Unterstützungsangebote in der Studieneingangsphase der Mathematik. Eine Nutzerstudie des "Learning Centers"

Inhaltsverzeichnis

1. Einleitung

2. Problematik der Studieneingangsphase
2.1. Theorien der Person-Umwelt-Passung
2.2. Angebot-Nutzen-Modell
2.3. Vergleich beider Ansätze
2.4. Allgemeine Besonderheiten beim Übergang Schule/Hochschule
2.5. Studieneingangsphase der Mathematik

3. Unterstützungsangebote in der Studieneingangsphase
3.1. Überblick der Angebote und Forschungsergebnisse
3.2. Das Learning Center der WWU

4. Erfolgsfaktoren für das Mathematikstudium
4.1. Motivationale und kognitive Lernvoraussetzungen
4.1.1. Motivation und Interesse
4.1.2. Allgemeine schulische und mathematische Kompetenz
4.1.3. Mathematisches Selbstkonzept und Selbstwirksamkeitserwartung
4.2. Nutzung des Lehrangebots
4.2.1. Quantitative Angebotsnutzung
4.2.2. Qualitative Angebotsnutzung

5. Forschungsvorhaben
5.1. Fragestellungen und Hypothesen
5.2. Forschungszugang
5.3. Stichprobe
5.4. Fragebogenerstellung
5.5. Gütekriterien der Untersuchung
5.6. Verfahren zur Datenanalyse

6. Auswertung
6.1. Darstellung der Ergebnisse
6.1.1. Allgemeine Ergebnisse der Stichprobe
6.1.2. Auswahl der aussagekräftigsten Merkmale
6.1.3. Bekanntheit und Nutzung des Learning Centers
6.1.4. Analyse der Nutzer des Learning Centers
6.1.5. Clusteranalyse
6.2. Ergebnisinterpretation und -diskussion
6.2.1. Allgemeine Ergebnisse der Stichprobe
6.2.2. Auswahl der aussagekräftigsten Merkmale
6.2.3. Bekanntheit und Nutzung des Learning Centers
6.2.4. Analyse der Nutzer des Learning Centers
6.2.5. Clusteranalyse
6.2.6. Methodenreflexion

7. Fazit und Ausblick

Abbildungsverzeichnis

Abkürzungsverzeichnis

Literaturverzeichnis

1. Einleitung

In Deutschland gibt es eine hohe Nachfrage nach Absolventen der sogenannten MINT-Studiengänge (Mathematik, Informatik, Naturwissenschaften, Technik; Berger 2017) sowie einen großen Bedarf an Mathematiklehrern^[1] (Osel 2015). Besonders problematisch ist daher, dass in kaum einem anderen Studienfach so viele ihr Studium abbrechen wie in der Mathematik (Heublein et al. 2012; Dieter 2012). Verschiedene Erhebungen zeigen, dass bereits im ersten Studienjahr bis zur Hälfte der Studierenden vorzeitig ihr Studium beenden (Vollstedt et al. 2014; Heublein et al. 2009; Colberg et al. 2016). Am häufigsten geben die Studierenden leistungsbezogene Gründe für die Abbrüche an (Vollstedt et al. 2014; Heublein et al. 2009; Rach 2014). Diese werden wiederum im Wesentlichen auf die Herausforderungen des Übergangs von der Schule zur Hochschule zurückgeführt (Rach 2014; Biehler et al. 2011; Colberg et al. 2016).

Dieser Zusammenhang – die große Nachfrage einerseits und die Problematik der Studieneingangsphase andererseits – zeigt, dass es einen großen Handlungsbedarf gibt. Immer mehr Universitäten und Fachhochschulen bieten daher mittlerweile studienbegleitende Unterstützungsangebote insbesondere für die Studieneingangsphase der Mathematik an (ebd.). Sie haben als Ziel diesen Schwierigkeiten und den hohen Abbruchszahlen entgegenzuwirken. Dementsprechend richten sich die Maßnahmen im Wesentlichen an Studierende, die studienabbruchsgefährdet sind, obwohl sie eigentlich das Potential für ein erfolgreiches Mathematikstudium mitbringen. Eines dieser Unterstützungsangebote ist das Learning Center am Institut für Didaktik der Mathematik und der Informatik (i. F. IDMI) der Westfälischen Wilhelms-Universität Münster (i. F. WWU). Es stellt eine Anlaufstelle für Fragen der Studierenden dar und bietet vor allem für das erste Studienjahr zahlreiche Maßnahmen zur Unterstützung an. In der vorliegenden Arbeit wird das Learning Center genauer untersucht.

Der Fokus liegt hierbei auf der Nutzung des Angebotes durch die Studierenden. Lawson et al. (2003) zeigen, dass viele vergleichbare Maßnahmen ihre Zielgruppe nur eingeschränkt erreichen und viele Studierende mit großem Unterstützungsbedarf die Angebote kaum nutzen. Dies ist aber essentiell, damit die Wirksamkeit gewährleistet werden kann. Deswegen ist die zentrale Fragestellung dieser Arbeit, inwiefern das Learning Center seine Zielgruppe erreicht. Dabei ist sowohl interessant, wie viele Studierende der Zielgruppe das Learning Center nutzen, als auch wie viele der Nutzer Teil der Zielgruppe sind. Das Forschungsinteresse wird in mehrere Aspekte unterteilt. So wird zunächst die Bekanntheit und Nutzungsintensität des Learning Centers und seiner einzelnen Bestandteile untersucht. Daraufhin wird die Frage beantwortet, inwieweit sich Nutzer des Learning Centers von den Nichtnutzern unterscheiden. Weitergehend wird ebenfalls gefragt, welche Merkmale der Studierenden mit dem Nutzungsverhalten des Learning Centers korrelieren. Um noch differenziertere Ergebnisse zu erhalten, wird zudem eine sogenannte Clusteranalyse durchgeführt. Dabei wird die Frage beantwortet, inwiefern sich die Gruppe der Studierenden nach dem Ausmaß der Nutzung des Learning Centers und der Studienerfolgswahrscheinlichkeit sinnvoll aufteilen lässt. Auf Grundlage der vorgestellten Aspekte wird dann die zentrale Frage nach der Erreichung der Zielgruppe beantwortet. Abschließend wird diskutiert, welche Rückschlüsse für eine mögliche Verbesserung des Learning Centers aus der Analyse gezogen werden können. Hierzu werden auch die Gründe für eine Nichtnutzung des Learning Centers erhoben.

Den Ausgangspunkt der Analyse stellt eine schriftliche Befragung dar, die unter Studierenden der Veranstaltung Analysis 2 durchgeführt wird, welche normalerweise im zweiten Semester des Mathematikstudiums an der WWU belegt wird.

Um eine theoretische Grundlage für die Analyse zu schaffen, werden in der Arbeit zunächst die Problematik der Studieneingangsphase und ihre Gründe thematisiert. Daraufhin werden systematisch verschiedene Unterstützungsangebote und insbesondere das Learning Center vorgestellt. Um die Zielgruppe des Learning Centers genauer bestimmen zu können, ist es notwendig herauszufinden, welche Merkmale von Studierenden mit einem Studienerfolg korrelieren. Daher widmet sich das dritte Kapitel den Studienerfolgskriterien für das Mathematikstudium. Diese erarbeiteten Merkmale werden in der Erhebung zusammen mit dem Nutzungsverhalten des Learning Centers abgefragt. Das Forschungsvorhaben wird anschließend ausführlich erläutert. Hierbei werden auch die Forschungsfragen mit entsprechenden Vorüberlegungen aufgeführt, die Einhaltung bestimmter Gütekriterien der Untersuchung überprüft sowie die Methodik der Auswertung dargestellt. Die Ergebnisse der Erhebung werden im anschließenden Kapitel präsentiert und bezogen auf die Fragestellungen interpretiert. Schließlich folgen im Fazit eine abschließende Beantwortung der Forschungsfragen, eine kritische Einordnung der Arbeit und ein Ausblick auf mögliche hierauf aufbauende Forschungsvorhaben.

2. Problematik der Studieneingangsphase

Die hohen Studienabbruchquoten in mathematischen Studiengängen zeigen, dass Unterstützungsangebote wie das Learning Center notwendig sind. Das folgende Kapitel geht der Frage nach, wieso es diese vielen Abbrüche gibt. Zu Beginn werden zwei grundlegende theoretische Ansätze dargestellt: Die Theorien der Person-Umwelt-Passung und das Angebot-Nutzen-Modell. Daraufhin werden allgemeine Herausforderungen beim Übergang zwischen Schule und Hochschule und spezielle Besonderheiten der mathematischen Studiengänge erarbeitet.

2.1. Theorien der Person-Umwelt-Passung

Die Theorien der Person-Umwelt-Passung sind ursprünglich in der Arbeits- und Organisationspsychologie zu verorten, wo sie spezifische Probleme wie zum Beispiel Stress zu erklären versuchen (Lühring, Seibel 1981). Grundsätzlich sucht dieser Ansatz die Erklärung für solche Probleme in der Nicht-Passung zwischen Merkmalen der Umwelt und der Person. Stress kann demnach entstehen, wenn die Arbeitsanforderungen - als Merkmal der Arbeitsumwelt - die Fähigkeiten der Person übersteigen. Im Sinne dieses Ansatzes wird eine Verbesserung des Arbeitserfolges durch eine höhere Passung erzielt.

Diese Herangehensweise wurde unter anderem auf die Erziehungswissenschaften und auf Wechsel der Bildungseinrichtungen übertragen (Blömeke 2009; Rach 2014). Bezogen auf den Übergang zwischen der Schule und Hochschule ergibt sich die folgende These: Für erfolgreiche Lernprozesse im Hochschulstudium der Mathematik insbesondere in der Studieneingangsphase müssen gewisse Merkmale der Lernumwelt – vor allem der Lerngegenstand und die Studienorganisation – mit gewissen Merkmalen der Studierenden – vor allem kognitiven und motivationalen Merkmalen – zusammenpassen. Mit der Studieneingangsphase ist in dieser Arbeit das erste Studienjahr gemeint, indem die Problematik am größten ist (Nagel et al. 2016). Kognitive Personenmerkmale bezeichnen intellektuelle Fähigkeiten wie zum Beispiel Intelligenz; mit motivationalen Merkmalen sind Eigenschaften wie Interesse gemeint. Ob der Lernprozess erfolgreich ist, wird für die vorliegende Arbeit so definiert, dass es keinen Studienwechsel oder -abbruch gibt. Nicht unterschieden wird dadurch, ob es beispielsweise zu einem kompletten Abbruch des Studiums oder nur zu einem Fachrichtungswechsel kommt. Auch wenn dies bestenfalls unterschiedlich zu bewerten wäre, stößt eine solche Unterscheidung an methodische Grenzen (Heublein et al. 2009).

Für den Übergang von der Schule zur Hochschule werden aufbauend auf Rach (2014) folgende zwei Thesen^[2] angenommen: 1. Die Studierenden verlassen mit ihrer bisherigen Schule Umwelten, die mit ihren Merkmalen zumindest überwiegend harmonisiert haben, sodass sie diese erfolgreich abschließen konnten. Es ist naheliegend, dass Studienanfänger der Mathematik die Schulmathematik zu einem großen Anteil im guten bis sehr guten Bereich abgeschlossen haben und zumindest ein überdurchschnittliches Interesse an Mathematik aufbringen (ebd.) Die Nicht-Passungen resultieren demnach nicht daraus, dass die Studierenden generell Schwierigkeiten mit Mathematik haben. 2. Der Lernerfolg an der Folgeinstitution wird durch das Ausmaß der Passung der Merkmale zwischen Person und Umwelt bestimmt. Dabei gilt, dass eine Diskrepanz zwischen den Merkmalen in beide Richtungen bestehen kann. So kann sowohl Unter- als auch Überforderung zu erfolglosen Übergängen zwischen Bildungseinrichtungen führen. Bei Überforderung ist dieser Zusammenhang naheliegend – das Problem der Unterforderung hingegen liegt darin, dass dadurch das Interesse gesenkt oder der individuelle Anspruch von Selbstwirksamkeitserfahrungen nur eingeschränkt erfüllt werden kann (ebd.).

2.2. Angebot-Nutzen-Modell

Einen weiteren Ansatz, der Lehr-Lern-Prozesse analysiert, stellt das Angebot-Nutzen-Modell dar. Dieser Ansatz ist hauptsächlich in der Unterrichtsforschung verankert. Der Erfolg von Lehr-Lern-Prozessen wird demnach durch die Güte des Angebots auf der einen und die Güte der Nutzung auf der anderen Seite bestimmt. Das (Lern-)Angebot bezeichnet Merkmale auf den verschiedenen Ebenen des Bildungssystems, also auf der Ebene der Schule, des Lehrers und der Lehre (Reusser, Pauli 2010). Auf der anderen Seite hängt die Nutzung des Angebots von gesellschaftlichen Vorstellungen auf der System-Ebene, von Familien und Peers, von individuellen Fähigkeiten und auch konkret im Unterricht von der Quantität und Qualität der Angebotsnutzung ab. Quantität bedeutet hierbei beispielsweise die Häufigkeit der Teilnahme am Unterricht, mit Qualität sind bei der Angebotsnutzung Lernstrategien o. ä. gemeint. Da beispielsweise Anstrengungsbereitschaft als Eigenschaft sowohl qualitative als auch quantitative Auswirkungen auf die Angebotsnutzung hat, ist diese Unterscheidung jedoch nicht trennscharf.

Das Angebot-Nutzen-Modell lässt sich ebenfalls gut auf Lehr-Lern-Prozesse an der Hochschule übertragen (Helmke, Schrader 2010). Auf der Angebotsseite sind in der Studieneingangsphase der Mathematik hauptsächlich die universitären Lehrveranstaltungen relevant, aber auch studienbegleitende Unterstützungsmaßnahmen, die eine Sonderrolle innehaben. Sie gehören zwar zum universitären Angebot dazu (zum Beispiel aus institutioneller Sicht), sind aber grundsätzlich freiwillig und unterstützen sowohl indirekt die Lehrveranstaltungen, also das Angebot, als auch speziell die Studierenden, also die Nutzung (siehe Kapitel 4). Die quantitative Nutzung im Kontext des Mathematikstudiums meint im Wesentlichen die Teilnahme an Vorlesungen, Übungen sowie den Unterstützungsangeboten. Zur qualitativen Nutzung gehören in dieser Arbeit vor allem mathematische Lernstrategien.

2.3. Vergleich beider Ansätze

Sowohl die Theorien der Person-Umwelt-Passung als auch das Angebot-Nutzen-Modell sind geeignet, Erklärungen für Erfolge von Lehr-Lern-Prozessen in der Studieneingangsphase der Mathematik zu geben. Deshalb sollen sie in dieser Arbeit kombiniert angewandt werden. So wird neben der Person-Umwelt-Passung die Wichtigkeit der Angebotsnutzung berücksichtigt. Eine Person, die durch kognitive und motivationale Merkmale charakterisiert wird, und ihre Umwelt, können eine gute Passung aufweisen, aber dennoch nur einen geringen Lernerfolg erzielen aufgrund von fehlender Angebotsnutzung. Dieser Unterschied wird aufgelöst, indem die Angebotsnutzung als zusätzliche Ebene in die persönlichen Merkmale integriert wird. Auf diese Weise lässt sich auch das Angebot als Teil der Umwelt verstehen. Passen beide zusammen, wird der Studienerfolg positiv beeinflusst. Die folgende Abbildung veranschaulicht, wie die Theorien zusammengeführt werden können.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Person-Umwelt-Passung und Angebot-Nutzen-Modell (eigene Darstellung)

Abbildung 1 zeigt ein adaptiertes Modell, das auf den Überlegungen auf schulischer Ebene von Reusser und Pauli (2010) und auf Hochschul-Ebene von Rach (2014) aufbaut.
Verändert wurde dabei unter anderem, dass die studienbegleitenden Unterstützungsmaßnahmen in das Schaubild eingeordnet wurden. Außerdem sind, wie bereits angedeutet, die Qualität des Lehrangebots und die Qualität und Quantität^[3] der Angebotsnutzung als Merkmale von Person und Umwelt aufgeführt, welche gleichzeitig weiter ausdifferenziert wurden. Im weiteren theoretischen Teil werden diese Aspekte konkretisiert.

2.4. Allgemeine Besonderheiten beim Übergang Schule/Hochschule

Der Übergang von der Schule zur Hochschule ist für Studienanfänger eine große Herausforderung, da auf vielen Ebenen grundlegende Veränderungen stattfinden (Blömeke 2013). Problematisch ist, dass viele diese Herausforderung nicht erfolgreich bestehen. Die durchschnittliche Abbruchquote an Universitäten in Bachelorstudiengängen lag 2010 bei 35 Prozent (Autorengruppe Bildungsberichterstattung 2012) und damit in der unteren Hälfte der OECD-Staaten (Heublein et al. 2012). Für diese Arbeit besonders relevant ist, dass der Großteil der Abbrüche in die Studieneingangsphase fällt. So ermittelten Heublein et al. (2009), dass der Studienabbruch bereits nach durchschnittlich 2,3 Fachsemestern im Bachelorstudium erfolgt. Auf diese Problematik und ihre Gründe wird im Folgenden genauer eingegangen – zunächst aus allgemeiner Perspektive und im nächsten Kapitel speziell bezogen auf das Mathematikstudium.

Die Nicht-Passungen in der Studieneingangsphase können einerseits zwischen den individuellen Wünschen und Erwartungen der Studierenden und den vorhandenen Möglichkeiten der Hochschule liegen, und andererseits zwischen den Anforderungen der Hochschule und den Fähigkeiten der Studierenden (Rach 2014). Letzteres ist besonders relevant für die Studieneingangsphase, da rund ein Drittel der Studienabbrecher Leistungsschwierigkeiten als Grund angeben– bei steigender Tendenz (Heublein et al. 2009).

Solche fachübergreifenden „non-fits“, die gleichzeitig Gründe für die hohen Abbruchquoten darstellen, sind hauptsächlich unterschiedliche Curricula bzw. Denkweisen in den Fächern (Allgemeinbildung vs. Wissenschaft) und Lehrstile (Unterricht vs. Vorlesung) an Schule und Hochschule (Rach 2014; Blömeke 2013). Zudem steigt, wie beispielsweise beim Übergang von der Grundschule auf das Gymnasium, die kognitive Leistungsfähigkeit der Peers zu Studienbeginn verglichen mit der Schulzeit stark an. Die mit dieser Steigerung des allgemeinen Leistungsniveaus verbundenen höheren Anforderungen, erfordern bei einigen Studierenden eine hohe Anpassung (Rach 2014). Darüber hinaus ist auch die Organisation der Ausbildungsgänge verbunden mit den Erwartungen an die Lernstrategien sehr unterschiedlich und Selbstorganisation sowie Selbstständigkeit gewinnen nicht nur in diesen Bereichen an Bedeutung (Blömeke 2013).

2.5. Studieneingangsphase der Mathematik

Vorab lässt sich vereinfacht sagen, dass viele der zuvor beschriebenen Probleme und Gründe in der Mathematik deutlich verstärkt zutreffen.

So sind die ohnehin schon hohen Abbruchquoten in Mathematik nochmal höher. Im Vergleich zu den vorher genannten durchschnittlichen 35 Prozent machen 55 Prozent der Mathematikstudierenden im Bachelor gar keinen Abschluss. In keinem anderem Fach ist der Wert so hoch, wobei Lehramtsstudierende nicht eingerechnet sind (Heublein et al. 2012). Eine andere Arbeit kommt zu noch höheren Werten. Demnach schlossen nur knapp 20 Prozent der Studierenden im Diplomstudiengang Mathematik ihr Studium erfolgreich ab und erste Daten für Bachelor- und Masterstudiengänge lassen keinen abnehmenden Trend vermuten (Dieter 2012). Darüber hinaus ist in der Mathematik auch der Anteil von Studierenden am höchsten, die im ersten Studienjahr abbrechen bzw. das Fach wechseln (ebd.). Bis zu 50 Prozent beträgt die Abbruchquote in der Studieneingangsphase (Vollstedt et al. 2014; Heublein et al. 2009; Colberg et al. 2016). Ebenso sind die subjektiv angegebenen Motive für den Studienabbruch bei mathematikhaltigen Studiengängen stärker leistungsbezogen als in anderen Fächern (Vollstedt 2014; Heublein et al. 2009; Rach 2014).

Für diese Schwierigkeiten gibt es im Wesentlichen zwei Gründe. Zum einen weichen die Eigenschaften des Lerngegenstands Hochschulmathematik stark von der Schulmathematik ab – auch deutlich stärker als bei anderen Fächern (Rach 2014; Vollstedt et al. 2014; Fischer et al. 2009). Gut ersichtlich wird das anhand der Bedeutung des Beweisens. In der Schule spielen mathematische Beweise kaum eine Rolle, da die Schulmathematik allgemeinbildend ausgerichtet ist und ein anwendungsorientierter Zugang zur Mathematik vermittelt wird. So wird die Mathematik eher als Werkzeug angesehen, bei dem u. a. Formeln hauptsächlich funktionieren müssen. Demgegenüber wird in der Hochschulmathematik die Mathematik selbst als Objekt des Studierens angesehen, sodass beispielsweise das Beweisen sehr entscheidend ist. Außerdem werden an der Hochschule im Gegensatz zur Schule formale Definitionen abstrakter mathematischer Begriffe vermittelt und die Mathematik über deduktive Beweise logisch auf wenigen Axiomen aufgebaut (Vollstedt et al. 2014; Rach 2014; Liebendörfer, Schukajlow 2016).

Zum anderen unterscheiden sich die Eigenschaften der neuen Lernumgebung erheblich von der Schule (Rach 2014). Das wird in einem Vergleich des Mathematik-Lernens in Schule und Hochschule anschaulich. Das Mathematikstudium an einer deutschen Universität beinhaltet in den ersten beiden Semestern i. d. R. drei Bestandteile: Die Grundlagenvorlesung, ein in Gruppen zu bearbeitender Übungszettel mit relativ anspruchsvollen und zeitintensiven Beweisaufgaben und eine Übungsgruppe, in der die Übungszettel besprochen und weitergehende Fragen geklärt werden. In der Schule stehen demgegenüber durch die Lehrkraft angeleitete Unterrichtseinheiten und wiederholende Rechenaufgaben ohne Niveausteigerung als Hausaufgabe. Außerdem werden Wissen bzw. Kompetenzen didaktisch aufgearbeitet vermittelt und dem Schüler wird durch die verantwortliche Rolle der Lehrkraft Einiges abgenommen. An der Universität muss die formale, inhaltlich logische Präsentation selbstständig erschlossen und für Beweisaufgaben angewandt werden. Neue Lernstrategien sind daher gefordert, wie beispielsweise das Selbsterklären bestehender Beweise oder das Entwickeln eigener, neuer Strategien für das Verständnis des deutlich abstrakteren Stoffes. Es verändern sich auch die relevanten mathematischen Kompetenzen^[4], sodass zum Beispiel das Problemlösen oder Argumentieren (welches auch das Beweisen umfasst) deutlich wichtiger in der Hochschule werden (KMK 2012).

Diese beiden grundlegenden Veränderungen – die Wandlung des Lerngegenstandes und die Wandlung der Art des Lehrens und Lernens – können die hohen Abbruchquoten erklären (Vollstedt et al. 2014).

Um gegen dieses Problem vorzugehen, bedarf es gemäß der zweiten These aus Kapitel 2.1, dass sich Umwelt und Person annähern. Auch wenn dies ebenso durch eine Veränderung der Umwelt (beispielsweise durch verbesserte Studienordnungen) erreicht werden könnte, konzentriert sich die vorliegende Arbeit auf die Seite der Person. Dies bedeutet, dass die Studierenden gefordert sind sich umzustellen und unter anderem ihre Lernstrategien anzupassen. Genau hier setzen immer mehr Unterstützungsangebote in der Studieneingangsphase der Mathematik an.

3. Unterstützungsangebote in der Studieneingangsphase

Deutsche Universitäten und Fachhochschulen bieten zunehmend unterstützende Maßnahmen für die Studieneingangsphase an (Biehler et al. 2011, Colberg et al. 2016). Im ersten Unterkapitel soll ein Überblick über die verschiedenen Angebote gegeben werden. Dabei werden verschiedene Praxisbeispiele und entsprechende Forschungsergebnisse über ihre Wirkungsweisen vorgestellt. Im Anschluss wird das Learning Center der WWU ausführlich erläutert.

3.1. Überblick der Angebote und Forschungsergebnisse

Die Unterstützungsangebote in der Studieneingangsphase der Mathematik teilen ein allgemeines Ziel. Sie versuchen der im Kapitel zwei dargestellten Problematik des Übergangs von Schule zu Hochschule entgegenzuwirken und so unter anderem die hohen Studienabbruchquoten zu senken (Colberg et al. 2016a).

Ein wichtiger Akteur in diesem Zusammenhang ist das Kompetenzzentrum Hochschuldidaktik Mathematik (i. F. KHDM) an den Universitäten Kassel und Paderborn. Es hat zum Ziel, die universitäre Mathematikausbildung in allen relevanten Studiengängen zu verbessern und hat dabei einen zentralen Fokus auf dem „Kulturschock zwischen schulischer und universitärer Mathematik“ (Biehler et al. 2011: 111). Eines der wenigen Forschungsprojekte zu diesem Themenfeld ist das Projekt Wirkung und Gelingensbedingungen von Unterstützungsmaßnahmen für mathematikbezogenes Lernen in der Studieneingangsphase (Colberg et al. 2016a). Ein Ziel ist dabei auch, einen Überblick über die bestehenden Angebote in Deutschland zu geben und diese zu strukturieren. Eine Vergleichbarkeit ist zwar schwierig, da kaum einheitliche Ziele, Vorgehensweisen oder Standards vorliegen, jedoch können die Unterstützungsangebote nach Zielkategorien, Maßnahmen und Rahmenbedingungen aufgeteilt wer

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Systematik zur Unterscheidung von Unterstützungsmaßnahmen für mathematikbezogenes Lernen in der Studieneingangsphase (eigene Darstellung; Colberg et al. 2016b)

den, sodass folgende Systematik entsteht:

Jedes dieser Merkmale mit seinen Unterpunkten wird dabei weiter aufgeschlüsselt, sodass die unterschiedlichen Angebote eingeordnet werden können. Dadurch wird deutlich, auf welche Weise sich die Angebote unterscheiden können und wie vielfältig sie sind.

Eine systematische Evaluation der existierenden Unterstützungsangebote in Deutschland liegt bisher ebenfalls nicht vor. Bestehende Ansätze sind häufig keine Untersuchungen der übergeordneten langfristigen Auswirkungen des Angebotes, sondern beispielsweise Befragungen der unmittelbaren Zufriedenheit der Nutzer (Colberg et al. 2016a). Es gibt daher wenig Wissen über die Effektivität und Erfolgsfaktoren der Angebote.

Das KHDM teilt die Unterstützungsmaßnahmen in vier Bereiche ein: Vor- und Brückenkurse, die vor allem schulmathematische Defizite ausgleichen und auf den Studienstart vorbereiten sollen, sowie semesterbegleitende Maßnahmen und Lernzentren (Colberg et al. 2016a). Auch wenn es sich beim Learning Center schon dem Namen nach um ein Beispiel der Lernzentren handelt, ist es gleichzeitig ebenfalls eine semesterbegleitende Maßnahme. Im Folgenden werden daher aus diesen beiden Bereichen Beispiele vorgestellt, um das Learning Center einordnen zu können.

Die Vielfalt der Unterstützungsangebote zeigt sich besonders bei den semesterbegleitenden Maßnahmen. Ein Beispiel ist die Mathe-Hütte (De Wiljes, Hamann 2013), welche unter anderem zum Ziel hat während des ersten Studienjahres bei Lehramtskandidaten das Interesse an Mathematik zu stärken. Dafür wird im zweiten Semester eine freiwillige Exkursion mit Dozenten der Mathematik angeboten, während der sich Studierende in Gruppenarbeit tiefergehend mit mathematischen, extracurricularen Inhalten beschäftigen können. Bezogen auf Zufriedenheit, spätere Klausurergebnisse und mathematischem Interesse hat die Evaluation positive Ergebnisse erzielt. Die Autoren stellen jedoch auch heraus, dass derartige Angebote in ein umfassenderes System von Maßnahmen eingebettet sein müssen, um nachhaltige Erfolge zu erzielen (ebd.).

Ein weiteres Beispiel ist das Mathe-MAX-Projekt in den wirtschaftswissenschaftlichen Studiengängen der Hochschule Saarbrücken (Pulham 2013). Das wesentliche Ziel ist hier die Verbesserung des Studienerfolgs in mathematischen Kursen, da viele Studierende an den mathematischen Anforderungen scheitern. Ein Projekt im Rahmen des Mathe-MAX-Projektes sind die Mathe-Cafés. Dort sind studentische Tutoren und mindestens ein Hochschuldozent anwesend, um die Studierenden bei mathematischen Problemen auf flexible Weise zu unterstützen. Für Studierende, die die mathematischen Prüfungen nicht bestehen, werden zudem Repetitorien gehalten, um sie auf die Wiederholungsversuche vorzubereiten (ebd.).

Ähnliche Angebote wie die Mathe-Cafés wurden deutschen Hochschulen im Rahmen des Projektes Lehrinnovation in der Studieneingangsphase „Mathematik im Lehramtsstudium“ des KHDM empfohlen. (Biehler et al. 2011, Püschl et al. 2016) Sie bieten eine bedarfsgerechte Unterstützung der Studierenden und diese wertschätzen insbesondere das besondere Betreuungsverhältnis (Voll, Schäfer 2013).

Die Universität Paderborn bietet im Sinne der Empfehlung mehrere Lernzentren sowohl für Lehramtskandidaten als auch für fachwissenschaftliche Mathematikstudierende an (Frischemeier et al. 2013). In diesen studiengangspezifischen Lernzentren können sich Studierende zum individuellen oder gemeinsamen Lernen aufhalten und dabei stets Betreuung, Unterstützung und Beratung durch anwesendes Personal in Anspruch nehmen. Zusätzlich werden Workshops und Thementage angeboten (ebd.). So umfassen Workshops beispielsweise Themen wie die erfolgreiche Bearbeitung von Übungszetteln, wobei der Fokus hier nicht auf den konkreten Inhalten, sondern auf übergeordneten Lernstrategien liegt. Die Teilnahme wird dabei positiv beeinflusst, indem stets die aktuellen Übungszettel als inhaltliche Grundlage dienen (ebd.).

Ähnliche Workshops können auch einzelne mathematische Begriffe wiederholend und tiefergehend behandeln, die Studierenden schwerfallen, viele Fehlvorstellungen mit sich bringen und für den weiteren Studienverlauf sehr wichtig sind. Ein Beispiel hierfür ist ein Workshop zum Begriff der Konvergenz ergänzend zur Grundlagenvorlesung in Analysis (Ostsieker 2016).

Eine weitere erfolgreiche Unterstützungsmaßnahme ist die Mathe-Klinik der Fachhochschule Eberswalde (Schmitz, Grünberg 2013). In Rahmen dessen wurden ergänzende wöchentliche Hausaufgaben eingeführt, die in kleinen Tutorien begleitet werden. Besonders interessant ist, dass hier trotz Freiwilligkeit der Nutzung eine Rücklaufquote von 74 Prozent erreicht wurde. Grund dafür ist eine Anreizstruktur, bei der die Studierenden mit den freiwilligen Hausaufgaben zehn Prozent der Prüfungsleistung erbringen können. In einer Befragung nach den wichtigsten Maßnahmen für die Bewältigung der Prüfung stellte sich heraus, dass die Studierenden diese Maßnahme der begleiteten Hausaufgaben als sehr sinnvoll ansehen, wohingegen der ebenfalls angebotene Brückenkurs, zur Verfügung gestellte Fachliteratur und die Vorlesungsskripte am geringsten geschätzt wurden (ebd.).

Als letztes Beispiel wird das Projekt MathePlus (Dehling et al. 2014) für Mathematik- und Informatikstudiengänge an der Universität Bochum erläutert, das gleich mehrere Besonderheiten aufweist.

Neben einem angebotenen Help-desk, an dem studentische Hilfskräfte wie bei den Mathe-Cafés Ansprechpartner für fachliche Fragen sind, wird der Hauptfokus des Projekts auf Lernstrategien und weniger auf inhaltliche Merkmale gelegt. Mit Lernstrategie ist in diesem Projekt vor allem das grundsätzliche Arbeitsverhalten der Studierenden gemeint, d. h. Anstrengungsbereitschaft, Selbstorganisation und -disziplin. Um diese Aspekte erfolgreich beeinflussen zu können, existieren Teilnahmevoraussetzungen für das Projekt MathePlus. Neben einem Leistungstest, der die Zielgruppe ermittelt, wird auch ein Bewerbungsverfahren durchgeführt, welches die Studierenden auswählt, die das Bewusstsein und die Bereitschaft mitbringen ihr Arbeitsverhalten für ein erfolgreiches Studium zu verändern. Im Leistungstest werden außerdem Studierende mit sehr schlechten Ergebnissen ausgeschlossen, was im Vergleich zu anderen Angeboten unüblich ist. Hiermit wird sich auf die Studierenden konzentriert, bei denen eine erfolgreiche Veränderung als realistisch eingestuft wird.

Das Projekt zeichnet sich unter anderem aufgrund des Auswahlprozesses und eines freiwillig unterschriebenen Vertrages über die Anstrengungsbereitschaft durch eine sehr hohe Verbindlichkeit der Teilnehmer aus. Eine Evaluation zeigte eine sehr hohe Nutzerzufriedenheit und ein gutes Abschneiden in den Klausuren, das sogar über der Gesamtheit der Studierenden des Semesters lag (Dehling et al. 2014).

Anders als in Deutschland, wo keine größer angelegte vergleichende Forschung über die semesterbegleitenden Unterstützungsangebote oder Lernzentren vorliegt, haben Lawson et al. (2003) in Großbritannien eine Untersuchung sogenannter Mathematics Support Centers (i. F. MSC) vorgenommen, die damals schon sehr verbreitet waren (48 Prozent der Universitäten hatten vergleichbare Angebote; ebd.). Mithilfe einer Befragung wurden die Ziele herausgefunden, die zu den dargestellten Beispielen in Deutschland passen. Nahezu alle MSC gaben an, dass sie als Ziel haben den Übergang zur Hochschule zu erleichtern und dafür nicht-wertende Unterstützung in einem möglichst guten Betreuungsverhältnis anzubieten. Abgesehen von MathePlus, sind auch die Adressaten der Beispiele und der MSC sehr ähnlich – fast alle Maßnahmen stehen prinzipiell allen Studierenden offen, aber sind häufig für bestimmte Gruppen konzipiert, wie Lehramtskandidaten oder Studienanfänger der Mathematik (ebd. 10).

Darüber hinaus arbeiten die Autoren besondere Herausforderungen und Gelingensbedingungen für das Entwickeln und Betreiben der MSC heraus. Als zentrale Herausforderung und Erfolgsfaktor wird das studentische Engagement ermittelt. Aufgrund der Freiwilligkeit der Angebote ist dies naturgemäß eine essentielle Voraussetzung, die Autoren ordnen diesem Merkmal jedoch ein besonders hohes Gewicht zu. Über zwei Drittel der MSC geben Probleme in diesem Zusammenhang als Hindernis für den Erfolg an. Es wird sehr oft herausgestellt, dass die Maßnahmen für die Teilnehmer zwar erfolgreich sind, aber dass viele, die eigentlich teilnehmen sollten, nicht teilnehmen. Manche Beobachtungen bei MSC haben gezeigt, dass zwei Drittel der Nicht-Benutzer in der grundsätzlichen Zielgruppe das Angebot nicht kannten. Die Autoren fordern hieraus eine hohe Notwendigkeit für verstärkte Werbung. Ein Vorschlag ist, die MSC als allgemeine Lernzentren zu gestalten, in denen die Studierenden unabhängig von den MSC gerne lernen. So wäre der Schritt, die Hilfe anzunehmen und an anderen Angeboten teilzunehmen viel kleiner. Letzteres stellt sich sogar als effektivste Maßnahme heraus, um die Nutzung zu erhöhen (Lawson et al. 2003).

Eine neuere Arbeit über die MSC zeigt, dass die Nachfrage immer weiter zunimmt (Gillard 2010). In Ergänzung zu den von Lawson et al. ermittelten Gelingensbedingungen, wird hier auf die Rolle der Tutoren näher eingegangen. Sehr beliebt ist demnach die Anstellung von studentischen Tutoren, die zwar möglichst viel didaktische Erfahrungen mitbringen sollen, aber vor allem aufgrund ihrer Nähe zu den Studierenden und dadurch erhöhtem Verständnis für deren Probleme gesucht werden. Das geeignete Personal zu finden, ist eine der wichtigsten Herausforderungen für das Betreiben von MSC (ebd.).

3.2. Das Learning Center der WWU

Das Learning Center ist eine von mehreren Institutionen, die im zweiten Teilprojekt des in 2016 gestarteten Projektes Dealing with Diversity: Kompetenter Umgang mit Heterogenität durch reflektierte Praxiserfahrung verordnet sind, welches wiederum die Umsetzung des bundesweiten Programmes Qualitätsoffensive Lehrerbildung an der WWU darstellt. Ein Fokus dieses Projektes ist die Analyse und Weiterentwicklung bestehender Lehr-Lern-Labore, Lernwerkstätten und Learning Center (WWU 2017).

Eines dieser bestehenden Maßnahmen ist das Learning Center am IDMI. Wie in den vorher ausgeführten Beispielen, werden als Hintergrund die hohen Abbruchquoten, mangelnde Motivation, falsche Erwartungen an das Studium und inhaltliche Überforderung durch die neue Herangehensweise an Mathematik bzw. allgemein die Übergangsproblematik genannt. Dementsprechend ist auch hier ein zentrales Ziel, den neuen Studierenden den Studienbeginn zu erleichtern und sie beim Übergang von der Schule zur Hochschule zu unterstützen (IDMI 2017).

Die Arbeit des Learning Centers steht unter dem Leitgedanken „Mathematik lehren und lernen“ (ebd.). Das zuvor genannte Ziel fällt unter den Bereich des Mathematik Lernens. Anders als die meisten anderen Angebote, verfolgt das Learning Center ein zweites wesentliches Ziel, nämlich Lehramtsstudierenden den Einstieg in den Beruf zu erleichtern. Dieses Ziel entspricht dem Bereich des Mathematik Lehrens (IDMI 2016). Folgende Abbildung stellt die zwei Bereiche dar und ordnet als erste Orientierung die unterschiedlichen Maßnahmen diesen Säulen zu.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Darstellung der zwei Säulen des Learning Centers (eigene Darstellung; IDMI 2016)

Die Zielgruppe des Learning Centers besteht demnach vor allem aus Studienanfängern, die Schwierigkeiten in der Übergangsphase haben, sowie Lehramtsstudierenden. In didaktischen Fragen stellen die Lehramtsstudierenden nicht nur in der Studieneingangsphase, sondern im gesamten Studienverlauf die Zielgruppe dar.

Explizit definiert anhand von absoluten Kriterien wird die Zielgruppe des Learning Centers im Bereich des Mathematik Lernens allerdings nicht. Auch wenn wahrscheinlich fast alle Studierende durch das Learning Center ihre Studienleistung verbessern könnten, wird daher angenommen, dass sich das Unterstützungsangebot an die tendenziell Schwächeren der Studienanfänger richtet, unabhängig vom absoluten Leistungsniveau.

Die verschiedenen Maßnahmen des Learning Centers werden nachfolgend dargestellt. Im sogenannten Helpdesk wird von Montag bis Donnerstag vielfältige Unterstützung durch studentische Tutoren in vierstündigen offenen Sprechstunden angeboten (Stand Sommersemester 2017; IDMI 2017). Sowohl fachliche Fragen bezüglich der Grundlagenveranstaltungen, zu Übungszetteln, Vorlesungsinhalten oder zur Klausurvorbereitung, als auch allgemeine Fragen zum Mathematikstudium können in diesen Sprechstunden besprochen werden. Dabei gehen die Tutoren nach dem Minimalprinzip vor, d. h. die Tutoren stellen keine umfassenden Lösungen dar, sondern versuchen, die Studierenden im Lösungsweg mit möglichst wenigen Hinweisen zu unterstützen. So sollen mathematische Lernstrategien und effektive Herangehensweisen beispielsweise beim Beweisen vermittelt werden. Innerhalb des Learning Centers stellt der Helpdesk die wichtigste Maßnahme dar und steht im Mittelpunkt dieses Unterstützungsangebotes. Dieser Ansatz reiht sich in mehrere ähnliche Maßnahmen anderer Unterstützungsangebote ein, wie dem Help-desk im Projekt MathePlus oder den Mathe-Café des Mathe-Max-Projekts (siehe Kapitel 3.1).

Eine weitere Maßnahme sind die sogenannten Themenspecials (IDMI 2017). Hierbei wird durch die Tutoren in 30-minütigen Einheiten wöchentlich ein spezielles fachliches Thema der Grundlagenvorlesungen behandelt. Dies sind häufig sehr allgemeine Themen wie Vektoren oder Stetigkeit. Das Ziel ist, dass grundlegende Defizite ausgeglichen werden, um entsprechenden Studierenden die Möglichkeit zu geben, dem Inhalt der Vorlesung besser folgen zu können. Dazu werden die wichtigsten Definitionen und Sätze zusammengefasst und Beispielaufgaben bearbeitet. Der Fokus liegt dabei sowohl darauf, die Begriffe zu veranschaulichen als auch die Relevanz und Anwendungsmöglichkeit der Sätze zu vermitteln. Im Vergleich zu anderen Angeboten (Ostsieker 2016) fallen die Themenspecials mit nur 30 Minuten vergleichsweise kurz aus, wobei sie dafür wöchentlich (während des Semesters) stattfinden.

Darüber hinaus bietet das Learning Center auch 90-minütige Workshops an (IDMI 2017). Innerhalb dieser sollen nicht spezifische Inhalte, sondern übergeordnete Themen behandelt werden. Dies können mathematische Lernstrategien, Beweistechniken, die mathematische Sprache bzw. ihre Notation oder die Programmiersprache LaTeX sein. Auch fachübergreifende Kompetenzen wie Zeitmanagement sollen behandelt werden. Hier wird somit ein sehr ähnlicher Ansatz gewählt wie in den von Frischemeier et al. (2013) beschriebenen Lernzentren (siehe Kapitel 3.1).

Ein weiteres Angebot des Learning Centers besteht in den Materialien, die Studierenden (teilweise online) zum Selbststudium zur Verfügung gestellt werden (IDMI 2017). Dies sind Übungsmaterialien, verständlich aufbereitete Altklausuren mit Lösungsbeispielen, Fachliteratur oder Skripte der Grundlagenvorlesungen, die auch in den Sprechstunden besprochen werden können.

Für Lehramtsstudierende gibt es spezifische Angebote innerhalb der zuvor genannten Bereiche. So wird über die allgemeinen Materialien hinaus eine große Auswahl an Schulbüchern und mathematikdidaktischer Literatur angeboten, spezifische Lehramts- Workshops zu Themen wie dem Umgang mit CAS oder GeoGebra werden organisiert und am Helpdesk werden explizite Beratungen zu Praxisphasen o. ä. ermöglicht. Diese Maßnahmen knüpfen damit an das übergeordnete Projekt der Qualitätsoffensive Lehrerbildung an. Es lässt sich jedoch feststellen, dass sich die in diesem Projekt formulierten Ziele und Vorgehensweisen, wie der reflektierte praktische Umgang mit Heterogenität oder die Durchführung von komplexitätsreduzierten, authentischen Lehr-Situationen (WWU 2017), weitestgehend an die Tutoren richtet. So wird zwar eine quantitativ kleine Gruppe erreicht (bis zum Sommersemester 2017 waren insgesamt ca. zehn Tutoren beschäftigt), die dafür aber qualitativ besonders intensiv gefördert wird.

Da die vorliegende Arbeit sich auf die Studieneingangsphase konzentriert, werden diese lehramtsspezifischen Aspekte im weiteren Verlauf nicht berücksichtigt. Allerdings werden die Lehramtsstudierenden als besonderer Teil der Zielgruppe gesehen, denn unabhängig vom Zielbereich des Mathematik Lehrens ist davon auszugehen, dass sie gefährdeter sind, ihr Studium abzubrechen (Biehler et al. 2011).

Den studentischen Tutoren kommt insgesamt eine essentielle Rolle innerhalb des Learning Centers zu. Dafür wird bei der Auswahl großen Wert daraufgelegt, dass die Tutoren sowohl fachliche Fähigkeiten durch gute Studienergebnisse nachweisen können, als auch didaktische Erfahrung und Kompetenz mitbringen. Zusätzlich erfolgt eine regelmäßige Supervision der Beratungsarbeit. Das Vorgehen des Learning Center ähnelt hierbei den vorgestellten Unterstützungsangebote und den entspricht den Ausführungen von Gillard (2010), der die Bedeutung der studentischen Tutoren für MSC hervorhebt.

Das Learning Center wird darüber hinaus als Ort beworben, an dem Studierende gemeinsam Übungszettel bearbeiten, sich (über fachliche Themen) austauschen oder Kommilitonen kennenlernen können (IDMI 2015). Damit knüpft die Konzeption an die von Lawson et al. (2003) empfohlene Gestaltung von MSC als attraktive Lernräume an.

Im Sommersemester 2016 wurde eine Evaluation des Learning Centers im zweiten Semester und seiner Angebote mit einer Stichprobe von 179 Bachelor-Studierenden durchgeführt (WWU 2016). Die bekanntesten Angebote des Learning Centers waren mit 62 Prozent Bekanntheit die Themenspecials und mit 54 Prozent der Helpdesk. Dies zeigte sich auch in der Nutzung. Jeweils ca. 30 Prozent der Studierenden gaben an schon eines dieser beiden Angebote genutzt zu haben, wohingegen kein weiteres Angebot von mehr als sieben Prozent angegeben wurde. Ungefähr 35 Prozent haben keines der Angebote jemals genutzt. Auf die Frage nach der Häufigkeit der Nutzung antworteten ca. 30 Prozent, dass sie das Learning Center im vergangenen Semester wöchentlich oder fast täglich genutzt haben. Als Gründe für die Nichtnutzung wurden von jeweils ca. zehn Prozent mangelnde Bekanntheit und kein Bedarf nach den Angeboten angegeben, zeitliche Gründe wurden von 17 Prozent der Personen genannt und fast ein Viertel gab an andere Lernformen zu präferieren. In der Evaluation der einzelnen Angebote innerhalb des Learning Centers fällt zunächst auf, dass die Tutoren am Helpdesk überwiegend sehr positiv bewertet wurden. So stimmten den Aussagen, die Tutoren seien fachlich kompetent oder gingen angemessen auf Fragen ein, jeweils über 85 Prozent überwiegend oder voll zu. Die Angebote Themenspecials und Workshops wurden ebenfalls sehr positiv bewertet und zwar durchschnittlich sogar etwas besser als der Helpdesk. Die Evaluation ermittelte auch bei der Gesamtbewertung sehr positive Werte, wobei einschränkend gesagt werden muss, dass diese allgemeine Bewertung nur von ca. der Hälfte der Stichprobe beantwortet wurde. Es scheint naheliegend, dass diejenigen, die keine Bewertung abgegeben haben, eine weniger positive Gesamtwertung vorgenommen hätten. Von 117 Studierenden der Stichprobe würden 97 Prozent die Angebote des Learning Centers weiterempfehlen, als Durchschnitts-Schulnote wird eine 2,1 gegeben und fast drei Viertel stimmten der Aussage überwiegend oder voll zu, dass ihnen das Learning Center das Studium erleichtere (WWU 2016).

4. Erfolgsfaktoren für das Mathematikstudium

Es gibt keine allgemeingültige Theorie, die den Studienerfolg von Anfängern des Mathematikstudiums erklären kann (Laging, Voßkamp 2016b). Es können jedoch einzelne Merkmale auf ihre Korrelation mit dem Studienerfolg untersucht werden. Bezogen auf die in Kapitel 2 erläuterten theoretischen Ansätze lässt sich das Kapitel wie folgt einordnen: Die Frage nach Erfolgskriterien konkretisiert die notwendigen Merkmale der Person bei gegebener Lernumwelt. Das sind zum einen motivationale sowie kognitive Lernvoraussetzungen, von denen drei näher erläutert werden, und zum anderen die Qualität und Quantität der Angebotsnutzung (siehe Abbildung 1). Im folgenden Kapitel wird neben einer konkreten Definition der einzelnen Merkmale anhand von Forschungsergebnissen dargestellt, inwiefern man von einem Erfolgsfaktor sprechen kann. Die Aspekte werden dabei so aufgearbeitet, dass sie für die Befragung genutzt werden können. Die in diesem Kapitel behandelten Merkmale decken die wichtigsten Einflussfaktoren auf den Studienerfolg in Mathematik ab (Laging, Voßkamp 2016a; Rach 2014).

4.1. Motivationale und kognitive Lernvoraussetzungen

Die drei näher untersuchten Aspekte dieses Unterkapitels sind als erstes die Studienmotivation und das Interesse an mathematischen Inhalten, die sich insbesondere bei intrinsischer Studienmotivation überschneiden können. Dann werden die kognitiven Voraussetzungen in Form allgemeiner schulischer und mathematischer Kompetenzen genauer ausgeführt. Als dritter Erfolgsfaktor wird das mathematische Selbstkonzept, das eng mit der mathematischen Selbstwirksamkeitserwartung zusammenhängt, erarbeitet.

4.1.1. Motivation und Interesse

Interesse drückt die Beziehung einer Person gegenüber einem Objekt aus, welches sowohl eine Person als auch ein mentales Konstrukt wie Mathematik sein kann. Diese Beziehung ist geprägt von einer hohen wertschätzenden Haltung, Verbundenheit und positiven Emotionen, die das Objekt bei der Person hervorrufen (Liebendörfer, Schukajlow 2016; Köller et al. 2001). In der Literatur wird zwischen situativem und persönlichem Interesse unterschieden, wobei letzteres eine langfristigere Haltung ausdrückt und daher für diese Arbeit entscheidend ist (ebd.). Eine Handlung aus Interesse heraus ist selbst-intentional bzw. intrinsisch motiviert. Hier wird die hohe Ähnlichkeit zum Begriff der intrinsischen Motivation deutlich. Zwar sind beide Begriffe analytisch nicht unbedingt äquivalent, werden in der Forschung jedoch häufig so verwendet und korrelieren stark miteinander (Rach 2014). Ein Unterschied ist, dass Interesse eher eine Haltung bzw. Einstellung einem Objekt gegenüber ausdrückt, während Motivation den Grund für eine Handlung angibt, welcher im Fall von intrinsischer Motivation wiederum Interesse sein kann (Schiefele et al. 2002). Demgegenüber können extrinsische Gründe für Studienmotivation berufsbezogene, wettbewerbsbezogene oder leistungsbezogene Anreize sein. In allen Fällen ist die Motivation losgelöst vom eigentlichen Gegenstand der Handlung. Berufsbezogen liegt die Motivation darin, einen bestimmten oder gut bezahlten Beruf zu erlangen, wettbewerbsbezogene Motivation bezieht sich auf den Vergleich mit Peers, in dem man hervorragen möchte und von leistungsbezogenen Anreizen spricht man, wenn man unabhängig vom Vergleich mit anderen grundsätzlich gute Ergebnisse erzielen möchte (ebd.).

Betrachtet man Forschungsergebnisse zum Einfluss von Interesse und Motivation auf den Studienerfolg, stellt man fest, dass schon in der Selbsteinschätzung diese Voraussetzungen als sehr entscheidend eingeschätzt werden. So ist sowohl fehlendes Interesse bzw. Motivation einer der am häufigsten genannten Studienabbruchgründe von Studierenden (Heublein et al. 2010). In einer Befragung, bei der sowohl Lehrende als auch Studierende subjektiv einschätzen sollten, welche die wichtigsten Prädiktoren für den Studienerfolg sind, wurde von beiden Gruppen innerhalb von 40 Auswahlmöglichkeiten Selbstmotivation am häufigsten genannt (Anthony 2000).

Auch quantitative, empirische Studien, die den Zusammenhang zwischen Interesse bzw. intrinsischer Motivation und Studienerfolg untersuchen, ermitteln eine hohe Korrelation. Wer ein ausgeprägtes mathematisches Interesse mitbringt, schließt demnach viel häufiger sein Mathematikstudium erfolgreich ab (Köller et al. 2001; Laging, Voßkamp 2016b). Wobei Köller et al. (2001) ergänzen, dass die Vorhersagekraft der Interessensausprägung geringer ist, wenn die Betroffenen zunehmend durch äußeren Druck motiviert sind, wie beispielsweise zum Ende der Schulzeit, wenn der Abiturschnitt in den Fokus rückt.

[...]

---

^[1] Aus Gründen der besseren Lesbarkeit wird in dieser Arbeit auf die gleichzeitige Verwendung männlicher und weiblicher Pluralformen verzichtet, auch wenn stets beide Geschlechter gemeint sind.

^[2] Rach führt mit der gegenseitigen Beeinflussung von Merkmalen und Umwelt noch eine dritte Annahme an, die hier jedoch weniger relevant ist, da in der vorliegenden Arbeit nur ein Erhebungszeitpunkt betrachtet wird.

^[3] Sowohl bei Reusser und Pauli (2010) als auch bei Rach (2014) ist der Qualität des Bildungsangebots lediglich die Qualität der Angebotsnutzung gegenübergestellt. In dieser Arbeit wird dieser Aspekt um die Quantität der Angebotsnutzung ergänzt, um eine sinnvolle Differenzierung (Teilnahme vs. Lernstrategien) zu ermöglichen.

^[4] Gemeint sind hier die Kompetenzen der durch die Kultusministerkonferenz definierten Bildungsstandards für das Fach Mathematik. Die insgesamt sechs Kompetenzen bilden Ziele, die die Schüler zu einem bestimmten Zeitpunkt in der Schullaufbahn in einem bestimmten Ausmaß erreicht haben sollen – können aber auch noch nach der Schule sinnvoll verwendet werden. (KMK 2012)