Präsentiert werden drei Studien zum Thema Prädiktion von Leistung. In Studie 1 wurde die Prädiktion von Studienerfolg nicht nur mit Persönlichkeitsmaßen auf Facettenebene sowohl von Fremd- als auch Selbst-Ratings untersucht, sondern auch der Einfluss von faking auf die Kriteriumsvalidität. Ergebnisse zeigten, dass Fremd- über Selbst-Ratings und Intelligenz hinaus Studienerfolg prädizieren. Auch wurde gezeigt, dass Faking die Kriteriumsvaliditäten auf Facettenebene in unterschiedlicher Weise beeinflusst. Studie 2 untersuchte den Einfluss der unterschiedlichen Abstraktionsebene von Prädiktor und Kriterium auf die Kriteriumsvalidität. Dazu wurden Leistungsmotivationsskalen sowohl in einer Mathe-spezifischen Formulierung als auch in einer globalen Formulierung Schülern vorgegeben. Diese Skalen dienten dann als Prädiktoren für Noten in Mathe, Physik und Deutsch. Ergebnisse einer Varianzzerlegung mit MTMM zeigten, dass die Mathe-spezifischen Skalen durchgehend ein Plus an Varianz enthalten, welches unabhängig ist von der Varianz aufgrund der einzelnen Motivationskonstrukte. Folglich messen domänen-spezifische Skalen entweder ein engeres Konstrukt von Leistungsmotivation oder, eher, ein zusätzliches Konstrukt. Das Korrelationsmuster der domänen-spezifischen Varianz mit den drei untersuchten Noten legt nahe, dass es sich bei diesem zusätzlichen Konstrukt um Selbstkonzept handelt. Studie 3 untersuchte die Konstruktvalidität der Big 5 und möglicher higher-order factors nach Kontrolle von möglichen Biases innerhalb des CTCM-1 Ansatzes mit Selbst- und Fremdratings. Ergebnisse zeigten, dass bias-bereinigte Big 5 Maße die Annahme eines higher-order factors wenig plausibel machen. Darüber hinaus konnte ein solcher potentieller Faktor nicht theoriekonform die positive Eigenschaft Intelligenz prädizieren. Insgesamt verdeutlicht dies die Problematik des Einflusses von unterschiedlichen Quellen und Verzerrungen auf die Kriteriumsvalidität von häufig eingesetzten Persönlichkeitsmaßen. / Presented are 3 studies about the prediction of performance. Study 1 analyzes the prediction of academic performance by use of self-ratings, other-ratings and faked-ratings of personality measures not only on domain level but also on facet level. Result showed that other-ratings yield incremental validity above and beyond self-ratings and intelligence. Moreover, against prior findings for domain-level, faking does influence criterion validity on facet-level, with the influence not being uniform in direction. Study 2 analyzed the influence of different levels of abstraction of predictor and criterion in the realm of achievement motivation. For that, various achievement motivation scales were administered both in a global and a math-specific wording. These scales later on served as predictor for grades in math, physics and German. By modeling this data in a MTMM model different sources of variance could be disentangled. Results showed that math-specific scales are the better predictors. More so, these domain-specific scales have uniformly an increase in variance regardless of the positive or negative valence of the various achievement motivation scales. This leads to the conclusion that math-domain-specific scales either measure a narrower construct or, more probable, they tap an additional construct. This is backed by the uniform positive additional variance. Moreover, test-criterion correlation-pattern between the math-domain-specific variance and the three different grades makes it plausible that the additional construct tapped in these scales is self-concept. Study 3 analyzed the construct-validity of personality’s Big 5 and their possible higher order factor after controlling for singular rater biases using a newly developed CTCM-1 approach. Results showed that these bias free Big 5 make the assumption of one higher order factor implausible. Moreover, such a factor would not uniformly predict intelligence as is claimed by advocates of this factor.

No description available.