Skip to main content
SpringerLink
Log in

Längsschnitt in der Schulforschung

  • Chapter
  • First Online:
Handbuch Schulforschung

  • 10k Accesses

Zusammenfassung

Der Beitrag gibt einen konzeptuellen Überblick über längsschnittliche Studiendesigns in der Schulforschung. Es wird skizziert, welche längsschnittlichen Designs sich grundsätzlich unterscheiden lassen, welche Untersuchungsperspektiven und statistischen Ansätze zur Verfügung stehen sowie welche Probleme bei längsschnittlichen Designs grundlegend und spezifisch in der Schulforschung auftreten. Es wird ein Ausblick auf die Bedeutung längsschnittlicher Studien für Beschreiben und Erklären in der Schulforschung gegeben.

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

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 439.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 449.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  • Bainter, S. A., & Howard, A. L. (2016). Comparing within-person effects from multivariate longitudinal models. Developmental Psychology, 52(12), 1955–1968. https://doi.org/10.1037/dev0000215.

    Article  Google Scholar 

  • Baltes, P. B., & Nesselroade, J. R. (1979). History and rationale of longitudinal designs. In J. R. Nesselroade & P. B. Baltes (Hrsg.), Longitudinal research in the study of behavior and development (S. 1–39). New York: Academic.

    Google Scholar 

  • Baumert, J. (2017). Leistungen, Leistungsfähigkeit und Leistungsgrenzen der empirischen Bildungsforschung. In Empirische Bildungsforschung (S. 215–253). Wiesbaden: Springer.

    Chapter  Google Scholar 

  • Baumert, J., Klieme, E., Neubrand, M., Prenzel, M., Schiefele, U., Schneider, W., Weiß, M., et al. (Hrsg.). (2001). PISA 2000: Basiskompetenzen von Schülerinnen und Schülern im internationalen Vergleich. Opladen: Leske + Budrich.

    Google Scholar 

  • Baumert, J., Nagy, G., & Lehmann, R. (2012). Cumulative advantages and the emergence of social and ethnic inequality: Matthew effects in reading and mathematics development within elementary schools? Child Development, 83(4), 1347–1367. https://doi.org/10.1111/j.1467-8624.2012.01779.x.

    Article  Google Scholar 

  • Becker, M. (2009). Kognitive Leistungsentwicklung in differenziellen Lernumwelten: Effekte des gegliederten Sekundarschulsystems in Deutschland [Cognitive achievement development in differential learning environments: Effects of the tracked secondary school system of Germany]. Ph.D., Free University Berlin, Berlin.

    Google Scholar 

  • Becker, M., Baumert, J., Tetzner, J., Maaz, K., & Köller, O. (2019). Childhood intelligence, family background, and gender as drivers of socioeconomic success: The mediating role of education. Developmental Psychology, 55, 2231–2248. https://doi.org/10.1037/dev0000766.

    Article  Google Scholar 

  • Bell, R. Q. (1953). Convergence: An accelerated longitudinal approach. Child Development, 24(2), 145–152. https://doi.org/10.2307/1126345.

    Article  Google Scholar 

  • Berry, D., & Willoughby, M. T. (2017). On the practical interpretability of cross-lagged panel models: Rethinking a developmental workhorse. Child Development, 88(4), 1186–1206. https://doi.org/10.1111/cdev.12660.

    Article  Google Scholar 

  • Bolger, N., & Laurenceau, J.-P. (2013). Intensive longitudinal methods: An introduction to diary and experience sampling research. In Methodology in the social sciences. New York: The Guilford Press.

    Google Scholar 

  • Brandmaier, A. M., von Oertzen, T., Ghisletta, P., Hertzog, C., & Lindenberger, U. (2015). LIFESPAN: A tool for the computer-aided design of longitudinal studies. Frontiers in Psychology, 6, 272. https://doi.org/10.3389/fpsyg.2015.00272.

    Article  Google Scholar 

  • Bronfenbrenner, U. (1990). The ecology of human development. Zeitschrift für Sozialisationsforschung und Erziehungssoziologie, 10, 101–114.

    Google Scholar 

  • Campbell, D. T., & Kenny, D. A. (1999). A primer on regression artifacts. New York: Guilford.

    Google Scholar 

  • Caro, D. H., Cortina, K. S., & Eccles, J. S. (2014). Socioeconomic background, education, and labor force outcomes: Evidence from a regional US sample. British Journal of Sociology of Education, 36(6), 934–957. https://doi.org/10.1080/01425692.2013.868784.

    Article  Google Scholar 

  • Ditton, H., & Krüsken, J. (2006). Der Übergang von der Grundschule in die Sekundarstufe I. Zeitschrift für Erziehungswissenschaft, 9, 348–372. https://doi.org/10.1007/s11618-006-0055-7.

    Article  Google Scholar 

  • Dumont, H., Maaz, K., Neumann, M., & Becker, M. (2014). Soziale Ungleichheiten beim Übergang von der Grundschule in die Sekundarstufe I: Theorie, Forschungsstand, Interventions- und Fördermöglichkeiten. Zeitschrift für Erziehungswissenschaft, 2014(Sonderheft 24), 141–165. (Herkunft und Bildungserfolg von der frühen Kindheit bis ins Erwachsenenalter: Forschungsstand und Interventionsmöglichkeiten aus interdisz.

    Google Scholar 

  • Duncan, T. E., Duncan, S. C., & Stryker, L. A. (2006). An introduction to latent variable growth curve modeling: Concepts, issues, and applications. Mahwah: Lawrence Erlbaum.

    Google Scholar 

  • Ehm, J.-H., Hasselhorn, M., & Schmiedek, F. (2019). Analyzing the developmental relation of academic self-concept and achievement in elementary school children: Alternative models point to different results. Developmental Psychology, 55, 2336–2351. https://doi.org/10.1037/dev0000796.

    Article  Google Scholar 

  • Eid, M., Gollwitzer, M., & Schmitt, M. (2010). Statistik und Forschungsmethoden. Weinheim: Beltz.

    Google Scholar 

  • Elwert, F., & Winship, C. (2014). Endogenous selection bias: The problem of conditioning on a collider variable. Annual Review of Sociology, 40(1), 31–53. https://doi.org/10.1146/annurev-soc-071913-043455.

    Article  Google Scholar 

  • Embretson, S. E., & Reise, S. P. (2000). Item response theory for psychologists. Mahwah: Erlbaum.

    Google Scholar 

  • Field, A. P. (2009). Discovering statistics using IBM SPSS Statistics (3. Aufl.). London/Thousand Oaks: Sage.

    Google Scholar 

  • Flynn, J. R. (1999). Searching for justice: The discovery of IQ gains over time. American Psychologist, 54(1), 5–20. https://doi.org/10.1037/0003-066x.54.1.5.

    Article  Google Scholar 

  • Foster, E. M. (2010). The u-shaped relationship between complexity and usefulness: A commentary. Developmental Psychology, 46(6), 1760–1766. https://doi.org/10.1037/a0020180.

    Article  Google Scholar 

  • Gelman, A., & Hill, J. L. (2007). Data analysis using regression and multilevel/hierarchical models. Cambridge: Cambridge University Press.

    Google Scholar 

  • Götz, T., Bieg, M., Lüdtke, O., Pekrun, R., & Hall, N. C. (2013). Do girls really experience more anxiety in mathematics? Psychological Science, 24(10), 2079–2087. https://doi.org/10.1177/0956797613486989.

    Article  Google Scholar 

  • Grund, S., Lüdtke, O., & Robitzsch, A. (2016). Pooling ANOVA results from multiply imputed datasets. Methodology, 12(3), 75–88. https://doi.org/10.1027/1614-2241/a000111.

    Article  Google Scholar 

  • Hamaker, E. L. (2012). Why researchers should think „within-person“: A paradigmatic rationale. In M. R. Mehl & T. S. Conner (Hrsg.), Handbook of research methods for studying daily life (S. 43–61). New York: Guilford.

    Google Scholar 

  • Hamaker, E. L., Kuiper, R. M., & Grasman, R. P. P. P. (2015). A critique of the cross-lagged panel model. Psychological Methods, 20(1), 102–116. https://doi.org/10.1037/a0038889.

    Article  Google Scholar 

  • Hartig, J., & Goldhammer, F. (2010). Modelle der Item-Response-Theorie. In S. Maschke & L. Stecher (Hrsg.), Methoden der empirischen erziehungswissenschaftlichen Forschung (S. 1–36). Weinheim: Enzyklopädie Erziehungswissenschaft Online (EEO) Juventa.

    Google Scholar 

  • Heckman, J. J. (2005). The scientific model of causality. Sociological Methodology, 35(1), 1–97. https://doi.org/10.1111/j.0081-1750.2006.00164.x.

    Article  Google Scholar 

  • Hernán, M. A., & Robins, J. M. (2020). Causal inference: What if. Boca Raton: Chapman & Hall/CRC.

    Google Scholar 

  • Holland, P. W. (1986). Statistics and causal inference. Journal of the American Statistical Association, 81(396), 945–960. https://doi.org/10.1080/01621459.1986.10478354.

    Article  Google Scholar 

  • Hox, J. J. (2010). Multilevel analysis: Techniques and applications (2. Aufl.). Hove: Routledge.

    Book  Google Scholar 

  • Hyde, J. S. (2014). Gender similarities and differences. Annual Review of Psychology, 65, 373–398. https://doi.org/10.1146/annurev-psych-010213-115057.

    Article  Google Scholar 

  • Kline, R. B. (1998). Principles and practice of structural equation modeling. New York: Guilford.

    Google Scholar 

  • Kolen, M. J., & Brennan, R. L. (2004). Test equating, scaling, and linking: Methods and practices (2. Aufl.). New York: Springer.

    Book  Google Scholar 

  • Little, R. J. A., & Rubin, D. B. (2002). Statistical analysis with missing data (2. Aufl.). New York: Wiley.

    Book  Google Scholar 

  • Lüdtke, O. (2009). Mehrebenenmodellierung in der empirischen Bildungsforschung. In O. Zlatkin-Troitschanskaia, K. Beck, D. Sembill, R. Nickolaus & R. Mulder (Hrsg.), Lehrprofessionalität: Bedingungen, Genese, Wirkungen und ihre Messung (S. 275–293). Weinheim: Beltz.

    Google Scholar 

  • Lüdtke, O., & Robitzsch, A. (2011). Umgang mit fehlenden Daten in der empirischen Bildungsforschung. In S. Maschke & L. Stecher (Hrsg.), Enzyklopädie Erziehungswissenschaft Online: Fachgebiet: Methoden der empirischen erziehungswissenschaftlichen Forschung, Quantitative Forschungsmethoden. Weinheim: Juventa. https://doi.org/10.3262/EEO07100150. http://erzwissonline.de/.

    Chapter  Google Scholar 

  • Luke, D. A. (2004). Multilevel modeling. Thousand Oaks: Sage.

    Book  Google Scholar 

  • Lynn, R., & Mikk, J. (2009). Sex differences in reading achievement. Trames, 13(1), 3–13. https://doi.org/10.3176/tr.2009.1.01.

    Article  Google Scholar 

  • Maier, U. (2010). Vergleichsarbeiten im Spannungsfeld zwischen formativer und summativer Leistungsmessung. DDS – Die Deutsche Schule, 102(1), 60–69.

    Google Scholar 

  • McArdle, J. J. (2008). Latent variable modeling of differences and changes with longitudinal data. Annual Review of Psychology, 60(1), 577–605. https://doi.org/10.1146/annurev.psych.60.110707.163612.

    Article  Google Scholar 

  • McElvany, N., Kortenbruck, M., & Becker, M. (2008). Lesekompetenz und Lesemotivation: Entwicklung und Mediation des Zusammenhangs durch Leseverhalten. Zeitschrift für Pädagogische Psychologie, 22(3–4), 207–219. https://doi.org/10.1024/1010-0652.22.34.207.

    Article  Google Scholar 

  • Mehl, M. R., Conner, T. S., & Csikszentmihalyi, M. (2012). Handbook of research methods for studying daily life. New York: Guilford.

    Google Scholar 

  • Menard, S. (2002). Longitudinal research. Thousand Oaks: Sage.

    Book  Google Scholar 

  • Meredith, W. (1993). Measurement invariance, factor analysis and factorial invariance. Psychometrika, 58(4), 525–543. https://doi.org/10.1007/Bf02294825.

    Article  Google Scholar 

  • Mislevy, R. J., Beaton, A. E., Kaplan, B., & Sheenhan, K. M. (1992). Estimating population characteristics from sparse matrix samples of item responses. Journal of Educational Measurement, 29(2), 133–161. https://doi.org/10.1111/j.1745-3984.1992.tb00371.x.

    Article  Google Scholar 

  • Molenaar, P. C. M. (2004). A manifesto on psychology as idiographic science: Bringing the person back Into scientific psychology, this time forever. Measurement, 2(4), 201–218. https://doi.org/10.1207/s15366359mea0204_1.

    Article  Google Scholar 

  • Morgan, S. L., & Winship, C. (2007). Counterfactuals and causal inference: Methods and principles in social research. Cambridge, UK: Cambridge University Press.

    Book  Google Scholar 

  • Murayama, K., Götz, T., Malmberg, L.-E., Pekrun, R., Tanaka, A., & Martin, A. J. (2017). Within-person analysis in educational psychology: Importance and illustrations. British Journal of Educational Psychology Monograph Series II, 12, 71–87.

    Google Scholar 

  • Muthén, B. O., & Muthén, L. K. (1998–2019). Mplus (Version 8.4) [Computer software]. Los Angeles.

    Google Scholar 

  • Neumann, M., Becker, M., & Maaz, K. (2013). Soziale Ungleichheiten in der Kompetenzentwicklung in der Grundschule und der Sekundarstufe I. In K. Maaz, M. Neumann & J. Baumert (Hrsg.), Herkunft und Bildungserfolg von der frühen Kindheit bis ins Erwachsenenalter (Zeitschrift für Erziehungswissenschaft – Sonderheft, Bd. 24, S. 167–203). Wiesbaden: Springer VS. https://doi.org/10.1007/978-3-658-00454-5_8.

    Chapter  Google Scholar 

  • Neumann, M., Becker, M., Baumert, J., Maaz, K., & Köller, O. (Hrsg.). (2017). Zweigliedrigkeit im deutschen Schulsystem: Potenziale und Herausforderungen in Berlin. Münster: Waxmann.

    Google Scholar 

  • Pfost, M., Hattie, J., Dörfler, T., & Artelt, C. (2014). Individual differences in reading development: A review of 25 years of empirical research on Matthew effects in reading. Review of Educational Research, 84, 203–244. https://doi.org/10.3102/0034654313509492.

    Article  Google Scholar 

  • Preacher, K. J., Wichman, A. L., MacCallum, R. C., & Briggs, N. E. (2008). Latent growth curve modeling. Thousand Oaks: Sage.

    Book  Google Scholar 

  • Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods (2. Aufl.). Thousand Oaks: Sage.

    Google Scholar 

  • Raudenbush, S. W., Bryk, A. S., Cheong, Y. F., & Congdon, R. (2019). HLM 8 for Windows. Skokie: Scientific Software International.

    Google Scholar 

  • Reardon, S. F. (2003). Sources of educational inequality: The growth of racial/ethnic and socioeconomic test score gaps in Kindergarten and first grade. University Park: Population Research Institute – The Pennsylvania State University.

    Google Scholar 

  • Reardon, S. F., & Owens, A. (2014). 60 years after brown: Trends and consequences of school segregation. Annual Review in Sociology, 40, 199–218. https://doi.org/10.1146/annurev-soc-071913-043152.

    Article  Google Scholar 

  • Retelsdorf, J., Köller, O., & Möller, J. (2014). Reading achievement and reading self-concept: Testing the reciprocal effects model. Learning and Instruction, 29, 21–30. https://doi.org/10.1016/j.learninstruc.2013.07.004.

    Article  Google Scholar 

  • Richter, D., Böhme, K., Becker, M., Pant, H. A., & Stanat, P. (2014). Überzeugungen von Lehrkräften zu den Funktionen von Vergleichsarbeiten: Zusammenhänge zu Veränderungen im Unterricht und den Kompetenzen von Schülerinnen und Schülern. Zeitschrift für Pädagogik, 60, 225–244.

    Google Scholar 

  • Rubin, D. B. (1987). Multiple imputation for nonresponse in surveys. New York: Wiley.

    Book  Google Scholar 

  • Schmiedek, F., & Lindenberger, U. (2018). Methodologische Grundlagen. In W. Schneider & U. Lindenberger (Hrsg.), Entwicklungspsychologie (8. Aufl., S. 99–117). Weinheim: Beltz.

    Google Scholar 

  • Schmitz, B., & Wiese, B. S. (2006). New perspectives for the evaluation of training sessions in self-regulated learning: Time-series analyses of diary data. In M. R. Mehl & T. S. Conner (Hrsg.), Handbook of research methods for studying daily life (S. 22–42). New York: Guilford.

    Google Scholar 

  • Schwarz, N. (2012). Why researchers should think „real-time“: A cognitive rationale. In M. R. Mehl & T. S. Conner (Hrsg.), Handbook of research methods for studying daily life (S. 22–42). New York: Guilford.

    Google Scholar 

  • Seidel, T., & Thiel, F. (2017). Standards und Trends der videobasierten Lehr-Lernforschung. Zeitschrift für Erziehungswissenschaft, 20(1), 1–21. https://doi.org/10.1007/s11618-017-0726-6.

    Article  Google Scholar 

  • Shadish, W. R. (2010). Campbell and Rubin: A primer and comparison of their approaches to causal inference in field settings. Psychological Methods, 15(1), 3–17. https://doi.org/10.1037/a0015916.

    Article  Google Scholar 

  • Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Boston: Houghton Mifflin.

    Google Scholar 

  • Siegler, R. S., & Crowley, K. (1991). The microgenetic method: A direct means for studying cognitive development. American Psychologist, 46(6), 606–620. https://doi.org/10.1037/0003-066X.46.6.606.

    Article  Google Scholar 

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

    Book  Google Scholar 

  • Stäbler, F., Dumont, H., Becker, M., & Baumert, J. (2017). What happens to the fish’s achievement in a little pond? A simultaneous analysis of class-average achievement effects on achievement and academic-self-concept. Journal of Educational Psychology, 109(2), 191–207. https://doi.org/10.1037/edu0000135.

    Article  Google Scholar 

  • Stanat, P., Schipolowski, S., Mahler, N., Weirich, S., & Henschel, S. (Hrsg.). (2019). IQB-Bildungstrend 2018: Mathematische und naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I im zweiten Ländervergleich. Münster: Waxman.

    Google Scholar 

  • Usami, S., Murayama, K., & Hamaker, E. L. (2019). A unified framework of longitudinal models to examine reciprocal relations. Psychological Methods, 24(5), 637–657. https://doi.org/10.1037/met0000210.

    Article  Google Scholar 

  • VanderWeele, T. J. (2019). Principles of confounder selection. European Journal of Epidemiology, 34, 211–219. https://doi.org/10.1007/s10654-019-00494-6.

    Article  Google Scholar 

  • Voelkle, M. C., & Hecht, M. (2017). Longitudinal research designs. In Encyclopedia of personality and individual differences. https://doi.org/10.1007/978-3-319-28099-8_1323-1.

  • Voelkle, M. C., Gische, C., Driver, C. C., & Lindenberger, U. (2018). The role of time in the quest for understanding psychological mechanisms. Multivariate Behavioral Research, 53(6), 782–805. https://doi.org/10.1080/00273171.2018.1496813.

    Article  Google Scholar 

  • Walberg, H. J., & Tsai, S. L. (1983). Matthew effects in education. American Educational Research Journal, 20(3), 359–373. https://doi.org/10.3102/00028312020003359.

    Article  Google Scholar 

  • Widaman, K. F., Ferrer, E., & Conger, R. D. (2010). Factorial invariance within longitudinal structural equation models: Measuring the same construct across time. Child Development Perspectives, 4(1), 10–18. https://doi.org/10.1111/j.1750-8606.2009.00110.x.

    Article  Google Scholar 

  • Zou, D., Lloyd, J. E. V., & Baumbusch, J. L. (2019). Using SPSS to analyze complex survey data: A primer. Journal of Modern Applied Statistical Methods, 18(1). https://doi.org/10.22237/jmasm/1556670300.

Download references

Author information

Authors and Affiliations

  1. Institut für Schulentwicklungsforschung, Technische Universität Dortmund, Dortmund, Deutschland

    Michael Becker

  2. Bildung und Entwicklung, DIPF | Leibniz-Institut für Bildungsforschung und Bildungsinformation, Frankfurt am Main, Deutschland

    Florian Schmiedek

Authors
  1. Michael Becker
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Florian Schmiedek
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Michael Becker .

Editor information

Editors and Affiliations

  1. Universität Bern, Bern, Schweiz

    Tina Hascher

  2. Universität Oldenburg, Oldenburg, Deutschland

    Till-Sebastian Idel

  3. Universität Halle-Wittenberg, Halle, Deutschland

    Werner Helsper

Rights and permissions

Reprints and permissions

Copyright information

© 2022 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Becker, M., Schmiedek, F. (2022). Längsschnitt in der Schulforschung. In: Hascher, T., Idel, TS., Helsper, W. (eds) Handbuch Schulforschung. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-24729-4_8

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-24729-4_8

  • Published:

  • Publisher Name: Springer VS, Wiesbaden

  • Print ISBN: 978-3-658-24728-7

  • Online ISBN: 978-3-658-24729-4

  • eBook Packages: Education and Social Work (German Language)

Publish with us

Policies and ethics

Search

Navigation