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 |
| Alter | Lesen | Mathematik | Technologie |
| 16-24 | 1,15 | 1,13 | 1,12 |
| 25-34 | 1,08 | 1,07 | 1,09 |
| 35-44 | 1,09 | 1,10 | 1,13 |
| 45-54 | 1,08 | 1,11 | 1,14 |
| 55-65 | 1,10 | 1,13 | 1,15 |
| Gesamt | 1,10 | 1,11 | 1,13 |
Tabelle 9.1 zeigt ein sehr klares Bild: Die Varianz zwischen den Männern ist in allen Fällen größer als die Varianz zwischen den Frauen. Der Varianzquotient bewegt sich in einem engen Rahmen von 1,07 bis 1,15. In der Lesekompetenz beträgt er 1,10, in der Alltagsmathematischen Kompetenz 1,11, in der Technologiebasierte Problemlösekompetenz 1,13. Auch in den Altersgruppen sind die Werte jeweils sehr ähnlich. Von den 444 unabhängigen Stichproben, die sich aus der Kombination von Bereich, Land und Altersgruppe ergeben, zeigen 355 eine größere Varianz bei den Männern (80 Prozent).
Insgesamt ist die Varianz bei den Männer rund 11 Prozent größer als bei den Frauen. Dies fügt sich perfekt in die Befunde der psychometrischen Intelligenzforschung, die in aller Regel eine größere Varianz bei den Männern konstatiert.
Die Tatsache, dass die Varianz bei den Männern größer ist als bei den Frauen, wird nur selten hervorgehoben; noch seltener wird deutlich gemacht, welch enorme Konsequenzen sich aus Varianzunterschieden ergeben können. Wegen seiner großen Bedeutung wollen wir diesen sehr wichtigen Punkt an einem Beispiel vertiefen.
Abbildung 9.1 zeigt zwei Normalverteilungen, bei denen die Mittelwerte absolut gleich sind und der Varianzquotient 1,11 beträgt. Die X-Achse entspricht der gängigen IQ-Skala mit Mittelwert 100 und Standardabweichung 15.
Die Varianz der blauen Glockenkurve ist um 11 Prozent größer als die Varianz der roten. Die Überlappung ist fast perfekt, sie beträgt 97,5 Prozent. Das heißt: 97,5 Prozent der Blauen haben einen roten Partner, der exakt denselben Wert aufweist.
Dennoch ist deutlich, dass sich die roten Werte stärker um den Mittelwert ballen, während an den Extremen mehr blaue zu finden sind. Der winzig kleine Unterschied an den Extremen kann in der Realität enorme Auswirkungen haben.
Wenn zum Beispiel für eine berufliche Tätigkeit ein Mindest-IQ von 110 erforderlich ist und genauso viele blaue wie rote Bewerber zur Verfügung stehen, dann sind unter den blauen 4 Prozent mehr Geeignete als unter den roten. Diese Relation ist in aller Regel irrelevant.
Wenn der Mindest-IQ 120 beträgt, dann sind schon 13 Prozent mehr Blaue als Rote geeignet.
Für einen Spitzenberuf, der einen Mindest-IQ von 130 erfordert, beträgt der Vorteil der Blauen 28 Prozent.
Für einen Superspitzenberuf mit einem Mindest-IQ von 140 sind 51 Prozent mehr Blaue als Rote geeignet.
Die Spitzenberufe und die Superspitzenberufe betreffen zwar nur einen winzigen Teil der Gesamtpopulation – aber es sind genau diese Berufe und Personen, die in der Öffentlichkeit wahrgenommen werden. Ersetzt man nun Blau durch Männer und Rot durch Frauen, dann bietet dieses Beispiel eine ganz simple Teil!-Erklärung für die Tatsache, dass sich in Spitzenpositionen in vielen Bereichen mehr Männer als Frauen befinden.
In diesem Beispiel wurde angenommen, dass der Intelligenzdurchschnitt bei Männern und Frauen gleich ist. In den vorangegangenen Folgen haben wir jedoch gesehen, dass erwachsene Männer in der Lesekompetenz um 0,04 Standardabweichungseinheiten besser abschneiden als Frauen , in der Technologiebasierten Problemlösekompetenz um 0,12 und in der alltagsmathematischen Kompetenz um 0,22 (das entspricht 0,6, 1,8 und 3,3 IQ-Punkten).
Aus der Kombination von etwas höherem Leistungsniveau und größerer Varianz ergeben sich in den Extrembereichen noch größere Unterschiede als im Beispiel aus Abbildung 9.1. Dies haben wir bereits im → Teil 6 dargestellt.
Was hier für den oberen Bereich gesagt wurde, gilt in gleicher Weise für das untere Extrem. Männer überwiegen in der Spitzengruppe – Männer überwiegen aber genauso im unteren Bereich. Während die Überrepräsentation der Männer im oberen Bereich großes Aufsehen erregt, ist von der Überrepräsentation der Männer im unteren Bereich kaum etwas zu hören.
In der nächsten Folge fassen wir unsere wichtigsten Befunde zusammen.
Hier gibt es die Fortsetzung → Geschlechtsunterschiede in der Intelligenz. Teil 10: PIAAC 2012/2014 – Resumé
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/
***
Stichwörter:
Bildung, Intelligenz, PIAAC, Mathematik, Lesekompetenz, Technologiebasierte Problemlösekompetenz, Geschlecht, Geschlechtsunterschiede, Erwachsene, Varianz
Geschlechtsunterschiede in der Intelligenz – Teil 8
Geschlechtsunterschiede in der Intelligenz
Teil 8: PIAAC 2012/2014 – Bereichsabhängigkeit und Altersabhängigkeit
Das Ausmaß der Geschlechtsunterschiede in der Intelligenz ist abhängig vom jeweiligen Bereich. Der Geschlechtsunterschied verändert sich vom Jugendalter zum Erwachsenenalter zugunsten der Männer. Im Erwachsenenalter schneiden Männer in jedem der drei berücksichtigten Bereiche besser ab als Frauen.
Zum Beginn dieser Serie → Geschlechtsunterschiede in der Intelligenz – Teil 1.
Auf der Grundlage von PIAAC 2012/2014 [1] [2] haben wir Geschlechtsunterschiede in der Lesekompetenz → Teil 5, der Alltagsmathematischen Kompetenz → Teil 6 und der Technologiebasierten Problemlösekompetenz → Teil 7 von Erwachsenen untersucht.
Nun betrachten wir diese drei Bereiche gemeinsam. Dabei wird insbesondere deutlich werden, dass wir im Grunde dreimal dasselbe erzählt haben. Dies gilt sowohl für die Geschlechtsunterschiede im Leistungsniveau als auch in der Varianz.
Abbildung 8.1 zeigt die Geschlechtsunterschiede im Leistungsniveau, gemessen durch die Effektstärke d, aufgeschlüsselt nach Altersgruppen. Zusätzlich zu PIAAC werden auch die 15-Jährigen aus PISA 2015 berücksichtigt. Zur Klarstellung sei explizit betont: Die Kurven geben nicht das absolute Leistungsniveau wieder, sondern die Geschlechtsunterschiede. Werte über Null zeigen eine höhere Leistung der Männer an, bei Werten unter Null sind die Frauen besser.
Abbildung 8.1 enthält zunächst einmal eine klare Bestätigung der Bereichshypothese, die besagt, dass Geschlechtsunterschiede in verschiedenen Bereichen unterschiedlich ausfallen können. Über alle Altersgruppen hinweg liegt die größte relative (und absolute) Stärke der Männer im mathematischen Bereich, die größte relative Stärke der Frauen liegt im verbalen Bereich. Dies fügt sich perfekt in den Stand der psychologischen Intelligenzforschung. Die Technologiebasierte Problemlösekompetenz liegt etwa in der Mitte dazwischen.
In allen Bereichen entspricht der Linienverlauf über die Altersgruppen dem, was nach Lynns Entwicklungshypothese zu erwarten ist: Ab der Pubertät zeigen Männer einen größeren Leistungszuwachs als Frauen. Dies drückt sich darin aus, dass die d-Werte zunächst steigen und dann ab dem mittleren Alter mehr oder weniger gleich bleiben. Besonders hervorzuheben ist die Lesekompetenz: Aus einem beachtlichen Vorsprung der 15-jährigen Mädchen wird im Erwachsenenalter ein leichter Vorteil für die Männer; die Verhältnisse haben sich also umgekehrt. Dieses Beispiel zeigt eindrucksvoll, dass Geschlechtsunterschiede im Schulalter keine zwingenden Schlüsse auf Geschlechtsunterschiede im Erwachsenenalter zulassen.
Der Linienverlauf in Abbildung 8.1 stimmt zwar sehr gut mit Lynns Entwicklungshypothese überein, dennoch ist bei der Interpretation Vorsicht geboten. Die Daten beruhen auf einer Querschnittsuntersuchung, das heißt: die verschiedenen Altersgruppen repräsentieren unterschiedliche Alterskohorten. Das Muster aus PIAAC und PISA ist mit Lynns Entwicklungshypothese voll verträglich, es erlaubt aber keine zwingenden Rückschlüsse auf die individuelle Entwicklung über die Lebensspanne und es erlaubt keine zwingenden Rückschlüsse auf die Ursachen einer altersabhängigen Entwicklung von Geschlechtsunterschieden.
In der nächsten Folge fahren wir mit der gemeinsamen Betrachtung der drei Bereiche fort.
Hier gibt es die Fortsetzung → Geschlechtsunterschiede in der Intelligenz. Teil 9: PIAAC 2012/2014 – Varianzunterschiede und Extrembereiche
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/
***
Stichwörter:
Bildung, Intelligenz, PIAAC, Mathematik, Lesekompetenz, Technologiebasierte Problemlösekompetenz, Geschlecht, Geschlechtsunterschiede, Erwachsene
Geschlechtsunterschiede in der Intelligenz – Teil 7
Geschlechtsunterschiede in der Intelligenz
Teil 7: PIAAC 2012/2014 – Technologiebasierte Problemlösekompetenz von Erwachsenen
Männer zeigen eine höhere Technologiebasierte Problemlösekompetenz als Frauen. Die Varianz ist bei den Männern um 13 Prozent größer als bei den Frauen.
Zum Beginn dieser Serie → Geschlechtsunterschiede in der Intelligenz – Teil 1.
Auf der Grundlage von PIAAC 2012/2014 [1] [2] haben wir Geschlechtsunterschiede in der Lesekompetenz → Teil 5 und der alltagsmathematischen Kopetenz → Teil 6 von Erwachsenen untersucht.
Nun betrachten wir Geschlechtsunterschiede in der Technologiebasierten Problemlösekompetenz von Erwachsenen.
Dieser Bereich wurde erstmals in PIAAC berücksichtigt, so dass keine Vergleichsmöglichkeit mit PISA besteht. Technologiebasierte Problemlösekompetenz bezieht sich nicht auf 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]).
Frankreich, Italien, Spanien und Zypern beteiligten sich nicht an diesem Teilbereich und in der Türkei gab es in der Altersgruppe 55-65 nicht genügend Frauen mit praktischen Erfahrungen am Computer. Somit liegen nur Daten aus 27 Ländern vor – in der Altersgruppe 55-65 nur 26.
Aus der Kombination von 27 Ländern und 5 bzw. 4 Altersgruppen ergeben sich 134 unabhängige Stichproben.
Die Daten, die Aufschlüsse über Lynns Entwicklungshypothese und die Varianzhypothese liefern, sind in Tabelle 7.1 zusammengefasst. Der linke Teil bezieht sich auf das Leistungsniveau, der rechte auf die Varianz. Die Spalte NM>F gibt die Anzahl der Länder an, in denen die Männer besser abschnitten als die Frauen. Die Effektstärke d ergibt sich aus dem Mittelwert der Männer minus Mittelwert der Frauen dividiert durch die gemeinsame Standardabweichung. Die Spalte NVM>VF zeigt die Anzahl der Länder, in denen die Varianz zwischen den Männern größer ist als zwischen den Frauen. Die Spalte VM/VF zeigt den Quotienten Varianz der Männer dividiert durch die Varianz der Frauen.
NM>F = Anzahl der Länder, in denen Männer besser abschneiden als Frauen (von jeweils 27 bzw. 26 Ländern).
d = Effektstärke (Mittelwert der Männer minus Mittelwert der Frauen dividiert durch die gemeinsame Standardabweichung).
NVM>VF = Anzahl der Länder, in denen die Varianz zwischen Männern größer ist als die Varianz zwischen Frauen (von jeweils 27 bzw. 26 Ländern).
VM/VF = Varianzquotient (Varianz der Männer dividiert durch die Varianz der Frauen).
| Mittelwertsunterschiede | Varianz | |||
| Alter | NM>F | d | NVM>VF | VM/VF |
| 16-24 | 16 | 0,03 | 23 | 1,12 |
| 25-34 | 22 | 0,09 | 21 | 1,09 |
| 35-44 | 24 | 0,15 | 24 | 1,13 |
| 45-44 | 23 | 0,13 | 23 | 1,14 |
| 55-65 | 23 | 0,17 | 22 | 1,15 |
| Gesamt | 108 | 0,12 | 113 | 1,13 |
In 113 von 134 Teilgruppen schneiden die Männer besser ab als die Frauen (84 Prozent). Die standardisierte Mittelwertsdifferenz d beträgt +0,12. Umgerechnet auf eine IQ-Skala sind dies 1,8 IQ-Punkte.
Der Verlauf über die Altersgruppen entspricht den Erwartungen, die sich aus Lynns Entwicklungshypothese ergeben: Bei den 16-24-Jährigen ist der Unterschied mit d=0,03 verschwindend klein, bei den 25-34-Jährigen steigt er auf 0,09, dann steigt er nochmals und schwankt nur leicht um den Wert 0,15.
Die Varianzhypothese wird in vollem Umfang bestätigt. Die Varianz zwischen den Männern ist insgesamt um 13 Prozent größer als die Varianz zwischen den Frauen und der Varianzquotient ist in allen Altersgruppen sehr ähnlich.
Abbildung 7.1 zeigt zwei Normalverteilungen mit Effektstärke d=0,12 und einem Varianzquotienen von 1,13.
Die Abbildung macht deutlich, dass ein kleiner Vorteil für die Männer im Zusammenspiel mit einer größeren Varianz erhebliche Konsequenzen hat: Im oberen Bereich finden sich wesentlich mehr Männer und im unteren wesentlich mehr Frauen.
Im nächsten Beitrag werden wir die drei Bereiche Lesekompetenz, alltagsmathematische Kompetenz und technologiebasierte Problemlösekompetenz gemeinsam betrachten.
Hier gibt es die Fortsetzung → Geschlechtsunterschiede in der Intelligenz. Teil 8: PIAAC 2012/2014 – Bereichsabhängigkeit und Altersabhängigkeit
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/
***
Stichwörter:
Bildung, Intelligenz, PIAAC, Technologiebasierte Problemlösekompetenz, Geschlecht, Geschlechtsunterschiede, Erwachsene
Geschlechtsunterschiede in der Intelligenz – Teil 6
Geschlechtsunterschiede in der Intelligenz
Teil 6: PIAAC 2012/2014 – Alltagsmathematische Kompetenz von Erwachsenen
Männer zeigen eine höhere alltagsmathematische Kompetenz als Frauen. Die Varianz ist bei den Männern um 11 Prozent größer als bei den Frauen. Die Kombination dieser beiden Geschlechtsunterschiede hat auf Populationsebene beträchtliche Konsequenzen.
Zum Beginn dieser Serie → Geschlechtsunterschiede in der Intelligenz – Teil 1.
Auf der Grundlage von PIAAC 2012/2014 [1] [2] haben wir im → Teil 5 Geschlechtsunterschiede in der Lesekompetenz von Erwachsenen untersucht.
Nun betrachten wir Geschlechtsunterschiede in der alltagsmathematischen Kompetenz von Erwachsenen.
Die Grundlage bilden auch hier 155 unabhängige Stichproben aus PIAAC 2012/2014, die sich aus der Kombination von 31 Ländern und 5 Altersgruppen ergeben.
Die Daten, die Aufschlüsse über Lynns Entwicklungshypothese und die Varianzhypothese liefern, sind in Tabelle 6.1 zusammengefasst. Der linke Teil bezieht sich auf das Leistungsniveau, der rechte auf die Varianz. Die Spalte NM>F gibt die Anzahl der Länder an, in denen die Männer besser abschnitten als die Frauen. Die Effektstärke d ergibt sich aus dem Mittelwert der Männer minus Mittelwert der Frauen dividiert durch die gemeinsame Standardabweichung. Die Spalte NVM>VF zeigt die Anzahl der Länder, in denen die Varianz zwischen den Männern größer ist als zwischen den Frauen. Die Spalte VM/VF zeigt den Quotienten Varianz der Männer dividiert durch die Varianz der Frauen.
NM>F = Anzahl der Länder, in denen Männer besser abschneiden als Frauen (von jeweils 31 Ländern).
d = Effektstärke (Mittelwert der Männer minus Mittelwert der Frauen dividiert durch die gemeinsame Standardabweichung).
NVM>VF = Anzahl der Länder, in denen die Varianz zwischen Männern größer ist als die Varianz zwischen Frauen (von jeweils 31 Ländern).
VM/VF = Varianzquotient (Varianz der Männer dividiert durch die Varianz der Frauen).
| Mittelwertsunterschiede | Varianz | |||
| Alter | NM>F | d | NVM>VF | VM/VF |
| 16-24 | 28 | 0,13 | 25 | 1,13 |
| 25-34 | 30 | 0,20 | 22 | 1,07 |
| 35-44 | 31 | 0,26 | 22 | 1,10 |
| 45-44 | 29 | 0,24 | 26 | 1,11 |
| 55-65 | 27 | 0,28 | 24 | 1,13 |
| Gesamt | 145 | 0,22 | 119 | 1,11 |
Im Hinblick auf die Mittelwertsunterschiede ergibt sich folgendes Bild:
In 145 von 155 Teilgruppen schneiden die Männer besser ab als die Frauen. Das ist ein Verhältnis von 94 zu 6 Prozent. In PISA 2015 beträgt das Verhältnis 63 zu 37 Prozent zugunsten der 15-jährigen Jungen.
Der Leistungsvorsprung der Männer entspricht einer Effektstärke d von +0,22. In PISA 2015 beträgt er +0,09. Umgerechnet auf eine IQ-Skala hat sich der Vorsprung des männlichen Geschlechts von 1,35 auf 3,3 IQ-Punkte erhöht.
Bei Berücksichtigung der Altersgruppen ergibt sich von den 16-bis-24-Jährigen über die 25-bis-34-Jährigen zu den 35-44-Jährigen ein Anstieg von 0,13 über 0,20 auf 0,26. Danach bleibt der Geschlechtsunterschied etwa auf demselben Niveau.
Insgesamt entspricht dieses Muster genau dem, was man nach Lynns Entwicklungshypothese erwarten würde.
Auch die Varianzhypothese wird in vollem Umfang bestätigt: In 119 von 155 Gruppen zeigt sich die größere Varianz bei den Männern und die Varianz ist insgesamt 11 Prozent größer als bei den Frauen. Der Varianzquotient ist in allen Altersgruppen etwa gleich groß.
Bei gemeinsamer Betrachtung des Mittelwertsunterschieds und des Varianzunterschieds ergibt sich ein bemerkenswertes Bild:
Eine Effektstärke von d=0,22 wird in aller Regel als „klein“ bezeichnet und oftmals als unbedeutend abgetan. In der Tat ist auf Individuenebene eine IQ-Differenz von 3,3 Punkten nicht sonderlich beeindruckend. Auch ein Varianzunterschied von 11 Prozent wird häufig als „gering“ abgetan. Auf Populationsebene gibt die Kombination von d=0,22 und VM/VF=1,11 jedoch einen beträchtlichen Unterschied.
Abbildung 6.1 zeigt zwei Normalverteilungen, bei denen die standardisierte Mittelwertsdifferenz 0,22 und der Varianzquotient 1,11 beträgt.
Es ist mit bloßem Auge zu erkennen, dass sich im oberen Bereich deutlich mehr Männer finden als Frauen und dass im unteren Bereich die Frauen die Oberhand haben.
Wenn man zum Beispiel annimmt, dass für eine bestimmte berufliche Tätigkeit ein Mathematik-IQ von mindestens 110 erforderlich ist und gleich viele Männer wie Frauen zur Verfügung stehen, dann beträgt das Verhältnis geeigneter Bewerber 1,38 zu 1 zugunsten der Männer.
Bei einem Mindestkriterium von 120 steigt das Verhältnis auf 1,68 zu 1.
Im Spitzenbereich von 130 steigt es auf 2,16 zu 1.
Und im Superspitzenbereich von 140 lautet es 2,91 zu 1.
Das heißt, im Spitzenbereich sind rund doppelt und im Superspitzenbereich rund dreimal so viele Männer geeignet wie Frauen.
Wer sich wundert, dass sich in Berufen mit sehr hohen mathematischen Anforderungen viel mehr Männer als Frauen finden, sollte sich einfach mal diese simple Tatsache klarmachen.
In der nächsten Folge betrachten wir Geschlechtsunterschiede bei der Technologiebasierten Problemlösekompetenz.
Hier gibt es die Fortsetzung → Geschlechtsunterschiede in der Intelligenz. Teil 7: PIAAC 2012/2014 – Technologiebasierte Problemlösekompetenz von Erwachsenen
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/
***
Stichwörter:
Bildung, Intelligenz, PIAAC, PISA, Mathematik, Geschlecht, Geschlechtsunterschiede, Erwachsene, Normalverteilung, IQ
Geschlechtsunterschiede in der Intelligenz – Teil 5
Geschlechtsunterschiede in der Intelligenz
Teil 5: PIAAC 2012/2014 – Lesekompetenz von Erwachsenen
Der Vergleich von PISA und PIAAC zeigt im Hinblick auf die Lesekompetenz: Während die 15-jährigen Mädchen in PISA viel besser abschnitten als die Jungen, haben bei den Erwachsenen die Männer einen leichten Vorsprung. Die Varianz ist bei den Männern ist um 10 Prozent größer als bei den Frauen.
Zum Beginn dieser Serie → Geschlechtsunterschiede in der Intelligenz – Teil 1.
Im → Teil 3 haben wir Geschlechtsunterschiede in der Intelligenz von 15-Jährigen auf der Grundlage von PISA 2015 betrachtet.
Nun betrachten wir Geschlechtsunterschiede in der Intelligenz von Erwachsenen auf der Grundlage von PIAAC 2012/2014 [1] [2].
Dabei konzentrieren wir uns in dieser Folge auf die Lesekompetenz.
Wie im → Teil 4 beschrieben, umfasst PIAAC den Altersbereich von 16 bis 65 Jahren. Eine Untergliederung in Dekaden ergibt fünf Altersgruppen: 16-24, 25-34, 35-44, 45-54 und 55-65 Jahre. Aus der Kombination von 31 Ländern und 5 Altersgruppen ergeben sich 155 voneinander unabhängige Teilstichproben. Diese außerordentlich umfangreiche Datenbasis zusammen mit PISA 2015 gibt Aufschlüsse über Lynns Entwicklungshypothese und die Varianzhypothese, die im → Teil 2 formuliert wurden.
In Bezug auf das Leistungsniveau in der Lesekompetenz hatte PISA 2015 für die Fünfzehnjähigen ein außerordentlich klares Bild ergeben:
Ohne eine einzige Ausnahme erzielten in allen 72 Ländern Mädchen bessere Leistungen als Jungen.
In den 35 OECD-Ländern betrug der Vorsprung der Mädchen im Mittel 27 Punkte; das entspricht einer Effektstärke von d=-0,28.
Gemäß Lynns Entwicklungshypothese ist zu erwarten, dass bei Erwachsenen der Vorsprung der Frauen kleiner ausfällt oder gar völlig verschwindet. Genau das ist auch der Fall.
In 97 der 155 Teilstichproben zeigen die Männer eine größere Lesekompetenz als die Frauen, in 58 Teilstichproben ist es umgekehrt. Das entspricht einem Verhältnis von 63 zu 37 Prozent.
Obgleich die Länderzählung eindeutig zugunsten der Männer ausfällt, ergeben sich im Hinblick auf das Leistungsniveau nur minimale Unterschiede. Die Effetkstärke d beträgt +0,04. Das heißt, die Männer schneiden um 0,04 Standardabweichungseinheiten besser ab als die Frauen. Dieser Unterschied ist für sich genommen bedeutungslos – er muss jedoch vor dem Hintergrund beurteilt werden, dass in PISA 2015 die 15-jährigen Mädchen in den OECD-Ländern einen Vorsprung von 0,28 Einheiten hatten. Umgerechnet auf eine IQ-Skala bedeutet dies: Aus einem Vorsprung von 4,2 IQ-Punkten für die Mädchen ist ein Vorsprung von 0,6 IQ-Punkten für die Männer geworden. Das ist eine Veränderung von fast 5 IQ-Punkten! Hier ist selbstverständlich zu beachten, dass die Aufgaben in PISA und PIAAC nicht dieselben sind und dass die Zusammensetzung der Länder sich ein wenig unterscheidet.
Lynns Entwicklungshypothese wird noch eindrucksvoller bestätigt, wenn man die Altersgruppen getrennt betrachtet. Tabelle 5.1 zeigt in der Spalte NM>F die Anzahl der Länder, in denen die Männer besser abschnitten als die Frauen und in Spalte d die Effektstärke.
NM>F = Anzahl der Länder, in denen Männer besser abschneiden als Frauen (von jeweils 31 Ländern).
d = Effektstärke (Mittelwert der Männer minus Mittelwert der Frauen dividiert durch die gemeinsame Standardabweichung).
| Alter | NM>F | d |
| 16-24 | 12 | -0,04 |
| 25-34 | 21 | 0,02 |
| 35-44 | 22 | 0,06 |
| 45-54 | 20 | 0,05 |
| 55-65 | 22 | 0,09 |
| Gesamt | 97 | 0,04 |
Die Gruppe 16-bis-24-Jährigen enthält noch zahlreiche Heranwachsende, bei denen die Entwicklung noch nicht abgeschlossen ist. Hier haben die jungen Frauen noch einen winzigen Vorsprung. Bei den 25-34-Jährigen gibt es hingegen einen winzigen Vorsprung für die Männer. In den älteren Gruppen ist der Vorsprung der Männer dann noch ein wenig größer, aber der Unterschied ist sehr moderat.
Tabelle 5.2 gibt Aufschluss über die Varianzhypothese, die besagt, dass die Varianz zwischen den Männern größer ist als zwischen den Frauen. Die Spalte NVM>VF zeigt die Anzahl der Länder, in denen dies zutrifft; die Spalte VM/VF zeigt den Quotienten Varianz der Männer dividiert durch die Varianz der Frauen.
NVM>VF = Anzahl der Länder, in denen die Varianz zwischen Männern größer ist als die Varianz zwischen Frauen (von jeweils 31 Ländern).
VM/VF = Varianzquotient (Varianz der Männer dividiert durch die Varianz der Frauen).
| Alter | NVM>VF | VM/VF |
| 16-24 | 25 | 1,15 |
| 25-34 | 23 | 1,08 |
| 35-44 | 25 | 1,09 |
| 45-54 | 25 | 1,08 |
| 55-65 | 25 | 1,10 |
| Gesamt | 123 | 1,10 |
Insgesamt zeigt sich die größere Varianz in 123 der 155 Gruppen (79 Prozent) bei den Männern. Dieses Verhältnis ist in allen Altersgruppen nahezu identisch. Im Mittel ist die Varianz zwischen den Männern um 10 Prozent größer als bei den Frauen. Auch dies ist in allen Altersgruppen mehr oder weniger dasselbe. Somit gibt sich eine klare Bestätigung der Varianzhypothese.
In der nächsten Folge betrachten wir Geschlechtsunterschiede in der alltagsmathematischen Kompetenz. Auf die Lesekompetenz kommen wir später in der gemeinsamen Diskussion der drei Bereiche zurück.
Hier gibt es die Fortsetzung → Geschlechtsunterschiede in der Intelligenz. Teil 6: PIAAC 2012/2014 – Alltagsmathematische Kompetenz von Erwachsenen
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/
***
Stichwörter:
Bildung, Intelligenz, PIAAC, PISA, Lesekompetenz, Geschlecht, Geschlechtsunterschiede, Erwachsene
Geschlechtsunterschiede in der Intelligenz – Teil 4
Geschlechtsunterschiede in der Intelligenz
Teil 4: PIAAC 2012/2014 – PISA für Erwachsene
PIAAC ist PISA für Erwachsene. Der Datensatz basiert auf 31 Ländern, in denen jeweils mindestens 5.000 Teilnehmer im Alter von 16 bis 65 Jahren in den Bereichen Lesekompetenz, mathematische Alltagskompetenz und Technologiebasierte Problemlösekompetenz getestet wurden. Alle Bereiche erfassen relevante Aspekte der Intelligenz.
Zum Beginn dieser Serie → Geschlechtsunterschiede in der Intelligenz – Teil 1.
Im vorangegangen Beitrag → Teil 3 haben wir Geschlechtsunterschiede in der Intelligenz von 15-Jährigen auf der Grundlage von PISA 2015 betrachtet.
Im Folgenden betrachten wir Geschlechtsunterschiede in der Intelligenz von Erwachsenen. Als Datenbasis dient PIAAC 2012/2014.
PIAAC steht für Program for the International Assessment of Adult Competencies [1]. Diese groß angelegte internationale Bildungsstudie ist PISA für Erwachsene. Die Teilnehmer umfassen den Bereich von 16 bis 65 Jahren. PIAAC wird ebenso wie PISA unter dem Dach der OECD durchgeführt. Die Konzeption knüpft an frühere internationale Bildungsstudien mit Erwachsenen an und ist auch eng an PISA angelehnt.
Die erste PIAAC-Runde mit 24 Teilnehmerländern wurde 2012 abgeschlossen. Die zweite Runde mit 9 weiteren Ländern endete 2014. In jedem Land wurden mindestens 5.000 Teilnehmer getestet.
Mit Hilfe des online verfügbaren PIAAC Data Explorers [2] wurde für unsere Analysen ein Datensatz mit 31 Ländern erzeugt. Mit Ausnahme von Zypern und Singapur handelt es sich um Mitglieder der OECD.
PIAAC berücksichtigt drei Bereiche kognitiver Kompetenzen: Lesekompetenz, alltagsmathematische Kompetenz und technologiebasierte Problemlösekompetenz.
Die Aufgaben zur Lesekompetenz und Mathematik sind nicht identisch mit den Aufgaben in PISA, dennoch lassen sich für unsere Zwecke sinnvolle PIAAC-PISA-Vergleiche anstellen. Technologiebasierte Problemlösekompetenz wurde in PIAAC erstmals in einer internationalen Studie berücksichtigt [A1].
Die drei Bereiche werden in den nächsten Folgen ausführlich dargestellt.
In internationalen Bildungsstudien ist aus rein ideologischen Gründen das Thema Intelligenz grundsätzlich tabu. Dass die Tests dennoch Intelligenz erfassen, zeigt ein Vergleich mit den Nationalen IQ-Werten. Die Produkt-Moment-Korrelationen zwischen den Mittelwerten der einzelnen Länder und dem Nationalen IQ nach Lynn und Vanhanen [3] betragen 0,65 (Lesen), 0,63 (Mathematik) und 0,82 (Technologie).
Bei der Interpretation dieser Werte ist zu bedenken, dass die PIAAC-Teilnehmer fast ausschließlich aus dem oberen Intelligenzbereich stammen. Die niedrigsten IQ-Werte mit jeweils 89 weisen die Türkei und Chile auf, Zypern hat bei Lynn und Vanhanen einen Wert von 92, Griechenland 93, alle anderen Länder liegen darüber und die meisten ballen sich in einem engen Bereich. Die allermeisten Länder dieser Welt liegen jedoch deutlich unter der Türkei oder Chile. Der weltweit mittlere und untere Intelligenzbereich wird überhaupt nicht berücksichtigt. Durch die starke Einschränkung des Variationsbereichs fallen die Korrelationen viel niedriger aus, als dies bei Berücksichtigung aller Länder der Fall wäre.
Wie sich die Einschränkung des Variationsbereichs auswirkt, kann man an folgendem Beispiel leicht nachvollziehen. Wenn man den Zusammenhang zwischen der Körpergröße und der Leistung in Basketball untersucht, dann wird man zwei völlig unterschiedliche Ergebnisse erhalten, wenn man in der einen Stichprobe nur Männer berücksichtigt, die mindestens 1,86 Meter groß sind, und die andere Stichprobe Männer aus dem gesamten Größenspektrum umfasst. Für den Gesamtbereich ist die Korrelation viel höher als für den eingeschränkten Bereich.
An der dritten PIAAC-Runde 2016 nahmen Ungarn, Ecuador, Kasachstan, Mexiko und Peru teil. Die Ergebnisse liegen noch nicht vor, aber man kann mit großer Sicherheit davon ausgehen, dass alleine durch das Hinzufügen der vier Letztgenannten die Korrelationen zwischen dem Nationalen IQ und den PIAAC-Leistungen steigen werden.
Nach diesen methodischen Anmerkungen sei noch hervorgehoben, dass das Technologiebasierte Problemlösen deutlich höher mit dem Nationalen IQ korreliert als die Lesekompetenz und die alltagsmathematische Kompetenz. Mit dem Technologiebasierten Problemlösen wird ein durchaus relevanter Aspekt der Intelligenz erfasst. Mathematische Kompetenz und Lesekompetenz sind ohnehin ganz zentrale Aspekte der Intelligenz.
In der nächsten Folge analysieren wir den Bereich Lesekompetenz.
Hier gibt es die Fortsetzung → Geschlechtsunterschiede in der Intelligenz. Teil 5: PIAAC 2012/2014 – Lesekompetenz von Erwachsenen.
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] Lynn, R. und Vanhanen, T. (2012). Intelligence. A Unifying Construct for the Social Sciences. London: Ulster Institute for Social Research.
Nationale IQ-Werte laut Tabelle 12.5, S.357ff.
Anmerkungen
[A1] „Technologiebasiertes Problemlösen … 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. Hierzu wurden Aufgaben wie das Sortieren und Versenden von E-Mails, die Bearbeitung von virtuellen Formularen sowie die Beurteilung des Informationsgehalts und der Vertrauenswürdigkeit verschiedener Internetseiten eingesetzt.“ (Rammstedt, 2013, S.12).
[A2] Nicht berücksichtigt wurden bei diesen Korrelationen Belgien (weil in PIAAC nur Flandern beteiligt war) und Großbritannien (weil in PIAAC England und Irland getrennt teilnahmen und Schottland gar nicht beteiligt war).
***
Stichwörter:
Bildung, Intelligenz, PIAAC, Lesekompetenz, Mathematik, Geschlecht, Geschlechtsunterschiede, Erwachsene
Geschlechtsunterschiede in der Intelligenz – Teil 3
Geschlechtsunterschiede in der Intelligenz
Teil 3: Geschlechtsunterschiede in PISA 2015
PISA 2015 zeigt, dass die Geschlechtsunterschiede in Abhängigkeit vom Bereich unterschiedlich ausfallen. In der Lesekompetenz schneiden Mädchen deutlich besser ab, in Mathematik haben Jungen einen leichten Vorteil. In beiden Bereichen ist die Varianz zwischen den Jungen um 14 Prozent größer als die Varianz zwischen den Mädchen.
Zum Beginn dieser Serie → Geschlechtsunterschiede in der Intelligenz – Teil 1.
Im vorangegangen Beitrag → Teil 2 haben wir vier Hypothesen zu Geschlechtsunterschieden in der Intelligenz formuliert, die wir anhand großer internationaler Stichproben prüfen wollen.
Als Erstes betrachten wir PISA 2015 [1]. Da die PISA-Studien mit 15-Jährigen durchgeführt werden, lassen sich auf dieser Basis nur die Bereichshypothese und die Varianzhypothese testen.
Die Bereichshypothese besagt, dass Geschlechtsunterschiede je nach Bereich unterschiedlich ausfallen können. Als Maß des Geschlechtsunterschieds dient die Effektstärke d. Diese ist definiert als Mittelwert der Männer minus Mittelwert der Frauen dividiert durch die gemeinsame Standardabweichung. Ein positiver d-Wert verweist auf einen Vorteil der Männer, ein negativer d-Wert verweist auf einen Vorteil der Frauen.
Die Varianzhypothese besagt, dass die Leistungsunterschiede zwischen Männern größer sind als zwischen Frauen. Als Maß dient der Quotient Varianz der Männer dividiert durch die Varianz der Frauen, kurz VM/VF. Werte über 1 zeigen eine größere Varianz bei den Männern, Wert kleiner 1 zeigen eine größere Varianz bei den Frauen an. Konventionellerweise werden mit Hinweis auf Feingold (1994) Varianzquotienten zwischen 0,90 und 1,10 als bedeutungslos angesehen [2].
In PISA-Studien werden die Bereiche Lesekompetenz, Mathematik und Naturwissenschaften getestet. Da sich der Hauptteil unserer Analysen auf PIAAC 2012/2014 bezieht, wo nur Lesekompetenz und Mathematik berücksichtigt wurden, lassen wir die Naturwissenschaften außer Acht.
In der Lesekompetenz zeigt PISA 2015 eine außerordentliche Geschlechterdifferenz:
Ohne eine einzige Ausnahme erzielten in allen 72 Ländern Mädchen bessere Leistungen als Jungen!
In den 35 OECD-Ländern betrug der Vorsprung der Mädchen im Mittel 27 Punkte. Relativiert auf die Standardabweichung ergibt sich eine Effektstärke von d=-0,28.
Über alle Teilnehmerländer hinweg beträgt der Vorsprung 31 Punkte; das entspricht einer Effektstärke von d=-0,32.
In 65 Ländern zeigte sich bei den Jungen eine größere Varianz als bei den Mädchen. Der Quotient VM/VF beträgt im Mittel 1,14.
In Mathematik zeigt PISA 2015 folgendes Bild:
In 45 Ländern erzielten Jungen bessere Leistungen als Mädchen.
In 26 Ländern schnitten die Mädchen besser ab.
In Griechenland waren Jungen und Mädchen gleichauf.
In den 35 OECD-Ländern beträgt der Vorsprung der Jungen 8 Punkte; Effektstärke d=0,09.
Über alle Länder hinweg beträgt der Vorsprung der Jungen 5 Punkte; Effektstärke d=0,05.
In 68 Ländern war die Varianz bei den Jungen größer als bei den Mädchen. Der Quotient VM/VF beträgt im Mittel 1,14.
Ergänzend hebt der PISA-Bericht hervor, dass am oberen Ende des Leistungsspektrums der Anteil der Jungen in den meisten Ländern signifikant größer ist als der Anteil der Mädchen.
Im Hinblick auf unsere Hypothesen zeigt PISA 2015:
Die Bereichshypothese wird in vollem Umfang gestützt. Je nach Bereich fällt die Differenz unterschiedlich aus. In der Lesekompetenz besteht ein klarer Vorteil für die Mädchen. In Mathematik besteht hingegen ein (sehr) leichter Vorteil für die Jungen.
Der Test der Varianzhypothese fällt eindeutig aus: Sowohl in der Lesekompetenz als auch in Mathematik ist die Varianz bei den Jungen um 14 Prozent größer als bei den Mädchen. Dieser Unterschied kann nicht als trivial abgetan werden.
Die Erwachsenendifferenzhypothese und die Entwicklungshypothese lassen sich mit PISA 2015 nicht prüfen. Die Mittelwertsdifferenzen bzw. die Effektstärken sind jedoch im Hinblick auf die Entwicklungshypothese von Bedeutung.
In den nächsten Folgen betrachten wir PIAAC 2012/2014. Dort wurden Erwachsene im Alter von 16 bis 65 Jahren untersucht und im Zusammenhang mit PISA 2015 lassen sich alle vier Hypothesen prüfen.
Hier gibt es die Fortsetzung → Geschlechtsunterschiede in der Intelligenz. Teil 4: PIAAC 2012/2014 – PISA für Erwachsene
Literatur
[1] OECD (2016). PISA 2015 Ergebnisse. Exzellenz und Chancengleichheit in der Bildung. Band I. W. Bertelsmann Verlag, Germany. DOI 10.3278/6004573w
[2] Feingold, A. (1994). Gender differences in variability in intellectual abilities: A cross-cultural perspective. Sex Roles, 30, 81-92.
***
Stichwörter:
Bildung, Intelligenz, PISA, Lesekompetenz, Mathematik, Geschlecht, Geschlechtsunterschiede, Effektstärke, Varianz
Geschlechtsunterschiede in der Intelligenz – Teil 2
Geschlechtsunterschiede in der Intelligenz
Teil 2: Hypothesen
Vier Hypothesen zum Thema Geschlechtsunterschiede in der Intelligenz. Erwachsenendifferenzhypothese, Entwicklungshypothese, Varianzhypothese und Bereichshypothese.
Zum Beginn dieser Serie → Geschlechtsunterschiede in der Intelligenz – Teil 1.
In der Festschrift zum 80. Geburtstag von Richard Lynn nennt Paul Irwing drei wichtige Punkte, die Lynn zur Diskussion um Geschlechtsunterschiede in der Intelligenz beigetragen hat [1].
Während der Mainstream davon ausgeht, dass zwischen Männern und Frauen keine oder allenfalls vernachlässigbare Unterschiede bestehen, ist Lynn der Meinung, dass Männer im Erwachsenenalter intelligenter sind als Frauen.
Wichtig ist dabei die Einschränkung im Erwachsenenalter.
Lynn macht darauf aufmerksam, dass bei der Intelligenz ebenso wie in vielen anderen Bereichen die beiden Geschlechter unterschiedliche Entwicklungsverläufe aufweisen. Im Kindesalter zeigen Mädchen in aller Regel bessere Leistungen als Jungen. Mit zunehmendem Alter steigt jedoch die Leistungskurve der jungen Männer stärker als die der jungen Frauen; und da dieser Trend beim männlichen Geschlecht länger anhält, zeigen Männer im Erwachsenenalter höhere Intelligenzleistungen.
Der erste Punkt ist im zweiten als Endstadium erhalten.
Der dritte Punkt bezieht sich nicht auf Differenzen zwischen, sondern auf Unterschiede innerhalb der Geschlechter.
Schon vor weit mehr als hundert Jahren wies Ellis (1894) darauf hin, dass die Unterschiede zwischen Männern häufig größer sind als die Unterschiede zwischen Frauen [2]. Dies drückt sich insbesondere auch darin aus, dass Männer in den Extrembereichen – und zwar sowohl am oberen als auch am unteren Ende des Leistungsspektrums – wesentlich stärker vertreten sind als Frauen. Während der Mainstream eher davon ausgeht, dass Männer in der Intelligenz eine größere Varianz aufweisen als Frauen, stellt Lynn diese Annahme infrage.
Lynns Hypothesen beziehen sich auf den g-Faktor der Allgemeinen Intelligenz [3].
In dieser Serie werden wir jedoch nicht die Allgemeine Intelligenz betrachten, sondern lediglich Teilbereiche. Im Blickpunkt stehen dabei die Lesekompetenz und die mathematische Kompetenz.
Bereits im → Teil 1 haben wir darauf hingewiesen, dass Geschlechtsunterschiede in Abhängigkeit vom jeweiligen Teilbereich unterschiedlich ausfallen können. Speziell im Hinblick auf die Lese- und die mathematische Kompetenz ergeben sich klare Erwartungen: Beim weiblichen Geschlecht liegt die relative Stärke im verbalen, beim männlichen Geschlecht hingegen im mathematischen Bereich.
Die vier Hypothesen, die wir kurz als Erwachsenendifferenzhypothese, Entwicklungshypothese, Varianzhypothese und Bereichshypothese bezeichnen, werden wir im Folgenden anhand sehr großer internationaler Stichproben prüfen.
In der nächsten Folge betrachten wir die PISA-Studie 2015, die mit 15-Jährigen durchgeführt wurde.
Den Hauptteil bildet dann die PIAAC-Studie 2012/2014, in der Erwachsene im Alter von 16 bis 65 Jahren untersucht wurden.
Hier gibt es die Fortsetzung → Geschlechtsunterschiede in der Intelligenz. Teil 3: Geschlechtsunterschiede in PISA 2015.
Literatur
[1] Irving, P. (2013). Sex Differences in g: An analysis of the US standardization sample of the WAIS-III. In Nyborg, H. (Hrsg.) Race and Sex Differences in Intelligence and Personality. London: Ulster Institute for Social Research, S. 215-236.
[2] Ellis. H. (1894). Man and woman: A study of human sexual characteristics. London: Walter Scott.
[3] Arthur R. (1998). The g Factor: The Science of Mental Ability. Westport, Connecticut: Praeger.
***
Stichwörter:
Bildung, Intelligenz, Geschlecht, Geschlechtsunterschiede, Hypothesen
Geschlechtsunterschiede in der Intelligenz – Teil 1
Geschlechtsunterschiede in der Intelligenz
Teil 1: Grundlegendes
Kaum ein anderes Thema ist emotional und politisch so hysterisch aufgeladen wie Geschlechtsunterschiede in der Intelligenz. In diesem Beitrag wird klargestellt, dass sich Männer und Frauen selbstverständlich auch im Hinblick auf die Intelligenz voneinander unterscheiden.
Bei PISA 2015 zeigten in 72 von 72 Ländern Mädchen in der Lesekompetenz höhere Leistungen als Jungen.
Bei PIRLS 2016 zeigten in 52 von 52 Ländern Mädchen in der Lesekompetzenz höhere Leistungen als Jungen.
Unzählige Untersuchungen bestätigen, dass Mädchen eine höhere sprachliche Intelligenz aufweisen als Jungen.
Ich habe noch nie gehört, dass irgendjemand gegen diese empirische Tatsache protestiert hätte.
Erwähnt man hingegen, dass Männer im mathematischen Bereich wesentlich bessere Leistungen zeigen als Frauen, dann entfacht man unweigerlich einen „Sexismus! Sexismus!“-Kreischorkan der politisch Korrekten.
In dieser Serie betrachten wir Geschlechtsunterschiede in der Intelligenz.
Der Mainstream innerhalb der psychologischen Forschung geht ebenso wie der Mainstream in der Öffentlichkeit davon aus, dass es keine Geschlechtsunterschiede gibt [A1].
Angesichts der Tatsache, dass sich Männer und Frauen in nahezu allen Bereichen voneinander unterscheiden, ist es jedoch extrem unwahrscheinlich, dass es ausgerechnet bei der Intelligenz keine Unterschiede geben sollte. Wie wir gleich sehen werden, ist die Behauptung, dass es keinerlei Unterschiede in der Intelligenz von Männern und Frauen gibt, auf jeden Fall falsch.
Nach der Veröffentlichung des Buches „The Bell Curve. Intelligence and Class Structure in American Life“ von Herrnstein und Murray im Jahr 1994 [1] entbrannte eine hysterische, weitgehend politisch motivierte Diskussion, die so grotesk entartete, dass die American Psychological Association eine Fachgruppe von führenden Intelligenzforschern und Kritikern beauftragte, einen Bericht über die tatsächlichen Befunde der psychologischen Intelligenzforschung vorzulegen [2]. Eine äußerst wichtige Aussage dieses Berichts lautet:
- Most standard tests of intelligence have been constructed so that there are no overall score differences between females and males.
Dieser Satz markiert ein zentrales Grundproblem: Bei der Konstruktion von Intelligenztests wird in der Regel große Mühe darauf verwandt, die Aufgaben so zu zusammenzustellen, dass sich keine Geschlechtsunterschiede ergeben. Aufgaben, bei denen sich im Rahmen von Voruntersuchungen nennenswerte Geschlechtsunterschiede zeigen, werden ausgeschieden; und die endgültigen Testaufgaben werden so zusammengestellt, dass der Gesamtwert für beide Geschlechter gleich ist. Oftmals gibt es getrennte Testnormen für Männer und Frauen und damit wird die „Gleichheit“ der Geschlechter per Definition erzwungen.
- Statt real existierende Geschlechtsunterschiede zu erfassen, wird häufig viel Aufwand betrieben, um Geschlechtergleichheit zu konstruieren.
Trotz aller Bemühungen, „Geschlechtergleichheit“ per Testkonstruktion herzustellen, lassen sich Geschlechtsunterschiede nicht vertuschen.
Intelligenz ist ein extrem breites Konzept, welches kognitive Leistungen in allen Bereichen umfasst. In manchen Bereichen zeigen sich tatsächlich keine oder nur minimale Unterschiede zwischen den Geschlechtern, in manchen Bereichen zeigen Frauen bessere Leistungen, in manchen Bereichen haben Männer die Nase vorn.
Die Aussage „Es gibt keine Unterschiede in der Intelligenz von Männern und Frauen“ ist durch unzählige empirische Untersuchungen mit Hunderten Millionen Testpersonen widerlegt. Es steht außer Zweifel, dass Unterschiede in den relativen Stärken und Schwächen bestehen.
Allenfalls die Aussage „Die relativen Vorteile von Männern und Frauen gleichen sich so weit aus, dass in der Summe keine (nennenswerten) Geschlechtsunterschiede bestehen“ kann eine gewisse Gültigkeit beanspruchen. Aber selbst diese Behauptung ist keineswegs unumstritten.
In der nächsten Folge betrachten wir einige interessante Hypothesen, die in der aktuellen Diskussion im Blickpunkt stehen; und im Anschluss daran werden wir diese Hypothesen anhand einer sehr großen internationalen Stichprobe prüfen.
Hier gibt es die Fortsetzung → Geschlechtsunterschiede in der Intelligenz. Teil 2: Hypothesen
Literatur
[1] Herrnstein, R.J. und Murray, C. (1994). The Bell Curve. Intelligence and Class Structure in American Life. New York: The Free Press.
[2] Neisser, U. et al. (1996). Intelligence: Knowns and Unknowns. American Psychologist, 51 (2), 77–101.
Anmerkung
[A1] Mit „Mainstream innerhalb der psychologischen Forschung“ und „Mainstream in der Öffentlichkeit“ ist der Mainstream der letzten Jahrzehnte und die westliche Gesellschaft gemeint. In früheren Zeiten und in anderen Teilen der Welt galt und gilt es mehr oder weniger als selbstverständlich, dass Männer intelligenter sind als Frauen. Diese Annahme gründet sich allerdings lediglich auf Alltagsbeobachtungen und nicht auf wissenschaftliche empirische Forschung.
***
Stichwörter
Intelligenz, Geschlecht, Geschlechtsunterschiede, Intelligenzunterschiede, Intelligenzforschung, Psychologie
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
Von Mathematik, älteren Lehrerinnen und Migranten – Teil 2
Von Mathematik, älteren Lehrerinnen und Migranten
Teil 2: Die segensreiche Frauenquote
In dem groß angelegten IQB Ländervergleich 2012 (1) wurde das Leistungsniveau von mehr als 44.000 Schülern der 9. Jahrgangsklasse in den Fächern Mathematik und Naturwissenschaften getestet. Im → Teil 1 haben wir gesehen: Im Fach Mathematik schnitten die ostdeutschen Flächenländer hervorragend ab und belegten die Rangplätze 1, 2, 3, 5 und 6.
Kulturdeterministische Bildungs“experten“ sind der Meinung, die Schülerleistungen hingen entscheidend von den Lehrern und den Schulen ab; dementsprechend werden in Bildungsstudien auch eine Reihe von Lehrermerkmalen erhoben.
Ein häufig diskutiertes Lehrermerkmal ist das Geschlecht. Spalte 3 der Tabelle 2.1 zeigt den prozentualen Anteil der Frauen unter den Mathematiklehrern.
| Mathematik | % Frauen | |
| Sachsen | 536 | 73,1 |
| Thüringen | 521 | 80,7 |
| Brandenburg | 518 | 72,6 |
| Bayern | 517 | 38,2 |
| Sachsen-Anhalt | 513 | 82,1 |
| Mecklenburg-Vorpommern | 505 | 77,2 |
| Rheinland-Pfalz | 503 | 46,2 |
| Schleswig-Holstein | 502 | 45,7 |
| Baden-Württemberg | 500 | 29,3 |
| Hessen | 495 | 47,8 |
| Niedersachsen | 495 | 53,8 |
| Hamburg | 489 | 45,0 |
| Saarland | 489 | 36,0 |
| Nordrhein-Westfalen | 486 | 45,5 |
| Berlin | 479 | 53,8 |
| Bremen | 471 | 39,1 |
| Deutschland | 500 | 55,2 |
Bundesweit beträgt der Frauenanteil unter den Mathematiklehrkräften 55,2 Prozent.
In den ostdeutschen Flächenländern ist der Frauenanteil sehr viel höher: die niedrigste Frauenquote hat Brandenburg mit 72,6 Prozent, die höchste hat Sachsen-Anhalt mit 82,1 Prozent. Damit gibt es in den ostdeutschen Flächenländern mehr als dreimal so viele Mathematiklehrerinnen wie Mathematiklehrer.
In den übrigen Bundesländern liegt der Frauenanteil zwischen 29,3 Prozent (Baden-Württemberg) und 53,8 Prozent (Niedersachsen und Berlin). Hier sind insgesamt die männlichen Lehrkräfte deutlich in der Überzahl.
Über die sechzehn Bundesländer hinweg beträgt die Korrelation zwischen der Schülerleistung und der Lehrerinnenquote 0,60. Das heißt: Je größer die Frauenquote in der Lehrerschaft desto bessere Mathematikleistungen zeigen die Schüler.
Sechsunddreißig Prozent der Varianz zwischen den Bundesländern wird durch den Frauenanteil „erklärt“. Für kulturdeterministische Bildungs“experten“ ist dies ein äußerst erfreulicher Befund.
Wie der nächste Teil dieser Serie zeigt, gibt es für kulturdeterministische Bildungs“experten“ weiteren Grund zur Freude → Von Mathematik, älteren Lehrerinnen und Migranten. Teil 3: Die ältere, erfahrene Lehrerin.
(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, Frauenquote, Lehrer, Lehrerinnen, Mathematiklehrerinnen, Geschlecht
Splitter1 