Niedrig und hoch inferente Verfahren der Unterrichtsbeobachtung. Analysen zu deren gegenseitiger Validierung

Abstract

Fur die systematische Unterrichtsbeobachtung werden haufig hoch inferente Schatzverfahren zur Beurteilung der Unterrichtsqualitat eingesetzt. Deren Validitat wird aber vielfach in Frage gestellt, da sie ein hohes Ausmas an Schlussfolgerungen aufseiten der Beobachter erfordern. Das Ziel der vorliegenden Studie bestand daher darin, die Gute hoch inferenter Beobachtungssysteme im Rahmen der PERLE-Studie exemplarisch zu uberprufen, indem Zusammenhange zu niedrig inferent erfassten Beobachtungsdaten analysiert wurden. Anhand der Beispiele "Einsatz von Lob" und "Storungsfreiheit" kann gezeigt werden, dass grundsatzlich Zusammenhange zwischen den auf unterschiedliche Art erfassten Daten bestehen. Allerdings fallt bei hoch inferenten Ratings die Zuordnung zu den einzelnen Ratingstufen nicht immer eindeutig aus. Zudem deutet sich an, dass die Hohe des Zusammenhangs zwischen niedrig und hoch inferent erfassten Beobachtungsdaten von der Art der Definition der hoch inferent erfassten Merkmale mit bedingt wird. (DIPF/Orig.) Often, highly inferential estimation procedures for the assessment of the quality of teaching are used in the systematic observation of lessons. The validity of these procedures, however, is frequently questioned since they require a high degree of inferences on the part of the observer. The aim of the present study thus is to examine exemplarily the quality of highly inferential systems of observation within the framework of the PERLE-study by analyzing coherences with lowly inferential observation data. Based on the examples of "the use of praise" and "no disturbances", it can be shown that, basically, coherences do exist between data collected through different procedures. However, in the case of highly inferential ratings, the allocation to individual rating levels is not always unequivocal. Furthermore, it appears that the degree of coherence between lowly and highly inferential observation data also depends on how the characteristics collected through highly inferential procedures have been defined. (DIPF/Orig.)