Kapitel 2 Untersuchungsdesign
Das Untersuchungsdesign bezieht sich in der empirischen Forschung auf den Plan oder die Struktur einer Studie, die verwendet wird, um eine bestimmte Forschungsfrage zu beantworten oder Hypothesen zu testen. Es umfasst die Auswahl der Methoden, Instrumente und Prozeduren, die für die Datenerhebung und -analyse verwendet werden. Ein geeignetes Untersuchungsdesign ist entscheidend, um sicherzustellen, dass die erhobenen Daten zuverlässig und gültig sind und dass die Forschungsziele effektiv erreicht werden.
2.1 Laborexperiment
Laboruntersuchungen spielen eine fundamentale Rolle in der empirischen Forschung, insbesondere in den Natur- und Gesundheitswissenschaften. Sie ermöglichen es Forschern, präzise und standardisierte Messungen durchzuführen, um Hypothesen zu testen und Daten zu sammeln. Dabei werden Phänomene in gezielt gestalteten Situationen betrachtet, um den Zusammenhang zwischen einer Bedingung (unabhängige Variable) und einer abhängigen Variable zu untersuchen. Um einen kausalen Zusammenhang herzuleiten, müssen die Einflüsse aller anderen Faktoren ausgeschaltet oder konstant gehalten werden. Aspekte, die für die Fragestellung irrelevant erscheinen, bleiben unberücksichtigt (Westermann, 2000).
Wenn mindestens zwei Untersuchungsbedingungen hinsichtlich ihres Einflusses verglichen werden und die Teilnehmer (Untersuchungseinheiten) den Bedingungen zufällig zugeordnet werden (Randomisierung), spricht man von einem Experiment.
Das Experiment gilt als zentrales Instrument in der Sozialwissenschaft des letzten Jahrhunderts, um Ursache und Wirkung zu erforschen. Dabei werden Daten erhoben, um Annahmen auf der Grundlage von Theorien und Konzepten zu überprüfen oder zurückzuweisen. Die Randomisierung, also die absichtliche und gezielte Herstellung einer Bedingung (der sogenannten experimentellen Behandlung; treatment) gilt als die wichtigste Eigenschaft experimenteller Untersuchungen.
Um die Auswirkungen solcher experimentellen Bedingung systematisch zu untersuchen, ist die Möglichkeit der Variation dieser Bedingung notwendig. Nur wenn diese Annahmen erfüllt sind und wenn über die Manipulation der Bedingung hinaus keine weiteren Störvariablen existieren, können die beobachteten Unterschiede in der abhängigen Variablen eindeutig auf die unterschiedliche Behandlung zurückgeführt werden,
Störvariablen können relevante, systematische Größen sein, die auf Unterschiede zwischen den Teilnehmern hinweisen (Westermann, 2000, S. 268–269). Da es in unserer Praxis nahezu unmöglich ist, alle möglichen Einflussfaktoren zu kontrollieren, weil “Störvariablen nie vollständig bekannt sind” (Westermann, 2000, S. 270) wird eine Untersuchung allgemein genau dann als Experiment definiert, wenn die Zuordnung der Untersuchungseinheiten (Teilnehmer) zu den Untersuchungsbedingungen (Manipulation) zufällig vorgenommen wird (Westermann, 2000, S. 270).
Werden Experimente außerhalb von Laboren, also unter möglichst natürlichen und alltäglichen Bedingungen durchgeführt, werden sie als Feldexperiment bezeichnet.
Quasi-Experimente sind ein Forschungsdesign, die einige, aber nicht alle Merkmale eines echten Experiments aufweisen. Im Gegensatz zu echten Experimenten können Forscher bei Quasi-Experimenten nicht die volle Kontrolle über die Zuweisung der Teilnehmer zu den Bedingungen ausüben, was zu potenziellen Einschränkungen führen kann. Typischerweise werden Teilnehmer nicht zufällig einer Bedingung zugewiesen, sondern basierend auf bestimmten bestehenden Merkmalen oder natürlichen Gruppenzugehörigkeiten. Es wird jedoch versucht, Einflussfaktoren durch die Zusammenstellung ähnlicher Gruppen (Parallelisierung) oder statistische Methoden (Auspartialisierung) konstant zu halten (Westermann, 2000, S. 24).
2.2 Gruppenvergleich
Es gibt Fragestellungen, in denen die Ausprägung der Bedingung bzw. des Merkmales, das als unabgängige Variablen zu berücksichtigen ist, vorgegeben ist. Es kann also nicht zufällig zugeordnet werden, zum Beispiel wenn untersucht wird, ob Frauen hinsichtlich ihres Gehaltes gegenüber Männern diskriminiert werden. Für den Vergleich solcher Gruppen besteht die Möglichkeit, dass mögliche Unterschiede in der abhängigen Variable durch weitere Aspekte hervorgerufen werden oder die Ergebnisse systematische Verzerrungen aufweisen.
So berichtete beispielsweise die New York Times im März 2019 (Wakabayashi, 2019) über den unerwarteten Befund einer Studie zum geschlechterspezifischen Lohngefälle bei Google. Die Studie sollte der Frage nachgehen, ob Frauen bei google einer systematischen Diskriminierung ausgesetzt sind.
Zur Überraschung der meisten und entgegen der Behauptungen des Arbeitsministeriums wurde festgestellt, dass Männer in ähnlichen Positionen weniger Geld erhielten als Frauen. Eine intensiver Diskussion der Ergebnisse führte zu dem Schluss, dass eine geschlechtsspezifische Diskriminierung nicht in der stellenbezogenen Entlohnung, sondern in der systematischen Zuweisung niedrigerer hierarchischer Positionen existiert.
## Korrelationsstudie
In Korrelationsstudien wird untersucht, ob bestimmte Bedingungen und Merkmale systematisch zusammenhängen, sei es in ihrem unsystematischen, gemeinsamen oder getrennten Auftreten. Es ist jedoch wichtig zu betonen, dass aus Korrelation allein keine Kausalität abgeleitet werden kann. Kenny (2004) betont, dass zusätzlich zur Korrelation auch zeitliche Abfolge und Unverfälschtheit (nonspuriousness) vorliegen müssen, um eine kausale Beziehung zu formulieren.
Werden die Daten unterschiedlicher Zeitpunkte in einer Studie untersucht, kann Korrelation dementsprechend durchaus auf Kausalität verweisen, wenn der Zusammenhang zwischen den Variablen unverfälscht ist.
2.3 Querschnitt
Während der Begriff “Korrelationsstudie” stark auf die analytische Methode (Unbestimmtheit der Wirkrichtung) verweist, betont der Begriff “Querschnittstudie” stärker den zeitlichen Fokus der Untersuchung.
In Querschnittsstudien werden Daten zu einem bestimmten Zeitpunkt erhoben, um eine Momentaufnahme der Beziehung zwischen den Variablen zu erhalten. Dieses Design ermöglicht es Forschern, Informationen über die Prävalenz und Verteilung von Variablen zu sammeln und Zusammenhänge aufzuzeigen.
Es ist jedoch zu beachten, dass Querschnittsstudien manchmal auch zur Untersuchung von Ursache-Wirkungs-Beziehungen verwendet werden. In solchen Fällen können theoretische Grundlagen oder spezifische Formulierungen (z.B. retrospektive Befragung) argumentative Unterstützung für die Annahme einer zeitlichen Abfolge bieten.
Es wird zunehmend argumentiert, dass der Nachweis von Kausalität durch Längsschnittsdesigns möglicherweise überbewertet wird und dass Querschnittsdesigns in bestimmten Situationen ähnlich aussagekräftig sein können (Spector, 2019). Dies unterstreicht die Bedeutung einer sorgfältigen Analysemethodik und einer differenzierten Betrachtung der Forschungsergebnisse.
2.4 Längsschnitt
Längsschnittuntersuchungen (longitudinal) richten ihren Fokus auf Veränderungen über die Zeit. Dieser Ansatz der Längsschnittforschung umfasst verschiedene Methoden, die sich darauf konzentrieren, die Entwicklung von Untersuchungseinheiten über die Zeit hinweg wiederholt zu beobachten (Engel & Reinecke, 1994).
Das Paneldesign bezeichnet dabei ein Forschungsdesign, bei dem dieselben Teilnehmer zu verschiedenen Messzeitpunkten untersucht werden. Dies ermöglicht es, eine zeitliche Abfolge von Interventionen und Ereignissen zwischen Ursachen und Konsequenzen zu differenzieren (Spector, 2019).
Bei Trendstudien werden zu verschiedenen Messzeitpunkten unabhängige Zufallsstichproben derselben Population verwendet. Da sich Populationen im Verlauf eines längeren Zeitraums verändern können, ist es wichtig, die veränderte Populationszusammensetzung explizit zu berücksichtigen. In solchen Fällen spricht man von einem Kohortendesign (Engel & Reinecke, 1994).
2.5 Evaluation
“Evaluationsuntersuchungen” bezeichnen Studien oder Analysen, die darauf abzielen, Programme, Interventionen, Maßnahmen oder Prozesse zu bewerten. Das Hauptziel solcher Untersuchungen besteht darin, die Wirksamkeit, Effektivität, Effizienz oder den Erfolg eines spezifischen Vorhabens zu beurteilen.
Diese Art von Untersuchungen findet in verschiedenen Bereichen Anwendung, darunter Bildung, Gesundheitswesen, Sozialarbeit, Wirtschaft und öffentliche Politik. Dabei kommen sowohl quantitative als auch qualitative Methoden zum Einsatz, um Daten zu sammeln und zu analysieren. Ziel ist es, Einblicke in den Wert und die Wirkung des evaluierten Programms oder der Maßnahme zu gewinnen.
Die Ergebnisse von Evaluationsuntersuchungen können genutzt werden, um fundierte Entscheidungen zu treffen, Programme zu optimieren, Ressourcen effektiver einzusetzen und Veränderungen herbeizuführen. Sie spielen eine entscheidende Rolle bei der Gestaltung von evidenzbasierten Praktiken und politischen Entscheidungen, indem sie sicherstellen, dass diese auf soliden empirischen Erkenntnissen basieren.
2.6 Meta-Analysen
Meta-Analysen stellen Forschungsmethoden dar, bei denen Daten aus mehreren unabhängigen Studien zu einem bestimmten Thema zusammengeführt, systematisch überprüft und quantitativ analysiert werden. Das vorrangige Ziel einer Meta-Analyse besteht darin, die Effekte einer Intervention, eines Behandlungsansatzes oder eines spezifischen Phänomens zu synthetisieren und zu quantifizieren, indem Daten aus verschiedenen Einzelstudien kombiniert werden.
Damit bieten Meta-Analysen eine Gelegenheit, empirische Evidenz zu stützen, statistische Strenge zu gewährleisten und potenzielle Unstimmigkeiten in der Literatur aufzudecken (Kraus, Bouncken & Aránega, 2024).
Um dieses Ziel zu erreichen, werden zunächst relevante Studien identifiziert und auf Basis ihrer Relevanz und Qualität ausgewählt. Anschließend werden Effektgrößen innerhalb der Studien sowie über die Studien hinweg berechnet und als kombinierte Effekte dargestellt. Durch Metaanalysen kann die Konsistenz der Ergebnisse bestimmt werden, um Unsicherheiten in der Beurteilung von Interventionen zu verringern und die Effektschätzung zu verbessern.