LE 3 - Ausgewählte Rahmenbedingungen

• Werkzeug, um Verallgemeinerung einer Teilmenge (Stichprobe) auf Gesamtheit der Population (z.B. Wahlumfrage) zu beziehen

Ablauf des Forschungsprozesses

1. Themenwahl und Forschungsfrage

   • Auswahl eines relevanten Forschungsfeldes

   • Formulierung klarer, präziser Forschungsfragen/ Hypothesen

2. Theoretische Grundlagen

   • Literaturrecherche

   • Entwicklung eines theoretischen Rahmens —> Stützung Hypothesen/ Eingrenzung Fragestellungen

3. Methodenwahl

   • Entscheidung für ein passendes Forschungsdesign (z. B. experimentell, deskriptiv)

   • geeignete Erhebungsmethoden (z. B. Interviews, Umfragen).

4. Operationalisierung

   • Definition und Messbarmachung der zentralen Begriffe und Konzepte

   • Entwicklung von Indikatoren und Messinstrumenten.

5. Stichprobenauswahl

   • Planung und Ziehung einer repräsentativen Stichprobe, die das Forschungspopulation sinnvoll abbildet.

6. Datenerhebung

   • Systematische Sammlung von Daten entsprechend der vorher gewählten Methode (z. B. durch Befragung, Beobachtung).

7. Datenanalyse

   • Auswertung der Daten mithilfe statistischer oder interpretativer Verfahren, je nach Forschungsdesign.

8. Interpretation und Diskussion der Ergebnisse

   • Vergleich der Ergebnisse mit den Hypothesen, Analyse von Abweichungen und Interpretation der Implikationen.

9. Publikation und Präsentation

   • Veröffentlichung der Ergebnisse und ggf. Präsentation in wissenschaftlichen oder öffentlichen Foren.

• Gesamtheit aller Elemente oder Individuen, die für die Forschung von Interesse sind.

• Klare Definition der Zielpopulation ist entscheidend —> Sicherstellung der Relevanz und Anwendbarkeit der Ergebnisse der Studie

• Differenzierung von drei Populationskonzepten:

  • Zielpopulation (target population) = Gesamtheit aller Objekte

  • Auswahlpopulation (frame population) = alle Objekte mit Chance in Stichprobe zu gelangen

  • Inferenzpopulation (inference population) = Gesamtheit aller Objekte, aus der die Stichprobe tatsächlich stammt

• Wiederspieglung der Merkmale der Population essentiell —> sonst Ergebnisse nicht generalisierbar —> Übertragung auf Population nicht machbar —> Gefährdung der Validität der Studie

• keine Bevorzugung von Elementen der Population

• Maßnahmen zur Sicherstellung:

  • geschichtete Stichproben

  • Zufallsstichprobe

    
    

• Teilmenge der Population —> wird für Datenerhebung ausgewählt

• Ziel: Ziehen von Rückschlüsse auf die gesamte Population —> Vollerhebung dadurch nicht notwendig

• Vollerhebung:

  • Erhebung von Daten von allen Mitgliedern der Population.

  • Oft unpraktisch oder kostenintensiv —> daher oft Stichprobenerhebung

• Größe muss ausreichend groß sein um statistisch signifikante Ergebnisse zu sichern

• Einflussfaktoren auf Größe

  • je heterogener die Population, desto größer die Stichprobe (Abbildung von allen Variation)

  • höhere Anforderungen an Konfidenzniveau und Genauigkeit erfordern größere Stichpobe

  • Beeinflussung der Stichprobegröße durch geplante Tests

• Anpassung an die Forschungsfrage: Die Auswahlstrategie sollte an die spezifischen Bedürfnisse und Ziele der Forschung angepasst werden.

• Zufallsstichprobe = jedes Mitglied der Population hat gleiche Chance

  • Minimierung von Auswahlverzerrungen —> höhere Repräsentativität

• nicht-zufällige-Stichprobe = Auswahl aufgrund bestimmter Kriterien

  • Auswahlverzerrungen —> Ergebnisse können stark beeinflusst sein

• Geschichtete Zufallsstichprobe: Die Population wird in Untergruppen (Schichten) unterteilt, aus denen zufällig ausgewählt wird.

  • Ziel: Berücksichtigung wichtiger Merkmale der Population, um die Repräsentativität zu erhöhen.

• Klumpenstichprobe: Die Population wird in Gruppen (Klumpen) eingeteilt, und dann werden einige dieser Gruppen zufällig ausgewählt.

  • Vorteil: Praktisch und kosteneffizient, besonders wenn die Population geografisch verteilt ist.

• Mitglieder der Stichprobe nehmen nicht an Studie teil

• Strategien zur Reduzierung:

  • Anreize (monetär oder nicht- monetär)

  • Follow-Up (Nachverfolgung)

  • Statistische Techniken (Gewichtung von Daten)

• Beachtung von ethischen Standards (Freiwilligkeit der Teilnahme, Inormierte Einwilligung der Teilnehmenden)

• Dokumentation der Vorgehensweisen bei Stichprobenauswahl und Erhebungsmethoden —> Sicherstellung von Nachvollziehbarkeit und Integrität der Forschung

• Art der Stichprobe hat erheblichen Einfluss auf Datenanalyse und abgeleiteten Schlussfolgerungen

• Interpretation der Ergebnisse im Kontext der Stichprobe —> bei unzureichender Repräsentativität —> klare Kommunikation darüber

• korrelative Studien (Beobachtungsstudien)

  • Struktur der Beziehungen der relevanten Variablen werden gesucht und analysiert

• experimentelle Studien (Interventionsstudien)

  • Aufbau auf Wissen über relevante Variablen

  • Untersuchung dr Art der Beziehung zwischen unabhängigen und abhängigen Variablen

• Korrelatives Design

  • Ziel: Untersuchung von Zusammenhängen zwischen zwei oder mehr Variablen.

  • Variablen: Werden gemessen, aber nicht manipuliert

  • Datenquelle: Erhebung durch Umfragen, Beobachtungen oder vorhandene Daten.

  • Statistische Analyse: Verwendung von Korrelationskoeffizienten (z. B. Pearson, Spearman), um den Grad und die Richtung der Beziehung zu bestimmen.

  • Beispiel: Zusammenhang zwischen Stresslevel und Schlafqualität untersuchen

• Ex-post-facto-Designs

  • Stattfinden der Untersuchung nachträglich

  • Eintreten der untersuchten Ereignisse oder Bedingungen bereits erfolgt

  • nicht-experimentellen Forschung

  • Analyse Ursache-Wirkungs-Beziehungen von Variablen

  • keine Beeinflussung oder Kontrolle der Bedingungen (Manipulation) durch Forscher

  • Verwendung bestehender Daten: ( z. B. Aufzeichnungen, Berichte oder Befragungen

  • Verbreitest Untersuchungsvariante in Sozialwissenschaften

    • Zwei Erhebungsdesigns:

      • Querschnittdesign

        • Einmalige und gleichzeitige Messung aller forschungsrelevanten Merkmale

        • Möglichkeit bei lediglich einer aktuellen Bestandsaufnahme von Population

        • Aussagen über kausale Beziehungen zwischen Merkmalen nicht möglich

        • Nur Momentaufnahme

        • Bsp. online- Befragung von Studieeenden zur psychischen Belastung in der Corona-Zeit

      • Längsschnittdesign

        • Mehrere, zeitlich gestaffelte Untersuchungen zu einem Themenkomplex möglich

          • Trenddesign (unechtes Panel)

          • Beschreibung: Untersuchung von Veränderungen in einer Population über Zeitpunkte hinweg

          • unterschiedliche Stichproben aus derselben Grundgesamtheit.

          • Ziel: Erkennung von Trends und Entwicklungen auf Bevölkerungsebene, ohne dieselben Personen zu befragen.

          • Beispiel: Befragung neuer Stichproben zum Wahlverhalten alle vier Jahre, um politische Trends zu analysieren.

          • Kohortenanalyse

          • Beschreibung: Untersuchung einer Gruppe (Kohorte) mit einem gemeinsamen zeitlichen Merkmal (z. B. Geburtsjahrgang).

          • Ziel: Beobachtung von langfristigen Veränderungen und spezifischen Einflüssen auf die Kohorte.

          • Beispiel: Verfolgung des Berufsverlaufs von Personen, die 1990 in den Arbeitsmarkt eingetreten sind, um deren Karriereentwicklung zu analysieren.

          • Paneldesign

          • Beschreibung: Langfristige Untersuchung derselben Gruppe von Personen (Panel) über mehrere Zeitpunkte hinweg, um individuelle Veränderungen zu verfolgen.

          • Ziel: Erfassung von Veränderungen und Entwicklungen auf individueller Ebene innerhalb derselben Stichprobe.

          • Beispiel: Eine Studie befragt jährlich dieselben 1.000 Personen über ihre Arbeitszufriedenheit, um Veränderungen im Verlauf ihrer Karriere zu analysieren.

      • Fall-Kontroll-Studie

        • Beschreibung: Vergleich von Personen mit einem bestimmten Merkmal (Fälle) mit Personen ohne dieses Merkmal (Kontrollen).

        • Ziel: Untersuchung möglicher Ursachen oder Risikofaktoren für bestimmte Ergebnisse.

        • Beispiel: Analyse von Lebensstilfaktoren bei Personen mit und ohne Herzkrankheiten.

      • Meta- Analyse

        • Beschreibung: Statistische Zusammenführung und Auswertung der Ergebnisse aus mehreren unabhängigen Studien zu einem bestimmten Thema oder einer Fragestellung.

        • Ziel: Ermittlung eines gesamtgewichteten Effekts über verschiedene Studien hinweg, um zuverlässigere Aussagen und Erkenntnisse zu erhalten.

        • Beispiel: Eine Meta-Analyse fasst Ergebnisse zahlreicher Studien zur Wirksamkeit einer Therapieform gegen Depression zusammen, um zu ermitteln, wie wirksam die Therapie im Durchschnitt ist

• Vorexperimentelle Versuchsanordnung

  • Simpelste Untersuchungsform

  • Gruppe wird Gegebenheiten der unabhängigen Variablen ausgesetzt —> danach Messung der abhängigen Variable

  • Vergleich des gemessenen Wertes mit anderer Untersuchung —> signifikante Abweichung = Hypothese trifft zu

• Experimentelle Designs

  • Einfaches experimentelles Design

    • Bildung von zwei Gruppen (Experimental- und Kontrollgruppe – Zuordnung zufällig (randomisiert)

    • Vorhermessung der abhängigen Variablen in beiden Gruppen

    • Einführung des Stimulus nur in Experimentalgruppe

    • Nachhermessung in beiden Gruppen

    • Vergleichswerte verfügbar

  • Echtes experimentelles Design

    • Kontrolle der Störfaktoren

    • Störfaktoren können interne und externe Validität beeinflussen

    • Techniken zur Kontrolle von Störfaktoren:

      • Elimination (Ausschalten von Störfaktoren)

      • Konstanthaltung (größtmögliche Angleichung der Versuchsbedingungen bei Experimental- und Kontrollgruppen bis auf unabhängige Variable)

      • Bildung von Experimental- und Kontrollgruppen (Matchen oder Randomisierung)

      • Ausführung von Feld- oder Laborexperiment

• Quasi- experimentelles Design

  • Zuordnung der Versuchspersonen zu Experimental- und Kontrollgruppen durch bereits vorhandene Merkmale der Untersuchungseinheiten

  • Stimulus wird wie oben gesetzt

  • Besonders stark von Ausfällen und verzerrten Auswahlen durch Selbstselektion der Versuchspersonen betroffen

• Forschungsdesigns sind Flexibel, offen und Kontextsensitiv

• Eignung bei komplexen sozialen Phänomenen

1. Fallstudien (Case Studies oder auch Kasuistik)

• Untersuchung eines spezifischen Falls im Detail

• Kontextbezogene Analyse

• Kombination mehrerer Methoden (z. B. Interviews, Beobachtungen)

2. Grounded Theory

• Theoriebildung aus den Daten (induktiv)

• Entwicklung von Theorien möglichst realitätsnah

• Intensive Auseinandersetzung mit konkreten Forschungsfeld

• Datensammlung und -analyse parallel

• Systematisches Kodieren der Daten

  • Definition: Umwandlung qualitativer Daten in Kategorien oder Codes zur Analyse.

  • Ziel: Strukturierung komplexer Daten für tiefere Analyse und Interpretation.

  • Datenanalyse: Wiederholte Durchsicht und Analyse zur Identifikation von Mustern.

  • Dokumentation: Festhalten der Kodierungen zur Gewährleistung von Transparenz.

  • Reflexion: Berücksichtigung eigener Vorurteile zur Sicherung der Objektivität.

  • drei Arten: offene Codierung, axiale und selektive Codierung

3. Ethnographie

• Langfristige Beobachtung in natürlichem Umfeld

• Teilnehmende Beobachtung als zentrale Methode

• Verständnis von Kultur und sozialem Verhalten

4. Phänomenologie

• Untersuchung subjektiver Erfahrungen

• Fokus auf die Bedeutungen, die Menschen einem Phänomen zuschreiben

• Tiefeninterviews zur Datenerhebung

• hoher Stellenwert —> Nachweisbarkeit der Effizienz, Nachhaltiugkeit und Effektivität in sozialen Leistungen zunehmend wichtiger

• zentrale Punkte:

  • Rechenschaftspflicht

    • Nachweis von Wirkung als Bedingung für den Einsatz öffentlicher Mittel

  • Zielorientierung

    • Fokus auf messbare und nachhaltige Ergebnisse sozialer Maßnahmen

  • Kosten-Nutzen-Verhältnis

    • Wirkungsnachweise als Grundlage für Budgetentscheidungen

  • Qualitätssicherung

    • Evaluation der Wirkung zur Optimierung sozialer Angebote

  • Legitimationsdruck

    • Soziale Einrichtungen müssen ihre Wirksamkeit nachweisen, um fortbestehen zu können

1. Experimentelles Design

• Randomisierte Zuweisung von Teilnehmern in Interventions- und Kontrollgruppe.

• Vergleich der Ergebnisse zwischen Gruppen.

• Hohe Aussagekraft für Kausalzusammenhänge.

2. Quasi-experimentelles Design

• Keine randomisierte Zuweisung, aber Interventions- und Vergleichsgruppe.

• Vergleich im Zeitverlauf oder zwischen Gruppen.

• Mittlere Aussagekraft für Kausalzusammenhänge.

3. Nicht-experimentelles Design

• Keine Vergleichsgruppe, nur Interventionsgruppe.

• Vorher-Nachher-Vergleich innerhalb der Gruppe.

• Geringe Aussagekraft für Kausalzusammenhänge.

z.B.Mitarbeiterzufriedenheit!

• viele unberechenbare Fakoren in der Praxis der sozialen Arbeit

• sinnvollste und praxisnahste Methode ist Vorher- NAchher-Messung

• je praxisnäher Evaluation ist, desto mehr methodologische Voraussetzungen werden verletzt

1. Komplexität der Interventionen:

   • Vielschichtige Maßnahmen erschweren die Isolation spezifischer Wirkungen

2. Heterogenität der Zielgruppe:

   • Unterschiedliche Bedürfnisse und Hintergründe von Teilnehmenden beeinflussen die Ergebnisse

3. Externe Einflüsse:

   • Gesellschaftliche und wirtschaftliche Faktoren können die Wirkung beeinflussen

   • Berücksichtigung wichtig!

4. Erfassungsproblematik:

   • Schwierigkeiten bei der Datenerhebung und unzuverlässige Messinstrumente

5. Zeitliche Dimension:

   • Langfristige Wirkungen sind oft schwer zu messen

6. Ressourcenmangel:

   • Fehlende finanzielle, personelle oder zeitliche Ressourcen für umfassende Evaluierungen

7. Widerstand der Stakeholder:

   • Widerstand von Beteiligten aus Angst vor negativen Bewertungen

8. Interpretationsspielraum:

   • Subjektive Auswertung und unterschiedliche Schlussfolgerungen möglich

9. Festlegung von angemessener Wirkungsparameter schwierig

Wirkung:

• Definition: Veränderungen oder Ergebnisse einer Intervention.

• Fokus: Messbare Ergebnisse (z. B. Lebensqualität, Verhaltensänderungen).

• Kausalität: Direkter Einfluss der Maßnahme auf die Zielgruppe.

Zufriedenheit:

• Definition: Subjektive Wahrnehmung und Bewertung der Erfahrungen.

• Fokus: Emotionale Reaktion auf die erbrachten Leistungen (z. B. Qualität der Unterstützung).

• Subjektivität: Beeinflusst von individuellen Faktoren, keine notwendige Verhaltensänderung.

Zusammenfassung:

• Wirkung: objektiv und messbar.

• Zufriedenheit: subjektiv und emotional.

1. Subjektive Verzerrung

• Definition: Einfluss persönlicher Meinungen, Vorurteile oder Erwartungen des Forschenden auf die Beobachtungen.

• Beispiel: Der Forscher interpretiert Daten aufgrund eigener Überzeugungen und nicht objektiv.

2. Selektive Wahrnehmung

• Definition: Fokussierung auf bestimmte Aspekte oder Informationen, während andere ignoriert werden.

• Beispiel: Beobachtungen werden auf zuvor festgelegte Hypothesen abgestimmt, was zu einer verzerrten Datenerhebung führt.

3. Halo-Effekt

• Definition: Positive oder negative Einschätzung einer Person oder Situation beeinflusst die Wahrnehmung anderer Merkmale.

• Beispiel: Wenn ein Kind in einer Beobachtung freundlich ist, werden auch seine Fähigkeiten besser eingeschätzt.

4. Beobachtereffekt

• Definition: Veränderungen im Verhalten der Beobachteten, die durch die Anwesenheit des Forschenden hervorgerufen werden.

• Beispiel: Kinder verhalten sich anders, wenn sie wissen, dass sie beobachtet werden.

Homogene Gruppen

• Definition: Alle Mitglieder der Gruppe sind sich hinsichtlich bestimmter Merkmale sehr ähnlich.

• Beispiel: Eine Stichprobe, die nur aus Personen einer Altersgruppe oder nur aus Personen mit derselben Berufserfahrung besteht.

• Vorteil: Die Variabilität innerhalb der Gruppe ist gering, was die Untersuchung bestimmter, klar abgegrenzter Merkmale erleichtert.

• Nachteil: Begrenzte Generalisierbarkeit der Ergebnisse, da nur eine spezifische Gruppe abgebildet wird.

Heterogene Gruppen

• Definition: Die Mitglieder der Gruppe weisen unterschiedliche Merkmale auf, was zu einer hohen Vielfalt innerhalb der Gruppe führt.

• Beispiel: Eine Stichprobe, die Personen unterschiedlichen Alters, Geschlechts, Bildungsstands oder sozialer Hintergründe umfasst.

• Vorteil: Höhere Generalisierbarkeit, da die Stichprobe die Vielfalt der Population besser widerspiegelt.

• Nachteil: Höhere Variabilität innerhalb der Gruppe kann die Analyse erschweren, da Unterschiede stärker streuen.

• auch beschreibende Studie

• Ziel: Systematische Erfassung und Darstellung eines Phänomens.

• Fokus: „Was“ und „Wie“ – Dokumentation des Zustands, keine Ursachensuche.

• Methoden: Umfragen, Beobachtungen, Sekundärdatenanalyse.

• Beispiel: Lebenszufriedenheit in verschiedenen Altersgruppen.

• auch erklärende Studie

• Ziel: Untersuchung von Ursachen und Zusammenhängen zwischen Variablen.

• Fokus: „Warum“ und „Wie“ – Verständnis von Kausalzusammenhängen.

• Methoden: Experimentelle Designs, korrelative Analysen, multivariate Statistik.

• Beispiel: Zusammenhang zwischen sozialer Unterstützung und Wohlbefinden.