«

»

Srp
03

8. Das US-Bildungsministerium (2016) definiert „chronisch abwesend“ als „mindestens 15 Schultage in einem Jahr fehlend“. Ready (2010) erklärt den Unterschied zwischen legitimen oder illegitimen Abwesenheiten, die auf unterschiedliche Umstände und Verhaltensweisen reagieren können. Die Ergebnisse von Ready, die sich auf Kinder zu Schulbeginn beziehen, deuten darauf hin, dass kindermit hoher SES-Stufe mit guten Anwesenheitsquoten im Kindergarten und in der ersten Klasse größere Lese- und Schreibfähigkeiten zu verzeichnen hatten, was die Startlücken zu ihren High-SES-Kollegen verringerte. Im Kindergarten wurden keine Unterschiede in den mathematischen Fertigkeiten festgestellt. 4. Es gibt keine genaue offizielle Definition, die angibt, wie viele verpasste Tage monatlich chronische Fehlzeiten darstellen. Definitionen von chronischem Fehltritt basieren in der Regel auf der Anzahl der verpassten Tage während eines ganzen Schuljahres, und selbst diese Definitionen variieren. Für das Bildungsministerium sind chronisch abwesende Schüler diejenigen, die „mindestens 15 Schultage im Jahr verpassen“ (U.S. Department of Education 2016). Andernorts wird chronische Fehlzeiten häufig als fehlende 10 Prozent oder mehr der Gesamtzahl der Tage definiert, die der Schüler im Vorjahr in der Schule oder einen Monat oder mehr der Schule eingeschrieben hat (Ehrlich et al.

2013; Balfanz und Byrnes 2012). Angesichts der Tatsache, dass das Schuljahr zwischen 180 und 220 Tagen dauern kann, und da es etwa 20 bis 22 Unterrichtstage in einem Schulmonat gibt, implizieren diese beiden letztgenannten Definitionen, dass ein Schüler chronisch abwesend ist, wenn er zwischen 18 und 22 Tage pro Jahr (abhängig von der Länge des Schuljahres) oder mehr oder zwischen 2,0 und etwa 2,5 Tagen (oder mehr) pro Monat im Durchschnitt (unter der Annahme einer neunmonatigen Schule) vermisst. In unserer Analyse definieren wir, dass Schüler chronisch abwesend sind, wenn sie im letzten Monat drei oder mehr Schultage verpasst haben (die Gesamtzahl der Schüler, die „3–4“, „5–10“ oder „mehr als 10 Tage“ vermissen), und als extrem chronisch abwesend, wenn sie im letzten Monat „mehr als 10 Tage“ der Schule verpasst haben. Diese Kategorien sind nicht direkt mit Kategorien vergleichbar, die in Studien über Fehlzeiten pro Jahr verwendet werden oder alternative Definitionen oder Schwellenwerte verwenden. Wir analysieren die Daten für jede dieser „Tage abwesenden“ Gruppen gezielt separat, um ihre unterschiedlichen Merkmale und den Einfluss dieser Unterschiede auf die Leistung zu identifizieren. (Anhang Abbildung B und Anhang Tabelle 1 enthalten getrennte Ergebnisse für jede der Kategorien von Fehlzeiten.) Das Fehlen zufällig (MAR) tritt auf, wenn die Fehlart nicht zufällig ist, aber wenn die Fehlheit vollständig durch Variablen berücksichtigt werden kann, bei denen vollständige Informationen vorhanden sind. [7] Da MAR eine Annahme ist, die statistisch nicht überprüft werden kann, müssen wir uns auf ihre inhaltliche Angemessenheit verlassen. [8] Ein Beispiel ist, dass Männer weniger wahrscheinlich eine Depressionsumfrage ausfüllen, aber dies hat nichts mit ihrem Grad der Depression zu tun, nach Der Bilanz ierung von Männlichkeit. Je nach Analysemethode können diese Daten aufgrund der bedingten Leere der Zellen immer noch zu Parameterverzerrungen in Analysen führen (männliche, sehr hohe Depressionen können null Einträge haben). Wenn der Parameter jedoch mit der maximalen Wahrscheinlichkeit der vollständigen Informationen geschätzt wird, liefert MAR asymptotisch unvoreingenommene Schätzungen. [Zitat erforderlich] Jetzt sind Luo und Co weiter gegangen, um zu zeigen, wie maschinelle Übersetzung völlig verlorengegangene Sprachen entschlüsseln kann. Die Einschränkung, die sie verwenden, hat mit der Art und Weise zu tun, wie sich Sprachen im Laufe der Zeit entwickeln.

Zitat: Coertjens L, Donche V, De Maeyer S, Vanthournout G, Van Petegem P (2017) Inwieweit beeinflusst die Fehlende-Daten-Technik das geschätzte Wachstum der Lernstrategien im Laufe der Zeit? Ein Beispiel für die Sensitivitätsanalyse für Längsdaten. PLoS ONE 12(9): e0182615. doi.org/10.1371/journal.pone.0182615 Methoden, bei denen die verfügbaren Daten auf ein Dataset ohne fehlende Werte reduziert werden, gehören: Im Durchschnitt haben die Studierenden im Jahr 2015 jedoch keine mehr Tage als Studenten in der früheren Periode verpasst; durch einige Maßnahmen verpassten sie 2003 weniger Schulen als Kinder (Abbildung A, oberstes Panel).