How to… Qualitative und Quantitative Datenauswertung: ein Überblick

Die Datenerhebung ist geschafft – nun steht ihr vor der Herausforderung, die gesammelten Daten auszuwerten. In diesem Teil der Serie „Wissenschaftliches Arbeiten für Bachelor- und Masterarbeiten“ geben wir euch einen Überblick über die qualitative und quantitative Datenauswertung und verlinken euch weitere interessante Blogartikel zu diesem Thema, die euch mehr Details und hilfreiche Tipps bieten.

Datenaufbereitung

Ist die Datenerhebung abgeschlossen so stehen beispielsweise ausgefüllte Fragebögen, Audioaufnahmen von Interviews, handschriftliche Notizen oder Messdaten zur Verfügung. Das Rohmaterial liegt oft in verschiedenen Formaten vor, ist unvollständig, inkonsistent und schwer überschaubar. Um die Grundlage für eine systematische Analyse der Daten zu schaffen, müssen die Rohdaten zunächst entsprechend aufbereitet werden. Das Ergebnis der Aufbereitung sind in der Regel fehlerbereinigte, anonymisierte und mit Metainformationen versehene digitale Datensätze, die sich anschließend mit einer Software zur qualitativen oder quantitativen Datenanalyse auswerten lassen.

Wichtige Schritte der Datenaufbereitung umfassen unter anderem:

1. Datentransformation: Quantitative Variablen werden ggf. umgepolt, zusammengefasst oder gewichtet, um die Repräsentativität der Daten zu verbessern.
2. Erstellung der Datensätze: Rohdaten werden sortiert, zugeordnet, digitalisiert und in strukturierte Datensätze überführt. In der qualitativen Forschung schließt dies die Transkription von Audio- oder Videoaufnahmen ein.
3. Kommentierung: Datensätze werden durch Metainformationen, wie etwa Erhebungsdatum oder Variablenbeschreibungen, ergänzt. In der quantitativen Datenaufbereitung erfolgt zudem das Labeling von Variablen und Werten.
4. Anonymisierung: Informationen, die Rückschlüsse auf Teilnehmer*innen ermöglichen, werden entfernt oder ersetzt.
5. Datenbereinigung: Bei qualitativen Daten können irrelevante Details wie Versprecher, verschluckte Silben und Dialekt entfernt werden, während bei quantitativen Daten unplausible Werte korrigiert, Duplikate gelöscht und fehlende Werte sinnvoll behandelt werden.

Datenanalyse

Die Datenanalyse verfolgt das Ziel, die im Rahmen des Forschungsproblems formulierten Fragen systematisch und transparent anhand der gewonnenen empirischen Daten zu beantworten. Dabei werden entweder die aufgestellten Hypothesen überprüft oder neue Theorien entwickelt. Je nach Art des Datenmaterials, nicht-numerisch (qualitativ, z. B. verbale oder visuelle Daten) oder numerisch (quantitativ), unterscheiden sich die Vorgehensweisen in der Analyse erheblich.

Qualitative Datenanalyse

In der qualitativen Datenanalyse wird nicht-numerisches Datenmaterial, häufig in Form von Texten, verbalen Äußerungen oder visuellen Materialien, interpretativ ausgewertet. Dieser Ansatz folgt dem explorativen Charakter qualitativer Forschung, der darauf abzielt, Themen zu erkunden und Theorien zu entwickeln.

Es gibt eine Vielzahl von allgemeinen sowie spezialisierten Methoden zur Analyse qualitativer Daten. Ein weit verbreiteter Ansatz ist die kategorienbildende Analyse. Dabei wird das Datenmaterial in sinnvolle Analyseeinheiten, wie etwa Sätze oder Absätze, unterteilt. Anschließend werden diesen Einheiten Codes zugewiesen und schließlich zu übergeordneten Kategorien zusammengeführt. Weitere Details zum Kodieren qualitativer Daten findest du in unserem Blogartikel „How to… Kodieren von Daten leicht gemacht“.

Im Kontext der qualitativen Forschung folgt die Abfolge von Datenerhebung, Datenaufbereitung und Datenanalyse idealerweise keinem linearen Ablauf, sondern einem zirkulären Prozess. Dies ermöglicht es, dass Zwischenergebnisse der Analyse die weitere Datenerhebung und -analyse beeinflussen und steuern können.

Zu den gängigsten Methoden der qualitativen Datenanalyse zählen die qualitative Inhaltsanalyse und die Grounded Theory. In unserem Blogartikel „How to… Qualitative Forschung codieren“ findest du weitere hilfreiche Informationen dazu.

Quantitative Datenanalyse

In der quantitativen Datenauswertung wird in der Regel numerisches Datenmaterial ausgewertet. Die dabei angewandten statistischen Methoden lassen sich grob in zwei Hauptkategorien unterteilen: Deskriptivstatistik und Interferenzstatistik. In der Deskriptivstatistik (beschreibende Statistik) werden gesammelte Daten mittels Stichprobenkennwerten (wie etwa Prozentwerte, Mittelwerte, Modalwerte) zusammengefasst und oftmals in Grafiken (z. B. Kreisdiagramm, Balkendiagramm, Histogramm) und Tabellen anschaulich präsentiert. Bei Verfahren der Inferenzstatistik (schließende Statistik) hingegen, werden aus den Stichprobendaten Rückschlüsse auf Populationseffekte geschlossen. Hierbei werden einerseits bestimmte Parameter in der Population geschätzt (z. B. die Schätzung des Populationsmittelwertes anhand des Mittelwertes der Stichprobe), und andererseits werden Hypothesen zu möglichen Relationen zwischen Populationsparametern geprüft (z. B. die Prüfung einer Hypothese, die besagt, dass der Mittelwert in einer Teilpopulation größer ist als in einer anderen).

Bei der Wahl eines geeigneten Verfahrens stehen euch verschiedene Optionen zur Verfügung. Dabei ist es wichtig darauf zu achten, dass das gewählte Verfahren das Ziel eurer Arbeit erfüllt. Mehr zur quantitativen Datenauswertung und den entsprechenden Verfahren findet ihr hier: „How to… Quantitative Datenauswertung“.

Wenn ihr mehr hierzu wissen möchtet, schreibt uns einfach eine Nachricht an dietmar.kappel@campus02.at (auch über LinkedIn erreichbar https://www.linkedin.com/in/dietmarkappel/) oder kontaktiert unser Department unter ms@campus02.at. Wir helfen euch sehr gerne weiter, natürlich auch wenn ihr keine Studierenden mehr seid und weitere Fragen zu dem Thema Empirie-Teil habt.

Viel Spaß beim Forschen und Schreiben,

René & Clara

Referenzen

Döring, N. (2023). Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-64762-2

Malhotra, N. K., Nunan, D., & Birks, D. F. (2017). Marketing research: An applied approach (Fifth edition). Pearson.

Trochim, W. M. K., Donnelly, J. P., & Arora, K. (2016). Research methods: The essential knowledge base (Student ed). Cengage Learning.