Search

Da das höchste erreichte Bildungsniveau in deutschen Umfragen gewöhnlich durch spezifisch deutsche Schul- und Ausbildungsabschlüsse erfasst wird, sind die entsprechenden Fragebogenitems für Personen mit ausländischen Abschlüssen oftmals schwer zu beantworten. Dieser Beitrag gibt einen Überblick über verschiedene Ansätze zur Messung von Bildung bei Personen mit ausländischen Bildungsabschlüssen, insbes. Zugewanderten, und ihre Eignung für verschiedene Erhebungssituationen. Zunächst wird die Codierung der Bildungsvariablen thematisiert. Diese orientiert sich entweder am deutschen Bildungssystem oder an Klassifikationen, die für den internationalen Vergleich entwickelt wurden. Auch die Herleitung von Bildungsjahren ist eine Möglichkeit, die Daten vergleichbar zu codieren. Dann werden verschiedene Erhebungsinstrumente vorgestellt, die das Problem auf unterschiedliche Art und Weise zu lösen versuchen: die Verwendung deutscher Standarditems, die Verwendung generischer Antwortkategorien, die Verwendung herkunftslandsspezifischer Antwortkategorien, und der Einsatz eines datenbankbasierten Tools. Die Lösungen, die im Sozio-oekonomischen Panel (SOEP) und im Rahmen der National Education Panel Study (NEPS) entwickelt wurden, werden ausführlich dargestellt. Zum Schluss werden weiterhin bestehende Interpretationsprobleme und Einschränkungen diskutiert, die auch die Passung des Indikators "höchster Bildungsabschluss" für verschiedene theoretische Konzepte bei Migrantinnen und Migranten betreffen. Since the highest level of education achieved is usually captured in German surveys by specific German school-leaving and training qualifications, the corresponding questionnaire items are often difficult to answer for persons with foreign qualifications. This guideline provides an overview of different approaches to measuring education among persons with foreign educational qualifications, especially immigrants, and their suitability for different survey contexts. First, the coding of educational variables is discussed. This is based either on the German education system or on classifications developed for international comparison. The derivation of years of education is another way to code the data in a comparable way. Then, different survey instruments are presented that try to solve the problem in different ways: the use of German standard items, the use of generic response categories, the use of country-of-origin specific response categories, and the use of a database-based tool. The solutions developed in the Socio-Economic Panel (SOEP) and the National Education Panel Study (NEPS) are presented in detail. Finally, existing interpretation problems and limitations are further discussed, including the fit of the "highest educational attainment" indicator for different theoretical concepts among migrants.

Alle personenbezogenen Umfragen erfassen grundlegende sozio-demographische Merkmale. Mit den Demographischen Standards (Hoffmeyer-Zlotnik, 1994; Hoffmeyer-Zlotnik et al., 2010, 2016; Hoffmeyer-Zlotnik & Ehling, 1991) und ihrem Vorgänger, der „ZUMA-Standarddemographie“ (Pappi, 1979, Anhang A) liegen seit den 1970er Jahren in unregelmäßigen Abständen aktualisierte Empfehlungen zur Erhebung solcher zentraler sozio-demographischer Merkmale in deutschen Umfragen vor. Die letzte Version stammt aus dem Jahr 2016. Diese sog. „Standarditems“ werden (insbes. von kleineren Studien) regelmäßig eingesetzt. Hier, wie auch bei großen Umfrageprogramme werden sie aus verschiedenen Gründen oft angepasst. Anpassungen sind durch die Demographischen Standards auch explizit vorgesehen. Da jedoch keine eindeutigen Minimalanforderungen an Standarditems vorliegen fehlen dann meist Codieranweisungen, um die Daten in gemeinsame Standardvariablen zurückzuführen. Damit sind Vergleichbarkeit und Interoperabilität der Daten zwischen verschiedenen Umfragen aktuell begrenzt. Die resultierenden Variablen müssen vor einer gemeinsamen Analyse verschiedener Datenquellen aufwändig vergleichbar gemacht, d.h. ex-post harmonisiert werden. Da dies mit jeder Datenerhebung von Neuem geschehen muss, wird es nur punktuell für konkrete Forschungsprojekte eingesetzt. Harmonisierte Daten bzw. die eingesetzten Harmonisierungsskripte gelten dabei selten als eigenständiges Ergebnis und stehen der Community oft nicht zur Verfügung. Damit besteht das Risiko, dass bei ähnlichen Vorhaben doppelte Arbeit geleistet wird. Bei der Herleitung neuer Variablen leidet außerdem die Vergleichbarkeit, wenn sich die Herleitungen zwischen den Projekten unterscheiden. Zudem erschwert der Status Quo einen effektiven Überblick über die Forschungsliteratur und Meta-Analysen und damit eine Kumulation sozialwissenschaftlicher Forschungserkenntnisse. Das Teilprojekt „Facilitating the combination of research data through standardised and harmonised variables“ von KonsortSWD möchte Sekundäranalysen auf Basis mehrerer Studien vereinfachen, indem zentrale Variablen vorab harmonisiert werden. Die Harmonisierungsarbeit wird damit „upstream“, in Richtung der Datenproduzierenden, verschoben. So können mehrere der identifizierten aktuellen Defizite aufgelöst werden. Eine Voraussetzung für die Abschätzung der Potentiale von Standardisierung und Harmonisierung im Bereich sozio-demographischer Variablen ist zunächst eine Übersicht darüber, wie ähnlich bzw. unterschiedlich große Umfragestudien in Deutschland sozio-demographische Merkmale überhaupt erheben. Dieser Bericht hat zum Ziel, einen Überblick über die Instrumentarien verschiedener Studien zu schaffen, und sie im Hinblick auf Ähnlichkeiten und Unterschiede zu bewerten. Dazu werden in diesem Bericht knapp 20 sozio-demographische Merkmale für acht große deutsche Umfragestudien - Mikrozensus, ALLBUS, SOEP, NEPS SC6, GESIS Panel, FReDA, GLES und GEDA - analysiert und mit den Demographischen Standards verglichen., KonsortSWD wird Rahmen der NFDI durch die Deutsche Forschungsgemeinschaft (DFG) gefördert – Projektnummer: 442494171.

Supplemental Material, sj-pdf-1-fmx-10.1177_1525822X211072326 for Are You���? Asking Questions on Sex with a Third Category in Germany by Patricia Hadler, Cornelia E. Neuert, Verena Ortmanns and Angelika Stiegler in Field Methods

With this presentation, we would like to showcase tools for measuring education in computer-assisted surveys that were developed in the CAMCES and SERISS projects. First, the CAMCES tool, which measures respondents’ highest educational qualification, and second, a tool, which measures the field of education and training. Both tools are based on international multilingual databases, including international coding schemes for educational attainment and fields of education and training based on UNESCO’s standard classification of education. While the CAMCES tool provides context-sensitive response categories (i.e. corresponding to the country in which respondents received their education), fields of education and training are offered in many languages and are offered to respondents in the language of the survey. The tools are available at www.surveycodings.org

Socio-structural characteristics such as marital status, education or employment are measured in many surveys. Like attitudes and values, they are affected by social change and therefore need to be adapted to changing realities as well as to how we look at them. An example is the discussion on the introduction of a third category for the question on respondents’ sex. At the same time, for comparisons of these characteristics across different surveys, it is helpful if they are measured and coded in a comparable way. These goals are obviously in conflict with each other. This blog post deals with the measurement and harmonization of socio-structural characteristics in the light of social change as also discussed in the recent virtual GESIS symposium "Socio structural characteristics in surveys: collection, coding, harmonization”., Sozialstrukturelle Merkmale wie Familienstand, Bildung oder Erwerbstätigkeit werden in vielen Umfragen erfasst. Sie unterliegen, ähnlich wie Einstellungen und Werte auch, dem gesellschaftlichen Wandel und müssen daher an sich ändernde Realitäten und an unseren sich ebenfalls verändernden Blick auf diese angepasst werden. Beispielhaft kann hier die Diskussion zur Einführung einer dritten Geschlechtskategorie in Fragebögen genannt werden. Gleichzeitig ist es für den Vergleich dieser Merkmale zwischen verschiedenen Umfragen hilfreich, wenn sie vergleichbar gemessen und kodiert werden. Diese Ziele stehen in einem offensichtlichen Spannungsverhältnis zueinander. Dieser Beitrag widmet sich der Erhebung und Harmonisierung sozialstruktureller Merkmale im Licht des sozialen Wandels, wie sie kürzlich im virtuellen GESIS-Symposium „Sozialstrukturelle Merkmale in Umfragen: Erhebung, Kodierung, Harmonisierung“ diskutiert wurden., GESIS Blog

Education is one of the most frequently used variables in social science research. However, it is challenging to measure educational attainment with a high degree of validity and comparability in migrant surveys. In migrant surveys, respondents were educated in various different educational systems. Rather than providing specific response options for the qualifications available in every country of origin, migrant surveys often use generic response options (such as “secondary education”) that supposedly work equally well for respondents educated in all kinds of educational systems. Given the lack of universal understanding of such generic categories, we have doubts whether this approach leads to reliable, valid, and comparable data. To improve the measurement of educational qualifications obtained abroad, GESIS has developed a new tool in the project “Computer-assisted measurement and coding of education in surveys” (CAMCES). In this paper, we present how migrants’ education is usually measured in the German IAB-SOEP Migration Samples and the alternative measurement using the CAMCES tool implemented in the IAB-SOEP Migration Samples 2015 and 2016. We analyze the coverage of educational systems in the CAMCES tool, compare the level of item nonresponse and non-coded responses affecting the standard and the CAMCES instruments, and examine the consistency of the resulting education variables. The paper concludes by discussing benefits and limitations of either measurement approach, and by giving an outlook of possible applications of the CAMCES tool.

Education is one of the most frequently used variables in social science research. However, it is challenging to measure educational attainment with a high degree of validity and comparability in migrant surveys. In migrant surveys, respondents were educated in various different educational systems. Rather than providing specific response options for the qualifications available in every country of origin, migrant surveys often use generic response options (such as “secondary education”) that supposedly work equally well for respondents educated in all kinds of educational systems. Given the lack of universal understanding of such generic categories, we have doubts whether this approach leads to reliable, valid, and comparable data. To improve the measurement of educational qualifications obtained abroad, GESIS has developed a new tool in the project "Computer-assisted measurement and coding of education in surveys" (CAMCES). In this paper, we present how migrants’ education is usually measured in the German IAB-SOEP Migration Samples and the alternative measurement using the CAMCES tool implemented in the IAB-SOEP Migration Samples 2015 and 2016. We analyze the coverage of educational systems in the CAMCES tool, compare the level of item nonresponse and non-coded responses affecting the standard and the CAMCES instruments, and examine the consistency of the resulting education variables. The paper concludes by discussing benefits and limitations of either measurement approach, and by giving an outlook of possible applications of the CAMCES tool.