Kitabı oku: «Einführung in die sonderpädagogische Diagnostik»

4 Testtheoretische Voraussetzungen zur Realisierung sonder- und heilpädagogischer sowie lerntherapeutischer Diagnostik

Lernziele

1. Erklären, was man unter einem psychologischen Test versteht.

2. Inhalt und Bedeutung von Gütekriterien kennen lernen und die Relevanz sowie die Problematik der Gütekriterien im Bereich sonder- und heilpädagogischer Fragestellungen erkennen:

– Wissen vermitteln, dass Objektivität auch Grenzen hat.

– Die Bedeutung von Reliabilitäts- und Validitätskoeffizienten kennen- und verstehen lernen.

– Verstehen, warum Normen für den Umgang mit psychometrischen Tests wichtig sind und erkennen, wo ihre Grenzen liegen.

– Einsicht gewinnen in den historischen Ansatz der Normierung, ihn problematisieren.

– Einführen in grundlegende Begriffe, die mit Normierung im Zusammenhang stehen.

– Normierungsmöglichkeiten in Bezug auf die praktische Anwendung kennen lernen.

– Den Umgang mit Normen und Normentabellen vermitteln.

– Erkennen, dass auch Nebengütekriterien für den praktischen Umgang mit Tests bedeutsam sind.

– Den Begriff „Standardisierung“ mit seinen verschiedenen Aspekten verstehen.

– Die Brauchbarkeit von Tests mit Hilfe der Gütekriterien beurteilen können.

– Aufgrund der Kenntnis der Gütekriterien zur Einsicht gelangen, dass Tests und testdiagnostisches Vorgehen nicht zu absoluten, vielmehr zu begrenzten Aussagen (Wahrscheinlichkeitsaussagen) führen.

– Erkennen, dass jedes Testergebnis Fehler einschließt.

– Standardmessfehler und Vertrauensbereiche – falls im Test nicht angegeben – berechnen können.

3. Die Vorteile von Klassifikationen (Einteilungen) erkennen und Tests – gegebenenfalls – nach mehreren Aspekten klassifizieren.

4. Wissen um die spezielle Problematik von Verfahren projektiver Art erwerben.

5. Eine für sonderpädagogische Fragestellungen akzeptable Einteilung von Tests nennen.

Eine wichtige Ausgangsbasis sonderpädagogischer Diagnostik stellt vor allem im Rahmen institutioneller Gegebenheiten – neben anderen Informationsquellen – sowohl für Psychologen als auch für diagnostizierende (Sonder-)Pädagogen die Durchführung, Auswertung und Interpretation psychologisch und schulpädagogisch orientierter Tests dar. Ohne die Anwendung wissenschaftlich und empirisch fundierter Tests ist die Erstellung „sonderpädagogischer Gutachten“ kaum vorstellbar.

Die Problematik der Verwendung von „Tests“ im Rahmen sonder- und heilpädagogischer Fragestellungen wurde allerdings vor allem im wissenschaftlichen Bereich bereits seit Mitte der 1970er Jahre häufig in Form von Kritik und Ablehnung behandelt. Andererseits wurde die Verwendung von Tests bei der Gutachtenerstellung im Rahmen des „Verfahrens der Aufnahme und Überweisung in die Sonderschule“ (Deutscher Bildungsrat) als selbstverständlich angesehen, ja geradezu postuliert (Kautter / Munz 1974). Zwei Momente sind dabei zu beachten: Unter institutionellem Aspekt im Kontext Schule wurde die Verwendung von Tests zur Selektion von Kindern, deren Lernleistungen und / oder Verhaltensweisen von den Vorgaben der Lehrpläne, den Erwartungen von Schulen und Lehrern abwichen – hierzu gehörten i. d. R. Kinder mit Behinderungen – kaum in Frage gestellt; im Rahmen pädagogischer und heilpädagogischer, speziell im Kontext integrativer und inklusiver Pädagogik stößt die Verwendung psychometrischer Tests auf Kritik bis Ablehnung. Allerdings besteht für das Konzept der klassischen Testtheorie im Rahmen unterschiedlicher Institutionen und Systeme (Schulen, Heime, forensischer Bereich, Verkehrswesen …) durchaus eine Notwendigkeit.

Es gibt mehrere Begründungen für die Kenntnis testtheoretischer Grundlagen für Fachleute, die in den Bereichen Sonder- und Förderschulen, an Sonderpädagogischen Förderzentren, Diagnose- und Förderklassen, Kooperationsschulen, aber auch an Grund- und Hauptschulen im Kontext Schülerprobleme und -nöte tätig sind. Lehrer an Sonder- und Förderschulen wurden und werden relativ häufig mit Implikationen psychologischer Testverfahren konfrontiert, indem sie

– eine sinnvolle Auswahl im Hinblick auf eine Untersuchung treffen müssen,

– selbst Tests im Rahmen einer Begutachtung und bei der Erstellung eines Förderplanes durchführen,

– mit Tests im Sinne qualitativer Diagnostik (Variation von Testbedingungen) umgehen,

– Gutachten kritisch lesen, verstehen und analysieren,

– aus Befunden Informationen entnehmen, z. B. zwecks Fehleranalyse, Ursachenfindung,

– eine kritische Stellungnahme zu einem bereits vorliegenden Gutachten eines Psychologen, Mediziners, Kinder- und Jugendpsychiaters abgeben,

– neu erschienene Testverfahren beurteilen,

– bei der Lektüre eines diagnostischen Fachbuches Fachbegriffe kennen sollten,

– insgesamt gesehen kritisch und in allgemeinpädagogischer, sonder- und heilpädagogischer sowie lerntherapeutischer Verantwortung mit psychologischen Tests umgehen.

Insofern ist es im Rahmen einer Betrachtung der Problematik Tests notwendig, auch auf Grundlagen und Termini klassischer Testtheorie einzugehen. Unter Berücksichtigung der zahlreichen Arten von Tests geht es darum, über wesentliche Aspekte psychologischer Testverfahren kritisch zu informieren.

Psychologen haben im Verlauf der vergangenen hundert Jahre versucht, immer exaktere Methoden zur Diagnose z. B. der Intelligenz, verschiedener Arten der Wahrnehmung, der Motorik sowie sozialer und emotionaler Bereiche zu entwickeln. Hierzu gehören auch die Ausdifferenzierung diagnostischer Methoden und die damit verbundene Möglichkeit der Einschätzung von Entwicklungsverzögerungen und Behinderungen allgemein. Akzentuiert dargestellt beruft sich die Psychologie dabei auf die Statistik, auf Wahrscheinlichkeitsaussagen (Gauß) und leitet davon die „Normalverteilung“ von Persönlichkeitseigenschaften und Verhaltensweisen ab. Geschätzt werden auf dieser Basis die Abstände von Eigenschaften, Verhaltensweisen oder Leistungen von der sogenannten Normalität, vom Durchschnitt oder von der „durchschnittlichen Normalität“.

Testtheorie und die Anwendung von Tests wurden aus verschiedenen Gründen kritisiert:

1. Es besteht die Schwierigkeit, ja Unsicherheit, Persönlichkeitseigenschaften wie Intelligenz, Angst, Motivation, Gefühle überhaupt, wissenschaftlich genau zu bestimmen. Psychologen sprechen im Zusammenhang mit solchen Persönlichkeitseigenschaften, die wissenschaftlich nicht exakt definiert bzw. empirisch erfasst werden können, von „hypothetischen Konstrukten“.

2. Es ergibt sich die Problematik, welche Verhaltensweisen diese Eigenschaften repräsentieren, also durch welche Fragen oder Aufgabenstellungen (Items) man diese Eigenschaften oder Verhaltensweisen prüfen, testen oder erkennen kann.

3. Die Grenzwerte (z. B. für IQ-Werte) bei verschiedenen Klassifikationen sind relativ willkürlich gesetzt. In unterschiedlichen Publikationen und bei verschiedenen Autoren finden sich z. B. im Hinblick auf „geistige Behinderung“ z. T. erhebliche Differenzen hinsichtlich der Grenzwerte.

4. Werden Menschen mit einer Behinderung auf der Basis der Normalverteilungsannahme / -theorie, durch den Vergleich mit einer fiktiven Normalität bzw. dem statistisch bestimmten „Durchschnitt“ in der Regel negativ oder defizitär beschrieben. Aus der expliziten Betonung des Negativabstandes zur Normalität, also der „Defizite“, ergeben sich vor allem die Negativbeschreibungen von Behinderung, Entwicklungsverzögerung und Störungen im Lernen und Verhalten.

5. Geht in unserer an Leistung, Erfolg und Perfektion orientierten Gesellschaft mit der Klassifizierung auch häufig eine negative Wertung einher. Gerade Klassifikation und die damit verbundene Wertung wirken sich aufgrund der daraus hervorgehenden Einstellung und Wahrnehmung auf Kinder und Jugendliche mit einer Behinderung negativ aus.

6. Die Anwendung spezieller diagnostischer Messverfahren traditioneller Art impliziert die Gefahr, das Verhalten von Kindern mit Behinderungen lediglich auf Teil- bzw. Funktionsbereiche zu reduzieren. Psychometrisch orientierte Diagnoseinstrumente leisten an sich keinen direkten Beitrag zur Informationsgewinnung über den Grad der Selbstständigkeit der Daseinsbewältigung in gegenwärtigen oder zukünftigen Lebenssituationen.

7. Diagnostische Messverfahren erfassen nicht die Lebenswirklichkeit eines Kindes. Sie diagnostizieren nicht, was ein Kind bisher gelernt hat, wo es, wie und warum es handelt, wie ein Kind bisher gelebt, was es erfahren hat. Lineare Aufgabenstellungen diagnostischer Messverfahren erweisen sich in der Regel als wenig motivierend, eher künstlich und realitätsfern. Psychometrische Tests prüfen kaum Handlungs- voraussetzungen für zukünftiges Lernen, Arbeiten und Leben. Sie liefern keine direkten Informationen über Fördermöglichkeiten.

8. Objektivität und Kontrolle verhindern die Offenheit zum Verstehen lernen und zur Wahrnehmung dessen, was ein Kind wirklich zeigen möchte. Das Verhalten eines Kindes in einer Problemsituation, speziell eines Kindes mit Behinderung auch nur annäherungsweise verstehen und interpretieren zu wollen, setzt das Bemühen um eine Beziehung zum Kind voraus.

Bei aller Kritik an der Verwendung psychometrischer Tests ergeben sich selbst unter förderdiagnostischem Aspekt betrachtet auch einige positive Momente:

– In kurzer Zeit liefern Tests manchmal relativ viele, zum Teil bisher unbekannte Informationen, die auch für Förderungsprozesse eine Bedeutung haben. Bei der Verwendung von Individualverfahren ist gleichzeitig Verhaltensbeobachtung möglich.

– Es besteht die Möglichkeit der Entdeckung bislang nicht bekannter oder falsch eingeschätzter Kompetenzen und Fertigkeiten oder auch Ressourcen.

– Unerwartet hohe Ergebnisse oder Leistungen z. B. in den Bereichen Intelligenz, Motorik oder Sprache zeigen, dass ein Kind nicht adäquat unterrichtet und gefördert wurde, z. B. auch bei vorliegender Hochbegabung oder Spezialbegabung.

– Ein Test kann zur Erkennung von Ursachen für schulische Probleme und / oder Verhaltensauffälligkeiten wie z. B. in den Bereichen Emotionalität (Angst, Aggression), Wahrnehmung, Motorik, Sprache, Kommunikation und Sozialverhalten beitragen.

– Die Durchführung von Tests, die Interpretation und Diskussion der Ergebnisse ermöglichen eine bessere Einschätzung der Gesamtproblematik, können zu einem besseren Verstehen eines Kindes in einer Problemsituation hervorgerufen durch das soziale Umfeld, speziell durch die Anforderungen der Schule, beitragen.

– Qualitative Diagnostik mit einer modifizierten Durchführung von Testaufgaben (Variation von Testbedingungen) entsprechend den Möglichkeiten eines Kindes können zu einer besseren Einschätzung der Lernausgangslage führen.

Dabei erweisen sich die differenzierte Betrachtung und Analyse sogenannter „Fehler“, d. h. eine Fehleranalyse (Bundschuh 2019, 108–111) als Ausgangsbasis für Förderung und als Chance zum Fortschritt bezüglich Wissen und Kenntnis im Hinblick auf einen Schüler in einer Problemsituation hinsichtlich seines bisherigen Lernwegs, seines Lernverhaltens und vorhandener Lösungsansätze.

Förderdiagnostisches Handeln beruht auf anthropologischen und pädagogischen Prämissen (Bundschuh 2019, 81–94) und schließt die Beachtung der gesamten kindlichen Persönlichkeit, die Orientierung am Kind und seinen speziellen Bedürfnissen sowie die Kind-Umfeld-Bedingungen ein. Eine Entscheidung für oder gegen die Verwendung von Tests im sonder- und heilpädagogischen Arbeitsfeld kann nur auf der Basis (heil-)pädagogischer Verantwortung erfolgen.

Es wird dem Leser empfohlen, „zweigleisig zu denken“: Einmal gibt es die Realitäten wie z. B. die Institution Schule, zum anderen gibt es ein Wissen um das pädagogisch Notwendige, um das, was ein Kind wirklich braucht. Letzteres ist in diesem Kapitel nicht Gegenstand der Erörterung, es wird nur stellenweise angesprochen. Der Aspekt Förderung wird speziell am Ende von Kapitel 6 thematisiert. Hier geht es zunächst in erster Linie um die kritische Vermittlung testtheoretischer Grundlageninformationen.

Psychodiagnostische Strategien, die sich der Veränderungsdiagnostik bedienen, greifen zwangsläufig auf Erkenntnisse der Entwicklungspsychologie (Bundschuh 2008, 87–114) zurück, insbesondere wenn es darum geht, entwicklungsbedingte Prozesse zu erfassen. Die psychodiagnostische Erfassung von Merkmalsausprägungen und die psychodiagnostische Urteilsbildung im Allgemeinen werden durch vielfältige kognitive Faktoren beeinflusst, deren Verständnis zur Optimierung psychodiagnostischer Prozesse beiträgt.

Psychodiagnostische Erkenntnisse unterliegen den Grenzen unserer Erkenntnisfähigkeit, deren Reflexion für eine angemessene Bewertung psychodiagnostischer Ergebnisse von Bedeutung ist, d. h., der Umgang mit diagnostischen Methoden setzt auch die Kenntnis wissenschaftlicher Grundlagen (Testtheorie, Wissen über Fehler, Grenzen diagnostischer Möglichkeiten) voraus.

Psychologisch betrachtet sind Entwicklung und Bewertung psychodiagnostischer Erhebungsmethoden und Prozesse ohne die Erkenntnisse der Psychometrie nicht möglich. Die Mess- und Testtheorie stellt daher nach wie vor das zentrale Methodenfach für die Psychologische Diagnostik dar.

4.1 Der psychologische Test

Das Wort „Test“ stammt aus dem englischen Sprachgebrauch. Es bedeutet soviel wie Probe. Gustav A. Lienert, an dessen Ausführungen in dem für die vorliegende Thematik als Standardwerk anerkannten Buch „Testaufbau und Testanalyse“ sich die folgenden Darstellungen zunächst orientieren, schreibt dem Wort „Test“ im psychologischen Sprachverständnis eine mehrfache Bedeutung zu. Unter „Test“ kann verstanden werden (Lienert 1998, 1):

1. „Ein Verfahren zur Untersuchung eines Persönlichkeitsmerkmals.“ (Persönlichkeitsmerkmale sind z.B. Intelligenz, Konzentrationsfähigkeit, Gedächtnisleistungen, Ängstlichkeit, Selbstsicherheit …)

2. „Der Vorgang der Durchführung der Untersuchung.“ (Es geht darum: Was geschieht im Testverlauf? Z.B. Einstellung des Probanden, Darbietung von Instruktionen und Testmaterial …)

3. „Die Gesamtheit der zur Durchführung notwendigen Materialien.“ (Z.B. Testmaterial, Testhandbuch …)

4. „Jede Untersuchung, sofern sie Stichprobencharakter hat.“ (Stichprobe: Zufällige Auswahl aus einer Gesamtheit)

5. „Gewisse mathematisch-statistische Prüfverfahren.“ (Z. B. χ2-Test; t-Test; U-Test)

Eine wichtige Bedeutung kommt sicherlich dem ersten Punkt zu; denn sehr häufig wird das Wort „Test“ in dieser Bedeutung gebraucht. Im Sinne dieser Auffassung definiert auch Lienert: „Ein Test ist ein wissenschaftliches Routineverfahren zur Untersuchung eines oder mehrerer empirisch abgrenzbarer Persönlichkeitsmerkmale mit dem Ziel einer möglichst quantitativen Aussage über den relativen Grad der individuellen Merkmalsausprägung“ (Lienert 1998, 1). Die Schwerpunkte dieser Definition kann man wie folgt setzen:

1. Nur die wissenschaftlich begründete Untersuchung kann als Test gelten; wobei wir „wissenschaftlich“ so interpretieren, dass der Test auf dem Wege der empirischen Überprüfung und Erprobung zustande gekommen ist und in seinem Aufbau Gesetzen der Logik nicht widersprechen darf.

2. Die Durchführung geschieht routinemäßig, also unter Standardbedingungen, man könnte auch sagen „handwerksmäßig“.

(Von „Standardbedingungen“ spricht man, wenn der Test den sogenannten „Gütekriterien“ entspricht, wenn das Verhalten des Testleiters, die Untersuchungssituation und die Kriterien der Auswertung genau festgelegt, „standardisiert“ sind.)

Der Lehrer für Sonderpädagogik muss über die Standardisierung eines Verfahrens Bescheid wissen, um den Grad der Wahrscheinlichkeit einer subjektiven Verfälschung der Ergebnisse zumindest einschätzen zu können.

3. Der Test ermöglicht eine relative Positionsbestimmung des untersuchten Individuums innerhalb einer Gruppe von Individuen bezüglich eines Merkmals.

(Relativ heißt, dass das Ergebnis niemals exakt bestimmt werden kann, weil Testergebnisse mit Messfehlern behaftet sein können, demnach bewegt sich der wahre Wert eines Ergebnisses in einer gewissen Streubreite. So muss man z. B. wissen, dass ein IQ von 89 im Hamburg-Wechsler-Intelligenztest für Kinder bedeuten kann, dass der Intelligenzquotient des betreffenden Probanden mit einer gewissen Wahrscheinlichkeit etwa zwischen 81 und 97 liegen kann.

Positionsbestimmung besagt, dass angegeben wird, um wie viel ein Individuum besser oder schlechter im Test abschneidet als der Durchschnitt der Gruppe, an welcher der Test normiert wurde.)

4. Bestimmte – also verhaltens- und erlebnisanalytisch – abgrenzbare Eigenschaften werden überprüft, z. B. Gedächtnis, verbale Fähigkeiten, Formauffassung, Motivation, Geltungsstreben.

Zusammenfassend kann Folgendes hervorgehoben werden:

Ein psychologischer Test

1. ist ein Beobachtungs- oder Prüfsystem.

2. richtet sich auf eine Verhaltensstichprobe, die möglichst exakt einen Teilbereich einer Persönlichkeit erfassen soll. Dabei wird der Verhaltensausschnitt, den der Test intendiert, umso enger sein, je exakter der Test misst. Eine Ergänzung, Bekräftigung oder Zurückweisung eines Ergebnisses wird jedoch durch weitere Verfahren notwendig sein. Deshalb braucht man auch mehrdimensionale oder multidimensionale Tests; z. B. wird, wenn man Intelligenz etwa als ein zusammengesetztes Merkmal betrachtet, nicht ein eindimensionales Verfahren genügen.

3. klassifiziert eine Person innerhalb einer Gruppe oder stuft quantitativ auf einer Skala ein.

4. will Aussagen über zukünftiges Verhalten machen. Die Frage lautet vor allem auch im sonderpädagogischen Bereich: Mit welcher Sicherheit kann er das? Kann er das überhaupt?

Im Bereich der sonderpädagogischen Förderdiagnostik ergibt sich vor allem ein Problem aus der Tatsache, dass aus den wenigen Beobachtungs- und Testdaten, die ja nur eine kleine Stichprobe aus dem Gesamtverhalten (zum Beispiel aus dem schulischen Bereich, Motorik, Wahrnehmung)darstellen, die leider noch zu häufig in „unverantwortlich kurzer Zeit“gewonnen werden, dass eben aus diesem relativ kleinen Verhaltensausschnitt Aussagen über das Verhalten in einer ähnlichen oder einer anderen Situation erfolgen sollen, in der das Kind vielleicht ganz anders engagiert und motiviert ist. So steht der diagnostizierende Pädagoge zum Beispiel vor der nahezu unlösbaren Aufgabe abzuschätzen, wie sich ein Kind aufgrund der aus der Untersuchungssituation hervorgehenden Fördervorschläge oder irgendwelcher Umschulungsmaßnahmen in seiner zukünftigen Umwelt entwickeln und verhalten wird.

Wenn wir auf die ursprüngliche Intention von Tests zurückgehen, so können wir feststellen, dass von einer momentanen gegenwärtigen Leistung eines Probanden über die erfolgten Leistungen einer Bezugsgruppe, an der der Test in der Eichstichprobe normiert wurde, auf die zukünftigen Leistungen des zu Untersuchenden geschlossen wird. Das Problem liegt darin, dass das zukünftige Verhalten eines Kindes aber nicht von der Standardbezugsgruppe, sondern von inneren und äußeren Bedingungen der individuellen Situation wie etwa Motivation, Angst, Freude, Frustration abhängt. Gerade die genannten Bedingungen müssen bei irgendwie beeinträchtigten, entwicklungsgefährdeten Kindern als häufig unstabil oder nur schwer fassbar angesehen werden.

Aufgrund der Testdefinition hätte man zunächst den Eindruck gewinnen können, es könnten mit Hilfe dieser Verfahren klare und gesicherte Aussagen erfolgen. Die Analyse von Tests, Testsituationen und Testergebnissen führt dann jedoch zu einigen Unsicherheiten.

Einige Probleme und Fehlerquellen bei der Verwendung von Tests sollen deshalb zunächst punktuell angesprochen werden. Es handelt sich um einige ungelöste Testprobleme, deren Kenntnis für den Untersucher wichtig ist.

Selbst wenn ein Test alle Definitionsmerkmale von Lienert enthält, können Fehler nicht ausgeschlossen werden. So könnte Angst bei Tests, die Leistungen fordern, das Zustandekommen eines optimalen Ergebnisses verhindern. Gerade bei lern- und leistungsgestörten Kindern könnte eine volle Leistungsentfaltung sowohl in der Schule als auch bei einem Leistungstest infolge Angst, mangelnder Motivation oder auch aus neurotischen Gründen unmöglich werden.

Zufällige Fehler können ein Testergebnis verfälschen, z. B. wenn ein Kind eine Anweisung (Instruktion) nicht richtig verstanden hat. Der häufig unter Zeitdruck stehende Lehrer für Sonderpädagogik könnte möglicherweise übersehen, dass ein Kind einer Instruktion nicht folgen konnte. So besteht beispielsweise auch bei dem Motoriktest LOS KF-18 und vor allem bei einigen Untertests der Testbatterie für Geistigbehinderte (Befolgen von Anweisungen, Hamburger Version der Lincoln-Oseretzky-Skala), aber auch bei anderen „gängigen“ Testverfahren die Gefahr, dass Kinder die Anweisung nicht verstehen, dass sie gar nicht genau wissen, was von ihnen erwartet wird.

Ein weiterer gravierender Fehler entsteht, wenn etwa ein falscher Test zur Erfassung eines bestimmten Merkmals angewendet wird oder wenn die Testergebnisse falsch interpretiert werden. So wäre es völlig unzulässig, wenn man nach der Verwendung eines Intelligenztests behaupten würde, dass die gezeigte Leistung angeboren sei.

Eine weitere Fehlerquelle stellt die Bekanntheit eines Tests dar. Es könnte z. B. sein, dass einige Eltern, die ihre Kinder einschulen wollen, erfahren haben, welche Aufgabenstellungen im Schulreifetest gefordert werden. Sie konnten ihre Kinder entsprechend einstellen. Der Test wird dann nicht mehr unter Standardbedingungen durchgeführt, weil von einigen Kindern die Lösung von Aufgaben trainiert werden konnte, während andere – mangels Kenntnis – dazu nicht in der Lage waren. Ähnlich könnte es sein, wenn ein Kind wiederholt mit dem gleichen Intelligenztest konfrontiert wird.

Jeder Pädagoge, der verantwortungsbewusst Tests durchführt, auswertet, interpretiert, aus den Ergebnissen Schlüsse zieht, sollte sich der genannten Implikation bewusst sein. Ein kritischer Umgang mit psychologischen Tests erweist sich prinzipiell als notwendig.

4.1.1 Bestandteile eines Tests

Zu den gebräuchlichen Tests gehören einige notwendige Bestandteile. G. A. Lienert teilt ein in Materialbestandteile und Durchführungsbestandteile (1998, 5 f.).

Die Materialbestandteile eines Tests werden auch „Testrequisiten“ genannt. Bei den standardisierten Testverfahren ist die Durchführung eines Tests ohne diese Requisiten nicht möglich. Zu ihnen gehören:

1. das Testhandbuch oder Testmanual (engl.). Es enthält gewöhnlich eine kurze Beschreibung des Tests und eine Darstellung der theoretischen Grundlagen, Hinweise werden gegeben für die Durchführung und für die Interpretation anhand von Normen.

Für den sonderpädagogischen Bereich wäre es dringend erforderlich, dass im Zusammenhang mit den Normen und Interpretationshinweisen auch die aufgrund der Ergebnisse angezeigten Fördermaßnahmen (Trainingsschwerpunkte, Übungen, Therapiemaßnahmen …) zumindest punktuell angeführt werden.

2. das Testmaterial zur Durchführung und Auswertung eines Tests. Hierzu gehören Testhefte, manipulierbare Gegenstände (Klötzchen, Bälle, Bildmaterial …) Unterlagen zur Bearbeitung und Verarbeitung der Testergebnisse.

3. die Auswertungshilfen; gemeint sind Kontrollblätter, Loch- und Klarsichtfolien, Schablonen, Messgeräte. (Bei einigen Tests kann auch über die Verlage eine Auswertung mittels Computer erfolgen.)

Nach dem Testverlauf und methodisch lassen sich die Durchführungsbestandteile wie folgt anführen:

1. Die Testanweisung oder Instruktion des Testleiters (Tl). Zum einen wird der Tl informiert über Bedingungen, Durchführung und Auswertung des Tests, zum anderen aber auch der Proband (Pb) (oder eine Gruppe von Probanden [Pbn]) über die Testleistung, die von ihm gefordert wird. Der Pb kann sich in gewisser Weise auf die Testaufgaben einstellen.

Für die sonderpädagogische Diagnostik wird im Hinblick auf die besonderen Probleme der Kinder gefordert, dass Instruktionen möglichst kurz und verständlich formuliert werden. Es wäre durchaus denkbar, dass Alternativmöglichkeiten von Instruktionen für beeinträchtigte Kinder angeboten werden (ähnlich den Instruktionen für Kinder und Erwachsene), damit eine gewisse Objektivität der Bedingungen gewahrt bleibt; denn es wäre möglich, dass ein Kind eine Leistung deshalb nicht vollbringen kann, weil es eine Instruktion nicht versteht und vielleicht die wesentlichen Momente gedächtnismäßig nicht behalten kann.

2. Die Testdurchführung kann z. B. bestehen in einer geistigen Tätigkeit (logisch-mathematisches Denken, Gedächtnisleistungen, verbale Aufgaben …), in einer motorischen Reaktion (Feinmotorik: Kreise punktieren, Figuren ausschneiden, Zeichnen, Perlen in eine Schnur fädeln; Grobmotorik: Hüpfen mit beiden Beinen, Luftsprung mit Klatschen …), in einer Stellungnahme (Fragebogen) zu einer Verhaltens-, Erlebnis- oder Einstellungsfrage.

3. Die Testauswertung kann durch Auszählen, auf schematische oder automatische, aber auch intuitive Weise (z. T. bei projektiven Verfahren) erfolgen (s. auch Auswertungshilfen).

4. Die Interpretation (sie findet allerdings erst nach der Testdurchführung statt).

4.1.2 Phasen des testdiagnostischen Prozesses

Um die Bedingungen für alle zu untersuchenden Personen gleich zu halten, muss der Ablauf eines testdiagnostischen Prozesses genau festgelegt sein. Ein Test sollte allen Pbn in der gleichen Weise angeboten werden. Diese Forderung ist wohl optimal und ideal nur theoretisch erfüllbar, in der Praxis werden vollständig standardisierte (gleiche) Testbedingungen kaum realisierbar sein.

Im Zusammenhang mit Tests wurde bereits auf einige Fehlerquellen verwiesen. Im Hinblick auf die Bedingungen einer Testdurchführung muss auf weitere Fehlerquellen hingewiesen werden. Auf eine systematische Darstellung der Beeinflussung von Testergebnissen muss hier jedoch verzichtet werden. Hier nur einige wichtige Aspekte zu dieser Problematik.

Beeinflussend können wirken die Art der Darbietung der Instruktion (Betonungen, Monotonie, Verständlichkeit der Sprache), jede soziale und kommunikative Interaktion zwischen Tl und Pb, weitere Momente wie Beleuchtung, Lärm, Intaktheit des Testmaterials …

Der ideale Diagnostiker und der ideale Proband sind wohl Fiktionen. Im Zusammenhang mit Versuchsbedingungen bringt bereits M. Sader zum Ausdruck: „Es gibt wohl kaum eine nennenswerte Versuchsbedingung, die nicht schon einmal planmäßig variiert worden wäre und von der man nicht gefunden hätte, daß ihre Variation die Versuchsergebnisse merklich beeinflussen kann“ (Sader 1957, 54)

Um Fehler zu vermeiden oder weitgehend einzuschränken, ist eine größtmögliche Festlegung des testdiagnostischen Prozesses nötig. Gewöhnlich werden vier Phasen unterschieden: Provokation, Registrierung, Auswertung und Interpretation:

1. Die Provokation fordert infolge einer bestimmten Reizkonstellation den Probanden zu einem Verhalten heraus. Die Provokation kann geschehen z. B. durch eine Frage, durch die Aufforderung, etwas zu tun (verbal, zeichnerisch, motorisch). Sie wird allgemein durch die Instruktion eingeleitet.

2. Die Registrierung gehört zu den Aufgaben des Tl oder eines Helfers (Protokollant, weiterer Beobachter). Die Art der Registrierung des gezeigten Verhaltens (Reaktion des Pb auf die Provokation) ist in den jeweiligen Testhandbüchern vorgegeben. Gewöhnlich werden die Aspekte des Testverhaltens registriert, die für die Diagnose eine Bedeutung haben. Beim von Behinderung bedrohten oder offensichtlich behinderten Kind wird es jedoch wichtig sein, nicht nur die Momente festzuhalten, die später in die Testauswertung eingehen, vielmehr sollte die Registrierung nahezu aller Verhaltensweisen in der Testsituation erfolgen.

Dies kann auf schriftliche Weise, per Tonbandgerät (Verbalverhalten), im Idealfall mit Hilfe einer Videoaufzeichnung (falls der Pb dadurch nicht beeinflusst wird), geschehen. Manchmal können durch die Verhaltensbeobachtung bei Individualverfahren (von einem Tl kann nur ein Pb getestet werden) erste vorsichtige Schlüsse auf die Ursachen etwa einer Leistungsstörung gezogen werden. Beobachtet werden könnten z. B. Ängstlichkeit, Gehemmtheit, Aggressivität (allg. Verhaltensstörungen), Motorik, Sprache. Aus der Verhaltensbeobachtung können sich ferner Hinweise auf die zusätzliche Einbeziehung spezieller Testverfahren ergeben. Es kann wohl gesagt werden, dass die bei uns üblichen Verfahren zur Erfassung der Intelligenz eine exakte Registrierung der Antworten nötig machen. Grundsätzlich muss auf die Objektivität der Registrierung geachtet werden, d. h., dass verschiedene Testleiter dasselbe Testverhalten eines Pb in identischer Weise registrieren.

3. In der Auswertung werden die registrierten Verhaltensdaten aufbereitet. Dieser Vorgang kann von Test zu Test sehr verschieden sein. Es geht manchmal um die Häufigkeit bestimmter Reaktionen, manchmal um die Feststellung, wie viele Antworten richtig oder falsch sind. Schwierig wird die Auswertung bei Testverfahren, bei denen die Entscheidung der Bewertung subjektiven Einflüssen eines Tl unterliegt (Kreativität). Zu den wohl schwierigsten – aber auch umstrittensten Verfahren gehören die sogen. „projektiven Verfahren“. Bei den meisten Tests „objektiver“ Art ergibt sich zunächst ein Rohwert, der dann mit Hilfe von Tabellen umgerechnet wird, sodass der Vergleich der individuellen Testergebnisse mit den Daten eines repräsentativen Querschnitts aus der Population (Gruppe, welcher der Proband angehört) möglich wird (Normdaten).

4. In der Interpretationsphase schließlich werden die diagnostischen Schlussfolgerungen aus dem bereits aufbereiteten Datenmaterial gezogen. Mit Schlussfolgerungen ist gemeint, dass zuverlässige Aussagen erfolgen können über zukünftiges Verhalten, z. B. über Fähigkeiten (logisches Denken, Rechnen, Konzentration, Gedächtnis) oder über sonstige Persönlichkeitseigenschaften.

Es besteht im Zusammenhang mit der Interpretation die Gefahr, dass etwa einem Kind ein bestimmtes Verhalten zugeschrieben wird, dass eine gewisse Fixierung erfolgt, deshalb wird gefordert, dass die Interpretation der Testergebnisse – vor allem im pädagogischen Raum – stets auf das Moment der Förderung und Therapie gerichtet sein soll (vgl. Kap. 3.4: Ausführungen über „Förderdiagnose“, ferner Bundschuh 2019).

4.2 Gütekriterien psychologischer Tests – sonder- und heilpädagogische sowie lerntherapeutische Relevanz

In den bisherigen Ausführungen wurden mehrmals Problembereiche tangiert, die z. B. folgende Fragestellungen aufwarfen: Wie zuverlässig ist eigentlich ein Testergebnis? Wie hoch ist die Wahrscheinlichkeit einer Verfälschung von Testergebnissen? Nach welchen Kriterien können Güte und Brauchbarkeit eines Testverfahrens beurteilt werden? Antworten auf solche und ähnliche Fragen muss der förderdiagnostisch arbeitende Pädagoge finden, wenn er in irgendeiner Weise mit psychologischen Tests konfrontiert wird.

Die folgenden Ausführungen stellen den Versuch dar, systematisch die aufgeworfenen Fragen zu behandeln.

In der Literatur, die sich mit Testfragen auseinandersetzt, werden meist auch die Gütekriterien von Tests besprochen. So bei Michel (1971), Kleber (1978), Dieterich (1973), Steinack (1973), Büscher (1974), Zimmermann (1974), Klausmeier und Ripple (1975), Lienert (1998), Ingenkamp und Lissmann (2008) um nur einige zu nennen.

Man könnte fragen, warum in den vorliegenden Ausführungen ebenfalls eine Darstellung der Gütekriterien erfolgt. Die Gütekriterien sollen hier vorgestellt werden, weil:

– die vorliegenden Ausführungen zwar in knapper Form, aber doch umfassend informieren sollen;

– sonder- und heilpädagogische Aspekte in der genannten Literatur zu wenig spezifisch berücksichtigt werden;

– Gütekriterien ein wichtiges Hilfsmittel bei der Einschätzung der Relevanz eines Testverfahrens darstellen;

– eine kritische Betrachtung notwendig ist.

Als Gütekriterien von Tests bezeichnet man:

1. Objektivität

2. Reliabilität (Zuverlässigkeit)

3. Validität (Gültigkeit)

4. Normierung (Eichung)

5. Vergleichbarkeit

6. Ökonomie

7. Nützlichkeit

Lienert vertritt die Meinung, dass zu einem guten Test zunächst die folgenden drei Hauptgütekriterien gehören (1998, 7):

1. Er soll objektiv,

2. reliabel,

3. valide sein.

Vier Nebengütekriterien bezeichnet er als „bedingte Forderungen“ an einen Test:

4. Er soll normiert,

5. vergleichbar,

6. ökonomisch,

7. nützlich sein.

4.2.1 Objektivität

Unter Objektivität versteht man zunächst allgemein „den Grad, in dem die Ergebnisse eines Tests unabhängig vom Untersucher sind. Ein Test wäre demnach vollkommen objektiv, wenn verschiedene Untersucher bei demselben Pbn zu gleichen Ergebnissen gelangten“ (Lienert 1998, 7). Gemeint ist, dass die Ergebnisse von der Person des Testleiters unabhängig sind. Man kann in diesem Zusammenhang auch von „interpersoneller Übereinstimmung“ der Untersucher sprechen. In der Fachsprache wird die Objektivität im testpsychologischen Sinne weiter differenziert und zwar in die Durchführungs-, Auswertungs- und Interpretationsobjektivität sowie in die Forderung nach Objektivität der diagnostischen Konsequenzen (Förderungsansätze).

4.2.1.1 Durchführungs- oder Darbietungsobjektivität

Dieser Objektivitätsaspekt besagt, dass die Testergebnisse unabhängig vom Verhalten des Testleiters sein sollen. Die sozialen Interaktionen müssten demnach auf das in der Instruktion vorgegebene Maß beschränkt bleiben. Es ist allerdings sehr fraglich, ob diese Forderung bei einem Teil der Kinder, mit denen wir es zu tun haben, in vollem Umfang eingehalten werden kann, denn es gibt Problemkinder, die ohne besondere Ermutigung, ohne Lob, vielleicht auch ohne Pausen, nicht testfähig wären (z. B. Kinder mit autistischen Zügen). Andererseits gehört zur Darbietungsobjektivität, dass sich der Testleiter an die Standardisierungsbedingungen hält. So sollte auch die äußerliche Situation für jeden Pb gleich sein.

Erfahrene Testleiter neigen dazu, die Instruktionen nicht zu verlesen, sondern sie aus dem Gedächtnis wiederzugeben. Hierbei könnten sich aber kleinere Veränderungen einschleichen, die erhebliche Auswirkungen auf die Testergebnisse haben. Bei der heutigen Vielzahl von Testverfahren und bei der manchmal nicht unerheblichen Länge von Instruktionen muss dringend empfohlen werden, nicht ohne die vorgegebenen Instruktionen zu arbeiten, weil die Gefahr zusätzlicher Fehlerquellen doch sehr groß ist. Es gibt jedoch auch Testverfahren, bei denen es empfehlenswert erscheint, die Instruktion eindeutig so zu geben, dass der Pb weiß, was von ihm verlangt wird. Zusätzliche Erklärungen oder gegebenenfalls auch Vorzeigen werden nötig. So muss etwa das Kind wissen, wie die von ihm verlangte motorische Übung im Lincoln-Oseretzky-Test in der Hamburger Version oder in der Kurzform 18 (Eggert) vonstattengeht. Ähnlich ist es auch in der Einübungsphase beim Progressiven Matrizentest (Raven) oder bei Teilen des Snijders-Oomen-Tests (S. O. N. von Snijders und Snijders-Oomen). Weiterhin dürfte es gerade bei Problemkindern wichtig sein, bei der Instruktionsphase Blickkontakt mit dem entsprechenden Probanden zu halten; diese Phase sollte nicht völlig monoton und steril ablaufen, vielmehr sollte der Testleiter die Haltung eines Partners einnehmen.

Im Bereich der sonderpädagogischen Diagnostik ergeben sich teilweise schwerwiegende Probleme. So kann es sein, dass die Instruktion nicht für alle Pbn, vor allem auch für milieugeschädigte und sprachgestörte Kinder die gleiche Bedeutung hat. Es ist durchaus denkbar, dass Kinder mit Behinderungen nicht selten Testaufgaben nicht lösen können, weil sie die Instruktionen nur teilweise, falsch oder überhaupt nicht verstehen, vielleicht auch die sprachlichen Voraussetzungen zum Verstehen nicht besitzen.

Nachdem der Sonderpädagoge mit diesem Sachverhalt rechnen muss, ihn kennt, besteht bei ihm die Neigung zu besonderen Erklärungen, Wiederholungen der Testinstruktion mit jeweils anderen Worten und neuer Akzentuierung. Es besteht die Wahrscheinlichkeit, dass die Testleistung – weil eben die Instruktion nicht in ihrer ursprünglichen Form, also standardisiert, gegeben wurde – eine zu gute Bewertung erfährt (Milde-Effekt).

Damit kann die Durchführungsobjektivität nicht mehr als gegeben angesehen werden. Bezüglich der besonderen Problematik im Bereich der sonderpädagogischen Diagnostik scheinen vier Aspekte von Bedeutung zu sein:

1. Bei gut standardisierten, psychometrischen Verfahren muss man die vorgegebenen Instruktionen und Testbedingungen einhalten.

2. Es gibt Verfahren, bei denen zusätzliche Erklärungen in einem bestimmten Rahmen abgegeben werden dürfen bzw. müssen.

3. Bei besonders schwierigen Kindern werden manchmal eine Änderung der zeitlichen Abfolge von Testaufgaben, das Einlegen von Pausen, eine zusätzliche Ermutigung oder Lob nötig sein. Solche Maßnahmen sollten jedoch grundsätzlich im Gutachten vermerkt werden.

4. Es gibt Testverfahren, bei denen bei jüngeren, bei stark gehemmten und bei auf sozialen Kontakt angewiesenen Kindern zusätzliche Motivation oder Ermutigung empfohlen und nahe gelegt wird.

4.2.1.2 Auswertungsobjektivität

Sie bezieht sich auf die Auswertung nach vorgegebenen Regeln. Auswertungsobjektivität ist gegeben, wenn verschiedene unabhängige Auswerter die Testergebnisse in identischer Weise deuten, wenn sie bei gleichen Protokollen zu gleichen Resultaten kommen. Bei Leistungstests, bei Fragebogen, wenn es z. B. um die Unterscheidung „richtig“ oder „falsch“ geht, oder bei gebundenen Aufgaben (z. B. bei „multiple choice“-Verfahren) ist die Auswertungsobjektivität leicht zu sichern. Kaum oder weniger gegeben ist diese Objektivität, wenn offene Aufgaben vorliegen, die freie Antworten zum Ziel haben, wie dies teilweise bei Tests aus der Binet-Reihe (Geschichten zu Bildern erzählen) oder bei wenigen Untertests im Hamburg-Wechsler-Intelligenztest für Kinder der Fall ist (z. B. „Allgemeines Verständnis“, „Wortschatztest“).

Offensichtlich kann die Objektivität der Auswertung auch bei Verfahren gering sein, die Kreativität (Einfallsreichtum, Produktivität) zu erfassen suchen, denn Spontaneität und Kreativität können nur schwer mit dem Kriterium der Objektivität in Einklang gebracht werden.

Die Auswertungsobjektivität ist bei den „Projektiven Verfahren“ nicht gesichert (vgl. Kap. 4.5.2). Auf diese Problematik soll an dieser Stelle jedoch nur hingewiesen werden, sie wird im Zusammenhang mit den verschiedenen Testarten zu diskutieren sein.

4.2.1.3 Interpretationsobjektivität

Hier wird gefordert, dass die Interpretation der Testergebnisse von der Person des Testleiters unabhängig sein soll; aufgrund eines vorliegenden Testbefundes sollen verschiedene unabhängige Fachleute (Psychologen, Sonderpädagogen) zu gleichen Aussagen bezüglich eines Probanden kommen. Die Interpretationsmöglichkeit muss durch exakte Angaben des Testautors klar und konkret dargestellt werden. Man kann wohl nicht ganz der folgenden Darstellung Lienerts zustimmen: „Die Interpretationsobjektivität ist vollkommen und zugleich trivial, wenn es sich um normierte Leistungsteste oder Fragebogen handelt, in welchen die Auswertung einen numerischen Wert liefert, der die Position des Pb entlang der Testskala festlegt …“ (1998, 8). Es gibt Testverfahren, bei denen ein Skalenwert nicht befriedigen kann, so wird im Hand-Dominanz-Test (Steingrüber / Lienert 1976) zwar zum Ausdruck gebracht, in welchem Maße ein Pb Links- oder Rechtshänder ist, man erfährt aber nichts darüber, welcher interpretatorische Wert einer solchen Feststellung beizumessen ist. Damit wurde bereits die Frage nach der diagnostischen Konsequenz oder nach den Förderungsmöglichkeiten angesprochen.

4.2.1.4 Objektivität der „diagnostischen Konsequenzen“ oder der Förderungsansätze

Gemeint ist, dass das Testhandbuch auch Hinweise über Maßnahmen enthalten soll, die aufgrund einer bestimmten Diagnose einzuleiten sind. Das würde bedeuten, dass der Diagnostiker eindeutig wissen müsste, ab welchem Punktwert ein Kind eingeschult werden kann, wann eine Therapie und vielleicht sogar welche Therapie angezeigt ist. Dabei ist allerdings zu bedenken, dass Punktwerte nicht als absolut genommen werden dürfen, dass sie nicht den „wahren Wert“ darstellen, vielmehr mit „Fehlern“ behaftet sind. Die Forderung, dass Maßnahmen unmittelbar von Punktwerten abhängen sollten, wird wohl utopisch sein, es würde bereits genügen, wenn die jeweiligen Testautoren Zusammenhänge zwischen gewissen Grenzbereichen und zu ergreifenden Maßnahmen aufzeigen würden. Gerade auch im Bereich sonderpädagogischer Diagnostik wären solche Hinweise dringend nötig.

Es darf doch wohl nicht die Intention eines Tests sein, die Leistungen von Personen auf Normenskalen einzuordnen und zu klassifizieren, vielmehr geht es um die Konsequenz bestimmter Ergebnisse im Hinblick auf einzuleitende Trainings- und Lernvorgänge, auf Modifikation, auf Förderung ganz allgemein.

Abschließend kann man sagen, dass die Wahrscheinlichkeit einer Verminderung der Objektivität mit dem steigenden Schweregrad von Beeinträchtigungen zunimmt. Unter pädagogischem Aspekt gesehen spielt Objektivität in diesem Problembereich schwere Behinderung an sich überhaupt keine Rolle.

4.2.2 Reliabilität

Im Zusammenhang mit der Reliabilität ist zu fragen, ob das Testverhalten eines Probanden in einem bestimmten Test generalisierbar ist, also ob die Person, die einem Test unterzogen wird, sich bei anderer Gelegenheit, aber gleichen oder ähnlichen Aufgaben auch gleich verhalten würde. Man versteht unter dem Gütekriterium der Testzuverlässigkeit „den Grad der Genauigkeit, mit dem er ein bestimmtes Persönlichkeits- oder Verhaltensmerkmal mißt, gleichgültig, ob er dieses Merkmal auch zu messen beansprucht (welche Frage ein Problem der Validität ist)“ (Lienert 1998, 9). Wäre also die Reliabilität eines Tests hoch, so dürfte der Testwert eines Probanden kaum schwanken, der Test müsste bei einer Wiederholung unter gleichen Bedingungen zu dem gleichen Ergebnis führen. Etwas verallgemeinert kann man sagen: Ein Test ist zuverlässig, wenn er das, was er zu messen vorgibt, zuverlässig, genau, exakt, gut misst.

Es ist üblich, die Zuverlässigkeit eines Tests als Korrelationskoeffizient anzugeben. Einen Korrelationskoeffizienten kann man als Ausdruck des Zusammenhanges zwischen zwei oder mehreren Variablen bezeichnen. Es wird also im Zusammenhang mit der Reliabilität eine Beziehung hergestellt, z. B. zwischen einer ersten und einer zweiten Untersuchung mit dem gleichen Verfahren oder mit einem Parallelverfahren (Ähnlichkeit mit dem ersten Verfahren ist nachgewiesen).

Ein Korrelationskoeffizient wird mit dem Symbol „r“ bezeichnet. Wird eine Korrelation in Form von rtt dargestellt, so bedeutet dies, dass es sich um eine Korrelation zwischen Tests und Wiederholung, zwischen Testteilen oder zwischen Paralleltests handelt, also um eine „Test-Test-Korrelation“.

Demnach existiert die Reliabilität eines Tests an sich nicht, vielmehr werden nur die Ergebnisse verschiedener methodischer Zugänge zum Ausdruck gebracht.

Um den Begriff der Reliabilität verstehen und Reliabilität interpretieren zu können, muss etwas zu Korrelation allgemein und speziell etwas zum Zuverlässigkeitskoeffizienten ausgesagt werden. Man könnte natürlich auch die Frage stellen, welche Notwendigkeit überhaupt besteht, sich mit der Reliabilität und Korrelation zu beschäftigen. Die Auseinandersetzung mit dieser Problematik ist deshalb wichtig, weil die Höhe der Reliabilität Auskunft darüber gibt, ob man einem Testergebnis vertrauen kann. Ist die Reliabilität eines Tests gering, darf man dem einzelnen Testergebnis nicht vertrauen, denn es könnte fehlerhaft und zufällig entstanden sein.

Der bereits angeführte Korrelationskoeffizient (r) ist so angelegt, dass er Werte zwischen r = +1,00 und r = –1,00 annimmt.

Es kann nicht die Aufgabe dieser Ausführungen sein, den Leser in die Lage zu versetzen, Formeln für Korrelationsberechnungen abzuleiten oder Korrelationen zu berechnen, vielmehr geht es um das Verständnis, um die Interpretation von Korrelationskoeffizienten. Idealtypisch ist das folgende Beispiel:

Ein Lehrer lässt in seiner Klasse zwei Klassenarbeiten schreiben. Drei Extremfälle könnten auftreten:

Fall 1: Die Schüler schneiden bei beiden Arbeiten gleich gut ab. Dies kann man deutlich erkennen, wenn man die Schüler nach der Güte ihrer Leistungen in eine Rangreihe bringt (Abb. 2).

Abb. 2: Korrelationskoeffizient Fall 1

Die Ergebnisse bei der Arbeit 1 sind genauso angeordnet wie bei der Arbeit 2. Höchstmögliche positive Beziehung, Korrelationskoeffizient: r = +1,00 („vollständiger und gleichsinniger Zusammenhang zwischen zwei Messreihen“)

Fall 2: Der beste Schüler bei der Arbeit 1 schneidet bei der Arbeit 2 am schlechtesten ab, der zweitbeste am zweitschlechtesten, der drittbeste am drittschlechtesten usw., und der schlechteste schneidet am besten ab. Den Zusammenhang zwischen diesen Arbeiten kann man als gegenläufig bezeichnen (Abb. 3).

Abb. 3: Korrelationskoeffizient Fall 2

Die Ergebnisse bei der Arbeit 1 sind genau entgegengesetzt angeordnet gegenüber den Ergebnissen bei der Arbeit 2. Höchstmögliche negative Beziehung, Korrelationskoeffizient: r = –1,00 („vollständiger, aber gegenläufiger Zusammenhang“).

Fall 3: Schüler, die in der ersten Arbeit gut abgeschnitten haben, schneiden in der zweiten Arbeit z. T. gut und z. T. schlecht ab, während die schlechten Schüler von Arbeit 1 genauso oft in der 2. Arbeit gut und schlecht abschneiden wie zuvor die guten. Zwischen den Ergebnissen der beiden Arbeiten besteht kein Zusammenhang (Abb. 4).

Abb. 4: Korrelationskoeffizient Fall 3

Die Ergebnisse der Arbeit 1 sind im Vergleich zu den Ergebnissen bei der Arbeit 2 rein zufällig angeordnet. Keine Korrelation: r ~ 0,00 (kein erkennbarer Zusammenhang).

Beispiele für Korrelationsberechnungen können sein: Berechnungen von Zusammenhängen zwischen den Fächern Naturlehre und Rechnen, zwischen Lernbehinderung und Konzentrationsfähigkeit, zwischen den Ergebnissen von Paralleltests, zwischen den Ergebnissen von Testwiederholungen …

Zusammenfassend kann man hervorheben: Man kann den Grad eines Zusammenhanges zwischen den Messreihen von zwei veränderlichen Merkmalen durch einen Korrelationskoeffizienten angeben. Dieser bewegt sich je nach dem Zusammenhang zwischen r = +1,00 und r = –1,00. Praktisch werden diese Werte ganz selten erreicht. Erhielte man einen Korrelationskoeffizienten von r = 0,00, würde dies bedeuten, dass zwischen den beiden Merkmalen kein durch Korrelationskoeffizienten ausdrückbarer Zusammenhang besteht.

Wichtig ist es zu wissen: Der Korrelationskoeffizient kennzeichnet den Grad der Gemeinsamkeit zweier Merkmale.

Den Anteil der Gemeinsamkeit – genauer gesagt handelt es sich hier um Varianzanteile – kann man auch in Prozenten ausdrücken, indem das Quadrat des Korrelationskoeffizienten mit 100 multipliziert wird. Korrelieren z. B. die Ergebnisse eines Intelligenztests mit der Wiederholung dieses Tests mit r = 0,90, dann erfassen sie 100 × 0,902 = 81 %.

Weitere Beispiele:

r = 0,50: Zuverlässigkeitsmaß zwischen beiden Tests: r2 = 25 %

r = 0,30: Zuverlässigkeitsmaß zwischen beiden Tests: r2 = 9 %

r = 0,20: Zuverlässigkeitsmaß zwischen beiden Tests: r2 = 4 %

(r2 wird auch als Zuverlässigkeitsmaß bezeichnet).

Diese Beispiele zeigen, wie niedrig der Grad an Gemeinsamkeit oder auch wie unzuverlässig ein Test misst, wenn der Korrelationskoeffizient unter r = 0,50 liegt.

4.2.2.1 Bedingungen für Reliabilität

1. Stabilität des zu messenden oder gemessenen Merkmals. Das zu messende Merkmal darf sich nicht (rasch) verändern, es muss zumindest relativ stabil sein. (Stimmungen könnten sich – besonders bei manchen Personen – rasch ändern; ebenso Kenntnisse für Prüfungen.) Als relativ stabiles Merkmal kann man die Intelligenz eines Menschen bezeichnen, falls sie nicht durch akute Ereignisse (Alkohol, depressive Verstimmung, starke Frustration …) oder durch andauernde ungünstige Einflüsse (Milieu, fortgesetzte Kindesmisshandlung, Hospitalismus …) in ihrer Entfaltung und damit auch Messbarkeit beeinträchtigt ist. Als relativ stabil kann man sicherlich auch rechtschriftliche und mathematische Fertigkeiten bezeichnen.

2. Gesicherte Objektivität der Durchführung, Auswertung und der Interpretation, der Testbedingungen allgemein.

3. Genügend Aufgaben (Items), damit ein Persönlichkeitsmerkmal auch erschöpfend erfasst wird.

Es ist deutlich geworden, dass zur Bestimmung eines Korrelationskoeffizienten ein Vergleich von Merkmalen (Variablen, Alternativen) durchgeführt werden muss. Je nach Art der Bestimmung der Zuverlässigkeit eines Tests unterscheidet man vier Zugänge: Paralleltest-, Retest-, Split-half-Reliabilität und mittels Konsistenzanalyse.

4.2.2.2 Methoden zur Bestimmung der Zuverlässigkeit eines Tests

Paralleltestmethode: Voraussetzung: Von einem Test müssen zwei gleichwertige Formen vorhanden sein; strenge Vergleichbarkeit dieser Formen.

Bestimmung der Paralleltest-Reliabilität: Der Test wird in seinen zwei Formen (A / B) denselben Personen an zwei nicht weit auseinanderliegenden Zeitpunkten (etwa nächster Tag) zur Lösung vorgelegt. Je genauer die Ergebnisse beider Testdurchführungen übereinstimmen, umso größer ist die Reliabilität. Die Reliabilität wird in Form eines Korrelationskoeffizienten dargestellt.

Forderung an einen guten Test: Paralleltest-Reliabilität von r = 0,85 und mehr.

Beispiele für Tests mit parallelen Formen: Grundintelligenztest von Cattell / Weiss (Formen A / B),

Begabungstest-System (B-T-S) von Horn (Formen A / B).

Für Gruppentests ist das Vorliegen paralleler Formen eine unabdingbare Forderung.

Retestmethode (Testwiederholungsmethode): Bestimmung der Retest-Reliabilität: Derselbe Test wird gleichen Personen zu verschiedenen Zeitpunkten vorgelegt.

Probleme dieser Methode: Wiederholungszeitpunkt muss zeitlich entfernt liegen, damit sich die Personen nicht an frühere Lösungen erinnern können. Liegen die beiden Zeitpunkte jedoch zu weit auseinander, könnten sich die Bedingungen in der Person geändert haben (Motivation, andere Interessen, Entwicklung eines Kindes, Veränderungen – Probleme der Stabilität eines Merkmals).

Forderung: Korrelationskoeffizient bei dieser Methode sollte über r = 0,90 liegen.

Bei einer Reihe von Testverfahren wäre eine zweite Testung nicht möglich, weil sie weniger stabile Merkmale erfassen sollen. Bei solchen Tests berechnet man die

Split-half-Reliabilität (Testhalbierungs-Reliabilität): Notwendigkeit: Bei Tests, die „relativ instabile, flukturierende oder stark übungsabhängige Merkmale erfassen sollen“ – das zu messende Merkmal ändert sich.

Bestimmung der Split-half-Reliabilität: Einmalige Durchführung des entsprechenden Tests.

Aufteilung des Tests in 2 Hälften (Behandlung wie Paralleltests) – Berechnung des Korrelationskoeffizienten zwischen beiden Hälften.

Probleme dieser Methode: Bei der Aufteilung des Tests (Aufgaben mit geraden und ungeraden Nummern) sollten die Testhälften hinsichtlich Trennschärfe und Schwierigkeitsgrad gleich sein.

Forderung: Bei der Korrelation der Ergebnisse beider Testhälften sollte der Reliabilitätskoeffizient r = 0,90 und mehr betragen.

Testhalbierungs- und Paralleltestmethode sind sich ähnlich.

Konsistenzanalyse: Bestimmung (Vorgehen): Jede Testaufgabe wird für sich betrachtet, der Test wird also nicht halbiert, sondern in so viele Teile zerlegt, wie er Aufgaben hat. Der Korrelationskoeffizient geht praktisch aus dem Vergleich jeder Aufgabe mit jeder hervor.

Notwendigkeit: Wenn sich das zu messende Merkmal schnell verändert (vgl. Testhalbierungs-Reliabilität).

Zusammenfassung

1. Reliabilität besagt, dass ein Test bei zeitlich verschiedenen Messungen an gleichen wie an verschiedenen Personen dieselben Fähigkeiten oder Persönlichkeitsmerkmale messen sollte. Ein Test sollte in seiner Funktion als Messinstrument unveränderlich sein, d. h., er soll Stabilität besitzen.

In einer relativ weiten Definition wird zum Ausdruck gebracht, ein Test ist dann zuverlässig, wenn er ein Persönlichkeitsmerkmal exakt, genau und gut misst.

Problem: Aber nicht alle Persönlichkeitsmerkmale sind stabil!

2. Unter Korrelation versteht man den Grad der Gemeinsamkeit zweier Merkmale.

3. Es gibt verschiedene Methoden der Reliabilitätsbestimmung. Die Zuverlässigkeit eines Tests hängt nicht nur von dem jeweiligen Korrelationskoeffizienten, sondern auch von der verwendeten Methode zur Bestimmung dieses Koeffizienten ab.

4. Tests mit einem Zuverlässigkeitskoeffizienten von mindestens rtt = 0,80 können als ausreichend, mit rtt = 0,90 und mehr als gut bezeichnet werden.

Es kann keinesfalls eine annähernd gesicherte Entscheidung bei Einzelpersonen getroffen werden, wenn die Testreliabilität unter 0,80 liegt.

5. Der Reliabilitätskoeffizient stellt eine wesentliche Voraussetzung für die Berechnung des Standardmessfehlers dar.

6. Kritik: Die Forderung nach hoher Reliabilität und der Gedanke an Förderung stehen sich an sich im Wege. Der förderdiagnostisch arbeitende Pädagoge möchte ja erreichen, dass sich etwas ändert.

4.2.3 Validität (Gültigkeit)

G. Lienert versteht unter Validität eines Tests den Grad der Genauigkeit, „mit dem dieser Test dasjenige Persönlichkeitsmerkmal oder diejenige Verhaltensweise, das (die) er messen oder vorhersagen soll, tatsächlich mißt oder vorhersagt“ (1998, 10). Es geht also bei der Genauigkeit um die Frage, ob ein Testverfahren wirklich das misst, was es messen soll oder was es zu messen beansprucht.

Geht es z. B. in einem Test um die Erfassung logischen Denkens, so könnte die Gefahr bestehen, dass ein Kind vielleicht Aufgaben nicht lösen kann, weil es aufgrund mangelnden Sprachverständnisses die Instruktion nicht oder nicht richtig versteht. Das Kind scheitert demnach nicht an der Fähigkeit, die der Test erfassen soll, sondern an sprachlichen Mängeln, die möglicherweise auf die Umwelt zurückzuführen wären. Die Validität eines solchen Tests wäre demnach gering.

Manchmal wird im Zusammenhang mit Validität auch von „Treffsicherheit“ gesprochen, d. h. wie genau oder wie sicher ein Merkmal gemessen wird.

Validität kann nicht als Eigenschaft eines Tests betrachtet werden, vielmehr geht sie hervor aus bestimmten methodischen Vorgehensweisen.

Es besteht – ähnlich wie bei der Reliabilität – die Notwendigkeit, die Gültigkeit eines Tests durch einen Korrelationskoeffizienten auszudrükken, und zwar als Korrelation zwischen dem Testergebnis und einem Kriterium, das wirklich das Merkmal zum Inhalt hat, das der Test erfasst. So könnten z. B. Korrelationen bezüglich der Erfassung von Rechenleistungen zwischen dem Lehrerurteil und einem Rechentest gebildet werden. Man würde dabei voraussetzen, dass das Lehrerurteil richtig ist. Demnach kann auch gesagt werden, dass Gültigkeit gemessen wird durch den Grad, mit dem Testergebnisse mit einem definierten Gültigkeitskriterium übereinstimmen.

Es ist üblich, den Gültigkeitskoeffizienten mit der Bezeichnung rtc auszudrücken, wobei der Index „tc“ darauf hinweist, dass es sich um eine Korrelation zwischen Test (test) und Kriterium (criterion) handelt.

Gewöhnlich liegen Gültigkeitskoeffizienten niedriger als die Zuverlässigkeitskoeffizienten.

Werte über rtc von 0,60 und mehr können als hoch, Werte zwischen 0,40 und 0,60 als mittel und Werte unter 0,40 als niedrig betrachtet werden (vgl. Lienert 1998, 15;). Lienert betont jedoch auch, es ließen sich keine starren Normen bezüglich der Validität einführen, sondern nur Richtlinien aufzeigen. „Es wird dabei deutlich, dass ein relativer Maßstab mehr für sich hat als ein absoluter“ (Lienert 1969, 310). Die angegebenen Gültigkeitsbereiche können demnach nur als Orientierung dienen.

Ein weiteres schwerwiegendes Problem stellt sich im Zusammenhang mit der Validität: Misst der Test das, was derjenige, der den Test anwendet, messen will? Testautoren geben zwar normalerweise an, für welche Zwecke ein Test valide ist, die Entscheidung, welcher Test zur Erfassung eines bestimmten Persönlichkeitsmerkmals Verwendung findet, liegt jedoch beim Untersuchenden.

Bei auftretenden Unsicherheiten dürfte die Hinzunahme weiterer Testverfahren, die dasselbe Merkmal zu messen beanspruchen, zu einer Lösung führen.

Es wurde bereits angedeutet, dass die Validität aus dem Vergleich eines Tests mit einem Kriterium, das tatsächlich das zu messende Merkmal besitzt, hervorgeht. Aufgrund der Vorgehensweisen zur Feststellung der Validität unterscheidet man vier Möglichkeiten: Bestimmung der inhaltlichen Validität, der Übereinstimmungsvalidität, der Vorhersagevalidität und der Konstruktvalidität.

4.2.3.1 Inhaltliche Validität

Vorgehen: Fachleute beurteilen, ob der Test auch tatsächlich das misst, was er messen soll. Der Test selbst repräsentiert also das zu erfassende Persönlichkeitsmerkmal oder die in Frage stehende Eigenschaft. Dieses Verfahren findet zumeist Verwendung bei Schulleistungstests oder ganz allgemein bei lernzielorientierten Tests. Soll beispielsweise die Rechenfertigkeit überprüft werden, so müssten Lehrer feststellen, ob die Auswahl der im Test gestellten Aufgaben tatsächlich repräsentativ für die Erfassung der Rechenfertigkeit ist.

Die Testaufgaben gelten also bei diesem Verfahren als das beste Kriterium für das zu messende Merkmal. Sachverständige können beurteilen, ob die Aufgaben tatsächlich für das zu testende Sachgebiet Relevanz besitzen (Beispiele: Rechtschreibtests, Lesetests, Schreibmaschinentests …).

Sind sich die Beurteiler darüber einig, dass die Testaufgaben tatsächlich die Unterrichtsgebiete und Lernziele erfassen, die von den Lehrplänen angegeben werden, spricht man im schulischen Bereich auch von Lehrplangültigkeit.

Problem: Ist das Kriterium selbst (in diesem Falle also Lehrer, Prüfer) zuverlässig und gültig?

4.2.3.2 Übereinstimmungsgültigkeit (kriterienbezogene Validität)

Voraussetzung: Es muss ein Außenkriterium vorhanden sein, welches das zu erfassende Persönlichkeitsmerkmal direkt oder indirekt repräsentiert oder widerspiegelt. (Außenkriterium: Ein Test, der das entsprechende Merkmal misst oder zum Beispiel Psychotherapeuten, Lehrer …).

Das Außenkriterium muss selbst hinreichende Reliabilität und Validität aufweisen.

Vorgehen: Es wird überprüft, wie gut die Testergebnisse des neukonstruierten Tests mit dem Außenkriterium korrelieren (übereinstimmen). In der Praxis wird gewöhnlich mit einem bereits gut validierten Test verglichen. Bei der Konstruktion eines Intelligenztests wird man überprüfen, wie gut die Ergebnisse dieses Tests mit anderen als valide geltenden Intelligenztests übereinstimmen oder – so meint Ingenkamp – wie gut die Messergebnisse zum Beispiel mit den Leistungen in Schule oder Leben übereinstimmen, da man annehmen könne, dass sich intelligentes Verhalten in Schul- und Lebenserfolg ausdrückt. Die Übereinstimmungsvalidität eines Tests sollte grundsätzlich angegeben sein.

Probleme: Außenkriterium, z. B. Was ist Intelligenz? Angst? Motivation? Es ist fraglich, ob sich intelligentes Verhalten in Schul- und Lebenserfolg ausdrückt.

Beispiele: Der nichtangepasste intelligente Schüler kann scheitern (Verhaltensstörung – Lernstörung); Regimekritiker in Russland haben es schwer – Lebenserfolg? – Berufliche Aussichten intelligenter „Links- oder Rechtsextremisten“!

4.2.3.3 Vorhersagegültigkeit (prognostische Validität)

Vorgehen: Ein Testergebnis wird ermittelt z. B. bezüglich schulischer Leistungen. Es wird damit eine Prognose gestellt von den Testergebnissen auf das zukünftige Lernverhalten z. B. in Realschulen, Gymnasien, aber auch in Förderschulen. Die Vorhersagegültigkeit wird berechnet als Korrelation zwischen der Testleistung und – in unserem Falle – der späteren Schulleistung.

Erwartung: Die Vorhersage erfüllt sich.

Probleme: Trotz Aufnahmeprüfungen und -tests scheitern später viele Schüler in weiterführenden Schulen. Der aufgrund einer Überprüfung mit validen Tests in eine Förderschule aufgenommene Schüler wird – weil sich die Vorhersage „erfüllt“ – in der Sonderschule bleiben – Rückführung? – Festschreibung! Im ersten Fall (weiterführende Schulen) erfüllt sich die Prognose nicht, im zweiten Fall (Förderschule)scheint sie sich eher zu erfüllen. Bei absoluter Reliabilitäts- und Validitätsgläubigkeit wäre der Gedanke an eine Förderdiagnostik überflüssig, weil die Testergebnisse immer gleich schlecht ausfallen müssten, sonst wäre der Test weder reliabel noch valide!

4.2.3.4 Konstruktvalidität (theoretische Gültigkeit)

Bestimmung: Es geht um die Frage, wie gut ein Test mit der Theorie übereinstimmt, von der seine Testkonstruktion ausging. Es geht um den Nachweis, dass die theoretischen Annahmen über das, was ein Test messen soll, gültig sind. Lienert drückt dies so aus: „Aufgrund theoretischer – sachlogischer und begrifflicher – Erwägungen und anhand von sich daran anschließenden empirischen Untersuchungen wird entschieden, ob ein Test ein bestimmtes Konstrukt zu erfassen vermag“ (1998, 11). Konstrukte sind z. B. Intelligenz, Angst, Motivation.

Man wird also erst nach der Konstruktion eines Tests versuchen, die im Rahmen der Theorie verankerten Aussagen zu überprüfen.

Die Persönlichkeitsmerkmale, die der entsprechende Test erfasst, müssen einer genauen psychologischen Analyse unterzogen werden. Soll z. B. ein Test Angst oder Aggression messen, so muss nachgewiesen sein, dass die vom Test erfassten Merkmale tatsächlich mit den Konstrukten Angst oder Aggression übereinstimmen.

Nachweis der Konstruktvalidität erfolgt nicht durch einen Korrelationskoeffizienten, vielmehr zeigt der Testautor die Untersuchungen auf, die er durchgeführt hat, zum Nachweis der Konstruktvalidität.

Probleme: Prinzip der Bestimmung der Konstruktvalidität ist für den Nichtfachmann oft schwer zu verstehen.

Zusammenfassung

1. Ein Test ist valide (gültig), wenn er wirklich das misst, was er zu messen beansprucht.

2. Hohe Validität kann nur eintreten bei hoher Objektivität und hoher Reliabilität.

(Es kann jedoch möglich sein, dass die Reliabilität sehr hoch und die Validität = null ist.)

Das zu messende Merkmal bedarf einer präzisen Beschreibung; die im Test vorkommenden Items und Aufgaben müssen das zu messende Merkmal repräsentieren.

3. Im Zusammenhang mit der Validität soll aufgrund des Testverhaltens auf ein Verhalten außerhalb der Testsituation oder auf bestimmte Fähigkeiten, allgemein auf Merkmale und Eigenschaften einer Person geschlossen werden (wenn z. B. ein Proband in einem Rechentest Addition und Subtraktion gut beherrscht, wird er diese Leistungen auch außerhalb der Testsituation erbringen). Ergeben sich in einem Angsttest hohe Angstwerte, so ist zu erwarten, dass das Verhalten des Probanden in hohem Maße von Angst mitbestimmt wird, dass etwa Prüfungsleistungen aufgrund von Angst herabgesetzt sind.

4. Nachdem bei der Inhalts- und Konstruktvalidität nicht immer Korrelationskoeffizienten angegeben sind und der Gültigkeitskoeffizient nur als relativer Maßstab gilt, wird es jeweils nötig sein, sich in den Testhandbüchern zu informieren, wie der jeweilige Autor zu seinen Aussagen über Validität gekommen ist.

Empfohlen wird grundsätzlich die Lektüre kritischer Ausführungen über die in Frage kommenden Testverfahren.

5. Gerade das Gütekriterium Validität enthält manchmal so viele mathematische und statistische Implikationen, dass es für den im Hinblick auf die Testkonstruktion relativen Laien kaum noch durchschaut werden kann.

4.2.4 Normierung

4.2.4.1 Notwendigkeit

Die Normierung nimmt einen wichtigen Platz unter den vier wichtigsten Gütekriterien ein. Der diagnostizierende Pädagoge wird nahezu ständig mit Normen konfrontiert.

Das Vorliegen eines individuellen Testergebnisses alleine nützt nichts, es ist nur interpretierbar in Bezug auf vergleichbares Datenmaterial von anderen Individuen. Über einen Test sollen also Angaben verfügbar sein, die eine Einordnung des individuellen Testergebnisses in ein größeres Bezugssystem ermöglichen, nämlich Normen.

Im Zusammenhang mit der Ermittlung von Normdaten spricht man auch von Eichung. Unter Eichung wird also die Gewinnung von Normdaten verstanden. Ein Test, der zwar die Gütekriterien Objektivität, Reliabilität und Validität erfüllen würde, aber nicht normiert wäre, hätte keine oder kaum diagnostische Bedeutung. Die Verwendung von Normskalen bringt im Wesentlichen drei Vorteile:

1. Bei der Verwendung von Tests kann sich der Testleiter zumeist leicht und rasch mit den Normskalen vertraut machen. Es wäre umständlich und nicht gemäß der Forderung nach Objektivität, wenn der Testleiter die Normen selbst festlegen müsste. (Bei informellen Tests wie z. B. Klassenarbeiten ist dies gewöhnlich Aufgabe des Lehrers.)

2. Indem ein weitgehend einheitlicher Maßstab zur Anwendung kommt, können die Testergebnisse eines Probanden bei verschiedenen Tests direkt miteinander verglichen werden.

3. Wird es möglich, Testergebnisse verschiedener Probanden unmittelbar zu vergleichen.

Die Normierung eines Tests bezieht sich stets auf eine bestimmte Population, also auf eine Vergleichsgruppe. Solche Vergleichsgruppen können nach Merkmalen aufgestellt werden, wie z. B. Alter, Geschlecht, sozialer Status, spezifische Behinderungen, Stadt – Land, Schulklassen …

Es ist wohl einsichtig, dass ein für Kinder mit Förderbedarf geistige Entwicklung – traditionell „geistige Behinderung“ – konstruierter und an der Gruppe von Kindern mit Förderbedarf geistige Entwicklung normierter Test nicht für die Untersuchung von Kindern ohne Förderbedarf bzw. Behinderung nützlich sein kann (Beispiel: Testbatterie für geistig behinderte Kinder von Bondy et al.; für Lernbehinderte: Schulleistungsprüfung lernbehinderter Schüler von Reinartz). Ebenso wäre es unsinnig, einen an körperlich nicht behinderten Kindern geeichten Motoriktest bei Kindern mit Förderbedarf Bewegung / Motorik einsetzen zu wollen. (Beispiel: Lincoln-Oseretzky-Test-Kurzform 18). Man kann also von einem Test nicht mehr erwarten, als dass er das misst, was er messen soll oder zu messen beabsichtigt.

Wie geht nun eine Testeichung vor sich? Ein Test wird zunächst konstruiert und verschiedentlich erprobt. Die Eichung beginnt gewöhnlich im Endstadium. Eine große Anzahl von Personen (etwa 1.400–1.500), die die Personengruppe widerspiegelt (repräsentiert), für die der Test gedacht ist, soll die Testaufgabe lösen. Aus dieser „Eichstichprobe“ (es können nicht alle Personen erfasst werden, die ein bestimmtes Merkmal repräsentieren) wird dann die Leistungsnorm, also der Vergleichsmaßstab auf rechnerischem Wege ermittelt. Es kommt dabei vor, dass sich die Leistungen bei der Eichstichprobe unterscheiden. So könnten spezielle Normen gebildet werden für männliche und weibliche Personen, für Altersgruppen, Schularten …

Nach dieser kurzen Einführung in den Vorgang der Eichung wird neben der Information – auch für das Verständnis der weiteren Ausführungen – eine Darstellung des historischen Ansatzes der Normierung notwendig.

4.2.4.2 Der historische Ansatz zur Gewinnung von Normen

Bereits in den Ausführungen über die Entstehung der Psychodiagnostik wurden die Namen Gauß und Galton erwähnt. Auf Gauß lässt sich der Gedanke der „Normalverteilung“ zurückführen, der sich anschaulich an der „Gaußschen Kurve“ darstellen lässt.

Anhand des sogenannten „Galtonschen Brettes“ (ein Zufallsapparat, der von dem englischen Statistiker Francis Galton gebaut wurde) kann das Prinzip dieser Gaußschen Kurve erklärt werden.

Abb. 5: Verteilung von Kugeln in einem Zufallsapparat (Galtonsches Brett; Kleber 1973, 58; Kramer 1972, 42; Menge gleichmäßig verteilter Metallstifte, darüber ein Trichter, unterhalb der Metallstifte ein Behälter)

Fällt nun durch den Trichter eine große Anzahl (einige hundert) gleich großer Kugeln, so kann man beobachten, dass nur ganz wenige Kugeln in die äußersten Bereiche der Auffangbehälter fallen, sich im mittleren Bereich viele Kugeln vorfinden und die größte Anzahl in der Mitte liegt.

Zahlreiche theoretische und experimentelle Forschungen ergaben, dass es eine ganz typische Erfahrungs-Verteilung gibt, die man mathematisch ausdrücken kann. Diese Verteilung nennt man Wahrscheinlichkeitsverteilung oder Normalverteilung. Die zugehörige Kurve heißt „Glockenkurve“. Die Glockenkurve (manchmal auch „Gaußsche Kurve“ genannt) weist die folgenden Merkmale auf: gleichmäßiges Ansteigen von beiden Seiten, Symmetrie, ein Gipfelpunkt.

Diese Verteilung hat man nun auch auf biologische und psychische Bereiche übertragen. Man könnte z. B. die Körpergrößen einer sehr großen Anzahl von Personen feststellen und dann eine Aussage darüber treffen, wie viele Personen bezüglich ihrer Körpergröße in den mittleren Bereich, wie viele in den Bereich für sehr große und sehr kleine Personen fallen. Damit hätte man zunächst eine Möglichkeit zu einer Grobeinteilung oder Grobnormierung. Ähnlich kann man vorgehen, wenn es um Leistungen, um die Lösung von Aufgaben geht.

Überträgt man dieses Modell auf den Intelligenzbereich, so würde man feststellen, dass der mittlere Intelligenzbereich zahlenmäßig („normale“ oder „durchschn.“ Intelligenz) am stärksten repräsentiert wird. Weit rechts müsste man sich den hochintelligenten Menschen („Genie“) und weit links den mit schwerster geistiger Behinderung („Imbezillität“ – „Idiotie“) denken.

An der Übertragung des genannten Modells auf psychische Bereiche wurde viel Kritik geübt, z. B. weil doch sehr leicht mit dieser Einteilung auch eine Wertung einhergehen könnte und weil die Frage der Intelligenz eines Menschen in hohem Maße von Intelligenzbegriff und auch vom benutzten Intelligenztest abhängt.

Auch wenn die Kritik am Modell der Normalverteilung und den damit verbundenen Implikationen in der Gegenwart sehr heftig geführt wird, muss bemerkt werden, dass die Gaußsche Kurve oder die Normalverteilungskurve eine der bedeutsamsten mathematischen Grundlagen der gesamten Testpsychologie darstellt. Vor allem der Gedanke der Eichung oder Normierung von Tests (wie weit weicht ein Individuum mit seiner Leistung, mit Meinungen, Einstellungen … vom Durchschnitt ab) geht von dieser Basis aus.

Die Urteilsbildung zu der Frage, ob man Normensysteme ablehnen oder akzeptieren soll, kann dem Leser nicht erspart bleiben. Man kann sagen, dass der Interpretationswert statistischer Normen vor allem unter Berücksichtigung des Messfehlers ohnehin begrenzt ist.

Im Rahmen förderdiagnostischen Denkens dürften im Allgemeinen nicht mehr die sozialen und leistungsmäßigen Bezugsnormen dominieren, denn sie sagen nichts über Förderung aus, vielmehr gilt als Basis die individuelle bzw. intraindividuelle „Norm“, d. h., das einzelne Kind, das Individuum ist „Träger dieses Maßstabes“, der Ausgangspunkt schlechthin (Bundschuh 2008, 233 ff.; 2019). Damit soll Diagnostik bei Kindern mit Beeinträchtigungen (besonderen Entwicklungs- und Erziehungsbedürfnissen, special needs) nicht mehr Defizitdiagnostik sein, die sich primär aus dem Vergleich mit anderen Kindern ergibt.

4.2.4.3 Mathematisch-statistische Voraussetzungen für das Verständnis von Normen

Man kann sicherlich nicht verständlich in gebräuchliche Normierungen oder Normen einführen, ohne über einige grundlegende Voraussetzungen zu informieren. Im Zusammenhang mit dieser Information kann es jedoch nicht etwa um Ableitungen von Formeln gehen (dies sind Probleme von Statistikbüchern), vielmehr steht die Kenntnis einiger notwendiger Fakten im Mittelpunkt.

a) Das arithmetische Mittel (der Mittelwert)

Begriffsklärung: Der Mittelwert (Durchschnitt oder arithmetisches Mittel) ist die Zahl, die errechnet wird, wenn man alle Werte addiert und durch die Anzahl der Beobachtungen dividiert.

Liegen Zahlenwerte, z. B. Noten vor, kann man auch wie folgt formulieren: Der Mittelwert ist die Summe aller Einzelwerte dividiert durch die Anzahl der Zahlenwerte.

Erklärung:

x1, x2, x3, … xN = Zahlenwerte

x = Mittelwert

N = Anzahl der Zahlenwerte

Beispiel:

9 Zahlenwerte liegen vor (etwa Noten einer Klassenarbeit): 2, 3, 4, 3, 4, 5, 4, 5, 6;

Bedeutung des Mittelwertes: Möglichkeit der Einschätzung, ob sich ein individuelles Messergebnis (hier: ein individueller Zahlenwert) über oder unter dem Durchschnitt befindet.

Mit dem Mittelwert ist noch nichts darüber ausgesagt, wie weit die Einzelwerte um diesen Mittelwert gestreut sind. Auskunft über die Nähe oder Entfernung zum Mittelwert gibt die Standardabweichung.

b) Die Standardabweichung oder Streuung

Mit Hilfe der Standardabweichung kann die relative Position einzelner Messwerte im Vergleich zur Gesamtverteilung der Messwerte um den Mittelwert besser eingeschätzt werden. Streuen die einzelnen Werte sehr weit um den Mittelwert, wird demnach auch die Standardabweichung größer sein.

Begriffserklärung: Die Standardabweichung (meist mit σ = Sigma oder s bezeichnet) ist gleich der Wurzel aus dem Mittel der Quadrate aller gemeinsamen Abweichungen (= die Wurzel aus dem Durchschnitt der quadrierten Abstände vom Mittelwert).

Es werden also die Abweichungen der einzelnen Werte vom Mittelwert quadriert und dann – ähnlich wie bei der Berechnung des Mittelwertes – gemittelt.

Beispiel:

S. 9 Zahlenwerte oben

(2, 3, 4, 3, 4, 5, 4, 5, 6)

Aus mathematischen Gründen benutzen Statistiker häufig die folgende Formel:

x = 4

(x – x): +2, +1, 0, +1, 0, –1, 0, –1, –2;

(x – x)2: 4, 1, 0, 1, 0, 1, 0, 1, 4;

∑ (x – x)2 = 12

Wenn das Modell der Normalverteilung zutrifft, verteilt sich der Anteil der Zahlenwerte etwa nach den in Abb. 6 aufgeführten Prozentsätzen.

Abb. 6: Normalverteilungskurve mit Standardskala und Flächenanteilen (Kleber 1973, 60)

Einfache Streuung (± 1 σ): 68,28 %

Doppelte Streuung (± 2 σ): 95,46 %

Dreifache Streuung (± 3 σ): 99,74 %

Die fehlenden 0,3 % können das Gesamtbild kaum noch verändern, bleiben damit unberücksichtigt.

Man kann also sagen: zwischen x und x – 1 σ bzw. zwischen x und x + 1 σ liegen je 34,14 %, in dem zweiten Intervall x – σ und x – 2 σ bzw. x + σ und x + 2 σ liegen je 13,59 %; in dem dritten Intervall zwischen x – 2 σ und x – 3 σ bzw. x + 2 σ und x + 3 σ 1iegen je 2,14 % der Verteilung. Wenn wir nicht den Mittelwert x = 0 haben und wenn die Streuung σ nicht = 1 ist, dann sind die Verhältnisse ähnlich.

Bezogen auf Leistungsbereiche bedeutet dies: Der Durchschnittsbereich, der sich auf die Streuungseinheit – 1 σ bis + 1 σ bezieht, hebt die mittleren 68,28 % der Leistungsbreite hervor und bezeichnet damit jede Leistung, die in diesen Bereich fällt, als durchschnittlich, darüber bzw. darunter liegende Leistung als über- bzw. unterdurchschnittlich.

Im Zusammenhang mit der später notwendigen Einschätzung von Testergebnissen anhand von Normenskalen wird noch eine weitere Besonderheit der Normalverteilungskurve (Gaußschen Glockenkurve) bedeutsam. Geht man von den jeweiligen Flächenanteilen aus, so liegen zwischen x + 1,96 σ 95 % aller Anteile (übertragen auf unser Beispiel: aller Messwerte).

In jedem Endstück der Kurve, also außerhalb M ± 1,96 σ liegen je 2,5 % der Werte.

Zwischen M ± 2,58 σ sind 99 % der Werte eingeschlossen. Nur 1 % aller Messwerte weicht vom Mittelwert stärker als M ± 2,58 σ ab. (Da die Messwerte nur ein ungefähres Bild ergeben, stimmt die Aussage nur ungefähr auch für große Stichproben!)

Wie bereits angedeutet, erhalten die Werte 1,96 σ und 2,58 σ für die an anderer Stelle (Kap. 4.2.4.5) folgenden Deutungen statistischer Aussagen eine besondere Wichtigkeit. Diese Beziehungen zeigt die folgende Abbildung auf.

Abb. 7: Normalverteilung und Gaußsche Glockenkurve

c) Die Transformation von Werten

Wir haben bisher gesehen, dass man von verschiedenen Messwerten den Durchschnittswert und die Streuung berechnen kann. Damit hat man zwar ein grobes Maß, um die Messwerte einzuordnen. Diese Durchschnittswerte und Streuungswerte ändern sich jedoch, wenn bei neuen Aufgabenstellungen neue Messwerte vorkommen. Um nun Messwerte und Leistungen vergleichbar zu machen, wurden bestimmte Normenskalen geschaffen, d. h., man kann Mittelwert und Streuungswert festlegen, Leistungen auf diese neuen Werte transponieren und dann die Leistung des jeweiligen Probanden anhand der Leistung der Gruppe, an der der Test normiert wurde, einordnen.

Mit Hilfe einer Formel können wir, falls Normalverteilung vorliegt, jeden Rohwert in einen Standardwert transponieren. Diese Formel lautet:

z = der Standardwert, der bestimmt werden muss

x = der Rohwert (jeweiliger Messwert)

M = das Mittel der Verteilung der Rohwerte (Messwerte) (= x)

s = die Standardabweichung der Verteilung

Merkmale des Standardwertes (z): Er kann definiert werden als der Quotient aus der Differenz der individuellen Abweichung vom Mittelwert, dividiert durch die Standardabweichung (s).

Der Standardwert gibt an, um wie viele Standardabweichungen der Rohwert vom Mittelwert abweicht. Gewöhnlich liegt der Standardwert zwischen –3 und +3. Man kann erwarten, dass etwa 99,9 % aller Werte zwischen –3 und +3 liegen. Liegt ein Rohwert unter dem Mittelwert, wird der Standardwert negativ, liegt er darüber, wird er positiv.

Beispiel für die Funktion des Standardwertes: Erreicht ein Schüler bei einem Schulleistungstest im Fach Deutsch (Rechtschreiben) einen Wert von 60 und in Mathematik einen Wert von 9, so kann man diese beiden Ergebnisse nicht ohne ein gemeinsames Maß vergleichen. Wenn man die Werte in Einheiten der Standardabweichung umgewandelt hat, kann die Standardabweichung zum gemeinsamen Maß werden und einen Vergleich ermöglichen. Beträgt das Mittel der Ergebnisse im Rechtschreiben 55 und die Standardabweichung 5, so ergibt sich der folgende z-Wert von + 1.

Geht man im Mathematiktest von einem Mittelwert von 6 und einer Standardabweichung von 1,5 aus, so ergibt sich mit dem Rohwert von 9 ein z-Wert von +2.

Jetzt kann man sagen, dass der Schüler die mittlere Leistung seiner Klasse im Rechtschreibtest um 1 Standardabweichung und die mittlere Mathematikleistung um 2 Standardabweichungen übertrifft. Im Gegensatz zu den numerischen Rohwerten in beiden Untertests ist die Überlegenheit des Schülers im Vergleich zu den übrigen Schülern seiner Klasse im Fach Mathematik größer.

Übungsbeispiele: Bestimmen Sie den z-Wert dieser beiden Fälle! Welcher Schüler war innerhalb seiner eigenen Gruppe besser?

4.2.4.4 Gebräuchliche Normenskalen

Es wurde bereits dargestellt, dass ein Individualergebnis nur dann sinnvoll wird, wenn es mit den Testergebnissen der Population, welcher der Proband angehört, verglichen werden kann.

Rohwerte oder Messwerte können transponiert werden in verschiedene Normenskalen. Hierzu bedarf es der Kenntnis des neuen Mittelwertes und der jeweiligen Standardabweichung.

Mit Hilfe der Formel wird die Umrechnung möglich.

Die gebräuchlichsten Normenskalen sind:

1. Standardnormen: Diese Normen gehen auf die z-Werte der sogenannten Standardnormalverteilung zurück.

z-Skala definiert durch M = 0 und Streuung von s = 1; Werte zwischen –3 und +3 treten in der Regel auf.

Diese z-Werte werden in der Regel wegen ihrer Unhandlichkeit (man muss mit positiven und negativen Dezimalzahlen arbeiten) nur als Zwischenmaße verwendet.

Durch eine lineare Transformation (d. h. die Verteilungsform bleibt an sich unverändert) erhält man

Z- oder Standardwerte (SW): Die SW haben einen Mittelwert von 100 und eine Streuung von ssw = 10. Sie gehen aus den z-Werten hervor durch die Umrechnung SW = 100 + 10z. Die dadurch erreichte Skala reicht normalerweise von 70–130. Die SWe sind nur anwendbar, wenn die Rohwertverteilung bereits annähernd normal war.

Ähnlich ist es bei der IQ-Skala: Sie kann als Abweichungsskala durch einen Mittelwert von 100 und eine Streuung von SIQ = + 15 definiert werden. Die Umrechnung geschieht wie folgt:

IQ = 100 + 15z

2. Standard-Äquivalent-Normen: Die bekannteste und gebräuchlichste Skala dieser Art ist die T-Wert-Skala. Sie hat einen Mittelwert von T = 50 und eine Streuung von ST = 10. Die T-Wert-Skala findet sich in sehr vielen Testverfahren, vor allem aber in Schultests. Man rechnet wie folgt um:

T = 50 + 10z

Die Skala reicht damit normalerweise von 20–80.

3. Prozentrangnormen: Bei der Anwendung dieser Normen müssen die Werte nicht normal verteilt sein, es handelt sich mehr um eine Grobnormierung. Im Prinzip wird nur gefragt, wie viel Prozent aller Schüler oder Probanden eine gleich gute oder schlechtere Leistung erreicht haben als der zu beurteilende Schüler. Diese Normen sind von der Theorie her relativ problemlos, in der Praxis können sie leicht ermittelt werden.

Geht man von einer Fläche, die 100 % darstellen soll, aus, so werden Prozentrangnormen gewonnen durch fortlaufende Summation der durch die Rohwerte repräsentierten Flächenstücke, wobei die Teilflächen jeweils in Prozenten der Gesamtfläche ausgedrückt werden. Man addiert also fortlaufend die durch die Rohwerte dargestellten Einzelergebnisse. Sie werden dann im Vergleich mit dem Gesamtergebnis ausgedrückt. Man spricht auch von „kumulierten Häufigkeiten“.

Die Berechnung von Prozentrangnormen wird an einem Beispiel aufgezeigt.

Fragestellung: Wie verteilen sich die Testzahlen einer Gedächtnisprüfung bei N = 85 Schülern einer bestimmten Schule? Messzahl für jedes untersuchte Individuum ist die Anzahl der gemerkten Wörter aus einer Liste von 25 Wörtern, die ihm dreimal vorgelesen wurde.

Lösung: Zunächst erfolgt die Feststellung der Häufigkeitsverteilung, es wird also ausgedrückt, wie oft jede Messzahl vorkommt; dann die Ordnung der Häufigkeiten und die Berechnung der Prozentränge (Tab. 2).

Der Prozentrang z. B. eines Schülers gibt also an, welcher Prozentsatz der Schüler in der Vergleichsgruppe eine gleich gute oder schlechtere Leistung erreicht hat als der betreffende Schüler. So bedeutet der Prozentrang 70, dass 70 % der Schüler in der Vergleichsgruppe schlechtere Leistungen aufweisen, während 30 % bessere Leistungen erreichten als der angesprochene Schüler.

Vorteile von Prozentrangnormen: Anschaulichkeit und Geläufigkeit dieser Normierung. Es müssen keinerlei Voraussetzungen bezüglich der Verteilungsform der Rohpunkte gegeben sein.

Nachteile von Prozentrangnormen: Gleiche numerische Prozentrangunterschiede in den verschiedenen Skalenbereichen bezeichnen unterschiedliche Leistungsdifferenzen, und zwar sind an den Enden der Skala dieselben Prozentrangdifferenzen weit bedeutungsvoller als gegen die Skalenmitte zu. Der Leistungsunterschied zwischen PR 40 und 50 z. B. ist wesentlich geringer als zwischen 85 und 95. Die Rangordnung ermöglicht keine genaue Angabe über die Größe des Leistungsabstandes. Daher dürfen Prozentränge nicht addiert und aus ihnen keine arithmetischen Mittelwerte berechnet werden.

Tab. 3: Entnommen aus: Mittenecker 1970, 7–11

PR = Prozentrang

f cum = die Anzahl der Schüler, die kleinere oder gleich gute Leistungen erbracht haben.

Übungsbeispiel zur Umrechnung eines Rohwertes in verschiedene Normenskalen. (Es wird angenommen, dass die Bedingungen für die Skalen gegeben sind.): In einem Test erreicht ein Schüler einen Rohwert von 88. Wir wissen, dass M = 66,38 und s = 26,54 beträgt.

z-Skala:

Z- oder Standardwertskala (SW):

(z = 0,81) SW = 100 + 10 z = 100 + 8,1 = 108

IQ-Skala:

IQ = 100 + 15 z = 100 + 15 × 0,81 =100 + 12,15 = 112,15

C-Skala:

C = 5 + 2 z = 5 + 2 × 0,81 = 6,62

T-Wert-Skala:

T = 50 + 10 z = 50 + 8,1 = 58,1

Abb. 8: Übersicht über verschiedene Normenskalen

Die jeweiligen Ergebnisse entsprechen einem Prozentrang (PR) von ca. 79. (Vgl. auch die Ergebnisse der verschiedenen Skalen mit den Abb. 7 u. 8.)

Die primäre Kritik an der Messung von Persönlichkeitseigenschaften, Fähigkeiten, Verhaltensweisen wie Intelligenz, Angst, Konzentration, Gedächtnis, Motivation … bezieht sich darauf, dass

– psychische Qualitäten wie physikalische Messwerte behandelt werden; eigentlich geht es um hypothetische Konstrukte,

– durch statistische Konstruktion Normalverteilung geschaffen wird,

– kaum wissenschaftlich exakt zu definierende Persönlichkeitsmerkmale / -eigenschaften wie z. B. Intelligenz im Verhalten bzw. in welchem Verhalten repräsentiert werden,

– dann noch eine Repräsentation in Testaufgaben oder Items erfolgen kann,

– sich solche Ergebnisse in einer „Normalverteilungskurve“ darstellen lassen,

– die Gefahr besteht, dass Ergebnisse – auf einer Normenskala abgebildet – auch Wertungen implizieren und Menschen mit Behinderungen / Abweichungen negativ bzw. defizitär beschrieben werden.

4.2.4.5 Standardmessfehler und Vertrauensbereiche

An sich würde es an dieser Stelle genügen anzuführen, welche Bedeutung den Begriffen „Standardmessfehler“ und „Vertrauensbereich“ zukommt. Nachdem jedoch nicht in allen gebräuchlichen Testverfahren exakte Angaben über die genannten Größen zu finden sind, ergibt sich die Notwendigkeit, auch in kurzer Form anhand von Erklärungen und Beispielen in die entsprechenden Berechnungen einzuführen.

Erklärung: Im Zusammenhang mit der Besprechung der Gütekriterien Objektivität, Zuverlässigkeit und Gültigkeit wurde deutlich, dass Testergebnisse nicht als absolut richtig (zuverlässig) hingenommen werden dürfen, vielmehr muss man davon ausgehen, dass jedes Testergebnis mit gewissen Fehlern (Messfehlern) behaftet sein kann.

Messfehler können sich ergeben aufgrund der Besonderheit eines Merkmals (Intelligenz, Konzentration, Angst …) bei einzelnen Individuen, sie könnten auch hervorgehen aus der Testsituation (Raum, Test-material, Störungen aus der Umwelt …) und durch den Testleiter selbst (falsche Handhabung, ungenaue Arbeitsweise …). Solche Fehler gehen in die Testleistung ein, sie beeinflussen sie. Man kann demnach folgern, dass sich Testergebnisse zusammensetzen aus dem tatsächlichen Ergebnis und aus einem Fehleranteil.

Die Höhe des Fehleranteils steht in hohem Maße mit der Zuverlässigkeit eines Testverfahrens in Zusammenhang. Man kann also sagen, dass die Wahrscheinlichkeit für Fehler umso größer ist, je niedriger die Zuverlässigkeit eines Tests ist.

Abb. 9: Die Transformation von Testnormen. Entnommen aus: Lienert 1998, 410

Durch die Berechnung des „Standardmessfehlers“ wird es möglich, von jedem Test- oder Leistungswert eines Probanden den Bereich zu bestimmen, in dem der „wahre“ Leistungswert zu erwarten ist. Der Standardmessfehler dient als Unsicherheitsmaß für individuelle Testpunktwerte.

Funktion des Standardmessfehlers: Mit seiner Hilfe kann die Genauigkeit eines Testergebnisses abgeschätzt werden.

1. Man kann berechnen, in welchem Bereich um den mittels Test erreichten Wert der „wahre Leistungswert“ liegt. Dieser Bereich wird in der Fachsprache „Vertrauensbereich“ (Vertrauensintervall Konfidenzintervall) genannt. (Angenommenes Beispiel: Testwert IQ = 88; Standardmessfehler ±7 IQ-Punkte; wir vermuten den „wahren Testwert“ zwischen den Werten 81 und 95.) Die Wahrscheinlichkeit, mit welcher der „wahre Testwert“ außerhalb des Vertrauensbereiches liegt, bezeichnet man als „Irrtumswahrscheinlichkeit“ oder „Signifikanzniveau“. Die Irrtumswahrscheinlichkeit wird in Prozenten ausgedrückt. Sie beträgt manchmal 32 %, sollte bei 5 %, im günstigsten Falle bei 1 % liegen.

2. Man kann mittels Berechnung zu einer Aussage darüber kommen, ob zwei Probanden, die verschiedene Testwerte erreichten, sich auch in ihren „wahren“ Testwerten unterscheiden oder ob die Unterschiede etwa nur scheinbar vorliegen, also von einem „zufälligen“ Fehler abhängen, der auf einen Messfehler zurückgeht.

Man bezeichnet den Mindestunterschied, den zwei Testwerte zeigen müssen, damit die wahren Werte von zwei Probanden (bei einer vorgegebenen Irrtumswahrscheinlichkeit) als tatsächlich voneinander verschieden bezeichnet werden dürfen, als „kritische Differenz“.

3. Könnte man aussagen, ob sich die Testergebnisse eines Probanden in zwei oder mehreren Tests mit unterschiedlichen Gültigkeitswerten nicht nur zufällig, sondern „tatsächlich“ unterscheiden.

Fehlen in Testhandbüchern die Angaben über den Standardmessfehler, kann man ihn aufgrund der Testzuverlässigkeit nach der folgenden Formel berechnen:

In dieser Formel bedeuten: se = Standardmessfehler

st = Standardabweichung

rtt = Zuverlässigkeitskoeffizient

Übungsbeispiel zur Berechnung des Standardmessfehlers: Ein Proband erreicht in einem Intelligenztest einen IQ von 88. Der Intelligenztest hat einen Zuverlässigkeitskoeffizienten von rtt = 0,91 und eine Streuung (st) von 15. In welchem IQ-Bereich ist der wahre Wert des Probanden zu erwarten, wenn man mit 68 %iger Sicherheit eine Aussage machen möchte?

Mit 68 %iger Sicherheit erwarten wir den wahren Wert des Probanden im IQ-Bereich 83 bis 93.

Bei einer Sicherheitswahrscheinlichkeit von 68 % (oder einer Irrtumswahrscheinlichkeit von 32 %) gesteht man sich als Testleiter zu, dass man sich in 100 Fällen 32mal irren darf.

Abb. 10: Abgesicherter Bereich einer Wahrscheinlichkeitsaussage bei Verwendung des Standardmessfehlers als Vertrauensbereichsintervallwert (C).

Im Zusammenhang mit der Bedeutung von Entscheidungen im sonderpädagogischen Bereich sollte man auf strengere Maßstäbe achten. Man muss sich bemühen, höchstens eine Irrtumswahrscheinlichkeit von 5 % zuzulassen, d. h., die Testinterpretation sollte auf einem kritischen z-Wert von 1,96 (es werden dabei 95 % der Wahrscheinlichkeitskurve abgedeckt) basieren. In diesem Zusammenhang errechnet sich der Vertrauensbereichsintervall (C) wie folgt: