Welche Lehrmethode wirkt am besten?
Drei Klassen, ein Vortest, eine Abschlussprüfung und die Frage, mit der jede Evaluation endet. StatInsight rechnet den Vergleich, wählt den Post-hoc-Test, der zu den Varianzen passt, und adjustiert dafür, wo die Schülerinnen und Schüler gestartet sind.
Fiktive Daten. Der Datensatz auf dieser Seite ist synthetisch — erzeugt, um zu zeigen, was die App kann. Er beschreibt keine echte Studie, keine echten Kunden, Patienten oder Personen, und die Ergebnisse sind keine Befunde.
Dieselben drei Fragen, in der App beantwortet
Jedes Feld unten ist ein echtes Ergebnis von StatInsight auf dem Demo-Datensatz — Text, Zahlen, Diagramm und Berichtsabsatz genau so, wie sie am Bildschirm und im Word-Export erscheinen. Die Daten dahinter sind fiktiv.
Unterscheiden sich die Abschlussnoten zwischen den drei Methoden?
Einfaktorielle ANOVA von Final_Score nach Method. Der Levene-Test besteht, also nutzt die paarweise Tabelle darunter Welch-t-Tests mit Bonferroni-Korrektur — und das Dropdown darüber bietet Tukey HSD, Games-Howell, Scheffé und die übrigen, jeweils grün, gelb oder rot für diese Daten markiert.
- F(2, 357) = 7,83, p < 0,001; Flipped 71,1, Project 67,5, Lecture 64,0
- Flipped gegenüber Vorlesung: +7,1 Punkte, p < 0,001; die beiden anderen Paare sind nicht signifikant
- Effektstärke (Cohens f) und Teststärke stehen im selben Feld
Bleibt der Unterschied, wenn man für den Vortest adjustiert?
Die Schülerinnen und Schüler starteten nicht gleich. Die ANCOVA vergleicht die Methoden bei gleichem Vortestwert: die Kovariate in ein drittes Feld setzen, und das Ergebnis berichtet die Prüfung der Steigungshomogenität, die Residuennormalität, die adjustierten Mittelwerte und ihre paarweisen Kontraste.
- Methode F = 36,2, p < 0,001 nach Adjustierung für Pre_Score
- Steigungen homogen, Residuen normal, Varianzen gleich — jede Prüfung wird ausgegeben, nicht angenommen
- Plot der adjustierten Mittelwerte mit einer Regressionsgeraden pro Methode
Wie viel bringen Lernstunden und Anwesenheit zusätzlich?
Abschlussnote auf Vortest, wöchentliche Lernstunden und Anwesenheit. Koeffizienten, p-Werte, R² und die Formel werden ausgeschrieben, und der Berichtsabsatz ist so formuliert, wie sich ein Ergebnisteil liest.
- R² = 0,66; jede Lernstunde pro Woche ist +0,9 Punkte wert (p < 0,001)
- Anwesenheit bringt +0,12 pro Prozentpunkt (p = 0,02)
- Kategoriale Prädiktoren (Method, School) passen in dasselbe Modell
Drei Lehrmethoden
360 Schülerinnen und Schüler · 11 Variablen · fiktiv, für diese Seite computergeneriert · frei nutzbar in Lehre und Tests
An drei Schulen wurde dieselbe Unterrichtseinheit als Vorlesung, Flipped Classroom oder Projektarbeit unterrichtet. Vortest und Abschlussnote, wöchentliche Lernstunden, Anwesenheit, Hausaufgabenquote und bestanden/nicht bestanden.
| Spalte | Typ | Bedeutung |
|---|---|---|
Method | kategorial | Lecture, Flipped, Project |
Pre_Score, Final_Score | stetig | Testwerte, 0–100 |
Score_Gain | stetig | Abschluss minus Vortest |
Study_Hours_Week, Attendance_Pct, Homework_Completion_Pct | stetig | Aufwandsmaße |
Passed | binär | Abschluss ≥ 60 |
School, Gender | kategorial | Gruppierungsvariablen |
Zur Erinnerung: Jede Zahl, Tabelle und Grafik auf dieser Seite stammt aus einem fiktiven, computergenerierten Datensatz. Sie zeigen das Werkzeug, nicht ein echtes Ergebnis.
Auch in diesem Datensatz
- Bestehensquote nach Methode: Chi-Quadrat mit Mosaikplot
- Haben alle drei Schulen gleich profitiert? Zweifaktorielle ANOVA Method × School mit Interaktionsplot
- AutoPrediction: welches Aufwandsmaß sagt das Bestehen vorher?
- Alles mit einem Klick nach Word, Abbildungen inklusive
Andere Fachgebiete: PsychologieKundenanalyseMarketingAgrar & BiologieHR & People Analytics