Ein quantitativer Indikator, abgeleitet aus einem statistischen Modell, der den Beitrag einer Bildungsinstanz (Lehrkraft, Schule oder Programm) zum gemessenen Lernfortschritt der Schülerinnen und Schüler schätzt, nachdem Vorleistungen und angegebene Hintergrundmerkmale statistisch berücksichtigt wurden; es handelt sich um einen geschätzten Modellparameter oder Residual, nicht um eine direkte Beobachtung eines kausalen Effekts.

Prinzip

Ein Value‑Added‑Measure isoliert inkrementelle Varianz in Ergebnissen konditional auf Kovariaten, indem es erwartete Leistung modelliert und Abweichungen der Instanz zuschreibt; seine Validität hängt von Modell‑Spezifikation, Angemessenheit der Kontrollen, zeitlicher Stabilität und Annahmen über Zuweisungsprozesse ab.

Demonstration

Illustratives Szenario → Analysten schätzen ein longitudinales Modell, das aktuelle Testergebnisse aus vorherigen Ergebnissen und beobachtbaren Kovariaten vorhersagt; der geschätzte Lehrereffekt (z. B. als Fixeffekt oder Residual nach Kovariatenanpassung) wird als VAM des Lehrers berichtet. Die Interpretation als kausaler Effekt des Lehrers erfordert Annahmen über unbeobachtete Störfaktoren und Zuweisung, die womöglich nicht gelten.

Fehlanwendung

Ein VAM‑Schätzer als definitive kausale Evidenz individueller Lehrereffektivität zu verwenden, ohne Modellabhängigkeit und Unsicherheit zu berücksichtigen: Der Fehler besteht darin, eine modellbasierte Schätzung (die durch nicht‑zufällige Zuweisung, ausgelassene Variablen, Messfehler oder instabile Parameter verzerrt sein kann) als beobachtbare, invariante Eigenschaft der Lehrkraft zu behandeln.

Konsequenz

VAMs beeinflussen Personalentscheidungen, Rechenschaftsbewertungen und Programmevaluierung, wenn sie eingesetzt werden; diese Konsequenzen hängen davon ab, inwieweit das Modell den Beitrag der Instanz von anderen Einflüssen trennt, sodass Missbrauch zu Fehlzuweisungen von Sanktionen oder Belohnungen und zu verzerrten Anreizen führen kann.

Umkehrung

Wenn Schüler nicht zufällig zugewiesen werden, wenn wichtige Kovariaten unbeobachtet oder fehlerhaft gemessen sind, wenn Ergebnisse schlecht durch Tests abgebildet sind oder wenn Betrachtungszeiträume zu kurz sind, sind VAM‑Schätzungen instabil oder verzerrt und ermöglichen ohne zusätzliche Designs oder Sensitivitätsanalysen keine verlässliche kausale Interpretation.

Abgrenzung

Eindeutig innerhalb: longitudinale, testbasierte statistische Modelle, die agentenbezogene Effektschätzer mit expliziten Kovariaten und Annahmen berichten. Grenzfall: Gewinn‑Score‑Vergleiche ohne Kovariatenanpassung — informativ, aber nicht gleichwertig. Eindeutig außerhalb: Querschnittsvergleiche der Mittelwerte, die Vorleistungen oder Selektion nicht berücksichtigen.

Semantische Spannung

Statistische Präzision versus kausale Interpretierbarkeit: Komplexere Modelle können Verzerrungen verringern, erhöhen aber die Sensitivität gegenüber Modellentscheidungen und Datenanforderungen; einfachere Ansätze sind transparenter, aber anfälliger für Konfundierung.

Synthese

Value‑Added‑Maße sind modellabhängige statistische Schätzungen des inkrementellen Beitrags zum gemessenen Fortschritt; sie können nützlich sein, wenn Modelle und Annahmen offen gelegt und Robustheitsprüfungen durchgeführt werden, sind jedoch keine alleinstehenden Beweise für individuelle kausale Leistung.