Inhaltsübersicht
1. Empirische Sozialforschung im Überblick
2. Wissenschaftstheoretische Grundlagen der empirischen Sozialforschung
3. Qualitätskriterien in der empirischen Sozialforschung
4. Forschungs- und Wissenschaftsethik
6. Forschungsstand und theoretischer Hintergrund
14. Bestimmung von Teststärke, Effektgröße und optimalem Stichprobenumfang
15. Minimum-Effektgrößen-Tests
19. Computationale Methoden in den Sozial- und Humanwissenschaften
Grundlagen
1. Empirische Sozialforschung im Überblick
Dieses Kapitel vermittelt folgende Lernziele: Darstellen können, was wissenschaliche Erkenntnisse von anderen Formen des Wissens unterscheidet. Sozial- und Humanwissenschaften von Geistes- und Naturwissenschaften abgrenzen können. Wissen, was quantitative Forschung, qualitative Forschung und Mixed-Methods-Forschung als drei zentrale empirische Forschungsstrategien in den Sozialwissenschaften jeweils auszeichnet. Wissenschaftliche Zeitschriftenartikel als Primär- bzw. Originalquellen empirischer Studien verstehen und beurteilen können. Die typischen Phasen des empirischen Forschungsprozesses im quantitativen, qualitativen und Mixed-Methods-Ansatz nennen und charakterisieren können.
2. Wissenschaftstheoretische Grundlagen der empirischen Sozialforschung
Dieses Kapitel vermittelt folgende Lernziele: Wissen, wozu eine wissenschaftstheoretische Fundierung der empirischen Sozialforschung dient. Den kritischen Rationalismus als wissenschaftstheoretische Basis des quantitativen Paradigmas der empirischen Sozialforschung darstellen können. Neuere wissenschaftstheoretische Ansätze im quantitativen Paradigma kennen. Die wissenschaftstheoretischen Grundlagen des qualitativen Paradigmas der empirischen Sozialforschung anhand von fünf Grundprinzipien erläutern können. Fünf verschiedene Positionen zu Mixed-Methods als möglichem drittem Paradigma der empirischen Sozialforschung kennen und wissenschaftstheoretische Grundannahmen des Pragmatismus als Basis eines eigenen Mixed-Methods-Paradigmas benennen können.
3. Qualitätskriterien in der empirischen Sozialforschung
Dieses Kapitel vermittelt folgende Lernziele: Wissenschaft von Nicht-Wissenschaft, Pseudo- und Parawissenschaft abgrenzen können. Wissen, wozu Kriterien der wissenschaftlichen Qualität in der empirischen Sozialforschung dienen und wie man sie strukturieren kann. Die wichtigsten Gütekriterien der quantitativen Sozialforschung erläutern können. Die wichtigsten Gütekriterien der qualitativen Sozialforschung darstellen können. Die wichtigsten Gütekriterien der Mixed-Methods-Sozialforschung kennen.
4. Forschungs- und Wissenschaftsethik
Dieses Kapitel vermittelt folgende Lernziele: Die zentralen ethischen Richtlinien zum Umgang mit Untersuchungspersonen in der human- und sozialwissenschaftlichen Forschung kennen. Die wichtigsten Regeln guter wissenschaftlicher Praxis erläutern können. Eigene Forschungsaktivitäten an Prinzipien der Forschungs- und Wissenschaftsethik ausrichten können. Vorliegende Studien hinsichtlich möglicher ethischer Probleme bewerten können. Wissen, wie man forschungs- bzw. wissenschaftsethische Fragen selbst zum Gegenstand empirischer Forschung machen kann.
Anwendung
5. Forschungsthema
Dieses Kapitel vermittelt folgende Lernziele: Forschungsthema und Forschungsproblem voneinander abgrenzen können. In der Lage sein, zu einem Forschungsproblem einen Satz von Forschungshypothesen und/oder Forschungsfragen zu formulieren. Abwägen können, nach welchen Kriterien ein Forschungsthema für eine Qualifikationsarbeit auszuwählen ist. Wissen, was bei der Erstellung eines Exposés und eines Zeitplans für ein Forschungsprojekt zu beachten ist.
6. Forschungsstand und theoretischer Hintergrund
Dieses Kapitel vermittelt folgende Lernziele: Wissen, wie man eine wissenschaftliche Literaturrecherche durchführt. Wissen, wie die Ergebnisse einer Literaturrecherche zu verarbeiten sind. Den Forschungsstand zu einer geplanten Studie strukturiert darstellen können. Den theoretischen Hintergrund einer Studie entwickeln können. Die zu einem Forschungsproblem bzw. einer wissenschaftlichen Fragestellung gehörenden Forschungshypothesen und Forschungsfragen ableiten können.
7. Untersuchungsdesign
Dieses Kapitel vermittelt folgende Lernziele: Wissen, was man unter einem Untersuchungsdesign versteht. Verschiedene Klassifikationskriterien für Untersuchungsdesigns kennen. Die Vor- und Nachteile unterschiedlicher Untersuchungsdesigns abwägen können, insbesondere unter Berücksichtigung von Aufwand und Aussagekraft. Wissen, wie man das geeignete Untersuchungsdesign für das eigene Forschungsproblem auswählt.
8. Operationalisierung
Dieses Kapitel vermittelt folgende Lernziele: Die unterschiedlichen Vorgehensweisen bei der Bildung theoretischer Konzepte in der qualitativen Forschung und der Operationalisierung theoretischer Konzepte in der quantitativen Forschung kennen. Wissen, was man unter der Konzeptspezifikation versteht und wie man dabei vorgeht. Latente und manifeste Variablen voneinander abgrenzen können. Die vier Skalenniveaus definieren und an Beispielen erläutern können. Die Ratingskala als Antwortformat von der psychometrischen Skala als Messinstrument unterscheiden können. Die Messung theoretischer Konzepte mit Einzelindikatoren, psychometrischen Skalen und Indizes als drei zentralen Operationalisierungsvarianten in ihren Vor- und Nachteilen abwägen können.
9. Stichprobenziehung
Dieses Kapitel vermittelt folgende Lernziele: Wissen, wie Population und Stichprobe definiert sind. Das Konzept der Repräsentativität erläutern und problematisieren können. Die wichtigsten qualitativen Stichprobenarten kennen. Die wichtigsten quantitativen Stichprobenarten kennen. Die Vor- und Nachteile probabilistischer und nichtprobabilistischer Stichproben abwägen können.
10. Datenerhebung
Dieses Kapitel vermittelt folgende Lernziele: Wissen, was man unter wissenschalicher Datenerhebung versteht und wie sie sich von nicht-wissenschalicher Datensammlung unterscheidet. Qualitative und quantitative Beobachtungsmethoden charakterisieren und anwenden können. Qualitative und quantitative Interviewtechniken erläutern und einsetzen können. Qualitative und quantitative selbstadministrierte Fragebogenmethoden differenzieren und entsprechende Fragebögen entwickeln können. Unterschiedliche Arten von projektiven und psychometrischen psychologischen Tests voneinander abgrenzen können und wissen, was bei Testanwendung und Testentwicklung zu beachten ist. Wichtige physiologische Messverfahren für unterschiedliche Organsysteme (z. B. Hirnaktivität, Herz-Kreislauf-Aktivität, elektrodermale Aktivität) in ihren Grundlagen beschreiben und ihrer Aussagekraft einschätzen können. Verschiedene Formen der qualitativen und quantitativen Dokumentenanalyse unterscheiden und dabei insbesondere das Vorgehen bei einer qualitativen und einer quantitativen Inhaltsanalyse vorgefundener Dokumente schildern können. Die Besonderheiten und Vor- und Nachteile der verschiedenen Datenerhebungsmethoden abwägen und die für ein konkretes Forschungsproblem passende(n) Datenerhebungsmethode(n) auswählen können.
11. Datenaufbereitung
Dieses Kapitel vermittelt folgende Lernziele: Wissen, was man unter Datenaufbereitung versteht. Die Funktionen der Datenaufbereitung kennen. Zentrale Arbeitsschritte der Aufbereitung qualitativer Daten beschreiben und durchführen können. Wichtige Arbeitsschritte der Aufbereitung quantitativer Daten erläutern und umsetzen können.
12. Datenanalyse
Dieses Kapitel vermittelt folgende Lernziele: Wissen, was man unter qualitativer Datenanalyse versteht und verschiedene interpretative Auswertungsverfahren kennen. Wissen, was man unter quantitativer Datenanalyse versteht und unterschiedliche statistische Auswertungsansätze voneinander abgrenzen können. Die Logik des klassischen statistischen Signifikanztests zur Überprüfung von Hypothesen erläutern können. Bei quantitativen explorativen (gegenstandserkundenden und theoriebildenden) Studien Methoden der explorativen Datenanalyse beschreiben können. Bei quantitativen deskriptiven (populationsbeschreibenden) Studien die Parameterschätzung mittels Punkt- und Intervallschätzung hinsichtlich unterschiedlicher Arten von Parametern und Stichproben erklären können. Bei quantitativen explanativen (hypothesenprüfenden) Studien die Hypothesenprüfung mittels klassischem statistischem Signifikanztest hinsichtlich verschiedener Arten von Unterschieds-, Zusammenhangs- und Veränderungs-Hypothesen sowie Einzelfall-Hypothesen erläutern können.
13. Ergebnispräsentation
Dieses Kapitel vermittelt folgende Lernziele: Verschiedene Formen der Präsentation wissenschaftlicher Ergebnisse voneinander abgrenzen und in ihren Besonderheiten charakterisieren können. Wissen, wie man einen Zeitschriftenartikel schreibt und in einer wissenschalichen Fachzeitschrift publiziert. Wissen, wie man einen wissenschaftlichen Fachvortrag für eine Konferenz vorbereitet. Wissen, wie man ein wissenschaftliches Poster erstellt und auf einer Konferenz präsentiert. Verschiedene Möglichkeiten der Kommunikation wissenschaftlicher Ergebnisse an die breite Öffentlichkeit kennen.
Vertiefung
14. Bestimmung von Teststärke, Effektgröße und optimalem Stichprobenumfang
Dieses Kapitel vermittelt folgende Lernziele: DieTeststärke definieren und Post-hoc- sowie A-priori-Teststärkeanalysen voneinander abgrenzen können. Wissen, was man unter der Effektgröße versteht und wie man sie berechnet. Verschiedene standardisierte Effektgrößenmaße unterscheiden und hinsichtlich ihrer Ausprägung als kleine, mittlere oder große Effekte einordnen können. Das Konzept des optimalen Stichprobenumfangs erläutern können. Wissen, wie man den optimalen Stichprobenumfang für Studien mit unterschiedlichen Signifikanztests im Zuge der Untersuchungsplanung festlegt.
15. Minimum-Effektgrößen-Tests
Dieses Kapitel vermittelt folgende Lernziele: Wissen, was das Good-Enough-Prinzip besagt. Untersuchungen unter Berücksichtigung von Minimum-Effekt-Nullhypothesen planen können. Minimum-Effekt-Nullhypothesen prüfen können. Prinzipien von Nullhypothesen als „Wunschhypothesen“ verstehen. Nullhypothesen als Wunschhypothesen testen können.
16. Metaanalyse
Dieses Kapitel vermittelt folgende Lernziele: Ziele und Anwendungsmöglichkeiten der Metaanalyse kennen. Die Metaanalyse von narrativen Reviews abgrenzen können. Vorliegende Metaanalysen kritisch rezipieren können. Die Schritte bei der Durchführung einer quantitativen Metaanalyse erläutern können. Mögliche Fehler bei der Durchführung einer Metaanalyse sowie entsprechende Gegenmaßnahmen erklären können.
17. Strukturgleichungsmodelle
Dieses Kapitel vermittelt folgende Lernziele: Vorteile von Strukturgleichungsmodellen für Datenanalysen kennen. Den Aufbau der Modelle und die dahinterstehenden Gleichungen verstehen. Verstehen, wie empirische Daten mit Strukturgleichungsmodellen analysiert werden. Einfache Analysen selbst durchführen und interpretieren können. Voraussetzungen und Probleme des Einsatzes von Strukturgleichungsmodellen kennen. Ergebnisse aus Analysen kritisch beurteilen können.
18. Evaluationsforschung
Dieses Kapitel vermittelt folgende Lernziele: Die Evaluationsforschung von der Grundlagen- und Interventionsforschung abgrenzen können. Zentrale Konzepte der Evaluationsforschung definieren und erläutern können. Wissen, was die Evaluationsstandards beinhalten. Wichtige Evaluationsansätze anhand bekannter Evaluationsmodelle charakterisieren können. Wissen, was in den einzelnen Phasen einer Evaluationsstudie zu tun ist.
19. Computationale Methoden in den Sozial- und Humanwissenschaften
Dieses Kapitel vermittelt folgende Lernziele: Die Bedeutung computationaler Methoden für die Sozial- und Humanwissenschaften erläutern können. Unterschiede und Gemeinsamkeiten zwischen einer herkömmlichen manuellen Inhaltsanalyse und einer computationalen Textanalyse darstellen können. Den typischen Ablauf einer computationalen Studie am Beispiel einer automatischen Textanalyse mit ihren Besonderheiten erläutern können. Wissen, wie man bei einer diktionärsbasierten Sentimentanalyse von Social-Media-Beiträgen vorgeht, und dies mit der Software R anhand eines Beispieldatensatzes umsetzen können. Drei Ansätze der computationalen Textanalyse charakterisieren können: diktionärsbasierte Ansätze sowie Ansätze auf der Basis von überwachtem und unüberwachtem maschinellen Lernen. Wissen, welche anderen computationalen Analyseverfahren neben der automatisierten Textanalyse in den Sozial- und Humanwissenschaften genutzt werden. Spezifische ethische Aspekte der computationalen Forschung in den Sozial- und Humanwissenschaften erläutern können.