Effekte der sozialen Herkunft im Übergang zur Sekundarstufe (Teil 2) – von Bodo Schneider

Im ersten Teil dieser Abhandlung wurden Studien aufgezeigt, die belegen, dass die Erteilung von Grundschulempfehlungen eine entscheidende Rolle in der Reproduktion sozialer Ungleichheit spielt. Mit Raymond Boudons (1974) Konzept des primären und sekundären Herkunftseffektes wurde die Unterscheidung zwischen leistungsbezogenen und leistungsfremden Effekten der sozialen Herkunft erläutert. In diesem Konzept werden sowohl der Einfluss der Schulnote als auch der Effekt der Bildung der Eltern berücksichtigt. Aus dieser Theorie wurde folgende Hypothese extrahiert:

H1 Kinder aus gebildetem Elternhaus haben unabhängig von der schulischen Leistung eine bessere Chance, eine Gymnasialempfehlung zu erhalten als Kinder aus weniger gebildetem Elternhaus.

Nach Raymond Boudon (1974) haben unterschiedlich gebildete Eltern ein unterschiedlich starkes Interesse daran, in die Bildung ihrer Kinder zu investieren. Dieses Engagement sollte sich in der Anzahl der Lehrkraftgespräche äußern, da sich die Eltern erhoffen, dass sich der Besuch positiv auf die Gymnasialempfehlung auswirkt. Aufgrund dieser Annahme wurde eine zweite Hypothese formuliert:

H2 Hochgebildete Eltern suchen häufiger das Gespräch mit Lehrkräften.

Bislang liegen keine Studien vor, die in Deutschland den Zusammenhang von Gesprächen zwischen Eltern und Lehrer_innen und der Erteilung der Grundschulempfehlung unter Kontrolle der Bildungsherkunft untersuchen. Diese Lücke soll durch die Umsetzung der Analyse im zweiten Teil dieser Arbeit geschlossen werden. Dazu werden im Folgenden zunächst das Kinderpanel des Deutschen Jugendinstituts vorgestellt und die verwendeten Variablen beschrieben. Im Anschluss werden die Auswertungsverfahren, die zur Überprüfung der Hypothesen herangezogen werden erklärt und deren Wahl begründet. Schließlich werden die Ergebnisse vorgestellt und diskutiert.

Daten und Methode

Kinderpanel des Deutschen Jugendinstituts

Ziel des DJI-Kinderpanels ist – vor dem Hintergrund einer Änderung der Lebensbedingungen, etwa durch ökonomische Bedingungen und neue Formen des Familienlebens – den Zweck der Berichterstattung und den der Analyse von Handlungsspielräumen der kindlichen Persönlichkeitsentwicklung zu verfolgen. Die zentralen Fragestellungen betreffen Einflussfaktoren auf die Entwicklung des Kindes. Das Design der Studie berücksichtigt insbesondere die Möglichkeit den Eintritt in das Schulsystem sowie den Eintritt in die Sekundarstufe zu untersuchen.

Die Studie ist interdisziplinär angelegt. Schwerpunkte sind die Erfassung der Lebenssituation anhand der Beschreibung der ökonomischen Lage der Familien und dem Aufgreifen des Konzepts des sozialen Kapitals durch die Erfassung der sozialen Netzwerke der Familien, der subjektiven Erfahrungen der Kinder, institutionelle und infrastrukturelle Rahmenbedingungen, davon als eigener Schwerpunkt die Schule aus der Perspektive der Eltern und Schüler_innen, das Nahumfeld sowie psychologische Betrachtungen.

Da der Gegenstand der Untersuchung eine zeitliche Entwicklung ein und desselben Subjekts impliziert, ist die Studie als Längsschnittuntersuchung, genauer als Panelstudie, angelegt. „Das DJI-Kinderpanel ist ein auf drei Jahre angelegtes, bundesweites Panel auf Basis von Einwohnermeldeamtsdaten, welches im Abstand von ca. einem Jahr in drei Erhebungswellen Kinder und ihre Eltern befragt“ (Alt/Schneider/Steinbühl 2004: 104). Um die Betrachtung der Bildungsübergänge zu erleichtern, wurden zwei Kohorten gebildet. Eine Gruppe enthielt Kinder im Alter von 5 bis 6 Jahren, die andere Kinder im Alter von 8 bis 9 Jahren. Die erste Welle fand im vierten Quartal 2002, die zweite im zweiten Quartal 2004 und die dritte im zweiten Quartal 2005 statt.

Der Stichprobenumfang der Gruppe der 8- bis 9-jährigen und ihren Müttern beträgt 2.231 und weist eine Ausschöpfungsrate von 50.6% auf. Die Stichprobe der jüngeren Kohorte zählt 2.197 Adressen mit einer Ausschöpfungsrate von knapp 58 %. Die Panelbereitschaft lag insgesamt bei 80 %. (Vgl. Alt, Schneider, Steinbühl 2004)

Für die folgenden Analysen wurden Daten der Gruppe der 8- bis 9-jährigen verwendet, da dieser Gruppe die meisten Kinder zugeordnet sind, die eine Grundschulempfehlung erhielten. Der Übertritt von Kindern dieser Kohorte fand zwischen der zweiten und ersten Erhebungswelle statt.

Operationalisierung

Die Grundschulempfehlung stellt die abhängige Variable dar. Sie liegt in den Rohdaten als kategoriale Variable, mit 11 Ausprägungen vor und wurde in der dritten Welle rückwirkend über die Angabe der Mutter erhoben. Für Kinder die eine Empfehlung für eine Gesamtschule erhielten, stellte der empfohlene Zweig die Basis der Dichotomisierung dar. Demnach wurde die Empfehlung auf den Gymnasialzweig der Gesamtschule als Gymnasialempfehlung kodiert. Trotz zahlreicher Alternativen spielt das Abitur als Hochschulzugangsberechtigung eine zentrale Rolle, weshalb die Unterscheidung der Gymnasialempfehlung von anderen Schulformen gerechtfertigt ist. Von 219 Kindern erhielten 55%, also 120 Kinder, eine Gymnasialempfehlung. 45% aller Kinder, also 99 Kinder, erhielten keine Gymnasialempfehlung.

Zur Betrachtung des Leistungsniveaus wurde der Durchschnitt aus der Zeugnisnote der vierten Klasse in den Fächern Mathematik und Deutsch berechnet. Diese wurden durch die Angabe des Kindes in allen Wellen erhoben. Sie liegen als Schulnoten von eins bis sechs vor. Für die nachfolgende Analyse wurden die Noten in Mathematik und Deutsch gewählt, da sie in allen Bundesländern die Basis der Grundschulempfehlung darstellen. An der Operationalisierung primärer Effekte über Schulnoten lässt sich kritisieren, dass die Validität von Schulnoten generell umstritten ist. Es kann angenommen werden, dass in Schulnoten bereits leistungsfremde Herkunftseinflüsse enthalten sind. Der leistungsfremde Effekt der sozialen Herkunft wird in den folgenden Analysen daher tendenziell unterschätzt. (Vgl. Neugebauer 2010: 206)

Tabelle 1: Schulnoten

Schulnoten Tabelle
Schulnoten

Abbildung 1: Schulnoten

Anhand der Grafik wird ersichtlich, dass die Häufigkeiten der vergebenen Noten deutlich rechtsschief verteilt sind. 92 % der vergebenen Noten sind besser als der Median (2). Die Note 2 stellt den Modus dar. Die Note 4,5 ist die schlechteste Durchschnittsnote, die errechnet wurde.

Zur Beschreibung der sozialen Herkunft wurde die Bildung der Eltern herangezogen, da diese im Gegensatz zu weiteren Indikatoren der sozialen Herkunft eine entscheidende Rolle spielt (vgl. Hradil 1999: 163). Diese wurde über den höchsten Abschluss eines Elternpaares operationalisiert.  Analog zur Operationalisierung der endogenen Variable erfolgte die Dichotomisierung in Elternpaare mit mindestens einem Abitur und Elternpaare ohne Abitur. Zudem lässt die geringe Fallzahl eine differenziertere Betrachtung der Variable kaum zu. Bei 103 (47 %) von 219 Kindern hat mindestens ein Elternteil Abitur, 116 (53 %) Kinder haben Eltern ohne Abitur.

Der elterliche Einfluss auf die Lehrkraft wurde durch die Häufigkeit von Lehrkraftgesprächen innerhalb eines Schuljahres operationalisiert. Der Datensatz beinhaltet die Variable in allen drei Wellen.

Da die Grundschulempfehlung in der vierten Klasse erteilt wird, wurden ausschließlich Angaben der Eltern von Viertklässlern_innen ausgewählt. Es wurde die Angabe des Elternteils verwendet, welches die häufigsten Lehrkraftbesuche unternommen hat. Die Verwendung des sogenannten dominance model in diesem Zusammenhang ist nicht unproblematisch, da die Gesamtzahl der Gespräche nicht berücksichtigt wird. Für die verwendete Kodierung spricht, dass die Messung des Einflusses konkreter wird, da sie auf eine Person zurückzuführen ist.

Die Ausprägung „nie“ kommt zweimal vor, die Ausprägung „1–2 mal“ ist 118 mal vorhanden, „öfters“ haben 99 Elternteile angegeben. Anschließend wurde eine binäre Variable daraus erstellt, indem „nie“ und „1–2 mal“ zusammengefasst wurden. Im Fachdiskurs ist es gebräuchlich im Zusammenhang mit Eltern-Lehrkraft-Gesprächen von parent-teacher-interaction zu sprechen. Im Folgenden wird die Abkürzung „PTI“ aus Platzgründen synonym verwendet.

Als Kontrollvariablen wurden das Alter der Eltern und Kinder in das Modell aufgenommen. Das Durchschnittsalter der befragten Mütter lag bei 40 Jahren mit einer Standardabweichung von 4,35. 50 % der Befragten waren höchstens 40 Jahre alt. Das Alter der jüngsten Mutter betrug 28 Jahre, das der ältesten 53 Jahre. Das Durchschnittsalter der befragten Väter betrug 42,6 Jahre mit einer Standardabweichung von 5,26. 50 % der Befragten waren höchstens 42 Jahre alt. Das Alter des jüngsten Vaters betrug 27 Jahre, das des ältesten 64 Jahre. Das Alter des Kindes wurde aus dem Zeitpunkt, zu welchem das Kind die vierte Klasse besuchte und der Angabe der Mutter über das Geburtsjahr und den Geburtsmonat des Kindes errechnet. Die Kinder der verwendeten Stichprobe waren im Durchschnitt 10 Jahre alt. Über 95 % der Kinder waren mindestens 9,6 und höchstens 10,3 Jahre alt. Die Standardabweichung betrug 0,78.

Aus dem Rohdatensatz wurde eine Tabelle mit den benötigten sechs Variablen erstellt. Nach fallweisem Ausschluss fehlender Werte verblieben 219 Fälle für die empirischen Analysen.

Auswertungsverfahren

Um die erste Hypothese zu testen, ist es erforderlich, die Einflüsse der Variablen Bildung der Eltern und schulische Leistung auf die Grundschulempfehlung getrennt zu betrachtet. Natürlich können diese Effekte in der Realität nicht getrennt voneinander beobachtet werden. Das verwendete Verfahren der logistischen Regressionsanalyse ermöglicht die getrennte Beobachtung dieser Effekte.

Mit der Theorie der primären und sekundären Herkunftseffekte wird angenommen, dass sich die Bildung der Eltern sowohl auf die Grundschulempfehlung als auch auf die schulische Leistung eines Kindes auswirkt. Daher ist der direkt gemessene Effekt der schulischen Leistung von der Bildung der Eltern beeinflusst. Aus diesem Grund wird in einem zweiten Schritt mit Hilfe der Dekompositionsmethode nach Karlson, Holm und Breen (2012) der „reine“ Effekt der Noten auf die Grundschulempfehlung berechnet. Im Folgenden wird zunächst auf die logistische Regressionsanalyse, im Anschluss daran auf die verwendete Dekompositionsmethode eingegangen.

Das Verfahren der logistischen Regressionsanalyse wird gegenüber der linearen Regressionsanalyse vorgezogen, da die Messung von Einflüssen auf diskrete Variablen die wesentlichen Annahmevoraussetzungen der linearen Regression nicht erfüllt. Die Residuen einer diskreten Variable sind weder normalverteilt noch homoskedastisch. Außerdem würde die lineare Regression Werte voraussagen, die außerhalb des tatsächlichen Wertebereichs liegen. Um dieses Problem zu lösen, erfolgt im logistischen Regressionsmodell die Transformation der abhängigen Variable. Die grundlegende Idee der logistischen Regression ist die Bezugnahme auf Odds, welche das Verhältnis von der Wahrscheinlichkeit des Auftretens einer Variablenausprägung zu dessen Gegenwahrscheinlichkeit darstellt. Da es sich um eine dichotome Variable handelt, ist die Gegenwahrscheinlickeit des Auftretens der einen Ausprägung die Wahrscheinlichkeit des Auftretens der anderen Variable. Um den Wertebereich der Odds zu erweitern, werden diese in einem weiteren Schritt der Transformation logarithmiert. Logarithmierte Odds werden Logit genannt.

Dadurch entsteht folgendes Regressionsmodell:   Regression

Um die Interpretation des Effektes zu erleichtern, ist es erforderlich, exponenzierte Effektkoeffizienten zu bilden. Sie beschreiben den Einfluss der jeweiligen unabhängigen Variable auf die Odds. Ist der Koeffizient größer als 1, ist der Einfluss positiv, nimmt der Koeffizient einen kleineren Wert als 1 an, ist der Einfluss negativ. (Vgl. Kopp & Lois 2012: 159 ff.)

Um die oben hergeleiteten Hypothesen zu überprüfen, werden zunächst drei logistische Regressionsmodelle aufgestellt. Zu Gunsten der Lesbarkeit, wurden die Logits durch y ersetzt, stellvertretend für alle Kontrollvariablen steht eine Variable mit dem zugehörigen Koeffizienten.

(1) yGymnasialemfehlung = β01·xBildung der Eltern3·xKontrollvariablen

(2) yGymnasialemfehlung = β01·xBildung der Eltern2·xNoten3·xKontrollvariablen

(3) yPTI = β0+β1·xBildung der Eltern3·xKontrollvariablen

Eine Mediation liegt vor, wenn eine unabhängige Variable neben dem Haupteffekt auf die abhängige Variable einen Effekt auf die Mediatorvariable hat und diese eine Veränderung der unabhängigen Variable bewirkt. Um diesen zu identifizieren, wird ein Regressionsmodell mit einer unabhängigen Variable gerechnet. In einem zweiten Schritt wird die unabhängige Variable, von welcher erwartet wird, dass sie einen Mediator darstellt, in das Modell aufgenommen. Unter Beobachtung des bivariaten Effektes der unabhängigen auf die abhängige Variable werden die beiden Modelle miteinander verglichen. Wird der bivariate Effekt kleiner, bleibt jedoch signifikant, spricht man von einer partiellen Mediation. Wird der Effekt insignifikant, handelt es sich um eine vollständige Mediation. Dieses Verfahren hält keine Möglichkeit zur Überprüfung der Signifikanz des Interaktionseffektes bereit. (Vgl. Kopp/Lois 2012: 137 ff.) Dekompositionsanalysen stellen Methoden dar, die die Zerlegung einer unabhängigen Variable und gleichzeitig Aussagen über die statistische Signifikanz der Effekte ermöglichen. Bislang kam bei der Erforschung von primären und sekundären Effekten häufig die Effektdekomposition von Erikson et al. (2005) zum Einsatz. Karlson, Holm und Breen (2012) lieferten nach ihrem Verständnis mit der Entwicklung einer neuen Methode eine Weiterentwicklung des Ansatzes von Erikson et al. (2005). Die grundlegende Idee der Methode von Karlson, Holm und Breen ist der Vergleich von zwei logistischen Regressionen miteinander, um den Anteil des sekundären Herkunftseffekts mit dem des primären Effekts in Verhältnis zu setzen (vgl. Karlson/Holm 2010). Da die zugrunde liegende mathematische Ausführung einigermaßen komplex ist, wird auf eine genauere Ausführung verzichtet und stattdessen auf die Vorteile der Methode verwiesen. Ein nennenswerter Vorteil dieser Methode ist, dass sie nicht von Problemen mit unterschiedlichen Skalenniveaus betroffen ist. Daher ist sie nicht anfällig für gegenseitige Abschwächungen der Effekte durch zugrunde liegende Resiudalvarianzen. Im Vergleich zu der Methode von Erikson et al. (2005) ist die KHB-Methode frei von systematischen Messfehlern und kann als intuitiver bezeichnet werden, da sie die von der logistischen Regressionanalyse bekannte Interpretation zulässt. Zudem ist es bei der KHB-Methode nicht erforderlich, dass die zu zerlegende Variable diskret ausgeprägt ist. (Vgl. Karlson/Holm 2010)

Ergebnisse

Hypothese H1 konstituiert die Annahme, dass Kinder aus gebildetem Elternhaus unabhängig von der schulischen Leistung eine bessere Chance haben, eine Gymnasialempfehlung zu erhalten, als Kinder aus weniger gebildetem Elternhaus. Überträgt man die Hypothese auf das statistische Modell, wird neben dem Haupteffekt ein über die Noten vermittelter Mediationseffekt erwartet. Es werden Modell (1) und (2) aufgegriffen und mithilfe der Methode nach Karlson, Holm und Breen (2012) der prozentuale Anteil des Effektes der Note auf den gesamten Effekt der Bildung ermittelt.

Tabelle 1: Effektdekomposition. Betrachtete Variable: Bildung der Eltern. Mediatorvariable: Note. Kontrollvariablen: Alter des Vaters, Alter der Mutter, Alter des Kindes.

 

Effektkomposition

Zudem lässt sich aus dem Koeffizient der elterlichen Bildung ein exponenzierter Koeffizient von 5,47 errechnen. Demzufolge ist die Chance eines Kindes, wenn dessen Eltern Abitur haben, knapp 5,5 mal so hoch eine Gymnasialempfehlung zu erhalten, als dies für Kinder mit Eltern ohne Abitur der Fall ist.Wenn mindestens ein Elternteil Abitur hat, ändern sich die Logits der Gymnasialempfehlung um 3,05 im Vergleich dazu, keines der Elternteile hätte Abitur. Diese Veränderung bezieht sich auf den gesamten Effekt der elterlichen Bildung. Hält man den Einfluss der Noten konstant, nimmt der Koeffizient der elterlichen Bildung einen Wert von 1,70 an. Aus den beiden Koeffizienten errechnet sich eine Differenz von 1,34. Diese Differenz in das Verhältnis zum Gesamteffekt gesetzt, stellt den Anteil des über die Noten vermittelten Effektes der Bildung am Gesamteffekt dar (primärer Effekt). Es konnte ein Anteil von rund 44% errechnet werden. Der Anteil des Effekts, welcher nicht über die Noten vermittelt wird, macht dementsprechend 56% des gesamten Effekts der Bildung der Eltern aus (sekundärer Effekt). In Bezug auf Hypothese H1 lässt sich festhalten, dass die Chance für Kinder aus gebildetem Elternhaus eine Gymnasialempfehlung zu erhalten, größer ist als für Kinder aus weniger gebildetem Elternhaus.

Um die in Hypothese H2 formulierte Annahme, dass hochgebildete Eltern häufiger das Gespräch mit Lehrkräften suchen, zu überprüfen, wird die Häufigkeit der Eltern-Lehrkraft-Gespräche auf die Bildung der Eltern in Modell (3) regressiert. Es wird erwartet, dass der Koeffizient der Bildung der Eltern positiv und signifikant ist.

Tabelle 2: Logistische Regression. PTI.

Logistische Regression

Fazit

Der errechnete β-Koeffizient für die Bildung der Eltern ist insignifikant. Demnach kann nicht bestätigt werden, dass die Anzahl der Eltern-Lehrkraft-Gespräche mit der Bildung der Eltern korreliert. Hypothese H2 wird abgelehnt.

Der vorliegende Beitrag untersucht die Wirkung von sozialer Herkunft auf Grundschulempfehlungen. Im Mittelpunkt steht dabei die Frage, ob und wie Eltern-Lehrkraft-Gespräche an der Beeinflussung der Erteilung einer Gymnasialempfehlung beteiligt sind.

In diesem Zusammenhang geht die Theorie der primären und sekundären Effekte sozialer Herkunft davon aus, dass soziale Herkunft durch einen leistungsbezogenen Effekt und einen leistungsfremden Effekt auf den Bildungserfolg wirkt. Der leistungsfremde Teil kommt durch schichtverzerrte Bewertungen innerhalb eines Kosten-Nutzen-Kalküls zustande. In dieser Hinsicht wird erwartet, dass unter Konstanthaltung der Schulnoten ein schichtspezifischer Unterschied in der Chance, eine Gymnasialempfehlung zu erhalten, besteht. Da von Angehörigen der oberen sozialen Schicht Bildungskosten verhältnismäßig gering eingestuft werden, wird erwartet, dass hochgebildete Eltern häufiger das Gespräch mit Lehrkräften suchen.

Es kann erstens festgehalten werden, dass die soziale Herkunft einen bedeutenden Einfluss auf die Wahrscheinlichkeit hat, eine Gymnasialempfehlung zu erhalten. Kinder aus Elternhäusern, in welchen mindestens ein Elternteil Abitur hat, haben im Vergleich zu Kindern, in deren Elternhaus kein Elternteil Abitur hat, eine 5,5-fach höhere Chance auf den Erhalt einer Gymnasialempfehlung. Der Vorteil den Kinder mit hoher sozialer Herkunft haben ist zu 44% auf Schulnoten zurückzuführen. 56% des Vorteils, der aus ihrer sozialen Herkunft erwächst, wird nicht über die Note vermittelt. Dieses Ergebnisspiegelt das Entscheidungsdilemma, vor dem Lehrer_innen bei der Erteilung von Grundschulempfehlungen stehen, wider. Da diese in ihrer Empfehlung zwischen sichtbarem Leistungspotenzial und der zur Verfügung stehenden Hilfestellung durch die Familie abwägen müssen. Auf dem Gymnasium wird der primäre Effekt weiter verstärkt. Somit sind die Erfolgsaussichten für Kinder aus weniger gebildetem Elternhaus bei gleichen Schulleistungen tendenziell geringer als bei Kindern aus hochgebildetem Elternhaus. (Vgl. Müller-Benedict 2007: 635 f.) Unter diesem Aspekt könnte das festgestellte Verhältnis eine Rate darstellen, die für eine effiziente Sicherung des Bildungserfolges in der zukünftigen Schullaufbahn der Schüler_innen steht. Dennoch sollte die Feststellung nicht als Argument zur Legitimierung des vorhandenen Auswahlprozesses verstanden werden. Vielmehr soll der Beitrag aufzeigen, dass der Einstieg in die Sekundarstufe stark von der Bildungsherkunft und überwiegend von leistungsfremden Faktoren bestimmt wird. Im Hinblick auf die Förderung von Chancengleichheit erwachsen für die Praxis zwei Ansprüche. Primäre Effekte im Gymnasium müssen, etwa durch die Verstärkung von individuellen Leistungs- und Förderaktivitäten, abgeschwächt  werden. Der Einfluss der leistungsfremden Determinanten auf die Grundschulempfehlung muss minimiert werden. Müller-Benedict (2007) schlägt die „Abkehr vom versäulten Schulssystem“ (Müller-Benedict 637) als Lösung vor. Einerseits sollen dadurch Ungleichheiten, die durch Übergangsentscheidungen und elterliche Aspirationen verursacht werden, verhindert werden. Andererseits soll die Unabhängigkeit der Schüler_innen von primären sozialen Effekten gefördert werden. (Vgl. Müller-Benedict 2007)

Zweitens können die erarbeiteten Ergebnisse die Annahme, dass gebildete Eltern häufiger mit Lehrer_innen sprechen, nicht bestätigen. Domina (2005) diskutiert in diesem Zusammenhang die Neigung von Eltern, den Kontakt zu Lehrkräften verhältnismäßig oft zu suchen, wenn deren Kinder Schwierigkeiten in der Schule erfahren. Analog dazu verhalten sich Eltern bezüglich dem Wahrnehmen von Eltern-Lehrerkraft-Gesprächen eher zurückhaltend, wenn ihre Kinder gute Schulleistungen erbringen. Die folgende Überlegung spricht dafür, dass der von Domina angeführte Effekt den in der vorliegenden Arbeit erwarteten Zusammenhang zwischen sozialer Herkunft und Häufigkeit der Eltern-Lehrkraft-Gespräche aufhebt. Da Kinder von gebildeten Eltern statistisch bessere Schulnoten haben, trifft der Effekt von Domina (2005) nicht auf sie zu. Im Vergleich dazu ist der erwartete, direkte Effekt der sozialen Herkunft auf die Häufigkeit der Eltern-Lehrer-Gespräche für Kinder mit niedrigem Bildungshintergrund gering und der über schlechte Noten vermittelte, positive Effekt auf die Häufigkeit von Eltern-Lehrkraft-Gesprächen hoch. Die Implementierung der Schulnote in das Modell kann Aufschluss über den Zusammenhang geben.

In Hinblick auf die Untersuchung der schulischen Leistung sei an dieser Stelle noch einmal darauf hingewiesen, dass die zugrunde liegende Operationalisierung durch Schulnoten keine ideale Abbildung derselben darstellt. Es kann davon ausgegangen werden, dass die Noten bereits schichtverzerrt sind. Demnach wird der leistungsbezogene Anteil des Herkunftseffektes tendenziell überschätzt und der leistungsunabhängige Effekt unterschätzt.

Diese Arbeit erweitert den Diskurs an zwei Stellen. Zum einen reiht sie sich mit den Ergebnissen über die Verteilung von leistungsbezogenen und leistungsfremden Effekten in den Diskurs der Zerlegung primärer und sekundärer Effekte der sozialen Herkunft ein. Die Modifikation des sekundären Effekts durch die Betrachtung des Eltern-Engagements anstelle der Bildungsentscheidung liefert ein weiteres Detail, welches in Hinblick auf die Erklärung konträrer Ergebnisse behilflich sein könnte. Zum anderen wurde eine mögliche Determinante des Effektes von Eltern-Lehrkraft-Gesprächen auf Grundschulempfehlungen aufgezeigt, sodass der vorliegende Beitrag als Ausgangspunkt für weitere Untersuchungen verstanden werden kann.

 

Literatur- und Quellenverzeichnis (Teil 1 und 2)

Anderson, Joan (2008): Social capital and student learning. Empirical results from Latin American primary schools. In: Economics of Education Review 27. S. 439–449.

Alt, Christian; Schneider, Susanne; Steinbühl, David (2004): Das DJI-Kinderpanel. Theorie, Design und inhaltliche Schwerpunkte. In: Zeitschrift für Familienforschung, 15 (2). S. 101-110.

Baumert, Jürgen; Watermann, Rainer; Schümer, Gundel (2003): Disparitäten der Bildungsbeteiligung des Kompetenzwettbewerbs. Ein institutionelles und individuelles Mediationsmodell. In: Zeitschrift für Erziehungswissenschaften, 6 (1). S. 46–71.

Bos, Wilfried; Lankes, Eva-Maria; Prenzel, Manfred; Schwippert, Knut; Valtin, Renate; Walther, Gerd (2003): Erste Ergebnisse aus IGLU. Schülerleistungen am Ende der vierten Jahrgangsstufe im internationalen Vergleich. Münster: Waxmann.

Boudon, Raymond. (1974): Education, opportunity and social inequality. Changing prospects in western society. New York: John Wiley & Sons.

Buis, Maarten (2010): Direct and indirect effects in a logit model. In: The Stata Journal. 10 (1). S. 11–29.

Catsambis, Sophia (1994): The path to math. Gender and racial-ethnic differences in mathematics participation from middle school to high school. In: Sociology of Education 67 (3). S. 199- 215.

Comer, John.; Haynes, Norris. (1991): Parent Involvement in Schools. An Ecological Approach. In: Elementary School Journal 91. S. 271–77.

Desimone, Laura. (2001): Linking Parent Involvement with Student Achiefment. Do Race and Income Matter?. In: Journal of Educational Research  93. S. 11–30.

Ditton, Hartmut (1992): Ungleichheit und Mobilität durch Bildung. Theorie und empirische Unterscheidung über sozialräumliche Aspekte von Bildungsentscheidungen. Weinheim und München.

Ditton, Hartmut; Krüsken, Jörg; Schaumberg, Martin. (2005): Bildungsungleichheit. der Beitrag von Familie und Schule. In: Zeitschrift für Erziehungswissenschaft, 8 (2). S. 285–304.

Domina, Thurston. (2005): Leveling the Home Advantage. Assessing the Effectiveness of Parental       Involvement in Elementary School. In: Sociology of Education 78. S. 233–249.

Epstein, Joyce. (2001): School Family, and Community Partnerships. Preparing Educators and   Improving Schools. Boulder. CO: Westview Press.

Erikson Robert; Goldthorpe, John; Jackson, Michelle; Yaish, Meir; Cox, D. (2005): On class differentials in educational attainment. In: PNAS. 102 (27). S. 9730–9733.

Fan, Xitao. (2001): Parental Involvement and Students‘ Academic Achievment. A Growth Modeling Analysis. In: Journal of Educational Research 80. S. 27–61.

Hradil, Stefan (1999): Soziale Ungleichheit in Deutschland. Wiesbaden: VS-Verlag.

Ho, Esther.; Willms, Douglas (1996): Effects of Parental Involvement on Eight-Grade Achievement. In: Sociology of Education 69. S. 126 – 41.

Karlson, Kristian; Holm, Anders (2010): Decomposing primary and secondary effects. A new decomposition method. Copenhagen: Elsevier Ltd.

Karslon, Kristian; Holm Anders; Breen, Richard (2012): Comparing Regression Coefficients     Between Same-sampled Nested Models Using Logit and Probit. A New Method. In: Sociological Methodology 42. S. 286.

Keller, Suzanne; Zavalloni, Marisa (1964): Ambition and Social Class. A Respecification. In: Social Forces 43. S. 58 – 70.

Koch, Katja (2001): Von der Grundschule zur Sekundarstufe. In: Werner Helsper: Handbuch der Schulforschung. Wiesbaden: VS-Verlag. S. 577 -592.

Kopp, Johannes; Lois, Daniel (2012): Sozialwissenschaftliche Datenanalyse. Eine Einführung. Wiesbaden: VS-Verlag.

Laureau, Annette (1989): Home Advantage. Social Class and Parental Intervention in Elementary Education. London: Falmer.

Lehmann, Raner; Peek, Rainer; Gänsfuß, Rüdiger (1997): Aspekte der Lernausgangslage von    Schülerinnen   und Schülern der fünften Klassen an Hamburger Schulen. Bericht über die Untersuchung im September 1996. Hamburg.

McNeal, Ralph (1999): Parental Involvement as Social Capital. Differential Effectiveness on Science Achievment, Truancy, and Dropping Out. In: Social Forces 78. S. 117–44.

Meulemann, Heiner (1985): Bildung und Lebensplanung. Die Sozialbeziehung zwischen Elternhaus und Schule. Frankfurt am Main: Campus-Verlag.

Morgen, Stephen; Spiller, Michael; Todd, Jennifer (2013): Class origins, high school graduation, and college entry in the United States. In: Jackson, M.: Determined to Succeed? Performance versus Choice in Educational Attainment. Standfort: University Press. S. 279-305.

Muller, Chandra (1993): Parent Involvement and Academic Achievment. An Analysis of Family Resources Availible to the Child. In: Parents, Their Children, and School. Boulder:   Westview Press. S. 77–114.

Müller-Benedict, Volker (2007): Wodurch kann die soziale Ungleichheit des Schulerfolgs am stärksten verringert werden?. In: Kölner Zeitschrift für Soziologie und Sozialpsychologie 59. S. 615–639.

Neugebauer, Martin (2010): Bildungsungleichheit und Grundschulempfehlung beim Übergang auf  das Gymnasium: Eine Dekomposition primärer und sekundärer Herkunftseffekte. In: Zeitschrift für Soziologie. 39 (3). S. 202–214.

Neugebauer, Martin; Reimer, David; Schindler, Steffen; Stocké, Volker (2013): Inequality in Transitions to             Secondary School and Tertiary Education in Germany. In: Jackson, M.: Determined to Succeed?. Performance versus Choice in Educational Attainment. Standford: University Press. S. 56–88.

Neugebauer, Martin; Schindler, Steffen (2012): Early transition and tertiary enrolement. The cumulative impact of primary and secondary effects on entering university in Germany. In: Acta Sociologica. 55 (1). S. 19–36.

Perna, Heinz; Titus, Marvin (2005): The Relationship between Parental Involvement as Social Capital and College Enrolment. An Examination of Racial/Ethnic Group Differences. In: The Journal of  Higher Education 76. S. 485–518.

Pohlmann, Sana (2008): Der Übergang von der Primar in die Sekundarstufe aus Sicht bayerischer und hessischer Lehrer. In: Diskurs Kindheits- und Jugendforschung. 3. S. 123–140.

Schindler, Steffen; Reimer, David. (2010): Primäre und sekundäre Effekte der sozialen Herkunft beim Übergang in die Hochschulbildung. In: Kölner Zeitschrift für Soziologie und Sozialpsycholgie. 62 (4). S. 623–653.

Stocké, Volker (2007): Strength, Sources, and Temporal Development of Primary Effects of Families‘ Social Status on Secondary School Choice. In: Working Paper Sonderforschungsbereich  504. Mannheim: University Mannheim.

Stocké, Volker (2010): Schulbezogenes Sozialkapital und Schulerfolg der Kinder. Kompetenzvorsprung oder statistische Diskriminierung durch Lehrkräfte?. In: Reimer, David: Vom Kindergarten bis zur Hochschule. Die Generierung von ethnischen und sozialen Disparitäten in der Bildungsbiographie. Wiesbaden: VS-Verlag. S. 80–115.

Teachman, Jay; Paasch, Kathleen; Carver, Karen (1997): Social Capital and the Generation of Human Capital. In: Social Forces. 75. 1343–1359.

Wiese, Wilhelm (1982): Elternstatus, Lehrerempfehlung und Schullaufbahn. Eine empirische Analyse des Einflusses des Grundschullehrers auf die Bildungslaufbahn des Schülers. In: Zeitschrift für Soziologie. 11. S. 49–63.

 

Zum Autor:

Bodo Schneider, 27, hat Soziologie (Bachelor) an der Universität Kassel studiert und absolviert derzeit den Studiengang „Survey-Statistik“ (Master) an der Otto-Friedrich-Universität Bamberg. Zu seinen wissenschaftlichen Interessensgebieten zählen: Sozialstrukturanalyse und insbesondere soziale Ungleichheit sowie deren Reproduktion im Bildungsverlauf.

 


Nadja Boufeljah

Nadja Boufeljah studierte Erziehungswissenschaften und Soziologie (Bachelor) in Mainz. Gegenwärtig studiert sie Erziehungswissenschaften (Master) in Frankfurt am Main. Sie ist Redakteurin beim Soziologiemagazin e.V. und arbeitetet vor allem in den Bereichen Social Media, Anzeigenbetreuung und Youtube-Channel.

Das könnte Dich auch interessieren...

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.

This site uses Akismet to reduce spam. Learn how your comment data is processed.