SlideShare ist ein Scribd-Unternehmen logo
1 von 22
Downloaden Sie, um offline zu lesen
Veränderung des emotionalen
       Erlebens im Französischunterricht
                 Unter Berücksichtigung des
              Geschlechts und kompositionellen
                    Geschlechtseffekten
Vortrag auf der 74. Tagung der Arbeitsgruppe für Empirische Pädagogische Forschung
                    Friedrich-Schiller-Universität Jena.

Christian Beermann (Hamburg), Hanna Cronjäger (Hamburg), Ulrike Nett (Konstanz)
                      christian.beermann@uni-hamburg.de
1. Theorie
     1. Definition Lern- und Leistungsemotionen
     2. Emotionen und schulisches Lernen
     3. Lernemotionen und Geschlecht
2. Design
     1. Fragestellung
     2. Skalierung
     3. Stichprobe
3. Methode
     1. Mehrebenenanalyse
     2. Piecewise Growth Modeling
     3. Kodierung von Zeit
4. Ergebnisse
     1. Entwicklung von Emotionen
     2. Geschlecht und kompositionelle Geschlechtseffekte
5. Diskussion
                                                            2
Definition

Lern- und Leistungsemotionen sind Emotionen,
die sich vorrangig auf Lern- und Leistungsaktivitäten und
-ergebnisse beziehen, die anhand eines Gütemaßstabes
von anderen Personen oder vom Schüler/Lernenden
selbst bewertet werden.
                              (Pekrun, Frenzel, Götz & Perry, 2007)




13.09.2010       Theorie – Design – Methode – Ergebnisse – Diskussion   3
Emotionen und schulisches Lernen
 • Emotionen werden domänenspezifisch
   unterschiedlich erlebt (Götz et al. 2006).
 • Im Unterricht wird die ganze Bandbreite an
   Emotionen erlebt, dabei treten positive Emotionen
   ebenso häufig auf wie negative (Pekrun 2002).
 • Explizite Erforschung des Französischunterrichts
   erstmals bei Hanna Cronjäger (2009).


13.09.2010      Theorie – Design – Methode – Ergebnisse – Diskussion   4
Ergebnisse anderer Studien
• Es existieren geschlechtsspezifische Unterschiede in
  Hinblick auf das Emotionserleben im Unterricht.
                                                                    (Götz 2004, Cronjäger 2009)

• Diese Unterschiede sind domänenspezifisch verschieden.
                                                            (Götz 2004, Frenzel et. al. 2007)

• Auch die Zusammensetzung einer Lerngruppe in Hinblick
  auf die Geschlechterverteilung ist zu berücksichtigen.
                                                                           (Frenzel et. al. 2007)


  13.09.2010        Theorie – Design – Methode – Ergebnisse – Diskussion                    5
Fragestellungen
1. Verändert sich das Emotionserleben von
   Schülerinnen und Schülern im gymnasialen
   Französischunterricht im Verlauf der
   Sekundarstufe I?
2. Kann das Geschlecht oder die
   Geschlechterverteilung in der Lerngruppe als
   Prädiktor für die Ausprägung und Entwicklung
   von Emotionen im Französischunterricht
   angenommen werden?
13.09.2010    Theorie – Design – Methode – Ergebnisse – Diskussion   6
Hypothesen
• Positive Emotionen nehmen mit der Zeit ab,
  während negative Emotionen mit der Zeit
  zunehmen.
• Jungen erleben mehr negative und weniger
  positive Emotionen als Mädchen.
• Je mehr Jungen in einer Lerngruppe, desto
  weniger positive und desto mehr negative
  Emotionen.
13.09.2010     Theorie – Design – Methode – Ergebnisse – Diskussion   7
Design
Befragung mittels eines standardisierten
Fragebogens zu 6 Messzeitpunkten (MZP)


 MZP         1   2   3   4                                                          5     6


             Klasse 6            Klasse 7                  Klasse 8                 Klasse 9



13.09.2010                   Theorie – Design – Methode – Ergebnisse – Diskussion              8
Skalierung
• Freude, Angst, Ärger und Langeweile mit erprobten
  4-Item Kurzskalen.
• 5-stufige Likertskala von „stimmt gar nicht“ bis
  „stimmt genau“
• Interne Konsistenzen:
             o Freude: .83≤ α ≤ .87; αt1-t6= .92
             o Angst: .46 ≤ α ≤ .83; αt1-t6= .80
             o Ärger: .67 ≤ α ≤ .78; αt1-t6= .84
             o Langeweile: .80 ≤ α ≤ .87; αt1-t6= .92
13.09.2010                 Theorie – Design – Methode – Ergebnisse – Diskussion   9
Stichprobe
• N = 548 Hamburger SchülerInnen
  (39,2% Jungen; 60,8% Mädchen)
• Ausschluss von Klassenwiederholern,
  MuttersprachlerInnen
• 35 Klassen an 19 Hamburger Gymnasien.
  Durchschnittlichen Gruppengröße von 15, 66


13.09.2010   Theorie – Design – Methode – Ergebnisse – Diskussion   10
Mehrebenenanalyse
                                           ICC                 Designeffekt
             Freude                   .12 - .18                  2,76 - 3,64
             Angst                    .02 - .06                  1,29 – 1,88
             Ärger                    .06 - .13                  1,88 – 2,91
             Langeweile               .06 - .13                  1,88 – 2,91

=> Mehrebenenanalyse ist notwenig.


13.09.2010           Theorie – Design – Methode – Ergebnisse – Diskussion      11
Piecewise Latent Growth Curves
  • Wachstumsparameter als latente Variablen.
              Intercept = Ausgangspunkt; Slope = Steigung
  • Wachstum t1-t4 linear. Konnte nach Erhebung von
    t5, t6 nicht bestätigt werden.
                                                          (CFI: .73; TLI: .80; RMSEA: .13)
  • Quadratischer Faktor erschwert die Interpretation,
    daher Piecewise Growth: Spezifikation von zwei
    linearen Slopes.
                                                          (CFI: .95; TLI: .95; RMSEA: .06)
  • Leistung als Kovariate, auf einzelne Messzeitpunkte.

13.09.2010             Theorie – Design – Methode – Ergebnisse – Diskussion                  12
Kodierung von Zeit
Zeit wurde so codiert, dass
      1 = 1 Schuljahr
      Abstände zwischen den MZP berücksichtigt wurden.

 MZP         1   2   3   4                                                           5     6


             Klasse 6            Klasse 7                  Klasse 8                  Klasse 9

 MZP         0 0.25 0.5 0.75                                                        3.25   3.75


13.09.2010                   Theorie – Design – Methode – Ergebnisse – Diskussion                 14
Entwicklung Freude
                Fixed Effects                   Random Effects
                   β (SE)             Individual-            Klassenebene

Intercept     3.34*** (.07)           .34*** (.05)           .13*** (03)
Slope 1       -.82** (.06)            .27* (.13)             .05 (.04)
Slope 2       -.25*** (.03)           .05*** (.01)           .02** (.01)
                         Χ² / df / p : 95.28 / 33 / .00; CFI .96; TLI: .96; RMSEA: .06
                                Signifikanzniveau: ***p < .001; **p < .01; *p < .05




 13.09.2010                     Ergebnisse                                      15
Entwicklung Langeweile
                Fixed Effects                   Random Effects
                   β (SE)             Individual-           Klassenebene
Intercept     1.53*** (.05)           .17*** (.02) .04** (.01)
Slope 1       .60*** (.08)            .25 (.13)             .12 (.06)
Slope 2       .26** (.03)             .08*** (.01) .02** (.01)
                        Χ² / df / p : 58.92 / 33 / .01; CFI .98; TLI: .97; RMSEA: .04
                              Signifikanzniveau: ***p < .001; **p < .01; *p < .05




 13.09.2010                   Ergebnisse                                       17
Entwicklung - Angst
                Fixed Effects                      Random Effects
                    b (SE)               Individual-           Klassenebene
Intercept     1.46*** (.03)              .08*** (.02) .01* (.01)
Slope 1       -.06 (.05)                 .05 (.03)             .03 (.02)
Slope 2       .03** (.01)                .02*** (.01) .00 (.01)
                           Χ² / df / p : 53.59 / 33 / .01; CFI .97; TLI: .96; RMSEA: .03
                                 Signifikanzniveau: ***p < .001; **p < .01; *p < .05




 13.09.2010                      Ergebnisse                                       19
Entwicklung Ärger
             Fixed Effects                Random Effects
                   b (SE)                 Individual-        Klassenebene

Intercept    1.48*** (.04)                .10*** (.03) .03** (.01)
Slope 1      .27*** (.07)                 .17* (.08)         .03 (.03)
Slope 2      .15*** (.03)                 .04*** (.01) .01 (.01)
                       Χ² / df / p : 105.77 / 33 / .00; CFI .93; TLI: .91; RMSEA: .06
                               Signifikanzniveau: ***p < .001; **p < .01; *p < .05




13.09.2010                   Ergebnisse                                      21
Geschlecht
                                   Nur
                                             Geschlecht kodiert mit 0 = weiblich, 1 = männlich
                                             Signifikanter Effekt auf Intercept von Freude
                                            Leistungsunterschiede zwischen Jungen und Mädchen
                                                   Mittelwerte Noten in Wachsumsprozess I und II
                                                                                                                (-.18*** (.07))
                                                            zentriert am Klassenmittelwert
Mittlere Abweichung von Klassenmittelwert




                                            0,3


                                            0,2

                                                                                                     w
                                            0,1                                                      m
                                                                                                     Gesamt
                                              0
                                                          not1c                   not2c
                                            -0,1


                                            -0,2


                                            -0,3

                                             13.09.2010                                            Ergebnisse                     23
Geschlechterzusammensetzung
 • Geschlechterzusammensetzung der Lerngruppe so
   kodiert, dass 1 Einheit = 10% mehr männliche
   Schüler
 • Signifikante Effekte nur für Ausgangspunkt und
   Wachstumsprozess 2 bei Freude:
      • Je mehr Jungen in einer Lerngruppe, desto
         weniger Freude zu Lernbeginn (-.12* (.05))
      • Je mehr Jungen in einer Lerngruppe, desto
         schwacher fällt der Verlust von Freude im
         zweiten Wachstumsprozess aus (.06** (.02))
13.09.2010               Ergebnisse                   25
Zusammenfassung
• Freude nimmt im 1. Lernjahr stark ab, später verläuft
  dieser Trend langsamer.
• Langeweile nimmt im 1. Lernjahr stark zu, später
  verringert sich das Wachstum.
• Nach Kontrolle von Leistung bleibt ein
  Geschlechtseffekt auf den Ausgangswert von Freude.
  Jungen erleben weniger Freude im
  Französischunterricht als Mädchen
• Geschlechterzusammensetzung der LG hat einen
  Einfluss auf das emotionale Erleben von Freude.
13.09.2010
Vielen Dank!
                 Für Ihre Aufmerksamkeit

                  Christian Beermann
        christian.beermann@uni-hamburg.de

                    Folien zum Download:
             http://www.christian-beermann.de
13.09.2010
Literatur
  Cronjäger, H. (2009). Emotionen im schulischen Fremdsprachenunterricht:
  Bedingungen, Wirkungen und Veränderungen im ersten Lernjahr Französisch.
  Jena: (unveröffentlichte Dissertation).

  Flora, D. (2008). Specifying Piecewise Latent Trajectory Models for Longitudinal
  Data. Structural Equation Modeling: A Multidisciplinary Journal, 15(3), 513-533.

  Frenzel, A., Pekrun, R., & Goetz, T. (2007). Perceived learning environment and
  students' emotional experiences: A multilevel analysis of mathematics
  classrooms. Learning and Instruction, 17(2007), 478-493.

  Götz, T. (2004). Emotionales Erleben und selbstreguliertes Lernen bei Schülern im
  Fach Mathematik. München: Utz.




13.09.2010

Weitere ähnliche Inhalte

Empfohlen

Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTExpeed Software
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsPixeldarts
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthThinkNow
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfmarketingartwork
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024Neil Kimberley
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)contently
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024Albert Qian
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsKurio // The Social Media Age(ncy)
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Search Engine Journal
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summarySpeakerHub
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next Tessa Mero
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentLily Ray
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best PracticesVit Horky
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project managementMindGenius
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...RachelPearson36
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Applitools
 

Empfohlen (20)

Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPTEverything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
 
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage EngineeringsProduct Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental HealthHow Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdfAI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
 
Skeleton Culture Code
Skeleton Culture CodeSkeleton Culture Code
Skeleton Culture Code
 
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
 

Veränderung des emotionalen Erlebens im Französischunterricht

  • 1. Veränderung des emotionalen Erlebens im Französischunterricht Unter Berücksichtigung des Geschlechts und kompositionellen Geschlechtseffekten Vortrag auf der 74. Tagung der Arbeitsgruppe für Empirische Pädagogische Forschung Friedrich-Schiller-Universität Jena. Christian Beermann (Hamburg), Hanna Cronjäger (Hamburg), Ulrike Nett (Konstanz) christian.beermann@uni-hamburg.de
  • 2. 1. Theorie 1. Definition Lern- und Leistungsemotionen 2. Emotionen und schulisches Lernen 3. Lernemotionen und Geschlecht 2. Design 1. Fragestellung 2. Skalierung 3. Stichprobe 3. Methode 1. Mehrebenenanalyse 2. Piecewise Growth Modeling 3. Kodierung von Zeit 4. Ergebnisse 1. Entwicklung von Emotionen 2. Geschlecht und kompositionelle Geschlechtseffekte 5. Diskussion 2
  • 3. Definition Lern- und Leistungsemotionen sind Emotionen, die sich vorrangig auf Lern- und Leistungsaktivitäten und -ergebnisse beziehen, die anhand eines Gütemaßstabes von anderen Personen oder vom Schüler/Lernenden selbst bewertet werden. (Pekrun, Frenzel, Götz & Perry, 2007) 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 3
  • 4. Emotionen und schulisches Lernen • Emotionen werden domänenspezifisch unterschiedlich erlebt (Götz et al. 2006). • Im Unterricht wird die ganze Bandbreite an Emotionen erlebt, dabei treten positive Emotionen ebenso häufig auf wie negative (Pekrun 2002). • Explizite Erforschung des Französischunterrichts erstmals bei Hanna Cronjäger (2009). 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 4
  • 5. Ergebnisse anderer Studien • Es existieren geschlechtsspezifische Unterschiede in Hinblick auf das Emotionserleben im Unterricht. (Götz 2004, Cronjäger 2009) • Diese Unterschiede sind domänenspezifisch verschieden. (Götz 2004, Frenzel et. al. 2007) • Auch die Zusammensetzung einer Lerngruppe in Hinblick auf die Geschlechterverteilung ist zu berücksichtigen. (Frenzel et. al. 2007) 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 5
  • 6. Fragestellungen 1. Verändert sich das Emotionserleben von Schülerinnen und Schülern im gymnasialen Französischunterricht im Verlauf der Sekundarstufe I? 2. Kann das Geschlecht oder die Geschlechterverteilung in der Lerngruppe als Prädiktor für die Ausprägung und Entwicklung von Emotionen im Französischunterricht angenommen werden? 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 6
  • 7. Hypothesen • Positive Emotionen nehmen mit der Zeit ab, während negative Emotionen mit der Zeit zunehmen. • Jungen erleben mehr negative und weniger positive Emotionen als Mädchen. • Je mehr Jungen in einer Lerngruppe, desto weniger positive und desto mehr negative Emotionen. 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 7
  • 8. Design Befragung mittels eines standardisierten Fragebogens zu 6 Messzeitpunkten (MZP) MZP 1 2 3 4 5 6 Klasse 6 Klasse 7 Klasse 8 Klasse 9 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 8
  • 9. Skalierung • Freude, Angst, Ärger und Langeweile mit erprobten 4-Item Kurzskalen. • 5-stufige Likertskala von „stimmt gar nicht“ bis „stimmt genau“ • Interne Konsistenzen: o Freude: .83≤ α ≤ .87; αt1-t6= .92 o Angst: .46 ≤ α ≤ .83; αt1-t6= .80 o Ärger: .67 ≤ α ≤ .78; αt1-t6= .84 o Langeweile: .80 ≤ α ≤ .87; αt1-t6= .92 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 9
  • 10. Stichprobe • N = 548 Hamburger SchülerInnen (39,2% Jungen; 60,8% Mädchen) • Ausschluss von Klassenwiederholern, MuttersprachlerInnen • 35 Klassen an 19 Hamburger Gymnasien. Durchschnittlichen Gruppengröße von 15, 66 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 10
  • 11. Mehrebenenanalyse ICC Designeffekt Freude .12 - .18 2,76 - 3,64 Angst .02 - .06 1,29 – 1,88 Ärger .06 - .13 1,88 – 2,91 Langeweile .06 - .13 1,88 – 2,91 => Mehrebenenanalyse ist notwenig. 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 11
  • 12. Piecewise Latent Growth Curves • Wachstumsparameter als latente Variablen.  Intercept = Ausgangspunkt; Slope = Steigung • Wachstum t1-t4 linear. Konnte nach Erhebung von t5, t6 nicht bestätigt werden. (CFI: .73; TLI: .80; RMSEA: .13) • Quadratischer Faktor erschwert die Interpretation, daher Piecewise Growth: Spezifikation von zwei linearen Slopes. (CFI: .95; TLI: .95; RMSEA: .06) • Leistung als Kovariate, auf einzelne Messzeitpunkte. 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 12
  • 13. Kodierung von Zeit Zeit wurde so codiert, dass  1 = 1 Schuljahr  Abstände zwischen den MZP berücksichtigt wurden. MZP 1 2 3 4 5 6 Klasse 6 Klasse 7 Klasse 8 Klasse 9 MZP 0 0.25 0.5 0.75 3.25 3.75 13.09.2010 Theorie – Design – Methode – Ergebnisse – Diskussion 14
  • 14. Entwicklung Freude Fixed Effects Random Effects β (SE) Individual- Klassenebene Intercept 3.34*** (.07) .34*** (.05) .13*** (03) Slope 1 -.82** (.06) .27* (.13) .05 (.04) Slope 2 -.25*** (.03) .05*** (.01) .02** (.01) Χ² / df / p : 95.28 / 33 / .00; CFI .96; TLI: .96; RMSEA: .06 Signifikanzniveau: ***p < .001; **p < .01; *p < .05 13.09.2010 Ergebnisse 15
  • 15. Entwicklung Langeweile Fixed Effects Random Effects β (SE) Individual- Klassenebene Intercept 1.53*** (.05) .17*** (.02) .04** (.01) Slope 1 .60*** (.08) .25 (.13) .12 (.06) Slope 2 .26** (.03) .08*** (.01) .02** (.01) Χ² / df / p : 58.92 / 33 / .01; CFI .98; TLI: .97; RMSEA: .04 Signifikanzniveau: ***p < .001; **p < .01; *p < .05 13.09.2010 Ergebnisse 17
  • 16. Entwicklung - Angst Fixed Effects Random Effects b (SE) Individual- Klassenebene Intercept 1.46*** (.03) .08*** (.02) .01* (.01) Slope 1 -.06 (.05) .05 (.03) .03 (.02) Slope 2 .03** (.01) .02*** (.01) .00 (.01) Χ² / df / p : 53.59 / 33 / .01; CFI .97; TLI: .96; RMSEA: .03 Signifikanzniveau: ***p < .001; **p < .01; *p < .05 13.09.2010 Ergebnisse 19
  • 17. Entwicklung Ärger Fixed Effects Random Effects b (SE) Individual- Klassenebene Intercept 1.48*** (.04) .10*** (.03) .03** (.01) Slope 1 .27*** (.07) .17* (.08) .03 (.03) Slope 2 .15*** (.03) .04*** (.01) .01 (.01) Χ² / df / p : 105.77 / 33 / .00; CFI .93; TLI: .91; RMSEA: .06 Signifikanzniveau: ***p < .001; **p < .01; *p < .05 13.09.2010 Ergebnisse 21
  • 18. Geschlecht Nur Geschlecht kodiert mit 0 = weiblich, 1 = männlich Signifikanter Effekt auf Intercept von Freude Leistungsunterschiede zwischen Jungen und Mädchen Mittelwerte Noten in Wachsumsprozess I und II (-.18*** (.07)) zentriert am Klassenmittelwert Mittlere Abweichung von Klassenmittelwert 0,3 0,2 w 0,1 m Gesamt 0 not1c not2c -0,1 -0,2 -0,3 13.09.2010 Ergebnisse 23
  • 19. Geschlechterzusammensetzung • Geschlechterzusammensetzung der Lerngruppe so kodiert, dass 1 Einheit = 10% mehr männliche Schüler • Signifikante Effekte nur für Ausgangspunkt und Wachstumsprozess 2 bei Freude: • Je mehr Jungen in einer Lerngruppe, desto weniger Freude zu Lernbeginn (-.12* (.05)) • Je mehr Jungen in einer Lerngruppe, desto schwacher fällt der Verlust von Freude im zweiten Wachstumsprozess aus (.06** (.02)) 13.09.2010 Ergebnisse 25
  • 20. Zusammenfassung • Freude nimmt im 1. Lernjahr stark ab, später verläuft dieser Trend langsamer. • Langeweile nimmt im 1. Lernjahr stark zu, später verringert sich das Wachstum. • Nach Kontrolle von Leistung bleibt ein Geschlechtseffekt auf den Ausgangswert von Freude. Jungen erleben weniger Freude im Französischunterricht als Mädchen • Geschlechterzusammensetzung der LG hat einen Einfluss auf das emotionale Erleben von Freude. 13.09.2010
  • 21. Vielen Dank! Für Ihre Aufmerksamkeit Christian Beermann christian.beermann@uni-hamburg.de Folien zum Download: http://www.christian-beermann.de 13.09.2010
  • 22. Literatur Cronjäger, H. (2009). Emotionen im schulischen Fremdsprachenunterricht: Bedingungen, Wirkungen und Veränderungen im ersten Lernjahr Französisch. Jena: (unveröffentlichte Dissertation). Flora, D. (2008). Specifying Piecewise Latent Trajectory Models for Longitudinal Data. Structural Equation Modeling: A Multidisciplinary Journal, 15(3), 513-533. Frenzel, A., Pekrun, R., & Goetz, T. (2007). Perceived learning environment and students' emotional experiences: A multilevel analysis of mathematics classrooms. Learning and Instruction, 17(2007), 478-493. Götz, T. (2004). Emotionales Erleben und selbstreguliertes Lernen bei Schülern im Fach Mathematik. München: Utz. 13.09.2010