Kitabı oku: «How to do empirische Sozialforschung»
utb 5595
utb.
Eine Arbeitsgemeinschaft der Verlage
Böhlau Verlag • Wien • Köln • Weimar
Verlag Barbara Budrich • Opladen • Toronto
facultas • Wien
Wilhelm Fink • Paderborn
Narr Francke Attempto Verlag / expert verlag • Tübingen
Haupt Verlag • Bern
Verlag Julius Klinkhardt • Bad Heilbrunn
Mohr Siebeck • Tübingen
Ernst Reinhardt Verlag • München
Ferdinand Schöningh • Paderborn
transcript Verlag • Bielefeld
Eugen Ulmer Verlag • Stuttgart
UVK Verlag • München
Vandenhoeck & Ruprecht • Göttingen
Waxmann • Münster • New York
wbv Publikation • Bielefeld
Wochenschau Verlag • Frankfurt am Main [1]

Mag. Dr. Claus Braunecker arbeitet seit mehr als drei Jahrzehnten als Instituts- und Betriebsmarktforscher in Österreich und lehrt seit vielen Jahren empirische Methoden, statistische Datenanalyse und SPSS am Institut für Publizistik- und Kommunikationswissenschaft der Universität Wien, an der Donau Universität Krems und an diversen Fachhochschulen.
Digitale Materialien (Beispiel-Fragebogen, Best-Practice-Beispiele u.a.) stehen kostenlos zur Verfügung unter:
https://www.utb-shop.de/9783825255954

https://www.howtodo.at

Dozent*nnen finden dort außerdem einen frei (um)gestaltbaren Foliensatz zur Unterstützung in der Lehre.
Bibliografische Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation
in der Deutschen Nationalbibliografie;
detaillierte bibliografische Daten sind im Internet unter
http://d-nb.de abrufbar.
© 2021 Facultas Verlags- und Buchhandels AG
facultas Verlag, Stolberggasse 26, 1050 Wien, österreich
Alle Rechte vorbehalten
Umschlag: Atelier Reichert, Stuttgart
Druck und Bindung: Friedrich Pustet, Regensburg
Printed in Germany
utb-Nummer 5595
ISBN 978-3-8252-5595-4 (Print-Ausgabe)
ISBN 978-3-8385-5595-9 (Online-Leserecht, erhältlich unter utb-shop.de) [4]
Inhalt
VORWORT
Der rote Faden der Empirie – die Inhalte dieses Buchs
1 | Thema, Erkenntnisinteresse(n), Forschungsfragen, Hypothesen
1.1 | Thema
1.2 | Erkenntnisinteresse(n), Erhebungsziel(e)
1.3 | Forschungsfragen, Hypothesen
1.3.1 | Forschungsfragen – die„Themenliste‟
1.3.2 | Hypothesen – die „Checkliste‟
2 | Qualitative und quantitative Forschungsmethoden
2.1 | Qualitative Methoden
2.2 | Quantitative Methoden
2.3 | Inhaltsanalyse
2.4 | Beobachtung
2.5 | Gruppendiskussion (Fokusgruppe)
2.6 | Qualitative Befragung
2.7 | Quantitative Befragung („Umfrage‟)
2.8 | Experimentelles Design
3 | Grundgesamtheit, Voll- oder Teilerhebung, Ethik und Datenschutz
3.1 | Grundgesamtheit
3.2 | Voll- oder Teilerhebung (Stichprobe)
3.2.1 | Vollerhebung
3.2.2 | Teilerhebung (Stichprobe)
3.3 | Forschungsethik und Datenschutz
3.3.1 | Forschungsethik
3.3.2 | Datenschutz
3.3.2.1 | Personenbezug von Daten
3.3.2.2 | Adressierung von Teilnehmenden
3.3.2.3 | Erhebung und Verarbeitung personenbezogener Daten
3.3.2.4 | Informationspflichten – die Datenschutzerklärung
3.3.2.5 | Rechte der Betroffenen
3.3.3 | Methodische Implikationen von Forschungsethik und Datenschutz.... [5]
4 | Repräsentativität, Arten von Stichproben
4.1 | Repräsentativität
4.1.1 | Stichprobengröße # Repräsentativität
4.1.2 | Repräsentativität in Zahlen
4.1.3 | Repräsentativität bei Online-Erhebungen
4.2 | Arten von Stichproben
4.2.1 | Zufällige Auswahl: Reine Zufallsstichproben
4.2.2 | Zufällige Auswahl: Vorgeschichtete Stichproben
4.2.3 | Exkurs: Gewichtung von Datensätzen
4.2.4 | Nicht zufällige Auswahl: Willkürliche Stichprobe
4.2.5 | Nicht zufällige Auswahl: Quotenstichprobe
4.3 | Inzidenz, Penetration, Durchdringungsgrad
4.4 | Mindestgröße von Stichproben
4.5 | Best Practice
4.5.1 | Repräsentative Samples in der Praxis
4.5.2 | Sample Points (Klumpenstichprobe)
4.5.3 | (Studentisches) „Viel-Zweck-Sample‟
5 | Statistische Schwankungsbreiten und Stichprobengrößen
5.1 | Schwankungsbreiten von Prozentwerten
5.1.1 | Schwankungsbreiten von Prozentwerten berechnen
5.1.2 | Schwankungsbreiten und Größe der Grundgesamtheit
5.1.3 | Theoretischer Hintergrund
5.2 | „Schwankungsbreiten‟ von Mittelwerten
5.3 | Ermittlung von Mindeststichprobengrößen
5.3.1 | Stichprobengröße und Größe der Grundgesamtheit
5.3.2 | Stichprobenausfälle (bei Zufallsstichproben)
5.3.3 | Mindeststichprobengröße selbst berechnen
5.3.3.1 | OHNE Einbeziehung der Grundgesamtheit
5.3.3.2 | MIT Einbeziehung der Grundgesamtheit
6 | Messen in der Sozialforschung
6.1 | Messbegriff, Skala
6.2 | Messniveaus (Skalenniveaus) und Datenanalyse
6.3 | Messniveaus (Skalenniveaus) im Detail
6.4 | Praktische Anwendung von Messniveaus
6.4.1 | Schulnotenskalen oder andere Skalen?
6.4.2 | Skalenbreite, gerade oder ungerade Anzahl von Skalenpositionen?..
6.4.3 | Eigenschaften bipolar abfragen, Skalierungsrichtung wechseln?
6.5 | Indikatoren, Einstellungsskalen und Gütekriterien
6.5.1 | Validität
6.5.2 | Reliabilität [6]
6.5.3 | Objektivität
6.5.4 | Skalierungsverfahren
7 | Leitfaden, Fragebogen
7.1 | Zuerst das „WAS‟, dann erst das „WIE‟!
7.2 | Qualitativ oder quantitativ – Leitfaden oder Fragebogen
7.2.1 | Gesprächs- und Diskussionsleitfaden
7.2.2 | Fragebogen
7.3 | Gestaltung von Fragebogen und Online-Formular
7.3.1 | Regeln für professionelle Fragebögen
7.3.2 | Arten von Fragen: Fragetypen
7.3.2.1 | Fragen, die den Gesprächsverlauf lenken
7.3.2.2 | Offene und geschlossene Fragen
7.3.2.3 | Skalenfragen
7.3.2.4 | Spontane und gestützte Abfragen
7.3.2.5 | Direkte und indirekte Fragen
7.3.2.6 | Manipulative Fragestellungen
7.4 | Erhebungssoftware
7.5 | Pretest
8 | Datenanalyse, Ergebnisdarstellung
8.1 | Datenanalyse-Techniken
8.1.1 | Qualitative Datenanalyse
8.1.2 | Quantitative Datenanalyse
8.1.2.1 | Häufigkeitszählungen
8.1.2.2 | Mittelwertsberechnungen
8.1.2.3 | Kreuztabellen
8.1.2.4 | Mittelwertsvergleiche
8.1.2.5 | Korrelationen
8.1.3 | Datenanalyse forschungsfragen-/hypothesenkonsistent planen
8.2 | Gesamtüberblick und Ergebnisdarstellung
8.2.1 | Summary
8.2.2 | Erhebungsdetails
8.2.3 | Textliche Interpretationen
8.2.4 | Diagramme
9 | Umsetzungs-Tipps für die Praxis
LITERATURVERZEICHNIS
ABBILDUNGSVERZEICHNIS
STICHWORTVERZEICHNIS [7]
VORWORT
2016 erschien das „Vorgänger“-Buch zu diesem: How to do Empirie, how to do SPSS. Eine Gebrauchsanleitung. Sein Ziel war es, doppelt Hilfe zu bieten – bei der Konzeption einer Erhebung UND bzw. ODER bei der Datenanalyse. Der große Erfolg dieses Werks – vom Autor liebevoll How to do genannt – legte eine Fortführung sehr nahe.
Eine zweite (überarbeitete) Auflage wäre leicht, aber nicht besonders herausfordernd gewesen. Viel spannender war es, How to do weiterzuentwickeln – mit allen Erfahrungen und Rückmeldungen, die seit dem Erscheinen gesammelt werden konnten. Bald stand das neue Konzept fest: Wir teilen das „Doppel-Buch“ der Erstauflage und lassen daraus zwei eigenständige Publikationen entstehen, eine für Empirie und eine für Statistik und Datenanalyse (mit SPSS). Also das hier vorliegende Druckwerk und das zeitgleich erscheinende mit dem Titel How to do Statistik und SPSS. Eine Gebrauchsanleitung.
Warum das? Wir haben beobachtet, wie How to do verwendet wurde: Die Nutzung des Buchs hat sich oft auf einen der beiden Teile konzentriert. Viele müssen empirische Sozialforschung zunächst KONZIPIEREN. Datenanalyse liegt dabei noch in der Ferne. Erst dann, wenn die AUSWERTUNG ansteht, rücken Statistik und Tools wie SPSS näher.
Deshalb versorgen wir unsere Zielgruppe(n) jetzt „phasengerecht‟, denn:
– Zwei Bücher erlauben es, die Inhalte noch mehr zu schärfen und zu präzisieren.
– Halb so viele Seiten vermitteln weniger „Oh, da muss ich aber viel lesen ...‟.
Das verbindende Element bleibt natürlich bestehen! Beide Bücher sind nach wie vor so gestaltet, dass sie ein großes Ganzes ergeben – einzeln oder kombiniert verwendbar.
Hier liegt nun also das „Empirie-Buch‟ vor. Es will rasch und effizient sozial- oder wirtschaftswissenschaftliche Kenntnisse der empirischen Sozialforschung vermitteln. Viele suchen Orientierung, wie sie eine bevorstehende Bachelorarbeit, Master-Thesis oder Dissertation anlegen sollen. Andere wollen freiwillig oder unfreiwillig ihre Empirie-Kenntnisse vertiefen oder auffrischen. Sie alle werden mit diesem Werk „abgeholt‟.
Niemand soll alles lesen müssen! Viele Verweise verknüpfen deshalb thematisch verwandte Passagen. Somit ist an jeder Stelle ein individuell motivierter Einstieg möglich.
40 Abbildungen, weiterführende Literaturhinweise (mit Seitenangaben) und ein schlagwortoptimiertes Stichwortverzeichnis ergänzen die leicht lesbare, verständliche Gebrauchsanleitung. Frei zugängliche Downloads (Beispiel-Fragebogen, Best-Practice-Beispiele, Vorlagen für tabellarische und grafische Ergebnisdarstellungen, weitergestaltbare Empirie-Slides als Präsentationsvorlage usw.) unter howtodo.at bzw. www.utb-shop.de/9783825255954 runden das „empirische Gesamtpaket‟ ab.
[8]
Warum ist dieses Buch entstanden? ‒ Persönliche Worte des Autors:

Empirie und SPSS begleiteten mein Ausbildungs- und gesamtes bisheriges Berufsleben. Seit meinem Studium der Kommunikationswissenschaft in den 1980ern arbeite ich als Instituts- und Betriebsmarktforscher in österreich. Seit vielen Jahren unterrichte ich an Unis und FHs, berate Studierende unterschiedlicher Jahrgänge, Semester und Studienrichtungen im Umgang mit der empirischen Sozialforschung, Statistik und Datenanalyse. Planung, Auswertung und Interpretation von Erhebungen zählen zu meiner alltäglichen Berufs- und Vermittlungs-Routine. Immer wieder neue Fragen und Problemstellungen führten mich dazu, mein erstes Buch zu schärfen und neu entstehen zu lassen.
Die Gliederung und Aufbereitung orientieren sich an meinen Erfahrungen in Wirtschaft und Wissenschaft. Die Darstellung der Themen hat bei sehr vielen Menschen – unterschiedlichen Alters, mit mannigfaltigen Zugängen, mit und ohne Vorwissen – für wiederholt positives Feedback gesorgt. Fortgeschrittenere Lesende mögen manche Ausführung vielleicht als zu „vereinfacht‟ empfinden. Sie seien um Verständnis gebeten: Es ging mir um das verständliche Vermitteln der Inhalte an nicht (mehr) oder wenig(er) Involvierte.
GANZ besonderer Dank (in alphabetischer Reihenfolge) an • Mag. Jennifer Braunecker, Tochter und Juristin und • Mag. Dr. Rosemarie Nowak, Donau-Universität Krems, Lehrgangsleiterin am Department für Wissens- und Kommunikationsmanagement! Ihr beider „Intensiv-Lektorat‟ des fast finalen Werks hat für unermessliche Inputs gesorgt!
WIRKLICH großer Dank gebührt auch der Verlagslektorin dieses Buchs • Mag. Sandra Illibauer-Aichinger. Sie begleitet die How to do's (und mich) von Anbeginn an. Wirklich viel vom Erfolg der Erstauflage und von der Gestaltung dieses Werks ist ihr persönlich zuzuschreiben!
Vielen herzlichen Dank für ihre wertvollen und spezifischen Inputs richte ich auch an
• Mag. Bernhard Burger, Arbeitskollege in Wirtschaft und Wissenschaft • PD Mag. Dr. Petra Herczeg, Universität Wien, Vizestudienprogrammleiterin Publizistik- und Kommunikationswissenschaft • Mag. Ursula Illibauer, Juristin und Datenschutzexpertin in Wirtschaft und Wissenschaft • Prof. (FH) Mag. (FH) Claudia Kummer, MSc, Hochschullehrerin, Department Wirtschaft der FH Burgenland • Ass.-Prof. Ing. Mag. Dr. Klaus Lojka, Universität Wien, Studienprogrammleiter Publizistik- und Kommunikationswissenschaft • PD Dr. Dr. Julia Wippersberg, Vizestudienpräses der Universität Wien • Mag. (FH) Markus Zimmer, Inhaber und Geschäftsführer von BuzzValue – New Media Research.
Alle genannten Personen aus Wissenschaft und Praxis haben mich über die Jahre immer wieder mit ihren Tipps, Ratschlägen und Kontakten unterstützt und dabei geholfen, How to do weiterzuentwickeln. Danke dafür!
| Wien, im März 2021 | Mag. Dr. Claus Braunecker [9] |
Der rote Faden der Empirie ‒ die Inhalte dieses Buchs

Abbildung 1: Jedes empirische Vorhaben benötigt einen roten Faden
Jedes empirische Forschungsvorhaben – ob in Wirtschaft oder Wissenschaft – benötigt einen roten Faden. Abbildung 1 veranschaulicht die einzelnen Schritte jeder empirischen Sozialforschung: Jedes Detail – von der ersten Forschungsidee bis zur Ergebnispräsentation – MUSS dem roten Faden folgen! Jeder einzelne Puzzlestein leistet seinen Beitrag und kann die anderen Phasen mehr oder weniger stark beeinflussen.
So können z.B. nachträgliche änderungen an den Erkenntnisinteressen die gesamte bisher geplante Methodik ad absurdum führen.
Eine (nur kleine) änderung im Fragebogen (nach Erhebungsstart) macht die ursprünglich beabsichtigte Auswertung unmöglich. Dadurch kann in weiterer Folge eine Forschungsfrage nicht mehr beantwortet werden.
Eine fehlerhafte Stichprobenziehung führt dazu, Ergebnisse völlig falsch zu interpretieren.
Aus allen diesen Gründen folgt auch der Aufbau dieses Buchs einem roten Faden. Im Detail geht es dabei um die folgenden Prozessschritte:
Jedes Forschungsvorhaben besitzt 1. ein Thema mit Erkenntnisinteresse (ab Seite 13).
Aus diesem Erkenntnisinteresse werden 2. Forschungsfrage(n) und/oder Hypothese(n) abgeleitet (ab Seite 14). Das erfolgt in der Wirtschaft aus sachlichen Zusammenhängen, in der [10] Wissenschaft im Zuge eingehender Literaturrecherchen. Forschungsfragen bzw. Hypothesen weisen der späteren Datenanalyse den Weg (ab Seite 142).
Parallel dazu, manchmal vor, manchmal nach dem 2. Schritt, lässt sich 3. eine passende Forschungsmethodik, ein sinnvolles qualitatives oder quantitatives Forschungsdesign (ab Seite 22) festmachen. Dieses wird auch Setting genannt und soll die Forschungsfragen möglichst effizient beantworten bzw. die Hypothesen möglichst zielgerichtet einer Prüfung zuführen.
In Wechselwirkung mit dem Setting steht 4. die genaue Definition der Grundgesamtheit (ab Seite 41). Damit zusammenhängend erfolgt die Entscheidung über eine Vollerhebung (ab Seite 43) oder eine bei qualitativen Verfahren meist willkürliche Auswahl (ab Seite 68). Bei quantitativen Designs sind Stichproben im Idealfall zufällig (ab Seite 63) oder Quotenstichproben (ab Seite 68).
Sind Methodik und Stichprobenverfahren festgelegt, ist auch der Weg für 5. das Erhebungsinstrument – Fragebogen, Leitfaden, Codierschema oder Protokollbogen – vorgezeichnet. Damit das Erhebungsinstrument mit den Forschungsfragen und/oder Hypothesen korrespondiert, müssen die Fragen oder Erhebungsdimensionen „Passgenauigkeit‟ besitzen. Hier ist neben der exakten inhaltlichen Abdeckung der Erkenntnisinteressen (ab Seite 110) auch die Skalenform der Erhebungsinhalte (ab Seite 97 und ab Seite 142) von hoher Bedeutung.
Beim 6. Pretest wird das Erhebungsinstrument auf Praxistauglichkeit überprüft (Seite 133). Funktioniert es nicht zufriedenstellend, muss es noch einmal überarbeitet werden. Gibt der Pretest das Erhebungsinstrument „frei‟, kann die Datenerhebung (Feldarbeit) starten.
In der Phase der 7. Datenerfassung muss die Kontrolle erfolgen, ob die Vollerhebung wirklich „voll‟ erhoben hat bzw. ob die Stichprobe zufriedenstellenden Rücklauf verzeichnet (Braunecker 20211: 25ff.). Vor allem quantitative Daten müssen vor der Auswertung sehr oft repräsentativ sein (ab Seite 55).
Liegen (dann) Daten vor, folgt deren 8. technische Auswertung (ab Seite 134 und im Detail Braunecker 2021).
Im Zuge der Auswertung finden 9. Ergebnisinterpretation (ab Seite 145), Beantwortung der Forschungsfragen und Hypothesenprüfung (ab Seite 142 und im Detail Braunecker 2021) statt.
Erst dann werden 10. die Ergebnisse möglichst plakativ aufbereitet und derart präsentiert, dass sie möglichst alle Erkenntnisinteressen abdecken und die erforderlichen Antworten auf die Forschungsfragen und Hypothesen geben (ab Seite 145).
Alle Phasen einer Erhebung müssen wie ein Puzzle ineinandergreifen und aufeinander abgestimmt sein. Veränderungen nur einer Phase können – manchmal sogar auch rückwirkend – andere Phasen beeinflussen.
[11]
Empirische Erhebungen sind meist speziell und individuell. Sie folgen in ihrem grundsätzlichen Setting aber immer festlegbaren Kriterien: Die Erläuterungen in allen weiteren Abschnitten dieses Buchs zur Planung, Durchführung, Auswertung und Ergebnisinterpretation von Erhebungen können deshalb sinngemäß auf alle – in Kapitel 2 vorgestellten – Forschungsmethoden umgelegt werden.
Die im Buch angeführten Beispiele zeigen meist nur EINE von vielen Möglichkeiten der Umsetzung. Jedes empirische Vorhaben ist eine „Maßanfertigung‟. Immer stehen individuelle Erkenntnisinteressen, Forschungsfragen und Hypothesen im Vordergrund! Es gibt (fast) immer mehrere Umsetzungsmöglichkeiten.
1 Parallel zu diesem Werk erscheint das Buch Braunecker, Claus (2021): How to do Statistik und SPSS. Eine Gebrauchsanleitung. Wien: facultas. Beide Bände haben das Ziel, den gesamten roten Faden der empirischen Sozialforschung zu spannen – von der ersten Forschungsidee bis zur statistischen Datenanalyse mit der Datenanalysesoftware SPSS. [12]
1 | Thema, Erkenntnisinteresse(n), Forschungsfragen, Hypothesen
... in diesem Kapitel geht's um:
| ● Thema: Basis für das gesamte Vorgehen • muss neue Detailaspekte beleuchten • darf keine Kopie bereits durchgeführter empirischer Erhebungen sein • nicht zu breit anlegen |
| ● Erkenntnisinteresse(n): Erhebungsziele kurz und exakt formulieren • Grundlage für Forschungsfragen und/oder Hypothesen |
| ● Forschungsfragen ‒ sind zu beantworten: müssen VOR dem Erhebungsinstrument festgelegt werden • wie eine „Themenliste“ • neutrales Erkenntnisinteresse in Frageform • Aufteilung in Subdimensionen ratsam • besser „Welcher Zusammenhang ...“ als „Gibt es einen Zusammenhang ...“ |
| ● Hypothesen ‒ sind zu prüfen: müssen VOR dem Erhebungsinstrument festgelegt werden • wie eine „Prüfliste“ • Annahmen aufgrund von Basiswissen • Wahrscheinlichkeitsaussagen • ungerichtet oder (präziser) gerichtet mit vermuteter Art des Zusammenhangs • Aufteilung in Subdimensionen ratsam • inhaltliche ≠ statistische (für Signifikanzprüfung) Hypothesen • besser „Wenn-Dann“- und „Je- Desto“-Formulierung als ein Aussagesatz |
„Wir brauchen rasch eine Umfrage‟ – und schon wird in der oft schnelllebigen Wirtschaft ein Online-Formular erstellt.
Empirische Sozialforschung sollte nicht unüberlegt starten! Ist Empirie Teil einer wissenschaftlichen Arbeit, darf sie niemals „einfach so‟ beginnen! Zuerst werden alle Details spezifiziert, dann erst kann die konkrete Umsetzung in Form einer Forschungsmethode erfolgen (vgl. Kapitel „2 | Qualitative und quantitative Forschungsmethoden‟ ab Seite 22).
In der Wissenschaft2 erfolgt vor jeder empirischen Erhebung eine exakte, ausführliche Problemdefinition. VOR jeder Erhebung müssen alle interessierenden Details feststehen. Erst dann, wenn alle Erkenntnisinteressen bzw. genauen Fragestellungen vorliegen, kann das konkrete Erhebungsinstrument im konkreten Wortlaut ausformuliert werden (= Operationalisierung).
Nun erst wird ein Fragebogen oder Leitfaden (vgl. Kapitel „7 | Leitfaden, Fragebogen‟ ab Seite 110) erstellt, ein Codierschema (vgl. Abbildung 3 auf Seite 26) entwickelt oder ein Beobachtungsprotokoll (vgl. Abbildung 5 auf Seite 31) entworfen.
1.1 | Thema
Jedes (wissenschaftlich) empirische Vorhaben benötigt zuallererst ein Thema, eine Problemstellung. Das Thema stellt die Basis für das gesamte weitere Vorgehen dar (vgl. [13] HERCZEG/WIPPERSBERG 2019: 71FF.). Dabei ist es wichtig, sich die Erforschung eines neuen Detailaspektes vorzunehmen (ebd.) und nicht bereits vorhandene Empirie zu „kopieren‟.
Das Thema darf nicht zu breit oder zu allgemein angelegt und formuliert werden. Sonst ist es mit vertretbarem Aufwand nicht mehr (empirisch) „behandelbar‟. Drei Beispiele für „gute‟ empirische – jeweils im Rahmen einer Masterarbeit erforschte – Themen:
„Sprache in der internen Veränderungskommunikation. Eine kritische Betrachtung unter linguistischen und kommunikationswissenschaftlichen Gesichtspunkten am Beispiel formeller, schriftlicher Kommunikation in deutschen Industrieunternehmen.‟(Sturm 2019)
„Sponsoring im Spitzensport. Der gegenwärtige Stellenwert von Sportsponsoring in österreich, in Bezug auf die Rolle von Sponsoringagenturen. Eine Fallstudie anhand der Erste Bank Open.‟ (Haas 2018)
„Informationswahrnehmung von Online-Wein-Shoppern: eine Eye-Tracking Studie mit Think-Aloud Technik.‟(Horvath 2015)
1.2 | Erkenntnisinteresse(n), Erhebungsziel(e)
Ist das Thema erarbeitet, müssen im nächsten Schritt die genauen Erkenntnisinteressen bzw. Erhebungsziele definiert werden. Das geschieht am besten einfach, klar, mit wenigen Sätzen (vgl. Herczeg/Wippersberg 2019: 80). Exakt formulierte Erkenntnisinteressen3 sind essentiell für wissenschaftliches Arbeiten – und damit auch für jede empirische Erhebung. Sie stellen die inhaltliche Klammer dar, an der Forschungsfragen und Hypothesen andocken.
1.3 | Forschungsfragen, Hypothesen
Wer (weiterhin) beim Wesentlichen bleiben und das Vorhaben nicht versehentlich an den Erkenntnisinteressen „vorbeilenken‟ möchte, formuliert im nächsten Schritt am besten Forschungsfragen (Programmfragen4) und/oder Hypothesen. Diese stellen vorerst nur eine Art Themenkatalog dar. Sie werden indirekt, also üBER jemanden oder etwas formuliert.
Im Falle z.B. einer Befragung wird zunächst noch keine Frage direkt an die Befragten gerichtet, sondern zunächst z.B. eine Forschungsfrage üBER sie artikuliert. Also nicht: „Wie ist Ihr Leseverhalten ‟, sondern: „ Wie ist das Leseverhalten von ...‟.
Eine derartige Themenabgrenzung ist essenziell notwendig, um einerseits Antworten auf ALLE Fragestellungen zu finden, andererseits KEINE Antworten auf NICHT VORHANDENE Fragen zu generieren.
Forschungsfragen bzw. Hypothesen stehen mit der Erhebung in Wechselwirkung: Eine Erhebung, die Forschungsfragen nicht beantworten oder Hypothesen nicht prüfen kann, geht [14] am Ziel vorbei. Umgekehrt zielen Forschungsfragen oder Hypothesen, die an der Erhebung „vorbei‟ formuliert werden, ins Leere.
Wer wissenschaftlich vorgeht, leitet aus den Erkenntnisinteressen zuerst Forschungsfragen und/oder Hypothesen ab. Erst dann ergeben sich aus ihnen und in weiterer Folge die empirische Methode, das Erhebungsinstrument und dessen genaue Inhalte.
Für das Erhebungsinstrument sind also die Forschungsfragen bzw. Hypothesen verantwortlich: Aus ihnen resultieren die konkreten Fragen im Fragebogen oder Leitfaden, die Dimensionen im Codierschema oder die Details im Beobachtungsprotokoll. Ziemlich oft wird allerdings der Fehler begangen, Methode, Erhebungsinstrument oder dessen Inhalte bereits festzulegen, bevor die Forschungsfragen bzw. Hypothesen fixiert sind.
Forschungsfragen bzw. Hypothesen sind für die Operationalisierung des gesamten empirischen Vorhabens verantwortlich: Wo bzw. bei wem wird in welcher Form was genau erhoben? Deshalb sollten sie derart formuliert sein, dass sie den Rahmen für die Erhebung sehr präzise abstecken.
Es ist (bei empirischen Erhebungen) ratsam, Forschungsfragen und Hypothesen in ihre thematischen Details aufzusplitten und explizit Sub-Forschungsfragen bzw. -Hypothesen zu formulieren. Das ermöglicht eine deutlich präzisere Gestaltung des Erhebungsinstruments und später eine maßgeschneiderte Datenanalyse.5
Ein Fragebogen, Leitfaden, Codierschema oder Beobachtungsprotokoll benötigt nicht weniger, auch nicht mehr, sondern genau so viele Fragen bzw. Merkmale, wie zur Abdeckung der Forschungsfragen und/oder Hypothesen erforderlich sind. Nicht jede Forschungsfrage bedingt eine Hypothese, nicht jede Hypothese eine Forschungsfrage.
Beide – Forschungsfragen und Hypothesen – stehen am Beginn der Forschung. Beide werden aus Theorie (Literatur) und/oder anderer Vorrecherche (vorliegenden empirischen oder anderen Sekundärdaten) abgeleitet. Worin liegt dann aber ihr Unterschied?
1.3.1 | Forschungsfragen – die „Themenliste‟
Forschungsfragen drücken ein neutrales Erkenntnisinteresse in Frageform aus. Sie definieren die genauen Inhalte und Formulierungen im Erhebungsinstrument (Fragebogen, Leitfaden, Codierschema, Beobachtungsprotokoll). Empirie beantwortet Forschungsfragen.
Auf Forschungsfragen baut jede empirische Erhebung auf. Sie geben vor, was genau betrachtet werden soll und was nicht. Auch in der Wirtschaft ist es sinnvoll, vor der Durchführung von Empirie zumindest eine Themenliste zu erstellen, welche Fragestellungen abgedeckt werden sollen. Forschungsfragen (bzw. Themenlisten) sind sowohl bei qualitativen als auch quantitativen Erhebungen notwendig (vgl. Kapitel „2 | Qualitative und quantitative Forschungsmethoden‟ ab Seite 22).
Der Beantwortung von Forschungsfragen sollte Raum gelassen werden: Deshalb ist es besser, sie sinngemäß als: „Welcher Zusammenhang besteht zwischen ...?‟ zu formulieren als:
[15] „Gibt es einen Zusammenhang zwischen ...?“. Oder besser: „Welche Unterschiede gibt es ...?‟anstelle: „Gibt es Unterschiede...?‟. Die beiden letzteren Formulierungen münden bloß in einfache Ja/Nein-Antworten, OB die Empirie einen Zusammenhang oder Unterschied festmachen konnte oder nicht. Die „W‟-Fragen hingegen lassen Platz für konkrete Ausführungen, WELCHER Zusammenhang bzw. Unterschied identifiziert werden konnte.
Im Folgenden werden beispielhafte Forschungsfragen (FF) angeführt. FF 1.1 bis FF 1.3 wären in einer quantitativen Bevölkerungsumfrage mit den ersten drei Fragen des Fragebogens6 auf Seite 101f. (vgl. Abbildung 27 und 28) messbar – also operationalisier- und datenanalytisch beantwortbar. Die Aufteilung der Forschungsfragen in drei Sub-Dimensionen könnte auf vorangegangenen Literaturrecherchen7 beruhen.
FF 1: Wie groß ist die Leseaffinität8 der österreichischen Wohnbevölkerung?
FF 1.1: Wie groß ist die Leseaffinität generell?
Frage 1
FF 1.2 : Wie groß ist die Leseaffinität in Bezug auf Belletristik?
Frage 2
FF 1.3: Wie groß ist die Leseaffinität in Bezug auf Fachliteratur?
Frage 3
Derselbe Fragebogen könnte unter anderen auch aus folgenden weiteren Forschungsfragen operationalisiert worden sein. Die mit den Forschungsfragen korrespondierenden Fragebogen-Fragen sind jeweils wieder mit
gekennzeichnet.
FF 2 : Welche spontanen Anforderungen stellen österreichische Fachbuch-Leserinnen und -Leser an Fachbücher?
Frage 5 (nur für Datensätze mit „JA‟ bei Frage 3)
FF 3 : Wie hoch sind die halbjährlichen Ausgaben österreichischer Fachbuch-Leserinnen und -Leser für Fachliteratur?
Frage 8 (nur für Datensätze mit „JA‟ bei Frage 3)
FF 4 : Welchen Zusammenhang gibt es zwischen der Leseaffinität der österreichischen Wohnbevölkerung und ihrem Konsum von Literatur?
FF 4.1 : Welchen Zusammenhang gibt es [zwischen der Leseaffinität der österreichischen Wohnbevölkerung] und ihrem Konsum von Belletristik?
Fragen 1 und 2 [16]
FF 4.2: Welchen Zusammenhang gibt es […] und ihrem Konsum von Fachliteratur?
Fragen 1 und 3
FF 5 : Welche Meinung hat [die österreichische Wohnbevölkerung über Fachbücher] generell?
Frage 9, alle Items
Setzt sich die mit Forschungsfrage 5 angesprochene „generelle Meinung‟aus vier Dimensionen zusammen – z.B. persönliche (subjektive) Wahrnehmung, formale Aspekte, inhaltliche, und anwendungsbezogene Aspekte -, wären folgende Detaillierungen möglich:
FF 5.1 : Welche Meinung hat [...] in Bezug auf die eigene, subjektive Wahrnehmung?
Frage 9, Items 9.1, 9.4 und 9.9
FF 5.2 : Welche Meinung hat [...] in Bezug auf formale Aspekte?
Frage 9, Items 9.2 und 9.8
FF 5.3: Welche Meinung hat [...] in Bezug auf inhaltliche Aspekte?
Frage 9, Items 9.3 und 9.5
FF 5.4 : Welche Meinung hat [...] in Bezug auf anwendungsbezogene Aspekte?
Frage 9, Items 9.6 und 9.7
Datenanalytische Grundlagen zur Beantwortung der Forschungsfragen finden sich überblicksmäßig in den Kapiteln „6.2 | Messniveaus (Skalenniveaus) und Datenanalyse‟ ab Seite 97 sowie „8.1.3 | Datenanalyse forschungsfragen-/hypothesenkonsistent planen‟ ab Seite 142 und im Detail bei Braunecker 2021: 191ff.
1.3.2 | Hypothesen – die „Checkliste‟
Hypothesen stellen Annahmen bzw. Behauptungen auf, die auf Basiswissen (aus Vorerhebungen, Literatur usw.) beruhen. Sie sind „vermutete Antworten auf Forschungsfragen‟ (Vgl. Herczeg/Wippersberg 2019: 91). Empirie prüft Hypothesen.
Qualitative Erhebungen (vgl. Seite 22) zielen darauf ab, Hypothesen zu entwickeln, aus gewonnenen Daten neue Hypothesen aufzustellen (zu generieren). Quantitative Erhebungen (vgl. Seite 23) prüfen bereits vorhandene (aus Literatur oder anderen Vorrecherchen erstellte) Hypothesen anhand gewonnener, NEUER Daten.
Hypothesen (und Forschungsfragen) dürfen niemals mit denselben Daten überprüft (beantwortet) werden, aus denen sie erstellt wurden!
Hypothesen sind – in der empirischen Sozialforschung – Vermutungen über Ergebnisse von Datenerhebungen. Eine Hypothese formuliert das, was untersucht werden soll, als (wissenschaftlich) theoriegestützt überprüfbare Aussage. Damit ihre überprüfung klar definiert und gut möglich ist, sollten Hypothesen möglichst kurz und leicht fassbar ausgedrückt sein.
In den Sozialwissenschaften sind Hypothesen fast immer probabilistisch: Sie sind Wahrscheinlichkeitsaussagen und erheben damit keinen Anspruch auf Gesetzmäßigkeit.9 [17]
Angenommen, deutsche Studien haben ergeben: Menschen, die gerne lesen, konsumieren eher Fachliteratur als andere. Eine österreichische Studie könnte somit – unter ähnlichen Bedingungen – die Hypothese aufstellen: Auch in österreich konsumieren Personen, die generell gerne lesen, eher Fachliteratur als andere. Die Wahrscheinlichkeit, in der österreichischen Bevölkerung Fachbuchkonsumierende zu finden, müsste also bei jenen Personen, die generell gerne lesen, größer sein, als bei den anderen, die nicht gerne lesen.
Warum wird hier von Wahrscheinlichkeiten gesprochen? In der realen Welt wird es Personen geben, die gerne lesen und dementsprechend auch Fachbücher lesen. Aber auch bei Personen, die NICHT gerne lesen, wird Fachbuchkonsum feststellbar sein. Umgekehrt werden andere zwar gerne lesen, aber keine Fachliteratur: Nicht alle, die gerne lesen, müssen „automatisch‟ auch Fachbücher lesen – nur: Die Wahrscheinlichkeit ist einfach größer, in der Gruppe gerne Lesender Personen zu finden, die auch Fachbücher lesen.
Derartige Wahrscheinlichkeitsaussagen könnten zunächst als „Hypothese‟ in einem eher noch allgemeinen, nicht sehr wissenschaftlichen Sprachgebrauch artikuliert werden:
In der österreichischen Wohnbevölkerung gibt es einen Zusammenhang zwischen Leseaffinität und Fachbuchkonsum.
Diese Hypothese ist ungerichtet. Sie vermutet einen Zusammenhang, gibt aber nicht an, welchen. Es könnte somit sein, dass Menschen, die gerne lesen, auch mehr bzw. öfter Fachliteratur lesen als andere. Ebenso möglich wäre aber auch: Menschen, die gerne lesen, lesen lieber andere Texte – also eher weniger bzw. seltener Fachbücher als andere.
Ein wissenschaftliches Wording geht über reine Aussagen hinaus. Bei Hypothesen verbreitet sind Konditional- („Wenn-Dann‟) und Vergleichssätze („Je-Desto‟). Die obenstehende Hypothese (H) – nach wie vor ungerichtet, aber wissenschaftlicher – formuliert: 10
H I: Wenn Personen gerne lesen, dann unterscheiden sie sich in ihrem Fachbuch-Konsum von anderen Personen.
Fragen 1 und 3
Aus einer hingegen gerichteten Betrachtung könnte folgende Hypothese resultieren:
H I: Wenn Personen gerne lesen, dann lesen sie eher Fachliteratur, als wenn sie nicht gerne lesen.
Fragen 1 und 3
Hier wird – präziser – auch die RICHTUNG des vermuteten Zusammenhangs angegeben: Gerne lesen bedeutet eher auch Fachbuch lesen (und umgekehrt).
Beide Hypothesen – die gerichtete und ungerichtete – sind inhaltliche Hypothesen und wären in einer quantitativen Bevölkerungsumfrage mit der ersten und dritten Frage des Fragebogens auf Seite 101f. (vgl. Abbildung 27 und 28, Anmerkungen zum Fragebogen in FUßNOTE 6 auf Seite 16) abgedeckt. [18]
Hypothesen beinhalten den vermuteten Zusammenhang von zumindest zwei Merkmalen (vgl. Herczeg/Wippersberg 2019: 92; Karmasin/Ribing 2019: 90).
Um Hypothesen datenanalytisch exakt prüfen zu können, gibt es auch statistische Hypothesen: Diese fokussieren bereits auf die konkrete Operationalisierung – z.B. auf die Art und Formulierung der Fragen in einem Fragebogen – und damit in weiterer Folge auf die spätere Technik der Ergebnisauswertung. Statistische Hypothesen dienen der Signifikanzprüfung und könnten im angeführten Beispiel lauten:
Ho: Statistische Nullhypothese: Der Prozentanteil von Personen, die jährlich Fachbücher lesen, ist unter jenen, die gerne lesen, gleich (ähnlich) wie unter jenen, die nicht gerne lesen.
Ha bzw. Hi: Statistische (gerichtete) Alternativhypothese: Der Prozentanteil von Personen, die jährlich Fachbücher lesen, ist unter jenen, die gerne lesen, höher als unter jenen, die nicht gerne lesen.
Eine Nullhypothese geht von KEINEM (realen) Unterschied zwischen Vergleichsgruppen und damit keinem Merkmalszusammenhang aus. Die Alternativhypothese vermutet EINEN Unterschied zwischen Vergleichsgruppen: Sie geht von einem Zusammenhang zwischen einem unabhängigen (oft gruppenbildenden) Merkmal (im obigen Beispiel: Personen, die gerne lesen) und einem abhängigen Merkmal (im Beispiel: Personen, die Fachbücher konsumieren) aus. Oft lässt sich nicht festlegen, welches Merkmal das abhängige und welches das unabhängige ist – dann muss der Forschungskonnex entscheiden.11
Weitere – inhaltliche und statistische – Hypothesen wären folgendermaßen formulierbar:
HII: Wenn Personen gerne lesen, dann lesen sie jährlich mehr Bücher, als wenn sie nicht gerne lesen.
Fragen 1 und 16
Ho: Statistische Nullhypothese: Der Mittelwert der jährlichen Bücher-Lesemenge ist bei jenen, die gerne lesen, gleich groß (ähnlich) wie bei jenen, die nicht gerne lesen.
HA bzw. H1: Statistische (gerichtete) Alternativhypothese: Der Mittelwert der jährlichen Lesemenge an Büchern ist bei jenen, die gerne lesen, höher als bei jenen, die nicht gerne lesen.
H III: Je älter Personen sind, desto mehr Bücher pro Jahr lesen sie.
Fragen 14 und 16
Ho: Statistische Nullhypothese: Es gibt keinen zahlenmäßigen Zusammenhang (keine Korrelation) zwischen Alter und der Anzahl gelesener Bücher pro Jahr.
HA bzw. H1: Statistische (gerichtete) Alternativhypothese: Es gibt einen positiven zahlenmäßigen Zusammenhang (positive Korrelation) zwischen Alter und der Anzahl gelesener Bücher pro Jahr.
H II und H III in sind beide gerichtet und könnten mit den Fragen 1, 14 und 16 des Fragebogens auf Seite 101f. operationalisiert werden. [19]
Wie Forschungsfragen können – und sollten ‒ auch thematisch „breitere“ Hypothesen in ihre Sub-Details „zerlegt‟ bzw. untergliedert werden. In Analogie zu den Forschungsfragen erhöht das bei der späteren Datenanalyse deutlich deren Passgenauigkeit.
Möglich wäre eine weitere inhaltliche, ungerichtete Haupt-Hypothese – die korrespondierenden Fragebogen-Fragen sind wieder mit
gekennzeichnet:
H IV: Wenn Personen Bücher [lieber in der Buchhandlung kaufen], dann haben sie generell [andere Anforderungen an Fachbücher, als wenn sie sie lieber im Versandhandel kaufen].
Frage 4 und Frage 6, alle Items
Setzen sich die durch die Hypothese angesprochenen „Anforderungen‟ aus vier Dimensionen zusammen – z.B. persönliche (subjektive) Wahrnehmung, formale Aspekte, inhaltliche, und anwendungsbezogene Aspekte, wären folgende Detaillierungen möglich:
H IV .1 : Wenn Personen [...], dann haben sie in Bezug auf ihre persönliche bzw. subjektive Wahrnehmung [...].
Frage 4 und Frage 6, Items 6.1, 6.4 und 6.9
H IV.2: Wenn Personen [...], dann haben sie in Bezug auf formale Aspekte [...].
Frage 4 und Frage 6, Items 6.2 und 6.8
H IV.3: Wenn Personen [...], dann haben sie in Bezug auf inhaltliche Aspekte [...].
Frage 4 und Frage 6, Items 6.3 und 6.5
H IV.4: Wenn Personen [...], dann haben sie in Bezug auf anwendungsbezogene Aspekte [...].
Frage 4 und Frage 6, Items 6.6 und 6.7
Generell müssen bzw. sollten Hypothesen – wie bereits weiter oben erwähnt – als „Wenn- Dann‟- oder „Je-Desto‟-Regeln formuliert werden.12 Der Vorteil dieser Wordings liegt vor allem auch in der größeren Klarheit für die spätere Datenanalyse zur Hypothesenprüfung (vgl. überblicksmäßig die Kapitel „6.2 | Messniveaus (Skalenniveaus) und Datenanalyse‟ ab Seite 97 sowie „8.1.3 | Datenanalyse forschungsfragen-/hypothesenkonsistent planen‟ ab Seite 142 und im Detail bei Braunecker 2021: 191ff.).
Hypothesen formulieren allgemein und können deshalb niemals vollkommen verifiziert werden: Die vorhandenen Daten erlauben es höchstens, sie „momentan zu stützen‟, vorläufig zu verifizieren (vgl. Herczeg/Wippersberg 2019: 94): Denn niemals könnten alle dazu notwendigen denkbaren Möglichkeiten der überprüfung weltweit, in allen Zielgruppen und JEDEM Zusammenhang – also sämtlichen je existierenden Fällen – durchgeführt werden.
Häufig werden zu Beginn der Auseinandersetzung mit einem wissenschaftlichen Thema einfach Annahmen als Hypothesen formuliert – z.B.:
österreichische Jugendliche kaufen Fachbücher lieber im Versandhandel.
75% der österreichischen Jugendlichen kaufen Fachbücher lieber im Versandhandel. [20]
Österreichische Jugendliche im Alter von 18 bis 25 Jahren kaufen Bücher mehrheitlich lieber im Versandhandel.
Um derartige Behauptungen „wissenschaftstauglich‟ zu machen, sollten sie unbedingt einer methodischen „übersetzung‟ zugeführt werden. Eine bessere Formulierung, mit Einbeziehung zumindest zwei dazu benötigter Merkmale (vgl. Herczeg/Wippersberg 2019: 92; Karmasin/Ribing 2019: 90), könnte lauten:
Wenn in österreich lebende Jugendliche im Alter von 18 bis 25 Fachbücher kaufen, dann kaufen sie diese eher lieber im Versandhandel als im stationären Handel.
Wie soeben erläutert, weisen Thema, Erkenntnisinteresse(n), Forschungsfrage(n) und/oder Hypothesen der (den) am effizientesten einzusetzenden qualitativen oder quantitativen Forschungsmethode(n) (vgl. Kapitel „2 | Qualitative und quantitative Forschungsmethoden‟ ab Seite 22) den Weg.
Zusatzinformationen und weiterführende Literatur zu diesem Kapitel:
Herczeg, Petra/Wippersberg, Julia (2019): Kommunikationswissenschaftliches Arbeiten. Eine Einführung. Wien: facultas. Thema, Erkenntnisinteresse: Seite 71-83; Forschungsfragen: Seite 8590; Hypothesen: Seite 91-109.
Karmasin, Matthias/Ribing, Rainer (2019): Die Gestaltung wissenschaftlicher Arbeiten. Ein Leitfaden für Facharbeit/VWA, Seminararbeiten, Bachelor-, Master-, Magister- und Diplomarbeiten sowie Dissertationen. 10., überarbeitete und aktualisierte Auflage 2019. Wien: facultas. Thema: Seite 21-25; Forschungsfrage, Unterfragen: Seite 25-29.
[21]
2 Die Ausführungen in diesem Kapitel basieren auf Anleitungen zum wissenschaftlichen Arbeiten. Dabei liegt der Fokus auf „Wissenschaftlichkeit‟ in Verbindung mit empirischer Sozialforschung.
3 Karmasin/Ribing 2019: 25f. bezeichnen bereits das Erkenntnisinteresse als „Forschungsfrage‟.
4 In der Literatur werden Programmfragen auch als Vertiefung (Konkretisierung) von Forschungsfragen beschrieben (vgl. Brosius/Haas/Koschel 2016: 96): Sie verfolgen den Zweck, Erkenntnisinteressen zu präzisieren – wie die Detaillierung einer zentralen Forschungsfrage in mehrere Sub-Forschungsfragen. Nützliche Tipps zu den Möglichkeiten, Forschungsfragen zu formulieren, finden sich bei Karmasin/Ribing 2019: 25ff. Detaillierter gehen Herczeg und Wippersberg auf Forschungsfragen (vgl. Herczeg/Wippersberg 2019: 85ff.) und Hypothesen (ebd.: 91ff.) ein.
5 vgl. dazu die Kapitel „6.2 | Messniveaus (Skalenniveaus) und Datenanalyse‟ ab Seite 97, „7 | Leitfaden, Fragebogen‟ ab Seite 110 sowie „8.1.3 | Datenanalyse forschungsfragen-/hypothesenkonsistent planen‟ ab Seite 142.
6 Der Beispielfragebogen dieses Buchs stellt keinen Anspruch auf „echte‟ Wissenschaftlichkeit: Die Formulierung der Fragen ergab sich NICHT aus zuvor erfolgter Literaturrecherche. Ihre Erstellung erfolgte „frei‟ durch den Autor – wenn auch unter Einbeziehung willkürlicher schriftlicher Basisbefragungen von Studierenden verschiedener Studienrichtungen und Fortschritts-Phasen im Studienplan. Der Fragebogen ist aus unterschiedlichen empirischen Blickwinkeln zu betrachten: Er dient der möglichst praxisnahen Veranschaulichung von (technischer) Operationalisierung von Forschungsfragen bzw. Hypothesen, Skalenniveaus, Arten der Frageformulierung sowie möglichst vielen Formen der Datenanalyse. Als Grundlage der BUCHdaten bildet er auch die Basis aller datenanalytischen Ausführungen bei Braunecker 2021. Fragebogen und BUCHdaten sind unter „Downloads‟ auf howtodo.at bzw. bei utb-shop/de verfügbar.
7 Ab dieser Stelle wird in diesem Kapitel zur Demonstration technisch und nicht real theoriegestützt argumentiert.
8 Mit „Leseaffinität‟ ist hier „Hinwendung, Neigung zum Lesen‟ (= „gerne lesen‟) gemeint.
9 Darin unterscheiden sich sozialwissenschaftliche Fragestellungen von naturwissenschaftlichen: Dort werden oft deterministische Hypothesen („in 100% aller Fälle‟, z.B. physikalische Gesetze) aufgestellt: „Wenn eine Person ein (unverpacktes) Buch ins Wasser fallen lässt, dann wird es nass.‟
10 Grundsätzlich setzt jede der hier angeführten Formulierungen eine vorangegangene (Literatur-)Recherche voraus, aus der die jeweilige hypothetische Annahme abgeleitet werden kann. Zur leichteren Lesbarkeit wird in den folgenden Beispielen auf die Präzisierung, auf WEN (z.B. österreichische Wohnbevölkerung) sich die jeweilige Hypothese bezieht, verzichtet. Diese (wiederholte) Präzisierung ist in der Realität einer wissenschaftlichen Arbeit aber ratsam.
11 Die theoretischen und datenanalytischen Grundlagen zur überprüfung statistischer Hypothesen werden im Detail bei Braunecker 2021: 77ff. behandelt.
12 Ob sie das tatsächlich müssen/sollten oder auch Formulierungen als „noindent1e‟ Aussagesätze möglich sind, wird in der wissenschaftlichen Praxis nicht ganz übereinstimmend betrachtet.
2 | Qualitative und quantitative Forschungsmethoden
… in diesem Kapitel geht’s um:
| ● Qualitativ forschen: Inhaltliche Tiefe steht im Vordergrund • „Warum“, beschreiben, Motive • bei neuen Themen • zur Erforschung von Dimensionen • vor allem individuelle und psychologische Aspekte • überschaubare Erhebungsanzahl • kein einheitlicher Fragebogen (dafür Leitfaden) • verbalisierte Ergebnisse • KEINE Statistik |
| ● Quantitativ forschen: Ergebnisse auf zahlenmäßig breiter Basis • Abtestung „bekannter“ Zustände • zahlenmäßige Interpretationen • große Menge an Erhebungen • standardisierter Fragebogen • Prozentzahlen, Mittelwerte • Statistik |
| ● Inhaltsanalyse: Zählen oder Bewerten von Aussagen oder anderen klar definierten Inhalten • in Print-, elektronischen und Online-Medien • Codierschema • wenn automatisiert: „Sentiment-Problem“ |
| ● Beobachtung: objektiviertes Erfassen von Situationen, Handlungen und Verhaltensweisen • Beobachtungsbogen • Eyetracking, Mystery-Tests |
| ● Fokusgruppe: Diskussionsrunde kleiner Gruppen (sechs bis 12 Personen) • moderiert • Leitfaden • Dauer ein bis zwei Stunden |
| ● Qualitative Befragung: Einzelgespräche aus Befragtenperspektive • überwiegend freier Gesprächsverlauf oder zumindest frei formulierbare Fragen • ausschließlich oder überwiegend offene Fragen |
| ● Quantitative Befragung: (voll) standardisierte Interviews • (fast) ausschließlich geschlossene Fragen • KEIN Spielraum für die Befragerin oder den Befrager • F2F, PAPI, CAPI, CATI, CAWI, WATI • Mehrthemenumfrage MTU („Omnibusbefragung“) • Hybrid- bzw. Mixed-Mode-Befragungen • Panel, Tracking |
| ● Experiment: Analyse von Ursache-Wirkung-Beziehungen • Versuchs- und Kontrollgruppe |
Thema, Erkenntnisinteresse(n), Forschungsfragen und/oder Hypothesen geben vor13, ob eine Erhebung qualitativ, quantitativ oder in Kombination erfolgt. Worin unterscheidet sich nun das Wesen qualitativer von quantitativer Empirie?
2.1 | Qualitative Methoden
Qualitative Methoden gehen der Frage nach einzelnen Motiven und Inhalten nach. Sie beschreiben inhaltliche Dimensionen verbal, oft auch interpretativ, erforschen Werte, [22] Gefühle, Details, das Warum bzw. Wie von „Tun“. Im Vordergrund stehen weniger Erhebungsmengen als vielmehr inhaltliche Tiefe.
Qualitative Empirie beschäftigt sich deshalb mit einer eher geringeren Anzahl an Untersuchungsobjekten, die sie dafür aber sehr umfangreich und im Detail beleuchtet.
Dazu werden eher „offene‟, in Details noch flexibel gestaltbare Erhebungsinstrumente eingesetzt: Sie können direkt während ihres Einsatzes noch feinjustiert werden.
So skizziert z.B. ein Gesprächsleitfaden bloß die Inhalte eines qualitativen Interviews. Wortwahl und Abfolge der Themen können dem Gesprächsverlauf angepasst werden.
Statistiken, große Stichproben und Signifikanzprüfungen sind in der qualitativen Forschungswelt kein oder kaum Thema. Prozent- und Mittelwerte sowie andere Maßzahlen finden sich hier nur am Rande.
Qualitative Erhebungen beschäftigen sich z.B. mit dem Warum von (Kauf-)Entscheidun- gen, mit „im Hinterkopf schlummernden‟ Motiven. Andere Ansätze erkunden bzw. detaillieren Qualitäts- oder Kundenzufriedenheitsdimensionen oder analysieren Images. Auch Expertengespräche sind fast immer qualitativ angelegt. Ebenso basiert die Erforschung von Ursachen jeglicher Art fast immer auf qualitativer Empirie. Nicht zuletzt beschreitet die beschreibende Bewertung von Aussagen und Inhalten qualitative Wege.
In der qualitativen Erhebungswelt geht es um Vorstudien, Hypothesenfindung, vertiefte Problem(er)kenntnis und Detailinformation. Anlassfall können - v.a. in der Wirtschaft - auch kurzfristig benötigte dringende Entscheidungshilfen sein.14
Qualitative Ansätze werden oft auch mit quantitativen Verfahren kombiniert.
Analysen der Kundenzufriedenheit z.B. liefern meist Zufriedenheitskennzahlen. Oft sind diese Kennzahlen (noch) nicht erhebbar, weil niemand weiß, welche überhaupt die richtigen sind. Was Kundenzufriedenheit jeweils ausmacht, kann im Vorfeld durch qualitative Forschung erhoben werden. Das werden bei Autos wohl ganz andere Kriterien sein als etwa bei Schokolade, Waschmittel oder einem speziellen Dienstleistungs-Startup.
Qualitative Forschung hat ihren Platz aber nicht nur VOR, sondern auch NACH quantitativen Erhebungen: Auf diese Weise werden quantitative Zahlen zusätzlich mit Inhalten belegt.
Nach einer quantitativen Imageanalyse kann es z.B. von Interesse sein, im Nachhinein die besten (oder schlechtesten) Imagekriterien zu detaillieren: Was bedeutet z.B. ein guter Wert bei „modern‟? Woraus leitet sich empfundene Modernität inhaltlich genau ab usw.?
2.2 | Quantitative Methoden
Quantitative Methoden verfolgen den Ansatz zu zählen: also nicht verbal auszuformulieren, sondern rein zahlenmäßig zu quantifizieren und daraus Interpretationen abzuleiten.
[23]
Quantitative Forschung entdeckt keine (weiteren) neuen Zugänge zu einem Thema (höchstens am Rande): Hier wird bereits „Bekanntes‟ erforscht, die Antwortalternativen bzw. möglichen Ergebnisausprägungen sind bereits vor der Erhebung fixiert.
Um gut quantifizieren zu können, kommen meist große Stichproben (oder Vollerhebungen) zum Einsatz.
Quantitative Erhebungsinstrumente erlauben nur sehr wenig, meist sogar überhaupt keinen Spielraum während der Erhebung.
Ein standardisierter Fragebogen z.B. wird jeder befragten Person in völlig identer Form vorgelegt (vorgelesen). Die Wortwahl und Abfolge der Themen sind streng vorgegeben und dürfen nicht variiert werden.
Die Analyse quantitativer Daten wirft Häufigkeiten, Prozentwerte, Mittelwerte und weitere statistische Maßzahlen aus. Oft mündet sie auch in detaillierte und berechnungsintensivere Statistiken und Signifikanzprüfungen.
Im Zuge quantitativer Forschung werden konkret ausgewählte Merkmalsbeschreibungen systematisch einem zuvor festgelegten Kategoriensystem zugeordnet und auf zahlenmäßig breiter Basis gesammelt. Hier steht das Bestreben im Vordergrund, möglichst klare und eindeutige Informationen zu generieren. „Nackte‟ Zahlen werden erhoben, ausgewertet und interpretiert, signifikante Unterschiede zwischen einzelnen Menschen oder Erhebungsgegenständen gesucht, erklärt und gedeutet.
Eine Bildungseinrichtung untersucht - über ein Jahr - die Klickraten auf ihre unterschiedlich gestalteten werblichen und redaktionellen Beiträge im Internet. Die Zahlen sollen eine Entscheidungsgrundlage liefern, wo und in welcher Form Inhalte positioniert werden müssen, um größtmögliche Reichweiten zu erzielen.
Ein Unternehmen leitet aus der Anzahl der mit konkreten Detailaspekten (sehr) zufriedenen Kundinnen und Kunden wertvolle Qualitätskennzahlen ab.
Eine Studierende spricht im Rahmen ihrer Masterarbeit mit vielen Expertinnen und Experten. Sie geht aber nicht auf inhaltliche Details des „Expertentums‟ ein. Sie quantifiziert ausschließlich, wie viele sich mit welchen konkreten Themendetails auseinandersetzen.
Das Ziel ist erreicht, wenn das quantitativ produzierte meist umfangreiche Datenmaterial übersichtlich und anschaulich analysiert werden konnte: Wie oft treten Meinungen, Verhaltensweisen, Aussagen, Zustände (in welchen graduellen Ausprägungen) auf?15
Quantitative Analysen erfolgen meist mit spezifischer Software: Mit dem sehr gebräuchlichen Auswertungsprogramm SPSS (Version 27) beschäftigt sich im Detail Braunecker 2021.
Abbildung 2 auf Seite 25 gibt einen zusammenfassenden überblick über das Wesen der „inhaltlichen‟ gegenüber der „zählenden‟ Forschungswelt. [24]
Abbildung 2: Qualitative und quantitative Methoden
In den folgenden Abschnitten dieses Kapitels werden die gebräuchlichsten Arten und Anwendungsfälle qualitativer und quantitativer Forschungsmethoden überblicksmäßig skizziert. Die Reihenfolge der Darstellung erfolgt aufgrund mannigfaltiger Kombinations- und Anwendungsmöglichkeiten der einzelnen Methoden willkürlich.
2.3 | Inhaltsanalyse
Inhaltsanalysen erforschen Kommunikationsinhalte, indem sie Aussagen und Bedeutungen untersuchen. Gegenstand einer Inhaltsanalyse können (Zeitungs-)Texte, Bilder, Radio- und Fernsehsendungen, Webseiten, Social Media, Bücher, Filme, Plakate, Firmenlogos, Firmenauftritte usw. sein. Die Basis der Analyse stellen von Personen geäußerte oder in Medien publizierte schriftliche, bildliche oder akustische Inhalte dar.
Inhaltsanalysen vereinen oft qualitative und quantitative Elemente: Neben dem Zählen des Auftretens von Aussagen, Bildern, Artikellängen, Artikelthemen etc. (quantitative Inhaltsanalyse) erfolgt oft auch eine bedeutungsmäßige Analyse der gezählten Wortinhalte (qualitative Inhaltsanalyse).
So könnte eine Inhaltsanalyse Artikel (aller Tageszeitungen eines Landes in der ersten Januarwoche eines bestimmten Jahres) zum Thema „Klimaveränderung‟ untersuchen. Sie könnte das Vorkommen des Wortes „Klimawandel‟ zählen und zwischen Boulevard- und Qualitätspresse vergleichen (quantitative Inhaltsanalyse). Wenn in weiterer Folge aus dem Artikelkontext heraus zusätzlich auch noch eine Bewertung erfolgt, ob der Beitrag [25] verharmlosend, sachlich neutral oder alarmierend verfasst wurde, wird damit auch eine qualitative Inhaltsanalyse durchgeführt.
Ein sehr wichtiges Element jeder Inhaltsanalyse ist ein gutes Codierschema. Darin müssen alle zu analysierenden Dimensionen und deren Ausprägungen klar definiert werden.

Abbildung 3: Beispielhaftes Codierschema für eine Inhaltsanalyse
Abbildung 3 zeigt als Beispiel einen konstruierten (zur Veranschaulichung dienenden) Auszug aus einem Codierschema einer quantitativen Inhaltsanalyse. Das Codierschema ist konsistent zum Codebuch in Abbildung 4 ab Seite 26 und wurde mit Excel angelegt.
Bevor die Inhaltsanalyse startet, ist es sinnvoll, das Codierschema bei wenigen Analyseelementen „auszuprobieren‟ (Pretest). Treten dabei noch Probleme (Unklarheiten) auf, sollte das Schema unbedingt nachjustiert werden.
Sehr bedeutsam ist auch, dass alle, die an der Inhaltsanalyse mitarbeiten, die Inhalte nach denselben Grundsätzen im Codierschema erfassen bzw. eintragen: Es muss unbedingt sichergestellt sein, dass verschiedene Menschen die Inhalte in dieselben Kategorien einordnen (INTER-Coder-Reliabilität). Zur überprüfung der Inter-Coder-Reliabilität gibt es eigene Testverfahren (z.B. der „Holsti-Test‟ auf Seite 107 im Kapitel „6.5.2 | Reliabilität‟). Außerdem muss jede Person, die heute Inhalte klassifiziert, dieselben Inhalte auch morgen oder übermorgen noch ident erfassen (INTRA-Coder-Reliabilität).
Zur Sicherstellung einer geregelten und reliablen Datenerfassung ist es unbedingt erforderlich, noch vor Beginn der Codierarbeit ein sogenanntes Codebuch zu erstellen.
[26]
Dort werden die Analyseeinheiten16 und Analyseinhalte im Detail definiert und alle Codierungsregeln festgelegt.
Die folgende Abbildung zeigt Auszüge aus einem 20-seitigen(!) Codebuch.
Die Analyse beschäftigte sich mit der Berichterstattung österreichischer Printmedien über Public Relations. Das Codebuch zur Analyse wurde in Anlehnung an Kerl 2007 und Bur- KART/RUßMANN 2010 erstellt.17 Für die hier beispielhafte Abbildung erfolgten geringfügige Adaptierungen. [27]


Abbildung 4: Codebuch einer Inhaltsanalyse (Auszüge, adaptiert) [28]
In heutiger Zeit sind sehr viele Bild- und Textelemente digital verfügbar. Ob es sich dabei um massenmediale Kommunikation oder zwischenmenschliche Interaktionen in Social Media handelt: Analysen gespeicherter, allgemein zugänglicher Inhalte sind weit verbreitet.
Eine Institution möchte z.B. in Erfahrung bringen, wie sich eine neu eingeführte Dienstleistung im Netz verbreitet, wie sie angenommen, wie darüber kommuniziert wird.
Menschen, die das Netz themenbezogen durchsuchen, benötigen Zeit, der monetäre Aufwand ist hoch. Da liegt es nahe, stattdessen Suchsoftware18 einzusetzen. Eine aktuell sehr große Vielfalt an Textanalyse-Tools bietet die Möglichkeit, das Netz (oder Datenbanken) nach definierten Begriffen (Keywords) zu durchforsten.
Automatisierte Textanalysen können mit wenig Aufwand gesuchte Begriffe, Textstellen usw. (global) auffinden19 und automatisiert Ergebnisberichte mit Häufigkeiten erstellen.
Wie oft z.B. eine neue Marke in den Sozialen Netzwerken diskutiert wird, kann relativ einfach automatisiert gezählt werden.
Wer jedoch (auch) Bilder analysieren bzw. Inhalte regionalisiert betrachten oder gar bewerten möchte, stößt schnell an die Grenzen der Automatisierungen: Vertiefende Forschung ist ohne intensiveres menschliches Zutun nicht derart einfach durchführbar.
Rein technische Sentiment-Analysen zur Bedeutung von Inhalten sind bereits auf syntaktisch „einfachere‟ englische Texte angewandt schwierig umsetzbar. Für die deutsche Sprache sind sie nur schwer realisierbar, weil stark fehlerbehaftet.20
Softwarealgorithmen versuchen hier, über das gemeinsame Auftreten von Worten „ähnlichkeitscluster‟ zu definieren und Texte nach diesen zu gruppieren.21 Das scheitert aber oft am richtigen Interpretieren von Bedeutungszusammenhängen oder am Bildmaterial.
Einem „dummen‟Programm mittels Definitions-Regeln beizubringen, dass die Aussage in einem Online-Forum „DAS ist ja mal eine gute Marke‟ nicht unbedingt positiv gemeint sein muss, stellt eine Herausforderung dar. Ist die zitierte Aussage im Kontext wirklich positiv gemeint oder stellt sie eine negative, von Zynismus gefärbte äußerung dar? [29]
Auch gepostete Bilder können positiv oder negativ konnotiert sein, was nur menschliche Intelligenz feststellen kann.
Auto-Textanalysen finden sich in der heutigen deutschsprachigen Forschungspraxis deshalb vor allem in Form von Wortschatzanalysen (vgl. Brosius/Haas/Koschel 2016: 173f.)22 oder als Textauffinder. Bewertende Inhaltsanalysen führen im Idealfall nach wie vor geschulte Codierende durch.
2.4 | Beobachtung
Bei einer Beobachtung werden Situationen, Handlungen und Verhaltensweisen dort erfasst, wo sie geschehen. Beobachtungen können Einzelpersonen, miteinander agierende Gruppen oder auch Dinge (z.B. Gegenstände) betreffen.
Wissenschaftliche Beobachtungen unterliegen strengen Regeln: Mehr als bei jeder anderen Forschungsmethode wirken hier subjektive Wahrnehmung und Einstellungen der beobachtenden Person sehr schnell verzerrend auf die Ergebnisse. Unkontrolliert beobachtet jeder Mensch etwas Anderes, jedem Individuum fallen andere Dinge besonders auf.
Deshalb müssen wissenschaftliche Beobachtungen die Realität sehr genau „filtern‟: Es ist essentiell, exakt zu definieren, WAS vom Beobachteten im Detail registriert und protokolliert werden soll, und was nicht.
Analog zum Codierschema bei Inhaltsanalysen wird deshalb bei Beobachtungen ein Beobachtungsbogen erstellt (vgl. Abbildung 5 auf Seite 31). Darin werden die Beobachtungsinhalte klar definiert. Außerdem muss es genaue Pläne geben, wann, was, wer und wo beobachtet wird.
Auch audiovisuelle Aufzeichnungstechniken sind empfehlenswert: Oft können sonst nach dem Beobachten nicht mehr alle Inhalte lückenlos reproduziert werden.
Beobachtungen werden gerne mit Befragungen kombiniert: Erhebungspersonen können z.B. die Befragten nach gewissen vorher festgelegten Kriterien beobachten und deren Reaktionen auf bestimmte Fragestellungen oder Reize notieren.
Die beobachtende Person kann Teil des Geschehens sein (teilnehmende Beobachtung) oder eine Betrachterrolle „von außen‟ einnehmen. Beobachtungen können in künstlicher Umgebung (Laborbeobachtung) oder „mitten im Leben‟ (Feldbeobachtung) stattfinden.
Als Anwendungsfälle für künstliche Laborbeobachtungen lassen sich beispielhaft die Media-, Leserschafts- und Werbeforschung mit Hautwiderstandsmessungen anführen. Auch Neuro-Marktforschung (Elektroden messen Spannungen der Haut oder Hirnströme, die bei hoher Aufmerksamkeitserregung ansteigen) und Blickverlaufsregistrierung (Eyetracking, vgl. Abbildung 6 auf Seite 31) fallen in diesen Bereich.
Beispiele für natürliche Feldbeobachtungen sind Beobachtungen des Konsumentenverhaltens oder Formen der Konkurrenzforschung. Passanten- und Schaufensterbeobachtungen oder die verbreiteten Mystery-Tests zählen ebenso dazu. [30]

Abbildung 5: Beobachtungsbogen Handynutzung am Steuer (in Anlehnung an BORTZ/DÖRING 2016: 343)

Abbildung 6: Eyetracking-Ergebnis der Website howtodo.at (Vorgängerband 2016) [31]
Bei einem Mystery-Call oder Mystery-Shopping geben sich Erhebungspersonen als Kundinnen oder Kunden aus. Sie konfrontieren das Verkaufs- und Servicepersonal einer Firma mit alltäglichen Kundenanliegen oder sind beobachtend und protokollierend – z.B. in Verkaufsräumen – unterwegs. Mystery-Tests können auch in Testanrufen oder Testkäufen bestehen. Noch einen Schritt weiter gehen simulierte Beratungsgespräche oder Rollenspiele zur Beurteilung von z.B. Kundenbetreuungspersonal im Außendienst.
Auch bei Mystery-Tests gibt es für eine systematisierte und vor allem streng objektivierte Erfassung Beobachtungs- oder Protokollbögen (vgl. Abbildung 7).
Die Testpersonen sollen möglichst ohne Beurteilungsspielraum testen: Das lässt sich v.a. über Faktenabfragen, die ausschließlich mit „ja‟ oder „nein‟ zu beantworten sind, realisieren. Etwaige Schulnotenbeurteilungen, die eine individuelle Meinung von Testerinnen oder Testern widerspiegeln, sollten die Ausnahme darstellen.

Abbildung 7: Mystery-Protokoll für Selbstbedienungs-Restaurants (Auszug)
Die Testenden müssen glaubwürdige und möglichst authentische Typen verkörpern:
Nicht besonders realistisch würden z.B. ältere Menschen wirken, die ein Studentenkonto eröffnen wollen.
Firmeneigene Mitarbeiterinnen und Mitarbeiter sind als Testpersonen weniger gut geeignet (Kollegialitätsprobleme). Möglichst viele Mystery-Checker sollten ihre Beobachtungen möglichst gleichmäßig und breit über Tageszeiten und Wochentage streuen. Keinesfalls darf dabei die Anonymität der Getesteten verletzt werden: Die Beobachteten sollten immer [32] (vorab) informiert werden, dass Tests stattfinden (VGL. dazu auch SEITE 46 im KAPITEL „3.3.1 | Forschungsethik‟).
2.5 | Gruppendiskussion (Fokusgruppe)
Bei einer Gruppendiskussion diskutieren etwa sechs bis 12 Personen unter der Leitung einer moderierenden Person rund ein bis zwei Stunden lang zu einem bestimmten Thema. Dabei wird die alltägliche Situation eines Meinungsbildungsprozesses möglichst gut nachgebildet.
Die Situation eines Gesprächs in der Gruppe kann dazu beitragen, Hemmungen abzubauen und wechselseitig Anregungen im Gespräch aufzugreifen. Dadurch wird der weitere Verlauf der Diskussion gefördert (vgl. Ebster/Stalzer 2017: 211).
Ein großer Vorteil, den Fokusgruppen besitzen, ist die Möglichkeit, Gegenstände und Informationsmaterial direkt in den Forschungsprozess miteinzubeziehen. Die Gruppe kann über audiovisuelle, technische oder Prototypen jeglicher Art diskutieren – z.B. über Werbesujets, Logos, textliche Formulierungen, Prospekte, Publikationen, Düfte, Modellentwürfe usw. Das Material benötigt keine hohe Testauflage (Stückzahl) und wird trotzdem in konkret erlebbarer Ausgestaltung direkt in den Zielgruppen abgetestet.
Damit auf keine Fragestellungen vergessen werden kann, skizziert ein vorab erstellter Diskussionsleitfaden den Ablauf (vgl. Abbildung 31 auf Seite 114).
Die Ergebnisse einer Gruppendiskussion werden stark durch die Moderation gelenkt: Immer dann, wenn das Gespräch abflacht oder das Diskussionsthema verlassen wird, greift die Diskussionsleitung lenkend ein. Eine wichtige Rolle der Moderation besteht auch darin, zwischen redegewandten und stilleren Gruppenmitgliedern einen Ausgleich zu schaffen. Alle sollten gleichermaßen zu Wort kommen: Bereits vor der Diskussion muss deshalb sichergestellt worden sein, dass alle teilnehmenden Personen überhaupt einen Bezug zum Diskussionsgegenstand haben.
Ob eine Diskussionsgruppe homogen oder heterogen zusammengestellt wird, hängt von Themenstellung und Ergebniserwartung ab.
Homogene Gruppen können durch eine ähnliche Gruppenmeinung ein Ergebnis im Idealfall verfeinern und vertiefen. Ein allzu einheitliches und wenig differenziertes Gesamtmeinungsbild kann aber auch den Nachteil haben, nur wenig neue Erkenntnis zu bringen. Bei heterogenen Gruppen besteht diese Gefahr kaum. Hier kann es jedoch vorkommen, dass Einzelmeinungen falsch auf größere (Ziel-)Gruppen übertragen (verallgemeinert) werden: Eine Einzelperson kann einer Zielgruppe zwar strukturell absolut entsprechen, aber meinungsmäßig vielleicht völlig untypisch argumentieren.
Folgendes Beispiel zeigt die Problematik der Zusammensetzung von Diskussionsgruppen:
Zum Thema „Einstellung zum Klimaschutz‟ wird EINE Fokusgruppe durchgeführt. Daran nehmen ein oder zwei Mitglieder jeder Altersgruppe teil. In der Gruppe sind auch zwei ältere – bereits pensionierte – Personen. Beide haben nahe Angehörige mit einflussreichen Jobs in der Logistikbranche (Straßen- bzw. Luftverkehr). Dieser Umstand ist aber unbekannt. Beide sehen das Thema im Licht ihres familiären Umfelds. Gelten nun diese zwei [33] „Spezialmeinungen“ gesamthaft als Indikator für die Einstellung der älteren Bevölkerung, ist das natürlich irreführend. Wesentlich korrekter wäre es hier, auf MEHRERE Fokusgruppen zu setzen, innerhalb ähnlicher Altersgruppen, aber mit heterogenerem Umfeld.
Die Aufzeichnung und Auswertung von Gruppendiskussionen erfolgen elektronisch, Institute verfügen über notwendige Räumlichkeiten (oft mit Einwegspiegeln) und technische Einrichtungen. Die Aufzeichnungen der Diskussionen werden in Vorbereitung auf die Ergebnisanalyse in geschriebenen Text übertragen (transkribiert).
Oft werden in Ergänzung zur Diskussion auch kurze Selbstausfüller-Fragebögen verteilt. Sie helfen bei der Erfassung individueller Einstellungen zum Diskussionsgegenstand. Das erleichtert die Interpretation von Aussagen bei der Ergebniszusammenfassung.
2.6 | Qualitative Befragung
Gegenüber der bei Fokusgruppen angewendeten „Gruppenstrategie‟ steht bei qualitativen Einzelbefragungen das Individuum im Zentrum des Erkenntnisinteresses.
Hier kommen in der Praxis ähnliche, in der Durchführung aber nicht immer exakt voneinander abgrenzbare Verfahren zum Einsatz.23 Relativ klar unterteilen lassen sich die Möglichkeiten qualitativer Interviewführung aber in Leitfadeninterviews, offene Interviews und narrative Interviews (vgl. Gläser/Laudel 2010: 42).
Bei Leitfadeninterviews erfolgen die Einzelgespräche mit vorgegebenen Themen und einer Art Frageliste. Dieser Gesprächsleitfaden (vgl. Abbildung 30 auf Seite 113) und das offene Gespräch erlauben den Befragten, ihren Gedanken freien Lauf zu lassen. Sie werden nicht durch ein Frage-Antwort-Schema eingeschränkt, wie dies bei quantitativen Erhebungen mit standardisierten Fragebögen der Fall ist. Die Formulierungen der Fragen und Reihenfolge der Fragebeantwortung orientieren sich am Gesprächsverlauf.
Falls notwendig sind auch ergänzende Fragen möglich: Die Themenliste lässt sich bei zu knappen Antworten oft nur vollständig abarbeiten, wenn nachgefragt wird.
(Auch) für Gespräche mit Personen, die auf einem bestimmten Gebiet hohen Expertenstatus (durch Wissen, Rang usw.) besitzen, ist diese Technik der Leitfadeninterviews (Experteninterviews) sehr gut anwendbar (vgl. Gläser/Laudel 2010: 43).
Völlig offene Interviews besitzen keinen Leitfaden mehr, sondern nur noch eine Themenliste. Hier bewegen sich die Interviewenden mit frei formulierten Fragen durch die Details.
Noch offener gestalten sich narrative Interviews: Sie beginnen mit EINER komplexen Frage.
„Erzählen Sie bitte, wo (wie) Sie im letzten halben Jahr mit Klimawandel zu tun hatten.‟
Erst nach einer längeren erzählenden Antwort der interviewten Person ist Nachfragen möglich, was zu weiteren Erzählungen anregt.
In der qualitativen Erhebungspraxis üblich sind auch qualitative Einzelbefragungen. Hier gelangen gewöhnliche qualitative Fragebögen (vgl. Abbildung 32 auf Seite 115) zum Einsatz.
[34]
Diese legen zwar die Reihenfolge der überwiegend offenen Fragen fest, deren genaue Formulierung ist aber nicht vorgegeben.
Alle qualitativen Befragungstechniken versuchen, sehr detaillierte, verbal ausformulierbare und vor allem inhaltliche Auskünfte zu einem Thema zu erhalten. Dabei kann sehr individuell auf die Befragten eingegangen werden: Abhängig von deren Wortschatz fällt das Gesprächsergebnis mehr oder weniger wortreich aus. Die erhebenden Personen stellen sich in Wortwahl und Gesprächsniveau möglichst passend auf das jeweilige Gegenüber ein. Dadurch können oft auch unbewusste Einstellungen oder Verhaltensweisen der Befragten an die Oberfläche geholt werden.
Dieser Aufbau einer vertrauensvollen Gesprächssituation erfordert geschultes Erhebungspersonal. Wegen des hohen Zeitaufwands sind meist nur wenige gute Interviews möglich.
Wie Gruppendiskussionen werden die qualitativen Einzelbefragungen auditiv aufgezeichnet und in geschriebenen Text übertragen (transkribiert). Auch der weitere Auswertungsaufwand ist sehr groß: Gilt es doch, aus vielen subjektiven Einzel-Statements inhaltlich zusammenfassbare Schlüsse zu ziehen, die die Erkenntnisinteressen der Erhebung abdecken.
2.7 | Quantitative Befragung („Umfrage‟)
Wenn im allgemeinen Sprachgebrauch von „Umfragen‟ gesprochen wird, dann ist meist von der quantitativen Befragung die Rede. Sie kommt in der empirischen Sozialforschung wahrscheinlich am häufigsten zum Einsatz.
Abbildung 8 auf Seite 36 gibt einen überblick über häufig vorkommende Arten quantitativer Umfragen.
Es gibt sie mündlich oder schriftlich, in Form von Interviews oder Fragebögen, welche die Befragten selbst ausfüllen, persönlich, telefonisch oder elektronisch, einmalig oder wiederholt. Einmal wird mit einem Fragebogen aus Papier gearbeitet, einmal mit einem OnlineFormular, dann wieder mit Befragungssoftware oder einem Smartphone-Befragungstool.
Quantitative Befragungen erfolgen meist in Form von voll standardisierten Interviews: Alle Fragen sind in ihrem Wortlaut vorformuliert und besitzen eine genau festgelegte Reihenfolge. Es ist genau fixiert, was und wann offen, was und wann geschlossen gefragt wird. Ein Beispiel eines quantitativen Fragebogens zeigen Abbildung 27 und 28 auf Seite 101f.
Bei persönlichen und telefonischen Befragungen müssen die erhebenden Personen möglichst alle über die Befragung hinausgehenden Interaktionen mit den Befragten vermeiden. Dadurch sollen subjektive Einflüsse auf das Antwortverhalten weitestgehend ausgeschaltet – oder zumindest auf ein Mindestmaß reduziert – werden.
Das Befragungspersonal erhält genaue Anweisungen, wie es sich an welcher Stelle des Fragebogens zu verhalten hat (vgl. dazu im Detail die Kapitel „7.3.1 | Regeln für professionelle Fragebögen‟ ab Seite 116 und „7.3.2 | Arten von Fragen: Fragetypen‟ ab Seite 122). Der Reihe nach wird jede Frage im exakten Wortlaut mit den jeweils vorgegebenen Antwortalternativen vorgelesen. Die erhaltenen Antworten müssen kommentarlos angekreuzt, Antworten auf offene Fragen möglichst Wort für Wort notiert werden. Die erhebende Person wird – überspitzt formuliert – zu einem „Befragungsroboter‟. [35]

Abbildung 8: Arten quantitativer Befragungen
Bei einem vollstrukturierten Interview sind ALLE Fragen und Antwortmöglichkeiten fix vorgegeben. Bei einer semistrukturierten Befragung werden zwar die Reihenfolge der Fragen und Formulierungen fixiert, Antwortkategorien (bei bestimmten Fragen) jedoch nur teilweise: Hier gibt es als letzte Antwortalternative dann noch Platz für „Sonstiges, und zwar: ___‟ mit der Möglichkeit, individuelle Antworten zusätzlich zu erfassen (vgl. Frage 15 im Beispielfragebogen in Abbildung 28 auf Seite 102).
Semistrukturierte Interviews besitzen in der quantitativen Sozialforschung große Verbreitung: Hier kommen Befragte nicht in die unbefriedigende Situation, unter den angebotenen Alternativen keine passende Antwort zu finden. „Sonstiges, und zwar:___‟ passt notfalls immer. Es kommt ja durchaus vor, dass bei der Erstellung eines Fragebogens gewisse Antwortoptionen nicht bedacht oder einfach vergessen wurden. Oder individuelle Antworten sind derart einzigartig, dass sie vorab gar nicht berücksichtigt werden hätten können.
In der Praxis werden unterschiedliche Befragungsarten wie in Abbildung 8 auch kombiniert: Ein erster Fragebogenteil wird z.B. durch Erhebungspersonal im jeweiligen Haushalt erhoben, ein Online-Link oder zweiter Fragebogenteil verbleibt bei den Befragten. Diese füllen dann in Ruhe aus24 bzw. senden den komplettierten Fragebogen erst später zurück. Andere Vorhaben gehen primär online vor, befragen die älteren (und „internetferneren‟) Zielgruppen aber telefonisch oder persönlich, weil sie im Internet nicht lückenlos erreichbar sind. Derartige Erhebungen sind sogenannte Hybrid- oder Mixed-Mode-Befragungen. [36]
So gut wie alle großen Marktforschungsinstitute bieten regelmäßig sogenannte Mehrthemenumfragen (MTU's, „Omnibusbefragungen‟)25 an. Diese Umfragen richten sich in der Regel an einen repräsentativen Querschnitt der Bevölkerung. Zu fixierten Terminen werden dabei Fragen verschiedener Auftraggeberinnen und Auftraggeber in EINEM Fragebogen zusammengefasst (vgl. „übergangsfragen‟ im Kapitel „7.3.2.1 | Fragen, die den Gesprächsverlauf lenken‟ ab Seite 122). MTU's starten periodisch (wöchentlich, 14-tägig, monatlich) mit unterschiedlicher Methodik (persönlich, telefonisch, online). Durch ihren hohen Standardisierungsgrad stellen sie eine kostengünstige, schnelle und zuverlässige Methode dar, um Bevölkerungsdaten zu erheben.
Oft ist es notwendig, Befragungsergebnisse, die zu mehreren Zeitpunkten gesammelt wurden, miteinander zu vergleichen. Dazu dienen Panels und Trackings.
Ein Panel ist eine spezielle Form quantitativer Umfragen. Es besteht aus definierten Mitgliedern, die eine bestimmte Zielgruppe repräsentieren. Diese Menschen (DIESELBEN Personen) werden wiederholt, in regelmäßigen Abständen, oder auch fortlaufend zum gleichen Thema befragt oder beobachtet.
Ein Panel verfolgt die Veränderung von Verhalten oder Gewohnheiten – z.B. Einkaufsverhalten oder TV-Konsum.
Panels erheben Veränderungen des Marktes. Sie müssen regelmäßig „gewartet‟ werden: Jährlich fallen rund 15% der Panelmitglieder aus der Stichprobe (Panelsterblichkeit, Mortalität). Aufgrund von nachlassendem Interesse, fortschreitendem Lebensalter (das Panel „wird älter‟) oder tatsächlichem Tod verkleinert sich der Teilnehmenden-Kreis. Darüber hinaus unterliegen auch soziodemografische Merkmale Veränderungen (z.B. Umzug von der Stadt aufs Land, ein Single-Haushalt wird zur Familie usw.). Die Struktur der (bisherigen) Teilnehmerschaft muss deshalb permanent durch neue, besser „passende‟ Mitglieder ausgeglichen werden. Ansonsten verliert jedes Panel mittelfristig seine Repräsentativität.
Ein Manko von Panelerhebungen stellt auch entstehendes Expertentum dar: Panelmitglieder verändern mehr oder weniger bewusst ihr Verhalten in Bezug auf den Erhebungsgegenstand: Sie mutieren weg von Otto Normalperson hin zum Testuser.26
Wiederholte Erhebungen zum selben Thema finden auch bei einem Tracking statt. Hier werden jedoch nicht dieselben, sondern immer wieder ANDERE Menschen in neuen, strukturgleichen Stichproben kontaktiert.
Andere, von einem Thema noch unbelastete Personen werden in der Erhebungswelt auch Fresh Samples genannt. Strukturgleichheit von Stichproben kann z.B. über die Merkmale Geschlecht, Alter, Bildung und Wohnort definiert sein. [37]
Ein Tracking kann die Veränderung von Bekanntheit und Image eines Unternehmens oder einer Marke (etwa im Lauf einer Werbekampagne) beobachten. Trackings liefern auch rasch und effizient Zeitreihendaten z.B. zu Einstellungs- und Imagefragen, Markenpräferenzen, Kaufabsichten usw.
2.8 | Experimentelles Design
Sozialwissenschaftliche Experimente gehen der Frage nach, ob und wie stark ein bestimmtes Merkmal für die Veränderung eines oder mehrerer anderer Merkmale verantwortlich ist. Die Merkmalsveränderungen werden genauestens beobachtet oder mittels Befragung eingehend analysiert. Ausschließlich Experimente erlauben es, Kausalaussagen über einen Zusammenhang von Ursache und Wirkung zu treffen (vgl. Ebster/Stalzer 2017: 219).
Um ein sozialwissenschaftliches Experiment durchführen zu können, müssen die beiden Merkmalsvariablen X und Y zueinander in Beziehung stehen. Die Ursache X (unabhängige Variable) muss zeitlich vor der Wirkung Y (abhängige Variable) liegen. Außerdem muss sichergestellt sein, dass einzig und allein die Wirkung der zu testenden Variable X und keine einflusstragenden Nebeneffekte (Störvariablen Z) erforscht werden (vgl. ebd.: 219).
In der Kommunikationsforschung z.B. helfen Experimente dabei, mediale Inhalte (Bilder, Farben, Slogans) optimal zu gestalten und zu verbreiten. Auch die Formulierung von Texten kann als abhängige Variable auf z.B. Glaubwürdigkeit hin untersucht werden.
Im Konsumgüterbereich sind als „Ursachen‟z.B. Verpackungsarten, Regalplatzierungen, Geschmack bei (Blind-)Verkostungen, Verkaufsaktionen usw. zu finden – als „Wirkung‟ Produktwahrnehmung, Kaufbereitschaften, Qualitätsempfinden ...
Im Immobilienbereich könnte beispielhaft räumliche Gestaltung (Farben, Pflanzen, Möbel usw.) im Hinblick auf Wohlbefinden oder Arbeitsplatzzufriedenheit analysiert werden.
Voraussetzung für die erfolgreiche Durchführung eines Experiments ist die genaue Festlegung eines experimentellen Designs. Abbildung 9 auf Seite 39 zeigt einige von vielen verschiedenen Möglichkeiten, ein Experiment anzulegen.27 Experimente können mit einer oder mehreren Messungen sowie MIT und OHNE Kontrollgruppe(n) durchgeführt werden.
„Echte‟ Experimente (vgl. Friedrichs 1990: 343) arbeiten mit zumindest zwei Gruppen: Eine Versuchsgruppe (Experimentalgruppe) wird dem Merkmalseinfluss (Stimulus oder Treatment) unterworfen. Eine Kontrollgruppe OHNE Variableneinfluss dient als Vergleichsbasis. Beide Gruppen werden per Zufall (randomisiert) ermittelt bzw. müssen unbedingt(!) strukturgleich sein.
Nach dem Experiment misst eine genaue Gegenüberstellung von Versuchs- und Kontroll- gruppe(n) die Wirkungen des Experiments. Nur dieser Vergleich zwischen Versuchs- gruppe(n) MIT und Kontrollgruppe(n) OHNE Variableneinfluss erlaubt es, Kausalbeziehungen zu untersuchen (
und
in Abbildung 9 auf Seite 39). [38]

Abbildung 9: Arten experimenteller Designs
Fehlt eine Kontrollgruppe, lassen sich am Experiment keine reinen Kausalbeziehungen festmachen. Die Wirkung muss nicht allein in der Ursache begründet sein, unkontrollierbare Störvariablen können „mitgewirkt‟ haben (
,
und
). In Settings ohne Kontrollgruppe gelangen (deshalb) oft auch mehrere Experimentalgruppen zur Anwendung (
). Hier werden die Wirkungen unterschiedlicher Stimuli (bzw. unterschiedlich stark ausgeprägter Stimuli) auf randomisierte oder strukturidente Gruppen vergleichend analysiert.
Liegt der Fokus z.B. auf der Wirkung verschiedener Ausgestaltungen von Werbespots auf eine Zielgruppe, gibt es keine Kontrollgruppe (ohne Werbespot).
Manche Experimente finden in einer extra dafür geschaffenen künstlichen Umgebung statt (Laborexperiment), andere passieren „in real life‟ (Feldexperiment). Beide Arten haben Vor- und Nachteile: In einem künstlichen Laborexperiment können die Versuchsbedingungen besser kontrolliert und von Störeinflüssen abgeschirmt werden. Hier sind Wechselwirkungen mit Alltagssituationen meist gut vermeidbar. Damit ist die Wirkung von Ursachen meist klarer zu identifizieren. Bei der Anwendbarkeit auf den Alltag spielen aber wiederum Feldexperimente ihre deutlichen Stärken aus: Isolierte Bedingungen kommen in „noindent1en‟ Lebenswelten nicht vor. Im alltäglichen Leben SIND Störeinflüsse vorhanden und werden kaum jemals ausgeblendet.
Ein Laborexperiment könnte wie folgt aufgesetzt werden:
Ein Spinat-Produzent testet die Einstellungswirkung eines neuen TV-Spots auf sein Produkt. Zuerst findet eine zufällige Zuordnung von Testpersonen zur Experimental- und Kontrollgruppe statt. Dann wird die Einstellung aller Testpersonen zum Produkt abgefragt. [39]
Daraufhin sehen beide Gruppen ‒ in einem Besprechungszimmer ‒ mehrere TV-Spots (idente Anzahl). Die Versuchsgruppe sieht mittendrin auch den neuen Spot, der Kontroll- gruppe wird stattdessen der alte vorgespielt. Danach erfolgt eine neuerliche Einstellungsmessung zum Produkt. Dieses Setting entspricht bzw. in Abbildung 9 auf Seite 39.
Ausschließlich der neue Spot wurde somit zwischen beiden Gruppen verändert, alle anderen Bedingungen im Labor sind gleichgeblieben. Alle Einstellungsunterschiede sind demzufolge ausschließlich auf den Test-Spot zurückzuführen.
Auch „im direkten Betrieb‟ sind experimentelle Checks möglich – ein Feldexperiment:
Ein Versandhaus möchte den Einfluss unterschiedlicher Katalogversionen auf die Anzahl bestellter Artikel untersuchen.
Ein Forschungsteam bildet zuerst aus der Kundendatei zufällig zwei – nach Soziodemogra- fie und Einkaufsverhalten strukturgleiche – Gruppen. Für beide Gruppen werden die durchschnittlichen Bestellungen des letzten Quartals ermittelt (= Nullmessung). Die Mitglieder der Kontrollgruppe erhalten daraufhin den bisherigen Katalog zugesandt. Die Mitglieder der Versuchsgruppe bekommen jeweils ein Muster eines neuen Test-Katalogs. Danach erfolgt eine Analyse der Bestellungen beider Gruppen für ein weiteres Quartal.
Dieses Setting entspricht in Abbildung 9 auf Seite 39, besitzt in diesem Beispiel allerdings eine relativ geringe Zuverlässigkeit: Die Anzahl der Artikelbestellungen kann neben dem Katalog selbst durch viele andere (= Stör-)Variablen beeinflusst werden: Geschenk-Käufe für zufällig anfallende Geburtstage, Einkommensveränderungen, individuell verändertes Kaufverhalten sind nur ein paar Beispiele für ergebnisverzerrende Wirkung ...
Zusatzinformationen und weiterführende Literatur zu diesem Kapitel:
Atteslander, Peter (2010): Methoden der empirischen Sozialforschung. 13., neu bearbeitete und erweiterte Auflage. Berlin: Erich Schmidt. Beobachtung: Seite 73-107; Befragung: Seite 109-175; Experiment: Seite 177-193; Inhaltsanalyse: Seite 195-224.
Brosius, Hans-Bernd/Haas, Alexander/Koschel, Friederike (2016): Methoden der empirischen Kommunikationsforschung: Eine Einführung. 7., überarbeitete und aktualisierte Auflage. Wiesbaden: Springer VS. Studienbücher zur Kommunikations- und Medienwissenschaft. Datenerhebungsmethoden allgemein: Seite 5f.; Inhaltsanalyse: Seite 137-181; Beobachtung: Seite 183-215; Experiment: Seite 217-255.
Ebster, Claus/Stalzer, Lieselotte (2017): Wissenschaftliches Arbeiten für Wirtschafts- und Sozialwissenschaftler. 5., überarbeitete und erweiterte Auflage. Wien: facultas. Methoden der Datenerhebung: Seite 200-224.
Früh, Werner (2017): Inhaltsanalyse. 9., überarbeitete Auflage. Konstanz und München: UVK. [40]
13 VGL. KAPITEL „1 | THEMA, ERKENNTNISINTERESSE(N), FORSCHUNGSFRAGEN, HYPOTHESEN“ AB SEITE 13.
14 Die Auflistung weiterer Einsatzmöglichkeiten qualitativer Markt- und Sozialforschung ließe sich wohl endlos fortsetzen: Konzeptionsanalysen für Produkte und Dienstleistungen, Produkt- und Packungstests, Verhaltensstudien, die gesamte inhaltliche Kommunikations- und Werbeforschung, Inhaltsanalysen des Bedeutungsgehalts von Wort-, Bildoder Filmmaterial, Detaillierung von Lifestyles und Zielgruppen, Erarbeitung von Markenstrategien und Firmendesigns, Assoziationsanalysen zu Marken, Logos usw.
15 Als weitere Anwendungsfälle quantitativer Markt- und Sozialforschung können die Feststellung von vordefinierten Einstellungen und Verhaltensweisen, die Ermittlung von Bekanntheitsgraden, die gesamte zahlenmäßige Kommuni- kations- und Werbeforschung (z.B. Reichweitenmessungen), Themen zählende Inhaltsanalysen, Analysen von Marktanteilen und Preisschwellen, Kunden- und Imageprofile, mengenmäßige Zielgruppen- und Lifestyle-Segmentationen, die (politische) Meinungs- und Sozialforschung usw. angeführt werden.
16 Analyseeinheit kann z.B. eine gesamte Zeitung, eine Seite daraus, ein Artikel, ein Satz, eine Sinneinheit usw. sein.
17 Das Codebuch entstammt einem Forschungsseminar am Institut für Publizistik- und Kommunikationswissenschaft der Universität Wien aus dem Wintersemester 2014/15 unter der Leitung von ao. Univ. Prof. Dr. Roland Burkart und dem Autor dieses Buchs. Dabei wurden in der Datenbank der APA (Austria Presse Agentur) alle Zeitungsartikel der Jahre 2004 bis 2014 nach Schlagworten wie „Public Relations‟, „PR‟ und anderen vorab genau definierten Begriffen durchsucht und im Fall eines Treffers in die Inhaltsanalyse miteinbezogen. Verfasser des Originals war Roland Burkart mit Unterstützung seiner damaligen Assistentin Neda Ninova.
18 Gern eingesetzte Suchsoftware ist z.B. talkwalker.com, brandwatch.com oder digimind.com.
19 Was als „Zähltreffer‟ gilt, wird zuvor je nach Komplexität mehr oder weniger arbeitsintensiv in Wortlisten definiert.
20 Wiederholte Gespräche in den Jahren 2016 bis 2020 mit dem Experten für Social Media-Marktforschung Mag. (FH) Markus Zimmer, Inhaber und Geschäftsführer von BuzzValue – New Media Research, bestätigen die hier artikulierten Sichtweisen für die gängige Forschungspraxis. Auch themenspezifische Literatur vertritt die Meinung, dass AutoTextanalysen zwar relativ gut zählen, aber weniger gut bewerten können – vgl. Scharkow 2012: 112ff.; Grimmer/Ste- wart 2013: 268; Boumans/Trilling 2016: 18.
21 Dazu sind vorab klare (menschlich aufwendig aufgestellte) Regeln notwendig, wie Sätze in Einzelteile zerlegt werden müssen, um Bedeutungen richtig zu verstehen.
22 Wortschatzanalysen versuchen zu ergründen, wie sich oft und gern verwendete Worte z.B. in Medien oder bei Politikerinnen und Politikern (zeitlich) verändern oder (kulturell) voneinander unterscheiden.
23 Auch die themenspezifische Literatur ist sich hier oft nicht einig.
24 Tagebuchstudien erfassen Verhaltensmuster – z.B. Mediennutzung – oft auch über einen längeren Zeitraum.
25 Abgeleitet aus dem Lateinischen „omnibus“ = „für alle“.
26 Panelstichproben kommen unter anderem auch auf Testmärkten zum Einsatz: Dabei handelt es sich um geografisch abgegrenzte Gebiete, wo sich Freiwillige für längere Zeit als Testkundschaft (= Panel) zur Verfügung gestellt haben. Im Testmarkt wird ein bestimmtes Produkt neu auf den Markt gebracht. Wie reagieren die Panelmitglieder (= Testkundschaft) darauf? ändert sich ihr bisheriges Kaufverhalten? – Gerne übersehen wird bei derartigen methodischen Settings allerdings ein Umstand: Der Status, Tester zu sein, verändert früher oder später die Konsumgewohnheiten der Testkundschaft – sei es nur, dass ihre Einkäufe wesentlich bewusster erfolgen als im realen Leben. Das kann zu Fehlschlüssen bei der Umlegung der (abgeschotteten) Testergebnisse auf den Gesamtmarkt ALLER führen.
27 In der psychologischen (vgl. Maderthaner 2017: 79-83), soziologischen (vgl. Atteslander 2010: 177-193), kommunikationswissenschaftlichen (vgl. Brosius/Haas/Koschel 2016: 217–255) und Marketing-Literatur (vgl. Berekoven/ Eckert/Ellenrieder 2009: 146-150) werden unterschiedliche experimentelle Settings und Anwendungsbeispiele angesprochen, die sich methodisch aber oft ähnlich sind.
Ücretsiz ön izlemeyi tamamladınız.