Durch diagnostische Verfahren in den Sozialwissenschaften werden Daten ermittelt, die je nach Fragestellung geordnet, verglichen und interpretiert werden müssen. Um beispielsweise Testergebnisse eines Intelligenztest zu interpretieren, könnten wir die Ergebnisse miteinander vergleichen. Dazu benötigen wir Bezugsnormen: Das erzielte Ergebnis könnte mit den Ergebnissen anderer verglichen werden (soziale Bezugsnorm) oder mit dem vorherig erzielten Ergebnis (individuelle Bezugsnorm) oder mit einem vorgegebenen Ziel (sachliche Bezugsnorm). Allerdings bieten diese Bezugsnormen keine ausreichende Interpretations- oder gar eine Vergleichsgrundlage. Die individuelle Bezugsnorm ist ohne eine Kenntnis bezüglich des Schwierigkeitsgrades der bearbeiteten Aufgabe wenig aussagekräftig, da die reine Zahl von richtig oder falsch gelösten Aufgaben in verschiedenen Tests keine fundierte Auskunft gibt. Die Bezugsnormen dienen lediglich für eine spezifische und soziale Gegenüberstellung. Für Vergleiche innerhalb der Stichprobe oder zu weiteren Erhebungen sind Bezugsnormen nicht geeignet. Daher gibt es in der Statistik verschiedene Verfahren, die einen Test normieren. Damit lassen sich Fehlerzahlen, Tests, Beobachtungen, etc. in einen neuen Bezugsrahmen setzen, der eine Vergleichbarkeit außerhalb und binnen von Stichproben erst ermöglicht. [vgl. Ingenkamp 2005, S. 63 f.]. Die fähigkeitsorientierte Norm beispielsweise setzt einen klar definierten Kompetenzrahmen voraus. Die erlangten Ergebnisse können in diesen zur jeweils von einander abgegrenzten Stufe eingeordnete werden. Durch die klare Definition jeder Stufe können Rückschlüsse auf die Fähigkeiten von Personen gezogen werden. Zum Beispiel könnte bei schulischen Bewertungen eine fähigkeitsorientierte Norm bei der Notenvergabe eingesetzt werden. Sie zeigt die Fähigkeiten einer Schülerin/eines Schülers im Vergleich zu definierten Kompetenzstufen. [vgl. Ingenkamp 2005, S. 70 ff.] Im Folgenden werden exemplarisch drei Verfahren erläutert, die sich an repräsentativen Erhebungen anlehnen. Welche Probleme können jedoch bei der Interpretation der Ergebnisse mit der Normierung von Daten verbunden sein und wo liegen die Grenzen der einzelnen Verfahren?
Inhaltsverzeichnis
- Einleitung
- Definition
- Normierungsverfahren
- Prozentrangskala
- z-Transformation
- Flächentransformation
- Möglichkeiten und Grenzen
- Zusammenfassung und Schlussfolgerung
- Literaturangaben
- Anhang
- Graphischer Vergleich von Normskalen im Bezug zur Normalverteilung
- Beispieltabelle zu den Prozenträngen
- Auszug aus einer z-Wert-Tabelle
- Flächentransformation von einer schiefen Verteilung (a) in eine Normalverteilung (b)
Zielsetzung und Themenschwerpunkte
Die vorliegende Arbeit befasst sich mit der Normierung von Daten in den Sozialwissenschaften. Ziel ist es, verschiedene Verfahren zur Normierung von Daten zu erläutern und deren Möglichkeiten und Grenzen aufzuzeigen. Dabei werden die Prozentrangskala, die z-Transformation und die Flächentransformation als Beispiele vorgestellt.
- Definition und Abgrenzung der Begriffe Zentrierung, Standardisierung und Normierung
- Vorstellung verschiedener Normierungsverfahren
- Analyse der Möglichkeiten und Grenzen der Normierungsverfahren
- Zusammenfassende Darstellung der wichtigsten Aspekte der Normierung von Daten
- Bedeutung der Normierung für die Interpretation und Vergleichbarkeit von Daten
Zusammenfassung der Kapitel
Die Einleitung führt in das Thema der Normierung von Daten ein und erläutert die Notwendigkeit von Bezugsnormen für die Interpretation von Testergebnissen. Es werden verschiedene Bezugsnormen vorgestellt und deren Grenzen aufgezeigt. Die Definition des Begriffs "Normierung" wird im zweiten Kapitel erläutert. Dabei werden die Begriffe Zentrierung, Standardisierung und Normierung abgegrenzt und die Bedeutung der Normierung für die Vergleichbarkeit von Daten hervorgehoben.
Im dritten Kapitel werden drei verschiedene Normierungsverfahren vorgestellt: die Prozentrangskala, die z-Transformation und die Flächentransformation. Die Prozentrangskala ermöglicht einen Vergleich innerhalb der Stichprobe, während die z-Transformation einen Vergleich von Werten verschiedener Stichproben ermöglicht. Die Flächentransformation dient der Normalisierung einer schiefen Verteilung.
Schlüsselwörter
Die Schlüsselwörter und Schwerpunktthemen des Textes umfassen die Normierung von Daten, die Prozentrangskala, die z-Transformation, die Flächentransformation, die Normalverteilung, die Vergleichbarkeit von Daten, die Interpretation von Testergebnissen und die Möglichkeiten und Grenzen der Normierungsverfahren.
- Quote paper
- Henriette Kolbe (Author), 2014, Normierung von Daten. Möglichkeiten und Grenzen des Verfahrens, Munich, GRIN Verlag, https://www.grin.com/document/293088
