Girls‘ and Boys‘ Math Self-Concept Separated by Years to Abitur

Autor*innen: Isabelle Fiedler

Dieser Beitrag fokussiert das mathematische Selbstkonzept von Mädchen und Jungen. Dass Mädchen im Schulalter ein geringeres mathematisches Selbstkonzept haben als Jungen ist empirisch gut belegt; ich stelle daher die Frage, ob dies gleichermaßen für G8- und G9-Schüler*innen gilt. Die Violin Plots zeigen, dass unter den G9-Schüler*innen der Unterschied im mathematischen Selbstkonzept zwischen Mädchen und Jungen nicht so ausgeprägt ist wie unter den G8-Schüler*innen. Während bei den G8-Schüler*innen das mathematische Selbstkonzept um die mittleren Werte herum verteilt ist, zeigen die G9-Schüler eine Tendenz zu den oberen Werten und die G9-Schülerinnen zu den sowohl oberen als auch unteren Werten. Zusätzliche Regressionsmodelle ergaben, dass unter Kontrolle der Mathematikleistung (WLE Scores) das Geschlecht nur bei den G8-Schüler*innen eine signifikante Rolle für das mathematische Selbstkonzept spielt.

Die Analysen wurden mit Stata Version 16.1 durchgeführt. Für die Visualisierung wurde der Befehl vioplot genutzt.

—

version 16.1
set more off
pause on
cap log close

********************************************************************************
**
use „${D}/PISA-Plus-2012-2013_Dataset_CF.dta“, clear

* index variable for math self-concept:
pwcorr selfcon_a_t1 selfcon_b_t1 selfcon_c_t1 selfcon_d_t1 selfcon_e_t1
alpha selfcon_a_t1 selfcon_b_t1 selfcon_c_t1 selfcon_d_t1 selfcon_e_t1, item d

* invert item 1:
gen selfcon_a_t1_inv = 5-selfcon_a_t1
pwcorr selfcon_a_t1_inv selfcon_b_t1 selfcon_c_t1 selfcon_d_t1 selfcon_e_t1
alpha selfcon_a_t1_inv selfcon_b_t1 selfcon_c_t1 selfcon_d_t1 selfcon_e_t1, item d

* build index:
cap drop selfcon_math
cap drop miss_selfcon
egen miss_selfcon = rownonmiss(selfcon_?_t1)
egen selfcon_math = rowmean(selfcon_a_t1_inv selfcon_b_t1 selfcon_c_t1 ///
selfcon_d_t1 selfcon_e_t1) if miss_selfcon >= 3

****************
** gender differences in self-concept g8 vs. g9 students
label define gender 1 „Girls“ 2 „Boys“, modify
label val gender gender

/* save colour prefrences for plot via recording in graph editor
under the name „vioplot_colors“*/
vioplot selfcon_math, over (gender) over(g8g9) ///
title („Girls‘ and Boys‘ Math Self-Concept“ „Separated by Years to Abitur“) ///
ytitle(„Math Self-Concept“) ///
note(„Isabelle Fiedler, PISA-Plus 2012-2013 Campus File, own calculations“) ///
yscale(range(1 4)) play(vioplot_colors)

graph export $O/vioplot_self-concept_gender.pdf, replace

** add-on: regression models including math wle scores:
* whole sample:
cap drop miss
egen miss = rowmiss(selfcon_math gender ma_wle_t1)
regress selfcon_math gender if miss == 0
regress selfcon_math gender ma_wle_t1 if miss == 0
* g8 students:
regress selfcon_math gender if g8g9 == 1 & miss == 0
regress selfcon_math gender ma_wle_t1 if g8g9 == 1 & miss == 0
* g9 students:
regress selfcon_math gender if g8g9 == 2 & miss == 0
regress selfcon_math gender ma_wle_t1 if g8g9 == 2 & miss == 0

********************************************************************************
** END