Fragen 45-56 PDF

**[„Datenauswertung" (Fallanalyse, Narrationsanalyse)]{.smallcaps}** Erinnerung: Merkmale qualitativer Forschung - Vor allem Erhebung sprachgebundener Daten, die durch interpretative und hermeneutische Analyseverfahren ausgewertet werden - (überwiegend) Einzelfallorientierung - Fallgr...

**[„Datenauswertung" (Fallanalyse, Narrationsanalyse)]{.smallcaps}** Erinnerung: Merkmale qualitativer Forschung - Vor allem Erhebung sprachgebundener Daten, die durch interpretative und hermeneutische Analyseverfahren ausgewertet werden - (überwiegend) Einzelfallorientierung - Fallgruppenorientierung - Ausrichtung: zumeist hypothesengenerierend, nicht hypothesenprüfend - nicht auf Objektivität der Datengewinnung und -analyse gerichtet, da forschende Person in Erhebung eingebunden ist Unterteilung von Fallstudien - Einzelfallstudie - Fallgruppe - Vergleich mehrerer Fallgruppen **Einzelfallstudie** - Werden erstellt, wenn unbekannte, neuartige, exemplarische Phänomene oder Entwicklungsprozesse erforscht werden sollen - „Fall" ist etwas, was eine Geschichte hat - „Fall" ist z.B. Biografie, Ereignis, Gruppe (Klasse, Familie, Peers), Programm, Organisation, ein Betrieb, Tradition, gemeinschaftlicher Sozialzusammenhang, Lehrplan, \... - **Ziel**: - - **Fallgruppe** - - - - - - Vergleich mehrerer Fallgruppen - theoretisch und praktische Unterschiede sollen durch einen Vergleich „zwischen verschiedenen Gruppen aufgedeckt werden, an denen dasselbe Phänomen untersucht wird" - Z.B. Vorher-Nachher-Untersuchungen zur Auswirkung kritischer Lebensereignisse (z.B. Pubertät) oder Untersuchungen zur Lebensqualität in verschiedenen Stadtteilen; oder Untersuchung zum Einfluss der Zufriedenheit auf die Qualität pädagogischer Arbeit Gewinn von Fallstudien - Didaktische Veranschaulichung von theoretischen Aussagen - Hinterfragen von bereits existierenden wissenschaftlichen Erkenntnissen - Untersuchung und Thematisierung neuer bzw. kaum bis wenig oder noch nicht untersuchte Phänomene - Erkenntniserweiterung bzw.- Korrigieren - Funktion der Theoriebildung - Haltung gegenüber des Falls, die der forschenden Person hilft, da Datenmaterial zu bearbeiten: v.a. Offenheit, Unvoreingenommenheit, Selbstkritik Zugänge zum Fallverstehen Zugänge zum Fallverstehen und dem Erfassen des „individuell-subjektiven Sinns" offenes Design (Entwicklung „offener" Fragestellungen) je nach Fragestellung benötigt, zB: - - - Narrative als mündliche Datenerhebung bzw. Formen der qualitativen Befragung - Narratives Interview - problemzentriertes Interview - fokussierte Interview - Experteninterview - Gruppendiskussion Narrative als mündliche Datenerhebung - Beispiel biografisches Interview: Narrative als mündliche Daten erheben -- am Beispiel des biographischen Interviews, - Mündliche Daten können -- je nach Fragestellung und Erkenntnisinteresse -- auch anhand von Leitfadeninterviews erhoben werden: - problemzentriertes Interview - fokussierte Interview - Experteneninterview Aufbau des biografischen Interviews **1. Input Einganserzählungen:** - zur gesamten Lebensgeschichte - zu besonders interessierenden Phasen der Lebensgeschichte - zu bestimmten Aspekten der Lebensgeschichte - Keine Unterbrechung der Erzählung seitens der Interviewer:in - Bsp.: „Ja dann ähm bitt ich Dich (.) fang einfach dort an ähm Deine (.) Lebensgeschichte zu erzählen wo Du anfangen möchtest" **2. Narrativer Nachfrageteil** **3. Argumentativ-beschreibender Frageteil** Aufbereitung des narrativen Materials - Transkription - Ggf. hinzuziehen anderer relevanter Daten: soziostrukturelle Daten, Genogramm ect. Auswertung des Narrativen Materials - Auswertungsmethode abhängig von Fragestellung und vorliegenden Material - Bei narrativen verbalen Datenmaterial, die auf Rekonstruktion von Lebenswelten von Befragten abzielt, werden zwei Auswertungsmethoden genutzt: - Narrationsanalytische Verfahren / Narrationsanalyse (z.B. Schütze) - Dokumentarische Methode der Interpretation (z.B. Bohnsack) **Narrationsanalyse:=** Die Narrationsanalyse untersucht, wie Menschen Ereignisse und Erfahrungen in Form von Geschichten erzählen. Sie analysiert Aufbau, Inhalt und Funktion der Erzählung, um Sinngebung, Perspektiven und soziale Kontexte zu verstehen. (ChatGPT) Narrationsanalytische Zugänge **Sprechakte des Erzählens zu identifizieren meint:** - Was erfasst das Erzählen einer Geschichte? - Was soll mit dieser Geschichte erreicht werden? **Sprechakte des Erzählens zu identifizieren anhand der narrativen Analyse meint:** - entsprechende Besonderheiten (epistemologische, linguistische, strukturelle, kommunikative) in der Analyse herauszuarbeiten - Erzählung: spezifische Form der Sachverhaltsdarstellung, nämlich der Versprachlichung von zeitlichem Wandel und ist von anderen Textsorten wie Beschreibung oder Argumentation abzugrenzen - Beschreibungen und Argumentationen können zwar in die Erzählung eingewoben sein, aber übernehmen eine andere kommunikative Funktion als die Textsorte Erzählung Identifikation von Sprechakten und relevanten Aspekten bei der Analyse von Erzählungen - - - - - - - - - Narrationsanalyse -- 5 Schritte der Auswertung **Schritt 1: Definition des Datenmaterials:** - Richtet sich auf reinen Narrationen (alle nicht-narrativen Elemente, wie z. B. kommentierende Einschübe, werden aus dem Text eliminiert) oder - Richten sich auf den Text als Ganzes, es werden auch nicht-narrative Passagen in Analyse einbezogen **Schritt 2: Segmentierung** Untersuchende Text wird in einem ersten Schritt in Segmente untergliedert **Schritt 3: Inhaltliche und prozessuale Narrationsanalyse** - Vorgehensweise Schritt für Schritt; sowohl Inhalt der Erzählung als auch Prozess (Art und Weise der Erzählung) kann zum Gegenstand gemacht werden - Was wird erzählt (Freudiges, Trauriges, Überraschendes )? - Wie wird erzählt (lebendig, nüchtern, distanziert)? - Fragen können auch an den Text gerichtet werden: - Warum wird dieses Thema genau an dieser Stelle des Interviews eingeführt? - Weshalb wird ein bestimmter Lebensabschnitt gar nicht erwähnt? - Welche Themen werden besprochen und welche nicht? - Warum wird dieses Thema so ausführlich behandelt? - Warum wird dieses Thema so spärlich behandelt? - Warum wird über dieses Thema flüssig gesprochen? - Warum gerät die erzählende Person bei diesem Thema ins Stocken? **Schritt 4: Überprüfung der Interpretationen an weiteren Textstellen** - In einem Interview können aus einzelnen Segmenten Hypothesen über den weiteren Erzählverlauf abgeleitet und später überprüft oder widerlegt werden. - Beispiel: Beim biografischen Interview bleibt Kindheit unerwähnt, stattdessen wird detailliert über schulische und berufliche Karriere gesprochen Hypothese: Thema wird vermieden; weil Kindheit belastend war **Schritt 5: Ergebnis und Generalisierung** Je nach Zielsetzung Rekonstruktion eines Lebensentwurfes, Bildung eines Typhus, oder Konstruktion einer allgemeinen Aussagen über einer bestimmte Gruppe **[„Datenauswertung" (Deskriptive Statistik)]{.smallcaps}** Grafische Darstellung von Daten Daten auf verschiedene Weisen visualisieren, jede Visualisierung andere Ziele: - **Balken/Säulendiagramme:** Häufigkeit von nominal- und ordinalskalierten Daten darstellen, - **Histogramm**: hilft intervallskalierte Daten auf zB. eine Norminalverteilung hin zu überprüfen - **Streudiagramme** (**Scatterplot**): geben Überblick über Zusammenhänge zweier metrische Variablen Säulendiagramm & Kreisdiagramm (nominal- u. ordinalskaliert) PPt 10, Folie 3-4 **Kreisdiagramm: verschiedene Ausprägungen einer zB. nominalskalierten Variablen dar** **Histogramm (intervallskaliert):** stellt Häufigkeiten mit Anzeige der Normalverteilungskurve dar (Folie 5) Boxplot (Folie 6-7) Streudiagramme (Folie 8) Berechnung statistischer Kennwerte Statistische Kennwerte haben Funktion über spezielle Eigenschaften der Merkmalsverteilung summarisch Auskunft zu geben Datenexploration **Drei Ziele:** Datenberechnung: Erste deskriptive Analysen (Folie 11) Erste deskriptive Analysen: **Langemaße (Zentralmaße)** **1. Mittelwert (AM)** - - - - - Beispiel: 3,6,9,12 AM= 7,5 3,6,9,24 AM 10,5 **2. Median (Md)** - - - - - - **3. Modus (Modalwert)** - - - - **4. Summe** Maße der zentralen Tendenz Welche Skalenniveaus muss vorliegen? Erste deskriptive Analysen: **Streuungsmaße (Maß der Dispersion)** Dispersionsmaße beschreiben, wie stark einzelne Werte in einer Verteilung vom Mittelwert abweichen: - Gleicher Mittelwert - Unterschiedliche Streuungen **1. Variationsbreite (=range) bzw. Spannweite (Maximum -- Minimum)** - - - - **2. Varianz und Standardabweichung** - - - **Varianz (s2 Stichprobenwert, σ2 Populationswert):** - - - **Standardabweichung (sStichprobenwert, σ Populationswert):** - Ist ein Maß für die Streuung der Messwerte, ist die Quadratwurzel aus der Varianz - Entspricht wieder der ursprünglichen Einheit der Variable (z.B. kg, cm) - Formel: **Standardabweichung (SD; sStichprobenwert, σ Populationswert):** Es gilt, dass bei annähernd normalverteilten Werten rund - \~ 68% aller Fälle im Bereich von AM ± s, - \~ 95% aller Fälle im Bereich von AM ± 2s, - \~ 99,7% aller Fälle im Bereich von AM ± 3s liegen. Bsp.: (Output): männlich AM = 81,6; s = 5,80 - Rund 68% aller Befragten wiegen zwischen 75,8 und 87,4 kg - Rund 95% aller Befragten wiegen zwischen 70,00 und 93,20 kg - Rund 99,7% aller Befragten wiegen zwischen 64,20 und 99,00 kg Standardabweichung (SD; sStichprobenwert, σ Populationswert): Exkurs: Normalverteilung (Folie 23) Exkurs: Zentrales Grenzwerttheorem (Folie 24) Exkurs: Intervallschätzung von Populationsparametern (Folie 25) **Standardfehler des Mittelwertes (SE):** - Ist ein Maß für die Streuung des Mittelwerts - SE ist bei der Konstruktion statistischer Tests und der Berechnung von Konfidenzintervallen (Vertrauensintervallen) von Bedeutung - Division der Standardabweichung durch die Quadratwurzel des Stichprobenumfangs SE = SD : √n Bsp.: (Output): SD = 5,80; n = 10 Exkurs: Intervallschätzung von Populationsparametern (Folie 27) Es is besser einfoch mit de Folien zu lerna, mi gfreids nimma „**[Verfahren zur Überprüfung von Zusammenhangshypothesen]{.smallcaps}** Zusammenhangshypothesen -- Bivariate Verteilungsformen Unterscheidung - **Univariate** (monovariat, eindimensional) Verteilung: wird immer nur ein Merkmal berücksichtig (zB. Geschlecht) - **Bivariate** (zweidimensional) Verteilung: werden zwei Merkmale je Untersuchungseinheit untersucht - **Multivariate** Verteilung (mehrdimensional): es werden mehrere Merkmale je Untersuchungseinheit untersucht Untersuchung auf Zusammenhänge zw. 2 Merkmalen Korrelationen (zB. zw. Geschlecht und Leistung in Mathematik) Univariate Verteilung (zB. Häufigkeitstabellen, eindimensional) Bivariate Verteilung Multivariate Verteilung (zB. Kreuztabelle, mehrdimensionale Kontingenztafel) Definition: Bivariate Korrelation - - - Korrelation (Zusammenhang) Zusammenhang zeigt sich, dass beide Variablen systematisch miteinander variieren PPt 11, Folie 8-9 Kausalmodelle - Korrelation sagt nicht über Ursache-Wirkungs-Verhältnisse (=Kausalität) aus - Korrelationen sind nicht geeignet, die Gültigkeit eines Kausalmodells nachzuweisen. - Nicht möglich, durch Nullkorrelationen Kausalmodelle zu falsifizieren (PPt11, Folie 11) Drittvariable -- Moderatorvariable Moderatorvariable:= eine Variable, welche die Enge und/oder Richtung des Zusammenhangs beeinflusst Beispiel: aus Studie Technische Bildung Drittvariable -- Mediatorvariable Mediatorvariable:= ist interveniernde Variable, wird kausal vom Prädikator (UV) beeinflusst und beeinflusst ihrerseit Kriterium (AV). Ist notwendiges Bindeglied in der Kausalkette  Beispiel aus der Studie Technische Bildung: Kreuztabellen (Kontingenztafeln) - Ziel: Untersuchung, ob es zwischen zwei oder mehreren Variablen Zusammenhänge gibt - Zusammenhänge: zwischen nichtmetrischen Variablen lassen sich am besten in Form von Kreuztabellen darstellen. Kreuztabelle soll so aufgebaut sein, dass „unabhängige Variable" die Spalte und „abhängige Variable" die Zeilen definiert. wenn Unterscheidung (abhängig & unabhängig) nicht möglich ist („symmetrische Fragestellung") entscheiden, welche der beiden Variablen man Daten anschaulicher interpretieren kann und diese zur Zielvariable (?Zeilenvaribale) erklären, zweite Variable wird zur Spaltenvaribale - Mit Kreuztabellen werden absolute Häufigkeiten bestimmter Ausprägungen von Merkmalen dargestellt. - Analytische Auswertung erfolgt mit Chi-Quadrat Test (X^2^ ) - Bei normal- ordinalskalierten Variablen (mit wenig Kategorien) kann guter Überblick über deren Beziehung gegeben werden Kontingenztabelle besteht aus Zellen, die aus Kreuzung von Zeilen und Spalten ergeben Konvention bei gerichteten Beziehungen: unabhängige Variable X (UV, die „Ursache") SPALTE; abhängige Variable Y (UV, die „Folge") ZEILE Vierfeldertafel (zweidimensionale, bivariate Kreuztabelle) Forschungsfrage: „Gibt es einen Zusammenhang zwischen dem Geschlecht (UV) und den Mathe-Noten (AV)?"(ungerichtet, Zusammenhangshypothese) Nullhypothese (H0): Es gibt keinen Zusammenhang zwischen den Mathe-Noten (AV) und dem Geschlecht (UV). Alternativhypothese (H1): Es gibt einen Zusammenhang zwischen den Mathe-Noten (AV) und dem Geschlecht (UV). Kreuztabelle - Beobachtet: \... beobachtbare Häufigkeiten: Erwartet: wird so berechnet: erwartete Häufigkeit = (Zeilensumme \* Spaltensumme) / Gesamtsumme der Häufigkeit - Zeilenweise: \... Zeilenprozentwerte; Anzahl der Fälle in jeder Zelle, prozentuiert auf die Zeilensummen - Spaltenweise: \... Spaltenprozentwerte; Anzahl der Fälle in jeder Zelle, prozentuiert auf die Spaltensummen - Gesamt: Gesamtprozentwerte: Anzahl der Fälle in jeder Zelle, prozentuiert auf die Gesamtsumme - Interpretation: erwartete Häufigkeit im Vergleich zur beobachtbaren Häufigkeit\ Residuen: \... sind ein Maß dafür, wie stark beobachtbare und erwartete Häufigkeiten voneinander - abweichen. - Nicht standardisiert \... beobachtbare Zellhäufigkeiten (fo) minus erwartete Zellhäufigkeiten (fe) - Standardisiert: (fo -- fe) / SQRT (fe) interessant bei Analyse vom Chi2 -- Test  Kreuztabelle (2x5) Statistiken zur Kreuztabelle - Chi2--Test - Korrelationen - Assoziationsmaße für - nominalskalierte, - ordinal- und - intervallskalierte Variablen Der Chi^2^-Test.... - Überprüft Unabhängigkeit beider Variablen der Kreuztabelle und damit unabhängig den Zusammenhang beider Merkmale - Zwei Variablen einer Kreuztabelle sind dann unabhängig voneinander, wenn die beobachtbaren Häufigkeiten (f~0~) mit den erwarteten (f~e~) übereinstimmen. - Wichtig: max. 20% der Zellen dürfen einen Erwartungswert kleiner als 5 haben Forschungsfrage: Gibt es einen Zusammenhang zwischen Sport und dem Rauchverhalten. Hypothesen:\ H0: Es besteht kein Zusammenhang \...\ H1: Es besteht ein Zusammenhang \... (PPt 11, Folie 26-27) Interpretation (Vorschlag): Die Kreuztabelle darf interpretiert werden (weniger als 20 % der Zellen haben einen Erwartungswert kleiner 5), außerdem ist das Chi2 signifikant (sig. \<.05), das bedeutet die Abweichung zwischen den erwarteten und beobachtbaren Werten von Rauchern und Nichtrauchern hinsichtlich ihrem sportlichen Aktivität sind nicht zufällig zustande gekommen, sondern es liegt ein Zusammenhang vor. Wie hoch ist nun der Zusammenhang? Korrelationskoeffizienten (Zusammenhangsmaße) geben Auskunft darüber, wie **hoch** der **Zusammenhang** ist und nehmen Wert zwischen --1 und +1 an, d.h. sie geben Auskunft über die **Richtung**. **Positive** Koeffizienten bedeuten dass hohe Messwerte in einer Variablen mit hohen Messwerten in einer anderen Variablen auftreten.\ **Negative** Koeffizienten bedeuten dass hohe Messwerte in einer Variablen mit niedrigeren Messwerten in einer anderen Variablen auftreten. Größe zum Korrelationskoeffizienten (r)  Welches Korrelationsmaß darf genommen werden? Abhängig vom Skalenniveau müssen verschiedene Koeffizienten berechnet und interpretiert werden. - Zwischen nominalen Variablen Phi, Cramer's V, Kontingenzkoeffizient, \... - Zwischen ordinalen Variablen Rangkorrelation nach Spearmen, \... - Mind. metrisch und normalverteilt Produkt-Moment-Korrelationskoeffizient (Pearson) - Mischformen (z.B. ordinal und metrisch) Rangkorrelation nach Spearmen bzw. siehe Beilage „Korrelationskoeffizienten -- Kreuztabellen" (PPt 11, Folie 33-34) Determinationskoeffizient r^2^ Determinationskoeffizient r^2^ (Bestimmtheitsmaß) gibt an, wie viel Prozent Varianz der einen Variable durch die andere aufgeklärt wird. Bsp.: Besteht zwischen Intelligenz (UV) und Schulleistung (AV) ein r =.71 (hohe Korrelation), so bedeutet das Folgendes: Ein r von.71 führt zu einem r2 von 0.504 und kann so interpretiert werden: Intelligenz erklärt („erklärte Varianz") 50,4% von Schulleistung. Der Rest (1 -- r2), d.h. 49,6% ist die nicht erklärte, nicht determinierte Variation.\ r2 ist ein Effektstärkenmaß für den Zusammenhang zweier Variablen (Einfluss der AV auf UV) (PPt 11, Folie 36) Produkt Moment Korrelation/Bivariate Korrelation (nach Pearson) (PPt 11, Folie 37 -- 46)