Mit Google fortfahren
Empirische Sozialforschung verstehen und prüfen
Empirische Sozialforschung untersucht menschliches Handeln und soziale Phänomene anhand systematisch erhobener Daten. Theorie und Empirie arbeiten dabei zusammen: Eine Forschungsfrage bestimmt, welche Daten gebraucht werden; die Daten helfen, theoretische Aussagen zu prüfen oder weiterzuentwickeln.
Auf dieser Seite lernst du, quantitative, qualitative und kombinierte Forschung zu unterscheiden. Außerdem kannst du beurteilen, ob Forschungsdesign, Stichprobe, Messung und Schlussfolgerung zusammenpassen.
Hake ab, was du schon kannst — und komm am Ende hierher zurück!
Von einer Frage zu empirischem Wissen
Angenommen, eine Schule möchte wissen, warum sich manche Jugendliche an politischen Projekten beteiligen und andere nicht. Einzelne Vermutungen reichen für eine verlässliche Antwort nicht aus. Die Vermutungen müssen in eine klare Forschungsfrage übersetzt und mit geeigneten Daten untersucht werden.
Empirische Sozialforschung
Empirische Sozialforschung umfasst regelgeleitete Methoden, mit denen Forschende Daten über menschliches Verhalten und soziale Phänomene erheben und auswerten. Empirisch bedeutet, dass Aussagen auf beobachtbarer oder messbarer Erfahrung beruhen.
Empirische Forschung ersetzt Theorie nicht. Ein Begriff wie „politische Beteiligung“ muss zuerst geklärt werden: Zählt nur die Mitgliedschaft in einer Partei oder auch eine Unterschriftensammlung, eine Demonstration und die Mitarbeit im Schülerrat? Erst danach lässt sich entscheiden, was beobachtet oder erfragt werden soll.
Eine Hypothese ist eine prüfbare Vermutung, etwa: Besser informierte Jugendliche beteiligen sich häufiger. Standardisiert bedeutet, dass Fragen und Erhebungsbedingungen nach einheitlichen Regeln gestaltet werden.
Ein typischer Forschungsprozess umfasst diese Schritte:
- Ein Problem eingrenzen und eine Forschungsfrage formulieren.
- Vorwissen und theoretische Überlegungen klären; bei passender Fragestellung eine prüfbare Hypothese bilden.
- Begriffe in beobachtbare Merkmale übersetzen und ein Forschungsdesign wählen.
- Fälle oder Teilnehmende auswählen und Daten erheben.
- Daten dokumentieren, ordnen und auswerten.
- Ergebnisse im Hinblick auf die Forschungsfrage interpretieren.
- Grenzen benennen und Ergebnisse nachvollziehbar darstellen.
Bei quantitativen Untersuchungen läuft dieser Prozess häufig weitgehend nacheinander ab. In qualitativen Untersuchungen können sich Erhebung, Auswertung und weitere Fallauswahl wiederholt abwechseln.
Fiktives Beispiel – Forschungsfrage: Hängt die Teilnahme an schulischen politischen Projekten damit zusammen, wie gut Jugendliche sich über Mitwirkungsmöglichkeiten informiert fühlen?
Die Forschenden müssen nun festlegen, wie sie „Teilnahme“ und „informiert fühlen“ erfassen. Ein standardisierter Fragebogen könnte beide Merkmale in vergleichbarer Form messen. Die Daten können anschließend einen Zusammenhang zeigen. Sie beweisen aber noch nicht, dass bessere Information die Teilnahme verursacht: Vielleicht informieren sich bereits engagierte Jugendliche häufiger.
Drei Zugänge zur sozialen Wirklichkeit
Die Methode folgt der Forschungsfrage. Zahlen sind nicht automatisch besser als ausführliche Aussagen, und offene Interviews sind nicht automatisch tiefgründiger als Messdaten. Entscheidend ist, welche Art von Antwort benötigt wird.
Quantitative Forschung
Quantitative Forschung erhebt numerische Daten. Sie misst Merkmale, vergleicht Gruppen, sucht Muster und prüft Hypothesen statistisch. Häufig nutzt sie standardisierte Fragebögen, standardisierte Beobachtungen oder quantitative Inhaltsanalysen.
Eine passende Frage wäre: „Wie groß ist der Anteil der Jugendlichen, die im vergangenen Jahr an einem politischen Projekt teilgenommen haben?“
Qualitative Forschung
Qualitative Forschung arbeitet vor allem mit nicht numerischen Daten, etwa offenen Interviews, Beobachtungsprotokollen, Dokumenten, Bildern oder Videos. Sie untersucht, wie Menschen Erfahrungen deuten, und kann neue Begriffe, Hypothesen oder Theorien entwickeln.
Eine passende Frage wäre: „Wie erklären Jugendliche selbst, dass sie sich beteiligen oder nicht beteiligen?“
Erste Auswertungen können zeigen, welche weiteren Fälle wichtig sind. Ein solches Vorgehen ist besonders für die Grounded Theory typisch, einen Ansatz zur Entwicklung von Theorie aus Daten. Beim theoretischen Sampling richtet sich die nächste Auswahl nach den bisher entwickelten Konzepten. Die Erhebung kann enden, wenn zusätzliche Fälle keine neuen relevanten Erkenntnisse mehr liefern. Dies wird theoretische Sättigung genannt; dafür gibt es keine feste Fallzahl.
Mixed Methods
Mixed Methods verbindet quantitative und qualitative Zugänge, wenn beide gemeinsam die Forschungsfrage besser beantworten. Die Kombination beseitigt Schwächen nicht automatisch. Beide Teile müssen passend geplant und gemeinsam interpretiert werden.
Fiktives Beispiel: Ein Unterstützungsprogramm für Alleinerziehende wird untersucht. Ein standardisierter Fragebogen erfasst vor und nach der Teilnahme, wie stark sich die Teilnehmenden im Alltag belastet fühlen. So lassen sich Veränderungen der gemessenen Werte beschreiben; ihre Ursache ist damit noch nicht geklärt. Anschließende offene Interviews erkunden, wie Teilnehmende diese Veränderungen erklären und welche Erfahrungen der Fragebogen nicht erfasst hat.
Die Zahlen beschreiben ein Muster; die Interviews helfen, mögliche Prozesse dahinter zu verstehen. Stimmen beide Teile nicht überein, muss der Widerspruch untersucht werden. Er beweist für sich allein weder die Richtigkeit noch die Fehlerhaftigkeit einer Methode.
Wähle die Methode nicht nach persönlicher Vorliebe. Frage zuerst: Soll etwas gemessen und verglichen, in seiner Bedeutung verstanden oder mit zwei ergänzenden Zugängen untersucht werden?
Wähle in jeder Lücke die passende Form und prüfe anschließend deine Antworten.
Eine Untersuchung mit numerischen Daten ist überwiegend . Offene Interviews eignen sich besonders zum . Die Verbindung qualitativer und quantitativer Zugänge heißt . Welche Methode passt, entscheidet vor allem die .
Welches Forschungsdesign trägt die Schlussfolgerung?
Ein Forschungsdesign ist der Plan, nach dem Fälle ausgewählt, Daten erhoben und Vergleiche angelegt werden. Es bestimmt wesentlich, welche Schlussfolgerungen vertretbar sind.
Eine Variable ist ein Merkmal, das verschiedene Werte annehmen kann, etwa die Teilnahme an einem Projekt oder das politische Interesse. Im Experiment ist die unabhängige Variable die gezielt veränderte Bedingung; die abhängige Variable ist das gemessene Ergebnis.
- Randomisiertes Experiment: Forschende verändern gezielt eine Bedingung und teilen Teilnehmende zufällig den Vergleichsgruppen zu. Beispielsweise sieht eine Gruppe ein Video und die andere nicht. Die Zufallszuteilung hilft, vorbestehende Unterschiede zwischen Gruppen zu verringern.
- Quasi-Experiment: Die Wirkung einer gezielten Maßnahme wird anhand eines Vergleichs untersucht, aber die Zuteilung zu den Bedingungen erfolgt nicht zufällig. Ein Beispiel sind bestehende Klassen mit und ohne ein neues Unterrichtsprojekt.
- Ex-post-facto-Design: Eine Einwirkung oder ein Unterschied besteht bereits und wird nachträglich untersucht.
- Querschnittsstudie: Daten werden zu einem Zeitpunkt erhoben.
- Längsschnittstudie: Daten werden zu mehreren Zeitpunkten erhoben.
- Panelstudie: Dieselben Personen nehmen wiederholt teil.
- Trendstudie: Vergleichbare Fragen werden zu verschiedenen Zeitpunkten jeweils neuen Stichproben aus derselben Zielgruppe gestellt.
Diese Begriffe beschreiben unterschiedliche Seiten eines Designs: Auch ein Experiment kann mehrere Erhebungszeitpunkte haben.
Korrelation und Kausalität
Eine Korrelation ist ein statistischer Zusammenhang zwischen Merkmalen. Kausalität bedeutet, dass eine Veränderung tatsächlich eine andere Veränderung verursacht. Eine Korrelation allein belegt keine Ursache.
Für einen kausalen Schluss muss die vermutete Ursache zeitlich vor der Wirkung liegen. Außerdem müssen plausible alternative Erklärungen geprüft werden. Ein geeignetes Experiment kann dafür besonders starke Hinweise liefern, ist aber nicht immer möglich oder ethisch vertretbar.
Fiktives Beispiel: Eine Untersuchung findet: Jugendliche, die häufig politische Nachrichten nutzen, beteiligen sich häufiger an politischen Projekten.
Mögliche Erklärung A: Die Nachrichtennutzung fördert die Beteiligung.
Mögliche Erklärung B: Bereits politisch interessierte Jugendliche nutzen häufiger Nachrichten und beteiligen sich häufiger. Das politische Interesse wäre dann eine Alternativerklärung.
Eine einmalige Umfrage kann den Zusammenhang beschreiben, aber die beiden Erklärungen nicht sicher trennen. Eine Längsschnittstudie könnte zumindest prüfen, welches Merkmal sich zuerst verändert. Auch dann müssen weitere Einflussfaktoren berücksichtigt werden.
Wie gut bildet die Stichprobe die Zielgruppe ab?
Die Grundgesamtheit umfasst alle Personen oder Fälle, über die eine Studie etwas aussagen möchte. Die Stichprobe ist eine dafür ausgewählte Teilmenge. Nicht alle ausgewählten Personen nehmen tatsächlich teil; deshalb musst du Auswahl und Teilnahme getrennt prüfen.
Bei einer Zufallsstichprobe besitzt jedes Element eine bekannte Auswahlwahrscheinlichkeit größer als null. Diese Wahrscheinlichkeiten müssen nicht für alle gleich sein. Dazu gehören:
- die einfache zufällige Auswahl einzelner Fälle,
- die geschichtete Auswahl: Aus jeder zuvor gebildeten Gruppe werden Fälle zufällig gezogen,
- die Klumpenauswahl: Natürliche Gruppen wie Schulklassen werden zufällig gezogen und alle ihre Mitglieder einbezogen,
- mehrstufige Kombinationen verschiedener Auswahlverfahren.
Nicht-probabilistische Verfahren besitzen keine bekannten Auswahlwahrscheinlichkeiten für alle Mitglieder. Beim Schneeballverfahren vermitteln bereits Teilnehmende weitere Personen. Eine Quotenstichprobe bildet festgelegte Merkmalsanteile ab, ohne alle Fälle zufällig auszuwählen.
Solche Verfahren können bei schwer erreichbaren Gruppen sinnvoll sein. Dabei besteht das Risiko einer systematischen Verzerrung: Bestimmte Teile der Grundgesamtheit sind in den erhobenen Daten auf eine Weise über- oder untervertreten, die das untersuchte Ergebnis verschiebt. Ergebnisse lassen sich dann möglicherweise nicht verlässlich auf die gesamte Zielgruppe übertragen.
Fiktives Beispiel: Eine Onlineumfrage zur politischen Einstellung aller Schülerinnen und Schüler wird nur über den Social-Media-Kanal einer politischen Jugendgruppe verbreitet.
Die Fallzahl kann groß sein und die Ergebnisse können trotzdem verzerrt sein. Mitglieder und Follower dieses Kanals unterscheiden sich möglicherweise systematisch von der Zielgruppe. Mehr Antworten gleichen eine einseitige Auswahl nicht automatisch aus.
Frage bei jeder Prozentangabe: Wer gehört zur Grundgesamtheit? Wer konnte in die Stichprobe gelangen? Wer hat tatsächlich teilgenommen? Eine große Stichprobe ist nicht automatisch eine passende Stichprobe.
Auch eine Zufallsauswahl garantiert kein unverzerrtes Ergebnis. Antworten bestimmte Gruppen seltener und unterscheiden sie sich im untersuchten Merkmal, kann das Ergebnis verzerrt sein. Repräsentativität meint hier, wie gut die Daten die Zielgruppe hinsichtlich der untersuchten Merkmale abbilden.
Messung, Güte und Ethik prüfen
Selbst eine gut ausgewählte Stichprobe nützt wenig, wenn das Instrument nicht zum untersuchten Begriff passt. Drei klassische Gütekriterien helfen bei der Prüfung quantitativer Messungen.
Objektivität
Eine Messung ist objektiv, wenn Durchführung, Auswertung und Interpretation möglichst wenig davon abhängen, welche Person die Untersuchung leitet.
Reliabilität
Reliabilität bezeichnet die Zuverlässigkeit einer Messung. Wenn sich das untersuchte Merkmal nicht verändert hat und die Bedingungen gleich bleiben, sollte eine Wiederholung gleiche oder sehr ähnliche Ergebnisse liefern.
Validität
Validität bedeutet, dass ein Instrument tatsächlich das Merkmal misst, das es zu messen beansprucht.
Eine Messung kann zuverlässig, aber nicht valide sein. Ein Fragebogen könnte bei Wiederholungen stets ähnliche Werte liefern, obwohl seine Fragen statt politischer Beteiligung nur politisches Wissen erfassen.
Für qualitative Forschung gibt es keinen allgemein akzeptierten Katalog identischer Gütekriterien. Wichtig sind unter anderem die Passung von Frage und Methode, die Verankerung der Interpretation im Material, eine nachvollziehbare theoretische Einordnung und eine verständliche Darstellung.
Auch Forschungsethik gehört zur Qualität. Dazu zählen informierte, freiwillige Einwilligung und der Schutz persönlicher Daten. Teilnehmende sollen wissen, worum es geht und was mit ihren Angaben geschieht. Bei der Anonymisierung werden Daten so bearbeitet, dass sie nicht mehr einer Person zugeordnet werden können. Vulnerable Teilnehmende sind besonders schutzbedürftig, etwa weil sie in einem Abhängigkeitsverhältnis stehen. Ein methodisch interessantes Vorhaben ist nicht automatisch ethisch vertretbar.
Eine Studie in fünf Schritten prüfen
- Frage: Ist die Forschungsfrage klar und mit Daten beantwortbar?
- Messung: Erfassen die verwendeten Fragen oder Beobachtungen wirklich die gemeinten Merkmale?
- Auswahl: Passt die Stichprobe zur Grundgesamtheit, über die gesprochen wird?
- Vergleich: Ermöglicht das Design den behaupteten Vergleich oder kausalen Schluss?
- Grenzen: Werden Unsicherheit, Alternativerklärungen und der Geltungsbereich der Ergebnisse genannt?
Fiktives Beispiel: Eine Studie behauptet: „Ein neues Unterrichtsprojekt steigert das politische Interesse.“ Befragt wurde nach Projektende nur eine teilnehmende Klasse.
Die Aussage ist zu stark. Aus einer einzigen Messung in dieser Klasse ist weder eine Veränderung noch eine Projektwirkung abzulesen. Ein vorher gemessener Ausgangswert und eine geeignete Vergleichsgruppe würden die Prüfung verbessern. Außerdem bleibt offen, ob die Fragen politisches Interesse valide messen und ob sich die Klasse auf andere Jugendliche übertragen lässt.
Eine bessere Untersuchung könnte das Interesse vor und nach dem Projekt messen und eine vergleichbare Klasse ohne Projekt einbeziehen. Ohne zufällige Zuteilung blieben Unterschiede zwischen den Klassen eine mögliche Alternativerklärung.
Karteikasten
Überlege zuerst selbst und drehe die Karte anschließend zum Prüfen um.
Alles auf einen Blick
- Empirische Sozialforschung
- Ausgangspunkt: klare, theoretisch reflektierte Forschungsfrage
- Quantitativ: messen, vergleichen und Hypothesen prüfen
- Qualitativ: Bedeutungen und Prozesse verstehen
- Mixed Methods: unterschiedliche Zugänge gemeinsam nutzen
- Design: Vergleich, Zeitfolge und mögliche Ursachen planen
- Auswahl: Stichprobe auf die Grundgesamtheit beziehen
- Qualität: Objektivität, Reliabilität, Validität und Nachvollziehbarkeit prüfen
- Urteil: Befund, Alternativerklärung und Geltungsgrenze unterscheiden
Der entscheidende Zusammenhang lautet: Die Forschungsfrage bestimmt Methode und Design. Design und Auswahl bestimmen, welche Daten entstehen. Messqualität und Auswertung bestimmen, wie belastbar der Befund ist. Erst danach darf entschieden werden, wie weit eine Schlussfolgerung reicht.
Abschluss-Check
Prüfe dein Verständnis an einer fiktiven Kurzstudie:
Eine Schülerzeitung möchte wissen, ob kurze politische Videos das Interesse an Kommunalpolitik erhöhen. Sie stellt ein Video auf ihren eigenen Kanal. Danach beantworten 240 Follower freiwillig einen standardisierten Fragebogen. Davon geben 180 an, nun stärker interessiert zu sein. Die Zeitung meldet: „Kurze Videos verursachen bei Jugendlichen mehr politisches Interesse.“
Lösung zur Auswertung: Teile die 180 zustimmenden Antworten durch alle 240 Antworten: $180/240=0{,}75$. Multipliziere den Anteil mit 100: $0{,}75\cdot100=75$. Es sind also 75 Prozent der Befragten. Der Nenner sind die antwortenden Follower, nicht alle Jugendlichen.
Eine angemessene Schlussfolgerung wäre: Unter den freiwillig befragten Followern berichteten 75 Prozent nach dem Video ein stärkeres Interesse. Wegen Auswahl, fehlender Ausgangsmessung und fehlender Vergleichsgruppe lässt sich daraus weder auf alle Jugendlichen schließen noch eine Ursache sicher nachweisen.