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
Intelligenz, Schul-, Studiums- und Berufserfolg 3
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 4
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 5
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,
Intelligenz, Schul-, Studiums- und Berufserfolg 6
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
Intelligenz, Schul-, Studiums- und Berufserfolg 7
& 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).
Intelligenz, Schul-, Studiums- und Berufserfolg 8
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).
Intelligenz, Schul-, Studiums- und Berufserfolg 9
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,
Intelligenz, Schul-, Studiums- und Berufserfolg 10
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 11
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 12
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
Intelligenz, Schul-, Studiums- und Berufserfolg 13
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-
Intelligenz, Schul-, Studiums- und Berufserfolg 14
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
Intelligenz, Schul-, Studiums- und Berufserfolg 15
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
Intelligenz, Schul-, Studiums- und Berufserfolg 16
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
Intelligenz, Schul-, Studiums- und Berufserfolg 17
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
Intelligenz, Schul-, Studiums- und Berufserfolg 18
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
Intelligenz, Schul-, Studiums- und Berufserfolg 19
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-
Intelligenz, Schul-, Studiums- und Berufserfolg 20
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-
Intelligenz, Schul-, Studiums- und Berufserfolg 21
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-
Intelligenz, Schul-, Studiums- und Berufserfolg 22
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 23
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).
Intelligenz, Schul-, Studiums- und Berufserfolg 24
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
Intelligenz, Schul-, Studiums- und Berufserfolg 25
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 26
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
Intelligenz, Schul-, Studiums- und Berufserfolg 27
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 28
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-
Intelligenz, Schul-, Studiums- und Berufserfolg 29
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
Intelligenz, Schul-, Studiums- und Berufserfolg 30
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
Intelligenz, Schul-, Studiums- und Berufserfolg 31
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-
Intelligenz, Schul-, Studiums- und Berufserfolg 32
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
Intelligenz, Schul-, Studiums- und Berufserfolg 33
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
Intelligenz, Schul-, Studiums- und Berufserfolg 34
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 35
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 36
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 37
*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.
Intelligenz, Schul-, Studiums- und Berufserfolg 38
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.
Intelligenz, Schul-, Studiums- und Berufserfolg 39
*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.
Intelligenz, Schul-, Studiums- und Berufserfolg 40
*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
Intelligenz, Schul-, Studiums- und Berufserfolg 41
psychology students: Always a linear relationship? Learning and Individual
Differences, 19, 288-292.
Intelligenz, Schul-, Studiums- und Berufserfolg 42
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
Top Related