Warum können Jugendliche ihre eigenen computerbezogenen Kompetenzen nicht realistisch einschätzen?
Abstract
Zusammenfassung. Durch die fehlende curriculare Vermittlung computerbezogener Kompetenzen und die damit fehlende Rückmeldung neigen Jugendliche zu einer Fehleinschätzung eigener Fähigkeiten in diesem Bereich. Für diesen Befund soll in dieser Arbeit ein Erklärungsmodell aufgestellt werden, das besagt, dass computerbezogene Kompetenzen vor allem durch instruktionale Unterstützung in der Familie sowie kulturelles Kapital der Familie vorhergesagt werden können, während die zugehörigen Selbsteinschätzungen vor allem mit der Intensität selbstgesteuerter Erfahrungen mit dem Computer zusammenhängen. Das Modell wird als Strukturgleichungsmodell formuliert und empirisch geprüft, und es zeigen sich die erwarteten Zusammenhänge. Die Schule wird kaum als Vermittlungsinstanz wahrgenommen. Jugendliche erwerben computerbezogene Kompetenzen offenbar vor allem mithilfe ihrer Eltern und nur nachrangig durch selbstgesteuerte Erfahrungen, während eine positive Selbsteinschätzung wesentlich von der Häufigkeit der Nutzung des Computers abhängt. Es finden sich keine Geschlechtsunterschiede in den computerbezogenen Kompetenzen, aber Jungen schätzen ihre Fähigkeiten höher ein. Der Schule gelingt es kaum, sozial bedingten Disparitäten im Erwerb der computerbezogenen Grundbildung kompensierend entgegenzuwirken. Zugleich ist der Erwerb auch von der Unterstützung durch die Eltern abhängig, und die Motivation der Jugendlichen zu weiterem Kompetenzerwerb hängt nur wenig von ihren tatsächlichen Fähigkeiten ab. Durch das Zusammenwirken dieser Faktoren besteht die Gefahr, dass sich sozial bedingte Disparitäten in computerbezogenen Kompetenzen beständig vergrößern.
Abstract. Due to the lack of a curricular implementation of computer-related skills in Germany and the resulting lack of feedback, adolescents tend to overestimate their own abilities in this area. For this finding we created an explanatory model stating that computer-related skills can be predicted primarily by the family’s instructional support and cultural capital, while the corresponding self-assessments are mainly related to the intensity of self-regulated computer experience. The model is formulated as a structural equation model and tested empirically. The expected parameters are shown. The school is barely perceived as an intermediary. Adolescents acquire computer-related skills mainly through the help of parents and only subordinately through self-regulated experiences, while a positive self-assessment largely depends on the frequency of computer use. There are no gender differences in computer-related skills, but boys value their own skills higher than girls do. Schools have little success compensating for social disparities in the acquisition of computer-related skills. At the same time, acquisition is also dependent on the support of the parents and on the motivation of the young people for further competence acquisition; it depends very little on their actual abilities. Through the interaction of these factors, there is a risk that social disparities in computer-related competencies are constantly increasing.
Eine realistische Selbsteinschätzung eigener Fähigkeiten ist wichtig, um eigene Stärken nutzen und eigene Schwächen beheben zu können. In vielen Wissensbereichen bekommen Jugendliche durch die Schule nicht nur Kompetenzen vermittelt, sondern auf vielfältige Weise auch Rückmeldungen zu ihren Fähigkeiten, z. B. durch Noten, Lob und Tadel durch Lehrkräfte, Vergleich mit Peers, Erfolg oder Misserfolg bei Hausaufgaben. Dies gilt allerdings nicht für computerbezogene Kompetenzen, die in Deutschland und vielen anderen Ländern nicht systematisch curricular vermittelt werden (Eickelmann, Schaumburg, Drossel & Lorenz, 2014; van Deursen & van Diepen, 2013). Entsprechend zeigen Studien zur Selbsteinschätzung computerbezogener Kompetenzen, dass in der Regel deutliche Überschätzungen der eigenen Fähigkeiten vorliegen (Ballantine, McCourt Larres, Oyelere, 2007), etwa wenn die Glaubwürdigkeit von im Internet gefundenen Informationen einzuschätzen ist (Bradlow, Hoch & Hutchinson, 2002; Metzger, Flanagin & Zwarun, 2003). Dabei neigen Jungen eher zu Überschätzungen als Mädchen (de Haan & Huysmans, 2002, Hakkarainen et al., 2000). Während einer leichten Überschätzung der eigenen Fähigkeit positive Effekte auf die Leistungsentwicklung zugeschrieben werden (Bandura, 1997), konnte längsschnittlich gezeigt werden, dass eine deutliche Überschätzung negative Effekte auf zukünftiges Verhalten (Ausdauer, Anstrengung, Leistung) haben kann (Moores & Chang, 2009), da zu schwierige Aufgaben ausgewählt werden und somit ein Misserfolgserleben wahrscheinlicher wird (Chen & Zimmerman, 2007; Pajares, 1996).
Selbst eingeschätzte und mit einem objektiven Test gemessene computerbezogene Kompetenzen korrelieren nur moderat miteinander (Bunz, Curry & Voon, 2007). In einer Metaanalyse (Multon, Brown & Lent, 1991) konnte gezeigt werden, dass über verschiedene Domänen hinweg Selbstwirksamkeitserwartung und Leistung zu r = .38 korrelieren, Selbstwirksamkeitserwartung mit allgemeinen kognitiven Fähigkeitsmaßen sogar zu r = .52. Vielen Jugendlichen fehlt jedoch systematische Rückmeldung zu ihren computerbezogenen Fähigkeiten, und entsprechend zeigen aktuelle Befunde aus ICILS 2013 (International Computer and Information Literacy Study), dass computerbezogene Kompetenzen und die entsprechende Selbstwirksamkeitserwartung in Deutschland nur vergleichsweise schwach (r = .20) miteinander korrelieren (Fraillon, Ainley, Schulz, Friedman & Gebhardt, 2014, S. 164).
Wir stellen in dieser Arbeit ein Erklärungsmodell vor, dessen Grundannahme besagt, dass computerbezogene Kompetenzen und ihre Selbsteinschätzung auf unterschiedliche Weise erworben werden. Dies spiegelt sich in unterschiedlichen Zusammenhängen mit individuellen, familiären und institutionellen Prädiktoren wider, die empirisch überprüfbar sind. Erst die Kenntnis eines solchen Erklärungsmodells eröffnet die Möglichkeit, die Entstehung mangelhafter realistischer Selbsteinschätzung zu antizipieren und Maßnahmen dagegen entwickeln zu können.
Die subjektive Überzeugung einer Person, in einer bestimmten Situation eine bestimmte Aufgabe bewältigen zu können (Selbstwirksamkeitserwartung), wird nach Bandura (1997) vor allem durch eigene Erfahrungen mit dem Gegenstand erworben. Der Erwerb computerbezogener Kompetenzen, soweit dieser über technologische Basiskompetenzen hinausgeht und anspruchsvollere Anforderungen wie z. B. das Bewerten ermittelter Informationen beinhaltet, erfordert neben dem selbständigen Explorieren instruktionale Unterstützung (z. B. durch die Eltern; Walraven, Brand-Gruwel & Boshuizen, 2008) und ist daher eng an den sozialen Hintergrund (z. B. kulturelles Kapital, Bildungsniveau) gekoppelt (Hatlevik & Christophersen, 2013; van Deursen & van Diepen, 2013).
Theorie
Computerbezogene Kompetenzen (ICT Literacy)
Die beständig anwachsende Menge elektronisch bereit gestellter Informationen erfordert sowohl für private als auch schulische oder berufliche Zwecke in zunehmendem Maße die Fähigkeit, Informationen zu generieren, ihre Qualität kritisch zu bewerten sowie sie auf digitale Weise weiter zu verarbeiten und zu präsentieren. Angesichts der rasanten technologischen Entwicklungen ergibt sich insbesondere für Heranwachsende die Notwendigkeit, sich beständig und weitgehend selbstgesteuert in neue Systeme und Technologien einzuarbeiten (ETS, 2002). Neuere Konzeptionen der ICT Literacy betonen dabei funktionale, d. h. von den Anforderungen der Lebens- und Arbeitswelt ausgehende Wissensbestände und Fertigkeiten, die neben technologischen Fertigkeiten (Funktionswissen über Programmanwendungen) vornehmlich Aspekte der Informationskompetenz (Fähigkeit, mit Hilfe digitaler Medien Informationen zu ermitteln, kritisch auszuwählen und sie effektiv für sich zu nutzen) umfassen (z. B. ETS, 2002; Fraillon, Schulz & Ainley, 2013). ICT Literacy kann daher definiert werden als „ability to use digital technology, communication tools, and/or networks to access, manage, integrate, evaluate and create information in order to function in a knowledge society (ETS, 2002, p. 2).
Die Prozessanforderungen – wie z. B. der Zugriff auf Informationen (access), das Bewerten von Informationen (evaluate), das Erstellen von Informationsprodukten wie z. B. Präsentationen (create), das Zusammenführen verschiedener Informationen (integrate) oder das Suchen und Sortieren von Informationen (manage) – erfordern kognitive Fertigkeiten wie Problemlösefähigkeiten, schlussfolgerndes Denken oder das Vergleichen und Bewerten von Informationen (z. B. Calvani, Fini, Ranieri & Picci, 2012; Fraillon et al., 2013; van Deursen & van Diepen, 2013). ICT Literacy wird dabei als eindimensionales Konstrukt verstanden, d. h. als Zusammenwirken technologischer und informationsbezogener Fertigkeiten (z. B. Fraillon et al., 2013; Hatlevik, Guðmundsdóttir & Loi, 2015; Senkbeil, Ihme & Wittwer, 2013).
Erwerb computerbezogener Kompetenzen
Die Beherrschung computerbezogener Kompetenzen setzt in hohem Maße selbstreguliertes Lernen über die gesamte Lebensspanne voraus (Blossfeld, Doll & Schneider, 2008). Dies gilt umso mehr, da die Vermittlung computerbezogener Kompetenzen in Deutschland kein selbständiges Schulfach darstellt und computerbezogene Kompetenzen in der Schule in Deutschland daher im Rahmen des regulären Fachunterrichts (z. B. Mathematik, Naturwissenschaften) vergleichsweise selten und unsystematisch vermittelt werden (Eickelmann et al., 2014). Bislang ist wenig über den Erwerb computerbezogener Kompetenzen bei Kindern und Jugendlichen bekannt. Vermutet wird, dass Kinder bereits in jungen Jahren und vor Schulantritt im familiären Umfeld Kenntnisse im Umgang mit digitalen Medien erwerben (z. B. Poynton, 2005). So zeigen eine Reihe von Studien, dass computerbezogene Kompetenzen offenbar weitgehend autodidaktisch oder mit Unterstützung von Familienmitgliedern erworben werden (z. B. Furlong & Davies, 2012; Hoffman & Vance, 2005; Meyers, Erickson & Small, 2013; Senkbeil & Wittwer, 2007).
Weiterhin scheint der Sozialstatus (z. B. Bildungsgrad, kulturelles Kapital in der Familie) im Sinne einer Nutzungsspaltung (usage gap) einen wichtigen Faktor für den Erwerb computerbezogener Kompetenzen darzustellen. Dabei nutzen Personen mit höherem Sozialstatus Computer und Internet in höherem Maße für bildungs- und informationsbezogene Anwendungen und können diese im Hinblick auf Kapital und Ressourcen (z. B. Arbeiten und Lernen, gesellschaftliche Teilhabe) sowie den Erwerb von ICT Literacy effektiver nutzen als Personen mit geringerem Sozialstatus (z. B. Bonfadelli, 2002; OECD, 2015; Senkbeil & Ihme, 2014; van Deursen & van Dijk, 2014; Zillien & Hargittai, 2009). Entsprechend ist der Sozialstatus hoch mit computerbezogenen Kompetenzen korreliert (z. B. Hatlevik, Ottestad & Throndson, 2014; van Deursen & van Diepen, 2013; Wendt, Vennemann, Schwippert & Drossel, 2014). Dabei kann das kulturelle Kapital als kumulierte Summe bildungsbezogener Sozialisationserfahrungen und Erziehungsmaßnahmen verstanden werden. Es liefert somit im Hinblick auf die Nutzung digitaler Medien Hinweise, inwieweit sich Personen im Laufe ihrer kulturellen Sozialisation (z. B. vermittelt über die Familie) computerbezogene Kompetenzen oder bestimmte computerbezogene Nutzungsweisen angeeignet haben (Hsieh, Rai & Keil, 2011). Jugendliche aus kulturnahen Milieus sollten im Vergleich zu Jugendlichen aus kulturfernen Milieus höhere computerbezogene Kompetenzen aufweisen.
Gleichzeitig wird, z. B. im Rahmen des „Information-Problem-Solving“-Paradigmas, auf Defizite und Probleme von Kindern und Jugendlichen im Umgang und in der Verarbeitung digital vermittelter Informationen hingewiesen, wenn diese über rein technische Basisfertigkeiten hinausgehen (Calvani et al., 2012; van Deursen & van Diepen, 2013, Walraven et al., 2008). So werden informationsbezogene Anforderungen (z. B. Finden relevanter Informationen), kritische Bewertungen über Glaubwürdigkeit oder Nützlichkeit ermittelter Informationen, das Lösen technischer Probleme (z. B. Virenschutz) oder das strukturierte Aufbereiten und Ordnen von Daten (z. B. mit Hilfe einer Tabellenkalkulation) von vielen Jugendlichen nur unzureichend beherrscht.
Vor allem der Erwerb solcher informationsbezogener Kompetenzen im Sinne alltäglichen Problemlöseverhaltens bedarf der instruktionalen Unterstützung (z. B. durch das familiäre Umfeld oder die Schule) (van Deursen & van Diepen, 2013; Walraven et al., 2008). Instruktionale Unterstützung umfasst dabei die Hilfe bei technischen Problemen mit Informationstechnologie sowie die Vermittlung von Strategien im Umgang mit informationsbezogenen Fragestellungen, etwa bei der Suche, Evaluation und Integration von Informationen aus dem Internet, aber auch Unterstützung bei metakognitiven Anforderungen wie Strukturieren von Aufgaben und Selbstregulation (vgl. Walraven et al., 2008). Die Schulen in Deutschland spielen als Vermittlungsinstanz von ICT Literacy offenbar keine Rolle, wie die jüngst publizierten Befunde zu ICILS 2013 nahelegen. Es zeigen sich sowohl für die Häufigkeit der schulischen Computernutzung als auch für die schulisch erlernten computerbezogenen Tätigkeiten (z. B. Beschaffen und Präsentieren von Informationen) negative Zusammenhänge mit ICT Literacy (Eickelmann et al., 2014). Mögliche Gründe dafür liegen in mangelhaften computerbezogener Kompetenzen der Lehrkräfte, der unsystematischen (oder unklaren) Verankerung der Kompetenzen im Curriculum sowie in mangelhaften didaktischen Konzepten (z. B. Eickelmann et al., 2014; Gerick, Schaumburg, Kahnert & Eickelmann, 2014; Hatlevik et al., 2014).
Selbstwirksamkeitserwartung
Aus sozial-kognitiver Perspektive spielt die Selbstwirksamkeitserwartung beim selbstregulierten Lernen eine entscheidende Rolle. Nach Bandura (1997) ist Selbstwirksamkeitserwartung definiert als die subjektive Überzeugung einer Person, in einer bestimmten Situation eine bestimmte Aufgabe bewältigen bzw. ein bestimmtes Verhalten ausführen zu können. Computerbezogene Selbstwirksamkeitserwartung ist entsprechend das Urteil einer Person über die eigene Fähigkeit, spezifische Aufgaben am Computer lösen zu können (Compeau & Higgins, 1995). In Abgrenzung zum Selbstkonzept wird unter Selbstwirksamkeitserwartung die Einschätzung des Erfolges bei konkreten Anforderungen verstanden (Bong & Skaalvik, 2003). Selbstwirksamkeitserwartung verspricht entsprechend eine gute Prädiktion der Testleistung, wenn die Fragen der Skala kongruent zu den Testaufgaben gestellt werden (Pajares, 2002). Im Gegensatz dazu besitzt das Selbstkonzept eine geringere Prädiktionskraft für die objektive Testleistung (Ferla, Valcke & Cai, 2009).
Erwerb der Selbstwirksamkeitserwartung
Die wichtigste Quelle von Selbstwirksamkeitserwartungen stellen nach Bandura (1997) eigene Erfahrungen mit dem jeweiligen Gegenstand dar. Weitere Komponenten sind indirekte Erfahrungen (die Beobachtung anderer bei der Durchführung erfolgreichen Verhaltens) und verbale Bekräftigung (veränderte Erfolgserwartung aufgrund Überredung durch andere oder nachfolgende Bekräftigung). Wichtige Kontextfaktoren für die Entwicklung von Selbstwirksamkeitserwartungen stellen die Familie und die Schule dar. Positiv auf die Entwicklung von Selbstwirksamkeitserwartungen auswirken sollten sich dabei u. a. vielfältige und kognitiv aktivierende Lerngelegenheiten und -unterstützungen im familiären Umfeld oder motivierende schulische Erfahrungen, z. B. adäquate Rückmeldungen über Lernergebnisse und -fortschritte durch die Lehrkraft (Schunk & Meece, 2006).
Die Bedeutung eigener und indirekter Erfahrungen auch für die computerbezogene Selbstwirksamkeitserwartung werden von Marakas, Yi und Johnson (1998) unterstrichen. Eine Reihe von Studien zeigen, dass Jugendliche ihrer eigenen Einschätzung nach ICT Literacy vor allem autodidaktisch, d. h. ohne jede instruktionale Unterstützung, erwerben (z. B. Eickelmann, Bos & Vennemann, 2015; Hoffman & Vance, 2005; Zhong, 2011). Dabei ergeben sich Unterschiede zwischen Jugendlichen unterschiedlicher sozialer Herkunft, denn ein geringer sozioökonomischer Status der Familie ist verbunden mit geringen Computerkenntnissen der Eltern und zugleich mit wenig elterlicher Unterstützung und wenig elterlichem Kontrollverhalten (Álvarez, Torres, Rodríguez, Padilla & Rodrigo, 2013; Vekiri, 2010, Vekiri & Chronaki, 2008).
Geschlechtsunterschiede
Lange waren die Jungen den Mädchen in computerbezogenen Kompetenzen überlegen (Janssen Reinen & Plomp, 1997; Lang & Schulz-Zander, 1994). Die Ergebnisse neuerer Studien zeigen jedoch an, dass sich dieser Unterschied bei Jugendlichen nivelliert (Hatlevik & Christophersen, 2013) oder sogar umgekehrt hat (Hohlfeld, Ritzhaupt & Barron, 2013). So zeigt etwa die Studie ICILS 2013, dass in Deutschland Mädchen in Computer and Information Literacy mit d = 0,30 Standardabweichungen besser abschneiden als Jungen (Lorenz, Gerick, Schulz-Zander & Eickelmann, 2014).
Dennoch schätzen Jungen ihre copmputerbezogenen Fähigkeiten auch weiterhin höher ein als Mädchen (Hargittai & Shafer, 2006; Ilomäki, 2011; Luca & Aufenanger, 2007; Papastergiou, 2008; Senkbeil & Wittwer, 2007, Simsek, 2011; Vekiri & Chronaki, 2008; Zhong, 2011). In der Studie ICILS 2013 konnten in Deutschland zwar keine Unterschiede zwischen Jungen und Mädchen in Selbstwirksamkeitserwartungen hinsichtlich basaler computerbezogener Fähigkeiten (z. B. Suchen und Finden von Dateien, Bearbeiten von Dokumenten) festgestellt werden, aber Jungen hatten deutlich höhere Selbstwirksamkeitserwartungen zu fortgeschrittenen computerbezogenen Fähigkeiten wie etwa der Nutzung von Virensoftware oder der Erstellung einer Webseite (Lorenz et al., 2014).
Diese Unterschiede lassen sich zum Teil darauf zurückführen, dass Jungen Computer häufiger nutzen als Mädchen, sowohl zuhause als auch in der Schule (Lorenz et al., 2014). Auch dieser Unterschied scheint aber zu verschwinden (Lorenz & Kahnert, 2014). Ebenso gibt es in der Ausstattungssituation keine Unterschiede mehr (JIM-Studie; Feierabend, Karg & Rathgeb, 2013).
Ziel der Studie
In dieser Arbeit stellen wir ein Erklärungsmodell für den geringen Zusammenhang computerbezogener Kompetenzen mit der entsprechenden Selbsteinschätzung bei Jugendlichen vor, das zeigt, dass beide auf unterschiedliche Weise erworben werden. Die unterschiedlichen Erwerbswege spiegeln sich in unterschiedlichen Zusammenhängen mit individuellen, familiären und institutionellen Prädiktoren wider, die empirisch überprüfbar sind.
Forschungsfragen
Unser nachfolgend beschriebenes Erklärungsmodell wird anhand eines Strukturgleichungsmodelles empirisch geprüft. Diesem zu Folge sollten computerbezogene Selbstwirksamkeitserwartungen vornehmlich durch selbstgesteuerte und selbstinitiierte ICT-Aktivitäten erworben werden. Demgegenüber sollte ICT Literacy vornehmlich durch die instruktionale Unterstützung der Familie sowie häusliche Erziehungs- und Sozialisationsmaßnahmen erworben werden. Gemäß den unterschiedlichen Erwerbsprozessen ist eine vergleichsweise geringe Korrelation zwischen Selbstwirksamkeitserwartung und objektiven computerbezogenen Kompetenzen zu erwarten.
In dem Strukturgleichungsmodell sind sechs Messmodelle integriert: Reflexive (klassische) Messmodelle für die selbst eingeschätzten und für die objektiv gemessenen computerbezogenen Kompetenzen sowie formative Messmodelle für selbstgesteuerte Erfahrungen, für instruktionale Unterstützung durch die Familie, für kulturelles Kapital der Familie und für instruktionale Unterstützung durch die Schule. In formativen Messmodellen wird die Annahme, dass die Indikatoren miteinander in einer bestimmten Weise kovariieren müssen, aufgegeben. Dies kann sinnvoll sein, wenn die Indikatoren nicht als Manifestation der Konstruktausprägung, sondern als ursächlich dafür angenommen werden (Curtis & Jackson, 1962; s. u.).
Fragestellung 1
Aufgrund der berichteten Befunde zur Selbstwirksamkeitserwartung in anderen Domänen und häufig mangelnden Gelegenheiten zu Rückmeldung durch Eltern oder Lehrkräfte zu computerbezogenen Kompetenzen erwarten wir, dass viele Jugendliche ihre computerbezogenen Kompetenzen nur sehr ungenau einschätzen können, was sich in einer Korrelation zwischen Selbstwirksamkeitserwartung und Testleistung widerspiegelt, die geringer ist als in anderen, schulisch vermittelten Domänen (r = .38 im Mittel über Domänen, Multon et al., 1991).
H1: Die Korrelation zwischen selbsteingeschätzten und objektiv gemessenen computerbezogenen Kompetenzen ist geringer als .38.
Fragestellung 2
Unserem Erklärungsmodell zufolge beruht die Selbsteinschätzung computerbezogener Kompetenzen vor allem auf selbstgesteuerten Erfahrungen mit dem Computer, d. h. der Dauer und Häufigkeit der Nutzung. Da Jugendliche ICT Literacy weitgehend autodidaktisch erwerben und sie ihrer Familie sowie der Schule beim Erwerb computerbezogener Kompetenzen eine vergleichsweise geringe Rolle zuweisen (vgl. Eickelmann et al., 2015), sollten instruktionale Unterstützung durch die Familie und die Schule sowie der soziale Hintergrund keinen Einfluss auf die computerbezogene Selbstwirksamkeitserwartung haben (s. Abb. 1).
H2.1: Selbstgesteuerte Erfahrungen haben ein positives Regressionsgewicht in der Regression der Selbsteinschätzung computerbezogener Kompetenzen.
H2.2: Instruktionale Unterstützung durch die Familie hat kein von null verschiedenes Regressionsgewicht in der Regression der Selbsteinschätzung computerbezogener Kompetenzen.
H2.3: Kulturelles Kapital der Familie hat kein von null verschiedenes Regressionsgewicht in der Regression der Selbsteinschätzung computerbezogener Kompetenzen.
H2.4: Instruktionale Unterstützung durch die Schule hat kein von null verschiedenes Regressionsgewicht in der Regression der Selbsteinschätzung computerbezogener Kompetenzen.
Fragestellung 3
Die tatsächlichen computerbezogenen Kompetenzen werden teilweise durch eigene Erfahrungen im Sinne selbstgesteuerter und selbstiniitierter ICT-Aktivitäten, vornehmlich aber über familiäre Prozesse erworben. Diese können direkt über instruktionale Unterstützung oder indirekt, vermittelt über das kulturelle Kapital wirken. Obgleich die Bildungspolitik ICT Literacy als wichtiges Bildungsziel betrachtet und den schulischen Einsatz neuer Technologien fördert (KMK, 2016), wird angesichts der oben dargestellten Befunde aus ICILS 2013 (Eickelmann et al., 2014, 2015) kein positiver Einfluss auf die ICT Literacy erwartet (s. Abb. 1).
H3.1: Selbstgesteuerte Erfahrungen haben in der Regression der objektiv gemessenen computerbezogenen Kompetenzen ein positives Regressionsgewicht.
H3.2: Instruktionale Unterstützung durch die Familie hat ein positives Regressionsgewicht in der Regression der objektiv gemessenen computerbezogenen Kompetenzen.
H3.3: Kulturelles Kapital der Familie hat ein positives Regressionsgewicht in der Regression der objektiv gemessenen computerbezogenen Kompetenzen.
H3.4: Instruktionale Unterstützung durch die Schule hat kein von null verschiedenes Regressionsgewicht in der Regression der objektiv gemessenen computerbezogenen Kompetenzen.
Fragestellung 4
Geschlecht wird als Kontrollvariable in das Modell integriert. Dabei erwarten wir einen schwach positiven Effekt der Indikatorvariable weibliches Geschlecht auf die computerbezogenen Kompetenzen und einen negativen Effekt auf die Selbsteinschätzung computerbezogener Kompetenzen.
H4.1: Weibliches Geschlecht hat ein positives Regressionsgewicht in der Regression der objektiv gemessenen computerbezogenen Kompetenzen.
H4.2: Weibliches Geschlecht hat ein negatives Regressionsgewicht in der Regression der Selbsteinschätzung computerbezogener Kompetenzen.
Methode
Stichprobe
Die Datenerhebung erfolgte im Rahmen einer Pilotierungsstudie des Nationalen Bildungspanels (Blossfeld et al., 2008) zur Erfassung computerbezogener Kompetenzen. An der Studie nahmen 224 Jugendliche, davon 113 Mädchen (50.4 %) und 110 Jungen (49.1 %; eine Angabe fehlte) der achten Klassenstufe aus elf Schulen in Schleswig-Holstein teil. An jeder ausgewählten Schule wurde eine Klasse rekrutiert. Alle zur jeweiligen Testzeit anwesenden Schülerinnen und Schüler nahmen teil. Das Durchschnittsalter der Jugendlichen betrug 14.3 Jahre (SD = 0.72). Von den Schülerinnen und Schülern besuchten 89 (39.7 %) ein Gymnasium, 64 (28.6 %) eine Realschule und 71 (31.7 %) eine Hauptschule.
Instrumente
Die Testpersonen bearbeiteten im Klassenkontext einen Fragebogen zu Merkmalen der individuellen Computernutzung sowie einen Test zu ihren computerbezogenen Kompetenzen. Neben soziodemographischen Merkmalen wurden folgende Konstrukte erfasst (s. a. Tabelle 1):
Computerbezogene Kompetenzen. Zur Erfassung der computerbezogenen Kompetenzen [Information and Communication Technology (ICT) Literacy] setzten wir den Technologischen und Informationsbezogenen Literacy-Test (TILT; Senkbeil et al., 2013) ein. Der Test besteht aus 36 Multiple-Choice- und Multiple-True-False-Aufgaben (s. Senkbeil et al., 2013, für Beispiel-Aufgaben). Abbildung 2 zeigt ein veröffentlichtes Beispielitem, das der Prozesskomponente Anwenden/Verstehen und der Programmanwendung Internetsuchmaschine zugeordnet werden kann. Die Antworten wurden mit ConQuest 3 skaliert und für jede Person zu einem Fähigkeitsschätzer (Weighted Maximum Likelihood Estimation, WLE) zusammengefasst. Im Strukturgleichungsmodell wurde daraus eine latente Variable gebildet, indem der Regressionskoeffizient der latenten auf die manifeste Variable auf eins gesetzt wurde und die Fehlervarianz der manifesten Variablen auf das Produkt der WLE-Varianz und der WLE-Unreliabilität (d. h. eins minus WLE-Reliabilität) fixiert wurde.
Selbsteinschätzung. Die eigene Einschätzung der computerbezogenen Kompetenzen wurde mit der Skala Computerbezogene Selbstwirksamkeitserwartung aus der Kurzskala zur Messung computer- und internetbezogener Motivationen (Senkbeil & Ihme, 2014, s. dort auch für die Itemformulierungen) erhoben. Sie besteht aus neun Items (Beispielitem: „Ich kann zu Daten aus einer Tabelle ein Diagramm erstellen.“), in denen konkrete Aufgabenstellungen beschrieben werden, deren Erfolgserwartung die Testpersonen auf einer vierstufigen Skala von 1 = kann ich nicht bis 4 = kann ich sehr gut einschätzten. Zur Bestimmung des Skalenwertes wird der Mittelwert einer Person über alle bearbeiteten Items gebildet. Gemäß dem von Bandura vorgeschlagenen Korrespondenzprinzip (Bandura, 2006) repräsentieren Selbstwirksamkeitsitems und Testaufgaben die gleichen Prozessanforderungen. Die Mittelwerte der Items sowohl in der Veröffentlichung der Skala von Senkbeil und Ihme (2014) als auch in den hier beschriebenen Analysen deuten auf Deckeneffekte in der Skala hin. Diese zeigen sich auch in vergleichbaren Instrumenten in internationalen Studien (z. B. Fraillon et al., 2014; OECD, 2011) und liegen in der funktionalen Definition des Konstruktes begründet, dass alltäglich relevante Anforderungen umfasst.
Vermittlungsinstanzen computerbezogener Kenntnisse. Anhand von sechs Computeranwendungen (Betriebssystem, Textverarbeitung, Tabellenkalkulation, Präsentationsprogramme, E-Mail, Internet) wurde erfragt, durch wen die Jugendlichen wichtige Kenntnisse über die jeweilige Anwendung erworben haben. Als potenzielle Vermittlungsinstanzen computerbezogener Kenntnisse wurden die eigene Person (autodidaktisch), Familie, Schule, Peers sowie die Kategorie „kann ich nicht“ vorgegeben, wobei Mehrfachantworten möglich waren. In dieser Arbeit wurden die Vermittlungsinstanzen eigene Person, Familie und Schule ausgewertet. Für jede Vermittlungsinstanz wurde die Anzahl der Nennungen über die sechs Items gezählt (s. Tabelle 1).
Häufigkeit der Computernutzung. Die Häufigkeit der Computernutzung wurde mit zwei sechsstufigen Items („Wie häufig benutzt Du einen Computer an folgenden Orten:“, „a) zu Hause“, „b) in der Schule“) auf einer Skala mit 1 = nie, 2 = alle paar Monate, 3 = ein bis zwei Mal pro Monat, 4 = einmal pro Woche, 5 = mehrmals pro Woche und 6 = (fast) jeden Tag erfasst (s. Tabelle 1). Wir nehmen an, dass die schulische PC-Nutzung fremdgesteuert (durch die Lehrkraft) mit der Intention des (fachlichen) Wissenserwerbs stattfindet. Die häusliche PC-Nutzung erfolgt hingegen selbstgesteuert und selbstinitiiert und zumeist nicht mit der Intention, Informationen zu generieren oder zu lernen, sondern um sich zu unterhalten, zu spielen oder mit Peers zu kommunizieren (z. B. Livingstone & Helsper, 2007; OECD, 2011; Selwyn, 2009).
Kulturelles Kapital. Zur Erfassung des kulturellen Kapitals in der Familie wurde die Anzahl der häuslichen Bücher anhand einer fünfstufigen Skala (von 0 – 25 Bücher bis mehr als 500 Bücher) erfragt (s. Tabelle 1), die gemäß Bourdieu und Thompson (1991) einen validen Indikator für das kulturelle Kapital darstellt.
Formative Messmodelle
In den häufig benutzen reflexiven Messmodellen werden die manifesten Indikatoren einer latenten Variablen als Manifestationen des (latent gemessenen) Konstruktes verstanden, d. h. eine Person beantwortet Items auf eine bestimmte Weise, weil sie eine bestimmte Konstruktausprägung hat. Die Indikatoren des Konstruktes müssen daher miteinander kovariieren. Da diese Kovarianz-Annahme nicht in allen Fällen sinnvoll ist, schlagen Curtis und Jackson (1962) formative Messmodelle vor. Diese werden angewendet, wenn die gemessenen (manifesten) Variablen als Ursachen des Konstruktes aufgefasst werden können und nicht umgekehrt (Diamantopoulos, Riefler & Roth, 2008). Jarvis, Mackenzie und Podsakoff (2003) geben Empfehlungen für die Entscheidung zwischen reflexiven und formativen Messmodellen. Demnach wird zur Verwendung formativer Messmodelle geraten, wenn die Richtung der Kausalität von den Indikatoren zum Konstrukt verläuft, und wenn Veränderungen der Indikatoren sich in Veränderungen im Konstrukt niederschlagen, während sich Veränderungen im Konstrukt nicht unbedingt in Veränderungen in den Indikatoren niederschlagen müssen. Dabei müssen die Indikatoren nicht austauschbar sein, und sie müssen nicht miteinander kovariieren. Die nomologischen Netzwerke der Indikatoren dürfen sich unterscheiden.
In dieser Arbeit werden formative Messmodelle für die Quantifizierung dreier latenter Variablen verwendet: selbstgesteuerte PC-Erfahrungen, instruktionale Unterstützung durch die Familie und instruktionale Unterstützung durch die Schule. Die gewichtete Summe der jeweiligen Indikatoren kann als Messung der betreffenden latenten Variablen interpretiert werden. Für alle drei latenten Variablen liegen Indikatoren vor, die nicht als Manifestationen verstanden werden können. Jedoch kann eine gewichtete Summe der jeweiligen Indikatoren als Messung der latenten Variablen interpretiert werden. Die Gewichte werden dabei im Modell geschätzt und hängen auch von den abhängigen Variablen (hier computerbezogene Kompetenz und die Selbsteinschätzung davon) ab (Bollen & Bauldry, 2011).
Folgende latente Variablen wurden mit solchen formativen Modellen gemessen:
Selbstgesteuerte Erfahrungen. Unter selbstgesteuerten Erfahrungen mit dem Computer wird hier die Häufigkeit freiwilliger, selbstgesteuerter und nicht schulbezogener Nutzung des Computers verstanden. Als Indikatoren dienen autodidaktische Vermittlung und die Häufigkeit der PC-Nutzung zuhause.
Instruktionale Unterstützung durch die Familie. Als Indikator instruktionaler Unterstützung durch die Familie dient Vermittlungsinstanz Familie.
Kulturelles Kapital der Familie. Das kulturelle Kapital steht für Prozess- und Strukturmerkmale in der Familie und wird als eher distaler Indikator der Erwerbsprozesse in der Familie interpretiert. Einziger Indikator dieser latenten Variable ist die manifeste Variable Kulturelles Kapital (s. o.).
Instruktionale Unterstützung durch die Schule. Unter instruktionaler Unterstützung durch die Schule wird sowohl die wahrgenommene direkte Vermittlung durch die Schule als auch die schulbezogene Nutzung des Computers verstanden. Als Indikatoren werden die Vermittlungsinstanz Schule und die Häufigkeit der PC-Nutzung in der Schule verwendet.
Umgang mit fehlenden Werten
In den analysierten Daten gab es keine Variable mit mehr als 12 % fehlenden Werten. Es gab zudem keine Kombination von zwei Variablen mit mehr als 14 % fehlenden Werten. Daher wurde auf Full Information Maximum Likelihood (FIML) zur Korrektur der fehlenden Werte zurückgegriffen.
Ergebnisse
Fragestellung 1: Korrelation von Selbsteinschätzung und objektiv gemessener Leistung
Die Pearson-Korrelation zwischen dem Itemmittelwert der Skala zur computerbezogenen Selbstwirksamkeitserwartung und dem WLE-Schätzer aus dem Test computerbezogener Kompetenzen TILT beträgt r = .22 (p < .01) und ist signifikant kleiner als .38 (approximativer Fisher-Z-Test, z = 2.64, p < .01). Hypothese 1 kann damit bestätigt werden.
Erklärungsmodell
Das Gesamtmodell (s. Abb. 3) setzt sich aus einem Strukturmodell und formativen und reflexiven (klassischen) Messmodellen für die latenten Variablen zusammen. Das Strukturmodell beinhaltet Regressionen der Selbstwirksamkeitserwartung und der computerbezogenen Kompetenzen jeweils auf selbstgesteuerte Erfahrungen, auf instruktionale Unterstützung durch die Familie und durch die Schule und auf kulturelles Kapital der Familie. Für die Konstrukte Selbstwirksamkeitserwartung und computerbezogene Kompetenzen werden reflexive Messmodelle formuliert. Formative Messmodelle bestehen für selbstgesteuerte Erfahrungen, für instruktionale Unterstützung durch die Familie und durch die Schule sowie für kulturelles Kapital der Familie. Der Fit des Modells ist akzeptabel (RMSEA = .057, Χ2 = 146.43, df = 85, p < .001, CFI = .931, SRMR = .046). Dazu wurden vier zusätzliche Residualkovarianzen zugelassen.
In der Regression selbstgesteuerter Erfahrungen sind autodidaktische Vermittlung und häusliche PC-Nutzung signifikante Prädiktoren. In der Regression der instruktionalen Unterstützung durch die Schule leistet Vermittlung durch die Schule einen signifikanten Beitrag, schulische PC-Nutzung leistet einen der Höhe nach bedeutsamen, aber nicht statistisch signifikanten Beitrag.
Fragestellung 2: Prädiktion der Selbsteinschätzung computerbezogener Kompetenzen
In der Prädiktion der Selbsteinschätzung computerbezogenen Kompetenzen leisten wie erwartet selbstgesteuerte Erfahrungen (β = .71, p < .001) den deutlich größten Beitrag. Instruktionale Unterstützung durch die Familie (β = .15, p < .05) leistet dazu noch einen inkrementellen Beitrag, während Instruktionale Unterstützung durch die Schule (β = .11, p = .08) sowie Kulturelles Kapital der Familie (β = -.00, p = .98) keinen inkrementellen Beitrag leisten. Hypothese 2.1 kann damit bestätigt werden, und Hypothese 2.2 mit der Einschränkung, dass die Instruktionale Unterstützung durch die Familie eine zwar geringe, aber statistisch signifikante Rolle spielt.
Fragestellung 3: Prädiktion der objektiv gemessenen computerbezogenen Kompetenzen
Computerbezogene Kompetenzen können in unserem Modell wie erwartet sowohl durch instruktionale Unterstützung durch die Familie (β = .27, p < .01) und kulturelles Kapital der Familie (β = .31, p < .001) als auch durch selbstgesteuerte Erfahrungen (β = .34, p < .001) vorhergesagt werden. Instruktionale Unterstützung durch die Schule liefert wie erwartet keinen bedeutsamen Beitrag (β = .08, p = .33). Die Hypothesen 3.1, 3.2 und 3.3 werden damit bestätigt.
Fragestellung 4: Geschlechtseffekte
Das Geschlecht hat wie erwartet eine wichtige Bedeutung in der Prädiktion der Selbsteinschätzung computerbezogenen Kompetenzen (β = .18, p < .01), wobei Jungen unter Konstanthaltung der anderen Prädiktoren ihre Fähigkeiten höher einschätzen als Mädchen. Wir konnten keinen Einfluss des Geschlechts auf die computerbezogenen Kompetenzen feststellen (β = -.00, p = .97).
Diskussion
Ziel dieser Arbeit ist die Evaluation eines Erklärungsmodells für den geringen Zusammenhang computerbezogener Kompetenzen mit der entsprechenden Selbsteinschätzung bei Jugendlichen. In dem Modell machen wir die Annahme, dass die Selbsteinschätzung computerbezogener Kompetenzen auf andere Weise als die tatsächlichen computerbezogenen Kompetenzen erworben wird. Die unterschiedlichen Prozesse spiegeln sich in unterschiedlichen Zusammenhängen mit individuellen, familiären und institutionellen Variablen wider.
Fragestellung 1: Korrelation von Selbsteinschätzung und objektiv gemessener Leistung
Wie erwartet korrelieren selbsteingeschätzte und tatsächliche computerbezogene Fähigkeiten nur schwach miteinander. Unsere Ergebnisse decken sich damit mit den Befunden anderer Studien (z. B. Bunz et al., 2007, Goldhammer, Naumann und Keßel, 2013), unter anderem auch mit den Ergebnissen für Deutschland der internationalen Vergleichsstudie ICILS 2013 für eine repräsentative Stichprobe (r = .20; Fraillon et al., 2014). Dies zeigt, dass die Selbsteinschätzung und die objektiv gemessene computerbezogenen Kompetenzen offenbar nur gering zusammenhängen. Entsprechend kann der Versuch lohnend sein, ein Erklärungsmodell für diesen Befund aufzustellen und empirisch zu prüfen.
Erklärungsmodell
Unser Erklärungsmodell zeigt insgesamt eine akzeptable Anpassung an die Daten und Modellparameter in erwarteter Höhe. Im formativen Messmodell für selbstgesteuerte Erfahrungen leisten beide Prädiktoren einen vergleichbar hohen Beitrag. Selbstgesteuerte Erfahrungen fassen daher autodidaktischen Erwerb und häusliche PC-Nutzung zusammen und können somit wie beabsichtigt als selbstgesteuerte (häusliche) PC-Erfahrungen interpretiert werden.
Das Messmodell für instruktionale Unterstützung durch die Schule hat zwei Indikatoren, Vermittlungsinstanz Schule und Häufigkeit schulischer PC-Nutzung, die beide einen der Höhe nach bedeutsamen Beitrag liefern. Beide Regressionskoeffizienten haben sehr große Standardfehler, da beide Indikatoren kaum prädiktiv, weder für selbsteingeschätzte noch für objektiv gemessene computerbezogene Kompetenzen, sind.
Fragestellungen 2 und 3: Prädiktoren der selbsteingeschätzten und der objektiv gemessenen computerbezogenen Kompetenzen
Die Ergebnisse zeigen zunächst, dass selbstgesteuerte Erfahrungen am Computer, instruktionale Unterstützung in der Familie und das kulturelle Kapital der Familie bedeutsame Prädiktoren für computerbezogene Kompetenzen und für die zugehörige Selbsteinschätzung sind. Ihre relative Bedeutung ist jedoch deutlich unterschiedlich. In der Regression der Selbsteinschätzung erwiesen sich wie erwartet nur selbstgesteuerte Erfahrungen am Computer als erklärungsmächtig, während instruktionale Unterstützung durch die Familie und kulturelles Kapital keine signifikante Rolle spielen. In der Regression der tatsächlichen Kompetenzen dagegen sind sowohl selbstgesteuerte Erfahrungen als auch familiäre Prozesse und Strukturen wichtig.
Die Ergebnisse deuten an, dass computerbezogene Kompetenzen überwiegend über das häusliche Umfeld erworben werden. Da die Schule offenbar keine signifikante Rolle bei der Vermittlung dieser Kompetenzen spielt (z. B. Eickelmann et al., 2014; Hatlevik et al., 2014; van Deursen & van Diepen, 2013) und es ihr bislang nicht gelungen ist, sozial bedingten Disparitäten im Kompetenzerwerb in Form einer schulisch vermittelten computerbezogenen Grundbildung kompensierend entgegenzuwirken (vgl. Livingstone & Helsper, 2007), besteht die Gefahr, dass sich sozial bedingte Disparitäten in computerbezogenen Kompetenzen beständig vergrößern. Zu befürchten ist, dass sich fehlende Kompetenzen im Umgang mit Informations- und Kommunikationstechnologien (IKT) nachteilig auf die weitere Entwicklung der Schülerinnen und Schüler auswirken und damit auch Benachteiligungen z. B. bei der Realisierung von Berufswünschen und Zugangsmöglichkeiten zum Arbeitsmarkt nach sich ziehen (Blossfeld et al., 2007; Leu, Kinzer, Coiro & Cammack, 2004). Gemäß diesen Überlegungen deuten Studien zu zentralen Grundkompetenzen von Erwachsenen darauf hin, dass eine kompetente Nutzung von Computer und Internet mit hohen Ausprägungen in Kernkompetenzen (z. B. Lese- und Mathematikverständnis), einem hohen Ausbildungsniveau, niedriger Arbeitslosigkeit und einem vergleichsweise hohen sozioökonomischen Status einhergeht (DfES, 2003; Hanushek, Schwerdt, Wiederhold & Woessmann, 2015; OECD, 2005). Weiterhin ist zu befürchten, dass sich die Unterschiede in computerbezogenen Kompetenzen über die Lebensspanne im Sinne einer digitalen Schere weiter vergrößern, insbesondere wenn die computerbezogenen Selbstwirksamkeitserwartungen vornehmlich auf eigenen, unterhaltungs- und spielebezogenen PC-Erfahrungen in der Freizeit basieren und Überschätzungen der tatsächlichen Fertigkeiten (in Bezug auf funktionale IKT-Anforderungen, die für den Beruf und die gesellschaftliche Teilhabe notwendig sind) darstellen (vgl. Moores & Chang, 2009). Dies führt möglicherweise zu einer Kompetenzillusion im Umgang mit IKT (Lazonder & Rouet, 2008; Rouet & Puustinen, 2009), da zwar die vergleichsweise einfachen Anwendungen, die für eine unterhaltungs- und spielebezogene PC-Nutzung benötigt werden, beherrscht werden, während für die weitere Entwicklung wichtige funktionale Anforderungen (z. B. sicherer Umgang mit Office-Anwendungen, effiziente internetgestützte Informationsrecherche, Kenntnisse über sicheren und vertrauensvollen Umgang mit Daten und Informationen im Internet) außerhalb des Erfahrungsbereichs zahlreicher Jugendlicher liegen. Die Jugendlichen fühlen sich kompetent am Computer, obwohl sie es nicht sind, und sind daher kaum motiviert, sich die nötige Unterstützung für den und Rückmeldung über den Kompetenzerwerb zu holen. Rückmeldung ist jedoch notwendig, um zu einer realistischeren Selbsteinschätzung zu kommen, während Selbstreflexion allein dazu nicht ausreicht (Labuhn, Zimmerman & Hasselhorn, 2010). Diese Kompetenzillusion wirkt sich eventuell negativ aus, wenn die Jugendlichen z. B. aufgrund mangelnder computerbezogener Fähigkeiten nicht in der Lage sind, Bewerbungsunterlagen nach üblichen Standards zu gestalten und daher bei der Bewerbung um Ausbildungsplätze ohne Erfolg bleiben. Nicht immer bekommen die Jugendlichen eine entsprechende Rückmeldung, sodass der Misserfolg anders attribuiert und die Kompetenzillusion aufrechterhalten werden kann. Die vorliegenden Geschlechtsunterschiede in der selbst eingeschätzten, aber nicht in der objektiv gemessenen Kompetenz lassen vermuten, dass Jungen hier besonders stark betroffen sein könnten.
Fragestellungen 4: Geschlechtseffekte
Wie erwartet schätzen Jungen ihre Kompetenzen im Mittel zwar deutlich höher ein als Mädchen, tatsächlich gibt es aber keine mittleren Kompetenzunterschiede zwischen Jungen und Mädchen. Jungen, die zunehmend als Bildungsverlierer (Hannover & Kessels, 2011) beschrieben werden, unterliegen bezüglich ihrer computerbezogenen Kompetenzen somit offenbar besonders der Gefahr, die eigene Kompetenzillusion aufrecht zu erhalten und daher keine hinreichende Anstrengung zu unternehmen, ihre Kompetenzen selbst initiiert auszubauen.
Limitationen
Um direkte und indirekte Effekte der Familie unterscheiden zu können, wurden in der Regression zwei getrennte Prädiktoren, nämlich instruktionale Unterstützung durch die Familie und kulturelles Kapital der Familie, aufgenommen. Wenngleich es naheliegt, dass dies auch das Bildungsniveau der Eltern der Jugendlichen und damit deren Potential zur Vermittlung computerbezogener Kompetenzen umfasst, sind die Möglichkeit zur Unterstützung und die tatsächliche Unterstützung nicht gleichzusetzten. Zudem haben Jugendliche aus bildungsnäheren Schichten auch tendenziell stärker ausgeprägte kognitive Fähigkeiten und schneiden deswegen auch besser im Test zu computerbezogenen Kompetenzen ab. Daher ist der Zusammenhang zwischen kulturellem Kapital und computerbezogenen Kompetenzen potentiell überschätzt. In einer Nachfolgestudie werden wir daher das Ziel verfolgen, die Rolle der Eltern genauer zu untersuchen. Dazu werden nicht nur die Schülerinnen und Schüler, sondern auch die Eltern ausführlich über Ressourcen, die Unterstützung ihrer Kinder, die ausgeübte elterliche Kontrolle sowie häusliche Regeln der IKT-Nutzung befragt.
Weiterhin sind die Ergebnisse ein Stück weit abhängig von der Wahl des Maßes für die Selbsteinschätzung. Hier haben wir uns aufgrund des konkreten Bezuges zu den Aufgaben aus der funktionalen Definition computerbezogener Kompetenzen für die Messung von Selbstwirksamkeitserwartung nach Bandura (1977) entschieden. Ein anderes mögliches zu messendes Konstrukt wäre Selbstkonzept gewesen, das jedoch weniger konkret tatsächlich interessierende Tätigkeiten beinhaltet hätte, oder prozedurale Metakognition. Dafür würde man nach jeder Aufgabe oder nach dem Gesamttest die Erfolgseinschätzung im Test erfragen und hätte so zwar ein mit der Testleistung direkt vergleichbares Maß, aber genau deswegen einen Bezug zur Messung statt zu den eigentlich interessierenden Kompetenzen.
Die Messung der Selbsteinschätzung der computerbezogenen Kompetenzen hat einen recht hohen Mittelwert erzeugt, sodass sich dabei möglicherweise ein Deckeneffekt zeigt. Durch die daraus resultierende Varianzeinschränkung der Skala kann nicht ausgeschlossen werden, dass die Korrelation mit der objektiv gemessenen Kompetenz unterschätzt wird.
Zuletzt beziehen sich alle Analysen, die wir gerechnet haben, auf Querschnittsdaten und sollten deshalb nur sehr zurückhaltend kausal interpretiert werden. Zu berücksichtigen ist jedoch, dass sich die meisten der erhobenen Prädiktoren auf vergangenes Verhalten beziehen. Eine Validierung der Ergebnisse an Längsschnittdaten, bei der tatsächlich die Erwerbsprozesse abgebildet werden können und auch die Wechselwirkung zwischen der Entwicklung der computerbezogenen Kompetenzen und der zugehörigen Selbstwirksamkeitserwartung bzw. Selbsteinschätzung betrachtet werden kann, steht noch aus. Dies ist anhand der längsschnittlich angelegten Datenerhebungen im Rahmen des Nationalen Bildungspanels vorgesehen.
Literatur
(2013). Attitudes and parenting dimensions in parents’ regulation of Internet use by primary and secondary school children. Computers & Education, 67, 69 – 78.
(2007). Computer usage and the validity of self-assessed computer competence among first-year business students. Computers and Education, 49, 976 – 990.
(1977). Social Learning Theory. New York: General Learning.
(1997). Self-efficacy: The exercise of control. New York: Freeman.
(2006).
Guide for constructing self-efficacy scales . In F. PajaresT. C. UrdanEds., Self-efficacy beliefs of adolescents (pp. 307 – 337). Greenwich, CT: Information Age.(2007). Globalisierung und die Veränderung sozialer Ungleichheiten in modernen Gesellschaften. Kölner Zeitschrift für Soziologie und Sozialpsychologie, 59, 667 – 691.
(2008). Bildungsprozesse im Lebenslauf – Grundzüge der zukünftigen Bildungspanelstudie für die Bundesrepublik Deutschland. Recht der Jugend und des Bildungswesens. Zeitschrift für Schule, Berufsbildung und Jugenderziehung, 57, 321 – 328.
(2011). Three Cs in measurement models: Causal indicators, composite indicators, and covariates. Psychological Methods, 16, 265 – 284.
(2002). The internet and knowledge gaps. European Journal of Communication, 17, 65 – 84.
(2003). Academic self-concept and self-efficacy: How different are they really? Educational Psychology Review, 15, 1 – 40.
(1991). Language and symbolic power. Cambridge, MA: Harvard University.
(2002). An assessment of basic computer proficiency among active internet users: Test construction, calibration, antecedents and consequences. Journal of Educational and Behavioral Statistics, 27, 237 – 253.
(2007). Perceived versus actual computer-email-web fluency. Computers in Human Behavior, 23, 2321 – 2344.
(2012). Are young generations in secondary school digitally competent? A study on Italian teenagers. Computers & Education, 58, 797 – 807.
(2007). A cross-national comparison study on the accuracy of self-efficacy beliefs of middle-school mathematics students. The Journal of Experimental Education, 75, 221 – 244.
(1995). Computer self-efficacy: Development of a measure and initial test. MIS quarterly, 19, 189 – 211.
(1962). Multiple indicators in survey research. American Journal of Sociology, 68, 195 – 204.
(2013). Information and strategic internet skills of secondary students: A performance test. Computers & Education, 63, 218 – 226.
(2014). The digital divide shifts to differences in usage. New Media in Society, 16, 507 – 526.
(2003). The skills for life survey and impact survey of literacy, numeracy and ICT skills. Norwich, UK: DfES.
(2008). Advancing formative measurement models. Journal of Business Research, 61, 1203 – 1218.
(2015). Total digital? – Wie Jugendliche Kompetenzen im Umgang mit neuen Technologien erwerben. Münster: Waxmann.
(2014).
Schulische Nutzung von neuen Technologien in Deutschland im internationalen Vergleich . In W. BosB. EickelmannJ. GerickF. GoldhammerH. SchaumburgK. Schwippert,ICILS 2013. Computer- und informationsbezogene Kompetenzen von Schülerinnen und Schülern in der 8. Jahrgangsstufe im internationalen Vergleich (S. 197 – 230). Münster: Waxmann.(2002). Digital transformation. A framework for ICT literacy. Princeton, NJ: ETS.
(2013). JIM-Studie 2013. Jugend, Information, (Multi–)Media. Stuttgart: Medienpädagogischer Forschungsverbund Südwest.
(2009). Academic self-efficacy and academic self-concept: Reconsidering structural relationships. Learning and Individual Differences, 19, 499 – 505.
(2014). Preparing for Life in a Digital Age. Cham, Heidelberg, New York, Dordrecht, London: Springer.
(2013). International computer and information literacy study assessment framework. Amsterdam, the Netherlands: International Association for the Evaluation of Educational Achievement (IEA).
(2012). Young people, new technologies and learning at home: taking context seriously. Oxford Review of Education, 38, 45 – 62.
(2014).
Lehr- und Lernbedingungen des Erwerbs computer- und informationsbezogener Kompetenzen in den ICILS-2013-Teilnehmerländern . In W. BosB. EickelmannJ. GerickF. GoldhammerH. SchaumburgK. Schwippert,ICILS 2013. Computer- und informationsbezogene Kompetenzen von Schülerinnen und Schülern in der 8. Jahrgangsstufe im internationalen Vergleich (S. 147 – 196). Münster: Waxmann.(2013). Assessing individual differences in basic computer skills: Psychometric characteristics of an interactive performance measure. European Journal of Psychological Assessment, 29, 263.
(2002). Differences in time use between Internet users and non-users in The Netherlands. IT & Society, 1, 67 – 85.
(2000). Students’ skills and practices of using ICT: Results of a national assessment in Finland. Computers & Education, 34, 103 – 117.
(2011). Sind Jungen die neuen Bildungsverlierer? Empirische Evidenz für Geschlechterdisparitäten zuungunsten von Jungen und Erklärungsansätze. Zeitschrift für Pädagogische Psychologie, 25, 89 – 103.
(2015). Returns to skills around the world: Evidence from PIAAC. European Economic Review, 73, 103 – 130.
(2006). Differences in actual and perceived online skills: the role of gender. Social Science Quarterly, 87, 432 – 448.
(2013). Digital competence at the beginning of upper secondary school: Identifying factors explaining digital inclusion. Computers & Education, 63, 240 – 247.
(2015). Digital diversity among upper secondary students: A multilevel analysis of the relationship between cultural capital, self-efficacy, strategic use of information and digital competence. Computers & Education, 81, 345 – 353.
(2014). Predictors of digital competence in 7th grade: A multilevel analysis. Journal of Computer Assisted Learning, 31, 220 – 231.
(2005). Computer literacy: What students know and from whom they learned it. SIGCSE Bull, 37, 356 – 360.
(2013). Are gender differences in perceived and demonstrated technology literacy significant? It depends on the model. Educational Technology Research and Development, 61, 639 – 663.
(2011). Addressing digital inequality for the socioeconomically disadvantaged through government initiatives: Forms of capital that affect ICT utilization. Information Systems Research, 22, 233 – 253.
(2011). Does gender have a role in ICT among Finnish teachers and students? Scandinavian Journal of Educational Research, 55, 325 – 340.
(1997). Information technology and gender equality: A contradiction in terminis? Computers & Education, 28, 65 – 78.
(2003). A critical review of construct indicators and measurement model misspecification in marketing and consumer research. Journal of Consumer Research, 30, 199 – 218.
(2016). Bildung in der Digitalen Welt. Strategie der Kultusministerkonferenz. Verfügbar unter https://www.kmk.org/fileadmin/Dateien/pdf/PresseUndAktuelles/2016/Bildung_digitale_Welt_Webversion.pdf
(2010). Enhancing students’ self-regulation and mathematics performance: the influence of feedback and self-evaluative standards. Metacognition and Learning, 5, 173 – 194.
(1994). Informationstechnische Bildung in allgemeinbildenden Schulen–Stand und Perspektiven. Jahrbuch der Schulentwicklung, 8, 309 – 353.
(2008). Information problem solving instruction: Some cognitive and metacognitive issues. Computers in Human Behavior, 24, 753 – 765.
(2004). Toward a theory of new literacies emerging from the internet and other information and communication technologies. In N. J. Unrau & R. B. Russell (Eds.), Theoretical models and processes of reading (S. 1570 – 1613). Newark, NJ: International Reading Association.
(2007). Gradiations in digital inclusion: Children, young people and the digital divide. New Media & Society, 9, 671 – 696.
(2014).
Computer- und informationsbezogene Kompetenzen von Mädchen und Jungen im internationalen Vergleich . In W. BosB. EickelmannJ. GerickF. GoldhammerH. SchaumburgK. Schwippert,ICILS 2013. Computer- und informationsbezogene Kompetenzen von Schülerinnen und Schülern in der 8. Jahrgangsstufe im internationalen Vergleich (S. 231 – 264). Münster: Waxmann.(2014).
Computernutzung von Grundschulkindern – (k)eine Geschlechterfrage? In B. EickelmannR. LorenzM. VennemannJ. GerickW. Bos (2014),Grundschule in der digitalen Gesellschaft: Befunde aus den Schulleistungsstudien IGLU und TIMSS 2011 (S. 111 – 121). Münster: Waxmann.(2007). Geschlechtersensible Medienkompetenzförderung: Mediennutzung und Medienkompetenz von Mädchen und Jungen sowie medienpädagogische Handlungsmöglichkeiten. Berlin: Vistas.
(1998). The multilevel and multifaceted character of computer self-efficacy: Toward clarification of the construct and an integrative framework for research. Information Systems Research, 9, 126 – 163.
(2003). College student Web use, perceptions of information credibility, and verification behavior. Computers & Education, 41, 271 – 290.
(2013). Digital literacy and informal learning environments: an introduction. Learning, Media and Technology, 38, 355 – 367.
(2009). Self-efficacy, overconfidence, and the negative effect on subsequent performance: A field study. Information Management, 46, 69 – 76.
(1991). Relation of self-efficacy beliefs to academic outcomes: A meta-analytic investigation. Journal of Counseling Psychology, 38, 30 – 38.
(2005). Learning a living. First results of the adult literacy and life skills survey. Paris: OECD.
(2011). PISA 2009 Results: Students on Line: Digital Technologies and Performance (Volume VI). Paris: OECD.
(2015). Students, computers and learning: Making the connection. Paris: OECD.
(1996). Self-efficacy beliefs in academic settings. Review of Educational Research, 66, 543 – 578.
(2002). Gender and perceived self-efficacy in self-regulated learning. Theory Into Practice, 41, 116 – 125.
(2008). Are computer science and information technology still masculine fields? High school students’ perceptions and career choices. Computers & Education, 51, 594 – 608.
(2005). Computer literacy across the lifespan: a review with implications for educators. Computers in Human Behavior, 21, 861 – 872.
(2009). Introduction to “Learning with ICT: new perspectives on help seeking and information searching”. Computers & Education, 53, 1011 – 1013.
(2006).
Self-efficacy development in adolescences . In F. PajaresT. C. UrdanEds.: Self-Efficacy Beliefs of Adolescents (pp. 71 – 95). Greenwich, CT: Information Age.(2014). Kurzskala zur Messung computer-und internetbezogener Motivationen bei jungen Erwachsenen. Psychologie in Erziehung und Unterricht, 61, 216 – 230.
(2013). Entwicklung und erste Validierung eines Tests zur Erfassung technologischer und informationsbezogener Literacy (TILT) für Jugendliche am Ende der Sekundarstufe I. Zeitschrift für Erziehungswissenschaft, 16, 671 – 691.
(2007).
Die Computervertrautheit von Jugendlichen und Wirkungen der Computernutzung auf den fachlichen Kompetenzerwerb . In PISA-Konsortium DeutschlandHrsg.: PISA ’06. Die Ergebnisse der dritten internationalen Vergleichsstudie. Münster: Waxmann.(2011). The Relationship between Computer Anxiety and Computer Self-Efficacy. Contemporary Educational Technology, 2, 177 – 187.
(2009). The digital native-myth and reality. Aslib Proceedings: New Information Perspectives, 61, 364 – 379.
(2010). Boys’ and girls’ ICT beliefs: Do teachers matter? Computers & Education, 55, 16 – 23.
(2008). Gender issues in technology use: Perceived social support, computer self-efficacy and value beliefs, and computer use beyond school. Computers and Education, 51, 1392 – 1404.
(2008). Information-problem solving: A review of problems students encounter and instructional solutions. Computers in Human Behavior, 24, 623 – 648.
(2014).
Soziale Herkunft und computer- und informationsbezogene Kompetenzen von Schülerinnen und Schülern im internationalen Vergleich . In W. BosB. EickelmannJ. GerickF. GoldhammerH. SchaumburgK. Schwippert,ICILS 2013. Computer- und informationsbezogene Kompetenzen von Schülerinnen und Schülern in der 8. Jahrgangsstufe im internationalen Vergleich (S. 265 – 296). Münster: Waxmann.(2011). From access to usage: The divide of self-reported digital skills among adolescents. Computers & Education, 56, 736 – 746.
(2009). Digital distinction: Status-specific types of internet usage. Social Science Quarterly, 90, 274 – 291.
