Empirische

Statistik ist eine formale, methodische Hilfswissenschaft. Sie liefert das mathematische Werkzeug, um Daten zu sammeln, zu analysieren und zu präsentieren, mit dem Ziel, gültige Schlussfolgerungen für die soziale Realität zu ziehen.

• Quantitative Verfahren reduzieren komplexe Zusammenhänge auf Zahlen/Prozente und sammeln Daten auf einer breiten Basis (sie liefern die „Breite“).

• Qualitative Verfahren zielen auf die „Tiefe“ ab und beschreiben subjektive Phänomene detailliert an wenigen Fällen (z. B. durch offene Gespräche).

• Vorgehen: Quantitativ nutzt man, wenn man schon viel über den Gegenstand weiß;

  Qualitativ nutzt man, wenn ein Bereich wenig erforscht ist und man erst explorieren muss.

Eine Korrelation (Kovariation) beschreibt lediglich, dass ein messbarer Zusammenhang zwischen zwei Sachverhalten besteht.

Dass zwei Dinge miteinander verknüpft sind, heißt aber noch lange nicht, dass das eine wegen des anderen existiert.

Beispiel hierfür: Zusammenhang zwischen Störchen und Kinderreichtum: Man kann statistisch nachweisen, dass es in Gegenden mit vielen Störchen auch mehr Kinder gibt. Dies ist jedoch ein reiner Scheinzusammenhang und beweist nicht, dass Störche die Kinder bringen. (Drittvariable verursacht beides)

Eine Korrelation lässt sich auf drei Arten interpretieren:

1. A beeinflusst B (Die vermutete Ursache wirkt sich auf die Folge aus).

2. B beeinflusst A (Die vermutete Wirkung funktioniert genau umgekehrt, z.B. könnten Störche sich dort ansiedeln, wo viele Kinder geboren werden).

3. C beeinflusst A und B gleichermaßen (Eine sogenannte Drittvariable verursacht beides). Im Störche-Beispiel ist diese Drittvariable der "Urbanisierungsgrad": In ländlichen Gegenden gibt es sowohl mehr Platz für Störche (Reetdächer) als auch traditionell mehr Kinder.

Kausalität beschreibt ein echtes Ursache-Wirkungs-Verhältnis, bei dem eindeutig geklärt ist, was der Auslöser und was die Folge ist.

Um eine Kausalität wissenschaftlich zu beweisen und störende Drittvariablen auszuschließen, reicht eine Befragung oder einfache Beobachtung nicht aus. Kausalitäten lassen sich nur durch ein experimentelles Untersuchungsdesign belegen.

Triangulation = der bewusste Mix von Methoden, Theorien, Forschern und Daten(quellen), weil sich diese gegenseitig ergänzen und man so den blinden Flecken einzelner Verfahren entgeht. (Man betrachtet ein Forschungsproblem nicht nur aus einem einzigen Blickwinkel, sondern kombiniert verschiedene Herangehensweisen, um ein vollständigeres und genaueres Bild zu erhalten.)

Diese 4 Punkte darf man triangulieren:

1. Methoden: beispielsweise quantitative und qualitative Methoden. Besp.: Du willst das Wahlverhalten erforschen. Zuerst machst du eine quantitative Befragung mit 2.000 Personen und findest heraus, dass 42 % eine bestimmte Partei gewählt haben. Das liefert dir harte Zahlen. Um aber auch die individuellen, subjektiven Begründungen zu verstehen, machst du zusätzlich eine qualitative Befragung mit 20 Personen. Beide Methoden ergänzen sich hierdurch perfekt.

2. Daten(quellen): Du nutzt verschiedene Quellen, um dasselbe Phänomen zu untersuchen. Wenn du zum Beispiel "Stress im Studium" untersuchst, befragst du nicht nur die Studierenden selbst, sondern wertest auch Krankschreibungen von Ärzten aus oder befragst Dozenten.

3. Forscher: Mehrere unterschiedliche Wissenschaftler untersuchen denselben Gegenstand. Da jeder Mensch (auch ein Forscher) Dinge durch seine eigene Brille sieht, verhindert man so, dass das Ergebnis durch die persönliche Sichtweise eines Einzelnen verfälscht wird.

4. Theorien: Man wendet verschiedene theoretische Ansätze auf dieselben Daten an. So kann man prüfen, ob man mit verschiedenen Theorien zu denselben Erklärungen für ein Problem kommt.

• Grundgesamtheit (N): Das ist die genau definierte Menge von Objekten (z. B. alle wahlberechtigten Deutschen), über die du eine Aussage treffen willst.

• Stichprobe (n): Das ist die Teilmenge (Teilerhebung), die du tatsächlich untersuchst.

• Repräsentativität: Das oberste Ziel einer Stichprobe ist es, ein strukturgleiches, verkleinertes Abbild der Grundgesamtheit zu sein. Nur wenn das der Fall ist, darfst du einen sogenannten Repräsentationsschluss ziehen – also von den Ergebnissen deiner kleinen Stichprobe auf die große Grundgesamtheit schließen.

• Einfache / Systematische Zufallsauswahl: Man zieht z. B. Lose oder wählt streng nach System (z. B. jeden 100. auf einer Liste).

• Geschichtete Zufallsauswahl: Wird angewendet, wenn ein wichtiges Merkmal in der Bevölkerung sehr selten ist (z. B. Ärzte). Man teilt die Grundgesamtheit in Schichten und zieht daraus überproportional viele (z. B. 200 Ärzte), damit man statistisch sinnvolle Aussagen über diese kleine Gruppe machen kann.

• Klumpenstichprobe (Cluster): Wenn es keine fertigen Listen der Grundgesamtheit gibt, wählt man natürliche, raumzeitlich begrenzte „Klumpen“ per Zufall aus (z. B. ganze Schulklassen statt einzelner Schüler) und befragt dann alle darin.

• Mehrstufige Auswahl: Oft bei großen Umfragen genutzt (z. B. das ADM-Design der Marktforschung). Hier zieht man erst zufällig Gebiete (Stufe 1), dann zufällig Haushalte (Stufe 2) und nutzt an der Haustür dann z. B. die Last-Birthday-Methode oder den Schwedenschlüssel, um zufällig die konkrete Person im Haushalt zu bestimmen (Stufe 3).

• Quotenverfahren: Man versucht, die Stichprobe anhand bekannter Merkmale (z. B. Alter, Geschlecht) exakt so zusammenzusetzen wie die Bevölkerung (z. B. genau 51% Frauen und 49% Männer). Das Problem: Bei nicht-quotierten Merkmalen kann die Stichprobe trotzdem völlig verzerrt sein.

• Typische Fälle / Extremfälle: Man sucht sich gezielt Personen aus, die besonders charakteristisch sind (z. B. Qualitätszeitungen für eine Inhaltsanalyse) oder extrem handeln (z. B. extreme Vielnutzer von Messenger-Diensten, um sprachliche Veränderungen zu studieren).

• Konzentrationsprinzip: Man schneidet den unwichtigen Teil der Grundgesamtheit ab und konzentriert sich auf den Teil, in dem die meisten gesuchten Elemente vermutet werden.

Bei offenen Fragen gibt es keine Antwortvorgaben; sie erzeugen große Textmengen, sind gut für komplexe Details, aber sehr aufwendig in der Auswertung,.

Geschlossene Fragen haben eng begrenzte Antwortalternativen (Nominal, Ordinal oder Metrisch), was die statistische Auswertung sehr einfach macht,. (Buch: Seiten 88-90,).

Die Beobachtung erfasst tatsächliches, nicht vom Forscher initiiertes Verhalten in bestimmten Situationen,.

Die Inhaltsanalyse wertet editierte Dokumente und manifeste, bereits aufgezeichnete Texte/Medieninhalte aus. (Buch: Seiten 196-197,).

Bsp.: Wenn Forscher das Verhalten von Menschen z. B. beim Fernsehen im eigenen Wohnzimmer mit einer Kamera aufzeichnen, um dieses Verhalten später zu codieren, ist das eine Beobachtung.

Wenn aber menschliches Verhalten durch Medienschaffende bereits beobachtet, redigiert oder medial inszeniert wurde (z. B. ein TV-Bericht über Fußballfans oder ein Zeitungsartikel), wird dieses Material zum Gegenstand der Inhaltsanalyse.

• Inhaltsanalyse: Sie ist ein absolut nicht-reaktives Verfahren. Das Untersuchungsmaterial verändert sich nicht – egal, wann oder wie oft man es untersucht („Papier ist geduldig“).

• Beobachtung: Sie kann reaktiv sein. Wenn die beobachteten Personen wissen, dass sie beobachtet werden (offene Beobachtung) oder der Beobachter am Geschehen teilnimmt, passen die Personen möglicherweise ihr Verhalten an, verhalten sich unnatürlich oder versuchen, in einem guten Licht dazustehen.

Wird bei der Inhaltsanalyse verwendet.

Es ist eine detaillierte Handlungsanleitung, in der für die Codierer:innen genau beschrieben wird, wie sie mit den zu analysierenden Medieninhalten umgehen müssen.

Es stellt sicher, dass alle beteiligten Personen das Untersuchungsmaterial gleich verstehen und systematisch sowie intersubjektiv nachvollziehbar identische Verschlüsselungen vornehmen.

1. Allgemeine Hinweise und Hintergrundinformationen: Grundlegende Erklärungen zur Studie.

2. Haupt- und Unterkategorien: Die exakte Definition dessen, was gemessen wird (z.B. Hauptkategorie: "Art der Handlung", Unterkategorie: "Recherche"),.

3. Operationale Definitionen: Genaue Festlegungen, was eine Kategorie bedeutet (z.B. woran genau man erkennt, ob ein gefordertes Merkmal in einer Stellenanzeige ein "Wunsch" oder eine harte "Forderung" ist),.

4. Codieranweisungen: Konkrete prozedurale Regeln, wie beim Codieren vorzugehen ist (z.B. "Der Beitrag muss im ersten Durchgang komplett angesehen werden, um die Länge zu erfassen, im zweiten Durchgang werden Themen verschlüsselt"),,.

5. Codebogen (bzw. Eingabemaske): Dies ist das Formular, in dem die Codierer:innen die endgültigen Ergebnisse ihrer Messung protokollieren.

Die Fernsehnutzung wird apparativ durch Messgeräte gemessen, die an die Fernsehgeräte von ca. 5.000 Panel-Haushalten angeschlossen sind,. Über eine Fernbedienung melden sich die anwesenden Personen an, und das Gerät misst sekundengenau jeden Umschaltvorgang.

• Vorteil: Man kann extrem genaue Maßzahlen wie Einschaltquote, Marktanteil oder Verweildauer berechnen.

• Nachteil: Die Methode misst nur den Zustand des Geräts, sagt aber nichts über die Kontaktqualität aus. Man weiß nicht, ob die Person aufmerksam die Nachrichten schaut, oder nebenbei telefoniert, isst oder gar schläft.

• Telemetrie (für Fernsehnutzung)

• Digitale Verhaltensspuren (cookies etc.)

Cookies etc.

Nachteile:

1. "Unsaubere" Daten: Weil die Daten nicht für den konkreten wissenschaftlichen Zweck gesammelt wurden, fehlen oft wichtige Variablen (man weiß z.B. als Webseitenbetreiber zwar, DASS ein Artikel geklickt wurde, kennt aber keine demografischen Daten wie Alter oder Motivation der lesenden Person),.

2. Fehlender Datenzugang (APIs): Die Daten liegen bei kommerziellen Großkonzernen. Diese schränken die Programmierschnittstellen (APIs) für Forschende oft willkürlich ein, machen sie intransparent oder komplett kostenpflichtig.

Ein Forschungsbericht (wie eine Bachelorarbeit) macht alle Schritte der Studie transparent.

1) Forschungsfrage/Theorie,

2) Hypothesen,

3) Versuchsplan/Methode,

4) Stichprobe,

5) Durchführung,

6) Tabellen/Schaubilder,

7) Ergebnisdarstellung/Diskussion,

8) Zusammenfassung/Ausblick,

9) Literatur,

10) Anhang

• Unabhängige Variable (UV): Das ist die angenommene Ursache (oft auch „Stimulus“ oder „Treatment“ genannt). Es ist genau der Faktor, den die Forscher:innen aktiv verändern oder manipulieren. Beispiel: Die Forscher zeigen Gruppe A einen Gewaltfilm und Gruppe B einen Naturfilm. Die Art des gezeigten Films ist die UV.

• Abhängige Variable (AV): Das ist die (erhoffte) Wirkung. Es ist das Merkmal der Versuchspersonen, dessen Veränderung am Ende gemessen wird. Beispiel: Nach dem Film wird die Gewaltbereitschaft der Personen gemessen. Die Gewaltbereitschaft ist die AV, weil man annimmt, dass sie abhängig vom gezeigten Film ist.

Deskriptive Statistik:Überbegriff für die „beschreibende“ Statistik:

• Häufigkeiten (Auszählen / Prozente): Diese ordnest du der Nominalskala zu. Wenn du Dinge hast, die sich nur in Klassen einteilen lassen (z. B. Geschlecht, Lieblingssender, Religionszugehörigkeit), kannst du keinen Durchschnitt berechnen. Du kannst nur die Häufigkeiten zählen, also

  z. B. „Welche Partei würden Sie wählen?“ (Antworten: SPD, CDU, Grüne...)

  Analyse: 30 % SPD, 25 % CDU. (Häufigkeit)

• Mittelwert (Durchschnitt): Den Mittelwert darfst du sachlogisch nur bei der metrischen Skala berechnen. Das sind Daten, bei denen die Abstände zwischen den Zahlen exakt gleich groß sind, wie

  z. B. „Wie viele Minuten haben Sie gestern ferngesehen?“ (Antworten: 0, 45, 120...)

  Analyse: Die durchschnittliche Nutzungsdauer liegt bei 65 Minuten. (Mittelwert)

Während SPSS der Standard für Zahlen (quantitativ) ist, ist MAXQDA ein Computerprogramm zur qualitativen und Mixed-Methods-Datenanalyse.

Man nutzt es vor allem, um große Textmengen am Bildschirm auszuwerten, Textstellen zu codieren und Kategorien zu erzeugen (z. B. auch schon, wenn man Literatur sammelt). Man muss sich dabei nicht zwingend für eine Methodologie entscheiden, sondern kann sowohl deduktiv als auch induktiv vorgehen.