Beispielartikel zu Strukturgleichungsmodellen
Transcrição
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