Einfluss des Migrationshintergrunds bei Studierenden auf den Fachwissenserwerb im wirtschaftswissenschaftlichen Studium – eine vergleichende Längsschnittstudie

The influence of migration background on higher education students’ acquisition of content knowledge in business and economics studies – a comparative longitudinal study

Zusammenfassung

Studieneinsteiger/innen zeichnen sich durch eine zunehmend hohe Heterogenität in Persönlichkeitsmerkmalen aus (z. B. Vorbildung, soziokultureller Hintergrund, intellektuelle Leistungsfähigkeit). Dieses stellt die akademische Ausbildung vor enorme Herausforderungen. Auf Basis eines längsschnittlichen Designs mit drei Messzeitpunkten im Abstand von einem Fachsemester haben wir in unserer Studie den Erwerb des ökonomischen Wissens bei Studierenden der Wirtschaftswissenschaften untersucht. Methodisch erfolgt die Auswertung des längsschnittlichen Datensatzes mit Hilfe einer regressionsbasierten Mehrebenenanalyse. Es wird die Frage fokussiert, inwieweit der Migrationshintergrund eines/r Studierenden den Erwerb des ökonomischen Fachwissens im Studium beeinflusst. Mit Aufgaben aus der deutschen Adaption der vierten Version des amerikanischen Test of Economic Literacy, der zur Erfassung des ökonomischen Fachwissens eingesetzt wird, lässt sich im Verlauf der Studie ein positiver Anstieg im ökonomischen Fachwissen über alle Studierende konstatieren. Dabei werden migrationsspezifische Unterschiede im Ausgangsniveau des ökonomischen Wissens bei den Studierenden zu Beginn des ersten Semesters (t1) identifiziert. In der Studie wird betrachtet, inwieweit diese Unterschiede aus t1 nach dem ersten (t2) und zweiten Semester (t3) im Studienverlauf kompensiert werden. Die Befunde deuten darauf hin, dass das Hochschulstudium die migrationsspezifischen Unterschiede im ökonomischen Wissen nicht kompensieren kann. Daraus lassen sich aus bildungspolitischer Sicht erste Implikationen ableiten, um mit der zunehmenden Heterogenität unter der Studierendenschaft umzugehen.

Abstract

When students begin their studies, they often differ significantly in personal characteristics (e. g., previous education, sociocultural background, intellectual abilities), presenting enormous challenges for higher education. To measure students’ acquisition of economic content knowledge during their studies in business and economics in general, and to determine whether and the extent to which a student’s migration background influences such acquisition in particular, we analyzed data from a longitudinal study in which items from the German adaptation of the fourth version of the American Test of Economic Literacy were administered at three measurement points in intervals of one semester. A multilevel regression analysis was conducted of our data set. Differences in the initial level of students’ economic content knowledge related to migration background were identified at the beginning of the first semester (t1). The economic content knowledge of all students increased over time. The differences in performance at t1 related to migration background did not decrease after the first (t2) and second (t3) semesters. These results indicate that no compensation occurred. Preliminary implications for dealing with heterogeneity among beginning students are discussed.

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

Abb. 1
Abb. 2

Notes

  1. 1.

    Der Einfluss seitens der Lehrveranstaltungen wird in diesem Beitrag lediglich mit „belegt“ oder „nicht belegt“ berücksichtigt (s. Abschn. 4). Die Qualität der Lehrveranstaltung bspw. mit Blick auf den/die Dozent/innen wird in diesem Beitrag ausgeklammert.

  2. 2.

    Aus bildungspolitischer Sicht ist die Frage nach der Kompensation von migrationsspezifischen Unterschieden (HRK 2016) von enormer Relevanz (s. Abschn. 5).

  3. 3.

    Die zur Verfügung stehende Testzeit war derart eingeschränkt, dass sie nicht ausgereicht hat, um die Proband/innen bspw. einen Intelligenz-Test bearbeiten zu lassen.

  4. 4.

    Im Schulbereich konnte gezeigt werden, dass Teile des Zusammenhangs zwischen Migrationshintergrund und Schulleistung der Schüler/innen auch durch die soziale Herkunft und die Bildungsnähe der Eltern moderiert wird (Gniewosz und Gräsel 2015). Aufgrund von rigiden Restriktionen bei der Testzeit der Studie konnten diese weiteren Indikatoren der Studierenden nicht erfasst werden. Damit kann der Frage nicht nachgegangen werden, ob sich diese Effekte auch für die Hochschule replizieren lassen. Der Fokus dieses Artikels liegt in der Fragestellung, ob Studierende mit Migrationshintergrund schlechtere Startbedingungen trotz vergleichbarer oder identischer Schulbildung aufweisen und ob sich die Unterschiede im Laufe des Studiums verändern. Die Erklärung dieser (migrationsspezifischen) Unterschiede und der Zusammenhang zur Bildungsnähe der Eltern werden trotz ihrer sicherlich hochrelevanten Implikationen in diesem Paper nicht intendiert.

  5. 5.

    Wird im Folgenden von der deutschen Version des TEL-4 gesprochen, so wird diese als TEL-4-G bezeichnet.

  6. 6.

    Die Erfahrungen aus anderen Längsschnittstudien zeigen, dass der Einsatz der gesamten Testversion und damit einer deutlich längeren Bearbeitungsdauer mit einer nochmals deutlich geringeren Anzahl an wiedererfassten Proband/innen im Längsschnitt einhergeht (Happ et al. 2016b).

  7. 7.

    Das Nullmodell sagt den Grand-Mean vorher und zerlegt die Gesamtvarianzen auf die beiden Ebenen (Hox 2010, S. 86). Bei dieser Mehrebenenmodellierung spiegelt der Intercept das Niveau im ökonomischen Wissen wider, was durch den Summenscore des TEL-4-G ausgedrückt wird. Der wahre Summenscore eines/r Probanden/in zu einem bestimmten Zeitpunkt wird durch seine personenspezifische Konstante und dessen intraindividuelle Variation (was durch die Residualterme der ersten Ebenen ausgedrückt wird) als Abweichung von dem personenspezifischen Mittelwert bestimmt. Auf der zweiten Ebene wird der personenspezifische Mittelwert bestimmt, indem die Abweichung vom Intercept, also vom Populationsmittelwert, durch die interindividuelle Abweichung von diesem Mittelwert zusammengesetzt wird (Hox 2010; Raudenbush und Bryk 2002; Singer und Willett 2003).

  8. 8.

    Bei diesem Test wird überprüft, ob die Verringerung der Devianz durch die Modellerweiterung statistisch signifikant ist (Raudenbush und Bryk 2002).

  9. 9.

    Bei den Berechnungen wurde eine Zentrierung vorgenommen. Um die Interpretierbarkeit der Parameter zu erleichtern, wurde das 1. Fachsemester als „Nullpunkt“ gesetzt.

  10. 10.

    Der Veranstaltungseffekt kann eher als moderat eingestuft werden. Wie sich in den weiterführenden Modellierungen (Modell 3 und Modell 4) zeigt, sind es vielmehr die personalen Faktoren der Studierenden, die den Stand und den Erwerb des ökonomischen Wissens beeinflussen. Relativierend hinsichtlich der Einschätzung des Veranstaltungseffekts ist jedoch anzufügen, dass die Studierenden im Mittel bereits mehr als 6,5 Fragen des TEL-4-G zu Studienbeginn richtig beantworten konnten, sodass das Wachstumspotential dadurch eingeschränkt ist. Weiterhin ist zu berücksichtigen, dass die Befragung nicht unmittelbar nach der Klausur oder dem Besuch der Veranstaltung stattfand. Es ist nicht auszuschließen, dass bereits erste Vergessenseffekte durch die vorlesungsfreie Zeit wirksam wurden, die durch häufig berichtetes „Bulimielernen“ gefördert werden.

  11. 11.

    Das negative Vorzeichen bei der Note der Hochschulzugangsberechtigung resultiert daraus, dass im deutschen Notensystem numerisch kleinere Werte für eine bessere Note stehen.

  12. 12.

    Unterschiede im ökonomischen Wissen zugunsten der männlichen Probanden im Vergleich zu weiblichen Probandinnen konnten in einer großen Anzahl an Studien aus dem deutsch- (Beck et al. 1998; Brückner et al. 2015) und englischsprachigen Raum (Asarta et al. 2014; Walstad et al. 2013) nachgewiesen werden. In der Literatur gibt es unterschiedliche Erklärungsansätze. So diskutieren Hirschfeld et al. (1995) kognitive Unterschiede zwischen den Geschlechtern, wobei Männer bei der Bearbeitung von Multiple-Choice-Fragen aufgrund einer besseren Problemlösefähigkeit (Hassmén und Hunt 1994) einen Vorteil haben. Die Erklärung von Gendereffekten steht jedoch nicht im Fokus dieses Beitrages und das Geschlecht wurde aufgrund seiner großen Erklärungskraft in der Studie lediglich als Kontrollvariable mit einbezogen.

Literatur

  1. Asarta, C., Butters, R. B., & Thompson, E. (2014). The gender question in economic education: Is it the teacher or the test? Perspectives on Economic Education Research, 9, 1–19.

    Google Scholar 

  2. Bebermeier, S., & Nussbeck, F. W. (2014). Heterogenität der Studienanfänger/innen und Nutzung von Unterstützungsmaßnahmen. Zeitschrift für Hochschulentwicklung, 9, 83–100.

    Article  Google Scholar 

  3. Beck, K., Krumm, V., & Dubs, R. (1998). Wirtschaftskundlicher Bildungs-Test (WBT). Göttingen: Hogrefe.

    Google Scholar 

  4. Berg, S., & Hagedorn, U. (2013). Curriculare Konstruktionsunterschiede zwischen ökonomischer Bildung in der Sekundarstufe II an allgemeinbildenden und beruflichen Gymnasien – eine Lehrplananalyse. In T. Retzmann (Hrsg.), Ökonomische Allgemeinbildung in der Sekundarstufe II. Konzepte, Analysen und empirische Befunde (S. 41–53). Schwalbach/Ts: WOCHENSCHAU Verlag.

    Google Scholar 

  5. Biggs, J. (1999). Teaching for quality learning at university. Buckingham: Society for Research into Higher Education and Open University.

    Google Scholar 

  6. Bridgeman, B., & Lewis, C. (1994). The relationship of essay and multiple-choice scores with grades in college courses. Journal of Educational Measurement, 31, 37–50.

    Article  Google Scholar 

  7. Brückner, S., Förster, M., Zlatkin-Troitschanskaia, O., & Walstad, W. B. (2015b). Effects of prior economic education, native language, and gender on economic knowledge of first-year students in higher education. A comparative study between Germany and the USA. Studies in Higher Education, 40, 437–453.

    Article  Google Scholar 

  8. Bülow-Schramm, M., & Rebenstorf, H. (2012). So gelingt Studieren in Bachelor-Studiengängen: Mit validen Befragungsdaten zu einer erfolgsversprechenden Studiengangsgestaltung. Das Hochschulwesen, 1, 28–33.

    Google Scholar 

  9. Coates, H., & Friedman, T. (2010). Evaluation of the Special Tertiary Admissions Test (STAT). Journal of Higher Education Policy & Management, 32, 117–126.

    Article  Google Scholar 

  10. Emerson, T., & Hazlett, D. (2012). Classroom experiments. In G. M. Hoyt & K. M. McGoldrick (Hrsg.), International handbook on teaching and learning economics (S. 90–98). Cheltenham: Edward Elgar Publishing.

    Google Scholar 

  11. Förster, M., Zlatkin-Troitschanskaia, O., Brückner, S., Happ, R., Hambelton, R. K., Walstad, W. B., Asano, T., & Yamaoka, M. (2015). Validating test score interpretations by cross-national comparison comparing the results of students from Japan and Germany on an American test of economic knowledge in higher education. Zeitschrift für Psychologie, 223(1), 14–23.

    Article  Google Scholar 

  12. Frank, A., & Sickendiek, U. (2016). Geflüchtete auf dem Weg ins Studium begleiten. Forschung & Lehre, 23, 404–406.

    Google Scholar 

  13. Gniewosz, B., & Gräsel, C. (2015). Überblick Soziale Ungleichheit. In H. Reinders, H. Ditton, C. Gräsel & B. Griewosz (Hrsg.), Empirische Bildungsforschung. Gegenstandsbereiche (2. Aufl. S. 163–167). Wiesbaden: Springer Fachmedien.

    Google Scholar 

  14. Happ, R., Förster, F., Zlatkin-Troitschanskaia, O., & Carstensen, V. (2016a). Assessing the previous economic knowledge of beginning students in Germany – implications for teaching economics in basic courses. Citizenship, Social and Economics Education, 15(1), 45–57. doi:10.1177/2047173416646597.

    Article  Google Scholar 

  15. Happ, R., Zlatkin-Troitschanskaia, O., Beck, K., & Förster, M. (2016b). Increasing heterogeneity in students’ prior economic content knowledge – impact on and implications for teaching in higher education. In E. Wuttke, J. Seifried & S. Schumann (Hrsg.), Economic competence of young adults in european countries (S. 193–210). Opladen: Barbara Budrich Publishers.

    Google Scholar 

  16. Hassmén, P., & Hunt, D. P. (1994). Human self-assessment in multiple-choice testing. Journal of Educational Measurement, 31, 149–160.

    Article  Google Scholar 

  17. Helmke, A., & Schrader, F.-W. (2011). Vom Angebots-Nutzungs-Modell zur Unterrichtsentwicklung. In A. Bartz, H.-J. Brandes & S. Engelke (Hrsg.), Praxishilfen für die mittlere Führungsebene in der Schule (S. 3–6). Köln: Link.

    Google Scholar 

  18. Heublein, U., Richter, J., Schmelzer, R., & Sommer, D. (2014). Die Entwicklung der Studienabbruchquoten an den deutschen Hochschulen. Statistische Berechnungen auf der Basis des Absolventenjahrgangs 2012. Hannover: Deutsches Zentrum für Hochschule- und Wissenschaftsforschung (DZHW).

    Google Scholar 

  19. Hirschfeld, M., Moore, R. L., & Brown, E. (1995). Exploring the gender gap on the GRE subject test in economics. Journal of Economic Education, 26, 41–48.

    Article  Google Scholar 

  20. Hochschulrektorenkonferenz (HRK) (2016). Die Studieneingangsphase in den Wirtschaftswissenschaften – Spezifische Herausforderungen und studierendenzentrierte Lösungsansätze. Bonn: Hochschulrektorenkonferenz.

    Google Scholar 

  21. Hox, J. J. (2010). Multilevel analysis. Techniques and applications. New York: Routledge.

    Google Scholar 

  22. Hurrelmann, K. (2009). Ökonomische Bildung an Schulen: Ein innovativer Ansatz zur Förderung auch der benachteiligten SchülerInnen. ZWD-Magazin, 11, 8–12.

    Google Scholar 

  23. Jung, E. (2016). Die arbeits- und berufsbezogene politisch-ökonomische Bildung in der Berufsschule: Ziele, Lernfelder, konzeptionelle Umsetzung. Zeitschrift für Berufs- und Wirtschaftspädagogik, 112, 127–150.

    Google Scholar 

  24. Kao, G., & Tienda, M. (1995). Optimism and achievement: The educational performance of immigrant youth. Social Science Quarterly, 76, 1–19.

    Google Scholar 

  25. Klapproth, F., Schaltz, P., & Glock, S. (2014). Elterliche Bildungsaspiration und Migrationshintergrund als Prädiktoren für Schulformwechsel in der Sekundarstufe I: Ergebnisse einer Längsschnittstudie. Zeitschrift für Erziehungswissenschaft, 17, 323–343.

    Article  Google Scholar 

  26. Kramer, J., Nagy, G., Trautwein, U., Lüdtke, O., Konkmann, K., Maaz, K., & Treptow, R. (2011). Die Klasse an die Universität, die Masse an die anderen Hochschulen? Wie sich Studierende unterschiedlicher Hochschultypen unterscheiden. Zeitschrift für Erziehungswissenschaften, 14, 465–487.

    Article  Google Scholar 

  27. Kristen, C. (2014). Migrationsspezifische Ungleichheiten im deutschen Hochschulsektor. Journal of educational research online, 6, 113–134.

    Google Scholar 

  28. Luke, D. A. (2004). Multilevel modeling. Thousand Oaks London: Sage Publications.

    Google Scholar 

  29. Rabe-Hesketh, S., & Skrondal, A. (2012). Multilevel and longitudinal modeling using stata. College Station, Texas: Stata Press.

    Google Scholar 

  30. Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical linear models. Applications and data analysis methods. Thousand Oaks London: Sage.

    Google Scholar 

  31. Rost, D. (2013). Interpretation und Bewertung pädagogisch-psychologischer Studien. Bad Heilbrunn: Klinkhardt.

    Google Scholar 

  32. Schneider, H., & Franke, B. (2014). Studienberechtigte 2012 ein halbes Jahr vor und ein halbes Jahr nach Schulabschluss (Forum Hochschule, 6/2014). Hannover: DZHW.

    Google Scholar 

  33. Singer, J. D., & Willett, J. B. (2003). Applied longitudinal data analysis. Modeling change and event occurrence. Oxford, New York: Oxford University Press.

    Google Scholar 

  34. Snijders, T. A. B., & Bosker, R. J. (2012). Multilevel analysis. An introduction to basic and advanced multilevel modeling. Los Angeles: Sage.

    Google Scholar 

  35. Srur, N. (2011). Hochschulen als Orte der Integration. Nürnberg: Bundesamt für Migration und Flüchtlinge.

    Google Scholar 

  36. Stanat, P., Rauch, D., & Segeritz, M. (2010). Schülerinnen und Schüler mit Migrationshintergrund. In E. Klieme, C. Artelt, J. Hartig, N. Jude, O. Köller & M. Prenzel (Hrsg.), PISA 2009 – Bilanz nach einem Jahrzehnt (S. 200–230). Münster: Waxmann.

    Google Scholar 

  37. Statistisches Bundesamt (2015). Bevölkerung und Erwerbstätigkeit – Bevölkerung mit Migrationshintergrund – Ergebnisse des Mikrozensus 2014 (Fachserie 1, Reihe 2.2). Wiesbaden: Statistisches Bundesamt.

    Google Scholar 

  38. Völschow, Y., & Bajaa, M. (2012). Studierende mit Migrationshintergrund: Eine Gruppe mit speziellen Unterstützungsbedarfen? Das Hochschulwesen, 60, 58–66.

    Google Scholar 

  39. Walstad, W. B., Watts, M., & Rebeck, K. (2007). Test of understanding in college economics: Examiner’s manual (4. Aufl.). New York: National Council on Economic Education.

    Google Scholar 

  40. Walstad, W. B., Rebeck, K., & Butters, R. B. (2013). Test of economic literacy: Examiner’s manual (4. Aufl.). New York: Council for Economic Education.

    Google Scholar 

  41. Zlatkin-Troitschanskaia, O., Förster, M., Schmidt, S., Brückner, S., & Beck, K. (2015). Erwerb wirtschaftswissenschaftlicher Fachkompetenz im Studium – Eine mehrebenen-analytische Betrachtung von hochschulischen und individuellen Einflussfaktoren. Zeitschrift für Pädagogik, Beiheft 61, 116–135.

    Google Scholar 

  42. Zlatkin-Troitschanskaia, O., Pant, H. A., Kuhn, C., Toepper, M., & Lautenbach, C. (2016). Messung akademisch vermittelter Kompetenzen von Studierenden und Hochschulabsolventen. Ein Überblick zum nationalen und internationalen Forschungsstand. Wiesbaden: Springer.

    Google Scholar 

Download references

Danksagung

Wir danken den anonymen Reviewer/innen für die wertvollen Hinweise.

Author information

Affiliations

Authors

Corresponding author

Correspondence to Dr. R. Happ.

Rights and permissions

Reprints and Permissions

About this article

Verify currency and authenticity via CrossMark

Cite this article

Happ, R., Schmidt, S., Zlatkin-Troitschanskaia, O. et al. Einfluss des Migrationshintergrunds bei Studierenden auf den Fachwissenserwerb im wirtschaftswissenschaftlichen Studium – eine vergleichende Längsschnittstudie. Z f Bildungsforsch 7, 59–77 (2017). https://doi.org/10.1007/s35834-017-0179-2

Download citation

Schlüsselwörter

  • Ökonomisches Fachwissen
  • Test of Economic Literacy
  • Migrationshintergrund
  • Längsschnittanalyse
  • Hochschullehre
  • Heterogenität

Keywords

  • Economic content knowledge
  • Test of Economic Literacy
  • Migration background
  • Longitudinal study
  • Academic teaching
  • Heterogeneity