Political and Social Studies (Subject) / Methoden und Arbeitswesen (Lesson)

This lesson was created by LorenaSarter.

Learn lesson

back  |  next 1 / 1

• Wissenschaftstheorie in ihren Aspekten und Fragestellungen - Ontologie Was sind die Grundcharakteristika der Realität? Worüber kann Wissen produziert werden?
• Wissenschaftstheorie in ihren Aspekten und Fragestellungen - Epistemologie In welcher Weise kann Wissen über diese Realität produziert werden und wie ist es beschaffen?
• Wissenschaftstheorie in ihren Aspekten und Fragestellungen - Methodologie Mit welche Mittel kann welches Wissen produziert werden?
• Abhängigkeit von Ontologie -> Epistemologie -> Methodologie O geht der E und M E basiert auf einer kompatiblen O und geht der M voraus M basiert auf jeweils bestimmten ontologischen und epistemologischen Annahmen (Puller)
• Positivistische vs. interpretative Methoden nicht z verwechseln mit qualitative vs. quantitative Methoden (beide gehören zur positivistischen Richtung)
• Positivistische Forschung - steht unter dem erklärenden Paradigma (Erklärung von Ursache und Wirkung) - Annahme: die Realität existiert unabhängig vom jeweiligen Beobachter und kann somit objektiv beschrieben und untersucht werden
• Interpretative Forschung - konstruktivistisch angelegt Ziel: Erschließung des sozialen und idelllen Kontexts, in dem sich soziale Realität formt offene Fragen statt konkrete Hypothesen Deutungen und Zuschreibungen seitens der Beteiligten statt a priori Definitionen und Konzeptualisierungen
• Die Ansammlung von Wissen alleine ist nicht genügend... unsere spezielle Definition von Wissenschaft erfordert einen ergänzenden Schritt des Versuches über die unmittelbaren Daten weiter hinauszufolgern, zu etwas das nicht direkt beobachtet wird Dieses etwas umfasst vielleicht die deskriptive Folgerung - verwendung von Beobachtungen der Welt um über andere unbeobachtete Fakten zu lernen Oder es umfasst eine kausale Folgerung  - lernen über kausale Effekte von beobachteten Daten King, Keohane, Verba 
• Elemente einer positivistischen Methodik Kausale Inferenz (Wissen durch Schlussfolgerung; wie kann man Aussagen über größere Zusammenhänge generieren) wird beeinflusst durch: - Regressionsanalyse (Rückgang/Entwicklung) - notwendige und hinreichende Bedingungen - Kontrolle - Experiment (forschungsstrategisches Ideal in Form von Beobachtung= - Qualtitativen Vergleich
• Deskriptive Inferenz Schließen von beobachtbaren Phänomen auf unbeobachtete Phänomene -> aufteilung der Welt in systematische und nichtsystematische Bestandteile (King) Stimmanteile einer Partei in einem Wahlkreis hängen von systematischen (z.B. Parteiidentifikation) und nicht-systematischen Faktoren (Wetter) ab
• Advertisement
• Inferenz in der historischen Deskription - Marx: Produktionsverhältnisse als systematische Komponente der historischen Entwicklung - North: Bedeutung von Institutionen für die ökonomische Entwicklung
• Kausale Inferenz - Grundidee Grundidee: Jedes Ereignis/Phänomen hat eine Ursache -> erst die Kausalbeziehung verbindet viele Ereignisse mteinander, die ansonsten beziehungslos nebeneinander stünden sie liefert die entscheidende Ordnung für unsere Welt (David Hume)
• Kausale Inferenz- Ziel Erklärung eines Phänomens Y mit einer bestimmten Ursache X Dies impliziert, dass 1. Ursache und Wirkung zusammenhängen, dass also das Vorliegen der Ursache X die Wahrscheinlichkeit des eintretens von Y erhöht 2. die Ursache X dem Phänomen Y zeitlich vorausgeht 3.  Y nicht durch eine andere als die Ursache X bedingt ist, was eine Kontrolle möglicher weiterer Ursachen X2,X3,X4 erfordert (man muss alternative Erklärungen ausscließen können)
• Kausale Inferenz Schließen von beobachteten Phänomenen auf kausale Zusammenhänge zwischen zwei doer mehr Variablen Kausaler Effekt: unterschied zwischen: systematische Komponente wird gemacht durch erklärende Variable die einen Wert annimmt  und systematische Komponente bei vergleichbaren Beobachtungen entsteht wenn die erklärende Variable einen anderen Wert annimmt (King) Beispiel: Kausaler Effekt = Stimmanteil von Kandidat X mit Amtsbonus - Stimmanteil von Kandidat X ohne Amtsbonus
• Kausale Inferenz - Deterministische Zusammenhänge -> immer wenn A, dann B notwendige und/oder hinreichende Bedingung
• Kausale Inferenz - Probabilistische Zusammenhänge je mehr A, desto mehr B werden als Korrelation beschrieben (wechselseitige Beziehung)
• Die INUS Konzeption von Kausalität Insufficent, but necessary part of an unnecessary but sufficient condition Ungenügender, aber notwendiger Teil einer unnötigen aber genügenden Bedingung X1= brennendes Streichholz Z1= Stroh befindet sich in der Hütte Y1= die Hütte brennt -> x1 und z2 sind INUS-Beindungen von Y1
• Deterministisch meint auch, dass mehrere Variablen zusammenwirken und nur dadurch mehrere Folgen hervorgerufen werden -> mehrere Faktoren als hinreichende Bedingung
• Counterfactual -> einer Kausalannahme liegt immer ein hypothetisches Counterfactual zugrunde Grundstruktur einer Kontrafaktischen Aussage: Wenn X (oder nicht X) aufgetreten wäre, dann wäre auch Y (oder nicht Y) aufgetreten Grundproblem: Wir verfügen über kein Counterfactual Kontrafaktische Aussagen unterstellen einen Kausalzusammenhang zwischen X und Y: P (Y│X) > P (Y│ ¬ X)
• Wie lässt sich der Kausalzusammenhang eines Counterfactual testen? Vorgehensweise in Experimentalsituationen: 1.Manipulation der unabhängigen Variable (Treatment)2.Beobachtung einer Kontrollgruppe (ersetzt das Counterfactual)3.Randomisierung -> schließt Störvariablen aus (ceteris paribus-Bedingung)
• Probleme in nicht experimentellen (natürlichen) Settings Unmöglichkeit der Randomisierung (wir können Versuchsgruppen usw. nicht selbst auswählen)
• Mögliche Lösung in nicht-experimentellen Settings - Multiple Regressionsanalyse Randomisierung wird ersetzt durch mathematische Kontrolle möglicher Störvariablen Nachteil: Problem der unobserved variables
• Mögliche Lösung in nicht experimentellen Settings - Matching - verfahren Stuart: Wir definieren Anpassung (Methode) weitgehend als eine Methode die darauf abzielt die Verteilung der Covariaten in den behandelten und kontrollierten Gruppen gleichzustellen
• Lösung in nicht-experimentelen Settings - Difference in difference verfahren Vorteil: Kontrolle unbeobachteter Variablen Die Differenz der Arbeitslosenzahlen in jeder Stadt (Vorher-Nachher-Vergleich bei beiden Städten getrennt) führt zur Differenz der Differenzen (Differenz der zwei Vorher-Nachher-Vergleiche). Diese erlaubt es, eine Aussage zu treffen über die Effektivität der Weiterbildungsmaßnahme. Somit kann behauptet werden, dass 3.1 % − 2.83 % = 0.27 % der Arbeitslosen durch die Weiterbildungsmaßnahme eine Arbeitsstelle gefunden hätten4 Problem: Manipulation der unabhängigen Variable ist nicht möglich Bsp: Hat der Anteil von Weiblichen Lehrkräften einen Einfluss auf den Schulerfolg von Jungen? -> Bildung von Versuchsgruppen und Kontrollgruppen anhand der unabhängigen Variable Probleme: Endogenität der unabhängigen Variable Gefahr des selection bias  (Auswahl der Grundbeschaffenheit im zu untersuchenden Subjekt immt großen Einfluss auf das Ergebnis -> Verzerrung der Ergebnisse) Bestimmung des Status der unabhöngigen Variable
• Weitere Spezifizierung des Zusammenhangs zwischen unabhängiger und abhängiger Variable durch TRIANGULATION Forschungsstrategie bei der verschiedene Methoden oder Sichtweisen auf das gleiche Phänomen angewendet werden oder verschiedenartige Daten zur Erfassung eines Phänomens herangezogen werden
• Weitere Spezifizierung des Zusammenhangs zwischen unabhängiger und abhängiger Variable durch MIXED-METHOD-DESIGNS Kombination qualitativer und quantitativer Methoden
• Weitere Spezifizierung des Zusammenhangs zwischen unabhängiger und abhängiger Variable durch NESTED ANALYSES systematischen Verknüpfung von Regressions- und Fallanalysen
• Quintessenz Das Gelangen zu vollkommen bestimmten Schlüssen von unsicheren Daten ist offensichtlich unmöglich. Tatsächlich ist Unklarheit ein Hauptaspekt der ganzen Forschung und aller Kenntnisse über die Welt “
• Interne Validität gibt an, inwieweit die Ergebnisse einer Untersuchung auf die Manipulation einer unabhängigen Variable zurückgeführt und möglichen Störeinflüsse ausgeschlossen werden können
• Externe Validität (Generalisierbarkeit) bezieht sich auf die Frage, zu welchem Grad sich die Ergebnisse auf die Grundgesamtheit sowie zeitlich und geographische andere Umstände übertragen lässt
• Advertisement
• Beziehung zwischen interner und externer Validität wenn interne Validität nicht gegebn ist, dann ist auch externe Validität nicht gegeben aber Bedingungen für interne Validität schwächen externe Validität und umgekehrt
• Inhaltsvaidität (ist in der internen Validität angesiedelt-> Operationalisierbarkeit von Daten) bezieht sich darauf, dass möglichst alle Aspekte der DImension, die gemessen werden sollte, berücksichtigt wurden Problem: es gibt für die Beurteilung der Inhaltsvalidität keine objektiven Kriterien
• Kriteriumsvaldität bezieht sich auf den Zusammenhang zwischen den empirisch gemessenen Ergebnisse des Messinstruments und einem anderen gemessenen empirischen (externen)  Kriteriums
• Konstruktvalidität liegt dann vor, wenn aus dem Konstrukt empirisch überprüfbare Aussagen und Zusammenhänge dieses Konstruktes mit anderen Konstrukten theoretisch hergeleitet werden können und sich diese Zusammenhänge empirisch nachweisen lassen
• Wie lässt sich wissenschaftliches Erkenntnis gewinnen? -> es gibt nur einen Grundsatz ( unter allen Umständen und Stadien der menschlichen Entwicklung) ANYTHING GOES (Paul Feyerabend) -> keine festgelegte Methode oder feststehende Theorie der Vernünftigkeit (->naive Anschauung)
• Recherche Thema: Digitale Demokratie und Partizipation Frage: Tragen digitale Medien zu einer stärkeren politischen Partizipation in D bei? Recherchemöglichkeiten: Der Karlsruher Verbundkatalog Der Bayrische Verbundkatalog Notationssuche Die Regensburger Verbund-Klassifikation Der JSTOR - Katalog WIe und wo findet man Literatur zu seinem Thema? Google Scholar o. Googel

back  |  next 1 / 1