Über das Wissenschaftssystem

Der „Added Value“-Ansatz: Eine Möglichkeit zur Berücksichtigung unterschiedlicher Startbedingungen im Wettbewerb von Hochschulen

| | Keine Kommentare

Angesichts einer stärker werdenden Diskussion um die notwendige größere Diversität der Studierendenschaft stellt sich die Frage, welche Auswirkungen dies bei gleichzeitig verstärkt eingesetzten Leistungsanreizen an Hochschulen hat. Eine dabei aufgeworfene Frage ist (so auch zu einem vorangegangenen Blogbeitrag): „Hat dann schon verloren, wer sich aus Überzeugung (oder aufgrund der Ausgangsbedingungen) diesem Ziel verschreibt/verschreiben muss?“  Bzw. könnte man die Frage auch anders formulieren: Sind Nachteile für Hochschulen mit einer inhomogenen Studierendenpopulation im bestehenden Leistungsanreiz-System unvermeidbar? Dieser Beitrag [1] widmet sich schwerpunktmäßig der knappen Darstellung und Diskussion eines Beispiels für ein „gerecht(er)es“ System der leistungsorientierten Mittelvergabe (LOM). Hierfür wird mit dem in Deutschland bisher kaum rezipierten australischen Modell eine Möglichkeit zur Berücksichtigung von Diversität und unterschiedlichen Startbedingungen im Wettbewerb von Hochschulen vorgestellt und seine Übertragbarkeit auf den deutschen Kontext diskutiert.

Der „Added-Value“: Adjustierte Indikatoren für unterschiedliche Startbedingungen

Das australische Modell adjustierter Indikatoren wurde dort 1998 für die leistungsorientierte Mittelvergabe des Learning and Teaching Performance Fund eingeführt. Die in diesem Modell verwendeten Indikatoren umfassen u.a. die Anteile an Nichtmuttersprachler/innen, den sozioökonomischen Status, sowie Geschlecht und Alter der Studierenden. Ihre spezifische Ausprägung in den bewerteten Einrichtungen wird bei der Berechnung der Performanz-Indikatoren berücksichtigt. Hintergrund der Modellentwicklung war die Erkenntnis, dass mit einfachen Leistungsindikatoren nicht hinreichend auf die unterschiedlichen Ziele und Angebote der Hochschulen und auf die Unterschiede in der Studierendenschaft eingegangen werden kann (vgl. DETYA 1998: 70f.). Daher wurde eine Methode entwickelt, mit der die Einflüsse statistisch signifikanter Faktoren (vgl. DETYA 1998) [2] ausgeglichen werden sollen.

Dieser Ansatz lässt sich mit Vorliegen entsprechender Daten potentiell auch auf deutsche Hochschulen übertragen. Dass sich deutsche Hochschulen hinsichtlich der Ausgangsbedingungen und Diversität deutlich unterscheiden, lässt sich beispielsweise anhand ausgewählter Merkmale der Studierendenzusammensetzung zeigen. Diese wurden mittels Analysen vorhandener Datenbestände ermittelt (vgl. Bargel u.a. 2011, BMBF 2010). Der Anteil an Nichtakademikerkindern als ein häufig verwendetes Merkmal für die Bildungs-Herkunft variiert allein zwischen den Universitäten [3] zwischen ca. 40% (Freiburg, TU Berlin, LMU München, Leipzig) und ca. 65% (Kassel, Duisburg-Essen, Oldenburg, Bochum). Dies hängt sicherlich z.T. mit der Fächerzusammensetzung zusammen. Darüber hinaus spielen aber auch andere Faktoren wie z.B. der Standort bzw. das Rekrutierungspotential ein Rolle, denn auch innerhalb desselben Faches bestehen signifikante Unterschiede. Beispielsweise in der Soziologie variiert der Anteil an Nichtakademikerkindern zwischen rund 40% (Freiburg, mit etwas Abstand TU Berlin, Potsdam, Leipzig) und ca. 70% (Kassel, Duisburg-Essen, Rostock, Bochum). Dass es jeweils fast dieselben Standorte sind, ist vermutlich kein Zufall. [4] Vor diesem Hintergrund könnte die Übertragung des australischen Modells auf Deutschland überlegt werden. [5] Dies kann sowohl für den Leistungsbereich Lehre und Studium erfolgen (wie hier vorgeschlagen), als auch für den Leistungsbereich wissenschaftliche Nachwuchsförderung (wie an anderer Stelle erörtert). [6]

Das Rechenbeispiel: Wie sich die Performanz bei Adjustierung verändert

Nachfolgend wird nun die Berechnungsweise innerhalb des Modells in den vier wesentlichen Schritten exemplarisch anhand zweier Beispielhochschulen erläutert (angelehnt an die Beispielrechnung in DETYA (1998: 71f.)). Institution 1 hat mit 20% einen geringen Anteil an Studierenden mit niedrigem sozioökonomischem Hintergrund (low SEB), Institution 2 dagegen mit 70% einen hohen Anteil.

1. Ausgangsbedingungen: Anteile „low socio-economic background status” (SEB) versus „other SEB“:

Institution 1 Institution 2 Total
low SEB 20% 70% 45%
other SEB 80% 30% 55%

 

2. Erfolgsquote als “crude performance indicator” (unbearbeiteter Leistungsindikator) nach Institutionen und Subgruppen:

Institution 1 Institution 2 Total
low SEB 70% 75% 74%
other SEB 85% 95% 88%
Total 82% 81% 81,5%

 

3. Erwartete Erfolgsqote (Erw. Erfq.) am Beispiel der Institution 1:

Erw. Erfq. = lowSEB-Anteil1 * lowSEB-Perf. + othSEB-Anteil1 * othSEB-Perf.
Erw. Erfq. = 20%                 * 74%               + 80%                  * 88%                     = 85%

 

4. „Adjusted performance indicator“ (adj. Perf.) als Differenz „crude“ minus erwartete Erfolgsquote:

Institution 1 Institution 2 Total
Total erw. Erfq. 85% 78% 81,5%
Diff. cr.-erw. Erfq.= Adj.Perf. 82-85= -3% 81-78= +3% 0%

 

Die sich aus dem dargestellten Rechenweg ergebenden Werte in der Zeile zur „Adjusted Performance“ (Diff. cr.-erw. Erfq.= Adj.Perf.) zeigen an, welche Ergebnisse für die Institutionen resultieren, wenn ausschließlich die Anteile an „SEB“ als Einflussfaktor für die Adjustierung berücksichtigt würden. In diesem Fall verändert sich das Verhältnis gegenüber der Nichtberücksichtigung der SEB-Anteile („crude“) in folgender Weise: Bei Institution 1 mit deutlich weniger low-SEB-Studierenden ergibt sich aufgrund der höheren erwarteten Erfolgsquote ein negativer Wert (-3). Für Institution 2 ergibt sich aufgrund der resultierenden niedrigeren erwarteten Erfolgsquote ein positiver Wert (+3). Diese Berechnungen können leicht automatisiert durchgeführt werden (sind bei Statistikprogrammen Standard) und erfolgten hier nur zur Veranschaulichung manuell.

Die Beispielrechnung zeigt, dass auch bei großen SEB-Anteilsunterschieden die Werte der angepassten Performanz („adjusted performance“) im einstelligen Prozentpunktebereich bleiben. Da eine Adjustierung der vorhandenen Leistungsbewertungs- bzw. Anreizsysteme und nicht die Schaffung neuer Anreize zur Veränderung der Studierendenzusammensetzung angestrebt wurde, würden sich intentionsgemäß kurzfristige Veränderungen der Studierendenzusammensetzung weniger stark niederschlagen als Änderungen der Erfolgsquoten. Größere Veränderungen aufgrund unterschiedlicher Studierendenzusammensetzung könnten durch die Adjustierung erst zustande kommen, wenn Standorte bei mehreren für die Adjustierung relevanten Einflussfaktoren zugleich deutlich ungünstigere Ausgangsbedingungen gegenüber dem Landesschnitt aufweisen.

Neben dem SEB-Status wurden im ursprünglichen, umfassenderen australischen Modell elf Einflussfaktoren berücksichtigt. Später wurde ein vereinfachtes Modell mit vier Einflussfaktoren erstellt, was zu fast identischen Ergebnissen führte (vgl. Krempkow 2010: 14). [7] Die hier exemplarisch vorgenommenen Berechnungen erfolgten in Australien für insgesamt 43 Hochschulen. Dabei erhielten einzelne Hochschulen, die trotz ungünstiger Ausgangsbedingungen deutlich höhere Erfolgsquoten aufwiesen als erwartet, überdurchschnittliche Finanzmittel. Mehrere Hochschulen hatten kleine Verluste, für viele Hochschulen ergaben sich kaum Differenzen (vgl. DETYA 1998; Krempkow 2010).

Das australische Modell wurde 2005 einem externen Review unterzogen. Dabei erhielt das Gesamtkonzept eine positive Bewertung als sensitiver und fairer Ansatz, der zudem sorgfältig jeden Faktor (aus der Adjustierung) ausschloss, der im Einflussbereich der Hochschule liegt (vgl. Access Economics 2005: 4). Eine weitere Analyse des Modells kam zu dem Schluss, dass es auch bei relativ kleinen verteilten Summen das Potential hat, mit seinen Indikatoren und deren relativem Gewicht starke Triebkräfte für die Institutionenpolitik zu entfalten, was u.a. in der öffentlichen Diskussion der Ergebnisse der Leistungsvergleiche begründet sei (vgl. Harris 2007: 69f.).

Ausblick: Lohnt eine Adaptierung des australischen Modells für Deutschland?

Dem Beitrag liegt das Argument zugrunde, dass hochschulische Leistungen in Lehre (und Forschung) in Zusammenhang mit institutioneller Diversität und mit dem Grad der Vielfalt der Zusammensetzung der Studierendenschaft stehen. Mit der Adjustierung würde neben einer höheren Transparenz über die tatsächlich in Relation zu den Ausgangsbedingungen erbrachten Leistungen der „Added Value“ der Hochschulbildung in die Leistungsbewertung und die LOM einbezogen. Dieser wird erbracht, wenn Hochschulen mit (für hohe Erfolgsquoten) ungünstiger Studierendenzusammensetzung über den erwarteten Werten liegende Erfolgsquoten erreichen. Ersten empirischen Analysen zufolge könnte dies u.a. über eine bessere Studienqualität und Kompetenzförderung erreicht werden (vgl. Kamm/Krempkow 2010: 76). Eine Verbesserung der Studienqualität und der Kompetenzförderung waren und sind wichtige Ziele des Bologna-Prozesses und diese Ziele wurden durch jüngste „Bologna-Gipfel“ des Bundes und BMBF-Förderinitiativen (wie die 2 Mrd. Euro zur Verbesserung der Qualität von Lehre und Studium im Rahmen des Hochschulpaktes 2020) sowohl in der politischen Aufmerksamkeit, als auch finanziell höher priorisiert als zuvor. Daher könnte eine Adaption des australischen Modells der Indikatoren-Adjustierung in der Leistungsbewertung Deutschlands und in der LOM deutscher Bundesländer diese Ziele durchaus effektiv flankierend unterstützen.

Literatur

Access Economics (2005): Review of Higher Education Outcome Performance Indicators´ Report by Access Economics.

Bargel, Ernst Tino u.a. (2011): Forschungsprojekt Studiensituation, Datensätze der Erhebungen zum 7-10. Konstanzer Studierendensurvey (1997/98-2006/07). Konstanz: Arbeitsgruppe Hochschulforschung der Universität Konstanz.

Bundesministerium für Bildung und Forschung (BMBF) (2010): Die wirtschaftliche und soziale Lage der Studierenden in der Bundesrepublik Deutschland 2009. 19. Sozialerhebung des Deutschen Studentenwerks durchgeführt durch HIS Hochschul-Informations-System. Berlin: BMBF.

DETYA (1998): Department of Education, Training and Youth Affairs (1998): The Characteristics and Performance of Higher Education Institutions, Occasional Paper Series 98-A.

Harris, Kerry-Lee (2007): A critical examination of a recent performance-based incentive fund for teaching excellence in Australia. In: Longden, Bernard/ Harris, Kerry-Lee: Funding Higher Education: A Question of Who pays? EAIR-Monograph Nr. 2, Amsterdam, S. 62-78.

Kamm, Ruth/ Krempkow, René (2010): Ist leistungsorientierte Mittelvergabe im Hochschulbereich „gerecht“ gestaltbar? In: Qualität in der Wissenschaft 4, 3, S. 71-78.

Krempkow, René (2010): Leistungsorientierte Mittelvergabe und wissenschaftliche Nachwuchsförderung. Beitrag zum Workshop „Chancengerechtigkeit in der Wissenschaft?” Institut für Hochschulforschung (HoF), 18.-19.11.2010, Wittenberg

Krempkow, Rene/ Kamm, Ruth (2011): Leistungsklassen oder „Added Value“? Zwei Ansätze zur Berücksichtigung unterschiedlicher Startbedingungen im Wettbewerb von Hochschulen. In: Qualität in der Wissenschaft 5, 4, S. 115-120.

______________________

[1] Dieser Beitrag basiert auf einem ausführlicheren Text des Verfassers mit Ruth Kamm (vgl. Kremp­kow/Kamm 2011), für deren Mitarbeit und vielfältige Anregungen der Verfasser ausdrücklich danken möchte. Er schließt inhaltlich an einen vorangegangenen Beitrag an (vgl. Kamm/Krempkow 2010).

[2] In Frankreich erfolgten vom CÉREQ 2009 Regressionsanalysen und eine Simulation für ein ähnliches LOM-Verfahren, für eine Regressionsanalyse an Hochschulen in Deutschland – vgl. Kamm/Krempkow (2010).

[3] Bei Einbeziehung von Fachhochschulen wäre die Spannweite noch größer.

[4] Ähnliche relativ große Unterschiede finden sich auch für die Anteile der Teilzeitstudierenden, was in etwa dem Indikator „type of enrolment“ in Australien entspricht (vgl. ausführlicher dazu Krempkow/Kamm 2011).

[5] Eine beispielhafte Übertragung für die Universitäten eines deutschen Bundeslandes wird voraussichtlicht im Mai 2012 im Buch „Diversity und Hochschule“ bei Juventa veröffentlicht.

[6] In der Ausgabe 1/2012 der wissenschaftlichen Zeitschrift „Die Hochschule“ werden sowohl Analysen zu den (kumulativen und kompensatorischen) Effekten von Migrationshintergrund, Bildungsherkunft und Geschlechtszugehörigkeit auf den längerfristigen Verbleib in der Wissenschaft dargestellt (vgl. Beitrag von Löther), als auch Anwendungsmöglichkeiten der Indikatorenadjustierung des australischen Modells für den Leistungsbereich wissenschaftliche Nachwuchsförderung innerhalb von LOM-Modellen in Deutschland (vgl. Beitrag von Krempkow).

[7] Vor einiger Zeit wurde nochmals eine Weiterentwicklung des Modells angestoßen, deren Ergebnisse waren zum Zeitpunkt der Veröffentlichung dieses Beitrages noch nicht bekannt.

Kommentar schreiben


Mit * gekennzeichnete Felder sind Pflichtfelder.

Über den Autor

Dr. René Krempkow studierte in Dresden und n der Universidad de Salamanca. Nach dem Studium arbeitete er im Bereich Lehrevaluation und Absolventenstudien an der Technischen Universität Dresden und erarbeitete den ersten Landes-Hochschulbericht Sachsen. Seit 2010 ist er Vorstandsmitglied der Gesellschaft für Hochschulforschung (GfHf). Seit 2013 arbeitet er am FiBS Berlin in Forschungsprojekten zur Hochschul- und Bildungsforschung und der Beratung von Hochschulen und Ministerien.