Visualisierung der Matheleistung nach Geschlecht, Migration und sozio-ökonomischem Status

Autor*innen: Verena Jörg, Hannah Kleen, Nora Ries

Diesen Beitrag jetzt diskutieren und bewerten.

In dieser Visualisierung bilden wir die Intersektionalität der Leistung im Fach Mathematik hinsichtlich des Geschlechts, des sozio-ökonomischen Status (abgebildet durch die Anzahl der Bücher pro Haushalt) und des Migrationshintergrunds ab. Hierzu haben wir die Schüler*innen mit Migrationshintergrund der ersten und zweiten Generation zusammengefasst. Bezüglich aller drei betrachteten Variablen konnte in früherer Forschung gezeigt werden, dass sich die Mathematikleistung je nach Gruppenzugehörigkeit unterscheidet. Aus diesem Grund ist das Ziel dieser Darstellung, mögliche additive Effekte mehrfacher Gruppenzugehörigkeiten von Schüler*innen kombiniert abzubilden. Die Grafik bietet Hinweise darauf, dass der Einfluss des sozio-ökonomischen Status bei den Jungen stärker zu sein scheint als bei den Mädchen. Zudem zeigt der tendenziell lineare Verlauf sich bei den Schüler*innen ohne Migrationshintergrund weniger deutlich als bei den Schüler*innen mit Migrationshintergrund.

---

library(dplyr)
library(ggplot2)
library(car)

data <- pisa_2012_2013_data[ , c(1, 2, 3, 10, 12:18, 90:94, 220:229)]
data5$MathAchievement <- (data5$ma_pv1_t2 + data5$ma_pv2_t2 + data5$ma_pv3_t2 + data5$ma_pv4_t2 + data5$ma_pv5_t2)/5
data5$migration2 <- data5$migration
data5$migration2<- recode(data5$migration2, recodes= '"First-Generation"="Migration"; "Second-Generation"="Migration"')

data5 %>% filter(is.na(migration2) == FALSE) %>% filter(is.na(books) == FALSE) %>%
     ggplot(aes(x=migration2, y=MathAchievement, fill=books)) +
     geom_boxplot() + facet_wrap(~gender) +
     xlab("Migrationshintergrund")+
     ylab("Matheleistung zu t2") +
     ggtitle("Matheleistung nach \nMigrationshintergrund, Geschlecht und sozio-ökonomischem Status                  (Bücherfrage)")