Konvergenter Parallelentwurf

Wenn ein Forscher ein konvergentes paralleles Design in der Mixed-Methods-Forschung anwendet, werden quantitative und qualitative Datenerhebung und -analyse in derselben Phase des Forschungsprozesses durchgeführt, und die Ergebnisse werden dann für eine Gesamtinterpretation integriert. In diesem Artikel werden wir den Hintergrund, die Definition, die Vorteile und die Herausforderungen des konvergenten parallelen Designs sowie die Schritte zur erfolgreichen Anwendung dieses Forschungsdesigns mit gemischten Methoden behandeln.

Einführung

Dieses Design wurde bereits in den 1970er Jahren beschrieben (Jick, 1979) und ist der häufigste und bekannteste Ansatz. Ursprünglich wurde dieses Design als Triangulation konzipiert, später jedoch als Forschungsdesign mit gemischten Methoden verfeinert. Es wurde im Laufe der Jahre auch als Parallelstudie, Konvergenzmodell und gleichzeitige Triangulation bezeichnet.

Der Zweck dieses Konzepts besteht darin, verschiedene, aber sich ergänzende Daten zum selben Thema zu erhalten, um ein Forschungsproblem besser zu verstehen. Es wird verwendet, wenn ein Forscher Methoden triangulieren möchte, indem er quantitative und qualitative Daten zur Bestätigung und Validierung vergleicht und gegenüberstellt (Creswell, Piano Clark, 2017). Sie wird auch zur Veranschaulichung quantitativer Ergebnisse mit qualitativen Daten und für ein umfassenderes Verständnis eines Phänomens durch den Vergleich mehrerer Ebenen innerhalb eines Systems verwendet.

Sie wird auch dann eingesetzt, wenn die Erhebung und Analyse quantitativer und qualitativer Daten zum Verständnis eines Problems gleichwertig ist; außerdem kann eine gleichzeitige Datenerhebung hilfreich sein, wenn die Zeit begrenzt ist. Es ist wichtig, dass das Forschungsteam über Fähigkeiten in beiden Methoden verfügt, da es eine umfangreiche Datenerhebung und -analyse durchführen muss.

Philosophische Annahmen bei konvergenten parallelen Entwürfen

Das konvergente Design in der Mixed-Methods-Forschung beinhaltet die gleichzeitige Erhebung und Analyse von quantitativen und qualitativen Daten. Nach der getrennten Erfassung und Analyse der Daten werden die Ergebnisse zusammengeführt oder integriert, um die Ergebnisse zu vergleichen, zu kontrastieren oder zu kombinieren. Anstatt zu versuchen, verschiedene Paradigmen zu kombinieren, werden die Forscher ermutigt, ein einziges Paradigma wie den Pragmatismus zu verwenden, um die Studie zu leiten.

Pragmatismus ist ein philosophischer Ansatz, der die praktische Anwendung von Ideen und die Nützlichkeit von Wissen bei der Lösung von Problemen in der realen Welt betont. Er gibt dem Handeln, den Ergebnissen und der Anpassungsfähigkeit des Denkens den Vorrang vor festen Prinzipien oder absoluten Wahrheiten. Anstatt sich auf abstrakte Theorien zu konzentrieren, bewertet der Pragmatismus Konzepte, Überzeugungen und Methoden auf der Grundlage ihrer Wirksamkeit und ihrer Fähigkeit, die gewünschten Ergebnisse zu erzielen.

Der Pragmatismus leitet die Forscher dazu an, die Methoden, Techniken und Verfahren zu wählen, die ihren Forschungsfragen am besten gerecht werden, wobei sie frei aus qualitativen und quantitativen Ansätzen schöpfen können. Er ist nicht an ein einziges Philosophie- oder Realitätssystem gebunden und eignet sich gut, um beide Ansätze in ein einheitliches Verständnis zu integrieren (Creswell & Piano Clark, 2017).

Wie macht man einen konvergenten Parallelentwurf?

Bevor der Forscher mit der Datenerhebung beginnt, muss er a) das Forschungsproblem klar formulieren, das sowohl quantitative als auch qualitative Perspektiven erfordert, und b) die Forschungsfragen formulieren, die auf beide Datentypen abgestimmt sind. Das Designverfahren lässt sich dann in vier Hauptschritte zusammenfassen: Sammeln von quantitativen und qualitativen Daten, Analysieren der Daten, Zusammenführen und Interpretieren.

Datenerhebung

Der Forscher erhebt gleichzeitig quantitative und qualitative Daten zum Thema. Beide Datenarten sind für die Beantwortung der Forschungsfragen gleichermaßen wichtig. Quantitative Daten werden in der Regel mit Hilfe von Umfragen, standardisierten Tests oder Experimenten erhoben, wobei der Schwerpunkt auf numerischen Messungen liegt. Qualitative Daten werden häufig durch Interviews, Fokusgruppen oder Beobachtungen gewonnen, um reichhaltige, beschreibende Informationen zu erfassen.

Datenanalyse

Jeder Datensatz wird unabhängig voneinander mit den für quantitative bzw. qualitative Daten geeigneten Methoden ausgewertet. Die quantitative Datenanalyse kann statistische Tests wie Korrelationen, Regressionen oder deskriptive Statistiken umfassen, um Muster und Beziehungen zu erkennen. Qualitative Daten können durch thematische Kodierung, Inhaltsanalyse oder narrative Analyse (neben anderen Ansätzen) analysiert werden, um Schlüsselthemen und -erkenntnisse aufzudecken. Ziel ist es, eine gründliche, unabhängige Analyse jedes Datensatzes durchzuführen, bevor versucht wird, sie miteinander zu verbinden.

Datenzusammenführung

Der Forscher vergleicht oder integriert die Ergebnisse aus beiden Datensätzen. Dies kann einen direkten Vergleich der Ergebnisse oder eine Umwandlung der Daten beinhalten, um Verbindungen zwischen den beiden Typen zu erleichtern. Diese Integration kann verschiedene Formen annehmen:

• Vergleich: Direkter Vergleich der Ergebnisse, um Übereinstimmungen, Unterschiede oder Widersprüche zwischen den Datensätzen zu ermitteln.
• Transformation: Umwandlung eines Datentyps in das Format des anderen (z. B. Quantifizierung qualitativer Themen oder Hinzufügen eines narrativen Kontexts zu quantitativen Ergebnissen), um den Vergleich zu erleichtern.

Dieser Schritt ist entscheidend, um festzustellen, wie sich die beiden Datentypen bei der Beantwortung der Forschungsfragen ergänzen oder widersprechen.

Interpretation der zusammengeführten Ergebnisse

Der Forscher bewertet, wie die Ergebnisse übereinstimmen, sich unterscheiden oder zueinander in Beziehung stehen und bestimmt, wie sie zu einem tieferen Verständnis des Forschungszwecks beitragen. Bereiche, in denen die Ergebnisse übereinstimmen, können die Schlussfolgerungen untermauern, während Diskrepanzen neue Fragen oder Komplexitäten aufzeigen können. In diesem Schritt werden die Erkenntnisse zu einer kohärenten Erzählung zusammengefasst, die erklärt, wie die kombinierten Ergebnisse zu einem tieferen Verständnis des Themas beitragen, als es die einzelnen Datensätze allein könnten. Der Forscher reflektiert auch darüber, wie die Ergebnisse die Annahmen in der Literatur unterstützen oder in Frage stellen.

Stärken des konvergenten Parallelentwurfs

Das konvergente parallele Design hat mehrere Stärken, darunter seine intuitive Qualität, die sich auf die unkomplizierte Logik der gleichzeitigen Erfassung, Analyse und Zusammenführung quantitativer und qualitativer Daten bezieht, um eine umfassende Sicht auf das Forschungsproblem zu ermöglichen. Es handelt sich auch um ein sehr beliebtes Design, das im Allgemeinen leichter zu verstehen und in verschiedenen Forschungsbereichen und für verschiedene Zielgruppen anzuwenden ist. Darüber hinaus ist das Design effizient und weniger zeitaufwändig, da beide Datensätze in der Anfangsphase gleichzeitig erhoben werden, wodurch sich die Gesamtdauer der Studie verkürzt. Ein weiterer wichtiger Vorteil ist, dass die Daten separat mit traditionellen quantitativen und qualitativen Analysemethoden erhoben und analysiert werden, so dass die Forscher auf vertraute, gut etablierte Techniken zurückgreifen können, anstatt neue Methoden erlernen zu müssen. Dies erhöht sowohl die Zugänglichkeit als auch die Flexibilität des Designs für Forscher mit unterschiedlichem Hintergrund.

Herausforderungen des konvergenten Parallelentwurfs

Was die Herausforderungen betrifft, so erfordert das konvergente parallele Design Aufwand und Fachwissen für jede Forschungsmethode. Der Schwerpunkt, jedem Datensatz die gleiche Bedeutung beizumessen, muss möglicherweise von einem Forschungsteam angegangen werden, was mehr Organisation und Ressourcen erfordert, als wenn es von einem einzelnen Forscher durchgeführt würde. Der Schritt der Zusammenführung kann ebenfalls komplex sein, da die Forscher die Konsequenzen der beiden unterschiedlichen Arten von Daten berücksichtigen müssen. Die Forscher müssen ihre Datenerfassung und -analyse so abstimmen, dass sie denselben Konzepten entsprechen, was angesichts der Art der einzelnen Datensätze eine Herausforderung darstellen kann. Treten Diskrepanzen auf, kann dies für die Forscher verwirrend sein, da Widersprüche zwar neue Erkenntnisse liefern können, aber schwer aufzulösen sind und möglicherweise weitere Datenerhebungen erfordern.

Konvergente Gestaltungsvarianten

Nach Creswell (2017) gibt es Varianten des konvergenten Designs, die in der Literatur häufig zu finden sind. Dazu gehören die Varianten der parallelen Datenbanken, der Datentransformation und der Datenvalidierung.

Die Variante mit parallelen Datenbanken

Bei diesem Ansatz werden zwei separate Forschungsstränge - quantitativ und qualitativ - unabhängig voneinander durchgeführt. Erst in der Interpretationsphase werden diese Stränge zusammengeführt. Ziel ist es, verschiedene Aspekte eines Phänomens zu erforschen und die Ergebnisse später in der Diskussionsphase zusammenzufassen oder zu vergleichen. Feldon und Kafai (2008) beispielsweise nutzten ethnografische Interviews, Umfrageantworten und Serverprotokolle, um ein umfassendes Verständnis der Aktivitäten von Jugendlichen in virtuellen Online-Communities zu gewinnen.

Datenvalidierungsvariante

Bei dieser Methode werden qualitative und quantitative Daten innerhalb desselben Instruments, z. B. einer Umfrage, integriert, indem sowohl offene als auch geschlossene Fragen gestellt werden. Die qualitativen Antworten werden zur Unterstützung oder Validierung der quantitativen Ergebnisse verwendet. Die gesammelten qualitativen Daten bilden zwar keine vollständige kontextbezogene Erzählung, aber sie liefern Themen und illustrative Zitate, die die quantitativen Ergebnisse bereichern und bestätigen. Webb, Sweet und Pretty (2002) nahmen qualitative Fragen in ihre Umfrage auf, um die quantitativen Ergebnisse hinsichtlich der psychologischen Auswirkungen von Massenunfällen auf forensische Zahnärzte zu validieren.

Daten-Transformations-Variante

Bei dieser Variante legen die Forscher ein ungleiches Gewicht auf einen (in der Regel quantitativen) Strang und verwenden Datentransformationsmethoden, um die Ergebnisse zusammenzuführen. Nach der getrennten Analyse beider Datensätze werden die qualitativen Ergebnisse quantifiziert (z. B. Kodierung von Themen in Variablen), um die Integration mit den quantitativen Daten für weitere Analysen zu ermöglichen. Pagano, Hirsch, Deutsch und McAdams (2002) verwendeten diese Methode in ihrer Studie über elterliche Werte, indem sie Interviewthemen als "vorhanden" oder "nicht vorhanden" kodierten, die dann mit quantitativen Techniken wie Regression und Korrelationen analysiert wurden, um Beziehungen und demografische Unterschiede zu untersuchen.

Beispiele und wichtige Forschungsstudien

Triangulierungsmethoden in konvergenten parallelen Designs

Todd D. Jicks Artikel Mixing Qualitative and Quantitative Methods: Triangulation in Action (1979) ist ein Grundlagenwerk der Mixed-Methods-Forschung, das Triangulation als Strategie zur Integration qualitativer und quantitativer Methoden einführt, um die Validität und Tiefe der Forschung zu erhöhen.

Die Triangulation, die Jick als Kombination von Methoden zur Untersuchung desselben Phänomens definiert, wird in die Kategorien "zwischen den Methoden" (z. B. Verwendung von Interviews und Umfragen) und "innerhalb der Methoden" (z. B. Verwendung mehrerer Techniken innerhalb eines einzigen Ansatzes) unterteilt. Bei diesem Ansatz werden die Stärken der einzelnen Methoden genutzt und gleichzeitig ihre Grenzen berücksichtigt, was zu umfassenderen und glaubwürdigeren Ergebnissen führt. Jick hebt seine Anwendung in der Organisationsforschung hervor, wo die Kombination von Feldforschung mit quantitativen Instrumenten ein ganzheitliches Verständnis komplexer Phänomene ermöglichen kann. Durch die Betonung der Komplementarität von qualitativen und quantitativen Ansätzen trug Jicks Artikel dazu bei, gemischte Methoden als robusten Rahmen für umfassende Forschung zu etablieren (Jick, 1979).

Triangulation von Ergebnissen in konvergenten parallelen Designs

Ein konvergentes paralleles Design mit einer Datenvalidierungsvariante wird in dem Artikel von Webb, Sweet und Pretty (2002) vorgestellt, in dem die psychologischen und emotionalen Erfahrungen von forensischen Zahnärzten untersucht wurden, die an Massenunfällen beteiligt waren.

In dieser Studie wurden sowohl quantitative als auch qualitative Daten mit einem einzigen Fragebogen erhoben. Die quantitative Datenerhebung erfolgte mit psychometrischen Instrumenten, darunter die Positive and Negative Affect Scale (PANAS) und die Impact of Events Scale (IOE). Mit diesen Instrumenten wurden emotionale Zustände wie Enthusiasmus, Entschlossenheit, Verzweiflung und Vermeidungsverhalten gemessen, was statistisch zuverlässige Einblicke in die psychologischen Reaktionen der Teilnehmer ermöglichte. Gleichzeitig wurden qualitative Daten durch offene Fragen erhoben, die die Befragten aufforderten, ihre persönlichen Erfahrungen während der MCI zu beschreiben. Diese Antworten enthüllten Themen wie die lohnenden Aspekte der Teamarbeit und der beruflichen Erfüllung sowie die Herausforderungen im Zusammenhang mit schlechten Arbeitsbedingungen, politischer Dynamik und dem Trauma des Umgangs mit Opfern.

Die Integration dieser Datensätze erfolgte während der Analyse, bei der die qualitative Forschung dazu beitrug, die in den quantitativen Daten identifizierten Muster zu kontextualisieren und zu erklären. Während zum Beispiel die PANAS-Messung ein hohes Maß an positivem Affekt anzeigte, verdeutlichten die qualitativen Daten, dass Gefühle der Kameradschaft ein wichtiger Faktor waren. Dieses konvergente Design ermöglichte es den Forschern, die Ergebnisse zu triangulieren, indem sie die qualitative Tiefe zur Bereicherung und Validierung der quantitativen Trends nutzten und so die komplexen dualen emotionalen Auswirkungen von MCIs auf forensische Zahnärzte erfassten.

Schlussfolgerung

Das konvergente parallele Design in der Mixed-Methods-Forschung bietet eine strukturierte und effektive Möglichkeit zur Integration qualitativer und quantitativer Daten, die ein umfassenderes Verständnis von Forschungsproblemen ermöglicht. Durch die gleichzeitige Erfassung und Analyse beider Datentypen ermöglicht dieser Ansatz den Forschern, die Ergebnisse zu vergleichen, zu kontrastieren und zusammenzuführen, um tiefere Erkenntnisse zu gewinnen. Obwohl er Herausforderungen mit sich bringt, wie z. B. die Komplexität der Zusammenführung verschiedener Datentypen und das Erfordernis von Fachkenntnissen in beiden Methodologien, machen seine Stärken ihn zu einem weit verbreiteten und wertvollen Forschungsdesign.

Das Verständnis der philosophischen Grundlagen, der praktischen Schritte und der gängigen Varianten dieses Designs hilft den Forschern, es in ihren Studien effektiv anzuwenden. Durch die Nutzung konvergenter paralleler Designs können Sie die Validität Ihrer Forschung stärken und die Tiefe Ihrer Ergebnisse verbessern.

Referenzen

1. Creswell, J. W., & Plano Clark, V. L. (2017). Designing and conducting mixed methods research (3rd ed.). SAGE Publications.
2. Feldon, D. F., & Kafai, Y. B. (2008). Gemischte Methoden für gemischte Realität: Überwindung methodologischer Herausforderungen zum Verständnis von Nutzeraktivitäten in virtuellen Welten. Educational Technology Research and Development, 56(5-6), 575-593.
3. Jick, T. D. (1979). Mischen qualitativer und quantitativer Methoden: Triangulation in Aktion. Administrative Science Quarterly, 24(4), 602-611.
4. Pagano, M. E., Hirsch, B. J., Deutsch, N. L., & McAdams, D. P. (2002). Die Weitergabe von Werten an Nachkommen im Schulalter und an junge Erwachsene: Ethnische und geschlechtsspezifische Unterschiede in der Kindererziehung. Zeitschrift für Feministische Familientherapie: An International Forum, 14(3-4), 13-26.
5. Webb, D.A., Sweet, D., & Pretty, I.A. (2002). Die emotionalen und psychologischen Auswirkungen von Massenunfällen auf forensische Zahnmediziner. Zeitschrift für forensische Wissenschaften, 47 3, 539-41.