Struktur und Ablauf wissenschaftlicher Untersuchungen (1)

• Psychologie ist eine empirische Wissenschaft

• Ziel der Psychologie ist die Beschreibung, Erklärung, Vorhersage und ggf. die Modifikation von Erleben und Verhalten

• Dazu werden Theorien formuliert, welche mit wissenschaftlichen Methoden überprüft werden.

• Ein System von Aussagen zur Beschreibung, Erklärung, Vorhersage und ggf. der Modifikation von Erleben und Verhalten.

• Eine gute Theorie muss

  • widerspruchsfrei

    • Aussagen dürfen sich nicht widersprechen

  • überprüfbar

    • Die Theorie sollte an der realität überprüfbar sein und ggf. durch empirische Daten falsifiziert werden können

  • explizit

    • Begriffe und Aussagen müssen klar definiert sein, damit sie von anderen Interpretiert werden können

    • Vage Aussagen sind wissenschaftlich unbrauchbar

    • Beispiel: Die Big-Five-Persönlichkeitstheorie

      Sie definiert fünf klare, voneinander abgrenzbare Persönlichkeitsdimensionen (z. B. Extraversion, Neurotizismus).

      Warum explizit? Die Begriffe sind genau operationalisiert (z. B. durch Fragebögen messbar), sodass klar ist, was gemeint ist.

  • empirisch verankert sein

    • Eine gute Theorie muss sich auf beobachtbare und messbare Daten stützen

1. Problem (Forscungsfrage oder Problemdarstellung)

   • Hier wird beschrieben, was untersucht werden soll und warum.

     Man stellt eine konkrete Forschungsfrage oder Hypothese.

     Beispiel: Hat Social-Media-Nutzung einen Einfluss auf das Selbstwertgefühl von Jugendlichen?

2. Sampling (Stichprobe)

   • Man entscheidet, wen man untersucht: also wer zur Zielgruppe gehört und wie man die Personen auswählt.

     Wichtig: Die Stichprobe sollte möglichst repräsentativ sein.

     Beispiel: Man befragt 200 Jugendliche im Alter von 14–18 Jahren aus verschiedenen Schulen.

3. Design (Versuchsaufbau)

   • Hier wird festgelegt, wie die Untersuchung durchgeführt wird. Es gibt verschiedene Arten von Designs (z. B. experimentell, quasi-experimentell, korrelativ).

     Beispiel: Ein korrelativer Aufbau – man misst Social-Media-Zeit und Selbstwertgefühl und schaut, ob sie zusammenhängen.

4. Measurement (Messung)

   • Welche Instrumente oder Methoden verwendet man, um die interessierenden Merkmale zu erfassen?

     Beispiel:

     • Social-Media-Nutzung: Eigener Fragebogen zu Nutzungsdauer

     • Selbstwertgefühl: Rosenberg-Selbstwertskala (ein standardisierter Fragebogen)

5. Analysis (Datenanalyse)

   • Die erhobenen Daten werden statistisch ausgewertet. Hier entscheidet sich, ob die Hypothese bestätigt wird oder nicht.

     Beispiel: Eine Korrelationsanalyse, um den Zusammenhang zwischen Nutzungsdauer und Selbstwert zu prüfen.

6. Conclude (Schlussfolgerung)

   • Basierend auf den Ergebnissen zieht man eine wissenschaftliche Schlussfolgerung. Man diskutiert auch mögliche Limitationen (z. B. Verzerrungen) und schlägt ggf. weitere Forschung vor.

     Beispiel: „Je mehr Zeit Jugendliche auf Social Media verbringen, desto niedriger ist ihr Selbstwertgefühl – allerdings zeigt die Studie nur eine Korrelation, keine Kausalität.“

• Statistische einheiten

  • Das sind die Objekte, die untersucht werden.

    Sie werden auch Untersuchungseinheiten oder Fälle genannt.

    Beispiel: Wenn du 100 Schülerinnen befragst, ist **jeder einzelne Schüler*in eine statistische Einheit**.

• Merkmal

  • Ein Merkmal ist eine Eigenschaft, die du an den statistischen Einheiten untersuchst.

    Beispiel: „Alter“, „Geschlecht“, „Schulnote“, „Social-Media-Nutzung“ – das sind alles Merkmale.

• Variable

  • Der Begriff Variable wird oft synonym zu „Merkmal“ verwendet, aber eher im statistisch-technischen Kontext.

    Unterschied: Eine Variable ist die messbare Umsetzung eines Merkmals.

    Beispiel: Das Merkmal „Schulnote“ wird als Variable z. B. mit Werten von 1 bis 6 kodiert.

• Konstante

  • Eine Konstante ist ein Merkmal, das für alle Untersuchungseinheiten denselben Wert hat – also nicht variiert.

    Beispiel: Wenn du nur Schüler*innen aus der 10. Klasse untersuchst, dann ist „Klassenstufe“ eine Konstante (alle = 10).

• Merkmalsausprägung

  • Das ist der konkrete Wert, den ein Merkmal bei einer bestimmten statistischen Einheit annimmt.

    Beispiel:

    • Merkmal: Geschlecht

    • Mögliche Merkmalsausprägungen: „männlich“, „weiblich“, „divers“

    • Für eine bestimmte Person: Ausprägung = „weiblich“

• Qualitativ/kategorial

  • Diese Merkmale beschreiben Eigenschaften oder Kategorien, keine Zahlen.

    Man kann sie in Gruppen einteilen, aber nicht rechnen.

    Beispiele:

    • Geschlecht (männlich / weiblich / divers)

    • Augenfarbe (blau, braun, grün)

    • Lieblingsfach (Mathe, Bio, Kunst)

• quantitativ (Diese Merkmale sind zahlenmäßig erfassbar – man kann mit ihnen rechnen.)

  Man unterscheidet zwei Untertypen:

  • stetig

  • diskret (Hier gibt es nur bestimmte Werte, also keine Zwischenstufen.

    Man zählt, nicht misst.)

    • natürlich diskret

      • Die Ausprägungen sind von Natur aus zählbar.

        Beispiele:

        • Anzahl der Geschwister (0, 1, 2…)

        • Wie oft warst du im Kino?

        • Anzahl bestandener Prüfungen

    • künstlich diskret

      • Eigentlich ein stetiges Merkmal, das aus praktischen Gründen in Gruppen eingeteilt wird.

        Beispiele:

        • Schulnoten (1, 2, 3…)

        • Alter in Altersgruppen (z. B. 0–10, 11–20 Jahre)

      • In vielen Fällen ist es einfacher, Gruppen zu vergleichen als feine Unterschiede zwischen unendlich vielen Werten zu analysieren.

        Beispiel:

        Statt Körpergrößen wie 168,4 cm vs. 169,2 cm zu vergleichen, teilt man die Daten in Gruppen wie:

        • „<170 cm“

        • „170–180 cm“

        • „>180 cm“

        So kann man Ergebnisse leichter beschreiben, zusammenfassen und darstellen.

• Die Population

  • ist die Gesamtheit aller Personen oder Objekte, über die man eine Aussage treffen möchte.

    Beispiel:

    Wenn du herausfinden willst, wie zufrieden alle Schüler*innen in Deutschland mit dem Online-Unterricht waren,

    dann ist die Population = alle Schüler*innen in Deutschland.

• Die Stichprobe

  • ist der Teil der Population, den du tatsächlich untersuchst.

    Sie soll möglichst repräsentativ sein – also ein gutes Abbild der Gesamtbevölkerung.

    Beispiel:

    Du befragst 500 Schüler*innen aus verschiedenen Bundesländern → das ist deine Stichprobe.

• Man nimmt Stichproben, weil es meistens unmöglich oder zu aufwändig ist, die ganze Population zu untersuchen.

  Also nimmt man eine Stichprobe, erhebt dort Daten – und schließt dann von der Stichprobe auf die Population (→ Inferenzstatistik).

• Deskriptive Statistik

  • (= beschreibende Statistik)

    Sie dient dazu, Daten zusammenzufassen und anschaulich darzustellen – ohne darüber hinauszugehen.

    Was sie macht:

    • Daten ordnen, darstellen, beschreiben

    • Verwendet Kennwerte wie:

    • Mittelwert, Median, Standardabweichung, Prozentwerte

    • Zeigt Daten z. B. in:

    • Tabellen

    • Diagrammen (z. B. Balkendiagramm, Histogramm)

    Beispiel:

    Du befragst 100 Schüler*innen zum täglichen Handygebrauch und berechnest:

    • Durchschnittliche Nutzung = 3,2 Stunden

    • 60 % nutzen das Handy mehr als 3 Stunden

    → Das ist deskriptive Statistik: Was sagt die Stichprobe aus?

• Inferenzstatistik

  • (= schließende Statistik)

    Sie geht einen Schritt weiter: Man zieht aus der Stichprobe Rückschlüsse auf die gesamte Population.

    Was sie macht:

    • Verwendet die Daten der Stichprobe, um Hypothesen zu testen

    • Arbeitet mit Wahrscheinlichkeiten, Konfidenzintervallen und Signifikanztests

    • Zentrale Frage: Ist das, was ich in der Stichprobe sehe, auch in der Population wahrscheinlich?

    Beispiel:

    Du willst wissen: Gilt der Zusammenhang zwischen Social-Media-Nutzung und Selbstwertgefühl, den du in deiner Stichprobe gefunden hast, auch für alle Jugendlichen in Deutschland?

    → Dann nutzt du Inferenzstatistik, z. B. mit einem Signifikanztest (p-Wert).

• Theorie

  • Eine Theorie ist ein System aus Aussagen, das Erleben und Verhalten erklärt, beschreibt, vorhersagt und ggf. verändert.

    Merkmale:

    • Abstrakt, übergeordnet

    • Besteht meist aus mehreren Konzepten und Zusammenhängen

    • Dient als Rahmen, aus dem man Hypothesen ableiten kann

    • Muss widerspruchsfrei, überprüfbar, explizit, empirisch verankert sein

    Beispiel:

    Theorie der kognitiven Dissonanz (Festinger):

    Wenn Menschen in einem inneren Widerspruch leben (z. B. Verhalten ≠ Einstellung), erleben sie Spannung und versuchen, diesen Zustand zu reduzieren.

• Hypothese

  • Eine Hypothese ist eine konkrete, überprüfbare Aussage, die man aus einer Theorie ableitet und empirisch testet.

    Merkmale:

    • Spezifisch, oft auf eine bestimmte Situation oder Variable bezogen

    • Formuliert einen Zusammenhang, eine Unterschiedsannahme oder eine Richtung

    • Lässt sich testen und falsifizieren (widerlegen)

    Beispiel:

    „Je stärker die erlebte Dissonanz, desto höher die Wahrscheinlichkeit, dass eine Person ihre Einstellung ändert.“

• Eselsbrücke

  • „Die Theorie ist das Navi, die Hypothese ist die Route.“

    • Die Theorie ist wie ein Navigationssystem:

      Sie gibt dir eine grobe Orientierung, wo es langgeht, was es alles gibt, und wie die Dinge zusammenhängen.

    • Die Hypothese ist eine konkrete Route, die du auswählst, um von A nach B zu kommen:

      Du willst wissen, ob dieser Weg funktioniert – also testest du ihn.

• War unsere Fragestellung klar und eindeutig?

→ Wussten wir genau, was wir herausfinden wollten?

• Passte unsere Untersuchung zur Frage?

→ Hat unser Forschungsdesign (z. B. Experiment, Umfrage) überhaupt geholfen, diese Frage zu beantworten?

• War unsere Stichprobe geeignet?

→ Haben wir die richtigen Personen untersucht – und genug, um aussagekräftige Ergebnisse zu bekommen?

• Haben wir gut und richtig gemessen?

→ Waren unsere Messinstrumente zuverlässig (reliabel) und haben sie wirklich das gemessen, was sie sollten (valide)?

• Haben wir korrekt gerechnet und sinnvolle Annahmen gemacht?

→ Waren die statistischen Verfahren angemessen und die Annahmen dahinter erfüllt?

• Wie kommunizieren wir unsere Ergebnisse sinnvoll?

→ Wie stellen wir die Ergebnisse verständlich, transparent und sachlich korrekt dar?