Ergebnisse der Bundestagswahl 2017
Aufgeschlüsselt nach Geschlecht und Altersgruppen
Zur Dokumentation: Die Ergebnisse der Bundestagswahl 2017 aufgeschlüsselt nach Geschlecht und Altersgruppen nach den Angaben des Bundeswahlleiters im Statistischen Bundesamt.
Die Bundestagswahl 2017 ist zwar schon fast vergessen. Damit ich nicht ständig nachschlagen muss, hier eine kurze Zusammenfassung der offiziellen Ergebnisse des Bundeswahlleiters im Statistischen Bundesamt [1].
Tabelle 1: Ergebnisse der Bundestagswahl 2017 nach Alter und Geschlecht.
| CDU | SPD | LINKE | Grüne | CSU | FDP | AFD | Sonst | |
| Gesamt | 26,8 | 20,5 | 9,2 | 8,9 | 6,2 | 10,7 | 12,6 | 5,0 |
| 18-24 | 22,0 | 18,6 | 10,4 | 17,8 | 5,5 | 9,7 | 6,0 | 10,0 |
| 25-34 | 24,2 | 17,7 | 10,4 | 13,3 | 5,8 | 9,3 | 9,6 | 9,6 |
| 35-44 | 27,4 | 16,4 | 8,8 | 12,7 | 6,3 | 10,2 | 11,2 | 7,0 |
| 45-59 | 27,2 | 19,7 | 9,2 | 12,1 | 5,9 | 9,7 | 11,1 | 5,1 |
| 60-69 | 30,5 | 22,6 | 9,9 | 7,6 | 6,6 | 10,0 | 9,9 | 2,9 |
| 70+ | 39,8 | 24,4 | 6,1 | 4,2 | 8,6 | 9,5 | 5,9 | 1,5 |
| Männer | 23,5 | 20,5 | 9,7 | 7,6 | 5,7 | 11,8 | 16,3 | 4,9 |
| 18-24 | 17,9 | 18,2 | 10,5 | 11,4 | 4,7 | 16,7 | 10,0 | 10,7 |
| 25-34 | 18,6 | 16,4 | 11,5 | 8,8 | 4,9 | 13,5 | 16,1 | 10,0 |
| 35-44 | 21,7 | 14,9 | 9,4 | 9,2 | 5,4 | 12,6 | 19,7 | 7,1 |
| 45-59 | 22,4 | 20,0 | 9,3 | 8,8 | 5,3 | 10,9 | 19,2 | 4,0 |
| 60-69 | 23,6 | 24,1 | 11,2 | 6,0 | 5,6 | 10,6 | 16,7 | 2,2 |
| 70+ | 32,2 | 26,2 | 7,7 | 3,3 | 7,5 | 10,7 | 11,3 | 1,1 |
| Frauen | 29,8 | 20,5 | 8,8 | 10,2 | 6,6 | 9,7 | 9,2 | 5,1 |
| 18-24 | 22,0 | 18,6 | 10,4 | 17,8 | 5,5 | 9,7 | 6,0 | 10,0 |
| 25-34 | 24,2 | 17,7 | 10,4 | 13,3 | 5,8 | 9,3 | 9,6 | 9,6 |
| 35-44 | 27,4 | 16,4 | 8,8 | 12,7 | 6,3 | 10,2 | 11,2 | 7,0 |
| 45-59 | 27,2 | 19,7 | 9,2 | 12,1 | 5,9 | 9,7 | 11,1 | 5,1 |
| 60-69 | 30,5 | 22,6 | 9,9 | 7,6 | 6,6 | 10,0 | 9,9 | 2,9 |
| 70+ | 39,8 | 24,4 | 6,1 | 4,2 | 8,6 | 9,5 | 5,9 | 1,5 |
| Deutsche | Ausländer | |||||||
| Alter | Ges | Deu | Mig | %Mig | MoMe | MmMe | MoMe | MmMe |
| <5 | 3642 | 2254 | 1388 | 38,1 | 19 | 1025 | 152 | 191 |
| 5-10 | 3577 | 2247 | 1330 | 37,2 | 30 | 947 | 259 | 94 |
| 10-15 | 3728 | 2458 | 1270 | 34,1 | 42 | 898 | 225 | 105 |
| 15-20 | 4160 | 2901 | 1259 | 30,3 | 80 | 718 | 277 | 185 |
| 20-25 | 4418 | 3185 | 1233 | 27,9 | 170 | 380 | 508 | 175 |
| 25-35 | 10615 | 7630 | 2985 | 28,1 | 859 | 253 | 1623 | 250 |
| 35-45 | 10107 | 7136 | 2971 | 29,4 | 995 | 155 | 1595 | 226 |
| 45-55 | 13373 | 10940 | 2433 | 18,2 | 1000 | 56 | 1284 | 92 |
| 55-65 | 11428 | 9582 | 1846 | 16,2 | 957 | 19 | 849 | 21 |
| 65-75 | 8340 | 7254 | 1086 | 13,0 | 497 | 13 | 560 | 17 |
| 75-85 | 6894 | 6269 | 625 | 9,1 | 382 | 7 | 230 | 7 |
| 85-95 | 2016 | 1872 | 144 | 7,1 | 109 | 30 | ||
| >95 | 126 | 120 | 6 | 4,8 | ||||
| Summe | 82.424 | 63.848 | 18.576 | 22,5 | 5140 | 4471 | 7592 | 1363 |
Laut Mikrozensus hatte Deutschland im Jahr 2016 82,424 Millionen Einwohner. Davon weisen 22,5 Prozent einen Migrationshintergrund auf. Die Migranten verteilen sich jedoch nicht gleichmäßig über die Altersgruppen. Ganz im Gegenteil: Mit einer zwei Ausnahmen nimmt der Anteil der Migranten mit jeder jüngeren Altersgruppe zu. Bei allen Altersgruppen unter 20 Jahren liegt die Migrantenquote über 30 Prozent, im Durchschnitt sind es 34,1 Prozent. Bei den Unter-5-Jährigen sind es 38,1 Prozent.
Die Abbildungen 1 und 2 bieten eine graphische Veranschaulichung der dramatischen Schieflage.
Abbildung 1 zeigt die Aufschlüsselung nach Migrationsstatus und Altersgruppen. Die Altersgruppen 5-10 und 10-15 sowie 15-20 und 20-25 wurden zusammengefasst, so dass mit Ausnahme der Jüngsten (unter 5 Jahren) und der Ältesten (über 95 Jahre) die Kohorten 10 Jahre umfassen.
Abbildung 2 zeigt die Migrantenquote, also den prozentualen Anteil der Migranten innerhalb der Altersgruppen.
Fortsetzung folgt.
Literatur
(1) Statistisches Bundesamt (Hrsg.): Statistisches Jahrbuch. Deutschland und Internationales. 2017.
www.destatis.de/jahrbuch
Quelle: Tabelle 2.3.1 Bevölkerung mit Migrationshintergrund 2016, Ergebnisse des Mikrozensus, Seite 41.
Anmerkungen
[A1] Migrationshintergrund ist wie folgt definiert: Eine Person hat dann einen Migrationshintergrund, wenn sie selbst oder mindestens ein Elternteil nicht mit deutscher Staatsangehörigkeit geboren ist. Zu den Personen mit Migrationshintergrund gehören im Einzelnen alle Ausländerinnen und Ausländer, (Spät-)Aussiedlerinnen und (Spät-)Aussiedler und Eingebürgerten. Ebenso dazu gehören Personen, die zwar mit deutscher Staatsangehörigkeit geboren sind, bei denen aber mindestens ein Elternteil Ausländer/-in, (Spät-)Aussiedler/-in oder eingebürgert ist.
***
Stichwörter:
Bevölkerung, Bevölkerungsstruktur, Statistik, Statistisches Jahrbuch 2017, Migranten, Migrantenquote, Alter, Altersgruppen, Ausländer, Bevölkerungsstatistik, Altersstruktur, Migrationshintergrund, Mikrozensus, Desatis
Intelligenzunterschiede zwischen Schwarzen und Weißen (13)
Intelligenzunterschiede zwischen Schwarzen und Weißen
Teil 13: Wie groß ist die Lücke?
Auf der Grundlage der NAEP-Studien wird die Entwicklung der Lücke zwischen Weißen und Schwarzen von 1990 bis 2017 analysiert. Obgleich die 9- und die 13-jährigen Schwarzen den Abstand in der Lesekompetenz und in Mathematik beträchtlich verringern konnten, ist der Unterschied zwischen Weißen und Schwarzen nach wie vor sehr groß und nichts deutet darauf hin, dass die Lücke in kurzer Zeit geschlossen werden könnte. Die Lesekompetenz-Lücke beträgt etwa 0,75 und die Mathematik-Lücke etwas mehr als 0,9 Standardabweichungseinheiten, das entspricht etwa 11 beziehungsweise 14 IQ-Punkten.
Hier geht es zum Anfang → Intelligenzunterschiede zwischen Schwarzen und Weißen.
Auf der Grundlage der NAEP-Studien [1] haben wir in → Teil 8 die Lesekompetenz-Lücke und im → Teil 12 die Mathematik-Lücke zwischen Weißen und Schwarzen anhand der Effektstärke betrachtet und festgestellt, dass die 9- und die 13-jährigen Schwarzen die Lücke von 1990 bis 2017 beträchtlich verkleinern konnten. In den Abbildungen → 8.1 und → 12.1 drückte sich dies durch stark fallende Regressionsgeraden aus.
Obgleich sich die Lücke in beiden Bereichen beträchtlich verkleinert hat, ist der Unterschied zwischen Weißen und Schwarzen nach wie vor sehr groß. Um dies explizit zu veranschaulichen, ist in den folgenden Abbildungen die Y-Achse jeweils so skaliert, dass der Nullpunkt – also der Punkt, an dem Weiße und Schwarze gleich wären – enthalten ist. Abbildung 13.1 (entspricht Abbildung 8.1) zeigt die Entwicklung der Lesekompetenz-Lücke, Abbildung 13.2 (entspricht Abbildung 12.1) zeigt die Entwicklung der Mathematik-Lücke.
Durch die veränderte Skalierung der Y-Achse erscheinen die Verringerungen der Lücke viel weniger dramatisch [A1]. Der Abstand zum Nullpunkt macht klar, dass der Leistungsunterschied zwischen Weißen und Schwarzen nach wie vor sehr groß ist. Bei der Lesekompetenz sind es etwa 0,75 und in Mathematik etwas mehr als 0,9 Standardabweichungseinheiten, das entspricht rund 11 beziehungsweise 14 IQ-Punkten. Nichts darauf hindeutet, dass die Lücke in kurzer Zeit geschlossen werden könnte. Das gilt ganz besonders für die 17-Jährigen, bei denen keine substanziellen Veränderungen zu registrieren sind.
Fortsetzung folgt.
Literatur
(1) The Nation’s Report Card. NAEP Data Explorer. Online unter https://www.nationsreportcard.gov/ndecore/xplore/NDE
Daten abgerufen im April 2018.
Anmerkungen
[A1] Die Effektstärken und die Parameter der Regressionsgeraden bleiben selbstverständlich unverändert; durch die Umskalierung der Y-Achse wird lediglich der visuelle Bezugsrahmen verändert und durch die Einbeziehung des Nullpunktes wird das tatsächliche Ausmaß der Lücke anschaulich gemacht.
***
Stichwörter:
Intelligenz, USA, Bildung, Bildungsstudien, Schwarze, Weiße, Rasse, Ethnie, NAEP, Alter, Mathematik, Lücke, Efektstärke, Lesekompetenz
Intelligenzunterschiede zwischen Schwarzen und Weißen (12)
Intelligenzunterschiede zwischen Schwarzen und Weißen
Teil 12: Entwicklung der Mathematik-Lücke von 1990 bis 2017
Auf der Grundlage der NAEP-Studien wird die Entwicklung der mathematischen Kompetenz von 9- und 13-jährigen Weißen und Schwarzen von 1990 bis 2017 analysiert. Die 9- und die 13-jährigen Schwarzen konnten den Abstand zu den Weißen beträchtlich verringern, bei den 17-Jährigen zeigen sich keine wesentlichen Veränderungen. 2017 beträgt die Lücke bei den 9-Jährigen 13,1 und bei den 13-Jährigen 13,9 IQ-Punkte. Bei den 17-Jährigen sind es im Jahr 2015 14,5 IQ-Punkte.
Hier geht es zum Anfang → Intelligenzunterschiede zwischen Schwarzen und Weißen.
Auf der Grundlage der NAEP-Studien [1] haben wir in → Teil 9, → Teil 10 und → Teil 11 die Entwicklung der mathematischen Kompetenz von Weißen und Schwarzen von 1990 bis 2017 anhand der Mittelwerte betrachtet und festgestellt, dass sich die Lücke bei den 9- und den 13-Jährigen deutlich verkleinert hat, während bei den 17-Jährigen keinerlei Veränderung zu registrieren ist.
Im Folgenden berücksichtigen wir nicht nur die Mittelwertsdifferenzen, sondern auch die Streuungen, und betrachten die Mathematik-Lücke zwischen Weißen und Schwarzen anhand der Effektstärke d (= Mittelwert der Weißen minus Mittelwert der Schwarzen dividiert durch die gemeinsame Standardabweichung) [A1]. Die Werte für die drei Altersgruppen sind in Abbildung 12.1 dargestellt; die punktierten Linien sind die Regressionsgeraden bei linearer Regression.
Bei den 9-Jährigen (blau) zeigt sich eine deutliche Verkleinerung der Lücke. Das Maximum im Jahr 1992 beträgt 1,20 Standardabweichungen, das entspricht 18 Punkten auf einer IQ-Skala. Das Minimum im Jahr 2017 beträgt 0,87 Standardabweichungen (13 IQ-Punkte). Die Steigung der Regressionsgeraden beträgt -0,0119, das heißt: Im Durchschnitt hat sich die Lücke pro Jahr um 0,0119 Standardabweichungen (0,18 IQ-Punkte) verkleinert. Nimmt man den Ausreißer im Jahr 1990 heraus, dann hat sich die Lücke im Schnitt um 0,0142 Standardabweichungen (0,21 IQ-Punkte) verkleinert.
Die 13-Jährigen (orange) zeigen eine sehr ähnliche Entwicklung. Zwischen dem Maximum 1992 (d=1,25; 18,75 IQ-Punkte) und dem Minimum 2017 (d=0,92; 13,8 IQ-Punkte) liegen 0,33 Standardabweichungen oder 5 IQ-Punkte. Die Steigung der Regressionsgeraden beträgt -0,0097, das heißt: im Durchschnitt hat sich die Lücke um 0,0097 Standardabweichungen (0,15 IQ-Punkte) pro Jahr verkleinert. Nimmt man den extremen Ausreißer im Jahr 1990 heraus, verkleinert sich die Lücke um 0,0148 Standardabweichungen (0,22 IQ-Punkte) pro Jahr – das ist fast exakt derselbe Wert wie bei den 9-Jährigen.
Völlig anders ist die Entwicklung bei den 17-Jährigen (grau). Die durchschnittliche Veränderung pro Jahr beträgt lediglich -0,0037 Standardabweichungen (0,05 IQ-Punkte). Bei den 17-Jährigen liegen leider nur vier Messpunkte vor (siehe Anmerkung [A1]), so dass die Aussagekraft stark eingeschränkt ist.
Insgesamt ergibt sich aus der unterschiedlichen Entwicklung bei den 9- und den 13-Jährigen einerseits und den 17-Jährigen andererseits, dass im Jahr 2017 die Lücke bei den Jüngeren etwas kleiner ist als bei den 17-Jährigen, obwohl sie ursprünglich bei den Jüngeren deutlich größer war. Zum letzten Erhebungspunkt (2015 bei den 17-Jährigen und 2017 bei den 9- und den 13-Jährigen) beträgt der Abstand zwischen Weißen und Schwarzen bei den 9-Jährigen 13,1, bei den 13-Jährigen 13,9 und bei den 17-Jährigen 14,5 IQ-Punkte.
Es sei noch angemerkt, dass die Mathematik-Lücke, gemessen mit der Effektstärke d, deutlich größer ist als die Lesekompetenz-Lücke, die wir im → Teil 8 betrachtet haben, dass aber beide eine sehr ähnliche Entwicklung aufweisen. Darauf werden wir später noch ausführlich zurückkommen.
Methodische Anmerkung: Ein Vergleich von Abbildung 12.1 mit → Abbildung 11.1 im Teil 11 macht deutlich, dass eine alleinige Betrachtung von Mittelwerten nicht ausreicht. Bei den 9-Jährigen sind die Mittelwerte – und somit auch die Mittelwertsdifferenzen – von 2005 bis 2017 praktisch konstant, bei den d-Werten in Abbildung ist jedoch keine Seitwärtsbewegung ab 2005 zu erkennen. Letzteres ist darauf zurückzuführen, dass die Streuungen kleiner wurden. Im Gegensatz zu den Mittelwerten ist bei der Effektstärke keinerlei Trendwende zu erkennen.
In der nächsten Folge werden wir die Frage „Wie große ist die Lücke?“ aus einem anderen Blickwinkel betrachten und neben der Mathematik auch die Lesekompetenz berücksichtigen.
Hier gibt es die Fortsetzung → Intelligenzunterschiede zwischen Schwarzen und Weißen. Teil 13: Wie groß ist die Lücke?
Literatur
(1) The Nation’s Report Card. NAEP Data Explorer. Online unter https://www.nationsreportcard.gov/ndecore/xplore/NDE
Daten abgerufen im April 2018.
Anmerkungen
[A1] Die zugrunde liegenden Mittelwerte und Standardabweichungen wurden mit dem NAEP Data Explorer erzeugt [1]. Für die 17-Jährigen liegen leider nur die Daten von 2005 bis 2015 vor. Ab NAEP 2005 wurde der Mathematik-Test neu konzipiert und anders skaliert, so dass keine direkte Vergleichbarkeit zu früheren Untersuchungen gegeben ist.
***
Stichwörter:
Intelligenz, USA, Bildung, Bildungsstudien, Schwarze, Weiße, Rasse, Ethnie, NAEP, Alter, Mathematik, Lücke, Efektstärke
Intelligenzunterschiede zwischen Schwarzen und Weißen (11)
Intelligenzunterschiede zwischen Schwarzen und Weißen
Teil 11: Mathematik – Trends von 1990 bis 2017 (Fortsetzung)
Auf der Grundlage der NAEP-Studien wird die Entwicklung der mathematischen Kompetenz von 9- und 13-jährigen Weißen und Schwarzen von 1990 bis 2017 analysiert. Bei den aufeinanderfolgenden Geburtsjahrgängen bis Mitte der 90er-Jahre zeigen sich stetige Verbesserungen. Bei den Geburtsjahrgängen ab Ende der 90er-Jahre tritt eine Stagnation ein.
Hier geht es zum Anfang → Intelligenzunterschiede zwischen Schwarzen und Weißen.
Die NAEP-Studien [1] von 1990 bis 2017 zeigen eine unterschiedliche Entwicklung der mathematischen Kompetenz von 17-Jährigen auf der einen und 9- und 13-Jährigen auf der anderen Seite (→ Teil 9): Die 17-Jährigen zeigten im gesamten Zeitraum keinerlei Veränderung, die 9- und die 13-Jährigen verzeichneten hingegen deutliche Zugewinne.
Die detaillierte Analyse im → Teil 10 hat gezeigt, dass sich für den Zeitraum 1990 bis 2017 bei den 9- und den 13-Jährigen zwei Trends unterscheiden lassen, und zwar für die Weißen ebenso wie für die Schwarzen.
Die Trends sind in Abbildung 11.1 dargestellt (entspricht → Abbildung 10.1 im Teil 10).
Blau: 13-jährige Weiße; Rot: 13-jährige Schwarze, Grün: 9-jährige Weiße; Gelb: 9-jährige Schwarze.
Abbildung 11.1 zeigt ein außergewöhnlich klares Muster.
Bei den 9-Jährigen stimmt die Entwicklung der Weißen (grün) und der Schwarzen (gelb) fast perfekt überein. Die beiden Gruppen unterscheiden sich lediglich im Niveau (das sehr deutlich) und in den etwas größeren Zugewinnen bei den Schwarzen. Bei beiden markiert das Jahr 2007 die Trendwende.
Der Schülerjahrgang, der zum Zeitpunkt der Trendwende 2007 9 Jahre alt war, war im Jahr 2011 13 Jahre alt. Bei den 13-jährigen Schwarzen (rot) liegt die Trendwende im Jahr 2011 – der Wendepunkt betrifft also exakt denselben Geburtsjahrgang. Bei den 13-jährigen Weißen (blau) erfolgt die Trendwende zwar „schon“ 2009, aber die Werte von 2009 und 2011 sind identisch und da der Wendepunkt durch eine grobe Regel ermittelt wurde (Anmerkung [A1] im Teil 10), ist diese „Abweichung“ unwesentlich.
Würde man auf der X-Achse den Geburtsjahrgang eintragen, dann müsste man die 13-Jährigen (blau und rot) um vier Jahre nach links verschieben. Dann würde die verblüffende Übereinstimmung noch deutlicher hervortreten.
Geht man von Geburtsjahrgängen aus, dann ergibt sich für alle vier Gruppen dasselbe Resultat:
- Bei den aufeinanderfolgenden Geburtsjahrgängen bis Mitte der 90er-Jahre zeigen sich stetige Verbesserungen [A1].
- Bei den Geburtsjahrgängen ab Ende der 90er-Jahre tritt eine Stagnation ein [A2].
Insgesamt spricht vieles dafür, dass hier in der Tat eine Trendwende vorliegt. Angesichts der Tatsache, dass die letzten Werte (2017) bei allen vier Gruppen deutlich unter der jeweiligen steigenden Trendlinie liegen, erscheint es sehr unwahrscheinlich, dass in den nächsten Jahren die steigende Trendlinie wieder erreicht wird [A3]. Angesichts der kleinen Zahl der Messpunkte ist jedoch Zurückhaltung angebracht. In einer späteren Folge werden wir auf die Schwierigkeiten bei Prognosen zurückkommen.
In der nächsten Folge untersuchen wir, wie sich die Lücke zwischen Weißen und Schwarzen entwickelt hat, wobei wir neben den Mittelwertsunterschieden auch die Streuungen berücksichtigen.
Hier gibt es die Fortsetzung → Intelligenzunterschiede zwischen Schwarzen und Weißen. Teil 12: Entwicklung der Mathematik-Lücke von 1990 bis 2017.
Literatur
(1) The Nation’s Report Card. NAEP Data Explorer. Online unter https://www.nationsreportcard.gov/ndecore/xplore/NDE
Daten abgerufen im April 2018.
Anmerkungen
[A1] Die Verbesserungen bei den Schwarzen fallen etwas größer aus als bei den Weißen, wodurch sich die Lücke verkleinert. Hierauf kommen wir in der nächsten Folge zurück.
[A2] Bei den 13-Jährigen Schwarzen zeigt sich sogar eine Verschlechterung. Da diese jedoch auf nur vier Messpunkten beruht, wäre es verfrüht, von einem negativen Trend zu sprechen.
[A3] Es sei explizit angemerkt, dass die Stagnation – so sie denn tatsächlich eintreten sollte – auf dem jeweils höchsten Niveau erfolgen würde, da sie an eine Phase stetiger Zugewinne anschließt.
***
Stichwörter:
Intelligenz, USA, Bildung, Bildungsstudien, Schwarze, Weiße, Rasse, Ethnie, NAEP, Alter, Mathematik, Trends, Trendwende
Intelligenzunterschiede zwischen Schwarzen und Weißen (10)
Intelligenzunterschiede zwischen Schwarzen und Weißen
Teil 10: Mathematik – Trends von 1990 bis 2017
Auf der Grundlage der NAEP-Studien wird die Entwicklung der mathematischen Kompetenz von 9- und 13-jährigen Weißen und Schwarzen von 1990 bis 2017 analysiert. Dabei zeigen sich zwei unterschiedliche Trends: Von 1990 bis 2007 (2009, 2011) steigen die Leistungen kontinuierlich an, von 2007 (2009, 2011) bis 2017 stagnieren die Leistungen oder sie fallen sogar.
Hier geht es zum Anfang → Intelligenzunterschiede zwischen Schwarzen und Weißen.
Im → Teil 9 haben wir auf der Grundlage der NAEP-Studien [1] die Entwicklung der mathematischen Kompetenz von Weißen und Schwarzen von 1990 bis 2017 betrachtet.
Bei den 17-Jährigen zeigen sich über den gesamten Zeitraum praktisch keinerlei Veränderungen. Die Jüngeren konnten hingegen deutliche Zugewinne verbuchen. Bei den 9-jährigen Schwarzen waren es durchschnittlich 1,46 Punkte pro Jahr, bei den 9-jährigen Weißen 1,07, bei den 13-jährigen Schwarzen 1,10 und bei den 13-jährigen Weißen 0,84 (siehe Tabelle 10.1 unten).
In → Abbildung 9.1 im Teil 9 sind die Entwicklungen als lineare Trends über den Gesamtzeitraum von 1990 bis 2017 dargestellt. Da die Abweichungen von der jeweiligen Regressionsgeraden gering sind, ist diese Darstellung als grobe Annäherung durchaus sinnvoll.
Bei den 9- und den 13-Jährigen fällt jedoch unmittelbar ins Auge, dass die Abweichungen von der linearen Regression nicht zufällig über den Gesamtzeitraum verteilt sind. Sie weisen vielmehr eine Systematik auf, die innerhalb jeder Gruppe zwei unterschiedliche Trends erkennen lässt. Diese Systematik wird durch Abbildung 10.1 veranschaulicht.
Blau: 13-jährige Weiße; Rot: 13-jährige Schwarze, Grün: 9-jährige Weiße; Gelb: 9-jährige Schwarze.
Die Trendlinien in Abbildung 10.1 zeigen für alle vier Gruppen dasselbe Bild: Zunächst ein kontinuierlicher Anstieg, dann ein waagerechter oder gar fallender Trend. Kleinere Unterschiede gibt es lediglich in dem Zeitpunkt, zu dem die Trendwende erfolgt [A1].
Die Steigungskoeffizienten der Teiltrends sind in Tabelle 10.1 zusammengefasst. Sie geben die durchschnittliche Veränderung pro Jahr an. In der letzten Spalte (Gesamt) sind die Werte für den Gesamtzeitraum angegeben.
| Jahr | 1990 bis J | J bis 2017 | Gesamt | |
| 13-jähige Weiße | 2009 | 1,11 | -0,12 | 0,84 |
| 13-jährige Schwarze | 2011 | 1,37 | -0,39 | 1,10 |
| 9-jährige Weiße | 2007 | 1,58 | 0,05 | 1,07 |
| 9-jährige Schwarze | 2007 | 2,08 | 0,15 | 1,46 |
Die 13-jährigen Weißen können im Gesamtzeitraum einen durchschnittlichen Zugewinn von 0,84 Punkten pro Jahr verzeichnen. Während im Teilzeitraum 1990 bis 2009 der jährliche Zugewinn 1,11 Punkte beträgt, ergibt sich von 2009 bis 2017 ein leichter Verlust von -0,12 Punkten pro Jahr.
Bei den 13-jährigen Schwarzen zeigt sich dasselbe Bild mit einem noch stärkeren Kontrast: Der jährliche Zugewinn von 1,10 Punkten im Gesamtzeitraum zerfällt in einen jährlichen Zugewinn von 1,37 Punkten von 1990 bis 2011 und einen jährlichen Verlust von -0,39 Punkten von 2011 bis 2017.
Bei den 9-jährigen Weißen beträgt der durchschnittliche Zugewinn 1,07 Punkte im Gesamtzeitraum. Auf einen jährlichen Zugewinn von 1,58 Punkten von 1990 bis 2007 folgt von 2007 bis 2017 eine Stagnation (0,05 Punkte).
Bei den 9-Jährigen Schwarzen zerfällt der jährliche Gewinn von 1,46 Punkten im Gesamtzeitraum in einen jährlichen Zugewinn von 2,08 von 1990 bis 2007 und ein mehr oder weniger bedeutungsloses jährliches Plus von 0,15 von 2007 bis 2017.
Die bemerkenswerte Gleichförmigkeit der Trendwende bei Weißen und Schwarzen in beiden Altersgruppen werden wir in der nächsten Folge diskutieren.
Hier gibt es die Fortsetzung → Intelligenzunterschiede zwischen Schwarzen und Weißen. Teil 11: Mathematik – Trends von 1990 bis 2017 (Fortsetzung)
Literatur
(1) The Nation’s Report Card. NAEP Data Explorer. Online unter https://www.nationsreportcard.gov/ndecore/xplore/NDE
Daten abgerufen im April 2018.
Anmerkungen
[A1] Der Zeitpunkt der Trendwende ist nicht eindeutig definiert; er wurde wie folgt bestimmt: Der aufsteigende Trend beginnt 1990 und endet mit dem Jahr, in dem die Regressionsgerade unterschritten wird und sich ein neuer Trend abzeichnet. Der anschließende Trend beginnt mit dem Zeitpunkt der Trendwende und endet 2017. Bei den 9-jährigen Weißen und Schwarzen erfolgt die Trendwende 2007, bei den 13-jährigen Weißen 2009 und bei den 13-jährigen Schwarzen 2011. Diese Zeitpunkte sind jeweils in beiden Trends einbezogen, einmal als Endjahr und einmal als Anfangsjahr; sie sind in Abbildung 10.1 als Schnittpunkte zu erkennen.
***
Stichwörter:
Intelligenz, USA, Bildung, Bildungsstudien, Schwarze, Weiße, Rasse, Ethnie, NAEP, Alter, Mathematik, Trends
Intelligenzunterschiede zwischen Schwarzen und Weißen (9)
Intelligenzunterschiede zwischen Schwarzen und Weißen
Teil 9: Mathematik 1990 bis 2017
Auf der Grundlage der NAEP-Studien wird die Entwicklung der mathematischen Kompetenz von Weißen und Schwarzen von 1990 bis 2017 analysiert. Für die Altersgruppen zeigen sich völlig unterschiedliche Entwicklungen, die bei den 17-Jährigen sehr ungünstig ausfallen. Besonders bemerkenswert: Die 17-jährigen Schwarzen erreichen lediglich das Niveau der 13-jährigen Weißen.
Hier geht es zum Anfang → Intelligenzunterschiede zwischen Schwarzen und Weißen.
In Teil 6, Teil 7 und Teil 8 haben wir auf der Grundlage der NAEP-Studien die Lesekompetenz von Weißen und Schwarzen von 1992 bis 2017 analysiert. Nun betrachten wir die Entwicklung im Bereich Mathematik von 1990 bis 2017 [A1].
Abbildung 9.1 zeigt die Mittelwerte aufgeschlüsselt nach Weißen und Schwarzen und den Altersstufen 9-Jährige, 13-Jährige und 17-Jährige. Die punktierten Linien zeigen die linearen Regressionsgeraden.
W: Weiße; S: Schwarze; 9: 9-Jährige; 13: 13-Jährige; 17: 17-Jährige.
Abbildung 9.1 zeigt für die Mathematik dasselbe Bild wie Abbildung 6.1 im Teil 6 für die Lesekompetenz.
Bei den 9- und den 13-Jährigen zeigen sich einige kleinere, aber systematische Abweichungen vom linearen Trend. Diese werden wir in der nächsten Folge näher analysieren.
Ebenso wie bei der Lesekompetenz zeigen sich auch in der Mathematik in allen Altersgruppen enorme Niveauunterschiede zwischen Weißen und Schwarzen und die Entwicklungsverläufe der verschiedenen Altersgruppen unterschieden sich sehr stark.
Die 9-Jährigen zeigen insgesamt starke Verbesserungen. Die Zugewinne der Schwarzen (orange) betragen im Durchschnitt 1,46 Punkte pro Jahr, die Weißen (hellblau) gewinnen im Durchschnitt 1,07 Punkte hinzu. Aufgrund der größeren Zugewinne der Schwarzen hat sich die Lücke im Schnitt jährlich um 0,39 Punkte verringert.
Auch die 13-Jährigen verzeichnen Zugewinne, die jedoch ein wenig schwächer ausfallen. Die Schwarzen (gelb) verbessern sich im Schnitt um 1,10 Punkte pro Jahr, die Weißen (grau) um 0,81 Punkte. Somit verringert sich die Lücke um 0,29 Punkte pro Jahr.
Genau wie bei der Lesekompetenz zeigt sich auch im Bereich Mathematik bei den 17-Jährigen eine völlig andere Entwicklung. Sowohl die Weißen (blau) als auch die Schwarzen (grün) zeigen im Grunde keinerlei Veränderung. Der durchschnittliche jährliche Zugewinn der Weißen ist mit 0,11 Punkten bedeutungslos. Dasselbe gilt für die Schwarzen, deren Werte völlig unverändert sind (dass sich mit -0,007 Punkten sogar ein negatives Vorzeichen ergibt, ist irrelevant) [A2].
- Bei den 17-Jährigen, die aus gesellschaftlicher Sicht die bedeutsamste Altersgruppe stellen, hat sich über 25 Jahre hinweg sowohl bei den Weißen als auch bei den Schwarzen nicht das Allergeringste verändert.
Die totale Stagnation bei den 17-Jährigen ist zweifellos eines der herausragenden – und außerordentlich enttäuschenden – Ergebnisse der NAEP-Studien. Wir kommen darauf später ausführlich zurück.
Ebenso wie bei der Lesekompetenz in Teil 6 sei an dieser Stelle ein weiteres außerordentlich wichtiges Ergebnis festgehalten:
- Die 17-jährigen Schwarzen (grün) liegen auf demselben Niveau wie die 13-jährigen Weißen (grau). Ja mehr noch: Seit 2000 schneiden die 17-jährigen Schwarzen sogar schlechter ab als die 13-jährigen Weißen.
Auch auf diesen ganz zentralen Punkt kommen wir später ausführlich zurück.
In der nächsten Folge werden wir die systematischen Abweichungen vom linearen Trend bei den 9- und den 13-Jährigen genauer betrachten und feststellen, dass diese Differenzierung die oben genannten Befunde erheblich relativiert.
Hier gibt es die Fortsetzung → Intelligenzunterschiede zwischen Schwarzen und Weißen. Teil 10: Mathematik – Trends von 1990 bis 2017
Literatur
(1) The Nation’s Report Card. NAEP Data Explorer. Online unter https://www.nationsreportcard.gov/ndecore/xplore/NDE
Daten abgerufen im April 2018.
(2) National Center for Education Statistics (2013). The Nation’s Report Card: Trends in Academic Progress 2012 (NCES 2013 456). Institute of Education Sciences, U.S. Department of Education, Washington, D.C.
Online: https://nces.ed.gov/nationsreportcard/subject/publications/main2012/pdf/2013456.pdf
Anmerkungen
[A1] Die Daten der 9- und der 13-Jährigen wurden mit Hilfe des NAEP Data Explorers erzeugt [1]. Der Mathematik-Test für 17-Jährige wurde 2005 neu konzipiert und anders skaliert. Mit dem NAEP Data Explorer lasen sich nur die Daten ab 2005 erzeugen. Die Daten der 17-Jährigen von 1990 bis 2012 wurden der Nation’s Report Card 2012 entnommen [2], die Werte für 2015 wurden anhand der NAEP-Data-Explorer-Werte geschätzt (der Fehler dürfte maximal einen Punkt betragen).
[A2] Eine subjektive Anmerkung: Ich habe stets den Eindruck, als würde die grüne Linie (17-jährige Schwarze) deutlich fallen. Tatsächlich ist das Gefälle minimal und die Linie ist fast perfekt waagerecht. Meine irreführende Wahrnehmung ist sicherlich auf die Kreuzung mit der grauen Linie zurückzuführen.
***
Stichwörter:
Intelligenz, USA, Bildung, Bildungsstudien, Schwarze, Weiße, Rasse, Ethnie, NAEP, Alter, Mathematik
Intelligenzunterschiede zwischen Schwarzen und Weißen (8)
Intelligenzunterschiede zwischen Schwarzen und Weißen
Teil 8: Die Entwicklung der Lesekompetenz-Lücke von 1992 bis 2017
Auf der Grundlage der NAEP-Studien werden das Ausmaß und die Entwicklung der Lesekompetenz von Weißen und Schwarzen von 1992 bis 2017 analysiert. Die Lücke zwischen den Weißen und den Schwarzen hat sich bei den 9-Jährigen um 0,011 Standardabweichungen (0,16 IQ-Punkte) und bei den 13-Jährigen um 0,004 Standardabweichungen (0,06 IQ-Punkte) pro Jahr verringert. Bei den 17-Jährigen blieb sie – mit kleineren zwischenzeitlichen Schwankungen – über 23 Jahre hinweg unverändert.
Hier geht es zum Anfang → Intelligenzunterschiede zwischen Schwarzen und Weißen.
Auf der Grundlage der NAEP-Studien [1] haben wir im → Teil 6 und → Teil 7 die Entwicklung der Lesekompetenz von Weißen und Schwarzen von 1992 bis 2017 anhand der Mittelwerte betrachtet. Ohne einen Bezugsrahmen sind Mittelwertsunterschiede für sich alleine genommen nicht sehr aussagekräftig. Da die verschiedenen Teilgruppen unterschiedliche Streuungen aufweisen und die Streuungen über die Jahre gewissen Schwankungen unterliegen, kann ein und dieselbe Mittelwertsdifferenz sehr Unterschiedliches bedeuten.
Im Folgenden betrachten wir die Lesekompetenz-Lücke zwischen Weißen und Schwarzen anhand der Effektstärke d (= Mittelwert der Weißen minus Mittelwert der Schwarzen dividiert durch die gemeinsame Standardabweichung). Die Werte für die drei Altersgruppen sind in Abbildung 8.1 dargestellt; die punktierten Linien sind die Regressionsgeraden bei linearer Regression.
Die Entwicklung bei den 9-Jährigen (blaue Linie) und den 13-Jährigen (orange) folgt einem linearen Trend; die Abweichungen von der Regressionsgeraden sind sehr klein.
Die größten Veränderungen zeigen sich bei den 9-Jährigen. Das Maximum liegt im Jahr 1994 bei 1,02 (das entspricht 15,2 IQ-Punkten auf der üblichen IQ-Skala mit einer Standardabweichung von 15), das Minimum im Jahr 2017 bei 0,72 Standardabweichungen (10,8 IQ-Punkte). Der Steigungskoeffizient der Regressionsgeraden beträgt -0,011, das heißt: im Durchschnitt hat sich der Abstand zwischen den Weißen und den Schwarzen um 0,011 Standardabweichungen (0,16 IQ-Punkte) pro Jahr verringert.
Bei den 13-Jährigen liegt das Maximum im Jahr 1992 bei 0,89 Standardabweichungen (13,4 IQ-Punkte), das Minimum im Jahr 2017 bei 0,75 (11,3 IQ-Punkte). Der Steigungskoeffizient beträgt -0,004, das heißt: im Durchschnitt verringerte sich die Lücke um 0,004 Standardabweichungen (0,06 IQ-Punkte) pro Jahr.
Bei den 17-Jährigen liegt kein linearer Trend vor, die Abweichungen von der linearen Regressionsgeraden sind jedoch geringer, als es auf den ersten Blick erscheinen mag. Der früheste und der letzte Zeitpunkt 1992 und 2015 zeigen mit 0,78 und 0,77 nahezu identische d-Werte (11,8 bzw. 11,6 IQ-Punkte). Das Maximum im Jahr 2013 beträgt 0,84 (12,6 IQ-Punkte), das Minimum im Jahr 2002 beträgt 0,70 (10,5 IQ-Punkte). Die zwischenzeitlichen Schwankungen betragen einen IQ-Punkt nach oben und nach unten. Der Steigungskoeffizient der linearen Regression beträgt -0,0001, das heißt: im Mittel hat sich die Lücke zwischen Weißen und Schwarzen über 23 Jahre hinweg überhaupt nicht verändert.
Bemerkenswert ist, dass die 17-Jährigen von vornherein den geringsten Unterschied aufwiesen und dass die 9- und die 13-Jährigen erst ab 2009 das Niveau der 17-Jährigen erreicht haben. 1992 war der Unterschied zwischen den Altersgruppen noch sehr groß, 2017 ist er minimal. Aktuell liegt die Differenz für alle Altersgruppen grob bei 0,75 Standardabweichungen oder 11 IQ-Punkten. Es ist eine spannende Frage, wie die Entwicklung weitergeht.
In der nächsten Folge untersuchen wir die Entwicklung der mathematischen Kompetenz von 1990 bis 2017.
Hier gibt es die Fortsetzung → Intelligenzunterschiede zwischen Schwarzen und Weißen. Teil 9: Mathematik 1990 bis 2017.
Literatur
(1) The Nation’s Report Card. NAEP Data Explorer. Online unter https://www.nationsreportcard.gov/ndecore/xplore/NDE
Daten abgerufen im April 2018.
***
Stichwörter:
Intelligenz, USA, Bildung, Bildungsstudien, Schwarze, Weiße, Rasse, Ethnie, NAEP, Alter, Lesekompetenz, Effektstärke
Intelligenzunterschiede zwischen Schwarzen und Weißen (7)
Intelligenzunterschiede zwischen Schwarzen und Weißen
Teil 7: Die Entwicklung der Lesekompetenz-Lücke von 1992 bis 2017
Auf der Grundlage der NAEP-Studien werden das Ausmaß und die Entwicklung der Lesekompetenz von Weißen und Schwarzen von 1992 bis 2017 analysiert. Die höchsten Zuwächse zeigen sich bei den 9-Jährigen, bei denen sich die Lücke im Schnitt um 0,42 Punkte pro Jahr verringert. Bei den 13-Jährigen sind die Zuwächse etwas kleiner, die Lücke verringert sich um 0,18 Punkte pro Jahr. Bei den 17-Jährigen zeigt sich bei den Weißen keinerlei Veränderung, die Schwarzen verschlechtern sich sogar.
Hier geht es zum Anfang → Intelligenzunterschiede zwischen Schwarzen und Weißen.
Auf der Grundlage der NAEP-Studien [1] haben wir im → Teil 6 die Entwicklung der Lesekompetenz von Weißen und Schwarzen von 1992 bis 2017 betrachtet.
Abbildung 7.1, die der Abbildung 6.1 aus Teil 6 entspricht, zeigt die Mittelwerte aufgeschlüsselt nach Weißen und Schwarzen und den Altersstufen 9-Jährige, 13-Jährige und 17-Jährige.
W: Weiße; S: Schwarze; 9: 9-Jährige; 13: 13-Jährige; 17: 17-Jährige.
Die gepunkteten Linien zeigen die Regressionsgerade bei linearer Regression. In den meisten Fällen sind die Abweichungen von einem linearen Trend nur geringfügig. Im Folgenden betrachten wir die Richtung des linearen Trends, die sich in der Steigung der Geraden ausdrückt. Die Steigungskoeffizienten sind in Tabelle 7.1 zusammengefasst. Die Steigungskoeffizienten geben den durchschnittlichen jährlichen Punktezuwachs wieder.
| 9-Jährige | 13-Jährige | 17-Jährige | |
| Weiße | 0,38 | 0,33 | 0,02 |
| Schwarze | 0,82 | 0,51 | -0,13 |
Tabelle 7.1 drückt das bereits Bekannte numerisch aus.
Die stärksten Zuwächse zeigen sich bei den 9-Jährigen. Die Schwarzen (orangefarbene Linie) verbesserten sich im Jahresschnitt um 0,82, die Weißen (hellblau) um 0,38 Punkte. Damit verringerte sich die Lücke um durchschnittlich 0,42 Punkte pro Jahr.
Auch die 13-Jährigen zeigen eine stetige Verbesserung: die Schwarzen (gelb) um 0,51, die Weißen (grau) um 0,33 Punkte. Damit wird auch hier die Lücke kleiner, wenngleich in wesentlich geringerem Tempo (0,18 Punkte pro Jahr).
Bei den 17-Jährigen ergibt sich hingegen ein völlig anderes Bild: Die Weißen (blau) zeigen praktisch überhaupt keine Veränderung (+0,02), die Schwarzen (grün) zeigen mit -0,13 einen negativen Trend, so dass die Schere zwischen Weißen und Schwarzen zunehmend auseinanderklafft (0,15 Punkte pro Jahr).
Die ungünstige Entwicklung bei den 17-Jährigen ist besonders hervorzuheben, da die 17-Jährigen für die Gesamtgesellschaft besonders relevant sind. Darauf werden wir später ausführlich zurückkommen.
In der nächsten Folge analysieren wir die Entwicklung der Lesekompetenz-Lücke, indem wir zusätzlich zu den Mittelwerten auch die Streuungen berücksichtigen und – technisch gesprochen – die Effektstärke betrachten.
Hie gibt es die Fortsetzung → Intelligenzunterschiede zwischen Schwarzen und Weißen. Teil 8: Die Entwicklung der Lesekompetenz-Lücke von 1992 bis 2017.
Literatur
(1) The Nation’s Report Card. NAEP Data Explorer. Online unter https://www.nationsreportcard.gov/ndecore/xplore/NDE
Daten abgerufen im April 2018.
***
Stichwörter:
Intelligenz, USA, Bildung, Bildungsstudien, Schwarze, Weiße, Rasse, Ethnie, NAEP, Alter, Lesekompetenz
Intelligenzunterschiede zwischen Schwarzen und Weißen (6)
Intelligenzunterschiede zwischen Schwarzen und Weißen
Teil 6: Lesekompetenz 1992 bis 2017
Auf der Grundlage der NAEP-Studien werden das Ausmaß und die Entwicklung der Lesekompetenz von Weißen und Schwarzen von 1992 bis 2017 analysiert. Für die Altersgruppen zeigen sich völlig unterschiedliche Entwicklungen, die bei den 17-Jährigen sehr ungünstig ausfallen. Besonders bemerkenswert: Die 17-jährigen Schwarzen erreichen lediglich das Niveau der 13-jährigen Weißen.
Hier geht es zum Anfang → Intelligenzunterschiede zwischen Schwarzen und Weißen.
Auf der Grundlage der NAEP-Studien analysieren wir Intelligenzunterschiede zwischen Weißen und Schwarzen von 1990 bis 2017. Als Erstes betrachten wir den Bereich Lesekompetenz. Hierfür liegen Daten von 1992 bis 2017 vor, die mit Hilfe des NAEP Data Explorers erzeugt wurden [1].
Abbildung 6.1 zeigt die Mittelwerte aufgeschlüsselt nach Weißen und Schwarzen und den Altersstufen 9-Jährige, 13-Jährige und 17-Jährige.
W: Weiße; S: Schwarze; 9: 9-Jährige; 13: 13-Jährige; 17: 17-Jährige.
Abbildung 6.1 zeigt ein klares Bild: Im unteren Bereich finden sich große Zugewinne, im oberen Bereich verlaufen die Kurven flacher und es findet sich sogar eine gegenläufige Entwicklung.
Bei den 9-Jährigen zeigen die Schwarzen (orange) sehr viel schlechtere Leistungen als die Weißen (hellblau) [A1]. Da die Zugewinne der Schwarzen jedoch deutlich größer sind als die Zugewinne der Weißen, verringert sich die Lücke stetig.
Auch bei den 13-Jährigen zeigen die Schwarzen (gelb) sehr viel schlechtere Leistungen als die Weißen (grau). Auch hier sind die Zugewinne der Schwarzen größer als die der Weißen. Die Kurven verlaufen jedoch deutlich flacher und die Lücke verringert sich nicht so stark wie bei den 9-Jährigen.
Bei den 17-Jährigen liegen die Schwarzen (grün) ebenfalls weit hinter den Weißen (blau), aber die zeitlich Entwicklung zeigt ein völlig anderes Bild: Bei den Weißen zeigt sich keinerlei Veränderung, bei den Schwarzen zeigt sich sogar eine Verschlechterung, so dass die Lücke weiter auseinanderklafft.
Die völlig unterschiedliche Entwicklung bei den Altersgruppen werden wir in der nächsten Folge genauer betrachten.
An dieser Stelle sei noch ein sehr wichtiges Ergebnis festgehalten: Die 17-jährigen Schwarzen (grün) liegen auf demselben Niveau wie die 13-jährigen Weißen (grau). Ja mehr noch: Seit 2003 schneiden die 17-jährigen Schwarzen sogar schlechter ab als die 13-jährigen Weißen [A2]. Die Tatsache, dass die 17-jährigen Schwarzen ganze vier Jahre hinter den Weißen liegen, ist außerordentlich bemerkenswert. Auf diesen Punkt kommen wir später ausführlich zurück.
Hier gibt es die Fortsetzung → Intelligenzunterschiede zwischen Schwarzen und Weißen. Teil 7: Die Entwicklung der Lesekompetenz-Lücke von 1992 bis 2017.
Literatur
(1) The Nation’s Report Card. NAEP Data Explorer. Online unter https://www.nationsreportcard.gov/ndecore/xplore/NDE
Daten abgerufen im April 2018.
Anmerkungen
[A1] Mittelwertsunterschiede sind für sich alleine genommen nicht aussagekräftig. In der nächsten Folge berücksichtigen wir neben den Mittelwerten auch die Streuungen. Dann wird deutlich, wie groß die Unterschiede tatsächlich sind.
[A2] 2013 waren die 13-Jährigen Weißen um 0,24 Standardabweichungen besser als die 17-Jährigen Schwarzen. 2015 waren es 0,25 Standardabweichungen. Das entspricht einer Differenz von 3,6 bzw. 3,8 IQ-Punkten!
***
Stichwörter:
Intelligenz, USA, Bildung, Bildungsstudien, Schwarze, Weiße, Rasse, Ethnie, NAEP, Alter, Lesekompetenz
Bildung und Intelligenz – Die Weltspitze – Teil 10
Bildung und Intelligenz – Die Weltspitze
10. PIAAC 2012/2014: Repräsentanten der Weltspitze
Die Teilnehmer an PIAAC 2012/2014 gehören – weltweit betrachtet – zum oberen und obersten Intelligenzbereich. Die in dieser Serie betrachteten Länder Deutschland, Japan, Korea und Singapur liegen weit über dem PIAAC-Mittelwert und zählen zu den Repräsentanten der Weltspitze.
Hier geht es zum Anfang der Serie → Bildung und Intelligenz – Die Weltspitze.
Im → Teil 9 haben wir einige zentrale Ergebnisse von PIAAC 2012/2014 [1] [2] zur kognitiven Kompetenz von Erwachsenen in Deutschland, Japan, Korea und Singapur dargestellt. Diese sollen nun in einem breiteren Kontext diskutiert werden.
Abbildung 10.1 zeigt die bereits aus Teil 9 bekannten Mittelwerte der Alterskohorten in den vier Ländern. Der PIAAC-Gesamtwert ist der Durchschnitt aus den Bereichen Lesekompetenz, Alltagsmathematische Kompetenz und Technologiebasierte Problemlösekompetenz und kann als Indikator der allgemeinen kognitiven Kompetenz – sprich: der Allgemeinen Intelligenz – interpretiert werden.
Abbildung 10.1 ist das Spiegelbild von Abbildung 9.1 im Teil 9. Im Gegensatz zu den bisherigen Darstellungen ist die X-Achse nun in aufsteigender zeitlicher Reihenfolge geordnet. Die PIAAC-Erhebungen in Deutschland, Japan und Korea wurden im Jahr 2011 durchgeführt, in Singapur im Jahr 2013. Die Alterskohorten repräsentieren daher die Geburtsjahrgänge um 1950, 1960, 1970, 1980 und 1990, jeweils plus/minus fünf Jahre. Die Schreibweise in eckigen Klammern soll darauf hinweisen, dass es sich um Kohorten handelt, die jeweils 10 Geburtsjahrgänge umfassen. Es sei nochmals ausdrücklich betont, dass es sich um eine Querschnittsuntersuchung handelt und dass die Kurven daher nicht die zeitliche Entwicklung der Intelligenz von Individuen widerspiegeln.
In Abbildung 10.1 ist der Punktwert 250 hervorgehoben. 250 ist der Mittelwert der PIACC-Skala, die auf den Daten aller 28 Teilnehmerländer PIAAC-Runde beruht. Diese Länder gehören alle der OECD an und sie repräsentieren den oberen und obersten Bereich der weltweiten nationalen Intelligenzwerte. Lediglich Chile und die Türkei gehören zum gehobenen Mittelfeld. Länder aus der unteren Hälfte des weltweiten Intelligenzbereichs sind überhaupt nicht vertreten. Der PIAAC-Mittelwert 250 repräsentiert somit – weltweit betrachtet – ein außerordentlich hohes Intelligenzniveau. Er steht für das Intelligenzniveau der modernen Industrieländer, die – wie Oesterdiekhoff [3] in hervorragender Weise herausgearbeitet hat – auf einer höheren anthropologischen Entwicklungsstufe stehen als der Rest der Welt.
Mit Ausnahme der Kohorte [1950] in Korea und Singapur liegen sämtliche Werte über 250. Zwölf der zwanzig Werte sind größer oder gleich 275 und liegen damit mindestens eine halbe Standardabweichung über dem PIAAC-Durchschnitt. Dies gilt ohne Ausnahme für die Kohorten [1980] und [1990]. Wir reden hier also – weltweit gesehen – von einem außerordentlich hohen Intelligenzniveau und der Titel dieser Serie „Bildung und Intelligenz – Die Weltspitze“ ist absolut zutreffend.
In der nächsten Folge werden wir unsere Ergebnisse vor dem Hintergrund der historischen, politischen und wirtschaftlichen Entwicklung der Nachkriegszeit betrachten und auch die Ergebnisse der 15-Jährigen in PISA 2015 einbeziehen, die in den ersten fünf Folgen dargestellt wurden.
Fortsetzung folgt.
Literatur
[1] Rammstedt, B. (2013). Grundlegende Kompetenzen Erwachsener im internationalen Vergleich. Ergebnisse von PIAAC 2012. Münster: Waxmann.
[2] NCES National Center for Educational Statistics: International Data Explorer. PIAAC Data Explorer.
https://nces.ed.gov/surveys/piaac/ideuspiaac/
[3] Oesterdiekhoff, Georg W. (2013). Die Entwicklung der Menschheit von der Kindheitsphase zur Erwachsenenreife. Wiesbaden: Springer VS.
Kleine Anmerkung: Dies ist eines der besten Bücher, die ich kenne. Kein anderes mir bekanntes Werk hat die überragende Bedeutung der Intelligenz für die Menschheitsentwicklung so klar und umfassend dargestellt. Dieses Buch müsste Pflichtlektüre für jeden Sozialwissenschaftler, jeden Lehrer und jeden Politiker sein.
***
Stichwörter:
Bildung, Asien, Ostasien, Ostasiaten, Japan, Singapur, Korea, Deutschland, Erwachsene, PIAAC, Intelligenz, Alter, Psychologie
Bildung und Intelligenz – Die Weltspitze – Teil 9
Bildung und Intelligenz – Die Weltspitze
9. PIAAC 2012/2014: Intelligenz von Erwachsenen in Deutschland und Ostasien
PIAAC 2012/2014 zeigt, dass in Deutschland, Japan, Korea und Singapur die Jüngeren in allen Bereichen höhere kognitive Kompetenzen aufweisen als die Älteren. Relativ zu Korea und Singapur steht Deutschland von der ältesten zur jüngsten Altersgruppe kontinuierlich schlechter da. Bei der ältesten Kohorte liegt Deutschland (sehr) weit vor Korea und Singapur, bei der jüngsten liegt es deutlich dahinter.
Hier geht es zum Anfang der Serie → Bildung und Intelligenz – Die Weltspitze.
Auf der Grundlage von PIAAC 2012/2014 [1] [2] haben wir im → Teil 6 die Lesekompetenz, im → Teil 7 die Alltagsmathematische Kompetenz und im → Teil 8 die Technologiebasierte Problemlösekompetenz von Erwachsenen in Deutschland, Japan, Korea und Singapur betrachtet. Nun betrachten wir die drei Bereiche gemeinsam.
Zunächst sei ausdrücklich betont: PIACC ist eine Querschnittsuntersuchung. Sie bietet eine Momentaufnahme über die Kompetenzen von Erwachsenen, die eine Altersspanne vom 50 Jahren umfassen. Die Kurven in den Abbildungen dürfen nicht als die Entwicklung von Individuen über die Zeit interpretiert werden.
Die Zusammenfassung ist sehr einfach, da die drei Bereiche nahezu identische Muster aufweisen. Dies ist auch nicht anders zu erwarten, da Lesekompetenz, Alltagsmathematische Kompetenz und Technologiebasierte Problemlösekompetenz eines gemeinsam haben, nämlich die Intelligenz. Jeder Bereich erfasst zwar einen spezifischen Aspekt, aber auf der Aggreationsebene von Alterskohorten innerhalb von Ländern überwiegt der Anteil der Allgemeinen Intelligenz. Länder und Kohorten, die in einem kognitiven Bereich gut sind, sind es in der Regel auch in anderen kognitiven Bereichen. Es ist daher sinnvoll, die drei Kompetenzbereiche zu einem Gesamtwert zusammenzufassen.
Abbildung 9.1 zeigt den PIAAC-Gesamtwert aufgeschlüsselt nach Ländern und Alterskohorten.
Der Vergleich der Altersgruppen innerhalb der Länder gibt ein klares Resultat:
- In jedem Land schneiden Jüngere besser ab als Ältere.
Unter den vierzig möglichen Vergleichen gibt es nur drei Ausnahmen: In Japan ist die jüngste Kohorte (deutlich) schlechter als die zweit- und die drittjüngste. In Deutschland ist die jüngste Kohorte ein wenig schlechter als die zweitjüngste. Die jüngste Kohorte umfasst die 16-bis-24-Jährigen. Ein Großteil dieser Altersgruppe befand sich zur Testzeit noch in der Ausbildung und es ist davon auszugehen, dass sie in den Folgejahren Zugewinne verbuchen können. Bei den Mindestens-25-Jährigen gilt die Aussage „In jedem Land schneiden Jüngere besser ab als Ältere“ ausnahmslos für alle Kohortenvergleiche.
Der Vergleich zwischen den Ländern ergibt Folgendes:
- Japan belegt in allen Kohorten Platz 1.
In der jüngsten Gruppe ist der Vorsprung gegenüber Singapur und Korea jedoch fast vollständig zusammengeschmolzen.
- Von den Älteren zu den Jüngeren verschlechtert sich Deutschland kontinuierlich gegenüber Singapur und Korea.
Bei den Ältesten liegt Deutschland weit vor Korea und sehr weit vor Singapur. Mit jeder jüngeren Kohorte verzeichnen Korea und Singapur einen größeren Zugewinn als Deutschland. Bei 25-bis-34-Jährigen wird Deutschland von Singapur und Korea knapp überholt und bei den Jüngsten ist es auf dem letzten Platz deutlich abgeschlagen.
- Das sicherlich bemerkenswerteste Ergebnis ist die exorbitante Steigerung über die Alterskohorten in Korea und ganz besonders in Singapur.
Der Zugewinn von der ältesten zur jüngsten Kohorte beträgt in Korea 0,98 Standardabweichungen auf der PIAAC-Skala, in Singapur sind es sogar 1,36 [A1]. Deutschland und Japan haben ebenfalls stark hinzugewonnen, aber die Steigerung ist mit 0,52 und 0,50 deutlich geringer.
In den abschließenden Folgen werden wir die Ergebnisse in einem breiteren Kontext diskutieren.
Hier gibt es die Fortsetzung → Bildung und Intelligenz – Die Weltspitze. 10. PIAAC 2012/2014: Repräsentanten der Weltspitze
Literatur
[1] Rammstedt, B. (2013). Grundlegende Kompetenzen Erwachsener im internationalen Vergleich. Ergebnisse von PIAAC 2012. Münster: Waxmann.
[2] NCES National Center for Educational Statistics: International Data Explorer. PIAAC Data Explorer.
https://nces.ed.gov/surveys/piaac/ideuspiaac/
Anmerkungen
[A1] Die Angaben in Standardabweichungseinheiten beziehen sich auf die PIAAC-Skala, deren Standardabweichung auf 50 normiert ist. Die Normierung basiert auf allen Teilnehmerländern der ersten PIAAC-Runde. Da die Standardabweichungen in den einzelnen Ländern anders ausfallen (in der Regel deutlich niedriger), sind die Angaben nicht mit dem Effektstärkemaß d zu verwechseln. Die Effektstärke ist deutlich größer.
***
Stichwörter:
Bildung, Asien, Ostasien, Ostasiaten, Japan, Singapur, Korea, Deutschland, Erwachsene, PIAAC, Intelligenz, Alter, Psychologie
Bildung und Intelligenz – Die Weltspitze – Teil 8
Bildung und Intelligenz – Die Weltspitze
8. PIAAC 2012/2014: Technologiebasierte Problemlösekompetenz von Erwachsenen in Deutschland und Ostasien
PIAAC 2012/2014 zeigt, dass in Deutschland, Japan, Korea und Singapur die Jüngeren eine höhere Technologiebasierte Problemlösekompetenz aufweisen als die Älteren. Relativ zu Korea und Singapur steht Deutschland von der ältesten zur jüngsten Altersgruppe kontinuierlich schlechter da. Bei der ältesten Kohorte liegt Deutschland vor Korea und Singapur, bei der jüngsten liegt es dahinter.
Hier geht es zum Anfang der Serie → Bildung und Intelligenz – Die Weltspitze.
Auf der Grundlage von PIAAC 2012/2014 [1] [2] haben wir im → Teil 6 die Lesekompetenz und im → Teil 7 die Alltagsmathematische Kompetenz von Erwachsenen in Deutschland, Japan, Korea und Singapur betrachtet. Nun betrachten wir die Technologiebasierte Problemlösekompetenz.
Technologiebasierte Problemlösekompetenz bezieht sich nicht auf Technikprobleme oder Kenntnisse der Hardware und auch nicht auf die Programmierung von Software. Sie „bezeichnet die Kompetenz, digitale Technologien, Kommunikationshilfen und Netzwerke erfolgreich für die Suche, Vermittlung und Interpretation von Informationen zu nutzen … Im Fokus … steht, wie Personen sich Informationen in einer computergestützten Umgebung erfolgreich beschaffen und wie sie diese verwenden“ (Rammstedt, 2013; [1]).
Abbildung 8.1 zeigt die Mittelwerte aufgeschlüsselt nach den Altersgruppen 16-24, 25-34, 35-44, 45-54 und 55-65.
Die vier Länder zeigen ein sehr ähnliches Muster über die Alterskohorten. In der Regel schneidet die jeweils jüngere besser ab als die ältere. In Korea und Singapur gilt dies generell und mit Ausnahme der beiden jüngsten Gruppen in Singapur und der beiden ältesten in Korea sind alle Unterschiede statistisch signifikant. In Deutschland schneidet die jüngste Gruppe minimal, aber nicht signifikant schlechter ab als die zweitjüngste. In Japan schneidet die jüngste Gruppe schlechter ab als die 25-34- und die 35-bis-44-Jährigen, aber nur der Unterschied zu den 25-bis-34-Jährigen ist signifikant. In Korea und Singapur ist der Trend von den Älteren zu den Jüngeren durchweg positiv, in Deutschland zeigt sich bei der jüngsten Kohorte ein minimaler Rückgang und in Japan zeigt sich bei der jüngsten Kohorte ein starker Einbruch.
Mit Ausnahme der jüngsten Kohorte liegt Japan stets auf Platz 1. Deutschland liegt bei den beiden ältesten Kohorten auf Platz 2. Bei den 35-bis-44-Jährigen teilt es sich den Platz mit Singapur und in der jüngsten Gruppe bildet es das Schlusslicht.
Von den Ältesten zu den Jüngsten kehrt sich die Position Deutschlands gegenüber Korea und Singapur um. Deutschland hat bei den Ältesten einen 4-Punkte-Vorsprung und bei den Jüngsten einen 9-Punkte-Rückstand gegenüber Korea. Der Vergleich mit Singapur ergibt einen 12-Punkte-Vorsprung bei den Ältesten und einen 10-Punkte-Rückstand bei den Jüngsten.
Alle Länder zeigen erhebliche Verbesserungen von den Älteren zu den Jüngeren. Der Unterschied zwischen der ältesten und der jüngsten Kohorte beträgt in Japan 0,56, in Deutschland 0,70, in Korea 0,96 und in Singapur 1,14 Standardabweichungseinheiten auf der PIAAC-Skala [A1]. Da der Zugewinn in Korea und Singapur höher ist als in Deutschland, ist Deutschland vom zweiten Platz bei den Ältesten auf den letzten Platz bei den Jüngsten abgesunken.
In der nächsten Folge betrachten wir die Bereiche Lesekompetenz, Mathematische Alltagskompetenz und Technologiebasierte Problemlösekompetenz gmeinsam.
Hier gibt es die Fortsetzung → Bildung und Intelligenz – Die Weltspitze. 9. PIAAC 2012/2014: Intelligenz von Erwachsenen in Deutschland und Ostasien
Literatur
[1] Rammstedt, B. (2013). Grundlegende Kompetenzen Erwachsener im internationalen Vergleich. Ergebnisse von PIAAC 2012. Münster: Waxmann.
[2] NCES National Center for Educational Statistics: International Data Explorer. PIAAC Data Explorer.
https://nces.ed.gov/surveys/piaac/ideuspiaac/
Anmerkungen
[A1] Die Angaben in Standardabweichungseinheiten beziehen sich auf die PIAAC-Skala, deren Standardabweichung auf 50 normiert ist. Die Normierung basiert auf allen Teilnehmerländern der ersten PIAAC-Runde. Da die Standardabweichungen in den einzelnen Ländern anders ausfallen (in der Regel deutlich niedriger), sind die Angaben nicht mit dem Effektstärkemaß d zu verwechseln. Die Effektstärke ist deutlich größer.
***
Stichwörter:
Bildung, Asien, Ostasien, Ostasiaten, Japan, Singapur, Korea, Deutschland, Erwachsene, PIAAC, Technologiebasierte Problemlösekompetenz, Intelligenz, Alter, Psychologie
Bildung und Intelligenz – Die Weltspitze – Teil 7
Bildung und Intelligenz – Die Weltspitze
7. PIAAC 2012/2014: Alltagsmathematische Kompetenz von Erwachsenen in Deutschland und Ostasien
PIAAC 2012/2014 zeigt, dass in Deutschland, Japan, Korea und Singapur die Jüngeren eine höhere Alltagsmathematische Kompetenz aufweisen als die Älteren. Relativ zu Korea und Singapur steht Deutschland von der ältesten zur jüngsten Altersgruppe kontinuierlich schlechter da. Bei den älteren Kohorten liegt Deutschland vor Korea und Singapur, bei der jüngsten liegt es dahinter.
Hier geht es zum Anfang der Serie → Bildung und Intelligenz – Die Weltspitze.
Auf der Grundlage von PIAAC 2012/2014 [1] [2] haben wir im → Teil 6 die Lesekompetenz von Erwachsenen in Deutschland, Japan, Korea und Singapur betrachtet. Nun betrachten wir die Alltagsmathematische Kompetenz.
Abbildung 7.1 zeigt die Mittelwerte aufgeschlüsselt nach den Altersgruppen 16-24, 25-34, 35-44, 45-54 und 55-65.
Die vier Länder zeigen ein sehr ähnliches Muster über die Alterskohorten. In der Regel schneidet die jeweils jüngere besser ab als die ältere. In Korea und Singapur gilt dies generell und mit Ausnahme der beiden jüngsten Gruppen sind alle Unterschiede statistisch signifikant. In Deutschland schneidet die jüngste Gruppe schlechter ab als die zweit- und die drittjüngste, aber nur der Unterschied zu den 25-bis-34-Jährigen ist signifikant. In Japan ist die jüngste Gruppe signifikant schlechter als die drei Kohorten von 25 bis 54. Die 25-bis-34-Jährigen und die 35-bis-44-Jährigen sind gleichauf. Ansonsten schneiden die Jüngeren besser ab als die Älteren. Insgesamt heißt dies: Von den Ältesten zu den Jüngsten zeigen sich – zum Teil enorme – Verbesserungen, aber in Japan und Deutschland schneidet die jüngste Kohorte deutlich schlechter ab als die zweitjüngste, in Korea sind diese beiden Gruppen gleichauf und in Singapur ist der Unterschied gering.
Mit Ausnahme der jüngsten Kohorte liegt Japan stets auf Platz 1. Deutschland liegt bei den drei älteren Kohorten auf Platz 2. Bei den 25-bis-34-Jährigen wird es von Singapur auf den dritten Platz verwiesen und in der jüngsten Gruppe bildet es das Schlusslicht.
Von der ältesten zur jüngsten Kohorte hat sich die Position Deutschlands gegenüber Korea und Singapur umgekehrt. Gegenüber Korea hat Deutschland bei den Ältesten einen 24-Punkte-Vorsprung und bei den Jüngsten einen 6-Punkte-Rückstand. Der Vergleich mit Singapur zeigt bei den Ältesten einen 44-Punkte-Vorsprung und bei den Jüngsten einen 12-Punkte-Rückstand.
Alle Länder zeigen von den älteren zu den jüngeren Kohorten erhebliche Verbesserungen. Der Unterschied zwischen der ältesten und der jüngsten beträgt in Japan 0,20, in Deutschland 0,38, in Korea 0,98 und in Singapur 1,50 Standardabweichungseinheiten auf der PIAAC-Skala [A1]. Da der Zugewinn in Korea und Singapur viel höher ist als in Deutschland, ist Deutschland vom zweiten Platz bei den Ältesten auf den letzten Platz bei den Jüngsten abgesunken.
In der nächsten Folge betrachten wir die Technologiebasierte Problemlösekompetenz.
Hier gibt es die Fortsetzung → Bildung und Intelligenz – Die Weltspitze. Teil 8. PIAAC 2012/2014: Technologiebasierte Problemlösekompetenz von Erwachsenen in Deutschland und Ostasien
Literatur
[1] Rammstedt, B. (2013). Grundlegende Kompetenzen Erwachsener im internationalen Vergleich. Ergebnisse von PIAAC 2012. Münster: Waxmann.
[2] NCES National Center for Educational Statistics: International Data Explorer. PIAAC Data Explorer.
https://nces.ed.gov/surveys/piaac/ideuspiaac/
Anmerkungen
[A1] Die Angaben in Standardabweichungseinheiten beziehen sich auf die PIAAC-Skala, deren Standardabweichung auf 50 normiert ist. Die Normierung basiert auf allen Teilnehmerländern der ersten PIAAC-Runde. Da die Standardabweichungen in den einzelnen Ländern anders ausfallen (in der Regel deutlich niedriger), sind die Angaben nicht mit dem Effektstärkemaß d zu verwechseln. Die Effektstärke ist deutlich größer.
***
Stichwörter:
Bildung, Asien, Ostasien, Ostasiaten, Japan, Singapur, Korea, Deutschland, Erwachsene, PIAAC, Mathematik, Intelligenz, Alter
Bildung und Intelligenz – Die Weltspitze – Teil 6
Bildung und Intelligenz – Die Weltspitze
6. PIAAC 2012/2014: Lesekompetenz von Erwachsenen in Deutschland und Ostasien
PIAAC 2012/2014 zeigt, dass die Lesekompetenz in Deutschland, Japan, Korea und Singapur von Alterskohorte zu Alterskohorte steigt. Japan belegt in allen Altersgruppen Platz 1. Gegenüber Korea und Singapur steht Deutschland von der ältesten zur jüngsten Altersgruppe kontinuierlich schlechter das. Bei den ältesten Kohorten liegt Deutschland vor Korea und Singapur, bei der jüngsten liegt es dahinter.
Hier geht es zum Anfang der Serie → Bildung und Intelligenz – Die Weltspitze.
Bislang haben wir Deutschland und die ostasiatischen Länder auf der Grundlage von PISA betrachtet und ein Bild über die kognitiven Kompetenzen von 15-Jährigen erhalten. In diesem Beitrag betrachten wir die Intelligenz von Erwachsenen auf der Grundlage von PIAAC 2012/2014 [1] [2].
PIAAC ist PISA für Erwachsene. An PIAAC 2012/2014 nahmen unter anderem Deutschland, Japan, Korea und Singapur teil. In jedem Land wurden mindestens 5.000 Männer und Frauen im Alter von 16 bis 65 Jahren getestet. Die Tests bezogen sich auf die Bereiche Lesekompetenz, Alltagsmathematische Kompetenz und Technologiebasierte Problemlösekompetenz. Die Leistungen wurden so normiert, dass der Mittelwert über die teilnehmenden OECD-Staaten 250 und die Standardabweichung 50 beträgt.
Abbildung 6.1 zeigt die Mittelwerte im Bereich Lesekompetenz aufgeschlüsselt nach den Altersgruppen 16-24, 25-34, 35-44, 45-54 und 55-65.
Abbildung 6.1 zeigt für die vier Länder ein sehr ähnliches Muster über die Alterskohorten. Mit drei Ausnahmen schneidet die jeweils jüngere besser ab als die ältere. In Japan ist die jüngste Gruppe signifikant schlechter als die zweit- und die drittjüngste. In Deutschland ist die jüngste Gruppe signifikant schlechter als die zweitjüngste.
In jeder Alterskohorte liegt Japan auf Platz 1. Deutschland liegt bei den beiden ältesten Kohorten auf Platz 2. Bei den 35-bis-44-Jährigen wird es von Korea auf den dritten Platz verdrängt und bei bei den 25-bis-34-Jährigen wird es auch von Singapur überholt, so dass Deutschland bei den beiden jüngsten Gruppen den letzten Platz belegt.
Der Rückstand Deutschlands gegenüber Japan ist in allen Kohorten signifikant. Der Vergleich mit Korea fällt in den beiden ältesten Gruppen signifikant zugunsten Deutschlands aus; in den beiden jüngsten ist es umgekehrt. Gegenüber Singapur hat Deutschland in den drei ältesten Kohorten einen signifikanten Vorsprung; in der jüngsten Kohorte ist Singapur signifikant besser als Deutschland.
Von der ältesten zur jüngsten Kohorte hat sich die Position Deutschlands gegenüber Korea und Singapur umgekehrt. Bei den Ältesten hat Deutschland einen 10-Punkte-Vorsprung vor Korea und bei den Jüngsten einen 14-Punkte-Rückstand. Der Vergleich mit Singapur zeigt einen 27-Punkte-Vorsprung bei den Ältesten und einen 8-Punkte-Rückstand bei den Jüngsten.
In allen Ländern zeigen sich enorme Verbesserungen zugunsten der jüngeren Kohorten. Der Unterschied zwischen der ältesten und der jüngsten beträgt in Deutschland 0,50, in Japan 0,52 in Korea 0,98 und in Singapur 1,40 Standardabweichungseinheiten auf der PIAAC-Skala [A1]. Da der Zugewinn in Korea doppelt und in Singapur fast dreimal so groß ist wie in Deutschland, ist Deutschland vom zweiten Platz bei den Ältesten auf den letzten Platz bei den Jüngsten abgesunken.
In der nächsten Folge betrachten wir die Alltagsmathematische Kompetenz und in der übernächsten die Technologiebasierte Problemlösekompetenz.
Hier gibt es die Fortsetzung → Bildung und Intelligenz – Die Weltspitze. 7. PIAAC 2012/2014: Alltagsmathematische Kompetenz von Erwachsenen in Deutschland und Ostasien
Literatur
[1] Rammstedt, B. (2013). Grundlegende Kompetenzen Erwachsener im internationalen Vergleich. Ergebnisse von PIAAC 2012. Münster: Waxmann.
[2] NCES National Center for Educational Statistics: International Data Explorer. PIAAC Data Explorer.
https://nces.ed.gov/surveys/piaac/ideuspiaac/
Anmerkungen
[A1] Die Angaben in Standardabweichungseinheiten beziehen sich auf die PIAAC-Skala, deren Standardabweichung auf 50 normiert ist. Die Normierung basiert auf allen Teilnehmerländern der ersten PIAAC-Runde. Da die Standardabweichungen in den einzelnen Ländern anders ausfallen (in der Regel deutlich niedriger), sind die Angaben nicht mit dem Effektstärkemaß d zu verwechseln. Die Effektstärke ist deutlich größer.
***
Stichwörter:
Bildung, Asien, Ostasien, Ostasiaten, Japan, Singapur, Korea, Deutschland, Erwachsene, PIAAC, Lesekompetenz, Intelligenz, Alter
Von Mathematik, älteren Lehrerinnen und Migranten – Teil 5
Von Mathematik, älteren Lehrerinnen und Migranten
Teil 5: Das Elend mit den Migranten
Die vorangegangenen Folgen zum IQB-Ländervergleich 2012 (1) haben gezeigt:
- Die Mathematikleistungen in den ostdeutschen Flächenländern fallen sehr viel besser aus als im übrigen Deutschland (→ Teil 1).
- In den ostdeutschen Flächenländern ist der Frauenanteil in der Lehrerschaft sehr viel größer als in den anderen Bundesländern (→ Teil 2).
- Die Lehrer in den ostdeutschen Flächenländern sind sehr viel älter als im übrigen Bundesgebiet (→ Teil 3).
- In den ostdeutschen Flächenländern ist der Anteil der Schüler mit Migrationshintergrund sehr viel kleiner als im übrigen Bundesgebiet (→ Teil 4).
In einem Satz:
- Geschlecht und Alter der Lehrer korrelieren positiv und die Migrantenquote korreliert negativ mit den Schulleistungen.
Die zentrale Frage lautet: Welche der drei Variablen – wenn überhaupt – trägt zu einem wesentlichen Teil ursächlich zu den Leistungsunterschieden bei?
Die Vorstellung, dass ältere, erfahrene Lehrerinnen entscheidend für die guten Leistungen in den ostdeutschen Flächenländern verantwortlich sind, mag bei politisch korrekten Bildungs“experten“, Femininistinnen und Dschänderforsch_xlsbq*?% ein erfreutes Echo finden. Gleichwohl ist diese Vorstellung purer Nonsens. Dies wird bereits anhand der folgenden Betrachtungen deutlich werden; in einer späteren Folge werden wir das Märchen von den erfahrenen älteren Lehrerinnen ausführlicher betrachten.
Im Gegensatz zu den Lehrermerkmalen Geschlecht und Alter ist das Schülermerkmal Migrationshintergrund ein aussichtsreicher Kandidat für eine relevante Kausalursache.
In Tabelle 5.1 finden sich in der linken Hälfte die Leistungen der gesamten Schülerschaft, die bereits aus den bisherigen Folgen bekannt sind. In der rechten Hälfte finden sich die Leistungen der Schüler ohne Migrationshintergrund. Die beiden Tabellenhälften sind jeweils in absteigender Rangfolge geordnet.
| Schüler insgesamt | ||| | Ohne Migrationshintergrund | ||
| Sachsen | 536 | 549 | Sachsen | |
| Thüringen | 521 | 543 | Bayern | |
| Brandenburg | 518 | 530 | Bremen | |
| Bayern | 517 | 529 | Hamburg | |
| Sachsen-Anhalt | 513 | 528 | Thüringen | |
| Mecklenburg-Vorpommern | 505 | 526 | Saarland | |
| Rheinland-Pfalz | 503 | 525 | Schleswig-Holstein | |
| Schleswig-Holstein | 502 | 524 | Brandenburg | |
| Baden-Württemberg | 500 | 524 | Berlin | |
| Hessen | 495 | 521 | Rheinland-Pfalz | |
| Niedersachsen | 495 | 518 | Baden-Württemberg | |
| Hamburg | 489 | 517 | Sachsen-Anhalt | |
| Saarland | 489 | 516 | Hessen | |
| Nordrhein-Westfalen | 486 | 512 | Mecklenburg-Vorpommern | |
| Berlin | 479 | 512 | Nordrhein-Westfalen | |
| Bremen | 471 | 503 | Niedersachsen | |
| Deutschland | 500 | 521 | Deutschland | |
Die linke und die rechte Hälfte der Tabelle 5.1 zeigen zwei völlig unterschiedliche Welten.
In der Gesamtstichprobe lag der Mittelwert für Deutschland bei 500; bei den Deutschen ohne Migrationshintergrund beträgt er 521.
In jedem einzelnen Bundesland schneiden die Deutschen ohne Migrationshintergrund deutlich besser ab als die Gesamtstichprobe. Folglich zeigen die Migranten in allen Bundesländern (sehr) viel schlechtere Leistungen als die Deutschen.
Die ostdeutschen Flächenländer belegten in der Gesamtstichprobe die Rangplätze 1, 2, 3, 5 und 6 – betrachtet man nur die Deutschen ohne Migrationshintergrund, dann lauten die Rangplätze 1, 5, 8,5, 12 und 14,5. Der Leistungsvorteil der ostdeutschen Flächenländer hat sich mir nichts dir nichts in Luft aufgelöst! Er war einzig und allein der Tatsache zu verdanken, dass dort der Migrantenanteil sehr viel niedriger ist als im übrigen Bundesgebiet. Damit ist auch klar, dass das Geschlecht und das Alter der Lehrer keinerlei substanziellen Beitrag zum herausragenden Abschneiden der ostdeutschen Flächenländer leisten.
Nimmt man die Migranten heraus, dann schießen einige andere Bundesländer raketenartig nach oben: Das Saarland von Platz 13 auf Platz 6, Hamburg von Platz 12 auf Platz 4 und Bremen, das sonst immer und überall die Rote Laterne trägt, von Rang 16 auf Rang 3! (Es ist aber anzumerken, dass in diesen Ländern sehr viele Angaben zum Migrationshintergrund fehlen, so dass deren Werte nur mit Vorbehalt zu genießen sind.)
In der nächsten Folge wird das katastrophale Leistungsniveau der Migranten näher betrachtet → Von Mathematik, älteren Lehrerinnen und Migranten. Teil 6: Die deutsche Bildungslandschaft mit und ohne Migranten.
(1) Hans Anand Pant, Petra Stanat, Ulrich Schroeders, Alexander Roppelt, Thilo Siegle, Claudia Pöhlmann (Hrsg.): IQB-Ländervergleich 2012 Mathematische und naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I. Münster: Waxmann Verlag GmbH, 2013.
Im Internet erhältlich unter https://www.iqb.hu-berlin.de/bt/lv2012/Bericht
***
Stichwörter:
Bildung, Mathematik, IQB, Bildungsstudie, Bundesland, Schulleistungen, 2012, Geschlecht, Alter, Migranten, Migrationshintergrund
Von Mathematik, älteren Lehrerinnen und Migranten – Teil 4
Von Mathematik, älteren Lehrerinnen und Migranten
Teil 4: Die Sache mit den Migranten
Der IQB-Ländervergleich 2012 (1) hat gezeigt:
- Die Mathematikleistungen in den ostdeutschen Flächenländern fallen sehr viel besser aus als im übrigen Deutschland (→ Teil 1; siehe unten, Tabelle 4.1, Spalte 2).
- In den ostdeutschen Flächenländern ist der Frauenanteil in der Lehrerschaft sehr viel größer als in den anderen Bundesländern (→ Teil 2; siehe unten, Tabelle 4.1, Spalte 3).
- Die Lehrer in den ostdeutschen Flächenländern sind sehr viel älter als im übrigen Bundesgebiet (→ Teil 3; siehe unten, Tabelle 4.1, Spalte 4).
In Tabelle 4.1 wird eine weitere Variable berücksichtigt, nämlich der Anteil der Schüler mit Migrationshintergrund, der in der letzten Spalte (%Migranten) dargestellt ist (2).
| Lehrer | ||||
| Mathe | %Frauen | 40+ | %Migranten | |
| Sachsen | 536 | 73,1 | 97,0 | 9,9 |
| Thüringen | 521 | 80,7 | 98,2 | 7,7 |
| Brandenburg | 518 | 72,6 | 97,3 | 8,1 |
| Bayern | 517 | 38,2 | 55,1 | 24,5 |
| Sachsen-Anhalt | 513 | 82,1 | 100,0 | 6,8 |
| Mecklenburg-Vorpommern | 505 | 77,2 | 94,6 | 7,8 |
| Rheinland-Pfalz | 503 | 46,2 | 64,1 | 24,9 |
| Schleswig-Holstein | 502 | 45,7 | 68,8 | 17,0 |
| Baden-Württemberg | 500 | 29,3 | 70,7 | 28,7 |
| Hessen | 495 | 47,8 | 65,4 | 35,9 |
| Niedersachsen | 495 | 53,8 | 69,6 | 22,6 |
| Hamburg | 489 | 45,0 | 61,7 | 43,2 |
| Saarland | 489 | 36,0 | 61,8 | 20,3 |
| Nordrhein-Westfalen | 486 | 45,5 | 69,9 | 33,2 |
| Berlin | 479 | 53,8 | 85,3 | 36,7 |
| Bremen | 471 | 39,1 | 74,6 | 39,2 |
| Deutschland | 500 | 55,2 | 77,5 | 26,4 |
Der Anteil der Schüler mit Migrationshintergrund betrug in der IQB-Studie von 2012 „nur“ 26,4 Prozent. (In der neuesten IQB-Studie von 2016 lag die Migrantenquote bei 34 Prozent, wobei die Kinder, die mit der Masseninvasion ab 2015 ins Land strömten, gar nicht berücksichtigt wurden.)
Die ostdeutschen Flächenländer hatten in dieser Hinsicht mit großem Abstand die günstigsten Bedingungen – hier betrug der Migrantenanteil 6,8 (Sachsen-Anhalt) bis 9,9 Prozent (Sachsen).
Im übrigen Bundesgebiet reichte die Migrantenquote von 17,0 (Schleswig-Holstein) bis 43,2 (Hamburg).
Über alle Bundesländer hinweg zeigt sich ein außerordentlich enger negativer Zusammenhang zwischen Migrantenquote und der Schulleistung in Mathematik.
- Je höher der Migrantenanteil in einem Bundesland desto schlechter ist der Leistungsstand der Schüler.
Die Korrelation beträgt -0.78, etwas mehr als 60 Prozent der Varianz zwischen den Bundesländern wird durch die Migrantenquote aufgeklärt.
Somit zeichnen sich die ostdeutschen Flächenländer im Vergleich zu den übrigen Bundesländern durch folgende Merkmale aus:
- Die Schulleistungen in Mathematik sind sehr viel besser.
- Der Frauenanteil am Lehrkörper ist sehr viel höher.
- Die Lehrer sind sehr viel älter.
- Die Migrantenquote ist sehr viel kleiner.
In den weiteren Folgen ist zu klären, welche der drei Variablen – Geschlecht der Lehrer, Alter der Lehrer, Migrantenquote – sich ursächlich auf die Schülerleistung auswirken und welche Zusammenhänge lediglich Scheinkorrelationen darstellen.
Antworten gibt es in der Fortsetzung → Von Mathematik, älteren Lehrerinnen und Migranten. Teil 5: Das Elend mit den Migranten.
(1) Hans Anand Pant, Petra Stanat, Ulrich Schroeders, Alexander Roppelt, Thilo Siegle, Claudia Pöhlmann (Hrsg.): IQB-Ländervergleich 2012 Mathematische und naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I. Münster: Waxmann Verlag GmbH, 2013.
Im Internet erhältlich unter https://www.iqb.hu-berlin.de/bt/lv2012/Bericht
***
Stichwörter:
Bildung, Mathematik, IQB, Bildungsstudie, Bundesland, Schulleistungen, 2012, Frauen, Lehrer, Lehrerinnen, Mathematiklehrerinnen, Geschlecht, Alter, Migranten, Migrationshintergrund, Migrantenquote
Von Mathematik, älteren Lehrerinnen und Migranten – Teil 3
Von Mathematik, älteren Lehrerinnen und Migranten
Teil 3: Die ältere, erfahrene Lehrerin
Der IQB-Ländervergleich 2012 (1) hat gezeigt:
- Die Mathematikleistungen in den ostdeutschen Flächenländern fallen sehr viel besser aus als im übrigen Deutschland (→ Teil 1; siehe unten, Tabelle 3.1, Spalte 2).
- In den ostdeutschen Flächenländern ist der Frauenanteil in der Lehrerschaft sehr viel größer als in den anderen Bundesländern (→ Teil 2; siehe unten, Tabelle 3.1, Spalte 3).
- Folglich besteht eine hohe positive Korrelation zwischen dem Frauenanteil in der Lehrerschaft und den Mathematikleistungen der Schüler.
In Tabelle 3.1 wird eine weitere Variable berücksichtigt, nämlich das Alter der Lehrkräfte. Die letzte Spalte zeigt den prozentualen Anteil der Lehrer, die mindestens 40 Jahre alt sind.
| Lehrer | |||
| Mathematik | % Frauen | 40+ | |
| Sachsen | 536 | 73,1 | 97,0 |
| Thüringen | 521 | 80,7 | 98,2 |
| Brandenburg | 518 | 72,6 | 97,3 |
| Bayern | 517 | 38,2 | 55,1 |
| Sachsen-Anhalt | 513 | 82,1 | 100,0 |
| Mecklenburg-Vorpommern | 505 | 77,2 | 94,6 |
| Rheinland-Pfalz | 503 | 46,2 | 64,1 |
| Schleswig-Holstein | 502 | 45,7 | 68,8 |
| Baden-Württemberg | 500 | 29,3 | 70,7 |
| Hessen | 495 | 47,8 | 65,4 |
| Niedersachsen | 495 | 53,8 | 69,6 |
| Hamburg | 489 | 45,0 | 61,7 |
| Saarland | 489 | 36,0 | 61,8 |
| Nordrhein-Westfalen | 486 | 45,5 | 69,9 |
| Berlin | 479 | 53,8 | 85,3 |
| Bremen | 471 | 39,1 | 74,6 |
| Deutschland | 500 | 55,2 | 77,5 |
In Deutschland sind insgesamt 77,5 Prozent der Mathematiklehrer 40 Jahre oder älter.
In den ostdeutschen Flächenländern sind die Verhältnisse extrem: Hier gehören zwischen 94,6 (Mecklenburg-Vorpommern) und 100 Prozent (Sachsen) zur Altersgruppe 40+ (2).
Im restlichen Bundesgebiet reichen die Werte von 55,1 (Bayern) bis 85,3 Prozent (Berlin).
Damit ist die Lehrerschaft in den ostdeutschen Ländern sehr viel älter – und somit auch sehr viel erfahrener – als im übrigen Deutschland (3).
Da in Ostdeutschland mehr als dreimal so viele Frauen unterrichten wie Männer und da nahezu alle Lehrkräfte vierzig Jahre und (deutlich) älter sind, werden ostdeutsche Schüler vor allem von älteren, erfahrenen Lehrerinnen unterrichtet.
Im Vergleich zum restlichen Deutschland zeichnen sich die ostdeutschen Flächenländer – unter anderem! – durch drei Dinge aus:
- der Anteil weiblicher Lehrkräfte ist sehr viel höher
- die Lehrkräfte sind viel älter und damit auch viel erfahrener
- die Schüler zeigen sehr viel bessere Leistungen.
Der politisch korrekte kulturdeterministische Bildungs“experte“ wird sich freuen, zeigt dies doch, dass der Schulerfolg vor allem auf die Lehrer – auf ihr Geschlecht, ihr Alter und ihre Erfahrung – zurückzuführen ist. Oder nicht?
Die nächste Folge wird dem kulturdeterministischen Bildungs“experten“ vermutlich weniger Freude bereiten, stellt sie doch die bisherigen allzu oberflächlichen Betrachtungen infrage → Von Mathematik, älteren Lehrerinnen und Migranten. Teil 4: Die Sache mit den Migranten.
*
Quellen und Anmerkungen
(1) Hans Anand Pant, Petra Stanat, Ulrich Schroeders, Alexander Roppelt, Thilo Siegle, Claudia Pöhlmann (Hrsg.): IQB-Ländervergleich 2012 Mathematische und naturwissenschaftliche Kompetenzen am Ende der Sekundarstufe I. Münster: Waxmann Verlag GmbH, 2013.
Im Internet erhältlich unter https://www.iqb.hu-berlin.de/bt/lv2012/Bericht
(2) Die Prozentangaben beziehen sich auf die Stichprobe, die an der IQB-Studie beteiligt war. In Sachsen gibt es sicherlich irgendwo auch eine Mathematiklehrkraft, die jünger als 40 Jahre ist.
(3) Worauf dieses eklatante Missverhältnis zurückzuführen ist, wird in einer späteren Folge verraten.
***
Stichwörter:
Bildung, Mathematik, IQB, Bildungsstudie, Bundesland, Schulleistungen, 2012, Frauen, Lehrer, Lehrerinnen, Mathematiklehrerinnen, Geschlecht, Alter
Splitter1 