Leseprobe
Inhaltsverzeichnis
Abbildungsverzeichnis
Anhangsverzeichnis
Abkürzungs- und Symbolverzeichnis
1. Einleitung
2. Theoretische Fundierung
3. Methodik
4. Darstellung der Ergebnisse
5. Diskussion der Ergebnisse und Ausblick
Literaturverzeichnis
Anhang
Abbildungsverzeichnis
Abbildung 1: Screeplot für SKK
Abbildung 2: Mittelwertvergleich
Anhangsverzeichnis
Anhang 1: Kodierplan
Anhang 2: Rotierte Komponentenmatrix zu SKK ohne Vorgabe von Faktoren
Anhang 3: Rotierte Komponentenmatrix zu SKK mit Vorgabe von zwei Faktoren
Anhang 4: Komponentenmatrix zu SKK mit Vorgabe eines Faktors
Abkürzungs- und Symbolverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1. Einleitung
Aktuelle Untersuchungen zeigen, dass die Zahl der Studienanfänger an deutschen Hochschulen in den letzten Jahren kontinuierlich angestiegen ist (Statistisches Bundesamt, 2011, S. 16; Isserstedt, Middendorff, Kandulla, Borchert & Leszczensky, 2010, S. 50-56). Dieser Trend hat sich durch die Umstellung des gymnasialen Schulsystems von neun auf acht Schuljahre in vielen Bundesländern und die daraus resultierenden doppelten Abiturjahrgänge noch weiter verstärkt (Scharfe, 2010, S. 552). Allerdings bringt diese Entwicklung auch einen Nebeneffekt mit sich: Nicht nur die Studienanfängerquote steigt, sondern auch die Zahl der Studienabbrecher(Heublein, Schmelzer, Sommer & Wank, 2008, S.10/11). Dies ist zum einen für die Betroffenen eine schwere Belastung, zum anderen aber bedeutet dies aus volkswirtschaftlicher Sicht einen erheblichen Schaden. So berechnete der Stifterverband für die Deutsche Wissenschaft, dass dem Staat dadurch ein direkter jährlicher Schaden in Höhe von 2,2 Milliarden Euro entsteht, die indirekten volkswirtschaftlichen Kosten betragen jährlich bis zu 7,6 Milliarden Euro (Leffers, 2007). Diese Summe errechnet sich laut Stifterverband aus den privaten Investitionen der Studienabbrecher sowie dem ihnen entgangenen Erwerbseinkommen. Laut dieser Studie verlassen fast 30 von 100 Studienanfängern die Hochschule ohne Abschluss. Die häufigsten Ursachen für einen Studienabbruch sind dabei inhaltliche Überforderung, finanzielle Überlastung, mangelnde Studienmotivation, unzulängliche Studienbedingungen, berufliche Neuorientierung, familiäre Probleme und Krankheit, vor allem aber nicht bestandene Prüfungen und schlechte Leistungen (Heublein, Hutzsch, Schreiber, Sommer & Besuch, 2010, S. 17-46). Apenburg (1980, S. 124) stellt fest, dass sich mit einer erhöhten Studienzufriedenheit auch die Wahrscheinlichkeit erhöht, das Studium erfolgreich abzuschließen. Daher ist es interessant zu wissen, welche Faktoren Einfluss auf die Studienzufriedenheit haben. Im Fokus dieser Studie steht die Selbstkontroll-Kapazität, da frühere Studien einen Zusammenhang von Selbstkontroll-Kapazität und Studienzufriedenheit zeigen (Spörer & Brunstein, 2005, S. 113; Westermann, 2006, S. 759).
2. Theoretische Fundierung
In ihrer empirischen Studie fanden Tangney, Baumeister und Boone (2004, S. 315) einen positiven Zusammenhang zwischen in Noten gemessener Leistung und Selbstkontroll-Kapazität. Unter Selbstkontrollewird dabei die „Überwindung oder Modifikation eigener Reaktionen“ (Bertrams & Dickhäuser, 2009b, S. 2) verstanden sowie „die Unterbrechung von und das Widerstehen gegenüber Verhaltenstendenzen wie z.B. Impulsen“ (Bertrams und Dickhäuser, 2009b, S. 2). Selbstkontroll-Kapazität wird dabei als Synonym zur Selbstregulation (Bertrams & Dickhäuser, 2009b, S. 3) verwendet. So beeinflusst die Selbstkontroll-Kapazität ganz erheblich das Verhalten und Erle- ben einer Person: Gewohnheiten werden durchbrochen, Versuchungen wird wider- standen und Selbstdisziplin wird ausgeübt. Tangney et al. (2004) sehen die Notwendigkeit einer Selbstkontrolle auch bei der Kontrolle eigener Gedanken, Stimmungen oder Emotionen (Bertrams & Dickhäuser, 2009b, S.2). So kann man sich beispielsweise gedanklich zwingen, konzentriert zu arbeiten. Nach Bertrams und Dickhäuser (2009b, S.3) ist die Kontrolle spontaner Reaktionen bei vielen Situationen im Alltag wichtig, wie z. B. bei der täglichen Arbeit oder im Umgang mit Konflikten. Baumeister, Heatherton und Tice (1994) stellten einen positiven Zusammenhang zwischen Selbstkontroll-Kapazität mit Schulleistung, Coping-Fähigkeiten und sozialer Kompetenz fest sowie einen negativen Zusammenhang mit Aggressionen. Bertrams und Dickhäuser (2009a, S, 135-138) fanden ebenfalls einen Zusammenhang zwischen Selbstkontroll-Kapazität und Schulleistungen. Zettlers (2011, S. 119-123) Studie zeigte, dass eine hohe Selbstkontroll-Kapazität mehr Citizenship Behavior an der Universität (z. B. freiwilliges Engagement, Hilfe für Kommilitonen) und weniger kontraproduktives Verhalten (z. B. Alkohol bei der Arbeit, rüdes Verhalten gegenüber Kommilitonen) vorhersagte. Es stellt sich damit die Frage, welche Faktoren die Selbstkontroll-Kapazität beeinflussen. Albisser, Kirchhoff und Albisser (2009, S. 277) weisen auf einen positiven Zusammenhang zwischen Belastungserleben und Berufserfahrung hin. Es ist daher zu vermuten, dass Studierende mit abgeschlossener Berufsausbildung über mehr theoretische und praktische Vorkenntnisse und daher auch über mehr SelbstkontrollKapazität verfügen. So muss beispielsweise während der Ausbildung ein Berichtsheft geführt werden, in dem der Auszubildende seine täglichen Tätigkeiten eintragen und vom Ausbilder abzeichnen lassen muss. Hier ist ein diszipliniertes, gewissenhaftes Herangehen nötig, was zur Steigerung der Selbstkontroll-Kapazität beitragen könnte. Daher prüft diese Studie die ungerichtete Hypothese: Studierende mit und ohne Ausbildung unterscheiden sich hinsichtlich ihrer Selbstkontroll-Kapazität.
3. Methodik
Zur Prüfung der oben genannten Hypothese wurden im Rahmen einer Querschnittstudie im Oktober/November 2010 an der Ludwig-Maximilians-Universität München mittels einer Adhoc-Stichprobe N = 232 Studierende der Wirtschaftswissenschaften und verwandter Studiengänge mit standardisierten Fragebögen schriftlich befragt (vgl. Anhang 1). Der Fragebogen beinhaltete überwiegend geschlossene Fragen.
Dabei befragte jeder von den insgesamt 50 Seminarteilnehmern im Idealfall fünf weitere Studierende. Alle 50 Seminarteilnehmer füllten auch selbst einen Fragebogen aus. Da die befragten Studierenden direkt in universitären Veranstaltungen angesprochen wurden, war der Rücklauf der Fragenbögen sehr positiv. Ein Fragebogen musste auf- grund unschlüssiger Antworten ausgeschlossen werden, sodass sich die finale Stich- probe auf N = 231 Probanden belief.
Davon waren 152 weiblich, 77 männlich und 2 Probanden machten keine Angaben zu ihrem Geschlecht. Das durchschnittliche Alter der Probanden betrug 23,44 Jahre (SD = 2,86), wobei die jüngsten Probanden 19 Jahre alt waren, der älteste 41 Jahre. Der Fragebogen des ältesten Probanden wurde nicht ausgeschlossen, da es durchaus möglich ist, dass es noch einen Studierenden in diesem Alter an der Universität gibt. 79 Probanden hatten bereits eine Ausbildung absolviert (34,20 Prozent), 150 waren ohne Ausbildung (64,94 Prozent), 2 machten keine Angabe.Darüber hinaus gaben 42 Probanden (18,18 Prozent) an, bereits ein Praktikum abgeleistet zu haben, 187 (80,95 Prozent) hatten dies zum Befragungszeitpunkt noch nicht getan, 2 machten keine Angaben.Der Mittelwert der im Abitur erreichten Durchschnittsnote beträgt 2,05 bei einer Spannweite von 1,00 bis 3,60 (SD = 0,57). Der Mittelwert bei der Zufriedenheit mit der Abiturdurchschnittsnote beträgt 3,14 (SD = 0,73), wobei dieses Merkmal in vier Stufen (1 = unzufrieden, 4 = sehr zufrieden) abgefragt wurde. Die befragten Studierenden befanden sich durchschnittlich im 4. und 5. Semester (MW = 4,74; MD = 5,00; SD = 2,10). 51 Probanden (22,08 Prozent) studierten an der Ludwig-Maximilians-Universität Wirtschaftspädagogik, 98 (42,42 Prozent) Betriebswirtschaftslehre, 27 (11,69 Prozent) Volkswirtschaftslehre, 53 (22,94 Prozent) einen sonstigen Studiengang, 2 machten keine Angaben. Bei den sonstigen Studiengängen wurde häufig Lehramt angegeben, woraus sich schließen lässt, dass diese Studierenden dann im Zweitfach ein Wirtschaftsfach belegten. 64 (27,70 Prozent) Studierenden strebten einen DiplomAbschluss an, 123 (53,25 Prozent) einen Bachelor-Abschluss und 41 (17,75 Prozent) einen sonstigen Abschluss. Unter die sonstigen Abschlüsse fällt der StaatsexamensAbschluss bei der Gruppe der Lehramts-Studierenden.
Die abhängige Variable „Selbstkontroll-Kapazität (SKK)“ wurde über 13 Items gemessen. Bei jedem Item mussten die Probanden auf einer 5-stufigen Likert-Skala angeben, wie stark die genannten Aussagen ihrer Meinung nach zutreffen (1 = „trifft nicht zu“ bis 5 = „trifft zu“). Mit Hilfe einer exploratorischen Faktorenanalyse wurde die Dimensionalität des SKK-Konstrukts überprüft. Da der Kaiser-Meyer-Olkin-Koeffizient für SKK einen guten Wert von 0,85 ergab bei gleichzeitiger Signifikanz des Bartlett-Tests auf Sphärizität (ȋ² = 874,13; p < 0,01), konnten die Daten für eine Faktorenanalyse verwendet werden (Bühner, 2004, S. 170). Mit einer Hauptkomponentenanalyse sollten nun die Faktoren aus den Daten extrahiert werden, die die Items möglichst gut beschreiben. Die Hauptkomponentenanalyse wurde dabei mit orthogonaler Varimax-Rotation durchgeführt, damit die extrahierten Komponenten so angepasst und im Komponentenraum gedreht werden, dass sie eine eindeutige Beschreibung der Items ermöglichen.
Das Kaiser-Guttmann-Kriterium zeigte, dass drei Komponenten über einen Eigenwert größer 1 verfügten, die zusammen 54,20 Prozent der Varianz in der SelbstkontrollKapazität erklärten. Folgte man dem Ergebnis des Kaiser-Guttman-Kriteriums und extrahierte drei Faktoren, so luden sehr viele Items auf mehrere Faktoren, was die inhaltliche Interpretation der Faktoren erschwerte (vgl. Anhang 2).
Der Scree-Test nach Cattell wies einen deutlichen Knick vor dem dritten Faktor auf. Eine Extraktion von zwei Komponenten bei einer Varianzaufklärung von insgesamt 46,46 Prozent erwies sich daher als nächster naheliegender Schritt. Allerdings waren auch bei dieser Lösung mehrere Items nicht eindeutig einem Faktor zuzuordnen, weil sie Doppelladungen aufwiesen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Screeplot für SKK (Eigene Darstellung)
Das hypothetische Modell schlägt eine einfaktorielle Struktur vor (Bertrams & Dickhäuser, 2009b, S. 5). Diese lieferte mit einer Varianzaufklärung von 36,11 Prozent auch eine inhaltlich interpretierbare Lösung. Mit den Daten der Stichprobe und den 13 Items konnte durch die Hauptkomponentenanalyse eine annähernde Einfachstruktur erreicht werden, bei der jedes Item nur auf einenFaktor lädt. Somit erwies sich eine eindimensionale Messung des SKK-Konstrukts als sinnvoll.
Mit 0,74 lädt dabei Item 3 („Ich bin faul.“) am stärksten auf den Faktor, gefolgt von Item 7 mit 0,73 („Angenehme Aktivitäten und Vergnügen hindern mich manchmal daran, meine Arbeit zu machen.“) und Item 6 mit 0,69 („Ich wünschte, ich hätte mehr Selbstdisziplin.“). Alle drei Items sind inhaltlich sehr stark verbunden, denn wer faul ist, lässt sich gerne ablenken, nutzt seine Zeit dann lieber für Freizeitaktivitäten als für die Arbeit und wünscht sich demzufolge mehr Selbstdisziplin. Diese ist zur Bewältigung eines Studiums erfahrungsgemäß sehr wichtig.
Am schwächsten laden die Items 4 mit 0,48 („Ich sage unangemessene Dinge.“), 2 mit 0,49 („Es fällt mir schwer, schlechte Gewohnheiten abzulegen.“) und 11 mit 0,49 („Ich handle oft ohne alle Alternativen durchdacht zu haben.“) auf den Faktor. Alle drei Items sind sehr allgemein formuliert und lassen zunächst keinen Bezug zu einem Studium vermuten. Vielmehr beschreiben sie eher das Verhalten im Alltag, insbesondere in der Freizeit, als konkrete Situationen im Lernverhalten.
Die Reliabilität der aus den 13 Items gebildeten SKK-Skala erreichte gute Werte (Cronbachs Alpha = 0,85) (Bühner, 2004, S. 122, 129). Dabei wurden 227 Fälle ausgewertet, 4 ausgeschlossen. Am höchsten korreliert dabei Item 3 („Ich bin faul“) mit der Skala (0,64), am wenigsten (0,39) Item 4 („Ich sage unangemessene Dinge.“). Alle Items erreichen zufriedenstellende Trennschärfen (Bortz & Döring, 2006, S. 219/220). Es konnte kein Item weggelassen werden, um Cronbach’s Alpha und damit die Reliabilität zu erhöhen. Da sich diese als angemessen hoch erwies, konnten die 13 Items zu einer Gesamtvariable zusammengefasst werden. Dabei wurden 9 Items umkodiert, um sicherzustellen, dass alle Items im Sinne des Konstruktes gepolt sind und höhere Werte auch bei allen Items eine höhere Selbstkontroll-Kapazität zum Ausdruck bringen.
4. Darstellung der Ergebnisse
Das über eine 5-stufige Likert-Skala gemessene SKK-Konstrukt ist intervallskaliert (Bortz, 2004, S. 19-21). Eine Inspektion des Histogramms deutete auf eine Normalverteilung des Konstrukts hin. Dies bestätigte auch der nicht-signifikante KolmogorovSmirnov-Test (Z = 0,67, p = 0,77). Da die Stichprobengröße 30 überschritt, wäre auch nach dem zentralen Grenzwertsatz (Bortz, 2004, S. 94) Normalverteilung anzunehmen. Zur Überprüfung der formulierten Unterschiedshypothese wurdeein t -Test für unabhängige Stichproben gerechnet. Dieser setzt neben unabhängigen Stichproben und Normalverteilung auch Varianzhomogenität voraus (Fahrmeir, Künstler, Pigeot &Tutz, 2004, S. 437). Wie der nicht-signifikante Levene-Test zeigte ([Abbildung in dieser Leseprobe nicht enthalten]), war diese Voraussetzung erfüllt (Bortz, 2004, S. 286).
Der t -Test zur Prüfung der
Mittelwertunterschiede in der Selbstkontroll-Kapazität von Studierenden mit und ohne Ausbildung lieferte ein signifikantes Ergebnis (t = -2,20, df = 227, p -Wert < Į: 0,03< 0,05) (Beller, 2008, S. 131). Demnach zeigen Studierende mit Ausbildung ([Abbildung in dieser Leseprobe nicht enthalten]) eine signifikant höhere Selbstkontroll-Kapazität als Studierende ohne Ausbildung (n = 150, MW = 3,19, SD = 0,63). Es handelte sich allerdings lediglich um einen geringen Effekt ([Abbildung in dieser Leseprobe nicht enthalten]) (Bühner, 2004, S. 119).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2: Mittelwertvergleich (Eigene Darstellung)
[...]