Show Less
Open access

Triangulation in der Fremdsprachenforschung

Series:

Edited By Daniela Elsner and Britta Viebrock

Fremdsprachenlernen und Fremdsprachenunterricht sind facettenreiche Forschungsgegenstände, deren Untersuchung ein komplexes Design verlangt. Um ein multidimensionales Bild der ablaufenden Prozesse zu erhalten, werden in der fremdsprachlichen Unterrichtsforschung immer häufiger rekonstruktive und interpretative Verfahren mit standardisierten quantitativen Methoden verbunden. Methoden-, Theorie-, Daten- oder Beobachtertriangulation werden zur Überprüfung von Forschungsergebnissen sowie zur Erweiterung von Erkenntnismöglichkeiten eingesetzt. Die Beiträge in diesem Band zeigen die unterschiedlichen Dimensionen des Triangulationskonzepts, seine theoretischen Grundlagen sowie praktische Anwendungen. Sie sind im Anschluss an die zweite forschungsmethodische Sommerschule der Deutschen Gesellschaft für Fremdsprachenforschung (DGFF) entstanden.
Show Summary Details
Open access

Ansätze zur Triangulation mithilfe qualitativer Forschungssoftware (MAXQDA 11)

← 100 | 101 →Ansätze zur Triangulation mithilfe qualitativer Forschungssoftware (MAXQDA 11)

Claus Stefer

Dieser Beitrag fokussiert den Einsatz von MAXQDA 11, einer Software zur Analyse qualitativer Daten, im Kontext von triangulativen Datenauswertungsverfahren. Es werden die häufigsten und flexibelsten Triangulationsstrategien anwendungsorientiert aufgegriffen. Dargestellt werden sowohl einfache häufigkeitsorientierte Verfahrensweisen als auch komplexere Techniken wie die Arbeit mit Variablen, Joint Displays, Summary Grids, Elemente der quantitativen Inhaltsanalyse sowie die Intercoder-Übereinstimmug als grundlegender Ansatz der Forscher-/innentriangulation. Der Beitrag ist auf die Forschungspraxis hin ausgerichtet, d.h., dass die einzelnen Vorgehensweisen und die dahinterliegenden methodologischen Annahmen zunächst knapp vorgestellt werden, um im Anschluss ihre Umsetzung mithilfe von MAXQDA in den Blick zu nehmen.

1. Einleitung

Software zur Unterstützung des Forschungsprozesses hat sich als selbstverständlicher Teil moderner sozialwissenschaftlicher Forschung etabliert. Verfolgte diese Art Software zunächst vor allem das Ziel, etablierte Arbeitsabläufe qualitativer Forschung auf den Computer zu übertragen und so die Arbeit übersichtlicher und effizienter zu gestalten, so hat sich im Laufe von nunmehr über zwei Dekaden eine eigene Familie von Software für die qualitative Datenanalyse entwickelt, die durch das breite Spektrum angebotener Analysemöglichkeiten neue Perspektiven für die Datenauswertung eröffnet. Diese Art Analyseprogramme wird im deutschen Raum in der Regel als QDA-Software bezeichnet – das Kürzel steht für Qualitative Datenanalyse –, im englischsprachigen Raum ist die Bezeichnung CAQDAS (Computer Assisted Qualitative Data Analysis Software) gebräuchlich. Während der fortlaufenden Entwicklung konnte die Funktionalität der jeweiligen Programme nicht zuletzt aufgrund der rasant wachsenden Leistungsfähigkeit von Computern stetig wachsen. Die letzte Generation von QDA-Programmen kann demnach mit einer Fülle von Funktionen und Möglichkeiten aufwarten, die vor wenigen Jahren noch undenkbar gewesen wären. Sie eröffnen völlig neue Perspektiven auf die Datenanalyse und können für eine Vielzahl qualitativer Forschungsvorhaben eingesetzt werden. Mit ihnen lassen sich enorme Datenmengen verwalten und bearbeiten, sie erlauben die Integration ← 101 | 102 →unterschiedlichster Dokument- und Medienarten, bieten flexible Teamwork-Funktionen an und erhöhen die Nachvollziehbarkeit des Forschungsprozesses. Eine besondere Stärke der Software liegt in ihrer Fähigkeit, unterschiedliche Forschungsmethoden und -logiken zu integrieren, um sie möglichst selbstverständlich auf denselben Datenkorpus anwenden zu können. Aber auch die Zusammenführung von Daten aus unterschiedlichen methodischen Quellen bzw. die Bereitstellung der Arbeitsergebnisse für die weitere Analyse mithilfe anderer Software beherrscht moderne QDA-Software. Somit bietet sie optimale Voraussetzungen, die mehr und mehr üblichen Wege der Triangulation, Methodenintegration und Mixed Methods effizient in der Forschungspraxis umzusetzen1. Dieser Beitrag untersucht anhand einer Betrachtung der Software MAXQDA (Version 11), welche konkreten Möglichkeiten zur Triangulation QDA-Software anbietet.

2. Grundkonzepte der Triangulation in QDA-Software

QDA-Software stellt verschiedene Techniken zur Verfügung, Triangulationen vorzunehmen. Folgende Verfahrensweisen stellen dabei die dominanten dar:

Integration qualitativer und quantitativer Daten und Forschungslogiken: Dieser Aspekt beschreibt die Möglichkeit, standardisierte und nicht standardisierte Daten in einem einzigen Datensatz zusammenzubringen, und zwar in einer Weise, die es einerseits ermöglicht, die Daten jeweils separat zu analysieren, sie jedoch auch unmittelbar und direkt miteinander zu verbinden. Ein Weg kann sein, separat vorliegende Daten in einer Software zusammenzuführen, um so alle Informationen unmittelbar kombiniert vorliegen zu haben, sie in der Analyse aufeinander beziehen zu können und so anzureichern. Einen anderen Weg stellt die Möglichkeit dar, Forschungslogiken zu kombinieren, etwa direkt bei der interpretativ-bewertenden Einordnung von Textstellen eine Likert-Skala ← 102 | 103 →anzuwenden. Darüber hinaus existieren Schnittstellen, die es ermöglichen, die Daten und Inhalte, die in der QDA-Software bearbeitet werden, auch an Statistik- Software zu übergeben, um speziellere Analysen durchführen zu können.

Quantifizierung der qualitativen Analyse: QDA-Software ermöglicht es, verschiedenste Schritte, Tätigkeiten und Facetten qualitativer Analysearbeit auch in quantifizierter Form darzustellen. Wichtige Werkzeuge können hier etwa Codehäufigkeiten, die Anzahl der Überschneidungen von bestimmten Codes oder auch der prozentuale Anteil eines Dokumentes, der codiert wurde, (Codierdichte) sein. Auch diese Informationen können an Statistik-Software übergeben werden, etwa um weitergehende Zusammenhangsanalysen durchführen zu können.

Joint Displays: Sie ermöglichen, qualitative und quantitative Informationen in einer einzigen Übersicht zu vereinen und so gemeinsam darzustellen. Sie erlauben beispielsweise, die Aussagen nach quantitativen Merkmalen und Eigenschaften sortiert auszugeben und gegenüberzustellen, etwa die Aussagen der befragten Personen sortiert nach ihrem höchsten formalen Bildungsabschluss.

Quantitative Analyse qualitativen Materials: Neben rein oder vornehmlich interpretativen Vorgehensweisen existiert auch eine Reihe von Verfahren, mit deren Hilfe nicht standardisiertes – also qualitatives – Datenmaterial auf statistischer Basis ausgewertet werden kann, so etwa die Quantitative Inhaltsanalyse. Auch die vergleichsweise einfache Analyse von Worthäufigkeiten, die einen spannenden Einblick in den Wortschatz der zu analysierenden Dokumente und somit auch in die ausgedrückte Weltsicht des Dokumentes ermöglicht, ist dieser Art der Triangulation zuzurechnen.

Teamwork: Moderne QDA-Software ermöglicht auf vielfältige Weise die Kooperation von Forschenden und somit die Forscher-/innentriangulation. Aber auch die Untersuchung von Intercoder-Übereinstimmungen, die ein Merkmal für die Zuverlässigkeit der vorgenommenen Codierungen darstellt, wird ohne Weiteres ermöglicht.

Auf diese fünf Grundkonzepte aufbauend werden in QDA-Software unterschiedlichste Analysekonzepte umgesetzt, die es den Forschenden ermöglichen, Triangulationen den spezifischen Anforderungen entsprechend vorzunehmen.

3. Triangulation in MAXQDA 11

In MAXQDA 11 stehen Forschenden vielfältige Möglichkeiten zur Triangulation zur Verfügung. Nachfolgend werden die zentralen Funktionen der Software betrachtet. Dabei können an dieser Stelle nicht alle Funktionen der Software im Detail besprochen werden, sondern es wurde eine Auswahl getroffen, die sich am zu erwartenden Nutzwert der Funktionen für ein breites Publikum orientiert und für eine große Zahl unterschiedlicher Forschungskontexte nutzbar ist.

← 103 | 104 →Vor der Betrachtung der einzelnen Funktionen ist ein prinzipieller Hinweis auf einen aus qualitativ-interpretativer Perspektive wesentlichen Aspekt der Arbeit mit Quantifizierungen unerlässlich: Quantitäten, beispielsweise die Häufigkeit von Codierungen, sind zwar als unzweifelhaftes Faktum zu betrachten, ein direkter Rückschluss von Häufigkeiten auf inhaltliche Relevanzen ist allerdings nicht unbedingt zulässig. Nur weil etwa eine Kategorie während des Codierens besonders häufig angewendet wurde, ist sie nicht automatisch besonders wichtig. Genauso gut könnte sie einfach die ungenaueste Kategorie sein oder aber diejenige, die bewusst am breitesten definiert wurde. Andererseits macht es einen deutlichen Unterschied, ob beispielsweise ein Code, der qua Definition in jedem Dokument maximal einmal vergeben werden kann, bei einem 30 Dokumente umfassenden Forschungsprojekt vier- oder 24-mal angewendet wurde. Die Forscher/innen haben demnach stets die Aufgabe, die Erkenntnisse oder Vermutungen, die sich aus der Arbeit mit Quantifizierungen ergeben, an den qualitativen Kontext rückzubinden, aus dem sie hervorgehen bzw. den sie abbilden, sie daran zu überprüfen und die inhaltliche, qualitative Dimension dieser Zahlenwerte zu erschließen. Die substanzielle Zusammenführung und Rückbindung der einzelnen Elemente ist somit von entscheidender Bedeutung. Oder anders formuliert: Die Zahlen lügen nicht, bedürfen aber spezifischer Analyse.

3.1 Grundlegende Quantifizierungen: Code- und Überschneidungshäufigkeiten

Die grundlegendste Stufe der Quantifizierung steht in MAXQDA permanent und ohne gesonderten Aufruf zur Verfügung: Hinter jedem Dokument wird die Anzahl der in ihm codierten Dokumentstellen in Zahlenform angezeigt. Gleiches gilt für die Codes, auch hier wird hinter jedem Code als Zahl ausgegeben, wie viele Dokumentstellen ihm zugeordnet wurden. Diese Zahlen werden automatisch während der Arbeit mit den Daten erzeugt und aktualisiert und bilden somit die interpretative Arbeit numerisch ab. Allerdings bleiben diese Werte immer auf Ebene eines Dokumentes oder eines Codes und sind kumulativ, also nicht differenziert. Um diese Werte differenzierter zu betrachten, kann mithilfe der Funktion Übersicht Codings sowohl für ein Dokument als auch für einen Code eine tabellarische Übersicht aller im Dokument codierten bzw. dem Code zugeordneten Passagen aufgerufen werden. Dazu wird das betreffende Dokument oder der betreffende Code mit der rechten Maustaste angeklickt, um aus dem erscheinenden Menü den Eintrag Übersicht Codings aufzurufen.

← 104 | 105 →Abb. 1: Übersicht über alle codierten Textstellen (=Codings) des Dokuments B10.

Image

Eine weitergehende, vergleichende und daher besser für das Erlangen eines Überblicks geeignete Darstellung der Codehäufigkeiten stellt der Code-Matrix-Browser (Menü Visual Tools) zur Verfügung. Er erlaubt, die Häufigkeiten der Codierungen für jeden Code und jedes Dokument gleichzeitig kumuliert in grafischer Form in einer Tabelle darzustellen. Der Code-Matrix-Browser ist ein Gitter, in dem jede vorgenommene Codierung in Form eines Quadrates repräsentiert wird. Je häufiger ein bestimmter Code in einem Dokument vergeben wurde, desto größer wird das Quadrat in der Grafik dargestellt. Wurde ein Code nicht angewendet, bleibt die betreffende Position leer. Neben dieser grafischen Form der Darstellung ermöglicht der Code-Matrix-Browser aber auch, die absoluten Codierhäufigkeiten als Zahlwerte auszugeben. Diese alternative Anzeigeform ist deutlich präziser, da die grafischen Symbole kleine Unterschiede der Häufigkeiten unter Umständen nicht abbilden können, dafür sind Maxima und Minima schwieriger auszumachen. Die Informationen dieser Grafik, also die Anzahl der codierten Textstellen je Code in jedem Dokument, lassen sich ohne Weiteres über ein entsprechendes Icon in Form einer Tabelle exportieren. Dadurch besteht eine direkte Anknüpfung an die Welt der statistischen Datenanalyse, beispielsweise um mithilfe einer Software für statistische Analysen Korrelationen zwischen Codes zu berechnen.

← 105 | 106 →Abb. 2: Ausschnitt aus einem Code-Matrix-Browser.

Image

Als Ergänzung zu dieser Übersichtsdarstellung der Codehäufigkeiten erlaubt der Code-Relations-Browser (Menü Visual Tools) in gleicher Darstellungsform, also sowohl grafisch als auch numerisch, die Anzeige der Überschneidungen und Nähe von Codes. Die erzeugte Grafik gibt folglich Aufschluss darüber, wie vielen Textstellen mindestens zwei Codes zugewiesen wurden. Dazu wird eine Matrix erzeugt, die sowohl in den Spalten als auch in den Zeilen frei wählbare Codes enthält. An der Schnittstelle von Zeilen und Spalten wird jeweils als Grafik oder Zahl ausgegeben, wie häufig sich die beiden betreffenden Codes überschneiden. Dabei kann definiert werden, ob es sich um reale Überschneidungen handelt, eine Textstelle also tatsächlich beiden Codes zugewiesen wurde, oder ob sich die Codierungen in der Nähe zu einander befinden. Die Nähe wird dabei in Form von Absätzen definiert, die zwischen dem Vorkommen der beiden Codes im gleichen Text liegen können.

Abb. 3: Suche nach tatsächlichen Überschneidungen der drei Codes in der ersten Spalte mit anderen Codes anhand der Darstellung im Code-Relations-Browsers.

Image

Diese Darstellungen der Quantitäten gestatten den Forschenden, einen schnellen Überblick über die Vergabe von Codes zu gewinnen und so einen neuen, ergänzenden Eindruck von der zahlenmäßigen Bedeutung des Kategoriensystems und seiner Teile zu erhalten. Ein Blick auf die bloßen Häufigkeiten der Codierungen je Code und je Dokument sowie auf die jeweiligen prozentualen Anteile kann Hinweise bezüglich der Relevanz einer Kategorie, der Erfordernis einer neu vorzunehmenden, ← 106 | 107 →präziseren Codedefinition oder der inhaltlichen Dichte eines Dokumentes hervorbringen. Dem Code-Matrix-Browser kann unter anderem schnell entnommen werden, welche Dokumente besonders viele Codierungen zu einem bestimmten Code enthalten oder welcher Code in einem Dokument der dominante ist, und zwar jeweils, wenn gewünscht, im Kontext aller bearbeiteten Dokumente. Der Code-Relations-Browser zeigt auf, welche Codes häufig gleichzeitig vergeben wurden, somit eventuell von ihrer inhaltlichen Bedeutung her zusammentreffen, oder, in der Sequenz der zugrunde liegenden Dokumente gedacht, sich in der Nähe zueinander befinden – beides können Hinweise auf einen inneren Zusammenhang der betreffenden Codes, ggf. aber auch auf unzureichende Kategoriendefinitionen sein.

Diese Art grundlegender Quantifizierungen stellt in vielen Fällen neben den klassischen methodenspezifischen Vorgehensweisen einen ersten wichtigen Anlaufpunkt während des Analyseprozesses dar. Sie sind sehr gut geeignet, Ideen bezüglich der Relevanz von Codes oder zu Zusammenhängen zu entwickeln. Sie können Hinweise auf die Güte des Kategoriensystems geben. Sie erlauben es gewissermaßen, die inhaltlich-interpretative Tätigkeit des Codierens aus einem neuen Blickwinkel und im erweiterten Kontext des Gesamtprojekts, aber, wenn gewünscht, auch im Kontext einzelner ausgewählter Dokumente zu betrachten. Die eigentliche Interpretation der Textstellen verliert in dieser distanzierteren Sichtweise zunächst etwas an Relevanz, jedoch nur, um im Anschluss bei der Erschließung der Bedeutungen wieder substanziell in die Analyse einbezogen zu werden.

3.2 Gewichtung von Codierungen

MAXQDA bietet die Möglichkeit, jeder Codierung ein eigenes Gewicht zu verleihen. Technisch gesprochen kann so jeder Codierung als Attribut eine Zahl zwischen 0 und 100 zugewiesen werden. Diese Zuweisung stellt einen Interpretationsakt dar und muss demnach für jede Codierung individuell vorgenommen werden. Lediglich das Standardgewicht, also der Wert, der jeder neuen Codierung automatisch zugewiesen wird, lässt sich über den Eintrag Optionen im Menü Projekt einstellen. Die Voreinstellung 0 wird in der Regel als nicht gewichtet verwendet. Das Gewicht einer Textstelle wird verändert, indem der Codierstreifen des betreffenden Codings mit der rechten Maustaste angeklickt wird, woraufhin die Möglichkeit Gewicht ändern angeboten wird. Das zugewiesen Gewicht wird unter anderem angezeigt, wenn der Mauszeiger über den Codierstreifen bewegt wird und dort eine Weile ruht, es wird aber auch in den gelben Infoboxen (Herkunftsangabe) in der Liste der Codings im oberen blauen Balken ausgegeben.

Anhand der Gewichtungen wird es möglich, die Auswahl anzuzeigender Textstellen differenzierter zu gestalten. Im Menü Analyse werden die Möglichkeiten ← 107 | 108 →geboten, den Gewichtsfilter bearbeiten und den Gewichtsfilter anwenden zu können. Die erste Option gestattet es, eine Wertespanne zu definieren. Die zweite Funktion wendet daraufhin die vorgenommenen Einstellungen auf die Liste der Codings an: Wird der Gewichtsfilter aktiviert, so werden in der Liste der Codings ausschließlich jene Codings der aktivierten Dokumente und Codes gelistet, deren Gewicht innerhalb der definierten Gewichtsspanne liegt. Es handelt sich also um eine effiziente Filtermöglichkeit.

Abb. 4: Beschränkung der anzuzeigenden Codings auf solche mit einem Gewicht der Spanne 5-10. Das tatsächliche Gewicht einer Textstelle wird in der oberen rechten Ecke der zugehörigen Herkunftsangabe (Kasten auf der linken Seite) angezeigt.

Image

← 108 | 109 →Für die praktische Verwendung dieser numerischen Information bieten sich viele Möglichkeiten. Populär ist die Gewichtung beispielsweise als Möglichkeit der Skalierung, etwa auf als Möglichkeit der inhaltlichen Kennzeichnung oder als Umsetzung der Fuzzy Sets der QCA (Qualitative Comparative Analysis, siehe Ragin 2000). Das erste Beispiel ließe sich etwa dergestalt umsetzen, dass einer Textstelle direkt nach ihrer Codierung ein Attribut in Form des Gewichts zugewiesen wird. Auf diese Weise könnten beispielsweise Textstellen gekennzeichnet werden, die zwar prinzipiell einem Code zuzuordnen sind, ihn aber nicht im Kern treffen oder von minderer inhaltlicher Qualität sind. Ein solches Coding könnte etwa mit einer 1 ausgezeichnet werden. Andersherum könnten auch Textstellen, die einen hervorragenden Beitrag zum jeweiligen Code liefern, ebenso kenntlich gemacht werden, in diesem Beispiel vielleicht mit dem Wert 10. Das zweite Beispiel bezieht sich auf eine eigene analytische Methode, die QCA mit Fuzzy Sets. Hierbei handelt es sich um ein Verfahren, das zweidimensionale Merkmalsräume definiert. Jedes Dokument oder je nach konkreter Anwendung auch jede einzelne relevante Dokumentpassage wird dann innerhalb dieser Merkmalsräume auf einer prozentualen Skala verortet. In dieser Logik würde das Gewicht diese Verortung verkörpern. So könnte beispielsweise der Grad der Demokratisierung von Ländern erfasst werden: Das Gewicht des Codes Grad der Demokratisierung würde für jedes Land abbilden, ob es sich um eine reife, funktionierende und vollständige Demokratie (bspw. Gewicht = 100), ein Land gänzlich ohne demokratische Strukturen (Gewicht = 0) oder vielleicht auch eine Zwischenform mit vielen demokratischen Elementen, jedoch nicht in allen Bereichen der Gesellschaft (bspw. Gewicht = 75) handelt. Die zu vergebenden Gewichtswerte müssen dabei möglichst anhand festgelegter Definitionen reproduzierbar vergeben werden.

Das weitere Verfahren ist prinzipiell identisch: Während des Retrievals, also während des Aufrufens und Anzeigens der codierten Textstellen, kann durch Verwendung des Gewichtsfilters sehr fein bestimmt werden, auf Textstellen welchen Merkmals die Anzeige beschränkt werden soll.

3.3 Dokument- und Codevariablen: Erweiterte Triangulationsmöglichkeiten

Zu jedem Dokument und zu jedem Code können in MAXQDA ergänzende Informationen hinterlegt werden. In der Regel handelt es sich dabei um Daten, die für die Analyse und das Verständnis und die Einordnung der Dokumente zwar relevant sind, selbst aber in MAXQDA nicht oder zumindest ← 109 | 110 →nicht in erster Linie interpretativ bearbeitet werden sollen. Prototypisch für Dokumentvariablen wären etwa soziodemografische Daten sowie weitere relevante Eigenschaften von Interviewpartner/innen, aber auch Ergebnisse einer qualitativen Typenbildung. Codevariablen können beispielsweise im Kontext der Grounded Theory (siehe u.a. Corbin/Strauss 2008, Strübing 2008) eingesetzt werden, um die Zugehörigkeit von Konzepten zu Kategorien abzubilden oder, wenn Gruppendiskussionen bearbeitet werden, um die Eigenschaften der beteiligten Sprecher/innen zu erfassen. Da das prinzipielle Vorgehen für die Arbeit mit Dokument- und Codevariablen identisch ist, die Dokumentvariablen aber deutlich häufiger eingesetzt werden und für das Thema der Triangulation auch relevanter sind, fokussiert die nachfolgende Darstellung die Dokumentvariablen.

Neben einigen sog. Systemvariablen, die MAXQDA automatisch zu jedem eingelesenen Dokument erzeugt und die für die interne Datenverwaltung benötigt werden, können Forschende selbst Variablen definieren. Jede Variable steht für jedes Dokument zur Verfügung. Die Darstellung der Daten erfolgt in einer Tabelle gemäß den für solche Datendarstellungen üblichen Konventionen, d.h. dass für jedes Dokument eine Zeile verfügbar ist und für jede existierende Variable eine eigene Spalte erzeugt wird. Um die Liste der Dokumentvariablen aufzurufen, kann der Befehl Dateneditor (Dokumentvariablen) im Menü Variablen ausgewählt werden. Im sich dann öffnenden Fenster können Werte angesehen, neu eingegeben und verändert werden.

Abb. 5: Ausschnitt des Dateneditors (Dokumentvariablen).

Image

← 110 | 111 →Um neue Variablen zu definieren, wird über den Eintrag Liste der Dokumentvariablen, der sich ebenfalls im Menü Variablen befindet, der entsprechende Dialog aufgerufen2. Wird das Icon zur Erzeugung einer Neuen Variable angeklickt, muss als nächstes definiert werden, welchen Namen die neue Variable erhalten soll und um welchen Datentyp es sich handelt. Zudem ist es möglich, eine Zeichenkette zu hinterlegen, anhand derer fehlende Werte identifiziert werden. Der Name der Variable kann frei gewählt werden. Der Typ einer Variablen definiert, welche Art von Daten die neue Variable aufnehmen kann. Sollen neben Ziffern auch weitere Zeichen wie Buchstaben oder Sonderzeichen hinterlegt werden, so muss als Typ String gewählt werden, da außer diesen Stringvariablen keine andere Variable Buchstaben entgegen nimmt. Daneben sind noch die Variablentypen Ganzzahl zur Speicherung von Ziffern (etwa Geburtsjahr), Fließkommazahl zum Hinterlegen von Werten mit Nachkommastellen (beispielsweise die Abiturdurchschnittsnote), Datum/Uhrzeit sowie Boolean verfügbar. Der Variablentyp Boolean ist zweiwertig, d.h. er ermöglicht die Hinterlegung von lediglich zwei unterschiedlichen Werten: Vorhanden bzw. erfüllt und nicht vorhanden bzw. nicht erfüllt. Während für alle anderen Variablentypen ein Eingabefeld bereitgestellt wird, in das die betreffenden Werte eingetragen werden können, wird für Boolean-Variablen eine Checkbox dargestellt, die abgehakt werden kann. Vorhanden bzw. erfüllt wird dann durch ein gesetztes Häkchen dargestellt. Diese Variablenart eignet sich demnach für die Erfassung von Merkmalen, die entweder zutreffen oder eben nicht, also beispielsweise das Funktionsmerkmal Schulleiter/in oder die Zuordnung einer interviewten Person zum während der Analyse gebildeten Typus Verweigerer.

Nicht zufällig ähneln diese Beschreibung und die verwendeten Begriffe Verfahren aus der Welt der statistischen Datenanalyse: Die Variablen stellen einen zentralen Verbindungspunkt zwischen qualitativen und quantitativen Daten in MAXQDA dar. Dabei geht es nicht nur darum, die Informationen einfach in einer Datei zusammenzuführen. Vielmehr wird der Ansatz verfolgt, das qualitative und das quantitative Methodenspektrum möglichst eng und unkompliziert, gleichzeitig aber so flexibel wie möglich zusammenzuführen. Hierzu gehört unter anderem, dass es nicht erforderlich ist, bereits in Tabellenform vorliegende Daten – z.B. aus SPSS, Stata oder Excel – in MAXQDA erneut einzugeben, sondern es ist möglich, sie mithilfe der Funktionen Daten exportieren (Dokumentvariablen) und Daten importieren (Dokumentvariablen) im Menü ← 111 | 112 →Variablen unkompliziert nach MAXQDA zu transferieren. Das Spektrum der Verwendungsmöglichkeiten ist sehr breit gestreut, viele der komplexeren Analysetechniken, die in MAXQDA zur Verfügung stehen, basieren entweder auf Variablen oder sind in der Lage, die in der Variablenliste hinterlegten Werte in die Auswertung einbeziehen. Nachfolgend werden die wichtigsten Einsatzmöglichkeiten der Variablen vorgestellt, die sich im Kontext vieler Forschungsprojekte als fruchtbar erweisen können.

Variablenwerte als ergänzende Information und als Grundlage manueller Auswahl

Die einfachste Möglichkeit, die Variablenwerte für die Analyse zu nutzen, ist, sie als ergänzende Kontextinformation zu betrachten und bei Bedarf aufzurufen. Dazu kann aus dem Kontextmenü eines Dokumentes, das mit einem Rechtsklick auf das betreffende Dokument aufgerufen wird, direkt der Eintrag Übersicht Variablen ausgewählt werden. Im sich öffnenden Fester werden alle zu diesem spezifischen Dokument hinterlegten Variablenwerte angezeigt. Dieser Weg führt sozusagen von den qualitativen Daten zu den quantitativen Variablenwerten. Doch auch in umgekehrter Logik, also in Richtung von den Variablen zu den qualitativen Daten, lassen sich die Variablen sehr einfach einsetzen. In diesem Fall würden die Variablen als Kriterium zur manuellen Auswahl von Fällen mit interessanten und relevanten Merkmalen herangezogen. Ausgangspunkt ist dann der Dateneditor (Dokumentvariablen). Klickt man mit linker Maustaste auf einen der Spaltenköpfe, die den Namen der Variablen enthalten, so wird die Liste nach den Werten dieser Spalte aufsteigend sortiert, ein erneuter Klick kehrt die Sortierreihenfolge um. So könnten die Dokumente etwa nach dem Alter der datengebenden Personen sortiert werden. Auf diese Weise wird das Spektrum der hinterlegten Werte sehr schnell sichtbar. Um ein Dokument nun zu betrachten oder zu analysieren, klickt man mit der rechten Maustaste auf die entsprechende Zeile und wählt den Eintrag Dokument öffnen. Auf diese Weise lässt sich beispielsweise einfach und schnell untersuchen, ob die Vermutung, dass bestimmte in Variablen erfasste Merkmale mit inhaltlichen Äußerungen der Befragten in Verbindung steht, weiter verfolgt werden sollte oder nicht. Letztlich handelt es sich um nichts anderes als eine einfache Form von Gruppenvergleichen bzw. einer tendenziell eher explorativen Suche nach Mustern.

← 112 | 113 →Abb. 6: Aufruf eines Dokumentes über das Fenster Dateneditor (Dokumentvariablen). Die Einträge des Dateneditors wurden durch Klick auf die Spaltenüberschrift nach der Variable Mathenote im Abitur (Punkte) absteigend sortiert, so dass die Personen mit der höchsten Punktzahl nach oben und jene mit der niedrigsten Punktzahl unten sortiert wurden. Ein Rechtsklick auf eine Zeile ermöglicht den direkten Aufruf eines interessierenden Dokuments.

Image

Aktivierung via Dokumentvariablen

In die gleiche Richtung weisend, hinsichtlich der sich bietenden Möglichkeiten jedoch deutlich weitreichender, ist die Funktion Aktivierung via Dokument-variablen (in MAXQDA vor Version 11 lautet der Name dieser Funktion Logische Aktivierung). Dabei handelt es sich um die Möglichkeit, automatisiert aus der Liste der Dokumente all jene zu aktivieren, die den vorgegebenen Kriterien entsprechen. Als Kriterien, die zur Auswahl herangezogen werden können, dienen wiederum die hinterlegten Variablenwerte. Damit ermöglicht diese Funktion u.a. einen Rückgriff auf standardisierte, quantitative Informationen als Auswahlkriterium.

Die Aktivierung via Dokumentvariablen kann über das Menü Mixed Methods aufgerufen werden. Im sich öffnenden Dialog werden eine oder mehrere Bedingungen definiert, auf die hin der Datenkorpus überprüft werden soll. Entspricht ein Dokument den vorgegebenen Bedingungen, so wird es aktiviert, andernfalls deaktiviert. Dabei kann auf sämtliche im Projekt erzeugten Variablen zurückgegriffen werden. Zudem können mehrere Variablenbedingungen mit den Operanden und sowie oder miteinander verknüpft werden, so dass auch sehr ← 113 | 114 →komplexe Bedingungen abgebildet werden können. Unter der Voraussetzung, dass die entsprechenden Informationen als Variablen hinterlegt wurden, ist es mithilfe dieser Funktion ein Leichtes, die Analyse beispielsweise auf Dokumente der Angehörigen einer bestimmten Partei in einer bestimmten Funktion in einem bestimmten politischen Gremium zu beschränken und im nächsten Schritt eine ganz andere Gruppe zu wählen. Vor allem in Verbindung mit der Möglichkeit, die aktivierten Dokumente in sog. Sets, in frei zu erzeugenden Gruppen von Dokumenten zu organisieren, ermöglicht diese Funktion sehr elegant, Dokumente gezielt und flexibel gruppenspezifisch für die Analyse auszuwählen. Dabei ist diese Funktion nicht nur bei großen Projekten mit umfangreichen Datenkorpora hilfreich, in denen eine manuelle Auswahl aufgrund der schieren Masse der Dokumente unpraktikabel wäre. Durch die Möglichkeit der Verknüpfung mehrerer Bedingungen bietet sich ihr Einsatz auch in Projekten mit nicht zu vielen zu analysierenden Dokumenten an und erspart langwierige manuelle Wertevergleiche.

Umwandlung von Codes in Dokumentvariablen

Neben der Möglichkeit, selbst neue Variablen zu erzeugen und Daten einzugeben, erlaubt MAXQDA auch, Codes automatisiert in Dokumentvariablen zu transformieren. Dazu wird der Eintrag In Dok.-Variable transformieren aus dem Menü aufgerufen, das erscheint, wenn mit der rechten Maustaste auf einen Code geklickt wurde. Im Anschluss öffnet sich der Dateneditor (Dokumentvariablen) und zeigt die neu erzeugte Spalte ganz am rechten Rand der Tabelle an. Als Überschrift, also als Variablennamen, trägt die Spalte den Namen des Codes. Darunter trägt MAXQDA für jedes Dokument als Zahl ein, wie häufig der betreffende Code im jeweiligen Dokument vergeben wurde. Damit steht dieser Wert direkt als mögliches Kriterium zur Dokumentenauswahl zur Verfügung, da beispielsweise die Aktivierung via Dokumentvariablen auf Basis dieser Werte umgesetzt werden können. Beispielsweise ließen sich nun automatisiert alle Dokumente mithilfe der Aktivierung via Dokumentvariablen wählen, die besonders viele oder eben besonders wenige Codings zum betreffenden Code beinhalten. Diese Funktion ermöglicht also die Auswahl von Dokumenten aufgrund von quantifizierten Codiermerkmalen.

← 114 | 115 →Abb. 7: Ergebnis der Umwandlung des Codes in eine Dokumentvariable: Für jedes Dokument wird in der Variablenliste vermerkt, wie häufig der umgewandelte Code im betreffenden Dokument vergeben, d.h. wie viele Dokumentstellen mit ihm codiert wurden. Die Werte einer solchen Variable können für alle hier beschriebenen Operationen vollwertig genutzt werden.

Image

Umwandlung von Codes in kategoriale Dokumentvariablen

Kategoriale Variablen bieten die Möglichkeit, Bewertungen, die in Form von Subcodes vorgenommen wurden, als Variablenausprägung abzubilden und so für die weitere Analyse mit den oben beschriebenen Methoden zugänglich zu machen. Voraussetzung ist ein Code, dem nominal oder auf einer höheren Stufe skalierte Subcodes zugeordnet wurden. So könnten beispielsweise dem Code Bewertung von Veranstaltung und Inhalt in einer qualitativen Evaluationsstudie die Subcodes Positiv, Neutral sowie Negativ zugeordnet werden. Während des Codierens würden nun relevante Textstellen nicht dem Obercode zugewiesen, sondern die codierende Person würde direkt beurteilen, welche Bewertungs-tendenz eine Textstelle ausdrückt und sie dann direkt dem entsprechenden Subcode zuweisen. Um diese Codierungen als Variablenwerte zugänglich zu machen, wird mit einem Rechtsklick auf den Hauptcode Bewertung von Veranstaltung und Inhalt das Kontextmenü aufgerufen, aus dem dann der Eintrag In kategoriale Dok.-Variable transformieren aufgerufen wird. Es öffnet sich der Dateneditor (Dokumentvariablen) und zeigt am rechten Ende die neu erzeugte ← 115 | 116 →Spalte, die wiederum den Namen des Codes als Bezeichnung trägt. Als Wert wird die Bezeichnung des Subcodes von Bewertung von Veranstaltung und Inhalt ausgegeben, der in dem betreffenden Dokument am häufigsten vergeben wurde, also entweder Positiv, Neutral oder Negativ. Wurden mindestens zwei Subcodes gleich häufig vergeben, so wird als Wert nicht definiert eingetragen. In diesen Fällen müssen die Forscher/innen die entsprechend codierten Segmente inspizieren und eine Entscheidung über den adäquaten Variablenwert fällen. Diese Funktion klassifiziert demnach qualitative Bewertungen aufgrund ihrer Häufigkeiten. Auf dieser Basis wäre es nun ohne weiteres möglich, die Analyse mithilfe der Funktion Aktivierung via Dokumentvariablen auf jene Dokumente zu begrenzen, deren Datengeber/innen vornehmlich negative Bewertungen abgegebenen haben, um sie im nächsten Schritt mit jenen zu vergleichen, die sich mehrheitlich positiv geäußert haben.

Abb. 8: Ergebnis der Umwandlung eines Codes in eine kategoriale Variable: In die automatisch während der Umwandlung erzeugte Variable mit dem Namen des Codes (Standardisierte Erhebung) wird für jedes Dokument eingetragen, welcher der Subcodes in dem betreffenden Dokument am häufigsten vergeben wurden. Nicht definiert bedeutet, dass mindestens zwei Subcodes gleich häufig vergeben wurden.

Image

← 116 | 117 →Statistiken

Eine in MAXQDA 11 neu hinzugekommene Möglichkeit, mit Quantifizierungen zu arbeiten, stellen Statistiken dar. Diese Funktion ermöglicht es, die Daten, die in der Variablenliste hinterlegt wurden, direkt in MAXQDA mithilfe von Methoden deskriptiver Statistik zu bearbeiten, um für einfache Betrachtungen den Weg zur Statistik-Software vermeiden zu können. Zu Verfügung stehen absolute und relative Häufigkeiten, Mittelwerte und die Standardabweichung. Zudem können verschiedene Diagramme erzeugt und in ihrem Erscheinungsbild verändert werden. Neben der Möglichkeit, standardisierte Informationen schnell und direkt innerhalb der QDA-Software auszuwerten, bietet sich diese Verfahrensweise im Sinne der Triangulation auch an, um qualitative Informationen auszuwerten, die während der Analyse erzeugt und als Variable hinterlegt wurden, ohne ein weiteres Analyseprogramm bemühen zu müssen. Auch hier wäre ein klassisches Beispiel die Zuordnung von Dokumenten zu im Rahmen einer Typenbildung identifizierten und als Variablenausprägungen festgehaltenen Typen. Um solche Statistiken für Variablen zu erzeugen, kann der Menüpunkt Statistik für Dokumentvariablen im Menü Variablen aufgerufen werden.

Neben der Möglichkeit, Variablenwerte auf diese Weise auszuwerten, ist es auch möglich, eine differenzierte quantifizierte Übersicht über Subcodes zu erzeugen. Dazu wird über das Menü Mixed Methods oder das Menü Codes der Eintrag Statistik für Subcodes ausgewählt. Im Anschluss muss angegeben werden, für welche Hauptcodes Statistiken erzeugt werden sollen. Anschließend werden die Subcodes des oder der gewählten Codes in Tabellenform aufgelistet. Zu jedem Subcode werden die absolute und die relative Häufigkeit seiner Anwendung im Projekt oder, je nach Vorauswahl, in Teilen des Projektes dargestellt. Auch hier können, wie bei den anderen Statistikfunktionen, auf Wunsch Diagramme der Verteilungen erzeugt werden.

Abb. 9: Säulendiagramm für die Variable Geburtsland.

Image

← 117 | 118 →3.4 Joint Displays

Der Begriff Joint Displays bezeichnet, zurückgehend auf Creswell/Plano-Clark (2011: 226), die gemeinsame Darstellung von qualitativen und quantitativen Daten in einer Tabelle oder Grafik, um sie direkt vergleichen zu können. Sie sind somit ein zentrales Element der Zusammenführung und Auswertung von Informationen unterschiedlicher Art und Herkunft. MAXQDA 11 ermöglicht die Erzeugung von vier unterschiedlichen Joint Displays: Segmentmatrizen, Kreuztabellen, Typologietabellen sowie Konfigurationstabellen.

Segmentmatrizen

Als Segmentmatrix (über den entsprechenden Eintrag im Menü Mixed Methods aufzurufen) wird in MAXQDA eine Zusammenstellung von Codings bezeichnet, die nach in Form von Dokumentvariablen hinterlegten Eigenschaften sortiert nebeneinander gestellt werden. Beispielsweise ließen sich die Aussagen, die im Rahmen einer Lehrevaluation zur Verbesserung von Veranstaltung und Inhalt der Veranstaltung geäußert wurden, danach aufteilen, ob die sich äußernden Personen die Abschlussklausur eben dieser Veranstaltung bestanden haben oder nicht – vorausgesetzt, die Information bzgl. des Bestehens wurde als Dokumentvariable erfasst. Der Variable Bestanden käme somit eine Filterfunktion zu. Im Ergebnis, als eigentliche Segmentmatrix, wird den Forschenden eine Tabelle präsentiert. In der ersten Spalte findet sich eine Liste der ausgewählten Codes, wobei jeder Code und jeder Subcode eine eigene Zeile erhalten. In den nachfolgenden Spalten werden die Textstellen nach gewählten Filtermerkmalen sortiert dargestellt. So würde die zweite Spalte in unserem Beispiel die Aussagen all jener Personen enthalten, welche die Klausur bestanden haben, während die dritte Spalte alle Aussagen von Personen bündelt, welche die Klausur nicht bestanden haben. Die Codings lassen sich also nach Variablenmerkmalen gruppiert darstellen. Diese gemeinsame Darstellung ermöglicht beispielsweise einen direkten Vergleich der Aussagen zweier als möglicherweise relevant eingeschätzten Gruppen von Merkmalsträger/innen, indem qualitative und quantitative Informationen in einer Tabelle zusammen-geführt werden.

← 118 | 119 →Abb. 10: Ausschnitt einer Segmentmatrix. Dargestellt werden Codings zum Code Verbesserungsvorschläge, wobei die Aussagen der Personen, welche die Klausur bestanden haben, in der zweiten Spalte und die derjenigen, die die Klausur nicht bestanden haben, in der dritten Spalte dargestellt werden.

Image

Kreuztabellen

Prinzipiell folgen die Kreuztabellen (aufzurufen über das Menü Mixed Methods) der gleichen Logik wie Segmentmatrizen, d.h. hier werden Codings auf der Grundlage von in Dokumentvariablen vorliegenden Werten gruppiert und dargestellt. Allerdings werden in Kreuztabellen nicht die tatsächlichen Dokumentstellen ausgegeben, sondern die Darstellung erfolgt in aggregierter Form: Angezeigt werden die absoluten oder wahlweise relativen Häufigkeiten der Vergabe eines bestimmten Codes in allen Dokumenten, aufgeteilt nach gewählten Variablenmerkmalen. Würde das bei den Segmentmatrizen vorgestellte Beispiel als Kreuztabelle dargestellt, so würde in der ersten Spalte der erzeugten Tabelle in jeder Zeile ein Code aufgeführt. Die zweite und dritte Spalte wären ebenfalls mit den Merkmalsausprägungen Bestanden bzw. Nicht bestanden überschrieben. In diesen zweiten und dritten Spalten würde nun als Zahlenwert ausgegeben, wie viele Stellen in Dokumenten, die dem jeweiligen Kriterium entsprechen, dem entsprechenden Code ← 119 | 120 →zugewiesen wurden. Kreuztabellen sind gleichsam eine quantitative Form der Segmentmatrizen und erlauben somit ebenfalls einen sehr effizienten Vergleich von Gruppen, nun allerdings auf quantifizierter, nicht auf qualitativer Ebene.

Abb. 11: Kreuztabelle zum Code Verbesserungsvorschläge, Gruppierung der Codehäufigkeiten nach der Variable Klausur bestanden.

Image

Typologietabellen

Während Segmentmatrizen und Kreuztabellen auf der Integration von Variablen und Codes basieren, ermöglichen Typologietabellen (ebenfalls über das Menü Mixed Methods aufzurufen) die in einer Tabelle vereinte Gruppierung von Variablenwerten und anderen Variablenwerten. Zur Verdeutlichung soll angenommen werden, dass neben der Tatsache, ob eine befragte Person die Klausur bestanden hat oder nicht, auch als Variable erfasst worden wäre, mit welchen Strategien sie außerhalb des Besuchs der Veranstaltungen gelernt hat. Dabei ist zweitrangig, in welcher Form diese Lernstrategien faktisch in der Variablentabelle festgehalten werden, da die Funktion der Typologietabellen sowohl auf numerische als auch auf Stringvariablen anwendbar ist. Für die weitere Analyse wäre es nun hilfreich zu wissen, ob eine Häufung zwischen bestimmten Lernstrategien und dem Erfolg des Absolvierens der Klausur festgestellt werden kann. Genau dieser Frage lässt sich mithilfe der Typologietabelle nachspüren, da sie ermöglicht, summarisch darzustellen, mit welchem Erfolg die Nutzer/innen welcher Lernstrategie die Klausur abgeschlossen haben. Dazu werden nach dem Aufruf dieser Funktion zunächst aus einer Liste der existierenden Variablenwerte die hier näher zu betrachtenden ausgewählt, in diesem Fall also die ← 120 | 121 →erfassten Lernstrategien. Diese Werte stellen in der späteren Tabelle die Zeilen dar, jede gewählte Lernstrategie wird in der resultierenden Tabelle in einer eigenen Zeile ausgegeben. Im nächsten Schritt ist auszuwählen, nach welchen Werten die Spaltenaufteilung erfolgen soll. Hier wäre demnach die Variable Klausur mit ihren Werten Bestanden und Nicht bestanden auszuwählen. Als Ergebnis wird eine Tabelle angezeigt, in der man sofort ersehen kann, welcher Anteil der Nutzer/innen eines Lernweges die Klausur bestanden haben oder nicht. Dabei werden je nach Datentyp der Variable unterschiedliche Werte mit ausgegeben, nämlich wahlweise die absoluten und relativen Häufigkeiten oder, bei numerischen Variablen, Mittelwert und Standardabweichung. Somit stellt die Typologietabelle ein Werkzeug dar, mit dessen Hilfe sich Merkmalshäufungen im auszuwertenden Material darstellen lassen. Sie ist eine wichtige Hilfe bei der Suche nach Mustern sowie bei der Suche nach unterscheidbaren Typen.

Abb. 12: Typologietabelle für die Variable Lernstrategien, aufgeteilt nach der Variable Klausur bestanden.

Image

Konfigurationstabellen

Die Konfigurationstabelle (Menü Mixed Methods) erlaubt die Beantwortung der Frage, wie häufig ausgewählte Codes gemeinsam in einem Dokument vergeben wurden. Dabei meint gemeinsam in diesem Falle nicht gleichzeitig im Sinne einer Überschneidung oder nah im Sinne der Nähenanalyse des Code-Relations-Browsers, sondern es geht um die Frage, ob die zu untersuchenden Codes irgendwo im gleichen Dokument vergeben wurden – also beispielsweise darum, welche Personen sich konkret zu welchen Themen geäußert haben. Nach dem Aufruf der Funktion müssen zunächst die Codes ausgewählt werden, die untersucht werden sollen. Daran anschließend werden zwei tabellarische Übersichten präsentiert, die Konfigurationstabelle und die Detailansicht. In der Konfigurationstabelle wird dargestellt, welche der theoretisch möglichen Codekombination im vorliegenden Material tatsächlich vorzufinden sind. Zusätzlich wird ausgegeben, mit welchen absoluten und relativen Häufigkeiten jede der existierenden Kombinationen auftritt. In der Detailansicht wird auf Dokumentebene dargestellt, welcher dieser Kombinationen jedes der im Projekt ← 121 | 122 →enthaltenen Dokumente zugehörig ist. Als Beispiel ist davon auszugehen, dass die im vorigen Absatz bereits erwähnten Lernstrategien im Dokument selbst codiert worden wären, dass also ein Code Lernstrategien mit den Subcodes Lesen, Übungsaufgaben bearbeiten, Selbstlernen und Lerngruppe existiert. Werden die vier interessierenden Subcodes in Form einer Konfigurationstabelle zusammengeführt, so wird ersichtlich, welche Lernstrategien jede der befragten Personen verfolgt hat und wie sich das Verhältnis der verschiedenen möglichen Kombinationen von Lernstrategien darstellt. Somit eignen sich Konfigurationstabellen hervorragend, um nach individuellen Mustern von Inhalten und Eigenschaften zu suchen, die in Form von Codes in den Dokumenten erfasst wurden.

Abb. 13a: Konfigurationstabelle: Es wird dargestellt, dass sieben der 16 theoretisch möglichen Codekombinationen (siehe obere rechte Ecke des Fensters) im Material vorkommen, um welche es sich handelt und wie häufig sie im gesamten codierten Material auftreten. Drei Personen lösen ausschließlich Übungsaufgaben, zwei lesen im Selbststudium etc.

Image

Abb. 13b: Detailansicht der Konfigurationstabelle: Es wird dargestellt, welche Merkmalskombination (hier: verfolgte Lernstrategien) in welchem Dokument vorzufinden ist.

Image

← 122 | 123 →3.5 Summary Grids: Interpretationen und Variablen gleichzeitig darstellen

Die Funktion der Summary Grids ist ebenfalls eine Neuerung in MAXQDA 11. Sie ermöglicht in einem zweischrittigen Vorgehen, für jedes einzelne Dokument zunächst eigene interpretative und/oder zusammenfassende Texte zu allen einem Code zugewiesenen Passagen zu verfassen, um diese selbst verfassten Deutungen und Synopsen im nächsten Schritt kumuliert darzustellen und, wenn gewünscht, mit in Variablen hinterlegten Informationen zusammenzuführen. Um die Zusammenfassungen zu erstellen, muss aus dem Menü Summaries der Eintrag Summaries erstellen und editieren ausgewählt werden. Im erscheinend-en Fenster ist es nun möglich, durch einen Klick im linken Fensterdrittel (Tabelle mit Codes in den Zeilen und Dokumenten in den Spalten) alle einer bestimmten Kategorie zugewiesenen Passagen eines Textes im mittleren Fensterteil (Codings) anzeigen zu lassen. Im rechten Fensterteil (Summary) kann nun ein freier Text zu den angezeigten Codings verfasst werden. Der hier eingegebene Text wird von MAXQDA intern mit den angezeigten Textstellen verbunden. Diese Funktion ist demnach ideal dazu geeignet, code- und gleichzeitig dokumentenspezifische Zusammenfassungen und Deutungen zu erstellen. Um diese selbst produzierten Texte flexibel und in unterschiedlichsten Zusammenstellungen wieder auszugeben, werden im zweiten Schritt Grid-Tabellen erstellt. Diese Funktion wird ebenfalls über das Menü Summaries aufgerufen. Eine Grid-Tabelle stellt die gewählten Summaries gemeinsam mit frei wählbaren Werten aus der Variablenliste in einer gemeinsamen Tabelle dar. Beim Erzeugen einer neuen Grid-Tabelle muss zunächst ausgewählt werden, ob Variablenwerte mit in die Darstellung einbezogen werden sollen und wenn ja, welche. Danach ist auszuwählen, welche Interpretations- bzw. Zusammenfassungstexte in die Tabelle aufgenommen werden sollen. Die Auswahl erfolgt dabei anhand der Codes des Codesystems: Wird ein Code ausgewählt, so werden alle Summaries, die im vorherigen Schritt zu den Codings der Dokumente erstellt wurden, in die Tabelle eingefügt. Wäre also zu jedem Dokument der oben bereits erwähnten fiktiven Lehrevaluation eine Zusammenfassung zu den Textstellen erstellt worden, die dem Code Bewertung von Veranstaltung und Inhalt zugeordnet wurden, so wäre es nun möglich, all diese Zusammenfassungen gemeinsam auszugeben. Dazu müsste bei der Erstellung des Summary-Grids lediglich der Code Bewertung von Veranstaltung und Inhalt ausgewählt werden. Um erläuternde Variablenwerte mit in der Tabelle auszugeben, könnten zudem etwa die Variablen Abiturnote oder Fachsemester ausgewählt werden, die dann in der Ergebnistabelle neben den Zusammenfassungen ausgegeben würden.

← 123 | 124 →Abb. 14: Erzeugen von Summaries.

Image

3.6 Die Verwendung von Werkzeugen der quantitativen Inhaltsanalyse: Worthäufigkeiten und MAXDictio

Neben den latenten Sinngehalten, die sich mithilfe interpretativ-qualitativer Verfahren erschließen lassen, sind mitunter auch quantitative Merkmale der zu analysierenden Dokumente von Interesse. So können beispielsweise die Begriffe, mit denen befragte Personen bestimmte Gegenstände bezeichnen, einen Rückschluss auf ihre Sichtweise ermöglichen. So macht es etwa einen Unterschied, ob Personen im Kontext sozialer Arbeit von Klienten oder Kunden sprechen oder ob vornehmlich das Wort Bedürftige verwendet wird. MAXQDA ermöglicht, mithilfe der Funktion Worthäufigkeiten einen schnellen und genauen Überblick über den Wortschatz eines oder mehrerer Dokumente zu gewinnen und Wortschatzanalysen durchzuführen. Die Funktion wird über das Menü MAXDictio aufgerufen. Bevor die eigentliche Liste präsentiert wird, können diverse Einstellungen vorgenommen werden, die sich auf das Zählergebnis auswirken. So kann die Analyse etwa auf einige aktivierte Dokumente oder auch auf die Liste der Codings beschränkt werden. Außerdem ist es möglich, eine Stoppliste auszuwählen, die Wörter enthält, die bei der Analyse ignoriert werden. So kann es beispielsweise oftmals zweckmäßig sein, Konjunktionen und Artikel sowie nicht sinntragende Wörter von der Auszählung auszuschließen. Die Liste der Worthäufigkeiten selbst enthält schließlich alle in den gewählten Dokumenten ← 124 | 125 →vorkommenden Worte, die nicht über die Stoppliste von der Auszählung ausgeschlossen wurden. Neben dem Wort selbst werden seine Länge sowie seine absolute und relative Häufigkeit innerhalb der Gruppe der für die Analyse gewählten Dokumente ausgegeben. Wieder ist es möglich, durch einen Klick auf den Spaltenkopf nach jeder dieser Spalten zu sortieren, so dass eine alphabetische Sortierung der Fundworte ebenso erzeugt werden kann wie eine auf Basis der absoluten oder relativen Häufigkeiten.

Neben dieser tabellarischen Ausgabe ist auch eine stärker visuelle Darstellung möglich. Dazu wird nach einem Rechtsklick auf das zu analysierende Dokument aus dem erscheinenden Menü der Eintrag Wortwolke gewählt. Das sich öffnende Fenster stellt alle gezählten Begriffe in alphabetischer Reihenfolge dar, wobei die Häufigkeit des jeweiligen Wortes durch seine Größe repräsentiert wird: Je größer ein Wort in der Wortwolke erscheint, desto häufiger ist es im analysierten Dokument. Somit ermöglicht die Wortwolke einen schnellen Einblick in die quantitativ dominierenden Begriffe eines Dokumentes. Allerdings ist es auch hier erforderlich, eine brauchbare Stoppliste zu erzeugen, was direkt im Fenster der Wortwolke über die Schaltfläche Stoppliste editieren geschehen kann. Wortwolken können für einzelne Dokumente erzeugt werden, aber auch für Dokumentgruppen, Dokumentsets oder den gesamten Datenkorpus auf einmal. Dazu ist jeweils auf die gewünschte Gruppe zu klicken, also etwa auf den Namen eines Sets oder auf den Eintrag Dokumente in der Liste der Dokumente.

Die Funktionen der Worthäufigkeiten und der Wortwolke stehen letztlich in der Tradition der quantitativen Inhaltsanalyse, wenngleich es sich dabei nur um einfachste Aspekte dieser Methode handelt. Die quantitative Inhaltsanalyse ist eine Verfahrensweise, die mithilfe statistischer Methoden manifeste Inhalte von Dokumenten untersucht. Ein übliches Verfahren ist dabei, Kategorien zu bilden, die Begriffe bündeln, denen inhaltlich die gleiche Bedeutung zugeschrieben wird. So könnten beispielsweise die Begriffe Angst, Panik, Furcht, Beklemmung, Horror und Bammel einer Kategorie mit dem Titel Angst zugeordnet werden. Die statistische Auswertung des zu analysierenden Materials erfolgt dann in den nächsten Schritten anhand eines Wortvergleichs: Indem Wort für Wort des Materials untersucht und mit den Begriffen der Kategorie Angst verglichen wird, wird gleichzeitig eine Auszählung vorgenommen, in der festgehalten wird, wie häufig die Kategorie Angst in Form der ihr zugeordneten Begriffe in jedem für die Analyse gewählten Dokument vorkommt. Am Ende dieses Prozesses liegt ein unmittelbarer quantitativer Überblick über die Bedeutung dieser Kategorie in jedem untersuchten Dokument vor. Ein weiteres plakatives Beispiel wäre das Vorhaben, die politische Ausrichtung eines Dokumentes zu analysieren. Hierfür könnten die Kategorien Progressiv und Konservativ angelegt werden, die jeweils ← 125 | 126 →typische Begriffe in sich vereinen. Nach erfolgtem Auswertungsdurchlauf kann auf Grundlage manifester Inhalte eine Aussage bezüglich der politischen Ausrichtung des Dokuments getroffen werden. MAXQDA erlaubt mithilfe von MAXDictio eine Analyse in genau dieser Vorgehensweise. Den ersten Schritt dazu stellt die Definition von Kategorien im Diktionär dar. Das Diktionär stellt in MAXQDA die Gesamtheit der Kategorien dar. Jeder Kategorie kann eine beliebige Anzahl von Worten zugeordnet werden, Worte können auch mehreren Kategorien zugehörig sein. Um eine Analyse mit MAXDictio vornehmen zu können müssen demnach zunächst die Analysekategorien definiert werden, wozu der Eintrag Diktionär im Menü MAXDictio aufgerufen wird. Im sich öffnenden Fenster können die gewünschten Kategorien angelegt werden. Um den Kategorien Worte zuzuordnen, kann auf die bereits beschriebene Liste der Worthäufigkeiten zurückgegriffen werden. Um ein Wort aus dieser Liste einer Kategorie zuzuordnen, kann es einfach mit der Maus per drag & drop auf die entsprechende Kategorie gezogen werden. Soll ein Wort hingegen von der Zählung ausgeschlossen, also auf die Stoppliste gesetzt werden, so reicht es, in der ersten Spalte des Fensters Worthäufigkeiten einen Doppelklick auf den grünen Punkt auszuführen. Dieser wandelt sich daraufhin in einen roten Punkt, der anzeigt, dass das entsprechende Wort Teil der Stoppliste ist. Um nun die Auszählung zu starten wird die Funktion MAXDictio-Codiertool aus dem Menü MAXDictio aufgerufen. Als Codieren wird in diesem Kontext das Zählen der Häufigkeiten des Vorkommens der Kategorien bezeichnet, wobei die im Diktionär gesammelten Wörter als Indikatoren verwendet werden. Als Ergebnis wird eine Tabelle ausgegeben, die für jedes Dokument die Anzahl des Vorkommens jeder definierten Kategorie darstellt. Auch ist es möglich, das Dokument mithilfe von Codes weiter zu unterteilen, so dass sich die Auswertung nicht immer auf das gesamte Dokument beziehen muss, sondern auch feinere Codiereinheiten definiert werden können. Zudem ist es möglich, die Zählergebnisse direkt in Dokumentvariablen zu transformieren, wodurch sich wieder das gesamte Spektrum der oben beschriebenen Möglichkeiten zur Arbeit mit Variablen eröffnet.

Der Erstellung eines fundierten Diktionärs sowie einer guten Stoppliste kommt in dieser Forschungsmethodik eine entscheidende Rolle zu, da sie Analyseinstrumente bilden, die automatisch angewendet werden. Dabei bleibt ein gewisses Restrisiko, dass die Zählung nicht korrekt ist, etwa weil Wortteile als ganze Worte ausgewertet werden oder Begriffe mehrdeutig sind. Um die manuelle Überprüfung zu ermöglichen, kann MAXDictio eine Validierungsdatei erzeugen, welche den analysierten Text enthält und in der alle Zählungen kenntlich gemacht wurden, so dass die Grundlage der Auszählung transparent wird.

← 126 | 127 →3.7 Forscher/innentriangulation: Intercoder-Übereinstimmung

Ein wichtiger Schritt zur Sicherung der Güte qualitativer Forschung, aber auch zur Validierung und Verbesserung der Forschungsergebnisse, ist der Ansatz, die Intersubjektivität des analytischen Vorgehens sicherzustellen (vgl. u.a. Seale 2007, Steinke 1999). Viele Möglichkeiten bietet hierzu die Arbeit in einem Team von Forscher/innen, wodurch unter anderem die von Norman Denzin unter dem Schlagwort Forschertriangulation (Denzin 1978) beschriebene Vorgehensweise nutzbar gemacht wird. Von besonderer Bedeutung kann dabei das Verfahren der Bestimmung der Intercoder-Übereinstimmung sein. In MAXQDA ist es möglich, die Codierungen, die zwei Forscher/innen unabhängig voneinander im gleichen Dokument vorgenommen haben, miteinander zu vergleichen. Ein wichtiges Ziel kann dabei sein, unterschiedliche Verständnisse von Dokument und/oder Code aufzudecken, die ggf. eine Redefinition und Verbesserung des Codesystems nach sich ziehen und zu zuverlässiger codierten – und damit interpretiertem, verstandenen – Material führen können. Dazu codieren mindestens zwei Personen unabhängig voneinander das gleiche Dokument, das zu diesem Zwecke zweimal in MAXQDA eingelesen wird und unterschiedlich benannt werden sollte, mit dem gleichen Codesystem. Anschließend wird über das Menü Analyse die Funktion Intercoder-Übereinstimmung aufgerufen. Im nun erscheinenden Dialog wird ausgewählt, welche Dokumente miteinander verglichen werden sollen. Zudem wird eingestellt, auf welche Übereinstimmung hin die Dokumente untersucht werden sollen. Zur Verfügung stehen hier drei Optionen. Vorhandensein des Codes im Dokument untersucht, ob in beiden Dokumenten die gleichen Codes angewendet wurden. Dabei spielt es keine Rolle, wie oft oder an welcher Stelle die Codes vergeben wurden, allein das Vorhandensein des Codes ist entscheidend. Daneben ist es möglich, nach der Häufigkeit der Codes im Dokument zu untersuchen. Hier wird auch berücksichtigt, ob beide Codierer/innen den fraglichen Code jeweils gleich häufig im Dokument vergeben haben, wobei die tatsächliche Position keine Rolle spielt. Schließlich ist es auch möglich, die Übereinstimmung der Segmente in % zu untersuchen. Diese Analyseeinstellung vergleicht, ob tatsächlich beide Codierende die identische Dokumentstelle dem gleichen Code zugewiesen haben. Natürlich wäre ein 100 prozentige Übereinstimmung eher zufällig, zumindest, wenn es sich um Material handelt, das in einigermaßen freier Form vorliegt. Deshalb ist es möglich, einen Prozentwert einzustellen, der als Grenze für gültige Übereinstimmungen fungiert. Er gibt an, welcher Anteil eines Codings mit jenem der anderen Codiererin/des anderen Codierers übereinstimmen muss, um als übereinstimmend gewertet zu werden.

← 127 | 128 →Neben der Möglichkeit, die Codierarbeit zweier verschiedener Personen miteinander zu vergleichen, kann diese Funktion auch dazu eingesetzt werden, die Intracoder-Übereinstimmung zu untersuchen. Dabei handelt es sich gewissermaßen um die Überprüfung der persönlichen Codierzuverlässigkeit. Dieses Verfahren kann sehr sinnvoll sein, um sicherzustellen, dass auch am Ende des Codierprozesses die Codes noch in der gleichen Weise vergeben – und damit verstanden – werden, wie am Anfang. Um die Intracoder-Übereinstimmung zu überprüfen, wird ein Dokument, das man in einer früheren Projektphase bereits codiert hat, erneut codiert, und zwar ohne sich die ursprünglichen Codierungen vorher anzusehen. Der weitere Verlauf ist dann identisch mit der beschriebenen Vorgehensweise zur Untersuchung der Intercoder-Übereinstimmung. Der einzige Unterschied liegt lediglich darin, dass als Dokumente, die verglichen werden sollen, die früher und die später von der gleichen Person codierten Versionen des identischen Dokuments gewählt werden.

Die Überprüfung der Intercoder-Übereinstimmung stellt eine wichtige Vorgehensweise der Triangulation dar, da auch hier eine zweite Perspektive auf das Datenmaterial eingenommen wird. Auch der Beitrag der Intracoder-Übereinstimmung ist nicht zu unterschätzen: Die Veränderungen, welche die Sicht auf das Forschungsthema, die Forschungsfrage, die befragten Personen etc. während des Forschungsprozesses erfahren, sind teilweise nicht unerheblich. Die Überprüfung der Konsistenz des Verständnisses und der praktischen Codierarbeit leistet somit ebenfalls einen direkten Beitrag zu Erhöhung der Qualität und hilft, ein sich verschiebendes Referenz- bzw. Deutungssystem zu erkennen und entsprechend zu reagieren.

4. Der schnelle Import gemischter Datenarten: Dokumente in Tabellen

Bisher wurde für die Integration quantitativer Daten in MAXQDA der Weg beschrieben, die betreffenden Daten zusätzlich zu den qualitativen separat in MAXQDA einzugeben oder mithilfe des Variablenimports einzulesen. In der Praxis gibt es jedoch auch einige Situationen, in denen die beiden Datenarten direkt gemeinsam in einer Datei vorliegen. Dies ist beispielsweise dann der Fall, wenn die Daten mithilfe eines Online-Datenerhebungstools oder unterstützt durch CATI-/CAPI-Software erhoben wurden. Aber auch nach der Eingabe oder Digitalisierung klassischer Papierfragebögen erhält man üblicherweise eine einzige Datentabelle. Dabei ist der Aufbau dieser Tabellen in der Regel gleich und orientiert sich an den Anforderungen von Software zur statistischen Datenanalyse, d.h. jede Zeile der Tabelle enthält einen Fall, jede Spalte steht für eine Frage, wobei sich Spalten mit standardisierten und nicht standardisierten Daten häufig abwechseln. Eine solche Urliste kann nach minimaler Vorbereitung direkt in MAXQDA eingelesen ← 128 | 129 →werden, wobei gleichzeitig die unterschiedlichen Datenarten nach den Vorgaben der Forschenden getrennt und entweder als Teil eines Dokuments oder als Variablenwerte eingefügt werden, wobei auch hier eine Zeile als ein Fall gehandhabt wird. Beim Import werden für jede Zeile sämtliche Daten, die für die Übertragung in die Liste der Dokumente vorgesehen wurden – in der Regel die nicht standardisierten Daten – zusammengefasst, so dass je Zeile ein Dokument in der Liste der Dokumente entsteht, das all diese nicht standardisierten Daten enthält. Dabei wird für jede einzelne Zelle der Urliste, also letztlich für jeweils eine komplette Antwort auf eine einzelne Frage, ein eigener Absatz im Dokument erzeugt. Enthielte eine einzulesende Urliste also drei offene Fragen, so würde in MAXQDA jedes Dokument aus drei Absätzen bestehen. In der Urliste enthält in der Regel die erste Zeile als Spaltenüberschrift den Wortlaut der Fragen oder auch eine Fragenbezeichnung in Form eines Kürzels. MAXQDA erzeugt aus diesen Spaltenüberschriften der nicht standardisierten Daten zusätzlich automatisch Codes, denen als Codenamen eben diese Überschriften zugewiesen werden. Gleichzeitig werden alle Daten, die sich in der jeweiligen Spalte befanden, also die Antworten auf die entsprechende Frage darstellen, diesem neu erzeugten Code zugewiesen. So wird es möglich, direkt nach dem Import der Daten und ohne weiter manuelle Vorbereitung schnell auf einer explorativen Ebene mit der Analyse der Daten zu beginnen, beispielsweise, indem alle Antworten auf eine bestimmte Frage aufgerufen werden. Doch diese Funktion bringt noch mehr Komfort mit sich: Jene Daten, die nicht als auszuwertender Text, sondern als Variablenwerte zur Verfügung stehen sollen, werden automatisch in die Dokumentvariablen überführt. Dabei wird die Spaltenüberschrift, also der Fragewortlaut oder das Kürzel, zum Variablennamen und die von den befragten Personen angegebenen Daten werden direkt als Werte hinterlegt. Dadurch ergeben sich direkt nach dem Einlesen vielfältige Analysemöglichkeiten, viele der oben dargestellten Funktionen sind unmittelbar nutzbar. So können beispielsweise direkt Statistiken erzeugt werden, es können Kreuztabellen und Segmentmatrizen erzeugt werden oder es können mithilfe der Aktivierung via Dokumentvariablen die Antworten von Befragten mit bestimmten Merkmalen aufgerufen werden. Allerdings handelt es sich dabei in viele Fällen erst um den Beginn der Analyse, da die Codierung ausschließlich formal und nicht nach tatsächlichen inhaltlichen Kriterien erfolgte, eine interpretierende Bearbeitung des Materials also häufig noch notwendig sein wird. Insgesamt eröffnet diese Vorgehensweise mit vergleichsweise geringem Aufwand den Weg zu ernsthaften mixed method-Analysen der erhobenen Daten, in denen nicht, wie leider so oft, einer der beiden Datenarten eine viel zu geringe Beachtung zuteilwird.

Um die Daten in MAXQDA einzulesen, muss zuerst mit der rechten Maustaste auf den Eintrag Dokumente in der Liste der Dokumente geklickt werden. ← 129 | 130 →Im sich öffnenden Menü wird dann der Punkt Import von Dokumenten aus Tabelle aufgerufen. Im nächsten erscheinenden Fenster wird noch einmal erläutert, wie die Daten für den Import vorzubereiten sind. Die einzulesende Tabelle muss eine erste Spalte mit der Überschrift Dokumentgruppe enthalten, die in den Zellen darunter einen beliebigen Wert enthält. Hier wird definiert, welcher Dokumentgruppe der Datensatz der jeweiligen Zeile zugeordnet wird. Sollte die Dokumentgruppe nicht existieren, so wird sie erzeugt. Es können auch alle Dokumente in die gleiche Dokumentgruppe eingeordnet werden. Die zweite Spalte muss mit Dokumentname überschrieben werden. Der Wert, der hier hinterlegt wird, wird nach dem Import als Dokumentname in der Liste der Dokumente erscheinen. Es hat sich bewährt, hier einfach das Kürzel des Datensatzes, das ihm bei der Dateneingabe, während der Erhebung oder durch das Surveytool zugewiesen wurde, beizubehalten, nicht zuletzt, um die Verbindung zwischen den Dateien aufrecht zu erhalten. Die nachfolgenden Spalten enthalten schließlich die erhobenen Daten. Um MAXQDA mitzuteilen, welche der Spalten Werte enthalten, die als Variablen gespeichert werden sollen, müssen nur noch die Überschriften der entsprechenden Spalte bearbeitet werden: Jede Spalte, deren Überschrift mit einem $-Symbol beginnt, wird von MAXQDA als Variable behandelt. Um etwa die Werte der Spalte Geburtsjahr in die Variablenliste zu überführen würde die Überschrift der Spalte so bearbeitet, dass sie $Geburtsjahr heißt. Dadurch wird beim Import eine neue Variable des Namens Geburtsjahr erzeugt und die Werte werden dieser Variable zugewiesen. Alle übrigen Spalten werden als zu analysierender Text angesehen und als Absatz in das erzeugte Dokument eingefügt.

Abb. 15a: Ausschnitt einer fertig vorbereiteten Urliste: Die Spalten Dokumentgruppe und Dokumentname existieren und sind gefüllt und die Überschriften der Spalten, deren Inhalt nicht als eigentlicher, zu codierender Text, sondern als Variablenwerte in MAXQDA eingefügt werden soll, beginnen mit einem $-Symbol.

Image

← 130 | 131 →Abb. 15b: Ergebnis des Imports der vorbereiteten Urliste: Aus jeder Zeile der Urliste wurde ein eigenes Dokument, in dem jede Zelle als Absatz erscheint. Die als Variablen markierten Werte ($-Symbol) wurden entsprechend in die Variablenliste eingefügt.

Image

5. Resümee: Triangulation mithilfe von QDA-Software

Die Verbindung qualitativer und quantitativer Daten und Forschungslogiken entwickelt sich unabhängig von der konkreten Bezeichnung der jeweils angewendeten Vorgehensweise mehr und mehr zum Standard sozialwissenschaftlicher Forschung. Moderne QDA-Software kann hier auf viele Weisen unterstützen. Durch die Möglichkeit, Daten unterschiedlicher Art gemeinsam zu betrachten, gleichzeitig auszuwerten und auf unterschiedlichste Weise auf einander zu beziehen eröffnet sich ein weites Spektrum analytischer Möglichkeiten, das vor Zeiten der computerunterstützten Datenanalyse fast undenkbar war. Arbeitsschritte, die manuell einen enormen Zeitaufwand bedeutet hätten, sind mithilfe des Computers in wenigen Augenblicken abgeschlossen – man denke etwa an die sich durch die Aktivierung via Dokumentvariablen oder durch Joint Displays ergebenden Möglichkeiten und die Arbeit, die eine manuelle Darstellung bedeuten würde. Von gleicher Wichtigkeit ist die Öffnung der Software für die Interaktion mit anderen, spezialisierten Programmen, hier vor allem mit Werkzeugen zur statistischen Datenanalyse. In der Gesamtheit betrachtet ist es für die Forschenden heute auf technischer Ebene leichter als jemals zuvor, echte Mixed Methods-Analysen durchzuführen, die über ← 131 | 132 →das bloße Nebeneinanderstellen unterschiedlicher Daten(-arten) hinausgehen. Gleichzeitig wird die Erfordernis fundierter methodologischer Kenntnisse immer dringlicher, da Forschende nicht nur in beiden Analysearten bewandert sein müssen, sondern auch die durch die Triangulation entstehende Komplexität zu bewältigen haben. Schließlich ist nicht alles, was sich transformieren, mixen, triangulieren oder integrieren lässt, auch wirklich sinnvoll. Dabei ist nicht aus den Augen zu verlieren, dass es sich bei diesen Ansätzen nicht um Selbstzwecke handelt, sondern dass eine geschickte, auf die Besonderheiten der jeweiligen Untersuchung zugeschnittene Verbindung der Methodenfamilien tatsächlich einen enormen Zugewinn an Qualität und Güte, Verlässlichkeit und Glaubwürdigkeit mit sich bringen kann (siehe etwa Kelle 2008, Flick 2011, Mayring 2001).

Literatur

Creswell, John W. / Plana-Clark, Vicki L. (2011). Designing and Conducting Mixed Methods Research. 2. Aufl. Thousand Oaks u.a.: Sage Publications.

Corbin, Juliet / Strauss, Anselm (2008). Basics of Qualitative Research. Techniques and Procedures for Developing Grounded Theory. 3. Aufl. Thousand Oaks u.a.: Sage Publications.

Denzin, Norman K. (1978). The Research Act. A Theoretical Introduction to Sociological Methods. 2. Aufl. New York u.a.: McGraw-Hill.

Flick, Uwe (2011). Triangulation. Eine Einführung. 3. Aufl. Wiesbaden: VS Verlag für Sozialwissenschaften.

Kelle, Udo (2008). Die Integration qualitativer und quantitativer Methoden in der empirischen Sozialforschung. 2. Aufl. Wiesbaden: VS Verlag für Sozialwissenschaften.

Kuckartz, Udo (2012). Qualitative Inhaltsanalyse. Methoden, Praxis, Computerunterstützung. Weinheim und Basel: Beltz Juventa.

Kuckartz, Udo (2010). Einführung in die computergestützte Analyse qualitativer Daten. 3. Aufl. Wiesbaden: VS Verlag für Sozialwissenschaften.

Mayring, Philipp (2001). Kombination und Integration qualitativer und quantitativer Analyse. Forum Qualitative Sozialforschung/Forum Qualitative Social Research 2(1), Art. 6, Online: http://nbn-resolving.de/urn:nbn:de:0114-fqs010162 [26.06.14]

Ragin, Charles C. (2000). Fuzzy-Set Social Science. Chicago: University of Chicago Press.

← 132 | 133 →Seale, Clive (1999). The Quality of Qualitative Research. London u.a.: Sage Publications.

Settinieri, Julia (2014). Forschst Du noch, oder triangulierst Du schon? In: Elsner, Daniela / Viebrock, Britta (Hrsg.). Triangulation in der Fremdsprachenforschung. Frankfurt/Main: Lang, 17-35.

Steinke, Ines (1999). Kriterien qualitativer Forschung. Ansätze zur Bewertung qualitativ-empirischer Sozialforschung. Weinheim u.a.: Juventa.

Strübing, Jörg (2008). Grounded Theory. Zur sozialtheoretischen und epistemologischen Fundierung des Verfahrens der empirisch begründeten Theoriebildung. 2. Aufl. Wiesbaden: VS Verlag für Sozialwissenschaften.← 133 | 134 →

______________

1 Dieser Beitrag befasst sich nicht mit den Unterschieden zwischen den Konzepten der Triangulation, Methodenintegration und der mixed methods, die jeweils eigene Strategien und Vorgehensweisen verfolgen. Stattdessen werden diese Begriffe im vorliegenden Beitrag auf einer sehr allgemeinen Ebene synonym verwendet. Damit wird vor allem der diesen Ansätzen gemeinsame Aspekt betont, Daten anzureichern, zu validieren, zu ergänzen und die Aussagekraft und Qualität einer Untersuchung zu steigern. Unter dem Begriff Triangulation werden hier somit allgemein Bestrebungen zusammengefasst, numerische und nicht numerische, standardisierte und nicht standardisierte Daten gemeinsam auszuwerten, aufeinander zu beziehen oder in die jeweils andere Form zu transformieren. Diese weit gefasste Begriffsverwendung soll keineswegs eine Gleichheit der verschiedenen Konzepte zum Ausdruck bringen. Für eine genauere Ausdifferenzierung der Begriffe vgl. Settinieri (in diesem Band).

2 Für viele Funktionen bietet MAXQDA mehr als eine Möglich wird stets nur eine Zugriffsmöglichkeit beschrieben.