6 Empirische Analysen anhand der EviS-Daten in:

Bastian Laier

Soziale Netzwerke von Lehrerinnen und Lehrern, page 179 - 226

Erklärungen und Konsequenzen

1. Edition 2018, ISBN print: 978-3-8288-4117-8, ISBN online: 978-3-8288-6994-3, https://doi.org/10.5771/9783828869943-179

Tectum, Baden-Baden
Bibliographic information
6 Empirische Analysen anhand der EviS-Daten In den folgenden Unterkapiteln werden die in den Abschnitten 4.2.1 und 4.2.2 aufgestellten Hypothesen (für einen Überblick siehe Tabelle 5 auf S. 143) einer empirischen Überprüfung unterzogen. Das Datenmaterial stammt aus zwei Erhebungen. Bei der ersten handelt es sich um egozentrierte Netzwerkdaten von Lehrkräften, die in Abschnitt 5.2 näher erläutert wurden. Die zweite Datenbasis setzt sich aus Gesamtnetzwerkerhebungen von fünf Schulen zusammen, die in Abschnitt 5.3 eingehend beschrieben wurden. Die sozialen Netzwerke der Lehrkräfte werden für die Hypothesen zur Formation von Netzwerken als AV betrachtet und für Hypothesen zu den Folgen als UV. Die Darstellung der Hypothesentests orientiert sich an dieser Unterteilung sowie der Zweiteilung der Datenbasis. In Abschnitt 6.1 wird mit den Hypothesentests zur Formation der sozialen Netzwerke begonnen. Anschließend folgen in Abschnitt 6.2 die Analysen zu den Folgen der sozialen Netzwerke. Für die einzelnen Hypothesentests wird stets eine Rückkopplung der empirischen Ergebnisse an die theoretische Fundierung sowie eine kritische Reflexion der Ergebnisse gegeben. Im Fokus der Betrachtung steht zum einen die Frage, wie sich die Netzwerke empirisch darstellen und ob sich dabei Regelmäßigkeiten finden lassen. Zum anderen wird überprüft, inwiefern sich die eingangs erwähnten Hoffnungen bestätigen, dass soziale Verbindungen von Lehrkräften von Bedeutung für die Schulentwicklung sind. Dieser Aspekt kristallisiert sich im Wesentlichen bei dem Einfluss der Netzwerke auf die in Abschnitt 5.4 beschriebenen Konzepte der Evidenzorientierung und des evidenzbasierten Handelns heraus. 6.1 Zur Formation von Netzwerken Im Folgenden werden die Hypothesen zur Formation von Netzwerken am empirischen Datenmaterial überprüft. Dabei wird der Darstellung aus Tabelle 5 179 (siehe Seite 143) gefolgt und zunächst werden Hypothesen getestet, die den Konsistenztheorien zuzuordnen sind. Anschließend werden die Homophilie- Hypothesen getestet und schließlich die RC-theoretische Hypothese. Zur Erinnerung: Die einzelnen Hypothesen können aufgrund der Datenlage nicht immer an den egozentrierten und den Gesamtnetzwerkdaten getestet werden. An welchen Daten eine Hypothese im Rahmen dieser Untersuchung getestet wird, wird durch den Zusatz ” E“ für egozentrierte Netzwerke und ” G“ für Gesamtnetzwerke gekennzeichnet. Konsistenztheorien Die erste Hypothese aus dem Bereich der Konsistenztheorien bezieht sich auf die Dichte der egozentrierten Netzwerke. Zur Überprüfung der Hypothese genügt es, die Dichte der egozentrierten Netzwerke zu berechnen und anschließend zu testen, ob der beobachtete Wert von einer mittleren Dichte (0, 5) abweicht. Hypothese 1-E: Die egozentrierten Netzwerke der Lehrkräfte weisen eine hohe Dichte (> 0, 5) auf. In einem ersten Schritt wird beschrieben, wie die Dichte der egozentrierten Netzwerke operationalisiert wird. In Abschnitt 5.2 wurden bereits einige statistische Eckdaten der egozentrieten Netzwerke geliefert. In diesem Abschnitt wird die Berechnung der Dichte beschrieben und es werden deskriptive Ergebnisse dazu berichtet. Als Dichte eines Netzwerks wird der Anteil der vorhandenen an den insgesamt möglichen Verbindungen zwischen einer Anzahl von Knoten bezeichnet. Die Dichte eines Netzwerks ist folglich auf einen Wertebereich zwischen 0 und 1 normiert, wobei 0 bedeuten würde, dass es innerhalb eines Netzwerks keinerlei Kanten zwischen den Knoten gibt und 1 dagegen, dass alle Knoten über eine Kante mit allen anderen Knoten des Netzwerks verbunden sind. Für die Berechnung von Dichtewerten egozentrierter Netzwerke muss entschieden werden, ob Ego selbst zu dem Netzwerk gezählt wird oder ob lediglich die Dichte der Beziehungen 180 unter den Alteri in Betracht gezogen werden soll. Für die vorliegende Untersuchung wird ein Dichteindex der egozentrierten Netzwerke berechnet, in den die Stärke der Verbindungen zwischen Ego und den einzelnen Alteri einbezogen wird.63 Die Verbindungen der Alteri untereinander wurden auf einer vierstufigen Skala (1 = ” Sie kennen sich gut“; 2 = ” Sie kennen sich etwas“; 3 = ” Sie kennen sich nur vom Sehen“; 4 = ” Sie kennen sich überhaupt nicht“) erfasst. Die Verbindungsstärke zwischen Ego und den Alteri wurde dagegen auf einer sechsstufigen Skala gemessen, in der nach der Kommunikationshäufigkeit zwischen Ego und den Alteri gefragt wurde (vgl. Abschnitt 5.2). Für die Indexbildung ist es daher notwendig, einen gemeinsamen Nenner für die beiden Skalen zu finden. Dies geschieht mittels Umformungen der beiden Skalen in binär kodierte Variablen, bei denen der Wert 1 eine enge Verbindung anzeigt und 0 eine lose oder nicht vorhandene Verbindung kennzeichnet. Da es durchaus strittig sein kann, ab wann eine Verbindung als eng oder lose gesehen wird, werden sowohl eine lockere als auch eine strenge Variante der Transformation der Skalen durchgeführt, die analog dazu in einem lockeren und einem strengen Dichteindex resultieren. In der strengen Variante werden bei der Kommunikationshäufigkeit die beiden Ausprägungen ” täglich“ und ” mehrmals wöchentlich“ als enge Verbindung gewertet, die lockere Variante wird zusätzlich die Ausprägung ” ein oder zwei Mal in der Woche“ als enge Beziehung mit einer 1 verkodet. Für die Beziehung der Alteri untereinander wird in der strengen Variante lediglich die Ausprägung ” Sie kennen sich gut“ als enge Verbindung verkodet. In der lockeren Variante wird ” Sie kennen sich etwas“ noch als enge Beziehung gewertet. Welche Ausprägungen in der strengen und lockeren Variante als Verbindung gezählt werden, wird hier durch die Formulierung der Ausprägungen rechtfertigt. Eine zwingende Regel für die Erstellung 63 Die Aufnahme der Verbindungen zwischen Ego und den Alteri in den Dichteindex erfolgt im Anschluss an Beer et al. (2002). Die Autoren argumentieren, dass das Auslassen dieser Verbindungen im Wesentlichen einen Informationsverlust bedeuten würde, was unnötig ist, zumal die Daten bereits vorliegen. In der Literatur (z. B. Wolf 1993) finden sich dagegen auch Anleitungen zum Erstellen eines Dichteindex ohne die Berücksichtigung der Beziehungen zwischen Ego und den Alteri. 181 Tabelle 18: Deskriptive Statistiken der Dichteindizes. M SD Min Max N Dichteindex (locker) 0,78*** 0,20 0 1 918 Dichteindex (streng) 0,51 0,26 0 1 918 Erläuterung: t-Test gegen 0, 5; p < 0, 001 =***. Eigene Berechnungen anhand der EviS-ZP-Daten. eines Dichteindex, der auf zwei unterschiedlichen Skalen basiert, existiert nicht. Alternativ könnten z. B. auch die theoretischen Skalenmitten als Kriterium verwendet werden. Da die Operationalisierung eines Dichteindex maßgeblich für die Überprüfung der hier zu testenden Hypothese ist, wird mit der Erstellung und Überprüfung zweier Varianten versucht, den Vorwurf der Beliebigkeit abzufangen. Zur Bildung der Dichteindizes wird für jede Lehrkraft die Summe der engen Verbindungen ihres Netzwerks gebildet, wohlgemerkt inklusive der Beziehungen zwischen Ego und den Alteri. Für Egos, die fünf Personen angegeben haben, rangiert diese Summe folglich zwischen Null und der maximalen Anzahl der Verbindungen in diesem Netzwerk aus sechs Personen, also insgesamt 15. Anschließend wird die Summe durch die Anzahl der möglichen Verbindungen geteilt und somit auf den Wertebereich von 0 bis 1 normiert (siehe Formel (1)). Summe der einzelnen Verbindungsstärken (Anzahl der Personen im Netzwerk× (Anzahl der Personen im Netzwerk− 1)/2 (1) Tabelle 18 stellt statistische Eckdaten der beiden Indizes bereit. Der Wert 0 bringt zum Ausdruck, dass keine der angegebenen Beziehungen eng ist und 1 entsprechend, dass alle Beziehungen eng sind. Der für die Hypothese 1-E gewählte Vergleichswert von 0, 5 stellt somit ein durchmischtes egozentriertes Netzwerk dar, in dem die Hälfte aller vorhandenen Beziehungen eng sind. Die Mittelwerte der Dichteindizes lassen sich wie beschrieben als Anteil der engen Beziehungen innerhalb der Netzwerke interpretieren. In der lockeren Variante sind 78 Prozent aller vorhandenen Verbindungen eng. In der 182 strengen Variante sind es 51 Prozent. Bedenkt man, dass die Indizes auch die Beziehungen zwischen Ego und den Alteri enthalten, so ist davon auszugehen, dass der Wert 0 sehr unwahrscheinlich ist (Beer et al. 2002). Gefragt wurde schließlich danach, mit wem wichtige berufliche Angelegenheiten besprochen werden. Es ist davon auszugehen, dass ein Großteil solcher Gespräche mit Personen geführt wird, auf die Ego häufiger trifft, da sich folglich auch mehr Gelegenheiten zum Besprechen ergeben. Für die Überprüfung der Hypothese 1-E wurden t-Tests verwendet. Lediglich die lockere Variante des Dichteindexes ist signifikant größer als der Vergleichswert 0, 5. Es obliegt der Interpretation, inwiefern Hypothese 1-E noch als bestätigt angesehen werden kann. Argumente dafür oder dagegen lassen sich vor allem an der Operationalisierung des Konstrukts festmachen. Der lockere Dichteindex weist immerhin eine deutliche Abweichung von 0, 5 auf.64 Hypothese 1-E lässt sich demnach nur mit Abstrichen bestätigen, wobei eine Tendenz zu dichteren Netzwerken erkennbar ist. Hypothese 2-G: Transitivität ist in den expressiven Beziehungen stärker ausgeprägt als in den instrumentellen. Die zweite Hypothese aus dem Bereich der Konsistenztheorien kann aufgrund der Datenlage nur anhand der Gesamtnetzwerkdaten überprüft werden.65 Es wurden Argumente dafür vorgebracht, dass instrumentelle Beziehungen weniger durch Spannungen betroffen sind, die durch kognitive Dissonanz bzw. unbalancierte Strukturen ausgelöst werden. Daher sollten in den instrumentellen Beziehungen im Vergleich zu den expressiven Beziehungen vergleichsweise weniger transitive Triaden vorhanden sein. 64 Verschiedene Varianten der Dichteindizes (mit und ohne die Beziehungen zwischen Ego und den Alteri), die in nicht dokumentierten Analysen berechnet wurden, kommen zu vergleichbaren Ergebnissen. 65 Es lassen sich zwar Triadenzensus und Transitivität für egozentrierte Netzwerke berechnen, allerdings steht in Hypothese 2-G die Aussage im Vordergrund, dass sich instrumentelle von expressiven Beziehungen unterscheiden. Die Daten der egozentrierten Netzwerke enthalten jedoch nur instrumentelle Beziehungen. 183 Dazu muss betont werden, dass ein einfacher Vergleich von Transitivitätsmaßen unzureichend ist. Faust (2006) zeigt, dass die Dichte eines Netzwerks bereits einen bedeutenden Einfluss auf die Transitivität eines Netzwerks hat. Aus diesem Grund wird für den Hypothesentest ein Vergleich mit zufällig generierten Netzwerken vorgezogen. Die Überprüfung der Hypothese 2-G besteht aus drei Schritten. Für alle Schulen werden (1) Triadenzensus erstellt. Zu diesem Zweck werden Matrizen für expressive und instrumentelle Beziehungen auf der Basis der multidimensionalen Skalierung aus Abbildung 13 erstellt.66 Anhand der Triadenzensus dieser beiden neu erstellten Relationen wird anschließend berechnet, wie häufig transitive Konfigurationen vorgefunden werden. Was eine Konfiguration ist, wird dabei noch erläutert. Im Anschluss wird (2) die Häufigkeit der zu erwartenden transitiven Konfigurationen auf der Basis von zufällig generierten Netzwerken berechnet, welche als Vergleichsgröße dienen sollen. Zunächst wird also überprüft, ob in den untersuchten Netzwerken mehr transitive Beziehungen zu beobachten sind als in einem zufällig generierten Netzwerk zu erwarten wären. Zuletzt bietet ein (3) Faktor Auskunft darüber, in welcher Art der Beziehung transitive Konfigurationen häufiger beobachtet werden. Für die Erstellung der Triadenzensus (1) soll kurz erläutert werden, was ein Triadenzensus überhaupt ist. Eine vollständige Auflistung der untersuchten Triadenzensus wäre unübersichtlich, weshalb eine exemplarische Darstellung am Beispiel einer Relation ausreichen sollte, das Konzept des Triadenzensus und der Transitivität zu erläutern. In einem gerichteten und binär kodierten Netzwerk können Triaden 16 verschiedene Formen annehmen. Zur Benennung dieser Formen wird das sogenannte M-A-N-Schema herangezogen (Holland und Leinhardt 1970). M-A-N steht für ” mutual“, ” asymmetric“ 66 Es stehen jeweils drei Relationen zur Verfügung, die sowohl bei Moolenaar (2010) als auch in den vorliegenden Daten eindeutig den beiden Kategorien – instrumentell und expressiv – zugeordnet werden konnten. Die Relation Pausen verbringen wird keiner der beiden Kategorien zugeordnet und dementsprechend nicht in die Bildung der Indizes aufgenommen. 184 und ” null“ (Wasserman und Faust 2009: 564 ff.), also gegenseitig, asymmetrisch und nicht vorhanden. Bezeichnet werden damit die Verbindungen innerhalb einer Triade. Das M-A-N-Schema stellt einen Kode aus insgesamt vier Zeichen dar, wobei die erste die Anzahl der gegenseitigen, die zweite die Anzahl der asymmetrischen und die dritte die Anzahl der nicht vorhandenen Verbindungen angibt. Der Kode 003 bezeichnet somit eine Triade, in der keine Kanten zwischen den Knoten bestehen (0 gegenseitige Kanten, 0 asymmetrische Kanten, 3 nicht vorhandene Kanten). Die vierte Ziffer im Kode ist ein Buchstabe, der bestimmte Konstellationen voneinander unterscheidbar macht. Es gibt bspw. drei verschiedene Triaden mit dem Kode 021 (vgl. Abbildung 14). Der dem Kode hinzugefügte Buchstabe beschreibt dann eine Besonderheit der Triade, sofern diese vorhanden ist, d. h. nicht jeder Triadentyp bedarf der vierten Stelle im Kode (Wasserman und Faust 2009: 565). Ein ” T“ steht dafür, dass die Triade transitiv ist und ” C“ kennzeichnet die Triade als Kreis.67 Ein Triadenzensus besteht dann in der Zuordnung aller Triaden eines Netzwerks zu den insgesamt 16 Isomorphismen und ihrer Auszählung (vgl. exemplarisch Tabelle 19). Die Triaden 030T, 120D, 120U und 300 zählen zu den transitiven Triaden, d. h. wenn A−B und B−C vorhanden sind, dann ist auch A−C vorhanden. Die Triaden 021C, 111D, 111U, 030C, 201, 120C und 210 sind intransitiv und bei den restlichen Triaden handelt es sich um sogenannte leere transitive Triaden ( ” vacuous transitive triads“ (Prell 2012: 143)), die weder transitiv noch intransitiv sind, da nicht genügend Verbindungen vorliegen, um dem Anspruch der Transitivität zu genügen. Die Untersuchung der Transitivität basiert auf der Analyse der Triaden bzw. ihrer Tripels und orientiert sich an den Ausführungen von Holland und Leinhardt (1976). Für ein besseres Verständnis des Vorgehens muss das Konzept der Triaden und Tripels noch etwas genauer erläutert werden. Ein Tripel ist eine mögliche Ordnung einer ungeordneten Triade. Somit besteht jede Triade aus insgesamt sechs Tripels. Transitivität liegt vor, 67 ” U“ steht für ” up“ und ” D“ für ” down“ (Wasserman und Faust 2009: 565). 185 Abbildung 14: Die 16 Triadentypen mit M-A-N-Benennung. Erläuterung: Die Triadentypen sind zeilenweise nach der Anzahl der enthaltenen Kanten sortiert. Zusätzlich sind die Typen spaltenweise nach ihrer Transitivität unterteilt (Holland und Leinhardt 1970: 193). wenn bei gegebenen A−B- und B −C-Verbindungen auch die Verbindung A − C vorhanden ist. Genau genommen müssten innerhalb einer Triade alle Tripels transitiv sein, um sie als transitive Triade zu bezeichnen, d. h. die Tripels (i, j, k), (i, k, j), (j, i, k), (j, k, i), (k, i, j) und (k, j, i) müssten alle der beschriebenen Bedingung genügen (Trappmann et al. 2011: 202). Tatsächlich gibt es, wie sich zeigen wird, Triaden, die sowohl transitive als auch intransitive Tripels beinhalten. Zusätzlich zu den transitiven und intransitiven Tripels gibt es noch die neutralen Tripels, die nicht genügend Verbindungen aufweisen, um die Anforderung der Transitivität zu erfüllen, 186 Tabelle 19: Triadenzensus der instrumentellen Beziehungen der Schule 1. Triadentyp Gewichtungsvektor absolute Anzahl transitiver (1,1,1)-Konfiguration Häufigkeiten Konfigurationen 003 0 34907 0 012 0 16974 0 102 0 6048 0 021D 0 1807 0 021U 0 984 0 021C 0 1351 0 111D 0 1132 0 111U 0 1978 0 030T 1 433 433 030C 0 32 0 201 0 612 0 120D 2 182 364 120U 2 314 628 120C 1 243 243 210 3 441 1323 300 6 87 522 Erläuterung: Triadenzensus der 16 Triadentypen. Die Anzahl transitiver Konfigurationen berechnet sich aus der Summe der Produkte der absoluten Häufigkeiten und des Gewichtungsvektors. Eigene Berechnungen anhand der EviS-TP2-Daten. d. h. in ihnen existieren keine A−B- und/oder B −C-Verbindungen. Diese Tripels sind aus formaler Sicht ebenfalls transitiv, werden im Rahmen der vorliegenden Analyse jedoch nicht als solche betrachtet (vgl. Trappmann et al. 2011: 202 f.). Die relevanten Tripels entsprechen folglich zwei Arten von Konfigurationen, solche in denen (i, j, k) die Ausprägungen (1, 1, 1) annehmen und solche, die die Ausprägungen (1, 1, 0) annehmen. Die erste Variante bezeichnet die transitive, die zweite die intransitive Konfiguration. 187 Anschließend wird ein Gewichtungsvektor erstellt, der für alle Triadentypen auszählt, wie oft die transitive Konfiguration in ihnen vorkommt (vgl. Tabelle 19). Die Triade 030T beinhaltet bspw. eine transitive Konfiguration und die Triade 300 sechs transitive Konfigurationen. Der Gewichtungsvektor (2) wird anschließend als Zeilenvektor mit dem Spaltenvektor des Triadenzensus multipliziert, woraus ein Skalar resultiert, der die Häufigkeit der untersuchten Konfiguration angibt. Danach wird die Maßzahl für ein zufällig generiertes Netzwerk berechnet, welche die Vergleichsgröße für die beobachtete Häufigkeit bildet. Dazu wird auf die U|MAN-Verteilung zurückgegriffen, für die sich unter Kenntnis der Anzahl der mutuellen, asymmetrischen und Nulldyaden Erwartungswerte berechnen lassen. Da diese Verteilung eine zufällige Generierung eines Netzwerks abbilden soll, bildet sie die Nullhypothese in dem Testverfahren (Trappmann et al. 2011). Zuletzt wird auf der Basis der beobachteten und erwarteten Werte eine Teststatistik berechnet, anhand derer über die Signifikanz entschieden wird.68 Da die berechnete Teststatistik im Zusammenhang mit der Größe des untersuchten Netzwerks steht – wobei größere Netzwerke tendenziell größere Teststatistiken produzieren (Holland und Leinhardt 1976: 36) – wird zusätzlich ein Faktor (3) präsentiert, der zum Ausdruck bringt, wie stark die beobachteten von den erwarteten transitiven Konfigurationen abweichen. Tabelle 20 stellt die zentralen Ergebnisse der gewählten Analysestrategie dar. Wie sich erkennen lässt, ist die Anzahl transitiver Konfigurationen in allen untersuchten Netzwerken deutlich größer als die erwarteten Konfigurationen eines Zufallsnetzwerks. Diese Abweichungen sind gemäß Holland und 68 Bei der hier gegebenen Erläuterung des Vorgehens wird auf die formal statistische Darstellung der benötigten Formeln verzichtet. Diese finden sich in Holland und Leinhardt (1970, 1976). Eine an einem Beispiel durchgeführte Erläuterung des Vorgehens findet sich in Trappmann et al. (2011: 202 ff.). An dieser Stelle sei darauf hingewiesen, dass sich in Abbildung 5.4 aus Trappmann et al. (2011: 211) ein Fehler eingeschlichen hat, da die falsche Kovarianz in den Zellen (210/120U) und (120U/210) berechnet wurde. 188 Tabelle 20: Transitive Konfigurationen der instrumentellen und expressiven Beziehungen. instrumentelle expressive Beziehungen Beziehungen S ch u le 1 beob. 3513 1345 erw. 1077,07 282,00 Faktor 3,26 4,77 τ(l) 78,15*** 54,25*** S ch u le 2 beob. 1624 534 erw. 648,52 105,30 Faktor 2,50 5,07 τ(l) 30,64*** 27,65*** S ch u le 3 beob. 246 97 erw. 107,09 28,91 Faktor 2,30 3,36 τ(l) 9,85*** 7,84*** S ch u le 4 beob. 868 351 erw. 324,43 103,65 Faktor 2,68 3,39 τ(l) 24,11*** 15,48*** S ch u le 5 beob. 1248 196 erw. 563,78 70,79 Faktor 2,21 2,77 τ(l) 28,55*** 10,74*** Erläuterung: Faktor = beob./erw.. Signifikanzniveau p < 0, 001 =***. Beobachtete (beob.) und erwartete (erw.) transitive Konfigurationen. Die erwarteten Konfigurationen wurden anhand der U|MAN-Verteilung berechnet (Holland und Leinhardt 1976). Eigene Berechnungen anhand der EviS-TP2-Daten. 189 Leinhardt (1976) signifikant. Allerdings muss dabei die vorgebrachte Kritik wiederholt werden, dass τ(l) von der Anzahl der Knoten der Netzwerke abhängig ist, was sicherlich zum Teil die relativ großen Werte der Teststatistik τ(l) erklärt (Wasserman und Faust 2009: 556 ff.). Darüber hinaus lässt sich jedoch ein Muster erkennen. Die Faktor-Werte, die widerspiegeln, um welchen Faktor transitive Konfigurationen häufiger als erwartet beobachtet werden, sind für alle untersuchten Schulen mit Werten zwischen 2, 21 bis 5, 07 relativ hoch. Ebenso liegen die Faktor-Werte der expressiven Beziehungen stets über denen der instrumentellen Beziehungen in den jeweiligen Schulen, was als Bestätigung von Hypothese 2-G interpretiert wird. Die Neigung zur Transitivität kann demnach für die untersuchten Schulen und Beziehungen bestätigt werden, wobei Grund zur Annahme besteht, dass Transitivität in expressiven Beziehungen verstärkt vorzufinden ist. Merkmalsspezifische Homophilie in egozentrierten Netzwerken Die Analyse der merkmalsspezifischen Homophiliehypothesen richtet sich nach der Art der untersuchten Daten. Für die egozentrierten Netzwerkdaten bieten sich einfache Auszählungen der homophilen Verbindungen an. Dazu wird für das untersuchte Merkmal eine Variable erstellt, die für jede Dyade anzeigt, ob Ego und Alter hinsichtlich des Merkmals homophil sind. Eine homophile Verbindung wird mit 1 verkodet und Verbindungen, in denen sich Ego und Alter hinsichtlich des untersuchten Merkmals nicht ähnlich sind, mit einer 0. Das arithmetische Mittel des so erstellten Homophilie-Indikators gibt Auskunft über das Ausmaß der Homophilie im Sample und lässt sich im Hinblick auf signifikante Abweichungen von einem im Vorfeld bestimmten Grenzwert untersuchen. Zusätzlich bieten sich Korrelationen zwischen Egound Alteri-Merkmalen an, um den Zusammenhang näher zu beschreiben. Diese Vorgehensweise betrifft den einfachen Fall, dass Merkmale mit nur wenigen Ausprägungen untersucht werden, wie im Falle der Hypothese 4-E, bei der das untersuchte Merkmal das Geschlecht ist. Im Rahmen 190 von Hypothese 3-G wird die Homophilie bezüglich des Merkmals Alter untersucht, was eine etwas andere Analysestrategie erfordert. Altershomophilie in den egozentrierten Netzwerken Hypothese 3-E: Die sozialen Beziehungen der Lehrkräfte sind im Hinblick auf das Merkmal Alter homophil. Zur Bestimmung des Ausmaßes der Altershomophilie in den egozentrierten Netzwerken bieten sich unterschiedliche Verfahren an. Eine erste Variante, die analog zum Vorgehen bei der Geschlechtshomophilie verläuft, besteht in der Bildung einer Dummy-Variablen, die den Wert 1 annimmt, sofern das Alter von Ego und einem seiner Alteri gleich ist. Da diese Variante sicherlich zu einem verzerrten Bild der Altershomophilie führt – immerhin wären nur Kontaktpartner mit dem exakt gleichen Alter altershomophil – lässt sich argumentieren, dass die Dummy-Variable auch dann mit einer 1 verkodet wird, wenn die Abweichung des Alters einen bestimmten Grenzwert unterschreitet. Eine willkürliche Festlegung des Altersabstands zwischen Ego und den Alteri, der noch als altershomophil gelten soll, erscheint dennoch problematisch. Analog zu der Vorgehensweise bei der Überprüfung der Hypothese 3-E werden daher zwei Varianten der Altershomophilie berechnet, bei der der Indikator mehr oder weniger streng gebildet wird. Eine weitere Variante besteht in der Berechnung einer Korrelation zwischen dem Alter der Egos und dem Alter der Alteri, um zumindest den Zusammenhang der beiden Variablen zu bestimmen. Eine hohe Korrelation bedeutet jedoch nicht, dass die beiden Variablen annähernd gleich sind. Schließlich würde ein konstanter Abstand von zehn Jahren zwischen Ego und den Alteri zu einer perfekten Korrelation führen. Dennoch bietet eine Korrelation nützliche Informationen über den Zusammenhang zwischen Egos Alter und dem seiner Alteri. Eine dritte Variante besteht in der Berechnung der Altersdiskrepanzen zwischen Ego und den Alteri. Geringe Standardabweichungen dieser Variable würden auf eine homogene und somit altershomophile Verteilung hinweisen. Zur 191 Tabelle 21: Deskriptive Statistiken zum Ausmaß der Altershomophilie in den egozentrierten Netzwerken. M SD Min Max N Altershomophilie (locker) 0,25 0 1 3718 Altershomophilie (streng) 0,45 0 1 3718 Altersdiskrepanz 9,02 8,2 0 44 3718 Erläuterung: Altershomophilie (locker) = 1 wenn Alter des Egos−Alter des Alter<= |5|; Altershomophilie (streng) = 1 wenn Alter des Egos−Alter des Alter<= |2|; Altersdiskrepanz = |(Alter(Ego)−Alter(Alter)|. Eigene Berechnungen anhand der EviS-ZP-Daten. Überprüfung der Hypothese 3-E werden den drei Varianten entsprechende Variablen erstellt: Eine strenge Dummy-Variable, in der ein Altersunterschied von maximal zwei Jahren als altershomophil gewertet wird, sowie eine lockere Variante, in der der Abstand bis zu fünf Jahren betragen darf, um noch als altershomophil betrachtet zu werden. Eine weitere Variable, die den Betrag der Altersdiskrepanz zwischen Ego und den Alteri (|( Alter der Egos − Alter der Alteri)|) enthält, liefert zusätzliche Informationen zur Altershomophilie. Letztlich bietet die Korrelation zwischen dem Alter der Egos und dem Alter der Alteri Auskunft über die Stärke des Zusammenhangs der beiden Variablen. Tabelle 21 zeigt die Auswertungen der gebildeten Variablen. Die Interpretation der verschiedenen Varianten deutet darauf hin, dass Altershomophilie in den egozentrierten Netzwerken der Lehrkräfte zwar zu beobachten ist, jedoch nicht in dem erwarteten Ausmaß. Abbildung 15 stellt den Altersunterschied zwischen Egos und Alteri in einem Histogramm dar. Bei einem hohen Ausmaß der Altershomophilie wäre zu erwarten, dass die beobachtete Verteilung deutlich steiler als die zu Vergleichszwecken eingezeichnete Normalverteilung ist. Auch die Interpretation der Maßzahlen aus Tabelle 21 führen zu einem ähnlichen Befund. Lediglich 25 Prozent der Dyaden sind im Alter von plus/minus zwei Jahren. Dieser Anteil steigt nochmals um 20 Prozentpunkte auf 45 Prozent in der Variante, in der der Altersunterschied fünf Jahre betragen darf. Die mittlere Abweichung 192 Abbildung 15: Histogramm der Altersunterschiede zwischen Ego und den Alteri. Erläuterung: Altersunterschiede zwischen Ego und den Alteri mit einer Normalverteilungskurve zum Vergleich. Eigene Darstellung. des Alters zwischen Ego und den Alteri ist mit 9 Jahren ebenfalls relativ hoch. Da das arithmetische Mittel jedoch stark von den Extremwerten der Diskrepanzvariablen beeinflusst wird, bietet sich stattdessen der Median zur Interpretation an. Der Median der Verteilung zeigt mit einem Wert von 6 Jahren an, dass der Altersunterschied zwischen Ego und den Alteri in 50 Prozent der Fälle kleiner oder gleich 6 Jahre ist. Im Hinblick auf Hypothese 3-E lässt sich festhalten, dass selbst bei einer lockeren Auslegung von Altershomophilie weniger als 50 Prozent der Kontakte altershomophil sind. Des Weiteren weist die Korrelation zwischen dem Alter der Egos und dem der Alteri (r = 0, 35) auf einen nur moderaten positiven Zusammenhang hin. Mit steigendem Alter der Egos sind demnach tendenziell höhere Alter der Alteri zu finden. Dieser Befund deutet ebenfalls auf ein gewisses Maß an Schwankungen des Alters hin, da bei einem ähnlicheren Lebensalter von Ego und den Alteri auch eine höhere Korrelation zu erwarten wäre. 193 Tabelle 22: Geschlechtshomophilie in den egozentrierten Netzwerken. Frauen Männer Gesamt M N M N M N Geschlechtshomophilie 0,69*** 2581 0,57*** 1352 0,65*** 3933 Erläuterung: Abweichung der Mittelwerte von 0, 5; Signifikanzniveau p < 0, 001 =***. Test auf Binomialverteilung; Asymptotische Signifikanz zweiseitig. Eigene Berechnungen anhand der EviS-ZP-Daten. In der Gesamtschau der Ergebnisse lässt sich Hypothese 3-G folglich nicht bestätigen. Gespräche über wichtige berufliche Angelegenheiten werden demnach nicht wie angenommen vornehmlich mit Gleichaltrigen geführt. Wie in Abbildung 15 zu sehen ist, werden durchaus Personen angegeben, die deutlich jünger bzw. älter als Ego sind. Geschlechtshomophilie in den egozentrierten Netzwerken Hypothese 4-E: Die sozialen Beziehungen der Lehrkräfte sind im Hinblick auf das Merkmal Geschlecht homophil. Zur Berechnung der Geschlechtshomophilie wird für jede Verbindung der Egos zu den Alteri ein Abgleich ihrer Geschlechtsangaben gemacht. Haben Ego und Alter das gleiche Geschlecht wird diese Dyade als geschlechtshomophil mit einer 1 verkodet. Unterscheiden sich die Geschlechter, wird dies mit einer 0 gekennzeichnet. Durch dieses Vorgehen entsteht eine Dummy- Variable, deren Mittelwert über den Anteil geschlechtshomophiler Verbindungen in den egozentrierten Netzwerken informiert und sich somit zur Überprüfung der Hypothese 4-E eignet. Wie der Tabelle 22 entnommen werden kann, ist der Anteil geschlechtshomophiler Verbindungen relativ hoch. 65 Prozent der angegebenen Verbindungen bestehen zwischen Personen des gleichen Geschlechts. Dieser Wert weicht signifikant von einer Gleichverteilung geschlechtshomophiler Verbindungen ab. Des Weiteren lässt sich feststellen, dass die Geschlechtshomophilie der Frau- 194 en mit einem relativen Anteil von 69 Prozent deutlich stärker ausgeprägt ist als die der Männer, die mit 57 Prozent geschlechtshomophiler Verbindungen dennoch eine deutliche Tendenz zur Geschlechtshomophilie aufweisen. Die Korrelation zwischen der Dummy-Variable der Geschlechtshomophilie und einem Frauen-Dummy (Frau=1, Mann=0) für die Egos führt zu einem ähnlichen Befund. Die signifikante (p < 0, 001) positive Korrelation von 0, 12 verweist auf einen schwachen Zusammenhang zwischen dem Geschlecht der Egos und der Angabe geschlechtshomophiler Verbindungen. Demnach bestätigt sich, dass Frauen eine leicht erhöhte Tendenz zu geschlechtshomophilen Kontakten haben. In der Gesamtschau der Ergebnisse lässt sich Hypothese 4-E bestätigen.69 Im Hinblick auf die Formation der egozentrierten Netzwerke lässt sich zusammenfassend festhalten, dass eine grundsätzliche Tendenz zu geschlechtshomophilen Wahlen besteht. Frauen reden vornehmlich mit anderen Frauen und Männer mit anderen Männern über arbeitsbezogene Inhalte. Diese Tendenz ist für beide Geschlechter getrennt voneinander zu beobachten, wobei sie bei weiblichen Lehrkräften deutlicher ausgeprägt ist als bei den männlichen. Merkmalsspezifische Homophilie in den Gesamtnetzwerken Im Folgenden werden die Homophiliehypothesen an den Gesamtnetzwerkdaten getestet. Die Analysestrategie unterscheidet sich dabei von der der egozentrierten Hypothesen. Anstatt das bloße Ausmaß der merkmalsspezifischen Homophilie zu bestimmen, werden die Merkmale Alter, Geschlecht, Berufserfahrung, unterrichtete Fächer sowie evidenzbasierte Einstellungen und die Nutzung evidenzbasierter Quellen für die Vorhersage von Bezie- 69 Die ungleiche Verteilung des Geschlechts in der Untersuchungspopulation hat für diese Analyse nur eine geringe Bedeutung. Da Verteilungen des Geschlechts in der Grundgesamtheit der Alteri nicht bekannt sind, wird davon ausgegangen, dass diese weitestgehend gleichverteilt ist. Probleme im Sinne der in Abschnitt 3.1.2 beschriebenen Baseline-Homophilie sind daher kaum zu vermuten. 195 hungen verwendet. Im Gegensatz zu den egozentrierten Netzwerkdaten liegen in den Gesamtnetzwerken Daten zu mehreren Relationen vor, für die die merkmalsspezifische Homophilie separat bestimmt werden könnte. Die Analysestrategie sieht jedoch vor, zunächst die Anzahl der zu untersuchenden Netzwerke mittels Datenreduktion zu verkleinern. Die instrumentellen und expressiven Beziehungen, die sich auf der Basis der Analyse der Korrelationsmatrix aus Tabelle 13 und der multidimensionalen Skalierung, dargestellt in Abbildung 13, gruppieren lassen, werden zusammengeführt, indem ihre zugrundeliegenden Matrizen aufsummiert werden. Daraus resultieren für jede Schule zwei Netzwerke, deren Zellen Werte zwischen 0 und 3 annehmen können, was anzeigt, wie viele instrumentelle respektive expressive Verbindungen zwischen i und j bestehen. Dieses Vorgehen gleicht einer Indexbildung und dient der Datenreduktion. Anschließend werden multivariate Regressionen der relevanten Merkmale auf die so gebildeten Netzwerke durchgeführt. Mit dieser Prozedur (siehe S. 123) lassen sich soziale Netzwerke als abhängige Variablen in gewöhnlichen Regressionen verwenden. Inferenzstatistiken werden anhand der QAP-Prozedur (MRQAP für multivariate QAP-Prozeduren) bestimmt. Die unabhängigen Variablen werden ebenfalls als Matrix in die Modelle aufgenommen. Zu diesem Zweck lassen sich in Abhängigkeit vom Skalenniveau der untersuchten Merkmale auf verschiedene Arten Matrizen aus Variablen erstellen, die gewöhnlich nur als Vektor vorliegen. Für metrisch skalierte Variablen bietet es sich an, absolute Distanzen der Personen zueinander zu berechnen. Aus dem Alter der Befragten lässt sich bspw. eine Matrix bilden, indem in den Zellen ij abgetragen wird, wie groß der Betrag der Abstände des Alters von i und j ist. Ist eine Person i bspw. 30 und Person j 40 Jahre alt, so wird in die Zelle ij eine 10 eingetragen. Die daraus resultierende Matrix stellt folglich eine Distanzmatrix des jeweils untersuchten Merkmals für die Befragten dar. Für dichotome Variablen wie z. B. dem Geschlecht lässt sich eine Matrix erstellen, indem abgeglichen wird, ob i und j das gleiche Geschlecht haben. In diesem Fall würde in 196 der Zelle ij eine 1 eingetragen. Sind die beiden Personen unterschiedlichen Geschlechts, wird in der Zelle eine 0 eingetragen. Die Interpretation der MRQAP-Regressionen verläuft analog zu ihren gewöhnlichen Pendants. Für die Variablen der absoluten Distanzen bedeutet ein negativer Koeffizient bspw., dass größere Abstände in dem untersuchten Merkmal Verbindungen zwischen Personen verringern und im Umkehrschluss begünstigen geringe Abstände dann Verbindungen. Nachdem die einzelnen Merkmale bivariat überprüft wurden, wird abschließend ein Gesamtmodell präsentiert, das sämtliche Merkmale der Homophiliehypothesen multivariat untersucht.70 Altershomophilie in den Gesamtnetzwerken Hypothese 3-G: Die sozialen Beziehungen der Lehrkräfte sind im Hinblick auf das Merkmal Alter homophil. Entsprechend der einleitenden Darlegung der Analysestrategie zeigen die MRQAP-Regressionsergebnisse aus Tabelle 23 einen deutlichen Trend auf. Betrachtet man zunächst die Vorzeichen der Koeffizienten, so lässt sich feststellen, dass die Altersabstände in allen Modellen ein negatives Vorzeichen aufweisen. Demnach wirkt sich ein großer Altersabstand auch negativ auf das Vorhandensein instrumenteller sowie expressiver Beziehungen aus. Allerdings sind die Koeffizienten nicht in allen Modellen signifikant. Für die instrumentellen Beziehungen konnte lediglich für zwei Schulen ein signifikanter Effekt festgestellt werden. In den expressiven Beziehungen ist die Altersdiskrepanz dagegen in vier von fünf Modellen signifikant. Die Modelle erklären mit R2-Werten zwischen 0, 001 und 0, 032 einen relativ geringen Anteil der Varianz. Vor dem Hintergrund, dass sich Altersunterschiede nicht in allen untersuchten Schulen auf die untersuchten Netzwerke auswirken, lässt sich Hypothese 3-G nicht vollends bestätigen. Möglicherweise konkretisiert sich dieser Befund in der multivariaten Analyse der Homophilie am Ende dieses Abschnitts (vgl. Tabelle 31). 70 Für die gewählte Analysestrategie vgl. Yuan und Gay (2006). 197 Geschlechtshomophilie in den Gesamtnetzwerken Hypothese 4-G: Die sozialen Beziehungen der Lehrkräfte sind im Hinblick auf das Merkmal Geschlecht homophil. Da es sich bei dem Geschlecht der befragten Lehrkräfte um eine Variable mit dichotomen Ausprägungen handelt, lässt sich statt der absoluten Distanz die Gleichheit der Merkmale als erklärende Variable in die MRQAP-Regression aufnehmen. Demnach zeigen positive Koeffizienten an, dass Gleichgeschlechtlichkeit Verbindungen begünstigt. Die durchweg positiven Koeffizienten aus Tabelle 24 zeigen an, dass für Lehrkräfte mit gleichem Geschlecht auch mehr instrumentelle und expressive Beziehungen geschätzt werden. Gleichzeitig verweisen die niedrigen R2-Werte auf eine sehr geringe Erklärungskraft der Geschlechtshomophilie. Dennoch ist der Effekt der Geschlechtshomophilie auf die instrumentellen Beziehungen an drei der fünf Schulen signifikant und auf die expressiven Beziehungen ist er in jeder der untersuchten Schulen signifikant.71 In der Gesamtschau dieser Ergebnisse lässt sich festhalten, dass Gleichgeschlechtlichkeit zwischen Lehrkräften zwar das Vorhandensein von instrumentellen und expressiven Beziehungen begünstigt, jedoch ist die Erklärungskraft der Geschlechtshomophilie im Hinblick auf das Vorhandensein von Beziehungen als äußerst gering zu bezeichnen. Des Weiteren deutet sich in den Daten an, dass geschlechtshomophile Wahlen sich eher in expressiven Beziehungen nachweisen lassen bzw. dass in ihnen eher das Prinzip der Geschlechtshomophilie zum Tragen kommt. 71 Die gewählte Analysestrategie lässt keine Aussagen über Baseline- bzw. Inbreeding- Homophilie zu (vgl. Abschnitt 3.1.2). Die geschätzten Effekte gelten hier für beide Geschlechter gleichermaßen. Darüber hinaus sind die Geschlechter in den untersuchten Schulen nahezu gleichverteilt (121 Frauen und 131 Männer). 198 T ab el le 23 : Q A P -R eg re ss io n sm o d el le d er in st ru m en te ll en u n d ex p re ss iv en B ez ie h u n ge n au f A lt er sh om op h il ie . In st ru m en te ll e B ez ie h u n ge n E x p re ss iv e B ez ie h u n ge n S ch u le 1 S ch u le 2 S ch u le 3 S ch u le 4 S ch u le 5 S ch u le 1 S ch u le 2 S ch u le 3 S ch u le 4 S ch u le 5 A lt er (A b s. D is t. ) −0 ,0 07 * * * −0 ,0 05 * * −0 ,0 07 * −0 ,0 05 + −0 ,0 01 −0 ,0 07 * * * −0 ,0 11 * * * −0 ,0 04 −0 ,0 13 * * * −0 ,0 07 * * * K on st an te 0, 30 8* * * 0, 29 4* * * 0, 29 2* 0, 33 3+ 0, 28 8 0, 22 7* * * 0, 27 6* * * 0, 16 0 0, 34 6* * * 0, 21 6* * * R 2 0, 01 0* * * 0, 00 6* * 0, 00 5+ 0, 00 4 0, 00 1 0, 01 7* * * 0, 03 2* * * 0, 00 3 0, 02 7* * * 0, 01 4* * * N 45 56 34 22 11 22 16 40 20 70 45 56 34 22 11 22 16 40 20 70 E rl ä u te ru n g : Q A P m it 2 0 0 0 P er m u ta ti o n en ; R a n d o m S ee d = 7 7 9 . E ig en e B er ec h n u n g en a n h a n d d er E v iS -T P 2 -D a te n m it U C IN E T (B o rg a tt i et a l. 2 0 0 2 ). S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ;∗ p < 0 ,0 5 ;∗ ∗ p < 0 ,0 1 ;∗ ∗∗ p < 0 ,0 0 1 . T ab el le 24 : Q A P -R eg re ss io n sm o d el le d er in st ru m en te ll en u n d ex p re ss iv en B ez ie h u n ge n au f G es ch le ch ts h om op h il ie . In st ru m en te ll e B ez ie h u n ge n E x p re ss iv e B ez ie h u n ge n S ch u le 1 S ch u le 2 S ch u le 3 S ch u le 4 S ch u le 5 S ch u le 1 S ch u le 2 S ch u le 3 S ch u le 4 S ch u le 5 G es ch le ch t (g le ic h ) 0, 11 2* * * 0, 10 0* * 0, 05 2 0, 05 8+ 0, 13 1* * 0, 07 6* * * 0, 05 5* 0, 06 8* 0, 10 1* * 0, 08 6* * K on st an te 0, 15 9 0, 18 3 0, 20 4 0, 24 8 0, 21 2 0, 09 5 0, 12 0 0, 10 4 0, 15 4 0, 09 1 R 2 0, 00 8* * * 0, 00 7* * 0, 00 2 0, 00 2 0, 00 9* * 0, 00 6* * * 0, 00 3* 0, 00 5+ 0, 00 7* * 0, 00 8* * N 51 12 31 92 11 90 16 40 21 62 51 12 31 92 11 90 16 40 21 62 E rl ä u te ru n g : Q A P m it 2 0 0 0 P er m u ta ti o n en ; R a n d o m S ee d = 3 8 3 . E ig en e B er ec h n u n g en a n h a n d d er E v iS -T P 2 -D a te n m it U C IN E T (B o rg a tt i et a l. 2 0 0 2 ). S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ;∗ p < 0 ,0 5 ;∗ ∗ p < 0 ,0 1 ;∗ ∗∗ p < 0 ,0 0 1 . 199 Berufserfahrungshomophilie in den Gesamtnetzwerken Hypothese 5-G: Die sozialen Beziehungen der Lehrkräfte sind im Hinblick auf Berufserfahrung homophil. Die Homophiliethese zum Dienstalter der befragten Lehrkräfte behauptet, dass Beziehungen zwischen Lehrkräften mit einem ähnlichen Erfahrungsgrad wahrscheinlicher sind. Zur Überprüfung der Hypothese 5-G werden die generierten instrumentellen und expressiven Beziehungen auf die absoluten Distanzen des Dienstalters regressiert. Die in Tabelle 25 dargestellten Ergebnisse der QAP-Regressionen zeigen zunächst, dass die Koeffizienten in allen Schulen und Netzwerken (mit einer Ausnahme) ein negatives Vorzeichen aufweisen. Folglich verringern größere Abstände des Dienstalters die Anzahl instrumenteller und expressiver Beziehungen. Die Effekte sind jedoch nur in den Modellen mit den expressiven Netzwerken als abhängige Variable signifikant. Für die instrumentellen Beziehungen lässt sich lediglich ein signifikanter Effekt nachweisen. Die R2-Werte der Modelle liegen für die instrumentellen Beziehungen zwischen 0, 001 und 0, 007. Für die expressiven Beziehungen lassen sich R2-Werte von 0, 017 bis 0, 021 finden, was ebenfalls darauf hinweist, dass Dienstalterhomophilie eher im Bereich der expressiven Beziehungen zu verorten ist. Für die expressiven Beziehungen konnte Hypothese 5-G somit bestätigt werden, während sie für die instrumentellen Beziehungen verworfen werden kann. Eine mögliche Erklärung dieses Befundes könnte sein, dass instrumentelle Beziehungen zu einem gewissen Teil formal geprägt sind, sodass Ähnlichkeiten zwischen den Individuen eine geringere Rolle bei der Formation der Netzwerke spielen. Des Weiteren lässt sich vermuten, dass der Befund ein Korrelat zu den Analysen der Altershomophilie darstellen könnte. Nicht zuletzt aus diesem Grund soll ein Gesamtmodell der Ähnlichkeiten zwischen den Lehrkräften Aufschluss über die Einzeleffekte unter Kontrolle der anderen Ähnlichkeiten geben. 200 Fächerhomophilie in den Gesamtnetzwerken Hypothese 6-G: Die sozialen Beziehungen der Lehrkräfte sind im Hinblick auf die unterrichteten Fächer homophil. Lehrkräfte, die die gleichen Fächer unterrichten, haben ähnliche Interessen und eine vergleichbare Ausbildung genossen. Gleichermaßen stehen sie bezüglich ihres Unterrichts vor ähnlichen Problemen, was in der Summe dazu führen sollte, dass sie häufiger Verbindungen in den untersuchten Beziehungen aufweisen. Zur Überprüfung der Hypothese 6-G wird für jede untersuchte Schule eine Matrix erstellt, in der in einer Zelle ij eingetragen wird, wie viele gemeinsame Fächer i und j unterrichten. Unterrichtet i bspw. Englisch und Französisch und j unterrichtet Französisch und Mathematik, so wird in der Zelle ij eine 1 eingetragen. Die resultierende Matrix ist demnach symmetrisch. Wie der Tabelle 26 entnommen werden kann, wirkt sich die Anzahl der gemeinsam unterrichteten Fächer in allen Modellen positiv auf das Vorhandensein sowohl instrumenteller als auch expressiver Beziehungen aus. Die Koeffizienten liegen in den instrumentellen Beziehungen zwischen 0, 187 bis 0, 415 und in den expressiven Beziehungen zwischen 0, 065 und 0, 140. In allen Modellen sind die Effekte signifikant. Für jedes gemeinsam unterrichtete Fach steigt die Schätzung der instrumentellen Verbindungen, die im Wertebereich von 0 bis 3 liegen, um die aufgeführten Koeffizienten. Vor diesem Hintergrund lässt sich behaupten, dass Fächerhomophilie an den untersuchten Schulen eine relevante Größe ist. Auch die R2-Werte der Modelle sind mit Werten bis 0, 089 größtenteils zufriedenstellend. Je mehr gemeinsame Fächer zwei Lehrkräfte einer Schule unterrichten, desto mehr instrumentelle und expressive Beziehungen bestehen zwischen ihnen. Diese pauschale Zusammenfassung spricht im Wesentlichen für Hypothese 6-G, die vor dem Hintergrund der dargestellten Ergebnisse bestätigt werden kann. 201 T ab elle 25: Q A P -R egression sm o d elle d er in stru m en tellen u n d ex p ressiven B ezieh u n gen au f D ien stalterh om op h ilie. In stru m en telle B ezieh u n gen E x p ressive B ezieh u n gen S ch u le1 S ch u le2 S ch u le3 S ch u le4 S ch u le5 S ch u le1 S ch u le2 S ch u le3 S ch u le4 S ch u le5 B eru fserfah ru n g (A b s. D ist.) − 0,005 * * *− 0,003 + − 0,004 − 0,003 − 0,001 − 0,006 * * *− 0,009 * * *− 0,008 * * − 0,010 * * *− 0,007 * * * K on stan te 0,287 * * 0,257 + 0,264 0,323 0,282 0,219 * * * 0,238 * * * 0,191 * 0,342 * * * 0,226 * * * R 2 0,007 * * 0,001 0,002 0,002 0,001 0,016 * * * 0,021 * * * 0,011 * 0,020 * * * 0,019 * * * N 4970 3422 1122 1560 2070 4970 3422 1122 1560 2070 E rlä u teru n g : Q A P m it 2 0 0 0 P erm u ta tio n en ; R a n d o m S eed = 4 4 0 . E ig en e B erech n u n g en a n h a n d d er E v iS -T P 2 -D a ten m it U C IN E T (B o rg a tti et a l. 2 0 0 2 ). S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ; ∗ p < 0 ,0 5 ; ∗∗ p < 0 ,0 1 ; ∗∗∗ p < 0 ,0 0 1 . T ab elle 26: Q A P -R egression sm o d elle d er in stru m en tellen u n d ex p ressiven B ezieh u n gen au f F äch erh om op h ilie. In stru m en telle B ezieh u n gen E x p ressive B ezieh u n gen S ch u le1 S ch u le2 S ch u le3 S ch u le4 S ch u le5 S ch u le1 S ch u le2 S ch u le3 S ch u le4 S ch u le5 gleich e F äch er 0,302 * * * 0,282 * * * 0,298 * * * 0,179 * * 0,415 * * * 0,130 * * * 0,065 * 0,131 * * 0,137 * * 0,085 * * K on stan te 0,131 0,148 0,15 0,217 0,172 0,09 0,124 0,105 0,158 0,113 R 2 0,073 * * * 0,061 * * * 0,048 * * * 0,018 * * 0,089 * * * 0,024 * * * 0,004 * * * 0,015 * * 0,013 * * 0,007 * * N 5550 3422 1332 1640 2352 5550 3422 1332 1640 2352 E rlä u teru n g : Q A P m it 2 0 0 0 P erm u ta tio n en ; R a n d o m S eed = 5 . E ig en e B erech n u n g en a n h a n d d er E v iS -T P 2 -D a ten m it U C IN E T (B o rg a tti et a l. 2 0 0 2 ). S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ; ∗ p < 0 ,0 5 ; ∗∗ p < 0 ,0 1 ; ∗∗∗ p < 0 ,0 0 1 . 202 Einstellungshomophilie in den Gesamtnetzwerken Hypothese 7-G: Die sozialen Beziehungen der Lehrkräfte sind im Hinblick auf evidenzbasierte Einstellungen homophil. Zur Überprüfung der Einstellungshomophilie wurden die beiden Skalen der Evidenzorientierung (Dormann et al. 2016) in Distanzmatrizen verwandelt, die wiederum als UV für die Erklärung der instrumentellen und expressiven Beziehungen verwendet werden. Die Ergebnisse der Berechnungen, die in den Tabellen 27 und 28 dargestellt sind, legen den Schluss nahe, dass den Einstellungen zu Evidenzquellen keine wesentliche Bedeutung bei der Formation von Netzwerken zukommt. Zwar lassen sich in zwei der insgesamt zwanzig Modelle signifikante Effekte finden, jedoch weisen auch diese Modelle in der Gesamtschau unbefriedigende R2-Werte auf, sodass der Verdacht naheliegt, dass vor dem Hintergrund der großen Anzahl der Modelle ein Zufallsbefund vorliegen könnte. Hypothese 7-G lässt sich anhand der vorliegenden Daten somit nicht bestätigen. Wohlgemerkt bedeutet dies nicht, dass Einstellungen per se keinen Einfluss auf die sozialen Netzwerke der Lehrkräfte ausüben. Vielmehr zeigt die vorliegende Analyse, dass Evidenzorientierungen wenn überhaupt eine zu vernachlässigende Größe für die Erklärung der Netzwerke sind. Andere Einstellungen können dagegen sehr wohl von Bedeutung sein. Verhaltenshomophilie in den Gesamtnetzwerken Hypothese 8-G: Die sozialen Beziehungen der Lehrkräfte sind im Hinblick auf evidenzbasiertes Verhalten homophil. In der Forschungsliteratur zur Verhaltenshomophilie lassen sich sehr unterschiedliche Befunde finden. Die einen behaupten, dass sie das Resultat von Peer-Einflüssen sei (McPherson et al. 2001: 428), während andere Verhaltenshomophilie bereits als Voraussetzung bzw. Begünstigung für das Eingehen von Verbindungen mit anderen sehen. In den vorliegenden Ana- 203 T ab elle 27: Q A P -R egression sm o d elle d er in stru m en tellen u n d ex p ressiven B ezieh u n gen au f h om op h ile E in stellu n gen zu ex tern gen erierten E v id en zen . In stru m en telle B ezieh u n gen E x p ressive B ezieh u n gen S ch u le1 S ch u le2 S ch u le3 S ch u le4 S ch u le5 S ch u le1 S ch u le2 S ch u le3 S ch u le4 S ch u le5 E x tern e E v id en zorien tieru n g − 0,053 * − 0,004 − 0,035 0,023 − 0,027 − 0,028 * − 0,014 − 0,006 0,029 − 0,026 + K on stan te 0,297 * * 0,236 0,266 0,252 0,307 0,168 * 0,159 0,153 0,168 0,160 + R 2 0,004 * < 0,001 0,001 0,001 0,001 0,002 + < 0,001 < 0,001 0,001 0,002 N 4970 2970 1056 1560 2162 4970 2970 1056 1560 2162 E rlä u teru n g : Q A P m it 2 0 0 0 P erm u ta tio n en ; R a n d o m S eed = 5 8 2 . E ig en e B erech n u n g en a n h a n d d er E v iS -T P 2 -D a ten m it U C IN E T (B o rg a tti et a l. 2 0 0 2 ). S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ; ∗ p < 0 ,0 5 ; ∗∗ p < 0 ,0 1 ; ∗∗∗ p < 0 ,0 0 1 . T ab elle 28: Q A P -R egression sm o d elle d er in stru m en tellen u n d ex p ressiven B ezieh u n gen au f h om op h ile E in stellu n gen zu in tern gen erierten E v id en zen . In stru m en telle B ezieh u n gen E x p ressive B ezieh u n gen S ch u le1 S ch u le2 S ch u le3 S ch u le4 S ch u le5 S ch u le1 S ch u le2 S ch u le3 S ch u le4 S ch u le5 In tern e E v id en zorien tieru n g 0,024 − 0,019 − 0,042 + − 0,003 − 0,051 0,028 + − 0,036 − 0,038 + − 0,049 + − 0,066 * * K on stan te 0,208 0,247 0,280 + 0,278 0,320 + 0,109 0,176 + 0,184 + 0,241 0,176 * * R 2 0,001 < 0,001 0,003 < 0,001 0,001 0,001 0,001 0,004 0,004 0,005 * N 5402 2970 1122 1560 2162 5402 2970 1122 1560 2162 E rlä u teru n g : Q A P m it 2 0 0 0 P erm u ta tio n en ; R a n d o m S eed = 9 7 2 .E ig en e B erech n u n g en a n h a n d d er E v iS -T P 2 -D a ten m it U C IN E T (B o rg a tti et a l. 2 0 0 2 ). S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ; ∗ p < 0 ,0 5 ; ∗∗ p < 0 ,0 1 ; ∗∗∗ p < 0 ,0 0 1 . 204 T ab el le 29 : Q A P -R eg re ss io n sm o d el le d er in st ru m en te ll en u n d ex p re ss iv en B ez ie h u n ge n au f h om op h il e N u tz u n g ab st ra k te r E v id en zq u el le n . In st ru m en te ll e B ez ie h u n ge n E x p re ss iv e B ez ie h u n ge n S ch u le 1 S ch u le 2 S ch u le 3 S ch u le 4 S ch u le 5 S ch u le 1 S ch u le 2 S ch u le 3 S ch u le 4 S ch u le 5 N u tz u n g ab st ra k te r Q u el le n (A b s. D is t. ) −0 ,0 16 0, 01 1 −0 ,0 01 0, 05 5 −0 ,0 28 −0 ,0 12 −0 ,0 20 0, 01 0 −0 ,0 07 −0 ,0 01 K on st an te 0, 24 7 0, 21 8 0, 22 7 0, 23 7 0, 29 0, 14 7 0, 16 5 0, 12 8 0, 20 9 0, 13 4 R 2 < 0, 00 1 < 0, 00 1 < 0, 00 1 0, 00 2 0, 00 1 < 0, 00 1 0, 00 1 < 0, 00 1 < 0, 00 1 < 0, 00 1 N 52 56 33 06 13 32 16 40 22 56 52 56 33 06 13 32 16 40 22 56 E rl ä u te ru n g : Q A P m it 2 0 0 0 P er m u ta ti o n en ; R a n d o m S ee d = 6 4 5 . E ig en e B er ec h n u n g en a n h a n d d er E v iS -T P 2 -D a te n m it U C IN E T (B o rg a tt i et a l. 2 0 0 2 ). S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ;∗ p < 0 ,0 5 ;∗ ∗ p < 0 ,0 1 ;∗ ∗∗ p < 0 ,0 0 1 . T ab el le 30 : Q A P -R eg re ss io n sm o d el le d er in st ru m en te ll en u n d ex p re ss iv en B ez ie h u n ge n au f h om op h il e N u tz u n g ve rm it te lt er E v id en zq u el le n . In st ru m en te ll e B ez ie h u n ge n E x p re ss iv e B ez ie h u n ge n S ch u le 1 S ch u le 2 S ch u le 3 S ch u le 4 S ch u le 5 S ch u le 1 S ch u le 2 S ch u le 3 S ch u le 4 S ch u le 5 N u tz u n g ve rm it te lt er Q u el le n (A b s. D is t. ) −0 ,0 26 −0 ,0 26 −0 ,0 64 * −0 ,0 59 + −0 ,0 13 −0 ,0 23 −0 ,0 31 + 0, 02 2 −0 ,0 35 0, 01 1 K on st an te 0, 25 6 0, 25 3 0, 28 5* 0, 32 8+ 0, 28 4 0, 15 6+ 0, 17 5+ 0, 11 8 0, 23 4 0, 12 4 R 2 0, 00 1 0, 00 1 0, 00 5* 0, 00 3 < 0, 00 1 0, 00 1 0, 00 2 0, 00 1 0, 00 1 < 0, 00 1 N 52 56 33 06 12 60 16 40 23 52 52 56 33 06 12 60 16 40 23 52 E rl ä u te ru n g : Q A P m it 2 0 0 0 P er m u ta ti o n en ; R a n d o m S ee d = 9 7 2 . E ig en e B er ec h n u n g en a n h a n d d er E v iS -T P 2 -D a te n m it U C IN E T (B o rg a tt i et a l. 2 0 0 2 ). S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ;∗ p < 0 ,0 5 ;∗ ∗ p < 0 ,0 1 ;∗ ∗∗ p < 0 ,0 0 1 . 205 lysen bilden die beiden Skalen zur Messung der Nutzung evidenzbasierter Quellen (Ackeren et al. 2013) den Ausgangspunkt für die Analyse der Hypothese 8-G. Der bereits beschriebenen Analysestrategie folgend soll das Vorhandensein von instrumentellen und expressiven Beziehungen durch Verhaltensähnlichkeit bzw. -abstände erklärt werden. Tabelle 29 und Tabelle 30 zeigen, dass Abstände im evidenzbasierten Verhalten keinerlei Auswirkung auf das Vorhandensein von instrumentellen oder expressiven Beziehungen haben. Die Modelle weisen äußerst niedrige R2-Werte auf und lediglich einer der Koeffizienten ist signifikant. Dieses Bild bietet sich sowohl für die Nutzung abstrakter als auch vermittelter Quellen. Hypothese 8-G wird folglich verworfen. Dieser Befund harmoniert nicht mit bisherigen Befunden der Verhaltenshomophilieforschung. Eine mögliche Erklärung könnte in der individuellen Arbeitsweise von Lehrkräften liegen. Gesamtmodell der Homophilie in den Gesamtnetzwerken In den bisherigen Homophilieanalysen wurden die einzelnen Merkmale jeweils einer bivariaten Untersuchung unterzogen. Im Folgenden sollen multivariate Modelle ein genaueres Bild der bisherigen Befunde zeichnen, indem sämtliche Merkmale gemeinsam untersucht werden. Da die Effekte jeweils unter Kontrolle der anderen Merkmale von deren Erklärungskraft befreit sind, stellt das multivariate Modell eine geeignete Methode dar, die bisherigen Befunde zu vertiefen. Die Aufbereitung der Daten richtet sich nach den bereits beschriebenen Transformationen. In Tabelle 31 werden die Ergebnisse der multivariaten MRQAP-Modelle dargestellt. Die R2-Werte der Modelle liegen zwischen 0, 025 und 0, 114, was als noch befriedigend bezeichnet werden kann. Die Koeffizienten der einzelnen UVs sind jedoch über die Modelle hin nicht stabil. Für die Altersunterschiede lässt sich in den instrumentellen Beziehungen an zwei der fünf Schulen ein signifikant negativer Effekt feststellen. In den expressiven Beziehungen ist der Effekt der Altersunterschiede an drei Schulen signifikant und ebenfalls negativ. An den Schulen, an denen 206 der Effekt nicht signifikant ist, hat immerhin der Koeffizient ein negatives Vorzeichen. Große Altersunterschiede bewirken folglich eine Minderung der instrumentellen und expressiven Beziehungen. Im Umkehrschluss begünstigt Gleichaltrigkeit das Vorhandensein der untersuchten Beziehungen. Bezüglich der Altershomophilie zeichnet sich demnach im multivariaten Modell ein durchwachsenes Bild. Homophilieeffekte lassen sich zwar nachweisen, aber nicht an allen untersuchten Schulen, weshalb Hypothese 3-G letztlich formal zurückgewiesen werden muss. Für die Geschlechtshomophilie lässt sich in beiden Beziehungen und über alle Schulen hinweg ein erwartungsgemäßer Effekt finden. Das gleiche Geschlecht zu haben, begünstigt demnach das Vorhandensein instrumenteller und expressiver Beziehungen. Dieser Effekt ist in den instrumentellen Beziehungen nur an zwei der fünf Schulen signifikant. In den expressiven Beziehungen zeigt sich dagegen an allen Schulen ein signifikanter Effekt. Im Vergleich mit den bivariaten Analysen lassen sich keine wesentlichen Veränderungen erkennen. Es wird jedoch deutlich, dass Geschlechtshomophilie in expressiven Beziehungen offensichtlich stärker zum Tragen kommt als in den instrumentellen Beziehungen. Hypothese 4-G kann demnach nur für die expressiven Beziehungen bestätigt werden. Die Dienstalterhomophilie lässt sich lediglich an zwei der untersuchten Schulen und nur innerhalb der expressiven Beziehungen nachweisen. In den bivariaten Analysen wurden in den instrumentellen Beziehungen zwar ebenfalls bis auf eine Ausnahme keine Effekte gefunden, dafür konnte in den expressiven Beziehungen ein über alle Schulen konstanter Effekt nachgewiesen werden, wonach die gleiche Berufserfahrung das Vorhandensein expressiver Beziehungen begünstigt. Es lässt sich spekulieren, dass dieser klare Befund in den multivariaten Analysen verschwindet, da auch auf das Alter kontrolliert wird. Hypothese 5-G wird vor diesem Hintergrund zurückgewiesen. Ein konstanter und im Vergleich zu den bivariaten Analysen überdauernder Effekt lässt sich für die Fächerhomophilie nachweisen. Je mehr gemeinsame Fächer unterrichtet werden, desto größer ist die Anzahl instrumenteller sowie expressiver Beziehungen. Dieser Befund erscheint wenig überraschend. 207 Das Unterrichten gemeinsamer Fächer setzt voraus, dass die Lehrkräfte bereits im Studium ähnliche Erfahrungen gesammelt haben. Gleichzeitig darf angenommen werden, dass ähnliche Interessen vorliegen, die überhaupt erst dazu geführt haben, dass bestimmte Fächer als Studiengang gewählt wurden. Des Weiteren bestehen fachspezifische Anforderungen, die ebenfalls dazu führen, dass verstärkt unter Fachkollegen instrumentelle Beziehungen vorliegen. Der Effekt auf die expressiven Beziehungen könnte dadurch erklärt werden, dass sich durch das Unterrichten gemeinsamer Fächer mehr Möglichkeiten zur Kontaktaufnahme bieten bspw. im Rahmen von Fachkonferenzen. Hypothese 6-G kann in der Gesamtschau der Ergebnisse als bestätigt betrachtet werden. Die restlichen Variablen des multivariaten Modells bekräftigen im Wesentlichen die Befunde der bivariaten Analysen. Weder die Ähnlichkeiten der Evidenzorientierung noch die der Nutzung bestimmter Evidenzquellen begünstigen das Vorhandensein instrumenteller und expressiver Beziehungen. Die Lehrkräfte der untersuchten Schulen schließen sich demnach vornehmlich nicht mit anderen Lehrkräften zusammen, die ähnliche evidenzbezogene Einstellungen oder Verhaltensweisen zeigen. Wie bereits in den bivariaten Analysen angemerkt wurde, könnte eine Erklärung dafür in der Art und Weise liegen, wie Lehrkräfte ihre alltägliche Arbeit organisieren. Im Wesentlichen sind sie selbstverantwortlich und müssen sich deshalb auch nicht zwingend mit ihren Kolleginnen und Kollegen über Evidenzquellen und deren Nützlichkeit austauschen. In der Forschungsliteratur zum Lehrerberuf werden Lehrkräfte deshalb oftmals als Einzelkämpfer beschrieben (vgl. dazu Schmitz und Voreck 2011: 164 ff.). 208 T ab el le 31 : M R Q A P -R eg re ss io n sm o d el le d er in st ru m en te ll en u n d ex p re ss iv en B ez ie h u n ge n au f m er k m al ss p ez ifi sc h e H om op h il ie . In st ru m en te ll e B ez ie h u n ge n E x p re ss iv e B ez ie h u n ge n S ch u le 1 S ch u le 2 S ch u le 3 S ch u le 4 S ch u le 5 S ch u le 1 S ch u le 2 S ch u le 3 S ch u le 4 S ch u le 5 A lt er (A b s. D is t. ) −0 ,0 05 * −0 ,0 06 * −0 ,0 07 + −0 ,0 08 + −0 ,0 03 −0 ,0 04 * * −0 ,0 10 * * * − 0, 00 1 −0 ,0 12 * * −0 ,0 05 + G es ch le ch t (g le ic h ) 0, 09 4* * 0, 10 4* * 0, 05 3 0, 02 5 0, 08 3* 0, 06 7* * 0, 06 5* 0, 10 9* * 0, 08 5* 0, 07 1* D ie n st al te r (A b s. D is t. ) −0 ,0 01 0, 00 2 −0 ,0 03 0, 00 2 0, 00 1 −0 ,0 03 * −0 ,0 02 −0 ,0 08 * −0 ,0 03 −0 ,0 05 + gl ei ch e F äc h er 0, 44 1* * * 0, 30 2* * * 0, 27 8* * * 0, 17 3* * 0, 44 4* * * 0, 22 9* * * 0, 07 2* * 0, 16 3* * 0, 12 6* * 0, 10 7* * E x te rn e E v id en zo ri en ti er u n g (A b s. D is t. ) −0 ,0 34 + 0, 02 6 −0 ,0 16 0, 04 7 −0 ,0 14 −0 ,0 23 + 0, 00 5 0, 01 8 0, 05 3 −0 ,0 50 * In te rn e E v id en zo ri en ti er u n g (A b s. D is t. ) 0, 00 1 −0 ,0 07 −0 ,0 32 −0 ,0 03 −0 ,0 85 * 0, 02 9 −0 ,0 48 −0 ,0 47 + −0 ,0 56 + −0 ,0 66 * N u tz u n g ab st ra k te r Q u el le n (A b s. D is t) −0 ,0 01 0, 00 5 −0 ,0 34 0, 05 4 −0 ,0 11 −0 ,0 09 −0 ,0 21 −0 ,0 04 −0 ,0 16 0, 01 1 N u tz u n g ve rm it te lt er Q u el le n (A b s. D is t. ) −0 ,0 19 −0 ,0 01 −0 ,0 38 −0 ,0 70 + 0, 00 3 −0 ,0 21 −0 ,0 14 0, 03 −0 ,0 19 0, 03 1+ K on st an te 0, 23 8 0, 14 1 0, 33 5 0, 24 6 0, 23 6 0, 20 6* 0, 31 7* * 0, 10 1 0, 31 0+ 0, 23 5 ko rr . R 2 0, 10 6* * * 0, 07 3* * * 0, 05 6* * * 0, 02 5* 0, 11 4* * * 0, 07 2* * * 0, 04 0* * * 0, 04 8* * 0, 04 7* * * 0, 04 8* * * N 40 32 27 56 87 0 14 82 18 06 40 32 27 56 87 0 14 82 17 22 E rl ä u te ru n g : Q A P m it 2 0 0 0 P er m u ta ti o n en ; R a n d o m S ee d = 6 4 5 . E ig en e B er ec h n u n g en a n h a n d d er E v iS -T P 2 -D a te n m it U C IN E T (B o rg a tt i et a l. 2 0 0 2 ). S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ;∗ p < 0 ,0 5 ;∗ ∗ p < 0 ,0 1 ;∗ ∗∗ p < 0 ,0 0 1 . 209 Rational-Choice Hypothese 9-G: Lehrkräfte suchen Rat von Personen, mit denen sie expressive Beziehungen unterhalten. Die letzte Hypothese zur Formation der Netzwerke stammt aus dem Bereich der Rational-Choice-Theorien und besagt, dass bei vorliegenden expressiven Beziehungen zwischen zwei Lehrkräften A und B die Wahrscheinlichkeit höher ist, dass A von B Rat sucht. Es wurde argumentiert, dass expressive Beziehungen den Zugang zu der jeweiligen Person erleichtern und somit die Kosten der Kontaktaufnahme niedriger liegen. Zur Überprüfung dieser Hypothese bietet sich eine QAP-Regression der Relation Rat suchen an, wobei die Anzahl der expressiven Beziehungen die erklärende Variable bildet. Als Regressionsverfahren wird eine logistische Regression verwendet, da Rat suchen binär kodiert ist. Tabelle 32 liefert die Logit-Koeffizienten dieser Berechnungen. Da diese Koeffizienten nur schwer anschaulich zu interpretieren sind, bietet Abbildung 16 eine grafische Darstellung der Effekte. Die Modelle weisen für alle untersuchten Schulen signifikante Effekte der expressiven Beziehungen auf das Vorhandensein einer Verbindung in der Relation Rat suchen auf. Die Erklärungskraft der Modelle kann aufgrund der relativ hohen Pseudo-R2-Werte als zufriedenstellend betrachtet werden. Des Weiteren zeigt sich, dass die Wahrscheinlichkeit, bei einer Lehrkraft Rat zu suchen, mit jeder zusätzlichen expressiven Beziehung, die zu ihr unterhalten wird, steigt. Bei keiner vorliegenden expressiven Beziehung schätzen die Modelle Wahrscheinlichkeiten zwischen 5 und 9 Prozent. Besteht nur eine expressive Beziehung, werden bereits Wahrscheinlichkeiten zwischen 16 und 23 Prozent geschätzt. Ein klarer Anstieg der Wahrscheinlichkeiten ist für zwei expressive Beziehungen festzustellen. Hier werden bereits Wahrscheinlichkeiten zwischen 41 und 61 Prozent geschätzt. Bestehen zu einer Lehrkraft drei expressive Beziehungen, liegen die geschätzten Wahrscheinlichkeiten bei 71 bis 90 Prozent. Hypothese 9-G lässt sich somit am empirischen Datenmaterial bestätigen. Inwiefern diese Analyse auch eine Bestätigung 210 Tabelle 32: QAP-Regression der Beziehung Rat suchen auf die expressiven Beziehungen. Schule1 Schule2 Schule3 Schule4 Schule5 Expressive Beziehungen (0-3) 1,730** 1,207** 1,429** 1,300** 1,099** Konstante −3,016 −2,747 −2,827 −2,970 −2,334 LL −1207,393 −867,746 −323,631 −385,508 −759,314 Pseudo-R2 0,194** 0,128** 0,141** 0,187** 0,085** N 5550 3422 1332 1640 2352 Erläuterung: QAP mit 2000 Permutationen; Random Seed = 1029767205. Eigene Berechnungen anhand der EviS-TP2-Daten mit UCINET (Borgatti et al. 2002). Signifikanzniveaus: +p < 0, 10;∗ p < 0, 05;∗∗ p < 0, 01;∗∗∗ p < 0, 001. der Ergebnisse von Borgatti und Cross (2003) ist, muss jedoch aufgrund der großen Abweichung von deren Modellierung angezweifelt werden. Im Rahmen der vorliegenden Analyse wurde lediglich angenommen, dass es in expressiven Beziehungen wahrscheinlicher ist zu wissen, über welche Expertise das Gegenüber verfügt und dass der Zugang zu ihm durch die affektiv gefärbte Verbindung erleichtert wird. 6.2 Zu den Folgen von Netzwerken Nach der Überprüfung der Hypothesen zur Formation sozialer Netzwerke wird nun das Analyseziel verschoben. Netzwerke bilden nicht mehr die zu erklärenden Variablen, stattdessen wird überprüft, ob sich Folgen aus den beobachteten Strukturen nachweisen lassen. Die Beziehungen von Lehrkräften werden demnach zur Erklärung ausgewählter AVs herangezogen (vgl. Abschnitt 5.4). Begonnen wird mit den Hypothesen zu den Folgen der Gesamtnetzwerke. Zu den Folgen der Gesamtnetzwerke Hypothese 10-G: Je mehr Kontakte in instrumentellen Beziehungen bestehen, desto ausgeprägter sind evidenzbasierte Einstellungen und Verhalten. 211 Abbildung 16: Punktschätzer der Wahrscheinlichkeit, bei einer Lehrkraft nach Rat zu fragen, in Abhängigkeit vorhandener expressiver Beziehungen. Erläuterung: Die Darstellung basiert auf den Modellen aus Tabelle 32. Hypothese 11-G: Je mehr Kommunikationsbeziehungen über Evidenzquellen bestehen, desto ausgeprägter sind evidenzbasierte Einstellungen und Verhalten. Hypothese 12-G: Je mehr Kontaktpartner in expressiven Beziehungen bestehen, desto ausgeprägter sind evidenzbasierte Einstellungen und Verhalten. Für die Analyse der Hypothesen müssen zunächst die Out-/In-Degrees der Relationen Instrumentell, Expressiv und der Kommunikationsbeziehungen Abstrakt und Vermittelt berechnet werden, da sie die Anzahl der Kontaktpartner in den jeweiligen Netzwerken widerspiegeln. Zu diesem Zweck werden die Relationen der instrumentellen und expressiven Beziehungen wieder gemäß den Ergebnissen der multidimensionalen Skalierung zusammengefasst (vgl. Abbildung 13). Gleichermaßen wird mit den Kommunikationsbeziehungen verfahren, sodass sich zwei neue Relationen ergeben: Kommunikation 212 Tabelle 33: Deskriptive Statistiken der Out-/In-Degrees der gebildeten Relationen. Degrees M SD Min Max N Instrumentell Out 13,11 12,69 0 111 261 Instrumentell In 13,11 8,65 0 66 261 Abstrakt Out 1,34 5,09 0 72 261 Abstrakt In 1,34 2,94 0 25 261 Vermittelt Out 1,48 2,98 0 21 261 Vermittelt In 1,48 1,83 0 9 261 Expressiv Out 7,82 8,80 0 73 261 Expressiv In 7,82 5,85 0 35 261 Quelle: Eigene Berechnungen anhand der EviS-ZP-Daten. über abstrakte Quellen und Kommunikation über vermittelte Quellen. Die Matrizen der zugehörigen Relationen werden wiederum addiert und aus diesen werden jeweils die Degrees für die Individuen berechnet. Um das Prozedere zu verdeutlichen, wird ein Beispiel gegeben. Die Relationen Persönliche Ang. besprechen, Kontakt außerhalb und Freundschaft wurden sowohl in der multidimensionalen Skalierung von Moolenaar (2010) als auch in den vorliegenden Daten gemeinsam gruppiert. Die zugrundeliegenden Matrizen werden addiert, sodass sich eine neue Matrix ergibt, die Expressiv genannt wird und deren Zellen Werte zwischen 0 und 3 enthalten.72 Aus der so erstellten Matrix werden dann die Out-Degrees (Zeilensumme) und In- Degrees (Spaltensumme) der Individuen gebildet. Anschließend werden die Daten der untersuchten Schulen in einen gemeinsamen Datensatz überführt, der die Basis für die folgenden Modelle bildet. Tabelle 33 liefert deskriptive Statistiken für die gebildeten Degree-Variablen. Die Skalen zur Messung der Evidenzorientierungen und des evidenzbasierten Verhaltens (vgl. Abschnitt 5.4) bilden die abhängigen Variablen für die Überprüfung der Hypothesen. Als Analyseverfahren können gewöhnliche 72 Analog zu dem Vorgehen in Abschnitt 6.1 wird hier davon abgesehen, die Relation Pausen verbringen in die Bildung der neuen Relation Expressiv aufzunehmen (siehe Seite 184). 213 OLS-Regressionen verwendet werden. Zeigen sich für die Out-/In-Degree- Maße signifikante Effekte auf die jeweiligen AVs, wird dies als Bestätigung der Hypothesen gelten. Die Unterscheidung von Out-/In-Degrees ist insofern relevant, als dass sie unterschiedliche Konzepte erfassen. Während der Out-Degree als Maß für die selbst angegebene Aktivität innerhalb eines Netzwerks gesehen wird, stellt der In-Degree i. d. R. die Popularität innerhalb des Netzwerks dar (Prell 2012: 97 ff.). Die Analyse der Hypothesen erfolgt schrittweise in mehreren Modellen, wobei zunächst die hypothesenspezifischen Merkmale getrennt voneinander betrachtet werden. Im Anschluss werden Modelle mit allen UVs der Hypothesen berechnet. Zuletzt wird ein multivariates Modell mit den Kontrollvariablen Alter, Geschlecht und Berufserfahrung sowie einer kategorialen Variable zur Unterscheidung der Schulen berechnet. Die Modelle werden auf die beschriebene Art für alle zentralen AVs durchgeführt. Tabelle 34 enthält die Darstellung der Ergebnisse für das evidenzbasierte Verhalten, unterteilt nach den AVs ” Nutzung abstrakter Quellen“ und ” Nutzung vermittelter Quellen“. Tabelle 35 enthält die Ergebnisse für die evidenzbasierten Einstellung als AV, die sich in ” externe“ und ” interne Evidenzorientierungen“ unterteilt. Für die Interpretation der Ergebnisse und letztlich die Überprüfung der Hypothesen 10-12 werden die Modelle im Folgenden zusammengefasst kurz dargestellt. Da für evidenzbasiertes Verhalten und evidenzbasierte Einstellungen jeweils zwei AVs vorliegen, werden die Ergebnisse stets im Wechsel betrachtet. Im Rahmen der Interpretation der finalen Modelle (M5a und M5b der Tabellen 34 und 35) werden die Ergebnisse abschließend eingeordnet. Begonnen wird mit den Modellen zur Erklärung des evidenzbasierten Verhaltens. Werden nur die Out-/In-Degrees der instrumentellen Beziehungen als UV verwendet (M1a und M1b aus Tabelle 34), lässt sich lediglich ein signifikanter Effekt der instrumentellen In-Degrees auf die Nutzung abstrakter Quellen 214 T ab el le 34 : R eg re ss io n sm o d el le d er N u tz u n g ab st ra k te r so w ie ve rm it te lt er Q u el le n au f re la ti on ss p ez ifi sc h e O u t- /I n -D eg re es . N u tz u n g ab st ra k te r Q u el le n N u tz u n g ve rm it te lt er Q u el le n M 1a M 2a M 3a M 4a M 5a M 1b M 2b M 3b M 4b M 5b In st ru m en te ll ou t 0, 00 2 −0 ,0 03 −0 ,0 01 0, 00 4 0, 00 1 0, 00 2 In st ru m en te ll in 0, 03 6* * * 0, 01 0 0, 01 7 0, 00 6 0, 00 5 0, 00 6 A b st ra k t ou t 0, 03 3* * 0, 04 4* * * 0, 03 3* * 0, 00 9 0, 01 3 0, 00 8 A b st ra k t in 0, 10 4* * * 0, 09 6* * * 0, 06 8* * −0 ,0 11 −0 ,0 15 −0 ,0 16 V er m it te lt ou t −0 ,0 11 −0 ,0 06 0, 01 3 0, 05 6* * 0, 05 7* * 0, 06 5* * V er m it te lt in 0, 09 1* * 0, 09 0* * 0, 06 9* 0, 05 4 0, 05 5 0, 07 6* E x p re ss iv ou t 0, 00 9 −0 ,0 09 −0 ,0 10 0, 00 5 −0 ,0 06 −0 ,0 04 E x p re ss iv in 0, 01 8 −0 ,0 08 −0 ,0 18 −0 ,0 02 −0 ,0 08 −0 ,0 15 K on tr ol lv ar ia b le n A lt er −0 ,0 05 −0 ,0 09 G es ch le ch t (1 = F ra u ) 0, 02 0 0, 25 4* B er u fs er fa h ru n g −0 ,0 01 0, 01 0 S ch u le (R ef er en z = S ch u le 1) S ch u le 2 −0 ,5 13 * * * −0 ,1 73 S ch u le 3 −0 ,5 72 * * * −0 ,1 51 S ch u le 4 −0 ,4 98 * * * −0 ,1 71 S ch u le 5 −0 ,7 64 * * * −0 ,1 68 K on st an te 1, 54 6* * * 1, 74 0* * * 1, 83 4* * * 1, 78 5* * * 2, 44 3* * * 3, 23 0* * * 3, 20 4* * * 3, 34 0* * * 3, 23 2* * * 3, 45 9* * * ko rr . R 2 0, 11 1* * * 0, 23 3 0, 01 9* 0, 23 4* * * 0, 29 6* * * 0, 00 5 0, 06 3* * * −0 ,0 05 0, 05 4* * 0, 08 1* * N 25 9 25 9 25 9 25 9 24 3 25 8 25 8 25 8 25 8 24 2 E rl ä u te ru n g : S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ;∗ p < 0 ,0 5 ;∗ ∗ p < 0 ,0 1 ;∗ ∗∗ p < 0 ,0 0 1 . E ig en e B er ec h n u n g en a n h a n d d er E v iS -T P 2 -D a te n . 215 T ab elle 35: R egression sm o d elle d er ex tern en u n d in tern en E v id en zorien tieru n g au f relation ssp ezifi sch e O u t-/In -D egrees. E x tern e E v id en zorien tieru n g In tern e E v id en zorien tieru n g M 1a M 2a M 3a M 4a M 5a M 1b M 2b M 3b M 4b M 5b In stru m en tell ou t 0,006 − 0,002 − 0,006 0,009 * 0,011 0,005 In stru m en tell in 0,007 0,010 0,011 0,014 * 0,021 * 0,017 A b strak t ou t 0,245 * 0,020 0,016 0,024 * 0,015 0,011 A b strak t in 0,004 − 0,016 − 0,036 0,019 − 0,021 − 0,027 V erm ittelt ou t 0,024 0,027 0,018 − 0,004 − 0,005 − 0,013 V erm ittelt in − 0,032 − 0,049 − 0,052 − 0,019 − 0,047 − 0,045 E x p ressiv ou t 0,01 0,005 0,009 0,008 − 0,009 − 0,001 E x p ressiv in 0,010 0,008 − 0,001 0,015 0,006 0, 013 K on trollvariab len A lter − 0,012 0,016 G esch lech t (1= F rau ) 0,199 0,186 B eru fserfah ru n g 0,008 − 0,012 S ch u le (R eferen z = S ch u le 1) S ch u le 2 − 0,819 * * * − 0,589 * * * S ch u le 3 − 0,467 * − 0,481 * * S ch u le 4 − 0,369 * − 0,060 S ch u le 5 − 0,635 * * * − 0,072 K on stan te 2,563 * * * 2,702 * * * 2,569 * * * 2,544 * * * 3,413 * * * 3,218 * * * 3,503 * * * 3,344 * * * 3,208 * * * 2,823 * * * korr. R 2 0,008 0,018 0,013 0,014 0,087 * * 0,058 * * * 0,016 0,022 * 0,060 * * 0,135 * * * N 246 246 246 246 231 250 250 250 250 235 E rlä u teru n g : S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ; ∗ p < 0 ,0 5 ; ∗∗ p < 0 ,0 1 ; ∗∗∗ p < 0 ,0 0 1 . E ig en e B erech n u n g en a n h a n d d er E v iS -T P 2 -D a ten . 216 nachweisen. Dieser Effekt ist positiv und somit konform mit Hypothese 10-G. Da aber sowohl ausgehende als auch eingehende Kontakte dazu führen sollten, dass die Lehrkräfte gemäß dem NFM mehr Informationsflüssen ausgesetzt sind, sollten eigentlich Effekte für eingehende und ausgehende Kontakte nachweisbar sein. Die Out-/In-Degrees der Kommunikation über abstrakte und vermittelte Quellen haben ebenfalls signifikante Einflüsse auf das evidenzbasierte Verhalten (M2a und M2b aus Tabelle 34). Für die Nutzung abstrakter Quellen zeigen sich sowohl Effekte der ausgehenden als auch eingehenden Kommunikationsbeziehungen über diese Quellen. Ebenso lässt sich ein signifikanter Effekt der der eingehenden Kommunikationsbeziehungen über die vermittelten Quellen verzeichnen. Bei der Nutzung vermittelter Quellen als AV findet sich dagegen nur ein signifikanter Effekt der ausgehenden Kommunikationsbeziehungen über vermittelte Quellen. Die Modelle M3a und M3b (Tabelle 34) zeigen keinerlei Effekte expressiver Beziehungen auf die Nutzung der beiden Arten von Evidenzen. Zusätzlich weisen die Modelle eine vergleichsweise geringe Erklärungskraft auf. Unter Kontrolle sämtlicher Verbindungen (M4a und M4b aus Tabelle 34) zeigt sich für die Nutzung abstrakter Quellen als AV (M4a), dass die eingehenden instrumentellen Beziehungen ihren signifikanten Effekt verlieren. Ausgehende und eingehende Kommunikationsbeziehungen bleiben jedoch signifikant und somit hypothesenkonform. Ebenso bleibt der Effekt der eingehenden Kommunikationsbeziehungen über vermittelte Quellen bestehen. Für die Nutzung vermittelter Quellen (M4b) lässt sich wiederum nur ein Effekt der ausgehenden Kommunikationsbeziehungen über vermittelte Quellen nachweisen. In den abschließenden Modellen (M5a und M5b aus Tabelle 34) wird zusätzlich für ausgewählte soziodemographische Merkmale sowie die Schule, aus der die Befragten stammen, kontrolliert. Im Kern bleiben die Ergebnisse dabei unverändert. Auf die Nutzung abstrakter Quellen (M5a) zeigen sich 217 weiterhin Einflüsse der aus- und eingehenden Kommunikationsbeziehungen über diese Quellen. Ebenso bleibt der Effekt der eingehenden Kommunikationsbeziehungen über vermittelte Quellen erhalten. Die instrumentellen Verbindungen sind in diesem Modell weiterhin nicht signifikant. Für die Nutzung vermittelter Quellen (M5b) ist festzustellen, dass unter Kontrolle der soziodemographischen Merkmale nicht nur ein signifikanter Effekt der ausgehenden Kommunikationsbeziehungen über vermittelte Quellen zu verzeichnen ist, in dem abschließenden Modell zeigt sich zusätzlich noch ein Effekt der eingehenden Beziehungen. Im Hinblick auf die Hypothesen 10-G und 11-G lassen sich die Ergebnisse wie folgt zusammenfassen: Es zeigen sich durchaus Effekte der Anzahl der Kontaktpartner auf die Nutzung der Evidenzquellen und somit auf das evidenzbasierte Verhalten. Auffällig ist vor allem, dass die Kommunikation über die jeweiligen Quellen deren Nutzung erhöht, weshalb dieser Teilaspekt von Hypothese 11-G im Wesentlichen bestätigt werden kann. Dieser Befund deckt sowohl die Aussagen des NFM als auch die der empirischen Forschung (vgl. Daly 2010). Im Hinblick auf Hypothese 10-G, die eine pauschale Wirkung instrumenteller Verbindungen auf die Nutzung evidenzbasierter Quellen postuliert, lassen sich dagegen keine konsistenten Effekte nachweisen, weswegen die Hypothese verworfen wird. Einzig in dem Modell, in dem die instrumentellen Verbindungen zur Erklärung der Nutzung abstrakter Quellen verwendet wurden, zeigte sich ein signifikanter Effekt der eingehenden Beziehungen, der jedoch unter Kontrolle der spezifischeren Kommunikationsbeziehungen verloren ging. Dies könnte ein Hinweis darauf sein, dass die instrumentellen Beziehungen sehr wohl Informationen transportieren. Sie scheinen jedoch nur ein grobes Maß für die angenommenen Informationsflüsse zu sein. Da es sich um latente Flüsse handelt, von denen angenommen wird, dass sie evidenzbasierte Informationen enthalten, erscheint die Aussage plausibel, dass spezifischere Beziehungen die Flüsse besser erfassen können, weshalb sich in den Kommunikationsbeziehungen über gerade die Quellen, die zur Operationalisierung des evidenzbasierten 218 Verhaltens verwendet wurden, konstante Effekte zeigen.73 Für die weitere Forschung könnte dies bedeuten, dass latente Flüsse nur dann sinnvoll zu erklären sind, wenn adäquate Beziehungen erfasst werden. Dieser Gedanke lässt sich auch an den nicht nachweisbaren Effekten der expressiven Beziehungen nachvollziehen. Sicherlich können in expressiven Beziehungen evidenzbasierte Informationen fließen, allerdings nicht in dem Ausmaß, dass es sich in den vorliegenden Analysen zeigt, weshalb Hypothese 12-G ebenfalls verworfen wird. Die Interpretation der Modelle zur Erklärung evidenzbasierter Einstellungen kann aufgrund der Ergebnisse kürzer dargestellt werden. Einzig für die instrumentellen Beziehungen zeigen sich in Modell M1b (Tabelle 35) signifikante Effekte der Out-/ In-Degrees. In der Gesamtschau der Modelle und mit Blick auf die abschließenden Modelle (M5a und M5b) muss der Einfluss der Anzahl der Kontaktpartner in verschiedenen Beziehungen auf die evidenzbasierten Einstellungen der Lehrkräfte verworfen werden. Dieser Befund wirkt wenig überraschend. Schließlich ist es für die Entwicklung dieser Einstellungen nicht nur relevant, wie viele Kontakte eine Lehrkraft hat, sondern vielmehr wie die Einstellungen der genannten Kontakte zu evidenzbasierten Einstellungen sind. Dazu kann an dieser Stelle darauf verwiesen werden, dass sich in den Analysen zur Einstellungshomophilie gezeigt hat, dass die untersuchten Lehrkräfte keine ausgeprägte Tendenz zur Einstellungshomophilie aufweisen. Um dem prozessualen Charakter von Einstellungsänderungen im Sinne einer Beeinflussung durch Peers gerecht zu werden, wäre ein Untersuchungsdesign mit mehreren Messzeitpunkten notwendig. Als Zwischenfazit lässt sich festhalten, dass die Kontakte der Lehrkräfte in den sozialen Beziehungen durchaus mit Folgen verbunden sind. Allerdings scheint die Nachweisbarkeit dieser Folgen stark davon abzuhängen, welche latenten Flüsse angenommen werden, die man erklären möchte, und wie gut die untersuchten Beziehungen diese Flüsse erfassen können. 73 Vgl. dazu auch Laier et al. (2016). 219 Zu den Folgen der egozentrierten Netzwerke Hypothese 13-E: Je mehr Kontakte zu Personen außerhalb der eigenen Schule angegeben werden, desto stärker evidenzbasierte Einstellungen und Verhalten. Hypothese 14-E: Je dichter das egozentrierte Netzwerk einer Lehrkraft ist, desto geringer evidenzbasierte Einstellungen und Verhalten. Nach der Überprüfung der Hypothesen zu den Folgen der Netzwerke anhand der Daten des Gesamtnetzwerkansatzes werden nun die Hypothesen zu den Folgen der egozentrierten Netzwerke getestet. Dazu werden die in Abschnitt 5.4 beschriebenen Skalen zur Nutzung evidenzbasierter Informationen sowie die Skalen der Evidenzorientierung als abhängige Variablen verwendet. Der Anteil schulfremder Lehrkräfte (Hypothese 13) und die Dichte der egozentrierten Netzwerke (Hypothese 14) bilden die zentralen unabhängigen Variablen. Da die Daten der egozentrierten Netzwerke eine hierarchische Struktur aufweisen, werden zunächst Intraklassenkorrelationen (ICC) berechnet (Tabelle 36), um zu bestimmen, wieviel Varianz auf der Kontextebene der Schulen zu verorten ist. Die ICCs für Einstellungen zu Evidenzen sind mit Werten von 0, 11 und 0, 12 als relativ hoch zu bezeichnen. Für die Nutzung der Evidenzquellen fallen die ICCs deutlich geringer aus (0, 06 und 0, 05). Die Verwendung von Mehrebenenmodellen erscheint vor dem Hintergrund dieser Werte berechtigt. Selbst für die niedrigen ICCs ist das Mehrebenenmodell besser geeignet als die einfache OLS-Regression, die als alternatives Modell verwendet werden könnte. Die Berechnungen für die Hypothesentests erfolgen schrittweise. In einem ersten Schritt werden die hypothesenspezifischen UVs zusammen mit der Netzwerkgröße als UV aufgenommen. Die Kontrolle auf die Netzwerkgröße ist notwendig, da sie sowohl für die Berechnung des Anteils schulfremder 220 Tabelle 36: Intraklassenkorrelationen der Nutzung von Evidenzquellen und der Einstellungen zu Evidenzen. AV ICC Nutzung von Evidenzquellen Nutzung abstrakter Quellen 0,06 Nutzung vermittelter Quellen 0,05 Einstellungen zu Evidenzen Externe Evidenzorientierung 0,11 Interne Evidenzorientierung 0,12 Quelle: Eigene Berechnungen anhand der EviS-ZP-Daten. Lehrkräfte als auch der Dichte der Netzwerke verwendet wurde.74 In einem zweiten Schritt werden die soziodemographischen Kontrollvariablen Alter, Geschlecht und Dienstalter der Lehrkräfte in die Modelle aufgenommen. Der letzte Schritt besteht in der Aufnahme der Schulart als Kontextmerkmal. An dieser Stelle soll betont werden, dass das Ziel dieser Analyse nicht in der Erklärung der interschulischen Varianz besteht, vielmehr wird getestet, ob die Effekte der zentralen UVs mit den postulierten Hypothesen übereinstimmen. Die Tabellen 37 und 38 stellen die Ergebnisse der vorgestellten Analysestrategie dar. Hinsichtlich der Hypothesen 13 und 14 ergibt sich ein einheitliches Bild. In keinem der Modelle zeigt sich ein Effekt der Dichte oder des Anteils schulfremder Lehrkräfte auf evidenzbasierte Einstellungen und evidenzbasiertes Verhalten. Dazu muss betont werden, dass die finale Präsentation der Modelle das Kondensat mehrerer Versuche und Varianten darstellt, die jedoch alle zu dem gleichen Befund kamen. Der Dichteindex wurde sowohl in der lockeren als auch der strengen Variante getestet, anstelle des Anteils wurden absolute Häufigkeiten schulfremder Lehrkräfte in die 74 Für die Netzwerkgröße hätte ebenfalls eine Hypothese im Sinne des NFM postuliert werden können, wonach größere egozentrierte Netzwerke auch zu einer ausgeprägteren Nutzung von Evidenzen bzw. stärker ausgeprägten Evidenzorientierungen führen. Da das Erhebungsinstrument die Größe der egozentrierten Netzwerke künstlich rechts zensiert, wurde von dieser Hypothese abgesehen. Etwaige Effekte zeigen sich ggf. auch durch die Aufnahme der Netzwerkgröße als Kontrollvariable. 221 T ab elle 37: M eh reb en en m o d elle zu m E in fl u ss d er D ich te u n d d es A n teils sch u lfrem d er L eh rk räfte au f d ie N u tzu n g ab strak ter u n d verm ittelter Q u ellen . N u tzu n g ab strak ter Q u ellen N u tzu n g verm ittelter Q u ellen M 1a M 2a M 3a M 4a M 1b M 2b M 3b M 4b N etzw erk größe (R eferen z = 5) 1 A lter 0,654 * 0,609 * 0,615 * 0,594 * 0,748 * 0,709 + 0,663 + 0,729 * 2 A lteri − 0,005 − 0,028 − 0,031 − 0,044 0,072 0,044 0,038 0,044 3 A lteri 0,101 0,100 0,113 0,095 − 0,033 − 0,033 − 0,040 − 0,028 4 A lteri 0,042 0,044 0,044 0,030 − 0,031 − 0,032 − 0,034 − 0,024 A n teil sch u lfrem d er L eh rk räfte 0,019 0,073 − 0,037 − 0,173 − 0,114 − 0,065 D ich te (stren g) 0,112 0 ,127 0,159 0,152 0,172 0,140 S ozio d em ograp h isch e M erk m ale A lter − 0,001 0,009 0,012 0,007 D ien stalter − 0,003 0,005 0,010 0,006 G esch lech t 0,047 − 0,005 0,164 0,210 * * S ch u lart (R eferen z= G y m n asiu m ) G ru n d sch u le 0,483 * * * − 0,282 * F örd ersch u le − 0,093 − 0,139 R ealsch u le P lu s 0,152 − 0,240 + In tegrierte G esam tsch u le − 0,048 − 0,439 * B eru fsb ild en d e S ch u le 0,036 − 0,028 σ 2u 0,038 0,038 0,036 0,043 0,047 0,044 0,020 σ 2e 0,583 0,582 0,582 0,883 0,879 0,873 0,88 K on stan te 1,936 * * * 1,883 * * * 1,833 * * * 1,718 * * * 2,719 * * * 2,620 * * * 2,526 * * * 2,649 * * * L L − 878,497 − 877,99 − 876,925 − 860,447− 1029,499− 1029,323− 1026,108− 1021,384 N 748 748 748 748 748 748 748 748 L R T est v s L in ear R egression 8,20 * * 8,06 * * 6,34 * * 0,10 5,84 * * 6,74 * * 5,75 * * * 1,25 E rlä u teru n g : S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ; ∗ p < 0 ,0 5 ; ∗∗ p < 0 ,0 1 ; ∗∗∗ p < 0 ,0 0 1 . E ig en e B erech n u n g en a n h a n d d er E v iS -T P 2 -D a ten . 222 T ab el le 38 : M eh re b en en m o d el le zu m E in fl u ss d er D ic h te u n d d es A n te il s sc h u lf re m d er L eh rk rä ft e au f d ie ex te rn e u n d in te rn e E v id en zo ri en ti er u n g. E x te rn e E v id en zo ri en ti er u n g In te rn e E v id en zo ri en ti er u n g M 1a M 2a M 3a M 4a M 1b M 2b M 3b M 4b N et zw er k gr öß e (R ef er en z = 5) 1 A lt er 0, 49 6+ 0, 45 7 0, 46 4 0, 43 5 0, 09 9 0, 05 7 0, 08 5 0, 07 0 2 A lt er i 0, 00 6 −0 ,0 17 −0 ,0 04 0, 00 4 −0 ,2 50 * −0 ,2 69 * −0 ,2 51 * −0 ,2 44 * 3 A lt er i −0 ,0 46 −0 ,0 46 −0 ,0 58 −0 ,0 64 −0 ,1 16 + −0 ,1 18 + −0 ,1 28 + −0 ,1 26 + 4 A lt er i 0, 02 5 0, 02 5 0, 02 2 0, 01 9 −0 ,0 29 −0 ,0 26 −0 ,0 33 −0 ,0 29 A n te il sc h u lf re m d er L eh rk rä ft e −0 ,1 13 −0 ,0 97 −0 ,1 71 0, 13 7 0, 13 5 0, 07 0 D ic h te (s tr en g) 0, 13 2 0, 14 1 0, 13 9 0, 07 0 0, 12 5 0, 11 3 S oz io de m og ra ph is ch e M er km al e A lt er 0, 00 3 0, 00 9 0, 00 2 0, 00 7 D ie n st al te r 0, 00 7 0, 01 2 0, 00 7 0, 01 2* G es ch le ch t 0, 07 7 0, 03 5 0, 08 7+ 0, 05 1 S ch u la rt (R ef er en z= G y m n as iu m ) G ru n d sc h u le 0, 28 5* 0, 15 6 F ör d er sc h u le 0, 06 8 0, 08 7 R ea ls ch u le P lu s 0, 03 5 −0 ,1 32 In te gr ie rt e G es am ts ch u le 0, 21 5 0, 00 2 B er u fs b il d en d e S ch u le −0 ,0 97 −0 ,2 03 * σ 2 u 0, 66 3 0, 06 6 0, 06 4 0, 05 0 0, 05 1 0, 05 3 0, 05 0 0, 03 0 σ 2 e 0, 51 3 0, 51 3 0, 50 9 0, 50 7 0, 38 1 0, 38 0 0, 37 5 0, 37 6 K on st an te 2, 58 2* * * 2, 50 1* * * 2, 46 1* * * 2, 43 9* * * 3, 56 6* * * 3, 53 3* * * 3, 43 0* * * 3, 50 5* * * L L −8 43 ,9 20 −8 43 ,4 36 −8 40 ,5 57 −8 33 ,5 76 −7 33 ,0 13 −7 33 ,3 23 −7 26 ,9 07 −7 17 ,6 53 N 74 8 74 8 74 8 74 8 74 8 74 8 74 8 74 8 L R T es t v s L in ea r R eg re ss io n 23 ,4 4* * * 23 ,1 4* * * 19 ,9 0* * * 14 ,4 1* * * 22 ,5 4* * * 24 ,3 7* * * 19 ,8 3* * * 8, 08 * * E rl ä u te ru n g : S ig n ifi k a n zn iv ea u s: + p < 0 ,1 0 ;∗ p < 0 ,0 5 ;∗ ∗ p < 0 ,0 1 ;∗ ∗∗ p < 0 ,0 0 1 . E ig en e B er ec h n u n g en a n h a n d d er E v iS -T P 2 -D a te n . 223 Modelle aufgenommen. Die Modellierung der Netzwerkgröße als metrische Variable zeigte ebenfalls keine inhaltlichen Änderungen der Modelle und auch Varianten, in denen die Netzwerkgröße als Interaktion mit der Dichte bzw. dem Anteil (oder der absoluten Häufigkeit) schulfremder Lehrkräfte aufgenommen wurde, brachten keine Verbesserung. Die Hypothesen 13 und 14 müssen aus diesem Grund verworfen werden. Dabei drängt sich die Frage auf, wieso sich keine Effekte der theoretisch hergeleiteten Variablen nachweisen lassen. Die theoretische Fundierung sowie der Stand der Forschung (vgl. Abschnitt 3.2 und Abschnitt 4.1) verweisen eindeutig auf Zusammenhänge zwischen den ausgewählten Netzwerkmerkmalen und der Fähigkeit egozentrierter Netzwerke, Informationen zu verbreiten. Eine naheliegende Erklärung könnte eine Diskrepanz zwischen angenommenen Flüssen und den tatsächlich realisierten Flüssen der erhobenen Relation sein. Zur Erinnerung: Die Relation, die für die egozentrierten Netzwerke erhoben wurde, zielte auf die Erfassung von instrumentellen Beziehungen. Gefragt wurde nach Personen, mit denen über wichtige berufliche Angelegenheiten gesprochen wird. Die Auswahl für diesen Stimulus begründet sich in der Erwartung, dass evidenzbasierte Informationen Teil dieser Gespräche sind. Wohlgemerkt handelt es sich dabei um eine Annahme und der Verdacht liegt nahe, dass diese Annahme für die dargestellten Analysen verletzt wurde. Analog zu dem Befund des vorangegangenen Abschnitts besteht die Möglichkeit, dass die gewählte Beziehung ungeeignet ist, die konkreten Outcome-Variablen in ausreichendem Maße zu beeinflussen. Die Argumentation lautete, dass latente Flüsse bzw. ihre Folgen sich nur dann sinnvoll erfassen lassen, wenn eine adäquate Beziehung erhoben wird, in der die Flüsse auch in ausreichendem Maße stattfinden. Versteht man die Flüsse metaphorisch, lässt sich das Argument vielleicht besser nachvollziehen. Wird eine Chemikalie in einen Fluss geschüttet, lässt sich diese besser nachweisen, je größer die vergossene Menge ist. Wohlgemerkt begründet sich dieser Verdacht nur auf den Analysen zu den Folgen der Gesamtnetzwerke, bei denen Kontakte in den allgemeineren instrumentellen Beziehungen ihren 224 Effekt auf evidenzbasiertes Verhalten verloren, wenn auf die spezifischeren Kommunikationsbeziehungen kontrolliert wird. Neben dem Argument, dass adäquate Beziehungen erfasst werden müssen, besteht noch die Möglichkeit, dass die angenommen latenten Flüsse durchaus in den erfassten Beziehungen realisiert werden, sich aber dennoch nicht auf Einstellungen oder Verhalten auswirken. Bei den vorliegenden Daten handelt es sich um Messungen zu einem bestimmten Zeitpunkt. Aus der Diffusionsforschung ist bspw. bekannt, dass sich Einstellungen prozessual ändern, was eine längsschnittliche Betrachtung der Dynamik der Netzwerkstrukturen erfordern würde (vgl. bspw. Friemel 2010). Ebenso spielen dabei positionale Aspekte von Meinungsführern eine wichtige Rolle, die in den vorliegenden Analysen ebensowenig Berücksichtigung fanden. Auch wenn sich Hypothese 13 und 14 nicht bestätigen ließen, lässt sich in der Gesamtschau der Ergebnisse zu den Folgen sozialer Netzwerke von Lehrkräften festhalten, dass es durchaus nachweisbare Effekte ausgewählter Netzwerkmerkmale gibt. Vermutlich gelingt der Nachweis dieser Effekte am ehesten dort, wo es eine ausreichende Passung zwischen den angenommenen und tatsächlichen Flüssen untersuchter Relationen gibt. Nachdem an dieser Stelle alle hergeleiteten Hypothesen am empirischen Datenmaterial getestet wurden, ist es nun an der Zeit, einen kritischen Rückblick auf die vorliegende Arbeit zu werfen und bestehende Probleme sowie Möglichkeiten zu diskutieren. 225

Chapter Preview

References

Zusammenfassung

In der Bildungsforschung stellt die Anwendung der sozialen Netzwerkanalyse ein Forschungsdesiderat dar. Das Netzwerkparadigma bietet durch seine Verbindung von Theorien und Methoden eine neuartige Perspektive, die im Rahmen dieser Arbeit eingenommen wird. Der Fokus dieses Buchs liegt auf der Untersuchung innerschulischer sozialer Beziehungen von Lehrerinnen und Lehrern, einem bislang wenig beforschten Gebiet. Wie setzen sich die Netzwerke zusammen? Welche Regelmäßigkeiten bestehen bei ihrer Formation? Lassen sich Effekte der unterschiedlichen Beziehungsstrukturen auf schulisches Handeln und Einstellungen feststellen?

Das vorliegende Werk stellt eine empirische Anwendung netzwerkanalytischer Bildungsforschung im Rahmen soziologischen Denkens dar. Gleichzeitig wird eine Einführung in das noch recht junge Paradigma geboten, bei der sowohl theoretische als auch praktische Elemente der sozialen Netzwerkanalyse an einem konkreten Anwendungsbeispiel diskutiert werden.