Empirische Bildungsforschung (EBF)

Sitzung 8: Reduktion sozialer Herkunftseffekte

Dr. Edgar Treischl
FAU Nürnberg-Erlangen








Ablauf

  • Kosten und Nutzen als Ursache für Bildungsungleichheit
  • Intervention: Abbau von Informationsdefiziten
  • Exkurs: Power Analyse zur Bestimmung von Fallzahlen
  • Simultane Abwägungsprozesse

1. Kosten und Nutzen als Ursache für Bildungsungleichheit

Kosten und Nutzen Abwägung (RC) zur Erklärung sozialer Ungleichheit
  • RC als Erklärung von Bildungsungleichheiten im tertiären Sektor
  • Differenzierung zwischen der generellen Studiumsentscheidung vs. Fachwahl
  • Lörz et al. 2012 nutzen die ersten beiden Wellen der HIS-Studienberechtigtenbefragung 2008 zur empirischen Überprüfung
Empirische Befunde von Lörz et al. 2012
  • "Repräsentative" Längsschnittsdaten
  • Outcome: Bereits realisierte Entscheidungen und Studienabsichten vs. Kein Studium
  • Vertikale Herkunft: höchstes berufliches Prestige und höchster Bildungsabschluss der Eltern
  • Horizontale Herkunft: Fachlich kulturelle Herkunft der Eltern
Empirische Befunde

Abbildung: Lörz et al. 2012
Empirische Befunde

Abbildung: Lörz et al. 2012
Empirische Befunde

Abbildung: Lörz et al. 2012
Empirische Befunde

Abbildung: Lörz et al. 2012
Zwischenfazit
  • Kostensensitivität von Personen mit niedriger sozialer Herkunft
  • Kosten als Ursache für differentielle Bildungsbeteiligung?
  • "Problem": Nicht experimentelle Beobachtungsdaten und typische Fallstricke

2. Abbau von Informationsdefiziten










Information can be
a key! .-)

Feldexperiment zur Evaluation von Informationsde ziten

  • Ehlert et al 2017: Geringeres Wissen über Finanzierungsmöglichkeiten tertitärer Bildung (nach sozialer Herkunft)?
  • Unterschätzen möglicher Erträge und überschätzen von Kosten als Erklärung selektiver Bildungsteilnahme?
  • Treatment: 25-minütige Infoveranstaltung ein Jahr vor dem Schulabschluss

Das Design des Feldexperiments

Ein kurzer Auszug aus der Literatur
(siehe: Ehlert et al 2017)


“We randomly assigned an information treatment to 9 schools (...) the remaining 19 schools serve as our control group. The almost equal proportions of students who expressed college intentions at wave 1 (...) is an indicator of successful randomization at the school level.”
“The treatment was conducted in a classroom setting, directly after students had completed the questionnaires in wave 1. It lasted for about 25 minute and was given by researchers, who are perceived as credible authorities, thus enhancing students’ trust in the information provided.”
“It consisted of a 20-minute presentation on the earnings and unemployment risks of university graduates versus vocational training graduates for different fields of study and field-related apprenticeship programs, and information about funding opportunities to pay for college in Germany (e.g., BAföG).”
“Our dependent variable measures whether students pursue their college intentions by actually applying to college immediately after graduation. Application decisions are measured as a dummy variable with 1 for application to college programs (...) and 0 for application to vocational education and training programs or neither training nor higher education.”
Hauptergebnis

"Wiederholung: Evaluationsparadigma"






In (small)




we trust?
👇




3. Exkurs: Power Analysis



“Mit Hilfe einer Power-Analyse (und der App) lässt sich berechnen, welche Stichprobengröße benötigt wird, um einen Effekt von X auf Y zu finden den es tatsächlich gibt.”

Hierfür müssen wir Annahmen treffen:

  1. Effektstärke (häufig Cohen's d)
  2. Signifikanzniveau (zumeist 95% Signifikanzniveau)
  3. Art des statistischen Test (bspw. t-Test)
  4. Statistische Power: Die Wahrscheinlichkeit dass wir die Nullhypothese richtig verwerfen und es somit gar keinen Effekt zwischen X und Y gibt.

“Um die Idee einer Power Analyse verstehen, müssen wir uns mit Thema Effektstärke und statistische Power beschäftigen. Alternativ kannst du die Inhalte auch in der App nachlesen und ausprobieren!”

Effekt Stärke

Statistische Power

Fallzahl

Big N

Remember:
Big sample sizes increases the power! To find ⚡small⚡, but significant effects as well!




4. Simultane Abwägungsprozesse

“Wenn wir uns an die Theoriesitzung zurück erinnern, dann haben wir erarbeitet, dass Bildungsentscheidungen als Abwägungsprozesse modeliert werden. Haben wir bislang den dahinterliegenden Abwägungsprozess von Bildungsentscheidungen beobachtet?”









Beobachten wir den Abwägungsprozess?!?
Simultane Abwägungsprozesse

Factorial Survey Experiments (FSE)

Ein kurzer Auszug aus der Literatur über Vignetten
(Unpublished manuscript: Treischl & Wolbring 2021)


“In an FSE, respondents are faced with textual descriptions of a hypothetical situation so called vignette and are asked to rate this scenario.”
“Each vignette contains one or several characteristics (dimensions/factors) which systematically vary across vignettes.”
“Survey participants are randomly assigned to one (between-subjects design) or several (within-subjects design) vignettes and are asked for their opinion on or intended behaviour about the described scenario”
Beispiel aus der EBF

Quelle: Finger 2018










In principal, an FSE helps us to look insight the black-box of the decision-maker. 😉
“ An FSE has advantages: it combines the methodological rigour of an experimental design with the advantages of survey research by including an experimental research module in a survey and assigning participants randomly to one or several hypothetical descriptions of a situation. ”
Um das experimentelle Design eines FSE an einem Beispiel zu verdeutlichen, können wir ein klassisches Beispiel aus der Gerechtigkeitsforschung heranziehen: Lohngerichtigkeit zwischen Frau und Mann.
Auf den folgenden zwei Seiten beschreibe ich unterschiedliche Personen - so wie dies in einer Umfrage geschehen würde. Die Umfrageteilnehmer sollen sich die Beschreibungen der Personen durchlesen und auf Basis der Beschreibung beurteilen, wie fair sie die Bezahlung der Personen finden.
Experimentelle Variation

Experimentelle Variation

Randomisierung bei FSE

Realitätsnäheres Szenario

Zusammenfassung FSE

  • Welchen Effekt hat die experimentelle Variation auf die Bewertung des Outcomes?
  • Vorteil: Eliminierung vieler Störvariablen durch die Randomisierung
  • Einbettung in Surveys und somit größere externe Validität als beispielsweise Laborexperimente
  • Hypothetisches Verhalten vs. tatsächliches Verhalten

Hypothetisches vs. tatsächliches Verhalten
Quelle: Adam Ellis

Zusammenfassung

  • Ursachen identifizieren um soziale Veränderungen einzuleiten
  • Selektive Abwägung von Nutzen, Kosten, Erfolgswahrscheinlichkeit nach sozialer Herkunft
  • Feldexperimente zur Evaluation von Maßnahmen
  • FSE als ein Instrument Bildungsabwägungen zu studieren
  • Vorteile des Zusammenspiels unterschiedlicher Methoden (FSE, Umfrage, Feldexperiment)