08:15Uhr
Frühstück
09:15 – 09:45Uhr
Cultural Variation in Math Intrinsic and Utility Value Profiles: A Multi-Group LCA with BCH Analysis of Distal Outcomes Using TIMSS 2022 Data
Jingwen Wei, Rainer Watermann (Freie Universität Berlin)
Achievement motivation theories propose that student motivation is composed of multiple factors. Building on expectancy–value theory (Wigfield & Eccles, 2000), we focus on profiles of intrinsic value and utility value in mathematics and the psychological costs that may arise from different value profiles. From a cross-cultural perspective, we hypothesized that latent value classes would exhibit structural similarity across countries (H1), yet the distribution of students across classes would differ (H2). Given the strong external emphasis on the usefulness of mathematics in East Asian contexts (Wang et al., 2020), utility values are more likely to be internalized in a controlled rather than autonomous fashion. We expected a higher prevalence of low-intrinsic-value classes in East Asian context and a higher proportion of high-intrinsicvalue classes in Western contexts (H3). Moreover, in line with research on achievement emotions (Pekrun, 2006; 2024), we predict that students in low-intrinsic-value classes will experience more boredom, while those in high-utility classes will report more math anxiety (H4). Finally, consistent with findings that intrinsic and utility values can have additive and synergistic benefits (Weidinger et al., 2020), we expect that students who combine high intrinsic and high utility values will show the highest levels of math achievement (H5). 47108 students from TIMSS 2022 in grade 8 with a mean age of 14.19 from Western Englishspeaking countries (Australia, New Zealand, UK, USA) and Eastern Confucian Asian societies (Hong Kong, Taipei, Japan, Korea) were included in this study. Firstly, we employed multigroup latent class analyses (MLCA) by using a measurement invariance model to examine whether comparable class solutions could be identified for intrinsic and utility value beliefs across the eight cultural groups. This approach ensures that the latent classes are defined in the same way across cultures (Eid et al., 2003), thereby allowing for meaningful cross-cultural comparisons. Subsequently, country-specific latent class models were estimated, in which the thresholds were fixed to the MLCA values, guaranteeing consistent class definitions within each country. Finally, the BCH method was applied, linking the country-specific class solutions simultaneously to distal outcomes (math boredom, anxiety, and achievement) while preserving class membership uncertainty. In the presentation, we will discuss 2- to 6-class solutions from the MLCA and the countryspecific LCA’s, together with their associations with distal outcomes estimated via the BCH approach. The analyses showed that the latent profiles were largely comparable across countries, supporting measurement invariance. At the same time, notable cultural differences emerged: profiles characterized by low intrinsic value were less prevalent in the East Asian samples. The BCH results further confirmed our hypotheses, as the relations of the profiles to math boredom, anxiety, and achievement consistently followed the expected patterns. This study demonstrates that intrinsic and utility value beliefs form comparable latent structures across cultures, with profile membership systematically linked to math boredom, math anxiety, and achievement. These findings underscore the cross-cultural generalizability of value profiles while highlighting culture-specific differences in their prevalence and functionality.
9:45 – 10:15Uhr
Enhancing Differential Effect Analyses with Disengagement Indicators
Marie-Ann Sengewald (FAU Erlangen, Leibniz Institut Bamberg), Janne v. K. Torkildsen, Jarl K. Kristensen & Esther Ulitzsch (University of Oslo)
Evaluation studies typically report average effect estimates, which provide insights into the overall effectiveness of an intervention. However, focusing solely on average group comparisons can mask substantial heterogeneity in treatment effects. Examining differential effects for specific subgroups or even individual participants offers a more nuanced understanding of who benefits most from an intervention and supports more targeted treatment decisions. An underexplored information source for differential effect analysis is the rich process data generated by digital assessments. To investigate the benefit of process data, suitable modeling strategies are needed to identify disengaged responses and to incorporate the information in an effect analysis. In this talk, we connect psychometric research on modeling response times in cognitive assessments with evaluation research on the heterogeneity of training effects. Specifically, we implement different modeling strategies in a use case based on data from Torkildsen et al. (2022), who developed a Norwegian morphology-based word-learning app and evaluated its effectiveness in a randomized controlled trial with 717 second-grade students. We investigate the heterogeneity of training effects in relation to the pre-treatment characteristics of the students and assess the added value of disengagement indicators by examining their impact on explained outcome variance and effect size differences. Our findings identify baseline characteristics that predict greater benefits from the training and highlight how different modeling strategies for disengagement indicators influence the conclusions. Beyond the practical insights into the utility of process data, our results illustrate the potential of advanced modeling strategies for improving differential effect analyses in intervention research.
10:15 – 10:45Uhr
Rückfallanalysen im Jugendstrafvollzug: Eine quasi-experimentelle Wirksamkeitsevaluation des Jugendtherapiezentrums Neuburg-Herrenwörth
Milena Schaub & Martin Schmucker (FAU Erlangen-Nürnberg)
Im Rahmen der Evaluation des Jugendtherapiezentrums Neuburg-Herrenwörth wird die Wirksamkeit sozialtherapeutischer Maßnahmen für jugendliche Gewalt- und Sexualstraftäter untersucht. Zur Erfassung der Legalbewährung nach Entlassung wurden Bundeszentralregisterauszüge mit einem Katamnesezeitraum von rund zehn Jahren ausgewertet. Mithilfe eines quasi-experimentellen Matching-Designs werden die behandelten Jugendlichen mit einer unbehandelten Kontrollgruppe aus der JVA Ebrach hinsichtlich der Rückfallraten verglichen. Der Beitrag stellt das Design, erste Befunde sowie methodische Herausforderungen zur Diskussion.
10:45Uhr
Kaffeepause
11:15 – 11:45Uhr
Realisierung des DFG-Projekts „Das Konzept des moralischen Filters in der situationsbezogenen Analyse von kriminellem Handeln“
Stefanie Eifler & Susanne Wallner (Katholische Universität Eichstätt), Alexander Betz & Mark Stemmler (FAU Erlangen-Nürnberg)
Das gleichnamige DFG-Projekt befasst sich mit der Analyse kriminellen Handelns im Rahmen der Situational Action Theory (Wikström 2004). Der Vortrag wird zunächst den theoretischen Bezugsrahmen erläutern und den Stand des Projektes vorstellen. Dazu zählen vor allem die Vorstellung der verwendeten Messinstrumente, mit besonderem Fokus auf die im Projekt entwickelten Vignetten zur situationsbezogenen Analyse. Den Abschluss bildet der Bericht über erste Pretestergebnisse.
11:45 – 12:15Uhr
Computerwerkstatt
Kurze Einführung in das Programm LatentGOLD
Ferdinand Keller (Uniklinik Ulm)
LatentGOLD ist eine software zur Berechnung von Mischverteilungsmodellen, insbesondere Latent Class- und Latent Profile-Analysen (LCA und LPA). Möglich sind auch latente Subgruppen im Rahmen einer Regressionsanalyse sowie eine Faktorenanalyse mit diskreten Faktoren. Das Programm kann im Klick-modus oder mit Syntax gesteuert werden. In der Werkstatt wird in einer kleinen Demonstration die Durchführung einer LCA im Klickmodus gezeigt, in der das Einlesen der Daten, das Vorgehen bei der Analyse, die Wahl der Optionen, die Interpretation der Ergebnisse und der output der finalen Klassenlösung durchgeführt werden. Ziel ist es, dass der grundlegende Umgang mit dem Programm gelingt, um eigene Anwendungen anzugehen. Je nach Zeit können weitere Modelle oder vertiefte Themen behandelt werden.
12:15Uhr
Mittagessen
13:30 – 16:00Uhr
Gemeinsame Wanderung - Alpenblickrundweg
16:00 – 16:30Uhr
Kaffeepause
17:00 – 17:30Uhr
Wer hat enge Freundschaften bei der Arbeit? – Eine personenzentrierte Analyse von Paneldaten
Konstanze Arnoldussen (FAU Erlangen) & Sabine Hommelhoff (LMU, München)
Freundschaften am Arbeitsplatz sind in den letzten Jahren vermehrt Gegenstand wissenschaftlicher Untersuchungen und medialer Aufmerksamkeit. Unsere Studie ergänzt dieses Thema um eine längsschnittliche, personenzentrierte Perspektive. Theoretisch orientiert sich unsere Studie am sozialen Konvoi-Modell, das die Entwicklung enger persönlicher Netzwerke im Laufe des Lebens beschreibt. Latente Profil- und Transitionsanalysen (LPA und LTA) mit Daten (2018 bis 2022) von mehr als 4000 Beschäftigten des sozioökonomischen Panels ergaben fünf Profile (Work-Oriented, Moderate, Disconnected from Work, Socially Connected und Fewest Friends). Diese Profile unterschieden sich hinsichtlich der Gesamtanzahl enger Freundschaften und enger Freundschaften bei der Arbeit, ihrer Arbeitszufriedenheit und dem Gefühl von Zufriedenheit über die eigene Leistung. Insgesamt waren enge Freundschaften bei der Arbeit selten (2018: M = 0.60, SD = 1.00). Das Work- Oriented Profil war mit mehr als zwei Dritteln der Beschäftigten am größten und auch am stabilsten. Personen in diesem Profil hatten im Durchschnitt vier enge Freundschaften insgesamt, nur wenige oder gar keine engen Freundschaften bei der Arbeit und ein hohes Gefühl von Zufriedenheit über die eigene Leistung und Arbeitszufriedenheit; weiterhin beurteilten Personen dieses Profils ihre Gesundheit und ihr Wohlbefinden ein Jahr später als sehr positiv. Lediglich Personen eines kleineren Profils (Socially Connected, etwa 4 % der Stichprobe) gaben drei bis vier enge Freundschaften bei der Arbeit an und zeigten im Laufe der Zeit ein ähnlich hohes Maß an Wohlbefinden und Gesundheit wie das Work-Oriented Profil. Das kleinste Profil (Fewest Friends) wies das ungünstigste Ergebnismuster und insgesamt die geringste Anzahl an Freundschaften auf. Es gab kein Profil mit vielen Freundschaften bei der Arbeit, das gleichzeitig ungünstige Arbeits- und Gesundheits-Maße aufwies. Weitere Analysen deuteten darauf hin, dass sowohl berufliche als auch private Veränderungen einen Einfluss auf Transitionen zwischen den Profilen haben können. Wir betten unsere Ergebnisse in bestehende Forschungsarbeiten ein, betrachten sie aus der Perspektive des sozialen Konvoi-Modells und diskutieren praktische Implikationen.
17:30 – 18:00Uhr
Übereinstimmung zwischen Kindern und Eltern in SDQ-Subskalen: Ein Vergleich der Klassifikation von latenten Klassen mit KFA und LCA zweiter Ordnung anhand von Daten aus dem KiGGS-Survey
Ferdinand Keller (Uniklinik Ulm), Alexandra N. Langmeyer (DJI München) & Jost Reinecke (Universität Bielefeld)
Der Strengths and Difficulties Questionnaire (SDQ; Goodman, 1997, www.sdqinfo.com) ist ein international weit verbreitetes Instrument zur Erfassung von Verhaltensauffälligkeiten und prosozialem Verhalten bei Kindern und Jugendlichen, welches nicht nur in der klinischen Diagnostik, sondern auch in größeren epidemiologischen Studien und sozialwissenschaftlichen Surveys eingesetzt wird. Der SDQ liegt als Fragebogen in drei Versionen mit parallel formulierten Items vor: für Kinder und Jugendliche, für Eltern und für Lehrkräfte. Der SDQ erfasst vier Problembereiche und einen Bereich von Stärken, die jeweils durch fünf Items erfragt werden. Im AKA-Buch (Reinecke & Tarnai, 2021) untersuchten wir die Übereinstimmung zwischen Kind- und Elterneinschätzung auf der SDQ-Itemebene anhand von Daten aus der pairfam- Studie. Pro Subskala wurden die fünf Items der Kinder- und die fünf Items der Elternversion kombiniert in eine LCA eingegeben und es konnten latente Klassen mit konkordanten Einschätzungen und solche mit konsistent diskrepanten Einschätzungen identifiziert werden. In einer Replikation mit Daten von 5228 Kind-Elternpaaren aus dem KiGGS-Survey Welle 2 zeigte sich, dass die Übereinstimmung auf der Ebene der SDQ-Einzelitems häufig nicht sehr hoch war und auch die Korrelationen der Subskalenwerte zwischen Kind und Eltern nur im moderaten Bereich lagen. Die Profile in den zu replizierenden LCAs ergaben neben einer großen Klasse mit konkordant niedrigen Werten (niedrig Belastete) auch eine entsprechende Klasse von konkordant hoch Belasteten. Zudem fand sich in allen fünf SDQ-Subskalen eine latente Klasse, in denen die Kinder jedes vergleichbare Symptom konstant höher einschätzten als die Eltern (Kind > Eltern). Im Vortrag soll insbesondere der Frage nachgegangen werden, ob sich diese „Kind > Eltern“-Klasse konsistent über die fünf SDQ-Subskalen finden lässt. Zur methodischen Analyse wurden vorwiegend zwei Verfahren verwendet: a) eine LCA zweiter Ordnung, in die die einzelnen LCA-Klassen als nominale Variable eingehen, und b) eine Konfigurationsfrequenzanalyse (KFA), in der das Vorhandensein manifester Muster („Typen“) in den LCA-Klassen überprüft wird. Bisherige Ergebnisse deuten (überraschend) darauf hin, dass die „Kind > Eltern“-Klasse nicht konsistent auftritt und damit die diskrepante Einschätzung Kind > Eltern nur jeweils in einzelnen Problembereichen vorhanden ist. Die KFA liefert dabei direktere und besser interpretierbare Ergebnisse.
18:15Uhr
Abendessen
19:00 – 20:00Uhr
Computerwerkstatt
Causal Inference and Differential Effect Analysis in (Covariate-adjusted) Group Comparisons
Marie-Ann Sengewald (FAU Erlangen)
Kausale Aussagen sind für viele Forschungsfragen von zentraler Bedeutung – doch experimentelle Studien lassen sich in der Praxis nicht immer realisieren. Für kausale Inferenz in quasi-experimentellen Gruppenvergleichen ist die statistische Kontrolle von Kovariaten nötig. Das R Paket EffectLiteR automatisiert die Schätzung von adjustierten Effekten in Gruppenvergleichen basierend auf Mehrgruppen-Strukturgleichungsmodellen in lavaan. Besondere Vorteile sind, dass unterschiedliche latente Variablenmodelle direkt in die Effektanalyse einbezogen werden können und die Effektheterogenität in Abhängigkeit der Kovariaten untersucht werden kann. Neben dem theoretischen Rahmen für die Anwendung der Methode, wird der Workshop die Umsetzung anhand eines empirischen Beispiels demonstrieren und Übungsaufgaben bereitstellen.
Für die praktischen Übungen werden R und RStudio mit den Paketen EffectLiteR und lavaan benötigt.
Ab 20:00Uhr
Diskussion und freies Arbeiten,
anschließend gemütliches Beisammensein im Irsee Klosterbräu!
