BookPDF Available

Heterogenität, Studienzufriedenheit und Studiendauer als Einflussfaktoren auf Übergänge nach dem Bachelor

Authors:

Abstract

Der Beitrag thematisiert die Übergänge nach dem Bachelorstudium in ein weiterführendes (Master-)Studium. Dies geschieht auch vor dem Hintergrund der aus verschiedenen gesellschaftspolitischen Zusammenhängen geäußerten Befürchtung, dass hiermit eine neue – nicht immer meritokratische – (Selbst-)Selektionsstufe im Hochschulsystem implementiert wird. Hierbei soll die Frage beantwortet werden, ob den Übergang zum Master wie vorgesehen die Leistungen der Bachelor-Absolvent(inn)en determinieren. Denn stattdessen deutet Einiges auf Zusammenhänge mit anderen Aspekten wie dem Geschlecht der Bachelor-Absolvent(inn)en, der Studiendauer oder Ähnliches hin. Die zur empirischen Analyse solcher Zusammenhänge nötigen Informationen lassen sich nur teilweise mittels Hochschul-statistiken oder Studierendenbefragungen gewinnen. Deshalb werden hierfür Evaluationen mit Hilfe einer Sonderauswertung der Absolvent(inn)enbefragungen der HU Berlin für die Prüfungsjahrgänge 2011 und 2014 vorgestellt.
Schriftenreihe zum
Qualitätsmanagement an Hochschulen
Band 9, 2017
Heterogenität, Studienzufriedenheit und
Studiendauer als Einflussfaktoren auf
Übergänge nach dem Bachelor
Sonderauswertung zu den HU-Absolvent(inn)en-
befragungen 2016 und 2013
René Krempkow
Berlin, im Juli 2017
1
Heterogenität, Studienzufriedenheit und Studiendauer als Einflussfaktoren auf Übergänge
nach dem BachelorSonderauswertung zu den HU-Absolvent(inn)enbefragungen 2016 und 2013
René Krempkow
Herausgeber der
„Schriftenreihe zum Qualitätsmanagement an Hochschulen“:
Stabsstelle Qualitätsmanagement
der Humboldt-Universität zu Berlin
Humboldt-Universität zu Berlin
Stabsstelle Qualitätsmanagement
Sitz: Ziegelstraße 13c, 10117 Berlin
Tel.: 030/2093-70300
Fax: 030/2093-70313
Post: Unter den Linden 6, 10099 Berlin
www.hu-berlin.de/hu/verwaltung/qm/
qm(at)hu-berlin.de
2
Inhaltsverzeichnis
Abstract ................................................................................................................................................... 3
1. Einleitung ............................................................................................................................................ 3
2. Ziele ..................................................................................................................................................... 4
3. Potenzielle Einflussfaktoren auf das Weiterstudium ........................................................................... 5
3.1 Datenbasis für die Analyse an der HU Berlin ............................................................................... 5
3.2 Thesen und Modell für die Analyse der Einflussfaktoren ............................................................. 6
3.3 Ergebnisse deskriptiver Analysen ................................................................................................. 8
4. Ergebnisse multivariater Analysen (logistische Regression) .............................................................. 9
4.1 Ergebnisse für die HU Berlin insgesamt ....................................................................................... 9
4.2 Fächergruppenspezifische Ergebnisse ......................................................................................... 12
4.3 Lehramtsspezifische Ergebnisse .................................................................................................. 16
5. Einordnung in multivariate Analysen anderer Hochschulen ............................................................. 19
6. Fazit und Ausblick............................................................................................................................. 19
Literatur ................................................................................................................................................. 20
3
Abstract
Der Beitrag thematisiert die Übergänge nach dem Bachelorstudium in ein weiterführendes (Master-
)Studium. Dies geschieht auch vor dem Hintergrund der aus verschiedenen gesellschaftspolitischen
Zusammenhängen geäußerten Befürchtung, dass hiermit eine neue nicht immer meritokratische
(Selbst-)Selektionsstufe im Hochschulsystem implementiert wird. Hierbei soll die Frage beantwortet
werden, ob den Übergang zum Master wie vorgesehen die Leistungen der Bachelor-Absolvent(inn)en
determinieren. Denn stattdessen deutet Einiges auf Zusammenhänge mit anderen Aspekten wie dem
Geschlecht der Bachelor-Absolvent(inn)en, der Studiendauer oder Ähnliches hin. Die zur empirischen
Analyse solcher Zusammenhänge nötigen Informationen lassen sich nur teilweise mittels Hochschul-
statistiken oder Studierendenbefragungen gewinnen. Deshalb werden hierfür Evaluationen mit Hilfe
einer Sonderauswertung der Absolvent(inn)enbefragungen der HU Berlin für die Prüfungsjahrgänge
2011 und 2014 vorgestellt.
1. Einleitung
Die Übergänge nach dem Bachelorstudium in ein weiterführendes (Master-)Studium
1
oder in den
Beruf wurden bislang in den Hochschulen noch relativ selten empirisch beleuchtet. Erst recht gilt dies
gemessen an ihrer hochschulpolitischen Relevanz. Dabei läge es nahe, dies systematisch zu
evaluieren; beispielsweise angesichts vielfältiger Diskussionen um von Studierenden und in der Presse
teilweise bemängelte zu wenige Master-Studienplätze einerseits (vgl. z.B. Himmelrath 2015), und von
Hochschuladministrationen attestierte (zu) geringe Auslastung einiger Masterstudiengänge anderer-
seits. Hinzu kommen wissenschaftspolitische Vorgaben, dass nur Mittel für bestimmte Anteile von
Bachelorstudierenden für ein Masterstudium bei der Hochschulfinanzierung zur Verfügung gestellt
werden, um die mit dem Bologna-Prozess angestrebte Gesamt-Studienzeitverkürzung nicht zu
konterkarieren. Dazu kommt auch die aus verschiedenen gesellschaftspolitischen Zusammenhängen
geäußerte Befürchtung, dass hiermit eine neue nicht immer meritokratische (Selbst-)Selektions-
stufe im Hochschulsystem implementiert wird (vgl. zu (Selbst-)Selektionsprozessen auch z.B. Ebert/
Stammen 2014, Alesi u.a. 2014, Auspurg/Hinz 2011, Krempkow 2009b).
2
Einigen ersten Analysen zufolge determinierten den Übergang zum Master tatsächlich nicht unbedingt
wie vorgesehen die Leistungen der Bachelor-Absolvent(inn)en (gemessen an Abschlussnoten).
Stattdessen deuten empirische Ergebnisse zu Zusammenhängen mit anderen Aspekten wie dem
Geschlecht der Bachelor-Absolvent(inn)en und der Studiendauer auf nicht intendierte Effekte der
bisherigen Steuerungsversuche hin (vgl. Krempkow/Bargel 2011, Ebert/Stammen 2014). Bisher kaum
in dieser Diskussion berücksichtigt wurde auch, dass trotz teilweise vorhandener NC bei
Masterstudiengängen erhebliche Selbstselektionen beim Übergang z.B. aufgrund einer wahr-
genommenen ungünstigen Studiensituation auftreten können, so dass ein Teil und ggf. gerade die
besseren Absolvent(inn)en sich schon aufgrund dessen lieber anders orientieren und (an der eigenen
1
Teilweise gibt es auch Übergänge direkt nach dem Bachelorstudium in eine Promotion (Fast-Track), diese bleiben aufgrund
ihrer zahlenmäßig geringen Bedeutung hier außer Betracht.
2
Andererseits gilt es zu bedenken, dass sehr hohe Übergangsquoten in ein Master-Studium die ursprüngliche Idee eines
gestuften Systems von Studiengängen ad absurdum führen (vgl. Alesi u.a. 2014, 2017). Demnach haben Studiengänge mit
hohen Übergangsquoten nur noch die sogenannte „transitorische Funktion“, nicht mehr jedoch die berufsvorbereitende
Funktion. Die Bologna-Erklärung sei jedoch als eine Aufforderung an die Hochschulen zu lesen, bei der Umgestaltung der
Studiengänge beiden Funktionen Rechnung zu tragen (ebd.).
4
Hochschule) eher kein Masterstudium anstreben könnten (Krempkow/Csonka 2014). Hiermit kann der
Fokus auch auf Bereiche gelegt werden, die bisher nur selten angesprochen wurden (vgl. Alesi u.a.
2014).
3
Die zur Analyse solcher Zusammenhänge nötigen Informationen lassen sich allerdings nur
teilweise mittels Hochschulstatistiken oder Studierendenbefragungen gewinnen. Beispielsweise
können Statistiken einer Hochschule von vornherein nicht den Übergang derjenigen Bachelor-
Absolvent(inn)en erfassen, die an anderen Hochschulen weiterstudieren. Studierendenbefragungen
können zwar die Wahrnehmung der Studiensituation erfassen, aber nicht das Übergangsverhalten.
Deshalb sollen hierfür exemplarisch die Absolvent(inn)enstudien 2016 und 2013 der Humboldt-
Universität zu Berlin (HU Berlin) herangezogen werden.
Der Beitrag gliedert sich wie folgt: Im ersten Schritt werden zunächst die Ziele der
Absolvent(inn)enstudien und hochschulspezifischer Evaluationen der Übergänge nach dem Bachelor
vorgestellt. Anschließend wird nach einer kurzen Vorstellung der Datenbasis im zweiten Schritt die
Analyse potenzieller Einflussfaktoren auf Übergänge bzw. das Weiterstudium dokumentiert. Hierbei
wird die Notwendigkeit multivariater Analysen anstelle bislang überwiegend deskriptiver oder
bivariater Auswertungen anhand von Beispielen aufgezeigt. Abschließend werden als Fazit drei
Thesen formuliert, die sich aus den vorgestellten Auswertungen ergeben und für Analysen sowie ggf.
daraus abgeleitete Maßnahmen zu Übergängen nach dem Bachelor in Deutschland insgesamt relevant
sind.
2. Ziele
Zunächst sollen hier die Ziele der Absolvent(inn)enstudien insgesamt und der Analysen der
Übergänge nach dem Bachelor in ein weiterführendes (Master-)Studium dargestellt werden.
Die allgemeinen Ziele der Absolvent(inn)enstudien sind:
- Information der Studienfachverantwortlichen und der Hochschulleitung über den beruflichen Verbleib und Erfolg
der Absolvent(inn)en sowie über deren rückblickende Bewertung des Studiums, u.a. für Studien(gangs)ent-
wicklung und (Re-)Akkreditierung
- Information im Rahmen der Berichtspflichten für Hochschulverträge
- Information der Öffentlichkeit, Alumni-Arbeit und Studierenden-Marketing
Die spezifischen Ziele der Evaluation der Übergänge nach dem Bachelor sind:
- Information zu Übergangsquoten (u.a. da in der Hochschul-Statistik Hochschul-Wechsler nicht erfasst sind)
- Information zur (Leistungs-)Selektivität (um Notwendigkeit der Nach-Steuerung zu prüfen
- Information über Einflussfaktoren auf die Übergänge (für Ansätze zu möglichen Maßnahmen)
Hierbei lassen sich die Absolvent(inn)enstudien an der HU Berlin wie auch an anderen Hochschulen
in einem Prozess-Basismodell für ein QM-System von Universitäten grundsätzlich als Evaluation der
Outcome-Dimension einordnen (vgl. zu Absolvent(inn)enstudien als Outcome-Evaluation Krempkow
u.a. 2010). Wichtig zur Einordnung erscheint hierbei v.a., dass Absolvent(inn)enstudien natürlich
nicht etwa als „Allheilmittel“ angesehen werden, sondern als sich mit anderen Aktivitäten gegenseitig
ergänzende Instrumente und Maßnahmen, von denen daher in Abb.1 exemplarisch zwei davon
aufgeführt werden.
3
Seltene Ausnahmen sind – neben den nicht auf die HU Berlin übertragbaren Analysen von Alesi u.a. 2014, 2017 – die
hochschulspezifischen Analysen von Ebert/Stammen 2014 mit einem Schwerpunkt auf Bildungsbenachteiligung, die etwa
zeitgleich mit unseren ersten Analysen für die HU-Berlin durchgeführt wurden (vgl. Krempkow/Csonka 2014), und
Auspurg/Hinz 2011.
5
Abb. 1: Prozess-Basismodell für ein QM-System an Universitäten (eigene Darstellung, angelehnt an Krempkow 2008)
3. Potenzielle Einflussfaktoren auf das Weiterstudium
3.1 Datenbasis für die Analyse an der HU Berlin
Die Absolvent(inn)enstudien 2013 und 2016 erfolgten als Vollerhebungen für alle Absolvent(inn)en
ca. 1,5 Jahre nach Abschluss, die im Wintersemester 2010/11 und Sommersemester 2011 sowie im
Wintersemester 2013/14 und Sommersemester 2014 ihr Studium an der HU Berlin mit einem
Abschluss beendet haben. Der an der HU Berlin verwendete Fragebogen ist der im Grundstock bereits
seit 2007 eingesetzte des bundesweiten Kooperationsprojekts Absolvent(inn)enstudien (KOAB) am
International Center for Higher Education Research (INCHER) Kassel und enthält überwiegend
dessen Kernfragen.
Die Absolvent(inn)en zum Prüfungsjahr 2011 wurden von November 2012 bis Februar 2013 und die
Absolvent(inn)en des Prüfungsjahres 2014 wurden von November 2015 bis Februar 2016 befragt. Die
Rücklaufquote an der HU Berlin betrug insgesamt 30 Prozent und lag damit in der Größenordnung
vieler anderer Universitäten. Insgesamt nahmen 2.181Absolvent(inn)en an der Befragung teil (1.222
vom Prüfungsjahr 2011 und 959 vom Prüfungsjahr 2014). Zur Repräsentativität lässt sich festhalten:
Ein Vergleich soziodemographischer Merkmale (Geschlecht, Staatsangehörigkeit, Durchschnittsalter)
zeigte nur geringe Abweichungen bei den befragten Absolvent(inn)en gegenüber der Grundgesamtheit
der Absolvent(inn)enjahrgänge.
4
Die Datenqualität ist damit geeignet für ggf. abzuleitende
Maßnahmen. In der folgenden Analyse werden nur die Bachelor-Absolvent(inn)en berücksichtigt.
4
So nahmen 4 Prozent mehr Frauen und 4 Prozent mehr deutsche Staatsangehörige an der Befragung des Prüfungsjahres
2011 teil, als laut Hochschulstatistik in der Grundgesamtheit waren; das Alter stimmte überein. Von den antwortenden
Absolvent(inn)en des Prüfungsjahres 2014 waren 60 Prozent Frauen, in der Grundgesamtheit waren es 61 Prozent; das Alter
6
3.2 Thesen und Modell für die Analyse der Einflussfaktoren
In früheren Publikationen hieß es, dass die Abschlussnote der BA-Absolvent(inn)en den Zugang zum
Masterstudium determiniere (Fricke 2009), die HRK wiederum stellte einen Gender-Gap beim Zugang
fest (HRK 2009). Auch in einem Materialienband zur KOAB-Jahrestagung 2014 fanden sich diese
sowie weitere Hinweise auf Einflussfaktoren beim Übergang zu einem weiteren Studium nach dem
Bachelor, so (neben Geschlecht und Note) u.a. auch die Studiendauer und -zufriedenheit sowie auch
die Fächerkultur oder andere Merkmale wie die Bildungsherkunft der Studierenden (Wolter 2016).
Daher lassen sich hierzu als Thesen formulieren, dass dies potenzielle Einflussfaktoren auf Übergänge
bzw. das Weiterstudium sind und diese damit letztlich auch als mögliche Ansätze für Maßnahmen zur
Beeinflussung derselben sein können. Letztlich kann somit auch die Befürchtung empirisch überprüft
werden, ob (unbeabsichtigt) am Übergang vom Bachelorabschluss in ein weiteres Studium eine neue
nicht immer meritokratische und ggf. soziale (Selbst-)Selektion implementiert wurde. Damit wird
hier auch auf Theorien sozialer Ungleichkeit Bezug genommen, wie z.B. die Theorie statistischer
Diskriminierung, Segmentationstheorien, homosoziale Reproduktion und soziale Schließung. Hier soll
es aber nicht um eine empirische Überprüfung von Theorien gehen, sondern vorrangig um empirisch
fundierte Ansatzpunkte für mögliche Maßnahmen. Deshalb werden diese theoretischen Bezüge hier
nicht weiter ausgeführt (für einen prägnanten, auch für Absolvent(inn)enstudien geeigneten Überblick
über Theorien zur Erklärung von Ungleichheit vgl. z.B. Falk 2005). Stattdessen soll über die
empirische Analyse der Daten von Absolvent(inn)enstudien überprüft werden, welche zentralen
Einflussfaktoren es an der untersuchten Hochschule gibt und wie stark sie sind.
Allerdings können die in der Regel deskriptiven Daten zwar ggf. Problembeschreibungen, jedoch
keine Erklärungen bereitstellen (vgl. Schmidt/Haas 2015). Zudem könnten die in den genannten
Quellen deskriptiv dargestellten Differenzen und (bivariaten) Zusammenhänge sogenannte “Schein-
korrelationen” sein. D.h. sie könnten eigentlich auf andere Faktoren zurückzuführen sein als es
zunächst scheint (wie z.B. der berüchtigte Zusammenhang von Feuerwehreinsätzen und Bränden).
Multivariate Analysen können dagegen den Einfluss solcher Faktoren simultan unter Berücksichtigung
ihrer gegenseitigen Zusammenhänge feststellen, und durch geeignete Modellierung können
sogenannte “Scheinkorrelationen” ausgeschlossen werden. Damit kann der Ansatz multivariater
Analysen potenziell sicherstellen, dass Maßnahmen nicht nur an Symptomen ansetzen, sondern auch
bei komplexeren Wirkungszusammenhängen eine Orientierung an empirischer Evidenz möglich wird.
Für multivariate Analysen sollte jedoch zuvor eine Modellierung potenzieller Einflussfaktoren
erfolgen. Hier wird das nachfolgende Modell zugrunde gelegt (Abb. 2), welches der Verfasser bereits
in früheren Arbeiten entwickelte und das sich an Qualitätsmodelle im Bildungswesen anlehnt (z.B.
Teichler 2003: 5), bzw. Wirkungsmodelle im Bildungswesen (z.B. Orr 2001: 97, Bayer 2004: 171ff.).
stimmte ebenfalls überein. Für detailliertere Informationen zur Erhebungsmethodik und zur Repräsentativität vgl. z.B. den
Methodenbericht zu den HU-Absolvent(inn)enstudien 2013.
7
Abb. 2: Basismodell potenzieller Einflussfaktoren (eigene Darstellung, angelehnt an Krempkow u.a. 2010)
Das Modell potenzieller Einflussfaktoren stellt auf der linken Seite den sozioökonomischen
Hintergrund (Geschlecht, Bildungshintergrund) und die persönliche Situation zum Befragungs-
zeitpunkt (z.B. Elternschaft)
5
als Ausgangsbedingungen des in der Mitte verorteten Ausbildungs-
prozesses dar (z.B. Studienzufriedenheit, Fächerkultur). Auf der rechten Seite sind die Ausbildungs-
ergebnisse (z.B. Abschlussnote, Studiendauer) und die Phase des Übergangs in den Beruf vs. in ein
weiteres Studium dargestellt. Die ebenfalls mit dargestellte Modellierung für die Einbeziehung der 1.
Wiederholungsbefragung im Paneldesign in weitere empirische Analysen ist zwar nicht Gegenstand
dieses Beitrages, wird aber für in Zukunft geplante Analysen relevant, z.B. für Analysen späterer
Übergänge von zunächst einige Jahre berufstätigen Bachelor-Absolvent(inn)en.
Aufgrund der höheren verfügbaren Fallzahl (als in früheren ähnlichen Analysen vgl. Krempkow
2016; Krempkow/Csonka 2014; Ebert/Stammen 2014), kann für die nachfolgend vorgestellten
Analysen zusätzlich zur Studienzufriedenheit eine Einbeziehung von weiteren Variablen zur Lehr- und
Studienqualität erfolgen. Für deren Auswahl wurden die theoretischen Vorüberlegungen und
5
Zur Elternschaft stellte sich heraus, dass leider zu wenig entsprechende Angaben vorlagen, um diese einbeziehen zu können.
8
empirischen Ergebnisse zur Mehrdimensionalität von Lehr- und Studienqualität zugrunde gelegt (vgl.
z.B. Lücking u.a. 2017; Wolbring 2014; für eine ausführliche Diskussion Krempkow 2007). Basierend
darauf sollen hier sowohl Variablen zur Lehre und Lehrqualität (didaktische Qualität der Lehre,
Verfassen von wissenschaftlichen Texten, Forschungsbezug und Vorbereitung auf den Beruf), als
auch Einschätzungen von Studienorganisation und -bedingungen einbezogen werden (wie zeitliche
Koordination des Lehrangebotes und Zugang zu Computerarbeitsplätzen, WLAN usw.). Die These
hierzu ist, dass positivere Bewertungen von bestimmten Aspekten der Studien- und Lehrqualität mit
einem häufgeren Weiterstudium nach dem Bachelor einhergehen. Hintergrund für diese These ist
neben Ergebnissen früherer Analysen unter Einbeziehung der Studienzufriedenheit (Krempkow 2016)
auch, dass beim Prüfungsjahrgang 2011 nicht nur die Studienzufriedenheit, sondern auch die
Einschätzungen der Lehre und Methodenvermittlung und die Wiederwahlquote in einigen
Fächergruppen an den Berliner Universitäten signifikant positiver sowie negativer ausfielen als im
Durchschnitt der übrigen Universitäten in Deutschland (vgl. Neumeyer u.a. 2016), und zugleich die
Übergangs- bzw. Weiterstudienquote niedriger als im Bundeschnitt ausfiel, weshalb hier möglicher-
weise Zusammenhänge bestehen könnten.
3.3 Ergebnisse deskriptiver Analysen
Insgesamt gehen innerhalb der ersten ca. 1,5 Jahre nach dem Abschluss etwa die Hälfte der 918
Bachelor-Absolvent(inn)en in den Absolvent(inn)enbefragungen der HU Berlin in den untersuchten
Jahrgängen in ein weiteres Studium
6
über. Diese Werte liegen bei Verwendung identischer
Operationalisierung etwas niedriger als die Werte z.B. der Universitäten Frankfurt, Paderborn oder
Greifswald, sowie deutlich niedriger als im Schnitt aller Universitäten in Nordrhein-Westfalen und der
an KOAB teilnehmenden Universitäten, wo die Übergangsquote in ein weiteres Studium mit 86 bis 88
Prozent angegeben wurde (hier bei etwas anderer Operationalisierung).
7
Laut Autorengruppe
Bildungsberichterstattung (2016, S. 134) beträgt die bundesweite Übergangsquote vom Bachelor zum
Master an Universitäten 80 Prozent (bei dort allerdings nicht detailliert beschriebener Operationali-
sierung). Wie weiter oben bereits auf der Basis anderer Auswertungen formuliert, zeigen sich für die
meisten der o.g. Thesen anhand der deskriptiven Analysen auch für die HU Berlin entsprechende
Unterschiede zwischen diesen beiden Gruppen (Abb. 3). So haben Bachelor-Absolvent(inn)en mit
folgenden Merkmalen signifikant häufiger ein weiteres Studium aufgenommen: geringere
Studiendauer, eine Berufsausbildung vor dem Studium und Studieren im Teilzeitstudium
(Selbsteinstufung).
8
Bei Geschlecht, Abschlussnote, Bildungshintergrund und Studienzufriedenheit
finden sich an der HU Berlin anders als teilweise in früheren Analysen keine signifikanten
6
Dies ist in fast allen Fällen ein Master-Studium, in sehr wenigen Fällen ein weiteres Bachelor-Studium, Diplom oder
Staatsexamen. Nachfolgend ist dennoch nicht vom Übergang zum Master die Rede, sondern in ein weiteres Studium, da
Bachelor-Studium, Diplom oder Staatsexamen mit einbezogen wurden.
7
Vgl. Dokumentation zur KOAB-Jahrestagung 2014; Alesi u.a. 2014, 2017; Koij/Schomburg 2015; Alesi/Flöther 2015. Es
gibt verschiedene Möglichkeiten der Berechnung (zu deren Problemen vgl. z.B. Hecht in KOAB-Jahrestagung 2014;
Koij/Schomburg 2015). Hier geht es jedoch nicht um die möglichst genaue Berechnung der Höhe der Übergangsquote,
sondern um davon weniger stark abhängige potentielle Einflussfaktoren.
8
An der HU Berlin gibt es bislang (wie auch bundesweit) deutlich weniger Studierende in formalen Teilzeitstudien(gängen),
als nach Zeitbudgetanalysen bzw. nach Selbsteinstufung de facto in Teilzeit studieren (vgl. z.B. Bargel/Bargel 2015). Daher
wird hier die Selbsteinstufung als geeignetere Variable angesehen.
9
Unterschiede. Letztere beide potenzielle Einflussfaktoren (Bildungshintergrund und Studien-
zufriedenheit) verfehlen allerdings hier nur relativ knapp die festgelegte Signifikanzgrenze.
9
Deskriptive
Befunde
(n=918)
Geschlecht
(% Männer)
Abschluss-
note (Mittel)
Studien-
dauer
(Mittel)***
Studienzu-
friedenheit
(Mittel)
Berufs-
ausbildung
(% Ja)***
Akademiker-
eltern
(% Ja)
Teilzeit-
studium
(% Ja)***
Weiterstudium:
Nein (n=405)
=44%
34,0
1,91
8,35
2,53
24,5
74,4
17,5
Weiterstudium: Ja
(n=513) =56%
34,7
1,86
7,02
2,46
17,3
73,1
6,6
Abb. 3: Deskriptive Analyse potenzieller Einflussfaktoren für die HU Berlin insgesamt (eigene Darstellung, Hier sind bei den
Prozentangaben nur die Zeilenprozente dargestellt. Die nicht dargestellten Anteile (z.B. der Frauen oder Nichtakademiker-
eltern) ergeben sich als Differenz der aufgeführten Werte zu 100 Prozent)
4. Ergebnisse multivariater Analysen
4.1 Ergebnisse für die HU Berlin insgesamt
Im Folgenden sollen die Ergebnisse multipler Regressionsanalysen als Beispiel für multivariate
Analysen des Weiterstudiums von Absolvent(inn)en nach dem Bachelor dargestellt werden. Wie Abb.
4 zeigt, wurden folgende Variablen in das Modell
10
einbezogen: Variablen zur Person und deren
sozioökonomischer Hintergrund (Geschlecht, Berufsausbildung, Bildungshintergrund Akademiker-
eltern), Variablen zum Ausbildungsprozess (Teilzeitstudium, Studienzufriedenheit, Fächergruppen,
11
Bewertung der Lehr- und Studienqualität), Ausbildungsergebnisse (Abschlussnote, Studiendauer).
Außerdem wurde in einem zweiten Modell zusätzlich als Kontrollvariable der Abschlussjahrgang
einbezogen, da hier zwei unterschiedliche Kohorten einfließen, die sich unterscheiden können (auch in
hier nicht direkt beobachtbaren Aspekten). Im Ergebnis zeigt sich für Modell 1(a) mit einer moderaten
Erklärungskraft (R2=.14), dass Studiendauer und -zufriedenheit die zentralen empirisch signifikanten
Faktoren für die Weiterstudienneigung an der HU Berlin sind. Im Modell 2(a) zeigt sich mit einer
noch etwas höheren Erklärungskraft (R2=.16), dass auch das Prüfungsjahr zusätzlich einen
signifikanten Effekt hat, d.h.: Der Bachelor-Prüfungsjahrgang 2014 studierte auch unter Kontrolle
aller weiteren einbezogenen Variablen seltener weiter als der Bachelor-Prüfungsjahrgang 2011.
9
Nachfolgend wird das Signifikanzniveau in den Abbildungen bzw. Tabellen anhand von Asterisken hinter den betreffenden
Werten wie folgt angegeben, beginnend mit der höchsten Signifikanzstufe: p<=0,01***, p<=0.05**, p<=0.1*. Aufgrund des
Zusammenfassens zweier Jahrgänge und der dadurch etwa doppelt so hohen Fallzahlen können auch kleinere Unterschiede
(bei entsprechender Homogenität der verglichenen Subgruppen) signifikant werden. Außerdem können durch die höhere
Fallzahl zusätzliche Variable im Vergleich zu einer früheren eigenen Analyse (Krempkow 2016) einbezogen werden.
10
Das Weiterstudium ist eine dichotom ausgeprägte Variable, daher bietet sich die logistische Regression als angemessenes
multivariates Verfahren an. Es wurde die von Jann (2009) empfohlene Ausreißerdiagnostik für logistische Regressionen zur
Analyse einflussreicher Daten durchgeführt, die keine groben Ausreißer ergab.
11
Als Referenzkategorie dienen hier alle übrigen Fächergruppen, die jeweils für sich zu gering besetzt waren und für die
daher keine separate Analyse erfolgte.
10
Bei einer vertieften Betrachtung der Zusammenhänge der Variablen, die in diesem Model als
unabhängige Variablen einflossen und daher untereinander möglichst nicht zusammenhängen sollten,
zeigte sich in den bis hierhin vorgenommen Analysen noch ein methodisches Problem: Die Variable
zum Bildungshintergrund korreliert hochsignifikant mit der Variable zur Berufsausbildung vor dem
Studium. Wenn Variablen solcherart miteinander konfundiert sind, kann dies einen die Ergebnisse
verzerrenden Effekt haben, d.h. sie ungenauer machen. Daher muss in einem solchen Fall eine der
beiden zu stark untereinander zusammenhängenden Variablen ausgeschlossen werden. Hier wurde in
den Modellen 1b und 2b die Bildungsherkunft ausgeschlossen, weil sie mehr fehlende Fälle aufwies.
Konzeptionell wird in den b-Modellen also jetzt von der Vermutung ausgegangen, dass die
Bildungsherkunft keine direkten Effekte hat, sondern diese indirekt (über andere Variablen vermittelt)
auftreten, z.B. über den in der Gruppe der Nichtakademikerkinder deutlich höheren Anteil mit
Berufsausbildung bzw. über deren deutlich höheren Anteil mit Teilzeitstudium.
12
Dies würde für die
Praxis bedeuten, dass die Verbesserung der Möglichkeiten des Teilzeitstudiums ein guter Ansatzpunkt
wäre, um die Weiterstudienneigung zu fördern. Dabei könnte durch den höheren Anteil von
Nichtakademikerkindern im Teilzeitstudium zugleich ein Beitrag zu einem besseren Umgang mit der
unterschiedlichen Bildungsherkunft bzw. der Heterogenität von Studierenden geleistet werden.
Die Ergebnisse für die Modelle 1b und 2b zeigen, dass diese Vermutung tatsächlich zutrifft: Wird die
Bildungsherkunft aus der Analyse ausgeschlossen, zeigen sich deutliche und hochsignifikante Effekte
für das Teilzeitstudium und signifikante Effekte für eine Berufsausbildung vor dem Studium dahin-
gehend, dass beides mit einem selteneren Weiterstudium einhergeht. Die Effekte der Studienzu-
friedenheit und der Studiendauer bleiben hierbei über alle Modelle hinweg stabil signifikant. Noten
sowie Geschlecht und Fächergruppen
13
zeigen dagegen wie schon in der früheren Analyse zum Prüf-
ungsjahr 2011 keine signifikanten Effekte. Allerdings leisten die Variablen zur Lehre und Lehrqualität
sowie zu Studienorganisation und -bedingungen anders als erwartet ebenfalls keinen zusätzlichen
Beitrag. Dies lässt vermuten, dass es nicht so sehr bestimmte als positiver oder negativ(er) wahrge-
nommene Einzelaspekte sind, die mit dem (Nicht-)Weiterstudium zusammenhängen, sondern eher der
Gesamteindruck des Studiums, der sich in der Studienzufriedenheit ausdrückt. Darüber hinaus zeigt
sich, dass die Koeffizienten der Fächergruppen in den b-Modellen fast durchweg deutlich niedriger
ausfallen. Dies deutet zusammen mit den signifikanten und deutlichen Effekten des Teilzeitstudiums
und der Berufsausbildung darauf hin, dass Unterschiede in der Übergangsquote eher durch Aspekte
der Heterogenität der Studierenden als durch die Zugehörigkeit zu einer Fächergruppe erklärbar sind.
12
Zur Überprüfung wurden weitere Modelle unter Einbeziehung der Bildungsherkunft und Weglassen der Berufsausbildung
berechnet. Dabei zeigte sich, dass die Bildungsherkunft keine direkten signifikanten Effekte hat, das Teilzeitstudium aber
nach wie vor deutliche und signifikante Effekte hat (hier aus Platzgründen und zur Redundanzvermeidung nicht dargestellt).
Außerdem wurden zur Überprüfung weitere Modelle unter Einbeziehung des Alters berechnet, wobei sich dies als bedeutsam
erwies, aber ebenfalls keine direkten Effekte der Bildungsherkunft und der Berufsausbildung auftraten. Dies bedeutet auch
hier nicht, dass diese Aspekte bedeutungslos sind, sondern dass die Effekte vermittelt auftreten. Denn die Berufsausbildung
vor dem Studium und die Akademikerherkunft korrelieren hochsignifikant untereinander sowie mit dem Alter (weshalb die
Aufnahme des Alters auch zu methodischen Problemen führen würde). Unter den Absolventen mit einer Berufsausbildung
vor dem Studium sind die Nichtakademikerkinder (mit 31%) fast doppelt so häufig vertreten wie die Akademikerkinder
(17%). Auch unter den Absolventen mit Teilzeitstudium sind die Nichtakademikerkinder (mit 14%) fast eineinhalbmal so
viele wie die Akademikerkinder (10%). Inhaltlich bedeutet dies letztlich, dass es wichtig ist, insgesamt die Heterogenität der
Studierenden bei der Planung von Maßnahmen im Blick zu behalten nicht nur bzgl. des Teilzeitstudiums, sondern auch
bzgl. (beruflicher) Vorbildung, Herkunft und Alter.
13
Zwar zeigt sich eine Tendenz, dass Bachelor-Absolvent(inn)en v.a. der Mathematik/Naturwissenschaften häufiger ein
weiteres Studium aufnehmen. Dies sind jedoch keine statistisch signifikanten Effekte und müssen daher in diesem Modell als
mit zu hoher Wahrscheinlichkeit zufällig zustande gekommen angesehen werden.
11
Abb. 4: Regressionkoeffizienten potenzieller Einflussfaktoren für die HU Berlin insgesamt (eigene Darstellung)
Angesichts der teilweise in den Medien berichteten Klagen, dass es zu wenige Masterstudienplätze
gebe und der Zugang aufgrund von Mindest-Abschlussnoten und aufgrund von NC-Regelungen zu
selektiv sei (z.B. Himmelrath 2015), sowie aufgrund des ursprünglich formulierten hochschul-
politische Zieles, dass die besten Bachelor-Absolvent(inn)en weiterstudieren sollen, mag der fehlende
Effekt von Abschlussnoten für die Aufnahme eines weiteren Studiums nach dem Bachelor an der HU
Berlin verwundern.
14
Andererseits geht die Annahme einer „Bestenauswahl“ z.B. mittels NC unge-
14
Hierbei werden aufgrund von Mindest-Abschlussnoten/NC-Regelungen für den Übergang zum Master ausschließlich die
BA-Abschlussnoten als Proxy-Indikator für die „Bestenauswahl“ herangezogen. Selbstverständlich ist dies nur einer von
mehreren möglichen Indikatoren und kann nur unzureichend beschreiben, ob es tatsächlich die besten Absolvent(inn)en sind,
Logistische Regressionen für Weiterstudium,
hochschulweite Analyse
Modell 1
(R2=.14***)
Modell 2
(R2=.16***)
Modell
1a;
n=469
Modell
1b;
n=685
Modell 2a;
n=469
Modell 2b;
n=685
Geschlecht (1=Männer)
-,013
-,038
-,106
-,107
Berufsausbildung vor dem Studium (1=ja)
-,162
-,351*
-,147
-,349*
Bildungshintergrund Akademikereltern (1= ja)
,060
-
,045
-
Teilzeitstudium (1=ja)
-,569
-,766***
-,536
-,726***
Studienzufriedenheit (1=positiv, bis 5=negativ)
-,294**
-,218**
-,303**
-,231**
Didaktische Qualität der Lehre (1-5)
,091
,117
,107
,136
Forschungsbezug von Lehre und Lernen (1-5)
,087
-,092
,074
-,107
Verfassen von wissenschaftlichen Texte (1-5)
,080
,121
,078
,119
Vorbereitung auf den Beruf (1-5)
,086
,109
,091
,112
Zeitliche Koordination der Lehrveranstaltungen (1-5)
-,011
,083
-,026
,068
Zugang zu EDV (Arbeitsplätze, WLAN etc.) (1-5)
,034
-,010
,027
-,009
Sprach- und Kulturwiss. (=1, Referenz andere=0)
-,041
-,425
-,072
-,448
Sport, Sportwiss. (=1, Referenz: andere=0)
,378
-,152
,373
-,139
Wirtschafts- und Sozialwiss. (=1, Ref. andere=0)
,343
-,168
,351
-,192
Mathematik, Naturwissenschaften (=1, Ref. andere=0)
,700
,228
,706
,207
Agrar-, Forst- und Ernährungswiss. (=1, Ref. and.=0)
,545
,282
,531
,259
Abschlussnote (1-4)
-,221
-,203
-,256
-,238
Studiendauer (in Fachsemestern)
-,175***
-,154***
-,178***
-,159***
Prüfungsjahr 2014 (vs. 2011)
-
-
-,499**
-,406**
12
prüft davon aus, dass die Bachelor-Absolvent(inn)en mit den besseren Noten auch weiterstudieren
wollen. Die vorliegenden Ergebnisse zeigen aber, dass v.a. diejenigen Studierenden, die mit dem
(Bachelor-)Studium weniger zufrieden waren und die länger für ihren Bachelor-Abschluss benötigten,
nicht weiterstudieren wollen und zwar unabhängig von der Abschlussnote. Wenn jedoch (zumindest
teilweise) die besseren Bachelor-Absolvent(inn)en aufgrund negativer Studienerfahrungen an der HU
Berlin von einem Weiterstudium absehen, kann eine „Bestenauswahl“ jedenfalls für die Bachelor-
Absolvent(inn)en der HU Berlin nicht optimal funktionieren. Dies legt die Vermutung nahe, dass
neben attraktiven Angeboten für ein weiteres Studium für eine „Bestenauswahl“ auch die Bemüh-
ungen bestärkt werden sollten, die Studienzufriedenheit und die Studienqualität in den korrespondier-
enden Bachelorstudiengängen in den Blick zu nehmen.
4.2 Fächergruppenspezifische Ergebnisse
In den vorangegangenen Modellen wurde der potenzielle Effekt der Fächerkultur auf die Weiter-
studienneigung bereits dadurch überprüft, dass die Zugehörigkeit der Befragten zu einer Fächergruppe
als (dichotomisierte) Kontrollvariable im Modell einbezogen ist. Damit wird deren Effekt für alle
Bachelor-Absolvent(inn)en der HU Berlin insgesamt kontrolliert. Eine andere Möglichkeit, um nach
Fächergruppen differierende Zusammenhänge zu prüfen, besteht darin den Gesamtdatensatz der HU
Berlin aufzuteilen in Teildatensätze für große Fächergruppen. Für diese Fächergruppen können dann
separate Modelle berechnet werden. Vorteil dieser Vorgehensweise ist, dass man hiermit die in den
einzelnen Fächergruppen ggf. anders ausfallenden Zusammenhänge analysieren kann. Nachteil ist die
jeweils deutlich geringere Fallzahl als im HU-Gesamtdatensatz. Dadurch wird es (bei vermuteten
ähnlichen Effektgrößen) potenziell unwahrscheinlicher, signifikante Effekte zu finden.
Zunächst sollen jedoch deskriptive Befunde in den einzelnen Fächergruppen vorgestellt werden (Abb.
5).
15
Es zeigt sich (wie auch schon bei der früheren separaten Analyse des Prüfungsjahrgangs 2011
zum Weiterstudium), dass in den Sprach- und Kulturwissenschaften seltener und in
Mathematik/Naturwissenschaften häufiger weiterstudiert wird.
16
Insgesamt ist die Weiterstudienquote
im Vergleich zum Prüfungsjahrgang 2011 um einige Prozentpunkte zurückgegangen; dies gilt für alle
Fächergruppen. Betrachtet man dies nicht nur generell, sondern speziell mit Blick darauf, wie viele
von den Weiterstudierenden an der HU weiterstudieren, so haben die Mathematik/Naturwissen-
schaften nach wie vor die höchste Tendenz zum Verbleib an der Heimatuniversität, und die Wirt-
schafts- und Sozialwissenschaften die geringste.
17
Damit ist auch die Verbleibsquote an der
Heimatuniversität um einige Prozentpunkte zurückgegangen. Dies gilt für fast alle Fächergruppen;
Ausnahme sind die Wirtschafts- und Sozialwissenschaften, wo die Verbleibsquote leicht stieg. Eine
erste Analyse des bundesweiten KOAB-Datensatzes zum Prüfungsjahrgang 2014, die auf der KOAB-
da hierfür theoretisch z.B. auch deren Kompetenzen eine Rolle spielen sollten. Kompetenzen zu erfassen ist jedoch
keineswegs trivial. Und Abschlussnoten sind – anders als z.B. die Studiendauer (die zudem auch von der Erwerbstätigkeit
neben dem Studium abhängt, vgl. Krempkow/Bischof 2010) das hochschulpolitisch festgelegte Zugangskriterium.
Abschlussnoten und Studiendauer korrelieren hier auch nur schwach miteinander.
15
Für weitere Fächergruppen wurde diese Analyse versucht; jedoch erwiesen sich die Fallzahlen als zu gering.
16
Diese Tendenz entspricht bei Mathematik/Naturwissenschaften auch der anderer Studien (vgl. Landes-Ergebnisse für
Berlin (Neumeyer u.a. 2016) und NRW (Alesi u.a. 2014), bei den HU-Sprach-/Kulturwissenschaften allerdings nicht.
17
Diese Tendenz wird auch durch erste Ergebnisse der Studienverlaufsanalysen der HU Berlin gestützt (vgl. Projekt SASHU
der Stabsstelle Qualitätsmanagement der HU Berlin). Dies entspricht in der Tendenz außerdem Analysen für das Land NRW,
allerdings mit stärkerer Ausprägung an der HU: In Mathematik/ Naturwissenschaften ist die Quote der an der HU
Weiterstudierenden höher als im NRW-Schnitt (vgl. Alesi u.a. 2014).
13
Jahrestagung 2016 vorgestellt wurde, zeigte, dass an einer deutlichen Mehrheit der Hochschulen in
Deutschland mindestens ein Drittel ihrer potentiellen „hausinternen“ Bachelor-Master-Übergänge
nicht an derselben Hochschule weiterstudiert (vgl. ähnlich eine DZHW-Analyse des Prüfungsjahrgang
2013 Fabian u.a. 2016: 17). Bei einem Drittel der Hochschulen betrifft dies sogar mehr als die Hälfte
potentieller „hausinterner“ Bachelor-Master-Übergänge. Eine fächer(gruppen)spezifische bundesweite
Analyse liegt bislang nicht vor.
An der HU Berlin gibt es erwartungsgemäß in den Sprach- und Kulturwissenschaften eine deutlich
andere Geschlechterverteilung als in den anderen Fächergruppen, und auch die BA-Abschlussnote ist
hier etwas besser. Die Studiendauer fällt in den Wirtschafts- und Sozialwissenschaften niedriger aus.
Die Studienzufriedenheit unterscheidet sich dagegen zwischen den Fächergruppen kaum. Eine
Berufsausbildung vor dem Studium und ein de-facto-Teilzeitstudium ist in Mathematik und
Naturwissenschaften am seltensten. Der Anteil der Akademikereltern ist in den Wirtschafts- und
Sozialwissenschaften etwas höher und in den Sprach- und Kulturwissenschaften etwas niedriger als im
Durchschnitt der HU insgesamt.
Deskriptive Befunde
HU insgesamt
(n=918)
Sprach- und
Kulturwiss.
(n=467)
Wirtschafts- und
Sozialwiss.
(n=129)
Mathematik und
Naturwiss.
(n=174)
Ja, weiterstudiert (%)
56
50
58
68
davon an der HU Berlin
weiterstudiert (%)
70
67
55
85
Geschlecht (% Männer)
34,5
23
48
55
BA-Abschlussnote (Mittel)
1,9
1,8
2,0
2,0
Studiendauer (Mittel)
7,6
7,6
6,8
7,7
Studienzufriedenheit (Mittel)
2,5
2,5
2,5
2,4
Berufsausbildung vor dem
Studium (% Ja)
20
22
22
18
Akademikerkinder (% Ja)
74
72
76
74
Teilzeitstudium (% Ja)
11
12
11
8
Abb. 5: Weiterstudium nach dem Bachelor und deskriptive Befunde an der HU Berlin insgesamt sowie nach Fächergruppen
(eigene Darstellung)
Nachfolgend werden die Ergebnisse der separat durchgeführten Regressionsanalysen für die drei
größten Fächergruppen Sprach- und Kulturwissenschaften; Wirtschafts- und Sozialwissenschaften
sowie Mathematik, Naturwissenschaften jeweils in separaten Tabellen dargestellt. Insgesamt haben
diese Modelle eine moderate bis gute Erklärungskraft (mit R2-Werten von .14 bis .44 in den jeweiligen
Fächergruppen), die Ergebnisse sind in der Grundstruktur ähnlich, in der Höhe der Effekte aber
durchaus verschieden, wie die folgenden Abb. 6 bis 8 zeigen.
14
Abb. 6: Regression potenzieller Einflussfaktoren, Modelle für Sprach- und Kulturwissenschaften (eigene Darstellung)
Die Abb. 6 zeigt für die Fächergruppe Sprach- und Kulturwissenschaften in allen Modellen
durchgehend signifikante Effekte für die Studiendauer (wie im HU-Gesamtmodell). Für die Studien-
zufriedenheit zeigen sich in dieser Fächergruppe bis auf eine Ausnahme (Modell 1a) ebenfalls
durchweg signifikante Effekte; in Modell 1a liegt die Signifikanz knapp unter der festgelegten Grenze.
Ansonsten zeigen sich in den Modellen 1b und 2b die bereits für die hochschulweiten Analysen
beschriebenen Effekte für das Teilzeitstudium und eine Berufsausbildung vor dem Studium, die beide
mit einem deutlich selteneren Weiterstudium einhergehen. Interessant auch für zukünftige Analysen
ist noch, dass der Bildungshintergrund in Modell 2a ebenfalls nur knapp die festgelegte Signifikanz-
grenze verfehlt. In dieser Fächergruppe könnte sich in künftigen Analysen mit höherer Fallzahl also
evtl. auch noch ein direkter Effekt des Bildungshintergrundes auf die Weiterstudienquote zeigen.
Wie sieht dies nun für die Fächergruppe Wirtschafts- und Sozialwissenschaften aus? Abb. 7 zeigt eine
relativ gute Erklärungskraft der Modelle (mit R2-Werten von .27 bis .44),
19
bei allerdings relativ
niedriger Fallzahl insbesondere in den Modellen 1a und 2a, was die Wahrscheinlichkeit signifikanter
Ergebnisse entsprechend verringert.
18
Hier verfehlt der Wert für die Signifikanz nur relativ knapp die Signifikanzgrenze.
19
Diese Werte liegen z.T. noch über denen ähnlicher Analysen wie z.B. in Ebert/Stammen (2014) und Auspurg/Hinz (2011).
Logistische Regression für Weiterstudium,
separate Analyse für die Sprach- und
Kulturwissenschaften
Modell 1a
(n=216;
R2=.12*)
Modelle 1b
(n=333;
R2=.12***)
Modell 2a
(n=216;
R2=.14*)
Modell 2b
(n=333;
R2=.14***)
Geschlecht (1=Männer)
-,014
,051
-,137
-,019
Berufsausbildung vor dem Studium (1=ja)
,068
-,199**
,061
-,210**
Bildungshintergrund Akademikereltern (1= ja)
-,332
-
-,37718
-
Teilzeitstudium (1=ja)
,082
-,743**
,157
-,680**
Studienzufriedenheit (1=positiv, bis 5=negativ)
-,24918
-,270**
-,262**
-,298**
Didaktische Qualität der Lehre (1-5)
,019
,086
,029
,097
Forschungsbezug von Lehre und Lernen (1-5)
,144
-,028
,135
-,043
Verfassen von wissenschaftlichen Texte (1-5)
,063
,038
,087
,056
Vorbereitung auf den Beruf (1-5)
,173
,191
,160
,190
Zeitliche Koordination der Lehrveranstaltungen (1-5)
,030
,117
,014
,110
Zugang zu EDV (Arbeitsplätze, WLAN etc.) (1-5)
-,064
-,019
-,070
-,012
Abschlussnote (1-4)
-,069
-,135
-,146
-,227
Studiendauer (in Fachsemestern)
-,207***
-,149***
-,213***
-,156***
Prüfungsjahr 2014 (vs. 2011)
-
-
-,608*
-,39718
15
Abb. 7: Regression potenzieller Einflussfaktoren, Modelle für Wirtschafts- und Sozialwiss. (eigene Darstellung)
Im Einzelnen zeigen sich für die Studiendauer in dieser Fächergruppe nur in Modell 1b und 2b
signifikante Effekte, was auch mit der relativ geringeren Fallzahl in den Modellen 1a und 2a zu tun
haben dürfte. Für die Studienzufriedenheit zeigen sich in dieser Fächergruppe keine signifikanten
Effekte. Stattdessen finden sich hier in fast allen Modellen signifikante Effekte mit deutlich höheren
Koeffizienten einer Berufsausbildung vor dem Studium dahingehend, dass die betr. Absolvent(inn)en
seltener weiterstudieren (nur in Modell 2a liegt die Signifikanz knapp unter der festgelegten Grenze).
Dies deutet darauf hin, dass in den Wirtschafts- und Sozialwissenschaften eine Berufsausbildung vor
dem Studium von besonderer Relevanz für die Weiterstudienentscheidung ist. Darüber hinaus zeigen
sich in Modell 1b und 2b deutlich höhere Koeffizienten für das Teilzeitstudium. D.h., dass hier die
Möglichkeiten für das Teilzeitstudium in besonderem Maße ein Ansatzpunk für geeignete
Maßnahmen sein dürfte. Die hiermit vorgelegten Ergebnisse bestärken somit die bereits bestehenden
Bemühungen zum Teilzeitstudium z.B. an der Wirtschaftswissenschaftlichen Fakultät der HU Berlin
(vgl. Hahm u.a. [im Druck]).
Die dritte hier separat analysierte Fächergruppe ist Mathematik, Naturwissenschaften. Die
Erklärungskraft dieser Modelle (mit R2-Werten von .16 bis .17) und die Fallzahlen liegen zwischen
den beiden anderen Fächergruppen, allerdings sind hier die Modelle insgesamt (knapp) nicht signifi-
kant. D.h., es ist mit einer etwas über die festgelegte Grenze erhöhten „Irrtumswahrscheinlichkeit“ in
der Passung der Modelle in dieser Fächergruppe zu rechnen.
Logistische Regression für Weiterstudium,
separate Analyse für die Wirtschafts- und
Sozialwiss.
Modell 1a
(n=76;
R2=.44*)
Modell 1b.
(n=101;
R2=.27**)
Modell 2a
(n=76;
R2=.44*)
Modell 2b
(n=101;
R2=.30**)
Geschlecht (1=Männer)
-,920
-,754
-,974
-,90218
Berufsausbildung vor dem Studium (1=ja)
-1,60**
-1,13**
-1,48**
-,87218
Bildungshintergrund Akademikereltern (1= ja)
,558
-
,600
-
Teilzeitstudium (1=ja)
-22,4
-2,15**
-22,3
-2,026**
Studienzufriedenheit (1=positiv, bis 5=negativ)
,135
,107
,137
,119
Didaktische Qualität der Lehre (1-5)
-,280
,084
-,262
,110
Forschungsbezug von Lehre und Lernen (1-5)
,278
-,073
,227
-,163
Verfassen von wissenschaftlichen Texte (1-5)
,413
,278
,387
,269
Vorbereitung auf den Beruf (1-5)
,070
-,116
,080
-,089
Zeitliche Koordination d. Lehrveranstaltungen (1-5)
-,452
,002
-,478
-,089
Zugang zu EDV (Arbeitsplätze, WLAN etc.) (1-5)
,354
,061
,339
,000
Abschlussnote (1-4)
-,564
-,285
-,537
-,402
Studiendauer (in Fachsemestern)
-,154
-,267***
-,172
-,290***
Prüfungsjahr 2014 (vs. 2011)
-
-
-,307
-,89618
16
Abb. 8: Regression potenzieller Einflussfaktoren, Modelle für Mathematik, Naturwissenschaften (eigene Darstellung)
Die Effekte, die gefunden wurden, decken sich weitgehend mit denen der anderen Fächergruppen:
20
So zeigen sich für die Studiendauer in dieser Fächergruppe fast durchweg signifikante Effekte; nur in
Modell 2a liegt die Signifikanz knapp unter der festgelegten Grenze. Für die Studienzufriedenheit
zeigen sich in Modell 1a und 2a ähnliche Effekte. Insgesamt erscheint es mit entsprechend höherer
Vorsicht vertretbar, hier neben der Studiendauer ebenfalls von einer Relevanz der Studien-
zufriedenheit auszugehen, zumal die Beträge der Beta-Koeffizienten relativ hoch sind und sich diese
Effekte für den Gesamtdatensatz ohne signifikante Fächergruppeneffekte zeigen. Eine höhere
statistische Sicherheit der Ergebnisse könnte potenziell unter Hinzuziehen der Daten der HU-
Absolvent(inn)enstudie 2017 erreicht werden, die allerdings erst noch aufbereitet werden müssen.
4.3 Lehramtsspezifische Ergebnisse
Nachfolgend werden die Analysen für die Fächergruppen nun noch durch die Ergebnisse einer
separaten Analyse für die angestrebte Abschlussart Lehramt ergänzt. Grundidee dafür ist, zusätzlich
auch das evtl. Vorhandensein von Lehramt-spezifischen Mustern im Übergangsverhalten zu
überprüfen. Dem entsprechend sollen alle Bachelorabsolventen einbezogen werden, die in einem
20
Zwar zeigen sich hier für Teilzeit und Berufsausbildung trotz hoher Koeffizienten keine signifikanten Effekte. Allerdings
ist ein Teilzeitstudium in Mathematik/ Naturwissenschaften am seltensten, und die entspr. Fallzahl ist relativ gering.
Logistische Regression für Weiterstudium,
separate Analyse für die Mathematik,
Naturwissenschaften
Modell 1a
(n=97;
R2=.16)
Modell 1b
(n=132;
R2=.16)
Modell 2a
(n=97;
R2=.16)
Modell 2b
(n=132;
R2=.17)
Geschlecht (1=Männer)
-,011
,373
-,080
,308
Berufsausbildung vor dem Studium (1=ja)
,402
,193
,316
,091
Bildungshintergrund Akademikereltern (1= ja)
,166
-
,170
-
Teilzeitstudium (1=ja)
-,708
-,454
-,756
-,447
Studienzufriedenheit (1=positiv, bis 5=negativ)
-,54018
-,203
-,55118
-,204
Didaktische Qualität der Lehre (1-5)
,336
,215
,364
,262
Forschungsbezug von Lehre und Lernen (1-5)
,086
-,158
,074
-,172
Verfassen von wissenschaftlichen Texte (1-5)
,122
,30515
,121
,28418
Vorbereitung auf den Beruf (1-5)
,110
,181
,137
,194
Zeitliche Koordination d. Lehrveranstalt. (1-5)
-,056
-,181
-,093
-,237
Zugang zu EDV (Arbeitsplätze, WLAN etc.) (1-5)
-,010
,073
,011
,110
Abschlussnote (1-4)
,077
-,281
,115
-,236
Studiendauer (in Fachsemestern)
-,167*
-,148**
-,15818
-,146*
Prüfungsjahr 2014 (vs. 2011)
-
-
-,348
-,422
17
weiteren Studium einen Lehramtsabschluss anstrebten (in den untersuchten Prüfungsjahrgängen).
21
Hierbei werden nur die Fachbereiche einbezogen, in denen es überhaupt solche Absolventen gab.
Betrachtet man die angestrebte Abschlussart Lehramt hier auch zunächst wieder deskriptiv, so zeigt
sich: 96 Prozent von diesen Absolventen studieren an der HU Berlin weiter (70 Prozent sind es von
den Absolventen der HU insgesamt).
22
Damit sind sie deutlich standorttreuer, was aber mit Besonder-
heiten des Lehramts-Studiums zu tun haben dürfte.
23
Die Geschlechterverteilung fällt ähnlich aus, die
BA-Abschlussnote geringfügig schlechter und die Bachelor-Studiendauer geringfügig kürzer. Die
Studienzufriedenheit unterscheidet sich zu Ungunsten der angestrebten Abschlussart Lehramt. Die
Anteile mit Berufsausbildung vor dem Studium, der Akademikerkinder und der De-facto-
Teilzeitstudierenden sind bei angestrebter Abschlussart Lehramt etwas geringer als bei allen
Absolventen der HU. Insgesamt sind die Unterschiede relativ gering.
Deskriptive Befunde
HU insgesamt (n=918)
angestrebte Abschlussart Lehramt
(n=121)
davon an der HU Berlin weiterstudiert (%)
70
96
Geschlecht (% Männer)
34,5
32
BA-Abschlussnote (Mittel)
1,9
2,0
Studiendauer (Mittel)
7,6
7,4
Studienzufriedenheit (Mittel)
2,5
2,6
Berufsausbildung vor dem Studium (% Ja)
20
16
Akademikerkinder (% Ja)
74
72
Teilzeitstudium (% Ja)
11
9
Abb. 9: Weiterstudium nach dem Bachelor und deskriptive Befunde an der HU Berlin insgesamt sowie nach angestrebter
Abschlussart Lehramt (eigene Darstellung)
Nachfolgend werden die Ergebnisse der separat durchgeführten Regressionsanalysen vorgestellt: Für
die Lehramts-Modelle zeigt sich (mit R2 von bis zu .31) eine etwas höhere Erklärungskraft als für die
Modelle der HU insgesamt und die meisten fächergruppenspezifischen Modelle; und hier sind die
Modelle wieder alle signifikant.
21 Die Absolventen verteilen sich breit auf verschiedene Fachbereiche (gemäß Fachbereichs-Systematik der KOAB-Studie):
Philosophie, Geschichte, Altphilologie/Neugriechisch, Germanistik (Deutsch, germanische Sprachen ohne Anglistik),
Anglistik/Amerikanistik, Romanistik, Slawistik/Baltistik/Finno-Ugristik, Erziehungswissenschaften, Sonderpädagogik,
Sport/Sportwissenschaft, Mathematik, Informatik, Physik, Chemie, Biologie, Geographie.
22
Die Weiterstudienneigung wird
hier aufgrund der anders gearteten Auswahl der Analysegruppe nicht verglichen.
22
Die Weiterstudienneigung wird hier aufgrund der anders gearteten Auswahl der Analysegruppe nicht verglichen.
23
Für eine frühere Bestandsaufnahme der Besonderheiten der Lehrerausbildung am Beispiel der Primarstufe und
Sekundarstufe 1 in den 16 Bundesländern Deutschlands vgl. z.B. Krempkow/König (2008).
18
Abb. 10: Regression potentieller Einflussfaktoren nach angestrebter Abschlussart Lehramt (eigene Darstellung)
Für die angestrebte Abschlussart Lehramt fallen die Effekte tatsächlich etwas anders aus als für die
HU insgesamt und die Fächergruppen: Stabil ergeben sich zwar wieder für die Studiendauer
signifikante Effekte, in mehreren Modellen auch für die Studienzufriedenheit sowie das Prüfungsjahr,
aber nicht für das Teilzeitstudium oder die Berufsausbildung vor dem Studium. Außerdem finden sich
nun signifikante Effekte für mehrere konkrete Aspekte der Lehrqualität: So geht eine bessere
Bewertung der Vorbereitung auf den Beruf, die mit einer erhöhten Weiterstudienneigung in der
angestrebten Abschlussart Lehramt einher. Für den zweiten Aspekt, die didaktische Qualität der
Lehre, findet sich ein kontraintuitives Ergebnis: Hier studieren diejenigen häufiger auf Lehramt weiter,
die dies schlechter bewerten. Vermutlich ist dies so zu erklären, das die angehenden Lehrer höhere
Ansprüche an die didaktische Qualität stellen und sie daher kritischer bewerten als andere
Absolventen.
24
Interessant wäre sicherlich noch zu erfahren, ob sich hier spezifische Besonderheiten
des polyvalenten Studienmodells im Unterschied zur klassischen Lehramts-Staatsexamensausbildung
widerspiegeln, oder ob es generelle Besonderheiten des Lehramts sind. Dies kann hier mangels einer
entsprechenden Vergleichsgruppe nicht untersucht werden, ggf. könnten aber an anderen Hochschulen
ähnliche Analysen zur Beantwortung dieser Frage angeregt werden.
24
Tatsächlich bewerteten diejenigen weiterstudierenden Absolventen, die einen Lehramtsabschluss anstreben, die didaktische
Qualität im Schnitt um zwei Zehntel negativer als die übrigen. Die Bewertung „sehr gut“ vergaben sie sogar nur halb so oft.
Die Wichtigkeit der einzelnen Aspekte der Lehr- und Studienqualität für die Absolventen wurde hier allerdings nicht erfragt.
Logistische Regression für Weiterstudium,
separate Analyse nach angestrebter
Abschlussart Lehramt
Modell 1a
(n=166,
R2=.26***)
Modell 1b
(n=246,
R2=.23***)
Modell 2a
(n=166,
R2=.31***)
Modell 2b
(n=246,
R2=.28***)
Geschlecht (1=Männer)
,107
,327
-,043
,186
Berufsausbildung vor dem Studium (1=ja)
-,306
-,572
-,355
-,514
Bildungshintergrund Akademikereltern (1= ja)
-,133
-
-,307
-
Teilzeitstudium (1=ja)
,761
,037
,819
,165
Studienzufriedenheit (1=positiv, bis 5=negativ)
-,353
-,372*
-,391
-,407*
Didaktische Qualität der Lehre (1-5)
,749***
,745***
,836***
,804***
Forschungsbezug von Lehre und Lernen (1-5)
,006
-,124
,027
-,144
Verfassen von wissenschaftlichen Texte (1-5)
-,101
,014
-,093
,008
Vorbereitung auf den Beruf (1-5)
-,433*
-,343*
-,42618
-,34118
Zeitliche Koordination d. Lehrveranstalt. (1-5)
,313
,350
,224
,305
Zugang zu EDV (Arbeitsplätze, WLAN etc.) (1-5)
-,171
-,018
-,156
-,008
Abschlussnote (1-4)
,605
,747**
,633
,707*
Studiendauer (in Fachsemestern)
-,288***
-,192***
-,316***
-,218***
Prüfungsjahr 2014 (vs. 2011)
-
-
-1,391***
-1,052***
19
5. Einordnung in multivariate Analysen anderer Hochschulen
Für die Interpretation und mögliche Ableitung von Schlussfolgerungen ist noch die folgende Frage
wichtig: Ist dies auch an anderen Universitäten so oder ist dies spezifisch für die HU Berlin?
25
Für eine Einordnung der HU-Ergebnisse sollen nach derselben Methodik bereits zu einem früheren
Zeitpunkt durchgeführte Analysen (allerdings noch ohne Einbeziehung von Einschätzungen zur
Lehrqualität und Studiensituation) anhand von Daten der Absolvent(inn)enstudien der Universität
Freiburg und der Universität Konstanz hier kurz zusammengefasst werden (vgl. hierzu ausführlicher
Krempkow/Bargel 2010). So zeigte sich in entsprechenden Analysen der Freiburger Absolvent(inn)en-
studien, dass von den o.g. potenziellen Einflussfaktoren nur die Geschlechtszugehörigkeit ein
signifikanter Faktor ist. Abschlussnoten, Studiendauer und Studienzufriedenheit sowie die Fächer-
zugehörigkeit zeigten an der Universität Freiburg dagegen keine signifikanten Effekte. D.h. also,
ähnlich wie an der HU ist auch dort die Abschlussnote nicht zentral für die Weiterstudienneigung.
Anders sieht dies dagegen an der Universität Konstanz aus: Dort erwiesen sich Studiendauer,
Abschlussnoten und die Fächerzugehörigkeit als signifikante Faktoren; Geschlechtszugehörigkeit und
Studienzufriedenheit im Gegensatz dazu nicht.
26
Auch an der Universität Konstanz zeigte sich, dass
eine rein deskriptive Betrachtung ohne multivariate Analysen eine andere Interpretation ergeben und
ggf. zu fehlgeleiteten Schlussfolgerungen geführt hätte (vgl. auch Auspurg/Hinz 2011). Darüber
hinaus zeigte sich in einer nach ähnlicher Methodik durchgeführten Analyse an der Universität
Duisburg-Essen (Ebert/Stammen 2014), dass dort der Bildungshintergrund und eine berufliche
Ausbildung vor dem Studium sowie einzelne Fächergruppen signifikante Effekte hatten. Außerdem
hatte dort in einzelnen Modellen auch die Bachelor-Abschlussnote einen Effekt.
Die dargestellten Beispiele von insgesamt vier Hochschulen (zusammen mit der HU Berlin) belegen
damit, dass die Einflussfaktoren auf die Weiterstudienneigung einerseits multivariat zu analysieren
und andererseits hochschulspezifisch zu betrachten sind und nicht etwa allein aus bundesweiten
Analysen oder aus Analysen an anderen Hochschulen auf die eigene Hochschule übertragbar sind. Für
solche Analysen müssen daher an jeder Hochschule je eigene Daten ausgewertet werden.
Lehramtsspezifische Auswertungen zeigen zudem, dass darüber hinaus für diese Abschlussart
spezifische Muster
27
auftreten können, die ggf. gesonderte Maßnahmenplanungen nahe legen.
6. Fazit und Ausblick
Als Fazit der Analysen der Übergänge nach dem BA sollen abschließend drei Thesen formuliert
werden, die sich aus den vorgestellten Auswertungen ergeben:
- Erstens ist eine hochschulspezifische Betrachtung der Selektivität beim Übergang BA-MA
geboten, weil die Ergebnisse je nach Hochschule sehr unterschiedlich ausfallen können, wie
25
Vgl. hierzu z.B. Hecht in Dokumentation zur KOAB-Jahrestagung 2014.
26
Fächergruppenspezifische Analysen und Analysen nach Abschlussart waren aufgrund der Fallzahlen in den jeweiligen
Subgruppen an den beiden Hochschulen zu diesem Zeitpunkt nicht möglich.
27
Frühere Auswertungen zu Einschätzungen der Lehr- und Studienqualität anhand der Daten eines ganzen Bundeslandes
zeigten, dass – im Gegensatz zu allen dort untersuchten Fächergruppen – in der Wahrnehmung angehender Lehrer andere
Dimensionen der Lehr- und Studienqualität existieren als für Studierende anderer angestrebter Abschlussarten (vgl. Lenz u.a.
2016). D.h., dass die Abschlussart Lehramt einen größeren Einfluss haben kann als die vieldiskutierte Fächerkultur, weshalb
eine solche Prüfung auch an anderen Hochschulen für ggf. abgeleitete Maßnahmen wichtig sein dürfte.
20
ein Vergleich der HU und der Universitäten Freiburg und Konstanz sowie Duisburg-Essen
gezeigt hat.
- Zweitens sind wesentliche Determinanten des Weiterstudiums von BA-Absolvent(inn)en
nicht nur deren Leistungen (z.B. erfasst als Abschlussnote). Vielmehr finden je nach
Hochschule unterschiedliche (Selbst-)Selektionen auch nach Studiendauer und -zufriedenheit
statt, sowie im Zusammenhang mit Erfahrungen eines de-facto-Teilzeitstudiums und dem
Erfahrungshintergrund einer Berufsausbildung (vor dem Studium), die auch die
Weiterstudienquote beeinflussen.
- Drittens muss eine stärkere Regelung des Zugangs zum Master z.B. nach BA-Abschlussnoten
nicht unbedingt dazu führen, dass bessere BA-Absolvent(inn)en weiterstudieren werden.
Vielmehr sollten auch die Bemühungen bestärkt werden, bei Maßnahmen für eine
Verbesserung der Studienzufriedenheit und der Möglichkeiten zur Studienzeiteinhaltung
anzusetzen. Dies könnte wie die Effekte zum Teilzeitstudium nahelegen auch über eine
Verbesserung der Möglichkeiten des Teilzeitstudiums erfolgen. Damit könnte zugleich ein
Beitrag zum noch besseren Umgang mit der Heterogenität von Studierenden geleistet werden.
Abschließend bleiben als Ausblick und Desiderata festzuhalten: Künftig wären noch Analysen unter
Hinzuziehung von weiterentwickelten Fragen zum BA-MA-Übergang wünschenswert, wie sie 2017
im KOAB-Projekt als Weiterentwicklung beschlossen wurden. Außerdem sollte eine noch größere
statistische Sicherheit der Analysen in einzelnen Fächergruppen durch das Zusammenführen der
bisher verfügbaren Daten mit künftigen HU-Absolvent(inn)enstudien angestrebt werden.
Literatur
Albrecht, André / Nuyken, Janine (2015): Das Qualitätsmanagement im Bereich Studium und Lehre an der Europa-
Universität Viadrina Frankfurt (Oder): Ergebnistransfer. In: Wege zu einer höheren Wirksamkeit des
Qualitätsmanagements. 14. Jahrestagung des Arbeitskreises Evaluation und Qualitätssicherung der Berliner und
Brandenburger Hochschulen. S. 131-145. (Volltext: urn:nbn:de:kobv:11-100232403)
Alesi, Bettina / Neumeyer, Sebastian (2017): Studium und Beruf in Nordrhein-Westfalen. Analysen der Befragung von
Hochschulabsolventinnen und -absolventen des Abschlussjahrgangs 2014. Kassel: INCHER Kassel.
Alesi, Bettina / Flöther, Choni (2015): Bachelor-Variante. In: Materialienband zum KOAB-Workshop Datenauswertung und
Fragebogenentwicklung am 9./10. Dezember 2015, Frankfurt am Main. S. 64-69.
Alesi, Bettina / Neumeyer, Sebastian / Flöther, Choni (2014): Studium und Beruf in Nordrhein-Westfalen. Analysen der
Befragung von Hochschulabsolventinnen und -absolventen des Abschlussjahrgangs 2011. Kassel: INCHER Kassel.
Autorengruppe Bildungsberichterstattung (2016): Bildung in Deutschland 2016. Ein indikatorengestützter Bericht mit einer
Analyse zu Bildung und Migration. Bielefeld: WBV.
Bargel, Tino / Bargel, Holger (2014): Studieren in Teilzeit und Teilzeitstudium Definitionen, Daten, Erfahrungen,
Positionen und Prognosen. Bielefeld: Universitätsverlag Webler.
Bayer, Christian R. (2004): Hochschul-Ranking: Vorschlag eines ganzheitlichen Ranking-Verfahrens. Band 14 der Reihe
Abhandlungen zu Bildungsforschung und Bildungsrecht, Berlin: Duncker & Humblodt.
Dokumentation zur KOAB-Jahrestagung 2014. Kassel: INCHER Kassel.
Ebert, Anna / Stammen, Karl-Heinz (2014): Der Übergang vom Bachelor zum Master. Eine neue Schwelle der
Bildungsbenachteiligung? In: Die Hochschule 22 (2), S. 172-189.
Fabian, Grogor / Hillmann, Julika / Trennt, Fabian/ Briedis, Kolja (2016): Hochschulabschlüsse nach Bologna. Forum
Hochschule 1/2016. Hannover: DZHW.
Falk, Susanne (2005): Geschlechtsspezifische Ungleichheit im Erwerbsverlauf. Analysen für den deutschen Arbeitsmarkt.
Wiesbaden: VS Verlag.
Fricke, Myriam (2009): Master-Studie 2009. Qualifikation und Berufseinstieg: Wie Studenten ihre Zukunft planen. SWOP -
Medien & Konferenzen (Hg.), Berlin.
Hahm, Sabrina / Leerhoff, Holger / Hundert, Janina [im Druck]: Das Teilzeitstudium als Schlüssel zum Umgang mit
studentischer Heterogenität. In: Hericks, Nicola: Hochschulen im Spannungsfeld der Bologna Reform. Berlin: Springer.
Hahm, Sabrina / Storck, Johanna (2017): Das Potential administrativer Daten zum Qualitätsmanagement an Hochschulen.
[unveröffentlichtes Manuskript, wird in Kürze eingereicht zur Veröffentlichung]
HRK (2009): Statistische Daten für die Implementation von Bachelor- und Masterstudiengängen. Statistiken für die
Hochschulpolitik Nr. 1/2009. Hochschulrektorenkonferenz (Hg.), Bonn.
21
Jann, Ben (2009): Diagnostik von Regressionsschätzungen bei kleinen Stichproben (mit einem Exkurs zu logistischer
Regression). In: Kriwy, Peter/ Gross, Christiane (Hrsg.): Klein aber fein! Quantitative empirische Sozialforschung mit
kleinen Fallzahlen. Wiesbaden: VS-Verlag. S. 93125
Himmelrath, Armin (2015): Master-Desaster. Der Übergang vom Bachelor- zum Master-Studium ist ein hochschulpolitischer
Zankapfel und eine Sollbruchstelle in der beruflichen Karriere. In: Erziehung und Wissenschaft, 67 (3), S. 17-18.
Koij, René / Krücken, Georg / Krempkow, René (2015): Absolventenbefragung 2013. Grundauswertung nach Abschlussart
(Tabellenband). INCHER Kassel/ HU Berlin (Hg.).
Koij, René / Schomburg, Harald (2015): Methodische Probleme bei der Erfassung von Übergängen in gestuften Studien-
gängen. Beitrag zur 10. Jahrestagung der Gesellschaft für Hochschulforschung. 9.-10.04.2015, Kassel: INCHER Kassel.
Krempkow, René (2016): Evaluation der Übergänge nach dem Bachelor eine Herausforderung für Hochschulforschung und
Hochschulmanagement. In: Harris-Hümmert, Susan / Mitterauer, Lukas / Pohlenz, Philipp: Wie wirken Evaluationen in
Hochschulen? erwünschte und unerwünschte Effekte. Bielefeld: UniversitätsverlagWebler, S. 11-26.
Krempkow, René / Csonka, Nadine (2014): Einflussfaktoren des Weiterstudiums: Eine multivariate Analyse der
Absolvent(inn)enstudien der HU Berlin. Workshop des bundesweiten Kooperationsprojektes Absolventenstudien
(KOAB) des International Centre for Higher Education Research (INCHER) Kassel, 03.-05.12.2014, INCHER Kassel.
Krempkow, René / Bargel, Holger (2010): “Simply the Best?” Determinants for the further study of the first Bachelor gradu-
ates”. In: Bargel, Tino / Schmidt, Monika / Bargel, Holger (Ed.): The Bachelor - Changes in Performance and Quality of
Studying? Empirical Evidence in International Comparison. Hefte zur Bildungs- und Hochschulforschung 58, S. 83-91.
Krempkow, René / Vissering, Annika / Wilke, Ulrich / Bischof, Lukas (2010): Absolventenstudien als outcome evaluation.
In: SuB 33 (1), S. 43-63. Volltext: www.wissenschaftsmanagement-online.de/converis/artikel/2115
Krempkow, René / Bischof, Lukas (2010): Studierbarkeit: Der Beitrag von Absolventenstudien zur Analyse der
Studienorganisation und Studienbedingungen. In: Pohlenz, Philipp/ Oppermann, Antje, (Hrsg.) 2010: Lehre und Studium
professionell evaluieren: Wieviel Wissenschaft braucht die Evaluation? Bielefeld: Universitätsverlag Webler, S. 123-137.
Krempkow, René (2009a): Das Potential von Absolventenstudien für die Qualitätsentwicklung. In: Vom Winde verweht
Absolventenstudien in Theorie und Praxis. Dokumentation zum Workshop des HRK-Projektes Qm. Volltext:
www.wissenschaftsmanagement-online.de/converis/artikel/1024
Krempkow, René (2009b): (Selbst-)Selektionen zur Promotion Ansätze zur Schätzung der Selektivität bei Zugang und
Verlauf mit Hilfe von Absolventenbefragungen und Hochschulstatistiken. In: Bülow-Schramm, Margret (Hg.):
Hochschulzugang und Übergänge in der Hochschule: Selektionsprozesse und Ungleichheiten. Frankfurt: Peter Lang, S.
197-213. (Volltext: www.wissenschaftsmanagement-online.de/beitrag/selbst-selektionen-zur-promotion-ans-tze-zur-sch-
tzung-der-selektivit-t-bei-zugang-und).
Krempkow, René / König, Johannes (2008): Grundschullehrerausbildung in Deutschland: Vielfalt und Einheit. Kentron
Journal für Lehrerbildung 21, S. 11-18.
Krempkow, René (2007): Leistungsbewertung, Leistungsanreize und die Qualität der Hochschullehre. Konzepte, Kriterien
und ihre Akzeptanz. Bielefeld: Universitätsverlag Webler.
Lenz, Karl / Krempkow, René / Popp, Jaqueline (2006): Sächsischer Hochschulbericht 2006. Dauerbeobachtung der
Studienbedingungen und Studienqualität im Freistaat Sachsen. Erstellt im Auftrag des Sächsischen Staatsministeriums
für Wissenschaft und Kunst (SMWK). Dresden: Sächs. Kompetenzzentrum für Bildungs- und Hochschulplanung.
Lücking, Kim / Landmann, Mareike / Meyer-Wegner, Katja / Sachse, Anna-Linda / Brixel, Yolanda / Herzig, Stefan (2017):
Kriterien guter Lehre aus Studierendenperspektive: Wie sehen das eigentlich die Studierenden? In: Qualität in der
Wissenschaft (QiW) 11, S. 10-16.
Neumeyer, Sebastian / Krempkow, René / Budavári, András / Blüthmann, Irmela (2016): Vergleich der Berliner
Universitäten mit dem Bundesdurchschnitt in zentralen Indikatoren der Absolventenbefragung. Kooperationsprojekt
Absolventenstudien des INCHER Kassel/ Stabsstelle Qualitätsmanagement der Humboldt-Universität zu Berlin/ Projekt
Absolventenbefragung der Technischen Universität Berlin/ Arbeitsstelle Lehr- und Studienqualität der Freien Universität
Berlin (Hrsg.): Kassel und Berlin. https://www.hu-berlin.de/de/absolventenstudie/jg2011/jg11w1-vergleich-berlin-final-
effektgrossen.pdf
Orr, Dominic J. (2001): Die Finanzierungsmethodik im englischen Universitätssektor: Eine verfahrensanalytische Unter -
suchung ihrer Implikationen und Folgen, Dissertation zur Erlangung des Grades eines Doktors der Philoso-
phie an der Fakultät Erziehungswissenschaften der TU Dresden. Dresden.
Pohlenz, Philipp / Seyfried, Markus (2014): Die Organisation von Qualitätssicherung. Heterogene Studierende, vielfältige
Managementansätze? In: Die Hochschule 22 (2), S. 144-155.
Schmidt, Uwe / Haas, Katharina (2015): Sprach- und Verständigungsprobleme: Zum Verständnis und zur Relevanz von
Daten in Hochschulen. In: Wege zu einer höheren Wirksamkeit des Qualitätsmanagements. 14. Jahrestagung des
Arbeitskreises Evaluation und Qualitätssicherung der Berliner und Brandenburger Hochschulen. S. 64-73. (Volltext:
urn:nbn:de:kobv:11-100232403)
Teichler, Ulrich. (2003): Die Entstehung eines superkomplexen Systems der Qualitätsbewertung. Ein Beitrag aus Sicht der
Hochschulforschung. In: hochschule innovativ 9, S. 5-6.
Wolbring, Tobias (2014): Wie valide sind studentische Lehrveranstaltungsbewertungen? Sachfremde Einflüsse, studentische
Urteilerstandards, Selektionseffekte. In: Qualität in der Wissenschaft (QiW) 8 (2+3), S. 56-60.
Wolter, Andrä (2016): Absolventenstudien in Deutschland eine Erfolgsgeschichte der empirischen Bildungsforschung. In:
Beiträge zur Hochschulforschung 38 (4), S. 4-11.
Book
Full-text available
Die soziale Herkunft gilt in Deutschland als starker Prädiktor des Bildungserfolgs. Deutliche Disparitäten zugunsten von Schüler/innen mit hohem sozioökonomischen Status bestehen nicht nur auf dem Weg zum Hochschulstudium, sondern zeichnen sich auch bei hochschulischen Bildungsübergängen ab – vom Bachelor- ins Masterstudium und vom Masterstudium in die Promotion. Die soziale Binnendifferenzierung der Hochschulbildung kann sich in Ungleichheiten auf dem Arbeitsmarkt manifestieren. Bisherige Untersuchungen betrachten vor allem objektive Merkmale (Biographien, Leistungen, Humankapital) als Mechanismen sozialer Ungleichheiten bei Bildungsübergängen und beim Berufseinstieg von Absolvent/innen. Handlungstheoretische Abwägungen (Kosten-, Nutzen- und Erfolgserwartungen) wurden bisher nicht spezifisch für die Entscheidung zwischen Berufseinstieg und weiteren Studienphasen, sondern nur anhand objektiver Merkmale oder anhand der entsprechenden Abwägungen bei Studienbeginn modelliert. Die Studie Soziale Ungleichheit und Diversity bei Übergängen in weiterführende Studiengänge und in den Arbeitsmarkt in Nordrhein-Westfalen setzt an dieser Forschungslücke an und versucht zu klären, ob und warum die soziale Herkunft die Masteraufnahme, die Promotionsaufnahme und den Berufserfolg von Hochschulabsolvent/innen beeinflusst. Neben Biographien und Leistungsmerkmalen werden Abwägungen bezüglich der Kosten, des Nutzens und der Erfolgswahrscheinlichkeit als Mechanismen sozialer Ungleichheiten bei der Aufnahme weiterer Studienphasen betrachtet. Zudem wird untersucht, wie herkunftsspezifische Abwägungen durch herkunftsspezifische soziale Unterstützungen zustande kommen: In höheren Herkunftsgruppen sollten mehr finanzielle und fachliche Unterstützungen zu erwarten sein, wodurch die eingeschätzten Kosten einer weiteren Studienphase sinken und ihre Erfolgschancen steigen. In Bezug auf den Berufserfolg wird ebenfalls geprüft, ob Absolvent/innen beim Berufseinstieg durch verschiedene Netzwerke sozial selektiv unterstützt werden und dadurch höhere Arbeitsmarkterträge erzielen. Datenbasis sind die Absolventenbefragungen von 15 Fachhochschulen und 13 Universitäten in Nordrhein-Westfalen, die im Rahmen des Kooperationsprojekts Absolventenstudien (KOAB) durchgeführt wurden. Für den Prüfungsjahrgang 2014 wurden handlungstheoretische Abwägungen und soziale Unterstützungen als Schwerpunktthema erhoben. Insgesamt liegen Angaben von bis zu 17000 Absolvent/innen der Abschlüsse Bachelor, Master, Staatsexamen, Diplom und Magister vor. Als zentrale Ungleichheitsdeterminante wird die Bildungsherkunft anhand des höchsten beruflichen Abschlusses der Eltern untersucht. Zur Erklärung der Ungleichheiten werden Regressions- und Dekompositionsverfahren angewendet. Die Ergebnisse zeigen, dass die Übergangsquoten in ein Masterstudium bei akademischer gegenüber nichtakademischer Bildungsherkunft um etwa zehn Prozentpunkte erhöht sind. Im Vergleich dazu sind die Ungleichheiten bei der Aufnahme einer Promotion gering. Finanzielle Unterstützungen durch das Elternhaus erhöhen, teilweise vermittelt über die Kosten- und Erfolgserwartung, die Wahrscheinlichkeit, ein Masterstudium aufzunehmen, und erklären dadurch einen Teil des Herkunftsunterschieds. Neben Kostenerwartungen und Unterstützungen tragen ungleiche Bildungsbiographien, vor allem die Hochschulart des Bachelorstudiums, in deutlichem Maße zu disparaten Übergangsquo- ten in ein Masterstudium bei. Die Ungleichheiten in der Aufnahme einer Promotion können vor allem durch Unterschiede in biographischen Merkmalen, im Leistungsniveau und in der Erfolgserwartung erklärt werden. Im Vergleich zu früheren Absolventenkohorten deutet sich an, dass die Bologna-Reform zu einer Vorverlagerung sozialer Ungleichheiten auf dem Weg zur Promotion geführt hat. Der Berufserfolg wird anhand objektiver und subjektiver Indikatoren untersucht. Absolvent/innen aus akademischem Elternhaus sind beim Berufseinstieg etwas erfolgreicher: Sie erzielen z.B. vier Prozent höhere Stundenlöhne als Erstakademiker/innen. Die Ungleichheiten im Berufserfolg lassen sich durch die untersuchten Mechanismen größtenteils erklären. Vor allem der ungleiche Zugang zu Master- und vergleichbaren Studiengängen sowie Leistungsunterschiede in Schule und Studium tragen zu herkunftsspezifischen Ungleichheiten beim Berufseinstieg von Absolvent/innen bei. Somit übersetzen sich die Bildungsungleichheiten im Hochschulsystem in berufliche Ungleichheiten. Absolvent/innen mit akademischem Bildungshintergrund werden beim Berufseinstieg – vor allem durch Kontakte der Herkunftsfamilie – häufiger unterstützt als Absolvent/innen aus nichtakademischen Herkunftsfamilien. Unterdurchschnittliche Examensnoten werden von der akademischen Herkunftsgruppe durch familiale Unterstützungen bei der Stellenfindung kompensiert. Bei Erstakademiker/innen ist dies nicht der Fall. Des Weiteren unterscheiden sich die Erträge der Unterstützung durch die Herkunftsfamilie: Unterstützungen durch eine nichtakademisch gebildete Herkunftsfamilie sind zum Teil mit niedrigeren objektiven Arbeitsmarkterträgen verbunden als Unterstützungen durch eine akademisch gebildete Herkunftsfamilie. Die Ergebnisse der Dekompositionsanalysen weisen darauf hin, dass vor allem familiale Unterstützungen bei der Karriereplanung zu sozialen Ungleichheiten im Berufserfolg beitragen.
Article
Full-text available
In diesem Beitrag wird das Thema Rekrutierung des wissenschaftlichen Nachwuchses einerseits aus institutioneller Perspektive anhand der Strategien von Hochschulen und außeruniversitären Forschungseinrichtungen beleuchtet, auch im Vergleich zu FuE-Abteilungen der Wirtschaft. Andererseits geht es um die individuelle Perspektive der Nachwuchsforschenden anhand von (Selbst-)Selektionen. Denn nur aus dem Pool der eine (weitere) Tätigkeit in der Wissenschaft anstrebenden Personen können die Wissenschaftseinrichtungen letztlich rekrutieren. Schließlich gehe es „im Kern darum, qualifizierte Wissenschaftler auf allen Stufen der wissenschaftlichen Laufbahn zu attrahieren“ (Peus u.a. 2015, S. 4). Darüber hinaus soll untersucht werden, welche Anteile des wissenschaftlichen Nachwuchses bereits in der vorangegangenen Qualifikationsphase Mitglied der jeweiligen Einrichtung waren und welche extern rekrutiert wurden. Anhand von Ergebnissen empirischer Analysen soll letztlich der Frage nachgegangen werden, inwieweit es derzeit gelingt bzw. gelingen kann, „die Besten für die Wissenschaft zu gewinnen“, wie es u.a. der Wissenschaftsrat forderte.
Chapter
Full-text available
Der Beitrag thematisiert die Übergänge nach dem Bachelorstudium in ein weiterführendes (Master-)Studium. Dies geschieht auch vor dem Hintergrund der aus verschiedenen gesellschaftspolitischen Zusammenhängen geäußerten Befürchtung, dass hiermit eine neue – nicht immer meritokratische – (Selbst-)Selek¬tions¬stufe im Hochschulsystem implementiert wird. Hierbei soll die Frage beantwortet werden, ob den Übergang zum Master nicht wie vorgesehen die Leistungen der Bachelorabsolventen determinieren. Denn stattdessen deutet Einiges auf Zusammenhänge mit anderen Aspekten wie dem Geschlecht der Bachelorabsolventen, der Studiendauer oder Ähnliches hin. Die zur empirischen Analyse solcher Zusammenhänge nötigen Informationen lassen sich aber nur teilweise mittels Hochschulstatistiken oder Studierendenbefragungen gewinnen. Deshalb werden hierfür Evaluationen mit Hilfe spezifischer Auswertungen von Absolventenbefragungen vorgestellt. Der Hauptfokus liegt auf den Absolventenstudien der HU Berlin, es wird aber auch auf Beispiele identisch durchgeführter Analysen von weiteren Uni-versitäten zurückgegriffen.
Chapter
Full-text available
Studierbarkeit wird häufig prozessnah mit Hilfe von Studierendenbefragungen empirisch untersucht. Für die Identifikation ggf. vorhandener Probleme im Studienablauf und eine zeitnahe Veränderung sind solche prozessnahen Analysen weitgehend konkurrenzlos. Wenn jedoch die Bewertung der Studierbarkeit in einem Prozessmodell des Studiums als Ergebnisindikator im Mittelpunkt des Interesses steht, kann dies auch anders gesehen werden. Hier vermögen Absolventenbefragungen ebenfalls einen Beitrag zu leisten. Denn erst Absolventen können das komplette Studium rückblickend bewerten. Außerdem können bestimmte Probleme durch Studierendenbefragungen kaum erfasst werden, so z.B. Probleme bei der Organisation von Abschlussprüfungen und Wiederholungsmöglichkeiten. Für diesen Beitrag soll die zeitliche Perspektive des Studiums am Beispiel der durchschnittlichen Fachstudiendauer als ein zentrales Element von Studierbarkeit in den Blick genommen werden.
Article
Full-text available
Die Leistung von Absolventenbefragungen wird vor allem darin gesehen, dass sie die Erfassung der „Outcomes“ der Hochschulausbildung ermöglichen. So wurde bei Bewertungen der Studienqualität im Zusammenhang mit Evaluationen schon länger darauf hingewiesen, dass erst Absolvent(inn)en diese adäquat beurteilen können, da diese bereits genügend Abstand zum Studium hätten. Im Prozess‐Basismodell finden sich Absolvent(inn)enstudien im Bereich der Wirkungsmessung als zentrales Element eines Qualitätsregelkreises. Ähnlich wären sie in andere Qualitäts‐ und Wirkungsmodelle der Hochschulbildung einzuordnen. Diese Einschätzung wird offenbar auch von Beschäftigten im Hochschulbereich geteilt: Befragt nach dem Nutzen verschiedener Instrumente der Qualitätssicherung, bewerteten insgesamt 89 Prozent der Befragten das Instrument „Absolventenbefragungen“ als „hilfreich“, 48 Prozent gar als „sehr hilfreich“, was damit den höchsten Wert aller untersuchten Instrumente darstellt. An der grundsätzlichen Eignung von Absolvent(inn)enbefragungen bestehen, wie diese Ausführungen zeigen, offenbar immer weniger Zweifel. Je mehr diese Studien in der Fläche verbreitet und je einfacher Ergebnisse verfügbar sind, desto größer wird allerdings auch die Gefahr, diese simplifizierend zu verwenden. Von mehreren Hochschulleitungen wurde bereits der Wunsch signalisiert, diese künftig auch für die „Leistungsorientierte Mittelvergabe“ zu nutzen. Für die Soziologie birgt dies, wie auch für andere Sozial‐ und Geisteswissenschaften, einerseits die Chance, ihre oft unterschätzten Leistungen in der Hochschulbildung zu demonstrieren, andererseits aber auch die Gefahr, unzulässigen Vergleichen ausgesetzt zu werden. Daher soll in diesem Beitrag neben der Vorstellung aktueller Ergebnisse auch auf Risiken und ungelöste Fragen eingegangen werden.
Chapter
Wie alle anderen statistischen Verfahren konzentriert sich auch die Methode der Regression nur auf die Analyse ausgewählter Aspekte vorliegenden Datenmaterials. Entsprechend sind zu gegebenen Regressionsergebnissen ganz unterschiedliche Datenkonstellationen denkbar, wovon aber für die Interpretation der Ergebnisse nicht alle unproblematisch sind. So besteht besonders bei kleinen Stichproben die Gefahr, dass die Regressionsschätzung entscheidend von einzelnen Extremwerten abhängt, was die Verlässlichkeit der daraus abgeleiteten Schlussfolgerungen beeinträchtigt. In diesem Beitrag werden deshalb anhand von Beispielen einige einfache grafische und formale Instrumente zur Diagnose einflussreicher Datenpunkte in der linearen und logistischen Regression vorgestellt, die im Prozess der Datenanalyse standardmäßig angewendet werden sollten. Weiterhin werden nach Identifikation „atypischer“ Datenpunkte zu verfolgende Analysestrategien diskutiert.
Selektionen zur Promotion -Ansätze zur Schätzung der Selektivität bei Zugang und Verlauf mit Hilfe von Absolventenbefragungen und Hochschulstatistiken
  • René Krempkow
Krempkow, René (2009b): (Selbst-)Selektionen zur Promotion -Ansätze zur Schätzung der Selektivität bei Zugang und Verlauf mit Hilfe von Absolventenbefragungen und Hochschulstatistiken. In: Bülow-Schramm, Margret (Hg.): Hochschulzugang und Übergänge in der Hochschule: Selektionsprozesse und Ungleichheiten. Frankfurt: Peter Lang, S. 197-213. (Volltext: www.wissenschaftsmanagement-online.de/beitrag/selbst-selektionen-zur-promotion-ans-tze-zur-schtzung-der-selektivit-t-bei-zugang-und).
Die Finanzierungsmethodik im englischen Universitätssektor: Eine verfahrensanalytische Untersuchung ihrer Implikationen und Folgen, Dissertation zur Erlangung des Grades eines Doktors der Philosophie an der Fakultät Erziehungswissenschaften der TU Dresden
  • Dominic J Orr
Orr, Dominic J. (2001): Die Finanzierungsmethodik im englischen Universitätssektor: Eine verfahrensanalytische Untersuchung ihrer Implikationen und Folgen, Dissertation zur Erlangung des Grades eines Doktors der Philosophie an der Fakultät Erziehungswissenschaften der TU Dresden. Dresden.
Aufgrund der höheren verfügbaren Fallzahl (als in früheren ähnlichen Analysen-vgl
Aufgrund der höheren verfügbaren Fallzahl (als in früheren ähnlichen Analysen-vgl. Krempkow 2016;
Absolventenstudien in Deutschland -eine Erfolgsgeschichte der empirischen Bildungsforschung
  • Andrä Wolter
Wolter, Andrä (2016): Absolventenstudien in Deutschland -eine Erfolgsgeschichte der empirischen Bildungsforschung. In: Beiträge zur Hochschulforschung 38 (4), S. 4-11.