Qualitative Forschung und Grounded Theory

Qualitative Auswertungsmethoden dienen der Analyse von Texten, Interviews oder Beobachtungen, um ein tieferes Verstehen des Forschungsgegenstands zu ermöglichen.

Quantitative Auswertungsmethoden verwenden Zahlen und statistische Verfahren, um Daten zu analysieren und Trends zu identifizieren.

Die Veröffentlichung wissenschaftlicher Ergebnisse ist essenziell für die Weiterentwicklung von Wissen.

Eine Defensio ist eine öffentliche Verteidigung der Forschungsarbeit vor einem wissenschaftlichen Gremium.

Die Diskussion der Ergebnisse sollte über die bloße Präsentation von Daten hinausgehen und die Bedeutung der Ergebnisse in Bezug auf die Forschungsfrage und bestehende Literatur einordnen.

Kritisches Reflektieren der eigenen Forschung und Einholen von Feedback sind essenziell für die Qualität wissenschaftlicher Arbeit.

Das peer review ist ein Verfahren der wissenschaftlichen Qualitätssicherung, bei dem Experten die Ergebnisse einer Forschungsarbeit kritisch beurteilen.

Kritische Würdigung wissenschaftlicher Erkenntnisse durch Experten ist unverzichtbar für die Validierung und Erkenntnisgewinnung.

Der Mittelwert ist die Summe aller Werte geteilt durch die Anzahl der Werte. Er gibt den Durchschnitt der Daten an.

Der Median ist der mittlere Wert in einer sortierten Datenreihe. Er teilt die Daten in zwei Hälften.

Der Modus ist der Wert, der in einer Datenreihe am häufigsten vorkommt.

Die Variationsbreite gibt die Differenz zwischen dem größten und dem kleinsten Wert in einer Datenreihe an.

Die Standardabweichung misst die Streuung der Daten um den Mittelwert. Sie gibt an, wie weit die Daten im Durchschnitt vom Mittelwert entfernt sind.

Aus einer Regelmäßigkeit in einem kleinen Teil (Stichprobe) wird eine allgemeine Regel für die gesamte Gruppe (Gesamtheit) abgeleitet.

Die Methode, bei der die vorliegende Datenmenge (Material) untersucht wird, um eine Hypothese zu überprüfen und weitere, die Hypothese bestätigende Hinweise zu finden.

Die wissenschaftliche Methode, die der Logik folgt und neue Regeln und Erkenntnisse aus unerklärlichen Phänomenen ermittelt.

Eine Form des logischen Schließens, die von einem Phänomen ausgeht und nach einer allgemeinen Regel sucht, die dieses Phänomen erklären kann.

Die Abduktionsmethode stellt eine erklärende Hypothese auf, die ein empirisches Phänomen erklären kann.

Die Abduktionsmethode betrachtet nicht nur eine einzelne Regel, sondern alle möglichen Regeln, die ein Phänomen erklären könnten.

Die wissenschaftliche Methode, bei der die Forschungsfragen und Hypothesen durch die Analyse der Daten entstehen, anstatt vorher definiert zu sein.

Die Abduktionsmethode ist ein geistiger Prozess, bei dem unerwartete Verbindungen zwischen Dingen entdeckt werden.

Ein wichtiger Schritt bei der strukturierenden Inhaltsanalyse, bei dem die Textstelle ganz eindeutig einer Kategorie zugeordnet werden kann.

Ein Dokument, das genaue Regeln für die Zuordnung von Textstellen zu Kategorien beinhaltet.

Eine Sonderform der qualitativen Inhaltsanalyse, bei der die Struktur des Textmaterials herausgearbeitet wird.

Die Methode, unklare Textstellen mit zusätzlichen Materialien zu klären. Dabei kann man entweder das Textumfeld heranziehen oder Informationen aus anderen Quellen.

Bei der Anwendung einer strukturierenden Inhaltsanalyse wird der Ausgangstext auf das Wesentliche reduziert.

Bei der Anwendung einer strukturierenden Inhaltsanalyse werden unklare Textbestandteile durch das Hinzuziehen zusätzlicher Materialien geklärt.

Eine Skala zur Messung der Belastung, die in Kategorien wie "keine Belastung", "schwache Belastung" und "starke Belastung" unterteilt ist.

Der Schritt in der strukturierenden Inhaltsanalyse, in dem eine bestimmte Struktur aus dem Textmaterial herausgearbeitet wird.

Ein ständiger Wechsel zwischen Induktion und Deduktion, wobei Überraschendes mittels sinnstiftender Regeln erklärt wird und Hypothesen entstehen, die anschließend überprüft werden.

Eine Methode, um aus Daten theoretische Konzepte zu entwickeln. Durch systematisches Kodieren wird ein Modell aus den Daten gebildet.

Der erste Schritt des theoretischen Kodierens, in dem Daten in einzelne Kategorien eingeteilt werden und initialer Code vergeben wird.

Der zweite Schritt des theoretischen Kodierens, in dem die Kategorien aus dem offenen Kodieren in Beziehung zueinander gesetzt werden, um komplexere Begriffe zu bilden.

Der dritte Schritt des theoretischen Kodierens, in dem die beziehungsreichen Kategorien auf einer höheren Abstraktionsebene zusammengefasst werden, um eine Kernkategorie zu identifizieren.

Die Untersuchung eines einzelnen Falls, der eine Geschichte hat. Ziel ist es, den Fall in all seinen Facetten zu verstehen.

Die Untersuchung einer Gruppe von Fällen mit ähnlichen Merkmalen, um Unterschiede und Gemeinsamkeiten zu verstehen und zu vergleichen.

Durch einen Vergleich mehrerer Fallgruppen werden theoretische und praktische Unterschiede deutlich, die bei der Untersuchung desselben Phänomens auftreten.

Der Korrelationskoeffizient gibt an, wie stark zwei Variablen miteinander zusammenhängen. Sein Wert liegt zwischen -1 und +1. Ein Wert von 0 bedeutet keinen Zusammenhang, ein Wert von +1 bedeutet perfekte positive Korrelation und ein Wert von -1 bedeutet perfekte negative Korrelation.

Positive Korrelation: Hohe Werte in einer Variablen gehen mit hohen Werten in der anderen Variablen einher. Negative Korrelation: Hohe Werte in einer Variablen gehen mit niedrigen Werten in der anderen Variablen einher.

Die Wahl des geeigneten Korrelationsmaßes hängt vom Skalenniveau der Variablen ab. Für nominale Variablen (z.B. Geschlecht) eignen sich Phi, Cramer's V oder Kontingenzkoeffizient. Für ordinale Variablen (z.B. Rangfolge) eignet sich die Rangkorrelation nach Spearman. Für metrische und normalverteilte Variablen (z.B. Körpergröße) verwendet man den Produkt-Moment-Korrelationskoeffizient (Pearson).

Der Determinationskoeffizient r² gibt an, welcher Anteil der Varianz einer Variablen durch die andere erklärt werden kann. Ein r² von 0,5 bedeutet, dass 50% der Varianz der einen Variable durch die andere erklärt werden.

Der Produkt-Moment-Korrelationskoeffizient (nach Pearson) ist ein Maß für den linearen Zusammenhang zwischen zwei metrischen und normalverteilten Variablen. Er misst die Stärke und Richtung des linearen Zusammenhangs.

Um von einer Stichprobe auf die Population zu schließen, müssen mehrere Schritte durchlaufen werden: 1. Signifikanztest: Prüft, ob der Stichprobenergebnis statistisch signifikant ist. 2. Normalverteilung: Prüft, ob die Daten in der Stichprobe normalverteilt sind. 3. Hypothesentest: Prüft, ob die Hypothese über die Population bestätigt werden kann.

Ein statistischer Test prüft, ob ein beobachtetes Ergebnis zufällig oder durch einen systematischen Einfluss entstanden ist. Die Ergebnisse eines Tests werden mit einem p-Wert dargestellt. Ein p-Wert kleiner als 0,05 bedeutet, dass der beobachtete Effekt signifikant ist.

Die Nullhypothese besagt, dass es keinen Unterschied oder keinen Zusammenhang zwischen den betrachteten Variablen gibt. Diese Hypothese wird im statistischen Test widerlegt oder bestätigt.