Bis 15:30Uhr
Anreise
15:45Uhr – 16:15Uhr
Kaffee und Eröffnung
16:15 – 16:45Uhr
Klassifikation von Erziehungsverhalten und Verhaltensauffälligkeit bei Kindern und Jugendlichen
Patricia John Sánchez (Evangelische Hochschule Dresden & Universität Bielefeld)
Im Rahmen der CrimoC-Anschlussstudie „Die intergenerationale Transmission von Gewalt. Eine kombinierte prospektive kriminologische und neurobiologische Untersuchung“ (HejFam) wurden zahlreiche elterliche Verhaltensweisen ehemaliger CrimoC-Teilnehmenden im Erziehungskontext und die Verhaltensweisen ihrer Kinder über zwei Erhebungswellen erfasst. Problematisches elterliches Verhalten wie Vernachlässigung und Gewalt wurde mithilfe einer adaptierten Version der Parent-Child Conflict Tactics Scales (CTS-PC) nach Straus (1979) und Straus et al. (1998) sowie mit einer Kurzversion der Multidimensional Neglectful Behavior Scale (MNBS) nach Kantor et al. (2003) erfasst. Kindliche Verhaltensweisen wurden beispielsweise anhand des Strengths and Difficulties Questionnaire (SDQ) nach Goodman (1999) sowie mit dem Social Behavior Questionnaire (SBQ) nach Tremblay et al. (1991) gemessen. Mithilfe konfirmatorischer Faktorenanalyse (CFA) werden die elterlichen und kindlichen Verhaltensweisen zu Dimensionen zusammengefasst, die Ergebnisse und mögliche Analyseverfahren zur Untersuchung des Zusammenhangs zwischen den Dimensionen sollen im Rahmen des Vortrags diskutiert werden.
16:45 – 17:15Uhr
Parental Educational Practices between Concerted Cultivation and Accomplishment of Natural Growth: Classification and Links to Social Class
Lea Grosser, Kai Maaz and Rainer Watermann (Freie Universität Berlin)
Parental educational practices shape children’s trajectories not only through aspirations and expectations, but also through everyday, cultural, and school-related activities. Such practices reflect class-specific lifestyles (habitus) and transmit cultural capital, thereby reproducing inequality (Bourdieu, 1984). Lareau (2003) contrasts concerted cultivation (CC)—a middleclass strategy of organized enrichment and strong school involvement—with the accomplishment of natural growth (ANG), typical of working-class families, characterized by greater child autonomy and limited institutional engagement. Rooted in families’ cultural and economic resources, these differences are systematically rewarded in schools (Jaeger & Breen, 2016). Although the general logic of concerted cultivation has been widely studied, little is known about the multidimensional patterns of parental practices and their embedding in the social structure in Germany. We draw on data from the German TIMSS Transition Study (N = 3,997; Becker et al., 2010), based on parent reports for fourth graders. Seven indicators captured parental practices, including general and school-related communication, time spent together, school participation, learning support in mathematics, cultural activities, and teacher contact. 3 To identify distinct profiles of these practices and examine their alignment with Lareau’s typology, we conducted latent class analyses (2–9 K) with one categorical and six continuous indicators. Models were compared using fit indices, class sizes, and substantive interpretability. Model fit improved monotonically and entropy was consistently high (> .84). Only in the eightclass solution did two large groups split into four meaningful profiles covering about 90% of the sample: (a) a full CC pattern (16%), (b) an ANG pattern (29%), (c) a school-centered CC pattern (29%), and (d) a culturally selective CC pattern (15%). Using the 3-step approach (R3STEP), we found that—as theorized—parents from the higher and lower salariat (according to the EGP schema) were more likely than skilled manual workers to engage in CC practices, particularly in the full CC group. These associations were largely accounted for by cultural capital, whereas economic and social capital showed no independent effects. To assess outcomes, we employed the BCH procedure. Parental aspirations for a university degree varied significantly across classes: full CC (69%) = culturally selective CC (69%) > school-centered CC (56%) ≈ ANG (51%). Mathematics grades (1 = best, 5 = worst) showed a similar pattern: culturally selective CC (M = 2.0) significantly outperformed full CC (2.2) and school-centered CC (2.3); ANG (2.4) had the weakest results, performing significantly below full CC but not below school-centered CC (full CC ≈ school-centered CC; n.s.). Overall, the findings confirm the relevance of Lareau’s typology in Germany and demonstrate that distinct CC variants are not only differentially embedded in social structure but also associated with varying educational aspirations and academic performance, contributing to the reproduction of inequality. In the presentation, we will also discuss exploratory models that integrate covariates already in the class enumeration step to examine how the direct inclusion of predictors may affect class solutions.
17:15 – 17:45Uhr
Untersuchung der Einflussfaktoren auf das Kompetenzniveau von Erwachsenen anhand aktueller Daten aus der PIAAC Studie
Bernhard Ertl, Jörg-Henrik Heine & Christian Tarnai (Universität der Bundeswehr, München)
Im Zuge gesellschaftlicher und technischer Ver¨anderungen findet zunehmend auch eine Ver¨anderung von Berufen und Berufsbildern statt. In einer viel zitier- ten Studie berichten Frey und Osborne (2013; 2017), dass viele Berufe (47%) in- nerhalb der n¨achsten 10 bis 20 Jahre mit einer hohen Wahrscheinlichkeit durch Automatisierung ersetzt werden k¨onnen. Auch wenn dieses Ausmaß ggf. zu hoch angesetzt ist, l¨asst sich feststellen, dass durch die gesellschaftlichen und technischen Ver¨anderungen Aufgaben, im beruflichen wie auch im privaten Bereich, zum einen komplexer werden, zum anderen durch die zunehmende Geschwindigkeit des In- formationsaustausches Planungen immer schneller angepasst und ver¨andert werden mu¨ssen. Beide Aspekte finden sich in einer der drei PIAAC Kompetenzdimensionen dem adaptiven Probleml¨osen (APS) wieder. Dieses beschreibt die Kompetenz, mit dynamischen und sich ver¨andernden Problemsituationen umzugehen, dabei aus der Fu¨lle der zur Verfu¨gung stehenden Informationen zu selektieren und diese angemes- sen zu beru¨cksichtigen sowie die dafu¨r ben¨otigten kognitiven und metakognitiven 4 Voraussetzungen (OECD, 2021). Ergebnisse aus dem letzten PIAAC Zyklus haben gezeigt, dass demografische Faktoren, insbesondere Alter bzw. die Generation und Bildungshintergrund, einen großen Einfluss auf die Kompetenzen der Individuen haben (Baumgartner, Tarnai, Wolf & Ertl, 2014; St¨oger & Peterbauer, 2014). Der aktuelle Beitrag analysiert nun die Ergebnisse zum adaptiven Probleml¨osen unter Beru¨cksichtigung der beiden anderen Kompetenzdimensionen – der Lesekom- petenz und der Mathematikkompetenz und beschreibt diese im Zusammenhang mit demografischen und individuellen Faktoren. Die der Studie zu Grunde liegenden Daten stammen aus dem 2. Zyklus der PIAAC Studie und beziehen sich auf die Teilstichprobe der Erwerbst¨atigen. Die f u¨ r die Auswertungen herangezogenen Variablen orientieren sich an der Dokumentation der PIAAC Studie (OECD, 2021). Die Analysen wurden mit Statistiksoftware R (R Core Team, 2025) sowie den Paketen BIFIEsurvey (BIFIE, Robitzsch & Oberwim- mer, 2024), survey (Lumley, Gao & Schneider, 2025) und mitools (Lumley, 2019) berechnet.
18:00Uhr
Abendessen
19:00 – 20:00Uhr
Computerwerkstatt
Analyse von Large-Scale-Assessment (LSA)-Daten mit dem R-Paket BIFIEsurvey unter Klassifikationsperspektive am Beispiel aktueller Fragestellungen mit den PIAAC Daten
Jörg-Henrik Heine, Christian Tarnai & Bernhard Ertl (Universität der Bundeswehr, München)
Öffentlich verfügbare Datensätze aus internationalen oder nationalen Large-Scale- Studien bieten eine wertvolle Grundlage für die psychologische und sozialwissen- schaftliche Forschung. Sie beruhen meist auf repräsentativen Stichproben der Ge- samtbevölkerung oder spezifischer Populationen (Rammstedt & Spinath, 2013). Da- durch verbessern sich die Voraussetzungen für verallgemeinerbare Schlussfolgerun- gen im Vergleich zu Analysen auf Basis einfacher Ad-hoc-Stichproben. Gleichzeitig stellt die besondere Art der Stichprobenziehung – in der Regel keine einfachen Zufallsstichproben – besondere Herausforderungen für die inferenzstatistische Auswertung (vgl. z.B. Ertl, Hartmann & Heine, 2020). Im Unterschied zu einfachen Zufallsstichproben sind bei Daten aus Large- Scale- Assessments meist zwei Aspekte zu berücksichtigen: (1) Die Analyseeinheiten werden aus pragmatischen Gründen oft in Form einer Klumpenstichprobe gezogen, und (2) es werden zur Sicherung der Repräsentativität zusätzliche, teils länderspezifisch unterschiedliche Stratifizierungsvariablen eingesetzt. Dies führt dazu, dass (1) die Auswahlwahrscheinlichkeiten einzelner Analyseeinheiten ungleich sind und sich (2) explizite Gleichungen zur Varianzschätzung analytisch nicht herleiten lassen. Für die Analyse solcher Daten sind daher Replikationsverfahren zur Standardfehlschätzung und Gewichtungsverfahren zur Wahrung der Repräsentativität erforderlich. In der Computerwerkstatt werden anhand einer Teilstichprobe der PIAAC-2022/23- Erhebung (vgl. Z . B . St ö g e r , 2024) verschiedene Methoden zur Analyse komplexer Stichprobendesigns vorgestellt und praktisch anhand aktueller Fragestellungen er- probt. Grundlage sind die Statistiksoftware R (R Core Team, 2025) sowie die Pakete BIFIEsurvey (BIFIE, Robitzsch & Oberwimmer, 2024), survey (Lumley, Gao & Schneider, 2025) und mitools (Lumley, 2019).
Ab 20:00Uhr
Gemütliches Beisammensein