Mixed Methods Forschungsdesigns

Die Durchführung von Mixed-Methods-Forschung kann ein anspruchsvoller Forschungsprozess sein, da sie die Integration von quantitativen und qualitativen Daten erfordert. Seit den späten 1980er Jahren haben Forscher verschiedene Ansätze und Designs identifiziert, die dabei helfen, diesen komplexen Forschungsprozess zu bewältigen. In diesem Artikel gehen wir auf den Hintergrund, die verschiedenen Designs und Ansätze ein, die Forscher im Laufe der Zeit identifiziert haben.

Einführung

In der Mixed-Methods-Forschung sind Designs Verfahren zur Sammlung, Analyse, Interpretation und Berichterstattung von qualitativen und quantitativen Daten für Studien. Sie dienen als Leitfaden für den Forschungsprozess, helfen dem Forscher, Entscheidungen zu treffen, und legen die Logik für die endgültigen Interpretationen fest. Sobald sich ein Forscher für eine Mixed-Methods-Forschung entschieden hat, ist der nächste Schritt die Wahl des Designs. Es gibt verschiedene Arten von Mixed-Methods-Designs mit ihrer eigenen Geschichte, ihrem Zweck, ihren Überlegungen, Annahmen, Verfahren, Stärken und Herausforderungen.

Bevor wir jedoch auf die einzelnen Designs eingehen, ist es wichtig zu erwähnen, dass es sowohl feste als auch emergente Designs gibt. Bei festen Mixed-Methods-Designs ist der Einsatz von quantitativer und qualitativer Forschung zu Beginn des Forschungsprozesses festgelegt und geplant. Andererseits entstehen emergente Mixed-Methods-Designs aufgrund von Problemen, die sich während der Studie entwickeln, und wenn ein zweiter Ansatz hinzugefügt wird, weil sich eine Methode als unzureichend erwiesen hat. Diese Kategorien werden nicht als Dichotomie betrachtet, sondern als Endpunkte eines Kontinuums.

Die Forscher bestimmen ihr Design in der Regel anhand eines von zwei Ansätzen. Der erste, der typologiebasierte Ansatz, beruht auf der Auswahl aus einer vordefinierten Reihe von Mixed-Methods-Designs, die in der Literatur ausführlich diskutiert wurden. Diese Designs werden auf der Grundlage ihrer Zwecke und Merkmale kategorisiert und klassifiziert. Die Forscher verwenden diesen Ansatz als Leitfaden für die Auswahl oder Anpassung eines Designs, das dem Zweck und den Forschungsfragen ihrer Studie entspricht. Typologien bieten eine strukturierte Möglichkeit, über Mixed-Methods-Forschung nachzudenken, und sind besonders nützlich für diejenigen, die neu auf diesem Gebiet sind.

Andererseits ist der dynamische Ansatz ein flexibleres, emergentes Design, das sich auf die Integration verschiedener Komponenten der Studie konzentriert, anstatt sich an ein festes Design aus einer Typologie zu halten. Er berücksichtigt die Wechselbeziehungen zwischen Elementen wie dem Zweck der Studie, dem konzeptionellen Rahmen, den Forschungsfragen, den Methoden und den Überlegungen zur Gültigkeit. Dieser Ansatz ermöglicht die Anpassungsfähigkeit und Interaktion zwischen den Studienkomponenten während des gesamten Forschungsprozesses.

Gestaltungsprinzipien der gemischten Methode

Laut Creswell müssen Forscher, die eine Mixed-Methods-Studie konzipieren, vier allgemeine Grundsätze beachten:

1. Mixed-Methods-Designs können von Anfang an festgelegt oder nach Beginn der Studie geändert werden.
2. Die Forscher müssen ihre Herangehensweise an das Forschungsdesign bedenken und abwägen, ob sie einen typologiebasierten oder einen dynamischen Ansatz verwenden.
3. Das Design muss auf das Forschungsproblem und die Forschungsfrage abgestimmt sein.
4. Die Forscher sollten mindestens einen Grund angeben, warum sie verschiedene Methoden anwenden.

Auf der Grundlage dieser Grundsätze sollten die Forscher vier wichtige Entscheidungen treffen, die das Design bestimmen. Diese betreffen die verschiedenen Arten, wie sich die quantitativen und qualitativen Teile der Studie zueinander verhalten. Ein Strang ist eine Komponente einer Studie, die den grundlegenden Prozess der Durchführung quantitativer oder qualitativer Forschung umfasst, z. B. das Stellen einer Frage, das Sammeln von Daten, das Analysieren von Daten und das Interpretieren von Ergebnissen auf der Grundlage dieser Daten (Teddlie & Tashakkori, 2009). Die vier Entscheidungen sind:

• Ebene der Interaktion: Ob die Teilbereiche unabhängig voneinander bleiben oder interaktiv sind.
• Relative Priorität: Ob sie für die Beantwortung der Forschungsfrage gleiche oder ungleiche Priorität haben werden.
• Zeitplan: Ob sie gleichzeitig, nacheinander oder in mehreren Phasen durchgeführt werden.
• Vorgehensweisen: Wie sie gemischt und integriert werden.

Diese wichtigen Entscheidungen bilden zusammen mit der für das Forschungsproblem am besten geeigneten Logik die Grundlage für die Auswahl eines Designs mit gemischten Methoden. Jede Designoption wird sich in diesen Entscheidungspunkten unterscheiden.

Wichtige Forschungsdesigns mit gemischten Methoden

Laut Creswell (2017) werden derzeit sechs Hauptdesigns verwendet: konvergente, erklärende, explorative, eingebettete, transformative und mehrphasige Designs. Jedes Design hat einen anderen Zweck und beinhaltet unterschiedliche Strategien zur Integration qualitativer und quantitativer Daten. Die ersten vier (konvergent, erklärend, explorativ und eingebettet) sind die grundlegenden Designs, während die letzten beiden (transformativ und mehrphasig) mehrere Designelemente zusammenführen.

In diesem Artikel gehen wir auf die Grundlagen jedes Designs ein und geben Beispiele. Im weiteren Verlauf dieses Leitfadens werden wir ihre Merkmale und ihre Durchführung näher erläutern.

Wie wählt man ein Muster aus?

Die Wahl des Designs hängt von mehreren Faktoren ab, darunter die Forschungsziele, die verfügbaren Ressourcen und der gewünschte Grad der Integration zwischen qualitativen und quantitativen Methoden. Forscher sollten sich auch überlegen, ob sie getrennte Software für die quantitativen und qualitativen Analysen verwenden wollen oder ob sie sich auf eine einzige Software für alle ihre Analysen verlassen können. Tools wie ATLAS.ti oder NVivo sind für Forscher, die mit gemischten Methoden forschen, sehr nützlich.

Jedes Design bietet einzigartige Vorteile und Herausforderungen, und die Forscher müssen ihre Wahl mit den Zielen der Studie in Einklang bringen. Jedes Design dient auch unterschiedlichen Zwecken und basiert auf unterschiedlichen philosophischen Annahmen.

Konvergente Designs sind effizient für die gleichzeitige Datenerfassung, während sequenzielle Designs - erklärend oder explorativ - einen strukturierten Weg für die Integration verschiedener Datentypen bieten.

Integrationstechniken spielen in der Mixed-Methods-Forschung eine entscheidende Rolle. Bei konvergenten Designs erfolgt die Zusammenführung in der Interpretationsphase, in der die Forscher die Ergebnisse vergleichen und gegenüberstellen. In sequenziellen Designs beinhaltet die Integration den Aufbau oder die Verbindung von Phasen; so leiten beispielsweise qualitative Daten im explorativen Design die Entwicklung quantitativer Instrumente. Bei diesen Strategien muss sorgfältig darauf geachtet werden, dass sich die qualitativen und quantitativen Komponenten gegenseitig ergänzen, um kohärente und aussagekräftige Ergebnisse zu erzielen.

Mit diesen Designs können Forscher vielschichtige Forschungsfragen angehen, die weder mit qualitativen noch mit quantitativen Methoden allein ausreichend untersucht werden könnten. Creswells Rahmen bietet eine solide Grundlage für die Integration verschiedener Datentypen und ermöglicht ein tieferes Verständnis komplexer Sachverhalte. Jedes Design bietet unterschiedliche Wege, um zu umfassenden und umsetzbaren Forschungsergebnissen zu gelangen.

Konvergente parallele Entwürfe

Ein konvergentes paralleles Design wurde zunächst als parallel oder gleichzeitig bezeichnet, aber der Name konzentriert sich jetzt eher auf die Absicht als auf den Prozess (Creswell & Plano Clark, 2017). Bei diesem Design werden qualitative und quantitative Daten gleichzeitig erhoben, getrennt analysiert und am Ende zusammengeführt.

Dieses Design erfordert eine sorgfältige Planung, da beide Datensätze gleichermaßen priorisiert werden und sich gegenseitig ergänzen. Ein großer Vorteil ist die Effizienz und die Möglichkeit der parallelen Datenerhebung. Ein Nachteil ist die Komplexität der Datenintegrationsphase beim Zusammenführen der beiden Datensätze. Sie ist am effektivsten, wenn beide Datentypen in den Schlussfolgerungen der Studie gleiches Gewicht haben.

Wann wird ein konvergentes paralleles Design verwendet?

Diese Art von Design wird verwendet, wenn eine Gegenprüfung oder Validierung der Ergebnisse durch den Vergleich beider Datenerhebungen erforderlich ist. Beispielsweise können Umfragedaten auf einen Trend hindeuten, der durch Befragungen erklärt werden kann. Sie ist nützlich, wenn der Forscher Widersprüche zwischen numerischen Trends und kontextuellen Beobachtungen untersucht und in Einklang bringt. Sie wird häufig in der Sozial-, Gesundheits- und Bildungsforschung eingesetzt und richtet sich an unterschiedliche Zielgruppen wie politische Entscheidungsträger, Praktiker oder andere Interessengruppen.

Erläuternde sequentielle Muster

Das erklärende sequentielle Design besteht aus zwei Phasen. Es beginnt mit der Erhebung und Analyse quantitativer Daten, gefolgt von einer qualitativen Phase, die dazu beiträgt, die quantitativen Ergebnisse zu erklären und darauf aufzubauen. Dieses Design ist besonders wertvoll in Bereichen mit starken quantitativen Traditionen, in denen Forscher nach tieferen Einsichten suchen, um quantitative Ergebnisse zu erklären oder zu vertiefen.

Dieses Design folgt einer klaren Abfolge: Zuerst wird die quantitative Datenerhebung und -analyse abgeschlossen, danach folgt die qualitative Untersuchung. Die quantitativen Ergebnisse fließen direkt in die Entwicklung der qualitativen Fragen ein und stellen sicher, dass die qualitative Phase auf bestimmte Aspekte der ursprünglichen Ergebnisse eingeht. Diese Vorgehensweise ist zwar für die Klärung komplexer quantitativer Ergebnisse von Vorteil, erfordert aber eine sorgfältige Planung, um die beiden Phasen aufeinander abzustimmen. Eine häufige Herausforderung besteht darin, sicherzustellen, dass die qualitative Stichprobe reichhaltige und relevante Daten zur Kontextualisierung der quantitativen Ergebnisse liefert.

Die sequentielle Natur dieses Designs kann zeitintensiv sein und erfordert separate Phasen der Datenerhebung, -analyse und -interpretation. Die Integration der Ergebnisse in eine zusammenhängende Erzählung kann komplex sein und erfordert eine sorgfältige Planung. Darüber hinaus kann die Sicherstellung der Konsistenz zwischen quantitativen und qualitativen Stichproben zusätzliche Anstrengungen erfordern, was den Prozess ressourcenintensiv macht.

Wann wird ein erklärendes sequentielles Design verwendet?

Das erklärende sequentielle Design wird eingesetzt, wenn Forscher die Gründe, Zusammenhänge oder Mechanismen verstehen müssen, die den quantitativen Ergebnissen zugrunde liegen. Es eignet sich besonders für Studien, bei denen in der anfänglichen quantitativen Phase Trends, Muster oder Ausreißer festgestellt werden, die durch qualitative Methoden weiter untersucht werden müssen. Dieses Design wird gewählt, wenn die numerischen Daten allein komplexe Phänomene nicht vollständig erklären können und wenn qualitative Erkenntnisse zusätzliche Tiefe und Kontext liefern können.

Erläuternde sequentielle Designs werden häufig im Gesundheitswesen, im Bildungswesen und in den Sozialwissenschaften eingesetzt. Quantitative Erhebungen können Ungleichheiten in der Gesundheitsversorgung aufdecken, was zu einer qualitativen Untersuchung der zugrunde liegenden Hindernisse führt. In ähnlicher Weise können im Bildungswesen standardisierte Testergebnisse zu Interviews mit Lehrern führen, um die Unterrichtsmethoden zu verstehen. Dieses Design ist ideal für Studien, die sowohl einen breiten Überblick als auch detaillierte Untersuchungen erfordern.

Bei komplexen Themen sind erklärende sequenzielle Designs wertvoll, um eine Grundlage für zukünftige Studien zu schaffen. Quantitative Daten zeigen grobe Muster auf, während qualitative Erkenntnisse die nötige Tiefe liefern, um verwertbare Schlussfolgerungen zu ziehen oder Forschungsinstrumente zu verfeinern.

Explorative sequenzielle Designs

Im Gegensatz zum erklärenden sequentiellen Design beginnt der explorative sequentielle Ansatz mit einer qualitativen Datenerhebung und -analyse, die dann in die anschließende quantitative Phase einfließt. Das explorative sequentielle Design ist besonders nützlich, wenn die vorhandenen quantitativen Instrumente unzureichend oder für den spezifischen Kontext der Studie irrelevant sind.

In der qualitativen Phase wird das Phänomen eingehend untersucht, während in der anschließenden quantitativen Phase die Ergebnisse getestet und für ein breiteres Publikum verallgemeinert werden. Dieser Aufbau erfordert eine sorgfältige Planung, um die qualitativen Ergebnisse in quantitative Maßnahmen umzusetzen. Während die zweiphasige Struktur Tiefe und Breite bietet, kann sie zeit- und ressourcenintensiv sein. Darüber hinaus müssen die Forscher die Herausforderung meistern, qualitative Themen in quantifizierbare Variablen umzuwandeln und die Zuverlässigkeit und Gültigkeit der resultierenden quantitativen Instrumente sicherzustellen.

Die qualitative Phase wird häufig durch Interviews, Fokusgruppen oder Beobachtungen durchgeführt, die Themen, Erkenntnisse oder Konstrukte aufdecken, die in die anschließende quantitative Phase einfließen können (Creswell & Plano Clark, 2017). Nach der Analyse der qualitativen Daten dienen diese Erkenntnisse als Grundlage für die Entwicklung quantitativer Instrumente wie Umfragen oder Experimente, die eine Validierung und Verallgemeinerung der Ergebnisse in einem größeren Maßstab ermöglichen (Grech & Grech, 2020; Teddlie & Yu, 2007).

Eine wesentliche Stärke des explorativen sequentiellen Designs liegt in seiner Fähigkeit, die Tiefe der qualitativen Daten mit der Verallgemeinerbarkeit der quantitativen Ergebnisse zu verbinden. Diese Integration ermöglicht ein ganzheitliches Verständnis des Forschungsproblems und schafft ein Gleichgewicht zwischen kontextuellem Reichtum und empirischer Strenge (Fetters et al., 2013).

Trotz seiner Stärken birgt das explorative sequentielle Design einige Herausforderungen. Es ist oft zeitaufwändig, da jede Phase nacheinander abgeschlossen werden muss, und der Prozess der Umsetzung qualitativer Ergebnisse in quantitative Maßnahmen kann komplex und iterativ sein (Fetters et al., 2013; Grech & Grech, 2020). Nichtsdestotrotz macht die Fähigkeit dieses Designs, nuancierte Forschungsfragen anzugehen und robuste Instrumente zu entwickeln, es zu einer unverzichtbaren Methode in der Forschung mit gemischten Methoden.

Wann wird ein exploratives sequentielles Design verwendet?

Forscher verwenden diesen Ansatz häufig, um Hypothesen aufzustellen, Schlüsselvariablen zu identifizieren oder Instrumente für eine breitere Validierung zu entwickeln. Dieses Design ist ideal für Forschungsbereiche, die noch nicht ausreichend erforscht sind oder für die es keine etablierten Messgrößen gibt. Es ist besonders wertvoll bei der Entwicklung neuer Werkzeuge oder Messinstrumente. Qualitative Daten können nuancierte Konstrukte oder Dimensionen eines Phänomens aufzeigen, die mit bestehenden Instrumenten nicht erfasst werden können. Diese Erkenntnisse können in Form von Erhebungselementen oder experimentellen Variablen operationalisiert werden, wodurch sichergestellt wird, dass die quantitative Phase direkt auf die gelebten Erfahrungen der Teilnehmer abgestimmt ist. In einer Studie zur Untersuchung von Schlaganfällen verwendeten Grech und Grech (2020) ein exploratives, sequenzielles Design, um zunächst tiefgreifende qualitative Erkenntnisse aus Interviews zu gewinnen, die dann zur Entwicklung einer quantitativen Umfrage zur Bewertung des Verständnisses der breiteren Bevölkerung verwendet wurden.

Darüber hinaus ist ein exploratives sequentielles Design ideal für die Behandlung komplexer Probleme, wie z. B. gesundheitliche Ungleichheiten oder Bildungsungleichheiten, bei denen qualitative Erkenntnisse kontextspezifische Herausforderungen beleuchten und quantitative Daten Muster oder Trends in breiteren Populationen ermitteln können (Fetters et al., 2013; Creswell, 2018).

Eingebettete Entwürfe

Beim eingebetteten Design wird eine sekundäre Methode (qualitativ oder quantitativ) in eine dominante primäre Methode integriert, um die Tiefe und Breite der Studie zu erweitern. Dieses Design ist besonders effektiv, wenn die primäre Methode allein nicht alle Aspekte der Forschungsfrage(n) adäquat behandeln kann.

Bei einem eingebetteten Design hat die Sekundärmethode eine ergänzende Funktion. Sie wird häufig zur Beantwortung von Zusatzfragen oder zur Bereitstellung von Kontext und Validierung der Primärdaten verwendet. Die Integration erfolgt in der Regel an bestimmten Punkten, z. B. während der Datenerhebung oder -analyse, und ist nicht in die gesamte Studie eingebettet.

Eingebettete Designs sind auch dann von Vorteil, wenn verschiedene Arten von Daten in bestimmten Phasen des Forschungsprozesses benötigt werden. Sie werden zur Beantwortung von Teilfragen verwendet, die sich im Rahmen der Hauptforschungsfrage ergeben, aber möglicherweise eine andere Methodik erfordern.

Eine der wichtigsten Herausforderungen des eingebetteten Designs besteht darin, ein Gleichgewicht zwischen den beiden Methoden zu wahren. Die Forscher müssen sicherstellen, dass die Sekundärmethode die Primärmethode ergänzt und nicht überschattet. Darüber hinaus kann die Abstimmung der Zeit- und Integrationspunkte zwischen den Methoden komplex sein.

Wann wird ein eingebettetes Design verwendet?

Eingebettete Designs werden häufig verwendet, um Instrumente zu entwickeln, Interventionen zu verfeinern oder Kontextfaktoren zu verstehen. Qualitative Daten können in die Entwicklung von Erhebungsinstrumenten einfließen, die später in groß angelegten quantitativen Studien verwendet werden. Sie können auch bei der Evaluierung einer Maßnahme oder eines Programms verwendet werden, um die Kontextfaktoren zu verstehen, die die Ergebnisse beeinflussen. Wenn bestehende Instrumente unzureichend sind, können eingebettete qualitative Methoden kulturell oder kontextuell relevante Variablen für die Erstellung oder Verfeinerung von Instrumenten identifizieren.

Dieses Design ist besonders effektiv, wenn es um komplexe, mehrstufige Forschungsfragen geht, und wird häufig in den Gesundheits-, Bildungs- und Sozialwissenschaften eingesetzt. Wenn ein Forscher beispielsweise eine Peer-Intervention entwickeln möchte, um Menschen dabei zu helfen, Strategien zu entwickeln, um dem Druck, rauchen zu müssen, zu widerstehen, könnte der Forscher Fokusgruppen durchführen, um zu erfahren, wann der Druck empfunden wird und wie einige ihm widerstehen. Anhand dieser Ergebnisse könnte der Forscher eine entsprechende Intervention entwickeln und sie mit einem quantitativen Design testen, das verschiedene Bevölkerungsgruppen einbezieht. Dieses Design ist auch bei Programmevaluierungen üblich, bei denen die Forscher quantitative Daten zu den Ergebnissen mit qualitativen Bewertungen der Umsetzungsprozesse kombinieren müssen.

Komplexe gemischte Methoden für die Forschung

Komplexe Mixed-Methods-Designs gehen über die grundlegenden Kerndesigns (konvergent, erklärend, explorativ und eingebettet) hinaus. Diese fortgeschrittenen Rahmenkonzepte sind auf komplexe Forschungsfragen zugeschnitten, die die Integration mehrerer Phasen, Methoden oder theoretischer Ansätze erfordern. Sie zeichnen sich durch ihre Anpassungsfähigkeit, mehrstufige Strukturen und die Fähigkeit aus, verschiedene philosophische Weltanschauungen und soziale Kontexte einzubeziehen (Creswell, 2018; Fetters, Curry, & Creswell, 2013).

Die wichtigsten Merkmale sind.

• Komplexe Designs beinhalten die Integration von qualitativen und quantitativen Daten in den Phasen der Datenerhebung oder -analyse sowie in den theoretischen Rahmen, die Interventionsplanung und die Interpretation der Ergebnisse.
• Diese Designs sind oft auf spezifische Forschungsziele zugeschnitten, wie z. B. die Untersuchung von Längsschnittfragen, die Erprobung von Interventionen oder die Bewertung von Systemen.
• Viele komplexe Designs betonen das Engagement von Interessengruppen, soziale Gerechtigkeit oder partizipatorische Prozesse, wodurch sie sich für gemeinschaftsbasierte oder handlungsorientierte Forschung eignen.
• Sie umfassen oft mehrere Phasen der Datenerhebung, -analyse und -integration, manchmal über längere Zeiträume, um nuancierte oder vielschichtige Forschungsfragen zu beantworten.

Transformative Designs

Bei einem transformativen Design arbeitet ein Forscher innerhalb eines bestimmten "transformativen" theoretischen Rahmens, der in der Überzeugung verwurzelt ist, dass sich die Forschung mit Fragen der sozialen Gerechtigkeit, Machtungleichgewichten und Ungleichheiten befassen sollte. Alle Entscheidungen im Forschungsprozess - von der Formulierung der Forschungsfragen bis hin zur Datenerhebung, -analyse und -interpretation - werden im Einklang mit diesem Rahmen getroffen. Dieser Ansatz betont die aktive Rolle der Forschung beim Eintreten für marginalisierte oder unterrepräsentierte Gruppen und zielt darauf ab, durch partizipative Methoden und die Einbeziehung unterschiedlicher Perspektiven einen positiven sozialen Wandel zu bewirken.

Im Gegensatz zu den traditionellen positivistischen Forschungsparadigmen, die sich in erster Linie auf objektive Untersuchungen konzentrieren, betont das transformative Design die gelebten Erfahrungen marginalisierter Gemeinschaften und bezieht diese Perspektiven in den Forschungsprozess ein, um umsetzbare Ergebnisse zu fördern. Durch die Einbeziehung von Grundsätzen der sozialen Gerechtigkeit in die Forschungsziele zielen transformative Konzepte darauf ab, sinnvolle Veränderungen in Politik, Praxis und gesellschaftlichen Strukturen zu bewirken.

Ein wesentliches Merkmal eines transformativen Designs ist sein kollaborativer Ansatz, der die Teilnehmer aktiv in den Forschungsprozess einbezieht. Durch diese Partnerschaft wird sichergestellt, dass die Stimmen und Perspektiven unterrepräsentierter Gruppen im Mittelpunkt der Studie stehen. Die Forscher arbeiten mit den Teilnehmern zusammen, um gemeinsam Forschungsfragen zu entwickeln, Ergebnisse zu interpretieren und umsetzbare Strategien zu identifizieren. Dieser integrative Ansatz fördert das Vertrauen und stellt sicher, dass die Forschungsergebnisse relevant sind und die gelebten Erfahrungen der Teilnehmer widerspiegeln. Das transformative Mixed-Methods-Design legt den Schwerpunkt auf die Zusammenarbeit, stellt die traditionelle Machtdynamik in der Forschung in Frage und schafft einen Raum, in dem die Beiträge aller Beteiligten gleichermaßen wertgeschätzt werden.

Transformative Designs verwenden häufig theoretische Rahmenwerke wie kritische Theorie, feministische Perspektiven oder Disability Studies, die die Datenanalyse und -interpretation leiten. Diese Rahmen bieten Einblicke in die systemischen Strukturen, die Ungerechtigkeiten aufrechterhalten, und lenken die Forschung auf umsetzbare Lösungen. Die kritische Theorie hilft beispielsweise dabei, Machtungleichgewichte zu erkennen, während sich die feministische Perspektive auf geschlechtsspezifische Fragen konzentrieren kann. Durch die Verwendung dieser Rahmen helfen transformative Designs den Forschern, die Ursachen von Ungleichheiten anzugehen, anstatt lediglich deren Symptome zu dokumentieren.

In der Praxis wurden transformative Designs in Bereichen wie Gesundheitsfürsorge, Bildung und Gemeindeentwicklung angewandt, um Themen wie Diskriminierung, Zugang zu Ressourcen und systemische Unterdrückung anzugehen. Die Erkenntnisse aus transformativen Studien dienen häufig als Grundlage für die Entwicklung von Strategien, Interventionen und Gemeinschaftsprogrammen. Diese Anwendungen sind darauf ausgerichtet, unmittelbare Bedürfnisse zu erfüllen und gleichzeitig zu langfristigen systemischen Veränderungen beizutragen. Transformative Designs verbinden Forschung und Aktivismus und stellen sicher, dass wissenschaftliche Untersuchungen in Vorteile für marginalisierte Gemeinschaften umgesetzt werden.

Mehrphasiger Entwurf

Bei einem mehrphasigen Design führen die Forscher mehrere Stufen oder Phasen der Datenerhebung und -analyse durch. Jede Phase baut auf den Ergebnissen der vorangegangenen Phasen auf, um eine komplexe Forschungsfrage umfassend zu beantworten. Eines der einzigartigen Merkmale ist der sequentielle Aufbau. In einer ersten qualitativen Phase können beispielsweise Interviews durchgeführt werden, die als Grundlage für die Entwicklung quantitativer Instrumente, wie z. B. Umfragen, dienen. In späteren Phasen können wiederum qualitative Methoden eingesetzt werden, um die bei der quantitativen Analyse festgestellten Trends oder Anomalien zu vertiefen. Dieser Prozess schafft eine zusammenhängende und gründliche Untersuchung der Forschungsfrage.

Die Integration der Ergebnisse über mehrere Phasen hinweg ist ein weiteres wesentliches Merkmal dieses Konzepts. Durch eine sorgfältige Synthese können Forscher quantitative Daten, die Breite und Verallgemeinerbarkeit bieten, mit qualitativen Erkenntnissen kombinieren, die Tiefe und Kontext bieten. Bei Studien im Bereich der öffentlichen Gesundheit könnte ein mehrphasiges Design beispielsweise zunächst kulturelle Barrieren für den Zugang zur Gesundheitsversorgung durch qualitative Interviews ermitteln, dann deren Prävalenz durch Umfragen messen und schließlich Interventionsstrategien in Fokusgruppen untersuchen.

Das mehrphasige Design eignet sich besonders für die Untersuchung komplexer, vielschichtiger Forschungsprobleme. Der longitudinale und iterative Charakter der Studie ermöglicht es den Forschern, sich an neue Erkenntnisse anzupassen, was Flexibilität und Reaktionsfähigkeit gewährleistet. Ob im Gesundheitswesen, im Bildungswesen oder in den Sozialwissenschaften - dieser Ansatz ist ein wirksames Mittel, um vielschichtige Phänomene umfassend zu untersuchen. Seine Stärke liegt in der Fähigkeit, durch die Integration der verschiedenen Stärken qualitativer und quantitativer Methoden robuste, umsetzbare Erkenntnisse zu gewinnen.

Zusammenfassung

• Wichtige Entscheidungen bei der Planung einer Studie mit gemischten Methoden: Bestimmung der Interaktionsebene, Zuweisung von Prioritäten für die Teilbereiche, Wahl des Zeitplans (gleichzeitig, nacheinander oder in mehreren Phasen) und Entscheidung, wie und wann qualitative und quantitative Daten integriert werden sollen.
• Grundsätze des Designs gemischter Methoden: Richten Sie das Design auf das Forschungsproblem aus, klären Sie die Gründe für die Kombination von Methoden, entscheiden Sie sich für feste oder emergente Ansätze und wählen Sie einen typologiebasierten oder dynamischen Designansatz.
• Grundlegende Entwürfe: Verwenden Sie konvergente parallele, erklärende sequentielle, explorative sequentielle oder eingebettete Designs, um qualitative und quantitative Daten zu sammeln, zu analysieren und zu integrieren, je nach den Zielen der Studie.
• Komplexe Designs: Wenden Sie transformative oder mehrphasige Designs an, um komplexe Forschungsfragen durch theoretische Rahmen, Zusammenarbeit der Teilnehmer und mehrere Phasen der Integration gemischter Methoden zu beantworten.
• Konvergentes paralleles Design: Gleichzeitige Erfassung qualitativer und quantitativer Daten, getrennte Analyse und Zusammenführung der Ergebnisse für eine umfassende Interpretation.
• Erläuterndes sequentielles Design: Zuerst werden quantitative Daten gesammelt, dann werden qualitative Daten verwendet, um die quantitativen Ergebnisse zu erklären oder zu vertiefen.
• Exploratives sequentielles Design: Beginnen Sie mit qualitativen Daten, um ein Thema zu erforschen, und nutzen Sie dann die Ergebnisse, um die anschließende quantitative Datenerhebung und -analyse anzuleiten.
• Eingebettetes Design: Einbindung einer (qualitativen oder quantitativen) Methode in eine andere als ergänzende Komponente, um zusätzlichen Kontext oder Erkenntnisse zu liefern.
• Transformatives Design: Verwendung eines bestimmten theoretischen Rahmens, um soziale Gerechtigkeit oder systemische Veränderungen anzusprechen, wobei qualitative und quantitative Daten mit aktiver Mitarbeit der Teilnehmer integriert werden.
• Mehrphasiges Design: Kombinieren Sie mehrere Mixed-Methods-Designs über mehrere Phasen hinweg, um komplexe, vielschichtige Forschungsfragen mit iterativer Datenerfassung und -analyse anzugehen.

Referenzen

1. Creswell, J. W. (2018). Research Design: Qualitative, quantitative und gemischte Methodenansätze (5. Aufl.). SAGE Publications.
2. Creswell, J. W., & Plano Clark, V. L. (2017). Designing and conducting mixed methods research (2nd ed.). SAGE Publications.
3. Fetters, M. D., Curry, L. A., & Creswell, J. W. (2013). Achieving integration in mixed methods designs-Principles and practices. Health Services Research, 48(6), 2134-2156.
4. Grech, P., & Grech, R. (2020). Schlaganfall-Wissen: Entwicklung eines Rahmens für die Datenintegration in einer sequenziellen explorativen Mixed-Method-Studie. Forschungsmethoden in Medizin und Gesundheitswissenschaften, 2(2), 68-81.
5. Teddlie, C., & Yu, F. (2007). Mixed Methods Sampling: Eine Typologie mit Beispielen. Journal of Mixed Methods Research, 1(1), 77-100.