Intelligenz und der Zusammenhang mit Schul-, Studiums- und Berufserfolg

Bachelorarbeit von Christian Schlatter

Intelligenz und der Zusammenhang mit

Schul-, Studiums- und Berufserfolg

Universität Basel

Institut für Psychologie

Abteilung Entwicklungs- und Persönlichkeitspsychologie

Prof. Dr. Alexander Grob

Betreuung: M. Sc. Giselle Reimann

Intelligenz, Schul-, Studiums- und Berufserfolg 2

Inhaltsverzeichnis

Zusammenfassung ....................................................................................................... 3

1 Einleitung................................................................................................................... 4

2 Theorie....................................................................................................................... 5

2.1 Über das Wesen der Intelligenz.................................................................................... 5

2.2 Das Intelligenzkonzept im Wandel: Von Galton über Binet zu Wechsler............................. 5

2.3 Der HAWIE als Mass um Intelligenz zu quantifizieren .................................................... 7

2.4 Der Nutzen von Intelligenztests................................................................................... 9

2.5 Die Hypothesen zum prädiktiven Wert der Intelligenz...................................................11

3 Zusammenfassende Darstellung des aktuellen Forschungsstandes......................12

3.1 Erste Hypothese: Intelligenz und der Erfolg in der Oberstufenschule stehen in einem

positiven Zusammenhang.............................................................................................12

3.2 Zweite Hypothese: Intelligenz und der Erfolg im Studium stehen in einem positiven

Zusammenhang. .........................................................................................................15

3.3 Dritte Hypothese: Intelligenz und der Erfolg im Beruf stehen in einem positiven

Zusammenhang...........................................................................................................19

4 Diskussion .............................................................................................................. 24

5 Literaturverzeichnis................................................................................................. 36

Anhang .......................................................................................................................42


Zusammenfassung

Die Intelligenzmessung ist deshalb so erfolgreich, weil sie zeigen konnte, dass sie

über externe Validität verfügt. Intelligenz lässt sich mit diversen Lebensereignissen

in Verbindung bringen. Insbesondere in der Oberstufenschule, im Studium und im

Beruf ist die Intelligenz von zentraler Bedeutung, weil sie teilweise Unterschiede in

der Leistung erklären kann. Die Prädiktionskraft der Intelligenz ist in der Oberstu-

fenschule am grössten. Im Studium ist die Prädiktionskraft geringer. Dies wird da-

mit erklärt, dass homogenere Stichproben, wie sie im universitären Kontext häufig

vorkommen, die Korrelation zwischen zwei Variabeln schmälern. Die wahre Prä-

diktionskraft der Intelligenz dürfte deshalb höher liegen. Nicht nur in der Oberstu-

fenschule und im Studium erwies sich Intelligenz als nützliches Instrument, sondern

auch in der Berufswelt. Intelligenz ist aber weitem nicht die einzige Variable, die

Leistungsunterschiede erklärt.

Die Auffassung, Intelligenz wäre eine in allen Lebensbereichen dominieren-

de Grösse kann nicht gestützt werden. Intelligenz ist bloss ein Instrument, das in

einer Gruppe schnell und einfach zwischen fähigen und weniger fähigen Personen

unterscheiden kann und deshalb nützlich für Schule, Studium und Beruf sein kann.


1 Einleitung

Wer intelligent ist, ist gut in der Schule. Wer an der Universität erfolgreich sein

will, muss intelligent sein. Im Beruf ist Intelligenz überhaupt nicht wichtig. Sol-

che Aussagen illustrieren den Umgang mit dem Intelligenzbegriff im Alltag. Sind

die Aussagen aber auch korrekt und widerspiegeln den aktuellen Wissensstand

der Persönlichkeitspsychologie? Oder sind sie schlicht weg falsch? Nach der Lek-

türe der vorliegenden Arbeit wird der Leser hoffentlich in der Lage sein, diese

Aussagen selbstständig nach ihrer Gültigkeit zu prüfen.

Damit dieses Ziel erreicht wird, soll im Rahmen des Theorieteils in das

Thema der Intelligenzforschung eingeführt werden. Es wird auf den Nutzen der

Intelligenz aufmerksam gemacht und den Theorieteil abschliessend, werden drei

Hypothesen formuliert. Diese bilden thematisch den Rahmen der Arbeit und

spannen über drei wichtige Lebensbereiche. Es wird postuliert, dass Intelligenz

und der Erfolg in der Oberstufenschule, im Studium und im Beruf in Zusammen-

hang stehen. Die Empirie scheint diese Hypothese zu stützen. Im letzten Kapitel

dieser Arbeit werden die positiven Befunde kritisch gewürdigt.


2 Theorie

Eines der Anliegen der Psychologie ist es, Vorhersagen über die Zukunft zu ermög-

lichen. Viele Psychologen sind der Auffassung, dass Intelligenz der beste Prädiktor

für Lebenserfolg im Westen ist (Sternberg, Grigorenko & Bundy, 2001). Aber was

ist Intelligenz? Und wie lässt sich Intelligenz messen?

Der Theorie-Abschnitt dieser Arbeit widmet sich diesen Fragen. Zuerst

wird auf die Schwierigkeit eingegangen Intelligenz zu definieren. Darauf folgt ein

kurzer geschichtlicher Abriss der Intelligenzforschung – mit der Absicht, dem

Leser den Intelligenzbegriff etwas näher zu bringen. Schliesslich wird exempla-

risch auf den Hamburg-Wechsler Intelligenztest eingegangen, der eines von vie-

len Instrumenten repräsentiert, mit denen Intelligenz quantifiziert werden kann.

Danach wird der vielfältige Nutzen von Intelligenz thematisiert und es

werden die drei Hypothesen präsentiert, mit denen sich der dritte Teil dieser Ar-

beit beschäftigen wird.

2.1 Über das Wesen der Intelligenz

Intelligenz ist eines der am besten untersuchten Konstrukte in der Persönlichkeits-

psychologie, und dennoch fällt es schwer eine einfache Definition von Intelligenz

zu liefern (Asendorpf, 2003). Die Frage, was Intelligenz genau ist, wurde unter-

schiedlich beantwortet und führte auch schon zu selbstreferenziellen Definitionen

wie „Intelligenz ist, was Intelligenztests messen“ (Boring, 1923). Diese Aussage

von Boring verweist auf den interessanten Umstand, dass Intelligenz psychomet-

risch erfasst wird und folglich operationalisiert werden muss. Insofern ist eine Intel-

ligenzdefinition an ihre Messung und Operationalisierung geknüpft. Und dass Intel-

ligenz im Verlauf der mehr als hundert jährigen Forschungstätigkeit unterschiedlich

gemessen wurde, zeigt ein kurzer Blick in die Geschichte der Intelligenzforschung.

2.2 Das Intelligenzkonzept im Wandel: Von Galton über Binet zu Wechsler

Die Ursprünge der Intelligenzforschung gehen zurück auf Francis Galton (Acker-

man, 1996; Asendorpf, 2003), der mit so genannten Sinnesprüfungen versuchte die

Intelligenz der Probanden zu bestimmen. Der Ansatz war aber nicht erfolgreich,


weil erwartete Zusammenhänge wie mit Studienerfolg äusserst gering waren (A-

sendorpf, 2003). 1904 erhielt Alfred Binet den Auftrag des französischen Bil-

dungsministers, Kinder mit Lernschwierigkeiten zu identifizieren. Binets Wahl der

Mittel war ein Intelligenztest. Er zweifelte daran, dass Intelligenz etwas mit Sinnes-

empfindungen zu tun habe und konstruierte zusammen mit seinem Schüler Simon

Aufgaben, die komplexere Fähigkeiten prüfen sollten (Siegler, DeLoache & Eisen-

berg, 2005). Dem Intelligenztest von Binet und Simon war denn auch mehr Erfolg

beschieden, schliesslich vermochte der Test jene Schüler zu identifizieren, die eine

Sonderbeschulung benötigten (Asendorpf, 2003). Darüber hinaus war der Test

jedoch bedingt brauchbar, weil er Mängel aufwies. So wurde der Test von Binet

einzeln und mündlich durchgeführt, sprich eine Untersuchungsperson liest dem zu

testenden Schüler die Fragen vor. Der Test lässt sich daher nicht in einer Gruppe

durchführen. Zudem wird vom Test implizit postuliert, dass die Intelligenz mit dem

Alter linear zunimmt, was sich als falsch erwiesen hatte (Carroll, 1997).

1939 publizierte David Wechsler The Measurement of Adult Intelligence

und beschrieb darin die Bellevue Intelligence Scales. Als Vorbild für diesen Test

diente Wechsler unter anderem der Test von Binet (Amelang, Schmidt-Atzert,

Fydrich & Moosburger, 2006). Wie Binet verstand auch Wechsler Intelligenz als

weitgefasste mentale Fähigkeit (Weinberg, 1989), die in ihrem Ganzen oder in ihren

Teilen betrachtet werden kann (Wechsler, 1939). Wechsler gehört damit jener

Gruppe von Psychologen an, die von einer allgemeinen Intelligenz g (von general

intelligence) ausgehen, die die Lösung aller geistigen Aufgaben beeinflusst (Siegler,

DeLoache & Eisenberg, 2005). In der vorliegenden Arbeit werden Intelligenz und g

synonym miteinander verwendet.

Andere Psychologen wie Thurstone (1938) und Gardner (1983) konzeptua-

lisierten Intelligenz als ein Konglomerat bestehend aus voneinander unabhängigen

spezifischen Fähigkeiten (Weinberg, 1989). Thurstone (1938) schlug ursprünglich

sieben Primärfaktoren vor, die alle voneinander unabhängig sein sollten – bei einer

Reanalyse der Daten von Spearman (1939) zeigte sich aber, dass alle sieben Fakto-

ren auf einen höheren Faktor g luden. Diese und andere Untersuchungen legen na-

he, dass Intelligenz hierarchisch organisiert ist, mit g an der Spitze (Kuncel, Hezlett


& Ones, 2004). Die Bellevue Intelligence Scale von Wechsler (1939) folgt dieser

hierarchischen Organisation der Intelligenz. Wechsler verstand Intelligenz als globa-

le Fähigkeit eines Individuums, um effektiv mit der Umwelt zu interagieren. Auf die

eingangs gestellte Frage nach dem Wesen der Intelligenz, könnte folgende Aussage

von Wechsler (1939) als Antwort angeführt werden:

Intelligence is the aggregate or global capacity of the individual to act

purposefully, to think rationally and to deal effectively with his envi-

ronment. It is global because it characterizes the individual’s behavior

as a whole; it is an aggregate because it is composed of elements or abi-

lities which, though not entirely independent, are qualitatively differen-

tiable. By measurement of these abilities, we ultimately evaluate intelli-

gence. (S. 3)

Die Bellevue Intelligence Scale wurde mehrfach revidiert und mündete schliesslich

in den Hamburg-Wechsler Intelligenztest für Erwachsene (HAWIE)1, auf den im

folgenden Abschnitt genauer eingegangen wird.

2.3 Der HAWIE als Mass um Intelligenz zu quantifizieren

Der Hamburg-Wechsler Intelligenztest hat eine weite Verbreitung gefunden und

gehört zu den am häufigsten eingesetzten Leistungstests (Amelang et al., 2006),

weshalb er hier exemplarisch dargestelt wird. Den Test gibt es in drei verschiedenen

Ausführungen für jeweils drei verschiedene Altersgruppen. Es gibt ihn für Kinder

ab vier Jahren (HAWIVA-R), für Schulkinder (HAWIK-IV) und für Erwachsene

(HAWIE-III). Der Hamburg-Wechsler Intelligenztest für Erwachsene, der jetzt im

Fokus sein soll, unterscheidet zwischen sprachgebundenen und sprachunabhängi-

gen Aufgaben. Es lässt sich entsprechend ein verbaler und ein nichtverbaler IQ er-

mitteln (Asendorpf, 2003). Der Verbalteil besteht aus sechs Subtests (z. B. allge-

meines Wissen, Zahlennachsprechen) und der nichtverbale Teil oder auch Hand-

lungsteil besteht aus fünf Subtests (z. B. Bilderergänzen, Bilderordnen) – der Test

1 Der HAWIE ist die deutschsprachige Version des englischsprachigen WAIS (Wechsler Adult Intel-

ligence Scales). Die Englischsprachige Version für Kinder heisst WISC (Wechsler Intelligence Scales

for Children).


besteht folglich aus total 11 Untertests. Die folgende Tabelle 1 gibt einen Überblick

der verschiedenen Subskalen und illustriert die Art der Aufgaben.

Tabelle 1

Aufgaben aus dem Wechsler-Test für Erwachsene (HAWIE-R) (Nach Tewes, 1991)

Skala Beispiel einer mittelschweren Aufgabe

Allgemeines Wissen Was ist der Koran?

Zahlen nachsprechen Die Zahlen 6-1-9-4-7-3 vorwärts und rückwärts

nachsprechen

Wortschatztest Die Bedeutung des Wortes »Parlament« erklären

Rechnerisches Denken 2 Bananen kosten 31 Pfennige. Wie viel müssen Sie

für ein Dutzend Bananen bezahlen?

Allgemeines Verständnis 2 Begründungen für das gesetzliche Arbeitsverbot

für Kinder geben

Gemeinsamkeiten finden Was haben Auge und Ohr gemeinsam?

Bilderergänzen Herausfinden, dass bei einer Brillen-Zeichnung der

Nasenbügel fehlt

Bilderordnen Bilder so ordnen, dass sich daraus eine sinnvolle

Geschichte ergibt

Mosaiktest Die Teile eines Mosaiks nach einem Vorbild richtig

anordnen

Figurenlegen Ein Puzzle aus 7 Teilen innerhalb von 35 Sekunden

zusammensetzen

Zahlen-Symbol-Test Innerhalb von 90 Sekunden möglichst viele Symbo-

le zu Zahlen nach einer Zahl-Symbol-Liste zuordnen

Anmerkung. Die Tabelle stammt aus dem Lehrbuch Psychologie der Persönlichkeit von

Asendorpf (2003).


Der HAWIE ist insofern ein aktuelles Messinstrument für Intelligenz, als dass er

aus positiv korrelierten Untertests besteht, die es einerseits ermöglichen ein akkura-

tes Intelligenzprofil einer Testperson zu erstellen, und andererseits ermöglicht der

Test die allgemeine Intelligenz g zu erfassen. Das dabei verwendete Mass ist der

Intelligenzquotient (IQ). Die IQ-Verteilung einer Population gleicht einer Normal-

verteilung und per Definition sind der Mittelwert (M) 100 und die Standardabwei-

chung (SD) 15.

2.4 Der Nutzen von Intelligenztests

Die menschliche Intelligenz mag aus multiplen, voneinander unabhängigen Intelli-

genzen wie bei Thurstone (1938) oder jüngeren Datums Gardner (1983) bestehen.

Sie mag aber auch eine umfassende mentale Fähigkeit wie bei Wechsler (1939) sein

– die Intelligenzmessung wäre kaum populär geworden, hätte sie sich nicht als nütz-

lich erwiesen. Bereits Binet (1904) verfolgte mit der Entwicklung einer Intelligenz-

skala ein klares Ziel:

Our purpose is to be able to measure the intellectual capacity of a child

who is brought to us in order to know whether he is normal or retarded.

(S. 412)

Intelligenztests können mittlerweile nicht nur zwischen normalen oder zurückge-

bliebenen Kindern diskriminieren. Sie eigenen sich auch als Prädiktor für Erfolg in

der westlichen Kultur (Sternberg et al., 2001). Intelligenztests sind nach Weinberg

(1989) so erfolgreich, weil sie Voraussagen über die Leistung in der Schule und im

Beruf ermöglichen. Dies mag insofern überraschen, als häufig angenommen wird,

dass sich die Fähigkeiten, um im Beruf erfolgreich zu sein, grundlegend von jenen

in der Schule unterscheiden. Die Empirie stützt diese Ansicht nicht und liefert Hin-

weise, dass die Intelligenz auch im Zusammenhang mit dem Berufserfolg steht

(Kuncel, Hezlett & Ones, 2004; Schmidt & Hunter, 2004). Die Wechselbeziehun-

gen zwischen Erfolg im Beruf und in der Schule sind so eng, dass sogar ein Test,

der explizit dazu entwickelt worden ist akademische Leistung vorherzusagen, valide

Aussagen über den Erfolg im Beruf machen kann. Intelligenz ist nicht nur ein guter

Prädiktor für akademischen und beruflichen Erfolg, sondern ebenfalls dafür geeig-

net das Karrierepotential und die Kreativität einer Testperson zu evaluieren (Kuncel,


Hezlett & Ones, 2004). Die Voraussagekraft des IQ’s wird sogar noch eindrückli-

cher – der gemessene IQ im Alter von 11 Jahren sagt die Mortalität und die funkti-

onale Unabhängigkeit über 60 Jahre später voraus (Deary et al., 2004; Gottfredson

& Deary, 2004). Scheinbar steht die kognitive Kompetenz in Zusammenhang über

das Leben hinweg gesund zu sein. Sogar in der Prävention von Autounfällen

scheint sie nützlich zu sein. O’Toole (1990) stellte fest, dass Männer mit einem IQ

etwas unterhalb des Durchschnitts (IQ 85-100) zweimal häufiger tödlich verunfall-

ten als Männer mit einem IQ etwas über 100 (IQ 100-115). O’Toole (1990) mut-

masste, dass weniger intelligente Männer grössere Schwierigkeiten hatten das Risi-

ko einzuschätzen.

Die durch einen Intelligenztests ermittelte Intelligenzleistung scheint tatsäch-

lich diverse Aussagen über unterschiedlichste Aspekte des Lebens zu ermöglichen.

Gottfredson meinte denn auch einführend zu ihrem Artikel Life, Death, and Intelli-

gence: „General intelligence (g) is a highly practical ability that affects personal

well-being in many aspects of life“ (Gottfredson, 2002, S. 1).

Intelligenztests mögen vielleicht nicht die Ganzheit menschlichen Denkens

erfassen und zu reduktionistisch erscheinen, sie erweisen sich jedoch als äusserst

nützliche Instrumente. In dieser Arbeit wird nun untersucht, in welchem Ausmass

Intelligenz die Leistung in der Oberstufenschule, dem Studium und später im Beruf

erklärt.


2.5 Die Hypothesen zum prädiktiven Wert der Intelligenz

In der vorliegenden Arbeit sollen folgende drei Hypothesen in Zusammenhang mit

dem prädiktiven Wert der Intelligenz untersucht werden:

Hypothese 1: Intelligenz und der Erfolg in der Oberstufenschule stehen in

einem positiven Zusammenhang.

Hypothese 2: Intelligenz und der Erfolg im Studium stehen in einem positi-

ven Zusammenhang.

Hypothese 3: Intelligenz und der Erfolg im Beruf stehen in einem positiven

Zusammenhang.


3 Zusammenfassende Darstellung des aktuellen Forschungsstandes

Im folgenden Abschnitt wird auf die drei zuvor aufgestellten Hypothesen eingegan-

gen. Zu jeder Hypothese werden aktuelle Studien referiert.

3.1 Erste Hypothese: Intelligenz und der Erfolg in der Oberstufenschule stehen in

einem positiven Zusammenhang.

Binet entwickelte einen Intelligenztest, um Aussagen über den Schulerfolg machen

zu können. Insofern erstaunt es nicht, dass aktuelle Intelligenztests mit der Schul-

leistung in Zusammenhang stehen. Intelligenz ist jedoch bei weitem nicht die einzige

Grösse, die Einfluss auf die Leistung in der Schule nimmt. Und so mangelt es auch

gar nicht an weiteren Hypothesen in der Literatur. Gerne wird der Einfluss von den

Big Five Persönlichkeitsvariabeln auf die Schulleistungen untersucht (Chamorro-

Premuzic & Furnham, 2003; Freudenthaler, Spinath & Neubauer, 2008). Trotzdem,

als einer der stärksten Einflussfaktoren auf die Schulleistung gilt nach wie vor der

mittels Intelligenztests erhobene Intelligenzwert, wie in der Folge fünf Studien dar-

legen.

Furnham und Monsen (2009) verfügten über die Daten von Schülern aus

zwei aufnahmepflichtigen Oberstufenschulen aus dem Südosten Englands. Die

Stichprobengrösste variierte um N = 250, da es zu fehlenden Daten (missing va-

lues) kam. 37.7% der Schüler waren 15 Jahre alt und 62.3% waren 16 Jahre alt. Die

abhängige Variable Schulleistung wurde über ein nationales und standardisiertes

Examen operationalisiert. Die obligatorisch geprüften Fächer dieses Examens um-

fassten Englische Sprache, Englische Literatur, Mathematik und Naturwissenschaf-

ten. Daneben wurden noch Wahlpflichtfächer geprüft. Vier Monate vor der erwähn-

ten nationalen Prüfung wurden die Schüler auf ihre Intelligenz mit dem Wonderlic

Personnel Test (WPT; Wonderlic, 1992) geprüft. Der Test stellt ein reliables Mass

für g dar, auch wenn er bloss 12 Minuten dauert. Neben dem WPT, der eher ein

Mass für die kristalline Intelligenz darstellt, wurde noch der Baddeley Reasoning

Test (Baddeley, 1960) durchgeführt, der die fluide Intelligenz misst.

Eine Regressionsanalyse der Daten brachte für den WPT und die vier ver-

schiedenen Schulfächer folgende Varianzaufklärungen hervor: Englische Sprache


R2 = .16, Englische Literatur R2 = .09, Mathematik R2 = .18 und Naturwissenschaf-

ten R2 = .16. Die Resultate waren alle auf dem 0.1%-Niveau signifikant. Die Vari-

anzaufklärung des WPT betrug für die vier erwähnten Fächer bis zu 18%. Insbe-

sondere die Leistungen in den Naturwissenschaftlichen Fächern liessen sich stark

durch g erklären. Für geisteswissenschaftliche Fächer traf das nicht zu; sie wurden

stärker vom Persönlichkeitsmerkmal Gewissenhaftigkeit als von g beeinflusst.

Es lässt sich zusammenfassend festhalten, dass gemäss dieser ersten Studie

von Furnham und Monsen (2009) Intelligenz klar in einer logischen und positiven

Beziehung mit den erreichten Prüfungsresultaten steht, womit sich die eingangs

aufgestellte Hypothese stützen lässt. Auch die folgende Studie von Freudenthaler,

Spinath und Neubauer (2008) gelangt zu vergleichbaren Erkenntnissen.

Freudenthaler et al. (2008) untersuchten insgesamt 1353 österreichische

Schüler im Durchschnittsalter von 13.74 Jahren; das Alter bewegte sich im Spekt-

rum von 13 bis 16 Jahren. Wieder wurde der schulische Erfolg in der Oberstufen-

schule über die abhängige Variable Notendurchschnitt gemessen. Die Schüler be-

richteten selbst ihre Noten aus dem vorigen Jahr in den Fächern Deutsch, Englisch

und Mathematik. Für die Auswertung der Daten wurde eine Faktorenanalyse der

drei Noten durchgeführt. Alle drei Leistungspunkte luden stark auf den entstande-

nen Faktor, der in der Folge als Kriteriumsvariable verwendet wurde. Damit das

Alter nicht allenfalls die erhobenen Messvariabeln stören konnte, wurden die Mess-

resultate um das Alter korrigiert. Die Intelligenz der Schüler wurde mit dem ISA

(Intelligenz-Struktur-Analyse) von Blum et al. (1998) erhoben. Aus ökonomischen

Gründen wurde jeweils ein Subtest aus drei unterschiedlichen Domänen ausge-

wählt. Im Bereich verbale Intelligenz wurde der Subtest „Gemeinsamkeiten“ finden,

im Bereich numerische Intelligenz der Subtest „Zahlenreihe fortsetzen“ und im Be-

reich visuell-räumliche Intelligenz wurde der Subtest „Figuren zusammensetzen“

verwendet. Aus diesen drei Tests wurde ein allgemeiner Intelligenzwert g errechnet.

Weil Freudenthaler et al. (2008) sich für Leistungsunterschiede zwischen

den Geschlechtern interessierten, wurde keine Regressionsanalyse durchgeführt, die

die beiden Stichproben der Knaben und Mädchen gleichzeitig berücksichtigen. In

der Gruppe der Knaben konnte Intelligenz 23.9% (p < .001) der Notenvarianz er-


klären; bei den Mädchen lag der Wert bei 22.6% (p < .001). Für beide Geschlechter

konnte keine der anderen erhobenen Messgrössen mehr Varianz aufklären als Intel-

ligenz.

Die vorhergehende Studie von Freudenthaler et. al (2008) war querschnitt-

lich angelegt. Auf inhaltlicher Ebene konnte bei der Studie von Freudenthaler et al.

(2008) ein Zusammenhang zwischen Intelligenz und Schulleistung postuliert wer-

den. Auf statistischer Ebene wurde auch die Richtung des Zusammenhangs be-

stimmt. Damit dies auf inhaltlicher Ebene ebenfalls möglich wird, sind längsschnitt-

liche Studien wie jene von Deary, Strand, Smith und Fernandes (2007) notwendig.

Deary et al. (2007) prüften die Kinder im Alter von 11 Jahren auf ihre Intelligenz,

und fünf Jahre später im Alter von 16 Jahren legten die Schüler ein standardisiertes

Examen ab. Kausalaussagen, im Sinne von Intelligenz erklärt zukünftige Leistungs-

unterschiede, lassen sich durch solche Forschungsdesigns eher rechtfertigen. Die

Stichprobe umfasste insgesamt N = 74’403 Schüler, die alle eine staatliche Oberstu-

fenschule besuchten; dies im Gegensatz zur Studie von Furnham & Monsen

(2009), in der es vermutlich private, zumindest aber aufnahmepflichtige Schulen

waren. Um die Intelligenz der Schüler zu erfassen, wurde der CAT2E (Cognitive

Abilities Test, die zweite Ausführung; Thorndike, Hagen & France, 1986) verwen-

det. Die Testwerte aus drei Batterien des CAT2E’s wurden faktorenanalysiert und

es ergab sich ein Faktor g, der 69.6% der Varianz in den drei Testbatterien erklärte.

Die Schulleistungen wurden wie in der Studie von Furnham und Monsen (2009)

über ein in England national stattfindendes Examen operationalisiert (in beiden Fäl-

len handelt es sich um das GCSE).

Die Hypothese, dass Intelligenz und die Schulleistung in der Oberstufen-

schule in einem positiven und logischen Zusammenhang stehen, konnten Deary et

al. (2007) bestätigen. Eine lineare Regressionsanalyse angewandt auf die Notenwer-

te mit g als Prädiktorvariable ergab folgende Resultate: Englische Sprache R2 = .48,

Englische Literatur R2 = .38, Mathematik R2 = .59, Physik R2 = .24, Chemie R2 =

.21 und Biologie R2 = .26. Die Verteilung des Notendurchschnitts in diesem Ex-

amen liess sich zu 49.2% durch g erklären. Die Resultate waren alle auf dem 1%-

Niveau signifikant. Insgesamt klärt g einen beträchtlichen Teil der Varianz in der


Notenverteilung der verschiedenen Fächer auf. Die Varianzaufklärung durch g ist

im Fach Mathematik mit 58.9% am stärksten; im Fach Kunst und Design ist der

Beitrag von g mit 18.2% am niedrigsten.

Die Varianzaufklärung von g ist aber durchaus nicht immer so hoch, wie

von den bisherigen und insbesondere der letzten Studie berichtet. Di Fabio und Pa-

lazzeschi (2009) berichten von einer Varianzaufklärung durch g von 10% (p <

.001). Die Autoren untersuchten den Einfluss der (fluiden) Intelligenz auf die

Schulleistung in einer italienischen Oberstufenschule. Die Stichprobe bestand aus

124 Oberstufenschülern, die die letzten zwei Jahre ihrer Schulzeit noch vor sich

hatten. Das Alter der untersuchten Schüler reichte von 16 bis 20 Jahren (M =

17.49). Die Intelligenz der Schüler wurde mit dem Advanced Progressive Matrices

(APM) von Raven (1962) getestet. Der Test wurde kollektiv im Klassenzimmer

durchgeführt. Um den schulischen Erfolg zu evaluieren wurde der Notendurch-

schnitt am Ende des ersten Quadrimesters der Schüler verwendet.

Ziegler, Knogler und Bühner (2009) berichten sogar von einer noch tieferen

Varianzaufklärung durch g in ihrer Stichprobe als Di Fabio und Palazzeschi (2009).

Ziegler et al. (2009) untersuchten 271 Psychologiestudenten, deren Medianalter bei

20 Jahren lag. Der Abiturnotendurchschnitt der Stichprobe galt den Autoren als

Kriteriumsvariable. Die Intelligenz der Studenten wurde mit dem Intelligenz-

Struktur-Test-2000-R (Amthauer, Brocke, Liepman & Beauducel, 2001) erhoben.

Eine hierarchische Regressionsanalyse brachte für g eine Varianzaufklärung von

insgesamt 5% (p < .001) hervor. Damit klärte g mehr Varianz auf als das Persön-

lichkeitsmerkmal Gewissenhaftigkeit und war somit der stärkste Prädiktor für den

Abiturnotendurchschnitt.

Die Hypothese, dass Intelligenz und der Erfolg in der Oberstufenschule in

einem positiven Zusammenhang stehen, lässt sich nach der Lektüre dieser fünf Un-

tersuchungen eindeutig bestätigen.

3.2 Zweite Hypothese: Intelligenz und der Erfolg im Studium stehen in einem posi-

tiven Zusammenhang.

Wenn zusätzliche Intelligenzleistung in der Schule einen Vorteil bietet, dann könnte

dies doch auch im Studium der Fall sein? Über ausreichend Intelligenz zu verfügen


ist womöglich gar eine Vorbedingung für die Zulassung in einen Studiengang. An

amerikanischen Universitäten entscheidet zu einem beträchtlichen Teil die erreichte

Punktzahl bei sogenannten Leistungstests wie dem SAT (Scholactic Aptitude Test)

und dem ACT (American College Testing), ob ein Bewerbungskandidat für ein

Studium aufgenommen wird oder nicht. Auch wenn dies von den Herstellern dieser

Tests nicht so kommuniziert wird, für gewisse Autoren sind solche Tests eng mit

Intelligenztests verwandt (Koenig, Frey & Detterman, 2008). So betrachtet filtern

amerikanische Universitäten die Bewerber nach deren Intelligenz filtern; womöglich

in der Hoffnung, dass intelligentere Studenten bessere Leistungen erbringen.

In diesem Kapitel soll der Frage nachgegangen werden, ob Intelligenz ein

geeignetes Mass ist um Studienerfolg vorherzusagen, bzw. in welchem Umfang

Intelligenz Studienerfolg erklären kann. Nach der Lektüre dieses Unterkapitels lässt

sich vielleicht auch eher beurteilen, inwiefern Intelligenztests Universitäten als Fil-

terkriterium ihrer Bewerber dienlich sein könnten.

Furnham und Chamorro-Premuzic (2004) untersuchten in einer

längsschnittlich angelegten Studie den Einfluss von kognitiven Fähigkeiten auf die

Leistungen in zwei Statistikprüfungen. 91 Studenten wurden zu diesem Zweck un-

tersucht, das Alter der Studenten reichte von 18 bis 25 Jahren und hatte einen

Durchschnittswert von M = 19.7. Die Intelligenztestung der Studenten erfolgte an-

fangs des Studienjahres während einführender Vorlesungen. Intelligenz wurde un-

ter anderem mittels dem Wonderlic Personnel Test (Wonderlic, 1992), dem S&M

Test of Mental Rotation Ability (Philips & Rawles, 1979), einem Test für das Vor-

stellungsvermögen, und dem AH5 (Part 1) (Heim, Watts & Simmonds, 1970), ei-

nem Test für sprachliche und räumliche Fähigkeiten, erhoben. Sieben Monate später

absolvierten die Studierenden zwei Statistikprüfungen, aus denen eine durchschnitt-

liche Statistiknote errechnet wurde.

Eine Regressionsanalyse der Daten zeigte, dass die durchschnittliche Statis-

tiknote nicht durch g vohergesagt werden konnte. Insgesamt konnten die kognitiven

Fähigkeiten rund 3% der Varianz in der Gesamtleistung des Statistiktexamens er-

klären; es kann aber nicht mit ausreichender Wahrscheinlichkeit behauptet werden,

dass dieses Resultat nicht zufällig zustande kam. Einzig die Notenvarianz aus der


ersten Statistikprüfung liess sich zu 11% (p < .01) durch den Wonderlic Personnel

Test erklären.

Auch wenn Furnham und Chamorro-Premuzic (2004) durch g nicht die

Statistikdurchschnittsnote vorhersagen konnten, fanden sie durchaus Hinweise dar-

auf, dass ein möglicher Zusammenhang zwischen Intelligenz und späterer Leistung

besteht, wie dies im Fall der ersten Statistikteilprüfung gezeigt werden konnte. Den-

noch ist das Resultat dieser ersten Studie ernüchternd, schliesslich bewegt sich die

Prädiktionskraft der Intelligenzmasse nahe null Prozent.

Vier Jahre später untersuchten dieselben Autoren (Chamorro-Premuzic &

Furnham, 2008) erneut eine vergleichbare Stichprobe (N = 137, nach Ausschluss

der Missing Values) und fragten nach dem Einfluss der Intelligenz auf die Leistun-

gen in sechs Prüfungen. Das Alter der Studierenden reichte von 18 bis 21 Jahren;

das Durchschnittsalter der Stichprobe lag bei M = 19.21 Jahren. Auch diese Stu-

dentengruppe wurde mit dem Wonderlic Personnel Test (Wonderlic, 1992) und

zusätzlich mit dem Baddeley Reasoning Test (Baddeley, 1968) auf ihre Intelligenz

geprüft. Ein Jahr nach der Erhebung der Messresultate, legten die Studierenden

sechs Prüfungen ab, aus denen eine Durchschnittsnote errechnet wurde, die als Kri-

teriumsvariable diente. Es ist allerdings nicht bekannt, in welchen Fächern die Prü-

fungen abgelegt wurden.

Eine hierarchische Regressionsanalyse ergab, dass 6% (p < .05) der Varianz

in der Notendurchschnittsverteilung durch den Baddeley Reasoning Test (Baddeley,

1968) erklärt werden konnte. Der Wonderlic Personnel Test (Wonderlic, 1992)

erwies sich als nicht signifikant.

Es lässt sich mit Blick auf die beiden Studien von Furnham und Chamorro-

Premuzic (2004) und Chamorro-Premuzic und Furnham (2008) zusammenfassend

festhalten, dass g durchaus zu einem gewissen Anteil spätere akademische Leistung

auf universitärer Stufe vorhersagen kann. In beiden Studien erwies sich aber die

Persönlichkeitseigenschaft Gewissenhaftigkeit als die gewichtigere Prädiktorvari-

able. Während die beiden vorhergehenden Autoren die Kriteriumsvariable in unter-

schiedlichen Graden aggregierten, betrachteten Lounsbury, Sundstrom, Loveland


und Gibson (2003) den Einfluss der Intelligenz auf einen nicht gemittelten Leis-

tungswert.

Der stets gleiche Professor unterrichtete jährlich einen Kurs in Testpsycho-

logie. Im Rahmen dieser Lehrveranstaltung wurden die unabhängigen Variabeln

erhoben. Die kognitive Leistungsfähigkeit g wurde mit dem Otis-Lennon Test of

Mental Maturity (Otis & Lennon, 1969) erhoben. Die Leistungsbeurteilung in Form

einer Abschlussnote der Lehrveranstaltung diente als abhängige Variable. Über den

Zeitraum von fünf Jahren nahmen insgesamt N = 175 Studierende an diesem Feld-

versuch teil. Das Durchschnittsalter der Stichprobe lag bei M = 22.7 Jahren.

Eine Regression von g auf die Note der Lehrveranstaltung ergab einen Kor-

relationskoeffizienten von R = .401 (p < .01). Damit erklärte g 16% der Varianz in

der Notenverteilung der Stichprobe und war damit die bedeutenste Prädiktorvariable

neben allen sonst noch erhobenen Variabeln wie die Big Five-

Persönlichkeitsmerkmale und Work Drive. Entsprechend ist der Einfluss auf die

akademische Leistung von Intelligenz bei Lounsbury et al. (2003) gewichtiger als

bei den vorangegangenen Studien.

Dieses Unterkapitel schliesst eine Metaanalyse von Poropat (2009) ab, die

zwar die Big Five-Persönlichkeitsvariabeln ins Zentrum stellte, aber so aktuell ist,

dass sie deswegen nicht ausgelassen werden sollte. Intelligenz wurde in k = 47

Stichproben als Kontrollvariable mit erhoben, wovon 26 mit Daten von Studenten

operierten (weitere 4 Stichproben bestanden aus Primarschülern und 17 Stichpro-

ben aus Oberstufenschülern). Die aggregierte Stichprobengrösse lag bei N =

31'955. Die Prädiktorvariable Intelligenz wurde über SAT- und ACT-Werte opera-

tionalisiert. Beide Masse gelten als valide Instrumente um g zu erfassen (Frey &

Detterman, 2004; Jackson & Rushton, 2006; Koenig, Frey & Detterman, 2008).

Alle in der Metaanalyse eingeschlossenen Studien erfassten die abhängige Variable

akademische Leistung über den Notendurchschnitt.

Eine multiple Regressionsanalyse ergab, dass Intelligenz insgesamt 22% (p

< .001) der Varianz im Notendurchschnitt erklärte, und zwar zusammengefasst über

alle drei Ausbildungsstufen. Die Stichproben gewichtete Korrelation korrigiert um


die Skalenreliabilität lag für die Gruppe der Studierenden bei r = .23, was einer Va-

rianzaufklärung von 5% entspräche.

Es lässt sich abschliessend festhalten, dass g in Zusammenhang mit dem aka-

demischen Erfolg, bzw. dem Erfolg im Studium gebracht werden kann. Unklar ist

bloss, wie stark der Zusammenhang ist, denn die Varianzaufklärung variierte be-

deutsam über die vier präsentierten Studien. Die Frage also, inwiefern Intelligenz-

tests ein geeignetes Mass darstellen um erfolgreiche von weniger erfolgreichen Stu-

dierenden zu unterscheiden, lässt sich nicht eindeutig beantworten.

3.3 Dritte Hypothese: Intelligenz und der Erfolg im Beruf stehen in einem positiven

Zusammenhang.

In einer Übersichtsarbeit von Chamorro-Premuzic und Furnham (2005) beschrei-

ben die Autoren den Einfluss der Intelligenzmessung auf die Arbeitswelt folgen-

dermassen:

Altough intelligence tests were created to predict academic success in

children (Binet, 1903; see also chap. 3), their popularity and accuracy

quickly transformed them into effective business tools. In essence, the

prediction of an individual’s success in the workplace is not substanti-

ally different from that in academic settings. (S. 85)

Laut Autoren sind Intelligenztests nicht nur im schulischen Kontext nützlich, sie

erweisen sich ebenso im beruflichen Umfeld als hilfreich. Intelligenztests seien zu

Business Tools geworden und können den Erfolg des Individuums am Arbeitsplatz

vorhersagen. Das schulische und berufliche Umfeld scheint mehr miteinander zu

verbinden als zu trennen. Dennoch sind nicht nur Laien, sondern auch Sozialwis-

senschaftler häufig der Ansicht, dass sich die Fähigkeiten, um in Beruf und Schule

erfolgreich zu sein, voneinander unterscheiden; auch wenn diese These nicht durch

die Empirie gestützt werden kann (Kuncel, Hezlett & Ones, 2004). Im folgenden

Teil der Arbeit werden Studien präsentiert, die der Frage nachgingen, wie eng Intel-

ligenz und der berufliche Erfolg zusammenhängen.

In einer gross angelegten Metaanalyse von Schmidt und Hunter (2004) be-

schäftigten sich die Autoren mit der Frage, inwiefern Intelligenz und der später er-


reichte Berufsstand und die Leistung innerhalb des gewählten Berufes zusammen-

hängen. Die Autoren konsultierten unter anderem folgende Studien: Harrell und

Harrell (1945) untersuchten die Daten von 18'782 Armeeangehörigen der Army Air

Force Command, deren Intelligenz und Berufsstand erfasst wurde. Harrell und Har-

rell (1945) fanden heraus, dass der durchschnittliche Intelligenzwert mit zunehmen-

dem Berufsstand (occupational level) steigt. So lag beispielsweise der Durch-

schnittswert eines Chauffeurs bei M = 100.8, derjenige eines Buchhalters um fast

zwei Standardabweichungen darüber bei M = 128.1. Schmidt und Hunter (2004)

referenzierten ausserdem Jensen (1998, S. 293), der aufzeigen konnte, dass die

Rangreihe von Berufen geordnet nach Prestige stark mit dem Durchschnittswert

von g innerhalb der Berufsgruppe korrelierte, und zwar zwischen r = .90 und r =

.95. Aufgrund dieser und weiterer Forschungsbeiträge, kamen die Autoren zum

Schluss, dass Intelligenz und der Erfolg im Beruf zusammenhängen. Wie dieser

Zusammenhang zustande kommt und ob einer der beiden Faktoren den anderen

bedingt, ist damit noch nicht gesagt.

Neben Querschnittsstudien stiessen Schmidt und Hunter (2004) auch auf

einige Längsschnittstudien. Solche Studien sind insofern wichtig, als dass sie nicht

bloss Zusammenhänge verdeutlichen, sondern den Einfluss der Intelligenz über die

Zeit untersuchen. Eine dieser Längsschnittstudien ist jene von Judge, Higgins, Tho-

resen und Barrick (1999), die sich fragten zu welchen Anteilen Intelligenz den

extrinsischen Karriereerfolg erklären kann. Im Gegensatz zum intrinsischen Karrie-

reerfolg, bei dem nach der Zufriedenheit des Arbeitnehmers gefragt wird (Gattiker

& Larwood, 1988), stellt der extrinsische Karriereerfolg ein weniger subjektives

Mass dar, dass der Beobachtung eher zugänglich ist und relativ objektiv ist wie

beispielsweise Salär und Berufsstatus (Jaskolka, Beyer & Trice, 1985). Die Pro-

banden dieser Studie wurden zu fünf verschiedenen Zeitpunkten getestet: Die ersten

Messungen wurden im Kindesalter durchgeführt und die letzte Follow-Up-

Untersuchung fand im Pensionierungsalter statt. In die Auswertung der Daten wur-

den jene Teilnehmer eingeschlossen, für die mindestens zu einem Zeitpunkt der

Messung alle Persönlichkeitsmasse vorlagen; das waren N = 354. Die Intelligenz

wurde im Kindesalter mit dem Standford-Binet Intelligenztest und im Erwachse-


nenalter mit der Wechsler Adult Intelligence Sacle (WAIS) erfasst. Der extrinsische

Karriereerfolg wurde über das jährlich zu versteuernde Einkommen und den Be-

rufsstatus operationalisiert. Der Berufsstatus wurde mit dem Hollingshead Index of

Social Position (Hollingshead, 1975) gemessen.

Es zeigt sich, dass Judge et al. (1999) zu vergleichbaren Befunden wie Har-

rell und Harrell (1945) und Jensen (1998) kamen. Der extrinsische Karriereerfolg

wurde zu 28% von g im Kindesalter erklärt. Der Korrelationskoeffizient lag bei R =

.41 und war signifikant auf dem 1%-Niveau. Die Intelligenz im Kindesalter sagte

also stark den extrinsischen Karriereerfolg im Erwachsenenalter voraus. Intelligente

Kinder erhielten zu einem späteren Zeitpunkt in ihrem Leben ein höheres Salär und

erreichten höhere Positionen in der sozialen Hierarchie.

Um zu zeigen, dass Intelligenz und der Erfolg im Beruf in Zusammenhang

stehen, eignet sich nicht nur der extrinsische Erfolg als Kriteriumsvariable, sondern

auch die erbrachte Arbeitsleistung, die über Arbeitsproben, Arbeitswissensprüfun-

gen und Vorgesetztenbewertungen operationalisiert werden kann. Als Goldstandard

zur Messung der Arbeitsleistung gelten in der Literatur Arbeitsproben-Prüfungen

(Gottfredson, 2002).

Tracey, Sturman und Tews (2007) untersuchten die relative Bedeutsamkeit

von g auf die Arbeitsleistung von neuen und erfahrenen Kellnern (server), Anima-

teuren (host) und Barkeepern (bartender). Die Autoren stellten die Hypothese auf,

dass g insbesondere bei neu eingestelltem Personal positiv auf die Arbeitsleistung

wirkt und dass mit allmählich einsetzender Routine der relative Einfluss von g ab-

nimmt.

In der Studie wurden insgesamt N = 241 Angestellte untersucht. Das

Durchschnittsalter der Teilnehmer lag bei M = 25 Jahren. Um zwischen neuen und

erfahrenen Angestellten zu diskriminieren, wurde der Cutoff Point bei 6 Monaten

gewählt. Angestellte, die für weniger als 6 Monate in einem Arbeitsverhältnis mit

dem Arbeitgeber standen, wurden als neu eingestuft; Angestellte die 6 Monate und

länger in einem Arbeitsverhältnis mit dem Arbeitgeber standen, galten als erfahrene

Mitarbeiter. G wurde mit dem Wonderlic Personnel Test, Form A (Wonderlic,

2001) erfasst. Die Arbeitsleistung wurde mittels einer eigens dafür entwickelten 18-


Item Skala erhoben, die auf Berufsbeschreibungen, Trainingsmanualen und Leis-

tungsbeurteilungen der unterstützenden Firma basiert.

Der standardisierte Regressionskoeffizient g erreichte im Regressionsmodell

zur Erklärung der Arbeitsleistung ein Gewicht von β = .11 (p < .05). Die Regressi-

onsanalyse nach den beiden Gruppen neue und erfahrene Mitarbeiter förderte eben-

falls signifikante Zusammenhänge zu Tage: Wie erwartet spielte g bei Mitarbeitern,

die weniger als sechs Monate ihrer Arbeit nachgingen, eine grössere Rolle. Das

Betagewicht war mit β = .24 auf dem 1%-Niveau signifikant. Insgesamt vermochte

g 41% der Varianz erklären (das Regressionsmodell berücksichtigte zusätzlich die

Variable Gewissenhaftigkeit, die aber nicht signifikant wurde). Ziemlich genau um-

gekehrt verhielt sich das Ergebnis bei erfahrenen Angestellten, deren Leistungsbe-

urteilung weniger von g abhing (β = .03, nicht signifikant), dafür aber umso stärker

durch Gewissenhaftigkeit (β = .29, p < .01) beeinflusst wurde. Der Befund dieser

Studie macht deutlich, dass g Prädiktionskraft bei mässig komplexen Arbeiten be-

sitzt und zwischen erfolgreichen und weniger erfolgreichen Angestellten unter-

scheiden kann.

Zu einer anderen Schlussfolgerung kamen hingegen Rode, Arthaud-Day,

Mooney, Near und Baldwin (2008), die keinen Zusammenhang zwischen g und

extrinsischem Karriereerfolg in ihren Daten finden konnten. Rode et al. (2008) un-

tersuchten in einer Längsschnittstudie N = 59 Studenten und massen deren kogniti-

ves Leistungspotential mit dem Wonderlic Personnel Test (WPT, 2000). Zu jenem

ersten Messzeitpunkt nahmen die Studenten an einem wirtschaftswissenschaftlichen

Kurs teil. Zum zweiten Messzeitpunkt hatten die Studenten ihr Studium während

den letzten zwei Jahren abgeschlossen und waren angestellt. Der extrinsische Kar-

riereerfolg wurde über das aktuelle Jahreseinkommen operationalisiert und zu die-

sem zweiten Messzeitpunkt erfragt (M = 41'550 US-Dollar).

Das Ergebnis der Studie ist bekannt, eine Regressionsanalyse der Daten

konnte kein signifikantes Resultat für g hervorbringen. Gemäss dieser Studie beein-

flusst Intelligenz den extrinsischen Karriereerfolg zumindest während den ersten

zwei Jahren eines Berufsanfängers nicht.


Auch wenn die letzte Studie die Hypothese über den Zusammenhang von

Intelligenz und dem Erfolg im Beruf nicht unterstützt; die Mehrheit der Studien

spricht eine deutliche Sprache: Intelligenz steht in positiver Beziehung mit dem er-

reichten Berufsstand und dem Einkommen. Intelligenz verfügt sogar bei Berufen

Prädiktionskraft, in denen dies nicht unbedingt erwartetet werden würde, wie das

die Studie von Tracey et al. (2007) eindrücklich zeigen konnte.

Wie eingangs dieses Unterkapitels erwähnt ist für Schmidt und Hunter

(2004) die Befundlage eindeutig: „It is clear that GMA [general mental ability] is

related to occupational level (and income) longitudinally as well as cross-

sectionally. Furthermore, the relationship is relatively strong“ (S. 163).


4 Diskussion

Diverse Lebensereignisse wie Krankheit, Arbeitslosigkeit, Unfall (Gottfredson,

2002; Gottfredson & Deary, 2004) werden in Zusammenhang mit Intelligenz ge-

bracht. Wie wichtig ist aber Intelligenz in Ausbildung und Beruf? Die vorliegende

Arbeit versuchte darauf eine Antwort zu finden und fokussierte auf drei Lebensbe-

reiche: die Oberstufenschule, das Studium und den Beruf. Alle drei dazu aufgestell-

ten Hypothesen können gestützt werden. Intelligenz scheint aber nicht in allen drei

Lebensbereichen gleich wichtig zu sein. Eine prominente und wichtige Rolle spielt

sie in der Oberstufenschule, scheinbar weniger bedeutsam ist sie im Studium und

im Beruf ist ihr Einfluss weniger konsistent und abhängig vom Zeithorizont der

Erhebung, der verwendeten Konstruktoperationalisierung und der Komplexität des

Berufes.

In Intelligenztesteichungen werden externe Validitäten mit Schulnoten

explizit erwartet – so eng ist die Beziehung zwischen Intelligenz und Schulleis-

tung (Jungo, 2002). Die Leistungsunterschiede einer Oberstufenschulklasse im

Fach Mathematik lassen sich wahrscheinlich zu 20% bis höchstens 60% durch die

Intelligenz der Schüler erklären (Deary et al., 2007; Freudenthaler et al., 2008). Ist

die Oberstufenschule aufnahmepflichtig und die Schüler sind leicht begabter,

dann schrumpft die Erklärungskraft von Intelligenz im Fach Mathematik vermut-

lich unter 20% (Furnham & Monsen, 2009); Intelligenz klärt einen gewissen Va-

rianzanteil auf, auch wenn das bloss 5% sind (Ziegler et al., 2009). Dies gilt nicht

nur für das Fach Mathematik, dem der Ruf voraus eilt besonders schwierig zu sein

(Grob & Jaschinski, 2003), sondern auch für Kunst und Design (R2 = .18, Deary

et al., 2007). Zusammenfassend lässt sich also sagen, dass Intelligenz für die Leis-

tungen in der Oberstufe eine wichtige Rolle spielt.

Intelligenz klärt unter Oberstufenschülern relativ grosse Varianzanteile der

Notenverteilungen auf. Unter Studenten ist die erklärte Varianz durch Intelligenz

weitaus geringer. Die Varianzaufklärung schwankt zwischen 22.1% (Poropat,

2009) und beinahe null Prozent (Furnham & Chamorro-Premuzic, 2004). Intelli-

genz scheint auf tertiärer Ausbildungsstufe weniger eindeutig zwischen guten und


weniger guten Leistungen zu unterscheiden. Intelligenz mag weniger kraftvoll

sein. Dennoch ist sie wichtig, weil sie in Zusammenhang mit der akademischen

Leistung gebracht werden kann.

Das für schulische Zwecke entwickelte Intelligenzmass scheint auch in der

Arbeitswelt hilfreich zu sein. Zu Recht wurde es als Business Tool bezeichnet

(Chamorro-Premuzic & Furnham, 2005), weil es Arbeitgeber erleichtert nach ge-

eigneten und weniger geeigneten Kandidaten zu trennen. Der Zusammenhang

zwischen g und der Arbeitsleistung ist kein deterministischer, doch ist er ausrei-

chend genug, dass Intelligenz als valides Filterkriterium in der Arbeitswelt einge-

setzt werden kann. Der Zusammenhang zwischen Leistung und Testintelligenz

lässt sich bei mässig komplexen Berufen finden (Tracey et al., 2007). Bei kom-

plexeren Berufen ist er aber grösser (Schmidt & Hunter, 2004). Auch das Salär

lässt sich in Verbindung mit g bringen, wobei dies nicht immer möglich ist. Des

Weiteren erklärt Intelligenz teilweise das Prestige des zu einem späteren Zeit-

punkt im Leben erreichten Berufsstand (Judge et al., 1999). Es ist erstaunlich,

dass ein für akademische Zwecke entwickeltes Konstrukt in Zusammenhang mit

disparaten Variabeln wie Arbeitsleistung, Salär und Prestige des Berufsstandes

gebracht werden kann.

Damit diese knapp gehaltenen Resultate besser verstanden werden können,

sollen sie auf den folgenden Seiten diskutiert werden. Es reicht nicht aus, die Er-

gebnisse bloss zu Kenntnis zu nehmen. Deshalb wird ergründet, wie sie Zustande

kamen und es soll auf mögliche Einschränkungen aufmerksam gemacht werden.

Schliesslich sollen mögliche Implikationen der Resultate diskutiert werden. Ein

Ausblick auf zukünftige Forschung setzt den Schlusspunkt. Zum Auftakt der Dis-

kussion wird im folgenden Abschnitt auf drei zentrale Komponenten eingegan-

gen.

Über all die präsentierten Studien hinweg variieren drei Komponenten, die

dafür sorgen, dass die präsentierten Studien zu unterschiedlichen Ergebnissen

gelangen und mitunter Vergleiche von Resultaten schwierig werden. Erstens sind

da die Messinstrumente, mit deren Hilfe versucht wird Intelligenz zu erfassen.


Zweitens wird eine Kriteriumsvariable für Leistung (statistisch) davon abhängig

gemacht; in der Oberstufenschule und im Studium sind das Noten, im Beruf gibt

es kein vergleichbar etabliertes Mass, weshalb vielfältige Indizes zum Einsatz

kommen, stets in der Annahme, dass Einkommen, Prestige des Berufes oder Vor-

gesetztenurteile etwas mit Berufserfolg zu tun haben. Und die dritte und letzte

Komponente sorgt dafür, dass bei gleich bleibenden Messinstrumenten und iden-

tischen Kriteriumsvariabeln dennoch andere Messresultate entstehen können, es

sind dies variierende Stichproben. Diese drei Komponenten sorgen dafür, dass

Intelligenz eben auch komplex ist und Studien über verschiedene Varianzaufklä-

rungen durch g berichten.

Beginnend mit den fünf präsentierten Studien zum Kapitel über den Zu-

sammenhang von Intelligenz und dem Erfolg in der Oberstufenschule: In jeder

Studie wurde ein anderer Intelligenztest verwendet. Es liesse sich argumentieren,

dass die Varianzaufklärung der Studien deshalb unterschiedlich ausfiel, weil bei

jeder Studie ein anderer Intelligenztest verwendet wurde und jeder dieser fünf

Intelligenztests erfasste andere Fähigkeiten. Ein spannender Verdacht, der wahr-

scheinlich nicht zutrifft. In der Tat ist es so, dass gängige Intelligenztests hoch

untereinander korrelieren (Gottfredson, 2002). Deshalb lassen sich die verwende-

ten Intelligenztests kaum für die unterschiedlichen Ergebnisse verantwortlich ma-

chen.

Viel wahrscheinlicher ist, dass die frappanten Unterschiede zwischen Dea-

ry et al. (2007) und Ziegler et al. (2009) auf unterschiedliche Kriteriumsvariabeln

zurück zu führen sind, die zwar vorgeben dasselbe zu messen, aber genau ge-

nommen unter mässig vergleichbaren Bedingungen zustande gekommen sind.

Sowohl bei Deary et al. (2007) als auch bei Furnham und Monsen (2009) wurde

die schulische Leistung über ein standardisiertes und nationales Examen operatio-

nalisiert (in beiden Studien handelte es sich um das Britische General Certificate

of Secondary Education). Es scheint, dass g am stärksten isolierte schulische Leis-

tungen wie die Noten eines (standardisierten) Staatsexamen beeinflusst, während

Notendurchschnitte weniger davon abhängig sind (Di Fabio & Busoni, 2007). In


den anderen drei Studien bildeten jeweils die durch Lehrer vergebenen Schulno-

ten die Ausgangslage der Analysen. Bei Noten, die nicht über standardisierte Ex-

amen, wie bei Deary et al. (2007) und Furnham und Monsen (2009) operationali-

siert werden, ist unklar, wie reliabel und valide diese sind. Ausser bei Di Fabio

und Palazzeschi (2009) wurden keine Angaben zur Reliabilität der Schulnoten

gemacht. Sowohl Freudenthaler et al. (2008) als auch Ziegler et al. (2009)

schweigen sich darüber aus. Dabei ist bekannt, dass unterschiedlich streng benotet

wird und Unterschiede in den Noten systematischer Natur sein können (Baumert,

2003). Dadurch kann die Varianzaufklärung durch g beeinträchtigt werden.

Neben unterschiedlichen Kriteriumsvariabeln wurde ebenfalls die Stich-

probe als Parameter erwähnt, der auf die Prädiktionskraft von g einwirkt. Der Ein-

fluss der Stichprobe wird über statistische Einschränkungen wie bei Furnham und

Monsen (2009) bemerkbar. Die untersuchte Stichprobe erreichte überdurch-

schnittliche Intelligenzwerte, die allesamt eng gestreut waren und entsprechend

lag die Standardabweichung unter dem erwarteten Normwert. Vergleichbar ver-

zerrt waren auch die Notenverteilungen der Stichprobe. Dadurch wurde die Stich-

probe homogener als bei Deary et al. (2007), was dazu führte, dass die Erklä-

rungskraft der Variable Intelligenz geschmälert wurde und nicht mehr als maxi-

mal 18% der Varianz in den Noten durch g erklärt werden konnte. Bei Deary et al.

(2007) treten vergleichbare Einschränkungen bei jenen Schülern auf, die Physik,

Chemie oder Biologie belegten (mit 21% niedrigste Varianzaufklärung durch g im

Fach Chemie) und sich durch erhöhte Intelligenz auszeichneten (die Schüler, die

Physik belegten, erreichten z-transformierte Intelligenzwerte von M = 0.96, SD =

0.64, entspricht ungefähr dem 84%-Perzentil). Und auch bei Ziegler et al. (2009)

lassen sich ähnliche Effekte beobachten, die mit dazu beigetragen haben mögen,

dass Intelligenz wenig Varianz aufklären konnte. Sowohl die Intelligenz war er-

höht (interessanterweise war die Standardabweichung ebenfalls erhöht) als auch

die Notenwerte der untersuchten Stichprobe waren über dem Durchschnitt, da die

Noten über die Zulassung in den Studiengang entschieden.


Einen weiteren kritischen Punkt, den es bei der Studie von Ziegler et al.

(2009) anzumerken gilt, ist das merkwürdige Studiendesign. Der Prädiktor Intelli-

genz wurde zu einem Zeitpunkt gemessen, als die davon eigentlich abhängige

Leistung bereits vollbracht worden ist. Was statistisch durchaus legitim sein kann,

ist inhaltlich nicht unproblematisch, weil sich hypothetisch die Intelligenz der

Probanden hätte verändern können. Das Studiendesign lässt sich nicht als falsch

bezeichnen, sondern stellt eher einen Schönheitsmakel dar. Denn die Intelligenz-

werte der Kandidaten veränderten sich wahrscheinlich nicht, liegen doch zwi-

schen den beiden Erhebungszeitpunkten vier Monate und darüber hinaus gilt In-

telligenz als äusserst stabil über die Lebenszeit (Furnham, 2008). Als Quer-

schnittsdesign kann die Studie gerade noch akzeptiert werden.

Bei Freudenthaler et al. (2008) ist nicht das Studiendesign Anlass zur Kri-

tik, sondern zwei methodische Entscheide sind nicht nachvollziehbar. Erstens ist

aus theoretischer Perspektive unverständlich, wieso lediglich Teile des Intelli-

genztests von Blum et al. (1998) verwendet wurden, aus denen dann ein Faktor g

berechnet wurde. Von den Autoren werden ökonomische Gründe geltend ge-

macht. Nichtsdestotrotz ist fraglich, wie sehr die Reliabilität des Tests darunter

litt. Zweitens wurde aus den Noten der Schüler nicht der arithmetische Mittelwert

berechnet, sondern eine Faktorenanalyse durchgeführt und in der weiteren Analy-

se der Daten der entstandene Faktor verwendet. Psychometrisch betrachtet ist da-

gegen nichts einzuwenden – bloss stellt sich die Frage, was denn dieser Faktor

inhaltlich bedeutet. Allgemeine Schulfähigkeit? Oder gar Intelligenz? Theoretisch

ist nicht ganz klar, weshalb die Noten so zusammengefasst worden sind und nicht

über ein etabliertes Mass wie den Notendurchschnitt die schulische Leistung ope-

rationalisiert wurde. Wie sich dieses methodisch fragwürdige Vorgehen auf die

Studienergebnisse auswirkte, lässt sich nicht beurteilen. Klar ist allerdings, dass

durch den methodischen Lapsus von Freudenthaler et al. (2008) die Vergleichbar-

keit mit anderen Studien nicht erleichtert wird.

Das bereits thematisierte Problem mit Stichproben, deren Intelligenzvertei-

lungen gestaucht und nach „rechts“ verschoben sind, verschärft sich auf Universi-


tätsstufe deutlich. In allen vier Studien zur Hypothese über den Zusammenhang

von Studiumserfolg und Intelligenz lassen sich ähnliche Einschränkungen beo-

bachten, die teilweise dafür verantwortlich gemacht werden können, weshalb die

höchste Varianzaufklärung durch g lediglich 22% (Poropat, 2009) betrug oder es

sogar vorkommen konnte, dass Intelligenz keine Varianzanteile erklärte (Furnham

& Chamorro-Premuzic, 2004); als ob Intelligenz im Studium keine Rolle mehr

spielen würde. Dies ist wohl kaum der Fall, denn g steht in engem Zusammen-

hang mit der Fähigkeit zu lernen und sich neue Fähigkeiten anzueignen (Kuncel et

al., 2004). Wesentlich plausibler ist der Verdacht, dass der wahre Zusammenhang

zwischen Intelligenz und akademischem Erfolg durch homogene Stichproben ver-

schleiert wurde. Denn sowohl im Hinblick auf die Intelligenz als auch in Bezug

auf das verwendete Kriterium waren die Stichproben äusserst homogen. In beiden

Untersuchungen von Furnham und Chamorro-Premuzic (2004) und Chamorro-

Premuzic (2008) zeigten sich deutliche Deckeneffekte bei der abhängigen Variab-

le Schulleistung; es scheint als ob die Prüfungen zu einfach waren (das arithmeti-

sche Mittel der beiden Statistikprüfungen von Furnham und Chamorro-Premuzic

(2004) lag bei einem Wert, der mit distinction benotet wurde; wahrscheinlich die

Höchstnote). Da erstaunt es nicht, dass g nicht mehr Varianz aufklären konnte,

insbesondere wenn Stichproben einen Intelligenzmittelwert im 77%-Perzentil

erreichen (Furnham & Chamorro-Premuzic, 2004). Es ist keineswegs unüblich,

dass die Validität von psychometrischer Intelligenz in homogeneren Stichproben

limitierter ist, insbesondere auf höherem kognitivem Niveau (Furnham & Cha-

morro-Premuzic, 2004). Überraschenderweise spielen Persönlichkeitsvariabeln

eine grössere Rolle in der Vorhersage akademischer Leistung in Stichproben mit

hoher Intelligenzverteilung (Ackerman, 1994). Dies könnte damit zusammenhän-

gen, dass in hoch intelligenten Studentenstichproben auch die Werte für Persön-

lichkeitsvariabeln wie Gewissenhaftigkeit erhöht sind (Chamorro-Premuzic &

Furnham, 2008).

Die Frage, wie sehr Intelligenz die akademische Leistung beeinflusst, ist

relativ schwierig zu beantworten. Eindeutige und allgemeingültige Antworten


lassen sich nicht geben. Ob der wahre Zusammenhang zwischen akademischer

Leistung und Intelligenz verglichen mit den Ergebnissen der sekundären Ausbil-

dungsstufe tatsächlich herabgesetzt ist oder ob es sich primär um methodische

Artefakte handelt, lässt sich nicht beurteilen. Vielleicht lässt sich die abnehmende

Prädiktionskraft von Intelligenz damit erklären, dass auf tertiärer Stufe eine Viel-

zahl von Leistungsbeurteilungen zum Tragen kommt (Tatar, 1998), womit das mit

den Noten gemessene Konstrukt weniger vergleichbar wäre und folglich die Kor-

relation mit Intelligenz darunter litte. Mit grosser Wahrscheinlichkeit aber besteht

ein logischer und positiver Zusammenhang mit g und dem akademischen Erfolg.

Wie einleitend festgehalten wurde, stützen die präsentierten Studien auch

die dritte und letzte Hypothese. Die Meinungen gehen allerdings auseinander, wie

erfolgreich g den Berufserfolg voraussagt (Sternberg & Wagner, 1993; Ree &

Earles, 1992). Primär lassen sich vergleichbare Probleme beobachten, wie bei den

bisherigen Studien angeführt. Die wohl grösste Schwierigkeit liegt darin, ein ge-

eignetes Mass zu finden um Berufserfolg zu messen. Die verwendeten Indizes

sind einmal Salär (Rode et al., 2008), dann eine Mischung aus Einkommen und

Berufsstatus (Judge et al., 1999) oder die durch den Vorgesetzten beurteilte Ar-

beitsleistung (Tracey et al. 2007). Da zeigen sich nicht nur methodische Schwie-

rigkeiten wie bei Rode et al. (2008), die von erhöhter Homogenität ihrer Stichpro-

be berichteten und mangelnde Generalisierbarkeit zu bedenken geben, sondern

vor allem Unterschiede in der Konstruktauffassung. Deshalb werden die verschie-

denen Varianzaufklärungen durch g nicht in Relation zueinander gesetzt – das

wäre so, als ob Äpfel mit Birnen verglichen würden.

Trotz allen Vorbehalten scheint Intelligenz im Hinblick auf den Berufser-

folg relevant zu sein, zumindest wie Judge et al. (1999) Berufserfolg verstanden.

Sowohl das Einkommen als auch den erreichten Berufstatus liessen sich in Antei-

len durch g erklären. Dies ist umso erstaunlicher, als die Vorhersage über einen

enormen Zeitraum von mehr als 50 Jahren möglich war. Man könnte meinen, dass

gerade über eine solche Dauer Zufälle, Glück, Motivation und wirtschaftliche

Bedingungen die Wirkung von Intelligenz schwächen würden. Vielleicht ist es


aber genau umgekehrt. Zumindest in den Anfängen einer Berufskarriere stand g

nicht in Zusammenhang mit dem Salär (Rode et al., 2008). Entfaltet Intelligenz

ihre Wirkung allmählich und über die Zeit? Die Studie von Judge et al. (1999)

hätte darüber womöglich Auskunft geben können; jedoch wurde die Karrierepha-

se nicht als moderierenden Effekt der Intelligenz in Erwägung gezogen. Tracey et

al. (2007) testeten eine solche Hypothese. Die Autoren konnten zeigen, dass Intel-

ligenz die Arbeitsleistung vor allem in den ersten sechs Monaten erklärt; darüber

hinaus war Intelligenz wirkungslos und wurde von der Persönlichkeitsvariable

Gewissenhaftigkeit als entscheidende Diskriminante von erfolgreichen und weni-

ger erfolgreichen Angestellten abgelöst. Wie lässt sich das erklären?

Als Mediatorvariable für Berufserfolg wird die Arbeitsleistung diskutiert

(Judge et al., 1999; Gottfredson, 2002). Und die Wirkung von g auf die Arbeits-

leistung fusst vermutlich in der Beziehung von g und der Fähigkeit zu lernen

(Kuncel, Hezlett & Ones, 2004). In einer Metaanalyse über alternative Ausbil-

dungsmodelle von Colquitt, Le Pine und Noe (2000) schlussfolgerten die Auto-

ren, dass kognitive Fähigkeiten die Aneignung von deklarativem und prozedura-

lem Wissen beeinflusste. Der Einfluss von g auf die Arbeitsleistung ist demnach

indirekt und wird über das Arbeitswissen moderiert.

Nach diesem theoretischen Vorlauf wird das Resultat der Studie von Tra-

cey et al. (2007) verständlicher und es lässt sich mutmassen: Angestellte die we-

niger als sechs Monate ihrer Arbeit nachgingen, lernten in ihrem Arbeitsalltag

dazu. In dieser Phase der Wissensaneignung konnte Intelligenz erfolgreich Vari-

anz in der Leistungsverteilung aufklären. Erst später wird die Arbeit zur Routine;

die Bedeutung von g tritt in den Hintergrund und die Persönlichkeitsvariable Ge-

wissenhaftigkeit avanciert zur entscheidenden Diskriminante.

Eine weitere moderierende Variable zwischen g und der Arbeitsleistung ist

wahrscheinlich die Komplexität des Berufes (Schmidt & Hunter, 2004). Aus

zweierlei Gründen ist die Annahme plausibel, dass die Komplexität des Berufes

als moderierende Variable fungiert: Erstens erfordern komplexere Berufe mehr

Wissen. Und zweitens erfordern komplexere Berufe schwierigere Informations-


verarbeitung (Kuncel, Hezlett & Ones, 2004). Sinngemäss schwankt die Validität

von g zwischen r = .23 bei den einfachsten Berufen und r = .58 bei den kom-

plexesten Berufen (Schmidt & Hunter, 2004).

Nach der Kritik an den einzelnen Studien lassen sich gegen Abschluss der

Diskussion vorsichtige Implikationen formulieren, die basierend auf den Resultaten

Hilfestellung bei Entscheidungen liefern können. Es soll thematisiert werden, was

die Ergebnisse für Institutionen wie Universitäten und Firmen bedeuten könnten.

Aus wirtschaftlicher Perspektive ist verständlich: Mit steigendem finanziel-

len Risiko steigt das Bedürfnis Risiken zu minimieren. Werden Universitätsabgän-

ger für ein aufwändiges und teures Trainingsprogramm gesucht, wird der Arbeitge-

ber die fähigsten der zehn von hundert Bewerbern auswählen wollen, bei denen die

Wahrscheinlichkeit auf einen möglichen Misserfolg gering sein wird. Die Studie

von Tracey et al. (2007) zu Rate ziehend und in Anbetracht der vermuteten hohen

Komplexität der zu besetzenden Stelle, wäre ein Intelligenztest wie der Wonderlic

Personnel Test gewiss nicht falsch. 12 Minuten dauert die Testdurchführung; innert

Kürze liegt ein Testergebnis der hundert Kandidaten vor. Und jetzt? Einfach die

zehn Besten auswählen? Eigentlich lässt sich das mit den hier vorgestellten Artikeln

nicht beantworten. Wird den Autoren Ree und Earles (1992) Glauben geschenkt,

dann handelt der Arbeitgeber rational, wenn die intelligentesten Kandidaten ausge-

wählt werden, insbesondere wenn keine weiteren Informationen über die Bewerber

verfügbar sind.

Universitäten sehen sich vor ein vergleichbares Problem gestellt. Und das

Mittel der Wahl ist ebenfalls vergleichbar. Vor allem an Amerikanischen Hochschu-

len stellen mit Intelligenz stark korrelierende Testverfahren die Grundlage der Se-

lektion, um die Vielzahl von Bewerbern nach den Geeigneten und den weniger Ge-

eigneten zu trennen. Die in dieser Arbeit dargelegten Studien stützen grundsätzlich

ein solches Vorgehen, und zwar im Sinne von Intelligenz und erbrachte Studienleis-

tung hängen positiv und logisch zusammen (Lounsbury et al., 2003). Die Studien

zeigen aber auch die Grenzen des Intelligenzkonstruktes auf (Furnham & Chamor-

ro-Premuzic, 2004). Entsprechend sollte darauf geachtet werden, welchen Zweck

mit einer Intelligenzmessung verfolgt wird. Ist eine universitäre Einrichtung primär


daran interessiert, die akademische Leistung ihrer Studienanfänger zu prognostizie-

ren, die bereits ein stark auf kognitiven Tests basierendes Selektionsverfahren

durchliefen, dann sollten nicht nur Intelligenztests zum Einsatz kommen. Ansonsten

ist zu befürchten, dass kaum Notenvarianz aufgeklärt werden kann. In einer solchen

Situation würde die Empfehlung lauten, weitere Tests einzubeziehen. Insbesondere

Persönlichkeitsvariabeln wie Gewissenhaftigkeit und Offenheit für Erfahrung kön-

nen in Zusammenhang mit Studienleistung gebracht werden (Poropat, 2009). Ist

eine universitäre Einrichtung daran interessiert, das Auswahlverfahren effizienter

und kostengünstiger zu gestalten, und erwägt aus diesem Grund einen Intelligenz-

test, dann kann das hinreichend sein und es lässt sich auf nicht kognitive Messver-

fahren verzichten. Vor allem wenn sich sehr viele Bewerber für sehr wenige Stu-

dienplätze interessieren und angenommen werden kann, dass Intelligenzwerte sich

normal verteilen werden, kann eine reliable und valide Rangreihe der fähigsten Be-

werber erstellt werden. Eine universitäre Einrichtung mag vielleicht weniger an Ef-

fizienz interessiert sein und sich mehr um Diversität bemühen (oder der Ansturm

von zahlreichen Bewerbern bleibt aus), dann würde sich anbieten, dass Selektions-

verfahren um nicht kognitive Konstrukte zu erweitern. Gewissenhaftigkeit zeigte

positive (Furnham & Chamorro-Premuzic, 2004; Poropat, 2009; Ziegler et al.,

2009) und Extraversion negative (Furnham & Chamorro-Premuzic, 2004) inkre-

mentelle Validität in der Vorhersage akademischer Leistung. Bei einem solchen

multifaktoriellen Vorgehen wäre allerdings unklar, wie die einzelnen Variabeln zu

gewichten wären, um eine valide Prädiktion zu ermöglichen. Nichtsdestotrotz wäre

vor allem das letzte Vorgehen interessant. Weil multiple Faktoren gleichzeitig be-

rücksichtigt würden, könnte die Genauigkeit des Selektionsprozesses verbessert

werden (weniger ungeklärte Varianz). Und es könnten differenziertere Entscheide

gefällt werden.

Wie auch immer universitäre Bildungseinrichtungen und Firmen ihre Selek-

tionsverfahren gestalten, Intelligenztests können nützlich und hilfreich sein. Sie

können relevante und aussagekräftige Informationen liefern. Gleichzeitig ist wichtig

zu wissen, dass Intelligenztests bei homogenen Stichproben an ihre Grenzen stos-

sen und die Folge davon verzerrte Ergebnisse sein können. Trotz des prädiktiven


Werts der Intelligenzmessung in Schule und Beruf, Intelligenz klärt nicht alle Krite-

rienvarianz auf. Weder eine einseitige g-Gläubigkeit (Jensen, 1998) noch eine die

empirische Evidenz leugnende Haltung scheint vernünftig zu sein (Gardner, 1983).

Der positive Zusammenhang von Intelligenz mit Schul-, Studiums- und

Berufserfolg ist gut dokumentiert. Unzählige Studien belegen die Bedeutung der

Intelligenz. Dank Längsschnittstudien erhärtet sich der Verdacht, dass Intelligenz

die Schulleistung beeinflusst und nicht die Schulleistung die Intelligenz (Deary et

al., 2004). Ausserdem ist das Wirkungsverhältnis zwischen Intelligenz und Schul-

leistung nicht deterministisch sondern stochastisch. Das bedeutet, dass bessere In-

telligenz nicht gute Schulleistung garantiert, sondern die Wahrscheinlichkeit für gute

Schulleistung erhöht. Oder umgekehrt formuliert bedeutet das: Bessere Intelligenz

reduziert die Wahrscheinlichkeit für schlechte Schulleistung. Auch mit besserer

Intelligenz sind beide Ereignisse möglich: sowohl schlechte als auch gute Schulleis-

tung. Trotz Verständnis für den Zusammenhang von Intelligenz mit Schulleistung

ist ungewiss, welche weiteren Variabeln die Wahrscheinlichkeit des positiven Er-

eignisses Schulerfolg erhöhen. Wie beeinflussen sich die Variabeln gegenseitig?

Lassen sich Interaktionseffekte beobachten? Sind diese konstant über die Zeit? Wel-

che Bedeutung kommt dem Intelligenzniveau zu, wenn Interaktionseffekte unter-

sucht werden?

Die Big Five-Persönlichkeitsvariabeln werden im Lichte dieser Fragen be-

handelt. Ziegler et al. (2009) liefern Hinweise darauf, dass Interaktionseffekte zwi-

schen Gewissenhaftigkeit und Intelligenz bestehen und dass diese nach dem Intelli-

genzniveau unterscheidbar sind. Ein integriertes Modell wurde entwickelt, um das

Zusammenwirken von Intelligenz und Persönlichkeit auf die akademische Leistung

besser zu verstehen (Chamorro-Premuzic & Arteche, 2008) und Lounsbury et al.

(2003) konnten mit dem Konstrukt Work Drive über Intelligenz hinaus Varianzan-

teile erklären. Um besser zu verstehen, welche weiteren Variabeln auf die Auftre-

tenswahrscheinlichkeit positiver schulischer und akademischer Leistung einwirken

und wie sich diese gemeinsam mit Intelligenz verhalten, sind weitere Untersuchun-

gen notwendig.


Ein weiteres Forschungsthema könnnte sein: Wie systematisch moderiert die

Konstruktoperationalisierung den Einfluss von g auf die Schulleistung? Schulleis-

tungstests wie das GCSE (General Certificate of Secondary Education) England

sind standardisiert. Es wird in spezifischer Form Wissen geprüft. Ein Lehrer einer

Oberstufenschule benotet die Schüler seiner Klasse am Ende des Semesters auf-

grund einer Vielzahl von Datenquellen: Prüfungen, Vorträge, die mündliche Akti-

vität während der Unterrichtsstunde. Sowohl beim GCSE als auch bei Schulnoten

ist die Rede von Schulleistung. Handelt es sich in beiden Fällen wirklich um das

gleiche Mass oder sind es zwei verschiedene? Die Hypothese lautet, dass die beiden

Masse nicht für dasselbe stehen und entsprechend niedrig miteinander korrelieren.

Ausserdem besteht die Hypothese, dass die beiden Masse unterschiedlich eng mit g

zusammenhängen. In einem weiteren Schritt könnten unterschiedliche Modelle ge-

prüft werden, die neben g auch Persönlichkeitsvariabeln testeten, um die Varianz

der beiden Masse zu erklären.

Ein verbessertes Verständnis über den Zusammenhang von Intelligenz und

schulischer Leistung könnte über eine differenziertere Intelligenzmessung erreicht

werden. Seit den 1960er Jahren nahm das Interesse an spezifischen Fähigkeiten ab

und die Ansicht verbreitete sich, dass g die grössten Varianzanteile akademischen

Erfolgs erklärt. Dies führte dazu, dass das Forschungsinteresse in spezifische

kognitive Fähigkeiten abnahm. Dass spezifische Fähigkeiten über g hinaus Vari-

anz erklären, konnte gezeigt werden (Taub, Floyd, Keith & McGrew, 2008).

Die Frage, ob Intelligenz und der Erfolg in der Oberstufenschule, im Stu-

dium und im Beruf zusammenhängen, scheint ausreichend erwiesen zu sein. Viel

wichtiger wird in Zukunft sein zu klären, wie hoch der Zusammenhang ist.


5 Literaturverzeichnis

Ackerman, P. L. (1994). Intelligence, attention, and learning: Maximal and typical

performance. In D. K. Detterman (Ed.), Current Topics in Human Intelli-

gence; Volume 4: Theories of Intelligence (pp. 1-27). Norwood: Ablex.

Ackerman, P. L. (1996). A theory of adult intellectual development: Process, per-

sonality, interests, and knowledge. Intelligence, 22, 227-257.

Amelang, M., Schmidt-Atzert, L., Fydrich, T. & Moosburger, H. (2006). Psycho-

logische Diagnostik und Intervention. Heidelberg: Springer. Asendorpf, J. B. (2004). Psychologie der Persönlichkeit. Heidelberg: Springer.

Baddeley, A. (1968). A 3 min reasoning test based on grammatical transformation.

Psychonomic Science, 10, 341-342.

Baumert, J., Trautwein, U. & Artelt, C. (2003). Schulumwelten – institutionelle

Bedinungen des Lehrens und Lernens. In J. Baumert (Hrsg.), PISA 2000:

ein differenzierter Blick auf die Länder der Bundesrepublik Deutschland (S.

261-332). Opladen: Leske und Budrich.

Binet, A. & Simon, T. (1948). The development of the Binet-Simon scale, 1905-

1908. In W. Dennis (Hrsg.), Readings in the history of psychology (S. 412-

424). New York: Appleton-Century-Crofts.

Blum, F., Didi, H.-J., Fay, E., Maichle, U., Trost, G., Wahlen, J.-H., et al. (1998).

Intelligenz-Struktur-Analyse. Ein Test zur Messung der Intelligenz. Frank-

furt: Swets Test Services.

Boring, E. G. (1923). Intelligence as the tests test it. New Republic, June, 35-37.

Carroll, J. B. (1993). Human cognitive abilities: A survey of factor-analytic studies.

New York: Cambridge University Press.

Chamorro-Premuzic, T & Arteche, A. (2008). Intellectual competence and academic

performance: Preliminary validation of a model. Intelligence, 36, 564-573.

Chamorro-Premuzic, T. & Furnham, A. (2003). Personality traits and academic

performance. European Journal of Personality, 37, 237-250.

Chamorro-Premuzic, T. & Furnham, A. (2005). Personality and intellectual compe-

tence. Mahwah: L. Erlbaum Associates.


*Chamorro-Premuzic, T. & Furnham, A. (2008). Personality, intelligence and

approaches to learning as predictors of academic performance. Personality

and Individual Differences, 44, 1596-1603.

Colquitt, J. A., Le Pine, J. A., Noe, R. (2000). Toward an integrative theory of trai-

ning motivation: A meta-analytic path analysis of 20 years of research. Jour-

nal of Applied Psychology, 85, 678-707.

Deary, I. J., Whiteman, M. C., Starr, J. M., Whalley, L. J. & Fox, H. C. (2004).

The impact of childhood intelligence on later life: Following up the scottish

mental surveys of 1932 and 1947. Journal of Personality and Social Psy-

chology, 86, 130-147.

*Deary, I. J., Strand, S., Smith, P. & Fernandes, C. (2007). Intelligence and educa-

tional achievement. Intelligence, 35, 13-21.

Di Fabio, A. & Busoni, L. (2007). Fluid intelligence, personality traits and scho-

lastic success: Empirical evidence in a sample of Italian high school stu-

dents. Personality and Individual Differences, 43, 2095-2104.

*Di Fabio, A. & Palazzeschi, L. (2009). An in-depth look at scholastic success:

Fluid intelligence, personality traits or emotional intelligence? Personality

and Individual Differences, 46, 581-585.

*Freudenthaler, H. H., Spinath, B. & Neubauer, A. C. (2008). Predicting school

achievement in boys and girls. European Journal of Personality, 22, 231-

245.

Frey, M. C. & Detterman, D. K. (2004). Scholastic assessement or g? The relati-

onship between the scholastic assessement test and general cognitive ability.

Psychological Science, 15, 373-378.

Furnham, A. (2008). Personality and intelligence at work: Exploring and explaining

individual differences at work. New York: Routledge.

*Furnham, A. & Chamorro-Premuzic, T. (2004). Personality and intelligence as

predictors of statistics examination grades. Personality and Individual Diffe-

rences, 35, 943-955.


Furnham, A., Chamorro-Premuzic, T. & McDougall, F. (2003). Personality, cogni-

tive ability, on behalf about intelligence as predictors of academic perfor-

mance. Learning and Individual Differences, 14, 47-64.

*Furnham, A. & Monsen, J. (2009). Personality traits and intelligence predict aca-

demic school grades. Learning and Individual Differences, 19, 28-33.

Gattiker, U. E. & Larwood, L. (1988). Predictors for managers’ career mobility,

success, and satisfaction. Human Relations, 41, 569-591.

Gardner, H. (1983). Frames of mind: The theory of multiple intelligences. New

York: Basic Books.

Gottfredson, L. S. (2002). G: Highly general and highly practical. In R. J. Stern-

berg & E. L. Grigorenko (Hrsg.), The general factor of intelligence: how

general is it? (S. 331-380). Mahwah: L. Erlbaum Associates.

Gottfredson, L. S. (2002). Life, death, and intelligence. Based on a paper presented

in the symposium, „Futures of Intellectual Assessment and Psychometrics“,

at Peabody College, Vanderbilt University, December 4, 2002.

Gottfredson, L. S. & Deary, I. J. (2004). Intelligence predicts health and longevity,

but why? Current Directions in Psychological Science, 13(1), 1-4.

Grob, A. & Jaschinski, U. (2003). Erwachsen werden: Entwicklungspsychologie

des Jugendalters. Weinheim: Beltz.

Harrell, T. W. & Harrell, M. S. (1945). Army general classification test scores for

civilian occupations. Educational and Psychological Measurement, 5, 229-

239.

Heim, A., Watts, K. & Simmonds, V. (1970). AH4, AH5, and AH6 tests. Wind-

sor: NFER.

Jackson, D. N. & Rushton, J. P. (2006). Males have greater g: Sex differences in

general mental ability from 100,000 17- to 18-year-olds on the Scholastic

Assessment Test. Intelligence, 34, 479-486.

Jaskolka, G., Beyer, J. M. & Trice, H. M. (1985). Measuring and predicting mana-

gerial success. Journal of Vocational Behavior, 26, 189-205.

Jensen, A. R. (1998). The g factor: The science of mental ability. Westport: Praeger.


*Judge, T. A., Higgins, C. A., Thoresen, C. J. & Barrick, M. R. (1999). The big

five personality traits, general mental ability, and career success across the li-

fe span. Personnel Psychology, 52, 621-652.

Jungo, D. (2002). Schweizer Eichung für den Intelligenz-Struktur-Test 2000. Pano-

rama, 2, 33-34.

Kline, T. (2005). Psychological testing: A practical approach to design and evalua-

tion. Thousand Oaks, California: Sage Publications.

Koenig, K. A., Frey, M. C. & Detterman, D. K. (2008). ACT and general cognitive

ability. Intelligence, 36, 153-160.

Kuncel, N. R., Hezlett, S. A. & Ones, D. S. (2004). Academic performance, career

potential, creativity, and job performance: Can one construct predict them

all? Journal of Personality and Social Psychology, 86, 148-161.

*Lounsbury, J. W., Sundstrom, E., Loveland, J. M. & Gibson, L. W. (2003). Intel-

ligence, „Big Five“ personality traits, and work drive as predictors of course

grade. Personality and Individual Differences, 35, 1231-1239.

O’Toole, B. I. (1990). Intelligence and behavior and motor vehicle accident mortali-

ty. Accident Analysis and Prevention, 22, 211-221.

Otis, A. S. & Lennon, R. T. (1969). Otis-Lennon mental ability test technical hand-

book. New York: Harcourt, Brace.

Philips, R. & Rawles R. (1979). S&M test of mental rotation ability. Department of

Psychology, University College, London.

*Poropat, A. E. (2009). A meta-analysis of the five-factor model of personality and

academic performance. Psychological Bulletin, 135, 322-338.

Raven, J. C. (1962). Advanced progressive matrices. Firenze: Organizzazioni Spe-

ciali.

*Rode, J. C., Arthaud-Day, M. L., Mooney, C. H., Near, J. P. & Baldwin, T. T.

(2008). Ability and personality predictors of salary, perceived job success,

and perceived career success in the initial career stage. International Journal

of Selection and Assessment, 16, 292-299.


*Schmidt, F. L. & Hunter, J. (2004). General mental ability in the world of work:

Occupational attainment and job performance. Journal of Personality and

Social Psychology, 86, 162-173.

Siegler, R., DeLoache, J. & Eisenberg, N. (2005). Entwicklungspsychologie im

Kindes- und Jugendalter. München: Spektrum.

Spearman, C. (1939). Thurstone’s work re-worked. Journal of Educational Psycho-

logy, 30, 1-16.

Sternberg, R. J., Grigorenko, E. L. & Bundy, D. A. (2001). The predictive value of

IQ. Merrill-Palmer Quarterly, 47, 1-41.

Tatar, M. (1998). Primary and secondary school teachers’ perceptions and actions

regarding their pupils’ emotional lives. School Psychology International, 19,

151-168.

Taub, G. E., Floyd, R. G., Keith, T. Z. & McGrew, K. S. (2008). Effects of general

and broad cognitive abilities on mathematics achievement. School Psycholo-

gy Quarterly, 23, 187-198.

Thorndike, R. L., Hagen, E. & France, N. (1986). Cognitive abilities test second

edition: Administration manual. Windsor: nferNelson.

Thurstone, L. L. (1938). Primary mental abilities. Psychometric Monographs, 1.

*Tracey, J. B., Sturman, M. C. & Tews, M. J. (2007). Ability versus personality:

Factors that predict employee performance. Cornell Hotel and Restaurant

Administration Quarterly, 48, 313-322.

Wechsler, D. (1939). The measurement of adult intelligence. Baltimore: The Willi-

ams & Wilkins Company.

Weinberg, R. A. (1989). Intelligence and IQ. Landmark issues and great debates.

American Psychologist, 44, 98-104.

Wonderlic, E. (1992). Wonderlic personnel test. Libertyville: Wonderlic.

Wonderlic, E. (2000). Wonderlic personnel test and scholastic level exam user’s

manual. Libertyville: Wonderlic.

*Ziegler, M., Knogler, M. & Bühner, M. (2009). Conscientiousness, achievement

striving, and intelligence as performance predictors in a sample of German


psychology students: Always a linear relationship? Learning and Individual

Differences, 19, 288-292.


Anhang

Dokumentation der Literaturrecherche

Verwendete Datenbanken:

• PsycINFO

• Google Scholar

• Katalog des IDS Basel Bern

Verwendete Stichworte:

iq, intelligence, cognitive ability, general mental ability, school, education, school

achievement, academic performance, job performance, career development, supervi-

sor ratings

Verwendete Kombinationen auf PsycINFO:

• Job performance [and] cognitive ability (in title, heading word, table of con-

tents, key concepts)

• Intelligence [and] job performance [not] emotional (in abstract, key con-

cepts)

• School performance [and] intelligence (in abstract, key concepts)

Weitere Vorgehensweisen:

• Literaturverzeichnisse von Lehrbüchern und Artikeln

• Unterstützung und Hinweise von der Betreuerin Giselle Reimann