Je mehr weibliche Professoren, desto weniger Forschung, Offenheit und gesellschaftliche Relevanz
Wir haben wieder einmal gerechnet.
Anlass war eine Pressemeldung des Statistischen Bundesamts, die wie folgt beginnt:
“Im Jahr 2013 warb eine Professorin beziehungsweise ein Professor an deutschen Universitäten (ohne medizinische Einrichtungen /Gesundheitswissenschaften der Universitäten) im Durchschnitt Drittmittel in Höhe von 255 400 Euro ein.
Wie gleich wir doch alle plötzlich wieder sind, und wie wenig Wert auf die ansonsten obligatorische Differenzierung nach Geschlecht gelegt wird.
Das hat uns misstrauisch gemacht. Deshalb haben wir gerechnet, mit Daten des Statistischen Bundesamts, Daten aus Fachserie 11, Reihe 4.4: Personal an Hochschulen, aus Fachserie 11, Reihe 4.3.2: Monetäre hochschulstatistische Kennzahlen und mit den Daten aus der Pressmeldung. Es war ein ziemliches Zusammensuchen der Daten, aber am Ende sind wir fündig geworden und konnten die Verteilung der Drittmittel nach Geschlecht berechnen, ein wichtiges Datum, auf dessen Grundlage sich vor dem Hintergrund, dass mit allen Mitteln weibliche Professoren an Universitäten installiert werden sollen, einige Prognosen für die Zukunft aufstellen lassen.
Doch zunächst zu Drittmitteln. Das Statistische Bundesamt definiert Drittmittel wie folgt:
“Drittmittel sind Mittel, die zur Förderung von Forschung und Entwicklung sowie des wissenschaftlichen Nachwuchses und der Lehre zusätzlich zum regulären Hochschulhaushalt (Grundausstattung) von öffentlichen oder privaten Stellen eingeworben werden. Drittmittel können der Hochschule selbst, einer ihrer Einrichtungen (z.B. Fakultäten, Fachbereichen, Instituten) oder einzelnen Wissenschaftlern im Hauptamt zur Verfügung gestellt werden. Nicht zu den Drittmitteln zählen Mittel des Trägerlandes.”
Man kann Drittmittel somit als Indikator für die Relevanz der Forschung und das Interesse an der Forschung, die an Universitäten betrieben wird, ansehen. Entsprechend ist die Höhe der Drittmittel ein Indikator für die gesellschaftliche Relevanz von Universitäten bzw. die Ab-Schließung von Universitäten gegenüber dem Rest der Gesellschaft.
Auf Grundlage der Daten des Statistischen Bundesamtes haben wir daher berechnet, welche Verteilung sich ergibt, wenn man das Geschlecht des Professoren, das in sonstigen Veröffentlichungen immer so wichtig ist, berücksichtigt.
Es ergibt sich diese Verteilung:
Ohne medizinische Einrichtungen zu berücksichtigen hat das Statistische Bundesamt errechnet, dass pro Professor “Drittmittel in Höhe von 255 400 Euro” eingeworben werden.
Unsere Berechnung hat ergeben, dass ein männlicher Professor durchschnittlich Drittmittel in Höhe von 253.841 Euro einwirbt, während ein weiblicher Professor Drittmittel in Höhe von durchschnittlich 181.177 Euro einwirbt (also ein Drittmittel Gender Gap von 30,2%).
Nimmt man die Höhe der Drittmittel als Indikator für die Offenheit und die Forschungsorientierung von Universitäten sowie für die gesellschaftliche Relevanz der Forschung, dann muss man feststellen, dass männliche Professoren im Durchschnitt mehr an Forschung orientiert sind, ihre Forschung mehr gesellschaftliche Relevanz hat und sie offener sind als weibliche Professoren.
Wie sich der Anteil weiblicher Professoren auf die Offenheit, Forschungsorientierung und Relevanz dessen, was an Universitäten geforscht wird, auswirkt, zeigt die folgende Abbildung: Je höher der Anteil der weiblichen Professoren in einem Fachbereich, desto geringer die eingeworbenen Drittmittel, desto geringer also Offenheit, Forschungsorientierung und Relevanz des entsprechenden Fachbereichs.
Der dargestellte Zusammenhang ist stark. Der Anteil der weiblichen Professoren und die Höhe der eingeworbenen Drittmittel nach Fachbereichen korrelieren mit einem r von -.69, d.h. mit jedem weiblichen Professor, der in einem Fachbereich installiert wird, sinkt die Höhe der eingeworbenen Drittmittel um durchschnittlich 69%.
Das sind deutliche Indikatoren dafür, wohin die Reise an deutschen Universitäten geht, in Richtung einer abschlossenen Institution, einer nahezu totalen Institution, an der Inhalte gelehrt werden, die keine gesellschaftliche Relevanz haben, keinen Mehrwert produzieren, keinerlei Interesse bei Akteuren erwecken, deren Ziel darin besteht, den Wohlstand zu vermehren, kurz: Universitäten schmoren mit jedem weiblichen Professor, der z.B. über das Professorinnenprogramm installiert wird, um anschließend die Bedeutung der Berücksichtigung von Geschlecht beim CNC Fräsen zu lehren, mehr im eigenen Saft. Es sinkt die Offenheit, die Relevanz und die Bedeutung von Universitäten. Sie werden immer mehr zu Abladestellen für akademische Hartz-IVler, deren Zweck darin besteht, gesellschaftlichen Wohlstand zu verbrauchen, nicht ihn zu schaffen.
Was das für den Forschungsstandort Deutschland bedeutet, das kann sich jeder selbst an seinen fünf Fingern der rechten Hand abzählen.
Folgen Sie uns auf Telegram.
Anregungen, Hinweise, Kontakt? -> Redaktion @ Sciencefiles.org
Wenn Ihnen gefällt, was Sie bei uns lesen, dann bitten wir Sie, uns zu unterstützen.
ScienceFiles lebt weitgehend von Spenden.
Helfen Sie uns, ScienceFiles auf eine solide finanzielle Basis zu stellen.Wir haben drei sichere Spendenmöglichkeiten:
Ich bin kein Fachmann für Statistik. Daher frage ich mich, wenn “pro Professor “Drittmittel in Höhe von 255 400 Euro” eingeworben werden und ein männlicher Professor durchschnittlich Drittmittel in Höhe von 253.841 Euro einwirbt, während ein weiblicher Professor Drittmittel in Höhe von durchschnittlich 181.177 Euro einwirbt:
wie komme ich dann wieder auf den Durchschnitt von 255 400 Euro?
Oder ist da irgendwo ein Zahlendreher? (Bei 100% männlichen wäre der Durchschnitt ja nur 253 841 €.)
Besonders deutlich zeigt sich diese Tendenz bei den “Gender-Studies”. Dort liegen die Werte für Offenheit und Relevanz so nahe bei 0 K wie nur irgend möglich.
Lassen Sie mich bitte einen Einwand bringen: wenn Sie die Drittmittel über alle Fächer berechnen, dann könnte es sein, das die Laber- und Gender-Professorinnen extrem unterdurchschnittlich abschneiden und so die tüchtigen Professorinnen quasi runterziehen. Nur eine Vermutung, aber es wäre doch fair, die Drittmittel nach Fachbereichen zu untersuchen. Ich kenne einige tüchtige Professorinnen in harten Fächern, die bestimmt nicht hinter ihren männlichen Kollegen herhinken.
Sie schreiben: Man kann Drittmittel somit als Indikator für die Relevanz der Forschung und das Interesse an der Forschung, die an Universitäten betrieben wird, ansehen.
Ich ergänze: , wobei das Interesse von der Industrie, Militär oder sonstigen Geldgebern abhängt, ob nämlich aus der Forschung weitestgehend Kapital (Profitgier) erzielt werden kann.
Deshalb wird sehr wenig Grundlagenforschung betrieben.
Drittmittel bekommt ein Forscher auch dann nicht, wenn die Forschung eine Branche (sprudelnde Geldquelle: Öl, Gas, etc.) überflüssig macht, es sei denn, die Forschung ist militärisch von maximaler Bedeutung.
Drittmittel können also sehr sensibel und extrem von äußerer Relevanz abhängig sein.
Ich persönlich will mich jedoch nicht immer daran orientieren, was die Industrie will, sondern möchte etwas für die Menschheit erforschen. Dabei möchte ich mich auch nicht in den Begründungen der Anträge krumm legen müssen.
Insgesamt stimme ich Ihnen zu.
1. Der Gender-Mist muss entfernt werden.
2. Auf eine offene Stelle muss die/der Beste berufen werden.
3. Der Forschungsstandort Deutschland muss wieder zu der Weltspitze gehören.
Drittmittelfinanzierung ist in weiten Teilen DFG-Finanzierung, was die meisten der von Ihnen angeführten Punkte hinfällig machen sollte und Grundlagenforschung gerade umfassen sollte. Davon abgesehen kann ich nichts Negatives daran erkennen, dass Unternehmen für Forschung bezahlen, die sie auch verwerten können.
Die Gefahr bei unternehmensfinanzierter Wissenschaft liegt immer in der Aufgabe guter wissenschaftlicher Praxis. Angefangen bei der Unsitte nur für das Unternehmen positive Ergebnisse zu publizieren (wenn überhaupt publiziert wird) bis hin zu Gefälligkeitsgutachen. Insbesondere im Bereich der med.-pharmakologischen Forschung ist dies ein eklatantes Problem. Der Hr. Professor und sein Team sind inzwischen von den Zuwendungen derart abhängig, daß sie praktisch nicht mehr unabhängig agieren können.
„Der dargestellte Zusammenhang ist stark. Der Anteil der weiblichen Professoren und die Höhe der eingeworbenen Drittmittel nach Fachbereichen korrelieren mit einem r von -.69, d.h. mit jedem weiblichen Professor, der in einem Fachbereich installiert wird, sinkt die Höhe der eingeworbenen Drittmittel um durchschnittlich 69%.
An dieser Stelle irren Sie. Der von Ihnen berechnete Korrelationskoeffizient trifft eine Aussage über die Güte einer linearen Korrelation. Es muss daher vorher geklärt ob überhaupt ein linearer Zusammenhang besteht. Bei einem Wert von +1 bzw. -1 besteht eine vollständige Korrelation (alle Messpunkte liegen auf einer Geraden). Ist r=0 besteht keine Korrelation (kreisrunde Punktwolke). Bei r=0,69 ist eine Korrelation nur knapp über dem statistisch relevanten Maß angekommen. Hier von einem starken Zusammenhang zu sprechen ist sehr optimistisch.
Weiterhin kann man aus dem Korrelationskoeefizienten nicht auf die Höhe der Zu- oder Abnahme (hier die erwähnten 69%) schließen. Hierfür muss man die Steigung (m) der Ausgleichsgeraden ermitteln, dann hätte man den Faktor um den sich die Mittel ändern.
Zum Schluss bleibt dann immer noch die alte Weisheit, daß eine Korrelation keine Kausalität beweist. Kausale Zusammenhänge korrelieren zwar immer, aber der Umkehrschluss gilt nicht. Auch sagt eine Korrelation nichts über die Richtung der Abhängigkeit aus (Bestimmt x y, oder y x).
Weiterhin kann man aus dem Korrelationskoeefizienten nicht auf die Höhe der Zu- oder Abnahme (hier die erwähnten 69%) schließen. Hierfür muss man die Steigung (m) der Ausgleichsgeraden ermitteln, dann hätte man den Faktor um den sich die Mittel ändern.
Was macht Sie so sicher, dass wir das nicht getan haben?
Pearson’s r misst übrigens einen linearen Zusammenhang und entspricht somit dem b einer einfachen Regression.
Was macht Sie so sicher, dass wir das nicht getan haben?
Es mag sein, das Sie dies getan haben (haben Sie nun oder haben Sie nicht?), aber Ihr Satz
… nach Fachbereichen korrelieren mit einem r von -.69, d.h. mit jedem weiblichen Professor, der in einem Fachbereich installiert wird, sinkt die Höhe der eingeworbenen Drittmittel um durchschnittlich 69%.
sagt das nicht aus. Durch das „d.h.“ erläutern sie r=-0,69 mit einer Reduktion von 69% und genau das ist falsch. Beide Zahlenwerte (Steigung und Koeffizient) haben nichts miteinander zu tun, da sie zwei verschiedene Sachverhalte beschreiben und nicht auseinander ableitbar sind.
Pearson’s r misst übrigens einen linearen Zusammenhang und entspricht somit dem b einer einfachen Regression.
Eben deshalb muss erst gekärt werden ob überhaupt ein linearer Zusammenhang vorliegt! Sie haben eine sehr geringe Zahl von Meßpunkten, gerade einmal neun. Man könnte hier derzeit auch ein Dreiclustermuster anstelle eines linearen Zusammenhangs erkennen.
Ab wann liegt denn für Sie Linearität vor? Einmal davon abgesehen, dass man jeden Zusammenhang linear beschreiben kann. Wie gut man das kann, ist eine andere Frage, aber ein r von -.69 ist schon eher ein guter Zusammenhang oder? Wie oft kommt es schon vor, dass man 48% seiner Varianz erklären kann? Und nochmal: r entspricht b, d.h. y = b0 + (-,69)b1, d.h. wenn b1 um eine Einheit steigt, dann steigt y um -.69 (sinkt also).
1. Vielleicht mache ich ja irgendwo einen Denkfehler, aber betrachten wir ihre Grafik. Die Drittmittel umfassen den enormen Bereich von 0-2,5 Milliarden (Euro nehme ich mal an, auch wenn es nicht dasteht) und die weiblichen Professoren sind als Prozent angegeben. Jetzt besagt die Regressionsgerade in der Grafik, daß für jedes Prozent mehr an weiblichen Professoren, die Drimittelrate um ≈60.000 Tausend Euro, also um 60 Mio. (sic!) sinkt (10%:≈1450000·10³, 20%:≈850000·10³, 30%:≈275000·10³). Sie behaupten aber wortwörtlich, daß jede einzelne Professorin den eigeworbenen Etat um durchschnittlich 69% reduziert! Ihre Aussage beschreibt keinen linearen, sondern einen exponentiellen Zusammenhang (1 Mio → 310.000 → 96.100 → 29.700 → 9.235 → 2.863 = Pleite in fünf Stufen, unabhängig von der Ursprungshöhe). Hier kann was nicht stimmen.
2. Ich persönlich bin nicht der Auffassung daß ein r = ±0,69 sonderlich gut ist, das ist knapp über der statistischen Signifikanz, aber das ist nicht mein Aufhänger.
3. Stimmen die Zehnerpotenzen wirklich? Wenn das nach Unis und Fachbereichen aufgeschlüsselt ist, frage ich mich wer dort Drittmittel in Milliardenhöhe eingeworben hat, aber vielleicht unterschätze ich auch den Umfang.
1. Sie begehen einen ökologischen Fehlschluss, wir sagen, was mit jeder weiteren Professur, die an eine Frau vergeben wird, insgesamt an Auswirkung zu erwarten ist. Die Regression ist auf Basis von Aggregatdaten berechnet, nicht auf Basis von Individualdaten (siehe die verlinkten QUellen).
2. Was hat ein r von .69 mit statistischer Signifikanz zu tun? Ich habe schon r’s gesehen, die hatten .19 und waren statistisch signifikant. Die Signifikanz und die Höhe des Korrelationskoeffizienten haben zunächst nicht viel miteinander zu tun.
3. Ja und ja und es sind Zahlen für alle Universitäten in Deutschland (siehe abermals die verlinkten Publikationen von destatis)
[…] mit jedem weiblichen Professor, der in einem Fachbereich installiert wird, sinkt die Höhe der eingeworbenen Drittmittel um durchschnittlich 69%
Sie schreiben klipp und klar, daß die Höhe mit Jeder um 69% sinkt. Insofern mache ich keinen ökokogischen Fehlschluss, sie sprechen selbst von jeder und nicht von dem was (angeblich) insgesamt zu erwaten ist.
Aber wir kommen nicht zusammen. Daher abschließend von mir meine Aussage zusammengefasst:
Der Pearson’sche Korrelationskoeffizient ist ein Maß für die Streuung der Daten und die Richtung der Punktwolke zweier Variablen, die in einem linearen Zusammenhang zueinander stehen. Er macht keine Aussage über die Steigung. Liegen alle Punkte auf einer Geraden ist |r|=1. Diese Gerade kann im Koodiantensystem in jedem beliebigen Winkel verlaufen, außer exakt waagerecht oder horizontal, dann läßt sich r nicht ermitteln (Division durch 0).
Sie hingegen schließen bei einem r=-0,69 auf die Steigung von -69%.
Somit haben wir derzeit zwei nicht miteinander in Einklang zu bringende Aussagen und sollten es dabei belassen.
Ich denke, es ist das einzige, wenn Sie hier über den Zusammenhang zwischen pearson’s r als Maß linearer Korrelation und b als Maß für Steigung (und Zusammenhang) in einer einfachen Regression nachlesen.
Das steht ziemlich genau was ich sage:
1. Definiton von r:
The Pearson correlation coefficient, r, describes the strength and direction of a linear relationship between two variables.
Nur Stärke und Richtung, nicht die Steigung und das steht dort mehrmals.
2. Im Beispiel unter linearer Regression:
Y’ = bX + a,
where Y’ represents the prediction,
X represents the independent variable,
b is called the slope, and
a is called the y-intercept.
Im Beispiel wird die Gleichung dort zu Y’ = .627 X + (-13.374) bei r=0,696.
r ≠ b. Um die Steigung der Geraden zu berechnen benötige ich kein r und von der Steigung kommt man nicht zu r!
Mal angenommen alle Ihre Meßpunkte lägen auf der gezeigten Geraden in Ihrem Diagramm, dann wäre r=1,0, eine perfekte Korrelation, aber über die Steigung wüßten wir damit nichts, denn mit b=r wie Sie oben im Kommentar schrieben („Und nochmal: r entspricht b“), ist es falsch, denn für jeden beliebigen r gibt unendlich viele Steigungen (b).
Nur noch als Nachtrag:
Ihre Regressionsgerade (ermittelt druch ablesen aus der Grafik) wird beschriebn durch:
y = mx + b
m ≈ -58.750
b ≈ 2.033.333
r = -0,69
Will man nun die Drittmittel für 20% Prof.innenanteil vorhersagen:
y ≈ -58.750 * 20 + 2.033.333 ≈ 858.000
Und was ist mit der Entwicklung der Drittmittel für einen weiblichen Professor mehr?
Wird geladen …
Carsten Olk
“Je höher der Anteil der weiblichen Professoren in einem Fachbereich, desto geringer die eingeworbenen Drittmittel, desto geringer also Offenheit, Forschungsorientierung und Relevanz des entsprechenden Fachbereichs.”
Normalerweise schätze ich die Beiträge auf science files. Aber dieser lässt es an Objektivität mangeln, da er tatsächlich aufgrund einer rein quantitativen Erhebung der Drittmitteleinwerbung einen Rückschluss auf die Bedeutsamkeit des Fachbereichs (und die Qualität der Forschung) zu suggerieren versucht. Zumindest aber hält er die Drittmitteleinwerbung für ein Qualitätssiegel. Das ist doch äußerst schwach. Es gibt Professoren, die nur wenig bis gar keine Drittmittel einwerben, aber dennoch eine gewaltige Reputation in ihrem Fach besitzen und für Universität und Forschung viel geleistet haben. Ich bezweifle, dass viele der Professoren ihr Fach hätten weiterbringen können, wenn sie in der Vergangenheit den heute oft von oben auferlegten, teils inflationär erscheinenden Forderungen zur Drittmelakquisition ausgesetzt gewesen wären. Hier scheint die gender-Entlarvung in umgekehrter Weise ideologisch aufgeladen! Ich würde mir in Zukunft von science-files wünschen, einmal der Frage nachzugehen, wie viele Planstellen unter Preisgabe von Drittmitteleinwerbungungen geschaffen werden könnten, so dass sich wissenschaftlichem Nachwuchs eine wirkliche Perspektive eröffnen würde.
Bei aller Kritik am Genderismus (den ich teile), sollte man nicht über’s Ziel hinausschießen. Der von Ihnen postulierte Zusammenhang dürfte tatsächlich real existieren, auch wenn die Zahlen das oben mMn nicht unbedingt belegen. Die Industrie zahlt nicht für Gender, die kostet der Unfug (Frauenbeauftragte, Quoten etc.) nur Geld ohne Aussicht auf Gewinn. Praktisch alle Genderprojekte die mir untergekommen hatten als Förderer letztendlich das BMBF (von Werbeanzeigen auf Plakaten, Flyern etc. abgesehen) oder eine Partei.
Noch ein allgemeines Wort zu Drittmitteln. Ich halte es aus Sicht der Wissenschaften, wozu ich Gender explizit nicht zähle, für fatal, daß die Universitätsforschung derart von Drittemitteln abhängig gemacht wurde. Der Qualität kam dies nicht zugute.
Die Fächer, welche die Professoren und Professorinnen besetzen, werden nach Geschlecht unterschiedlich häufig vorkommen. In den Ingenieurswissenschaften werden die Männer stärker vertreten sein. Dort werden aber die meisten Drittmittel vergeben. Die hier diskutierte Verteilung zeigt also weniger die Fähigkeit der Professorinnen an, Drittmittel einzuwerben, sondern ihre Neigung hin zu nicht natur- oder ingenieurwissenschaftlichen Fächern. Wenn man also mehr Drittmittel durch Frauen einwerben will, muss man Lehrstühle der Ingenieurswissenschaften mit Frauen besetzen.
Die Besetzung von neu geschaffenen Professorinnenstellen in ingenieurwissenschaftlichen Fächern endet aber allzu häufig mit der kompletten Streichung der Stelle, weil sich neben X männlichen Bewerbern keine Bewerberin findet. So isses nun mal.
Aus meiner Sicht ist die reißerische Schlussfolgerung unzulässig. Erstens müsste offensichtlich das Dienstalter einbezogen werden. Da es früher noch weniger Professorinnen gab, ist anzunehmen, dass viele jüngere darunter sind, die benachteiligt sind, da es bei Drittmitteln einen ausgeprägten Matthäus-Effekt gibt – wer viel hatte, konnte damit in der Regel besser veröffentlichen und bekommt dann immer noch mehr. Ferner gibt es offensichtlich Fachrichtungen, in denen allgemein viel weniger Drittmittel eingeworben werden: Geistes- und Sozialwissenschaften, Jura, einfach, weil man da im wesentlichen Personalmittel braucht und keine teuren Maschinen. Beruht das Ergebnis vielleicht im wesentlichen darauf, dass es immer noch wenige Professorinnen in technischen Fächern gibt?
Ah und alle die von Ihnen genannten Variablen wirken sich auf die Höhe der eingeworbenen Drittmittel aus?
Wie?
Und vor allem differenziert und so, dass man sie noch auf Aggregatebene zeigen kann?
Vielen Dank, dass Sie ScienceFiles unterstützen! Ausblenden
Wir sehen, dass du dich in Vereinigtes Königreich befindest. Wir haben unsere Preise entsprechend auf Pfund Sterling aktualisiert, um dir ein besseres Einkaufserlebnis zu bieten. Stattdessen Euro verwenden.Ausblenden
Das hat uns misstrauisch gemacht. Deshalb haben wir gerechnet, mit Daten des Statistischen Bundesamts, Daten aus Fachserie 11, Reihe 4.4: Personal an Hochschulen, aus Fachserie 11, Reihe 4.3.2: Monetäre hochschulstatistische Kennzahlen und mit den Daten aus der Pressmeldung. Es war ein ziemliches Zusammensuchen der Daten, aber am Ende sind wir fündig geworden und konnten die Verteilung der Drittmittel nach Geschlecht berechnen, ein wichtiges Datum, auf dessen Grundlage sich vor dem Hintergrund, dass mit allen Mitteln weibliche Professoren an Universitäten installiert werden sollen, einige Prognosen für die Zukunft aufstellen lassen.
ScienceFiles Spendenkonto:
HALIFAX (Konto-Inhaber: Michael Klein):
ScienceFiles Spendenkonto:
HALIFAX (Konto-Inhaber: Michael Klein):
Ich bin kein Fachmann für Statistik. Daher frage ich mich, wenn “pro Professor “Drittmittel in Höhe von 255 400 Euro” eingeworben werden und ein männlicher Professor durchschnittlich Drittmittel in Höhe von 253.841 Euro einwirbt, während ein weiblicher Professor Drittmittel in Höhe von durchschnittlich 181.177 Euro einwirbt:
wie komme ich dann wieder auf den Durchschnitt von 255 400 Euro?
Oder ist da irgendwo ein Zahlendreher? (Bei 100% männlichen wäre der Durchschnitt ja nur 253 841 €.)
Gar nicht, denn Sie kennen nicht die Basis für die Bildung des Durchschnitts.
Danke.
Besonders deutlich zeigt sich diese Tendenz bei den “Gender-Studies”. Dort liegen die Werte für Offenheit und Relevanz so nahe bei 0 K wie nur irgend möglich.
Lassen Sie mich bitte einen Einwand bringen: wenn Sie die Drittmittel über alle Fächer berechnen, dann könnte es sein, das die Laber- und Gender-Professorinnen extrem unterdurchschnittlich abschneiden und so die tüchtigen Professorinnen quasi runterziehen. Nur eine Vermutung, aber es wäre doch fair, die Drittmittel nach Fachbereichen zu untersuchen. Ich kenne einige tüchtige Professorinnen in harten Fächern, die bestimmt nicht hinter ihren männlichen Kollegen herhinken.
Gruß
Die Drittmittel sind nach Fachbereich untersucht, in der Abbildung. Wir haben noch ein paar Zahlen, die wir nachliefern.
Die Benennung der Fachbereich auf der x-Achse wäre interessant. Und natürlich der direkte M/W Vergleich im Diagramm.
Danke für Ihre Mühe
Sie schreiben: Man kann Drittmittel somit als Indikator für die Relevanz der Forschung und das Interesse an der Forschung, die an Universitäten betrieben wird, ansehen.
Ich ergänze: , wobei das Interesse von der Industrie, Militär oder sonstigen Geldgebern abhängt, ob nämlich aus der Forschung weitestgehend Kapital (Profitgier) erzielt werden kann.
Deshalb wird sehr wenig Grundlagenforschung betrieben.
Drittmittel bekommt ein Forscher auch dann nicht, wenn die Forschung eine Branche (sprudelnde Geldquelle: Öl, Gas, etc.) überflüssig macht, es sei denn, die Forschung ist militärisch von maximaler Bedeutung.
Drittmittel können also sehr sensibel und extrem von äußerer Relevanz abhängig sein.
Ich persönlich will mich jedoch nicht immer daran orientieren, was die Industrie will, sondern möchte etwas für die Menschheit erforschen. Dabei möchte ich mich auch nicht in den Begründungen der Anträge krumm legen müssen.
Insgesamt stimme ich Ihnen zu.
1. Der Gender-Mist muss entfernt werden.
2. Auf eine offene Stelle muss die/der Beste berufen werden.
3. Der Forschungsstandort Deutschland muss wieder zu der Weltspitze gehören.
Drittmittelfinanzierung ist in weiten Teilen DFG-Finanzierung, was die meisten der von Ihnen angeführten Punkte hinfällig machen sollte und Grundlagenforschung gerade umfassen sollte. Davon abgesehen kann ich nichts Negatives daran erkennen, dass Unternehmen für Forschung bezahlen, die sie auch verwerten können.
Die Gefahr bei unternehmensfinanzierter Wissenschaft liegt immer in der Aufgabe guter wissenschaftlicher Praxis. Angefangen bei der Unsitte nur für das Unternehmen positive Ergebnisse zu publizieren (wenn überhaupt publiziert wird) bis hin zu Gefälligkeitsgutachen. Insbesondere im Bereich der med.-pharmakologischen Forschung ist dies ein eklatantes Problem. Der Hr. Professor und sein Team sind inzwischen von den Zuwendungen derart abhängig, daß sie praktisch nicht mehr unabhängig agieren können.
Ob bei der abgebildten Grafik eine lineare Regression angezeigt ist, erscheint mir nicht ganz schlüssig.
An dieser Stelle irren Sie. Der von Ihnen berechnete Korrelationskoeffizient trifft eine Aussage über die Güte einer linearen Korrelation. Es muss daher vorher geklärt ob überhaupt ein linearer Zusammenhang besteht. Bei einem Wert von +1 bzw. -1 besteht eine vollständige Korrelation (alle Messpunkte liegen auf einer Geraden). Ist r=0 besteht keine Korrelation (kreisrunde Punktwolke). Bei r=0,69 ist eine Korrelation nur knapp über dem statistisch relevanten Maß angekommen. Hier von einem starken Zusammenhang zu sprechen ist sehr optimistisch.
Weiterhin kann man aus dem Korrelationskoeefizienten nicht auf die Höhe der Zu- oder Abnahme (hier die erwähnten 69%) schließen. Hierfür muss man die Steigung (m) der Ausgleichsgeraden ermitteln, dann hätte man den Faktor um den sich die Mittel ändern.
Zum Schluss bleibt dann immer noch die alte Weisheit, daß eine Korrelation keine Kausalität beweist. Kausale Zusammenhänge korrelieren zwar immer, aber der Umkehrschluss gilt nicht. Auch sagt eine Korrelation nichts über die Richtung der Abhängigkeit aus (Bestimmt x y, oder y x).
Was macht Sie so sicher, dass wir das nicht getan haben?
Pearson’s r misst übrigens einen linearen Zusammenhang und entspricht somit dem b einer einfachen Regression.
Es mag sein, das Sie dies getan haben (haben Sie nun oder haben Sie nicht?), aber Ihr Satz
sagt das nicht aus. Durch das „d.h.“ erläutern sie r=-0,69 mit einer Reduktion von 69% und genau das ist falsch. Beide Zahlenwerte (Steigung und Koeffizient) haben nichts miteinander zu tun, da sie zwei verschiedene Sachverhalte beschreiben und nicht auseinander ableitbar sind.
Eben deshalb muss erst gekärt werden ob überhaupt ein linearer Zusammenhang vorliegt! Sie haben eine sehr geringe Zahl von Meßpunkten, gerade einmal neun. Man könnte hier derzeit auch ein Dreiclustermuster anstelle eines linearen Zusammenhangs erkennen.
Ab wann liegt denn für Sie Linearität vor? Einmal davon abgesehen, dass man jeden Zusammenhang linear beschreiben kann. Wie gut man das kann, ist eine andere Frage, aber ein r von -.69 ist schon eher ein guter Zusammenhang oder? Wie oft kommt es schon vor, dass man 48% seiner Varianz erklären kann? Und nochmal: r entspricht b, d.h. y = b0 + (-,69)b1, d.h. wenn b1 um eine Einheit steigt, dann steigt y um -.69 (sinkt also).
1. Vielleicht mache ich ja irgendwo einen Denkfehler, aber betrachten wir ihre Grafik. Die Drittmittel umfassen den enormen Bereich von 0-2,5 Milliarden (Euro nehme ich mal an, auch wenn es nicht dasteht) und die weiblichen Professoren sind als Prozent angegeben. Jetzt besagt die Regressionsgerade in der Grafik, daß für jedes Prozent mehr an weiblichen Professoren, die Drimittelrate um ≈60.000 Tausend Euro, also um 60 Mio. (sic!) sinkt (10%:≈1450000·10³, 20%:≈850000·10³, 30%:≈275000·10³). Sie behaupten aber wortwörtlich, daß jede einzelne Professorin den eigeworbenen Etat um durchschnittlich 69% reduziert! Ihre Aussage beschreibt keinen linearen, sondern einen exponentiellen Zusammenhang (1 Mio → 310.000 → 96.100 → 29.700 → 9.235 → 2.863 = Pleite in fünf Stufen, unabhängig von der Ursprungshöhe). Hier kann was nicht stimmen.
2. Ich persönlich bin nicht der Auffassung daß ein r = ±0,69 sonderlich gut ist, das ist knapp über der statistischen Signifikanz, aber das ist nicht mein Aufhänger.
3. Stimmen die Zehnerpotenzen wirklich? Wenn das nach Unis und Fachbereichen aufgeschlüsselt ist, frage ich mich wer dort Drittmittel in Milliardenhöhe eingeworben hat, aber vielleicht unterschätze ich auch den Umfang.
1. Sie begehen einen ökologischen Fehlschluss, wir sagen, was mit jeder weiteren Professur, die an eine Frau vergeben wird, insgesamt an Auswirkung zu erwarten ist. Die Regression ist auf Basis von Aggregatdaten berechnet, nicht auf Basis von Individualdaten (siehe die verlinkten QUellen).
2. Was hat ein r von .69 mit statistischer Signifikanz zu tun? Ich habe schon r’s gesehen, die hatten .19 und waren statistisch signifikant. Die Signifikanz und die Höhe des Korrelationskoeffizienten haben zunächst nicht viel miteinander zu tun.
3. Ja und ja und es sind Zahlen für alle Universitäten in Deutschland (siehe abermals die verlinkten Publikationen von destatis)
Sie schreiben klipp und klar, daß die Höhe mit Jeder um 69% sinkt. Insofern mache ich keinen ökokogischen Fehlschluss, sie sprechen selbst von jeder und nicht von dem was (angeblich) insgesamt zu erwaten ist.
Aber wir kommen nicht zusammen. Daher abschließend von mir meine Aussage zusammengefasst:
Der Pearson’sche Korrelationskoeffizient ist ein Maß für die Streuung der Daten und die Richtung der Punktwolke zweier Variablen, die in einem linearen Zusammenhang zueinander stehen. Er macht keine Aussage über die Steigung. Liegen alle Punkte auf einer Geraden ist |r|=1. Diese Gerade kann im Koodiantensystem in jedem beliebigen Winkel verlaufen, außer exakt waagerecht oder horizontal, dann läßt sich r nicht ermitteln (Division durch 0).
Sie hingegen schließen bei einem r=-0,69 auf die Steigung von -69%.
Somit haben wir derzeit zwei nicht miteinander in Einklang zu bringende Aussagen und sollten es dabei belassen.
Ich denke, es ist das einzige, wenn Sie hier über den Zusammenhang zwischen pearson’s r als Maß linearer Korrelation und b als Maß für Steigung (und Zusammenhang) in einer einfachen Regression nachlesen.
http://benbaab.com/salkind/Correlations.html
Das steht ziemlich genau was ich sage:
1. Definiton von r:
Nur Stärke und Richtung, nicht die Steigung und das steht dort mehrmals.
2. Im Beispiel unter linearer Regression:
Im Beispiel wird die Gleichung dort zu Y’ = .627 X + (-13.374) bei r=0,696.
r ≠ b. Um die Steigung der Geraden zu berechnen benötige ich kein r und von der Steigung kommt man nicht zu r!
Mal angenommen alle Ihre Meßpunkte lägen auf der gezeigten Geraden in Ihrem Diagramm, dann wäre r=1,0, eine perfekte Korrelation, aber über die Steigung wüßten wir damit nichts, denn mit b=r wie Sie oben im Kommentar schrieben („Und nochmal: r entspricht b“), ist es falsch, denn für jeden beliebigen r gibt unendlich viele Steigungen (b).
Nur noch als Nachtrag:
Ihre Regressionsgerade (ermittelt druch ablesen aus der Grafik) wird beschriebn durch:
y = mx + b
m ≈ -58.750
b ≈ 2.033.333
r = -0,69
Will man nun die Drittmittel für 20% Prof.innenanteil vorhersagen:
y ≈ -58.750 * 20 + 2.033.333 ≈ 858.000
Und was ist mit der Entwicklung der Drittmittel für einen weiblichen Professor mehr?
“Je höher der Anteil der weiblichen Professoren in einem Fachbereich, desto geringer die eingeworbenen Drittmittel, desto geringer also Offenheit, Forschungsorientierung und Relevanz des entsprechenden Fachbereichs.”
Normalerweise schätze ich die Beiträge auf science files. Aber dieser lässt es an Objektivität mangeln, da er tatsächlich aufgrund einer rein quantitativen Erhebung der Drittmitteleinwerbung einen Rückschluss auf die Bedeutsamkeit des Fachbereichs (und die Qualität der Forschung) zu suggerieren versucht. Zumindest aber hält er die Drittmitteleinwerbung für ein Qualitätssiegel. Das ist doch äußerst schwach. Es gibt Professoren, die nur wenig bis gar keine Drittmittel einwerben, aber dennoch eine gewaltige Reputation in ihrem Fach besitzen und für Universität und Forschung viel geleistet haben. Ich bezweifle, dass viele der Professoren ihr Fach hätten weiterbringen können, wenn sie in der Vergangenheit den heute oft von oben auferlegten, teils inflationär erscheinenden Forderungen zur Drittmelakquisition ausgesetzt gewesen wären. Hier scheint die gender-Entlarvung in umgekehrter Weise ideologisch aufgeladen! Ich würde mir in Zukunft von science-files wünschen, einmal der Frage nachzugehen, wie viele Planstellen unter Preisgabe von Drittmitteleinwerbungungen geschaffen werden könnten, so dass sich wissenschaftlichem Nachwuchs eine wirkliche Perspektive eröffnen würde.
Bei aller Kritik am Genderismus (den ich teile), sollte man nicht über’s Ziel hinausschießen. Der von Ihnen postulierte Zusammenhang dürfte tatsächlich real existieren, auch wenn die Zahlen das oben mMn nicht unbedingt belegen. Die Industrie zahlt nicht für Gender, die kostet der Unfug (Frauenbeauftragte, Quoten etc.) nur Geld ohne Aussicht auf Gewinn. Praktisch alle Genderprojekte die mir untergekommen hatten als Förderer letztendlich das BMBF (von Werbeanzeigen auf Plakaten, Flyern etc. abgesehen) oder eine Partei.
Noch ein allgemeines Wort zu Drittmitteln. Ich halte es aus Sicht der Wissenschaften, wozu ich Gender explizit nicht zähle, für fatal, daß die Universitätsforschung derart von Drittemitteln abhängig gemacht wurde. Der Qualität kam dies nicht zugute.
Die Fächer, welche die Professoren und Professorinnen besetzen, werden nach Geschlecht unterschiedlich häufig vorkommen. In den Ingenieurswissenschaften werden die Männer stärker vertreten sein. Dort werden aber die meisten Drittmittel vergeben. Die hier diskutierte Verteilung zeigt also weniger die Fähigkeit der Professorinnen an, Drittmittel einzuwerben, sondern ihre Neigung hin zu nicht natur- oder ingenieurwissenschaftlichen Fächern. Wenn man also mehr Drittmittel durch Frauen einwerben will, muss man Lehrstühle der Ingenieurswissenschaften mit Frauen besetzen.
Die Besetzung von neu geschaffenen Professorinnenstellen in ingenieurwissenschaftlichen Fächern endet aber allzu häufig mit der kompletten Streichung der Stelle, weil sich neben X männlichen Bewerbern keine Bewerberin findet. So isses nun mal.
Aus meiner Sicht ist die reißerische Schlussfolgerung unzulässig. Erstens müsste offensichtlich das Dienstalter einbezogen werden. Da es früher noch weniger Professorinnen gab, ist anzunehmen, dass viele jüngere darunter sind, die benachteiligt sind, da es bei Drittmitteln einen ausgeprägten Matthäus-Effekt gibt – wer viel hatte, konnte damit in der Regel besser veröffentlichen und bekommt dann immer noch mehr. Ferner gibt es offensichtlich Fachrichtungen, in denen allgemein viel weniger Drittmittel eingeworben werden: Geistes- und Sozialwissenschaften, Jura, einfach, weil man da im wesentlichen Personalmittel braucht und keine teuren Maschinen. Beruht das Ergebnis vielleicht im wesentlichen darauf, dass es immer noch wenige Professorinnen in technischen Fächern gibt?
Ah und alle die von Ihnen genannten Variablen wirken sich auf die Höhe der eingeworbenen Drittmittel aus?
Wie?
Und vor allem differenziert und so, dass man sie noch auf Aggregatebene zeigen kann?