Wer lernt neue Sprachen?

Habe gestern bei Google Scholar einen coolen Datensatz (n = 215, Anteil Frauen = 48 %, mittleres Alter = 45 Jahre, Wohnort = USA) zum Thema allgemeine Lebenszufriedenheit gefunden, in dem neben vielen demographischen Daten, Big-Five-Persönlichkeit und Kindheitserfahrungen auch abgefragt wurde, ob die Teilnehmer derzeit aktiv eine neue Sprache lernen. Die Antwortmöglichkeiten waren generell auf einer 6-Punkte Likert Skala von “Strongly Disagree” zu “Strongly Agree”, was im Allgemeinen gute Resultate produziert (großer Antwortraum, kein neutraler Punkt).

Folgendes Regressionsmodell kam dabei raus:

Von den Variablen, die man als eher kausal ansehen kann (Big-Five, Kindheitserfahrungen), haben sich nur zwei Variablen als signifikante Prediktoren gezeigt: Offenheit und ein wohlhabendes Elternhaus. In beiden Fällen gilt: je mehr davon, desto höher die Wahrscheinlichkeit dass eine Person auch im Erwachsenenalter noch aktiv eine neue Sprache lernt. Wobei zwei Dinge auffallen:

Erstens: Beide Effekte sind in der Summe recht schwach (Regressionskoeffizienten um die 0.15) und zweitens: Der Effekt von Offenheit auf die Bereitschaft, eine neue Sprache zu lernen, wird komplett durch die Mediatoren “Creative Activities” und “Traveling” vermittelt. Man kann das so interpretieren, dass Offenheit an sich keine Neigung zum Lernen neuer Sprachen mit sich bringt, sondern nur daduch mit dem Lernen neuer Sprachen assoziiert ist, weil offene Menschen generell eher kreative Hobbies haben (Musik, Malen, DIY) und gerne reisen. Die beiden letzteren Dinge führen dann zur Bereitschaft, eine neue Sprache zu lernen.

Neben kreativen Hobbies und Reisefreudigkeit ist auch der Wohnort ein ordentlicher Prediktor. Je städtischer jemand wohnt, desto größer die Wahrscheinlichkeit dass diese Person eine neue Sprache lernt. Das liegt wohl daran, dass Städter zum einen regelmäßiger Kontakt mit Ausländern haben und zum anderen auch deutlich mehr Möglichkeiten haben, Unterstützung beim Lernen neuer Sprachen zu bekommen (Tandem-Partner und Kurse in der Nähe).

Das Alter war kein Prediktor – Alte Menschen sind somit, zumindest bezüglich Sprachen, genauso lernfreudig wie junge Menschen. Auch das macht Sinn vor dem Hintergrund der Stabilität der Big-Five-Merkmale. Ob jemand Freude am Lernen hat, ist im Allgemeinen eine Frage der Offenheit. Und das Maß an Offenheit, das eine Person hat, ändert sich i.d.R. über den Verlauf des Lebens kaum. Es gäbe also auch von der Theorie her keinen Grund zu vermuten, dass alte Menschen seltener lernen.

Ein Effekt, der kurz vor der Signifikanz war (habe das eher konservative Kriterium p < 0.01 genommen, beim gängigen p < 0.05 wäre der Effekt im Modell geblieben), war der Zusammenhang von psychischer Krankheit bzw. Antidepressiva-Konsum und dem Lernen neuer Sprachen. Die Daten zeigen eine klare, wenn auch schwache Tendenz, dass Menschen die (selbstberichtet) unter einer psychischen Krankheit leiden bzw. Antidepressive nehmen, sich auch eher an neue Sprachen heranwagen. Aber darüber, ob das ein echter Effekt ist und wenn ja, woher das kommt, will ich nicht spekulieren.

Ein kleiner Zusatz: Wenn man sich die Summeneffekte anschaut, sieht man dass die Variablen “Creative Activities” und “Urban Live” in der Summe leicht schwächer wirken als im Modell (0.25 vs. 0.29 und 0.18 vs. 0.22). Das liegt vor allem daran, dass es zwischen den beiden Variablen eine negative Korrelation gibt. Städter pflegen im Mittel etwas seltener kreative Hobbies als Landmenschen. Das kann gut an dem Angebot liegen. Wer auf dem Land wohnt, hat weniger Ablenkungen vom Klavier spielen, malen oder werkeln.

Wer weiß, was das adjusted R^2 bedeutet, wird sicher ein bischen mit der Stirn runzeln. Ein niedriges adjusted R^2 bedeutet jedoch nicht, dass ein Modell schlecht ist und verworfen werden sollte. Sondern nur, dass es einen geringen Teil der Variation in der unabhängigen Variablen erklärt. Das Modell sollte man also als unvollständig sehen – es gibt relevante Faktoren, die in der Umfrage nicht erfasst wurden. Die Qualität der einzelnen Prediktoren, die erfasst wurden, ergeben sich jedoch nicht aus dem adjusted R^2, sondern aus den jeweiligen p-Werten. Und diese waren sehr gut (p < 0.01 für alle, meistens sogar p < 0.001).

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s