n Empirische Arbeit Psychologie in Erziehung und Unterricht, 2021, 68, 155 -169 DOI 10.2378/ peu2021.art11d © Ernst Reinhardt Verlag München Basel Eingangsmerkmale und Studienerfolg von Lehramtsstudierenden Antje Biermann 1 , Julia Karbach 2 , Frank M. Spinath 1 & Roland Brünken 1 1 Universität des Saarlandes 2 Universität Koblenz-Landau Zusammenfassung: Für die Studieneingangs- und -verlaufsberatung von großem Interesse ist die Frage, welche individuellen Eingangsvoraussetzungen geeignet sind, um den Studienerfolg im Lehramt vorherzusagen. In der vorliegenden Studie wurden ein variablen- und ein personenzentriertes Vorgehen mit Studierenden des Lehramts für weiterführende Schulen realisiert. Erfasst wurden individuelle Eingangsvoraussetzungen zu Studienbeginn (Abiturnote, Persönlichkeit, Berufswahlmotive), die mit subjektiven Erfolgsmerkmalen (Studienzufriedenheit, Belastungserleben, Lehrkräfteselbstwirksamkeit) sowie der Note im ersten Staatsexamen in Zusammenhang gebracht wurden. In Regressionsanalysen sagte die Abiturnote die Note im ersten Staatsexamen vorher, für die anderen Kriterien war sie jedoch nicht von Bedeutung. Subjektive Erfolgsmerkmale werden besser durch individuelle Voraussetzungen vorhergesagt. Mithilfe einer latenten Profilanalyse anhand der Eingangsmerkmale wurden drei Gruppen identifiziert, darunter eine mit eher ungünstigen Eingangsvoraussetzungen, die sich im Belastungserleben und der Lehrkräfteselbstwirksamkeit negativ von den anderen beiden Gruppen unterschied. Die Ergebnisse werden in Hinblick auf Studienberatung und Förderung von Lehramtsstudierenden diskutiert. Schlüsselbegriffe: Studienerfolg, Lehramt, Längsschnitt, variablenzentriert, personenzentriert Characteristics of First-Year Student Teachers and Their Academic Success Summary: The prediction of academic success in teacher education based on individual characteristics is of great importance to optimize student counseling. In the present study, we realized a variablecentered and a person-centered approach. We assessed individual characteristics at the start of studies of student teachers for secondary schools (GPA, personality, motives for career choice) to predict different variables for academic success (final grade, satisfaction with studies, experiencing and coping with stress, teacher self-efficacy). Regression analyses indicated a high predictive validity of the GPA for the final grade. For the subjective criteria of success, the individual characteristics were of greater importance. Further, we used a latent profile analysis and identified three profiles. One group shows disadvantageous entry characteristics, has lower self-efficacy and deals more poorly with stress than the remaining groups. We discuss the findings against the background of student counseling and supporting students during teacher studies. Keywords: Academic success, student teachers, longitudinal analysis, variable-centered, personcentered Diskussionen um die Vorhersage des Studienbzw. Ausbildungserfolgs im Kontext der Lehrkräftebildung werden sowohl im Hinblick auf Studierendenauswahl (Blömeke, 2009; Rindermann & Oubaid, 1999) als auch auf Studieneingangsberatung (z. B. Klusmann, Köller & Kunter, 2011; Mayr, 2010) geführt. Im Fokus steht hierbei häufig ein variablenzentrierter Ansatz zur Untersuchung der prognostischen Validität stabiler individueller Eingangsmerkmale (z. B. Blömeke, 2009; Rindermann & Oubaid, 1999). Ergänzend werden personen- 156 Antje Biermann, Julia Karbach, Frank M. Spinath, Roland Brünken zentrierte Ansätze herangezogen, bei denen Gruppen von Personen gebildet werden, die innerhalb der Gruppe ähnliche Merkmalskombinationen aufweisen, sich jedoch von den anderen Gruppen unterscheiden (Laursen & Hoff, 2006). Profilanalytische Arbeiten unter Einbezug der Berufswahlmotivation konnten Gruppenunterschiede hinsichtlich verschiedener Kompetenz- und Erfolgsmerkmale von Lehramtsstudierenden zeigen (z. B. Biermann et al., 2019; Billich- Knapp, Künsting & Lipowsky, 2012; Dörrenbächer-Ulrich, Biermann, Brünken & Perels, 2019; König, Drahmann & Rothland, 2018). Gelingt es, frühzeitig Personen zu identifizieren, die mit (un-)günstigen Merkmalskombinationen ein Studium aufnehmen, können individuelle Beratungs- oder Qualifikationsangebote unterbreitet werden (z. B. Hickendorff, Edelsbrunner, McMullen, Schneider & Trezise, 2018; König et al., 2018; Mayr, 2010). Während sich variablenzentrierte Ansätze zur Prädiktion des Studienerfolgs im Bereich des Lehramts häufig auf ein Fach konzentrieren (vgl. Blömeke, 2009) bzw. nur wenige Erfolgsmerkmale einbeziehen (z. B. Wolf, Kunina- Habenicht, Maurer & Kunter, 2018), beziehen personenzentrierte Ansätze oft nur wenige Variablen in die Profilbildung ein (v. a. Berufswahlmotive; vgl. für einen Überblick Biermann et al., 2019). Auch Längsschnittanalysen sind eher die Ausnahme (Blömeke, 2009; Mayr, 2010; Wolf et al., 2018). In der vorliegenden Arbeit werden Längsschnittdaten aus der Studie „Studie zu individuellen und organisationalen Einflüssen auf den Studienerfolg in der Lehrerbildung“ (SioS-L; Biermann et al., 2016) 1 mit einem variablen- und einem personenzentrierten Ansatz unter Einbezug aller Lehramts-Fachgruppen analysiert. Theoretischer Hintergrund Studienerfolg im Lehramt Als fachübergreifende Merkmale des Studienerfolgs werden häufig Abschlussnoten und die Studiendauer als objektive Kriterien sowie die Studienzufriedenheit als subjektiver Faktor herangezogen (Blömeke, 2009; Rindermann & Oubaid, 1999). Allerdings sollten zur Beurteilung des Erfolgs im Lehramtsstudium zusätzlich spezifische Merkmale einbezogen werden, wie sie in Kompetenzmodellen spezifiziert werden (Blömeke, 2009; Kunter, Kleickmann, Klusmann & Richter, 2011). Dazu gehören das Professionswissen (welches neben Wissenstests auch anhand von Studiennoten operationalisiert werden kann, vgl. auch Biermann, Karbach, Spinath & Brünken, 2018), der Umgang mit den eigenen Ressourcen, motivationale Aspekte sowie Überzeugungen wie Selbstwirksamkeitserwartungen (Kunter et al., 2011). Determinanten des Studienerfolgs Kunter et al. (2011) spezifizieren in ihrem Modell, dass individuelle Voraussetzungen im Sinne einer Eignungsperspektive Kompetenzunterschiede von Studierenden im Verlauf der Ausbildung erklären können. Darüber hinaus beeinflussen die Eingangsmerkmale die Wahrnehmung und Nutzung angebotener Lerngelegenheiten und damit indirekt die Kompetenzentwicklung. Von fachunspezifischen kognitiven Fähigkeiten wird angenommen, dass sie kontextübergreifend die flexible und schnelle Verarbeitung erleichtern, von Persönlichkeitsmerkmalen oder fachspezifischen Determinanten wie der Studien- und Berufswahlmotivation, dass diese die Auswahl von Lernangeboten steuern und eine tiefere Verarbeitung initiieren können (Kunter et al., 2011; vgl. auch Blömeke, 2009; Mayr, 2014; Poropat, 2009; Rothland, 2010, 2014; Trapmann, Hell, Weigand & Schuler, 2007). 1 Das Forschungsprojekt SioS-L wurde vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmenprogramm „Entwicklung von Professionalität des pädagogischen Personals in Bildungseinrichtungen“ gefördert (FKZ: 01JH0928). Eingangsmerkmale und Studienerfolg 157 Aus der bisherigen Forschung ist bekannt, dass im Hinblick auf unspezifische Determinanten der Abiturnote die größte Bedeutung für kognitive Erfolgsmerkmale zukommt (Blömeke, 2009; Trapmann, Hell, Weigand et al., 2007; Wolf et al., 2018). Das allgemeine Persönlichkeitsmerkmal Gewissenhaftigkeit zeigt über alle Berufsgruppen hinweg eigenständige und inkrementelle Validität in Bezug auf kognitive Erfolgsmerkmale (Meta- Analysen von Poropat, 2009; Trapmann, Hell, Hirn & Schuler, 2007). Für Lehramtsstudierende zeigen sich auch Assoziationen mit Neurotizismus (negativ) und mit Offenheit für Erfahrung (positiv, Mayr, 2014). Für das Belastungserleben gelten v. a. Neurotizismus als vulnerabler Faktor und Gewissenhaftigkeit und Extraversion als Schutzfaktoren (z. B. Connor-Smith & Flachsbart, 2007; Cramer & Binder, 2015; Kim, Jörg & Klassen, 2019; Reichl, Wach, Spinath, Brünken & Karbach, 2014). Hinsichtlich der Studienzufriedenheit fanden Künsting und Lipowsky (2011) Zusammenhänge zwischen Gewissenhaftigkeit (positiv) bzw. Neurotizismus (negativ) und der gleichzeitig zu Studienbeginn erfassten Studienzufriedenheit (vgl. auch Wach, Karbach, Ruffing, Brünken & Spinath, 2016). Für das Lehramt kommt der Studien- und Berufswahlmotivation als berufsspezifische Voraussetzung hohe Bedeutung zu (für einen Überblick vgl. Rothland, 2014). Als aktivierende Motive werden unter anderem das pädagogische oder fachliche Interesse genannt, die mit höherem Studienengagement (Künsting & Lipowsky, 2011; Paulick, Retelsdorf & Möller, 2013; Rothland, 2014), besseren Studienleistungen (König & Rothland, 2013) sowie höherer Studienzufriedenheit einhergehen (Künsting & Lipowsky, 2011; Wach et al., 2016). Darüber hinaus wird diesen motivationalen Aspekten auch eine Schutzwirkung gegenüber Belastungen zugesprochen (Reichl et al., 2014). Extrinsische Motive, wie die Nützlichkeit oder soziale Einflüsse sind eher von untergeordneter Bedeutung für Studienerfolgsmerkmale (Künsting & Lipowsky, 2011; König & Rothland; 2013; Wach et al., 2016). Zusammenfassend zeigen variablenzentrierte Arbeiten, dass kognitive Eingangsmerkmale stärker mit kognitiven Erfolgsmerkmalen assoziiert sind, während allgemeine Persönlichkeitsmerkmale und berufsspezifische Motivationsaspekte eher mit subjektiven Erfolgsmerkmalen in Zusammenhang stehen (vgl. zusammenfassend Blömeke, 2009). Profilanalytische Ansätze Für die Prognose von Studien- oder Berufserfolg hat sich ein variablenzentriertes Vorgehen bewährt, mit dem die prognostische Validität bestimmter Eingangsmerkmale für alle Personen einer Stichprobe geprüft werden kann (z. B. König, et al., 2018). Erkenntnisse über eine Binnenselektion hinsichtlich der Schulart stellen die Annahme einer homogenen Studierendenschaft jedoch infrage: Klusmann, Trautwein, Lüdtke, Kunter und Baumert (2009) wiesen höhere kognitive Voraussetzungen für Studierende des Gymnasiallehramts nach; Retelsdorf und Möller (2012) zeigten Unterschiede in der Berufswahlmotivation zwischen Studierenden des Gymnasial- und des Primarstufenlehramts. Ergänzend zum variablenzentrierten Ansatz scheint demnach ein profilanalytisches Vorgehen sinnvoll zu sein (z. B. Hickendorff et al., 2018). Hiermit können bestimmte Merkmalskombinationen bzw. unterschiedliche Ausgangslagen von Personen betrachtet werden, die die erfolgreiche Anpassung an die Anforderungen eines Studiums begünstigen oder erschweren können (DeClerq, Galand & Frenay, 2017). Profilanalytische Arbeiten zur Vorhersage verschiedener Studienerfolgsmerkmale im Bereich der Lehrkräftebildung sind jedoch eher rar. Werden zur Profilbildung Eingangsmerkmale herangezogen, fokussieren diese fast ausschließlich auf Berufswahlmotive (für einen Überblick vgl. Biermann et al., 2019; König et al., 2018). Beim Einbezug der Studien- und Berufswahlmotive in die Profilbildung wurden bisher Gruppen identifiziert, die hinsichtlich der Eignung für ein Studium sinnvoll klassifiziert 158 Antje Biermann, Julia Karbach, Frank M. Spinath, Roland Brünken werden können: Es zeigten sich meist zwei Profile mit hohen intrinsischen Motiven für das Lehramt (in einem Profil gekoppelt mit hohen extrinsischen Motiven), wobei diese Gruppen die jeweils günstigeren Werte in verschiedenen Studienerfolgsmerkmalen aufwiesen (Biermann et al., 2019; Billich-Knapp et al., 2012; Dörrenbächer-Ulrich et al., 2019; König et al., 2018). Demgegenüber wurde mindestens ein ungünstiges Profil mit ausschließlich extrinsischen Motiven identifiziert, welches auch in den einbezogenen Erfolgskriterien geringere Werte aufwies. Es fehlen jedoch Studien, die eine Profilbildung mit mehreren Eingangsvariablen vornehmen, um das Zusammenspiel weiterer Faktoren und deren Prädiktionskraft auf Studienerfolgsmerkmale im Längsschnitt zu untersuchen. Gelingt es, solche Profile zu identifizieren, die weiterhin Zusammenhänge mit Kriterien des Studienerfolgs aufweisen, können Studierende gezielt beraten und gefördert werden (z. B. Hickendorff et al., 2018). Fragestellungen der vorliegenden Arbeit Die vorliegende längsschnittliche Arbeit folgt einem variablen- und einem personenzentrierten Ansatz, um Studienerfolgsmerkmale im Lehramt durch relevante Eingangsmerkmale bzw. deren Kombination zu prognostizieren. Als Merkmale des Studienerfolgs werden in Anlehnung an das Modell von Baumert und Kunter (2011) die Note des ersten Staatsexamens (Proxy des Professionswissens), als subjektive Kriterien die Lehrkräfteselbstwirksamkeit, der Umgang mit Belastungen zum Ende des Studiums sowie aus der allgemeinen Forschung zum Studienerfolg das subjektive Erfolgsmerkmal Studienzufriedenheit herangezogen (Blömeke, 2009; Heise, Westermann, Spies & Schiffler, 1997). Als Eingangsvoraussetzungen werden die Abiturnote, Persönlichkeitsmerkmale und die Berufswahlmotivation (vgl. Kunter et al. 2011) genutzt, die auch zur Profilbildung für Fragestellung 2 herangezogen werden. Fragestellung 1 prüft, ob die Eingangsmerkmale prädiktive Validität für die einbezogenen Studienerfolgsmerkmale aufweisen. Wir erwarten, dass die Abiturnote die Note im ersten Staatsexamen vorhersagt (Blömeke, 2009; Trapmann Hell, Weigand et al., 2007), jedoch geringe bis keine Prädiktionskraft für die subjektiven Erfolgsmerkmale aufweist (Blömeke, 2009; Wach et al., 2016). Für diese sollten eher die Persönlichkeitsmerkmale sowie die Berufswahlmotivation bedeutsam sein (Künsting & Lipowsky, 2011; Mayr, 2014; Reichl et al., 2014; Wach et al., 2016). Fragestellung 2 prüft mit einem profilanalytischen Vorgehen, ob sich mithilfe der Eingangsmerkmale Gruppen von Personen bilden lassen, die sich innerhalb der Gruppe in der Merkmalskombination ähneln, sich zwischen den Gruppen jedoch unterscheiden (Fragestellung 2 a). Da bisher keine Arbeiten vorliegen, in denen mehrere Eingangsvariablen zur Profilbildung herangezogen wurden, können nur explorative Annahmen über mögliche Profile getroffen werden. Vermutet wird, dass sich Studierende mit günstigen Kombinationen der Eingangsmerkmale (hohe Werte bei kognitiven Voraussetzungen, Gewissenhaftigkeit, Extraversion und intrinsischen Motiven gepaart mit niedrigen Neurotizismuswerten und geringer extrinsischer Motivation) sowie Studierende mit eher ungünstigen Kombinationen gruppieren lassen (entsprechend gegensätzliche Werte). Darüber hinaus wären Gruppen mit Merkmalskombinationen denkbar, die kompensatorisch wirken (so könnte eine hohe intrinsische Motivation niedrige Werte in Gewissenhaftigkeit oder Extraversion ausgleichen (vgl. Trautwein, Lüdtke, Nagy, Lenski, Niggli & Schnyder, 2015 zur kompensatorischen Wirkung von Interesse und Gewissenhaftigkeit im Hinblick auf schulische Anstrengung). Außerdem wird geprüft, ob sich die gefundenen Gruppen bzgl. der Studienerfolgsmerkmale unterscheiden (Fragestellung 2 b). Wir nehmen an, dass die Gruppen mit ungünstigen Merkmalskombinationen niedrigere Erfolgswerte aufweisen. Eingangsmerkmale und Studienerfolg 159 Methode Stichprobe und Untersuchungsablauf Die Daten der Studie stammen aus dem Forschungsprojekt „SioS-L“ an der Universität des Saarlandes. Im ersten Fachsemester wurden in den Studienjahren 2009/ 10 und 2010/ 11 insgesamt N = 624 Lehramtsstudierende aller Fächerkombinationen befragt (Lehramt Gymnasium: 68,8 %, Lehramt Sekundarstufe 1: 27,4 %, Lehramt Berufsschule: 3,8 %, weiblich: 62,7 %, M Alter = 20.32, SD = 2.54). Von n = 336 Studierenden konnten nach dem achten Fachsemester die subjektiven Erfolgsmerkmale abgefragt werden, von n = 351 Studierenden liegt die Note des ersten Staatsexamens vor. Die Teilnahme an allen Teilen der Studie war freiwillig und wurde mit Kreditpunkten oder monetär entlohnt. Instrumente Eingangsmerkmale Zur Erfassung der Studien- und Berufswahlmotivation wurde der „Fragebogen zur Erfassung der Motivation für die Wahl des Lehramtsstudiums“ (FEMOLA; Pohlmann & Möller, 2010) eingesetzt. Erhoben wurden die intrinsischen Dimensionen Pädagogisches Interesse, Fachliches Interesse und Fähigkeitsüberzeugung sowie die extrinsischen Dimensionen Nützlichkeit, Soziale Einflüsse und Geringe Schwierigkeit des Studiums. Die Facette Nützlichkeit wurde in finanzielle sowie familien-/ freizeitbezogene Aspekte unterteilt (Retelsdorf & Möller, 2012), (3 - 6 Items pro Skala, 1 = trifft gar nicht zu bis 4 = trifft völlig zu). Mit dem NEO-Fünf-Faktoren-Inventar (NEO- FFI, Borkenau & Ostendorf, 2008) wurden die Persönlichkeitsmerkmale Gewissenhaftigkeit, Extraversion, Neurotizismus, Offenheit für Erfahrung und Verträglichkeit mit je 12 Items pro Skala erhoben (1 = starke Ablehnung bis 5 = starke Zustimmung). Als kognitives Eingangsmerkmal wurde die Abiturnote der Studierenden durch Selbstbericht erfasst. Studienerfolgsmerkmale Als kognitives Erfolgsmerkmal diente die Note des ersten Staatsexamens. Diese wurde mit Einverständnis der Studierenden über das Prüfungsverwaltungssystem abgefragt und liegt im 15-Punkte-System vor. Die Studienzufriedenheit wurde auf den Dimensionen Zufriedenheit mit den Studieninhalten, Zufriedenheit mit den Studienbedingungen und Zufriedenheit mit dem Umgang mit Studienbelastungen erfasst (3 - 4 Items pro Skala, 1 = starke Ablehnung bis 5 = starke Zustimmung; Westermann, Heise, Spies & Trautwein, 1996). Der Umgang mit Belastungen wurde mit dem Instrument „Arbeitsbezogenes Erlebens- und Verhaltensmuster“ (AVEM; Schaarschmidt & Fischer, 1997) abgefragt. Mit dem AVEM wurden Werte auf elf Dimensionen mit jeweils sechs Items abgebildet: Subjektive Bedeutsamkeit der Arbeit, Beruflicher Ehrgeiz, Verausgabungsbereitschaft, Perfektionsstreben, Distanzierungsfähigkeit, Resignationstendenz bei Misserfolgen, Offensive Problembewältigung, Innere Ruhe und Ausgeglichenheit, Erfolgserleben im Beruf, Lebenszufriedenheit sowie Erleben sozialer Unterstützung (1 = trifft überhaupt nicht zu bis 5 = trifft völlig zu). Für jede Person ließ sich diskriminanzanalytisch der Grad der Passung zwischen ihrem individuellen arbeitsbezogenen Verhaltens- und Erlebensprofil mit den vier Mustertypen (G = Gesundheitsideal, S = Schonungstyp, A = Anstrengung, B = Burnout) sowie die prozentuale Wahrscheinlichkeit der Zuordnung zu den vier Mustern bestimmen. Zur Erfassung der Lehrkräfteselbstwirksamkeit wurden das Instrument von Schwarzer und Schmitz (1999) mit zehn Items genutzt (1 = stimmt nicht bis 4 = stimmt genau). Deskriptive Werte, Reliabilitäten und bivariate Korrelationen der Variablen sind in Tabelle 1 abgetragen. Ergebnisse Vorabanalysen Zunächst wurde geprüft, ob selektiver Dropout vorlag. Die Studierenden, von denen Längsschnittdaten (LS) vorlagen, unterschieden sich in einigen Eingangsmerkmalen von denen, deren Daten nur zur Eingangsbefragung (Querschnitt, QS) zur Verfügung standen: Die Studierenden der LS-Gruppe hatten eine bessere Abiturnote (M LS = 2.15, SD LS = .59, M QS = 2.52, SD QS = .63, p < .001, d = -.61), stimmten finanziellen Nützlichkeitsaspekten eher zu (M LS = 3.16, SD LS = .61, M QS = 3.04, SD QS = .64, p = .02, d = .03) und waren gewissenhafter (M LS = 3.71, SD LS = .53, M QS = 3.54, SD QS = .61, p = .001, d = .30). Weitere signifikante Unterschiede in den Eingangsmerkmalen zeigten sich nicht. 160 Antje Biermann, Julia Karbach, Frank M. Spinath, Roland Brünken 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 M (SD) 1 Abi - 2 NEO-N -.03 .86 2.69 (0.62) 3 NEO-E .07 -.39 .77 3.57 (0.47) 4 NEO-O -.10 -.02 .06 .73 3.36 (0.52) 5 NEO-V -.07 -.19 .29 .12 .78 3.64 (0.48) 6 NEO-G -.23 -.23 .11 .04 .26 .86 3.65 (0.56) 7 F-PI .10 -.09 .30 .12 .27 .17 .90 3.57 (0.47) 8 F-FÜ -.12 -.15 .16 .18 .07 .27 .38 .80 3.30 (0.51) 9 F-FI -.04 -.07 .15 .11 .13 .14 .23 .21 .78 3.33 (0.49) 10 F-SE .03 .04 .09 -.12 -.01 .02 .07 .09 .17 .82 2.33 (0.69) 11 F-GS .14 .13 -.16 -.14 -.14 -.23 -.18 -.15 -.05 .14 .83 1.36 (0.51) 12 F-NÜFIN -.03 -.02 .07 -.09 -.06 .04 -.04 .08 .07 .23 .02 .80 3.11 (0.62) 13 F-NÜFR -.02 .00 .11 -.13 -.02 -.05 -.05 .03 -.01 .24 .07 .64 .80 2.99 (0.59) 14 Stex -.44 .05 -.06 .16 .16 .24 .07 -.02 .11 -.09 -.22 -.03 -.06 - 15 SZ-Inhalt -.10 -.26 .29 .10 .13 .23 .13 .18 .25 .01 -.16 -.05 .01 .23 .85 3.81 (0.76) 16 SZ-Bed. -.06 -.21 .02 -.03 .08 .00 -.07 -.04 -.06 -.03 .03 .03 .07 .09 .26 .78 2.50 (0.82) 17 SZ-Belast. -.09 -.49 .19 -.05 .02 .16 .07 .12 .16 -.04 -.05 -.05 -.05 .10 .48 .33 .81 3.33 (0.94) 18 SWK .14 -.33 .30 .17 .15 .17 .38 .24 .18 .03 -.18 -.14 -.07 -.06 .32 .08 .30 .78 19 p Muster G -.09 -.45 .31 .02 .16 .28 .09 .21 .15 .06 -.12 .00 .03 .07 .44 .19 .47 .36 - 38.95 (39.07) 20 p Muster S .02 -.16 .05 .15 -.02 -.34 .04 -.10 .07 -.08 -.05 -.03 .00 -.24 -.02 -.02 .15 .07 -.29 - 19.24 (30.53) 21 p Muster A -.10 .28 -.03 -.07 -.04 .17 .08 .07 -.03 .02 .06 -.03 -.06 .18 -.02 -.12 -.25 -.13 -.38 -.40 - 20.51 (28.49) 22 p Muster B .18 .44 -.40 -.10 -.13 -.19 -.23 -.23 -.21 -.02 .14 .05 .01 -.05 -.46 -.09 -.43 -.33 -.58 -.22 -.11 21.30 (32.68) Tab. 1: Deskriptive Ergebnisse, interne Konsistenz und bivariate Korrelationen der einbezogenen Variablen Anmerkung: Abi = Abiturnote, NEO-N = Neurotizismus, NEO-E = Extraversion, NEO-O = Offenheit für Erfahrungen, NEO-V = Verträglichkeit, NEO-G = Gewissenhaftigkeit, F-PI = Pädagogisches Interesse, F-FI = Fachliches Interesse, F-FÜ = Fähigkeitsüberzeugung, F-SE = Soziale Einflüsse, F-GS = Geringe Schwierigkeit des Studiums, F-NÜFR = Nützlichkeit Familie/ Freizeit, F-NÜFIN = Nützlichkeit finanziell, Stex = Note im 1. Staatsexamen, p = Wahrscheinlichkeit der Musterzuordnung, G = Gesundheitsmuster, S = Schonungsmuster, A = Muster Anstrengung, B = Muster Burnout, w = weiblich, LAG = Lehramt Gymnasium. Die Reliabilitäten (McDonalds Ω ) sind in der Diagonalen abgetragen (Für den AVEM lagen die Werte für McDonalds Ω zwischen .75 und .87), fett gedruckte Kennwerte sind statistisch signifikant (p < .05) Eingangsmerkmale und Studienerfolg 161 Stex-Note β Zufr. Inhalte* Zufr. Beding. Zufr. Belastung Selbstwirk. Lehrer* p Muster G* p Muster S p Muster A p Muster B* Geschlecht (0 = w, 1 = m) Studiengang (0 = nicht LAG, 1 = LAG) -.07 (.17) .11 (.07) -.10 (.17) .05 (.53) -.06 (.39) .20 (.01) .02 (.80) -.02 (.79) -.04 (.52) -.00 (1.00) .03 (.67) -.02 (.81) .14 (.03) -.10 (.17) -.09 (.18) .11 (.16) -.08 (.20) .01 (.83) R 2 .13 .01 .00 .00 .02 .00 .00 .01 .03 Abiturnote -.33 (< .01) -.04 (.60) .01 (.88) -.13 (.08) .16 (.03) -.07 (.35) -.10 (.14) -.03 (.69) .21 (< .01) ΔR 2 .09 .00 .01 .01 .00 .00 .02 .02 .00 Neurotizismus Extraversion Offenheit Verträglichkeit Gewissenhaftigkeit .07 (.20) -.04 (.46) .09 (.06) .11 (.03) .12 (.02) -.17 (.03) .19 (.02) .02 (.76) -.01 (.85) .14 (.05) -.32 (< .01) -.11 (.18) -.03 (.71) .13 (.08) -.05 (.56) -.47 (< .01) .02 (.75) -.08 (.19) -.04 (.54) .07 (.29) -.25 (< .01) .05 (.54) .12 (.06) -.03 (.65) .09 (.19) -.35 (< .01) .13 (.07) -.03 (.61) .06 (.33) .18 (<.01) -.20 (< .01) -.03 (.67) .17 (< .01) -.05 (.49) -.42 (<.01) .35 (< .01) .14 (.07) -.12 (.06) -.07 (.31) .24 (<.01) .29 (< .01) -.26 (< .01) .00 (1.00) .03 (.59) -.05 (.47) ΔR 2 .04 .12 .06 .22 .16 .24 .17 .11 .25 Päd. Interesse Fähigkeitsüberzeugung Fachliches Interesse Soziale Einflüsse Geringe Schwierigkeit Nützlichkeit finanziell Nützlichkeit Familie/ Freizeit .08 (.14) -.13 (.02) .07 (.18) -.06 (.26) -.11 (.03) -.01 (.87) -.01 (.91) -.08 (.29) .07 (.36) .17 (.01) .01 (.88) -.01 (.94) -.14 (.10) .08 (.39) -.06 (.46) -.03 (.75) -.08 (.27) -.02 (.83) .05 (.50) -.01 (.88) .08 (.40) -.04 (.63) .04 (.54) .11 (.09) -.04 (.55) .08 (.25) -.09 (.29) -.01 (.92) .22 (<.01) .05 (.51) .07 (.28) .03 (.61) -.05 (.46) -.17 (.04) .08 (.33) -.12 (.09) .14 (.04) .07 (.27) .05 (.43) .01 (.90) -.10 (.18) .08 (.28) .11 (.13) -.11 (.10) -.11 (.07) -.07 (.25) -.10 (.13) -.01 (.87) .06 (.46) .11 (.15) .02 (.79) .05 (.48) -.01 (.84) .10 (.13) .02 (.77) -.12 (.14) -.06 (.37) -.08 (.21) -.14 (.01) .02 (.71) -.02 (.81) .12 (.11) -.04 (.58) ΔR 2 .02 .01 -.01 .00 .06 .01 .04 .01 .02 F-Wert R 2 Gesamt 9.61 (< .01) .28 3.44 (< .01) .14 1.92 (.02) .06 5.56 (< .01) .23 5.70 (< .01) .24 6.09 (< .01) .25 5.07 (< .01) .21 3.64 (< .01) .15 7.71 (< .01) .30 Tab. 2: Vorhersage der Studienerfolgsmerkmale anhand der Eingangsmerkmale (lineare Regression mit schrittweiser Aufnahme der Variablenblöcke, abgetragen sind die standardisierten Beta-Werte sowie in Klammern die zugehörigen p-Werte des jeweiligen Gesamtmodells). Anmerkung: Stex-Note = Note im 1. Staatsexamen, p Muster = Wahrscheinlichkeit der Musterzuordnung, G = Gesundheitsmuster, S = Schonungsmuster, A = Muster Anstrengung, B = Muster Burnout, w = weiblich, LAG = Lehramt Gymnasium. Fett gedruckte Kennwerte sind statistisch signifikant (p < .05) * bei den markierten Variablen besitzen die Persönlichkeitsmerkmale und die Berufswahlmotivation geteilte Varianz: Bei einer Änderung der Reihenfolge der Variablenblöcke sinkt der aufgeklärte Varianzanteil der Persönlichkeitsmerkmale zugunsten der Berufswahlmotivation. Die genauen Werte können bei der Erstautorin angefragt werden. 162 Antje Biermann, Julia Karbach, Frank M. Spinath, Roland Brünken Prädiktive Validität der Eingangsmerkmale Zur Beantwortung von Fragestellung 1 wurde für jedes Studienerfolgsmerkmal eine Regressionsanalyse gerechnet, in die die Eingangsmerkmale in Blöcken schrittweise aufgenommen wurden, um die prädiktive und inkrementelle Validität der Eingangsvoraussetzungen zu überprüfen. Neben den genannten Eingangsmerkmalen wurden das Geschlecht und der Studiengang (Lehramt Gymnasium vs. andere) kontrolliert. Die Staatsexamensnote wurde vor allem durch die Abiturnote vorhergesagt (vgl. Tabelle 2). Darüber hinaus trugen Verträglichkeit und Gewissenhaftigkeit, die Fähigkeitsüberzeugung und die vermeintlich geringe Schwierigkeit jeweils einen kleinen zusätzlichen Teil zur Varianzaufklärung bei. Allerdings bestand zur Fähigkeitsüberzeugung erwartungswidrig ein negativer Zusammenhang, d. h. hohe Motivation aufgrund der eigenen Fähigkeit ging mit schlechteren Noten einher. Hier könnte es sich um einen Supressionseffekt handeln (vgl. die Nullkorrelation in Tabelle 1). Zu den Studienzufriedenheitsmerkmalen bestanden unterschiedliche Zusammenhänge: Die Zufriedenheit mit den Inhalten wurde durch Neurotizismus (negativ), Extraversion und Gewissenhaftigkeit (positiv) aufgeklärt. Zusätzlich stand auch das fachliche Interesse in einem positiven Zusammenhang. Bei der Zufriedenheit mit den Inhalten zeigte sich, dass Studierende des nichtgymnasialen Zweigs und Studierende mit höheren Neurotizismuswerten weniger zufrieden mit den Bedingungen waren. Die Zufriedenheit hinsichtlich der Belastungsbewältigung wurde ausschließlich durch die Neurotizismuswerte vorhergesagt. Die Lehrkräfteselbstwirksamkeit als subjektives Kompetenzmerkmal wurde durch die Abiturnote, Neurotizismus (negativ), pädagogische Motive (positiv) sowie die finanzielle Nützlichkeit (negativ) vorhergesagt. Betrachtet man den Umgang mit Belastungen im vierten Studienjahr, führten niedrigere Neurotizismuswerte, hohe Werte im Bereich Gewissenhaftigkeit sowie eine höhere Motivation aufgrund der eigenen Fähigkeit zu einer höheren Wahrscheinlichkeit der Zugehörigkeit zum Gesundheitsmuster. Eine höhere Wahrscheinlichkeit für das Schonungsmuster hatten Studierende mit geringeren Neurotizismus- und Gewissenhaftigkeitswerten sowie höheren Werten im Bereich der Offenheit für Erfahrungen. Die Wahrscheinlichkeit, dem gesundheitsgefährdenden Anstrengungsmuster zugeordnet zu werden, stieg mit höheren Neurotizismussowie Gewissenhaftigkeitswerten; die Wahrscheinlichkeit für eine Zuordnung zum Burnout-Muster erhöhte sich mit höheren Neurotizismuswerten und verringerte sich mit höheren Extraversionswerten sowie einem höheren fachlichen Interesse. Typenbildung Mit der latenten Profilanalyse (LPA, Vermunt & Magidson, 2002) wurden zunächst unter Einbezug der Eingangsmerkmale (Abiturnote, Persönlichkeit, Berufswahlmotivation) Gruppen von Lehramtsstudierenden identifiziert (Fragestellung 2 a). Zur Identifikation der Anzahl der Gruppen wurden die Werte im BIC (Bayesian Information Criterion), des SABIC (sample size adjusted BIC), des BLRT (bootstrap likelihood ratio test), der Entropie (E) und des Lo-Mendell-Rubin-Tests (LMRT) herangezogen (vgl. Marsh, Lüdtke, Trautwein & Morin, 2009; Tein, Coxe & Cham, 2013). Geringere BIC- und SABIC-Werte sprechen für einen besseren Modellfit. Eine Signifikanz des BLRT und des LMRT bedeutet, dass die Lösung mit k-Klassen die Daten besser abbildet als die Lösung mit k-1-Klassen. Je höher der Entropie-Wert, desto höher ist auch die Zuordnungssicherheit der Personen zu den Gruppen. Auch die inhaltliche Interpretierbarkeit wurde als Entscheidungskriterium herangezogen (Marsh et al., 2009). Die LPA wurde mit Mplus 8 (Muthén & Muthén, 2017) unter Nutzung des robusten Maximum-Likelihood-Schätzers durchgeführt. Eingangsmerkmale und Studienerfolg 163 Die LPA identifizierte drei Profile (vgl. Tabelle 3), die in Tabelle 4 hinsichtlich ihrer Verteilungen und ihrer Kennwerte auf den zur Profilbildung herangezogenen Merkmalen sowie weiterer deskriptiver Merkmale dargestellt sind. Die Drei-Gruppen-Lösung wies zwar den niedrigsten Entropiewert auf (vgl. für eine kritische Betrachtung: Tein et al., 2013), allerdings wiesen LMRT und BRLT auf eine bessere Passung gegenüber der Zwei-Gruppen-Lösung hin. Die Vier-Gruppen-Lösung zeigte keine bessere Passung. Weitere Entscheidungskriterien waren die Gruppengrößen (ab vier Gruppen < 5 %), sowie die bessere inhaltliche Interpretierbarkeit der Drei-Gruppen-Lösung. In Abbildung 1 sind die z-standardisierten Mittelwerte der Merkmalsbereiche abgetragen, um die Interpretation der Profile zu erleichtern. Als extreme Abweichungen gelten Z-Werte > 0.5 bzw. < -0.5 (Liu et al., 2014). Profil 1 war gekennzeichnet durch eine durchschnittliche Ausprägung bei vier von fünf Persönlichkeitsmerkmalen sowie der intrinsischen Motivationsbereiche. Für Offenheit für Erfah- Cluster BIC SABIC BLRT E LMRT 2 3 4 5 6 7 12588.84 12400.26 12324.70 12209.84 12149.64 12147.52 12461.84 12228.81 12108.81 11949.50 11844.85 11798.29 < .01 < .01 < .01 < .01 < .01 < .01 .85 .76 .85 .84 .87 .86 < .01 < .01 .67 .04 .49 .16 Tab. 3: Fit-Statistiken der latenten Profilanalyse. Anmerkung: BIC = Bayesian Information Criterion, SABIC = sample adjusted BIC, BLRT = Booststrap likelihood ratio test, E = Entropie, LMRT = p-Wert für Lo-Mendell-Rubin-Test. Die favorisierte Klassenlösung ist fett gedruckt. 2,00 1,50 1,00 0,50 0,00 -0,50 -1,00 -1,50 -2,00 Abi NEO-N NEO-E NEO-O NEO-V NEO-G F-PI F-FI F-FÜ F-SE F-GS F-NÜFIN F-NÜFR Profil 1 Profil 2 Profil 3 Abb. 1: Z-standardisierte Mittelwerte der Eingangsmerkmale für die drei Profile Anmerkungen: Abi = Abiturnote, NEO-N = Neurotizismus, NEO-E = Extraversion, NEO-O = Offenheit für Erfahrungen, NEO-V = Verträglichkeit, NEO-G = Gewissenhaftigkeit, F-PI = Pädagogisches Interesse, F-FI = Fachliches Interesse, F-FÜ = Fähigkeitsüberzeugung, F-SE = Soziale Einflüsse, F-GS = Geringe Schwierigkeit des Studiums, F-NÜFR = Nützlichkeit Familie/ Freizeit, F-NÜFIN = Nützlichkeit finanziell. 164 Antje Biermann, Julia Karbach, Frank M. Spinath, Roland Brünken rungen wies diese Gruppe die höchsten Werte auf, für die extrinsischen Motivationsbereiche die niedrigsten, die für die beiden Nützlichkeitsaspekte sogar extrem von den anderen Gruppen abwichen. Etwa ein Drittel der Stichprobe ließ sich dieser Gruppe zuordnen (36,2 %). Profil 2 war die kleinste Gruppe (17,5 %) mit dem geringsten Frauenanteil (45,9 %), die in vielen Merkmalen vom Durchschnitt abwich: Studierende stimmten intrinsischen Berufswahlmotiven am wenigsten und vor allem dem extrinsischen Motiv einer vermeintlich geringeren Schwierigkeit des Studiums am stärksten zu. Darüber hinaus hatten sie die höchsten Neurotizismuswerte sowie die geringsten Werte bzgl. Extraversion, Verträglichkeit und Gewissenhaftigkeit. Profil 3 war die größte Gruppe (46,3 %), in der sich die Studierenden durch etwas höhere Extraversionswerte sowie durch eine hohe Zustimmung zu den Nützlichkeitsaspekten bei der Studienwahl von den anderen Profilen unterschieden. Außerdem gaben diese Studierenden häufiger an, das Studium aufgrund sozialer Einflüsse gewählt zu haben. Bei allen anderen Werten waren die Studierenden dieser Gruppe weitgehend vergleichbar mit Profil 1 (vgl. auch Tabelle 4). Gruppenunterschiede In einem zweiten Schritt wurde geprüft, ob sich die identifizierten Profile hinsichtlich der Studienerfolgsmerkmale voneinander unterscheiden. Hierfür wurden Varianzanalysen mit anschließendem post-hoc-Test (Scheffé) für jedes Kriterium berechnet (vgl. Tabelle 5). Für die Note im ersten Staatsexamen zeigten sich keine Gruppenunterschiede. Im Hinblick auf die Studienzufriedenheit nach dem achten Studiensemester unterschieden sich die Gruppen bezüglich der Zufriedenheit mit der Belastungsbewältigung. Hinsichtlich der Lehrkräfteselbstwirksamkeit als subjektivem Kompetenzmerkmal unterschieden sich die Gruppen mit einer mittleren Effektstärke statistisch bedeutsam voneinander: Profil 2 mit den eher problematischen Stichprobenbeschreibung Profil 1 n = 226 (36,2 %) Profil 2 n = 109 (17,5 %) Profil 3 n = 289 (46,3 %) Chi 2 -Test Effektstärke (d) Posthoc-Tests d (1; 2) d (2; 3) d (1; 3) Geschlecht 68,6 % weiblich 45,9 % weiblich 64,4 % weiblich 16.88 Studiengang 63,3 % LAG 71,6 % LAG 68,9 % LAG 0.64 M (SD) M (SD) M (SD) ANOVA: F (part. η 2 ) Abiturnote 2.28 (.65) 2.25 (.64) a 2.30 (.63) a 0.27 (.00) 0.05 -0.08 -.03 Neurotizismus Extraversion Offenheit Verträglichkeit Gewissenhaftigkeit 2.64 (.62) a 3.57 (.41) ab 3.49 (.50) a 3.72 (.43) a 3.69 (.55) a 2.95 (.58) b 3.17 (.48) ac 3.23 (.48) ab 3.27 (.48) ab 3.43 (.55) ab 2.62 (.60) b 3.71 (.43) bc 3.29 (.53) b 3.73 (.46) b 3.71 (.55) b 13.33 (.04) 59.27 (.17) 12.45 (.04) 42.37 (.13) 10.44 (.04) -0.52 0.90 0.53 0.99 0.47 0.56 -1.19 -0.12 -1.02 -0.51 0.03 -0.33 0.39 -0.02 -0.01 Pädagogisches Interesse Fachliches Interesse Fähigkeitsüberzeugung Soziale Einflüsse Geringe Schwierigkeit Nützlichkeit Familie/ Freizeit Nützlichkeit finanziell 3.75 (.27) a 3.33 (.47) a 3.40 (.44) a 2.09 (.59) a 1.26 (.42) a 2.60 (.50) ab 2.47 (.44) a 2.80 (.41) ab 3.01 (.51) ab 2.92 (.49) ab 2.24 (.62) ab 1.64 (.61) ab 3.09 (.50) ac 3.01 (.43) ac 3.71 (.30) b 3.38 (.51) b 3.43 (.42) b 2.56 (.71) b 1.33 (.49) b 3.53 (.40) bc 3.39 (.38) bc 378.09 (.55) 22.43 (.07) 55.79 (.15) 33.75 (.10) 21.95 (.07) 258.97 (.46) 311.31 (.50) 2.79 0.65 1.03 -0.25 -0.74 -0.98 -1.24 -0.91 -0.73 -1.12 -0.48 0.56 -0.98 -0.94 0.14 -0.10 -0.07 -0.72 -0.15 -2.09 -2.24 Tab. 4: Beschreibung der drei Profilgruppen Anmerkungen: LAG = Lehramt Gymnasium. Fett gedruckte Kennwerte sind statistisch signifikant (p < .05). abc Gleiche Buchstaben indizieren, dass der paarweise Scheffé-Vergleich statistisch signifikant war (p < .05). Eingangsmerkmale und Studienerfolg 165 Eingangsmerkmalen schrieb sich die niedrigste Selbstwirksamkeit im Vergleich zu den beiden anderen Gruppen zu. Profil 1 und 3 unterschieden sich nicht voneinander. Ein ähnliches Muster zeigte sich auch für den Umgang mit Belastungen: Die Zuordnungswahrscheinlichkeit für das Gesundheitsmuster war für Profil 2 am niedrigsten, der Unterschied zu Profil 3 war statistisch bedeutsam. Demgegenüber war die Zuordnungswahrscheinlichkeit für das Burnout-Muster für Profil 2 am höchsten und unterschied sich statistisch bedeutsam von den anderen beiden Profilen. Diskussion Zusammenfassung und Interpretation der Ergebnisse Zielder vorliegenden Studie war die Untersuchung der Bedeutsamkeit von individuellen Eingangsvoraussetzungen von Lehramtsstudierenden für deren kognitive und subjektive Studienerfolgsmerkmale. Die Vorteile der Arbeit gegenüber vielen früheren Studien liegen im Längsschnittdesign, dem Einbezug mehrerer Eingangs- und Erfolgsmerkmale sowie der Untersuchung aller Fächergruppen. Darüber hinaus wurden in der Arbeit sowohl ein variablenals auch ein personenzentriertes Vorgehen realisiert. Der variablenzentrierte Ansatz zeigte, dass unterschiedliche Prädiktoren für unterschiedliche Erfolgskriterien bedeutsam sind: Kognitive Eingangsmerkmale prädizierten kognitive Erfolgsmerkmale, waren aber weniger von Bedeutung für subjektive Kriterien, die eher von Persönlichkeitsmerkmalen und der Berufswahlmotivation vorhergesagt wurden. Diese Ergebnisse stehen im Einklang mit früheren Studien (Blömeke, 2009; Connor-Smith & Flachsbart, 2007; Cramer, Horn & Schweitzer 2009; Cramer & Binder, 2015; Künsting & Lipowsky 2011; Reichl et al., 2014; Trapmann, Hell, Weigand et al., 2007; Wach et al., 2016; Wolf et al., 2018) und stellen insbesondere die langfristige Bedeutung von Eingangsvoraussetzungen für ein erfolgreiches Studium heraus. Betrachtet man die inkrementelle Bedeutung der Persönlichkeitsmerkmale und der Berufswahlmotivation, so fällt auf, dass diese bei einzelnen Erfolgsmerkmalen (Studienzufriedenheit mit den Inhalten, Lehrkräfteselbstwirksamkeit, Wahrscheinlichkeit der Zuordnung zum Gesundheits- und zum Burnoutmuster) geteilte Varianz aufwiesen. Die relative Rolle dieser Merkmale kann damit nicht geklärt werden. Staatsexamensnote Profil 1 M (SD) Profil 2 M (SD) Profil 3 M (SD) ANOVA: F (part. η 2 ) Effektstärke (d) Posthoc-Tests n = 119 n = 56 n = 176 d (1; 2) d (2; 3) d (1; 3) 11.48 (1.67) 11.06 (1.53) 11.34 (1.68) 1.24 (.01) 0.26 -0.17 0.08 Studienzufriedenheit n = 77 n = 43 n = 111 Mit den Inhalten Mit den Studienbedingungen Mit dem Umgang mit Belastungen 3.90 (0.67) 2.49 (0.83) 3.43 (0.89) 3.60 (0.67) 2.51 (0.79) 3.02 (0.82) 3.86 (0.73) 2.60 (0.72) 3.35 (0.91) 2.87 (.03) 0.50 (.00) 3.10 (.03) 0.45 -0.02 0.48 -0.37 -0.12 -0.38 0.06 -0.14 0.09 Lehrer-Selbstwirksamkeit n = 77 n = 42 n = 111 3.28 (.41) a 2.93 (.34) ab 3.24 (.37) b 14.98 (.12) 0.93 -0.87 0.10 p AVEM-Muster n = 80 n = 44 n = 114 Muster Gesundheit Muster Schonung Muster Anstrengung Muster Burnout 39.6 (38.6) 18.6 (28.4) 23.4 (31.4) 18.4 (23.0) a 24.4 (35.0) a 19.3 (27.7) 16.5 (22.2) 39.8 (37.4) ab 40.8 (37.8) a 20.1 (31.1) 23.5 (30.9) 15.7 (27.5) b 3.24 (.03) 0.06 (.00) 0.98 (.01) 10.51 (.09) 0.27 -0.02 0.26 -0.71 -0.86 -0.03 -0.26 0.74 -0.03 -0.05 -0.00 -0.06 Tab. 5: Ergebnisse der Varianzanalysen für die Studienerfolgsmerkmale in Abhängigkeit der Profilgruppe Anmerkung: p = Wahrscheinlichkeit der Musterzuordnung (in %). Fett gedruckte Kennwerte sind statistisch signifikant (p < .05). ab Gleiche Buchstaben indizieren, dass der paarweise Scheffé-Vergleich statistisch signifikant war (p < .05). 166 Antje Biermann, Julia Karbach, Frank M. Spinath, Roland Brünken Das zweite Ziel war die Betrachtung der Kombination der Eingangsmerkmale innerhalb von Personen durch einen personenzentrierten Ansatz und die Frage, ob sich neben den Berufswahlmotiven Profile mit weiteren relevanten Merkmalen identifizieren lassen und ob sich diese Profile bzgl. der Studienerfolgsmerkmale unterscheiden. Mithilfe einer LPA konnten drei Profile identifiziert werden, wobei insbesondere Profil 2 eine als eher ungünstig einzuschätzende Merkmalskombination aufwies. Die Einschätzung von Profil 2 als Risikogruppe spiegelt sich auch in den Gruppenunterschieden für die Lehrkräfteselbstwirksamkeit sowie für die Zuordnungswahrscheinlichkeit für das Gesundheitsbzw. das Burnout-Muster wider: Studierende des Profils 2 wiesen in diesen Merkmalen nachteiligere Werte auf. Dies passt zu früheren Studien mit profilanalytischen Ansätzen (z. B. Biermann et al., 2019; König et al., 2018) und erweitert die Ergebnisse durch die Hinzuziehung weiterer Eingangsmerkmale. Limitationen der Studie Obwohl Studierende aller Fächergruppen in die Analysen einbezogen wurden, wurden keine differentiellen Unterschiede in Hinblick auf die Fachgruppen betrachtet (vgl. z. B. Kaub et al., 2012; Kaub, Stoll, Biermann, Spinath & Brünken, 2014; Roloff-Henoch, Klusmann, Lüdtke & Trautwein, 2015). Auch sollten zukünftige Studien Studierende des Grund- oder Förderschullehramts einbeziehen. Mit einer Erweiterung der Stichprobe wäre neben einer Untersuchung von Fachgruppen- und Schulformunterschieden auch eine latente Modellierung sinnvoll, was in der vorliegenden Studie aufgrund der kleinen Stichprobe nicht möglich war (Kline, 2011). Sinnvoll wären auch Ergänzungen sowohl durch weitere Eingangsmerkmale (z. B. Interessensorientierungen; vgl. Kaub et al., 2012; 2014) als auch durch zusätzliche Kompetenzmerkmale (professionelles Handeln; z. B. Biermann et al., 2018, 2019; König et al., 2016; Paulick et al., 2013). Auch eine differenziertere Abbildung des Professionswissens wäre sinnvoll (Fachnoten oder standardisierte Wissenstests; vgl. Baumert & Kunter, 2011). In der vorliegenden Studie wurden lediglich direkte Effekte angenommen und keine möglichen Mediatoren einbezogen, die - in Anlehnung an die theoretische Modellierung von Angebots-Nutzen-Modellen (Kunter et al., 2011) - die Zusammenhänge zwischen Eingangsmerkmalen bzw. deren Kombination und den Variablen des Studienerfolgs vermitteln (vgl. Biermann et al., 2018; Mayr, 2010, 2014). Denkbar wären z. B. selbstreguliertes Lernen bzw. die Nutzung effektiver Lernstrategien (Dörrenbächer-Ulrich et al., 2019; Künsting & Lipowsky, 2011) oder auch Zielorientierungen (Billich-Knapp et al., 2012; Paulick et al., 2013). Unklar bleibt ebenfalls die Stabilität der Eingangsvoraussetzungen im Verlauf des Studiums (vgl. z. B. König, Rothland, Tachtsoglou & Klemenz, 2016 zur Veränderung der Berufswahlmotivation durch schulpraktische Studien) und ihrer Effekte auf Merkmale des Studienerfolgs. Ausblick Die vorliegende Studie bestätigt und erweitert bisherige Erkenntnisse bezüglich relevanter Prädiktoren für den Studienerfolg im Lehramt und identifiziert drei Gruppen von Studierenden, die unterschiedliche Kombinationen von Eingangsmerkmalen mitbringen. Insbesondere für das problematische Profil 2 scheint eine individuell angepasste Studienberatung bzw. eine Förderung während des Studiums sinnvoll zu sein, z. B. mithilfe von (Online-)Self-Assessments vor oder zu Beginn des Studiums (z. B. Köller, Klusmann, Retelsdorf & Möller, 2012; Mayr, Müller & Nieskens, 2016). Ergänzend zu variablenbezogenen Rückmeldungen sind hier profilbezogene Rückmeldungen sinnvoll: Liegt eine als eher ungünstig zu erachtende Merkmalskombination vor, können Studierende gezielt auf die Problematik und mögliche Förderangebote hingewiesen werden. In der Qualitätsoffensive Lehrkräftebildung wurden über existierende Programme hinaus (z. B. CCT, Eingangsmerkmale und Studienerfolg 167 Mayr et al., 2016; BASIS der Universität Kassel: Döring-Seipel & Seip, 2016) weitere solcher Projekte angestoßen (z. B. das Teaching Talent Center der Universität Erfurt: Hany et al., 2018 oder das Selfassessment FindTeacher der Universität des Saarlandes mit profilbezogener Rückmeldung: Waterbör-Weitert, Biermann, Dörrenbächer & Brünken, 2018). Empfehlungen der Kultusministerkonferenz (KMK, 2013) weisen jedoch zu Recht auf die Relevanz einer kontinuierlichen Reflexion auch im Verlauf des Studiums hin (vgl. auch Mayr, 2010). Denkbar wären hier z. B. Zusatzprogramme für interessierte Studierende oder solche, die mit ungünstigen aber entwicklungsfähigen Voraussetzungen ein Studium begonnen haben (Dietrich & Latzko, 2016; Döring-Seipel & Seip, 2016), aber auch studienbezogenes Mentoring bzw. Coaching (Nolle, Bosse & Döring-Seipel, 2014; Staub, 2001). Literatur Baumert, J. & Kunter, M. (2011). Das Kompetenzmodell von COACTIV. In M. Kunter, J. Baumert, W. Blum, S. Klusmann & M. Neubrand (Hrsg.), Professionelle Kompetenz von Lehrkräften. Ergebnisse des Forschungsprogramms COACTIV (S. 29 - 53). Münster: Waxmann. Biermann, A., Kaub, K., Friedrich, A., Wach, F.-S., Ruffing, S., Reichl, C.,… Brünken, R. (2016). SioS-L - Studie zu individuellen und organisationalen Einflüssen auf den Studien- und Ausbildungserfolg in der Lehrerbildung. In C. Gräsel & K. Trempler (Hrsg.), Entwicklung von Professionalität des pädagogischen Personals. Interdisziplinäre Betrachtungen, Befunde und Perspektiven. Heidelberg: Springer. Biermann, A., Karbach, J., Spinath, F. M. & Brünken, R. (2018). Gut im Studium - gut in der Schule? Zur Vorhersage der Unterrichtsqualität im Schulpraktikum durch Noten im bildungswissenschaftlichen Studium. Unterrichtswissenschaft, 46, 123 - 139. Biermann, A., Dörrenbächer-Ulrich, L., Grassmé, I., Gläser-Ziduda, M., Perels, F. & Brünken, R. (2019). Hoch motiviert, engagiert und kompetent: Eine profilanalytische Untersuchung zur Studien- und Berufswahlmotivation von Lehramtsstudierenden, Nutzung von Lerngelegenheiten und Kompetenzen im Praktikum. Zeitschrift für Pädagogische Psychologie, 1 - 13. Billich-Knapp, M., Künsting, J. & Lipowsky, F. (2012). Profile der Studienwahlmotivation bei Grundschullehramtsstudierenden. Zeitschrift für Pädagogik, 58, 696 - 719. Blömeke, S. (2009). Ausbildungs- und Berufserfolg im Lehramtsstudium im Vergleich zum Diplom-Studium: Zur prognostischen Validität kognitiver und psychomotivationaler Auswahlkriterien. Zeitschrift für Erziehungswissenschaft, 13, 82 - 110. Borkenau, P., & Ostendorf, F. (2008). NEO-FFI. NEO-Fünf- Faktoren-Inventar nach Costa und McCrae. Manual. Göttingen: Hogrefe. Connor-Smith, J. K. & Flachsbart, C. (2007). Relations between personality and coping: A Meta-Analysis. Journal of Personality and Social Psycholog y, 93, 1080 - 1107. Cramer, C. & Binder, K. (2015). Zusammenhänge von Persönlichkeitsmerkmalen und Beanspruchungserleben im Lehramt. Ein internationales systematisches Review. Zeitschrift für Erziehungswissenschaft, 18, 101 - 123. Cramer, C., Horn, K. P., & Schweitzer, F. (2009). Zur Bedeutsamkeit von Ausbildungskomponenten des Lehramtsstudiums im Urteil von Erstsemestern. Erste Ergebnisse der Studie „Entwicklung Lehramtsstudierender im Kontext institutioneller Rahmenbedingungen“ (ELKiR). Zeitschrift für Pädagogik, 55, 761 - 780. DeClerq, M., Galand, B. & Frenay, M. (2017). Transition from high school to university: a person-centered approach to academic achievement. European Journal of Psychology and Education, 32, 39 - 59. Dietrich, S. & Latzko, B. (2016). Welche Vorstellungen haben Lehramtsstudierende im ersten Semester über ihr Studium und den Lehrerberuf. In A. Boeger (Hrsg.), Eignung für den Lehrerberuf. Auswahl und Förderung (S. 137 - 154). Wiesbaden: Springer. Döring-Seipel, E. & Seip, M. (2016). Projekt „Psychosoziale Basiskompetenzen“: Standortbestimmung und Selbstprofessionalisierung. In A. Boeger (Hrsg.), Eignung für den Lehrerberuf. Auswahl und Förderung (S. 275 - 301). Wiesbaden: Springer. Dörrenbächer-Ulrich, L., Biermann, A., Brünken, R. & Perels, F. (2019). Studienwahlmotivation von Lehramtsstudierenden und Aspekte ihrer professionellen Kompetenz. Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie, 51, 45 - 61. Hany, E., Clasen, K., Böhme, N., Keiner, M., Klaubert, S., Michael, T. & Schmerbauch, A. (2018). Präsentation auf der Fachtagung „Wege in den Lehrberuf“, Pädagogische Hochschule FHNW, Campus Brugg-Windisch, Schweiz. Heise, E., Westermann, R., Spies, K. & Schiffler, A. (1997). Studieninteressen und berufliche Orientierung als Determinanten der Studienzufriedenheit. Zeitschrift für Pädagogische Psychologie, 11,123 - 132 Hickendorff, M., Edelsbrunner, P. A., McMullen, J., Schneider, M., & Trezise, K. (2018). Informative tools for characterizing individual differences in learning: Latent class, latent profile, and latent transition analysis. Learning and individual differences, 66, 4 - 15. Kaub, K., Karbach, J., Biermann, A., Friedrich, A., Bedersdorfer, H. W., Spinath, F. & Brünken, R. (2012). Berufliche Interessensorientierungen und kognitive Leistungsprofile von Lehramtsstudierenden mit unterschiedlichen Fachkombinationen. Zeitschrift für Pädagogische Psychologie, 26, 233 - 249. Kaub, K., Stoll, G., Biermann, A., Spinath, F.M. & Brünken, R. (2014). Interessenkongruenz, Belastungserleben und motivationale Orientierung bei Einsteigern im Lehramtsstudium. Zeitschrift für Arbeits- und Organisationspsychologie, 58, 125 - 139. Kim, L. E., Jörg, V. & Klassen, R. M. (2019). A meta-analysis of the effects of teacher personality on teacher effectiveness and burnout. Educational Psychology Review, 31, 163 - 195. https: / / doi.org/ 10.1007/ s10648- 018-9458-2 168 Antje Biermann, Julia Karbach, Frank M. Spinath, Roland Brünken Kline, R. B. (2011). Convergence of structural equation modeling and multilevel modeling. In M. Williams (Ed.), Handbook of methodological innovation. Thousand Oaks, CA: Sage. Klusmann, U., Köller, M. & Kunter, M. (2011). Anmerkungen zur Validität eignungsdiagnostischer Verfahren bei angehenden Lehrkräften. Zeitschrift für Pädagogik, 57, 711 - 721. Klusmann, U., Trautwein, U., Lüdtke, O., Kunter, M. & Baumert, J. (2009). Eingangsvoraussetzungen beim Studienbeginn. Werden die Lehramtskandidaten unterschätzt? Zeitschrift für Pädagogische Psychologie, 23, 265 - 278. KMK (2013). Empfehlungen zur Eignungsabklärung in der ersten Phase der Lehrerausbildung. Zugriff am 30. 3. 2018 unter https: / / www.kmk.org/ fileadmin/ Dateien/ veroef fentlichungen_beschluesse/ 2013/ 2013-03-07-Empfeh lung-Eignungsabklaerung.pdf Köller, M., Klusmann, U., Retelsdorf, J. & Möller, J. (2012). Geeignet für den Lehrerberuf? Self-Assessments auf dem Prüfstand. Unterrichtswissenschaft, 40, 121 - 139. König, J., Drahmann, M. & Rothland, M. (2018). Motivprofile von Studierenden zu Beginn der Lehrerbildung. Anwendung und Validierung eines personenzentrierten Ansatzes in Deutschland und Österreich. Zeitschrift für Bildungsforschung, 8, 153 - 171. König, J., Rothland, M., Tachtsoglou, S. & Klemenz, S. (2016). Comparing the change of teaching motivations among preservice teachers in Austria, Germany and Switzerland: Do in-school learning opportunities matter? International Journal of Higher Education, 5 (3), 91 - 103. König, J. & Rothland, M. (2013). Pädagogisches Wissen und berufsspezifische Motivation am Anfang der Lehrerausbildung. Zum Verhältnis von kognitiven und nicht-kognitiven Eingangsmerkmalen von Lehramtsstudierenden. Zeitschrift für Pädagogik, 59, 43 - 65. Künsting, J. & Lipowsky, F. (2011). Studienwahlmotivation und Persönlichkeitseigenschaften als Prädiktoren für Zufriedenheit und Strategienutzung im Lehramtsstudium. Zeitschrift für Pädagogische Psychologie, 25, 105 - 114. Kunter, M., Kleickmann, T., Klusmann, U. & Richter, D. (2011). Die Entwicklung professioneller Kompetenz von Lehrkräften. In M. Kunter, J. Baumert, W. Blum, S. Klusmann & M. Neubrand (Hrsg.), Professionelle Kompetenz von Lehrkräften. Ergebnisse des Forschungsprogramms COACTIV (S. 55 - 68). Münster: Waxmann. Laursen, B. & Hoff, E. (2006). Person-centered and variablecentered approaches to longitudinal data. Merrill-Palmer Quarterly, 52, 377 - 389. Liu, W. C., Wang, C. K. J., Kee, Y. H., Koh, C., Lim, B. S. C. & Chua, L. (2014). College students’ motivation and learning strategies profiles and academic achievement: A self-determination theory approach. Educational Psychology, 34, 338 - 353. Marsh, H. W., Lüdtke, O., Trautwein, U. & Morin, A. J. (2009). Classical latent profile analysis of academic self-concept dimensions. Synergy of personand variable-centered approaches to theoretical models of self-concept. Structural Equation Modeling, 16, 191 - 225. Mayr, J. (2010). Selektieren und/ oder qualifizieren? Empirische Befunde zu guten Lehrpersonen. In J. Abel & G. Faust (Hrsg.), Wirkt Lehrerbildung? Antworten aus der empirischen Forschung (S. 73 - 89). Münster: Waxmann. Mayr, J. (2014). Der Persönlichkeitsansatz in der Forschung zum Lehrerberuf. Konzepte, Befunde und Folgerungen. In E. Terhart, H. Bennewitz & M. Rothland (Hrsg.), Handbuch der Forschung zum Lehrerberuf (S. 189 - 215). Münster: Waxmann. Mayr, J., Müller, F. & Nieskens, B. (2016). CCT - Career Counselling for Teachers: Genese, Grundlagen und Entwicklungsstand eines webbasierten Beratungsangebots. In A. Boeger (Hrsg.), Eignung für den Lehrerberuf. Auswahl und Förderung (pp. 181 - 214). Wiesbaden: Springer. Muthén, L. K. & Muthén, B. O. (2017). Mplus. Statistical analysis with latent variables. Version 8. Nolle, T. Bosse, D. & Döring-Seipel, E. (2014). Eignungsabklärung und Lern- und Entwicklungsziele von Studierenden in Praxisphasen der universitären Lehrerbildung. In K.-H. Arnold, A. Gröschner & T. Hascher (Hrsg.), Schulpraktika in der Lehrerbildung. Theoretische Grundlagen, Konzeptionen, Prozesse und Effekte (S. 277 - 292). Münster, New York: Waxmann. Paulick, I., Retelsdorf, J. & Möller, J. (2013). Motivation for choosing teacher education. Associations with teachers’ achievement goals and instructional practices. International Journal of Educational Research, 61, 60 - 70. Pohlmann, B. & Möller, J. (2010). Fragebogen zur Erfassung der Motivation für die Wahl des Lehramtsstudiums (FEMOLA). Zeitschrift für Pädagogische Psychologie, 24, 73 - 84. Poropat, A. E. (2009). A meta-analysis of the five-factor model of personality and academic performance. Psychological Bulletin, 135, 322 - 338. Reichl, C., Wach, F. S., Spinath, F. M., Brünken, R. & Karbach, J. (2014). Burnout risk among first-year teacher students: The roles of personality and motivation. Journal of Vocational Behavior, 85, 85 - 92. Retelsdorf, J. & Möller, J. (2012). Grundschule oder Gymnasium? Zur Motivation, ein Lehramt zu studieren. Zeitschrift für Pädagogische Psychologie, 26, 5 - 17. Rindermann, H. & Oubaid, V. (1999). Auswahl von Studienanfängern durch Universitäten - Kriterien, Verfahren und Prognostizierbarkeit des Studienerfolgs. Zeitschrift für differentielle und diagnostische Psychologie, 20, 172 - 191. Roloff Henoch, J., Klusmann, U., Lüdtke, O. & Trautwein, U. (2015). Who becomes a teacher? Challenging the „negative selection“ hypothesis. Learning and Instruction, 36, 46 - 56. Rothland, M. (2010). Berufsorientierung und -motivation in der konsekutiven Lehrerbildung: diffus, trügerisch und defizitär? Befunde einer vergleichenden Untersuchung. Die deutsche Schule, 102, 21 - 36. Rothland, M. (2014). Warum entscheiden sich Studierende für den Lehrerberuf? Interessen, Orientierungen und Berufswahlmotive angehender Lehrkräfte im Spiegel der empirischen Forschung. In E. Terhart, H. Bennewitz & M. Rothland (Hrsg.), Handbuch der Forschung zum Lehrerberuf (S. 349 - 385). Münster: Waxmann. Schaarschmidt, U. & Fischer, A. (1997). AVEM - ein diagnostisches Instrument zur Differenzierung von Typen gesundheitsrelevanten Verhaltens und Erlebens gegenüber der Arbeit. Zeitschrift für Differentielle und Diagnostische Psychologie, 18, 151 - 163. Schwarzer, R. & Schmitz, G. S. (1999). Skala zur Lehrer- Selbstwirksamkeitserwartung (WIRKLEHR). In R. Schwarzer & M. Jerusalem (Hrsg.), Skalen zur Erfassung von Lehrer- und Schülermerkmalen. Dokumentation der psychometrischen Verfahren im Rahmen der Wissen- Eingangsmerkmale und Studienerfolg 169 schaftlichen Begleitung des Modellversuchs Selbstwirksame Schulen. (S. 60 - 63). Berlin: Freie Universität Berlin. Staub, F. C. (2001). Fachspezifisch-pädagogisches Coaching: Theoriebezogene Unterrichtsentwicklung zur Förderung von Unterrichtsexpertise. Beiträge zur Lehrerinnen- und Lehrerbildung, 19 (2), 175 - 198. Tein, J. Y., Coxe, S. & Cham, H. (2013). Statistical power to detect the correct number of classes in latent profile analysis. Structural equation modeling: a multidisciplinary journal, 20, 640 - 657. Trapmann, S., Hell, B., Hirn, J.-O. W. & Schuler, H. (2007). Meta-analysis of the relationship between the Big Five and academic success at university. Zeitschrift für Psychologie/ Journal of Psychology, 215, 132 - 151. Trapmann, S., Hell, B., Weigand, S. & Schuler, H. (2007). Die Validität von Schulnoten zur Vorhersage des Studienerfolgs. Eine Metaanalyse. Zeitschrift für Pädagogische Psychologie, 21, 11 - 27. Trautwein, U., Lüdtke, O., Nagy, N., Lenski, A., Niggli, A. & Schnyder, I. (2015). Using individual interest and conscientiousness to predict academic effort: Additive, synergistic, or compensatory effects? Journal of Personality and Social Psychology, 109, 142 - 162. Vermunt, J. K. & Magidson, J. (2002). Latent class cluster analysis. Applied Latent Class Analysis, 11, 89 - 106. Wach, F.-S., Karbach, J., Ruffing, S., Brünken, R. & Spinath, F. M. (2016). University students’ satisfaction with their academic studies: Personality and motivation matter. Frontiers in Psychology, 7, 55. Waterbör-Weitert, C., Biermann, A., Dörrenbächer, L. & Brünken, R. (2018). Findteacher - erste Validierungsergebnisse zu einem onlinegestützten Selbstassessment für Lehramtsinteressierte und -studierende. Poster präsentiert auf dem Kongress der Deutschen Gesellschaft für Psychologie, Frankfurt. Westermann, R., Heise, E., Spies, K. & Trautwein, U. (1996). Identifikation und Erfassung von Komponenten der Studienzufriedenheit. Psychologie in Erziehung und Unterricht, 43, 1 - 22 Wolf, K., Kunina-Habenicht, O., Maurer, C. & Kunter, M. (2018). Werden aus guten Schülerinnen und Schülern auch erfolgreiche Lehrkräfte? Zur prädiktiven Bedeutung von Noten in Schule und Ausbildung für den Berufserfolg angehender Lehrkräfte. Zeitschrift für Pädagogische Psychologie, 32, 101 - 115. PD Dr. Habil. Antje Biermann Prof. Dr. Roland Brünken Universität des Saarlandes Fakultät für Empirische Humanwissenschaften und Wirtschaftswissenschaft Fachrichtung Bildungswissenschaften Postfach 15 11 50 D-66041 Saarbrücken E-Mail: a.biermann@mx.uni-saarland.de r.bruenken@mx.uni-saarland.de Prof. Dr. Frank Spinath Universität des Saarlandes Fakultät für Empirische Humanwissenschaften und Wirtschaftswissenschaft Fachrichtung Psychologie Postfach 15 11 50 D-66041 Saarbrücken E-Mail: f.spinath@mx.uni-saarland.de Prof. Dr. Julia Karbach Universität Koblenz-Landau Fachbereich Psychologie Fortstraße 7 D-76829 Landau in der Pfalz E-Mail: karbach@uni-landau.de