Advertisement

Determinanten der subjektiv wahrgenommenen Wichtigkeit von Hochschulrankings bei der Studienortwahl?

  • Malte HückstädtEmail author
Chapter

Zusammenfassung

Die Wahl des richtigen Studienorts ist angesichts der teils weitläufigen Wahlmöglichkeiten nicht selten mit dem Gefühl umfassender Unsicherheit verknüpft (Happ et al. 2014). Aus der Perspektive von Andrew Michael Spence (1973) erscheint diese Unsicherheit als ein Resultat von „Informationsasymmetrie“. Dieses Gefühl der Unsicherheit kann durch die Rezeption von „Signalen“ abgemildert werden. So kann etwa eine prominente Hochschulranking-Position als ein gültiger Indikator („Signal“) für eine qualitativ hochwertige Hochschule gewertet werden, die Unsicherheit bezgl. der Studienort Wahl abmindern und schließlich bei der Entscheidungsfindung helfen kann. In Anschluss an Spence verfolgt das Kapitel die Frage, ob und wie Signale je nach Signalempfänger divergierend rezipiert und evaluiert werden. Die Ergebnisse der multiplen Korrespondenzanalyse können dabei durch die der ordinalen Regression in den Grundzügen bestätigt werden: Über das fachliche Interesse von Studieninteressierten hinweg werden Rankings divergent als Entscheidungshilfe berücksichtigt. Des Weiteren zeigt sich, dass Studierende mit einer vergleichsweise schlechten Hochschulzugangsberechtigung weniger intensiven Wert auf Rankingpositionen legen als Studierende mit besseren Hochschulzugangsberechtigungen. Auch die sozioökonomische Positionierung übt, vermittelt über spezifische Favorisierung von Fächern und Hochschultypen, einen deutlichen Effekt auf die Bedeutung von Rankings für die Studienortwahl aus.

Literatur

  1. Acock, A. C. (2014). A Gentle Introduction to Stata. Texas: Stata Press.Google Scholar
  2. Asmussen, J. (2007). Leistungsmotivation, intrinsische Studienmotivation und Berufsorientierung als Determinanten der Studienfachwahl. In: U. Schmidt (Hg.), Übergange im Bildungssystem (S. 93–155).Google Scholar
  3. Backhaus, K. (2015). Fortgeschrittene Multivariate Analysemethoden Eine anwendungsorientierte Einführung.Google Scholar
  4. Becker, R. (2009). Entstehung und Reproduktion dauerhafter Bildungsungleichheiten. In: R. Becker (Hg.), Lehrbuch der Bildungssoziologie (S. 85–129). Wiesbaden: Springer.CrossRefGoogle Scholar
  5. Bednowitz, I. (2000). The impact of the Business Week and US News & World Report rankings on the business schools they rank. Washington, DC: National Bureau of Economic Research. (Senior Honors Thesis), Cornell University, Cornell.Google Scholar
  6. Becker, R. (2017). Bildungssoziologie – Was sie ist, was sie will, was sie kann. In: R. Becker (Hg.), Lehrbuch der Bildungssoziologie (S. 1–32). Wiesbaden: Springer VS.CrossRefGoogle Scholar
  7. Blasius, J. (2001). Korrespondenzanalyse. München: Oldenbourg.CrossRefGoogle Scholar
  8. Blasius, J. (2015). Korrespondenzanalyse, multiple. In: R. Diaz-Bone & C. Weischer (Hg.), Methoden-Lexikon für die Sozialwissenschaften (S. 232–233). Wiesbaden: Springer VS.Google Scholar
  9. Busenitz, L. W.; Fiet, J. O.; Moesel, D. D. (2005). Signaling in Venture Capitalist – New Venture Team Funding Decisions: Does It Indicate Long-Term Venture Outcomes? Entrepreneurship Theory and Practice, 29(1),S. 1–12.Google Scholar
  10. Büttner, T.; Kraus, M.; Rincke, J. (2003). Hochschulranglisten als Qualitätsindikatoren im Wettbewerb der Hochschulen. Vierteljahrshefte zur Wirtschaftsforschung, 72(2),S. 252–270.CrossRefGoogle Scholar
  11. Clarke, M. (2007). The impact of higher education rankings on student access, choice, and opportunity. Higher Education in Europe, 32(1),S. 59–70.CrossRefGoogle Scholar
  12. Eglin-Chappuis, N. (2007). Studienfachwahl und Fächerwechsel: eine Untersuchung des Wahlprozesses im Übergang vom Gymnasium and die Hochschule: CEST, Zentrum für Wissenschafts-und Technologiestudien.Google Scholar
  13. Federkeil, G. (2013). Internationale hochschulrankings – eine kritische bestandsaufnahme. Beiträge zur Hochschulforschung, 35(2),S. 34–48.Google Scholar
  14. Fox, J. (1997). Applied regression analysis, linear models, and related methods/John Fox. Thousand Oaks: Sage.Google Scholar
  15. Gaus, W.; Muche, R. (2017). Medizinische Statistik: Angewandte Biometrie für Ärzte und Gesundheitsberufe: Schattauer Verlag.Google Scholar
  16. Gulati, R.; Higgins, M. C. (2003). Which ties matter when? The contingent effects of interorganizational partnerships on IPO success. Strategic Management Journal, 24(2),S. 127–144.CrossRefGoogle Scholar
  17. Hachmeister, C.-D.; Hennings, M. (2007). Indikator im Blickpunkt: Kriterien der Hochschulwahl und Ranking-Nutzung. v. CHE, Centrum für Hochschulentwicklung, Gütersloh.Google Scholar
  18. Happ, R.; Förster, M.; Zlatkin-Troitschanskaia, O.; Oesterle, M.-J.; Dötsch, S. (2014). Die Signalwirkung von Hochschulrankings – eine empirische Studie unter Studien-anfängerinnen/-anfängern der Wirtschafts-wissenschaften. Zeitschrift für Hochschulentwicklung, 9(2014),S. 5.Google Scholar
  19. Heine, C.; Willich, J.; Schneider, H. (2007). Informationsverhalten und Hochschulwahl von Studienanfängern in West-und Ostdeutschland. Eine Sekundäranalyse der HIS Studienanfängerbefragung des Wintersemesters, 2008.Google Scholar
  20. Horstschräer, J. (2012). University rankings in action? The importance of rankings and an excellence competition for university choice of high-ability students. Economics of Education Review, 31(6),S. 1162–1176.CrossRefGoogle Scholar
  21. HRK. (2015). Statistische Daten zu Studienangeboten an Hochschulen in Deutschland. Studiengänge, Studierende, Absolventen. Wintersemester 2015/2016. Paper presented at the Hochschulrektorenkonferenz, Bonn.Google Scholar
  22. Jacob, M.; Weiss, F. (2010). Soziale Selektivität beim Hochschulzugang – Veränderungen der Zugangssequenzen zur Hochschule im Kohortenvergleich. In: B. Becker & D. Reimer (Hg.), Vom Kindergarten bis zur Hochschule (S. 285–312).Google Scholar
  23. König, P.; Jäckle, P.; Schlipphak, B. (2014). Weiterführende statistische Methoden für Politikwissenschaftler. Politische Vierteljahresschrift, 55(4),S. 777–779.CrossRefGoogle Scholar
  24. Krawietz, M.; Heine, C. (2007). Wahlmotive und Bewertungen des Studienortes bei Studienanfängern im Vergleich der neuen und der alten Länder. HIS: Projektbericht, August.Google Scholar
  25. Kühnel, S. M.; Krebs, D. (2010). Multinomiale und ordinale Regression Handbuch der sozialwissenschaftlichen Datenanalyse (S. 855–886): Springer.Google Scholar
  26. Le Roux, B.; Rouanet, H. (2010). Multiple correspondence analysis (163. Aufl.): Sage.Google Scholar
  27. Long, J. S. (1997). Regression models for categorical and limited dependent variables. Advanced quantitative techniques in the social sciences, 7.Google Scholar
  28. Long, J. S.; Freese, J. (2001). Regression Models for Categorical Dependent Variables Using Stata (College Station, TX: Stata Corporation). Advanced quantitative techniques in the social sciences.Google Scholar
  29. Long, J. S.; Freese, J. (2014). Regression models for nominal and ordinal outcomes.Google Scholar
  30. Maaz, K.; Baethge, M.; Brugger, P.; Füssel, H.-P.; Hetmeier, H.-W.; Rauschenbach, T., … Wolter, A. (2016). Bildung in Deutschland 2016. Ein indikatorengestützter Bericht mit einer Analyse zu Bildung und Migration. Bielefeld.Google Scholar
  31. Mause, K.; Gröteke, F. (2009). Hochschulwettbewerb, Hochschulpolitik und eine Paradoxie. In: A. Itzenplitz, S. Jaenichen, N. Seifferth-Schmidt, & T. Steinrücken (Hg.), Empirische und theoretische Analysen aktueller wirtschafts-und finanzpolitischer Fragestellungen (S. 115–157). Ilmenau: Universitäts Verlag Ilmenau.Google Scholar
  32. O’Connell, A. A. (2006). Logistic regression models for ordinal response variables: Sage.Google Scholar
  33. Perkins, S. J.; Hendry, C. (2005). Ordering top pay: interpreting the signals. Journal of Management Studies, 42(7),S. 1443–1468.CrossRefGoogle Scholar
  34. Ramm, M.; Multrus, F.; Bargel, T.; Schmidt, M. (2014). Studiensituation und studentische Orientierungen: 12. Studierendensurvey an Universitäten und Fachhochschulen (Langfassung).Google Scholar
  35. Reimer, D.; Pollak, R. (2009). Educational expansion and its consequences for vertical and horizontal inequalities in access to higher education in West Germany. European Sociological Review, 26(4),S. 415–430.CrossRefGoogle Scholar
  36. Rohrlack, C. (2007). Logistische und Ordinale Regression. In: S. Albers, D. Klapper, U. Konradt, A. Walter, & J. Wolf (Hg.), Methodik der empirischen Forschung (S. 199–214). Wiesbaden: Gabler.Google Scholar
  37. Schindler, S.; Reimer, D. (2011). Differentiation and social selectivity in German higher education. Higher Education, 61(3),S. 261–275.CrossRefGoogle Scholar
  38. Spence, M. (1973). Job market signaling. The quarterly journal of Economics, 87(3),S. 355–374.CrossRefGoogle Scholar
  39. Spence, M. (1976). Informational aspects of market structure: An introduction. The quarterly journal of Economics,S. 591–597.CrossRefGoogle Scholar
  40. Wooldridge, J. M. (2009). Introductory Econometrics: A modern approach. Canada: South-Western Cengage Learning.Google Scholar
  41. Zahra, S. A.; Filatotchev, I. (2004). Governance of the entrepreneurial threshold firm: a knowledge-based perspective. Journal of Management Studies, 41(5),S. 885–897.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.HannoverDeutschland

Personalised recommendations