Zusammenfassung
Der Beitrag untersucht, ob Studierende eine geringere finanzielle familiäre und/oder staatliche Unterstützung durch (vermehrte) Erwerbsarbeit kompensieren, ob diese Erwerbszeit in Konkurrenz zur Studienzeit steht, und welche Studierendengruppen durch die gezeigten Zusammenhänge hinsichtlich ihrer Studienzeit besonders benachteiligt sind. Eine anhand der 21. Sozialerhebung durchgeführte Pfadanalyse zeigt, dass solchen Studierenden ein Nachteil entsteht, deren Basiseinkommen zur Finanzierung ihrer Lebenshaltungs- und Studienkosten nicht ausreicht: Je geringer die finanzielle Unterstützung durch Familie und/oder Staat ist, desto mehr Stunden sind Studierende erwerbstätig. Dabei würden laut dem geschätzten Modell monatlich 100 EUR mehr an familiärer Unterstützung die Erwerbszeit um durchschnittlich 2,6 h pro Monat verringern, dieselbe zusätzliche Summe aus staatlicher Förderung sogar um monatlich 3,4 h. Jede zusätzliche Stunde Erwerbsarbeit reduziert die Studienzeit im Modell um durchschnittlich 32 min. Damit bewirkt eine Ausweitung von Erwerbszeit sowohl eine Verringerung an Studienzeit als auch eine höhere zeitliche Gesamtbelastung der Studierenden. Dies betrifft besonders ältere Studierende und Studierende ohne akademisch geprägtes Elternhaus.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Notes
- 1.
Daneben gibt es in Deutschland noch eine Vielzahl weiterer Maßnahmen, wie etwa Waisenrenten, Kindergeld oder Kinderzulagen bei Lohnersatzleistungen, die faktisch zur Studienfinanzierung beitragen, auch wenn dies nicht ihr originärer Zweck ist. Einen ausführlichen Überblick über diese Leistungen und ihren Umfang geben Schwarzenberger und Gwosć 2008.
- 2.
Mit den notwendigen Änderungen können die folgenden Argumente auch auf die Lebens-/Ehepartner von Studierenden übertragen werden.
- 3.
Nachfolgend werden sowohl die auf gesetzlichem Unterhaltsanspruch beruhenden als auch die freiwilligen finanziellen Leistungen der Familie an die Studierenden unter dem Begriff „Familiäre Unterstützung“ zusammengefasst.
- 4.
Diese Betrachtung war insofern neu, als bis dahin ökonomische Modelltheorien die Zeit entweder ganz aus der Analyse ausgeblendet hatten (z. B. in der Neoklassischen Theorie durch Modellierung einer so genannten Punkt-Ökonomie, in der Raum und Zeit keine Rolle spielen) oder diese nur als Dimension angaben, in der wirtschaftliche Prozesse ablaufen (z. B. in komparativ-statischen und dynamischen Modellen).
- 5.
Das Basiseinkommen, also die Summe staatlicher und familiärer Unterstützung, ist ein theoretisches Konstrukt, das für einen Vergleich mit dem Erwerbseinkommen von Studierenden genutzt wird. Es erhält dadurch empirische Relevanz, dass staatliche Förderung häufig das Ziel verfolgt, für einen Ausgleich fehlender familiärer Unterstützung zu sorgen und studentisches Erwerbseinkommen dann erwirtschaftet wird, um eine noch vorhandene Finanzierungslücke zu decken.
- 6.
Innerhalb der Studierendenpopulation kann dieser Bedarf stark variieren: Ein Studierender, der mit Partner/in und Kindern in einem eigenen Haushalt lebt, hat in der Regel einen anderen Finanzierungsbedarf als ein Studierender, der Single und kinderlos ist und bei den Eltern wohnt.
- 7.
Anders als in Beckers Grundmodell werden bestimmte andere erklärende Variablen in diesem Modell nicht betrachtet. Dazu gehören der Lohnsatz auf dem Arbeitsmarkt, der die Erwerbszeit mitbestimmt, und die Preise auf den Gütermärkten, die in die Ausgaben der Studierenden für Konsum- und Bildungsgüter einfließen.
- 8.
Hier scheint sich aber möglicherweise ein gewisser Wandel abzuzeichnen, da private Hochschulen in Deutschland offenbar begonnen haben, verstärkt nicht traditionelle Studierende zu rekrutieren; dazu gehören u. a. auch Studierende mit niedrigem sozioökonomischem Status (Engelke et al. 2017, S. 17).
- 9.
Ausgenommen waren Hochschulen der Bundeswehr, der Verwaltung und Fernhochschulen.
- 10.
Die Netto-Stichprobe ergibt sich aus der Brutto-Stichprobe (n = 352.786) abzüglich Studierender ohne Mailadresse, nicht zustellbarer E-Mails (Mail-Delivery) sowie derzeit im Auslands-, Fern- oder Promotionsstudium befindlicher Studierender (Middendorff et al. 2017, S. 11).
- 11.
Studierende, die angaben, bereits ein Studium abgeschlossen zu haben, gelten als Zweitstudierende. Eine Ausnahme bilden Master-Studierende mit vorangegangenem Bachelor-Abschluss, da dies als Fortsetzung des (ersten) Studiums gewertet wird, weshalb diese Studierenden nicht ausgeschlossen werden und Gegenstand der Analyse sind.
- 12.
Die Erfassung des Zeitbudgets als retrospektive Selbstauskunft ist nicht unumstritten. So wird kritisiert, die Angaben der Studierenden könnten der sozialen Erwünschtheit unterliegen (Berger und Baumeister 2016, S. 192). Dieses Risiko wird jedoch im Rahmen der Sozialerhebung minimiert, indem die Studierenden selbst (d. h. ohne Interviewer) anonym einen Online-Fragebogen ausfüllen. Im Gegensatz zu Zeiterfassungen, wie etwa der sog. Tagebuchmethode (Protokollierung der Zeitverwendung über einen längeren Zeitraum), die aufgrund ihres erhöhten Aufwands für die Befragten eher bei kleineren Stichproben eingesetzt wird, ermöglicht das seit 1988 im Rahmen der Sozialerhebung eingesetzte Instrument die Einbettung in große Mehrthemenbefragungen, so dass einmalig erteilte Angaben zur Zeitverwendung Studierender in repräsentativem Umfang vorliegen.
- 13.
Da es bei der Aufsummierung der drei Zeitverwendungsarten vereinzelt zu unrealistisch hohen Summen kam, wurden bei dieser Variable Ausreißer gekappt, indem Befragte mit einer Gesamtangabe von über 80 Stunden pro Woche von der Analyse ausgeschlossen wurden. Dies entspricht dem oberen 1 %-Perzentil der Verteilung.
- 14.
Bei den unbaren Unterstützungsleistungen handelt es sich um die Begleichung von Rechnungen, die Dritte, z. B. die Eltern, direkt anstelle der Studierenden übernehmen, wie z. B. die Überweisung der Miete unmittelbar an den Vermieter der auswärts wohnenden studierenden Kinder.
- 15.
Da in der Sozialerhebung keine objektiven Kriterien zur Bewertung der ökonomischen Ausstattung des Elternhauses – wie etwa das Einkommen der Eltern – erhoben wurden, wird auf diese subjektive Selbsteinschätzung der Studierenden zurückgegriffen. Bei der Interpretation der Ergebnisse ist zu berücksichtigen, dass Befragte dazu neigen, sich selbst häufiger im mittleren Einkommens-/Vermögensbereich einzuordnen, als es nach objektiven Kriterien eigentlich zutreffend wäre (Niehues 2017, S. 14 ff.; Engelhardt und Wagener 2016). Trotz dieser Tendenz, sich selbst bzw. die Eltern der Verteilungsmitte zuzuordnen, sehen wir den verwendeten Indikator als akzeptable Annäherung an den tatsächlichen Wohlstand der Herkunftsfamilie an, was sich im Datensatz auch durch eine hohe Korrelation mit dem Anteil der BAföG-Empfänger, der Höhe des Elternunterhalts und dem Bildungsgrad der Eltern untermauern lässt.
- 16.
Studierende über 35 Jahre wurden von der Analyse ausgeschlossen. Durch den Zuschnitt der Untersuchungsgruppe (siehe Punkt 3.1), insbesondere den Ausschluss von mit Partner zusammenwohnenden und berufsbegleitend Studierenden, waren hinsichtlich des Alters z. T. erhebliche Ausreißer zu beobachten. Als Ausschlussgrenze wurde daher das obere 1 %-Perzentil der Altersverteilung angesetzt, womit das Alter als annähernd normalverteilte Variable in die Analyse eingeht.
- 17.
Studien, die nicht auf retrospektiver Selbstauskunft beruhen, sondern nach der sog. Tagebuchmethode durchgeführt wurden, kommen teilweise zu einem geringeren wöchentlichen Zeitaufwand (Berger und Baumeister 2016, S. 189 f.). Ob diese Abweichung durch Antwortverhalten, das als vermeintlich sozial erwünscht betrachtet wurde, stark selektierte Stichproben, unterschiedliche Rundungsvorgaben, Zeitpunkt oder Genauigkeit der Abfrage zustande kommt, müsste in weitergehenden Studien untersucht werden.
- 18.
Im Grunde handelt es sich um ein Strukturgleichungsmodell, das auf rein manifesten, d. h. direkt beobachtbaren Variablen beruht (und keine latenten Konstrukte beinhaltet). Hierfür wird im Folgenden ein Pfadmodell entworfen, dessen Effekte mittels einer Maximum-Likelihood (ML) Schätzung in Stata berechnet werden.
- 19.
Die unstandardisierten Koeffizienten ermöglichen die Interpretation in den jeweiligen Einheiten, in denen sie erhoben wurden. Im Unterschied dazu nehmen standardisierte β-Koeffizienten ausschließlich Werte zwischen 0 und 1 an und ermöglichen einen Vergleich hinsichtlich der Effektstärken aller Pfade trotz unterschiedlich erhobener Einheiten (z. B. Alter in Jahren und Zeit in Stunden pro Woche).
- 20.
Die Finanzierungsbeträge wurden monatsgenau erfasst, die Zeitverwendung hingegen wöchentlich. Zur Interpretation der Werte wurden die Wochen mit dem Faktor 4,3 – ausgehend von 52,14 7-Tage-Wochen pro Jahr – auf den Monat hochgerechnet.
- 21.
Die Modellgüte des Pfadmodells kann insgesamt als gut eingestuft werden, da RMSEA (0.03), CFI (0.98) und TLI (0.96) die empfohlenen Richtwerte nicht über- bzw. unterschreiten (Aichholzer 2017, S. 128).
- 22.
Studierende versuchen, bereits während des Studiums Arbeitserfahrung zu sammeln, um u. a. auf diese Weise ihre zukünftigen Chancen auf dem Arbeitsmarkt zu erhöhen. Verschiedene Studien haben in diesem Kontext einen positiven Zusammenhang zwischen einer studiennahen Erwerbstätigkeit während des Studiums und einem späteren erfolgreichen Arbeitsmarkteintritt aufgezeigt (Staneva 2015; Weiss et al. 2014; Wenz und Yu 2010).
- 23.
Zwar sind für Studierende in Deutschland keine Daten verfügbar, die genauere Auskunft über ihre Zufriedenheit mit ihrem aktuellen Zeitbudget und ihre eventuellen Wünsche für eine andere Zeit-Allokation geben. Entsprechende Analysen auf Basis des EUROSTUDENT-Datensatzes zeigen jedoch auf internationaler Ebene, dass in mehr als 20 europäischen Ländern ein Muster besteht, nach dem Studierende, die mehr als 50 % ihrer Gesamteinnahmen durch Erwerbstätigkeit erzielen, überproportional häufig angeben, dass sie gerne ihre Erwerbszeit reduzieren und gleichzeitig ihre Studienzeit – sowohl für Lehrveranstaltungen als auch das Selbststudium – ausweiten möchten (EUROSTUDENT 2018, Thema H.28; vgl. auch Vögtle und Hamóri in diesem Band). Ein solches Ergebnis kann auch für Deutschland nicht ausgeschlossen werden.
- 24.
Einen Überblick über die an verschiedenen Hochschulen in Baden-Württemberg implementierten Modelle und ihre Wirkungen geben Mergner et al. 2015.
Literatur
Aichholzer, J. 2017. Einführung in lineare Strukturgleichungsmodelle mit Stata. Wiesbaden: Springer VS.
Barro, R. J., und X. I. Sala-i-Martin. 2004. Economic Growth, 2nd ed. Cambridge (MA), London: Massachusetts Institute of Technology.
Becker, G. S. 1965. A Theory of the Allocation of Time. The Economic Journal 75(229): 493–517.
Becker, G. S. 1993. Human Capital. A Theoretical and Empirical Analysis, with Special Reference to Education, 3rd ed. New York, London: Columbia University Press.
Berger, R., und B. Baumeister. 2016. Messung von studentischem Workload. In Evaluation von Studium und Lehre, Hrsg. D. Großmann und T. Wolbring, 185–223. Wiesbaden: Springer VS.
Boudon, R. 1974. Education, Opportunity, and Social Inequality. New York: John Wiley & Sons Inc.
Breen, R., und J. H. Goldthorpe. 1997. Explaining Educational Differentials: Towards a Formal Rational Action Theory. Rationality and Society 9(3): 275–305.
Callender, C. 2008. The impact of term-time employment on higher education students‘ academic attainment and achievement. Journal of Education Policy 23(4): 359–377.
Engelhardt, C., und A. Wagener. 2016. What do Germans think and know about income inequality? A survey experiment. ECINEQ Working Paper, Nr. 389. Rome: ECINEQ Society for the Study of Economic Inequality.
Engelke, J., U. Müller, und R. Röwert. 2017. Erfolgsgeheimnisse privater Hochschulen, Wie Hochschulen atypische Studierende gewinnen und neue Zielgruppen erschließen können. Gütersloh: CHE Centrum für Hochschulentwicklung.
Esser, H. 1999. Soziologie, Spezielle Grundlagen, Bd. 1: Situationslogik und Handeln. Frankfurt a. M.: Campus Verlag.
EUROSTUDENT. 2018. EUROSTUDENT VI Datenbank. Deutsches Zentrum für Hochschul- und Wissenschaftsforschung (DZHW). http://database.eurostudent.eu/. Zugegriffen: 11. September 2018.
Franzen, A., und A. Hecken. 2002. Studienmotivation, Erwerbspartizipation und der Einstieg in den Arbeitsmarkt. Kölner Zeitschrift für Soziologie und Sozialpsychologie 54(4): 733–752.
Geier, I. 2018. Active citizenship learning in higher education. Zeitschrift für Hochschulentwicklung 13(2): 155–168.
Hauschildt, K., E. M. Vögtle, und C. Gwosć. 2018. Social and Economic Conditions of Student Life in Europe, EUROSTUDENT VI 2016-2018, Synopsis of Indicators. Bielefeld: W. Bertelsmann Verlag.
Henke, J., P. Pasternack, und S. Schmid. 2016. Third Mission bilanzieren – Die dritte Aufgabe der Hochschulen und ihre öffentliche Kommunikation. Die Hochschule Beiheft. Wittenberg: Institut für Hochschulforschung Halle-Wittenberg.
Holland, D., I. Liadze, C. Rienzo, und D. Wilkinson. 2013. The relationship between graduates and economic growth across countries. BIS Research Paper No. 110. London: Department for Business, Innovation and Skills.
Hovdhaugen, E. 2015. Working While Studying: The Impact of Term-Time Employment on Dropout Rates. Journal of Education and Work 28(6): 631–651.
Mergner, J., A. Ortenburger, und A. Vöttiner. 2015. Studienmodelle individueller Geschwindigkeit. Hannover: Deutsches Zentrum für Hochschul- und Wissenschaftsforschung (DZHW) GmbH.
Middendorff, E., B. Apolinarski, J. Poskowsky, M. Kandulla, und N. Netz. 2013. Die wirtschaftliche und soziale Lage der Studierenden in Deutschland 2012. 20. Sozialerhebung des Deutschen Studentenwerks – durchgeführt durch das HIS-Institut für Hochschulforschung. Berlin: Bundesministerium für Bildung und Forschung (BMBF).
Middendorff, E., B. Apolinarski, K. Becker, P. Bornkessel, T. Brandt, S. Heißenberg, und J. Poskowsky. 2017. Die wirtschaftliche und soziale Lage der Studierenden in Deutschland 2016. 21. Sozialerhebung des Deutschen Studentenwerks – durchgeführt vom Deutschen Zentrum für Hochschul- und Wissenschaftsforschung. Berlin: Bundesministerium für Bildung und Forschung (BMBF).
Niehues, J. 2017. Die Mittelschicht in Deutschland. Vielschichtig und stabil. IW-Trends – Vierteljahresschrift zur empirischen Wirtschaftsforschung aus dem Institut der deutschen Wirtschaft Köln, 44. Jahrgang, Heft 1/2017. Köln: Institut der deutschen Wirtschaft Köln.
OECD. 2017. Bildung auf einen Blick 2017, OECD-Indikatoren. Bielefeld: W. Bertelsmann Verlag.
Schwarzenberger, A., und C. Gwosć. 2008. Country report of Germany. In Public/private funding of higher education: a social balance, Hrsg. A. Schwarzenberger, 66–81. Hannover: HIS Hochschul-Informations-System GmbH.
Staneva, M. 2015. Studieren und Arbeiten: die Bedeutung der studentischen Erwerbstätigkeit für den Studienerfolg und den Übergang in den Arbeitsmarkt. DIW Roundup: Politik im Fokus, Nr. 70. Berlin: DIW Berlin Deutsches Institut für Wirtschaftsforschung.
Triventi, M. 2014. Does working during higher education affect students’ academic progression? Economics of Education Review 41: 1–13.
Weiss, F., M. Klein, und T. Grauenhorst. 2014. The Effects of Work Experience during Higher Education on Labour Market Entry: Learning by Doing or an Entry Ticket? Work, Employment and Society 28(5): 788–807.
Wenz, M., und W. Yu. 2010. Term-Time Employment and the Academic Performance of Undergraduates. Journal of Education Finance 35(4): 358–373.
Yendell, A. 2017. Soziale Ungleichheiten in der beruflichen Weiterbildung. Wiesbaden: Springer VS.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Apolinarski, B., Gwosć, C. (2020). Studienfinanzierung und studienbegleitende Erwerbstätigkeit als Determinanten des studentischen Workloads: Negative Effekte der Selbstfinanzierung?. In: Großmann, D., Engel, C., Junkermann, J., Wolbring, T. (eds) Studentischer Workload. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-28931-7_5
Download citation
DOI: https://doi.org/10.1007/978-3-658-28931-7_5
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-28930-0
Online ISBN: 978-3-658-28931-7
eBook Packages: Social Science and Law (German Language)