Im Rahmen der wissenschaftlichen Begleitforschung zu "Kein Kind zurücklassen! Kommunen in NRW beugen vor" (jetzt "Kommunale Präventionsketten") wurden unter anderem mit Hilfe von Daten aus den kommunalen Verwaltungsprozessen Bedingungen gelingenden Aufwachsens in der Kommune untersucht. Die Kooperation zwischen Projektkommunen und wissenschaftlicher Forschung, bei der kommunale Verwaltungsdaten durch Wissenschaftler*innen in der Kommune ausgewertet wurden, ist mehr als ungewöhnlich, aber innovativ und fruchtbar. Für die Analysen im früh kindlichen Bereich konnten hierarchisch strukturierte Daten, nämlich Individual-, Aggregat- und Institutionendaten aus kommunalen Quellen, wie dem SGB II, dem Einwohnermeldewesen, der Schuleingangsuntersuchung, sowie Daten zum Kitabesuch verwendet werden. Diese Daten wurden zu Forschungszwecken verknüpft und multivariat analysiert (u. a. Mehrebenenanalysen). Die Ergebnisse zeigen Risiko- und Erfolgsfaktoren für ge- oder misslingende Bildungskarrieren am Übergang zum Schulsystem auf. Nicht nur "wie" unterschiedliche Bildungsvoraussetzungen wirken wurde deutlich, sondern auch, "wo und wann". Sehr genau wurde auch auf die Bedeutung und den Einfluss von Nachbarschaft en sowie Kitas geschaut. Für den Übergang ins Schulsystem konnten auf der Basis dieser kommunalen Daten soziale Kita- und Schulprofi le erstellt werden, die eine bedarfsgerechte Mittelverwendung vor Ort ermöglichen. Weiterhin wurden Kitawahlprozesse in den Blick genommen und die Auswirkungen der "freien" Grundschulwahl in Nordrhein-Westfalen analysiert. Im Beitrag werden das Design des Forschungsprozesses skizziert sowie zentrale Forschungsergebnisse präsentiert.
The scientific research program "Leave No Child Behind! Municipalities in North Rhine- Westphalia providing equal opportunities for all children" used municipal data sources for modelling structures and contexts of early child development. Individual, aggregate und institutional data were combined to calculate multilevel models. The results show factors for successful or unsuccessful educational careers at the transition to the school system. The data was also used to build social school profi les that allow local administration to manage unequal conditions between schools with very low und very high poverty rates.

Enthalten in:
Die Deutsche Schule; 2019/Beiheft 14 Zeitschrift für Erziehungswissenschaft, Bildungspolitik und pädagogische Praxis (2019)

---

Weiterführende Informationen

• weiterführende Informationen

---

Serie / Reihe: Die Deutsche Schule

Personen: Groos, Thomas Kersting, Volker

Schlagwörter: Armut Bildung Schule Sozialraum Soziale Herkunft Bildungsforschung Kindertagesstätte Mehrebenenanalyse Datenanalyse