Challenging Data Aggregation Practices: A MAIHDA Study of Asian Student Outcomes in Introductory Physics
Diese Studie wendet einen Multilevel-Ansatz zur Analyse individueller Heterogenität und diskriminativer Genauigkeit (MAIHDA) auf Daten von über 16.000 Studierenden an, um zu zeigen, dass die Zusammenfassung asiatischer Studierender in einer einzigen Gruppe erhebliche Leistungsunterschiede zwischen 19 distincten Untergruppen verschleiert und Lücken aufdeckt, die einem gesamten Semester Unterricht entsprechen und durch eine differenzierte Datenerhebung angegangen werden können.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Die große Idee: Das „Smoothie"-Problem
Stellen Sie sich vor, Sie haben einen riesigen Obstsmoothie mit dem Etikett „Asiatische Studierende". Wenn Sie einen Schluck nehmen, schmeckt er süß und einheitlich. Sie könnten annehmen, dass jede einzelne Frucht darin gleich ist.
Dieses Papier argumentiert, dass Forscher im Bildungsbereich oft dasselbe tun. Sie nehmen alle Studierenden, die sich als „asiatisch" identifizieren, und vermischen sie zu einer einzigen Gruppe, um ihren Erfolg in der Physik zu messen. Dies wird als Datenaggregation bezeichnet.
Die Autoren sagen, dies sei ein Fehler. Es ist so, als würde man annehmen, dass, weil ein Smoothie süß schmeckt, jede einzelne Zutat darin (die Erdbeeren, der Grünkohl, der Spinat, das Proteinpulver) identisch ist. In Wirklichkeit ist die Kategorie „Asiatisch" tatsächlich ein riesiger Obstkorb mit sehr unterschiedlichen Früchten und sehr unterschiedlichen Geschmacksrichtungen. Wenn man sie alle zusammenmixt, verbirgt man die Tatsache, dass einige Früchte sauer, einige bitter und einige sehr süß sind.
Der Mythos: Der „Vorbildliche Minderheiten"-Mythos
Das Papier diskutiert ein Stereotyp, das als „Vorbildlicher Minderheiten"-Mythos bekannt ist. Dies ist die Vorstellung, dass alle asiatischen Studierenden von Natur aus brillante, hart arbeitende Überflieger sind, die keine Hilfe benötigen.
Die Autoren argumentieren, dass dieser Mythos gefährlich ist, weil er wie ein Nebel wirkt. Er macht es unmöglich, die Studierenden zu sehen, die tatsächlich Schwierigkeiten haben. Wenn davon ausgegangen wird, dass jeder ein „Sternenstudent" ist, hören Schulen auf zu fragen: „Wer braucht zusätzliche Nachhilfe?" oder „Wer hinkt hinterher?"
Das Experiment: Den Smoothie entmischen
Um ihren Punkt zu beweisen, untersuchten die Forscher Daten von 16.810 Studierenden, die Einführungsphysikvorlesungen an 64 verschiedenen Universitäten in den USA besuchten.
Anstatt auf den „asiatischen" Smoothie zu schauen, verwendeten sie ein spezielles statistisches Werkzeug (genannt MAIHDA), um die Früchte wieder in 19 distincte Untergruppen zu trennen (wie Chinesisch, Indisch, Vietnamesisch, Filipinisch, Koreanisch, Japanisch usw.).
Was sie fanden:
- Riesige Unterschiede: Als sie sich die einzelnen Gruppen ansahen, waren die Unterschiede schockierend. Die Lücke zwischen der bestperformenden Untergruppe und der am schlechtesten performenden Untergruppe betrug etwa 15 bis 16 Prozentpunkte.
- Die „Semester"-Lücke: Um das einzuordnen: Der durchschnittliche Studierende in der Klasse verbesserte sich über das gesamte Semester hinweg um etwa 14 Punkte. Die Lücke zwischen der besten und der schlechtesten asiatischen Untergruppe war fast so groß wie ein ganzes Semester Lernen.
- Die „niedrige" Gruppe: Die am schlechtesten performende Untergruppe erreichte nach Abschluss des gesamten Semesters gerade erst das Ausgangsniveau der bestperformenden Untergruppe.
Die Lüge des „Durchschnitts"
Das Papier erklärt, dass, wenn man auf die „asiatische Schicht" (die gemischte Gruppe) schaut, der Durchschnittswert anständig aussieht. Aber dieser Durchschnitt ist eine Lüge durch Unterlassung.
- Die Analogie: Stellen Sie sich einen Raum mit 10 Personen vor. Neun von ihnen stehen auf einer 10-Fuß-Leiter, und eine Person steht auf dem Boden. Wenn Sie die „durchschnittliche Höhe" des Raums berechnen, sieht es so aus, als stünde jeder auf einer 9-Fuß-Leiter.
- Die Realität: Die Person auf dem Boden ist in Schwierigkeiten, und die Personen auf der Leiter machen es großartig. Der „Durchschnitt" verbirgt die Tatsache, dass die Person auf dem Boden sofort eine Leiter braucht.
In dieser Studie verbarg der „durchschnittliche" Punktwert asiatischer Studierenden die Tatsache, dass einige Untergruppen mit sehr wenig Vorwissen in die Physik starteten und erheblich mehr Schwierigkeiten hatten als andere.
Warum das wichtig ist
Die Autoren verwendeten einen Rahmen, der als Asiatische Kritische Theorie und Quantitative Kritische Rassentheorie bekannt ist. Denken Sie daran als Brillen, die Ihnen die Risse in den Daten zeigen lassen.
- Ohne die Brillen: Sie sehen ein Monolith (ein einzelner, massiver Block) erfolgreicher Studierenden.
- Mit den Brillen: Sie sehen ein Mosaik aus verschiedenen Erfahrungen, Geschichten und Herausforderungen.
Das Papier kommt zu dem Schluss, dass Schulen und politische Entscheidungsträger durch die Beibehaltung der gemischten Daten blind für die spezifischen Bedürfnisse bestimmter Gruppen sind. Zum Beispiel stehen Studierende mit südostasiatischem Hintergrund (wie Vietnamesen oder Kambodschaner) oft vor anderen historischen und wirtschaftlichen Herausforderungen als ostasiatische Studierende (wie Chinesen oder Japaner), aber das Etikett „Asiatisch" behandelt sie so, als wären sie gleich.
Die Kernaussage
Man kann ein Problem nicht beheben, das man nicht sehen kann. Indem das Bildungssystem alle asiatischen Studierenden in eine Kategorie mixt, versteckt es effektiv die Studierenden, die am meisten kämpfen.
Das Papier sagt nicht: „Asiatische Studierende sind schlecht in Physik." Es sagt: „Asiatische Studierende sind nicht alle gleich." Um allen zum Erfolg zu verhelfen, müssen wir aufhören, auf den Smoothie zu schauen, und anfangen, die einzelnen Früchte zu probieren, um zu sehen, welche mehr Zucker, mehr Wasser oder ein ganz anderes Rezept benötigen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.