Hector-Institut für Empirische Bildungsforschung

Prof. Dr. Elisabeth Kraus

Elisabeth Kraus ist Juniorprofessorin für Methoden der Empirischen Bildungsforschung. Ihre Interessen sind vielfältig und umfassen (fast) alle Arten der Modellierung von Daten. Ihre Forschungsschwerpunkte liegen im Bereich der Psychometrie, der Nutzung maschinellen Lernens in der Bildungsforschung und der Nutzung von Evaluationsstudiendaten zur individuellen Trainingsempfehlung. In ihrer Forschung möchte sie nicht nur neue Methoden und Ansätze entwickeln, sondern diese auch in die Anwendung bringen.

Adresse

Universität Tübingen
Hector-Institut für Empirische Bildungsforschung, 
Europastraße 6
72072 Tübingen
Raum 404

Kontakt

Follow me:

Publikationen

Publikationen

Bayer, L., Cigelski, M., Eilfgang, J., Kraus, E. B., Mensing, F., & Pülschen, S. (2025). German version of
the child sexual abuse myth scale (CSAMS-G): Translation, expansion, and construct validation.
Behavioral Sciences, 15(2). https://doi.org/10.3390/bs15020143 

Giglberger, M., Peter, H. L., Henze, G.-I., Kraus, E., Bärtl, C., Konzok, J., Zänkert, S., Kreuzpointner, L.,
Kirsch, P., Kudielka, B. M., et al. (2024). Brain activation changes as predictors for perceived stress and
cortisol awakening responses over a 13-months stress period. Psychoneuroendocrinology, 160, 106798.

Hrabetz, B., Kraus, E. B., & Gruber, H. (2024). Social identity in environmental protection engagement:
How are different kinds of identity related to different types of engagement? Journal of Applied Social
Psychology, 54, 776–786. https://doi.org/https://doi.org/10.1111/jasp.13072786 

Kraus, E., & Kern, C. (2024). Measurement modeling of predictors and outcomes in algorithmic
fairness. European Workshop on Algorithmic Fairness. 3(23), 1-18

Kraus, E., Wild, J., Bühner, M., Schilcher, A., & Hilbert, S. (2024). Applying cross-validated psychometric
models to the bavarian reading test (BYLET). European Journal of Psychological Assessment.
https://doi.org/https://doi.org/10.1027/1015-5759/a000848 

Kraus, E. B., Wild, J., & Hilbert, S. (2024b). Using interpretable machine learning for differential item
functioning detection in psychometric tests. Applied Psychological Measurement, 48(4-5), 167–186.
https://doi.org/10.1177/01466216241238744 

Sterner, P., Friemelt, B., Goretzko, D., Kraus, E. B., Bühner, M., & Pargent, F. (2024). The
confidence/significance level implies a certain cost ratio between type I error and type II error: For a
stronger focus on decision theory in psychological assessment-Das Konfidenz-/Signifikanzniveau
impliziert ein bestimmtes Kostenverhältnis zwischen Fehler 1. Art und Fehler 2. Art: Für ein stärkeres
Einbeziehen der Entscheidungstheorie in die psychologische Einzelfalldiagnostik. Diagnostica, 70(3),
126–138. https://doi.org/10.1026/0012-1924/a000329 

Giglberger, M., Peter, H. L., Henze, G.-I., Kraus, E., Bärtl, C., Konzok, J., Kreuzpointner, L., Kirsch, P.,
Kudielka, B. M., & Wüst, S. (2023). Neural responses to acute stress predict chronic stress perception in
daily life over 13 months. Scientific Reports, 13(1), 19990. https://doi.org/https://doi.org/10.1016/j.psyneuen.2022.105771 

Kraus, E. B. (2022). Diagnostische Entscheidungen mit dem Treatment Decision Model – ein
entscheidungstheoretischer Ansatz auf Basis von Evaluationsstudiendaten. LMU Munich, Germany

Giglberger, M., Peter, H. L., Kraus, E., Kreuzpointner, L., Zänkert, S., Henze, G.-I., Bärtl, C., Konzok, J.,
Kirsch, P., Rietschel, M., et al. (2022). Daily life stress and the cortisol awakening response over a
13-months stress period–findings from the lawstress project. Psychoneuroendocrinology, 141, 105771.

Hilbert, S., Pargent, F., Kraus, E., Naumann, F., Eichhorn, K., Ungar, P., & Bühner, M. (2022). What’s the
measure? An empirical investigation of self-ratings on response scales. International Journal of Social
Research Methodology, 25(1), 59–78.

Schilcher, A., Wild, J., Kraus, E., & Hilbert, S. (2022). FiLBY-2–ein Leseflüssigkeitstraining für alle
Schülerinnen und Schüler? Differenzielle Effekte. Zeitschrift für Sprachlich-Literarisches Lernen und
Deutschdidaktik, 2.

Hilbert, S., Coors, S., Kraus, E., Bischl, B., Lindl, A., Frei, M., Wild, J., Krauss, S., Goretzko, D., &
Stachl, C. (2021). Machine Learning for the educational sciences. Review of Education, 9(3), e3310.

Curriculum Vitae

Seit 03/2025
Juniorprofessorin am Hector-Institut für Empirische Bildungsforschung

Methoden der empirischen Bildungsforschung, 
Universität Tübingen

04/2023 - 02/2025
Postdoc

Computational Modelling in Psychology, Ludwig-Maximilians-Universität München

10/2020 - 03/2023
Master of Science in Statistik

Ludwig-Maximilians-Universität München

03/2018 - 03/2023
Wissenschaftliche Mitarbeiterin

Educational Data Science, Universität Regensburg

03/2018 - 11/2022
Promotionsstudium: Psychologie

Ludwig-Maximilians-Universität München

10/2015 - 08/2017
Master of Science in Psychology: Learning Sciences

Ludwig-Maximilians-Universität München

10/2011 - 08/2015
Bachelor of Science in Psychologie

Universität Freiburg

Datenschutzeinstellungen

Auf unserer Webseite werden Cookies verwendet. Einige davon werden zwingend benötigt, während es uns andere ermöglichen, Ihre Nutzererfahrung auf unserer Webseite zu verbessern. Ihre getroffenen Einstellungen können jederzeit bearbeitet werden.

oder

Essentiell

in2code

Videos

in2code
YouTube
Google