Zusammenfassung
Grundvorstellungen beschreiben die inhaltlichen Vorstellungen einer Person von abstrakten Objekten, Begriffen und Verfahren. Sie stellen eine notwendige Voraussetzung dafür dar, dass abstrakte Objekte für die Lösung realer Problemstellungen genutzt werden können. Bisherige Studien belegen einen Einfluss der Grundvorstellungen auf das Kompetenz- und Autonomieerleben, die Noten und die Modellierungsfähigkeit. Grundvorstellungen zeichnen sich aus einer theoretischen Perspektive durch die Merkmale „Vielfältigkeit“ und „Netzartigkeit“ aus. Empirische Studien zeigen darin übereinstimmend, dass eine höhere Anzahl der Grundvorstellungen vorteilhaft für Lernprozesse und Lernerfolge ist. Welche Vorstellungsnetze Lernende jedoch konkret bilden, ist bislang nicht bekannt. Ziel des vorliegenden Beitrages ist es daher, Vorstellungsnetze zu den Begriffen Aufwand und Ertrag empirisch auszuarbeiten, in ihrer Erklärungskraft zu vergleichen und eine Reduktion von Komplexität für Wissenschaft und Unterrichtsplanung zu ermöglichen.
Grundlage der Studie sind die Daten von 450 Lernenden aus 24 Klassen verschiedener teil- und vollzeitschulischer Bildungsgänge. Aus insgesamt 21 Variablen identifiziert der Beitrag mit Hilfe von Faktoranalysen insgesamt acht Vorstellungsnetze des Typs-F und mit Hilfe latenter Klassenanalysen sieben Vorstellungsnetze des Typs-L. Die Vorstellungsnetze stellen eine Reduktion in der Anzahl der Variablen dar. Ein Vergleich der verschiedenen Netztypen mit einzelnen Vorstellungen zur Vorhersage des Kompetenzerlebens, der Noten und der Modellierungsfähigkeit zeigt, dass die Netze vom Typ-F eine ähnlich hohe Varianzaufklärung erzielen wie die einzelnen Grundvorstellungen, während Netze vom Typ-L zwar meistens das günstigste Verhältnis aus Anzahl an Variablen und Erklärungsfähigkeit aufweisen, die absolute Erklärungsmächtigkeit aber eher gering ist. Inhaltlich eignen sich Netze vom Typ-L vor allem für die Ermittlung von Risikogruppen unter den Lernenden und für die Abstimmung des Unterrichts auf deren Voraussetzungen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literatur
Bacher, J. & Vermunt, J. K. (2010). Analyse latenter Klassen. In C. Wolf & H. Best (Hrsg.), Handbuch der sozialwissenschaftlichen Datenanalyse (S. 553–574). Wiesbaden: VS Verlag für Sozialwissenschaften.
Baetge, J.; Kirsch, H.-J. & Thiele, S. (2017). Bilanzen (14. Aufl.). Düsseldorf: IDW.
Berding, F. (2018). Auf die Vorstellungen kommt es an. Grundvorstellungen im Rechnungswesen am Beispiel des Begriffs „Aufwand“. Bildung und Beruf, Mai/Juni 2018, 6–11.
Berding, F. (2019). Rechnungswesenunterricht. Grundvorstellungen und ihre Diagnose. Augsburg: Hampp.
Berding, F.; Beckmann, A. & Kürten, V. (2019). Modellieren mit dem Rechnungswesen. Entwicklung eines raschkonformen Messverfahrens für erfolgswirksame Vorgänge und didaktische Implikationen. Zeitschrift für Berufs- und Wirtschaftspädagogik, 115(4), 567–602.
Berding, F. & Jahncke, H. (im Druck). Die Rolle von Grundvorstellungen in Lehr-Lern-Prozessen im Rechnungswesenunterricht. Unterrichtswissenschaft.
Berding, F.; Riebenbauer, E. & Slepcevic-Zach, P. (2019). Grundvorstellungen angehender Wirtschaftspädagog(inn)en im Rechnungswesen. Verknüpfung mit Lernprozessen und Unterricht im Vergleich zwischen Deutschland und Österreich. Zeitschrift für Berufs- und Wirtschaftspädagogik, 115(3), 363–398.
Blum, W.; vom Hofe, R.; Jordan, A. & Kleine, M. (2004). Grundvorstellungen als aufgabenanalytisches und diagnostisches Instrument bei PISA. In M. Neubrand (Hrsg.), Mathematische Kompetenzen von Schülerinnen und Schülern in Deutschland (S. 145–157). Wiesbaden: VS Verlag für Sozialwissenschaften.
Büchter, A. & Henn, H.-W. (2010). Elementare Analysis. Von der Anschauung zur Theorie. Heidelberg: Spektrum.
Bühner, M. (2011). Einführung in die Test- und Fragebogenkonstruktion (3. Aufl.). München: Pearson.
Cain, M. K. & Zhang, Z. (2019). Fit for a Bayesian: An Evaluation of PPP and DIC for structural equation modeling. A Multidisciplinary Journal, 26(1), 39–50.
Celeux, G. &, Soromenho, G. (1996). An entropy criterion for assessing the number of clusters in a mixture model. Journal of Classification, 13(2), 195–212.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). New York: Psychology Press.
Daum, A.; Petzold, J. & Pletke, M. (2016). BWL für Juristen. Eine praxisnahe Einführung in die betriebswirtschaftlichen Grundlagen (3. Aufl.). Wiesbaden: Springer.
Deimel K.; Isemann, R. & Müller, S. (2006). Kosten- und Erlösrechnung: Grundlagen, Managementaspekte und Integrationsmöglichkeiten der IFRS. Pearson: München.
Dias, J. G. & Vermunt, J. K. (2006). Bootstrap methods for measuring classification uncertainty in latent class analysis. In A. Rizzi & M. Vichi (Eds.), Proceedings in computational statistics (pp. 31–41). Heidelberg: Springer.
DiStefano, C.; McDaniel, H. L.; Zhang, L.; Shi, D. & Jiang, Z. (2019). Fitting large factor analysis models with ordinal data. Educational and Psychological Measurement, 79(3), 417–436.
Geiser, C. (2013). Data analysis with MPlus. New York: Guilford Press.
Haller, A. (2011) Wertschöpfungsrechnung. In W. Busse von Colbe; N. Crasselt & B. Pellens (Hrsg.), Lexikon des Rechnungswesens (5. Aufl.; S. 851–857). München: Oldenbourg.
Hausser, F. & Luchko, Y. (2011). Mathematische Modellierung mit MATLAB. Heidelberg: Spektrum.
Hellmrich, R; Tiemann, M.; Troltsch, K.; Lukowski, F.; Neuber-Pohl, C; Lewalder, A. C. & Güntürk-Kuhl, B. (2016). Digitalisierung der Arbeitslandschaften. Wissenschaftliche Diskussionspapiere (Heft 18). Bonn: Bundesinstitut für Berufsbildung.
Holzmüller, H. H. & Bandow, G. (2010). Einleitung. In G. Bandow & H. H. Holzmüller (Hrsg.), „Das ist gar kein Modell! (S. VII–XIV). Wiesbaden: Gabler.
Hu, L. & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural equation modeling, 6(1), 1–55.
Jordanski, G. (in diesem Sammelband). Kaufmännische Steuerung und Kontrolle im 4.0 Arbeitsumfeld – Anforderungen an duale Ausbildungsberufe. In F. Berding, H. Jachnke & A. Slopinski (Hrsg.), Rechnungswesenunterricht 2020. Springer.
Kelava, A. & Moosbrugger, H. (2012). Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilung. In H. Moosbrugger & A. Kelava (Hrsg.), Testtheorie und Fragebogenkonstruktion (2. Aufl.; S. 75–101). Berlin: Springer.
Kloock, J.; Sieben, G.; Schildbach, T. & Homburg, C. (2005). Kosten- und Leistungsrechnung (9. Aufl.). Stuttgart: Lucius & Lucius.
KMK (2018). Handreichung für die Erarbeitung von Rahmenlehrplänen der Kultusministerkonferenz für den berufsbezogenen Unterricht in der Berufsschule und ihre Abstimmung mit Ausbildungsordnungen des Bundes für anerkannte Ausbildungsberufe. URL: https://www.kmk.org/fileadmin/Dateien/veroeffentlichungen_beschluesse/2011/2011_09_23-GEP-Handreichung.pdf [22.01.2020].
Kocian-Dir, C. (2019). Betriebswirtschaftslehre schnell erfasst. Berlin: Springer.
Lingnau, V. & Beham, F. (2019). Das erwerbswirtschaftliche Prinzip neu definiert – Wertschöpfung als Alternative zur traditionellen Gewinn- bzw. Shareholder Value-Orientierung. In P. Ulrich & B. Baltzer (Hrsg.), Wertschöpfung in der Betriebswirtschaftslehre (S. 27–50). Wiesbaden: Springer.
Malle, G. (1993). Didaktische Probleme der elementaren Algebra. Braunschweig: Vieweg.
Möller, H. P. & Hüfner, B. (2004). Betriebswirtschaftliches Rechnungswesen. Die Grundlagen von Buchführung und Finanzberichten. München: Pearson.
Moosbrugger, H. & Schermelleh-Engel, K. (2012). Exploratorische (EFA) und Konfirmatorische Faktorenanalyse (CFA). In H. Moosbrugger & A. Kelava (Hrsg.), Testtheorie und Fragebogenkonstruktion (2. Aufl.; S. 325–343). Berlin: Springer.
Muzzu, A. & Hmyzo, E. (2019). Künstliche Intelligenz im Accounting. Wenn die Maschine besser und schneller bucht. URL: https://www.handelsblatt.com/adv/ey-accounting-ai/kuenstliche-intelligenz-im-accounting-wenn-die-maschine-besser-und-schneller-bucht/25099346.html [25.11.2019].
Nylund, K. L.; Asparouhov, T. & Muthén, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation study. Structural Equation Modeling, 14(4), 535–569.
Nylund-Gibson, K. & Choi, A. Y. (2018). Ten frequently asked questions about latent class analysis. Translational Issues in Psychological Science, 4(4), 440–461.
Pekrun, R.; vom Hofe, R.; Blum, W.; Götz, T.; Wartha, S.; Frenzel, A. & Jullien, S. (2006). Projekt zur Analyse der Leistungsentwicklung in Mathematik (PALMA). In M. Prenzel & L. Allolio-Näcke (Hrsg.), Untersuchungen zur Bildungsqualität von Schule (S. 21–53). Münster: Waxmann.
Prediger, S. (2009). Verstehen durch Vorstellen. In T. Leuders; L. Hefendehl-Hebeker & H.-G. Weigand (Hrsg.), Mathe Magische Momente (S. 166–175). Berlin: Cornelsen.
Preiß, P. & Tramm, T. (1996b). Die Göttinger Unterrichtskonzeption des wirtschaftsinstrumentellen Rechnungs-wesens. In P. Preiß & T. Tramm (Hrsg.), Rechnungswesenunterricht und ökonomisches Denken (S. 222–323). Wiesbaden: Gabler.
Preißler, P. R. & Preißler, G. J. (2015). Entscheidungsorientierte Kosten- und Leistungsrechnung (4. Aufl.). Berlin: De Gruyter.
Prenzel, M.; Kristen, A.; Dengler, P.; Ettle, R. & Beer, T. (1996). Selbstbestimmt motiviertes und interessiertes Lernen in der kaufmännischen Erstausbildung. Zeitschrift für Berufs- und Wirtschaftspädagogik, Beiheft 13, 108–127.
Ravensburger AG (2019). Geschäftsbericht 2018 der Gruppe Ravensburger AG. URL: https://www.ravensburgergruppe.de/content/wcm/mediadata/pdf/de/Ueber_Ravensburger/Gesch%C3%A4ftsberichte/Gesch%C3%A4ftsbericht_2018.pdf [23.01.2020].
Reinfried, S.; Mathis, C. & Kattmann, U. (2009). Das Modell der Didaktischen Rekonstruktion – eine innovative Methode zur fachdidaktischen Erforschung und Entwicklung von Unterricht. Beiträge zur Lehrerbildung, 27(3), 404–414.
Roski, R. (1986). Einsatz von Aggregaten – Modellierung und Planung. Berlin: Duncker & Humbolt.
Rost, J. (2004). Lehrbuch Testtheorie – Testkonstruktion (2. Aufl.). Bern: Hans Huber.
Rost, J. (2006). Latent-Class-Analyse. In F. Petermann & M. Eid (Hrsg.), Handbuch der Psychologischen Diagnostik (S. 275–287). Göttingen: Hogrefe.
Schierenbeck, H. (2003). Grundzüge der Betriebswirtschaftslehre (16. Aufl.). München: Oldenbourg.
Schmitt, T. A. (2011). Current methodological considerations in exploratory and confirmatory factor analysis. Journal of Psychoeducational Assessment, 29(4), 304–321.
Schupp, H. (1988). Anwendungsorientierter Mathematikunterricht in der Sekundarstufe I zwischen Tradition und neuen Impulsen. Der Mathematikunterricht, 34(6), 5–16.
Stachowiak, H. (1973). Allgemeine Modelltheorie. Wien: Springer.
Stork, J. H. (2013). Der Einfluss unterschiedlicher Unterrichtsmodelle auf den Erwerb von mathematischen und kaufmännischen Kompetenzen im beruflichen Unterricht. In U. Faßhauer; B. Fürstenau & E. Wuttke (Hrsg.), Jahrbuch der berufs- und wirtschaftspädagogischen Forschung (S. 11–22). Opladen: Barbara Budrich.
Töllner, A.; Jungmann, T. & Langenheim, H. (1996). Lernschwierigkeiten im Buchführungsunterricht. In G. Randow & H. H. Holzmüller (Hrsg.), „Das ist gar kein Modell! (S. 3–21). Wiesbaden: Gabler.
Urban, D. & Mayerl, J. (2014). Strukturgleichungsmodellierung. Ein Ratgeber für die Praxis. Wiesbaden: Springer.
vom Hofe, R.; Hafner, T.; Blum, W. & Pekrun, R. (2009). Die Entwicklung mathematischer Kompetenzen in der Sekundarstufe – Ergebnisse der Längsschnittstudie PALMA. In A. Heinze & M. Grüßing (Hrsg.), Mathematiklernen vom Kindergarten bis zum Studium (S. 125–146). Münster: Waxmann.
vom Hofe, R. (1992). Grundvorstellungen mathematischer Inhalte als didaktisches Modell. Journal für Mathematik-Didaktik, 13(4), 345–364.
vom Hofe, R. (1995). Grundvorstellungen mathematischer Inhalte. Heidelberg: Spektrum.
vom Hofe, R. (2003). Grundbildung durch Grundvorstellungen. mathematik lehren, 118, 4–8.
Wang, J. & Wang, X. (2020). Structural equation modeling. Applications using MPlus (2nd Ed.). New York: Wiley & Sons.
Wöhe, G. & Döring, C. (2005). Einführung in die Allgemeine Betriebswirtschaftslehre (22. Aufl.). München: Vahlen.
Wöhe, G.; Döring, U. & Brösel, G. (2016). Einführung in die Allgemeine Betriebswirtschaftslehre (26. Aufl.). München: Vahlen.
Zyphur, M. J. & Oswald, F. L. (2015). Bayesian estimation and inference. A user’s guide. Journal of Management, 41(2), 390–420.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Berding, F. (2020). Ausarbeitung und Vergleich verschiedener Typen von Grundvorstellungsnetzen über erfolgswirksame Vorgänge. In: Berding, F., Jahncke, H., Slopinski, A. (eds) Moderner Rechnungswesenunterricht 2020. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-31146-9_8
Download citation
DOI: https://doi.org/10.1007/978-3-658-31146-9_8
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-31145-2
Online ISBN: 978-3-658-31146-9
eBook Packages: Education and Social Work (German Language)