Mixed Methods Research Erkenntnistheorie, Methodologie und ...sportwissenschaft.ph-weingarten.de/fileadmin/redaktuere/Subdomains/... · Experiment Ludwigsburg, den 15./16.6.2018 Nachvollziehen

Ludwigsburg, den 15./16.6.2018 Folie 1 Balingen, 12.11.2007 Folie 1

Workshop bei der Sommerakademie

der Graduiertenakademie

Pädagogische Hochschulen BW am

15./16.6.2018 in Ludwigsburg

Prof. Dr. Stefan König

„Mixed Methods Research

– Erkenntnistheorie,

Methodologie und

Methodik “

Prof. Dr. S. König

Unsere Agenda

Ludwigsburg, den 15./16.6.2018 Prof. Dr. S. König Folie 4

Datum & Zeit Themen Materialien

1 15.06., 13:45 – 15:45 Input: Einführung in den Kurs

und die Thematik

Präsentation (Teil 1)

2 15.06., 16:15 – 18:15 Textarbeit: Erkenntnis-

theoretische Grundpositionen

Text_1 und Text_2

3 16.06., 08:45 – 10:45 Input: Prototypische MMDs –

dargestellt am Beispiel der

Sportwissenschaft


Text_3

Text_4

4 16.06., 11:15 – 12:45 Advanced Mixed Methods

Designs


Text_5

Text_6

5 16.06., 13:45 – 15:45 Übung: Entwicklung und

Planung eines MMD

Text_7

6 16.06., 16:15 – 17:45 MMR – „Is it too inclusive?“

Zusammenfassung


Text_1

Unsere Arbeitstexte

(1) Kuckartz, U. (2014). Mixed Methods. Methodologie, Forschungsdesigns und

Analyseverfahren. Wiesbaden: Springer VS. (S. 27–55)

(2) Johnson, R. B. (2017). Dialectical Pluralism: A Metaparadigm Whose Time Has Come.

Journal of Mixed Methods Research 11(2), 156–173.

(3) Creswell, J. W. (2015). A Concise Introduction to Mixed Methods research. Los Angeles,

London, New Dehli, Singapore, Washington, D. C.: Sage. (S. 34–50)

(4) Johnson, R. B. & König, S. (2016). “Mono or Mixed?” Potentials and limitations of Mixed

Methods Research. In G. Lang-Wojtasik & S. König (Hrsg.), Bildungsforschung revisited (S.

11–36). Ulm: Klemm & Oelschläger.

(5) Onwuegbuzie, A. & Hitchcock, J. (2015). Advanced Mixed Analysis Approaches. In In S. N.

Hesse-Biber & R. B. Johnson (Eds.), Oxford Handbook of Multimethod and Mixed Methods

Research Inquiry (pp. 275–295). New York, NY: Oxford University Press.

(6) König, S. (2018). Mixed Methods Research in der Schulsportforschung – Probleme und

Grenzen. In Stibbe, G. & Aschebrock, H. (Hrsg.), Konzepte der Schulsportforschung –

wissenschaftstheoretische und methodologische Zugänge (S. 157–173). Münster:

Waxmann.

(7) Schoonenboom, J. & Johnson, R. B. (2017). How to Construct a Mixed Methods Research

Design. Kölner Zeitschrift für Soziologie und Sozialpsychologie (Suppl 2) 69, 107–131.


Teil 1:

Einführung in den Kurs und die Thematik


1.1 MMR – ein Überblick


MMR – eine (kurze) Einführung

(1) Einordnung der MMR

(2) Paradigmen sozialwissenschaftlicher Forschung

(3) Triangulation vs. MMR

(4) Qualitätsmerkmale von MMDs

(5) Zentrale Aspekte eines MMD


1.1.1 Einordnung der MMR


Naturwissenschaftliche, geisteswissenschaftliche

und sozialwissenschaftliche Forschung

Nomothetisch

(Gesetze setzend)

Idiographisch

(einzeln beschreibend)

empirisch analytisch

Phänomenologie Hermeneutik Empirisch-

qualitative

Sozialforschung

Empirisch-

quantitative

Sozialforschung

sozialwissenschaftliche

Forschung

Geisteswissen-

schaftliche

Forschung

Naturwissen-

schaftliche

Forschung

Mixed Approaches

Prof. Dr. S. König Folie 10 Ludwigsburg, den 15./16.6.2018 Ludwigsburg, den 15./16.6.2018

Wo stehen MMR im Kontext der sozial- und

verhaltenswissenschaftlicher Forschung?

Prof. Dr. S. König Folie 11

Subsumtiv

Rekonstruktiv

Quantitativ Qualitativ

Experiment

Ludwigsburg, den 15./16.6.2018

Nachvollziehen

gesellschaftlicher

Wirklichkeit

Beschreiben (ordnen),

erklären und vorhersagen

gesellschaftl. Wirklichkeit

Daten = Worte

Daten = Zahlen

Theorie-

prüfend

Theorie-

entwickelnd

„Mapping the field“ of MMR (Creswell, 2009)

Folie 12 Prof. Dr. S. König Ludwigsburg, den 15./16.6.2018

1.1.2 Paradigmen

sozialwissenschaftlicher Forschung


Was sind Paradigmen?

Als Paradigma bezeichnet man in den Sozialwissen-

schaften „ein Leitkonzept zur Auswahl von

Forschungsfragen, zur Planung und Durchführung

wissenschaftlicher Untersuchungen sowie zur

Entwicklung und Prüfung von Theorien.“ (Krapp et al.,

1982, S. 115)

„Within the science studies, the consensual set of beliefs

and practices that guide a field is typically referred to as a

`paradigm`.“ (Morgan, 2007, p. 49)


Unterscheidung nach Morgan (2007, p. 50)

Paradigma als …

… World View, also eine „allumfassende Orientierung des Denkens über die Welt“,

… erkenntnistheoretische Grundhaltung, also eine „Philosophie des Erkennens“,

… gemeinsame Überzeugungen, welche Forschungsfragen besonders relevant sind, wie man diese angeht und wie man nach Lösungen sucht,

… modellhafte Beispiele, wie z. B. die Marienthal-Studie als ein „paradigmatisches Beispiel für ein multimethodisches Forschungsprojekt“.


Erkenntnistheoretische Grundpositionen

(vgl. Lamnek, 1995; Morgan, 2007)

Qualitative Forschung

• Induktion

• Exploration

• Kodieren

• Theorien entwickeln

Quantitative Forschung

• Deduktion

• Konfirmation

• Modellieren

• Theorien prüfen


„War of Paradigms“

(Teddlie & Tashakkori, 2009)


The Quantitative Community …

…, which focuses testing theories and hypotheses, follows a

deductive logic and works with quantitative, i. e. numeric data. It

stands for a confirmatory research, thus also being called the

hypothetico-deductive model. The philosophical fundament is

post-positivism, i. e. it represents the idea that research is rooted in

a philosophical theory justifying the research and providing

epistemological standards of practice. Typical methodologies are

experimental research, correlational research, and survey research

whose quality are judged by their internal and external validity.

Typical representatives of the quantitative community are

experimental psychologists (e. g., Shadish, Cook, & Campbell, 2002)

or empirical political theorists (e. g., Friedrich, 1982) who share the

aim of creating nomothetic knowledge.


The Qualitative Community …

… focuses on exploration, description, and sometimes on

generating and constructing theories; in doing so it works with

qualitative, i. e. narrative data. The main idea is exploration and

induction. Constructivism is the underlying philosophical approach,

i. e. the idea that reality and our concepts are constructed in

particular places and times by particular groups and individuals.

Inductive analysis is relied on, moving from the particular to the

general. Typical methodologies or theoretical frameworks are

ethnography, grounded theory, narrative inquiry, phenomenology,

and case studies, which follow the validity principles of credibility and

trustworthiness. Famous examples of the qualitative approach are

grounded theory (Strauss & Corbin, 1998) or case studies (e. g.,

Ford, Voyer, & Wilkinson, 2000), both of them being more idiographic

in nature.


The Pragmatic Community …

… tries to combine deductive and inductive logic by

integrating qualitative and quantitative data, approaches, and

logics. Consequently, representatives of the third paradigm aim at

interlinking confirmation and exploration, an idea which has been

displayed as the research wheel (Johnson & Christensen, 2014, p.

18). The central idea is that research may be regarded as moving

from grounded results through inductive inference to general

inferences through deductive inference to predictions to the

particular. This can be realized by using both approaches at the

same time (parallel or concurrent designs) or one after another

(sequential designs), or a combination of these.


„Research Wheel“ nach Johnson &

Christensen (2004)

Induktion Deduktion

Ludwigsburg, den 15./16.6.2018 Prof. Dr. S. König 21

i. d. R. qualitative Daten

i. d. R. quantitative Daten

QUAL – MM - QUAN Continuum

A C E B D

QUAL QUAN MIXED

Constr

uctivis

m P

ostp

ositiv

sim

Pragmatism From: Teddlie & Tashakkori, (2009)


“Because at the most basic level, the data analysis stage of

qualitative, quantitative, and mixed research studies involves the use

of one or more analysis types combined with one or more methods

used at other stages of the research process (e. g., methods of data

collection, data interpretation, data validation/legitimation, data

interpretation, data reporting), it can be argued that virtually every

study represents a multiple methods research study to some

degree. Indeed, we do not know what a single-method research

study looks like.”

From: Hitchcock, J. & Onwuegbuzie, A. (2015).

Oxford Handbook of Multiple and Mixed

Methods Research. Oxford: University Press.


1.1.3 Triangulation vs. MMR


Triangulation im engen und übertragenen

Wortsinn

Grundidee von Triangulation: Eine Serie verschiedener jeweils

fehler- und problembehafteter Messungen oder Analysen bringt

in der Aggregation eine validere Analyse hervor, indem

Schwächen der jeweils einen Vorgehensweise durch Stärken

der anderen ausgeglichen werden (Webb et al., 1966).


Entwicklung des Forschungsstils

Campbell & Fiske (1959)

• Introduction of the idea of triangulation

Webb et al. (1966)

• Introduction of the term triangulation

Denzin (1970)

• 4 types of triangulation (F, D, M & T)

• „Within-“ and „between-methods“-triangulation

Morse (1991)

• Simultaneous vs. sequential triangulation

Johnson, Onwuegbuzie, & Turner (2007)

• Three research paradigm world, with quantitative, qualitative, and mixed methods research


Definition MMR (Johnson, Onwuegbuzie, &

Turner, 2007)

Current definition of MMR:

– “MMR is the type of research in which a researcher or a team of

researchers combines elements of qualitative and

quantitative research approaches (e. g., use of qualitative and

quantitative viewpoints, data collection, analysis, inference

technique) for the broad purpose of breadth and depth of

understanding and corroboration”.

Type of research

– “A mixed methods study would involve mixing within a single

study; a mixed method program would involve mixing within a

program of research and the mixing might occur across a closely

related set of studies”.


Sechs Kennzeichen der MMR

Zur Beantwortung der Forschungsfrage werden qualitative

und quantitative Daten erhoben und analysiert.

Überzeugende und schlüssige (qual und quan) Methoden.

Integration der Daten (z. B. verschmelzen, verbinden,

einbetten).

Spezifisches MM-Design, das gleichzeitige oder

sequentielle Integration der Methoden (mit gleichem oder

ungleichem Gewicht) vorsieht.

Ziel ist Triangulation, Erklärung, Vertiefung, Ergänzung, …

der Daten.

Dies erfordert eine erkenntnistheoretische Fundierung der

Forschung („rationale“). From: Creswell (2010)


Methods-Strands-Matrix (Teddlie & Tashakkori,

2009)

Design Type Monostrand Designs Multistrand Designs

Monomethod

designs

Monomethod monostrand

designs

Traditional QUAN designs

Traditional QUAL designs

Monomethod multistrand

designs

Parallel designs

Sequential designs

Mixed

methods

designs

Quasi-mixed monostrand

designs

Monostrand conversion

design

Mixed methods multistrand

designs

Parallel mixed designs

Sequential mixed designs

Conversion mixed designs


1.1.4 Qualitätsmerkmale in der MMR


Quality Issues in Mixed Methods Designs (Bryman, 2014)

The need for quantitative and qualitative components to be

appropriately implemented, which means that the different strands

have to be of the same quality as if they were monomethod studies;

one might also speak of rigorous methods.

The need for transparency, i. e. of sample section and sample

procedures, the study context, and the data gathering procedures

which are also very essential aspects from which Mixed Methods

Research is not exempt (Wisdom, 2012).

The use of mixed methods to be linked to research questions, a

criterion which allows either separate quantitative and qualitative

research questions or an overarching mixed research question; or

questions that can be addressed with both qualitative and

quantitative data; in all cases the interlinking of questions and

strands must be made clear.


Quality Issues in Mixed Methods Designs (Bryman, 2014)

The need to be explicit about the mixed methods design and its

appropriateness to the research questions, which means that

researchers should link each question, which is in the center of

attention, and the framework of the design closely.

The importance of a rationale for the use of mixed methods

research, which means that each researcher must explicitly explain

and substantiate why a mixed methods design was appropriate that

specify the exact rationale.

The importance of integration, a principle that expresses the

necessity of avoiding separate data presentation and requires a

thematic one in order to exploit the potential of mixed methods study

(cf. O’Cathain et al., 2007).


Quality Issues in Mixed Methods Designs (Onwuegbuzie &

Johnson, 2006; Johnson & Christensen, 2014)

Inside-outside validity

Paradigmatic/philosophical validity

Commensurability approximation validity

Weakness minimization validity

Sequential validity

Conversion validity

Sample integration validity

Sociopolitical validity

Multiple validities


Vgl. Arbeitsblatt 3

Kurze Lesephase

1.1.5 Zentrale Aspekte eines MMD


Zentrale Aspekte eines MM-Designs

(Creswell, 2009)

Timing Weighting Mixing Theorizing


Timing (Creswell & Plano Clark, 2011, p. 81)

‚Timing‘ (auch ‚implementation‘ oder ‚sequence‘ genannt)

bezieht sich auf das zeitliche Verhältnis der qualitativen

und quantitativen Komponenten in einer Studie.

Zu beachten ist, dass der Begriff sich häufig zunächst auf

die Zeitpunkte bezieht, zu denen Daten erhoben werden.

Entscheidend ist aber vielmehr, in welcher Reihenfolge

Forschende die Daten innerhalb ihrer Studie nutzen.

Optionen bzw. Schreibweise:

– Concurrent timing: qual + quan

– Sequential timing: (a) qual quan

(b) quan qual


Weighting (Creswell & Plano Clark, 2011, p. 81)

‚Weighting‘ bezieht sich auf das „Gewicht“ bzw. die

relative Bedeutung einer qualitativen oder quantitativen

Teilstudie bei der Beantwortung der Forschungsfrage.

Morgan (1998) bezeichnet dies auch als ‚priority

decision‘, da es um die Entscheidung geht, welche

Methode die größere Bedeutung erhält.

Optionen:


MMD

Equal weight

Unequal weight

Quantitative emphasis

Qualitative emphasis

ACHTUNG: Das

„Gewicht“ einer

Teilstudie wird durch

eine entsprechende

Schreibweise

ausgedrückt, z. B.

QUAL vs. qual

Mixing

‚Mixing‘ bezieht sich auf die dritte prozedurale

Überlegung eines MMD, nämlich die Frage, wie die

Datensets zusammengebracht werden:

Creswell & Plano Clark (2011) nennen drei

übergeordnete Strategien:

– Merging (‚verschmelzen‘): Die Datensätze werden integriert,

indem sie während der Auswertung oder Interpretation integriert

werden.

– Embedding (‚einbetten‘): Ein Datensatz wird in den anderen

eingebettet, z. B. bei Experimentaldesigns.

– Connecting from data analysis to data collection: Die Analyse

eines Datensatzes führt zur Datenerhebung der anderen

Datensorte.


Theorizing (Creswell, 2009, p. 208)

Eine weitere Überlegung bei der Konstruktion eines

MMDs bezieht sich auf die theoretische Perspektive, die

eine Studie leitet.

Egal, ob es sich um eine sozial- bzw. verhaltens-

wissenschaftliche Theorie oder eine theoretische

Perspektive handelt, ist diese auch in einer MMS explizit

darzustellen.

Insofern sollte die Theorie zu Beginn skizziert und

dargestellt werden und bei der Dateninterpretation wieder

Bezug auf sie genommen werden.

MMR sieht allerdings auch eine Theorientriangulation

vor!


The Major Mixed Methods Design Types (Creswell, 2015; Creswell & Plano Clark, 2007)

Design Type Timing Weighting Mixing Notation

Triangulation Concurrent Usually equal Merge data

during

interpretation

or analysis

QUAN

+

QUAL

Experiment Concurrent or

sequential

Usually

unequal

Embed one

type of data

within a larger

design using

the other type

QUAN (qual)

or

QUAL (quan)

Explanatory Sequential Usually

quantitative

Connect the

data between

the two

phases

QUAN qual

Exploratory Sequential Usually

qualitative

QUAL

quan


Konstruktionsdimensionen eines MMD (1)

Primäre Dimensionen (7)

– Purpose

– Theoretical drive

– Timing

– Point of interface

– Typological vs. constructed design

– Planned vs. emergent design

– Complexity


Konstruktionsdimensionen eines MMD (2)

Sekundäre Dimensionen (10) Phenomenon

Social scientific theory

Ideological drive

Combination of sampling methods

Degree to which the research participants will be similar or

different

Degree to which the researchers on the research team will be

similar or different

Type of implementation setting

Degree to which the methods similar or different

Validity criteria and strategies.

Full study vs. multiple studies


Vgl. Arbeitsblatt 4

Kurze Lesephase

1. Zwischenfazit

Mixed Methods Research …

… zeichnet sich durch eine Verknüpfung

qualitativer und quantitativer Untersuchungs-

stränge aus,

… folgt (eher) einer subsumtiven

Forschungslogik,

… ist nicht dasselbe wie Triangulation,

… hat eigene Qualitätsmerkmale und

… erfordert die Realisierung verschiedener

Konstruktionsdimensionen.



1.2 Erkenntnistheoretische Grundlagen


„War of Paradigms“

(Teddlie & Tashakkori, 2009)

Folie 46 Ludwigsburg, den 15./16.6.2018 Prof. Dr. S. König

Zentrale Begriffe (2)

Konstruktivismus zielt auf idiographische

Aussagen, d. h. zeit- und kontextgebundene

Arbeitshypothesen, ab.

(Post)Positivismus zielt – in der Tradition des

Empirismus – auf nomothetische Aussagen, d. h.

zeit- und kontextfreie Verallgemeinerungen, ab.

Pragmatismus als „vermittelnde“ Position:

“Pragmatism provides research designs which

correspond with the idea of the chain of

reasoning (Krathwohl, 2004) or the research

wheel (Johnson & Christensen, 2004)”. Ludwigsburg, den 15./16.6.2018 Prof. Dr. S. König 48

Logische Struktur empirischer

Theoriebildung bzw. -überprüfung

T1

PO1, PO2, PO3

H1

Pn1

H2 Hn

P22 P1

1 P21 P2

3 P12 P1

3

T = Theorie, PO = Postulat, H = Hypothese, P = Protokollaussage ( Basissatz)

Ludwigsburg, den 15./16.6.2018 49 Prof. Dr. S. König

Erkenntnistheoretische Positionen (1)

Konstruktivismus

Theoretische Vornahmen

Induktives Vorgehen

Analyse von Texten, z. B.

durch qualitative

Inhaltsanalyse

Kategorienbildung

Darstellung von Kategorien

als theoretische Aussagen

Post-Positivismus

Theorie als Ausgangspunkt

Deduktives Vorgehen

Hypothesenbildung und

-prüfung

Statistische Analyse

Falsifizierung oder

Verifizierung der

Hypothesen

Ludwigsburg, den 15./16.6.2018 Prof. Dr. S. König 50

Idealtypischer Vergleich qualitativer und

quantitativer Sozialforschung (Lamnek, 2010)

Quantitativ

erklären

nomothetisch

theorieprüfend

deduktiv

objektiv

ahistorisch

Prädetermination des

Forschers

statisch

Zufallsstichprobe

hohes Messniveau

reduktive Datenanalyse

Labor

Qualitativ

verstehen

idiographisch

theorieentwickelnd

induktiv

subjektiv

historisierend

Relevanzsysteme der

Betroffenen

dynamisch-prozessual

theoretische Stichprobe

niedriges Messniveau

explikative Datenanalyse

Feld

Ludwigsburg, den 15./16.6.2018 51 Prof. Dr. S. König

Textanalyse Kuckartz (2014)

Textlektüre.

Klärung des Begriffs „Paradigma“ klären (S. 36 –

39).

Herausarbeiten der wichtigsten Merkmale der

drei Paradigmen und Gegenüberstellung (vgl.

46) bzw. kritische Sichtweisen.

Klärung, was eine erkenntnistheoretische

Position für die Forschung bedeutet.


Textanalyse Johnson (2017)

Textlektüre und Zusammenfassung pp. 160 bis 162

(‚Describing Dialectical Pluralism – especially in Mixed

Methods Research’).

To do:

– Was sind die besonderen Merkmale dieses Ansatzes?

– Wie kann der Ansatz des ‚dialectical pluralism‘ mit den

Positionen, die Kuckartz (2014) beschreibt, in

Verbindung gebracht werden?

Ist `dialectical pluralism` ein Forschungsstil?


2. Zwischenfazit

Der Mixed Methods Approach wird als drittes Paradigma für die

Sozial- und Verhaltenswissenschaften bezeichnet (vgl.

Denscombe, 2008; Johnson & Onwuegbuzie, 2004).

Mit Bezug auf die beiden klassischen Paradigmen, die als

konstruktivistisch bzw. postpositivistisch bezeichnet werden, spricht

die einschlägige Literatur hier von Pragmatismus.

Pragmatismus zeichnet sich durch die Grundposition aus, dass „das,

was in bestimmten Situationen wichtig oder gerechtfertigt ist, als

valide betrachtet wird“ (Johnson & Christensen, 2004).

Dieser Ansatz wird einerseits als „pacifier in the paradigm war“

betrachtet, andererseits aber auch als theoretisch und konzeptuell

„zu kurz gekommen“ bezeichnet (Bergman, 2011). Manche sprechen

sogar von einem „wissenschaftstheoretischen Taschenspielertrick“.

Neue Tendenz: „dialectical pluralism“ (Johnson, 2017)


Teil 2:

Prototypische „Mixed Methods Designs“

(Creswell & Plano Clark, 2007)


Basic vs. Advanced Designs in MMR

(Creswell, 2015)

Basic designs are the ”core designs underlying all mixed methods studies”

(Creswell, 2015, p. 35)

Convergent design

Explanatory sequential

design

Exploratory sequential

design

Advanced designs are designs in which “something is added to the

basic design” (Creswell, 2015, p. 42).

Intervention design

Multilevel design

Multistage design


Basic Designs (König, 2018, S. 163)

„Basic designs (Creswell, 2015b, S. 63) sind dadurch

charakterisiert, dass sie die zentralen Untersuchungs-

prinzipien repräsentieren und aus diesem Grund mehr

oder weniger jedem MMD inhärent sind. Typischerweise

werden unter diesem Etikett parallele und sequentielle

Designs unterschieden, wobei die letzteren zusätzlich in

explorative und explanative Ansätze unterteilt werden.

Je nach Ansatz werden auch conversion designs, also

Studien, bei denen die eine Datensorte in die jeweils

andere transformiert (vgl. hierzu Kuckartz, 2014), zur

Gruppe der grundlegenden Designs dazugezählt“.


Mixed Methods Designs – eine Typologie

Triangulation Design, „to obtain different but

complementary data on the same topic“ (Morse, 1991).

Experimental Design, where „one data set provides a

supportive, secondary role in a study based primarily on the

other data type (Creswell et al., 2003).

Explanatory Design is a two-phased mixed method design.

Purpose: qual helps explain quantitative results.

Exploratory Design is also a two-phased mixed method

design with the intent that the results of the first method

(usually qual) can help develop the second (usually quan).

In der Zusammenschau von 12 Publikationen über Mixed

Methods Designs kamen John Creswell und Vicki Plano Clark

(2009) zu folgenden vier Haupttypen (vgl. auch Mayring, 2001):


Gruppenaufgaben

Der folgende Teil der Präsentation stellt 5 verschiedene

Mixed Methods Studie vor. Bitte fassen Sie die einzelnen

Studien zusammen und gehen hierbei insbesondere auf die

zentralen Aspekte der MMR ein. Inhaltliche Aspekte sind

sekundär. Bitte Folie 99 beachten!

Aufgabenverteilung

– Gruppe 1: Abschnitt 2.1.1

– Gruppe 2: Abschnitt 2.1.2

– Gruppe 3: Abschnitt 2.2



Zeitlicher Rahmen: 30 – 40 Minuten


2.1 Triangulation Design – oder:

„Eine Fragestellung aus verschiedenen

Perspektiven betrachten“


2.1.1 Concurrent design


Beispiel: Fußballunterricht in inklusiven

Klassen (Schley, 2014)

Fachdidaktischer

Ansatz: Erziehender

Sportunterricht

Fußball als Inhalt aus

dem Bewegungsfeld

„Spiel – Spielen“

Zielgruppe: zwei

inklusive Klassen einer

Gesamtschule

!


Die Grundidee des Doppelauftrages von

Schulsport

Sportunterricht als ästhetisches Schulfach in einer

demokratischen Gesellschaft

Sinn der Sache „finden

lassen“

Bewegungsbildung

Persönlichkeit „entwickeln

lassen“

Allgemeine Bildung

Doppelauftrag des Erziehenden Sportunterrichts

Erziehung zum Sport & Erziehung durch Sport

Bewegungsbildung im Horizont allgemeiner Bildung

aus: Prohl (2012)


Untersuchungsdesign (vgl. Teddlie & Tashakkori, 2009)

Bewegungsbildung:

Erwerben die SuS eine

spezifische Spielfähigkeit im

Fußball?

Persönlichkeitsbildung:

Erwerben die SuS personale

und soziale Kompetenzen?

Quasi-experimentelle

Intervention „Fußball“

Reflexion & Beobachtung

von Spielereignissen

Zusammenschau der

Daten


Ergebnisse (1) des quantitativen Strangs

Daten sind normalverteilt

(KS32 = .123, p = .200).

Eingangsniveau

vergleichbar (T32 = .062; p

= .951).

Hoher Lerneffekt (F =

75,178, p = .000, ƞ2 =

.315), aber kein

Interaktionseffekt

Glass ∆ für KG = 0,49

Glass ∆ für TG = 0,28

Interpretation der Daten:

Beide Gruppen zeigen signi-

fikante Lernzuwächse, wobei

die „klassisch“ unterrichte

Gruppe den höheren Effekt

aufweist

Reflexionsphasen behindern

oder verlangsamen

motorisches Lernen nicht!!!


Ergebnisse (2) des qualitativen Strangs

Kategorien aus den Reflexionsrunden waren:

– Beteiligung am Spiel einfordern

– Geschlechterstereotype aufbrechen

– Das Spiel regeln

– Mit Sieg und Niederlage umgehen

– Freude am Spiel ausleben.

Beobachtung: Reflexionsphasen beeinflussen das

Unterrichtsklima positiv.

Beobachtung: Das Unterrichtsklima entwickelt sich

positiv, wenn soziale und personale Aspekte in den

Reflexionsrunden angesprochen werden.


Gesamtinterpretation der Daten im Lichte des

Doppelauftrages

Normative Position: „Sportunterricht soll entlang pädagogischer

Perspektiven (Leistung, Miteinander) Schülerinnen und Schüler im

Kontext sportlicher Aktivitäten erziehen bzw. in der Ausübung

derselben ihre Persönlichkeit entwickeln“.

Empirisches Ergebnis: „Inklusiver Fußballunterricht führte zu einer

nachweisbaren Verbesserung der spezifischen Spielfähigkeit bei

gleichzeitiger Verbesserung des Klassenklimas“:

Klarer Mehrwert im Vergleich zu bisherigen Studien in der

Vermittlung von Sportspielen.

Unterrichtspraktische Konsequenz für Stundenstruktur und

Lehrerverhalten möglich.

Der Doppelauftrag des Schulsports konnte folglich mit einem MMD

für den vorliegenden Fall gezeigt werden, was ein „monostrand

design“ nicht hätte leisten können.


Zusammenfassung: „Triangulation Design“

QUAN QUAL

Interpretation based on QUAN +

QUAL results

Variante: Das Data Transformation Model (Creswell &

Plano Clark, 2009), auch als Quasi-Mixed Model (Teddlie &

Tashakkori, 2009) oder Quantitizing (Sandelowski et al.,

2009) bezeichnet. Folie 68 Prof. Dr. S. König

Theoretische Konzeption (2 Fragen)


2.1.2 Conversion design


IHK Umfrage 2010 (zit. nach SZ vom 9. April 2010)

„… die können nix mehr, keine zwei Sätze können die

sich merken und selbst denken schon gar nicht …“

„… zu fett, zu faul, zu undiszipliniert, …“

Mängel in Mathematik

Schlechtes Deutsch

Wenig Selbstdisziplin

Geringe Belastbarkeit und Leistungsbereitschaft


Theoretische Vorannahmen (Framing)


Data Transformation im Projekt „Zur Rolle des

Schulsports in der vorberuflichen Bildung“

Pilotstudie (2009/2010)

• Befragung von 7 „starken“ Schulen

• Erste Validierung der Ergebnisse durch Befragung von 6 Ausbildungsbetrieben

• Tendenz: „Schulsport wird im Kontext der vorberuflichen Bildung eine Rolle zugestanden“ (vgl. hierzu König & Rottmann, 2012)

Datenerhebung

• Befragung von Sekundarschulen (n = 23)

• Befragung von Betrieben (n = 18) zur Bedeutung sportlicher Aktivitäten in der vorberuflichen Bildung

Datenauswertung mittels qualitativer Analyse Kategorienbildung

• 1. Schritt: „Within analysis“

• 2. Schritt: „Between analysis“

• 3. Schritt: „Data Transformation“ und quantitative Auswertung

Getrennte und übergreifende Interpretation der Ergebnisse

Prof. Dr. S. König Folie 72 Ludwigsburg, den 15./16.6.2018

Ergebnisse der Inhaltsanalyse

Ausbildungsbetriebe

Bedeutung physischer

Kompetenzen

Bedeutung sportorientierter

Profile

Bewertung Engagement im

außerschulischen Sport

Relevanz der Sportnote

Sportlichkeit und

Einstellungschancen

Schulen

Bedeutung der Sportnote

bei Bewerbungen

Vielfältige sportliche

Angebote zur Förderung

individueller Interessen

Beitrag des Schulsports zu

– Fachkompetenz

– Personalkomptenz

– Sozialkompetenz


Data Transformation (Kategorien Variablen)


Statistische Ergebnisse

Kategorie Betriebe Schulen χ2 p

Nein Ja Nein ja Likelihood Asymp. S.

Defizite

Ausbildungsfähigkeit 0 13 5 13 7,206 .027*

Sport und

Ausbildungsfähigkeit 1 20 1 10 .583 .747

Bedeutung der

Sportnote 7 14 5 8 2,709 .258

χ2 p Interpretation

Bedeutung von phys.

Fitness 2,734 .603

Branchenübergreifend

wichtig

Verbesserung der

Einstellungschancen 15.052 .058

Branchenübergreifend

(„eher“) ja


Zusammenfassung: „Data Transformation“

Bei einem Data Transformation Modell werden in der

Regel zunächst qualitative Daten erhoben.

Diese werden nach Kategorienbildung in nominale oder

ordinale Variablen überführt; ggf. sind auch Skalen

möglich.

Anschließend ist eine statistische Auswertung über

parameterfreie Verfahren möglich, da diese keine

Normalverteilung erfordern.

Es sollten allerdings keine generalisierenden Schlüsse

gezogen werden, vor allem bei kleinen Stichproben!


2.2 Experimental Design – oder:

„Experimentelle Daten besser verstehen“


Beispiel: „High Intensity Training“ mit

Beamt*innen des PPE (Heckel i. Vb.)

Der Polizeiberuf

erfordert eine hohe

Fitness.

Gleichzeitig gibt der

Berufsalltag wenig

zeitlichen Spielraum her.

Effektive und vor allem

ökonomische Trainings-

methoden sind gefragt

=> HIT (?)


Was ist „High Intensity Training“?

Grundsatzdiskussion: HVT HIT

Hochintensive, kurze Belastungsphasen zwischen 30 sec und 4

min mit entsprechender Pausendauer.

Gesamttrainingsdauer geringer als bei „klassischem

Ausdauertraining“ (hochvolumiges Training = HVT).

Was weiß man über HIT?

– Vergleichbare bzw. zum Teil höhere Effekte (Verbesserung

der maximalen Sauerstoffaufnahme/Ausdauerleistungs-

fähigkeit).

– Effekte auch schon bei kurzer Interventionsdauer

nachzuweisen.

– Anwendung nicht nur auf den Leistungssport beschränkt,

sondern auch im Bereich der Prävention und Rehabilitation

erprobt.


Was weiß man noch nicht?

Es gibt bisher kaum Ergebnisse hinsichtlich der

subjektiven Durchführbarkeit und Akzeptanz durch

die Teilnehmer_innen.

Bisherige Untersuchungen wurden hauptsächlich unter

Laborbedingungen durchgeführt.

Es gibt wenig Untersuchungen im Bereich Laufsport,

dagegen vornehmlich welche im Radfahren.

Alleinstellungsmerkmal bzw. Mehrwert der HIT-

Studie am PPE BW!


Embedding qualitative data within an experimental

approach

MZP 1 Intervention: HIT MZP 2 MZP 3

Einbetten qualitativer Daten zum

subjektiven Belastungsempfinden,

Zeitmanagement, etc.

Ziel: „besseres“ Verständnis des

Experiments

Überprüfung

der

Adaptations-

festigkeit


Entwicklung der Ausdauerleistungsfähigkeit (1):

Vertrauensintervalle (CI) von VO2 max



Inferenzstatistik und praktische Bedeutung

Ergebnis

HIT HVT KRA

Überprüfung auf der Basis von

Wahrscheinlichkeitsrechnung (p)

*** ns (.155) ns (.424)

Praktische Bedeutung des

Trainingseffekts (Glass‘ ∆)

0,38 0,27 -0,09

Varianzaufklärung des

Interaktionseffekts (partielles ƞ2)

Pillai-Spur Kriterium:

ƞ2 = .278

Weitere Differenzierung der

Testergebnisse

Es ergaben sich zunächst keine

weiteren wichtigen Interaktionen, wie

z. B. Geschlecht, Alter.

ABER: Hohe Interaktion von

Trainingszeit * Gruppe * Zug (ƞ2 = .36)

vgl. Interviewanalyse



Vertieftes Verständnis durch qualitative Daten

Zunächst: Die HIT-Gruppe hat während der 6-wöchigen

Intervention pro Woche 1 Stunde Trainingszeit eingespart.

HIT wird von den Probanden als (sehr) hart aber wirkungsvoll

wahrgenommen.

Gleichzeitig wird deutlich, dass ein gemeinsames Training in der

Gruppe als der wichtigste Motivationsfaktor angesehen wird.

Es zeigte sich, dass die Teilnehmer aus dem eher leistungs- und

karriereorientierten Zug (BFE) das Trainingsprogramm insgesamt

positiver bewerten und sich eine regelmäßige Weiterführung über

den Untersuchungszeitraum hinaus vorstellen können.

Fazit: Die Einbettung qualitativer Daten in die experimentelle

Grundstruktur hilft, ein effektives Trainingsprogramm besser

verstehen und gestalten zu können.


Zusammenfassung: „Experimental Design“

QUAN

qual

Interpretation

based on QUAN

(qual) results

QUAL

quan

Interpretation

based on QUAL

(quan) results


2.3 Explanatory Design – oder:

„Quantitative Daten mit Argumenten

erklären“


Beispiel: Iranian Adolescents‘ Insufficient Physical

Activity (Mishra & Tripathi, in print)

Problem: Mangelnde

körperliche Aktivität bei

iranischen Jugendlichen.

Ziel: Analyse der IPA-

Prävalenz und möglicher

ökonomischer und sozio-

demografischer Gründe

Design: QUAN qual


Grundlegende Untersuchungsstruktur

Phase 1: „QUAN“

• Analyse der IPA sowie der Gründe (n = 1201)

• Statistische Auswertung mit SPSS

• Aufbereitung der quantitativen Daten für eine qualitative Befragung (Leitfaden)

Phase 2: „qual“

• Analyse der Sichtweise von Jugendlichen (n = 25)

• Interpretation


Ergebnisse (1)

QUAN

Fragebogen

SPSS, STATA

Parameterfreie Verfahren,

multivariate Logit-Funktionen

Statistische Ergebnisse:

– 98,8 % verfehlen den

empfohlenen Wert für PA

– : Abbruch der

Schulausbildung (AOR: 7,94)

– : Familieneinkommen und

zunehmendes Alter (AOR:

2,05/2.67)

Folie 89 Prof. Dr. S. König


Exemplarische und vereinfachte Darstellung

einer LOGIT-Funktion


?

yes

no

Age


Ergebnisse (2)

QUAN

Fragebogen

SPSS, STATA

Parameterfreie Verfahren,

multivariate Logit-Funktionen

Statistische Ergebnisse:

– 98,8 % verfehlen den

empfohlenen Wert für PA

– : Abbruch der

Schulausbildung (AOR: 7,94)

– : Familieneinkommen und

zunehmendes Alter (AOR:

2,05/2.67)

qual

Halbstrukturierte Interviews

MAXQDA

5 Themen und 14

Kategorien:

– Schulumgebung und Peers

– Familienmilieu

– Kulturelle Barrieren ()

– Selbstkonzept

– Körperliche und geistige

Erschöpfung


Ergebnisse (3)

Die statistischen Ergebnisse (multivariate logistische Regressionen)

zeigen, dass bspw. ein Schulabbruch oder eine hohe

Elternüberwachung in der Freizeit bei Mädchen sowie das Alter

bzw. das Familieneinkommen bei Jungen signifikante

Prognosefaktoren für IPA sind.

Die qualitativen Ergebnisse zeigen zusätzlich, dass …

– … die Fortsetzung der Schulkarriere zwar nicht notwendigerweise

eine Zunahme körperlicher Aktivitäten garantiert, aber

Schulkarriere bedeutet eine Erhöhung von Peerkontakten, was

wiederum einen Effekt auf körperliche Aktivitäten hat und dass

– … Zeitmangel, z. B. aufgrund von Leistungsdruck, mit

zunehmendem Alter auftritt, da die Schule und die Familie sich

überdurchschnittlich auf schulische Leistungen konzentrieren.


Zusammenfassung „Explanatory Design“

QUAN

qual

Interpretation

based on QUAN

qual results

Vertiefungsmodell


2.4 Exploratory design – oder:

„Qualitative Daten validieren bzw.

verallgemeinern“


Beispiel: Coaching Performance and Leadership

Behaviour in Team Sports (König, 2013)

Diskussion von

Führungsverhalten im

Leistungssport wird

sehr oberflächlich

geführt:

– „Meisterlehren“

oder

– Sportpsychologische

„Allgemeinplätze“

Ziel: intersubjektive

Erfolgsstrategien

„Gott

verzeiht,

Hitzfeld

nie!“


„Gemeinsam

formulierte Ziele

sind der

Schlüssel zum

Erfolg“ (B. Motte)

Aussagen von Spitzentrainern „Ein Spieler

soll sich mit

seinem Team

identifizieren“

(H. Brandt)


Forschungsfrage: Mit welchen Strategien führen

erfolgreiche Trainer ihre Teams?

Phase 1 „QUAL“

• Experten-Interviews (n = 10)

• Auswertung durch qualitative Inhaltsanalyse nach Mayring (2002)

• Ziel: Kategorienbildung

• Transformation der Kategorien in Items

Phase 2: „quan“

• Fragebogen mit Rating-Skala (n = 199) für TrainerInnen und SpielerInnen

• Auswertung: Deskriptive und inferenzstatistische Verfahren

• Gesamtinterpretation


Ergebnisse der qualitativen Inhaltsanalyse

Mitsprache-recht

Zusammen-stellung

Struktur

Kohäsion

Kohäsion und Leistung

Aufgaben-kohäsion

Gruppen-kohäsion

Hierarchie

Hierarchie und Leistung

Förderlich

Hemmend

Kein Bezug Implemen-

tierung

Risiko-planung


Integration: Transformation der Kategorien in

Items und Generierung einer Ratingskala


Deskriptive und inferenzstatistische Auswertung

No Item N Mean StD Standard

error T p d

10 “Hierarchy leads to a

higher performance”

97 2,08 .821 .083 -3.306 .001* 0,48

94 2,49 .901 .093

11

“Hierarchy should be

developed by the

coach”

97 1,93 .877 .089 -5.213 .000* 0,75

99 2,62 .955 .096

12

“Hierarchy should be

developed by the

players”

97 3,06 .888 .090 11,637 .000* -1,65

100 1,68 .777 .078


Gesamtinterpretation

Eine hierarchische

Struktur scheint

leistungsfördernd zu sein,

es ist aber unklar, wer sie

herstellen soll.

Gruppenkohäsion wird

ebenfalls als

leistungsfördernd

betrachtet, unklar ist auch

hier die

„Verantwortlichkeit“.

Gesamtdesign


Untersuchungsstruktur

QUAL

quan

Interpretation

based on QUAL

quan results

Vorstudienmodell Verallgemeinerungsmodell


Qualitätskriterien für MMDesigns

(Brymann, 2014)

Überzeugende Begründung für die Anwendung von MMR

Angemessenheit des MMR im Hinblick auf die

Forschungsfrage

Angemessene Implementierung der qualitativen und

quantitativen Komponenten

Transparenz im Hinblick auf Stichproben, den

Studienkontext und Datenerhebung

Angemessene Datenverarbeitung und -auswertung

Notwendigkeit und Güte hinsichtlich der Integration von

Daten, v. a. auch bei der Darstellung der Ergebnisse

Nachweis eines „Mehrwerts“ des MMR


3. Zwischenfazit

Die Literatur geht derzeit davon aus, dass wir drei

grundsätzliche Designstrukturen in der MMR

unterscheiden (v. a. Creswell, 2015):

– Paralleles Design

– Explanatorisches Design

– Exploratorisches Design

Je nach Bezugsquelle werden auch das „experimental

design“ und das „data conversion design“ noch zu den

basic designs hinzugezählt (u. a. Teddlie & Tashakkori,

2009; Johnson & König, 2016).

Diese basic designs können zu advanced designs

erweitert werden (vgl. Onwuegbuzie & Hitchcock, 2015).


Teil 3:

Advanced Mixed Methods Designs


Advanced Designs (König, 2018, S. 163)

„Advanced designs sind sensu Creswell (2015b, S. 63)

Untersuchungspläne, bei denen zu den grundlegenden

Strukturen weitere Elemente hinzukommen. Derzeit hoch

im Kurs stehen experimentelle Designs, Mehrebenen-

Designs und ‚social justice designs‘, wobei letztere darauf

abzielen, übergreifende gesellschaftliche

Gerechtigkeitsthemen in MMDs einzubauen.

Prinzipiell sind diesen advanced designs keine Grenzen

gesetzt, auch wenn sie sich selbstverständlich an den

Standards der sozialwissenschaftlichen Forschung

anlehnen müssen“.


Somit wird deutlich, dass sich die MMR von einem ehemals eher

engen Ansatz einer einfachen Verknüpfung qualitativer und

quantitativer Teilstudien zu einem Forschungsfeld entwickelt hat, in

dem Untersuchungspläne kreativ entwickelt werden können –

solange Forschungsfrage und Design im Einklang stehen.

„In a crossover mixed analysis, one form of data collected can be

analyzed utilizing techniques traditionally associated with the

alternative paradigm, thereby yielding a higher level of integration of

quantitative and qualitative analyses than would be the case if a

mixed researcher combined the results stemming from the qualitative

analysis of qualitative data with the findings stemming from the

quantitative analysis from quantitative data.” (Onwuegbuzie &

Hitchcock, 2015, p. 284)


Crossover Mixed Analyses (1)

„Seit wenigen Jahren werden sogenannte crossover mixed

analyses als ein erfolgversprechender Bereich für die weitere

Entwicklung der MMR gesehen. Sie sind dadurch

charakterisiert, dass ein qualitativer oder quantitativer

Datensatz durch die zusätzliche Anwendung von

Auswertungsverfahren, die im Normalfall mit dem jeweils

anderen Paradigma in Zusammenhang gebracht wird,

analysiert werden, um dadurch einen höheren Grad der

Datenintegration zu erreichen als dies gewöhnlich der Fall sein

kann; zu diesem Zweck sind zusätzliche Daten notwendig, die

durch Datentransformation (vgl. hierzu Kuckartz, 2014) oder

aber durch weitere Erhebungen (u. a. Schoonenboom, 2016)

bereitgestellt werden können“.


Crossover Mixed Analyses (2)

Mit Blick auf die Crossover Mixed Analyses

unterscheiden Onwuegbuzie und Hitchcock zwischen

„qualitative-dominant, equal-status and quantitative-

dominant crossover analyses“ (2015, pp. 284–285).


Qualitative-dominant approach, e. g.,

Korrespondenzanalysen von Interviewdaten

Equal-status approach, e. g., Raum-Zeit-

Analysen….

Quantitative-dominant approach, e. g., qualitative

Varianzaufklärung von Mehrebenenmodellen

3.1 Quantitative-dominant Crossover

Analysis (QUAN-qual-Studie)


qualitativ

QUANTITATIV


HLM

qia


3.1.1 Merkmale von Mehrebenen-

Modellen


Ein fiktives Beispiel


Das Einebenenmodell

Alter in Jahren

W_SpU

0


5

Das Zweiebenenmodell

Alter in Jahren

Nicht_Gym

Gym W_SpU


Die inhaltliche

Perspektive


Datenstruktur in den Sozialwissenschaften

Daten aus Studien in den Verhaltens-, Sozial-

oder Wirtschaftswissenschaften zeigen sehr

häufig hierarchische Strukturen, weil Individuen

in größeren Einheiten bzw. Gruppen

zusammengefasst sind.

Beispiele (vgl. Luke, 2004)


Mögliche konzeptuelle Probleme

Gemessene Werte von Individuen werden

letztendlich auch durch die aggregierte Einheit

beeinflusst, z. B. das Lernklima (Helmke, 2007) in

einer Klasse oder die Sozialstruktur einer

Wohngegend (Onwuegbuzie & Hitchcock, 2015).

Die Missachtung einer hierarchischen Datenstruktur

führt zu konzeptuellen Problemen (Hox, 2010, S. 3f),

wie etwa

– einem ökologischen Fehlschluss oder

– einem atomistischen Fehlschluss bzw. Simpson‘s

Paradox



Mögliche konzeptuelle Probleme

Gemessene Werte von Individuen werden

letztendlich auch durch die aggregierte Einheit

beeinflusst, z. B. das Lernklima (Helmke, 2007) in

einer Klasse oder die Sozialstruktur einer

Wohngegend (Onwuegbuzie & Hitchcock, 2015).

Die Missachtung einer hierarchischen Datenstruktur

führt zu konzeptuellen Problemen (Hox, 2010, S. 3f),

wie etwa

– einem ökologischen Fehlschluss oder

– einem atomistischen Fehlschluss bzw. Simpson‘s

Paradox.


Inhaltliche Zielsetzung eines MLM

Grundidee MLM ist, den Einfluss einer jeweils

höheren Ebene auf die darunter liegende Ebene zu

modellieren bzw. zu schätzen.

In anderen Worten: Ziel von Mehrebenen-

Modellierungen ist, die abhängige Variable, die sich

auf der untersten Ebene befindet, durch Prädiktoren

auf verschiedenen Ebenen zu schätzen.

Solche Schätzungen sind statistisch durch

verschiedene Verfahren möglich, wobei

Regressionsmodelle und Kovarianz-Modelle zentral

sind.


Die statistische

Perspektive


Statistische Argumente

Traditionelle Methoden, wie z. B. Regressions-

oder Varianzanalyse, sind sogenannte

Ein-Ebenen-Methoden; das heißt, sie nehmen

an, dass Werte von Individuen unabhängig sind.


Verletzung dieser Annahme

Verzerrungen bei statistischen Schätzungen

Zweifelhafte Signifikanzen

Hauptfehler: Aggregation & Disaggregation


Variablenverschiebung

Aggregation

Die Daten der Ebene 1

werden zusammengefasst

und auf der Ebene 2

betrachtet.

Konsequenzen:

– ‚Bedeutungsveränderung‘

– ‚Inhaltliche Fehlschlüsse‘

– „Cross-level interaction“ wird

ausgeschlossen

Disaggregation

Die Daten der Ebene 2

werden nicht betrachtet,

lediglich Ebene 1 wird

ausgewertet.

Konsequenzen:

– Stichprobeneffekt wird

künstlich erhöht, was zu

Verzerrungen führt.

– ‚Vernichtung‘ der

Zusammenhänge


Grundprinzip der MLMs


Es ist zu prüfen, ob die Varianz zwischen den Gruppen

(„between“) größer ist als die Varianz innerhalb der Gruppen

(„within“). Ist dies der Fall, ist ein MLM angezeigt. Prüfung

durch …

… grafische Datenanalyse oder/und

… Berechnung des ICC.


Grafische

Datenanalyse


Der Intraclass Correlation Coefficient (ICC)



3.1.2 Eine QUAN-qual-Studie


Informationen zur Studie

Leitfrage: Können im Schulsport Trainingseffekte generiert und

gruppenspezifisch modelliert werden?

Methode

– Sportmotorische Tests (Kraft) zu drei MZPs mit n = 149

SchülerInnen der Sekundarstufe

– 1. Auswertung mit einer Varianzanalyse mit Messwiederholung

zum Vergleich von Trainingsmethoden

– 2. Auswertung mit einem linearen Regressionsmodell auf 3

Ebenen und der Software HLM 7.1 (Raudenbush, 2011) zur

Vorhersage von Effekten

– Ergebnis: Geschlecht und Methode (explizit vs. implizit) in einem

reziproken Verhältnis

Interpretation durch statistische Koeffizienten nicht möglich.

„Varianzaufklärung“ durch Leitfadeninterviews.


Drei-Ebenen-Modell: Modellbildung


Drei-Ebenen-Modell: Ergebnisse


Fixed Effect Coefficient Standard

error t-ratio

Approx.

d.f. p-value

For INTRCPT1, π0 (Wert von Individuum i zum Zeitpunkt 0 [baseline])

For INTRCPT2, β00 (Durchschnittliches Eingangsniveau für Level-2 = 0 [weiblich])

INTRCPT3, γ000 -1.423216 0.203483 -6.994 4 0.002

METHODE, γ001 0.495575 0.290333 1.707 4 0.163

For GESCHLEC, β01 ( Unterschied bzgl. Eingangsniveau zwischen Geschlecht )

INTRCPT3, γ010 1.076207 0.134735 7.988 137 <0.001

METHODE, γ011 -0.481766 0.208632 -2.309 137 0.022

For ZEIT slope, π1 (Verbesserung von Individuum i über die Messzeitpunkte [Trainingseffekt])

For INTRCPT2, β10 (Durchschnittliche Verbesserung für Level-2 = 0[weiblich])

INTRCPT3, γ100 -0.193473 0.074259 -2.605 137 0.010

METHODE, γ101 0.517990 0.106011 4.886 137 <0.001

For GESCHLEC, β11 (Unterschied in der Verbesserung zwischen den Geschlechtern)

INTRCPT3, γ110 0.115913 0.049179 2.357 137 0.020

METHODE, γ111 -0.318435 0.076205 -4.179 137 <0.001



0 0.50 1.00 1.50 2.00-0.50

-0.18

0.15

0.48

0.81

ZEIT

KR

AF

T

GESCHLEC = 1,METHODE = 0




Geschlecht:

1 = weiblich

2 = männlich

Methode

0 = intentional

1 = implizit

Varianzkomponenten auf Ebene 2 und 3


Kategorienbaum

Trainings-methode

Relevante Ziele

Schulsport

Außer-schulischer

Sport

Intensität

positiv

negativ

Attraktivität

Spaß

Langeweile


1. Ordnung 2. Ordnung


4. Zwischenfazit

Im Rahmen eines Mehrebenen-Regressionsmodells konnten

unterschiedliche Trainingseffekte bei Mädchen und Jungen

vorhergesagt werden, was auf die jeweils eingesetzte Trainings-

methode zurückzuführen war.

Eine Erklärung dieser Varianzen war nur durch den Einsatz

qualitativer Verfahren möglich.

Der spezifische Mixed Methods Ansatz besteht also darin,

quantitative Daten durch Hinzunahme qualitativer Kategorien, die

durch einen zusätzlichen Untersuchungsstrang herausgearbeitet

wurden, erklärt und damit verstanden werden konnten.

Eine präzisere, vertiefte und detailliertere Sichtweise des Problems

wird auf diese Weise möglich.


3.2 Qualitative-dominant Crossover

Analysis (QUAL-quan-Studie)


quantitativ

QUALITATIV


QIA

(m)ca


3.2.1 Merkmale von

Korrespondenzanalysen


Die statistische

Perspektive


Faktorenanalyse Korrespondenzanalyse

Datenreduktion erfolgt bei intervallskalierten

Items/Variablen mittels einer Faktorenanalyse. Hierbei

gelten die Items als beobachtete Variablen, der Faktor

als latentes Konstrukt.


Exemplarische Faktorstruktur


F1

F2

V2

ErrV1 V1

V3

ErrV2

ErrV3

V1

V1

V1

ErrV4

ErrV6

ErrV5

β1

β4

β3

β2

β5

β6

p

Faktorenanalyse Korrespondenzanalyse

Datenreduktion erfolgt bei intervallskalierten

Items/Variablen mittels einer Faktorenanalyse. Hierbei

gelten die Items als beobachtete Variablen, der Faktor

als latentes Konstrukt.

Will man hingegen die faktorielle Grundstruktur eines

Satzes nominalskalierter Merkmale ermitteln, kann hierfür

die (multiple) Korrespondenzanalyse (MCA) eingesetzt

werden (Bortz & Döring, 2006, S. 379).

Hierbei gilt:

– Anzahl der Variablen = 2 einfache Korrespondenzanalyse

– Anzahl der Variablen > 2 multiple

Korrespondenzanalyse/Homogenitätsanalyse


Korrespondenzanalyse (1)

Die Korrespondenzanalyse ist ein Verfahren zur

Visualisierung von Datentabellen, insbesondere von

Tabellen mit Häufigkeiten qualitativer Merkmale.

Die Häufigkeiten qualitativer Merkmale werden oft in

Form einer Kreuz-/Kontingenztabelle angeordnet.

Beispiel (aus Backhaus et al., 2006, S. 686):


Automarke Merkmale

Sicherheit Sportlichkeit Komfort

Mercedes 9 3 6

BMW 3 6 3

Opel 2 1 2

Audi 3 5 4




Sie wird in ihrer ursprünglichen und einfachen Form dazu

verwendet, Kreuz-/Kontingenztabellen zu analysieren,

wobei die Zeilen Personen bzw. Objekten („Automarke“)

vorenthalten sind, Spalten hingegen den Merkmalen

(„Beurteilungsmerkmale“).

Ziel ist eine gemeinsame grafische und statistische

Repräsentation der Zeilen und Spalten. Hierzu werden

zweidimensionale Plots erzeugt.

Angestrebt wird ein Überblick, welche Personen bzw.

Objekte sich bezüglich der betrachteten Merkmale ähneln

und welche nicht.


Ein Beispiel


Berufsgruppen und Wahlabsichten (1)









3.2.2 Eine QUAL-quan-Studie


Informationen zur Studie

Leitfrage: Kann der Schulsport einen Beitrag zur vorberuflichen

Bildung leisten?

Methode

– Leitfadeninterviews mit 23 SchulleiterInnen und 18

AusbildungsleiterInnen (n = 41)

– „Within-Analyse“ mit dem Verfahren der qualitativen

Inhaltsanalyse nach Mayring (2015)

• Leitfrage: „Trägt Schulsport zur Verbesserung der

Ausbildungsfähigkeit bei?“

– „Between-Analyse“ Schulen – Betriebe

– Quantifizierung der Daten (Kuckartz, 2014)

Neuer Strang: Korrespondenzanalyse zur Entdeckung von

explorativen Strukturen bezüglich einzelner Kategorien


(1) „Within-Analyse“: Kategorienbaum Schule


(2) „Between-Analyse“: Kategorien gesamt B

etr

iebe

• Sportnote

• Schulsport und Ausbildungsfähigkeit

• Relevanz von Fitness

Schule

n

• Sportnote

• Schulsport und Ausbildungsfähigkeit

• Relevanz von Fitness


(3) Quantifizierung der Daten und Prüfung von

Unterschiedshypothesen (χ2 = 7.967, p = . 632)


(3) Korrespondenzanalyse


5. Zwischenfazit

Kategorien, die im Rahmen eines inhaltsanalytischen Verfahrens

nach Mayring (2015) erarbeitet werden, können durch

Quantifizierung einem multivariaten Verfahren zugeführt werden.

Der spezifische Mixed Methods Ansatz besteht also darin, originär

qualitative Daten durch Transformation einem Verfahren zuzuführen,

das mit einer explorativen Faktorenanalyse vergleichbare

Zielsetzungen verfolgt.

Dies eröffnet die Möglichkeit, dass eine Vielzahl an Kategorien

(vgl. hierzu König & Dalheimer, 2015, S. 31–33) auf wenige

Dimensionen reduziert werden kann.

Eine präzisere, vertiefte und detailliertere Sichtweise des Problems

wird auf diese Weise möglich.


3.3 Übung zur Konstruktion eines MMD


Kleingruppenarbeit

Jede Gruppe wählt sich bitte ein

Forschungsthema bzw. eine Forschungsfrage

aus. Sobald diese steht, mir kurz mitteilen!

Konstruieren Sie ein angemessenes MMD und

begründen Sie dieses im Detail.

Beziehen Sie sich hierbei auf Schoonenboom &

Johnson (2017), indem Sie alle dort genannten

Punkte abarbeiten.


Ergebnispräsentation

Gruppe 1: Entwicklung von Maßnahmen zur Implementierung leistungsförderlicher Leitbilder in Schulen

Gruppe 2: Einfluss der Fußball-WM auf die Toleranz der Arbeitgeber

Gruppe 3: Strategien der Teamführung erfolgreicher Trainer im Tanzsport

Gruppe 4: Design Thinking, eine Methode für den Grundschulunterricht?


6. Zwischenfazit

Die Konstruktion eines MMD erfordert die Bearbeitung

von sieben relevanten Dimensionen (vgl. Schoonenboom

& Johnson, 2017):

– Untersuchungsziel

– Rolle von Theorie im Forschungsprozess

– Timing

– Schnittstellen der Integration

– Systematische oder interaktive Designansätze

– Geplante oder emergente Designs

– Komplexitätsmerkmale


Teil 4:

Zusammenfassung & Diskussion


Three more steps to do …

What is MMR?

Summary & SWOT

Farewell ceremony



Is MMR too inclusive? (1)

Die Gründe des Aufstiegs von MMR seit Anfang der

Achtziger Jahre sind eine Konsequenz der Probleme

bzw. der Unzufriedenheit mit den traditionellen

Forschungsparadigmen („war of paradigms“).

Was ist passiert? MMR hat sich seither zu einem sehr

fruchtbaren und vielfältigem Forschungsfeld entwickelt:

– Methodologische Diversität (GTM Experiment)

– Disziplinäre Diversität (Sozial- und

Verhaltenswissenschaften)

– Wissenschaftstheoretische Diversität

– Diversität der Designs



Is MMR a „theory of

everything“

(Sandelowski, 2016)?

Is MMR too inclusive? (2)

Einige wenige aktuelle Probleme und Fragen:

– Qual vs. Quan

• Induktion vs. Deduktion

• Theorieprüfung vs. Theorieentwicklung

• Subjektive vs. Objektive Perspektive

– „Tyranny of terminology and typology“ (Sandelowski,

2016)

– Weitere Entwicklungen

• Kontinuität vs. Differenzierung

• Positionierung: Vordergrund vs Hintergrund

Multimethod vs Mixed Methods Research (Greene, 2015)


Was ist Mixed Methods Research (1)?


Burke Jonson and Anthony Onwuegbuzie:

Mixed Methods Research is the class of research

where the researcher mixes of combines

quantitative and qualitative research techniques,

methods, approaches, concepts or language into

a single study or set of related studies.



Michael Q. Patton:

I consider mixed methods to be inquiring into a question

using different data sources and design element in such

a way as to bring different perspectives to bear in the

inquiry and therefore support triangulation of the

findings. In this regard, using different methods to

examine different questions in the same overall study is

not Mixed Methods.


Teddlie & Tashakkori (2009):

– Monomethod multistrand vs. Mixed methods

multistrand

Greene, J. J. (2015). Preserving Distinctions Within the

Multimethod and Mixed methods research Merger.

– Compared to a multiple approach a mixed methods

approach offers …

• … opportunities to mix at a method, methodology, and a

paradigm level;

• … a valuing of both consonance and dissonance;

• … key opportunities for respectful conversations among

different ways of knowing and different ways valuing



Zusammenfassung (1): Generelles

Die MMR gilt als drittes Paradigma in den Sozial-,

Verhaltens- und Gesellschaftswissenschaften.

Mit Bezug auf die beiden klassischen Paradigmen, die

als konstruktivistisch bzw. postpositivistisch bezeichnet

werden, spricht die einschlägige Literatur hier von

Pragmatismus.

Die MMR hat sich zu einem sehr variablen

Forschungsansatz (Designs, Datenerhebung & -

auswertung) entwickelt, der derzeit sogar als „too

inclusive“ (Sandelowski, 2016) diskutiert wird.

Die MMR verbreitet sich seit 10 Jahren auch zunehmend

institutionell (MMIRA, JMMR, IJMRA, …)


Zusammenfassung (2): Keywords

Paradigmendiskussion

Definitionen und wichtigste Merkmale

Qualitätsmerkmale

MMDs

– Zentrale Aspekte

– Typische „basic designs“

– Exemplarische „advanced designs“

Stärken und Schwächen

Chancen und Grenzen

Publikationsmöglichkeiten


SWOT-Analyse (1)

Strengths

Forschung in den Sozial-

wissenschaften hat häufig

komplexe Fragestellungen

=> kein

Methodenmonismus

Schwächen und „blinde

Flecken“ eines Zugangs

werden ausgeglichen

Weaknesses

Großer Aufwand

Generalisten-Spezialisten-

Problem

Erkenntnistheoretische

Grundlage noch nicht

ausgereift


SWOT-Analyse (2)

Opportunities

Phänomene können

besser, vertiefter, …

verstanden werden.

Verknüpfung von

Perspektiven (Blick durch

verschiedene Brillen) sind

möglich.

Threats

„Überinklusivität“

(Sandelowski, 2016)

„Theory for everything

[anything goes]“, d. h.

keine trennscharfe

Abgrenzung von anderen

Paradigmen.



Folie 175 Weingarten, den 07. JUli 2009 Folie 175

Herzlichen Dank für

Ihre Aufmerksamkeit.

www.ph-weingarten.de

Ludwigsburg, den 15./16.6.2018 Folie 175 Prof. Dr. S. König

Literaturvorschläge


Quellen & Hinweise

Creswell, J. W. (2015). A Concise Introduction to Mixed Methods research. Los

Angeles, …: Sage.

Creswell, J., & Plano Clark, V. (2009). Designing and Conducting Mixed Methods

Research. Thousand Oaks, London, New Delhi: Sage.

Hesse-Biber, S. N. & Johnson, R. B. (Eds.), Oxford Handbook of

Multimethod and Mixed Methods Research Inquiry. New York, NY: Oxford

University Press.

Johnson, R. B. (2017). Dialectical Pluralism: A Metaparadigm Whose Time Has

Come. Journal of Mixed Methods Research, 11(2), 156–173.

Johnson, R. B., & König, S. (2016). “Mono or Mixed?” Potentials and limitations

of Mixed Methods Research. In G. Lang-Wojtasik & S. König (Hrsg.),

Bildungsforschung revisited (S. 21–42). Ulm: Klemm+Oelschläger.

Kuckartz, U. (2014). Mixed Methods. Methodologie, Forschungsdesigns und

Analyseverfahren. Wiesbaden: Springer VS.

Teddlie, C., & Tashakkori, A. (2009). Foundations of Mixed Methods Research.

Los Angeles, …: Sage.


Documents

Mixed Methods Research Erkenntnistheorie, Methodologie und ...sportwissenschaft.ph-weingarten.de/fileadmin/redaktuere/Subdomains/... · Experiment Ludwigsburg, den 15./16.6.2018 Nachvollziehen