Ein Protokoll zur Befragung auf Basis der Selbstbestimmungstheorie zur beruflichen Weiterbildungsmotivation, Lehrselbstwirksamkeit und zum Engagement von Hochschuldozenten

Zusammenfassung

Dieses Protokoll beschreibt ein anonymes, querschnittsbasiertes Fragebogenverfahren zur Erfassung der Motivation zur beruflichen Weiterentwicklung, der Unterrichts-Selbstwirksamkeit, des Engagements und der reflektierenden Praxis von Hochschullehrkräften.

Zusammenfassung

Hochschullehrende nehmen unter unterschiedlichen institutionellen, fachlichen und motivationalen Bedingungen an beruflicher Weiterbildung teil. Allein die Teilnahmedaten können nicht erklären, ob berufliche Weiterbildung in sinnvolles berufliches Lernen umgesetzt wird. Dieser Artikel stellt ein reproduzierbares, anonymes Querschnittsumfrageprotokoll vor, das aus der Perspektive der Selbstbestimmungstheorie die Befriedigung psychologischer Grundbedürfnisse, autonome und kontrollierte Motivation, Unterrichts-Selbstwirksamkeit, Engagement in der beruflichen Weiterbildung sowie reflektierende Praxis erfasst. Das Protokoll legt Screeningkriterien für die Teilnahmeberechtigung, eine stratifizierte Convenience-Stichprobe, die Konstruktion des Fragebogens, die Überprüfung durch Experten, eine Pilotierung, die Online-Durchführung, Anonymisierung, die Überprüfung der Antwortqualität, Skalenbildung, Schätzung der Reliabilität, Korrelationsanalysen, hierarchische Regressionsanalysen und Sensitivitätsanalysen fest. Außerdem werden Skalenanpassung, die Überprüfung von Nutzungsrechten, die Berechnung der Konstrukte sowie die Interpretation hochreliabler Skalen als mögliche Indikatoren für Items mit Redundanz erläutert. Repräsentative Ergebnisse stammen aus einer vollständig durchgeführten Anwendung des Protokolls, bei der 326 abgegebene Datensätze exportiert und nach vorab festgelegtem Screening 313 gültige Antworten beibehalten wurden. Die Ergebnisse zeigten, dass die Befriedigung der Bedürfnisse nach Autonomie, Kompetenz und Verbundenheit positiv mit autonomer Motivation assoziiert war und dass autonome Motivation sowie Unterrichts-Selbstwirksamkeit mit dem Engagement in der beruflichen Weiterbildung verknüpft waren. Das Protokoll eignet sich für standardisierte, mehrinstitutionelle, auf Umfragen basierende Studien zu motivationalen und beruflichen Überzeugungen im Zusammenhang mit dem Engagement in der beruflichen Weiterbildung. Es ist weniger geeignet für kausale Schlussfolgerungen, die Schätzung longitudinaler Veränderungen, direkte Verhaltensergebnisse oder die Evaluation von Programmen auf Institutionsebene, sofern keine wiederholten Messungen, Beobachtungen, qualitative Erhebungen oder administrative Daten hinzugefügt werden.

Einleitung

Die Fortbildung von Lehrkräften wird häufig zur Verbesserung der Unterrichtsqualität, zur Förderung des methodischen Vorgehens und zum professionellen Lernen eingesetzt, doch ihre Wirkungen sind schwer zu interpretieren, wenn die Evaluation auf Daten zur Teilnahme, zum Expositionsgrad oder zur Anzahl absolvierten Fortbildungsstunden beschränkt ist^1,2. Die Forschung zur beruflichen Fortbildung erfordert eine klare konzeptionelle Darstellung der Mechanismen, die Lernaktivitäten mit Veränderungen bei Lehrkräften verbinden, da die bloße Teilnahme nicht zwangsläufig Engagement, wahrgenommene Nützlichkeit oder nachfolgende Reflexion widerspiegelt¹. In Hochschulkontexten arbeiten Lehrkräfte in unterschiedlichen Disziplinen, mit verschiedenen Beschäftigungsformen, Arbeitsbelastungen und institutionellen Erwartungen. Ein Erhebungsprotokoll, das psychologische und berufliche Überzeugungsbedingungen erfasst, kann daher die auf Aktivitäten basierende Überwachung ergänzen, indem es untersucht, wie Lehrkräfte Fortbildungsmaßnahmen wahrnehmen und weitertragen. Alternative Ansätze verfolgen unterschiedliche Evaluationsziele. Die auf Teilnahme basierende Evaluation ist effizient, um Reichweite, Einhaltung von Vorgaben und Inanspruchnahme von Programmen zu dokumentieren, liefert aber nur begrenzte Informationen über Motivation, wahrgenommene Kompetenz oder die Qualität des Engagements. Qualitative Interviews, Fokusgruppen und reflektierende Berichte liefern detailliertere Darstellungen beruflicher Lernerfahrungen, eignen sich jedoch weniger für standardisierte Messungen über mehrere Institutionen oder größere Stichproben hinweg. Längsschnittliche Studiendesigns sind vorzuziehen, um Veränderungen über die Zeit, zeitliche Abfolgen oder verzögerte Unterrichtsergebnisse zu schätzen. Evaluationsrahmen auf Institutionsebene sind nützlich, um die Durchführung von Programmen, die Ressourcenverteilung und organisatorische Rechenschaftspflicht zu überwachen. Das vorliegende Protokoll ist am besten geeignet, wenn das Ziel darin besteht, eine anonyme, querschnittliche, multiinstitutionelle Umfrage mithilfe reproduzierbarer Verfahren zur Bewertung, Datenbereinigung und Analyse durchzuführen.

Das Protokoll betrachtet die berufliche Entwicklung als einen Prozess des beruflichen Lernens statt als ein einmaliges institutionelles Ereignis. Opfer und Pedder beschreiben das berufliche Lernen von Lehrenden als einen komplexen Prozess, der durch Wechselwirkungen zwischen individuellen, arbeitsplatzbezogenen und lernaktivitätsbezogenen Systemen geprägt ist³. Diese Perspektive ist für Hochschullehrende relevant, da dieselbe Aktivität je nach wahrgenommener Wahlmöglichkeit, unterrichtlicher Selbstsicherheit, kollegialer Unterstützung, Arbeitsbelastung und fachlicher Relevanz unterschiedlich erlebt werden kann. Das Protokoll erfasst daher die Befriedigung psychologischer Grundbedürfnisse, die Motivation zur beruflichen Entwicklung, die Unterrichts-Selbstwirksamkeit, das Engagement in der beruflichen Entwicklung sowie reflektierende Praxis, zusätzlich zum Hintergrund der Teilnahme. Die Selbstbestimmungstheorie bildet die motivationale Grundlage des Protokolls. Diese Theorie unterscheidet zwischen autonomer Motivation, bei der das Verhalten als persönlich gutgeheißen oder sinnvoll erlebt wird, und kontrollierter Motivation, bei der das Verhalten hauptsächlich durch Druck, Verpflichtung oder externe Anforderungen angetrieben wird⁴. Außerdem werden Autonomie, Kompetenz und Verbundenheit als grundlegende psychologische Bedürfnisse identifiziert, die ein selbstbestimmtes Handeln und langfristiges Engagement unterstützen⁵. Bei der beruflichen Entwicklung von Hochschullehrenden bezieht sich Autonomie auf die wahrgenommene Wahl- und Entscheidungsfreiheit bei der Auswahl oder Nutzung von Entwicklungsaktivitäten; Kompetenz bezieht sich auf das wahrgenommene Wachstum der Unterrichtsfähigkeiten; und Verbundenheit bezieht sich auf kollegiale Beziehungen, das Gefühl der Zugehörigkeit zur Profession sowie konstruktiven Austausch. Diese Konstrukte ermöglichen es dem Protokoll, zu untersuchen, warum Lehrende teilnehmen und wie die Umgebung der beruflichen Entwicklung erlebt wird.

Die Unterrichts-Selbstwirksamkeitserwartung wird einbezogen, da allein die Motivation nicht darüber entscheidet, ob Lehrkräfte sich in der Lage fühlen, Inhalte der beruflichen Fortbildung in der Unterrichtspraxis anzuwenden. Die Unterrichts-Selbstwirksamkeitserwartung bezieht sich auf die Überzeugungen von Lehrkräften hinsichtlich ihrer Fähigkeit, unterrichtsbezogene Maßnahmen zu organisieren und durchzuführen, und sie wurde mit unterrichtlichen Verhaltensweisen, Ausdauer, Begeisterung sowie ergebnisbezogenen Aspekten bei Schüler*innen in Verbindung gebracht⁶. Guskeys Modell des Lehrerwandels legt zudem nahe, dass berufliche Fortbildung dann bedeutungsvoll wird, wenn Lehrkräfte neue Praktiken mit Belegen für Verbesserungen verbinden können⁷. In diesem Protokoll wird die Unterrichts-Selbstwirksamkeitserwartung als berufliche Überzeugungsvariable betrachtet, die erklären kann, ob Fortbildungsinhalte in den Kontexten von Präsenzunterricht, Online-Unterricht, Labor, Atelier, klinischem Unterricht oder betreutem Unterricht umgesetzt werden. Die Beteiligung an beruflicher Fortbildung wird definiert als aktive Teilnahme an Fortbildungsaktivitäten, Aufmerksamkeit gegenüber dem Lernprozess, Bemühen, Fortbildungsinhalte mit dem Unterricht zu verknüpfen, fortgesetztes Lernen nach der Aktivität sowie Bereitschaft, an zukünftigen beruflichen Lernangeboten teilzunehmen. Dieser Konstrukt hängt mit der umfassenderen Literatur zur Beteiligung („engagement“) zusammen, in der Antrieb, Hingabe und Vertiefung eine anhaltende Beteiligung an arbeitsbezogenen Tätigkeiten beschreiben⁸. Allerdings wird die Beteiligung an beruflicher Fortbildung nicht als identisch mit allgemeiner Arbeitsbeteiligung oder als bloße Teilnahmehäufigkeit an Fortbildungen betrachtet. Sie wird vielmehr als enger, auf das berufliche Lernen bezogener Indikator erfasst, der beschreibt, wie Lehrkräfte an Fortbildungsangeboten teilnehmen, diese verarbeiten und ihre Fortbildungserfahrungen weiterhin nutzen. Reflektierende Praxis wird als kurzer Indikator für die Nachbesprechung nach einer Aktivität, die Bewertung der Unterrichtsrelevanz, die Überarbeitung von Unterrichtsstrategien sowie die Dokumentation oder Diskussion von Lernergebnissen einbezogen⁹.

Ein Umfrageprotokoll erfordert außerdem vorgegebene Verfahren zur Beurteilung der Antwortqualität und der Messung. Anonyme Online-Fragebögen können zu kurzzeitigen Antworten, ausgelassenen Items, Fehlschlägen bei Aufmerksamkeitsprüfungen und invarianten Antwortmustern führen. Die Prüfung auf nachlässige Antworten ist besser begründbar, wenn mehrere Indikatoren kombiniert werden, anstatt nur eine einzige Ausschlussregel anzuwenden¹⁰. Das Protokoll legt daher Schwellenwerte für die Bearbeitungsdauer, instruierte Aufmerksamkeitsprüfungen, Regeln für fehlende Angaben, die Überprüfung invarianter Antworten sowie nachvollziehbare Ausschlusskodierungen vor der Skalenbewertung fest. Die interne Konsistenz wird mittels Cronbachs Alpha und McDonalds Omega geschätzt, da alleinige Alpha-Werte unter bestimmten Messbedingungen irreführend sein können¹¹. Sehr hohe Reliabilitätswerte werden vorsichtig interpretiert, da sie auf Redundanz der Items hindeuten können und nicht unbedingt auf eine stärkere Messung. Die primäre Analyse behandelt jeden Konstrukt als beobachteten Skalenwert für deskriptive Statistiken, Reliabilitätsschätzungen, Korrelationsanalysen, hierarchische Regressionen und Sensitivitätsanalysen. Studien, die dieses Protokoll zur Skalenentwicklung, für kulturvergleichende Untersuchungen oder für hochrelevante Messungen nutzen, sollten explorative oder konfirmatorische Faktorenanalysen hinzufügen, bevor strukturelle Zusammenhänge interpretiert werden, insbesondere wenn hohe Konstruktkorrelationen bestehen oder übersetzte Items verwendet werden. Das Querschnittsdesign kann Assoziationen zwischen der Befriedigung psychologischer Bedürfnisse, Motivation, Unterrichts-Selbstwirksamkeit, Engagement für die berufliche Entwicklung und reflektierender Praxis schätzen, kann aber keine zeitliche Abfolge, kausale Effekte oder Verhaltensänderungen nachweisen. Da alle Hauptvariablen von denselben Teilnehmenden selbst berichtet werden, bleibt eine soziale Erwünschtheit und eine Methodenüberschneidung möglich, trotz Anonymität, neutraler Formulierungen, Prüfung der Antwortqualität und Sensitivitätsanalysen¹². Das Protokoll eignet sich daher weniger für kausale Schlussfolgerungen, die Schätzung von Veränderungen über die Zeit, die direkte Beurteilung des Unterrichtsverhaltens oder die Evaluation von Programmen auf Institutionsebene, es sei denn, wiederholte Messungen, qualitative Erhebungen, Klassenraumbeobachtungen, Unterrichtsartefakte oder administrative Programmdaten werden ergänzt. Innerhalb seines vorgesehenen Anwendungsbereichs bietet das Protokoll eine standardisierte Methode, um motivationale und berufliche Überzeugungskonstrukte zu untersuchen, die mit dem Engagement für die berufliche Entwicklung und dem reflektierenden professionellen Lernen von Hochschullehrkräften verbunden sind¹³.

Protokoll

The study protocol was reviewed and approved by the Universiti Malaya Research Ethics Committee (Non-Medical) on 7 August 2025 (Reference No. UM.TNC(P&I)/UMREC_4864). Local administrative permission was obtained from each participating university before recruitment when required. Electronic informed consent was collected before eligibility screening and questionnaire administration. No names, staff identification numbers, telephone numbers, institutional email addresses, Internet Protocol addresses, geolocation data, device identifiers, exact department names, or open-text identifiers were collected. Submitted responses were assigned anonymous respondent codes and stored in encrypted institutional storage according to the approved data-retention procedure.

This protocol standardizes an anonymous, cross-sectional questionnaire procedure for assessing university teachers’ professional development motivation, basic psychological need satisfaction, teaching self-efficacy, professional development engagement, and reflective practice. The protocol uses self-determination theory to distinguish autonomous motivation from controlled motivation in professional development participation¹⁴.

1. Study design and workflow

1. Define the study as an anonymous, cross-sectional questionnaire study of university teachers and follow the workflow shown in Figure 1 from ethics approval to reproducibility checking.
2. Measure basic psychological need satisfaction, professional development motivation, teaching self-efficacy, professional development engagement, and reflective practice.
3. Treat autonomy, competence, and relatedness need satisfaction as motivational antecedents; autonomous and controlled motivation as motivational-regulation variables; teaching self-efficacy as a professional belief variable; and professional development engagement and reflective practice as professional-learning response variables¹⁵.
4. Analyze constructs as observed scale scores for descriptive statistics, reliability estimation, correlation analysis, hierarchical regression, and sensitivity analyses.
   NOTE: Add exploratory or confirmatory factor analysis before interpreting latent structure, cross-cultural measurement equivalence, or discriminant validity in studies using translated items, newly adapted items, or highly correlated constructs.

2. Participant eligibility and sampling plan

1. Recruit university teachers from at least four universities with varied institutional profiles.
2. Include participants aged 21 years or older who are employed by a higher-education institution, involved in teaching or supervision, able to complete the questionnaire in the study language, and willing to provide electronic informed consent.
3. Include undergraduate teaching, postgraduate teaching, supervision, curriculum delivery, clinical teaching, studio teaching, laboratory teaching, online teaching, and academic mentoring as eligible teaching roles.
4. Exclude administrative staff without teaching duties, retired teachers no longer involved in teaching, visiting scholars without teaching responsibilities, external trainers not employed by the university, and individuals without informed consent.
5. Use stratified convenience sampling across broad discipline groups and academic ranks. Code discipline group as Education, Humanities, Social Sciences, Business and Management, Science, Technology, Engineering and Mathematics, Health Sciences, Arts and Design, or Other.
6. Set the minimum target at 300 valid responses for regression models with multiple background and psychological predictors¹⁶. Recruit 330–360 submitted responses to allow for exclusion during screening.
7. Conduct recruitment during a regular teaching period, avoid examination weeks and major institutional evaluation periods, use a 4-week recruitment window, and extend recruitment once for 7 calendar days if fewer than 300 valid responses are available.
   NOTE: Apply identical eligibility criteria, discipline categories, recruitment wording, and exclusion rules across all universities.Pause after ethics approval, institutional permissions, recruitment channels, sampling frame, and recruitment materials are finalized.

3. Questionnaire structure and construct map

1. Build the questionnaire in seven sections: informed consent, demographic and professional background, basic psychological need satisfaction, professional development motivation, teaching self-efficacy, professional development engagement, and reflective practice.
2. Define each construct, item code, item source, item number, response scale, scoring method, expected score range, and permission status in Table 1 before programming the questionnaire.
3. Use a 5-point Likert response scale for all main psychometric items, ranging from 1 (strongly disagree) to 5 (strongly agree).
4. Collect institution code, discipline group, gender, age group, academic rank, teaching years, weekly teaching hours, professional development activities and hours in the last 12 months, and perceived administrative workload before psychometric items.
5. Code age group, teaching years, discipline group, and perceived administrative workload using the codebook in Supplementary File 1. Use broad discipline categories instead of exact department names.
6. Provide the full questionnaire, variable names, item codes, response coding, scoring syntax, exclusion coding, and script structure in Supplementary File 1.
   NOTE: Lock item codes before programming the online questionnaire. Do not change item codes after pilot testing unless the questionnaire, codebook, and analysis script are updated together.

4. Construct measurement and item allocation

1. Measure autonomy, competence, and relatedness need satisfaction with four items each.
2. Measure autonomous motivation with six items and controlled motivation with four items reflecting self-endorsed and pressure-based reasons for teaching-related professional development¹⁷.
3. Measure teaching self-efficacy with 12 university-adapted items covering instructional strategies, student engagement, and classroom management or interaction¹⁸.
4. Measure professional development engagement with six items covering active participation, sustained learning effort, attention, application, continued learning, and willingness to engage in future professional development¹⁹.
5. Measure reflective practice with four items covering post-activity reflection, usefulness evaluation, teaching-strategy revision, and documentation or discussion of learning outcomes²⁰.
6. Include two instructed-response attention-check items: one requiring “Agree” after the motivation items and one requiring “Disagree” after the teaching self-efficacy items.
7. Keep the final questionnaire between 38 and 44 main items, excluding informed consent and background questions.
8. Classify all psychometric items in Table 1 as adapted, newly written, or domain-aligned, and record source, adaptation status, and permission status.
   NOTE: Do not reproduce restricted scale items verbatim unless written permission has been obtained or the source explicitly permits such use.

5. Expert review and item refinement

1. Invite three to five reviewers with expertise in motivation theory, higher education or teacher professional development, and quantitative survey research. Include one bilingual reviewer if translation is used.
2. Provide reviewers with the study aim, construct definitions, item list, response scale, target population, scoring plan, and permission-status table.
3. Ask reviewers to rate construct relevance, wording clarity, cultural appropriateness, respondent burden, and social-desirability risk using a 4-point relevance scale.
4. Retain items rated 3 or 4 by at least 80% of reviewers. Revise or remove items with low relevance, ambiguous wording, cultural mismatch, social-desirability risk, duplication, or double-barreled wording.
5. Retain at least four items for each main construct and prepare an item-decision log with item code, reviewer concern, revision decision, final wording, source status, and permission status.
   NOTE: Pause after expert review. Resume only after the revised questionnaire, item-decision log, codebook, and scoring syntax use identical item codes.

6. Translation and language verification

1. Use the original study language if all participating teachers can complete the questionnaire in that language.
2. Apply forward translation and back translation if English-source items are administered in another language.
3. Ask two bilingual translators to translate the questionnaire independently, reconcile the translations, and ask a third bilingual translator to back-translate the reconciled version into English.
4. Compare the back-translated version with the source version for changes in construct meaning, response direction, and item intensity²¹. Revise items when meaning changes are identified.
5. Conduct cognitive checking with five university teachers and ask them to identify confusing, ambiguous, sensitive, repeated, or culturally inappropriate items.
6. Finalize and lock the administered version after translation and cognitive-checking issues are resolved.
   NOTE: Use one finalized questionnaire version for all main-study participants unless each language version has passed the same verification procedure.

7. Pilot testing

1. Recruit 20-30 university teachers from the target population for pilot testing and exclude them from the main survey.
2. Administer the pilot questionnaire through the same type of institutionally approved online survey platform planned for the main study.
3. Record completion time automatically from the first post-consent questionnaire page to final submission, and collect participant comments on wording, repetition, survey length, sensitive items, and display problems.
4. Calculate the median pilot completion time. Define the minimum valid completion-time threshold as one-third of the pilot median or 180 s, whichever is longer, and define the borderline-time range as the threshold plus 60 s.
5. Revise the questionnaire if the pilot median completion time is below 5 min or above 15 min, if item missingness exceeds 10% with wording-related comments, or if more than 10% of pilot participants misunderstand either of the attention-check item.
6. Calculate preliminary internal consistency for each scale and lock the questionnaire, codebook, scoring syntax, completion-time threshold, and borderline-time range before main recruitment.
   NOTE: Do not use pilot responses in the main analysis dataset. Resume main recruitment only after the questionnaire, codebook, completion-time rules, and scoring syntax are locked.

8. Online survey setup

1. Build the questionnaire in an institutionally approved online survey platform using the platform-configuration checklist in Supplementary File 1.
2. Disable collection of Internet Protocol addresses, geolocation data, device identifiers, names, and email addresses.
3. Place the participant information sheet and electronic informed-consent item on the first page. Terminate the survey automatically when “I do not agree to participate” is selected.
4. Use forced response only for consent and eligibility items. Allow psychometric items to be skipped for prespecified missing-data handling.
5. Display one construct block per page, keep consent, eligibility, demographic, and attention-check items fixed, and apply block-level item randomization only within construct blocks when supported by the platform.
6. Use non-identifying duplicate-prevention settings and avoid Internet Protocol address tracking.
7. Test the survey link on desktop, laptop, tablet, and smartphone devices. Submit and export at least five test responses, then verify consent branching, eligibility branching, variable names, response codes, timestamps, missing values, completion time, and attention-check coding using Supplementary File 1.
8. Confirm that skipped psychometric items are exported as missing values rather than zeros. Delete test responses before recruitment.
   NOTE: Do not start recruitment if skipped psychometric items are exported as zeros or if consent branching, eligibility branching, or attention-check coding is incorrect.

9. Recruitment procedure

1. Send the recruitment invitation through general institutional channels, faculty development offices, academic mailing lists, or teacher professional development groups.
2. Use a neutral recruitment message stating the study purpose, eligibility criteria, approximate completion time, voluntary participation, anonymity protection, and survey closing date.
3. Do not ask direct supervisors to recruit individual staff members, provide department-level participation reports, or provide individual completion-linked incentives unless approved by the ethics committee.
4. Send the first invitation on Day 1, the first reminder on Day 10, and the final reminder on Day 21.
5. Close the survey on Day 28 unless the approved 7-calendar-day extension is activated because fewer than 300 valid responses are available.
6. Record recruitment dates, reminder dates, submitted responses, extension status, and final closure date in the recruitment log.
   NOTE: Pause after survey closure. Export and lock the raw dataset before applying any cleaning rule.

10. Data export and anonymization

1. Export the survey data within 48 h after survey closure in spreadsheet and comma-separated values formats. Save the original export as a read-only raw-data file and create a separate working copy for cleaning and analysis.
2. Replace platform-generated response identifiers with anonymous respondent codes, such as T001, T002, and T003.
3. Inspect all variables for accidental identifiers. Remove free-text content containing names, exact department names, institutional email addresses, or identifiable events.
4. Replace university names with University A, University B, University C, and University D, and replace exact discipline names with broad discipline groups.
5. Store the raw-data file, working file, cleaned-data file, screening log, codebook, questionnaire, and analysis scripts in encrypted institutional storage with access restricted to approved research team members.
6. Record every anonymization and cleaning decision in the screening log.
   NOTE: Do not clean, recode, or score data directly in the raw-data file. Resume data cleaning only after the raw-data file has been preserved and the working file contains no direct or indirect identifiers.

11. Response-quality screening

1. Screen all submitted responses before scale scoring using the response-quality and analysis-decision rules in Table 2.
2. Exclude responses without electronic informed consent, failed eligibility screening, completion time below the prespecified minimum valid threshold, failure of either attention-check item, or more than 20% missing psychometric items.
3. Review responses in the borderline completion-time range. Retain them only when both attention checks are passed, missingness is within the allowed range, and no invariant response pattern is observed.
4. Flag respondents who select the same Likert response option for at least 90% of psychometric items, and identify careless responses by combining completion time, attention-check results, missingness, and invariant response patterns²².
5. Inspect responses for implausible demographic combinations. Set one implausible demographic value to missing if psychometric responses are otherwise valid, and exclude the response when multiple demographic values indicate ineligibility.
6. Record one primary exclusion reason for every removed response, create an inclusion-status variable coded as 1 = included and 0 = excluded, generate the participant-flow summary for Figure 2, and save cleaned_teacher_PD_survey.csv.
   NOTE: Apply exclusion rules before computing scale scores. Do not exclude cases after viewing regression significance unless the exclusion rule was prespecified.

12. Missing-data handling and scale scoring

1. Convert Likert-scale responses to numeric values ranging from 1 to 5, check item direction, and reverse-score negatively worded items before scale scoring.
2. Compute a scale score only when at least 75% of items in that scale are completed. Use the available-item mean when no more than 25% of items within a scale are missing, and set the scale score to missing when more than 25% are missing.
3. Compute scale scores as follows: autonomy need satisfaction = mean of AUT1–AUT4; competence need satisfaction = mean of COM1–COM4; relatedness need satisfaction = mean of REL1–REL4; autonomous motivation = mean of AM1–AM6; controlled motivation = mean of CM1–CM4; teaching self-efficacy = mean of TSE1–TSE12; professional development engagement = mean of PDE1–PDE6; reflective practice = mean of RP1–RP4.
4. Create scored_teacher_PD_survey.csv containing respondent code, background variables, item responses, scale scores, inclusion status, and exclusion reason.
   NOTE: Confirm that all scale scores remain within the 1–5 range after scoring.

13. Statistical software setup and script execution

1. Use R version 4.3.2 or later and organize the project folder according to the reproducibility structure in Supplementary File 1.
2. Run the script sequence provided in Supplementary File 1: 01_import_anonymize.R, 02_screen_score.R, 03_reliability_descriptives.R, 04_regression_sensitivity.R, and 05_reproducibility_check.R.
3. Run all scripts from the project folder without manually editing intermediate datasets or generated outputs.
4. Export tables as spreadsheet files, generated figures as high-resolution PDF files, and R session information as sessionInfo.txt.
   ​NOTE: Do not overwrite raw data or manually edit generated analysis outputs. Pause after the script imports the data without errors and confirms that all required variables are present.

14. Reliability and item diagnostics

1. Calculate Cronbach’s alpha, McDonald’s omega, corrected item-total correlations, descriptive statistics, skewness, kurtosis, and floor or ceiling effects for each multi-item scale²³.
2. Interpret reliability values from 0.70 to 0.79 as acceptable, 0.80 to 0.89 as good, and 0.90 or higher as high internal consistency. Treat values above 0.95 as possible item redundancy.
3. Flag corrected item-total correlations below 0.30. Remove or revise an item only when weak item performance is consistent with conceptual mismatch, unclear wording, or prespecified expert-review concerns.
4. Flag floor or ceiling effects when more than 15% of respondents obtain the lowest or highest possible scale score.
5. Export the reliability and item-diagnostic output as Table_reliability_item_diagnostics.xlsx.
   NOTE: Do not delete items after main data collection unless the deletion rule was prespecified.

15. Descriptive and correlation analysis

1. Calculate descriptive statistics for demographic variables, professional background variables, and construct scores.
2. Report categorical variables as frequency and percentage. Report continuous or ordinal professional variables as mean and standard deviation when approximately symmetric, and as median and interquartile range when clearly skewed.
3. Confirm that each construct score falls within the expected 1–5 range and inspect histograms or density plots for major distributional distortion.
4. Calculate Pearson correlations among construct scores when scale means are approximately continuous, and calculate Spearman correlations as a sensitivity check when distributions are markedly skewed.
5. Interpret correlations from 0.10 to 0.29 as small, 0.30 to 0.49 as moderate, and 0.50 or above as large²⁴. Flag correlations above 0.85 as possible construct overlap.
6. Export descriptive statistics as Table_descriptive_statistics.xlsx and the correlation matrix as Table_correlation_matrix.xlsx.
   NOTE: Inspect construct overlap before regression analysis. Add factor analysis or reduce interpretive claims when theoretically distinct constructs show very high correlations.

16. Regression analysis

1. Fit prespecified hierarchical linear regression models.
2. Use autonomous motivation as the dependent variable in Model 1. Enter age group, gender, academic rank, teaching years, professional development hours in the last 12 months, and administrative workload in Step 1; autonomy, competence, and relatedness need satisfaction in Step 2; and controlled motivation in Step 3.
3. Use professional development engagement as the dependent variable in Model 2. Enter age group, gender, academic rank, teaching years, professional development hours in the last 12 months, and administrative workload in Step 1; autonomous motivation and controlled motivation in Step 2; and teaching self-efficacy in Step 3.
4. Use reflective practice as an exploratory dependent variable only if prespecified in the ethics-approved analysis plan.
5. Mean-center continuous predictors before creating interaction terms. Do not create moderation terms unless moderation is included in the research question and analysis plan.
6. Report unstandardized coefficients, standard errors, standardized coefficients, 95% confidence intervals, p values, adjusted R², and change in R².
7. Inspect variance inflation factor values, residual-versus-fitted plots, quantile-quantile plots, standardized residuals, and Cook’s distance. Treat variance inflation factor values above 5.00, standardized residuals above |3.00|, or Cook’s distance above 1.00 as requiring inspection.
8. Remove influential cases only when a data-entry error, eligibility error, or duplicate-response problem is confirmed.
9. Export regression output as Table_regression_models.xlsx and diagnostic plots as high-resolution PDF files.
   NOTE: Do not remove influential cases solely because they change model significance.

17. Sensitivity analysis and reproducibility check

1. Repeat the main regression models using listwise deletion of cases with missing model variables and after excluding borderline-time responses.
2. Compare coefficient direction, standardized coefficient size, standard error, and adjusted R² with the primary models.
3. Treat results as stable if key coefficient directions remain unchanged and standardized coefficients differ by less than 0.10.
4. Retain the prespecified screening rule if sensitivity analyses do not materially alter the interpretation.
5. Regenerate descriptive tables, reliability tables, correlation matrices, regression tables, participant-flow figure, workflow figure, and any construct-score figures from the cleaned dataset and final script.
6. Archive the cleaned anonymized dataset, codebook, screening log, questionnaire, analysis scripts, generated outputs, and R session information according to the approved data-sharing plan.
7. Confirm that all archived files use the same respondent identifier and contain no direct or indirect identifiers.
   NOTE: Do not archive the reproducibility package until all outputs have been regenerated from the final script. Resume archiving only after all outputs have been regenerated from the final script.

Ergebnisse

Teilnehmerfluss und Status des repräsentativen Datensatzes

Die hier dargestellten repräsentativen Ergebnisse stammen aus einer vollständig durchgeführten Anwendung des Protokolls. Der Datensatz wurde mithilfe des oben beschriebenen anonymen, querschnittlichen Fragebogenverfahrens erhoben und nicht aus einem Pilottest oder einem beispielhaften Datensatz entnommen. Insgesamt wurden 326 eingereichte Fragebogendatensätze von der Online-Umfrageplattform exportiert. Nach Anwendung d...

Diskussion

Die repräsentativen Ergebnisse zeigen, dass das Protokoll verwendet werden kann, um die berufliche Entwicklung von Hochschullehrkräften über bloße Teilnahme, Fortbildungsstunden oder Abschlussnachweise hinaus zu untersuchen. Die Befriedigung der Bedürfnisse nach Autonomie, Kompetenz und sozialer Eingebundenheit war jeweils positiv mit autonomer Motivation assoziiert, und diese Zusammenhänge blieben auch bestehen, nachdem Hintergrundvariablen in das Modell aufgenommen wurden. Dieses Ergebnis stimmt mit der Annahme der Sel...

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
Adobe Acrobat Pro	Adobe Inc., San Jose, CA, USA	Adobe Acrobat Pro 2024	Dient zur Überprüfung des endgültigen PDF-Fragebogens, des Informationsblatts für Teilnehmer, des Einwilligungsformulars, exportierter Abbildungen und eingereichter ergänzender Dateien.
Analyseskript	Vom Forschungsteam erstellt	analysis_script.R	Führt Datenimport, Anonymitätsprüfungen, Beurteilung der Antwortqualität, Berechnung von fehlenden Werten, Skalenbewertung, deskriptive Statistiken, Reliabilitätsanalyse, Korrelationsanalyse, Regressionsmodelle, Diagnoseprüfungen, Sensitivitätsanalysen, Tabellenexport, Abbildungsexport und Export der Sitzungsinformationen durch.
Bereinigte CSV-Datei zur Lehrerweiterbildungsumfrage	Erzeugt aus analysis_script.R	cleaned_teacher_PD_survey.csv	Enthält anonymisierte erhaltene und ausgeschlossene Datensätze mit Angaben zum Einschlussstatus, Ausschlussgründen, Screening-Variablen und bereinigten Hintergrundvariablen.
Codebuch	Vom Forschungsteam erstellt	codebook.xlsx	Definiert Variablennamen, Item-Codes, Antwortkodierungen, Kodierung fehlender Werte, Formeln zur Skalenbewertung, Einschlussstatus, Ausschlussgründe, Tabellenvariablen und Namen der Ausgabedateien.
Desktop-Computer	Windows 11 Pro	Nicht zutreffend; institutioneller Forschungscomputer: 16 GB RAM und aktivierte Vollverschlüsselung der Festplatte.	Dient der Programmierung des Fragebogens, des Datenexports, der Skriptausführung, der Tabellengenerierung, des Abbildungsexports und der sicheren Archivierung von Dateien.
Ethikgenehmigungsdokument	Institutioneller Ausschuss für Forschung mit menschlichen Probanden	ethics_approval.pdf	Dokumentiert die Ethikgenehmigung vor Rekrutierung, einschließlich Genehmigungsnummer, Genehmigungsdatum, genehmigten Studientitels, Angaben zu den Untersuchern sowie genehmigten Bedingungen für Rekrutierung und Datenverarbeitung.
Institutionelle Genehmigungsunterlagen	Teilnehmende Universitäten	institutional_permission_records.pdf	Enthält schriftliche Genehmigungen der teilnehmenden Universitäten zur Rekrutierung von Lehrkräften über genehmigte institutionelle Kanäle.
Microsoft Excel	Microsoft Corporation, Redmond, WA, USA	Microsoft Excel 365	Dient zur Prüfung exportierter Datensätze, Erstellung des Codebuchs, Überprüfung der Screening-Protokolle und Kontrolle der exportierten Tabellendateien. Der Analysedatensatz wurde nach der skriptbasierten Bereinigung nicht manuell bearbeitet.
Informationsblatt und Einwilligungsformular für Teilnehmer	Vom Forschungsteam erstellt und vom Ethikkomitee genehmigt	participant_information_and_consent. pdf	Enthält Studienziel, Eignungskriterien, Hinweis auf freiwillige Teilnahme, Anonymitätshinweis, Risiken und Nutzen, Informationen zur Datenspeicherung, Kontaktdaten der Untersucher, ethische Informationen und Formulierung der elektronischen Einwilligung.
Fragebogendatei	Vom Forschungsteam erstellt	questionnaire.pdf	Enthält den gesperrten Fragebogen, die Reihenfolge der Items, Item-Codes, Antwortoptionen, Eignungsfragen, Hintergrundfragen, Konstruktfragen und Aufmerksamkeitskontrollfragen.
R-Paketliste	Aus der R-Umgebung generiert	package_manifest.txt	Listet die R-Pakete und Paketversionen auf, die für Datenimport, Bereinigung, Bewertung, Schätzung der Reliabilität, Regressionsdiagnose, Visualisierung, Erzeugung von Ausgaben und Reproduzierbarkeitsprüfungen verwendet wurden.
Statistische Software R	R Foundation for Statistical Computing, Wien, Österreich	R 4.3.2	Dient der Datenbereinigung, Skalenbewertung, statistischen Analyse, Diagnoseprüfung, Erzeugung von Abbildungen, Tabellenexport und Überprüfung der Reproduzierbarkeit.
Reproduzierbarkeitspaket	Vom Forschungsteam erstellt	reproducibility_package.zip	Enthält questionnaire.pdf, codebook.xlsx, cleaned_teacher_PD_survey.csv, scored_teacher_PD_survey.csv, screening_log.xlsx, analysis_script.R, sessionInfo.txt, package_manifest.txt, Tabellenausgaben, Abbildungsausgaben und Diagnoseplots.
RStudio Desktop IDE	Posit Software, PBC, Boston, MA, USA	RStudio Desktop 2023.12.1	Dient zum Ausführen, Dokumentieren und Überprüfen von analysis_script.R.
Bewertete CSV-Datei zur Lehrerweiterbildungsumfrage	Erzeugt aus analysis_script.R	scored_teacher_PD_survey.csv	Enthält eingeschlossene Antworten und berechnete Skalenwerte, darunter AUT_MEAN, COM_MEAN, REL_MEAN, AM_MEAN, CM_MEAN, TSE_MEAN, PDE_MEAN und RP_MEAN.
Screening-Protokoll	Erzeugt aus analysis_script.R und vom Forschungsteam überprüft	screening_log.xlsx	Dokumentiert Einwilligung, Eignung, Prüfung der Bearbeitungsdauer, Ergebnisse der Aufmerksamkeitskontrollen, fehlende Angaben, Hinweise auf invariable Antworten, Ausschlussgründe, Umcodierungsentscheidungen und endgültigen Einschlussstatus.
Sichere institutionelle Speicherung	IT-Dienstleistung der teilnehmenden Universität	Verschlüsseltes institutionelles Forschungslaufwerk	Dient der Speicherung von Rohdaten, bereinigten Daten, bewerteten Daten, Codebuch, Screening-Protokoll, Fragebogen, Analyseskript, Ethikdokumenten, Genehmigungsunterlagen, Tabellenausgaben, Abbildungsausgaben und dem Reproduzierbarkeitspaket. Der Zugriff war auf genehmigte Forschungspersonen beschränkt.
Sitzungsinformationsdatei	Aus R generiert	sessionInfo.txt	Dokumentiert R-Version, Betriebssystem, angehängte Pakete, Paketversionen und Reproduzierbarkeitsumgebung.
Tabellen- und Abbildungsausgaben	Erzeugt aus analysis_script.R	outputs_tables_figures Ordner	Enthält Ausgaben zum Teilnehmerfluss, deskriptive Tabellen, Reliabilitätstabellen, Korrelationsmatrix, Regresstionstabellen, Tabellen zu Sensitivitätsanalysen, Abbildungen zu Konstruktwerten und Diagnoseplots.
Wenjuanxing / Questionnaire Star Online-Fragebogenplattform	Changsha Ranxing Information Technology Co., Ltd., Changsha, China	Wenjuanxing Web-Fragebogenprojekt	Dient der elektronischen Einwilligung, anonymen Durchführung des Fragebogens, Eignungsverzweigung, Aufmerksamkeitskontrollfragen, Aufzeichnung der Bearbeitungsdauer, Einstellung „eine Antwort pro Browser“ und Export der Fragebogendatensätze.