8.3 Fazit Faktorenanalyse

8.3.3 Faktor Unkonventionell-Sein

Unkonventionell-Sein ist ein zentraler Aspekt, der betrachtet werden muss, um die selbsteingeschätzte Veränderung dieses Faktors im Rahmen des Design Thinking-Lernsettings zu analysieren. Daher wird als erstes eine Reliabilitätsanalyse für den Faktor Unkonventionell- Sein durchgeführt.

Test Gruppe Cronbachs Alpha Anzahl der Items

Pre Gruppe 1 0,730 5

Post Gruppe 1 0,594 5

Pre Gruppe 2 0,686 5

Post Gruppe 2 0,832 5

Tabelle 23: SPSS Output – Reliabilitätsstatistik Cronbachs Alpha - Faktor Unkonventionell-Sein (eigener Entwurf)

Das Cronbachs Alpha im Pre-Test bei Gruppe 1 sowie im Post-Test in Gruppe 2 liegen über dem Schwellenwert von 0,7. Die Werte aus dem Post-Test in Gruppe 1 (0,594) sowie im Pre- Test in Gruppe 2 (0,686) liegen jedoch unter dem empfohlenen Schwellenwert und sind daher in Tabelle 23 kenntlich gemacht.

Um die Signifikanz der Unterschiede der beiden Gruppen (Gruppe 1 und Gruppe 2) im Pre- und Post-Test zu ermitteln, wurde ein t-Test für abhängige Stichproben durchgeführt (Bortz & Schuster 2010; Eckstein 2016). Dazu wurde der Shapiro-Wilk Test herangezogen (Windhövel 2008). Die Differenz der Pre- und Post-Tesscores waren in Gruppe 1 gemäß dem Shapiro-Wilk Test normalverteilt (p = 0,724). Ebenso verhält es sich bei der Differenz der Pre- und Post- Tesscores von Gruppe 2 (p = 0,073) (Tabelle 24).

Kolmogorov-Smirnova Shapiro-Wilk

Statistik df Signifikanz Statistik df Signifikanz

Unkonventionell-Sein Differenz Gruppe 1 ,101 17 ,200* ,965 17 ,724 Unkonventionell-Sein Differenz Gruppe 2 ,193 16 ,113 ,897 16 ,073

*. Dies ist eine untere Grenze der echten Signifikanz. a. Signifikanzkorrektur nach Lilliefors

Tabelle 24: SPSS Output - Tests auf Normalverteilung Unkonventionell-Sein Differenz Gruppe 1 sowie Gruppe 2 (eigener Entwurf)

Im nächsten Schritt wurden die Boxplots auf Ausreißer untersucht. In beiden Gruppen sind keine Ausreißer vorhanden (vgl. Anhang).

9

Quantitative Datenauswertung

In diesem Abschnitt liegt der Fokus auf der Analyse der selbsteingeschätzten Veränderung der Kreativitätsfaktoren Neugierde, Unterscheidungs- und Trennvermögen / Zusammenhänge erkennen sowie Unkonventionell-Sein, die im Rahmen des Design Thinking-Lernsettings erfolgte. Dazu werden die drei Faktoren, die das Ergebnis der Faktorenanalyse darstellen, näher betrachtet. Dabei wird zuerst die Analyse für den Faktor Neugierde durchgeführt. Daran schließt sich die Analyse für den Faktor Unterscheidungs- und Trennvermögen / Zusammenhänge erkennen an. Als letztes wird der Faktor Unkonventionell-Sein näher betrachtet. Die Voraussetzungen für die Durchführung des gepaarten t-Tests wurden im vorherigen Kapitel geprüft. Da die Voraussetzungen erfüllt sind, kann der abhängige t-Test im Folgenden durchgeführt werden.

9.1

Faktor Neugierde

Für den Faktor Neugierde wird zuerst die deskriptive Statistik für die Variablen der abhängigen

Stichproben dargelegt (Tabelle 25).

Paar Test und Gruppe Mittelwert N Std.-Abweichung

Standardfehler des Mittelwertes 1 Pre-Test Gruppe 1 1,84 16 0,350 0,088 1 Post-Test Gruppe 1 1,91 16 0,275 0,069 2 Pre-Test Gruppe 2 2,36 16 0,561 0,140 2 Post-Test Gruppe 2 2,37 16 0,379 0,095

Tabelle 25: SPSS Output – Statistik bei abhängigen Stichproben – Faktor Neugierde (eigener Entwurf)

Das Augenmerk liegt dabei auf den Mittelwerten. In Gruppe 1 befindet sich der Mittelwert im Pre-Test bei 1,84 und im Post-Test derselben Gruppe bei 1,91. Der Mittelwert im Pre-Test bei Gruppe 2 liegt bei 2,36 und im Post-Test bei 2,37. Bei Gruppe 1 ist eine größere Veränderung des Mittelwertes von Pre- zu Post-Test vorhanden. Die graphische Darstellung der Werte kann Abbildung 17 entnommen werden. Dabei ist bei der Interpretation zu beachten, dass je kleiner die Mittelwerte sind, desto positiver ist die Selbsteinschätzung bezüglich des Faktors Neugierde ist.

Abbildung 17: Mittelwerte des Pre-Post-Tests – Faktor Neugierde (eigener Entwurf)

Im nächsten Schritt wird die Korrelation zwischen den Variablen dargelegt. Diese kann Tabelle 26 entnommen werden. Für Gruppe 1 eine Korrelation von r = 0,464 (p = 0,070, n = 16). Für Gruppe 2 ergibt sich aus Pre-Post-Test eine Korrelation von r = 0,551 (p = 0,027, n = 16).

Paar Test und Gruppe N Korrelation Signifikanz

1 Post-Test Gruppe 1 & Pre-Test Gruppe 1 16 ,464 ,070

2 Post-Test Gruppe 2 & Pre-Test Gruppe 2 16 ,551 ,027

Tabelle 26: SPSS Output – Korrelationen bei abhängigen Stichproben – Faktor Neugierde (eigener Entwurf)

Im nächsten Schritt werden die abhängigen Stichproben näher betrachtet. In Tabelle 27 werden die generierten Ergebnisse dargelegt.

Paar Gruppe Abhängige Differenzen - Mittelwert Abhängige Differenzen - Standard-

abweichung T df Sig. (2-seitig)

1 Gruppe 1 (Post- Pre) ,069 ,330 ,833 15 ,418

2 Gruppe 2 (Post- Pre) ,013 ,473 ,106 15 ,917

Tabelle 27: SPSS Output – Test bei abhängigen Stichproben – Faktor Neugierde (eigener Entwurf)

Dabei gilt immer t = empirische Prüfgröße t, df = Anzahl der Freiheitsgrade und Sig. (2-seitig) = p-Wert. 0 0,5 1 1,5 2 2,5

Mittelwert Gruppe 1 (TEKL > 119) Mittelwert Gruppe 2 (TEKL < 109)

In Gruppe 1 ergibt sich t(15) = 0,833, p = 0,418. Für Gruppe 2 t(15) = 0,106, p = 0,917. Damit sind beide Ergebnisse nicht signifikant, da die p-Werte jeweils größer als 0,05 sind. Eine ausführliche Diskussion, Interpretation und Einordung der Ergebnisse erfolgen in Kapitel 10. Die Angabe der statistischen Power und ihr Zusammenhang für die Bewertung von wissenschaftlichen Studien ist mittlerweile ein zentraler Aspekt. Daher wird auch in dieser Studie die statistische Power dargelegt. Vor allem da die Ergebnisse nicht signifikant waren, wurde im nächsten Schritt die Stichprobengröße für den abhängigen t-Test berechnet. In einem solchen Fall kann eine Power-Analyse Aufschluss darüber geben, wie viele Versuchsteilnehmer noch nötig gewesen wären, damit der Effekt, falls er existiert, ein signifikantes Ergebnis geliefert hätte (Neugebauer et al. 2011). Ziel ist es, eine hohe statistische Power zu erreichen, dabei wird häufig 0,8 als wünschenswert erachtet (Holling & Gediga 2016). Als Cohens dz wird 0,2 als Grenze für einen kleinen Effekt angegeben (Cohen 1988). Daher fließt dieser Wert in die Berechnung ein. Die Berechnung der Effektstärke erfolgte mittels des Kalkulationstools GPower. Bei einer Effektstärke von dz = 0,2 und einer Power von 0,8 wären 199 Versuchspersonen von Nöten, um ein signifikantes Ergebnis mit einem zweiseitigen abhängigen t-Test (α = 0,05) zu erhalten.

9.2

Faktor Unterscheidungs- und Trennvermögen / Zusammenhänge

Im Dokument Design Thinking und die Veränderung von Kreativität – im Kontext betrieblicher Anpassung an den Klimawandel (Seite 110-113)