Archiv Erhebungswelle 2025/2026
Die folgende Seite archiviert die im Erhebungsjahr 2025 (Schuljahr 2025/26) während der Erfassungs-, Auswertungs- und Rückmeldephase verwendeten Unterlagen. Dazu gehören unter anderem die verwendete Eingabemaske, Beispiele für individuelle und schulbezogene Rückmeldungen, die zugehörigen Referenzperzentile (Stand 2026-06-05), eine Übersicht zur Teilnehmerzahl und Anzahl der Talentiadeeinladungen je Schulamt sowie eine interaktive tabellarische Übersicht.
Die hier verlinkten Materialien dienen ausschließlich der Dokumentation der im Erhebungsjahr 2025 verwendeten Unterlagen und Auswertungsgrundlagen.
Empirische Verteilungen und Referenzperzentile
Die in diesem Abschnitt berichteten Verteilungen (ausklappbare Abschnitte) sind auf der ursprünglichen Messskala und in den jeweiligen Originaleinheiten dargestellt (z. B. Sekunden beim 20-m-Sprint). Die vertikalen Linien markieren die festgelegten Grenzen auf Grundlage ausgewählter Perzentile (z.B. “q7” für das 7. Perzentil usw.) erfasster Fälle mit dokumentiertem Messwert der Erhebungsjahre 2022-2025 (Stand 2026-06-05). Die damit abgegrenzten Bereiche bilden die Grundlage für die Punktevergabe (Warnzeichen, Fitnesssymbol und Pokal) im Erhebungsjahr 2025/2026. Bei Testaufgaben, bei denen geringere Werte eine bessere Leistung anzeigen (Sternlauf und 20-m-Sprint), ist dies bei der Interpretation der Abbildungen und der Excel-Tabelle zu berücksichtigen. In den individuellen Rückmeldungen für die Kinder wurde diese Umkodierung farblich hervorgehoben und bei der Berechnung der Gesamtpunktzahl entsprechend berücksichtigt.
Überblick Gesamtwertung
Die folgende Tabelle bietet mit vier zentralen interaktiven Funktionen – Filtern, Gruppieren, Sortieren und Exportieren – die Möglichkeit, häufige Fragestellungen selbstständig und systematisch zu beantworten.
Beispiele:
- 1a) Wie viele Fälle haben thüringenweit die Vereinsmitgliedschaft mit „ja“ beantwortet?
Gruppierung nach „Vereinsmitgliedschaft“. - 1b) Wie viele dieser Fälle sind Mädchen?
Filter: „Geschlecht == Mädchen“.
Alternativ: Gruppierung nach „Geschlecht“ und Filter: „Vereinsmitgliedschaft == ja“. - 2) In welchem Sportbund wurden die meisten Fälle ausgewertet (dies dürfte grob der Zahl der teilnehmenden Kinder entsprechen)?
Gruppierung nach „Sportbund“; anschließend Sortierung über den Pfeil bei der Gesamtzahl. - 3) Wie hat Schule „XY“ abgeschnitten?
Im Suchfeld „XY“ eingeben, ggf. ausklappen (schwarzes Dreieck) für weitere Details.
Dokumentenarchiv Schuljahr 2025/2026
02 Auswertung Kind Schuljahr 2025 2026 Vorderseite Gesamtpunktzahl 15 20 Beispiel.pdf
03 Auswertung Kind Schuljahr 2025 2026 Vorderseite Gesamtpunktzahl 12 14 Beispiel 10.17.35.pdf
03 Auswertung Kind Schuljahr 2025 2026 Vorderseite Gesamtpunktzahl 12 14 Beispiel.pdf
03 Auswertung Kind Schuljahr 2025 2026 Vorderseite Gesamtpunktzahl 12 14 Beispiel.png
04 Auswertung Kind Schuljahr 2025 2026 Vorderseite Gesamtpunktzahl 10 11 Beispiel.pdf
05 Auswertung Kind Schuljahr 2025 2026 Vorderseite Gesamtpunktzahl 1 9 Beispiel.pdf
06 Auswertung Kind Schuljahr 2025 2026 Rueckseite Standard Beispiel.pdf
07 Auswertung Kind Schuljahr 2025 2026 Rueckseite Talentiadeeinladung Beispiel.pdf
10 Datenschutzinformationsblatt Schulamt_Beispiel Mittelthüringen 250121.pdf
12 Anschreiben Eltern Bewegungscheck Schuljahr 2025 2026 ENGLISCH.pdf
13 Anschreiben Kinder mit koerperlicher Behinderung Schuljahr 2025 2026.pdf
# keep only rows whose ID is NOT in the invalid set and value not NA
# invalid here: outside 3 * interquartile range
scores_histograms <- scores_valid[
!(ID %in% scores_outliers$ID) & !is.na(value), c("ID", "Component", "value")
]
# filter child data for reference group
children_histograms <- children |>
dplyr::filter(is.na(err.Sex)) |> # keine Fehler Geschlechtsangabe
dplyr::filter(is.na(err.Testdate)) |> #keine Fehler im Testdatum
dplyr::filter(is.na(err.Birthdate)) |> # keine Fehler im Geburtsdatum
compute_age_features(
age_breaks = age_breaks ) |>
# Altersintervall zuordenbar, je nachdem ob extrem alte und junge mit hinzugenommen werden -Inf, Inf
dplyr::filter(!is.na(age_group_hist)) |>
# nur ab verpflichtender Teilnahme ab Jahr 2022
dplyr::mutate(Cohort = as.numeric(Cohort)) |>
dplyr::filter(Cohort > 2021) |>
dplyr::select(ID, Sex,
age_group_hist,
age_month,
Cohort,
Testdate,
Birthdate)TODO
- Programmzyklus
- Diagram Talentiadeauswahl
Aktualisierungen
- 2026-06-05: Erläuterungen, klappbare Abschnitte
- 2026-06-02: Referenzwerte
- 2026-05-29: Dokumentenarchiv
- 2026-05-19: Erstellen der Seite