Zusammenfassung
Das Phänomen des Studienabbruchs stellt sowohl für betroffene Individuen als auch für die Gesellschaft ein Problem dar. Gerade in den MINT-Fächern (Mathematik, Informatik, Naturwissenschaften und Technik) gibt es durchgängig hohe Abbruchquoten, was aufgrund der volkswirtschaftlichen Bedeutung qualifizierter Arbeitskräfte in diesen Bereichen besonders bedenklich ist. Die SAM-Studie (Studienabbruch in der Mathematik) untersucht das Phänomen Studienabbruch in der Mathematik unter Berücksichtigung von zwei möglichen Einflussebenen: Zum einen werden als relativ stabil angenommene persönliche Charakteristika und zum anderen veränderliche motivationale und affektive Zustände in die Studie einbezogen. Insbesondere die zweitgenannte Ebene ist bisher kaum untersucht. Das Design der SAM-Studie als prospektive Längsschnittstudie mit zeitlich hoch aufgelöster wiederholter Datenerfassung ermöglicht dies. Die bei der Datenanalyse eingesetzten Mehrebenenmodelle zeigten, dass beide (inhaltlichen) Datenebenen mit der Abbruchneigung assoziiert sind. Motivationale und affektive Zustände, die sich im Laufe des Semesters verändern können, spielen dabei eine wichtige Rolle im Hinblick auf die ebenfalls veränderliche Abbruchneigung.
Abstract
Dropping out of higher education is a problem both for the individuals concerned as well as for wider society. STEM (science, technology, engineering and mathematics) subjects in particular have high dropout rates in Germany. This is particularly worrying given the great importance for the economy of highly qualified workers in these areas. The SAM study (SAM is the German acronym for university dropout in mathematics) investigates the phenomenon of university dropout in mathematics taking account of factors potentially acting on two levels: One level comprises personal characteristics assumed to be relatively stable traits, the other comprises changeable motivational and affective states. The latter level in particular has not been studied much to date. SAM’s design as a prospective longitudinal study employing high frequency repeated measurements is particularly well-suited to investigating factors acting on this level. The data are analysed using multi-level modelling, with the results showing that both levels—traits and states—are associated with the propensity to drop out of university. Motivational and affective states which can change over the course of the semester play an important part with regard to the—equally changeable—propensity to drop out.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Allen, J., Robbins, S. B., Casillas, A., & Oh, I.-S. (2008). Third-year college retention and transfer: Effects of academic performance, motivation, and social connectedness. Research in Higher Education, 49, 647–664.
Bean, J. P. (2005). Nine themes of college student retention. In A. Seidman (Hrsg.), Student college retention: Formula for student success (S. 215–244). Rowman & Littlefield.
Burrus, J., Elliott, D., Brenneman, M., Markle, R., Carney, L., Moore, G., … & Roberts, R. D. (2013). Putting and keeping students on track: toward a comprehensive model of college persistence and goal attainment. https://onlinelibrary.wiley.com/doi/pdf/https://doi.org/10.1002/j.2333-8504.2013.tb02321.x. Zugegriffen: 5. Juni 2020.
Daniel, A., Neugebauer, M., & Watermann, R. (2019). Studienabbruch und Einstellungschancen auf dem Ausbildungsmarkt. Ein faktorieller Survey mit Arbeitgeber/innen. Zeitschrift für Erziehungswissenschaft, 22, 1147–1174.
Fleischer, J., Leutner, D., Brand, M., Fischer, H. E., Lang, M., Schmiemann, P., & Sumfleth, E. (2019). Vorhersage des Studienabbruchs in naturwissenschaftlich-technischen Studiengängen. Zeitschrift für Erziehungswissenschaft, 22, 1077–1097.
Glaesser, J. (2006). Dropping out of further education: A fresh start? Findings from a German longitudinal study. Journal of Vocational Education and Training, 58(1), 83–97.
Heublein, U. (2014). Student drop-out from German higher education institutions. European Journal of Education, 49(4), 497–513.
Heublein, U., Ebert, J., Hutzsch, C., Isleib, S., König, R., Richter, J., & Woisch, A. (2017). Motive und Ursachen des Studienabbruchs an baden-württembergischen Hochschulen und beruflicher Verbleib der Studienabbrecherinnen und Studienabbrecher (Projektbericht 6|2017). DZHW.
Heublein, U., Richter, J., & Schmelzer, R. (2020). Die Entwicklung der Studienabbruchquoten in Deutschland (DZHW Brief 3|2020). DZHW.
Heublein, U., Schmelzer, R., & Sommer, D. (2005). Studienabbruchquote 2005. Die Studienabbrecherquoten in den Fächergruppen und Studienbereichen der Universitäten und Fachhochschulen. https://www.dzhw.eu/pdf/pub_kia/kia200501.pdf. Zugegriffen: 5. Juni 2020.
Heublein, U., & Wolter, A. (2011). Studienabbruch in Deutschland. Definition, Häufigkeit, Ursachen. Maßnahmen. Zeitschrift Für Pädagogik, 57(2), 214–236.
Holland, J. L. (1997). Making vocational choices: A theory of vocational personalities and work environments (3. Aufl.). Psychological Assessment Resources.
Isphording, I., & Wozny, F. (2018). Ursachen des Studienabbruchs – Eine Analyse des Nationalen Bildungspanels. https://ftp.iza.org/report_pdfs/iza_report_82.pdf. Zugegriffen: 5. Juni 2020.
Kelava, A., & Brandt, H. (2014). A general non-linear multilevel structural equation mixture model. Frontiers in Psychology, 5, article 748, https://doi.org/10.3389/fpsyg.2014.00748.
Leppel, K. (2002). Similarities and differences in the college persistence of men and women. The Review of Higher Education, 25(4), 433–450.
Neugebauer, M., Heublein, U., & Daniel, A. (2019). Studienabbruch in Deutschland: Ausmaß, Ursachen, Folgen, Präventionsmöglichkeiten. Zeitschrift für Erziehungswissenschaft, 22, 1025–1046.
Rach, S., & Heinze, A. (2013). Welche Studierenden sind im ersten Semester erfolgreich? Zur Rolle von Selbsterklärungen beim Mathematiklernen in der Studieneingangsphase. Journal Für Mathematik-Didaktik, 34(1), 121–147. https://doi.org/10.1007/s13138-012-0049-3.
Rach, S., & Heinze, A. (2018). The transition from school to university in mathematics: Which influence do school-related variables have? International Journal of Science and Mathematics Education, 15(7), 1343–1363. https://doi.org/10.1007/s10763-016-9744-8.
Richardson, M., Abraham, C., & Bond, R. (2012). Psychological correlates of university students’ academic performance: A systematic review and meta-analysis. Psychological Bulletin, 138(2), 353–387.
Robbins, S. B., Lauver, K., Le, H., Davis, D., & Langley, R. (2004). Do psychosocial and study skill factors predict college outcomes? A Meta-analysis. Psychological Bulletin, 130(2), 261–288.
Schiefele, U., Streblow, L., & Brinkmann, J. (2007). Aussteigen oder Durchhalten. Was unterscheidet Studienabbrecher von anderen Studierenden? Zeitschrift Für Entwicklungspsychologie Und Pädagogische Psychologie, 39(3), 127–140.
Schneider, K., Berens, J., & Burghoff, J. (2019). Drohende Studienabbrüche durch Frühwarnsysteme erkennen: Welche Informationen sind relevant? Zeitschrift für Erziehungswissenschaft, 22, 1121–1146.
Walpuski, M., Fischer, V., Lang, M., Leutner, D., Manzel, S., & Sumfleth, E. (2021). Chemie, Sozialwissenschaften und Ingenieurwissenschaften: Studienerfolg und Studienabbruch. In M. Neugebauer, H.-D. Daniel, & A. Wolter (Hrsg.), Studienerfolg und Studienabbruch. Springer VS.
Wigfield, A., & Cambria, J. (2010). Students’ achievement values, goal orientations, and interest: Definitions, development, and relations to achievement outcomes. Developmental Review, 30, 1–35. https://doi.org/10.1016/j.dr.2009.12.001.
Projektveröffentlichungen
Kelava, A., Kilian, P., Glaesser, J., Merk., S., & Brandt, H. (eingereicht). Forecasting intra-individual changes of affective states taking into account inter-individual differences and time-dependent information using intensive longitudinal data from a university student drop out study in math. Psychometrika.
Kilian, P. (2018). On CK, PCK and student dropout in the early phase of math (teacher) education at university. Dissertation an der Universität Tübingen. Beziehbar über: https://publikationen.uni-tuebingen.de/xmlui/handle/10900/83026.
Danksagung
Wir danken dem Bundesministerium für Bildung und Forschung für die finanzielle Förderung des Verbundprojektes (FKZ: 01PX16008A; 01PX16008B).
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Glaesser, J., Kilian, P., Kelava, A. (2021). Mögliche Vorläufer von Studienabbruch in der Mathematik: stabile Persönlichkeitsmerkmale und veränderliche affektive Zustände. In: Neugebauer, M., Daniel, HD., Wolter, A. (eds) Studienerfolg und Studienabbruch. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-32892-4_6
Download citation
DOI: https://doi.org/10.1007/978-3-658-32892-4_6
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-32891-7
Online ISBN: 978-3-658-32892-4
eBook Packages: Social Science and Law (German Language)