Praxisforschung I (Subject) / 3. Der quantitativ orientierte Forschungsprozess (Lesson)

This lesson was created by Drawen.

Learn lesson

back  |  next 1 / 1

• 3.1 Logik des hypothesenprüfenden (deduktiven) Forschungsprozesses vom Allgemeinen auf das Besondere ↓ Menschenbild ↓ ↓ Paradigmen (Zeitgeist) ↓ ------------- (Linearität und Häufigkeitsverallgemeinerung) ------------ Theorie (Verifikation) ↑   ↓ (Falsifikation) Empirische Hypothesen Operationalisierung ↑   ↓ Messung/Stichprobe Fälle/Häufigkeiten
• 3. Der quantitativ orientierte Forschungsprozess: Selbsttest - Alltagstheorie Alltagstheorie: persönliche Erfahrungen, kulturelle Prägungen/Tradition
• 3. Der quantitativ orientierte Forschungsprozess: Selbsttest - Empirie Empirie: griech.: das Wahrnehmbare, Beobachtbare; muss allen zugänglich sein
• 3. Der quantitativ orientierte Forschungsprozess: Selbsttest - Paradigma   Paradigma: Grundselbstverständlichkeit, die unnachgefragt von einer Gemeinschaft geteilt wird; Grunddenkmuster => kann nicht empirisch geprüft werden (oder nur schwer)
• 3. Der quantitativ orientierte Forschungsprozess: Selbsttest - Hypothese Zusammenshangsannahme => sollte empirisch geprüft werden
• 3. Der quantitativ orientierte Forschungsprozess: Selbsttest - Operationalisierung empirisch festmachen von Hypothesen z.B. Kinderglück => Frequenz von Lachen, Lautstärke etc.
• 3. Der quantitativ orientierte Forschungsprozess: Selbsttest - Korrelation Zusammenhang systematisch
• 3. Der quantitativ orientierte Forschungsprozess: Selbsttest - Streuung Verteilungsmaß eines Merkmals über ein Zentralmaß (Mittel)
• 3. Der quantitativ orientierte Forschungsprozess: Selbsttest - Verifikation Bestätigung
• 3.2 Fragestellung und Hypothesenformulierung Theorie (Zusammenhangsannahmen von A und B) <= Praxis Hypothese: Frage 1: Besteht ein Zsh zw. A und B? Frage 2: Welche Art des Zsh besteht? Varianten von Hypothesen: Wenn A zutrifft dann B (Wenn-Dann-Hyp.) Je größer A, desto kleiner B (Je-Desto-Hyp.) Kausal- vs. Wahrscheinlichkeitshyp.
• Advertisement
• 3.2 Probleme bei der Formulierung von Hypothesen - Beispiele Hypothesen sollten: Unabhängige und abhängige Variable kenntlich machen Variablen müssen unabhängig voneinander sein. Hyp. müssen falsifizierbar (widerlegbar) sein 1. Wenn Personen Frustrationen erleben, dann reagieren sie mit Aggression (Frustrations-Aggressions-Hypothese). 2. Es gibt Studierende, die in Lehrveranstaltungen immer aufmerksam sind. 3. Je höher die Bindungssicherheit im frühen Kindesalter sind, desto höher ist die Feinfühligkeit /Empathie im Erwachsenenalter. 4. Die Unzufriedenheit der Mitarbeiterinnen liegt in den Händen desManagements. 5. Je weniger Geld jemand zur Verfügung hat, umso ärmer ist er.
• 3.3 Datenerhebung Wie ist der hypothetische Zusammenhang von A und B beobachtbar? Was bedeutet eine Variable A (Bindungssicherheit) oder B(Feinfühligkeit)? Übersetzung eines theoretischen Konstruktes (Theoriesprache) ↓ (Überbrückungsproblem) in empirisch beobachtbare bzw. messbare Sachverhalte (Beobachtungssprache)
• 3.3 Merkmal, Variable, Ausprägung, Kategorie ... Entscheidung welche Ausprägungen ein Merkmal hat, wie es „variiert“und die Festlegung von Kategorien zur Erfassung von Häufigkeiten Variable – Kategorie: „Geschlecht“: männl. /weibl. „Temperatur“: z.B. 0 bis 100 C „Alter“: z.B. Verteilung von 19 bis 59 oder: < 20, 20 bis 29, 30 bis 39, 40 bis 49, 50 bis 59, > 60 „Bindungserfahrung“: „sicher“, „unsicher vermeidend“, „unsicher ambivalent“, „desorganisiert“
• 3.3 Skalen und Messung Messung ist die Zuordnung eines empirischen zu einem/rnumerischen Relativ (Ordnung), die Abbildung auf einer Skala. Von welcher Art die zugrunde liegende Skala einer Variable ist bzw.welches Skaleniveau eine Variable hat, spielt für die Datenerhebung unddie Interpretation (einschl. der Anwendung statistischer Operationen) eine Rolle. Nominalskala (Zuordnung von Objekten nach Gleichheit bzw. Verschiedenheit, z.B. „Geschlecht““) Ordinalskala (Feststellung einer Ausprägung resp. Rangreihe v. Objekten, Unterschiede zw. Merkmalsausprägungen nicht quantifizierbar, z.B. „Härteskala“ ) Intervallskala (Differenzen zwischen den Merkmalsausprägungen sind quantifizierbar, willkürlicher Nullpunkt – z.B. Notenskala, Celsiusgrad) Verhältnisskala (Verhältnisse zwischen 2 Merkmalsausprägungen quantifizierbar, absoluter Nullpunkt- z.B. Metermaß) Skalen bilden selbst eine Rangreihe bezüglich ihrer Voraussetzungen bzw. ihres Niveaus Merkmal: stetig: Skala, fortlaufend diskret: klare Abgrenzung zw. Ausprägungen (Alter zwar stetig, aber meist in diskrete  Abschnitte geteilt)
• 3.3 Meßinstrument und Erhebungsmethode Beobachtung Befragung Fragebogen subjektive Skalen bzw. Ratings: „stimmt - stimmt weniger - stimmt gar nicht“ Test Interview Experiment Klassische Gütekriterien eines Meßinstrumentes: Objektivität (Beobachterunabhängigkeit) Reliabilität (Zuverlässigkeit, Messgenauigkeit, die Messung darf den Gegenstand nicht verändern) Validität (Gültigkeit, muss das messen, was es zu messen vorgibt))
• 3.4 Datenbeschreibung: Darstellung von Rohdaten Tabelle (Absolute Werte, Prozentangaben) Diagramme
• 3.4 Datenbeschreibung: Statistische Kennwerte Maße der zentralen Tendenz: Welcher Wert gibt die Verteilung am besten wieder? Modalwert (Mo) – ist der Wert der am häufigsten vorkommt bzw. die Kategorie, die am häufigsten besetzt ist (für alle Skalen verwendbar) Median (Md) – ist der Wert, der eine Verteilung halbiert, d.h. 50% der Verteilung liegen links und rechts davon (setzt mindestens Ordinalskala voraus) Arithmetisches Mittel (m) – Summe aller Werte X i dividiert durch die Anzahl der Werte n (setzt mindestens Intervallskala voraus). Maße im Vergleich: Mo=Md=m bei symmetrischer Verteilung m<Md<Mo bei rechtssteiler Verteilung Mo<Md<m bei linkssteiler Verteilung Median stellt Verteilung bei schiefer Verteilung besser dar als arithmetisches Mittel Vorsicht: Statistikfehler!!!
• 3.4 Maße der Variabilität Varianzmaße erfassen die Abweichung der einzelnen Werte vom Mittelwert (ab ordinalskaliert, in der Regel intervallskaliert) und geben damit als Wert die Art der Verteilung wieder. Mittlere Abweichung Varianz Standartabweichung
• 3.4 Maße des Zusammenhangs Frage: Gibt es systematische Zusammenhänge bzw. Kovarianzen zwischenVariablen? Korrelation: für bivariate Zusammenhänge Regression: für multivariate Zusammenhänge Beispiel für Korrelation: Gibt es einen Zusammenhang zwischen „Bindungssicherheit“ und späterer „Feinfühligkeit“? Gibt es einen Zusammenhang zwischen „Geschlecht“ und „Brillenträgern“? - Kontingenztafel (4-Feldertafel; Kontingenz=raum-zeitl. Zusammentreffen von Ereignissen) Diagonalen weichen sehr voneinander ab, so dass ein Zusammenhang vermutet werden kann. Dieser kann mit Hilfe des Phi-Koeffizienten berechnet werden.
• 3.4 Korrelation Korrelation bewegt sich zwischen den Werten + 1 und – 1 , der Wert Null steht für keine/n Korrelation/Zusammenhang der Variablen. 0, 3 gilt in der emp. Sozfo als moderat und 0,5 als hoch. Im Beispiel ergibt sich eine Korrelation von Phi = - 0.33. Die zu errechenden Korrelationskoeffizienten hängen wieder vom Skaleniveau der Daten ab: Beide Variablen intervallskaliert: Produkt-Moment-Korrelation Beide ordinal: Rangkorrelation n Beide nominal: Phi-Koeffizient A nominal, B intervall: Punktbiserale Korrelation A nominal, B ordinal: Biserale Korrelation
• 3.5 Fehler und Fallen von Statistik Pseudogenauigkeit (präzise Ergebnisse aus unpräzisen Daten) Aussage: „das Durchschnittsalter betrug 16,2917 Jahre“ – das sind genau 16 Jahre, 106 Tage und 11,29 Stunden. Aussage gaukelt eine Genauigkeit vor, die gar keinen Bezug Realität hat. Prozente können falsche Verhältnisse vorgeben.Angaben von Prozenten ist nur dann sinnvoll interpretierbar, wenn das Bezugsystem bekannt und mit angeben wird. Aussage: „Nutzfische von 10 auf 90 % gestiegen. Das kann heißen, wenn die absoluten Zahlen nicht bekannt sind, dass die Nicht Nutzfische zurück gegangen sind. Wachstum von Wachstumsraten können falsche Steigerungen vorgeben. Aussagen: „Sterberate konnte ... durch Medikament A von 2% auf 1,6% verringert werden. „Durch Medikament B konnte eine relative Verringerung der Sterberate ... um 20 % erreicht werden“. Welches Medikament würden sie als Arzt bevorzugen? Die erste Beschreibung nennt zwei Sterberaten, die zweite quantifiziert die Verringerung der Sterberate. Dabei entsprechen 0,4% den 20 % im zweiten Fall. Die Aussagen sind identisch. Mittelwert ist nicht gleich Mittelwert. So reagiert das arithmetische Mittel besonders sensibel auf Ausreißerwerte. Aussage: “Krankenversicherung sagt, eine Laborarzt verdient im Jahr durchschnittlich 250.000 € ; Ärztekammer sagt 100.000 €“.Wer hat Recht? Der erst Wert ist das arithmetische Mittel (m) und der zweite der Median (Md). Einkommen entspricht eher einer  linkssteilen Verteilung (s. o.)
• 3.6 Stichproben: Repräsentativität wenn Stichprobe die Population hinsichtlich des interessierenden Merkmals gut wiedergibt bzw. genauer: wenn das Auswahlverfahren kein Element der Population bevorzugt (relativ unabhängig von der Größe der Stichprobe) Auswahlverfahren: Zufallsstichprobe (ZS): Einfache ZS sichert globale Repräsentativität; jedes Element hat gleiche Chance per Zufall gewählt zu werden, aber oft schwer erreichbar, deshalb eher geschichtete ZS. Population wird nach relevanten Schichtungsmerkmal (z.B. Alter) unterteilt; ZS dann innerhalb der Schichtung ermöglicht spezifische Repräsentativität. Klumpenstichprobe: Zufallsauswahl unter vorhandnen „Klumpen“ (z.B. eine Schulklasse, ein Stadtteil, Dorf etc.), die man vollständig untersucht, eingeschränkte Repräsentativtät Ad-hoc-Stichprobe: häufig der Fall (in Diplomarbeiten), da oft nach Verfügbarkeit der Untersuchungspersonen, damit aber nicht repräsentativ
• 3.6. Stichproben: Genauigkeit Inwieweit die Kennwerte einer Stichprobe (m und s) den wahrenKennwerten der Population (μ (mü) für Mittel ơ (sigma) für Streuung) entsprechen. Dies ist berechenbar, wenn mehrere Zufallsstichproben gezogen werden, dann bekommt man wieder eine Verteilung und kann wieder Kennwerte berechnen bzw. schätzen. Es kann berechnet werden, wie genau ein Stichprobe die wahren Verhältnisse in der Population widerspiegelt – hängt von der Varianz des Merkmals und der Größe der Stichprobe ab (Berechnung des sog. Standardfehlers).
• 3.7 Signifikanzentscheidung über Hypothesen „Der Einsatz des Präventionsprogrammes X hat zu einer signifikanten Senkung der Raucherquote an der Schule Y geführt (Irrtumswahrscheinlichkeit 5%)“. So oder so ähnlich ... Durch eine Signifikanzprüfung ist es möglich abzuschätzen, inwieweit die in der Population angenommenen (hypothetischen Zusammenhänge resp. erwartete Werte; vgl. Hypothese) in der beobachteten Stichprobe (z.B. als unterschiedliche Mittelwerte) auch signifikant sind bzw. außerhalb des Zufallsbereiches liegen.
• 3.7 Signifikanzentscheidung über Hypothesen: Arten von Hypothesen Arten von Hypothesen: Unterschiedshypothesen zwischen Gruppen: signifikanter Gruppenunterschied zwischen Kontroll- und Untersuchungsgruppe Zusammenhangshypothesen zwischen Variablen: signifikanter Zusammenhang zwischen Lebenslage und Drogenkonsum gerichtete vs. ungerichtete: gibt zudem die Richtung des Zusammenahnges an, z.B. mehr oder weniger Spezifische vs. unspezifische: gibt zudem Höhe des Zusammenhanges an , z.B. 20% Statistische Hypothesen H1 und H0: H1: Unterschied zwischen den Gruppen /Variablen gibt (sog. Alternativhypothese); H0 keinen Unterscheid gibt - statistische Prüfung soll entscheiden, welche der beiden Hyp. angenommen oder zurückgewiesen werden muss. Es lassen sich mit Hilfe statistischer Prüfverfahren berechnen, wie hoch der sog. α-Fehler (Fehler erster Art) β-Fehler (Fehler zweiter Art) für die Annahme der resp. Zurückweisung des H1 bzw. H0 wäre (von optimaler Größe der Stichprobe abhängig) Dabei: α-Fehler ist Wahrscheinlichkeit H1 anzunehmen, obwohl H0 richtig wäre (“etwas dort zu vermuten, wo nichts ist“) β-Fehler entsprechend umgekehrt („etwas übersehen, was aber ist“). Das Signifikanzniveau (z.B. 5%, vgl. fiktive Aussage oben ) gibt dabei die Irrtumswahrscheinlichkeit an, diese Fehler zu begehen.
• 3.9 Phasen und Fragen des Forschungsprozesses für eine empirische Arbeit: 1. Orientierungs- und Planungsphase Eigener Bezug zum Thema: Was ist mein Interesse an dem Thema? Mittel: Selbstbefragung Problemdefinition: Was ist das gesellschaftlich oder wissenschaftlich relevante Problem? Was wäre der Nutzen einer solchen Arbeit? Mittel: Allgemeine Diskursanalyse Bestimmen des Forschungs- oder wissenschaftlichen Diskussionsstandes: Welche wissenschaftlichen Lösungen gibt es bislang (Forschungsstand/Desiderata) Mittel: Literaturrecherche /Expertenbefragung Begriffsdefinition und Konstruktbeschreibung: Auf welche Theorie, welches Begriffsverständnis von „ ....” will ich mich stützen? Mittel: Brainstorming /Begriffsanalyse Ableitung der Fragestellung: Was ist das Ziel der Arbeit, was nicht? Mittel: Exposé der Arbeit schreiben: „Welche Fragestellung soll meine Arbeit beantworten?”/ „Welche nicht?“ Hypothesengenerierung: Welche Hypothesen habe ich (implizit) /verfolge ich (explizit)? Welche will ich prüfen? Planung: Welche Ressourcen habe ich zur Verfügung (Zeit, Geld, Mitforscher, Feldzugang) Ziel: Theoretisch: theoretischer Bezugsrahmen, Basiskonstrukte Präzisierte (vorläufige) Fragestellung, Explizierung oder Aufstellung explizier Hypothesen Pragmatisch: Zeitplan (schließt die folgenden Phasen in die Planung ein)
• 3.9 Phasen und Fragen des Forschungsprozesses für eine empirische Arbeit: 2. Durchführungs- Realisierungsphase Operationalisierung/ Indikatorenwahl: Anhand welcher Variablen/ Merkmal kann ich meinen Gegenstand erfassen? Methodenwahl und -konstruktion: 2.1. Welche Methoden und Forschungsinstrumente stehen mir zur Verfügung, welche muss ich (noch) selbst konstruieren oder modifizieren (z.B. Fragebogen) 2.2. Wie will ich die Daten erheben und fixieren? 2.3. Welche Auswertverfahren kann/sollte ich anwenden und wie ist dies mit der Methode vereinbar und von den Ressourcen her möglich? Bestimmung der Stichprobe/Grundgesamtheit: Wen will ich untersuchen und wen wähle ich wie aus? (theoretical sampling beiqualitativem Herangehen) Zugang zum Feld: Wie stifte ich Kontakt zum Untersuchungsfeld /-population? Welche Ressourcenkann ich hier nutzen? Voruntersuchung (Pretest): Geht das alles so, wie ich mir das gedacht habe, was muss ich ändern, ehe ich die Hauptuntersuchung durchführe (Methode, Stichprobe, Erhebungssituation, Datenfixierung etc.) Hauptuntersuchung: Ich bin gespannt, ob alles so klappt. Kann ich alles beibehalten oder muss ich etwas ändern (Methode, Stichprobe) Welche Konsequenzen hätte jetzt eine Veränderung? Datenaufbereitung und -auswertung: Welche Auswertungsverfahren wende ich an? Statistische vs. Interpretative Verfahren?
• 3.9 Phasen und Fragen des Forschungsprozesses für eine empirische Arbeit: 3. Darstellungs- und Präsentationsphase Dokumentation der Verlaufs und der obigen Schritte (Nachvollziehbar und überprüfbar) Darstellung und Diskussion der Ergebnisse: Was ist das Ergebnis der Arbeit, Hypothese bestätigt /verworfen/ neue Hypothesen generiert? Vergleich und Zusammenschluss des theoretischen Ausgangs und der empirischen Ergebnisse Methoden- und Vorgehenskritik: Wie aussagekräftig sind meine Ergebnisse? (Gütekriterien), Was ist anders gelaufen, als geplant? Was waren vermeidbare / unvermeidbare „Unfälle”? Was waren weiterführenden Entdeckungen (Was bedeutet es, wenn etwas schief geht, das Missraten als Forschungsquelle) Praktische Relevanz der Ergebnisses: Wer hat etwas von den Ergebnissen - theoretisch wie praktisch? Weiterführende Forschungsfragen Beachten formaler Richtlinien und ästhetischer Kriterien der Präsentation: Wie mache ich dem Leser /Hörer am verständlichsten, was mein Anliegen, meine Aussagen, meine Ergebnisse und meine Botschaft sind?

back  |  next 1 / 1