Beispielartikel zu Strukturgleichungsmodellen

Sonderdruck aus:
Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie, 38 (3), 121–131
© Hogrefe Verlag Göttingen 2006
Drop-out-Analyse
121
Prognose des Studienabbruchs
Hermann Brandstätter, Ludwig Grillich und Alois Farthofer
Universität Linz
Zusammenfassung. Ziel der vorliegenden Arbeit war die Klärung der Bedingungen des Studienabbruchs mit Hilfe von Cox-Regressionsanalysen, Strukturgleichungsmodellen und Mehrebenen-Analysen. Die Daten stammen von Studierenden der Universität Linz,
die in ihrem letzten Schuljahr an Studienberatungstests und drei bis siebzehn Semester später an einer Befragung zu ihren Studienerfahrungen teilgenommen haben. In Ergänzung dazu konnten Zeitreihen von Prüfungsergebnissen analysiert werden. Niedrige Schulund Testleistungen, inkongruente Interessen und niedrige Werte in Selbstkontrolle und Belastbarkeit hatten erwartungsgemäß während des Studiums weniger effiziente Arbeitshaltungen, unzulängliche Prüfungsleistungen (schlechten Notendurchschnitt und geringe Anzahl von Prüfungen pro Semester), Unzufriedenheit mit dem Verlauf des Studiums und schließlich (sehr oft) Studienabbruch
zur Folge. Als ein Weg zur Reduzierung des Drop-out-Risikos wird neben Verbesserungen in der Studienorganisation ein weiterer
Ausbau der Studienwahlberatung empfohlen.
Schlüsselwörter: Studienberatung, Studienabbruch, Längsschnittstudie, Cox-Regression, Strukturgleichungsmodell
Predicting university drop-out
Abstract. The study aimed at clarifying the individual conditions of university drop-out with Cox-regression, structural equation
models, and multi-level analyses. The data has been collected from students of the University of Linz who had participated in a career
counseling program before their school leaving exam and answered a questionnaire on their study experiences three to seventeen
semesters later. Archival data on the time series of exams complemented the questionnaire data. As expected, lower high-school grade
point averages and lower scores on cognitive tests as well as incongruent interests and low scores on conscientiousness and emotional
stability were followed by less efficient study habits. As a consequence, the academic performance (in terms of grade point average
and number of exams taken by the students) was poorer, the satisfaction with the study experiences was reduced and, very often,
dropping out from the university was the end result. As a means of reducing the drop-out risk, besides improvements in the organization of the studies, a further development of the study choice counseling program is recommended.
Key words: student counseling, university drop-out, longitudinal study, Cox-regression, structural equation model
Das Ziel dieses Berichts ist die Klärung der individuellen
Bedingungen des Studienabbruchs anhand von Daten, die
im Rahmen der seit 1991 an der Universität Linz angebotenen Studienberatungstests gesammelt wurden. Dazu
werden Cox-Regressionsanalysen, Strukturgleichungsmodelle und Mehrebenen-Analysen verwendet (zu anderen Fragen der Evaluation dieses Beratungsangebots siehe Brandstätter & Farthofer, 2003 a, 2003 b, 2003 c;
Brandstätter, Farthofer & Grillich, 2001; Brandstätter,
Grillich & Farthofer, 2002; Brandstätter & Neubauer,
2001). In Cox-Regressionsanalysen fungiert die Zeit (Anzahl der Studiensemester) bis zum Studienabbruch als
abhängige Variable. Mit Strukturgleichungsmodellen
wird geprüft, wie weit die Daten einem hypothetischen
Wirkungsmuster der unabhängigen und vermittelnden
Variablen auf der Ebene latenter Konstrukte entsprechen.
Eine Mehrebenen-Analyse beantwortet die Frage, ob die
Parameterschätzungen von logistischen Regressionsanalysen mit Drop-out als abhängiger Variable für die
verschiedenen Fakultäten und innerhalb der Fakultäten
Dieser Beitrag basiert auf Daten, die im Rahmen des vom österreichischen Fonds zur Förderung der wissenschaftlichen Forschung
(FWF) unter Nr. P12612-SOZ geförderten Projekts „Studienverlauf
nach Studienberatung“ erhoben wurden.
DOI: 10.1026/0049-8637.38.3.121
für die verschiedenen Studienrichtungen gleichermaßen
gelten.
Von Studienabbruch ist dann zu sprechen, wenn jemand ein Universitätsstudium – gleichgültig ob mit oder
ohne vorausgegangenen Wechsel der Studienrichtung
oder der Universität – ganz aufgibt und (in überschaubarer Zeit) nicht wieder aufnimmt (Heublein, Schmelzer,
Sommer & Spangenberg, 2002). Das Problem kann auf
nationaler, institutioneller und individueller Ebene analysiert werden (Schröder-Gronostay & Daniel, 1999). Auf
individueller Ebene stellt sich die Frage, welche Merkmale (Eigenschaften und Zustände) der Studierenden das Risiko eines Studienabbruchs unter den gegebenen institutionellen Bedingungen erhöhen.
Ein nach Umfang und Gründlichkeit herausragendes
Beispiel für Analysen auf individueller Ebene sind die
Längsschnittstudien der Frankfurter Arbeitsgruppe „Bildungsverläufe“ (Giesen et al., 1981; Gold, 1999; Gold &
Kloft, 1991). Als Risikofaktoren eines späteren Studienabbruchs erwiesen sich schlechte Schulnoten, niedrige
Intelligenztestleistungen, geringe Leistungsbereitschaft,
geringes Zutrauen in die eigene Leistungsfähigkeit, Unzufriedenheit mit den eigenen Studienleistungen und feh-
122
Hermann Brandstätter, Ludwig Grillich und Alois Farthofer
lende fachliche und soziale Anerkennung im Kreis der
Kollegen.
jedoch zusätzliche Validität zu erwarten, wie dies z. B.
durch Kuncel, Hezlett und Ones (2001) belegt ist.
Wir erwarten, dass das Risiko eines Studienabbruchs
umso höher ist, je schwächer Schulleistungen (umgepolter Notendurchschnitt aus Deutsch, Englisch, Mathematik), studienfeldspezifische und allgemeine kognitive Fähigkeiten, Interessenkongruenz (Übereinstimmung des
individuellen Interessenprofils mit dem studienfeldtypischen Interessenprofil), Zutrauen in die eigene intellektuelle Leistungsfähigkeit (als Selbsteinschätzung der Intelligenz erfasst), Entscheidungssicherheit (als Gegenpol der
Problembelastung der Studienwahl), intrinsische Studienmotivation sowie die Persönlichkeitsdimensionen Selbstkontrolle, Belastbarkeit und Introversion ausgeprägt sind.
Das Zutrauen in die eigene intellektuelle Leistungsfähigkeit, als aufgabenspezifisches Selbstvertrauen im
Sinne von self-efficacy verstanden (Bandura, 1997; Multon, Brown & Lent, 1991), könnte über die mit Tests gemessene Intelligenz hinaus einen Beitrag zur Erklärung
des Studienabbruchs leisten, da diese Art von Selbstvertrauen mit der Bereitschaft verbunden ist, sich ein höheres
Ziel zu setzen, sich angesichts von Hindernissen stärker
anzustrengen und das Ziel mit größerer Ausdauer zu verfolgen (Bandura & Locke, 2003).1
Versucht man sich theoretisch ein Bild zu machen, auf
welche Weise die individuellen Merkmale unterschiedlicher Situationsreichweite einen Studienabbruch bedingen, so wird man die globalen Persönlichkeitsmerkmale
Selbstkontrolle und Belastbarkeit an den Anfang der Wirkungskette stellen. Diese bestimmen gemeinsam mit Studienmotivation und Problembelastung der Studienwahl
das Arbeitsverhalten (Lernverhalten), das Momente von
Kontrollüberzeugungen und Selbstregulation enthält. Im
Verein mit kognitiven Fähigkeiten, Zutrauen in die eigene
intellektuelle Leistungsfähigkeit, Interessenkongruenz
und Zeitaufwand für Erwerbstätigkeit ergibt sich daraus
der Studienerfolg des ersten Semesters. Dieser löst ein
bestimmtes Maß an Studienzufriedenheit aus, das dann
letztlich darüber entscheidet, ob das Studium fortgeführt
oder abgebrochen wird.
Selbstkontrolle und Belastbarkeit (emotionale Stabilität als Gegenpol von Ängstlichkeit oder Neurotizismus)
erwiesen sich in Meta-Analysen als mäßig valide Prädiktoren nicht nur des Erfolgs im Beruf (Hurtz & Donovan,
2000), sondern zusammen mit Introversion auch des Erfolgs im Studium (De Raad & Schouwenburg, 1996;
Furnham, Chamorro-Premzic & McDougall, 2003; Rothstein, Paunonen, Rush & King, 1994). Es ist anzunehmen,
dass sich Selbstkontrolle und Belastbarkeit in situationsspezifischen und handlungsnahen Kontrollüberzeugungen
konkretisieren, wie sie ursprünglich von Rotter (1966),
später u. a. von Bandura (1997) und Ajzen (2002) theoretisch konzipiert und z. B. von Perry, Hladkyi, Pekrun und
Pelletier (2001) zur Erklärung des Studienerfolgs verwendet wurden.
Wer sich in der Studienwahlentscheidung – zum Teil
persönlichkeitsbedingt – unsicher, wenig informiert und
besorgt erlebt, wird vermutlich auch im Studium eher zur
Resignation neigen. Intrinsische Studienmotivation sollte
dagegen für den Studienerfolg förderlich sein.
Der Einfluss der kognitiven Fähigkeiten auf Studienleistungen und Drop-out-Risiko wird insofern durch die
Schulleistungen vermittelt, als Schul- und Studienleistungen gleichermaßen allgemeine intellektuelle Fähigkeiten
voraussetzen. Für kognitive Leistungstests, deren Aufgaben auf die jeweiligen Studienfelder abgestimmt sind, ist
Interessenkongruenz kann auf zweierlei Weise dem
Studienabbruch entgegenwirken (Apenburg, 1980, S. 40):
Studierende mit kongruenten Interessen treffen häufiger
auf Kollegen mit ähnlichen Wertauffassungen und Lebensgewohnheiten. Dies erleichtert sozialen Anschluss
und kommt über gemeinsame Prüfungsvorbereitungen
auch dem Studienerfolg zugute. Sie werden auch für die
fachlichen Studienanforderungen etwas besser gerüstet
sein, weil Interesse für ein Studienfeld eine gewisse (wenn
auch schwache) Korrelation mit bereichsrelevanten Fähigkeiten aufweist und weil sie wegen des für sie attraktiveren Sachgebiets beim Lernen weniger Ablenkungen
ausgesetzt sind.
Die vielfach nachgewiesene Validität der Schulleistungen in der Prognose des Studienerfolgs (Baron-Boldt,
Funke & Schuler, 1989) erscheint darin begründet, dass
sie hinsichtlich kognitiver und motivationaler Merkmale
den Anforderungen des Universitätsstudiums bis zu einem
gewissen Grade ähnlich sind. Dazu kommt, dass früheres
Verhalten nicht nur wegen der Ähnlichkeit der Anforderungen, sondern auch wegen der Fortdauer von Verhaltensgewohnheiten ein Prädiktor späteren Verhaltens ähnlicher Art ist (Ouellette & Wood, 1998).
Methode
Stichprobe
Die hier analysierten Daten stammen von N = 948 Maturanten, davon 407 weiblich, die in den Jahren 1991 bis
1998 an Studienberatungstests der Universität Linz teilgenommen, nach der Matura ein Studium an einer der drei
Fakultäten dieser Universität begonnen und die Universität (nach eigenen Angaben) nicht gewechselt haben
(Tabelle 1). Die Maturajahrgänge 1991, 1993, 1995 und
1997 wurden Ende des Wintersemesters 1998/1999, die
Maturajahrgänge 1992, 1994, 1996 und 1998 Ende des
Wintersemesters 1999/2000 nach ihren Studienerfahrungen befragt.
1 Nur wenn eine Person ihre bisherigen Leistungen vorwiegend auf
Begabung zurückführt und wenn demnach auch ihr aufgabenspezifisches Selbstvertrauen mehr ein Intelligenz- als ein Motivationskonzept
darstellt, ist es unwahrscheinlich, dass die Überzeugung von der eigenen Intelligenz zusätzlich zu objektiv gemessener Intelligenz zur Prognose des Studienerfolgs beiträgt.
Drop-out-Analyse
123
Tabelle 1. Stichprobenverteilung nach Fakultät, Geschlecht und Drop-out
Drop-out
Fakultät
ja
nein
gesamt
Technisch-naturwissenschaftliche
männlich
weiblich
gesamt
21
10
31
168
38
206
189
48
237
Rechtswissenschaftliche
männlich
weiblich
gesamt
17
23
40
65
76
141
82
99
181
Sozial- und wirtschaftswissenschaftliche
männlich
weiblich
gesamt
44
37
81
227
222
449
271
259
530
Als Studienabbrecher/in wurde kodiert, wer sich in der
Befragung als solche/r deklarierte, dazu jene, die (ohne
Studienabschluss und ohne Universitätswechsel) keine
Prüfung in den letzten drei Semestern des Beobachtungszeitraums abgelegt haben und mit den vorher absolvierten
Prüfungen unter dem Durchschnitt der Studierenden gleicher Anzahl von Studiensemestern in der betreffenden
Fakultät lagen. Als Absolventen gelten alle, für die ein
Studienabschluss in den Archivdaten nachgewiesen ist,
und jene Universitätswechsler, die bei der Studienbefragung einen Studienabschluss angegeben haben. Die übrigen gelten als Noch-Studierende.
Prognose- und Erfolgskriterien
Studienberatungsdaten (Prognosedaten). Das Programm
der Studienberatungstests umfasste – bei einer Testzeit
von insgesamt dreieinhalb Stunden – den Allgemeinen
Interessen-Struktur-Test (10 Items pro Skala, D = .85 im
Median der sechs Skalen), mit dem die Holland’schen Interessendimensionen erfasst werden (Bergmann & Eder,
1992; Holland, 1997), den Persönlichkeitsfragebogen
16PA (Brandstätter, 1988) mit D = .56 für die Primärfaktoren (Median von 16 Skalen mit je zwei Items) und D =
.80 für die Globalfaktoren (Median von fünf Skalen mit
vier bis sechs Items pro Skala), Fragen zur Problembelastung der Studienwahl (Seifert, 1992) in den Aspekten
Entscheidungsunsicherheit (13 Items, D = .86), Informationsdefizit (6 Items, D = .80) und Besorgtheit über Berufsaussichten (3 Items, D = .79), dazu Fragen zur Selbsteinschätzung der intellektuellen Leistungsfähigkeit (Primärdimension B im 16PA und Selbsteinschätzung der
Fähigkeit zu wissenschaftlichem Arbeiten; 3 Items, D =
.60) und zur intrinsischen Studienmotivation (3 Items,
D = .81). Erfragt wurden auch die Schulnoten in den Fächern Deutsch, Englisch und Mathematik. Am meisten
Zeit beanspruchte die Bearbeitung der studienfeldspezifischen kognitiven Leistungstests (SFT; Blum, Hensgen &
Trost, 1985) sowie (seit 1995) einer Auswahl von BISSubtests (Jäger, Süß & Beauducel, 1997).2
Studienerfolgsdaten (Kriteriendaten). Die zwei bis
acht Jahre nach den Studienberatungstests durchgeführte
Studienbefragung gibt Aufschluss über Studienereignisse
(Wahl der Universität und der Studienrichtung, Wechsel
oder Abbruch des Studiums, abgelegte Prüfungen und
deren Ergebnis, Gründe für Verzögerung oder Abbruch
des Studiums, Übernahme einer beruflichen Tätigkeit neben oder nach dem Studium, Schätzungen über die zeitliche Beanspruchung durch Studium, Erwerbstätigkeit und
andere Verpflichtungen) und Studienerfahrungen (Studienzufriedenheit mit der Skala „Freude am Studium“
[8 Items; D = .92] nach Westermann, Heise, Spies und
Trautwein (1996) und Arbeitsverhalten nach Moser,
Schuler und Zempel (1998) mit den Skalen „Arbeitsdisziplin“ [12 Items; D = .82] und „Erfolgszuversicht“; [8
Items; D = .80]). Außerdem wurde Lernmotivation im
Sinne von Dweck (1999) erfasst (4 Items, D = .65; Beispiel: Ich nütze jede Gelegenheit, in Bereichen meines
Interesses kompetent zu werden – Neues zu lernen, macht
mir große Freude).
Für die Analyse standen nicht nur die Daten aus der
Beratungsphase und aus der Studienbefragung, sondern
auch – unter strikter Wahrung des Datenschutzes – Archivdaten über alle absolvierten Prüfungen zur Verfügung.
Ergebnisse
Im ersten Abschnitt wird der Eintritt des Ereignisses „Studienabbruch“ im Verlauf der Studiensemester mit CoxRegressionsanalysen vorhergesagt. Der zweite Abschnitt
versucht auf der Ebene latenter Konstrukte kausale Bezie2 Die Rückmeldung der Ergebnisse (mit Hinweisen zu ihrer Interpretation als Grundlage der Studienwahlentscheidung) erfolgte in der
Regel schriftlich, in besonders problematischen Fällen in einem persönlichen Gespräch. Allen wurde die Möglichkeit geboten, eine ergänzende persönliche Beratung in Anspruch zu nehmen, ein Angebot, das
allerdings selten genutzt wurde.
Hermann Brandstätter, Ludwig Grillich und Alois Farthofer
hungen mit Hilfe von Strukturgleichungsmodellen zu klären, wobei Variablen aus beiden Erhebungszeitpunkten
(Studienberatung und Studienbefragung) einbezogen werden. Schließlich wird im dritten Abschnitt kurz über das
Ergebnis einer Mehrebenen-Analyse berichtet.
Anmerkung: Testleistung, Schulleistung (Noten umgepolt), Interessenkongruenz, Problembelastung der Studienwahl, Selbstkontrolle und Belastbarkeit gehen in die Analyse als z-Werte ein.
.775
.502
.316
1.423
2.332
.746
.739
.889
.817
.850
.862
.213
.000
.074
.086
.055
.004
.002
.206
.020
.055
.098
–.255
–.689
–1.152
.352
.847
–.293
–.303
–.117
–.202
–.162
–.148
.832
.523
.370
1.390
2.229
.775
.705
.840
.860
.363
.000
.121
.107
.068
.011
.000
.052
.067
–.184
–.649
–.994
.329
.802
–.255
–.350
–.175
–.151
.854
.530
.321
1.394
2.462
.792
.704
.426
.001
.075
.104
.039
.019
.000
–.158
–.636
–1.138
.332
.901
–.234
–.350
.911
.538
.254
1.505
2.628
.622
.001
.031
.044
.027
–.093
–.620
–1.370
.409
.966
Geschlecht (0 = Mann; 1 = Frau)
Gymnasium
Technisch-naturwissenschaftliche Fakultät (TNF)
Rechtswissenschaftliche Fakultät
TNF*Geschlecht
Testleistung
Schulleistung
Interessenkongruenz
Problembelastung der Studienwahl
Selbstkontrolle
Belastbarkeit
Exp (B)
p
B
p
Exp (B)
B
p
Exp (B)
B
p
Exp (B)
B
F2 (change) 6.92
(df 2) p = .031
F2 (change) 6.30
(df 2) p = .043
F2 (change) 27.05
(df 2) p = .000
F2 (change) 21.61
(df 5) p = .001
Tabelle 2. Hierarchische Cox-Regressionsanalyse der Studiensemester vor Eintreten des kritischen Ereignisses „Studienabbruch“ mit Fakultät und Geschlecht als Kontrollvariablen sowie Testleistung, Schulleistung, Persönlichkeitsscores, Anzahl der Prüfungen des ersten Semesters und durchschnittliche Prüfungsleistung des
ersten Semesters als unabhängige Variablen
124
Cox-Regressionsanalysen der Bedingungen
des Studienabbruchs im Zeitverlauf
Abhängige Variable ist in einer Cox-Regressionsanalyse
(Cox, 1972, zit. nach Luke & Homan, 1998) die Anzahl
der Studiensemester bis zum kritischen Ereignis „Studienabbruch“. Als Kovariaten fungieren Fakultät und Geschlecht. Die so gewonnenen Regressionskoeffizienten
geben an, in welchem Ausmaß sich der natürliche Logarithmus des Hasardquotienten (hier des Verhältnisses
des Drop-out-Risikos einer Person mit einem bestimmten
Wert in einer der Prognosevariablen zum Drop-out-Risiko der Bezugskategorie) verändert, wenn sich die unabhängige Variable (unter Konstanthaltung der übrigen
Prognosevariablen) um eine Einheit verändert.
Die erfolgreichen und die potenziell noch erfolgreich
Studierenden (kodiert als 0) werden den Studienabbrechern (kodiert als 1) gegenüber gestellt. Nach Geschlecht,
Schultyp (Gymnasium = 1, sonst = 0), Fakultät und
TNF*Geschlecht (Wechselwirkung zwischen Fakultät
und Geschlecht zur Kontrolle eventueller fakultäts- und
geschlechtsspezifischer Effekte) werden der Reihe nach
die Testleistung und Schulleistung, Interessenkongruenz
und Problembelastung der Studienwahl, schließlich
16PA-Selbstkontrolle und 16PA-Belastbarkeit einbezogen.
Im ersten Variablenblock zeigt sich eine niedrigere
Drop-out-Rate bei Gymnasialabschluss und eine signifikante Wechselwirkung zwischen Fakultät und Geschlecht: In der Technisch-Naturwissenschaftlichen Fakultät ist das Drop-out-Risiko der Männer geringer, das
der Frauen höher als in den beiden anderen Fakultäten,
in denen die Frauen geringfügig weniger drop-out-gefährdet sind. Alle weiteren Variablen bzw. Variablengruppen
leisten einen signifikanten zusätzlichen Beitrag (p < .05)
zur Erklärung des Drop-out-Risikos im Semesterverlauf.
(Tabelle 2).3 Mit Aufnahme der Persönlichkeitsdimensionen Selbstkontrolle und Belastbarkeit reduziert sich
allerdings das Gewicht der Interessenkongruenz.
Ganz unerwartet erscheint die Problembelastung der
Studienwahl mit einem negativen Regressionskoeffizienten (b = –.202): Je mehr sich die Teilnehmer/innen an den
Studienberatungstests in ihrer Studien- und Berufswahl
als unsicher, uninformiert und (hinsichtlich der beruflichen Chancen nach dem Studium) besorgt fühlen, desto
3 In einer Cox-Regressionsanalyse, die auch noch Introversion,
Selbstbeurteilung der Intelligenz und intrinsische Studienmotivation
enthielt, erreichten diese Prädiktoren keine zusätzliche Validität. Sie
wurden daher bei der mit den Tabellen 4 und 5 berichteten Analyse
nicht berücksichtigt.
Drop-out-Analyse
125
Tabelle 3. Schrittweise Cox-Regressionsanalyse nach Einbeziehung von Notendurchschnitt und Prüfungsanzahl des ersten Semesters
B
p
Exp (B)
Schritt 1
Notendurchschnitt im ersten Semester
1,012
,000
2,752
Schritt 2
Notendurchschnitt im ersten Semester
Prüfungsanzahl im ersten Semester
,797
–,437
,000
,000
2,220
,646
Schritt 3
Notendurchschnitt im ersten Semester
Prüfungsanzahl im ersten Semester
Gymnasium
,759
–,447
–,454
,000
,000
,014
2,135
,639
,635
Schritt 4
Notendurchschnitt im ersten Semester
Prüfungsanzahl im ersten Semester
Gymnasium
Testleistung
,729
–,468
–,467
–,157
,000
,000
,012
,072
2,073
,626
,627
,855
Anmerkung: Notendurchschnitt, Prüfungsanzahl und Testleistung gehen in die Analyse als z-Werte ein.
beharrlicher sind sie beim Studium. Darauf wird im Diskussionsteil noch einzugehen sein.
Nimmt man in eine schrittweise durchgeführte CoxRegressionsanalyse zu den in Tabelle 2 enthaltenen Variablen noch die Anzahl der im ersten Semester abgelegten
Prüfungen und den Notendurchschnitt dieser Prüfungen
auf, so werden der Notendurchschnitt, die Anzahl der Prüfungen, Matura an einer allgemein bildenden Höheren
Schule (Gymnasium) und die studienfeldbezogene Testleistung als signifikante Drop-out-Prädiktoren ausgewählt
(Tabelle 3). Der Einfluss der übrigen Drop-out-Prädiktoren wird also durch die Erstsemester-Studienleistung vermittelt. Die Varianz der Erstsemester-Studienleistung, so
weit sie mit den (zum Zeitpunkt der Studienberatung erhobenen) Prognosevariablen (Testleistung, Schulleistung,
Interessenkongruenz, Problembelastung der Studienwahl
und Persönlichkeitsdimensionen) vorhersagbar ist, trägt
Dropout im Semesterverlauf als
Dropout im Semesterverlauf als
Funktion der Dropout-Prognose
Funktion der Dropout-Prognose
,7
,7
,6
,6
,5
,5
,4
sehr ungünstig
,3
ungünstig
,2
mittelmäßig
,1
günstig
sehr günstig
0,0
1
3
5
7
9
11
13
Studiensemester
Abbildung 1. Drop-out-Risiko im Semesterverlauf als
Funktion der Quintile des Prognosewerts (Mittel aus optimal gewichteten Test-, Schulleistungs- und Persönlichkeitswerten; n = 178 pro Prognosekategorie).
Prognose
Kumulative Dropout-Rate
Kumulative Dropout-Rate
Prognose
,4
sehr ungünstig
,3
ungünstig
,2
mittelmäßig
,1
günstig
sehr günstig
0,0
1
3
5
7
9
11
13
Studiensemester
Abbildung 2. Drop-out-Risiko im Semesterverlauf als
Verlauf der Quintile des Prognosewerts (Mittel aus optimal gewichteten Test-, Schulleistungs-, Persönlichkeitswerten und Erstsemester-Leistungen; n = 162 pro Prognosekategorie).
Hermann Brandstätter, Ludwig Grillich und Alois Farthofer
126
wurden 21 % der Varianz von Drop-out erklärt.4 Die von
den Teilnehmern eingeschätzte Wahrscheinlichkeit eines
künftigen Studienwechsels oder Studienabbruchs wies
dagegen keinerlei prognostische Gültigkeit auf.
in etwa gleich viel zur Aufklärung des Drop-out-Risikos
bei wie die Residualvariable (d. h. der nicht vorhersagbare Teil) der Erstsemester-Studienleistung.
Bezieht man Zufriedenheit mit dem Studium nach
allen Variablen der Cox-Regressionsanalyse von Tabelle
2 mit ein, zeigt sich im zusätzlichen Erklärungsbeitrag der
Studienzufriedenheit, dass der Studienabbruch nicht allein durch objektive Leistungsdaten (Test- und Schulleistungen, Persönlichkeitsmerkmale sowie Anzahl und Qualität der Prüfungen im ersten Semester) bestimmt ist, sondern dass es letztlich auf die Interpretation der Leistungen
ankommt, wie sie in der Unzufriedenheit mit dem Studium als unmittelbare Bedingung des Studienabbruchs
(Meulemann, 1991) in Erscheinung tritt. Die Unzufriedenheit mit dem Studium ist also nicht nur Begleiterscheinung, sondern auch Ursache des Studienabbruchs. Dies
belegt auch eine nachträgliche logistische Regressionsanalyse von Daten, die in einer ersten Evaluationsstudie
von Bergmann, Brandstätter und Eder (1994) im zweiten
Studiensemester der Beratungsteilnehmer/innen der Jahre
1991, 1992 und 1993 erhoben worden waren: Testleistung (SFT), Belastbarkeit (16PA), Problembelastung der
Studienwahl und Studienzufriedenheit des zweiten Studiensemesters erwiesen sich in einer Stichprobe von 154
Teilnehmern, darunter 26 Studierenden, die das Studium
nach dem zweiten Semester abgebrochen haben, als
signifikante Prädiktoren des späteren Studienabbruchs.
Die Zunahme der Studienzufriedenheit um eine Einheit
(z-Wert) reduzierte das Drop-out-Risiko (bei Konstanthaltung der übrigen Prädiktoren) um mehr als die Hälfte
(b = –.79; exp[b] = .45). Ähnlich hoch und signifikant
(p < .05) waren die Koeffizienten von Testleistung (b =
–.90; exp[b] = .41), Belastbarkeit (b = –.47; exp[b] = .62)
und Problembelastung (b = –1.00; exp[b] = .37). Damit
,22
selko
,30
Prüfung von Strukturgleichungsmodellen
Anders als die üblichen Regressionsanalysen erlauben
Strukturgleichungsmodelle eine Unterscheidung von
Messmodell (Beziehung zwischen latenten Konstrukten
und den entsprechenden beobachteten Variablen) und
Strukturmodell (von Messfehlern bereinigte Beziehungen
zwischen den verschiedenen latenten Konstrukten). Ein
weiterer Vorteil ist die wirksamere Verarbeitung von Variablen mit teilweise fehlenden Daten. Dies ermöglicht
z. B. die Einbeziehung der Variablen „Zeitaufwand für Erwerbstätigkeit“, für die nicht in allen Jahren Daten erhoben wurden.
,13
belas
arbve
,77
-,25
,41
,89
,50
zufrie
,33
-,09
stabil
-,30
-,19
,40
-,32
,18
unileis
,82
-,18
,38
-,23
,40
iach
,13
erwerb
-,32
zweifel
intrimot
,64
Abbildung 1 veranschaulicht für die Quintile der
Drop-out-Prognosevariablen (Summe der gemäß Tabelle
2 optimal gewichteten Prädiktoren) das Drop-out-Risiko
im Semesterverlauf. Die schwächste Gruppe (Prognose
„sehr ungünstig“) weist ein etwa sechsfach höheres Dropout-Risiko auf als die beste Gruppe (Prognose „sehr günstig“). Bezieht man auch noch die Erstsemesterleistungen
in die Drop-out-Prognose für die späteren Studiensemester ein, hebt sich der Drop-out-Verlauf der schwächsten
Gruppe (Prognose „sehr ungünstig“) besonders stark von
den übrigen Gruppen ab (Abb. 2). Drop-out korreliert
(punktbiserial) mit der Summe der optimal gewichteten
Testergebnisse rpbis = .26, mit der Summe der optimal
gewichteten Testergebnisse plus Erstsemesterleistungen
rpbis = .41.
-,16
,15
intsub
,58
intob
schnote
Im Unterschied zur vorausgehenden Cox-Regressionsanalyse, in der Drop-out (dropout) als
abhängige Variable fungierte, ist die Zielvariable der folgenden Analyse das Konstrukt „Stabilität der Studienwahl“ (stabil), das sich auf die Beobachtungsvariablen sostat (dropout umgepolt),
fest (erklärte Absicht, das begonnene Studium zu
Ende zu führen; Mittel aus vier Items, D = .82)
und nursa (0 = kein Grund für Studienverzögerung oder Studienabbruch genannt; 1 = mindestens ein Grund genannt) bezieht.5 Tabelle 4 enthält die standardisierten Koeffizienten der Regression der Beobachtungsvariablen auf die zugeordneten latenten Konstrukte.
-,25
,20
Comparative Fit Index (CFI) = .980
Root Mean Square Error of Approximation (RMSEA) =.050
Abbildung 3. Stabilität der Studienwahl als Funktion kognitiver Testleistungen (intobj), Selbsteinschätzung der Intelligenz (intsub), intrinsischer Studienmotivation (intrimot), Problembelastung der Studienwahl (zweifel), Belastbarkeit (belas), Selbstkontrolle (selko), Extraversion (extra), Schulnoten (schnote), Interessenkongruenz (iach),
Studienerfolg im ersten Semester (unileis), Erwerbstätigkeit (erwerb)
und Arbeitsverhalten (arbve).
Abbildung 3, in der nur die signifikant (p <
.05) von Null verschiedenen Korrelations- und
Regressionskoeffizienten eingetragen sind, zeigt
die Beziehungen zwischen den latenten Kon-
4
Nagelkerke R2 = .21.
5 Wir haben aus Platzgründen auf einen genaueren Bericht über die von den Teilnehmern genannten Gründe für
Studienverzögerung und/oder Studienabbruch verzichtet.
Drop-out-Analyse
127
Tabelle 4. Beziehung zwischen den theoretischen Konstrukten (latenten Variablen) und den ihnen zugeordneten beobachteten Variablen
Beobachtete Variablen
Konstrukt
Beta
Studienabbruch (sostat) 0 = ja; 1 = nein
Einschätzung der Beständigkeit (4 Items) (fest)
Gründe für Abbruch oder Verzögerung (nursa) 0 = nein; 1 = ja
<—
<—
<—
stabil
stabil
stabil
0,54
0,58
–0,40
Anzahl der Prüfungen im ersten Semester (fnotse1)
Notendurchschnitt im ersten Semester (mnotse)
<—
<—
unileis
unileis
0,40
–0,54
Mathematik (mat)
Englisch (eng)
Deutsch (deu)
<—
<—
<—
schnote
schnote
schnote
0,46
0,72
0,69
Bearbeitungsgeschwindigkeit (bear)
Verarbeitungskapazität (kapa)
studienfeldspezifische kognitive Leistungen (zsft)
<—
<—
<—
intob
intob
intob
0,30
0,84
0,71
G sorglos – gewissenhaft
G leichtlebig – prinzipientreu
Q3 unbeherrscht – diszipliniert
Q3 wechselhaft – selbstbeherrscht
<—
<—
<—
<—
selko
selko
selko
selko
0,48
0,50
0,69
0,68
C leicht zu beunruhigen – seelisch stabil
C seelisch wenig belastbar – seelisch widerstandsfähig
O mit mir zufrieden – an mir zweifelnd
O unbeschwert – ängstlich besorgt
<—
<—
<—
<—
belas
belas
belas
belas
0,79
0,74
–0,53
–0,62
meine speziellen Fähigkeiten, meine Begabung (mot5)
meine speziellen Interessen an diesem Studium (mot7)
die Möglichkeit zur Selbstentfaltung (mot10)
<—
<—
<—
intrimot
intrimot
intrimot
0,51
0,49
0,44
Erfolgszuversicht (arbfa3)
Arbeitsdisziplin (arbfa1)
Lernmotivation (dwefa1)
<—
<—
<—
arbve
arbve
arbve
0,73
0,61
0,68
unsicher bezüglich Berufswahl (lp5)
schwierige Entscheidung (lp7)
berufliche Interessen unklar (lp10)
<—
<—
<—
zweifel
zweifel
zweifel
0,82
0,81
0,68
langsam im Denken – schnell im Denken (zba)
ungeübt im Nachdenken – geübt im Nachdenken (zbb)
fähig zu wissenschaftlichem Arbeiten (zzifah2)
<—
<—
<—
intsub
intsub
intsub
0,62
0,57
0,41
Studium interessant (zufr8)
insgesamt mit Studium zufrieden (zufr7)
Freude am Studium (zufr2)
Studiengegenstände ansprechend (zufr1)
<—
<—
<—
<—
zufrie
zufrie
zufrie
zufrie
0,88
0,78
0,91
0,83
Anmerkung: Stabilität der Studienwahl (stabil), Studienleistung erstes Semester (unileis), Schulnoten (schnote), Kognitive Testleistungen (intob),
16PA-Selbstkontrolle (selko), 16PA-Belastbarkeit (belas), Intrinsische Studienmotivation (intrimot), Arbeitsverhalten (arbve), Problembelastung der
Studienwahl (zweifel), Selbsteinschätzung der Intelligenz (intsub), Studienzufriedenheit (zufrie). Die Buchstaben (G, Q3, C, O) vor den Items von
Selbstkontrolle und Belastbarkeit kennzeichnen die Cattell’schen Primärdimensionen.
strukten, zum Teil als Korrelationen zwischen Prädiktoren (Doppelpfeile), zum Teil als standardisierte Regressionskoeffizienten (einfache Pfeile). Im Strukturmodell
sind mit Ausnahme von Extraversion alle Konstrukte enthalten, von denen auf Grund theoretischer Argumente und
einschlägiger empirischer Studien anderer Autoren erwartet wurde, dass sie einen Beitrag zur Erklärung der Stabilität der Studienwahl (als Gegenpol von Drop-out) leisten.6
Die Erwartung, dass Selbstkontrolle (selko), Belastbarkeit (belas), Problembelastung der Studienwahl (zweifel) und das Zutrauen in die eigenen intellektuellen Fähigkeiten (intsub) einen signifikanten direkten Pfad zur Erst6 Ein Modell, in dem zusätzlich Extraversion als unabhängige Variable enthalten war, wies zwar einen knapp signifikant positiven Pfad
zu Schulnoten auf: Extravertierte tendieren zu schlechteren Noten.
Insgesamt hat dieses Modell aber keine höhere Passung.
128
Hermann Brandstätter, Ludwig Grillich und Alois Farthofer
semester-Studienleistung (unileis) aufweisen, hat sich
nicht bestätigt. Ein um diese Pfade erweitertes Modell erklärt die Daten nicht signifikant besser als das reduzierte
Modell. Die stärksten direkten Effekte auf die Stabilität
des Studiums (stabil) gehen vom Ausmaß der Erwerbstätigkeit (erwerb; –.30), der Erstsemester-Studienleistung
(unileis; .40) und der Studienzufriedenheit (zufrie; .50)
aus. Die Wirkung der Leistungen in den allgemeinen und
fachspezifischen kognitiven Fähigkeitstests (intob) auf
die Stabilität (stabil) wird zur Gänze durch die Schulnoten (schnote) und die Studienleistungen des ersten Semesters (unileis) vermittelt: Entfernt man die Studienleistungen aus dem Modell (ohne Abbildung), werden die direkten Pfade von Schulnoten und Testleistung auf die Stabilität signifikant. Die Übereinstimmung des Modells mit den
Daten ist dann aber signifikant geringer. Selbstkontrolle
(selko) hat einen direkten Einfluss auf Arbeitsverhalten
(arbve; .30) und Schulnote (schnote; –.25), Problembelastung des Studiums (zweifel) wirkt sich mit –.09 auf Arbeitsverhalten (arbve) aus. Die Selbsteinschätzung der
Intelligenz (intsub) korreliert (.58) mit den kognitiven
Testleistungen (intob) und weist einen signifikanten Pfad
zu den Schulnoten (schnote; –.16), jedoch nicht zu Erstsemesterleistungen (unileis), Arbeitsverhalten (arbve)
und Stabilität (stabil) auf. Es zeigen sich Korrelationen zu
intrinsischer Studienmotivation (intrimot; .40), Belastbarkeit (belas; .38) und Problembelastung der Studienwahl
(zweifel; –.23).
Mehrebenen-Analysen
In den bisher berichteten Analysen wurde angenommen,
dass es in den Regressionskoeffizienten, in denen der Einfluss der Prädiktoren auf den Studienabbruch zum Ausdruck kommt, keine signifikanten Unterschiede zwischen
den Fakultäten und innerhalb der Fakultäten zwischen den
Studienrichtungen gibt. Außerdem mussten mit den dort
verwendeten Analysemodellen eventuelle Abhängigkeiten der Studienerfolgskriterien zwischen Studierenden innerhalb der verschiedenen Studienrichtungen außer Acht
gelassen werden.
In einer hierarchisch konzipierten logistischen Mehrebenen-Regressionsanalyse (Goldstein et al., 1998) mit
Drop-out (kodiert als 0 oder 1) als abhängige Variable,
auf deren genauere Darstellung aus Platzgründen verzichtet wird, stellte sich heraus, dass sich weder die drei Fakultäten (dritte Analyseebene) noch die 15 Studienrichtungen (zweite Analyseebene mit minimal 13 und maximal 204 Studierenden) in den Schätzungen der additiven
Konstante und der Regressionskoeffizienten signifikant
unterscheiden (p > .10).
Diskussion
Wie aus einschlägigen OECD-Berichten hervorgeht, gibt
es zwischen den Ländern große Unterschiede in den
Drop-out-Quoten. Wenn man nach den Gründen für den
hohen Anteil an Studienabbrechern an österreichischen
Universitäten fragt, wird man sie selbstverständlich nicht
in individuellen Merkmalen der Studierenden, sondern in
der spezifischen Art des Zugangs zu den Universitäten
und der Organisation des Studiums suchen. Die hier berichtete Studie gibt darüber keine Auskunft. Sie sagt nur,
welche individuellen Merkmale unter den derzeit gegebenen Bedingungen die Wahrscheinlichkeit eines Studienabbruchs erhöhen.7
Schul- und Testleistungen. Wir haben gefunden, dass
das Risiko eines Studienabbruchs umso höher ist, je niedriger die Test- und Schulleistungen sind. Dieser Einfluss
wird (im Fall der Testleistungen in erheblichem Ausmaß,
im Fall der Schulleistungen zur Gänze) durch Anzahl und
Qualität der Prüfungen des ersten Semesters vermittelt. In
hierarchischen Regressionsanalysen zeigt sich, dass die
Gewichte der Test- und Schulleistungen gegen Null tendieren, wenn die Anzahl der im ersten Semester abgelegten Prüfungen und dann die durchschnittliche Prüfungsleistung aufgenommen werden.
Persönlichkeitsmerkmale. Selbstkontrolle, Belastbarkeit und Introversion, von denen man auf Grund theoretischer Erwägungen und empirischer Befunde eine gewisse
prognostische Validität erwarten konnte, tragen zusätzlich
zu Test- und Schulleistungen zur Aufklärung des Dropout-Risikos bei. Da 10 % der Varianz der Schulleistungen
und 8% der Studienleistungen durch Selbstkontrolle (E =
.10 und .12), Belastbarkeit (E = .14 und .06) und Introversion (E = .27 und .26) und weitere 5 % bzw. 8 % durch die
studienfeldspezifischen kognitiven Testleistungen erklärt
werden, wie weitere Regressionsanalysen zeigten, die der
Kürze wegen hier nicht genauer berichtet werden können,
ist ein Teil der Validität der Schulleistungen als persönlichkeitsbedingt aufzufassen.
Studienzufriedenheit. Mängel in den Prüfungsleistungen (Notendurchschnitt und Prüfungsanzahl pro Semester) sind zwar die wichtigsten objektiven „Vorgänge“
(Antecedensbedingungen) des Studienabbruchs. Es
kommt aber noch darauf an, wie diese Fakten von den
Betroffenen interpretiert werden, das heißt auch, in welchem Maße sie den Erwartungen zuwiderlaufen und wie
die zukünftigen Möglichkeiten der Krisenbewältigung
eingeschätzt werden. Dies drückt sich global in der Studienzufriedenheit aus, die demnach einen zusätzlichen
Beitrag zur Erklärung des Studienabbruchs leistet.
In Unzufriedenheit mit dem Studium eine unmittelbare Bedingung des Studienabbruchs zu sehen, findet eine
Bestätigung auch darin, dass die Zufriedenheitsmessung
des zweiten Studiensemesters, die in einer früheren Studie für die ersten drei Jahrgänge jeweils vor Ende des ersten Studienjahres erhoben worden war, einen späteren
Studienabbruch ankündigt. Damit ist auch ein gewisser
Spielraum für eine psychologische Beratung (rechtzeitig
7 Allein die Einführung von Studiengebühren im Jahr 2003 könnte
eine die Drop-out-Wahrscheinlichkeit beeinflussende Bedingungsänderung darstellen.
Drop-out-Analyse
vor einer Abbruchentscheidung) gegeben. Beratung könnte, eventuell durch Modifikation des Anspruchsniveaus,
Änderung in der subjektiven Ursachenattribution des
Misserfolgs oder Aneignung eines effizienteren Arbeitsstils, unnötige Resignation verhindern und die Kräfte auf
die Krisenbewältigung konzentrieren.
Problembelastung der Studienwahl. Dass Teilnehmer/innen an den Studienberatungstests, die sich in ihrer
Studienwahl eher unsicher, wenig informiert und hinsichtlich der Berufsaussichten besorgt fühlen, wider Erwarten
ein geringeres Drop-out-Risiko aufweisen, ist vor allem
auf die Problemdimension „Sorge vor der beruflichen
Zukunft“ zurück zu führen. Die Sorge vor dem Übertritt
ins Berufsleben scheint eine gewisse Beharrlichkeit im
Studium zu fördern.
Cox-Regression im Vergleich zum Strukturgleichungsmodell. Die Ergebnisse der beiden Arten von
Analysemodellen sind nicht ohne weiteres vergleichbar.
Da ist zunächst der Unterschied in der abhängigen Variablen: Zeit bis zum Eintreffen des kritischen Ereignisses
(Drop-out) in der Cox-Regression, das latente Konstrukt
„Stabilität der Studienwahl“ im Strukturgleichungsmodell. Dies hat auch zur Folge, dass in letzterem weitere
unabhängige Variablen der Studienberatung (intrinsische
Studienmotivation und Selbstbeurteilung der Intelligenz)
mit signifikanten Pfad- bzw. Korrelationskoeffizienten in
Erscheinung treten. Die Cox-Regression bezieht sich auf
(messfehlerbehaftete) beobachtete Variablen, während
das Strukturgleichungsmodell (messfehlerbereinigte) Beziehungen zwischen den latenten Konstrukten darstellt.
So sind die hier ermittelten Effekte in der Regel stärker
als die der Cox-Regression. Die beiden Modelle ergänzen
einander, sie stimmen aber auch in zwei wesentlichen
Punkten überein: (a) Der Einfluss von Schulleistung und
kognitiver Testleistung auf das Drop-out-Risiko wird zu
einem wesentlichen Teil durch die Studienleistung des
ersten Semesters vermittelt. (b) Persönlichkeitseigenschaften und Interessenkongruenz leisten einen zusätzlichen Beitrag zur Erklärung von Drop-out.
Offene Fragen und ungelöste Probleme. Die Entscheidung für einen Studienabbruch hat meist eine mehr
oder weniger lange Vorgeschichte, die der Forschung nur
schwer zugänglich ist. Eine Analyse des Prozesses, der
zur Entscheidung führt, ein Studium abzubrechen, ist
außerhalb der Reichweite der Konzepte und der Daten
dieser Studie. In der Studienbefragung wurden zwar mit
den Merkmalen des Arbeits- und Lernverhaltens Momente der Handlungssteuerung und Selbstregulation als
nächstliegende Ursachen des Studienerfolgs erfasst und
in den Strukturgleichungsmodellen berücksichtigt; weil
diese Variablen aber zur gleichen Zeit wie Drop-out erhoben wurden, sind die in Abbildung 3 enthaltenen Pfade
zwischen den im Zuge der Studienbefragung erhobenen
Variablen nicht eindeutig kausal interpretierbar (siehe
dazu auch Cole & Maxwell, 2003).
Auch wenn das Arbeitsverhalten als relativ stabiles
persönliches Merkmal aufgefasst werden kann, das schon
vor Aufnahme des Studiums bestanden und den Studien-
129
erfolg mit verursacht hat, ist zu vermuten, dass Erfolgsoder Misserfolgserfahrungen nicht ohne Einfluss auf die
Selbstbeurteilungen des Arbeitsverhaltens sind. Eine analoge Interpretation gilt auch für den Pfad vom Konzept
der eigenen intellektuellen Fähigkeiten (intsub) auf die
Schulnoten. Es bedürfte weiterer Erhebungen in den Folgejahren, um zu prüfen, wie weit sich ein späterer Studienabbruch in früher gemessenen Merkmalen des Lernverhaltens und der im Lernverhalten erscheinenden Handlungssteuerung und Selbstregulation ankündigt.
Wie sich Motive in Zielen unterschiedlicher Klarheit,
Wichtigkeit und Stimmigkeit konkretisieren und so den
Verlauf des Studiums beeinflussen, konnte nicht näher
untersucht werden. Bei der Konzeption der Studienberatungstests wurde auf diesen Aspekt, der mittlerweile in
der organisationspsychologischen Forschung besondere
Bedeutung erlangt hat (vgl. Braun, 2000), zu wenig geachtet.
Folgerungen für die Studienwahl- und Studienkrisenberatung. Schon vor Aufnahme eines Studiums sich
möglichst gut über die individuellen Chancen und Risiken
der einen oder anderen Entscheidung zu informieren, ist
ein Angebot der Universität Linz in Kooperation mit dem
Landesschulrat, das in den letzten Jahren bis zu 25 % der
oberösterreichischen Maturanten, die ein Studium an der
Universität Linz aufnahmen, in Anspruch genommen haben. Wir hoffen, dass bei ungünstigen Ergebnissen der
Beratungstests Widerstandskräfte vor allem bei denen geweckt werden, die aus Gründen, die in den Tests und Fragebogen nicht in Erscheinung treten, in der Lage sind, ein
Studium trotz ungünstiger Prognosen zu bewältigen, und
dass günstige Ergebnisse nicht nur jene bestätigen, die
von ihren Chancen ohnehin überzeugt sind, sondern vor
allem jene ermutigen, die sich ein erfolgreiches Studium
nicht so recht zutrauen.
Seit Kurzem steht es den österreichischen Universitäten frei, in den Studienrichtungen, für die in Deutschland
ein numerus clausus gegeben ist, eine Auswahl entweder
vor Studienbeginn auf Grund von Schulnoten und/oder
psychologischen Tests oder nach dem ersten oder zweiten
Semester auf Grund der erzielten Prüfungsergebnisse vorzunehmen. Wie aktuell dieses Problem ist, zeigt sich u. a.
in einem einschlägigen Diskussionsforum (2005) der Psychologischen Rundschau.
Wir geben der Auswahl auf Grund der Studienleistungen einer Eingangsphase den Vorzug, wenn eine Auswahl
unvermeidlich ist. Anzahl und Ergebnis der ersten Prüfungen ermöglichen eine wesentlich bessere Prognose des
weiteren Studienverlaufs als Schulnoten und (vor Studienbeginn absolvierte) studienfeldspezifische Leistungstests. Es ist auch anzunehmen, dass diese Auswahlkriterien von den Betroffenen eher akzeptiert werden. Das Risiko, an dieser Auswahlhürde oder – in Fächern ohne selektive Studieneingangsphase – im späteren Verlauf des Studiums zu scheitern, kann wesentlich durch Teilnahme an
Studienberatungstests reduziert werden, wie dies für die
drei Fakultäten der Johannes-Kepler-Universität Linz ge-
130
Hermann Brandstätter, Ludwig Grillich und Alois Farthofer
zeigt werden konnte. Die Ergebnisse dieser Studie sprechen dafür, Studienberatungstests auch an anderen Universitäten einzurichten.
Literatur
Ajzen, I. (2002). Perceived behavioral control, self-efficacy,
locus of control and the theory of planned behavior. Journal
of Applied Social Psychology, 32, 665–683.
Apenburg, E. (1980). Untersuchungen zur Studienzufriedenheit
in der heutigen Massenuniversität. Frankfurt/M: Lang.
Bandura, A. (1997). Self-efficacy: The exercise of control. New
York, NY: Freeman.
Bandura, A. & Locke, E. A. (2003). Negative self-efficacy and
goal effects revisited. Journal of Applied Psychology, 88,
87–99.
Baron-Boldt, J., Funke, U. & Schuler, H. (1989). Prognostische
Validität von Schulnoten. Eine Metaanalyse der Prognose
des Studien- und Ausbildungserfolgs. In R. S. Jäger, R.
Horn & K. Ingenkamp (Hrsg.), Tests und Trends 7 (S. 11–
39). Weinheim: Beltz.
Bergmann, C., Brandstätter, H. & Eder, F. (1994). Studienberatungstests für Maturanten. Abschlussbericht. Linz: Universität, Institut für Pädagogik und Psychologie.
Bergmann, C. & Eder, F. (1992). Allgemeiner Interessen-Struktur-Test (AIST)/Umwelt-Struktur-Test (UST). Weinheim:
Beltz.
Blum, F., Hensgen, A. & Trost, G. (1985). Beratungstests für
Oberstufenschüler und Abiturienten. Bonn: Institut für
Test- und Begabungsforschung.
Brandstätter, H. (1988). Sechzehn Persönlichkeits-Adjektivskalen (16PA) als Forschungsinstrument anstelle des 16PF.
Zeitschrift für Experimentelle und Angewandte Psychologie, 35, 370–391.
Brandstätter, H. & Farthofer, A. (2003 a). Einfluss von Erwerbstätigkeit auf den Studienerfolg. Zeitschrift für Arbeits- und
Organisationspsychologie, 47, 134–145.
Brandstätter, H. & Farthofer, A. (2003 b). Erste Prüfungen –
weiterer Studienerfolg. Psychologie in Erziehung und Unterricht, 50, 58–70.
Brandstätter, H. & Farthofer, A. (2003c). Studienerfolgsprognose – konfigurativ oder linear additiv? Zeitschrift für Differentielle und Diagnostische Psychologie, 23, 381–391.
Brandstätter, H., Farthofer, A. & Grillich, L. (2001). Die Stabilität der Studienwahl als Funktion von Interessenkongruenz,
Selbstkontrolle und intellektueller Leistungsfähigkeit. Psychologie in Erziehung und Unterricht, 48, 200–218.
Brandstätter, H., Grillich, L. & Farthofer, A. (2002). Studienverlauf nach Studienberatung. Zeitschrift für Pädagogische
Psychologie, 16, 15–28.
Brandstätter, H. & Neubauer, U. (2001). Test anxiety as a function of examination stress and emotional stability. In K. W.
Kallus, N. Posthumus & P. Jiménez (Eds.), Current psychological research in Austria (pp. 193–196). Graz: Akademische Druck- und Verlagsanstalt.
Braun, O. L. (Hrsg.). (2000). Ein Modell aktiver Anpassung.
Berufliche Zielklarheit, Organisationsorientierung, Mittelklarheit und Vorsatzbildung/Planung als vorauslaufende
Bedingungen von Arbeitszufriedenheit, Wechseltendenz
und Leistung. Landau: VEP.
Cole, D. A. & Maxwell, S. E. (2003). Testing mediational models with longitudinal data: Questions and tips in the use of
structural equation modeling. Journal of Abnormal Psychology, 112, 558–577.
Cox, D. R. (1972). Regression models and life tables. Journal
of the Royal Statistical Society, Series B, 34, 187–202.
De Raad, B. & Schouwenburg, H. (1996). Personality in learning and education: A review. European Journal of Personality, 10, 303–336.
Diskussionsforum „Auswahl von Studierenden“ (2005). Psychologische Rundschau, 56, 123–154.
Dweck, C. S. (1999). Self-theories. Their role in motivation,
personality, and development. Philadelphia, PA: Psychology Press.
Furnham, A., Chamorro-Premzic, T. & McDougall, F. (2003).
Personality, cognitive ability, and beliefs about intelligence
as predictors of academic performance. Learning and Individual Differences, 14, 49–66.
Giesen, H., Böhmeke, W., Effler, M., Hummer, A., Jansen, R.,
Kötter, B., Krämer, H.-J., Rabenstein, E. & Werner, R. R.
(1981). Vom Schüler zum Studenten. Bildungslebensläufe
im Längsschnitt. München: Reinhardt.
Gold, A. (1999). Studienabbruch und Studienerfolg. Ergebnisse
aus den Längsschnittuntersuchungen der Frankfurter Arbeitsgruppe Bildungsverläufe. In M. Schröder-Gronostay &
H.-D. Daniel (Hrsg.), Studienerfolg und Studienabbruch (S.
51–65). Neuwied: Luchterhand.
Gold, A. & Kloft, C. (1991). Der Studienabbruch: Eine Analyse
von Bedingungen und Begründungen. Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie, 23,
265–279.
Goldstein, H., Rasbash, J., Plewis, I., Draper, D., Browne, W.,
Yang, M., Woodhouse, G. & Healy, M. (1998). A user’s
guide to MLwiN. University of London, Institute of Education.
Heublein, U., Schmelzer R., Sommer, D. & Spangenberg, H.
(2002). Studienabbruchstudie 2002. Hannover: HochschulInformations-System (HIS), Kurzinformation A5.
Holland, J. L. (1997). Making vocational choices: A theory of
vocational personalities and work environment (3rd ed.).
Odessa, FL: Psychological Assessment Resources.
Hurtz, G. M. & Donovan, G. M. (2000). Personality and job
performance. The Big Five revisited. Journal of Applied
Psychology, 85, 869–879.
Jäger, A. O., Süß, H.-M. & Beauducel, A. (1997). Berliner Intelligenzstruktur-Test (BIS-Test). Göttingen: Hogrefe.
Kuncel, N. R., Hezlett, S. A. & Ones, D. (2001). A Comprehensive Meta-Analysis of the predictive validity of the graduate
record examinations: Implications for graduate students selection and performance. Psychological Bulletin, 127, 162–
181.
Luke, D. A. & Homan, S. M. (1998). Time and change: Using
survival analysis in clinical assessment and treatment evaluation. Psychological Assessment, 10, 360–378.
Meulemann, H. (1991). Zufriedenheit und Erfolg in der Bildungslaufbahn. Ein Längsschnitt vom Gymnasium bis zum
Studienabschluss. Zeitschrift für Sozialisationsforschung
und Erziehungssoziologie, 11, 215–238.
Moser, K., Schuler, H. & Zempel, J. (1998). Gütekriterien von
Zeitmanagementskalen zum Studierverhalten. Unveröffentlichtes Manuskript. Universität Erlangen-Nürnberg.
Multon, K. D., Brown, S. D. & Lent, R. W. (1991). Relation of
self-efficacy beliefs to academic outcomes: A meta-analytic
investigation. Journal of Counseling Psychology, 38, 30–
38.
Ouellette, J. A. & Wood, W. (1998). Habit and intention in everyday life: The multiple processes by which past behavior
predicts future behaviour. Psychological Bulletin, 124, 57–
74.
Perry, R. P., Hladkyi, S., Pekrun, R. H. & Pelletier, S. T. (2001).
Academic control and action control in the achievement of
college students. A longitudinal field study. Journal of Educational Psychology, 93, 776–789.
Rothstein, M. G., Paunonen, S. V., Rush, J. C. & King, G. A.
(1994). Personality and cognitive ability predictors of performance in graduate business school. Journal of Educational Psychology, 86, 516–530.
Rotter, J. B. (1966). Generalized expectancies for internal versus external control of reinforcement. Psychological Monographs, 80, 1.
Drop-out-Analyse
Schröder-Gronostay, M. & Daniel, H.-D. (Hrsg.). (1999). Studienerfolg und Studienabbruch. Neuwied: Luchterhand.
Seifert, K. H. (1992). Entwicklung eines Verfahrens zur Messung der Laufbahnproblembelastung. Zeitschrift für Differentielle und Diagnostische Psychologie, 13, 77–89.
Westermann, R., Heise, E., Spies, K. & Trautwein, U. (1996).
Identifikation und Erfassung von Komponenten der Studienzufriedenheit. Psychologie in Erziehung und Unterricht, 43, 1–22.
em. Prof. Dr. Hermann Brandstätter
Auerweg 25
4203 Altenberg bei Linz
Österreich
E-Mail: [email protected]
131