Zum Inhalt springen

Nur-Lesen-Fassung: Das Forschungsinformationssystem (FIS) ist aus Sicherheitsgründen vorübergehend durch diese Nur-Lesen-Fassung ersetzt. Alle öffentlichen Inhalte und Volltexte sind weiterhin abrufbar; Anmeldung, Bearbeitung, Einreichung und Statistiken stehen nicht zur Verfügung. Bei Fragen: fis@uni-bamberg.de

Start › Publikationen › Multilevel Design Parameters to Plan Cluster-Randomized Intervention Studies on Student Achievement in Elementary and Secondary School

Publikation

Multilevel Design Parameters to Plan Cluster-Randomized Intervention Studies on Student Achievement in Elementary and Secondary School

Stallasch, Sophie E.; Lüdtke, Oliver; Artelt, Cordula; u. a. (2022): Multilevel Design Parameters to Plan Cluster-Randomized Intervention Studies on Student Achievement in Elementary and Secondary School, in: Bamberg: Otto-Friedrich-Universität, S. 172–206.

Details

Fakultät/Lehrstuhl
Autorin(nen)/Autor(en)
Stallasch, Sophie E.
Lüdtke, Oliver
Brunner, Martin
Verlagsangabe
Otto-Friedrich-Universität : Bamberg
Erscheinungsjahr
2022
Quelle/Weitere Ausgabe
Journal of research on educational effectiveness. - 14 (2021), 1, S. 172-206
Jahr der Erstpublikation
2021
Sprache(n)
Englisch
Lizenz
URN
Abstract

To plan cluster-randomized trials with sufficient statistical power todetect intervention effects on student achievement, researchers needmultilevel design parameters, including measures of between-class-room and between-school differences and the amounts of varianceexplained by covariates at the student, classroom, and school level.Previous research has mostly been conducted in the United States,focused on two-level designs, and limited to core achievementdomains (i.e., mathematics, science, reading). Using representativedata of students attending grades 1–12 from three German longitu-dinal large-scale assessments (3,963 ≤ N ≤ 14,640), we used three-and two-level latent (covariate) models to provide design parametersand corresponding standard errors for a broad array of domain-spe-cific (e.g., mathematics, science, verbal skills) and domain-general(e.g., basic cognitive functions) achievement outcomes. Three covari-ate sets were applied comprising (a) pretest scores, (b) sociodemo-graphic characteristics, and (c) their combination. Design parametersvaried considerably as a function of the hierarchical level, achieve-ment outcome, and grade level. Our findings demonstrate the needto strive for an optimal fit between design parameters and targetresearch context. We illustrate the application of design parametersin power analyses.

GND-Schlagwort(e)
Schulleistungsmessung
Freie Schlagwort(e)
Intraclass correlation
explained variance
large-scale assessment
multilevellatent (covariate) model
power analysis
DDC-Klassifikation
370 Erziehung, Schul- und Bildungswesen
RVK-Klassifikation
DO 1251
Peer Reviewed
ja
Internationale Verbreitung
ja
Open-Access-Zeitschrift
ja
Dokumenttyp
Artikel in einer Zeitschrift / Postprint
URI
Datum der Freischaltung
20.07.2022

Permalink: https://fis.uni-bamberg.de/handle/uniba/49544 · Daten als JSON · Zitieren: BibTeX · RIS

Datenstand: 15.11.2026

Eingeschränkter Lesezugriff: Anmeldung, Bearbeitung und Einreichung sind vorübergehend deaktiviert.