. Hedges, L. V., & Nowell, A. (1995). Sex differences in mental test scores, variability, and numbers of high-scoring individuals. Science, 269, 41–45. CrossRefGoogle Scholar
  34. Heinze, A., Kessler, S., Kuntze, S., Lindmeier, A., Moormann, M., Reiss, K. et al. (2007). Kann Paul besser argumentieren als Marie? Betrachtungen zur Beweiskompetenz von Mädchen und Jungen aus differentieller Perspektive. Journal für Mathematik-Didaktik, 28(2), 148–167. Google Scholar
  35. Heller, K. A., & Perleth, C. (2000). Kognitiver Fähigkeitstest für 4. bis 12. Klassen, Revision. Manual. Göttingen: Hogrefe. Google Scholar
  36. Hu, L.-T., & Bentler, P. M. (1998). Fit indices in covariance structure modeling: Sensitivity to underparameterized model misspecification. Psychological Methods, 3, 424–453. CrossRefGoogle Scholar
  37. Hunt, E., & Carlson, J. (2007). Considerations relating to the study of group differences in intelligence. Perspectives on Psychological Science, 2, 194–213. CrossRefGoogle Scholar
  38. Hyde, J. S. (2005). The gender similarity hypothesis. The American Psychologist, 60, 581–592. CrossRefGoogle Scholar
  39. Hyde, J. S., Fennema, E., & Lamon, S. J. (1990). Gender differences in mathematics performance: a meta-analysis. Psychological Bulletin, 107, 139–155. CrossRefGoogle Scholar
  40. Hyde, J. S., Lindberg, S. M., Linn, M. C., Ellis, A. B., & Williams, C. C. (2008). Gender similarities characterize math performance. Science, 321, 494–495. CrossRefGoogle Scholar
  41. Jarvis, C. B., MacKenzie,S. B., & Podsakoff, P. M.(2003). A critical review of construct indicators and measurement model misspecification in marketing and consumer research. Journal of Consumer Research, 30, 199–218. CrossRefGoogle Scholar
  42. Jensen, A. R. (1998). The g factor. The science of mental ability. Westport: Praeger. Google Scholar
  43. Jordan, A., Krauss, S., Löwen, K., Blum, W., Neubrand, M., Brunner, M., et al. (2008). Aufgaben im COACTIV-Projekt: Zeugnisse des kognitiven Aktivierungspotentials im deutschen Mathematikunterricht. Journal für Mathematik-Didaktik, 29(2), 83–107. Google Scholar
  44. Jordan, A., Ross, N., Krauss, S., Baumert, J., Blum, W., Neubrand, M., et al. (2006). Klassifikationsschema für Mathematikaufgaben: Dokumentation der Aufgabenkategorisierung im COACTIV-Projekt (Materialien aus der Bildungsforschung Nr. 81). Berlin: Max-Planck-Institut für Bildungsforschung. Google Scholar
  45. Kaiser, G., & Steisel, T. (2000). Results of an analysis of the TIMS study from a gender perspective. Zentralblatt für Didaktik der Mathematik, 32(1), 18–24. CrossRefGoogle Scholar
  46. Kunter, M., Schümer, G., Artelt, C., Baumert, J., Klieme, E., Neubrand, M. et al. (2002). PISA 2000: Dokumentation der Erhebungsinstrumente. Berlin: Max-Planck-Institut für Bildungsforschung. Google Scholar
  47. Leder, G., & Forgasz, H. (2008). Mathematics education: new perspectives on gender. ZDM – The International Journal on Mathematics Education, 40(4), 601–616. CrossRefGoogle Scholar
  48. Lindberg, S. M., Hyde, J. S., Petersen, J. L., & Linn, M. C. (2010). New trends in gender and mathematics performance: A meta-analysis. Psychological Bulletin, 136, 1123–1135. CrossRefGoogle Scholar
  49. Lubinski, D. (2004). Introduction to the special section on cognitive abilities: 100 years after Spearman’s (1904) ‘General intelligence’, objectively determined and measured. Journal of Personality and Social Psychology, 86, 96–111. CrossRefGoogle Scholar
  50. Lynn, R. (1999). Sex differences in intelligence and brain size: A developmental theory. Intelligence, 27, 1–12. CrossRefGoogle Scholar
  51. Lynn, R., & Irwing, P. (2004). Sex differences on the progressive matrices: A meta-analysis. Intelligence, 32, 481–498. CrossRefGoogle Scholar
  52. Martignon, L. (2009). Mädchen und Mathematik. In I. Wyrobnik & A. Matzer (Hrsg.), Handbuch für Mädchenpädagogik (S. 148–158). Weinheim: Beltz Verlag. Google Scholar
  53. Martignon, L., Niederdrenk-Felgner, C., & Vogel, R. (Hrsg.) (2006). Mathematik und Gender. Berichte der Arbeitstagungen 2003–2005 und Beiträge des Arbeitskreises Frauen und Mathematik in der Gesellschaft für Didaktik der Mathematik e.V. Hildesheim: Franzbecker. Google Scholar
  54. Millsap, R. E., & Kwok, O. M. (2004). Evaluating the impact of partial factorial invariance on selection in two populations. Psychological Methods, 9, 93–115. CrossRefGoogle Scholar
  55. Mullis, I. V. S., Martin, M. O., & Foy, P. (2008). TIMSS 2007. International mathematics report. Findings from IEA’s trends in international mathematics and science study at the fourth and eighth grades. Chestnut Hill: TIMSS & PIRLS International Study Center. Google Scholar
  56. Mullis, I. V. S., Martin, M. O., Gonzales, E. J., & Chrostowski, S. J. (2004). TIMSS 2003. International mathematics report. Findings from IEA’s trends in international mathematics and science study at the fourth and eighth grades. Chestnut Hill: TIMSS & PIRLS International Study Center. Google Scholar
  57. Mullis, I. V. S., Martin, M. O., Gonzales, E. J., Gregory, K. D., Garden, R. A., O’Connor, K. M., et al. (2000). TIMSS 1999. International mathematics report. Findings from IEA’s repeat of the third international mathematics and science study at the eighth grade. Chestnut Hill: International Study Center. Google Scholar
  58. Muthén, L. K., & Muthén, B. O. (1998–2010). Mplus user’s guide (6 Aufl.). Los Angeles: Muthén & Muthén. Google Scholar
  59. Neisser, U., Boodoo, G., Bouchard, T. J., Jr., Boykin, A. W., Brody, N., Ceci, S. J., et al. (1996). Intelligence: Knowns and unknowns. The American Psychologist, 51, 77–101. CrossRefGoogle Scholar
  60. Neubrand, M. (2003). „Mathematical literacy“/„Mathematische Grundbildung“. Der Weg in die Leistungstests, die mathematikdidaktische Bedeutung, die Rolle als Interpretationshintergrund für den PISA-Test. Zeitschrift für Erziehungswissenschaft, 6, 338–356. CrossRefGoogle Scholar
  61. Neubrand, M., Biehler, R., Blum, W., Cohors-Fresenborg, E., Flade, L., Knoche, N., et al. (2001). Grundlagen der Ergänzung des internationalen PISA-Mathematik-Tests in der deutschen Zusatzerhebung. Zentralblatt für Didaktik der Mathematik, 33(1), 45–59. CrossRefGoogle Scholar
  62. Organisation for Economic Co-operation and Development (2001). Knowledge and skills for life: first results from the OECD programme for international student assessment (PISA) 2000. Paris: OECD. Google Scholar
  63. Organisation for Economic Co-operation and Development (2004). Learning for tomorrow’s world: first results from PISA 2003. Paris: OECD. Google Scholar
  64. Organisation for Economic Co-operation and Development (2007). Analysis: Bd. 1114. PISA 2006. Science competencies for tomorrow’s world. Paris: OECD. Google Scholar
  65. Organisation for Economic Co-operation and Development (2009). Equally prepared for life? How 15-year-old boys and girls perform in school. Paris: OECD. Google Scholar
  66. Organisation for Economic Co-operation and Development (2010). PISA 2009 results: what students know and can do – student performance in reading, mathematics, and science (Bd. 1). Paris: OECD. Google Scholar
  67. Rosén, M. (1995). Gender differences in structure, means and variances of hierarchically ordered ability dimensions. Learning and Instruction, 5, 37–62. CrossRefGoogle Scholar
  68. Schwank, I., Armbrust, S., & Libertus, M. (2003). Prädikative versus funktionale Denkvorgänge beim Konstruieren von Algorithmen. Zentralblatt für Didaktik der Mathematik, 35(3), 79–85. CrossRefGoogle Scholar
  69. Snow, R. E., & Lohman, D. F. (1989). Implications of cognitive psychology for educational measurement. In R. L. Linn (Hrsg.), Educational measurement (3. Aufl., S. 263–331). New York: American Council on Education and Macmillan Publishing Company. Google Scholar
  70. Spearman, C. (1904). “General intelligence”, objectively determined and measured. The American Journal of Psychology, 15, 201–293. CrossRefGoogle Scholar
  71. Stanat, P., & Kunter, M. (2001). Geschlechterunterschiede in Basiskompetenzen. In J. Baumert, E. Klieme, M. Neubrand, M. Prenzel, U. Schiefele, W. Schneider, P. Stanat, K.-J. Tillmann, & M. Weiß(Hrsg.), PISA 2000. Basiskompetenzen von Schülerinnen und Schülern im internationalen Vergleich (S. 251–270). Opladen: Leske + Budrich. Google Scholar
  72. van der Sluis, S., Dolan, C. V., & Stoel, R. D. (2005). A note on testing perfect correlations in SEM. Structural Equation Modeling, 12, 551–577. CrossRefGoogle Scholar
  73. van der Sluis, S., Posthuma, D., Dolan, C. V., de Geus, E. J. C., Colom, R., & Boomsma, D. I. (2006). Sex differences on the Dutch WAIS-III. Intelligence, 34, 273–289. CrossRefGoogle Scholar
  74. Walther, G., Schwippert, K., Lankes, E.-M., & Stubbe, T. C. (2008). Können Mädchen doch rechnen? Vertiefende Analysen zu Geschlechtsdifferenzen im Bereich Mathematik auf Basis der Internationalen Grundschul-Lese-Untersuchung IGLU. Zeitschrift für Erziehungswissenschaft, 11, 30–46. CrossRefGoogle Scholar
  75. Winkelmann, H., van den Heuvel-Panhuizen, M., & Robitzsch, A. (2008). Gender differences in the mathematics achievements of German primary school students: results from a German large-scale study. ZDM – The International Journal on Mathematics Education, 40, 601–616. CrossRefGoogle Scholar
  76. Yung, Y.-F., Thissen, D., & McLeod, L. D. (1999). On the relationship between the higher-order factor model and the hierarchical factor model. Psychometrika, 64, 113–128. CrossRefGoogle Scholar
  77. Zentralblatt für Didaktik der Mathematik (1994). Analysen zum Thema Frauen und Mathematik [Themenheft] (1994). Zentralblatt für Didaktik der Mathematik, 26(1–2). Google Scholar
  78. Zimmer, K., Burba, D., & Rost, J. (2004). Kompetenzen von Jungen und Mädchen. In M. Prenzel, J. Baumert, W. Blum, R. Lehmann, D. Leutner, M. Neubrand, R. Pekrun, H.-G. Rolff, J. Rost, & U. Schiefele (Hrsg.), PISA 2003. Der Bildungsstand der Jugendlichen in Deutschland – Ergebnisse des zweiten internationalen Vergleichs (S. 211–223). Münster: Waxmann. Google Scholar

Copyright information

© GDM 2011

Authors and Affiliations

  • Martin Brunner
    • 1
    Email author
  • Stefan Krauss
    • 2
  • Laura Martignon
    • 3
  1. 1.EMACS ForschungsgruppeUniversität LuxemburgWalferdangeLuxembourg
  2. 2.Fakultät für Mathematik, Didaktik der MathematikUniversität RegensburgRegensburgDeutschland
  3. 3.Institut für Mathematik und InformatikPädagogische Hochschule LudwigsburgLudwigsburgDeutschland

Personalised recommendations