Skip to main content
Log in

Studienerfolgsprognose bei Erstsemesterstudierenden in Chemie

Predicting Student Success of Freshmen in Chemistry

  • Original Paper
  • Published:
Zeitschrift für Didaktik der Naturwissenschaften Aims and scope Submit manuscript

Zusammenfassung

Im Rahmen einer Studie an 165 Erstsemesterstudierenden verschiedener Studiengänge wird mittels multipler linearer Regressionsanalyse der Studienerfolg im Fach Chemie am Ende des ersten Semesters prognostiziert. Zur Charakterisierung des Studienerfolgs wird die Punktzahl in der Klausur zur Allgemeinen Chemie verwendet. Vorwissen, kognitive Fähigkeiten, Fachinteresse und Studiengang tragen signifikant zur Vorhersage der Klausurpunktzahl bei; für die Variable Wunschfach ist das nicht der Fall. Mit dem Regressionsmodell können aber nur 28,5 % der Varianz erklärt werden. Mittels zusätzlicher Moderationsanalysen können Interaktionen zwischen allen im Regressionsmodell enthaltenen Variablen identifiziert werden. Dabei nimmt das Wunschfach eine wichtige Rolle ein. Ergänzt man die Interaktionsterme im Regressionsmodell, kann eine Steigerung der erklärten Varianz der Klausurpunktzahl auf 38,6 % erreicht werden.

Abstract

In a study on 165 freshmen of different courses of study, student success in chemistry is predicted by multiple linear regression analysis. Student success is defined as the score in the exam in General Chemistry at the end of the first semester. Significant predictors for student success are prior domain-specific knowledge, cognitive abilities, subject interest and course of study whereas the desired subject is not. With the regression model only 28.5 % of variance can be explained. With the help of additional moderation analyses, interactions between all variables can be observed. Thereby, desired subject plays an important role. By adding the interaction terms to the regression model, the explained variance can be increased to 38.6 %.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Abb. 1
Abb. 2
Abb. 3
Abb. 4
Abb. 5

Notes

  1. Das Kriterium Bestanden/Nicht bestanden wurde mittels binärer logistischer Regression ebenfalls untersucht, wobei ähnliche Ergebnisse erhalten wurden wie für die hier berichtete Prognose mittels linearer Regression. Letztere bietet außerdem den Vorteil der wesentlich unkomplizierteren Durchführung der Moderationsanalysen.

Literatur

  • Albrecht, A. (2011). Längsschnittstudie zur Identifikation von Risikofaktoren für einen erfolgreichen Studieneinstieg in das Fach Physik. Berlin: Freie Universität Berlin.

    Google Scholar 

  • Apenburg, E., Grosskopf, R., & Schlattmann, H. (1977). Orientierungsprobleme und Erfolgsbeeinträchtigung bei Studierenden: Teil A: Fragestellung und Durchführung der Untersuchung. Saarbrücken: Universität des Saarlandes.

    Google Scholar 

  • Busker, M., Parchmann, I., & Wickleder, M. (2010). Eingangsvoraussetzungen von Studienanfängern im Fach Chemie: Welches Vorwissen und welche Interessen zeigen Studierende? ChemKon, 77, 163–168.

    Article  Google Scholar 

  • Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied multiple regression/correlation analysis for the behavioral science (3rd ed.). Mahwah: Lawrence Erlbaum.

    Google Scholar 

  • Conard, M. A. (2006). Aptitude is not enough: How personality and behavior predict academic performance. Journal of Research in Personality, 40, 339–346.

    Article  Google Scholar 

  • Credé, M., & Niehorster, S. (2012). Adjustment to college as measured by the student adaptation to college questionnaire: a quantitative review of its structure and relationships with correlates and consequences. Educational Psychology Review, 24, 133–165.

    Article  Google Scholar 

  • Deidesheimer Kreis. (1997). Hochschulzulassung und Studieneignungstests. Göttingen: Vandenhoeck & Ruprecht.

    Google Scholar 

  • Fellenberg, F., & Hannover, B. (2006). Kaum begonnen, schon zerronnen? Psychologische Ursachenfaktoren für die Neigung von Studienanfängern, das Studium anzubrechen oder das Fach zu wechseln. Zeitschrift zu Theorie und Praxis erziehungswissenschaftlicher Forschung, 20, 381–399.

    Google Scholar 

  • Fries, M. (2002). Abitur und Studienerfolg. Welchen „Wert“ hat das Abitur für ein erfolgreiches Studium? Beiträge zur Hochschulforschung, 24, 30–51.

    Google Scholar 

  • Giesen, H., Böhmeke, W., Effler, M., Hummer, A., Jansen, R., Kötter, B., Krämer, H.-J., Rabenstein, E., & Werner, R. R. (1981). Vom Schüler zum Studenten: Bildungslebensläufe im Längsschnitt. München: Ernst Reinhardt Verlag.

    Google Scholar 

  • Giesen, H., Gold, A., Hummer, A., & Jansen, R. (1986). Prognose des Studienerfolgs. Ergebnisse aus Längsschnittuntersuchungen. Frankfurt a. M.: Institut für Pädagogische Psychologie.

    Google Scholar 

  • Gold, A., & Souvignier, E. (2005). Prognose der Studierfähigkeit: Ergebnisse aus Längsschnittanalysen. Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie, 37, 214–222.

    Article  Google Scholar 

  • Heine, C., Briedis, K., Didi, H.-J., Haase, K., & Trost, G. (2006). Auswahl- und Eignungsfeststellungsverfahren beim Hochschulzugang in Deutschland und ausgewählten Ländern. Eine Bestandsaufnahme. Hannover: HIS GmbH.

    Google Scholar 

  • Heublein, U., Schmelzer, R., Sommer, D., & Wank, J. (2008). Die Entwicklung der Schwund- und Studienabbruchquoten an den deutschen Hochschulen. Hannover: HIS GmbH.

    Google Scholar 

  • Heublein, U., Hutzsch, C., Schreiber, J., Sommer, D., & Besuch, G. (2010). Ursachen des Studienabbruchs in Bachelor- und herkömmlichen Studiengängen. Hannover: HIS GmbH.

    Google Scholar 

  • Heublein, U., Richter, J., Schmelzer, R., & Sommer, D. (2012). Die Entwicklung der Schwund- und Studienabbruchquoten an den deutschen Hochschulen. Hannover: HIS GmbH.

    Google Scholar 

  • Kirsch, B., & Vo Thi Anh, T. (1996). Problemerleben und Problembewältigung beim Übergang von der Schule zur Hochschule. In J. Lompscher & H. Mandl (Hrsg.), Lehr- und Lernprobleme im Studium. Bern: Huber.

    Google Scholar 

  • Kramer, K. (1977). Orientierungsprobleme und Erfolgsbeeinträchtigung bei Studierenden: Teil C: Analyse der Studienprobleme von Abbruchgefährdeten, Fachwechslern und Langzeitstudierenden. Saarbrücken: Universität des Saarlandes.

    Google Scholar 

  • Krapp, A. (1997). Interesse und Studium. In H. Gruber & A. Renkl (Hrsg.), Wege zum Können: Determinanten des Kompetenzerwerbs (S. 45–58). Bern: Verlag Hans Huber.

    Google Scholar 

  • Krempkow, R. (2008). Studienerfolg, Studienqualität und Studierfähigkeit: Eine Analyse zu Determinanten des Studienerfolgs in 150 sächsischen Studiengängen. Die Hochschule, 7(1), 91–107.

    Google Scholar 

  • Kuh, G. D., Kinzie, J., Buckley, J., Bridges, B., & Hayek, J. (2007). Piecing together the student success puzzle: Research, propositions, and recommendations. ASHE Higher Education Report, Vol. 32, No. 5. San Francisco: Jossey-Bass.

    Google Scholar 

  • Legg, M. J., Legg, J. C., & Greenbowe, T. J. (2001). Analysis of success in general chemistry based on diagnostic testing using logistic regression. Journal of Chemical Education, 78, 1117–1121.

    Article  Google Scholar 

  • McFate, C., & Olmsted, J. (1999). Assessing student preparation through placement tests. Journal of Chemical Education, 76, 562–565.

    Article  Google Scholar 

  • Moosbrugger, H., & Hartig, J. (2001). Zur Bedeutung von individuellen und institutionellen Studienbedingungen für die vergleichende Evaluation der Lehre. In U. Engel (Hrsg.), Hochschul-Ranking (S. 49–60). Frankfurt a. M: Campus-Verlag.

    Google Scholar 

  • Neumann, M., Nagy, G., Trautwein, U., & Lüdtke, O. (2009). Vergleichbarkeit von Abiturleistungen: Leistungs- und Bewertungsunterschiede zwischen Hamburger und Baden-Württemberger Abiturienten und die Rolle zentraler Abiturprüfungen. Zeitschrift für Erziehungswissenschaft, 12, 691–714.

    Article  Google Scholar 

  • Ohlsen, U. (1985). Eine empirische Untersuchung der Einflußgrößen des Examenserfolgs für Absolventen wirtschaftswissenschaftlicher Studiengänge der Universität Münster. Frankfurt a. M.: Lang.

    Google Scholar 

  • Organisation for Economic Co-operation and Development. (2009). Education at a glance. OECD indicators. http://www.oecd.org/dataoecd/41/25/43636332.pdf. Zugegriffen: 04. Nov. 2011.

  • Pascarella, E. T., & Terenzini, P. T. (2005). How college affects students: a third decade of research, Bd. 2. San Francisco: Jossey-Bass.

    Google Scholar 

  • Powers, S. R. (1921). The achievement of high school and freshmen college students in chemistry. School Science and Mathmatics, 21, 366–377.

    Article  Google Scholar 

  • Rindermann, H., & Oubaid, V. (1999). Auswahl von Studienanfängern durch Universitäten – Kriterien, Verfahren und Prognostizierbarkeit des Studienerfolgs. Zeitschrift für Differentielle und Diagnostische Psychologie, 20, 172–191.

    Article  Google Scholar 

  • Schiefele, U., Krapp, A., & Winteler, A. (1992). Interest as a predictor of academic achievement: A meta-analysis of research. In K. A. Renninger, S. Hidi, & A. Krapp (Hrsg.), The role of interest in learning and development (S. 183–212). Hillsdale: LEA.

    Google Scholar 

  • Schiefele, U., Krapp, A., Wild, K., & Winteler, A. (1993). Der „Fragebogen zum Studieninteresse“ (FSI). Diagnostica, 39, 335–351.

    Google Scholar 

  • Schiefele, U., & Urhahne, D. (2000). Motivationale und volitionale Bedingungen des Studienerfolgs. In U. Schiefele & K.-P. Wild (Hrsg.), Interesse und Lernmotivation: Untersuchungen zu Entwicklung, Förderung und Wirkung (S. 183–205). Münster: Waxmann.

    Google Scholar 

  • Schneider, W., Körkel, J., & Weinert F. E. (1990). Expert knowledge, general abilities, and text processing. In W. Schneider & F. E. Weinert (Hrsg.), Interactions among aptitudes, strategies, and knowledge in cognitive performance (S. 235–251). New York: Springer.

    Chapter  Google Scholar 

  • Simon, W. (2010). Persönlichkeitsmodelle und Persönlichkeitstests. Offenbach: GABAL.

    Google Scholar 

  • Steinkamp, M. W., & Maehr, M. L. (1983). Affect, ability, and science achievement: A quantitative synthesis of correlational research. Review of Educational Research, 53, 369–396.

    Article  Google Scholar 

  • Trapmann, S. (2008). Mehrdimensionale Studienerfolgsprognose: Die Bedeutung kognitiver, temperamentsbedingter und motivationaler Prädiktoren für verschiedene Kriterien des Studienerfolgs. Berlin: Logos-Verlag.

    Google Scholar 

  • Trapmann, S., Hell, B., Weigand, S., & Schuler, H. (2007). Die Validität von Schulnoten zur Vorhersage des Studienerfolgs – eine Metaanalyse. Zeitschrift für Pädagogische Psychologie, 21, 11–27.

    Article  Google Scholar 

  • Trost, G., & Haase, K. (2005). Hochschulzulassung: Auswahlmodelle für die Zukunft. Stuttgart: Landesstiftung Baden-Württemberg.

    Google Scholar 

  • Voss, R. (2007). Studienzufriedenheit: Analyse der Erwartungen von Studierenden. Reihe: Wissenschafts- und Hochschulmanagement, Bd. 9. Lohmar: Eul Verlag.

    Google Scholar 

  • Wilhelm, O., Schroeders, U., & Schipolowski, S. (2009). BEFKI. Berliner Test zur Erfassung fluider und kristalliner Intelligenz [Berlin test of fluid and crystallized intelligence]. Unpublished manuscript.

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Katja Freyer.

Ethics declarations

Der Dank geht zunächst an alle Studierenden, die an der Studie teilgenommen haben, und deren Daten somit eine wertvolle Grundlage für alle getätigten Untersuchungen darstellen. Weiterhin möchten wir den beteiligten Hochschullehrkräften der Universität Duisburg-Essen danken, deren Offenheit und Kooperationsbereitschaft die Durchführung der Studie überhaupt erst ermöglicht haben.

Anhang

Anhang

Ergebnis der Moderationsanalysen

Vorwissen × Schlussfolgerndes Denken

 

β

t

p

ΔR2

Haupteffekte

Vorwissen

.352

4.668

< .001

.133

Schlussf. D.

.157

2.101

.062

.019

Interaktion

Vorwissen × Schlussf. D.

− .155

− 2.120

.036

.023

Vorwissen × Wunschfach

 

β

t

p

ΔR2

Haupteffekte

Vorwissen

.348

4.877

< .001

.133

Wunschfach

− .148

− 2.021

.186

.009

Interaktion

Vorwissen × Wunschfach

− .299

− 3.150

.002

.050

Abiturgesamtnote × Wunschfach

 

β

t

p

ΔR2

Haupteffekte

Abinote

− .319

− 4.359

< .001

.109

Wunschfach

− .108

− 1.471

.103

.015

Interaktion

Abinote × Wunschfach

− .125

− 1.695

.092

.015

Schlussfolgendes Denken × Wunschfach

 

β

t

p

ΔR2

Haupteffekte

Schlussf. D.

.224

3.026

.003

.053

Wunschfach

− .144

− 1.946

.078

.018

Interaktion

Schlussf. D. × Wunschf.

− .225

− 3.042

.003

.050

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Freyer, K., Epple, M., Brand, M. et al. Studienerfolgsprognose bei Erstsemesterstudierenden in Chemie. ZfDN 20, 129–142 (2014). https://doi.org/10.1007/s40573-014-0015-3

Download citation

  • Received:

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s40573-014-0015-3

Schlüsselwörter

Keywords

Navigation