ChapterPDF Available

Herkunftsbezogene Ungleichheiten im Kompetenzerwerb

December 2023

In book: PISA 2022 - Analyse der Bildungsergebnisse in Deutschland (pp.163 - 197)
Publisher: Waxmann

Authors:

Julia Mang

Goethe-Institut e. V.

Katharina Mueller

Technical University of Munich

Tamara Kastorff

Technical University of Munich

Show all 9 authorsHide

Herkunftsbezogene Ungleichheiten für den Schwerpunkt der mathematischen Kompetenzen finden sich in PISA 2022 in allen OECD-Mitgliedsstaaten. Im internationalen Vergleich sind herkunftsbezogene Disparitäten für Deutschland stark ausgeprägt. Das Ausmaß der mathematischen Kompetenzen fünfzehnjähriger Schüler*innen in Deutschland hängt sehr stark von sozioökonomischen und soziokulturellen Merkmalen, wie den vorhandenen Kultur- und Wohlstandsgütern der Familien, ab. Hinsichtlich des Zuwanderungshintergrundes der Fünfzehnjährigen ergeben sich ebenfalls erhebliche Disparitäten. Vor allem zugewanderte Jugendliche der ersten Generation weisen im Mittel deutlich niedrigere Kompetenzen auf als Schüler*innen ohne Zuwanderungshintergrund. Dabei spricht nur knapp über die Hälfte der Schüler*innen mit Zuwanderungshintergrund zu Hause Deutsch und in der Teilgruppe der Jugendlichen der ersten Generation sogar nur 12 Prozent. Soziale und zuwanderungsbedingte Disparitäten im Leistungsbereich zu reduzieren, bleibt daher eine der wichtigsten bildungspolitischen Aufgaben.

Content uploaded by Maren Müller

Content may be subject to copyright.

7.1 Herkunsbezogene Disparitäten

7.1.1 Die Bedeutung der familiären Herkun

Auswirkungen der sozialen Ungleichheiten auf die schulischen Kompetenzen wurden in

den letzten zwei Jahrzehnten in PISA für fünfzehnjährige Schüler*innen in Deutschland

immer wieder beschrieben. So zeigte sich bereits in den PISA-Erhebungen der Jahre

2000 und 2003 für Schüler*innen in Deutschland, dass die erreichten Kompetenzen eng

mit der sozialen Herkun der Jugendlichen zusammenhingen. Dies galt für die natur-

wissenschaliche Kompetenz, die Lesekompetenz wie auch für die mathematische Kom-

petenz (Baumert & Schümer, 2001; Ehmke et al., 2004; Müller & Ehmke, 2013; OECD,

2001, 2004). In PISA 2012, als Mathematik zum zweiten Mal Hauptdomäne war, el

der Zusammenhang zwischen sozialer Herkun und mathematischer Kompetenz ähn-

lich hoch aus wie im Jahr 2003, dem Jahr, in dem Mathematik erstmalig Hauptdomäne

war (Müller & Ehmke, 2013). Im internationalen Vergleich konnten in den ersten PISA-

Erhebungen nur wenige OECD-Staaten identiziert werden, in denen der Zusammen-

7Herkunsbezogene Ungleichheiten im

Kompetenzerwerb

Julia Mang, Katharina Müller, Doris Lewalter, Tamara Kastor,

Maren Müller, Lisa Ziernwald, Ana Tupac-Yupanqui,

Jörg-Henrik Heine & Olaf Köller

Herkunsbezogene Ungleichheiten für den Schwerpunkt der mathematischen Kom-

petenzen nden sich in PISA 2022 in allen OECD-Mitgliedsstaaten. Im internationa-

len Vergleich sind herkunsbezogene Disparitäten für Deutschland stark ausgeprägt.

Das Ausmaß der mathematischen Kompetenzen fünfzehnjähriger Schüler*innen in

Deutschland hängt sehr stark von sozioökonomischen und soziokulturellen Merkma-

len, wie den vorhandenen Kultur- und Wohlstandsgütern der Familien, ab. Hinsicht-

lich des Zuwanderungshintergrundes der Fünfzehnjährigen ergeben sich ebenfalls

erhebliche Disparitäten. Vor allem zugewanderte Jugendliche der ersten Genera-

tion weisen im Mittel deutlich niedrigere Kompetenzen auf als Schüler*innen ohne

Zuwanderungshintergrund. Dabei spricht nur knapp über die Häle der Schüler*in-

nen mit Zuwanderungshintergrund zu Hause Deutsch und in der Teilgruppe der

Jugendlichen der ersten Generation sogar nur 12 Prozent. Soziale und zuwande-

rungsbedingte Disparitäten im Leistungsbereich zu reduzieren, bleibt daher eine der

wichtigsten bildungspolitischen Aufgaben.

164 Kapitel 7

hang zwischen den Herkunsmerkmalen der Schüler*innen und den gemessenen Kom-

petenzen so hoch war wie in Deutschland (Ehmke et al., 2004; OECD, 2001, 2004).

In den Folgejahren zeigte sich für die PISA-Studien die Tendenz, dass die Stärke der

sozialen Disparitäten im Vergleich zum jeweiligen OECD-Mittelwert zunahm (Müller

& Ehmke, 2013, 2016; Weis et al., 2019). Zusammengefasst zeigen diese Befunde stu-

dienübergreifend, dass große Leistungsunterschiede zwischen Schüler*innen mit hohem

und niedrigem sozioökonomischen familiären Hintergrund bestehen (Stanat et al., 2022;

Weis et al., 2019).

Die Corona-Pandemie und die damit verbundenen Schulschließungen sind oen-

bar Verstärker der bisher schon bestehenden Ungleichheiten, darauf weist neben inter-

nationalen Befunden (vgl. Betthäuser et al., 2023) auch der IQB-Bildungstrend 2021 hin

( Stanat et al., 2022). Stanat et al. (2022) berichten zudem von einer erneuten Steigerung

des sozialen Gradienten für Viertklässler*innen in Deutschland in Mathematik. Der

soziale Gradient beschreibt dabei die Stärke des Zusammenhangs zwischen der Kompe-

tenz und der sozialen Herkun. Auch für den Kompetenzbereich Lesen ndet sich eine

Steigerung des sozialen Gradienten um fast zehn Prozentpunkte im Vergleich zum letz-

ten IQB-Bildungstrend der Sekundarstufe I (Stanat et al., 2023). Es stellt sich daher die

Frage, ob auch für fünfzehnjährige Jugendliche in Deutschland eine Steigerung des sozi-

alen Gradienten im Bereich Mathematik erkennbar ist.

Die den vorliegenden Analysen zugrundeliegende Operationalisierung sozialer Her-

kun basiert auf der Unterscheidung zwischen ökonomischem, kulturellem und sozia-

lem Kapital (Bourdieu, 1983). Zum ökonomischen Kapital zählen die verfügbaren nan-

ziellen Mittel, Macht oder Prestige. Während dieser Aspekt der sozialen Herkun die

Bildungsforschung lange Zeit maßgeblich dominierte, verweist die Befundlage inzwi-

schen deutlich auf den Einuss des kulturellen Kapitals, das sich etwa in Form elter-

licher Kompetenzen, Werthaltungen und Orientierungen, kultureller Besitztümer und

Bildungsabschlüsse äußert, sowie ferner auf das soziale Kapital, das sich im Netzwerk

und den sozialen Beziehungen widerspiegelt. Für das bessere Verständnis und die leich-

tere Strukturierung dieser Merkmale lohnt sich die Unterscheidung zwischen familiären

Struktur- und Prozessmerkmalen der sozialen Herkun (Maaz & Dumont, 2019). Struk-

turmerkmale sind demnach deniert durch die sozioökonomische Stellung der Eltern

der Jugendlichen. Prozessmerkmale werden durch das kulturelle Kapital der Familien

veranschaulicht. Dabei wirken Strukturmerkmale nicht nur direkt auf die Bildungsbe-

teiligung und den Kompetenzerwerb in der Sekundarstufe, sondern auch indirekt über

diese Prozessmerkmale (Baumert et al., 2003; Maaz & Dumont, 2019).

Neben sozialen Disparitäten werden in PISA-Erhebungen regelmäßig zuwanderungs-

bedingte Disparitäten analysiert. Jugendliche mit Zuwanderungshintergrund zeigten

in Deutschland bisher in allen PISA-Erhebungen und allen Domänen im Mittel gerin-

gere Kompetenzen als Schüler*innen ohne Zuwanderungshintergrund (Gebhardt et al.,

2013; OECD, 2013, 2016, 2019; Rauch et al., 2016; Weis et al., 2019). Dabei ist es wich-

tig zu unterscheiden, ob bereits die Eltern der Jugendlichen (zweite Generation) oder die

Jugendlichen selbst (erste Generation) zugewandert sind. So zeigte sich in PISA 2012,

165 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

dass Schüler*innen der zweiten Generation in Mathematik im Vergleich zu PISA 2003

höhere Kompetenzen aufwiesen. Jugendliche der ersten Generation hingegen zeigten

in PISA 2012 geringere Kompetenzen verglichen mit PISA 2003 (Gebhardt et al., 2013;

OECD, 2013). Eine weitere Herausforderung für das Bildungssystem ist die Vielzahl der

Herkunsländer, aus denen die Jugendlichen beziehungsweise ihre Familien stammen

(Weis et al., 2019). Waren es in PISA 2012 knapp 14 Prozent der Jugendlichen, wel-

che aus einem anderen Herkunsland als der ehemaligen UdSSR, der Türkei oder Polen

stammten, so waren es in PISA 2018 bereits knapp 22 Prozent (Weis et al., 2019). Stanat

et al. (2022) berichten, dass über 30 Prozent der Schüler*innen der vierten Jahrgangs-

stufe, die der ersten Generation angehören, aus arabischen Ländern stammen. Dies ist

vor allem auf die Aufnahme einer großen Zahl Geüchteter im Jahr 2015 zurückzufüh-

ren. Obwohl sich diese Jugendlichen zum größten Teil in den Schulen in Deutschland

wohlfühlen (Gambaro et al., 2020) und verhältnismäßig häug von Übergangsklassen in

weiterführende Schulen wechseln (Paiva Lareiro, 2019), liegen ihre mittleren Leistungen

erheblich unter denen ihrer Mitschüler*innen ohne Zuwanderungshintergrund (Schipo-

lowski et al., 2021). Wie hoch die mathematischen Kompetenzen der Jugendlichen in

Abhängigkeit von ihrem Zuwanderungshintergrund in Mathematik sind, wird in diesem

Kapitel analysiert.

Hinsichtlich der Ursachen für die eingangs beschriebenen Leistungsunterschiede

wird immer wieder die Bedeutung von Kenntnissen in der Bildungssprache Deutsch dis-

kutiert (Gogolin & Maaz, 2019). Ein wichtiger Zugang zur Reduzierung von zuwande-

rungsbedingten Ungleichheiten bleibt die Sprachförderung, die weit früher als in der

Sekundarstufe I einsetzen und ein zentraler Bestandteil frühkindlicher Bildung sein

muss (Köller, 2019). Ein weiterer Aspekt frühkindlicher Bildung ist die Dauer des Kin-

dergartenbesuchs, welcher einen deutlichen Zusammenhang mit dem Bildungsstand von

Kindern aufweist (Seyda, 2009). So zeigte sich in den letzten PISA-Erhebungen, dass

Fünfzehnjährige aus Familien mit niedrigerer sozioökonomischer Herkun weniger

lange einen Kindergarten besuchen (Müller & Ehmke, 2013, 2016; Weis et al., 2019).

Entsprechend werden in diesem Bericht Unterschiede in der zu Hause gesprochenen

Sprache zwischen Jugendlichen mit und ohne Zuwanderungshintergrund, deren Zusam-

menhang mit dem Kompetenzerwerb sowie der Zusammenhang zwischen frühkind-

licher Bildung und den Kompetenzen der Jugendlichen näher beleuchtet.

Die eorie der Herkunseekte nach Boudon (1974) wurde in internationalen

und nationalen Kontexten auch auf die Analyse von migrationsbedingten Bildungs-

ungleichheiten übertragen (Gresch, 2012; Heath & Brinbaum, 2007; Heath et al., 2008;

Kristen & Dollmann, 2009). Durch diese Weiterentwicklung ist es möglich, zu unter-

suchen, welche bildungsbezogenen Ungleichheiten durch soziale Disparitäten und

darüber hinaus durch den Zuwanderungshintergrund ausgelöst werden (Maaz &

Dumont, 2019). Es liegen mittlerweile zahlreiche empirische Studien vor, die soziale und

zuwanderungsspezische Eekte parallel betrachten (Becker, 2011). Neben den häug

gefundenen nachteiligen Eekten für Jugendliche mit Zuwanderungshintergrund sind

die ebenfalls wiederholt nachgewiesenen Befunde über positive, sekundäre Eekte nach

166 Kapitel 7

Kontrolle des sozioökonomischen Umfelds der Schüler*innen von zentraler Bedeutung

(Maaz & Dumont, 2019; Relikowski et al., 2010). Bei gleicher Leistung und gleichem

sozioökonomischen Hintergrund gehen Fünfzehnjährige mit Zuwanderungshintergrund

häuger in eine höhere Bildungseinrichtung über als solche ohne Zuwanderungshinter-

grund ( Ditton et al., 2005; Gresch, 2012), was sich auch mit den ausgeprägten Bildungs-

aspirationen zugewanderter Familien in Verbindung bringen lässt (Kristen & Dollmann,

2009). Wie dieses Beispiel zeigt, ist die kombinierte Analyse sozialer und zuwanderungs-

bezogener Zusammenhänge mit schulischen Kompetenzen unabdingbar und wird auch

in diesem Bericht thematisiert.

7.1.2 Forschungsfragen in PISA 2022

Die wiederkehrenden Befragungen und Testungen in PISA erlauben es, über alle Teil-

nehmerstaaten hinweg regelmäßig zu untersuchen, wie sich Trends in den herkuns-

bezogenen Ungleichheiten darstellen. Auf diese Weise lässt sich feststellen, ob soziale

Disparitäten langfristig abnehmen, stabil bleiben oder sich sogar verstärken und in wel-

chen Bereichen demnach dierenzierte Monitoringsysteme etabliert und wirksame För-

dermaßnahmen implementiert werden müssen. Der internationale Vergleich kann bei

der Ableitung entsprechender steuerungspolitischer Maßnahmen hilfreich sein. Neben

dieser international vergleichenden Perspektive können die Ergebnisse zur sozialen

Lage und zum Zusammenhang zwischen Kompetenz und sozialer Herkun aufgrund

der repräsentativen Stichprobe als Referenz für nationale Untersuchungen herangezogen

werden (Baumert et al., 2010; Müller & Ehmke, 2016). Es wird zudem untersucht, inwie-

weit Disparitäten zwischen Jugendlichen mit und ohne Zuwanderungshintergrund im

Hinblick auf die mathematische Kompetenz bestehen. Ergänzend werden diese Aspekte

mit Blick auf ausgewählte soziale Merkmale analysiert.

Als Folge der Corona-Pandemie und den damit verbundenen Schulschließungen ist

wiederholt gezeigt worden, dass sich herkunsbezogene Ungleichheiten verstärkt haben

(z. B. Betthäuser et al., 2023). Sozial benachteiligte Jugendliche mit Zuwanderungshinter-

grund hatten während der Schulschließungen weniger und qualitativ schlechtere Lern-

gelegenheiten als ihre sozial privilegierteren Mitschüler*innen ohne Zuwanderungshin-

tergrund. PISA 2022 ermöglicht es – unter Einschränkungen –, Rückschlüsse auf die

Auswirkungen der Ungleichheiten durch die Corona-Pandemie zu untersuchen. Vertie-

fende Analysen zu den möglichen Auswirkungen der Corona-Pandemie werden in Kapi-

tel 10 vorgestellt.

Im Folgenden werden zunächst die Denitionen der sozialen Herkun und des

Zuwanderungshintergrundes, ihre theoretische Einbettung sowie die operationalisierte

Erfassung und diesbezügliche Veränderungen im Vergleich zu vorherigen PISA-Erhe-

bungen in den Fragebögen der Fünfzehnjährigen erläutert. Anschließend werden die

Charakteristika und Zusammenhänge der sozialen Herkun mit Fokus auf die mathe-

matische Kompetenz im internationalen Vergleich und innerhalb Deutschlands näher

167 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

untersucht. Im vierten Abschnitt dieses Kapitels werden zugewanderte Jugendliche und

ihre Erziehungsberechtigten fokussiert und die Eigenschaen dieser Schüler*innen sowie

Zusammenhänge mit der mathematischen Kompetenz innerhalb ausgewählter OECD-

Mitgliedsstaaten beschrieben. Speziell für Deutschland werden die Heterogenität der

Herkunsländer und beschreibende Kenngrößen detailliert dargestellt. Das Kapitel run-

det die Zusammenführung der sozialen Herkun und des Zuwanderungshintergrundes

mit der Fragestellung ab, inwieweit sich Unterschiede in der mathematischen Kompe-

tenz mit und ohne Zuwanderungshintergrund durch Prädiktoren der sozialen Herkun

erklären lassen. Eine anschließende Diskussion bietet Raum für mögliche Handlungs-

empfehlungen sowie weiteren Diskurs. Alle hier berichteten Befunde sind statistisch

signikant abgesichert. Es wird im Folgenden nicht gesondert darauf hingewiesen.

7.1.3 Die Erfassung der sozialen Herkun bei PISA 2022

Soziale Herkun ist ein mehrdimensionales Merkmal (Long & Renbarger, 2023; Maaz &

Dumont, 2019). Grundlage zur Erfassung ist die sozioökonomische Stellung der Erzie-

hungsberechtigten der Fünfzehnjährigen. Diese wird in der Regel über die Berufe der

Erziehungsberechtigten operationalisiert (Müller & Ehmke, 2016). Weiterhin werden das

kulturelle und das soziale Kapital berücksichtigt, also kulturelle Aktivitäten und sozi-

ale Ressourcen einer Familie (Baumert et al., 2019; Bourdieu, 1983, 2012; Coleman,

1987, 1988, 1990). In der PISA-Berichterstattung werden die folgenden Indizes zur

Messung der sozialen Herkun verwendet: der höchste sozioökonomische beru iche

Status ( Highest International Socio-Economic Index of Occupational Status; HISEI),

die Erikson-Goldthorpe-Portocarero-Klassikation (EGP) und der sozioökonomische und

soziokulturelle Status (Index of Economic, Social and Cultural Status; ESCS).

7.1.3.1 Sozioökonomischer beruicher Status

Grundlage des Index bildet die internationale Standardklassikation der Berufe (Inter-

national Standard Classication of Occupations, International Labour Oce, 1969, 1990,

2012). Für die Kodierung dieser Berufe in ein internationales, hierarchisch angelegtes

Berufsgruppenschema wurde die aktuellste Version ISCO-08 eingesetzt (International

Labour Oce, 2012).1 Mit Hilfe des von Ganzeboom et al. (1992) entwickelten Maßes

für den sozioökonomischen Status werden diese Berufe in eine kontinuierliche und hie-

rarchische Rangreihe gebracht, wobei diese Werte von 11 (z. B. Reinigungskra) bis 90

(z. B. Richter*in) annehmen können (Ganzeboom & Treiman, 1996). Da diese Berufe

spezische Qualikationen im Sinne des Bildungsniveaus erfordern und ein bestimm-

1 Aufgrund der Umstellung des internationalen Klassikationssystems von ISCO-88 zu ISCO-08 ist

seit PISA 2012 die Vergleichbarkeit mit vorherigen PISA-Erhebungsrunden (2000 bis 2009) einge-

schränkt.

168 Kapitel 7

tes Einkommen zur Folge haben, werden sie als Maß für den sozioökonomischen beruf-

lichen Status deniert (Ganzeboom et al., 1992; Ganzeboom & Treiman, 2012). Sofern

Werte zu den Erziehungsberechtigten aus den Angaben der Schüler*innen vorhanden

sind, wird bei der Ermittlung des höchsten sozioökonomischen beruichen Status (HISEI)

der jeweils höhere Wert zur Bestimmung verwendet.

7.1.3.2 EGP-Klassikationsschema

Beim EGP-Klassikationsschema (Erikson & Goldthorpe, 2002; Erikson et al., 1979)

handelt es sich um ein kategoriales System, anhand dessen die Berufe der Erziehungs-

berechtigten in diskrete Klassen eingeteilt werden. Dafür wird – neben den Berufen der

Erziehungsberechtigten – die Art der Tätigkeit, die Stellung im Beruf und die Weisungs-

befugnis für die Zuweisung der Klassen berücksichtigt.2 Diese Klassikation nimmt an,

dass die Lebensbedingungen in Abhängigkeit vom Bildungshintergrund, von der gesell-

schalichen Anerkennung, von den beruichen Gestaltungsmöglichkeiten sowie vom

Einkommen variieren (Hradil, 2005; Müller & Ehmke, 2016). Damit können qualitative

Unterschiede im sozioökonomischen Entwicklungsumfeld der Schüler*innen sichtbar

gemacht werden (Baumert & Maaz, 2006; Weis et al., 2019). In PISA wird anstelle des

elfstugen Modells von Erikson et al. (1979) ein Klassikationsschema mit sechs Klas-

sen verwendet (Baumert & Schümer, 2001; Müller & Ehmke, 2016; siehe auch Tabelle

7.1web für beispielhae Beschreibungen der EGP-Klassen). Die Informationen für diese

Einordnung in die EGP-Klassen basieren auf den Angaben der Erziehungsberechtigten

(Fragebogen für die Erziehungsberechtigten) und beziehen sich auf die Bezugsperson3.

2 Fehlende Werte für die EGP-Klassikation wurden mit der aktuellen Version des Pakets mice (vgl.

van Buuren & Groothuis-Oudshoorn, 2011) für die freie Statistikumgebung R (R Core Team, 2018)

mit Hilfe der multiplen Imputation geschätzt. Die resultierenden zehn Schätzungen für jeden feh-

lenden Wert basieren auf einem Imputationsmodell, welches neben den Kompetenzschätzern für

die drei PISA-Domänen unterschiedliche Variablen (z.B. Bildungsabschluss der Erziehungsberech-

tigten) beinhaltet, welche mit der EGP-Klassikation assoziiert sind. Die imputierten Werte wur-

den ausschließlich für die Analysen zu den EGP-Klassen verwendet. Das Imputationsmodell um-

fasst neben den gebildeten EGP-Klassen aus vorhandenen Angaben, den Kompetenzschätzern für

die drei PISA-Domänen und dem Geschlecht der Jugendlichen die gesprochene Sprache zu Hause

sowie die Variablen „HISEI“, „PARED“, „ HOMEPOS“, „ SCHULART“, „IMMIG“, „ GRADE“. Zu den

Inhalten dieser Variablen (soweit sie nicht hier im Kapitel beschrieben sind) wird z.B. auf das Ska-

lenhandbuch Mang et al. (2021) und die internationalen Codebücher verwiesen, die unter: http://

www.oecd.org/pisa/data/2022database/ verfügbar sind.

3 Die Angaben zur Bezugsperson beziehen sich auf den Vater beziehungsweise, wenn diese Angaben

fehlen, auf die Mutter.

169 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

7.1.3.3 Sozioökonomischer und soziokultureller Status

Der Index zum sozioökonomischen und soziokulturellen Status (ESCS) umfasst neben

Merkmalen des sozioökonomischen Hintergrunds auch Merkmale des sozialen und kul-

turellen Kapitals der Familien der befragten Fünfzehnjährigen. Der ESCS setzt sich aus

dem sozioökonomischen beruichen Status (HISEI, vgl. 1.3.1 Sozioökonomischer berui-

cher Status), dem Bildungsabschluss der Erziehungsberechtigten (PARED) und dem Besitz

von Wohlstandsgütern (HOMEPOS) zusammen und erlaubt die aggregierte Berücksich-

tigung unterschiedlicher Herkunsmerkmale (Ehmke & Siegle, 2005). Abbildung 7.1web

gibt einen Überblick über diese Zusammensetzung. Das Bildungsniveau der Erziehungs-

berechtigten wird bei PISA durch den höchsten Bildungsabschluss der Erziehungsberech-

tigten in Bildungsjahren (PARED) erfasst. Hierzu geben die Fünfzehnjährigen im Frage-

bogen die höchsten Bildungsabschlüsse ihrer Erziehungsberechtigten an. Diese werden

anschließend nach der internationalen Standardklassikation der Bildungsprogramme

(International Standard Classication of Education, ISCED-11; OECD et al., 2015) ein-

geordnet. Für PISA 2022 wurde erstmals das aktualisierte Klassikationsschema 2011

(ISCED-11) verwendet, in dem vor allem die höheren Level der Bildungsabschlüsse fei-

ner dierenziert werden. Tabelle 7.2web gibt einen Überblick über die ISCED-Level

nach „vorheriger“ und aktualisierter Klassikation und deren Einordnung in das deut-

sche System dieser Abschlüsse. Die Umstellung auf das aktuelle Klassikationsschema

ISCED-11 erfolgte im Austausch mit dem nationalen Projektmanagement von PIAAC

bei GESIS, insbesondere mit der Bildungsexpertin Silke Schneider (Schneider, 2015)

sowie in mehrschrittigen Bearbeitungsschleifen mit dem internationalen PISA-Konsor-

tium. Der Feldtest für PISA 2022 prüe die Umstellung auf das aktualisierte Klassika-

tionsschema ISCED-11. Mögliche Konsequenzen dieser Umstellung für Vergleiche mit

früheren PISA-Zyklen werden in der Ergebnisdarstellung thematisiert.

Mit Hilfe des höchsten ISCED-Levels beider Erziehungsberechtigten (HISCED) wird

auf Basis der sogenannten Cummulative Years of Education (CYE) der PARED gebil-

det. Dabei wurden in früheren Erhebungen die CYE-Stufen von den PISA-Teilnehmer-

staaten vorgegeben. In PISA 2022 wird dieses Kategorienschema erstmals anhand der

UNESCO-ISCED-11-Werte deniert (OECD et al., 2015). Tabelle 7.2web stellt die Bil-

dungsdauer für Deutschland analog zu den entsprechenden ISCED-Leveln nebeneinan-

der. Aus dieser Tabelle wird auch ersichtlich, dass – wie in den Stufen der ISCED –

eine Verfeinerung der Bildungsjahre im oberen Bereich erkennbar ist. Zur Erfassung der

häuslichen Besitztümer (HOMEPOS) werden sowohl klassisch-kulturelle als auch lern-

und computerbezogene Besitztümer in der Familie einbezogen.

170 Kapitel 7

7.1.4 Die Erfassung des Zuwanderungshintergrundes bei PISA 2022

Denition des Zuwanderungshintergrundes

Zur Denition des Zuwanderungshintergrundes wird das Geburtsland der Jugendlichen

und ihrer Elternteile herangezogen (analog zu den Erhebungsrunden seit 2006; Stanat &

Christensen, 2006; Stanat et al., 2010; Weis et al., 2019). Die Informationen dazu basie-

ren auf den Angaben der Schüler*innen (Schüler*innenfragebogen). Dabei werden fol-

gende Kategorien unterschieden:

Ohne Zuwanderungshintergrund: Beide Elternteile und die*der Jugendliche in

Deutschland (bzw. im jeweiligen OECD-Mitglieds-

staat) geboren.

Ein Elternteil im Ausland geboren: Ein Elternteil im Ausland, ein Elternteil und

Jugendliche*r in Deutschland (bzw. im jeweiligen

OECD-Mitgliedsstaat) geboren.

Zweite Generation: Beide Elternteile im Ausland geboren, Jugendliche*r

in Deutschland (bzw. im jeweiligen OECD-Mit-

gliedsstaat) geboren.

Erste Generation: Beide Elternteile und Jugendliche*r im Ausland

geboren.

In diesem Bericht werden Jugendliche mit nur einem in Deutschland geborenen Eltern-

teil separat betrachtet. Diese Dierenzierung entspricht den nationalen Berichten seit

PISA 2003 (Ramm et al., 2004; Weis et al., 2019), unterscheidet sich aber vom interna-

tionalen Vorgehen der OECD, die diese Jugendlichen den Schüler*innen ohne Zuwan-

derungshintergrund zuordnet. Fünfzehnjährige, deren Großeltern im Ausland, deren

Erziehungsberechtigte und sie selber allerdings in Deutschland geboren wurden, werden

den Schüler*innen ohne Zuwanderungshintergrund zugeordnet.

Umgang mit fehlenden Werten

Da für einige Jugendliche aufgrund fehlender Werte keine eindeutige Zuordnung des

Zuwanderungshintergrundes möglich ist, werden die Kategorien für den Zuwande-

rungshintergrund im vorliegenden Bericht um die Kategorie „nicht zuzuordnen“ erwei-

tert. Dies entspricht früheren nationalen Berichten (vgl. Rauch et al., 2016; Weis et al.,

2019), unterscheidet sich aber vom internationalen Vorgehen der OECD. Da die OECD

diese Schüler*innen aus den Analysen ausschließt beziehungsweise mit der Information

nur eines Elternteiles den Zuwanderungskategorien zuordnet, ist die Vergleichbarkeit

mit den Analysen der OECD nur eingeschränkt möglich (OECD, in Vorbereitung).

171 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

Dierenzierung verschiedener Herkunsgruppen

Da Leistungsdisparitäten auch durch die Herkunsländer teilweise erklärt werden kön-

nen, werden, analog zu früheren PISA-Berichten, Gruppen von Jugendlichen aus den

häugsten Herkunsländern in Deutschland separat betrachtet (vgl. z. B. Stanat et al.,

2010). Nach entsprechender Dierenzierung der in PISA 2022 getesteten Jugendlichen

mit Zuwanderungshintergrund in Deutschland werden folgende Herkunsländer bezie-

hungsweise Kategorien unterschieden:

Ehemalige UdSSR: Mindestens ein Elternteil ist in Russland, Kasachstan oder einer

anderen ehemaligen Sowjetrepublik geboren.

Türkei: Mindestens ein Elternteil ist in der Türkei geboren.

Polen: Mindestens ein Elternteil ist in Polen geboren.

Arabische Länder4 Mindestens ein Elternteil ist in einem der arabischen Länder gebo-

ren.

Anderes Land: Zusammengefasste Kategorie mehrerer Staaten, aus denen jeweils

ein geringer Anteil an Jugendlichen stammt.

Aus dem arabischen Raum zugewanderte Familien und Jugendliche werden aufgrund

der vergleichbaren Häugkeit wie die Herkunsländer ehemalige UdSSR, Türkei und

Polen in diesem Bericht erstmalig separat betrachtet. Jugendliche, deren Elternteile in

unterschiedlichen Ländern geboren wurden, wurden der Kategorie „Anderes Land“

zugeordnet. Jugendliche mit einem im Ausland und einem in Deutschland geborenen

Elternteil wurden dem Herkunsland des zugewanderten Elternteils zugeordnet.

Die Kategorie „Anderes Land“ umfasst alle Jugendlichen, deren Elternteile nicht aus

einem der Herkunsländer ehemalige UdSSR, Türkei, Polen und den arabischen Län-

dern stammen. In dieser Gruppe sind die meisten Familien bei PISA 2022 aus Italien,

Kosovo und Rumänien zugewandert. Die restlichen Herkunsländer sind für separate

Betrachtungen zu klein.

Die zu Hause gesprochene Sprache

Die zu Hause gesprochene Sprache wird von den Jugendlichen im Fragebogen erfragt

(„Welche Sprache sprichst du am häugsten zu Hause?“). Hierbei standen die elf Spra-

chen zur Auswahl, die in früheren PISA-Erhebungsrunden am häugsten genannt wur-

den. Diese sind Deutsch, Griechisch, Italienisch, Kroatisch, Polnisch, Russisch, Serbisch,

Türkisch, Kurdisch, Englisch und Arabisch. Zusätzlich bot ein oenes Antwortfeld die

Möglichkeit, weitere Sprachen einzutragen.

4 Als arabische Länder werden die Mitgliedsstaaten der Arabischen Liga bezeichnet.

172 Kapitel 7

7.2 Soziale Herkun und mathematische Kompetenz im

internationalen Vergleich

Im Folgenden wird die soziale Herkun der Fünfzehnjährigen in den OECD-Mitglieds-

staaten betrachtet. Dazu wird zunächst auf den sozioökonomischen beruichen Status

der Familien mit seiner mittleren Ausprägung sowie seiner Streuung über alle OECD-

Staaten hinweg vergleichend eingegangen. Zentral ist weiterhin die Frage, inwieweit

sich diese Kenngrößen im Vergleich mit PISA 2012 verändert haben. Im Anschluss

beschreiben wir den Zusammenhang zwischen dem sozioökonomischen beruichen Sta-

tus und der mathematischen Kompetenz. Für diese Ausweisung kommen zwei Kenn-

werte, der soziale Gradient und das Maß der aufgeklärten Varianz, zum Einsatz. Diese

beiden Kenngrößen ergeben sich aus einer linearen Regression. Die in dieser linearen

Regression ermittelte Steigung des sozialen Gradienten gibt an, um wie viele Punkte die

durchschnittliche Kompetenz der Schüler*innen zunimmt, wenn der Prädiktor (hier

sozioökonomischer beruicher Status) um eine Standardabweichung steigt. Der sozi-

ale Gradient ermöglicht damit Aussagen über die Stärke des Zusammenhangs zwischen

Kompetenz und der sozialen Herkun. Ein niedriger sozialer Gradient beziehungsweise

eine schwach ansteigende Regressionsgerade deuten auf einen schwächeren, ein hoher

sozialer Gradient auf einen stärkeren Zusammenhang der Kompetenz mit der sozialen

Herkun hin. Die Varianzaulärung (R²) gibt im Vergleich dazu an, zu welchem pro-

zentualen Anteil sich Kompetenzunterschiede (Varianz) durch die soziale Herkun vor-

hersagen lassen. Um die soziokulturellen Aspekte zu berücksichtigen, wird im Anschluss

der Zusammenhang zwischen der mathematischen Kompetenz und dem sozioökonomi-

schen und soziokulturellen Status analysiert.

7.2.1 Sozioökonomischer beruicher Status und Zusammenhang mit

der mathematischen Kompetenz

Die Abbildung 7.1 zeigt die Ausprägungen des sozioökonomischen beruichen Status

(HISEI) in den OECD-Staaten. Neben den mittleren Ausprägungen und der Standard-

abweichung werden die Perzentilbänder veranschaulicht. Die Länge des Perzentilbandes

repräsentiert die Streuung des sozioökonomischen beruichen Status: Je kürzer das Per-

zentilband, desto homogener ist die Verteilung innerhalb des jeweiligen OECD-Staates.

Deutschland liegt mit 51.9 Punkten unter dem OECD-Durchschnitt (M = 53.7). Dabei

hat sich der Wert für Deutschland im Vergleich zu PISA 2012 nicht verändert. Neben

Deutschland erzielen zum Beispiel Polen (M = 52.0), Italien (M = 49.4) oder Tsche-

chien (M = 50.9) ebenfalls niedrigere Werte des HISEI als der OECD-Durchschnitt,

wobei für diese drei OECD-Staaten eine Verbesserung im Vergleich zu PISA 2012 fest-

zustellen ist. Nicht vom OECD-Durchschnitt unterscheiden sich unter anderem Öster-

reich (M = 53.1) und Frankreich (M = 53.1). Für Österreich zeigt sich eine Erhöhung

173 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

Abbildung 7.1: Mittelwerte, Streuungen und Perzentilbänder des sozioökonomischen beruf-

lichen Status (HISEI) der OECD-Staaten

Perzentile

Mittelwert und Konfidenzintervall(+/-2 )SE

5% 10% 25% 75% 90% 95%

OECD-Staaten MSD

Dänemark 62.3 19.9

Norwegen 62.3 20.7

Israel 62.0 21.1

Island 60.5 20.5

Irland 59.7 20.4

Australien 59.3 20.9

Schweden 59.2 21.5

Kanada 58.7 21.0

Neuseeland 58.0 20.8

Korea 57.8 18.8

Slowenien 57.7 21.5

Vereinigtes Königreich 56.6 21.8

Niederlande 56.2 20.9

Finnland 55.5 22.0

Vereinigte Staaten 55.1 21.9

Estland 54.9 21.5

Schweiz 54.9 21.9

Litauen 54.7 22.5

Japan 53.9 19.9

OECD Durchschnitt 53.7 21.6

Belgien 53.4 22.4

Frankreich 53.1 22.1

Österreich 53.1 21.7

Lettland 52.2 21.8

Polen 52.0 21.6

Deutschland 51.9 21.1

Griechenland 51.1 22.6

Ungarn 51.1 22.4

Spanien 51.0 24.0

Portugal 51.0 23.0

Tschechien 50.9 20.8

Italien 49.4 22.0

Slowakei 47.6 21.8

Chile 44.1 21.6

Mexiko 42.6 23.3

Kolumbien 41.0 22.8

Türkei 38.3 21.7

020406080

100

10 30 50 70 90

signifikant über dem OECD-Durchschnitt

signifikant unter dem OECD-Durchschnitt

174 Kapitel 7

(von M = 48.9 auf M = 53.1) des HISEI. Über dem OECD-Durchschnitt benden sich

zum Beispiel die OECD-Staaten Australien (M = 59.3), Finnland (M = 55.5) und das

Vereinigte Königreich (M = 56.6), welche auch schon in PISA 2012 überdurchschnitt-

liche Werte erlangten. Neben dem mittleren sozioökonomischen beruichen Status ist

seine Standardabweichung als Maß für die Streuung von besonderem Interesse. Diese

sagt aus, wie groß die Unterschiede im sozioökonomischen beruichen Status der Fami-

lien fünfzehnjähriger Schüler*innen innerhalb der jeweiligen Staaten sind. Für Deutsch-

land zeigt sich, dass sich die Standardabweichung (SD = 21.1) von der des OECD-

Durchschnittes (SD = 21.6) unterscheidet. Im Vergleich zu PISA 2012 hat sich die

Streuung in Deutschland (2012 SD = 20.6) wie auch im OECD-Durchschnitt (PISA 2012

SD = 20.8) etwas vergrößert.

Die Ergebnisse der linearen Regression, welche die Abhängigkeit der mathematischen

Kompetenz vom sozioökonomischen beruichen Status aufweisen, sind in Tabelle 7.1

dargestellt. Es ist ersichtlich, dass es in allen OECD-Staaten einen positiven Zusam-

menhang zwischen dem sozioökonomischen beruichen Status und der mathemati-

schen Kompetenz gibt. In Deutschland liegt die Steigung des sozialen Gradienten mit

gut 37 Punkten über dem OECD-Wert mit knapp 30 Punkten. Für Deutschland liegt

demnach der Wert der mathematischen Kompetenz um 37 Punkte höher, wenn der

sozioökonomische beruiche Status um eine Standardabweichung (21.1 Punkte, siehe

Abbildung 7.1) steigt. Zu den Staaten, in denen der soziale Gradient niedriger als der

OECD-Durchschnitt ausfällt, zählen zum Beispiel Island, Norwegen und Griechen-

land. Im OECD-Durchschnitt liegen unter anderem Finnland, Schweden und Polen.

Im Vergleich zum OECD-Durchschnitt ist die Steigung (neben Deutschland) auch in

Österreich, der Schweiz und in Frankreich deutlich höher. Zudem weist Deutschland

(R² = 14.2) neben Österreich, der Schweiz und Frankreich einen höheren aufgeklärten

Varianzanteil durch den sozioökonomischen beruichen Status auf, als dies im OECD-

Durchschnitt (R² = 10.7) der Fall ist. Das bedeutet, dass die Mathematikkompetenz

in diesen Ländern stärker mit dem sozioökonomischen beruichen Status der Eltern

zusammenhängt als in anderen OECD-Staaten.

7.2.2 Zusammenhang zwischen dem sozioökonomischen und

soziokulturellen Status und der mathematischen Kompetenz

Werden in der Regression neben sozioökonomischen auch soziokulturelle Merkmale

berücksichtigt und der Zusammenhang anhand des ESCS untersucht, so ergeben sich

in Tabelle 7.2 erwartungsgemäß höhere Zusammenhänge zwischen der mathemati-

schen Kompetenz und dem ESCS als beim HISEI (vgl. Tabelle 7.1). Wie in Abschnitt

7.2.1 werden auch hier mit Hilfe einer linearen Regression die Stärke des Zusam-

menhangs und die damit verbundene Varianzaulärung bestimmt. Die Steigung

des sozialen Gradienten für den ESCS als Prädiktor für die mathematische Kompe-

tenz liegt in Deutschland bei gut 35 Punkten und unterscheidet sich damit nicht vom

175 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

OECD-Staaten

Mathematische

Kompetenz

Steigung des sozialen

Gradienten

Stärke des

Zusammenhangs

Achsen-

abschnitt (SE)Steigung (SE)

Varianz-

aufklärung R² (SE)

Mexiko 404 (2.3) 15.8 (1.3) 5.6 (0.9)

Japan 539 (2.7) 20.4 (2.3) 4.0 (0.8)

Island 460 (1.8) 20.6 (1.7) 5.0 (0.8)

Chile 427 (1.8) 22.4 (1.3) 8.2 (0.9)

Kolumbien 399 (3.1) 22.9 (1.9) 10.2 (1.6)

Irland 488 (1.6) 23.3 (1.3) 7.3 (0.8)

Korea 527 (3.3) 24.1 (2.4) 3.8 (0.7)

Norwegen 466 (1.8) 24.4 (1.4) 6.1 (0.7)

Spanien 481 (1.3) 24.4 (0.8) 9.5 (0.6)

Lettland 489 (1.9) 24.7 (1.4) 9.2 (0.9)

Griechenland 438 (2.0) 25.0 (1.4) 9.5 (1.0)

Dänemark 483 (1.7) 25.7 (1.3) 8.1 (0.8)

Vereinigtes Königreich 495 (2.2) 26.2 (1.8) 7.0 (0.9)

Kanada 497 (1.4) 26.4 (1.3) 7.1 (0.7)

Italien 479 (2.9) 26.9 (2.0) 9.1 (1.2)

Estland 512 (1.7) 27.3 (1.7) 9.6 (1.1)

Finnland 487 (1.6) 27.6 (1.2) 9.7 (0.7)

Schweden 482 (1.7) 29.2 (1.5) 9.1 (0.8)

Litauen 481 (1.6) 29.2 (1.4) 11.9 (1.0)

Polen 498 (1.9) 29.6 (1.7) 10.8 (1.1)

Türkei 474 (1.8) 29.6 (1.6) 10.3 (1.1)

Vereinigte Staaten 468 (3.2) 31.1 (2.1) 10.5 (1.2)

Neuseeland 481 (1.8) 32.3 (2.1) 9.8 (1.2)

Portugal 480 (1.7) 32.9 (1.5) 14.7 (1.1)

Slowenien 482 (1.2) 32.9 (1.4) 12.8 (1.0)

Österreich 496 (2.1) 33.2 (1.5) 12.8 (1.0)

Australien 484 (1.5) 33.4 (1.3) 10.2 (0.7)

Frankreich 484 (1.9) 35.0 (1.4) 15.4 (1.2)

Deutschland 491 (2.4) 37.2 (1.8) 14.2 (1.2)

Schweiz 512 (2.0) 37.3 (1.6) 15.0 (1.2)

Belgien 496 (1.6) 37.6 (1.3) 16.2 (0.9)

Niederlande 500 (2.8) 38.3 (2.3) 12.1 (1.3)

Israel 455 (2.8) 39.5 (2.0) 13.1 (1.2)

Tschechien 496 (1.9) 39.8 (1.6) 16.0 (1.1)

Ungarn 483 (2.1) 43.6 (1.9) 22.0 (1.5)

Slowakei 483 (2.3) 45.7 (2.3) 20.3 (1.6)

OECD-Durchschnitt 480 (0.4) 29.9 (0.3) 10.7 (0.2)

Tabelle 7.1: Zusammenhang zwischen der mathematischen Kompetenz und dem sozioöko-

nomischen beruichen Status in den OECD-Staaten (Prädiktorvariable: HISEI)

Anmerkung: Prädiktorvariable ist der sozioökonomische beruiche Status (HISEI). Der farblich gekennzeichnete Unter-

schied zum OECD-Durchschnitt bezieht sich auf die Steigung des sozialen Gradienten.

signikant unter dem

OECD-Durchschnitt

nicht signikant verschieden

vom OECD-Durchschnitt

signikant über dem

OECD-Durchschnitt

176 Kapitel 7

OECD-Staaten

Mathematische

Kompetenz

Steigung des sozialen

Gradienten

Stärke des

Zusammenhangs

Achsen-

abschnitt (SE)Steigung (SE)

Varianz-

aufklärung R² (SE)

Mexiko 413 (2.7) 19.2 (1.3) 10.4 (1.3)

Kolumbien 410 (3.5) 24.5 (1.7) 16.2 (2.1)

Türkei 485 (2.2) 27.2 (1.3) 12.6 (1.2)

Chile 428 (2.0) 28.8 (1.4) 12.5 (1.2)

Griechenland 436 (2.1) 31.0 (1.6) 11.8 (1.1)

Spanien 475 (1.3) 32.3 (0.9) 14.2 (0.8)

Portugal 480 (1.7) 33.6 (1.4) 18.2 (1.3)

Island 447 (1.7) 34.1 (2.1) 9.3 (1.1)

Norwegen 453 (1.7) 34.6 (1.7) 9.6 (0.9)

Italien 476 (2.7) 35.0 (2.2) 13.5 (1.5)

Lettland 484 (1.8) 35.2 (1.6) 13.2 (1.0)

Irland 481 (1.5) 35.5 (1.5) 13.0 (1.2)

Vereinigtes Königreich 489 (2.1) 36.4 (2.5) 11.0 (1.3)

Vereinigte Staaten 463 (3.0) 37.5 (2.3) 14.9 (1.4)

Dänemark 473 (1.5) 38.1 (1.6) 12.2 (0.9)

Finnland 476 (1.5) 38.5 (1.4) 12.4 (0.8)

Estland 505 (1.7) 39.4 (1.8) 13.4 (1.2)

Deutschland 487 (2.5) 39.6 (1.5) 18.7 (1.3)

Litauen 474 (1.5) 39.9 (1.7) 16.5 (1.2)

Kanada 484 (1.3) 39.9 (1.6) 10.2 (0.8)

Polen 495 (1.9) 40.3 (1.9) 16.3 (1.3)

Neuseeland 475 (1.6) 42.0 (2.0) 15.8 (1.4)

Slowenien 476 (1.2) 42.0 (1.5) 15.7 (1.1)

Schweden 470 (1.7) 43.1 (1.7) 15.0 (1.0)

Österreich 487 (2.0) 43.3 (1.4) 19.4 (1.1)

Japan 536 (2.6) 44.7 (3.1) 11.9 (1.5)

Australien 472 (1.4) 44.7 (1.5) 14.6 (0.8)

Korea 518 (3.1) 45.3 (3.0) 12.6 (1.4)

Frankreich 476 (1.9) 45.5 (1.5) 21.5 (1.3)

Schweiz 502 (1.9) 47.0 (1.5) 20.8 (1.2)

Niederlande 484 (3.1) 47.1 (2.2) 15.1 (1.3)

Belgien 487 (1.6) 48.3 (1.5) 21.8 (1.2)

Ungarn 473 (2.0) 49.3 (1.8) 25.1 (1.5)

Tschechien 493 (1.8) 50.6 (1.8) 22.0 (1.2)

Israel 446 (2.7) 51.1 (2.2) 19.6 (1.4)

Slowakei 481 (2.2) 53.3 (2.2) 25.7 (1.8)

OECD-Durchschnitt 475 (0.3) 39.4 (0.3) 15.5 (0.2)

Tabelle 7.2: Zusammenhang zwischen der mathematischen Kompetenz und dem sozioöko-

nomischen und -kulturellen Status in den OECD-Staaten (Prädiktorvariable:

ESCS)

Anmerkung: Prädiktorvariable ist der ESCS. Der farblich gekennzeichnete Unterschied zum OECD-Durchschnitt bezieht

sich auf die Steigung des sozialen Gradienten.

signikant unter dem

OECD-Durchschnitt

nicht signikant verschieden

vom OECD-Durchschnitt

signikant über dem

OECD-Durchschnitt

177 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

OECD-Durchschnittswert. Für Deutschland liegt demnach der Wert der mathemati-

schen Kompetenz um knapp 40 Punkte höher, wenn der sozioökonomische und sozio-

kulturelle Status um eine Standardabweichung (SD = 1.04) steigt. Eine geringere Stei-

gung des sozialen Gradienten weisen unter anderem die OECD-Staaten Griechenland,

Norwegen und Italien auf. Keine Unterscheidung zur Varianzaulärung des OECD-

Durchschnitts ndet sich neben Deutschland zum Beispiel für Finnland, Polen und Slo-

wenien. Deutlich mehr Varianz wird dagegen in den OECD-Staaten Österreich, Frank-

reich, Schweiz und Niederlande aufgeklärt. Mit knapp 19 Prozent Varianzaulärungen

liegt Deutschland über dem OECD-Durchschnitt (R² = 15.5 %).

In Abbildung 7.2 sind die Staaten zum einen nach dem Niveau der mathematischen

Kompetenz und zum anderen nach dem aufgeklärten Varianzanteil angeordnet. Die Ein-

teilung in die vier Quadranten gibt Auskun darüber, inwieweit die Staaten bezüglich

dieser beiden Merkmale über oder unter dem OECD-Durchschnitt liegen (mathema-

tische Kompetenz M = 475; Varianzaulärung R² = 15.5 %). Die farbliche Markierung

bezieht sich auf die Unterschiede der Varianzaulärung der Staaten zum OECD-Durch-

schnitt. Durch die gemeinsame Abbildung ist es etwa möglich, jene Staaten zu iden-

tizieren, in denen es gelingt, hohe Leistungen der Schüler*innen zu erreichen bei

gleichzeitig geringem Zusammenhang zwischen Kompetenzstufen und dem sozioöko-

nomischen und soziokulturellen Status (Quadrant links oben). Dies ist eine wünschens-

werte Konstellation. So zeigen zum Beispiel Lettland, das Vereinigte Königreich oder

auch Kanada, dass eine überdurchschnittlich hohe mathematische Kompetenz auch mit

einem geringen Zusammenhang zwischen der Kompetenz und dem sozioökonomischen

und soziokulturellen Status einhergehen kann. Andererseits können jene Staaten identi-

ziert werden, in denen der Zusammenhang hoch ist, das heißt, die sozialen Disparitä-

Stärke des Zusammenhangs (VarianzaufklärungR² ) durch den ESCSin Prozent

R2signifikant vom OECD-Durchschnitt verschieden R2nicht signifikant vom OECD-Durchschnitt verschieden

Österreich

Deutschland

Portugal

Lettland

Irland

Korea

Türkei

Chile

Finnland

Dänemark

Japan

Griechenland

Vereinigtes Königreich

Mexiko

Kanada

Island

Litauen

Polen

Kolumbien

Neuseeland

Slowenien

Niederlande

Schweden

Vereinigte Staaten

Australien

Spanien

Italien

Estland

400

420

440

460

480

500

520

540

5678910 11 12 13 14 15 16 17 18 19

Norwegen

Israel

Mathematik-Kompetenz (Achsenabschnitt, Prädiktorvariable ESCS)

Abbildung 7.2: Mathematische Kompetenz und Varianzaulärung (R²) durch den sozioöko-

nomischen und -kulturellen Status (ESCS) in den OECD-Staaten

178 Kapitel 7

ten stark ausgeprägt sind, und das Kompetenzniveau niedrig ausfällt (Quadrant rechts

unten). Der Quadrant rechts oben, in welchem sich neben Portugal und Österreich auch

Deutschland bendet, repräsentiert erreichte mittlere mathematische Kompetenzen, wel-

che in hohem Maße mit dem sozioökonomischen und soziokulturellen Status assoziiert

sind.

7.3 Soziale Herkun und Kompetenzentwicklung in

Deutschland

Mit der kategorialen EGP-Klassikation lässt sich die soziale Herkun fünfzehnjähri-

ger Schüler*innen in Deutschland anhand anschaulicher Berufsgruppen beschreiben.

Dabei werden für diese Klassikation die Angaben zum Beruf, zur Art des Beschäi-

gungsverhältnisses sowie zur Weisungsbefugnis berücksichtigt. Diese Einteilung führt

zu einer anschaulichen und fundierten Typologie (Müller & Ehmke, 2016). Grundlage

für die Typologie und die Einteilung der Berufe in Klassen ist die Annahme, dass die

Lebensbedingungen in Abhängigkeit vom Bildungshintergrund, von der gesellschali-

chen Anerkennung, den beruichen Gestaltungsmöglichkeiten sowie vom Einkommen

variieren (Hradil, 2005). Tabelle 7.3 zeigt für die sechs unterschiedlichen EGP-Klassen

Mittelwerte und Standardfehler des sozioökonomischen beruichen Status, des Besit-

zes an Wohlstandsgütern und der Bildungsdauer der Erziehungsberechtigten. Die Dauer

der vorschulischen Bildung (Hasselhorn & Kuger, 2014; Seyda, 2009) stellt dieser Bericht

durch den Anteil der Kinder dar, die erst mit vier Jahren oder später in den Kindergar-

ten kommen.

Gut 40 Prozent der Erziehungsberechtigten lassen sich den beiden Dienstklassen

(EGP Klassikation I und II) zurechnen. Für diese beiden Klassen, denen sich neben

den freien akademischen Berufen auch höhere Beamte sowie Hochschul- und Gymna-

siallehrkräe zuordnen lassen (Tabelle 7.1web) zeigen sich in Tabelle 7.3 überdurch-

schnittlich hohe Werte über alle Merkmale der sozialen Herkun hinweg. Der sozio-

ökonomische beruiche Status unterscheidet sich in fast allen Klassen vom Mittelwert

in Deutschland. Während die Werte des sozioökonomischen beruichen Status in den

beiden Dienstklassen (EGP-Klassen I und II) über dem nationalen Durchschnitt lie-

gen, sind die Werte aller anderen EGP-Klassen (außer Selbstständige) unterdurch-

schnittlich ausgeprägt. Mit Blick auf Kultur- und Wohlstandsgüter verfügen Familien

der Dienstklassen über überdurchschnittlich viele Ressourcen, wohingegen Facharbei-

ter*innen und leitende Angestellte (EGP-Klassen V und VI) sowie die un- und angelern-

ten Arbeiter*innen und Landarbeiter*innen (EGP-Klasse VII) über unterdurchschnittli-

che Ausstattungen mit Kultur- und Wohlstandsgütern verfügen. Ein ähnliches Bild weist

die Bildungsdauer der Erziehungsberechtigten auf. Elternteile der oberen Dienstklasse

(EGP-Klasse I) absolvierten knapp eineinhalb Ausbildungsjahre mehr als der nationale

Durchschnittswert. Un- und angelernte Arbeiter*innen und Landarbeiter*innen (EGP-

179 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

Klasse VII) weisen im Gegensatz dazu gut ein Jahr weniger Ausbildungszeit auf. Kinder

aus Familien der drei oberen EGP-Klassen gehen weitaus häuger mit drei Jahren oder

jünger in Einrichtungen des elementaren Bildungsbereichs. Dies zeigte sich bereits bei

PISA 2018. Circa ein Fünel der Kinder der EGP-Klassen IV–VII geht erst mit vier Jah-

ren oder später in einen Kindergarten.

Tabelle 7.4 stellt die Lesekompetenz leistungsstarker (Kompetenzstufen V und VI)

und leistungsschwacher Schüler*innen (unter Kompetenzstufe II) innerhalb der EGP-

Klassen gegenüber. Diese Ausweisung für diese Betrachtung im Zusammenhang mit

der Lesekompetenz wurde gewählt, um eine konsistente Darstellung mit allen vorheri-

gen PISA-Erhebungsrunden zu gewährleisten. Um dennoch der Mathematik als Haupt-

domäne von PISA 2022 Rechnung zu tragen, ndet sich in Tabelle 7.6web die analoge

Darstellung der in der Domäne Mathematik leistungsstarken (Kompetenzstufen V und

VI) und leistungsschwachen Schüler*innen (unter Kompetenzstufe II) innerhalb der

EGP-Klassen. Betrachtet man leistungsstarke (Kompetenzstufen V und VI) und leis-

tungsschwache Schüler*innen (unter Kompetenzstufe II) in Zusammenhang mit der

Lesekompetenz, so ergeben sich sichtbare soziale Disparitäten auch innerhalb der EGP-

Klassen (Tabelle 7.4). Es zeigt sich für alle EGP-Klassen, dass die Mittelwerte der drei

Indikatoren sozialer Herkun bei den leistungsstarken Schüler*innen höher ausfallen als

bei den leistungsschwachen Schüler*innen.

Bezugs-

person

Sozioöko-

nomischer

beruicher

Status

(HISEI)

Besitz Wohl-

stands-

güter1

Bildungs-

dauer in

Jahren2

Kindergarten-

besuch mit

vier Jahren

oder älter

EGP-Klassen % (SE)M(SE)M(SE)M(SE)

gültige

%*(SE)

Obere Dienstklasse (I) 21.5 (0.8) 68.6 (0.8) 0.4 (0.0) 14.6 (0.1) 15.8 (1.3)

Untere Dienstklasse (II) 20.0 (0.6) 59.4 (0.6) 0.2 (0.0) 13.8 (0.1) 16.4 (1.4)

Routinedienstleistungen (III) 14.2 (0.4) 46.1 (0.7) -0.1 (0.0) 12.9 (0.2) 16.7 (1.8)

Selbständige, einschl.

Landwirt*innen (IV) 3.2 (0.3) 48.2 (1.8) 0.2 (0.1) 13.4 (0.3) 19.5 (4.4)

Facharbeiter*innen und leitende

Arbeiter*innen (V-VI) 22.1 (0.6) 43.1 (0.5) -0.2 (0.0) 12.7 (0.1) 19.9 (1.5)

Un- und angelernte Arbeiter*innen,

Landarbeiter*innen (VII) 19.0 (0.7) 38.1 (0.7) -0.4 (0.0) 12.1 (0.1) 24.2 (1.8)

Gesamt 100 51.4 (0.4) 0.0 (0.0) 13.3 (0.1) 18.6 (0.8)

Tabelle 7.3: Merkmale der sozialen Herkun und der Bildungswege dierenziert nach EGP-

Klassen

Anmerkung: n = 6116 (nach der Imputation fehlender Werte); signikante Unterschiede (p < .05) in den Kennwerten für

die EGP-Klassen zum Gesamtmittelwert sind fett gedruckt.

1 z-standardisiert

2 Aufgrund der Umstellung der Jahre der Bildungsdauer in CYE-Stufen der UNESCO-ISCED-11-Werte sind diese Werte

nur bedingt mit vorherigen Zyklen vergleichbar.

180 Kapitel 7

Lesekompetenzstufe V und VI

Sozioökonomi-

scher beruicher

Status (HISEI)

Besitz Wohl-

standsgüter

Bildungsdauer

in Jahren1

EGP-Klassen M(SE)M(SE)M(SE)

Obere Dienstklasse (I) 73.1 (1.1) 0.8 (0.0) 15.4 (0.1)

Untere Dienstklasse (II) 66.9 (1.2) 0.7 (0.1) 14.7 (0.2)

Routinedienstleistungen (III) 53.6 (2.4) 0.4 (0.1) 13.9 (0.4)

Selbständige, einschl. Landwirt*innen (IV) 59.6 (4.5) 0.9 (0.2) 14.5 (0.6)

Facharbeiter*innen und leitende

Arbeiter*innen (V–VI) 48.9 (2.5) 0.2 (0.1) 13.3 (0.4)

Un- und angelernte Arbeiter*innen,

Landarbeiter*innen (VII) 43.0 (3.1) 0.3 (0.2) 12.6 (0.6)

Gesamt 62.6 (1.1) 0.6 (0.0) 14.5 (0.1)

Lesekompetenz unter Kompetenzstufe II

Sozioökonomi-

scher beruicher

Status (HISEI)

Besitz Wohl-

standsgüter

Bildungsdauer

in Jahren1

EGP-Klassen M(SE)M(SE)M(SE)

Obere Dienstklasse (I) 61.0 (2.1) -0.1 (0.1) 13.9 (0.2)

Untere Dienstklasse (II) 53.1 (1.4) -0.3 (0.1) 13.3 (0.3)

Routinedienstleistungen (III) 42.6 (1.3) -0.5 (0.1) 12.7 (0.3)

Selbständige, einschl. Landwirt*innen (IV) 43.0 (3.7) -0.4 (0.3) 12.6 (0.8)

Facharbeiter*innen und leitende

Arbeiter*innen (V–VI) 40.4 (1.0) -0.6 (0.1) 12.4 (0.2)

Un- und angelernte Arbeiter*innen,

Landarbeiter*innen (VII) 35.9 (1.0) -0.7 (0.1) 11.9 (0.2)

Gesamt 44.5 (0.6) -0.5 (0.0) 12.7 (0.1)

Anmerkung: signikante Unterschiede (p < .05) in den Kennwerten für die EGP-Klassen zum gruppenspezischen Mittel-

wert sind fett gedruckt.

1Aufgrund der Umstellung der Jahre der Bildungsdauer in CYE-Stufen der UNESCO-ISCED-11-Werte sind diese Werte

nur bedingt mit vorherigen Zyklen vergleichbar.

Tabelle 7.4: Merkmale der sozialen Herkun dierenziert nach EGP-Klassen in den Grup-

pen der lesestarken (mindestens auf KompetenzstufeV) und leseschwachen

(unter KompetenzstufeII) Schüler*innen

Abbildung 7.3 quantiziert die oben dargestellten Disparitäten der sozialen Herkun für

die EGP-Klassen und die Lesekompetenzen der fünfzehnjährigen Schüler*innen. Auch

wenn die Lesekompetenz der oberen Dienstklasse (EGP-Klasse I) im Vergleich zu PISA

2000 um gut 20 Kompetenzpunkte abgenommen hat, zeigt sich im Vergleich zu PISA

2018 kein Unterschied. Für die Kinder der un- und angelernten Arbeiter*innen und

Landarbeiter*innen (EGP-Klasse VII) ndet sich im Vergleich zu PISA 2000 eine Ver-

besserung der Lesekompetenz um 18 Punkte. Allerdings zeigt der Vergleich zu PISA

2018 eine erhebliche Verschlechterung, so dass der Gewinn mit Vorsicht zu betrachten

ist. In den mittleren EGP-Klassen der Routinedienstleistungen Handel und Verwaltung

(EGP-Klasse III) und Selbstständige (EGP-Klasse IV) nden sich sowohl für PISA 2018

als auch für PISA 2000 keine Veränderungen.

181 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

7.4 Zuwanderungshintergrund und mathematische Kompetenz

im europäischen Vergleich

Im Folgenden wird zunächst der sozioökonomische beruiche Status für Schüler*in-

nen mit und ohne Zuwanderungshintergrund in 21 ausgewählten europäischen Staa-

ten betrachtet. Die Auswahl beschränkt sich auf europäische Staaten, die sich aufgrund

politischer Rahmenvorgaben durch europäische Institutionen bezüglich Zuwanderungs-

bewegungen sinnvoll vergleichen lassen (Bundesministerium des Innern, für Bau und

Heimat, 2023; Weis et al., 2019). Zudem zeigten sich in vergangenen PISA-Erhebungen

ähnliche demograsche Entwicklungen in den europäischen Staaten (vgl. Weis et al.,

2019). Des Weiteren werden Zusammenhänge zwischen der mathematischen Kompetenz

und dem Status der Zuwanderung der Jugendlichen analysiert. Die Anteile der Schü-

ler*innen mit einem Zuwanderungshintergrund in den ausgewählten Staaten sowie die

Anteile von Fünfzehnjährigen mit Zuwanderungshintergrund, die zu Hause die Sprache

des Einwanderungslandes sprechen, sind in Tabelle 7.3web und Tabelle 7.4web darge-

stellt.

7.4.1 Der sozioökonomische beruiche Status der

Erziehungsberechtigten von Jugendlichen mit und ohne

Zuwanderungshintergrund

In Deutschland sowie in nahezu allen ausgewiesenen Staaten aus West-, Süd-, Nord-

und Osteuropa weisen Eltern von Jugendlichen mit einem Zuwanderungshintergrund

einen niedrigeren sozioökonomischen beruichen Status auf als Eltern von Jugendlichen

ohne Zuwanderungshintergrund. Dieser Unterschied ist in Deutschland neben Belgien,

Österreich und Italien besonders groß. Im Vereinigten Königreich sowie in der Slowakei

nden sich keine Unterschiede zwischen Schüler*innen mit und ohne Zuwanderungs-

EGP-Klassen M (SE) SD M (SE) SD M (SE) SD

Obere Dienstklasse (I) 517 (5.5) 106 531 (4.0) 105 538 (3.4) 94

Untere Dienstklasse (II) 498 (5.0) 104 516 (4.6) 103 531 (4.0) 93

Routinedienstleistungen (III) 467 (5.0) 107 472 (6.6) 103 470 (6.4) 109

Selbständige, einschl.

Landwirt*innen (IV) 483 (10.1) 108 476 (5.7) 105 480 (5.2) 94

Facharbeiter*innen und leitende

Arbeiter*innen (V–VI) 462 (4.5) 99 482 (4.0) 100 459 (4.4) 104

Un- und angelernte Arbeiter*innen,

Landarbeiter*innen (VII) 450 (5.0) 100 467 (4.5) 99 432 (3.9) 111

PISA 2022 PISA 2018 PISA 2000 Differenz 2022–2018 Differenz 2022–2000

-40 -30 -20 -10 0102030

nicht signifikant signifikant

-40 -30 -20 -10 0102030

Abbildung 7.3: Mittelwerte und Streuungen der Lesekompetenz dierenziert nach EGP-

Klassen (Bezugsperson) bei PISA 2022, PISA 2018 und PISA 2000 in

Deutschland

182 Kapitel 7

hintergrund bezüglich des sozioökonomischen beruichen Status. Portugal, Bulgarien

und Ungarn weisen dagegen einen höheren sozioökonomischen beruichen Status für

zugewanderte Familien auf als für solche ohne Zuwanderungshintergrund. Eine die-

renzierte Betrachtung der einzelnen Generationen hinsichtlich des HISEI zeigt Unter-

schiede für die erste und die zweite Generation von Zugewanderten. Für Familien mit

einem im Ausland geborenen Elternteil zeigen sich die geringsten Abstände zur Gruppe

ohne Zuwanderungshintergrund. Die größten Abstände nden sich für die Jugendlichen

der ersten Generation. Der Abstand dieser Gruppe im sozioökonomischen beruichen

Ohne Zuwan-

derungs-

hintergrund

Mit Zuwanderungshintergrund

Insgesamt

Zuwanderung

Ein Elternteil

im Ausland

geboren

Zweite

Generation

Erste

Generation

Staaten M(SE)DIFF (SE)DIFF (SE)DIFF (SE)DIFF (SE)

Westeuropa

Belgien 57.4 (0.5) -10.6 (0.7) -5.4 (0.9) -15.6 (1.1) -13.8 (1.1)

Deutschland 55.7 (0.6) -9.8 (0.8) -4.7 (1.1) -12.2 (0.9) -13.6 (1.4)

Frankreich 55.8 (0.6) -8.3 (0.8) -3.3 (1.0) -12.9 (0.9) -14.9 (2.0)

Niederlande 58.0 (0.6) -5.5 (0.9) 0.9 (1.0) -11.3 (1.3) -13.7 (1.9)

Österreich 56.9 (0.4) -9.8 (0.9) -2.8 (1.0) -14.8 (1.0) -11.3 (1.6)

Schweiz 59.5 (0.5) -8.2 (0.7) 0.5 (0.8) -15.1 (1.0) -12.0 (1.1)

Vereinigtes Königreich 57.3 (0.5) -1.3 (0.8) 2.4 (1.1) -2.6 (1.2) -5.6 (1.3)

Südeuropa

Griechenland 53.4 (0.6) -8.9 (0.9) 0.3 (1.1) -17.7 (1.0) -15.8 (2.0)

Italien 51.6 (0.5) -11.0 (0.7) -3.8 (1.1) -17.3 (1.0) -17.3 (1.7)

Kroatien 50.7 (0.4) -2.0 (0.7) -0.5 (0.7) -6.3 (1.2) 1.8 (2.5)

Portugal 50.5 (0.6) 2.6 (1.0) 5.4 (0.9) -4.3 (1.9) 0.1 (1.7)

Spanien 53.4 (0.4) -9.5 (0.7) -2.4 (1.0) -15.9 (0.8) -10.8 (1.0)

Nordeuropa

Dänemark 64.0 (0.5) -7.3 (0.8) -1.2 (0.8) -14.0 (1.4) -18.4 (1.8)

Finnland 56.4 (0.5) -5.7 (0.8) -1.1 (0.9) -8.4 (1.2) -14.7 (1.0)

Norwegen 64.7 (0.5) -8.3 (0.7) -1.0 (0.8) -12.0 (1.4) -19.5 (1.1)

Schweden 62.2 (0.4) -8.7 (0.7) -2.0 (0.9) -10.3 (1.2) -16.3 (1.2)

Osteuropa

Bulgarien 51.1 (0.6) 5.0 (1.7) 6.2 (2.0) -0.7 (6.3) 0.1 (4.8)

Slowakei 47.8 (0.5) 0.3 (1.3) -0.2 (1.4) 0.8 (4.3) 3.7 (3.7)

Slowenien 59.1 (0.3) -6.7 (1.0) -0.2 (1.1) -6.3 (1.8) -18.4 (1.6)

Tschechien 51.4 (0.4) -3.7 (0.8) -3.0 (1.0) -6.1 (1.8) -4.5 (2.1)

Ungarn 50.8 (0.5) 5.7 (1.3) 8.0 (1.4) 6.2 (2.6) -6.6 (3.5)

fett: signikante Differenz zu Familien ohne Zuwanderungshintergrund (p < .05)

Tabelle 7.5: Unterschiede im sozioökonomischen beruichen Status der Eltern (HISEI) zwi-

schen Jugendlichen mit und ohne Zuwanderungshintergrund in ausgewählten

europäischen Staaten

183 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

Status beträgt in den meisten der ausgewiesenen europäischen Staaten über 12 Punkte

und ist am höchsten in Dänemark, Norwegen und Slowenien mit über 18 Punkten. In

Kroatien, Portugal, Bulgarien, Slowakei und Ungarn nden sich für die erste Generation

keine Unterschiede zu den Familien ohne Zuwanderungshintergrund.

7.4.2 Die mathematische Kompetenz von Jugendlichen mit und

ohne Zuwanderungshintergrund

Tabelle 7.6 stellt die mathematischen Kompetenzen der Schüler*innen mit und ohne

Zuwanderungshintergrund gegenüber. Dabei wird auch die Veränderung zu PISA 2012

betrachtet (jeweils in der dritten Spalte; +/–).

Für viele der ausgewählten Staaten ergeben sich niedrigere mathematische Kom-

petenzen für Jugendliche mit Zuwanderungshintergrund im Vergleich zu jenen ohne

Zuwanderungshintergrund. Dies gilt (mit Ausnahme der osteuropäischen Länder) vor

allem für die Jugendlichen der ersten Generation. Besonders starke Disparitäten zeigen

sich in Deutschland. Während Schüler*innen mit einem im Ausland geborenen Eltern-

teil knapp 30 Kompetenzpunkte unter ihren Mitschüler*innen ohne Zuwanderungshin-

tergrund liegen, ndet sich für Jugendliche der zweiten Generation ein Unterschied von

44 und für Jugendliche der ersten Generation ein Unterschied von 102 Punkten. Im Ver-

gleich zu PISA 2012 erzielen Schüler*innen der ersten Generation gut 62 Kompetenz-

punkte weniger. Nur in den Niederlanden nden sich mit gut 39 und in Tschechien mit

gut 37 Kompetenzpunkten ebenfalls Unterschiede für die mittlere mathematische Kom-

petenz Jugendlicher der ersten Generation im Vergleich zu PISA 2012. Für Österreich,

Kroatien, Schweden und Ungarn nden sich keine Veränderungen zwischen 2012 und

2022 für Schüler*innen mit und ohne Zuwanderungshintergrund, auch für den Status

der Generationen.

Eine dierenzierte Betrachtung der Veränderungen von 2012 bis 2022 ergibt für

die meisten der ausgewiesenen Staaten, dass die mathematischen Kompetenzen für

Schüler*innen mit und ohne Zuwanderungshintergrund deutlich gesunken sind. Für

Deutschland zeigt sich bei den Jugendlichen ohne Zuwanderungshintergrund mit einer

mittleren mathematischen Kompetenz von 501 Kompetenzpunkten, dass sich diese um

rund 31 Punkte im Vergleich zu PISA 2012 verringert hat. Schüler*innen mit Zuwande-

rungshintergrund haben gegenüber 2012 knapp 37 Punkte verloren. In Finnland ndet

sich eine ähnliche Kompetenzentwicklung wie in Deutschland. Auch in Belgien, Frank-

reich, den Niederlanden, Griechenland und Bulgarien zeigen sich hohe negative Die-

renzen zwischen PISA 2012 und PISA 2022. Keine Veränderungen für Schüler*innen

mit und ohne Zuwanderungshintergrund zu PISA 2012 zeigen sich für Österreich, das

Vereinigte Königreich, Kroatien, Schweden und Ungarn.

184 Kapitel 7

Ohne

Zuwanderungs-

hintergrund

Mit Zuwanderungshintergrund

Insgesamt

Zuwanderung

Ein Elternteil im

Ausland geboren

Zweite

Generation Erste Generation

Staaten M(SE) +/- M (SE) +/- M (SE) +/- M (SE) +/- M (SE) +/-

Westeuropa

Belgien 512 (2.5) -20.9 459a(3.2) -22.0 476a(3.6) -23.4 452a(4.1) -17.5 439a(5.5) -19.4

Deutschland 501 (3.1) -30.7 448a(4.0) -36.9 472a(5.3) -32.1 457a(4.3) -19.0 399a(6.0) -62.6

Frankreich 489 (2.6) -22.1 451a(3.9) -10.4 470a(4.1) -18.3 439a(5.9) -10.4 426a(6.4) 2.2

Niederlande 512 (3.4) -21.6 470a(5.3) -20.6 491a(5.5) -21.0 461a(7.8) -13.8 432a(10.2) -39.4

Österreich 509 (2.5) -9.0 461a(3.1) -12.2 488a(4.5) -13.9 452a(4.2) -6.5 440a(6.2) -14.6

Schweiz 533 (2.4) -18.7 492a(2.7) -15.0 518a(3.4) -15.8 477a(3.6) -13.2 472a(4.3) 0.7

Vereinigtes Königreich 492 (2.4) -4.0 500 (4.4) -0.9 506a(5.6) -10.6 507a(6.2) 23.6 483 (6.7) -7.4

Südeuropa

Griechenland 438 (2.5) -20.4 415a(3.0) -20.0 433 (4.4) -32.5 404a(3.9) -11.4 372a(8.3) -32.2

Italien 476 (3.3) -13.8 460a(4.2) -6.6 476 (5.4) -16.2 454a(5.0) -8.0 430a(8.3) -5.0

Kroatien 465 (2.5) -7.6 462a(3.2) -6.7 467 (3.8) -10.5 451a(5.0) -5.5 458 (12.3) 4.0

Portugal 475 (2.4) -15.5 469 (3.4) -18.1 485a(3.4) -20.0 461a(6.9) 9.8 433a(5.9) -16.6

Spanien 482 (1.6) -10.2 458a(2.3) 0.5 474a(3.1) -9.5 460a(2.9) 2.6 433a(3.9) -2.9

Nordeuropa

Dänemark 498 (2.2) -10.6 467a(3.5) -2.8 488a(4.3) -13.7 445a(4.2) -2.2 436a(6.5) 8.2

Finnland 492 (2.0) -32.4 456a(2.8) -28.4 481a(3.7) -31.0 443a(4.2) -8.7 414a(5.0) -11.7

Norwegen 479 (2.3) -17.0 459a(3.2) -12.0 477 (4.1) -16.5 449a(5.5) -9.0 437a(4.2) -3.2

Schweden 500 (2.1) 9.0 457a(3.0) 1.6 490a(4.1) 7.0 449a(3.9) 4.1 423a(5.3) 11.5

Osteuropa

Bulgarien 424 (3.4) -17.7 415 (8.5) -36.2 415 (9.0) -40.5 400 (21.9) 5.0 421 (23.3) -12.7

Slowakei 468 (2.9) -15.9 459 (6.3) -25.6 459 (6.6) -21.9 459 (17.1) -52.3 454 (13.3) -42.6

Slowenien 494 (1.3) -13.5 454a(3.7) -20.8 475a(5.0) -19.4 447a(7.4) -17.0 424a(6.2) -6.4

Tschechien 491 (2.2) -11.6 468a(3.9) -13.0 470a(4.6) -13.8 485 (9.4) 21.9 443a(8.2) -37.1

Ungarn 473 (2.6) -3.5 491a(5.7) -13.7 495a(5.9) -7.9 502a(11.1) -22.7 462 (15.6) -30.9

fett = signikante Unterschiede zwischen 2012 und 2022 (p < .05)

a signikante Unterschiede zu Schüler*innen ohne Zuwanderungshintergrund (p < .05)

+/- Mittelwertsdifferenz 2022–2012

Tabelle 7.6: Mathematische Kompetenz und Zuwanderungshintergrund in ausgewählten

europäischen Staaten

185 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

7.5 Zuwanderungshintergrund und mathematische Kompetenz

in Deutschland

Im Folgenden werden die Anteile der Fünfzehnjährigen in Deutschland mit und ohne

Zuwanderungshintergrund, ihre Anteile der Herkunsländer, ihre Merkmale der sozi-

alen Herkun und der gesprochenen Sprache genauer betrachtet. Des Weiteren wer-

den die Anteile in den unterschiedlichen Schularten und in den Kompetenzstufen der

mathematischen Kompetenz untersucht. Dabei wird auch der Bezug zu PISA 2012 her-

gestellt. Die mittleren Kompetenzen für die Domänen Mathematik, Lesen und Natur-

wissenschaen innerhalb der Zuwanderungsgruppen sind in Tabelle 7.5web abgebildet.

Zuwanderungsstatus

2012 2022

% (SE)% (SE)

Zuwanderungsstatus eindeutig zuzuordnen?

Nicht zuzuordnen 17.6 (0.9) 12.8 (1.2)

Zuzuordnen 82.4 (0.9) 87.2 (1.2)

gültige %*(SE)gültige %*(SE)

Ohne Zuwanderungshintergrund 74.2 (1.0) 61.3 (1.2)

Mit Zuwanderungshintergrund 25.8 (1.0) 38.7 (1.2)

Generationsstatus

Ein Elternteil im Ausland geboren 10.2 (0.5) 12.8 (0.5)

Zweite Generation 11.9 (0.8) 16.6 (0.7)

Erste Generation 3.7 (0.4) 9.2 (0.7)

Herkunftsländer

Ehemalige UdSSR 4.5 (0.4) 6.1 (0.4)

Türkei 5.1 (0.5) 5.3 (0.5)

Polen 2.7 (0.3) 3.1 (0.2)

Arabische Länder** *** *** 4.8 (0.5)

Anderes Land 13.5 (0.7) 19.9 (0.8)

Anmerkung: In der Tabelle werden gerundete Werte angegeben. Es können auf die Rundungen zurückzuführende ver-

meintliche Inkonsistenzen vorkommen.

Daten beruhen auf Schüler*innenangaben.

fett: signikante Unterschiede zwischen 2012 und 2022 (p < .05)

* gültige % = Prozentangaben beruhen nur auf Angaben der Schüler*innen, die eindeutig zuzuordnen sind.

** Als arabische Länder gelten die Teilnehmerstaaten der Arabischen Liga.

*** Die arabischen Länder wurde erstmals in PISA 2022 als auszuweisende Ethnie aufgenommen. Kein Vergleich zu PISA

2012 möglich.

Tabelle 7.7: Prozentuale Anteile der Fünfzehnjährigen mit Zuwanderungshintergrund in

Deutschland

186 Kapitel 7

Tabelle 7.7 zeigt, dass der Anteil der Schüler*innen, welche der Kategorie „nicht zuzu-

ordnen“ angehören, im Vergleich zu früheren PISA-Erhebungsrunden zurückgegangen

ist. So lassen sich für mehr Jugendliche der Zuwanderungshintergrund sowie das Her-

kunsland denieren. Der Anteil der Schüler*innen mit Zuwanderungshintergrund hat

sich im Vergleich zu PISA 2012 um über 10 Prozentpunkte erhöht. Demnach ist die

Heterogenität der Herkun der Fünfzehnjährigen in Deutschland gestiegen. Einen gro-

ßen Anteil an diesem Anstieg hat die Vergrößerung des Anteils der Schüler*innen der

ersten Generation im Vergleich zur PISA-Erhebungsrunde in 2012. Dies ist vermut-

lich auch auf die Geüchteten aus arabischen Ländern, die vor allem seit dem Jahr 2015

nach Deutschland gekommen sind, zurückzuführen.

Wie aus Tabelle 7.8 ersichtlich, liegt der sozioökonomische beruiche Status für

Familien mit Zuwanderungshintergrund gut zehn Punkte unter dem der Familien

ohne Zuwanderungshintergrund, allerdings im Vergleich zu PISA 2012 etwas höher.

Zuwanderungs-

status

Sozioökonomi-

scher beruicher

Status

Besitz Wohl-

standsgüter1

Bildungsdauer

der Eltern2

Deutsch als

gesprochene

Sprache zu Hause

2012 2022 2012 2022 2012 2022 2012 2022

M(SE)M(SE)M(SE)M(SE)M(SE)M(SE)gültige

%*(SE)gültige

%*(SE)

Ohne Zuwanderung 54.3 (0.5) 55.7 (0.6) 0.4 (0.0) 0.4 (0.0) 14.4 (0.1) 13.6 (0.1) 99.4 (0.4) 98.1 (0.3)

Mit Zuwanderung 43.8a(0.7) 45.8a(0.6) -0.1a(0.0) -0.2a(0.0) 13.5a(0.1) 12.8a(0.1) 72.1a(1.8) 51.6a(1.4)

Generationsstatus

Ein Elternteil im

Ausland geboren 49.8a(1.2) 51.0a(1.0) 0.1a(0.0) 0.2a(0.0) 13.9a(0.2) 13.4a(0.1) 89.1a(1.7) 80.7a(1.9)

Zweite Generation 38.9a(0.8) 43.5a(0.8) -0.2a(0.0) -0.3a(0.0) 12.9a(0.2) 12.5a(0.2) 65.8a(2.2) 50.9a(1.7)

Erste Generation 43.2a(1.9) 42.1a(1.3) -0.3a(0.1) -0.7a(0.0) 14.0a(0.4) 12.7a(0.3) 35.5a(5.3) 12.5a(1.5)

Herkunftsländer

Ehem. UdSSR 40.9a(1.6) 47.5a(1.2) -0.1a(0.1) 0.0a(0.0) 13.9a(0.3) 13.1a(0.2) 69.8a(4.3) 57.0a(3.1)

Türkei 36.8a(1.2) 39.2a(1.4) -0.3a(0.1) -0.5a(0.1) 11.7a(0.3) 11.7a(0.3) 53.7a(4.6) 52.7a(3.1)

Polen 48.1a(1.8) 48.5a(2.0) 0.1a(0.1) 0.0a(0.1) 14.2a(0.3) 13.9 (0.2) 72.8a(4.6) 66.2a(3.9)

Arabische Länder** *** *** 42.9a(1.9) *** *** -0.7a(0.1) *** *** 12.3a(0.3) *** *** 33.0a(3.2)

Anderes

Herkunftsland 46.5a(0.9) 47.1a(1.0) 0.0a(0.0) -0.2a(0.0) 13.8a(0.1) 13.0a(0.1) 79.4a(2.0) 52.4a(2.0)

Anmerkung: Die Angaben beruhen auf Schüler*innenangaben.

fett: signikante Unterschiede zwischen 2012 und 2022 (p < .05)

a signikante Unterschiede zu Schüler*innen ohne Zuwanderungshintergrund (p < .05)

1 z-standardisiert

2 Die Bildungsdauer der Eltern in Bildungsjahren wurde für PISA 2022 erstmals anhand der UNESCO-ISCED-11-Werte

deniert. Auf die Vergleichbarkeit zwischen den Erhebungen wird daher verzichtet.

* gültige % = Prozentangaben beruhen nur auf Angaben der Schüler*innen, die eindeutig zuzuordnen sind.

** Als arabische Länder gelten die Teilnehmerstaaten der Arabischen Liga.

*** Die arabischen Länder wurde erstmals in PISA 2022 als auszuweisende Ethnie aufgenommen. Kein Vergleich zu

PISA 2012 möglich.

Tabelle 7.8: Unterschiede in der zu Hause gesprochenen Sprache sowie in der sozialen Her-

kun zwischen Jugendlichen mit und ohne Zuwanderungshintergrund

187 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

Vor allem für Schüler*innen der ersten Generation und für Jugendliche aus der Tür-

kei und den arabischen Ländern zeigen sich große Abstände zu den Jugendlichen ohne

Zuwanderungshintergrund. Eine deutliche Verbesserung ndet sich für Schüler*innen

der zweiten Generation und für Jugendliche, deren Eltern aus den ehemaligen UdSSR-

Ländern stammen, in Bezug auf den sozioökonomischen beruichen Status. Die Aus-

stattung mit Kultur- und Wohlstandsgütern ist im Vergleich zu PISA 2012 in den Fami-

lien der Schüler*innen mit Zuwanderungshintergrund zurückgegangen. Dies zeigt sich

vor allem für Fünfzehnjährige der ersten Generation und für Schüler*innen türkischer

Herkun. Für fast alle aufgelisteten Herkunsländer gilt, dass der Bildungsabschluss der

Erziehungsberechtigten im Vergleich zu den Erziehungsberechtigten von Jugendlichen

ohne Zuwanderungshintergrund im Mittel geringer ausfällt. Nur für Polen zeigt sich ein

gleicher Bildungsabschluss in Bildungsjahren der Erziehungsberechtigten wie für Schü-

ler*innen ohne Zuwanderungshintergrund. Die Bildungsabschlüsse (in Bildungsjah-

ren) der Erziehungsberechtigten aus den arabischen Ländern weisen ein vergleichbares

Niveau auf wie die Erziehungsberechtigten aus den anderen klassischen Herkunslän-

dern. Besonders hervorzuheben ist, dass seit PISA 2012 deutlich weniger Schüler*innen

mit Zuwanderungshintergrund angeben, zu Hause Deutsch zu sprechen. Vor allem bei

Familien, in welchen die Jugendlichen und Erziehungsberechtigten im Ausland gebo-

ren wurden (erste Generation) und bei Familien aus anderen Herkunsländern ist der

Anteil im Vergleich zu PISA 2012 erheblich gesunken.

Für den Gymnasialbesuch ergeben sich deutliche zuwanderungsbezogene Disparitä-

ten (Tabelle 7.9): Während 44 Prozent der Jugendlichen ohne Zuwanderungshintergrund

ein Gymnasium besuchen, sind es nur 30 Prozent in der Gruppe mit Zuwanderungshin-

tergrund. In der ersten Generation sind es lediglich 15.9 Prozent. Gegenüber PISA 2012

hat sich das Ausmaß dieser Disparitäten nicht verändert.

Gymnasium

Nicht gymnasiale

Schularten*

% (SE)% (SE)

Ohne Zuwanderungshintergrund 44.0 (2.4) 51.4 (2.4)

Mit Zuwanderungshintergrund 30.3 (1.9) 64.4 (2.2)

Generationsstatus

Ein Elternteil im Ausland geboren 34.7 (2.4) 60.9 (2.6)

Zweite Generation 35.0 (2.6) 59.9 (2.7)

Erste Generation 15.9 (2.3) 77.2 (3.0)

Nicht zuzuordnen 19.8 (3.5) 75.7 (4.1)

* nicht gymnasiale Schularten setzen sich zusammen aus Hauptschule, Integrierte Gesamtschule, Realschule und Schu-

len mit mehreren Bildungsgängen.

fett: signikante Unterschiede zwischen 2012 und 2022 (p < .05)

** die Zeilen summieren nicht auf 100 Prozent, da Sonder- und Förderschulen und Berufsschulen hier nicht ausgewiesen

sind.

Tabelle 7.9: Prozentuale Anteile fünfzehnjähriger Schüler*innen mit Zuwanderungshinter-

grund an Gymnasien und nicht gymnasialen Schularten **

188 Kapitel 7

7.6 Zuwanderungshintergrund und soziale Herkun im

Zusammenhang mit mathematischer Kompetenz in

Deutschland

Um Zusammenhänge zwischen den Merkmalen der Schüler*innen mit und ohne

Zuwanderungshintergrund unter Berücksichtigung der Eekte der sozialen Herkun

spezizieren und quantizieren zu können, werden schrittweise Regressionsmodelle

zur Vorhersage der mathematischen Kompetenz angewendet. Die Schritte beziehen sich

dabei auf den dierenzierten Status der Zuwanderung (Modell I), die Hinzunahme aus-

gewählter Merkmale der sozialen Herkun (Modell II) sowie zusätzlich auf die Ana-

lyse des Zusammenhangs des Sprachgebrauchs zu Hause (Modell III). Als Gütemaß der

Modelle wird die Varianzaulärung angegeben.

Modell I aus Tabelle 7.10 zeigt die deutlichen Kompetenzabstände der unterschied-

lichen Gruppen mit Zuwanderungshintergrund gegenüber den Jugendlichen ohne

Zuwanderungshintergrund. Der Regressionskoezient (b = -90) für die erste Generation

bedeutet, dass ihr Rückstand im Vergleich zur Gruppe ohne Zuwanderungshintergrund

auf 90 Punkte geschätzt wird, in den anderen Gruppen sind diese Rückstände geringer.

Im Vergleich zu PISA 2012 hat der Abstand der ersten Generation deutlich zugenom-

men (90 Punkte vs. 53 Punkte). Die Varianzaulärung liegt für Modell I bei 8 Prozent.

Nach Berücksichtigung des sozioökonomischen beruichen Status, des Besitzes an

Wohlstandsgütern und des Bildungsabschlusses der Erziehungsberechtigten sinken die

Koezienten der unterschiedlichen Zuwanderungsgruppen (Modell II). Jetzt klären die

zusätzlichen Ausprägungen der sozialen Herkun gut 15 Prozent mehr Varianz als in

Modell I auf. Vor allem der Besitz von Wohlstandsgütern hat einen positiven Eekt auf

die mittlere mathematische Kompetenz und ist um 16 Punkte stärker als in PISA 2012.

Die zu Hause gesprochene Sprache (Modell III) mediiert ebenfalls den Eekt der Her-

kun auf die mathematische Kompetenz. So sinkt beispielsweise das Regressionsgewicht

in der ersten Generation auf -30 Punkte. Wird zu Hause nicht Deutsch als Familienspra-

che gesprochen, zeigt sich eine um 25 Punkte geringere mittlere mathematische Kom-

petenz. Dieser Zusammenhang ist deutlich stärker ausgeprägt als in PISA 2012. Insge-

samt belegen die Befunde, dass die niedrigeren Kompetenzstände der Jugendlichen mit

Zuwanderungsgeschichte zu erheblichem Anteil durch ihre soziale Herkun und den

häuslichen Sprachgebrauch erklärt werden können.

189 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

Modell I Modell II Modell III

2022 b(SE) b (SE) b (SE)

Ohne Zuwanderung 508* (2.9) 499* (2.4) 500* (2.4)

Ein Elternteil im Ausland geboren -27a(4.9) -16a(4.2) -12a(4.2)

Zweite Generation -41a(4.9) -12a(4.4) -2 (5.0)

Erste Generation -90a(7.2) -51a(6.9) -30a(8.2)

Nicht zuzuordnen -70a(12.3) -30a(11.0) -24a(11.3)

Sozioökonomischer beruicher Status1 19a(1.7) 18a(1.7)

Besitz Wohlstandsgüter1 25a(1.7) 24a(1.6)

Bildungsabschluss der Erziehungsberechtigten1 5ab (1.2) 5ab (1.2)

Sprachgebrauch2 -25a(5.4)

n 4639 4639 4639

R2 0.08 0.24 0.24

Modell I Modell II Modell III

2012 b(SE) b (SE) b (SE)

Ohne Zuwanderung 535* (3.4) 531* (3.1) 531* (3.1)

Ein Elternteil im Ausland geboren -28a(5.9) -19a(5.6) -18a(5.7)

Zweite Generation -47a(6.5) -23a(6.4) -19a(6.9)

Erste Generation -53a(13.5) -40a(12.3) -33a(13.5)

Nicht zuzuordnen -60a(12.5) -37a(12.1) -35a(11.4)

Sozioökonomischer beruicher Status1 26a(2.5) 26a(2.5)

Besitz Wohlstandsgüter1 9a(1.7) 9a(1.7)

Bildungsabschluss der Erziehungsberechtigten1 10a(2.1) 10a(2.1)

Sprachgebrauch2 -13 (8.5)

n 3761 3761 3761

R2 0.03 0.18 0.18

Anmerkung: Daten beruhen auf Schüler*innenangaben.

* Die hier angegebene Regressionskonstante ist der geschätzte Mittelwert in der Gruppe der Schüler*innen ohne Zu-

wanderungshintergrund. Für die Schüler*innen mit Zuwanderungshintergrund gibt der Regressionskoefzient jeweils die

Abweichung von der Regressionskonstanten an.

fett: Unterschied zum Regressionskoefzienten für 2012 statistisch signikant (p < .05)

a signikante Partialregressionskoefzienten (p < .05)

1 z-standardisiert

2 Referenzgruppe: Deutsch als Familiensprache

b eingeschränkte Vergleichbarkeit der Signikanz zwischen den Erhebungen aufgrund der Überarbeitung der Abschluss-

klassikation von ISCED-97 zu ISCED-11

Tabelle 7.10: Regressionsmodelle zu Zuwanderungshintergrund, sozialer Herkun und mathe-

matischer Kompetenz für PISA 2022 und PISA 2012

190 Kapitel 7

Abbildung 7.4 veranschaulicht die prozentuale Verteilung der Jugendlichen aus verschie-

denen Zuwanderungsgruppen auf den Stufen mathematischer Kompetenz.

Es zeigt sich, dass mehr Schüler*innen ohne Zuwanderungshintergrund die obers-

ten Kompetenzstufen (V und VI) erreichen als Jugendliche mit Zuwanderungshinter-

grund. Umgekehrt benden sich mehr Jugendliche mit als ohne Zuwanderungshinter-

grund auf den untersten Kompetenzstufen (unter II). Die meisten Fünfzehnjährigen der

ersten Generation benden sich auf den Kompetenzstufen Ic bis II. Dieser Anteil ist mit

knapp 84 Prozent erheblich höher als in PISA 2012 (60 %). Die Ausweisung der Kompe-

tenzstufen innerhalb der Zuwanderungsgruppen für die Lese- und naturwissenschali-

che Kompetenz sind in Tabelle 7.2web und Tabelle 7.3web zu nden.

7.7 Diskussion und Ausblick

In den Analysen zu den herkunsbezogenen Disparitäten zeigt sich ein nach wie vor

starker Zusammenhang zwischen Merkmalen der familiären Herkun und den Kompe-

tenzen der Fünfzehnjährigen. Verglichen mit den Ergebnissen der anderen OECD-Staa-

ten ist sowohl der Eekt der sozioökonomischen Herkun als auch der des Zuwande-

%(SE) %(SE) %(SE) %(SE) %(SE) %(SE) %(SE) %(SE)

Ohne Zuwanderungs-

hintergrund

0.1(0.1) 1.1(0.3) 5.4(0.7) 13.1(1.0) 22.0(1.2) 25.9(1.3) 19.7(1.0) 9.7(0.8)

Generationsstatus

Ein Elternteil im

Ausland geboren 0.2(0.2) 2.1(0.8) 9.2(1.5) 19.5(2.0) 23.4(2.1) 22.2(2.0) 15.6(1.9) 6.8(1.3)

Zweite Generation 0.1(0.1) 2.3(0.8) 10.7(1.6) 21.4(1.9) 26.7(2.1) 22.9(1.8) 11.3 (1.4)3.8 (1.0)

Erste Generation 0.9(0.7) 8.6(1.7) 25.2(2.7) 29.3(2.8) 19.8(2.2) 9.9(1.9) 4.4(1.5) 1.7(0.8)

Nicht zuzuordnen 0.2(0.2) 2.4(0.7) 13.3(1.9) 25.9(2.4) 29.3(2.0) 20.3(2.3) 7.8(1.4) 0.8(0.4)

IV VUnter Ic Ic Ib Ia II III

-5

Unter Ic Ic Ib Ia II III IV

Kompetenzstufen

Häufigkeit in Prozent(+/-2SE)

%(SE)

3.0 (0.4)

1.1 (0.6)

0.8 (0.4)

0.3 (0.3)

0.0 (0.0)

Abbildung 7.4: Prozentuale Anteile auf den Stufen der mathematischen Kompetenz nach

Zuwanderungsstatus in Deutschland

191 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

rungshintergrundes in Deutschland überdurchschnittlich stark ausgeprägt. Dabei hängen

die mathematischen Kompetenzen der Jugendlichen in hohem Maße mit dem berui-

chen Status der Erziehungsberechtigten zusammen. Auch der Varianzanteil der mathe-

matischen Kompetenz, der durch den sozioökonomischen beruichen Status aufgeklärt

werden kann, liegt über dem OECD-Durchschnitt und verdeutlicht diese sozialen Dispa-

ritäten. Werden neben sozioökonomischen Faktoren zusätzlich Wohlstands- und Kultur-

güter der Familien berücksichtigt, liegt Deutschland in Bezug auf die Steigung des sozia-

len Gradienten im Durchschnitt der OECD-Staaten. Kulturelles Kapital scheint demnach

auch in Familien mit niedrigem sozioökonomischen Hintergrund einen nennenswerten

Einuss auf den Bildungserfolg zu haben. Diese Ressourcen könnten zugunsten einer

gelungenen Integration besser ausgeschöp werden.

Im Vergleich zu früheren PISA-Erhebungen ist der Anteil der Schüler*innen mit

Zuwanderungshintergrund weiter gestiegen. Dieser verteilt sich auf allen Stufen der

Zuwanderung, das heißt auf Schüler*innen mit nur einem im Ausland geborenen

Elternteil sowie auf Schüler*innen der ersten und zweiten Generation. Auallend ist

der Anstieg der Anteile der ersten Generation auf gut 9 Prozent. Dies ist vermutlich zu

erheblichem Teil Folge der starken Zuwanderung beginnend im Jahr 2015. Schüler*in-

nen aus der Ukraine waren zum Zeitpunkt der Testung im Frühjahr 2022 nicht in die

Stichprobe einbezogen.

Beim Vergleich zur PISA-Erhebung 2012 fällt weiterhin auf, dass der Leistungsrück-

gang bei den Jugendlichen der ersten Generation (-62.6 Punkte) besonders hoch ausfällt.

Die Verringerung von Deutsch als zu Hause gesprochene Sprache bei Schüler*innen mit

Zuwanderungshintergrund und hier vor allem bei den Jugendlichen der ersten Genera-

tion ist ein weiteres zentrales Ergebnis. Es zeigt sich in diesem Zusammenhang, dass die

geringeren Leistungen der Jugendlichen mit Zuwanderungshintergrund in erheblichem

Maße durch die zu Hause gesprochene Sprache vermittelt werden, ebenso wie durch die

Maße der sozialen Herkun.

Mit dem Ziel, Bildungsbarrieren abzubauen, soziale Ungleichheiten zu verringern

und allen Kindern bestmögliche Bildungschancen zu ermöglichen, haben Bund und

Länder seit der Veröentlichung der Ergebnisse der ersten PISA-Studie im Jahr 2000

viel unternommen. Projekte wie „Schule macht stark“ (Czaja et al., 2022; KMK & BMBF,

2019) oder das für das Schuljahr 2024/25 geplante „Startchancen“-Programm (KMK,

2023) zielen auf eine veränderte Allokation von Ressourcen zur Unterstützung von

Schulen, in denen sich viele benachteiligte Schüler*innen benden.

Auch dem in der Literatur vielfach belegten Eekt der Förderung der Bildungsspra-

che Deutsch (Stanat, 2008) und der Empfehlung einer gezielten Sprachförderung pri-

mär in Kindertageseinrichtungen und/oder Grundschulen (Paetsch et al., 2014) wurde

Rechnung getragen. Das Programm „FörMig“ etwa hatte zum Ziel, dass Schüler*innen

mit Zuwanderungshintergrund bei Sprachenvielfalt Chancengleichheit erhalten (Gogo-

lin, 2011).

Auch wenn diese Maßnahmen punktuell empirisch Wirkung zeigten (BMBF, 2018;

Gogolin, 2011; KMK, 2016, 2020), lassen sich die mit diesen Programmen erhoen Ver-

192 Kapitel 7

besserungen in den vorliegenden Befunden nicht abbilden. Vielmehr scheinen sich die

Dezite der Jugendlichen aus bildungsfernen familiären Haushalten losgelöst von diesen

Programmen zu kumulieren (Maaz & Jungkamp, 2022). Dabei wirkt die Corona-Pan-

demie als ein Verstärker der bisher schon bestehenden Ungleichheiten (vgl. Stanat et

al., 2022 und Kapitel 10 dieses Berichtsbands). Besonders alarmierend sind die Befunde

für die Jugendlichen der ersten Generation. Es ist oensichtlich, dass die Integration der

Jugendlichen der ersten Generation in das deutsche Bildungssystem noch nicht gelungen

ist. Die pandemiebedingten Schulschließungen der Jahre 2020 und 2021 düren hier

zusätzliche negative Eekte gehabt haben.

Maaz und Jungkamp (2022) argumentieren, dass im Zusammenspiel unterschiedli-

cher Disziplinen eine bildungspolitische Vision erarbeitet werden müsse, die mit de-

nierten Zielen und Strategien wirksam zur Reduktion von Ungleichheiten beitragen

sollte. Grundlage sollten regelmäßige Bestandsaufnahmen in Form von Monitoring und

Evaluation sein, die nicht als Kontroll-, sondern gezielt als Rückmeldesysteme imple-

mentiert werden und deren Ergebnisse als Grundlage iterativer Austauschprozesse zwi-

schen Bildungswissenscha, Bildungspraxis, Bildungspolitik und Gesellscha genutzt

werden sollten. Wirkmächtig wäre zudem, wenn die in Bildungsmonitoring-Studien eta-

blierten Indizes herangezogen würden, um Verteilungsmechanismen zu überarbeiten

und etwa Grundlage sozialindexbasierter Ressourcensteuerungsmechanismen würden

(Heufelder et al., 2018; Schulte et al., 2014). Insgesamt besteht weiterhin hoher Hand-

lungsbedarf in der Bildungspolitik, damit auch leistungsschwache Schüler*innen am

Ende ihrer Schulzeit über diejenigen Kompetenzen verfügen, welche sie für einen gelun-

genen Übergang in das Berufsleben benötigen – und dies unabhängig von ihrer sozialen

oder zuwanderungsbezogenen Herkun.

Literatur

Baumert, J., & Maaz,K. (2006). Das theoretische und methodische Konzept von PISA zur

Erfassung sozialer und kultureller Ressourcen der Herkunsfamilie: Internationale und

nationale Rahmenkonzeption. In J. Baumert (Hrsg.), Herkunsbedingte Disparitäten im

Bildungswesen: dierenzielle Bildungsprozesse und Probleme der Verteilungsgerechtigkeit:

Vertiefende Analysen im Rahmen von PISA 2000. VS Verlag für Sozialwissenschaen.

https://doi.org/10.1007/978-3-531-90082-7

Baumert,J., Maaz,K., Lühe,J., & Schulz,S. (2019). Bildungsungleichheit und Bildungsarmut

– Der Beitrag von Large-Scale-Assessments. In G. Quenzel & K. Hurrelmann (Hrsg.),

Handbuch Bildungsarmut (S. 261–285). Springer VS. https://doi.org/10.1007/978-3-658-

19573-1_10

Baumert, J., Maaz,K., & Trautwein, U. (Hrsg.). (2010). Bildungsentscheidungen. Zeitschri

für Erziehungswissenscha. Sonderhe 12/2009. https://doi.org/10.1007/978-3-531-92216-4

Baumert, J., & Schümer, G. (2001). Familiäre Lebensverhältnisse, Bildungsbeteiligung und

Kompetenzerwerb. In J. Baumert, E. Klieme, M. Neubrand, M. Prenzel, U. Schiefele, W.

Schneider, P. Stanat, K. J. Tillmann & M. Weiss (Hrsg.), Pisa 2000: Basiskompetenzen von

193 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

Schülerinnen und Schülern im internationalen Vergleich. VS Verlag für Sozialwissenschaf-

ten. https://doi.org/10.1007/978-3-322-83412-6

Baumert,J., Watermann,R., & Schümer,G. (2003). Disparitäten der Bildungsbeteiligung und

des Kompetenzerwerbs. Zeitschri für Erziehungswissenscha, 6(1), 46–71. https://doi.

org/10.1007/s11618-003-0004-7

Becker, R. (2011). Integration durch Bildung: Bildungserwerb von jungen Migranten in

Deutschland. VS Verlag für Sozialwissenschaen. https://doi.org/10.1007/978-3-531-

93232-3

Betthäuser,B.A., Bach-Mortensen,A.M., & Engzell,P. (2023). A systematic review and me-

ta-analysis of the evidence on learning during the COVID-19 pandemic. Nature human

behaviour, 7(3), 375–385. https://doi.org/10.1038/s41562-022-01506-4

BMBF (2018). Optimale Lern- und Bildungschancen für Kinder und Jugendliche: Aktuelle For-

schungsergebnisse für die Bildungspraxis. https://www.bmbf.de/SharedDocs/Publikationen/

de/bmbf/3/31375_Optimale_Lern_und_Bildungschancen_fuer_Kinder_und_Jugendliche.

pdf?__blob=publicationFile&v=3

Boudon,R. (1974). Education, opportunity, and social inequality: Changing prospects in west-

ern society. Wile y.

Bourdieu,P. (1983). Ökonomisches Kapital, kulturelles Kapital, soziales Kapital. In R. Kreckel

(Hrsg.), Soziale Ungleichheiten. Soziale Welt (S. 183–198.). Schwarz.

Bourdieu,P. (2012). Ökonomisches Kapital, kulturelles Kapital, soziales Kapital. In U. Bau-

er, U. H. Bittlingmayer & A. Scherr (Hrsg.), Handbuch Bildungs- und Erziehungssozio-

logie (S.229–242). VS Verlag für Sozialwissenschaen. https://doi.org/10.1007/978-3-531-

18944-4_15

Bundesministerium des Innern, für Bau und Heimat. (2023). Migrationsbericht der Bundes-

regierung. Migrationsbericht 2021. https://www.bamf.de/SharedDocs/Anlagen/DE/For-

schung/Migrationsberichte/migrationsbericht-2021.html

Coleman,J.S. (1987). Families and schools. Educational Researcher, 16(6), 32–38. https://doi.

org/10.3102/0013189X016006032

Coleman, J. S. (1988). Social capital in the creation of human capital. American Journal of

Sociology, (94), 95–120. https://doi.org/10.1086/228943

Coleman,J.S. (1990). Foundations of social theory. Belknap.

Czaja,S. J., Farwick,S., Proskawetz,F.S., van Ackeren,I., & Klein,E. D. (2022). Schulent-

wicklung und Führung an sozialräumlich benachteiligten Standorten stärken. Beratungs-

ansätze im Forschungsverbund „Schule macht stark – SchuMaS“. DDS – Die Deutsche

Schule, 2022(4), 397–403. https://doi.org/10.31244/dds.2022.04.07

Ditton,H., Krüsken,J., & Schauenberg,M. (2005). Bildungsungleichheit – der Beitrag von

Familie und Schule. Zeitschri für Erziehungswissenscha, 8(2), 285–304. https://doi.

org/10.1007/s11618-005-0138-x

Ehmke,T., Hohensee,F., Heidemeier,H., & Prenzel,M. (2004). Familiäre Lebensverhältnisse,

Bildungsbeteiligung und Kompetenzerwerb. In M. Prenzel, J. Baumert, W. Blum, R. Leh-

mann, D. Leutner, M. Neubrand, R. Pekrun, H. G. Rol, J. Rost & U. Schiefele (Hrsg.),

PISA 2003. Der Bildungsstand der Jugendlichen in Deutschland – Ergebnisse des zweiten

internationalen Vergleichs (S.225–254). Waxmann.

Ehmke,T., & Siegle,T. (2005). ISEI, ISCED, HOMEPOS, ESCS. Zeitschri für Erziehungswis-

senscha, 8(4), 521–539. https://doi.org/10.1007/s11618-005-0157-7

194 Kapitel 7

Erikson, R., & Goldthorpe, J. H. (2002). Intergenerational inequality: A sociological per-

spective. Journal of Economic Perspectives, 16(3), 31–44. https://doi.org/10.1257/

089533002760278695

Erikson, R., Goldthorpe, J.H., & Portocarero,L. (1979). Intergenerational class mobility in

three western european societies: England, France and Sweden. Education, Opportuni-

ty, and Social Inequality: Changing Prospects in Western Society, 30(4), 415. https://doi.

org/10.2307/589632

Gambaro,L., Kemptner,D., Pagel,L., Schmitz,L., & Spieß,C.K. (2020). Erfolge, aber auch

weiteres Potential bei der schulischen und außerschulischen Integration geüchteter

Kinder und Jugendlicher. DIW Wochenbericht. Vorab-Onlinepublikation. https://doi.

org/10.18723/DIW_WB:2020-34-4

Ganzeboom,H.B.G., Graaf,P. M. de & Treiman,D.J. (1992). A standard international so-

cio-economic index of occupational status. Social Science Research, 21(1), 1–56. https://

doi.org/10.1016/0049-089X(92)90017-B

Ganzeboom,H.B.G., & Treiman,D.J. (1996). Internationally comparable measures of oc-

cupational status for the 1988 international standard classication of occupations. Social

Science Research, 25(3), 201–239. https://doi.org/10.1006/ssre.1996.0010

Ganzeboom,H. B. G., & Treiman, D.J. (2012). International stratication and mobility le:

Conversion tools. Department of Social Research Methodology. http://www.harryganze-

boom.nl/ismf/index.html

Gebhardt,M., Rauch,D., Mang,J., Sälzer,C., & Stanat,P. (2013). Mathematische Kompetenz

von Schülerinnen und Schülern mit Zuwanderungshintergrund. In M. Prenzel, C. Sälzer,

E. Klieme & O. Köller (Hrsg.), PISA 2012. Fortschritte und Herausforderungen in Deutsch-

land: Fortschritte und Herausforderungen in Deutschland (S. 275–308). Waxmann.

Gogolin,I. (2011). Förderung von Kindern und Jugendlichen mit Migrationshintergrund För-

Mig: Bilanz und Perspektiven eines Modellprogramms. Waxmann.

Gogolin, I., & Maaz, K. (Hrsg.). (2019). Migration und Bildungserfolg: Herausforderungen

und Potenziale. Zeitschri für Erziehungswissenscha. Sonderhe 34/2019. https://doi.

org/10.1007/s11618-019-00886-0

Gresch,C. (2012). Der Übergang in die Sekundarstufe I: Leistungsbeurteilung, Bildungsaspira-

tion und rechtlicher Kontext bei Kindern mit Migrationshintergrund. Springer VS. https://

doi.org/10.1007/978-3-531-18660-3_2

Hasselhorn,M., & Kuger,S. (2014). Wirksamkeit schulrelevanter Förderung in Kindertages-

stätten. Zeitschri für Erziehungswissenscha. Sonderhe 24/2014, 299–314. https://doi.

org/10.1007/978-3-658-00454-5_13

Heath,A., & Brinbaum, Y. (2007). Explaining ethnic inequalities in educational attainment.

Ethnicities, 7(3), 291–304. https://doi.org/10.1177/1468796807080230

Heath,A., Rothon, C., & Kilpi, E. (2008). e second generation in western Europe: Edu-

cation, unemployment, and occupational attainment. Annual Review of Sociology, 34(1),

211–235. https://doi.org/10.1146/annurev.soc.34.040507.134728

Heufelder,J., Schulte,K., Warmt,M., & Diedrich, M. (2018). Indexbasierte Ressourcenver-

teilung am Beispiel des Hamburger Sozialindex. In V. Vucko S., & I. Schwarzenbacher

(Hrsg.), Bildungschancen FAIRteilen! Modelle gerechter Schulnanzierung (S. 56–66). Stu-

dien Verlag.

Hradil, S. (2005). Soziale Ungleichheit in Deutschland (8. Auage). Springer. https://doi.

org/10.1007/978-3-663-11417-8

International Labour Oce. (1969). International Standard Classication of Occupations. ILO.

195 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

International Labour Oce. (1990). International Standard Classication of Occupations

(ISCO-88). ILO.

International Labour Oce. (2012). ISCO-08 International Standard Classication of Occupa-

tions. Structure, group denitions and correspondence tables (Vol. I). ILO.

KMK. (2016). Gemeinsame Initative von Bund und Ländern zur Förderung leistungsstarker

und potentiell besonders leistungsfähiger Schülerinnen und Schüler. https://www.bmbf.de/

bmbf/shareddocs/downloads/les/beschluss-zur-gemeinsamen-bund-laender-initiative.

pdf?__blob=publicationFile&v=2

KMK. (2020). Gemeinsame Initiative von Bund und Ländern zur Förderung leistungsstar-

ker und potenziell besonders leistungsfähiger Schülerinnen und Schüler: Konzeption für

die zweite Phase (2023 bis 2027). https://www.bmbf.de/bmbf/shareddocs/downloads/

les/201125_konzeption_zweite_phase.pdf?__blob=publicationFile&v=2

KMK. (2023). Länder einigen sich bei Finanzierung von Schulen in sozial benachteiligter Lage

[Pressemitteilung]. https://www.kmk.org/aktuelles/artikelansicht/laender-einigen-sich-

bei-nanzierung-von-schulen-in-sozial-benachteiligter-lage.html

KMK & BMBF. (2019). Schule macht stark: Gemeinsame Initiative von Bund und Ländern zur

Unterstützung von Schulen in sozial schwierigen Lagen. https://www.kmk.org/leadmin/

Dateien/pdf/Bildung/AllgBildung/Schule_macht_stark_Bund-Laender-Vereinbarung.pdf

Köller, O. (2019). Bildungsgänge im Sekundarbereich I. In O. Köller, M. Hasselhorn, F. W.

Hesse, K. Maaz, J. Schrader, H. Solga, C. K. Spieß & K. Zimmer (Hrsg.), Das Bildungs-

wesen in Deutschland: Bestand und Potenziale (S. 507–532). Klinkhardt. https://doi.

org/10.36198/9783838547855

Kristen,C., & Dollmann,J. (2009). Sekundäre Eekte der ethnischen Herkun: Kinder aus

türkischen Familien am ersten Bildungsübergang. Zeitschri für Erziehungswissenscha.

Sonderhe 12/2009, 205–229. https://doi.org/10.1007/978-3-531-92216-4_9

Long, K., & Renbarger, R. (2023). Persistence of poverty: How measures of socioeconom-

ic status have changed over time. Educational Researcher, 52(3), 144–154. https://doi.

org/10.3102/0013189X221141409

Maaz,K., & Dumont,H. (2019). Bildungserwerb nach sozialer Herkun, Migrationshinter-

grund und Geschlecht. In O. Köller, M. Hasselhorn, F. W. Hesse, K. Maaz, J. Schrader, H.

Solga, C. K. Spieß & K. Zimmer (Hrsg.), Das Bildungswesen in Deutschland: Bestand und

Potenziale (S. 299–232). Klinkhardt.

Maaz, K., & Jungkamp, B. (2022). Bildung in Krisenzeiten: Bildungsbericht und Bildungs-

trend: Aktuelle Befunde zur Situation des Bildungssystems in Deutschland. Internationa-

les Centrum für Begabungsforschung. Bildungskongress im Dialog. https://youtu.be/

zRs8bNfvmtE

Mang, J., Seidl, L., Schiepe-Tiska, A., Tupac-Yupanqui, A., Ziernwald, L., Doroganova, A.,

Weis, M., Diedrich, J., Heine, J.-H., Gonzaléz Rodríguez, E., & Reiss, K. (2021). PISA

2018. Skalenhandbuch: Dokumentation der Erhebungsinstrumente. Waxmann. https://doi.

org/10.31244/9783830994961

Müller,K., & Ehmke,T. (2013). Soziale Herkun als Bedingung der Kompetenzentwicklung.

In M. Prenzel, C. Sälzer, E. Klieme & O. Köller (Hrsg.), PISA 2012. Fortschritte und Her-

ausforderungen in Deutschland (S.245–275). Waxmann.

Müller,K., & Ehmke,T. (2016). Soziale Herkun und Kompetenzerwerb. In K. Reiss, C. Säl-

zer, A. Schiepe-Tiska, E. Klieme & O. Köller (Hrsg.), PISA 2015. Eine Studie zwischen

Kontinuität und Innovation (S. 285–316). Waxmann.

OECD. (in Vorbereitung). PISA 2022 technical report.

196 Kapitel 7

OECD. (2001). Knowledge and skills for life. First results from PISA 2000. OECD.

OECD. (2004). Learning for tomorrow’s world. First results from PISA 2003. OECD.

OECD. (2013). PISA 2012 results: Excellence through equity: giving every student the chance to

succeed (Volume II). OECD.

OECD. (2016). PISA 2015 results: Excellence and equity in education (Volume I). OECD.

OECD. (2019). PISA 2018 Ergebnisse (Band I) Was Schülerinnen und Schüler wissen und kön-

nen. wbv Media. https://doi.org/10.1787/1da50379-de

OECD, Eurostat & UNESCO Institute for Statistics. (2015). ISCED 2011 operational manual:

Guidelines for classifying national education programmes and related qualications. OECD

Publishing. https://doi.org/10.1787/9789264228368-en

Paetsch,J., Wolf,K.M., Stanat,P., & Darsow,A. (2014). Sprachförderung von Kindern und

Jugendlichen aus Zuwandererfamilien. Zeitschri für Erziehungswissenscha. Sonderhe

24/2014, 315–347. https://doi.org/10.1007/978-3-658-00454-5_14

Paiva Lareiro,C. (2019). Ankommen im deutschen Bildungssystem. Bundesamt für Migration

und Flüchtlinge.

R Core Team. (2018). R: A language and environment for statistical computing [Computer

soware]. R Foundation for Statistical Computing. Vienna, Austria. http://www.R-project.

org/

Ramm,G., Prenzel,M., Heidemeier,H., & Walter, O. (2004). Soziokulturelle Herkun: Mi-

gration. In PISA-Konsortium (Hrsg.), PISA 2003. Der Bildungsstand der Jugendlichen in

Deutschland – Ergebnisse des zweiten internationalen Vergleichs (S. 254–272). Waxmann.

Rauch,D., Mang,J., Härtig,H., & Haag,N. (2016). Naturwissenschaliche Kompetenz von

Schülerinnen und Schülern mit Zuwanderungshintergrund. In K. Reiss, C. Sälzer, A.

Schiepe-Tiska, E. Klieme & O. Köller (Hrsg.), PISA 2015. Eine Studie zwischen Kontinui-

tät und Innovation (S. 317–348). Waxmann.

Relikowski,I., Schneider,T., & Blossfeld,H.-P. (2010). Primäre und sekundäre Herkunsef-

fekte beim Übergang in das gegliederte Schulsystem: Welche Rolle spielen soziale Klasse

und Bildungsstatus in Familien mit Migrationshintergrund? In T. Beckers, K. Birkelbach,

J. Hagenah & U. Rosar (Hrsg.), Komparative empirische Sozialforschung (S.143–167). VS

Verlag für Sozialwissenschaen. https://doi.org/10.1007/978-3-531-92472-4_6

Schipolowski,S., Edele,A., Mahler,N., & Stanat,P. (2021). Mathematics and science pro-

ciency of young refugees in secondary schools in Germany. Journal for Educational Re-

search Online, 2021(1), 78–104. https://doi.org/10.31244/jero.2021.01.03

Schneider, S. L. (2015). Die Konzeptualisierung, Erhebung und Kodierung von Bildung

in nationalen und internationalen Umfragen. GESIS Survey Guidelines. https://doi.

org/10.15465/10.15465/gesis-sg_020

Schulte,K., Hartig,J., & Pietsch,M. (2014). Der Sozialindex für Hamburger Schulen. In D.

Fickermann (Hrsg.), Grundlagen für eine daten- und theoriegestützte Schulentwicklung:

Konzeption und Anspruch des Hamburger Instituts für Bildungsmonitoring und Qualitäts-

entwicklung (IfBQ) (S. 67–80). Waxmann.

Seyda, S. (2009). Kindergartenbesuch und späterer Bildungserfolg. Eine bildungsökonomi-

sche Analyse anhand des Sozio-ökonomischen Panels. Zeitschri für Erziehungswissen-

scha, (12), 233–251. https://doi.org/10.1007/s11618-009-0073-3

Stanat,P. (2008). Heranwachsende mit Migrationshintergrund im deutschen Bildungswesen.

In K. S. Cortina, J. Baumert, A. Leschinsky, K. U. Mayer & L. Trommer (Hrsg.), Das Bil-

dungswesen in der Bundesrepublik Deutschland (S.685–744). Rowohlt.

197 Herkunsbezogene Ungleichheiten im Kompetenzerwerb

Stanat,P., & Christensen,G.S. (2006). Where immigrant students succeed: A comparative re-

view of performance and engagement in PISA 2003. Programme for International Student

Assessment (PISA). OECD.

Stanat,P., Rauch,D., & Segeritz,M. (2010). Schülerinnen und Schüler mit Migrationshinter-

grund. In E. Klieme, C. Artelt, J. Hartig, N. Jude, O. Köller, M. Prenzel & S. Wolfgang

(Hrsg.), PISA 2009: Bilanz nach einem Jahrzehnt (S. 200–230). Waxmann.

Stanat, P., Schipolowski, S., Schneider, R., Sachse, K., Weirich, S., & Henschel, S. (2022).

IQB-Bildungstrend 2021. Kompetenzen in den Fächern Deutsch und Mathema-

tik am Ende der 4. Jahrgangsstufe im dritten Ländervergleich. Waxmann. https://doi.

org/10.31244/9783830996064

Stanat, P., Schipolowski, S., Schneider,R., Weirich, S., Henschel, S., & Sachse, K. (Hrsg.).

(2023). IQB-Bildungstrend 2022. Sprachliche Kompetenzen am Ende der 9. Jahrgangsstufe

im dritten Ländervergleich. Waxmann. https://doi.org/10.31244/9783830997771

van Buuren, S., & Groothuis-Oudshoorn, K. (2011). mice: Multivariate imputation

by chained equations in R. Journal of Statistical Soware, 45(3), 1–67. https://doi.

org/10.18637/jss.v045.i03

Weis, M., Müller, K., Mang, J., Heine, J.-H., Mahler,N., & Reiss, K. (2019). Soziale Kom-

petenz, Zuwanderungshintergrund und Lesekompetenz. In K. Reiss, M. Weis, E. Klieme

& O. Köller (Hrsg.), PISA 2018. Grundbildung im internationalen Vergleich (S. 129–162).

Waxmann.

Self-Assessments als Instrument zur Leistungsdiagnostik und evidenzbasierten Weiterentwicklung der Qualität im Lehramtsstudium der Sozialwissenschaften

Article

Full-text available

Feb 2025

This article discusses the implementation of a combined self-assessment procedure in university teacher education in the social sciences. A standardised test instrument is used to assess both the professional knowledge of pre-service teachers and their assessment of their own level of knowledge as part of performance diagnostics. The potential and the challenges of this multi-perspective self-assessment procedure for evidence-based quality assurance and development of teacher education are demonstrated using the results of a sub-study as an example.

Soziale Folgen von Bildungsarmut

Chapter

Dec 2024

Dieser Beitrag untersucht, wie sich für Schulabgängerinnen und -abgänger mit geringer Bildung der Übergang ins Erwerbsleben gestaltet, und diskutiert materielle, psychosoziale und gesundheitliche Folgen von Bildungsarmut. Nicht nur von absoluter Bildungsarmut Betroffene (ohne Schulabschluss) haben Schwierigkeiten beim Übergang in eine stabile Erwerbstätigkeit, sondern auch relativ „bildungsarme“ Hauptschülerinnen und Hauptschüler, und zunehmend sogar Realschulabsolventinnen und -absolventen. Bildungsarmut geht mit mangelnden Ressourcen in unterschiedlichen Lebensbereichen einher, was die gesellschaftliche Teilhabe einschränkt.

Sprachliche Diversität im Unterricht: Potenziale nutzen, Herausforderungen meistern: Wege zu einer sprach(en)sensiblen Gestaltung des Fachunterrichts

Article

Full-text available

Aug 2024

Linguistic diversity is a reality in most schools in Germany – it needs to be taken into account if teaching and learning are to be successful. This paper explains why language skills are important for academic success, illustrates differences between everyday and academic language, and highlights the potential of (migration-related) multilingualism for learning processes. It introduces teaching strategies that integrate subject and language learning in order to systematically promote students’ academic language development, acknowledge their multilingual skills and use them as resource for learning.

Am Ende der Grundschulzeit: Bildungsentscheidungen und elterliche Selbstverständnisse in von Armut bedrohten oder betroffenen Migrationsfamilien in München

Article

Full-text available

Jun 2024

Kinder aus finanziell benachteiligten Migrationsfamilien treffen im deutschen Schulsystem auf vielfältige Schwierigkeiten. Zum einen wird in der Schule elterliche Unterstützung als selbstverständlich vorausgesetzt, die aber aufgrund geringerer sozial-kultureller Ressourcen nicht immer geleistet werden kann. Zum anderen wird die Förderung von Bildungsverläufen durch die finanziell prekäre Lage der Familie begrenzt. Welche Herausforderungen und Unterstützungsbedarfe ergeben sich daraus für von Armut betroffene Migrationsfamilien am Übergang in die Sekundarstufe I? Eine inhaltsanalytische Auswertung von zwölf Fachkräfte- und acht Familieninterviews an Münchner Grundschulen zeigt, dass die Familien auf unterschiedlich begründete Hürden stoßen und eine Zusammenarbeit zwischen Fachkräften und Eltern selten gelingt.

A systematic review and meta-analysis of the evidence on learning during the COVID-19 pandemic

Article

Full-text available

Jan 2023
Nat. Hum. Behav.

To what extent has the learning progress of school-aged children slowed down during the COVID-19 pandemic? A growing number of studies address this question, but findings vary depending on context. Here we conduct a pre-registered systematic review, quality appraisal and meta-analysis of 42 studies across 15 countries to assess the magnitude of learning deficits during the pandemic. We find a substantial overall learning deficit (Cohen’s d = −0.14, 95% confidence interval −0.17 to −0.10), which arose early in the pandemic and persists over time. Learning deficits are particularly large among children from low socio-economic backgrounds. They are also larger in maths than in reading and in middle-income countries relative to high-income countries. There is a lack of evidence on learning progress during the pandemic in low-income countries. Future research should address this evidence gap and avoid the common risks of bias that we identify.

Schulentwicklung und Führung an sozialräumlich benachteiligten Standorten stärken. Beratungsansätze im Forschungsverbund „Schule macht stark – SchuMaS“

Article

Full-text available

Dec 2022

Der Forschungsverbund „Schule macht stark“ unterstützt Schulen in sozialräumlich benachteiligter Lage. Das Inhaltscluster Schulentwicklung und Führung zielt auf den Ausbau von Kapazitäten organisationalen Lernens, u. a. durch die Etablierung einer ressourcenorientierten Schulkultur und den Ausbau der Führungskompetenzen von Schulleitungen. Entsprechende Ansätze sowie die Begleitung der Schulleitungen in Netzwerken werden im Kontext der Schulentwicklungsberatung vorgestellt und eingeordnet.

PISA 2018 Skalenhandbuch. Dokumentation der Erhebungsinstrumente

Book

Full-text available

Dec 2021

Das vorliegende Skalenhandbuch für das Programme for International Student As-sessment (PISA) 2018 umfasst die Dokumentation aller Instrumente, die in der Studie im Jahre 2018 in Deutschland eingesetzt wurden. Neben den Fragen – den sog. Items – des Schülerfragebogens, des Elternfragebogens, des Lehrerfragebogens sowie des Schulleiterfragebogens werden die mittleren nationalen Lösungshäufigkeiten und dazugehörige Kenngrößen der verwendeten Testaufgaben für die Domänen Lesen, Naturwissenschaften und Mathematik aufgelistet. In der Erhebung 2018 bildete die Domäne Lesen mit der Neuerung des adaptiven Testens die Hauptdomäne. Damit beginnt ein neuer Zyklus, da in den vorhergehenden Zyklen jede der drei untersuchten Grundbildungsdomänen Lesen, Mathematik und Naturwissenschaften zweimal den inhaltlichen Schwerpunkt bildete. Es werden sowohl die internationalen Fragen als auch Fragen abgebildet, welche nur in Deutschland erhoben worden sind. Diese sind mit dem Suffix „_DE“ ge-kennzeichnet.

Mathematics and science proficiency of young refugees in secondary schools in Germany

Article

Full-text available

Mar 2021

Reliable information on the integration of refugee students in the German educational system is scarce. In this paper, we examine refugee students’ proficiency in mathematics, biology, chemistry, and physics in comparison to other students with and without an immigrant background, including non-refugee foreign-born students. We analyzed test data from 44,882 ninth-grade students, including 939 refugees, who participated in a national educational monitoring study in Germany (IQB Trends in Student Achievement 2018). In a series of regression models, we estimated the extent to which differences in students’ language proficiency and their families’ social background account for disparities in mathematics and science achievement. Compared to students without an immigrant background, refugee students’ achievement scores were on average 15 to 17 points lower (on a scale with SD = 10 for all ninth-grade students in Germany). Refugees also scored substantially lower than non-refugee foreign-born students (difference of 7 to 10 points). Taking social background and language proficiency into account substantially reduced refugees’ achievement disadvantage to 2 to 5 points compared to students without an immigrant background and to 1 to 5 points compared to non-refugee foreign-born students, with language proficiency explaining the largest proportion of variance. The remaining disparities correspond to a learning gain of roughly one school year in Germany. The results emphasize the importance of providing effective support aimed at fostering refugees’ proficiency in the language of instruction.

Soziale Herkunft, Zuwanderungshintergrund und Lesekompetenz

Chapter

Full-text available

Dec 2019

Die Daten von PISA 2018 zeigen, dass der Zusammenhang zwischen sozialer Herkunft (z. B. sozioökonomischer beruflicher Status) und Lesekompetenz in Deutschland im Vergleich zum OECD-Mittel überdurchschnittlich ausgeprägt ist. Zudem ist im Vergleich zu anderen europäischen Staaten in Deutschland der Unterschied in der Lesekompetenz zwischen Jugendlichen ohne Zuwanderungshintergrund und Jugendlichen mit Zuwanderungshintergrund relativ groß und der Zuwanderungshintergrund besonders stark mit dem sozioökonomischen beruflichen Status der Eltern assoziiert. Die Indikatoren der sozialen Herkunft tragen damit deutlich zur Erklärung von Disparitäten in der Lesekompetenz zwischen Jugendlichen mit und ohne Zuwanderungshintergrund bei. Bei PISA 2018 hat sich die mittlere Lesekompetenz der ersten Generation in Deutschland im Vergleich zu PISA 2009 signifikant verschlechtert, während sich die Lesekompetenz der zweiten Generation signifikant verbessert hat. Der Anteil der besonders leseschwachen Jugendlichen der ersten Generation ist sehr hoch und seit 2009 deutlich angestiegen. Damit verfügen über die Hälfte der Jugendlichen der ersten Generation über nur eingeschränkte Lesekompetenzen. Insgesamt zeigen die Ergebnisse von PISA 2018, dass in Deutschland weiterhin Handlungsbedarf besteht, um die Leistungsdisparitäten, die bezüglich zuwanderungsbezogener und sozialer Herkunft bestehen, zu verringern.

IQB-Bildungstrend 2022. Sprachliche Kompetenzen am Ende der 9. Jahrgangsstufe im dritten Ländervergleich

Book

Oct 2023

Im IQB-Bildungstrend 2022 wird über die Ergebnisse der dritten Studie des Instituts zur Qualitätsentwicklung im Bildungswesen (IQB) zu den sprachlichen Fächern am Ende der Sekundarstufe I berichtet. Untersucht werden Kompetenzen von Schüler:innen der 9. Jahrgangsstufe in den Fächern Deutsch, Englisch und Französisch, die im Jahr 2022 erfasst wurden. Neben der Bestandsaufnahme für das Jahr 2022 liegt der Fokus auf Trendanalysen, die zeigen, inwieweit sich das von Neuntklässler:innen erreichte Kompetenzniveau in den untersuchten Fächern im Vergleich zu den Erhebungen der Jahre 2009 und 2015 verändert hat. Die Grundlage bilden die für alle Länder verbindlichen Bildungsstandards der Kultusministerkonferenz für die Sekundarstufe I, die fächerspezifisch festlegen, welche Kompetenzen Schüler:innen bis zum Ersten Schulabschluss und bis zum Mittleren Schulabschluss entwickelt haben sollen. Zusätzlich zu den von Neuntklässler:innen in den Ländern erreichten Kompetenzen werden im Bericht auch geschlechtsbezogene, soziale und zuwanderungsbezogene Disparitäten für das Jahr 2022 analysiert und es wird ebenfalls überprüft, inwieweit sich diese im Vergleich zu den Jahren 2009 und 2015 verändert haben. In verschiedenen Auswertungen wird dabei den Herausforderungen Rechnung getragen, die mit dem Schulbetrieb unter Pandemiebedingungen seit dem Jahr 2020 verbunden waren. Ergänzend werden Befunde zu motivationalen Merkmalen der Schüler:innen, zu Aspekten der Unterrichtsqualität im Fach Deutsch und zu Deutsch- und Englischlehrkräften berichtet. Die Befunde des IQB-Bildungstrends 2022 basieren auf repräsentativen Stichproben, die insgesamt 35 556 Schüler:innen aus 1 755 Schulen in allen 16 Ländern in der Bundesrepublik Deutschland umfassen.

Persistence of Poverty: How Measures of Socioeconomic Status Have Changed Over Time

Article

Jan 2023

Socioeconomic status (SES) is a common measure used to gauge social, cultural, and financial capital in scientific literature. Over time, SES research has produced an extremely wide and inconsistently used variety of SES variables and components. This study will review research that estimates SES and will examine common components and trends from the inception of its measurement to present data. A systematic review protocol was used to gather literature related to SES, and a historical analysis was conducted to examine the SES variables and their components that were most commonly used in the literature. Results displayed varying trends by decade, with earlier SES measures including components on social capital and more recent measures incorporating aspects of cultural and economic capital. Subjective perspectives of social class became more common toward the turn of the century, and few measures included components from more asset-based frameworks. The Big 3 measures (parental education, parental occupation, and income) have been common measures across time.

Soziale Ungleichheit in Deutschland

Book

Jan 2005

Stefan Hradil

Editorial „Migration und Bildungserfolg“: Sonderheft 34 der Zeitschrift für Erziehungswissenschaft

Article

Oct 2019

Ingrid Gogolin, Kai Maaz Editorial „Migration und Bildungserfolg“ October 2019, Volume 22, Supplement 1, pp 1–14 | Sonderheft 34 der Zeitschrift für Erziehungswissenschaft Abstract Der vorliegende Band stellt Untersuchungen vor, über die im Kontext eines ZfE-Forums erstmals berichtet wurde. Intention des Forums war es, Folgen der Migration für Bildung und Erziehung über den konsensuellen Forschungsstand hinaus zu betrachten: Auch, wenn allseits anerkannt ist, dass sozio-ökonomische Faktoren für Divergenzen in Bildungsverlauf und Bildungsergebnis zwischen Personen mit und ohne Migrationshintergrund in erheblichem Maße mitverantwortlich sind, sind die Ursachen für Unterschiede in den Bildungschancen und -erfolgen durchaus nicht hinreichend geklärt. Wir stellen nachfolgend zunächst die Tradition der wissenschaftlichen Beschäftigung mit Migrationsfolgen den Folgen von Migration für Bildung und Erziehung seit dem Zweiten Weltkrieg vor, weil damit angedeutet ist, wie komplex und voraussetzungsreich die Forschung zur Klärung der Ursachen für migrationsspezifische Disparitäten des Bildungserwerbs ist. Sodann gehen wir kursorisch auf Forschungsergebnisse ein, die einerseits zeigen, dass das Thema Migration sozusagen in der Mitte der Erziehungswissenschaft und Bildungsforschung angekommen ist – aus denen aber andererseits spricht, dass nach wie vor reichlich offene Fragen auf Antwort warten. Sodann stellen wir die Beiträge dieses Bandes vor; sie zeigen zusätzlich zu den erzielten Ergebnissen an, wie es mit der Forschung zur Klärung von Ursachen für migrationsbedingte Disparitäten im deutschen Bildungssystem weitergehen kann – oder sollte. The present volume presents studies that were first reported in the context of a ZfE Forum. The intention of the forum was to look at the consequences of migration for education over and beyond the current state of consensus: Even though it is generally acknowledged that socio-economic factors are considerably responsible for differences in educational pathways and outcomes between students with and without a migration background, the causes of differences in educational opportunities and attainment are by no means sufficiently well understood. In the editorial, we will first of all present the tradition of educational research on the consequences of migration for education since the Second World War, because this indicates the complexity that research has to take into account in order to clarify the causes of migration-specific educational. We then take a cursory look at research findings that show, on the one hand, that the topic of migration has arrived at the centre of educational science and research - but which, on the other hand, indicate that there are still plenty of open questions waiting for answers. Finally, we present an overview over the contributions in this volume. In addition to the results obtained, they indicate how research can - or should - continue to elucidate the causes of migration-related disparities in the German education system.

Bildungsungleichheit und Bildungsarmut – Der Beitrag von Large-Scale-Assessments

Chapter

Jan 2019

Dieser Beitrag gibt einen Überblick darüber, welchen Beitrag Large-Scale Assessments zur Untersuchung sozialer Ungleichheiten im Bildungserwerb und in der Bildungsbeteiligung leisten können. Auf Grundlage empirischer Befunde werden die Konzepte der Bildungsarmut sowie der primären und sekundären Herkunftseffekte vorgestellt. Es wird deutlich, dass Large-Scale Assessments neue Forschungsperspektiven und Analysepotenziale, insbesondere im Bereich traditioneller Fragestellungen der Bildungssoziologie, eröffnen.

Herkunftsbezogene Ungleichheiten im Kompetenzerwerb

Abstract

Recommended publications

Soziale Herkunft, Zuwanderungshintergrund und Lesekompetenz

Zuwanderung und Erfolg aus Sicht der PISA-Studie: Ein Gesamtüberblick von 2000 bis 2015

Zuwanderung und Erfolg aus Sicht der PISA-Studie: Ein Gesamtüberblick von 2000 bis 2015

Global Competence in der PISA-Studie: Konzeption des Konstrukts und ausgewählte Ergebnisse in PISA 2...