Testkonstruktion und Testgüte

Die aktuelle Fassung der WayFi® Berufswahlanalyse wurde in mehreren Schritten von früheren Versionen ausgehend weiterentwickelt und psychometrisch optimiert. Dabei wurden wiederholt einzelne der 48 Text-Items und 36 Foto-Items ausgetauscht, die bei einer empirisch-statistischen Prüfung nicht eindeutig denjenigen faktorenanalytischen Dimensionen zugeordnet werden konnten, für die sie vorgesehen waren. So wurde nach zwei Phasen der psychometrischen Optimierung die aktuelle Fassung gewonnen, deren faktorielle Validität in einer neuen Stichprobe von Teilnehmenden empirisch-statistisch sichergestellt werden konnte.

Die dimensionale Struktur der WayFi® Berufswahlanalyse ist in Anhang 1 abgebildet. Wie sich zeigt, liessen sich in der Validierungsstichprobe die je 14 Items, die zu einem Interessengebiet gehören, faktorenanalytisch deutlich zu je einer gemeinsamen Dimension zuordnen und von den anderen Interessen-Dimensionen abgrenzen.¹ Dies zeigt sich daran, dass die Items eines Interessengebiets hohe Ladungen auf einem gemeinsamen Faktor und niedrige Ladungen auf den anderen Faktoren aufweisen.

Die Durchführungsobjektivität kann aufgrund der standardisierten Instruktion der Teilnehmenden und der computergestützten Prozedur als gegeben gelten. Die Messgenauigkeit der Skalen (d. h. die Reliabilität der je 14 Items zur Erfassung eines RIASEC-Interessengebiets) ist in Tabelle 2 ersichtlich. Die Koeffizienten für die interne Konsistenz der Skalen als Massstab für die Reliabilität (Cronbach Alpha) liegen im hohen bis sehr hohen Bereich.

Tabelle 2. Messgenauigkeit der psychometrischen Skalen der WayFi® Berufswahlanalyse

Interessengebiet	Messgenauigkeit/Reliabilität Cronbach Alpha (α)
handwerklich, praktisch	.92
analytisch, forschend	.96
gestalterisch, künstlerisch	.89
sozial, helfend	.94
unternehmerisch, leitend	.94
ordnend, verwaltend	.94

Anmerkung. N = 4106 Jugendliche (Alter: Mittelwert = 14.5, Standardabweichung = 1.1)

Footnotes

1. Wissenschaftliche Ergänzung: Der Eigenwerteverlauf der Hauptkomponentenanalyse legte die Extraktion von sechs Dimensionen nahe (Eigenwerte über 1.0 waren 16.5, 9.8, 9.58, 5.94, 4.92, 2.82, 1.69, 1.41, 1.28, 1.23, 1.05). Sechs Dimensionen wurden im Sinne des inhaltlichen Modells extrahiert und orthogonal rotiert nach dem Varimax-Kriterium. Die Lösung mit sechs Hauptkomponenten erklärte 59% der gesamten Kovarianz zwischen den Items. Die Faktorladungsmatrix ist in Anhang 1 dargestellt. ↩