Lade Inhalt...

Der Einfluss neuer Informations- und Kommunikationstechnologien auf Schülerleistungen in der Bildungsproduktion

Diplomarbeit 2010 97 Seiten

VWL - Sonstiges

Leseprobe

Inhaltsverzeichnis

1 Einleitung

2 Bildungsproduktionsfunkion
2.1 Hintergründe
2.2 Erweiterung um neue Informations- und Kommunikationstechnologien
2.3 Mögliche Wirkungskanäle der Technologien

3 Literaturüberblick
3.1 Analyse bereits vorhandener Daten
3.2 Natürliche Experimente
3.3 Experimente

4 PISA-Test und Daten
4.1 Hintergründe zum PISA-Test
4.2 Verwendete Daten
4.3 Deskriptive Statistiken

5 Motivation: Bivariate Evidenzen
5.1 Identifikation möglicher Zusammenhänge
5.2 Zwischenergebnis

6 Empirisches Vorgehen
6.1 Empirisches Modell
6.2 Grenzen der Interpretation

7 Ergebnisse der multivariaten Schätzungen
7.1 Hauptergebnisse
7.1.1 Allgemeine Computernutzung
7.1.2 Nutzungsfrequenz bei ausgewählten Anwendungen
7.1.3 Vertrautheit mit ausgewählten Anwendungen .
7.2 Unterschiede zwischen den Geschlechtern
7.3 Analyse für Deutschland
7.4 Analyse unterschiedlicher Ländergruppen
7.4.1 Geographische Einteilung
7.4.2 Einteilung nach technologischem Fortschritt
7.5 Einfluss des sozioökonomischen Hintergrunds

8 Zusammenfassung

Literaturverzeichnis

Anhang

Abbildungsverzeichnis

1 Kompetenzwerte und Anzahl der Heimcomputer

2 Kompetenzwerte und Zeitraum der Computernutzung

Tabellenverzeichnis

1 Deskriptive Statistiken: Kompetenzwerte

2 Deskriptive Statistiken: Allgemeine Computernutzung

3 Deskriptive Statistiken: Nutzungsfrequenz des Computers und Internet

4 Deskriptive Statistiken: Vertrautheit mit Computer und Internet

5 Bivariate Schätzungen: Kompetenzwerte und Nutzungsfrequenz ausgewähl ter Anwendungen

6 Bivariate Schätzungen: Kompetenzwerte und Vertrautheit mit ausgewähl ten Anwendungen

7 Übersicht über Kontrollvariablen

8a Hauptergebnisse: Kompetenzwerte im Bereich Naturwissenschaft und

allgemeine Computernutzung

8b Hauptergebnisse: Kompetenzwerte im Bereich Lesen und allgemeine Com puternutzung

8c Hauptergebnisse: Kompetenzwerte im Bereich Mathematik und allge- meine Computernutzung

9 Hauptergebnisse: Kompetenzwerte und Nutzungsfrequenz ausgewählter Anwendungen

10 Hauptergebnisse: Kompetenzwerte und Nutzungsfrequenz (Indizes)

11 Hauptergebnisse: Kompetenzwerte und Vertrautheit mit ausgewählten Anwendungen

12 Hauptergebnisse: Kompetenzwerte und Vertrautheit (Indizes)

13 Nach Geschlecht: Kompetenzwerte und allg. Computernutzung

14 Nach Geschlecht: Kompetenzwerte und Nutzungsfrequenz (Indizes)

15 Nach Geschlecht: Kompetenzwerte und Vertrautheit (Indizes)

16 Deutschland: Kompetenzwerte und allgemeine Computernutzung

17 Deutschland: Kompetenzwerte und Nutzungsfrequenz ausgewählter An- wendungen

18 Geographische Einteilung der Länder

19 Nach Ländergruppen: Kompetenzwerte und allgemeine Computernutzung

20 Nach Ländergruppen: Kompetenzwerte und Nutzungsfrequenz (Indizes)

21 Nach Ländergruppen: Kompetenzwerte und Vertrautheit (Indizes) .

22 Einteilung der Länder nach technologischem Fortschritt

23 Nach Tiers: Kompetenzwerte und allgemeine Computernutzung

24 Nach Tiers: Kompetenzwerte und Nutzungsfrequenz (Indizes)

25 Nach Tiers: Kompetenzwerte und Vertrautheit (Indizes)

26 Kompetenzwerte und allgemeine Computernutzung in Interaktion mit sozioökonomischen Status

A1 Kompetenzwerte im Bereich Naturwissenschaft und Einflussfaktoren

A2 Ländereinteilung nach technologischem Fortschritt (detailliert)

1 Einleitung

Der Übergang von Industrie- zur Wissensgesellschaft, der sich zu Beginn des 21. Jahr- hunderts vollzog, beruht überwiegend auf der Entwicklung der neuen Informations- und Kommunikationstechnologien (IKT)1. Dazu zählen vor allem der Computer und das Internet. Unbestritten ist wohl, dass diese Medien die heutige Gesellschaft geprägt und auch verändert haben. So hatten in Deutschland im Jahr 2008 bereits über 75% der Bevölkerung Zugang zum Internet2. Dies ist nicht verwunderlich, da das Internet eine Vielzahl an Möglichkeiten bietet. So können damit beispielsweise Informationen in Sekundenschnelle gefunden und verbreitet werden. Ebenfalls existieren neue Kom- munikationsmöglichkeiten wie E-Mail oder Chat und neue Vertriebskanäle wie Online- Shopping3.

Neben den Vorteilen, die das Internet im Alltag bietet, hat dieses auch eine hohe Relevanz für die wirtschaftliche Entwicklung eines Landes. So zeigen Czernich et al. (2009), dass insbesondere der Ausbau des Breitbandinternets zum Wachstum des Brut- toinlandsproduktes in verschiedenen Länder beigetragen hat. Die Autoren betrachten 25 OECD Staaten zwischen den Jahren 1996 und 2007 und kommen zu dem Ergeb- nis, dass eine Erhöhung der Breitbandpenetration um zehn Prozentpunkte mit einer Steigerung des jährlichen Pro-Kopf Wachstums um 0,9 bis 1,5 Prozentpunkte einher ging.

Außerdem hat bereits im Jahr 2000 das deutsche Bundesministerium für Bildung und Forschung Chancen in der Nutzung der neuen Medien für das Bildungswesen ge- sehen. Schüler können damit besser auf zukünftige private und berufliche Herausforde- rungen vorbereitet, ein selbstständigeres und ortsunabhängiges Lernen ermöglicht und neuartige kooperative Lehr- und Lernmethoden entwickelt werden.4 Ob der Einfluss der neuen Informations- und Kommunikationstechnologien tatsächlich auch Auswirkungen auf die Leistung von Schülern hat, wird in dieser Arbeit geklärt. Dafür werden die Da- ten des Programme for International Student Assessment (PISA) aus dem Jahr 2006 verwendet. Dieser internationale Test erfasst neben der Schülerleistung und dem fami liären und schulischen Hintergrund der getesteten Schüler auch Daten zur Vertrautheit und dem Gebrauch der neuen Medien zu Hause sowie in der Schule und eignet sich daher besonders zur Untersuchung möglicher Zusammenhänge.

Warum die Leistung beziehungsweise die Bildung von Schülern überhaupt eine wichtige Rolle für die wirtschaftliche Entwicklung eines Landes spielt, wurde erst im Laufe des 20. Jahrhundert geklärt. Die neoklassische Wachstumstheorie, welche langfristiges Wachstum einer Volkswirtschaft erklären soll, wurde vor allem von Solow (1956) und Swan (1956) geprägt. Hier gehen in die Produktionsfunktion lediglich die Faktoren physisches Kapital, Arbeit und technischer Fortschritt ein. Letzteres ist die einzige Determinante von Wirtschaftswachstum und gemäß Annahme ein exogener Faktor. Ausgebaut wurde diese Theorie unter anderem durch Mankiw et al. (1992), die den Faktor Humankapital in die Produktionsfunktion integrierten.

In Folge der Kritik, dass die neoklassische Wachstumstheorie die Produktionsfak- toren als exogen gegeben sieht, entwickelte sich die endogene Wachstumstheorie. Dazu gehören unter anderem die Modelle von Lucas (1988) und Romer (1990). Beide Bei- träge schreiben dem Humankapital eine wichtige Rolle zu. Das langfristige Wachstum einer Volkswirtschaft wird von deren technologischen Entwicklungen determiniert. Da- bei ist im F&E-Bereich der Faktor Humankapital von entscheidender Bedeutung. Um dieses zu vergrößern und damit die Innovationsfähigkeit der Bevölkerung zu verbes- sern, ist Bildung notwendig.5 Dass durch Bildung die Produktivität eines Individuums verbessert und damit der Stock des Humankapitals vergrößert wird, beruht auf der Humankapitaltheorie, die vor allem von Schultz (1961) geprägt wurde. Neben der Ent- wicklung von neuem Wissen hilft Bildung auch bei der Adaption und Implementierung von Wissen, welches von anderen Wirtschaftsakteuren kreiert wurde.6

Die endogene Wachstumstheorie zeigt also, dass Bildung wichtig für das wirtschaft- liche Wachstum eines Landes ist7. Allerdings hat gute schulische Leistung auch auf in- dividueller Ebene eine hohe Relevanz. Ein höheres Bildungsniveau trägt dazu bei, dass gemäß der Humankapitaltheorie ein Individuum produktiver ist und damit einen höher- en Lohn erzielen kann. Ausgehend von Mincer (1974), welcher als erster die Erträge von Bildung, gemessen in absolvierten Schuljahren, empirisch geschätzt hat, bestäti gen dies unter anderem auch Angrist und Krueger (1991) und Ashenfelter und Rouse (1998). Neben höheren Löhnen gibt es diverse weitere private Erträge, die aus einer guten Bildung resultieren. Dazu zählen unter anderem bessere Gesundheit, erhöhte politische Partizipation und eine niedrigere Wahrscheinlichkeit der Arbeitslosigkeit.8

Die positive Wirkung von Bildung liegt damit klar auf der Hand. Daher ist die Su- che nach Faktoren, welche die schulische Leistung von Jugendlichen verbessern können, folgerichtig und wichtig für die Gesellschaft. In dieser Arbeit wird gezeigt, dass die neu- en Informations- und Kommunikationstechnologien tatsächlich dazu beitragen können. Insbesondere die Anzahl der verfügbaren Heimcomputer und die zeitliche Erfahrung im Umgang mit einem Computer weisen eine positive Korrelation mit dem Bildungs- ergebnis auf. Des Weiteren wird für computergestützte Anwendungen, welche ebenfalls für schulische Zwecke eingesetzt werden können, ein positiver Einfluss auf die Leistung von Schülern gefunden. Dagegen geht offenbar von Aktivitäten, die einen erhöhten Zeitbedarf für einen sicheren Umgang erfordern, eine negative Wirkung aus.

Der Aufbau dieser Arbeit gestaltet sich wie folgt: In Kapitel 2 wird das Kon- zept der Bildungsproduktionsfunktion, zusammen mit einer Erweiterung um die neuen Informations- und Kommunikationstechnologien und deren Wirkungsweisen, beschrie- ben. Anschließend gibt Kapitel 3 einen Überblick über die Literatur, die den Einfluss der neuen Medien auf die Leistung von Schülern untersucht. Kapitel 4 stellt Hinter- grundinformationen zum PISA-Test bereit und erläutert die in der Analyse verwende- ten Daten, gefolgt von deskriptiven Statistiken. Kapitel 5 zeigt die Ergebnisse erster bivariaten Schätzungen. In Kapitel 6 wird das empirische Vorgehen und die sich daraus ergebenen Restriktionen der multivariaten Analyse dargestellt. Die Ergebnisse dieser finden sich in Kapitel 7, zusammen mit weiteren Detailanalysen. Kapitel 8 fasst die Resultate zusammen.

2 Bildungsproduktionsfunkion

Um einen Zusammenhang zwischen der Leistung von Schülern und dem Einsatz der neuen Informations- und Kommunikationstechnologien empirisch schätzen zu können, wird meist das Konzept der Bildungsproduktion verwendet. Zunächst werden die Hinter- gründe der Bildungsproduktionsfunktion vorgestellt. Anschließend soll diese in Verbin dung mit den neuen Technologien gebracht werden. Danach wird anhand von möglichen Wirkungskanälen erläutert, in welcher Weise sich die Verwendung dieser Technologien auf das Bildungsergebnis auswirken kann.

2.1 Hintergründe

Die Idee der Bildungsproduktionsfunktion ist, dass Bildung9 mit einem Prozess in der Güterproduktion vergleichbar ist, wie er in anderen Bereichen der Volkswirtschaftslehre verwendet wird. Die folgende Darstellung beruht auf Hanushek (1986), S. 1149ff.

Coleman et al. (1966) waren die ersten, die dieses Konzept angewendet und damit Aufmerksamkeit erzielt haben. In diesem sogenannten Coleman Report wurde die Leistung von mehr als 500.000 Schülern in den USA bezüglich des Einflusses ihres Umfeldes und der Ressourcen ihrer Schulen untersucht. Daraufhin gab es eine Vielzahl von Studien, die eine ähnliche Vorgehensweise verwendet haben.

Bei diesem Vorgehen wird angenommen, dass der Output, also die Leistung eines Schülers zu einem bestimmten Zeitpunkt, eine Funktion verschiedener Inputfaktoren ist. Der Output des Bildungsprozesses wird meist durch standardisierte Leistungstests erfasst. Es werden aber auch andere Outputmaße verwendet, zum Beispiel Noten, Schul- abschluss und Anwesenheit. Allerdings ist der Output der Bildung kein homogenes Gut, wie es in den meisten klassischen Produktionsfunktionen der Fall ist, sondern ein Zusammenwirken verschiedenster Faktoren, wie zum Beispiel Lesekompetenzen, ana- lytisches Denken oder auch soziale Kompetenzen. Kein Outputmaß allein kann somit das Ergebnis des Bildungsprozesses vollständig abbilden. Als Annäherung werden in den meisten Fällen die Ergebnisse aus standardisierten Tests verwendet. Sie haben den Vorteil, dass sie oft in vielen Ländern durchgeführt werden und damit international vergleichbar sind. Darüber hinaus haben sie das Ziel, verschiedene Kompetenzen mit einem einzigen Test zu messen.

Die Inputfaktoren kann man in zwei Kategorien unterteilen. Zum Einen gibt es Faktoren, die vom Staat nicht direkt beeinflussbar sind. Dazu zählt vor allem der sozioökonomische Hintergrund der Schüler. Darunter fallen neben den individuellen Charakteristika der Schüler, also Alter und Geschlecht, der familiäre Hintergrund, wie Bildung und Anstellungsverhältnis der Eltern, Einkommen und Haushaltsgröße. Zum sozioökonomischen Hintergrund zählt auch das nicht-familiäre Umfeld der Schüler, also zum Beispiel die Eigenschaften der Mitschüler. Zum Anderen gibt es vom Staat direkt beeinflussbare Faktoren, wie die monetäre und materielle Ausstattung der Schulen, die Charakteristika der Lehrer und die schulische Organisation. Des Weiteren spielen institutionelle Rahmenbedingungen des Landes eine Rolle. Darunter fallen Faktoren wie externe Abschlussprüfungen und schulische Autonomie. Es wird angenommen, dass der Bildungsvorgang ein kumulativer Prozess ist. Dies bedeutet, die Inputfaktoren aus der Vergangenheit addieren sich und spiegeln sich somit in der Leistung der Schüler zum jetzigen Zeitpunkt wider.

2.2 Erweiterung um neue Informations- und Kommunikations- technologien

Wie soeben beschrieben, ist der Output der Bildungsproduktionsfunktion die Leistung von Schülern, die meist durch standardisierte Schülerleistungstests erfasst wird. Inputfaktoren sollten dabei möglichst alle Variablen sein, von denen vermutet wird, dass sie einen Einfluss auf die Leistungen von Schülern haben. Hanushek (2007) vergleicht eine Vielzahl von Studien, die das Konzept der Bildungsproduktionsfunktion verwenden. Er stellt fest, dass es in der Literatur keinen klaren Zusammenhang zwischen der Ressourcenausstattung der Schulen und den Leistungen der Schüler gibt. Den größten Einfluss auf die Leistung hat dagegen das soziale Umfeld eine Schülers.

Da in dieser Arbeit ein Einfluss von Informations- und Kommunikationstechnologien auf das Bildungsergebnis angenommen wird, könnte in Anlehnung an Wößmann (2001), S. 288 eine Bildungsproduktionsfunktion folgende Form annehmen:

Schülerleistung=f(IKT, sozio ö konomischer Hintergrund, Ressourcen, Institutionen)

Die Leistung eines Schülers ist damit eine Funktion der im vorherigen Abschnitt genannten Faktoren. Die zusätzliche Variable IKT steht dabei allgemein für alle Varia- blen, die im Zusammenhang mit dem Einsatz von Informations- und Kommunikations- technologien stehen. Denkbar hierfür sind die Verfügbarkeitkeit eines Heimcomputers, Zugang zum Internet oder der Einsatz von Lernprogrammen. In konkreten empiri- schen Schätzungen sind die Beta-Koeffizienten der IKT-Variablen von Interesse. Diese geben an, welchen Einfluss die Informations- und Kommunikationstechnologien auf die Leistung eines Schülers haben.

Wie diese Technologien tatsächlich wirken können, soll im nächsten Abschnitt dargestellt werden. Dabei werden auch nicht-ökonomische Beiträge berücksichtigt.

2.3 Mögliche Wirkungskanäle der Technologien

Eine positive Wirkung der Informations- und Kommunikationstechnologien auf die Leistung der Schüler ist sicherlich möglich, wenn die Schüler die Technologien, zum Beispiel Textverarbeitungsprogramme und das Internet, überwiegend für schulische Zwecke zu Hause verwenden.10

In Beltran et al. (2007) geben unter den betrachteten Schülern, die einen Heimcomputer besitzen, nahezu alle an, dass sie diesen für schulische Aufgaben nutzen. Rund 70% der Befragten verwenden Textverarbeitungsprogramme und immerhin 45% Bildbearbeitungssoftware. Die Verwendung des Computers kann also dabei helfen, schulische Arbeiten effektiver und effizienter durchzuführen.11

ÄhnlicheskannbeimEinsatzdes Internets für schulische Zwecke beobachtet werden. Lenhart et al. (2001) ermitteln in einer Umfrage aus dem Jahr 2000 unter rund 750 Schülern in den USA, dass von dem Teil der Schüler, der Zugang zum Internet hat, ein Großteil das Internet für Hausaufgaben und schulische Recherchen verwendet. Auch zum Austausch mit Klassenkameraden und Lehrern über schulische Themen wird das Internet via E-Mail oder Instant Messaging genutzt.

Warschauer und Matuchinak (2010), S. 206ff merken zudem an, dass durch eine verbesserte Vertrautheit mit den neuen Technologien, andere Fähigkeiten und Kompe- tenzen erworben und verbessert werden können, die nicht unbedingt durch standardi- sierte Leistungstests oder Noten gemessen werden können. Dazu zählen unter anderem Kreativität, Innovationsfähigkeit, Flexibilität und Anpassungsfähigkeit. Des Weiteren argumentieren sie, dass sich die Fähigkeiten, die aus einem guten Umgang mit Compu- tern resultieren, zusätzlich auch positiv auf die schulischen Leistungen niederschlagen können.

Auch die Verwendung von Lernprogrammen, welche Schüler beim Erlernen von schulischen Wissen unterstützen sollen, kann sich positiv auf die Schülerleistung aus wirken. Allerdings stellen beispielsweise Malamud und Pop-Eleches (2010), S. 9 in ihrer Studie fest, dass trotz des Angebots kostenloser Lernprogramme, nur ein sehr geringer Anteil der Familien überhaupt ein solches Programm auf ihren Heimcomputern installiert hat. Das Problem hierbei ist daher, dass diese Programme bisher zu wenig akzeptiert und somit genutzt werden.

Die neuen Technologien können aber auch einen negativen Einfluss auf die Leistung von Schülern haben. Dies entsteht durch die mögliche Ablenkung von schulischen Aktivitäten, die Computer und Internet bieten können.

Unter den befragten Schülern aus der Studie von Beltran et al. (2010) geben knapp dreiviertel der Heimcomputer-Nutzer an, ihren PC regelmäßig zum Spielen zu verwen- den. Eine weitere Quelle der Ablenkung geht besonders von den Möglichkeiten des In- ternets aus. Cooper und Gallagher (2004) stellen fest, dass besonders seit Ausbreitung des Breitbandinternets die tägliche Nutzung stark zugenommen hat. Die Möglichkeiten der Ablenkung im Internet sind beispielsweise Online-Spiele, Musik- und Videoportale, Blogs und Foren, private Kommunikation via E-Mail, Chat oder Instant Messaging und Soziale Netzwerke.

Insbesondere Letzteres erfreut sich in den vergangenen Jahren einer stark wachsen- der Beliebtheit. So überschritt das im Jahr 2004 gegründete Soziale Netzwerk Facebook im Juli 2010 die Marke von weltweit 500 Millionen Mitgliedern12, wovon ein nicht unerheblicher Anteil Schüler sind. Der durchschnittliche amerikanische Internetnutzer verbringt heute 14 Minuten täglich auf Facebook13. Dies deutet darauf hin, dass die Plattform tatsächlich eine Ablenkungsmöglichkeit gegenüber schulischen Aktivitäten darstellen kann.

Einen negativen Effekt können die neuen Technologien somit gemäß Vigdor und Ladd (2010), S. 10 auf verschiedene Art und Weisen haben: Sie reduzieren die tatsäch- liche Lernzeit, wie gerade beschrieben. Außerdem nehmen die sozialen Aktivitäten des normalen Lebens ab. Jugendliche könnten zum Beispiel lieber über das Internet in- teragieren als sich tatsächlich zu treffen. Und schließlich können auch gesundheitliche Probleme entstehen, wenn die Schüler zu viel Zeit vor dem Computer verbringen und sich deshalb weniger bewegen.14 All diese Faktoren wirken sich unter Umständen auch negativ auf die Leistung von Schülern aus.

Des Weiteren können durch den Einsatz des Computers im Unterricht andere, unter Umständen effizientere, Lehrmethoden verdrängt werden.15 Da der Einsatz der neuen Technologien meist teurer als traditionelle Unterrichtsmethoden ist, kann dies auch aus monetärer Sicht ein negativer Aspekt sein, wenn trotz neuer Medien im Unterricht, keine besseren Leistungen der Schüler erzielt werden. Außerdem besteht durch das Internet die erhöhte Gefahr, dass Schüler dieses zum Betrug nutzen, zum Beispiel durch Erstellung von Plagiaten bei Schularbeiten.16

Welche der gerade beschrieben Aspekte den stärksten Einfluss haben, ist nicht ein- deutig. Damit ist die Wirkungsrichtung des Einsatzes der neuen Technologien unbe- stimmt. Im folgenden Kapitel werden nun Beiträge aus der empirischen Wirtschafts- forschung vorgestellt, in denen die Autoren versuchen, den konkreten Einfluss der Informations- und Kommunikationstechnologien auf die Leistung von Schülern quan- titativ zu messen.

3 Literaturüberblick

Die Herausforderung bei der Untersuchung der Auswirkungen von Informations- und Kommunikationstechnologien ist die Identifikation einer Beziehung zwischen dem Einsatz dieser Technologien und den Schülerleistungen, welche nicht durch weitere unbeobachtbare Faktoren verzerrt ist.

In der Literatur lassen sich bisher überwiegend drei verschiedene Vorgehensweisen beobachten: Zum Einen werden bereits vorhandene Daten, welche aus Tests beziehungs- weise Interviews gewonnen werden, auf mögliche Zusammenhänge analysiert. Zum An- deren werden die Auswirkungen natürlicher Experimente untersucht. Hier werden die Folgen von Politikmaßnahmen genutzt, die eine exogene Variation in der Verwendung der neuen Technologien erzeugen. Eine weitere Methodik sind Experimente. Dabei wird zufällig ein Teil einer Population ausgewählt, welcher beispielsweise eine bevorzugte Behandlung in der Computernutzung erhält (Behandlungsgruppe), und die Auswirkungen mit dem anderen Teil der Population, bei dem keine Maßnahme durchgeführt wird (Kontrollgruppe), verglichen.

Alle drei Vorgehensweisen sollen anhand von Beispielen aus der Literatur genauer erläutert und deren Grenzen aufgezeigt werden. Die Darstellung erfolgt dabei chrono- logisch.

3.1 Analyse bereits vorhandener Daten

Fuchs und Wößmann (2004) analysieren die Ergebnisse des PISA-Tests aus dem Jahr 2000. Die Schüler füllen neben dem PISA-Test einen Fragebogen aus, der unter an- derem ihr soziales Umfeld und die Verfügbarkeit von Computern in der Schule und zu Hause abfragt.17 Die Autoren führen verschiedene multivariate Schätzungen durch, mit Hilfe derer sie den Einfluss der Verfügbarkeit von Computern auf die Testergeb- nisse in den Gebieten Mathematik und Lesen analysieren. Unter Einbezug diverser Kontrollvariablen, die neben Schülercharakteristika auch den sozialen Hintergrund der Schüler, Ressourcenausstattung der Schulen und institutionelle Rahmenbedingungen berücksichtigen, kommen die Autoren zu dem Ergebnis, dass der Einsatz von Compu- tern zu Hause eine negative Wirkung auf die Schülerleistung hat. Die Verwendung in der Schule hat dagegen keinen Einfluss auf die Testergebnisse.

Beltran et al. (2007) konzentrieren sich auf den Heimcomputer. Mit Hilfe des US- amerikanischen Datensatzes CPS Computer and Internet Use Supplements (CIUS), welcher mit dem Monthly Basic files to the Courrent Population Survey (CPS) und dem National Longitudinal Survey of Youth 1997 (NLSY97) verknüpft wurde, un- tersuchen sie überwiegend den Einfluss des Besitzes eines Computers zu Hause auf die Wahrscheinlichkeit, einen High School Abschluss zu erlangen, aber auch auf No- ten, Schulverweise und kriminelle Aktivitäten. Um eine Verzerrung unbeobachtbarer Faktoren zu minimieren, werden eine Vielzahl an Kontrollvariablen zu individuellen, familiären und weiteren Charakteristika in die Schätzungen aufgenommen. Zudem ver- wenden Beltran et al. (2007) verschiedene empirische Vorgehensweisen: Neben Probit- Schätzungen kommen unter anderem bivariate Probitschätzungen und Instrumentalva- riablenansätze zum Einsatz. Die Autoren kommen zu dem Ergebnis, dass bei Schülern mit einem Heimcomputer eine deutlich höhere Wahrscheinlichkeit zu beobachten ist, einen High School Abschlusses zu erlangen, als ohne Computer. Außerdem wird ein klar positiver Zusammenhang zwischen Heimcomputern und Noten und ein klar ne- gativer mit Schulverweisen gefunden. Eine negative Beziehung wird zwischen Compu- terverfügbarkeit und Jugendkriminalität gefunden, welche aber je nach Spezifikation statistisch insignifikant ist.

Eine weitere Analyse führen Vigdor und Ladd (2010) mit Daten aus den Jahren 2000 bis 2005 aus North Carolina durch. Hier absolvieren die Schüler der fünften bis achten Klasse einen Jahresabschlusstest in Mathematik und Lesen und beantworten darüber hinaus einen Fragebogen, in dem unter anderem erfasst wird, wie sie ihre Freizeit verbringen und wie oft sie einen Computer für ihre Hausaufgaben benutzen. Zusätzlich betrachten sie die Entwicklung der Breitbandanschlüsse in North Caroli- na. Sie kommen zu dem Ergebnis, dass Schüler mit Zugang zu einem Heimcomputer besser in den Fächern Mathematik und Lesen abschneiden. Dies lässt sich allerdings damit erklären, dass Vigdor und Ladd (2010) nicht für das soziale Umfeld der Schüler kontrollieren, was die Schätzungen vermutlich verzerrt.18 Das Breitbandinternet hat dagegen keine Auswirkungen auf die Schülerleistungen. Sie untersuchen auch, wie sich die Leistungen der Schüler im Zeitverlauf entwickeln und stellen fest, dass Schüler, die innerhalb des Testzeitraumes einen Computer erhalten, schlechtere Ergebnisse er- zielen. Auch die Einführung von Breitbandinternet scheint im Zeitverlauf mit einer schlechteren Leistung einherzugehen.

Problematisch bei der Analyse von bestehenden Datensätzen ist, dass nie völlig ausgeschlossen werden kann, dass es weitere unbeobachtbare Faktoren gibt, die in den Schätzungen unberücksichtigt geblieben sind. Trotz Aufnahme diverser Kontrollvariablen sind damit die Ergebnisse der Schätzungen immer mit Vorsicht zu interpretieren. Beltran et al. (2007) haben aus diesem Grund weitere empirische Schätzvarianten verwendet, um die Möglichkeit einer Verzerrung zu minimieren.

3.2 Natürliche Experimente

Die meisten Beiträge in der Literatur machen sich Maßnahmen zu Nutze, die für einen Teil der Bevölkerung eine Begünstigung in der Ausstattung mit Computern hervorrief. Damit wird eine exogene Variation in der Computernutzung erzeugt, die unabhängig von den bisherigen Testergebnissen der Schüler ist.

So nutzen Angrist und Lavy (2002) die Tatsache, dass die israelische Staatslotterie gemeinsam mit der Politik ab dem Jahr 1994 das Tomorrow-98 Programm in Grund- und weiterführenden Schulen startete. Hierbei wurden die Schulen mit Hard- und Soft- ware ausgestattet und Fortbildungen für Lehrer organisiert, damit diese die Computer in ihrem Unterricht einsetzen konnten. Zur Messung der Auswirkungen wurden zusätz- lich Schülertests in Mathematik und Hebräisch entwickelt und Fragebögen an Schüler und Lehrer verteilt. Angrist und Lavy (2002) verwenden einen Instrumentalvariablen- ansatz und stellen fest, dass nach der Maßnahme deutlich mehr Lehrer Computer in ihrem Unterricht einsetzten, was aber nicht die Schülerleistung verbesserte. In der vierten Klasse finden sie eine negative, aber nur marginal signifikante Beziehung zwi- schen der erhöhten Computernutzung im Unterricht und den Ergebnissen der Tests in Mathematik. In den übrigen Klassen und Fächern sind die Schätzungen statistisch insignifikant.

In den Niederlanden wurde im Jahr 2000 ein Programm auferlegt, dass jeder Schule, in der mindestens 70% benachteiligte19 Schüler eingeschrieben waren, eine Einmalzah- lung von $90 pro Schuler sicherte, die allerdings für Hard- und Software-Material einge- setzt werden sollte. Leuven et al. (2007) nutzen diese Subvention zusammen mit einem standardisierten jährlichen Test, um die Auswirkung der besseren Computerausstat- tung zu analysieren. Dafür wird ein Regression-Discontinuity Design angewendet. Es werden also die durchschnittlichen Testergebnisse der Schulen knapp unter- und über- halb der 70%-Benachteiligungsgrenze verglichen, da man hier davon ausgehen kann, dass die Charakteristika der Schulen, bis auf die Ausstattung mit Computern, sehr ähn- lich sind, was einen Vergleich zulässt. Zusammen mit einen Difference-in-Differences Ansatz, mit dem die Ergebnisse vor und nach der Subvention verglichen werden, fin- den die Autoren keinen positiven Zusammenhang zwischen der besseren Computer- ausstattung und den Testergebnissen. Alle Ergebnisse sind negativ, aber statistisch insignifikant.

Ebenfalls ein Regression-Discontinuity Design verwenden Goolsbee und Guryan (2007). Sie betrachten die Auswirkungen des E-Rate Programms in Kalifornien, welches ab 1998 Internet- und Kommunikationsinvestitionen in Schulen subventionierte. Die Höhe richtete sich dabei nach dem Anteil der Schüler, die kostenloses Mittagessen erhalten. Hierbei wurden Grenzen festgelegt, nach denen sich die Höhe der Subvention richtet. Diese Schwellenwerte dienen zum Vergleich der Auswirkungen des Programms, wobei die Daten zur Leistung der Schüler aus dem jährlichen Standford Achievement Test stammen. Goolsbee und Guryan (2007) stellen fest, dass die Subventionen genutzt wurden und sich die Zahl der Internetanschlüsse pro Klassenzimmer stark erhöhte. Allerdings wird keine Verbesserung der Schülerleistung beobachtet. Alle Schätzungen sind auch hier statistisch insignifikant.

Im Jahr 2001 fand in England eine Politikänderung statt, die dazu führte, dass ein Teil der Schulbezirke im Verhältnis mehr Geld für Informations- und Kommunika- tionstechnologien zur Verfügung hatte und der andere Teil im Verhältnis weniger. Die Tatsache, dass diese Maßnahme Gewinner und Verlierer erzeugte, machen sich Machin et al. (2007) zu Nutzen. Sie verwenden die Politikmaßnahme für einen Instrumental- variablenansatz, um zu schätzen, wie sich die Ausgaben pro Schüler für Informations- und Kommunikationstechnologien in den Leistungen der Schüler widerspiegeln. Als Er- gebnis finden sie hier einen klar positiven Zusammenhang zwischen den Ausgaben pro Schüler und den Leistungen in Englisch und eine positive, aber schwach signifikante, Beziehung mit den Leistungen in den Naturwissenschaften. Für das Fach Mathematik wird kein Zusammenhang gefunden.

In einer aktuellen Studie untersuchen Malamud und Pop-Eleches (2010) die Aus- wirkungen des Euro 200 Programms, welches in den Jahren 2004 bis 2008 in Rumänien durchgeführt wurde. Dabei bekamen arme Familien einen 200 Euro Gutschein, womit sie sich einen Heimcomputer kaufen konnten. Es stand jedes Jahr ein gewisses Kontin- gent an Gutscheinen zur Verfügung, wobei dieses immer den Familien mit den nied- rigsten Pro-Kopf-Einkommen zustand. Wenn das Kontingent erschöpft war, wurden keine weiteren Gutscheine mehr ausgegeben. Damit ergibt sich eine Grenze, an der die Familien in ihren Eigenschaften nahezu gleich waren und sich nur in der Ausstattung mit Computern unterschieden. Dies ermöglicht den Autoren wiederum, ein Regression- Discontinuity Design zu verwenden. Die Noten der Kinder wurden über Eltern- und Schülerinterviews erfragt. Zudem absolvierten die Schüler Tests zur Vertrautheit mit Computern und kognitiven Fähigkeiten. In den Fächern Mathematik, Englisch und Rumänisch wird eine signifikant negative Beziehung zwischen Noten und dem Erhalt des Gutscheins gefunden. Dies lässt sich damit erklären, dass die Computer kaum für schulische Anwendungen verwendet wurden, sondern überwiegend für Computerspiele. Allerdings beobachten Malamud und Pop-Eleches (2010) einen positiven Zusammen- hang zwischen dem Erhalt des Gutscheins und der Vertrautheit mit Computern und kognitiven Fähigkeiten.

Auch bei natürlichen Experimenten ist nicht ganz auszuschließen, dass es durch unbeobachtbare Faktoren zu Verzerrungen kommen kann, da die betrachteten Personen nicht zufällig ausgewählt wurden. Dies kann nur in Experimenten gewährleisten werden, worauf der nächste Abschnitt eingeht.

3.3 Experimente

In einem Experiment werden die Teilnehmer rein zufällig einer Behandlungs- und einer Kontrollgruppe zugeteilt. Damit sind hier Verzerrungen durch unbeobachtbare Faktoren nahezu auszuschließen, wenn die Stichprobe groß genug ist und die Ergebnisse können als kausaler Effekt interpretiert werden.

Rouse und Krueger (2004) untersuchen die Auswirkung des Einsatzes des Lernpro- grammes Fast ForWord (FFW), welche die Sprach- und Lesefähigkeiten der Schüler verbessern soll. Dabei betrachten sie vier Schulen aus einem Schulbezirk im Nordosten der USA im Schuljahr 2001/2002. In diesen Schulen wurde unter den Schülern, die für die Studie in Betracht kamen, ein Teil zufällig ausgewählt, der FFW verwenden sollte. Der andere Teil der Schüler wurde mit traditionellen Methoden unterrichtet. Die Sprach- und Lesefähigkeiten wurden mit vier verschiedenen Tests ermittelt. Mit Hilfe eines Instrumentalvariablenansatzes wird der Effekt der tatsächlichen Teilnahme an dem Programm identifiziert. Das Resultat ist, dass sich nur bei einem der vier Tests und dabei nur in Teilbereichen eine signifikante Verbesserung abzeichnet. Die übrigen Testergebnisse zeigen keine Veränderung durch den Einsatz der Software.

Ein anderes Experiment untersuchen Banerjee et al. (2007). In Indien wurden im Jahr 2000 je vier Computer an Grundschulen ausgeben. Dabei wurden die Schulen, die Computer erhielten, zufällig ausgewählt und bildeten damit die Beobachtungsgruppe.

Zusätzlich gab es eine Kontrollgruppe, die noch keine Computer bekam. Den Schülern wurde ermöglicht, jede Woche 2 Stunden zusammen mit einem anderen Schüler ein Computerspiel zu spielen, in dem mathematische Probleme zu lösen waren. Die Lei- stungen der Schüler wurden in Tests zu Beginn und am Ende der Schuljahre 2002/2003 und 2003/2004 festgehalten. Die Schüler der Beobachtungsgruppe schneiden in den er- sten zwei Jahren nach Einführung signifikant besser in Mathematik ab als die der Kon- trollgruppe. Im Langzeitvergleich nimmt der Effekt ab, ist aber immer noch positiv. Es muss allerdings angemerkt werden, dass diese Resultate in einem Entwicklungsland beobachtet wurden. Man kann anzweifeln, dass diese auch direkt auf Industrienationen übertragbar sind. In Entwicklungsländern sind zum Beispiel die Klassen meist deutlich größer als in Industrieländern. Daher ist es in Entwicklungsländern schwierig, dass sich Lehrer um einzelne Schüler kümmern können und somit ist dort ein mathematisches Lernprogramm in Grundschulen vermutlich effizienter, um beispielsweise die Grund- rechenarten zu erlernen. Dies geschieht in Industrienationen in kleineren Klassen mit Hilfe direkter Schüler-Lehrer-Interaktion.

Sehr ähnlich wie Rouse und Krüger (2004) gehen Barrow et al. (2009) vor. Bei ih- rem Experiment wurde ein Teil eines Sets an ausgewählten Klassen zufällig bestimmt, die das Programm I Can Learn im Unterricht verwenden. Diese Software ist für den Einsatz in Mathematik, insbesondere Algebra, gedacht und erlaubt jedem Schüler, in einer ihm angepassten Geschwindigkeit den Stoff zu lernen. Der andere Teil der Klassen wurde wiederum traditionell unterrichtet. Die Klassen stammen aus drei Schulbezir- ken aus verschiedenen Gebieten der USA. Die Auswertung fand in den Schuljahren 2003/2004 und 2004/2005 statt. Um die Leistungen der Schüler zu messen, wurde ein spezieller Test entwickelt. Auch hier wird ein Instrumentalvariablenansatz angewen- det, um den Effekt des tatsächlichen Einsatzes der Software zu bestimmen. Es wird ein klar positiver und signifikanter Zusammenhang zwischen dem Einsatz von I Can Learn und den Ergebnissen der Schülertests gefunden. Barrow et al. (2009) vermuten, dass sich dieses positive Resultat damit erklären lässt, dass neben der angepassten Lernge- schwindigkeit die Lehrer mehr Zeit für individuelle Betreuung der Schüler haben. Sie belegen dies damit, dass die größten Erfolge in Klassen mit einer hohen Schülerzahl gefunden werden.

Auch die Wirkung des Einsatzes von Heimcomputern wird in einer aktuellen Studie von Fairlie und London (2010) in einem Experiment untersucht. Sie betrachten 286 Studenten eines Colleges in California, die finanzielle Unterstützung erhielten, wovon rund die Hälfte Ende 2006 zufällig ausgelost wurde und einen Computer erhielt. Daten mit den Leistungen der Studenten erhielten die Autoren durch die College-Leitung im Juli 2008. Es wird ein positiver Zusammenhang zwischen dem Erhalt eines Computers und den Leistungen der Studenten gefunden. Zusätzlich kontrollieren Fairlie und London (2010) für Charakteristika der Studenten und weiterer Faktoren, die sie in Befragungen sammelten. Die Ergebnisse bleiben stabil.

In der bisherigen Literatur wird insgesamt kein eindeutiger Zusammenhang zwischen dem Einsatz von Informations- und Kommunikationstechnologien und Schülerleistungen gefunden. Allerdings kann festgestellt werden, dass sich in den Beiträgen, die ihre Ergebnisse auf Zufallsexperimente stützen, insgesamt ein positiveres Bild abzeichnet als bei den anderen Vorgehensweisen. Dies legt die Vermutung nahe, dass der Einfluss unbeobachtbarer Faktoren nicht zu vernachlässigen ist und diese unter Umständen die Ergebnisse verzerren können. Somit sind Studien, die nicht auf Zufallsexperimenten beruhen, vorsichtig zu interpretieren.

4 PISA-Test und Daten

Dieses Kapitel widmet sich zuerst dem PISA-Test und dem Vorgehen der OECD bei der Erhebung der Daten. Anschließend wird der in dieser Arbeit verwendete Datensatz beschrieben und erklärt, welche externen Daten zusätzlich berücksichtigt werden. Es folgen deskriptive Statistiken zu den Variablen, welche sich auf die Nutzung der neuen Technologien beziehen.

4.1 Hintergründe zum PISA-Test

Im Jahr 1997 beschlossen die Mitgliedstaaten der OECD, einen international vergleichbaren Schülerleistungstest zu entwickeln. Dieser wurde seit dem Jahr 2000 insgesamt viermal im Abstand von drei Jahren durchgeführt und ist seitdem der von Politik und Gesellschaft meist beachtete Vergleichstest von Schülerleistungen.

Ziel der PISA-Studien ist es, die Fähigkeiten von Schülern bei der Bewältigung zukünftiger Herausforderungen zu messen. Das bedeutet, es wird nicht reiner Unter- richtsstoff abgefragt, sondern vielmehr allgemeine Kompetenzen, die eine Anwendung des bisherigen Wissens verlangen. Schwerpunkt der Erhebung im Jahr 2006 ist der Bereich Naturwissenschaft. Hierbei wird neben dem eigentlichen Leistungstest auch in einem Fragebogen erfasst, wie interessiert und motiviert die Schüler in einzelnen Teil- bereichen der Naturwissenschaften sind. Des Weiteren werden auch Lesefähigkeiten, welche bei PISA 2000 Schwerpunkt waren, und mathematische Kompetenzen gemes- sen, die bei PISA 2003 im Vordergrund standen. Der Test beinhaltet sowohl Multiple- Choice- als auch offene Fragen.20

An der PISA-Studie 2006 nahmen 56 Länder teil, von denen 30 OECD-Staaten waren. Die Zielpopulation der Studie sind alle 15-jährigen Schüler, die noch zur Schule gehen. Die Auswahl der Schüler, die am Test teilnehmen, erfolgt zweistufig: Zuerst wird im jeweiligen Land zufällig ein Set an Schulen bestimmt, an welchen der Test durchgeführt wird. Im zweiten Schritt werden innerhalb dieser Schulen zufällig die zu testenden Schüler ausgewählt.21

Um ein umfassendes Bild der Einflüsse auf die Leistung der Schülern zu erhalten, werden neben dem Leistungstest das Umfeld der Schüler über Fragebögen ermittelt. Die Schüler beantworten Fragen zu ihren Interessen, Motivation und familiären Hinter- grund, wozu Charakteristika der Eltern, wirtschaftliche Verhältnisse und kulturelle Ein- flüsse zählen. Auch die Direktoren der teilnehmenden Schulen geben Auskunft zu den wichtigsten Daten ihrer Schule. Dazu gehören unter anderem Fragen zu den Lehrern, Budgetierung und Autonomie22. Beim PISA-Test 2006 gab es einen optionalen zweiten Schülerfragebogen, der die Nutzung und Vertrautheit mit den neuen Informations- und Kommunikationstechnologien erfasst. Über dessen Einsatz konnten die Länder selbst entscheiden. Der Technologiefragebogen wird im Mittelpunkt der folgenden Analyse stehen. Ein weiterer optionaler Fragebogen wurde für die Eltern erstellt. Dieser er- mittelt überwiegend die Vergangenheit der Eltern in Bezug auf naturwissenschaftliche Themen. Er wurde allerdings nur in wenigen Ländern verwendet.23

4.2 Verwendete Daten

Die vorliegende Arbeit verwendet den PISA 2006 Datensatz. Es werden die Ergebnisse des zweistündigen schriftlichen Leistungstests betrachtet, welche die OECD zur besseren internationalen Vergleichbarkeit insoweit transformiert hat, dass die erzielten Punkte (Kompetenzwerte) in den Bereichen Naturwissenschaften, Mathematik und Lesen eine Mittelwert von 500 Punkten und eine Standardabweichung von 100 Punkten aufweisen. Neben den Testergebnissen werden die Daten der zwei Schülerfragebögen und des Direktorenfragebogens genutzt.

Es werden allerdings nur Länder betrachtet, die 2006 OECD Staat waren und darüber hinaus, den Fragebogen zur Vertrautheit mit Informations- und Kommunikationstechnologien verwendet haben. In fünf OECD Ländern wurde dieser optionale Fragebogen nicht eingesetzt, darunter auch wirtschaftlich bedeutende Nationen wie die USA, Frankreich und Großbritannien.

Damit enthält der Datensatz Beobachtungen von 176.006 Schülern aus 896 Schulen. Folgende 25 Ländern werden bei den Analysen betrachtet: Australien, Österreich, Belgien, Kanada, Tschechien, Deutschland, Dänemark, Spanien, Finnland, Griechenland, Ungarn, Irland, Island, Italien, Japan, Südkorea, Niederlande, Neuseeland, Polen, Portugal, Slowakei, Schweden, Türkei.

Der PISA Datensatz wird ergänzt um weitere länderspezifische Werte: Vom IWF (2006) stammt das Pro-Kopf Bruttoinlandsprodukt. Zudem werden aus OECD (2009a) die durchschnittlichen staatlichen Ausgaben pro Schüler in der sekundären Bildungsstufe verwendet24. Beide Werte gelten für das Jahr 2006 und sind gemessen in 2006- US-Dollar zu Kaufkraftparitäten.

Außerdem werden noch drei weitere Variablen verwendet, welche den Fortschritt eines Landes in Bezug auf die Computer- und Internetnutzung messen sollen. So wer- den jeweils für das Jahr 2006 von der Weltbank (2006c) die Ausgaben pro Land für Informations- und Kommunikationstechnologien als Anteil am Bruttoinlandsprodukt25, von der Weltbank (2006d) die Zahl der Internetnutzer pro 100 Einwohner und von der Weltbank (2006b) die Zahl der Breitbandanschlüsse pro 100 Einwohner verwendet.

4.3 Deskriptive Statistiken

Tabelle 1 beinhaltet eine knappe Übersicht zu deskriptiven Statistiken der Kompetenzwerte aus dem Leistungstest in den einzelnen Teilbereichen.

Tabelle 1: Deskriptive Statistiken: Kompetenzwerte

Abbildung in dieser Leseprobe nicht enthalten

Anmerkung: Werte basieren auf nicht-imputierten Daten, gewichtet mit der Erhebungswahrschein- lichkeit

Man sieht, dass die Mittelwerte der Kompetenzwerte jeweils knapp 500 Punkt betra- gen und die Standardabweichung rund 100 Punkte. Die Abweichungen gegenüber den Vorgaben der OECD beruhen darauf, dass nicht alle Länder, die im Orginaldatensatz enthalten sind, hier betrachtet werden. Es ist zudem erkennbar, dass am unteren Ende der Skala einige Ausreißer vorhanden sind. Es sind Minima von nur knapp 24 Punkten (Naturwissenschaft) und unter einem Punkt (Lesen und Mathematik) zu beobachten.

Zwischen den Ländern gibt es teilweise erhebliche Unterschiede in den erzielten Punkten. Darauf wird in der Detailanalyse in Kapitel 7 eingegangen. In Tabelle 2 werden deskriptive Statistiken zur Computerverfügbarkeit und zur allgemeinen Computernutzung aufgezeigt. Zusätzlich wird hier und in den folgenden Darstellungen angegeben, wie viele fehlende Werte pro Variable vorliegen. Man kann feststellen, dass der Großteil der Schüler Zugang zu einem Heimcomputer hat, wobei rund die Hälfte auf ein einzelnes Gerät und gut ein Drittel auf mehr als eines zugreifen können. Lediglich 13,6% haben keinen PC zu Hause. Einen Computer genutzt haben bereits nahezu alle Schüler in ihrem Leben. Nur 1,6% geben an, noch nie mit einem Computer gearbeitet zu haben. Es zeigt sich außerdem, dass die befragten Schüler bereits eine gewisse Erfahrung im Umgang mit dem PC haben. Rund die Hälfte verwendet den Computer bereits seit mehr als fünf Jahren. Da die Zielpopulation des Tests 15-jährige Schüler sind, ist dies ein beachtlicher Wert und lässt darauf schließen, dass viele Kinder bereits vor ihrem zehnten Lebensjahr den ersten Kontakt mit einem

Tabelle 2: Deskriptive Statistiken: Allgemeine Computernutzung

Abbildung in dieser Leseprobe nicht enthalten

Anmerkungen: Werte basieren auf den nicht-imputierten Daten, gewichtet mit der Erhebungs- wahrscheinlichkeit - Anteil der fehlenden Daten ist der ungewichtete Anteil der pro Variable ”missingvalues“ PC haben. 40,8% nutzen einen Computer zwischen einem und fünf Jahren, 7,2% erst seit weniger als einem Jahr.

In Tabelle 3 ist zum Einen die Nutzungsfrequenz des Computers nach Zugangsort und zum Anderen von verschiedenen Aktivitäten dargestellt.

Tabelle 3: Deskriptive Statistiken: Nutzungsfrequenz des Computers und Internet

Abbildung in dieser Leseprobe nicht enthalten

62% der befragten Schüler nutzen den Computer nahezu täglich zu Hause, wohinge gen der Gebrauch in der Schule deutlich seltener stattfindet. Hier wird er überwiegend ein bis zweimal pro Woche eingesetzt. 17,9% geben jedoch an, dass sie nie mit dem PC in der Schule arbeiten. Andere Orte haben eher eine untergeordnete Relevanz. Diese Möglichkeit nutzen der Großteil der Schüler gar nicht oder nur verhältnismäßig selten.

Bei den Aktivitäten, welche die Schüler ausführen, zeigt sich, dass der Computer überwiegend für private statt für schulische Zwecke eingesetzt wird. Zu den Tätigkei- ten, die am meisten täglich durchgeführt werden zählen Kommunikation, zum Beispiel via Chat oder E-Mail, Musikdownloads und Computerspiele. Lernprogramme werden von knapp der Hälfte der Schüler niemals eingesetzt und immerhin knapp ein Drit- tel verwendet das Internet nie, um sich über schulische Themen mit Mitschülern oder Lehrern auszutauschen.

Man kann bereits mit Hilfe der Ergebnisse von Tabelle 3 annehmen, dass die neuen Informations- und Kommunikationstechnologien überwiegend zum Vergnügen eingesetzt werden und somit eine mögliche Quelle der Ablenkung gegenüber schulischen Aktivitäten darstellen. In Kapitel 7 folgen die genauen Ergebnisse, inwieweit sich dies tatsächlich auf die Resultate der Schüler im PISA-Test auswirkt.

Tabelle 4 zeigt die Vertrautheit der Schüler im Umgang mit diversen Anwendungen am Computer und im Internet.

[...]


1 Vgl. Deutscher Bundestag (2002), S. 259

2 Vgl. Weltbank (2006d)

3 Im Jahr 2009 wurden in Deutschland bereits Waren und Dienstleistungen in Höhe 15,5 Milliarden Euro im Internet gekauft, was einem Zuwachs von 14% gegenüber dem Jahr 2008 entspricht - vgl. GFK (2010)

4 Vgl. BMFB (2000), S. 6

5 Vgl. Wößmann und Piopiunik (2009) - S. 18

6 Vgl. Nelson und Phelps (1966)

7 Empirisch wird dies unter anderem von Krueger und Lindahl (2001) bestätigt

8 Vgl. Konsortium Bildungsberichterstattung (2006), S. 181ff

9 Im Folgenden wird Bildung mit schulischer Bildung gleich gesetzt - Aspekte wie frühkindliche Bildung oder Weiterbildung im Beruf sollen in dieser Arbeit außer Acht gelassen werden

10 DiMaggio und Hargittai (2001), S. 9f nehmen an, dass die positiven Effekte eines Heimcomputers gegenüber denen, eines öffentlich zugänglichen Computers, aufgrund erhöhter Autonomie und Flexibilität, größer sind

11 Vgl. Vigdor und Ladd (2010), S. 10

12 Vgl. Zuckerberg (2010)

13 Vgl. Cowan (2010), S. 28

14 Bauernschuster et al. (2010) zeigen jedoch, dass die zuletzt genannten Aspekte zumindest in Deutschland nicht richtig sein müssen. Die Autoren untersuchen Daten des sozioökonomischen Panels aus dem Jahr 2008 und kommen zu dem Ergebnis, dass Personen mit einem Breitbandinternetan- schluss mehr Freunde haben als Personen ohne. Des Weiteren finden sie keinen negativen Zusammen- hang zwischen einem DSL-Anschluss und der Häufigkeit Freunde zu treffen beziehungsweise Sport zu machen

15 Vgl. Fuchs und Wößmann (2004), S. 4f

16 Vgl. Rainie und Hiltin (2005)

17 Weitere Details zu den PISA-Tests und den dazugehörigen Fragebögen folgen in Kapitel 4

18 Eine genauere Erläuterung, warum durch Nicht-Beachtung des sozialen Umfeldes die Ergebnisse verzerrt werden können, erfolgt in Kapitel 5

19 Das heißt ethnische Minderheit und/oder schlechte Schulbildung der Eltern

20 Vgl. OECD (2006), S. 7ff.

21 Vgl. Prenzel et al. (2007), S. 42

22 Mit Autonomie ist gemeint, inwieweit die Schulen über verschiedene Themen selbstständig entscheiden können

23 Vgl. OECD (2006), S. 14f.

24 Für Griechenland liegen keine Werte für die staatlichen Ausgaben pro Schüler vor - es wird der Wert von 2005 von der Weltbank (2006a) verwendet

25 Für Island liegen keine Werte für den Anteil der IKT-Ausgaben am BIP vor und es wurden auch keine anderen passenden Daten dafür gefunden - es wird der weltweite Durchschnittswert verwendet, um keine fehlenden Werte zu generieren. Da Island in den anderen Quellen im Bezug auf die neuen Technologien vergleichsweise fortschrittlich ist, ist dies ein konservativer Wert

Details

Seiten
97
Jahr
2010
ISBN (eBook)
9783656063506
ISBN (Buch)
9783656063162
Dateigröße
901 KB
Sprache
Deutsch
Katalognummer
v182610
Institution / Hochschule
Ludwig-Maximilians-Universität München – Ifo Institut
Note
1,3
Schlagworte
Bildungsökonomie Internet Schüler Computer Informations- und Kommunikationstechnologien PISA Bildungsproduktionsfunktion Empirische Ökonomie Statistik

Autor

Teilen

Zurück

Titel: Der Einfluss neuer Informations- und Kommunikationstechnologien auf Schülerleistungen in der Bildungsproduktion