Mixed-Methods-Forschung¶
In der Forschung haben sich seit langem zwei Hauptströmungen etabliert: quantitative Forschung, die Zahlen und Statistiken als Werkzeuge einsetzt und nach objektiver und systematischer Messung sozialer und natürlicher Phänomene strebt; und qualitative Forschung, die sich auf Sprache und Kontext konzentriert und die tiefen Bedeutungen menschlicher Erfahrung erforscht. Erstere verfolgt Objektivität und Universalität, letztere sucht Tiefe und Bedeutung. Doch immer mehr Forschende stellen fest, dass jede einzelne Methode wie ein Blinder ist, der einen Elefanten betastet, und nur einen Teil der Realität erfassen kann. Mixed-Methods-Forschung entstand nicht als einfache Addition zweier Methoden, sondern als eine reifere und klügere Forschungsphilosophie.
Idee ist es, innerhalb eines Forschungsprojekts strategisch und systematisch quantitative und qualitative Daten sowie deren Analysemethoden zu integrieren, um ein umfassenderes, tieferes und mehrdimensionales Verständnis zu erlangen, als es eine einzelne Methode je liefern könnte. Sie geht davon aus, dass Zahlen die Breite von Mustern aufzeigen können, während Geschichten die Tiefe hinter diesen Mustern enthüllen. Die Kombination beider Methoden macht Forschungsergebnisse robuster und aufschlussreicher.
Warum kombinieren? Der synergetische Effekt der Forschung¶
Der Reiz der Mixed-Methods-Forschung liegt in ihrer Fähigkeit, einen synergetischen Effekt von „1 + 1 > 2“ zu erzielen. Abhängig vom Integrationszweck zeigt sich ihr Kernwert hauptsächlich in folgenden Aspekten:
-
Triangulation: Dies ist der häufigste Zweck. Dabei werden Daten einer Methode genutzt, um Schlussfolgerungen einer anderen Methode zu überprüfen oder zu bestätigen. Wenn die Ergebnisse einer quantitativen Umfrage und die Erkenntnisse qualitativer Interviews sich gegenseitig bestätigen, wird die Zuverlässigkeit der Forschungsergebnisse erheblich gesteigert.
-
Komplementarität: Stärken einer Methode werden genutzt, um Schwächen einer anderen auszugleichen. Beispielsweise können qualitative Interviews verwendet werden, um unerwartete statistische Zusammenhänge, die in einer quantitativen Umfrage gefunden wurden, tiefer zu erklären. So erfährt man nicht nur „was“, sondern auch „warum“.
- Entwicklung: Die Erkenntnisse einer Methode leiten die Durchführung einer anderen Methode an. Beispielsweise können zunächst explorative qualitative Interviews durchgeführt werden, um zentrale Themen und Variablen zu identifizieren. Daraufhin kann ein gezielter gestaltetes großes Umfrageinstrument entwickelt werden.
- Anstoß: Wenn quantitative und qualitative Forschung zu widersprüchlichen oder paradoxen Ergebnissen führen, ist dies an sich bereits eine wertvolle und bedeutende Entdeckung. Es kann bestehende Theorien infrage stellen und neue Denkweisen sowie tiefere Forschung inspirieren.
Kern-Designs der Mixed-Methods-Forschung¶
Die Mixed-Methods-Forschung kennt verschiedene Designmuster, von denen drei besonders zentral sind:
graph TD
subgraph "Common Mixed-Methods Designs"
A[Start] --> B{Priority};
B -- "Equal" --> C{Sequence};
B -- "Qualitative" --> D{Sequence};
B -- "Quantitative" --> E{Sequence};
C -- "Concurrent" --> F["Convergent Parallel Design<br/>(QUAN + QUAL)<br/>- Collect both types of data simultaneously<br/>- Analyze separately<br/>- Compare/relate results"];
D -- "Sequential" --> G["Explanatory Sequential Design<br/>(QUAN -> qual)<br/>- First, collect and analyze quantitative data<br/>- Then, use qualitative data to explain<br/>the quantitative results in depth"];
E -- "Sequential" --> H["Exploratory Sequential Design<br/>(QUAL -> quan)<br/>- First, explore with qualitative data<br/>- Then, use findings to build a quantitative<br/>instrument or theory to test"];
D -- "Concurrent" --> I["Embedded Design<br/>(QUAN(qual) or QUAL(quan))<br/>- One type of data is embedded within a larger<br/>design of the other data type<br/>- e.g., A qualitative case study within a larger<br/>quantitative experiment"];
end
Wie führt man Mixed-Methods-Forschung durch¶
-
Notwendigkeit der Forschung klären Zunächst muss geklärt werden, warum eine einzelne Methode nicht ausreicht, um die Forschungsfrage zu beantworten. Welches Ziel verfolgt die Kombination? Ist es Verifikation, Komplementarität, Entwicklung oder Anstoß? Eine klare Begründung ist Voraussetzung für Erfolg.
-
Passendes Mixed-Methods-Design wählen Basierend auf dem Forschungszweck und den Forschungsfragen das geeignetste Integrationsmuster auswählen. Ist es gleichzeitig (konvergentes Design) oder sequenziell (sequenzielles Design)? Welche Methode sollte der anderen vorausgehen?
-
Datenerhebung und -analyse in Phasen durchführen Gemäß dem gewählten Design systematisch die Datenerhebung und -analyse in jeder Phase umsetzen. Dies erfordert, dass Forschende sowohl quantitative als auch qualitative Forschungskompetenzen beherrschen.
-
Kernphase der Integration Dies ist der Kern und die größte Herausforderung der Mixed-Methods-Forschung. Es gilt, die beiden Datentypen an den „Integrationspunkten“ sinnvoll miteinander zu verknüpfen. Dies kann beispielsweise ein Vergleich in der Ergebnisdiskussion sein, die Erklärung spezifischer Gruppen in quantitativen Daten durch qualitative Daten oder das Ableiten von Items für quantitative Umfragen basierend auf qualitativen Erkenntnissen.
-
Gesamte Schlussfolgerungen ziehen Die endgültigen Schlussfolgerungen sollten keine einfache Aufzählung der quantitativen und qualitativen Erkenntnisse sein, sondern integrierte Einsichten, die durch die Verbindung und Verschmelzung beider Methoden tiefer und mehrdimensionaler sind.
Anwendungsbeispiele¶
Fallbeispiel 1: Bewertung eines neuen Mitarbeiterbenefits
- Szenario: Ein Unternehmen hat ein neues flexibles Arbeitszeitmodell eingeführt und möchte dessen Wirkung umfassend bewerten.
-
Anwendung (Erklärendes sequenzielles Design: QUAN → qual):
-
Quantitative Phase: Das Unternehmen verteilte zunächst anonyme Fragebögen an alle Mitarbeiter, um quantitative Daten zur Nutzungshäufigkeit des neuen Benefits, zur Arbeitszufriedenheit und zum Arbeitsstress zu sammeln. Die Daten zeigten, dass die allgemeine Zufriedenheit deutlich gestiegen war, bei Ingenieuren jedoch nur geringfügig.
-
Qualitative Phase: Um dieses „unerwartete“ Ergebnis zu erklären, führten Forschende tiefergehende Interviews mit 10 Ingenieuren durch. Dabei stellte sich heraus, dass Ingenieure aufgrund der spezifischen Projektzyklen kaum von der flexiblen Arbeitszeit profitieren konnten. Stattdessen stiegen die Kommunikationskosten, da sie mit Kollegen zusammenarbeiten mussten, die nicht flexibel arbeiteten.
-
Integrierte Schlussfolgerung: Der neue Benefit war insgesamt erfolgreich, für bestimmte Positionen (z. B. Ingenieure) müssen jedoch gezieltere Unterstützungsmaßnahmen entwickelt werden.
-
Fallbeispiel 2: Entwicklung einer Social-App für Generation Z
- Szenario: Ein Start-up-Team möchte eine Social-App entwickeln, die Generation Z wirklich anspricht.
-
Anwendung (Exploratives sequenzielles Design: QUAL → quan):
-
Qualitative Phase: Das Team führte zunächst eine einmonatige „digitale Ethnografie“-Studie mit 20 Nutzern der Generation Z durch, bei der sie deren Online-Social-Verhalten, Slangsysteme und zentrale soziale Bedürfnisse beobachteten und interviewten. Dabei stellte sich heraus, dass „sozialer Druckfreiheit“ und „Zugehörigkeit zu einem Kreis“ zwei zentrale Bedürfnisse waren.
-
Quantitative Phase: Basierend auf diesen qualitativen Erkenntnissen entwickelte das Team einen umfassenden Fragebogen, um die Allgemeingültigkeit dieser Bedürfnisse zu überprüfen und die Attraktivität mehrerer Produktkonzepte zu testen (z. B. „verschwindende Nachrichten“, „Interessenkreis-Matching“). Die Umfrage zeigte, dass die Funktion „Interessenkreis-Matching“ am meisten Erwartungen erfüllte.
-
Integrierte Schlussfolgerung: Der Kern der App sollte um „Interessenkreis-Matching“ gebaut werden und eine „druckfreie“ Designphilosophie beinhalten.
-
Fallbeispiel 3: Auswirkungen des Klimawandels auf die Lebensgrundlagen von Landwirten
- Szenario: Eine internationale Entwicklungsorganisation möchte die konkreten Auswirkungen des Klimawandels auf Kleinbauern in einer bestimmten Region verstehen.
-
Anwendung (Konvergentes Design: QUAN + QUAL):
-
Das Forschungsteam führte gleichzeitig zwei Aufgaben durch: Einerseits sammelte und analysierte es meteorologische Daten und Ertragsdaten der Region der letzten 20 Jahre (quantitativ); andererseits führte es tiefgehende Interviews mit älteren Landwirten durch, um deren Erfahrungen mit Wetterveränderungen, Anpassungsstrategien und Sorgen für die Zukunft zu erfassen (qualitativ).
-
Integration: Im Abschlussbericht wurden die Ertragsrückgangskurven (quantitativ) gemeinsam mit den emotionalen und von Lebensweisheit geprägten Geschichten der Landwirte (qualitativ) präsentiert. Dies verdeutlichte eindrucksvoll die Schwere des Klimawandels und lieferte starke Argumente für politische Entscheidungsträger.
-
Vorteile und Herausforderungen der Mixed-Methods-Forschung¶
Kernvorteile
- Umfassend und tiefgehend: Kann gleichzeitig das „große Bild“ und die „Nahaufnahme“ eines Problems zeigen und so überzeugendere Schlussfolgerungen liefern.
- Erhöhte Glaubwürdigkeit: Die gegenseitige Überprüfung durch verschiedene Methoden (Triangulation) kann die Zuverlässigkeit der Forschungsergebnisse stark verbessern.
- Beantwortung komplexerer Fragen: Kann komplexe, mehrschichtige Forschungsfragen bearbeiten, die einzelne Methoden nicht bewältigen können.
Potenzielle Herausforderungen
- Komplexes Design: Erfordert eine sorgfältige Planung der Integrationspunkte und zeitlichen Abläufe beider Methoden.
- Zeit- und Ressourcenintensiv: Benötigt in der Regel mehr Zeit, Ressourcen und Budget als Forschung mit einer einzelnen Methode.
- Hohe Anforderungen an die Fähigkeiten: Forschende oder Forschungsteams müssen sowohl quantitative als auch qualitative Forschungsansätze beherrschen.
- Potenziell widersprüchliche Ergebnisse: Wenn die beiden Methoden zu unterschiedlichen Schlussfolgerungen führen, wird die Erklärung und Integration zu einer großen Herausforderung (obwohl dies auch eine Chance für bedeutende Entdeckungen sein kann).
Erweiterungen und Verbindungen¶
- Quantitative Forschung und Qualitative Forschung: Sind die beiden grundlegenden Bausteine der Mixed-Methods-Forschung. Das Verständnis der philosophischen Grundlagen und technischen Details beider ist eine Voraussetzung für die Durchführung von Mixed-Methods-Forschung.
Referenz: John W. Creswell ist einer der wichtigsten und produktivsten Wissenschaftler im Bereich der Mixed-Methods-Forschung. Seine Werke, wie z. B. „Research Design: Qualitative, Quantitative, and Mixed Methods Approaches“, sind unverzichtbare Grundlagen- und Fortgeschrittenenlektüren in diesem Bereich.