Erläuterndes sequenzielles Mixed-Methods-Design

Das erklärende sequentielle Design in der Mixed-Methods-Forschung beinhaltet eine quantitative Datenanalyse in einer ersten Phase, gefolgt von einer qualitativen Phase, die die quantitativen Ergebnisse vertieft. In diesem Artikel erläutern wir den Hintergrund, das Verfahren, die Vorteile und die Herausforderungen dieses Designs sowie einige Beispiele und Schlüsselstudien.

Einführung

Als Mixed-Methods-Design nutzt ein explanatorisches sequentielles Design sowohl quantitative als auch qualitative Daten, zeichnet sich aber durch zwei Phasen aus: Zunächst werden quantitative Daten gesammelt und analysiert, anschließend werden qualitative Daten gesammelt und analysiert. Der Zweck dieses Designs ist es, die quantitativen Ergebnisse mit Hilfe qualitativer Methoden zu vertiefen (Creswell und Plano Clark, 2017). Dieses Design ist nützlich, wenn ein Forscher qualitative Daten benötigt, um quantitative Daten wie Ausreißerdatenpunkte, unerwartete Ergebnisse oder hochsignifikante Ergebnisse zu erklären. Es hat sich auch in der Forschung als nützlich erwiesen, wenn quantitative Daten benötigt werden, um eine gezielte Stichprobenziehung für eine qualitative Phase anzuleiten.

Bei diesem Design sind das Forschungsproblem und die Forschungsfrage eher quantitativ ausgerichtet, mit einem klaren Verständnis der wichtigen Variablen und Zugang zu quantitativen Instrumenten zur Messung der primären Konstrukte von Interesse. Außerdem kann der Forscher bei Bedarf für eine zweite Runde der qualitativen Datenerhebung zu den Teilnehmern zurückkehren. Mit diesem Design kann der Forscher die quantitativen Ergebnisse nutzen, um neue Fragen zu entwickeln, die qualitative Methoden erfordern, um die quantitativen Erkenntnisse zu vertiefen.

Philosophische Annahmen des erklärenden sequentiellen Designs

Die philosophischen Annahmen, die einem explanatorischen Mixed-Methods-Design zugrunde liegen, zeugen von Flexibilität und Anpassungsfähigkeit, die den Anforderungen an die quantitativen und qualitativen Daten gerecht werden. Das Design beginnt mit einer quantitativen Phase, die im Postpositivismus verwurzelt ist und in der objektive Messungen und Hypothesentests im Vordergrund stehen. Diese Phase konzentriert sich auf beobachtbare und messbare Phänomene, wobei Instrumente zur Datenerfassung, zur Messung von Variablen und zur Analyse statistischer Ergebnisse eingesetzt werden. Ziel der Forscher ist es, kausale Zusammenhänge zu erkennen, Theorien zu testen und verallgemeinerbare Ergebnisse zu ermitteln. Dieser Ansatz steht im Einklang mit der Überzeugung, dass empirische Beweise die Grundlage des Wissens bilden.

Beim Übergang zur qualitativen Phase verlagert sich die philosophische Haltung auf den Konstruktivismus, bei dem subjektives Verstehen und eingehende Erkundung im Vordergrund stehen. In dieser Phase zielen die Forscher darauf ab, die quantitativen Ergebnisse in einen Kontext zu stellen und tiefere Einblicke zu gewähren. In der qualitativen Phase liegt der Schwerpunkt auf dem Verständnis der Perspektiven der Teilnehmer und der Bedeutung, die sie ihren Erfahrungen beimessen, was die Komplexität der sozialen Interaktionen widerspiegelt. Diese Perspektive erkennt an, dass die Realität sozial konstruiert ist und durch individuelle und kollektive Interaktionen in bestimmten Kontexten geformt wird.

Das erklärende Design verkörpert einen philosophischen Pluralismus, der es den Forschern ermöglicht, verschiedene Paradigmen für unterschiedliche Phasen der Studie zu verwenden. Der Postpositivismus wird in der quantitativen Forschungsphase angewandt, um Präzision und Verallgemeinerbarkeit zu gewährleisten, während der Konstruktivismus die qualitative Forschungsphase leitet, um reichhaltige, kontextualisierte Erkenntnisse zu liefern. Diese Verschiebung der Annahmen steht im Einklang mit dem Pragmatismus, einem breiteren Rahmen, der häufig mit der Forschung mit gemischten Methoden in Verbindung gebracht wird. Der Pragmatismus betont die praktische Problemlösung und ermutigt die Forscher, Methoden und Paradigmen zu verwenden, die sich am besten für die Forschungsfragen eignen, unabhängig von strengen philosophischen Grenzen.

Wie führt man einen erklärenden sequentiellen Entwurf durch?

Das erklärende sequentielle Design wird in verschiedenen Phasen durchgeführt, beginnend mit der quantitativen Phase, die durch qualitative Daten weiter erläutert wird.

1. Entwurf des quantitativen Strangs: Beginnen Sie mit der Formulierung einer klaren quantitativen Forschungsfrage und der Auswahl eines geeigneten quantitativen Ansatzes, der mit den Zielen der Studie übereinstimmt. Anschließend wird eine repräsentative quantitative Stichprobe ermittelt und rekrutiert.
2. Sammeln und Analysieren quantitativer Daten: Qualitative Daten werden häufig durch Umfragen, Experimente oder große Datensätze erhoben, um Muster, Beziehungen oder Anomalien zu erkennen. Das Hauptziel dieser Phase besteht darin, ein umfassendes Verständnis des Forschungsproblems zu vermitteln, statistische Trends zu ermitteln oder bestimmte Hypothesen zu testen. Die Ergebnisse werden analysiert, um wichtige Erkenntnisse hervorzuheben, wie z. B. unerwartete Muster oder signifikante Unterschiede zwischen Gruppen, die die nächste qualitative Forschungsphase leiten können.
3. Entwurf des qualitativen Strangs: Nach der quantitativen Datenanalyse wird in einem nächsten Schritt festgelegt, welche quantitativen Ergebnisse in der qualitativen Studie weiter untersucht werden sollen. Dazu können signifikante oder nicht signifikante Ergebnisse, Ausreißer oder Gruppenunterschiede gehören. Die quantitative Studie kann auch die Gestaltung der Fragen für qualitative Interviews oder Online-Umfragen beeinflussen und die Auswahl der Teilnehmer für die Stichprobe bestimmen.
4. Qualitative Datenerhebung und -analyse: Die quantitativen Ergebnisse bilden die Grundlage für die qualitative Datenerhebung. In dieser Phase muss der Forscher erneut die schriftliche Erlaubnis und Zustimmung der Teilnehmer einholen, insbesondere wenn er Methoden wie halbstrukturierte Interviews, Fokusgruppen oder offene Fragebögen verwendet. Der Forscher wählt die Gruppe oder Stichprobe aus, die zur Erklärung der quantitativen Ergebnisse beiträgt, und analysiert die Daten mit dem am besten geeigneten Verfahren der qualitativen Datenanalyse.
5. Integration der Ergebnisse aus beiden Phasen: Die Forscher vergleichen und kombinieren die Erkenntnisse aus den analysierten qualitativen und quantitativen Daten. Dieser Prozess beinhaltet die Identifizierung von Verbindungen zwischen den beiden Datensätzen und die Synthese der Ergebnisse in einer zusammenhängenden Erzählung. Ziel ist es, zu diskutieren, inwieweit und auf welche Weise die qualitativen Daten die quantitativen Ergebnisse erklären.

Vorteile von erklärenden sequentiellen Designs

• Ansprechend für quantitative Forscher: Beginnt mit einer starken quantitativen Ausrichtung, was die Analyse numerischer Daten erleichtert, bevor qualitative Erkenntnisse einbezogen werden.
• Geradliniger und effizienter Aufbau: Das zweistufige Design ermöglicht es den Forschern, die Datenerhebung und -analyse in verschiedene Phasen aufzuteilen, was Klarheit und Organisation gewährleistet.
• Geeignet für einzelne Forscher: Die Datenerhebung erfolgt sequentiell und nicht gleichzeitig, was die Verwaltung erleichtert, ohne dass ein großes Forschungsteam erforderlich ist.
• Erfordert kein Forschungsteam: Im Gegensatz zu konvergenten Designs kann bei dieser Methode ein einzelner Forscher die Studie durchführen, ohne mehrere Datenerhebungen gleichzeitig zu koordinieren.
• Vereinfacht das Verfassen und die Präsentation von Berichten: Die Ergebnisse werden logisch strukturiert, wobei zuerst die quantitativen Ergebnisse präsentiert werden, gefolgt von qualitativen Erkenntnissen, die tiefere Erklärungen liefern.
• Unterstützt aufstrebende Forschungsansätze: Die Forscher können die qualitative Phase auf der Grundlage der anfänglichen quantitativen Ergebnisse anpassen, was eine größere Flexibilität bei der Erforschung neuer Erkenntnisse ermöglicht.

Herausforderungen des erklärenden sequentiellen Designs

Dieses Mixed-Methods-Design bringt zwar Vorteile mit sich, aber der sequenzielle Charakter dieses Designs kann zeitaufwändig sein, da separate Phasen der Datenerhebung, -analyse und -interpretation erforderlich sind. Hier sind einige der bemerkenswertesten Herausforderungen laut Creswell (2017).

• Zeitaufwand: Die Durchführung der beiden Phasen kann langwierig sein. Während die qualitative Phase in der Regel weniger Teilnehmer umfasst, erfordert sie oft einen erheblichen Zeitaufwand für die Datenerhebung und -analyse. Die Forscher müssen ausreichend Zeit einplanen, um sicherzustellen, dass die qualitative Phase die quantitativen Ergebnisse wirksam ergänzt.
• Genehmigung durch das IRB (Institutional Review Board): Die Erlangung der Genehmigung kann Schwierigkeiten bereiten, da die Auswahl der Teilnehmer für die zweite Phase oft von den Ergebnissen der ersten Phase abhängt. Um dieses Problem zu lösen, können die Forscher einen vorläufigen Rahmen für die qualitative Phase skizzieren und die Teilnehmer über die Möglichkeit eines weiteren Kontakts informieren.
• Identifizierung der wichtigsten quantitativen Erkenntnisse: Die Klärung komplexer quantitativer Ergebnisse, die eine weitere Untersuchung verdienen, kann eine Herausforderung darstellen. Obwohl die Forscher dies oft erst nach Abschluss der ersten Phase feststellen, kann die Planung eine Priorisierung der wichtigsten Ergebnisse und Prädiktoren beinhalten.
• Sampling für die zweite Phase: Die Auswahl der Teilnehmer für die qualitative Phase erfordert eine sorgfältige Abwägung der Kriterien, um umfassende Erklärungen zu gewährleisten. Dies beinhaltet die Nutzung von demografischen Merkmalen, Vergleichsgruppen aus der quantitativen Phase oder Personen, die sich in den prädiktiven Variablen unterscheiden, um die Aussagekraft zu erhöhen.

Erläuternde sequenzielle Entwurfsvarianten

Das erklärende sequentielle Design hat zwei Varianten, die normalerweise in Studien mit gemischten Methoden verwendet werden.

Die Variante Follow-up-Erklärung ist die häufigste und legt den Schwerpunkt auf die anfängliche quantitative Phase. Anschließend werden die qualitativen Erkenntnisse zur Erklärung der quantitativen Ergebnisse herangezogen.

Die zweite Variante dieses Designs ist die Teilnehmerauswahlvariante, bei der der Forscher den qualitativen Daten einen höheren Stellenwert einräumt, aber quantitative Daten erheben muss, um eine gezielte Stichprobe zu ermitteln und durchzuführen.

Beispiel für einen erklärenden sequenziellen Entwurf

Igo, Riccomini, Bruning und Pope (2006) wendeten ein erklärendes sequentielles Design mit anschließender Erklärung an, um zu untersuchen, wie die Kodierung von Textideen beeinflusst wird, wenn Schüler mit Lernschwierigkeiten (LD) Notizen zu webbasierten Texten machen.

In der quantitativen Phase der Studie wurden 15 Schüler der Mittelstufe (10 in der 7. und 5 in der 8. Klasse) mit Lernschwierigkeiten in einer ländlichen Stadt im Südosten des Landes untersucht. Diese Schülerinnen und Schüler verwendeten drei verschiedene Methoden zur Erstellung von Notizen: Tippen, Kopieren und Einfügen sowie Schreiben. Die Methoden gewährleisteten, dass jeder Schüler alle drei Techniken in verschiedenen Themenbereichen kennenlernte. Im Anschluss an die Notizen wurden die Schüler sofort getestet, um die Unterschiede in der Kodierung auf der Grundlage der verwendeten Methoden zu bewerten, wobei vier Tage später ein verzögerter Erinnerungstest durchgeführt wurde.

In der qualitativen Phase nahmen alle Schüler nach den Tests an Interviews teil, um Einblicke in ihre Erfahrungen und Präferenzen in Bezug auf die Notizmethoden zu erhalten. Ziel war es, die quantitativen Ergebnisse aus ihrer Sicht zu erklären. Zusätzlich wurde eine Textanalyse der Notizen der Studierenden durchgeführt, um ihre Strategien und Lernprozesse zu untersuchen, wobei der Schwerpunkt auf der Vollständigkeit und Angemessenheit der gemachten Notizen lag. Die qualitativen Daten aus den Interviews wurden mit Hilfe eines Kodierungsschemas geordnet, um gemeinsame Themen in Bezug auf die Erfahrungen der Studierenden mit dem Notizenmachen zu identifizieren.

Die Ergebnisse zeigten, dass die Studierenden die Methode des Kopierens und Einfügens bevorzugten, da sie so weniger Angst vor Rechtschreibung und Grammatik hatten und sich besser auf den Inhalt konzentrieren konnten. Die Analyse ergab auch, dass die Studierenden häufig wörtliche Notizen machten, was mit einer oberflächlichen Verarbeitung und einer schlechten Gedächtnisleistung verbunden ist.

Die Ergebnisse der Studie legen nahe, dass Pädagogen in Erwägung ziehen sollten, Studenten mit Lernschwierigkeiten anzuweisen, sich Notizen aus webbasierten Quellen durch Kopieren und Einfügen zu machen. Dieser Ansatz könnte ihre Lernerfahrung verbessern, indem er Ängste abbaut und das Engagement erhöht. Insgesamt ermöglichte das gemischte Methodendesign ein umfassendes Verständnis der Prozesse beim Schreiben von Notizen und ihrer Auswirkungen auf das Lernen von Schülern mit Lernschwierigkeiten.

Schlussfolgerung

Das erklärende sequentielle Design bietet einen strukturierten Ansatz für die Integration quantitativer und qualitativer Daten in der Forschung mit gemischten Methoden. Indem sie mit einer quantitativen Phase beginnen, können die Forscher allgemeine Trends feststellen, Hypothesen testen und Muster erkennen, die eine weitere Untersuchung erfordern. Die anschließende qualitative Phase liefert dann tiefere Einblicke in diese Muster und hilft dabei, unerwartete Ergebnisse zu erklären, Interpretationen zu verfeinern und ein kontextuelles Verständnis hinzuzufügen.

Dieses Design ist besonders wertvoll für Studien, die quantitative Daten als Grundlage für eine gezielte Stichprobenziehung in einer qualitativen Phase benötigen. Durch seinen strukturierten Ansatz ist es für individuell arbeitende Forscher zugänglich, und seine Flexibilität erlaubt es, auf der Grundlage der ersten Ergebnisse Änderungen vorzunehmen. Allerdings müssen Herausforderungen wie zeitliche Beschränkungen, Genehmigungen des Institutional Review Board und die Auswahl der Teilnehmer für die zweite Phase sorgfältig gehandhabt werden.

Letztendlich stärkt das erklärende sequentielle Design die Forschung, indem es sowohl numerische Präzision als auch reichhaltige, detaillierte Erzählungen bietet. Wenn es effektiv umgesetzt wird, verbessert es die Tiefe und Anwendbarkeit der Ergebnisse und ist damit ein leistungsfähiges Instrument in der Forschung mit gemischten Methoden.

Referenzen

1. Creswell, J. W., & Plano Clark, V. L. (2017). Designing and conducting mixed methods research (3rd ed.). SAGE Publications. ISBN: 1483346986, 9781483346984.
2. Igo, L. B., Riccomini, P. J., Bruning, R. H., & Pope, G. G. (2006). Wie sollten Schüler der Mittelstufe mit LD an die Online-Notizerfassung herangehen? Eine Studie mit gemischten Methoden. Learning Disability Quarterly, 29(2), 89-100.