PKS 1&2 Auswertung. Dr. Christian Gaum

Transkript

1 PKS 1&2 Auswertung Dr. Christian Gaum

2 Qualitative Auswertung Qualitative Auswertungsverfahren interpretieren verbales bzw. nichtnumerisches Material und gehen dabei in intersubjektiv nachvollziehbaren Arbeitsschritten vor. Gültige Interpretationen müssen konsensfähig sein, d.h. von mehreren Forschern, von Experten, Laien und /oder den Betroffenen selbst als zutreffende Deutungen akzeptiert werden. (Bortz 1995, S. 306) 1

3 Qualitative Auswertung Arbeitsschritte: 1. Text- und Quellenkritik (hinsichtlich Objektivität, Validität, Reliabilität) 2. Datenmanagement (Transkript) 3. Kurze Fallbeschreibung (sozialstatistische Merkmale) 4. Kategoriensystem Bewegungserfahrungen, Gemeinschaftsgefühl, Angst, Isolation, etc. 5. Kodierung (Zuordnung der Textteile zu den Kategorien) 6. Zusammenfassung von Fällen 2

4 Ankerzitate Da spielen auch Kinder mit, die nicht so gut sonst sind Sonst trauen sich immer nur die Guten, so sind alle dabei Gemeinschaftsgefühl Ich mag das Vormachen nicht, da ist immer so viel Aufmerksamkeit Scham, Angst Wahrnehmung der Inklusionskraft: Hilfe, Zumutung Wirkung der Inklusionskraft: Lehrerzentriert Die verstehen sich nicht [Lehrer u. Hilfskraft] Klassenzentriert Ich mag so viel Aufmerksamkeit nicht Selbstzentriert Der hilft mir, aber ich kann das auch allein 3

5 Reduktive vs. rekonstruktive Methode Reduktive Methode nach Mayring (2003, Qualitative Inhaltsanalyse ): 1. Reduktion durch Selektion 2. Reduktion durch Bündelung Rekonstruktive Methode nach Oevermann: Zergliederung in kleine Passagen & Falsifizierung von Annahmen 4

6 Kategorienbildung (induktiv) 5

7 Kategorienbildung (induktiv) Zusammenfassung (induktive Kategorienbildung): Durch Paraphrasierung und Generalisierung kommt es zu einer Reduktion des Materials. Paraphrasierung beschränkt die Kodiereinheiten auf inhaltstragende Textbestandteile. Generalisierung bringt die Satzaussagen auf eine einheitliche Ebene. Reduktion streicht bedeutungsgleiche Paraphrasen. (vgl. Mayring 2010) 6

8 7

9 Kategorienbildung (deduktiv) 8

10 Kategorienbildung (deduktiv) Strukturierung (Theoriegeleiteter Kodierleitfaden) 1. Definition der Kategorien Es wird genau definiert, welche Textbestandteile unter eine Kategorie fallen. 2. Ankerbeispiele Es werden konkrete Textstellen angeführt, die unter eine Kategorie fallen und als Beispiele für diese Kategorie gelten sollen. 3. Kodierregeln Es werden dort, wo Abgrenzungsprobleme zwischen Kategorien bestehen, Regeln formuliert, um eindeutige Zuordnungen zu ermöglichen. (vgl. Mayring 2010) Die Kategorie muss klar sein! Eine Kordierregel aufstellen! Mit Ankerzitaten belegen! 9

11 Entwicklung eines Codebuchs Variable (Zeitaspekt der Fairness) Code + Ausprägung (vor, während, nach) Definition (das Verhalten ereignet sich vor dem Wettkampfbeginn) Ankerbeispiel ( wir wollten das Spiel so nicht anfangen ) Kodierregel (ergibt sich in diesem Fall aus der Definition) 10

12 Kodierleitfaden (vgl. Mayring 2010) 11

13 12

14 Gütekriterien Reliabilität (Zuverlässigkeit) ist gegeben wenn bei wiederholteer Messung das gleiche Ergebnis erzielt wird Die Beurteilung der Validität (Genauigkeit) einer Methode beschreibt, ob das Instrument wirklich das misst was es messen soll. 13

15 Gütekriterien Reliabilität: Inhalte sind nicht reaktiv, aber der Codierprozess muss reliabel sein Intercoder-Reliabilität (inwieweit gelangen die verschiedenen Codierer bei der Codierung desselben Materials zu denselben Ergebnissen?) Kontrolle durch Vergleiche (unterschiedliche Zeitpunkte) ggf. Ausschluss Intracoder-Reliabilität (verändern sich Anzahl und Schema des Codieres während dem Prozess?) Reflexionsschleifen Angabe des Reliabilitätskoeffizeinten: Zahl der Übereinstimmungen / Zahl der Gesamtcodierungen Empfehlung für das Überschneidungsmaß nach Holsti ca. 0,8 Cohens Kappa von mindestens 0,6 bis 0,7 14

16 Gütekriterien (Cohens Kappa) Kodierer 1 A Kodierer 2 Rand A a b a+b B c d c+d Rand a+c b+d n B 15

17 Gütekrieterien Validität: Ergebnisvalidität soll bestimmen ob das Konstrukt tatsächlich abgebildet wird Sind die Kategorien vollständig? ( Sonstige ) Konstrukt durch andere Untersuchungen und Theorie überprüfen Materialvalidität soll bestimmen ob das Material das Konstrukt erfasst Expertenratings (Befragung) Genaue, nachvollziebare Dokumentation 16

18 Gütekriterien 6 allg. Gütekriterien qual. Forschung (Mayring 2002) 1. Verfahrensdokumentation 2. Argumentative Interpretationsabsicherung 3. Regelgeleitetheit 4. Nähe zum Gegenstand 5. Kommunikative Validierung 6. Triangulation 17

19 Zusammenfassung Bilden Sie Ihre Kategorien zunächst allein und vergleichen Sie dann mit Ihrer Gruppe Legen Sie Aussagen, die Ihnen unklar sind zunächst unter sonstiges ab Aus einzelnen Fällen können Sie eventuell eine Typenbildung vornehmen 18

20 Quantitative Auswertung Quantitative Auswertung umfasst die graphische und die nummerische Darstellung der Daten. STATISTIK 19

21 Statistik Deskriptive Statistik/Auswahl der Testverfahren Beschreibung der Variablenwerte/-verteilungen (Test auf Normalverteilung, Tabellen Grafiken evtl. in den Anhang) Begründung der Auswahl der Testverfahren für die prüfende Statistik Prüfende Statistik Systematische Abarbeitung der aufgestellten Hypothesen / Fragestellungen Hypothese werden bestätigt oder verworfen Einzelne Tests können in Tabellen oder Grafiken zusammengefasst werden. 20 Folie Nr

22 Deskriptive Statistik Mittelwerte: Modus, Median, arithmetisches Mittel Noten: Anzahl: Modus = 5 Median = 4,5 Arith. Mittelwert = 4 Streuungsmaße: Varianz, Standardabweichung: Varianz = 3,2 Standardabweichung = 1,78 21

23 Zusammenhang Unterschied Zusammenhangshypothese zwei mind. ordinale Variablen Unterschiedshypothese Zwei nominale Variablen (Kreuztabellen Chi-Quadrat) Eine nominale und eine mind. ordinale Variable (siehe Bsp.) Folie 22 22

24 Tests auf Zusammenhänge Voraussetzung: Zwei mind. ordinale Variablen Auswahl der richtigen Tests: beide Variablen sind normalverteilt? Test auf Zusammenhang ja Pearson nein Spearman Rho Berechnungen bei SPSS: Analysieren Korrelationen bivariat Der Korrelationskoeffizient gibt die Stärke des Zusammenhangs an 23 23

25 Korrelation (SPSS Beispiel) Korrelationen Alter Spielerfahrung als aktiver Vereinspieler Korrelation nach Pearson 1,728 ** Alter Signifikanz (2-seitig),000 Spielerfahrung als aktiver Vereinspieler N Korrelation nach Pearson,728 ** 1 Signifikanz (2-seitig),000 **. Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant. N Der Zusammenhang von Alter und Spielerfahrung ist mit dem Korrelationskoeffizienten r =,728 signifikant (p =,000). Hier liegt ein großer Zusammenhang vor. (die Stärke der Korrelation können Sie in den Quellen nachlesen) 24

26 Normalverteilung Überprüfung auf Normalverteilung: Kolmogorov-Smirnov-Test (K+S Test) In SPSS, Analysieren Nichtparametrische Test K+S Test bei einer Stichprobe Wird dieses Testergebnis signifikant, dann liegt keine Normalverteilung vor!!! - Bei kleinen Stichproben problematisch - Parameterfreien Mann-Whitney-U-Test vorziehen 25

27 Normalverteilung (SPSS Beispiel) Kolmogorov-Smirnov-Anpassungstest Aflatoxin PPB N 32 Parameter der Normalverteilung a,b Mittelwert 11,5625 Standardabweichung 4,24976 Absolut,112 Extremste Differenzen Positiv,112 Negativ -,104 Kolmogorov-Smirnov-Z,631 Asymptotische Signifikanz (2-seitig),821 a. Die zu testende Verteilung ist eine Normalverteilung. b. Aus den Daten berechnet. Mit einem p Wert von 0,821 ist das Ergebnis des Tests nicht signifikant, Folglich können wir von einer Normalverteilung ausgehen 26

28 Tests auf Unterschiede Voraussetzung: eine nominale bipolare und eine mind. ordinale Variable Auswahl der richtigen Tests: ordinale Variable ist normalverteilt? Ja SPSS: Analysieren Mittelwerte vergleichen Nein SPSS: Analysieren nicht parametrische Tests gepaarte/verbundene oder unabhängige Stichprobe gepaart unabhängig verbundene unabhängig Tests in SPSS T-Test bei abhängigen Stichproben T-Test bei unabhängigen Stichproben Wilcoxon Mann- Whitney-U- Test Bei nominalen Variablen mit mehr als zwei Ausprägungen: Tests in SPSS Mehrfaktorielle Varianzanalyse Einfaktorielle Varianzanalyse: Anova Friedmann Kruskal- Wallis Folie Nr

29 T-Test (Beispiel SPSS) Test bei unabhängigen Stichproben T-Test für die Mittelwertgleichheit T df Sig. (2- seitig) Mittlere Differenz Varianzen sind gleich 2, ,027,40637 F2 Varianzen sind nicht gleich 2, ,578,024,40637 Der p Wert von 0,027 ist kleiner als 0,05, so dass wir von einem signifikanten Unterschied der Mittelwerte ausgehen können. (Varianzgleichheit lässt sich vorab überprüfen ) 28

30 Eine Lehrerin führt mit einem Teil ihrer Klasse nach einem Eingangstest ein Trainingsprogramm durch und möchte wissen, ob dieses Training einen positiven Effekt auf die Ergebnisse in einem Leistungstest (Werte von 0-10) hat. UV: AV: Stichprobe: [ ] abhängig, [ ] unabhängig Skalenniveau: [ ]nominal, [ ] ordinal, [ ] intervall 29

31 Übung Eine Lehrerin führt mit einem Teil ihrer Klasse nach einem Eingangstest ein Trainingsprogramm durch und möchte wissen, ob dieses Training einen positiven Effekt auf die Ergebnisse in einem Leistungstest (gut, mittel, schlecht) hat. UV: Trainingsprogramm AV: Leistungstest Stichprobe: [X] abhängig, [ ] unabhängig Skalenniveau: [ ]nominal, [X] ordinal, [ ] intervall Test auf Unterschiede Wilcoxon-Test 30

32 Übung Sie wollen wissen ob das Geschlecht einen Einfluss auf Bekanntheit der Olympiasieger hat. (Bekanntheit = Anzahl namentliche Nennungen) UV: AV: Stichprobe: [ ] abhängig, [ ] unabhängig Skalenniveau: [ ]nominal, [ ] ordinal, [ ] intervall 31

33 Übung Sie wollen wissen ob das Geschlecht einen Einfluss auf Bekanntheit der Olympiasieger hat. (Bekanntheit = Anzahl namentliche Nennungen) UV: Geschlecht AV: Bekanntheit d. OS Stichprobe: [ ] abhängig, [X] unabhängig Skalenniveau: [ ]nominal, [ ] ordinal, [X] intervall Test auf Unterschiede (Mittelwertvergleiche) T-Test für unabhängige Stichproben 32

34 Fehler erster und zweiter Art alpha-fehler (kontrolliert durch Signifikanz) beta-fehler (kontrolliert durch Power) 33

35 Die Interpretation der Ergebnisse Signifikanz = Aussagekraft Ihrer Daten - Zunächst Ihr Signifikanzniveau (Irrtumswahrscheinlichkeit) festlegen - 5% ist für die sozialwissenschaftliche Forschung gängig - Signifikant ist Ihr Ergebnis wenn der p Wert < 0.05 ist! Signifikanzen sind ungeeignet über die praktische Relevanz des Effekts nachzuweisen. I.d.R. werden auch Effektstärken angegeben. Bsp.: Es gibt unterschied zwischen Klassengrößen und Lernerfolg! Aber der Effekt den Klassengrößen auf den Lernerfolg haben ist gering! 34

36 Effektstärke Es gibt unterschiedliche Maßzahlen für Effektstärken: Cohens d, Cohens f, Hedges g, Breavis-Pearson r, Cohens d (T-Tests) d=0,2 einen kleinen Effekt, d=0,5 einen mittleren d=0,8 einen starken Effekt Cohens f (ANOVA) f=0,10 einen kleinen Effekt, f=0,25 einen mittleren und f=0,4 einen starken Effekt. 35

37 Literatur Zur Recherche: Bortz, J. (1999), Statistik für Sozialwissenschaftler. Berlin: Springer Bös, K., Hänsel, F. & Schott, N. (2004), Empirische Untersuchungen in der Sportwissenschaft. Planung Auswertung Statistik. Hamburg: Czwalina Mayring, P. (2010), Qualitative Inhaltsanalyse. Weinheim: Beltz Mayring, P. (2002), Einführung in die qualitative Sozialforschung. Weinheim: Beltz 36