Was ist Forschung mit gemischten Methoden?

Die Forschung mit gemischten Methoden kombiniert die Paradigmen der quantitativen und qualitativen Forschung und nutzt deren Stärken, um bessere Ergebnisse zu erzielen. In diesem Leitfaden erfahren Sie alles, was Sie wissen müssen, um Ihre eigene Forschung mit gemischten Methoden zu beginnen, einschließlich Definitionen, Forschungsdesigns, wie man eine Arbeit mit gemischten Methoden schreibt, Beispielen und den verfügbaren Werkzeugen, um die besten Ergebnisse aus Ihren Daten zu erhalten.

Einführung

Mixed-Methods-Forschung kombiniert qualitative und quantitative Forschung Methoden, um die Ergebnisse einer Untersuchung zu verbessern. Bevor wir auf die Besonderheiten der Mixed-Methods-Forschung eingehen, ist es wichtig, quantitative und qualitative Forschung zu definieren.

Qualitative Forschung konzentriert sich auf das Verständnis menschlichen Verhaltens und menschlicher Erfahrungen. Sie umfasst das Sammeln nicht-numerischer Daten wie Worte, Bilder und Beobachtungen, um Konzepte, Meinungen und Erfahrungen zu verstehen. Zu den Methoden der Datenerhebung gehören u. a. Interviews, Fokusgruppen und teilnehmende Beobachtung.

Quantitative Forschung beinhaltet eine systematische Untersuchung von Zahlen und statistische Analysen, um Phänomene zu verstehen, Hypothesen zu testen und Beziehungen zwischen Variablen zu ermitteln. Sie verwendet strukturierte Datenerhebungsmethoden wie Umfragen und Experimente, um numerische und messbare Daten zu sammeln.

Die Definition der Mixed-Methods-Forschung ist seit vielen Jahrzehnten Gegenstand von Diskussionen. Das liegt daran, dass jeder Ansatz seine eigenen Elemente hat, einschließlich Philosophie, Methoden und Designs. Doch trotz dieser unterschiedlichen Blickwinkel integriert oder kombiniert die Mixed-Methods-Forschung quantitative und qualitative Daten, um die Stärken beider Ansätze zu maximieren und Fragen zu beantworten, die mit nur einem Ansatz nicht beantwortet werden können.

Hintergrund

Seit den 1960er Jahren werden verschiedene Forschungsmethoden kombiniert. Campbell und Fiske, in erster Linie quantitative Forscher, empfahlen gemischte Methoden, um die Glaubwürdigkeit der Forschungsergebnisse zu erhöhen und Abweichungen zu validieren (Campbell und Fiske, 1959). In den späten 1970er Jahren wurde die Forschung mit gemischten Methoden durch die Arbeit von Jick (1979) populärer. Im Jahr 2012 bezeichnete Denzin diese Methode als Triangulation, aber erst in den 1980er Jahren wurde die Kombination beider Methoden allgemein akzeptiert, da die Erkenntnis wuchs, dass eine einzige Methode zu Verzerrungen in einer Studie führen kann. Die Abstimmung der beiden Forschungsparadigmen stellt jedoch weiterhin eine Herausforderung für die Forscher dar.

Laut Creswell und Plano Clark (2018) ist die Mixed-Methods-Forschung eine Methodik, bei der der Forscher quantitative und qualitative Daten sammelt, beide integriert und aus der Integration Schlussfolgerungen (Meta-Inferenzen) zieht. Dies ermöglicht Einblicke, die über das hinausgehen, was aus den quantitativen oder qualitativen Daten allein gelernt werden kann.

Insgesamt bietet die Mixed-Methods-Forschung tiefere Einblicke, die über die einfache der Datenerhebung hinausgehen. Die Forscher folgen einer strukturierten Methodik mit definierten Designs und Verfahren, um Daten zu integrieren und Schlussfolgerungen zu ziehen, was sie zu einem eigenständigen Ansatz macht. Diese Methode unterscheidet sich von der Forschung mit gemischten Modellen, bei der feste und zufällige Effekte statistisch analysiert werden. Sie unterscheidet sich auch von Evaluierungstechniken wie der formativen und summativen Evaluierung, auch wenn Forscher sie in komplexen Evaluierungsdesigns verwenden können. Wenn Forscher mehrere Formen von ausschließlich qualitativen oder quantitativen Daten sammeln, führen sie multimethodische Forschung durch. Forscher, die mit gemischten Methoden arbeiten, sammeln, analysieren und integrieren qualitative und quantitative Datensätze, um Trends und Erzählungen für ein umfassendes Verständnis von Forschungsproblemen zu erfassen.

Vorteile und Herausforderungen der Forschung mit gemischten Methoden

Die Mixed-Methods-Forschung bietet viele Vorteile. Der wichtigste ist die Möglichkeit, Erkenntnisse zu gewinnen, die über quantitative und qualitative Forschungsmethoden hinausgehen. Außerdem erweitert sie das Instrumentarium der Forscher zur Beantwortung einer Frage, indem sie sowohl quantitative als auch qualitative Methoden der Datenerhebung und -analyse einsetzt. Für die Forscher öffnet sie das Tor zu neuen Zeitschriften und Veröffentlichungen und stellt die Anwendung einer relativ neuen Methodik vor.

Eine der größten Herausforderungen des Mixed-Methods-Ansatzes besteht darin, dass die Forscher sowohl in quantitativen und qualitativen Forschungsmethoden als auch in spezifischen Aspekten der Mixed-Methods-Methode versiert sein müssen. Außerdem erfordert er Zeit und die Erfassung von qualitativen und quantitativen Daten. Möglicherweise müssen die Forscher auch die Gutachter über die wesentlichen Merkmale der Forschung mit gemischten Methoden aufklären.

Sammeln und Analysieren von quantitativen und qualitativen Daten

Qualitative und quantitative Forschung unterscheiden sich zwar beträchtlich, aber der allgemeine Forschungsprozess, dem sie folgen, ist ähnlich. Dazu gehören die Identifizierung eines Problems, die Festlegung von Forschungsfragen, das Sammeln von Daten, die Analyse der Daten und die Interpretation der Ergebnisse. Es ist wichtig zu erkennen, dass für die Durchführung einer effektiven Studie mit gemischten Methoden der Forscher sowohl mit quantitativen als auch mit qualitativen Ansätzen vertraut sein und die Vor- und Nachteile beider Methoden kennen muss.

Bei der Kombination beider Forschungsmethoden ist darauf zu achten, dass der Umfang der einzelnen Ansätze nicht reduziert wird. Die Qualität und Strenge eines jeden Strangs sollte trotz der Mischung der Methoden beibehalten werden.

Insgesamt kann die Strenge aufrechterhalten werden, indem für jede Methode standardmäßige Elemente einbezogen werden, wie z. B. die Art des Forschungsdesigns, genaue Rekrutierungsverfahren, angemessene Stichproben und die Anzahl der Teilnehmer, definierte Arten von gesammelten Daten, angemessene Erhebungsmethoden, Organisation, Festlegung geeigneter Datenanalyse Verfahren und die Einhaltung von Qualitätskriterien wie quantitative Validität und Zuverlässigkeit und qualitative Validierungsstrategien.

Forschungsdesigns mit gemischten Methoden

Bei der Forschung mit gemischten Methoden geht es um die Erhebung qualitativer und quantitativer Daten und die Integration der Datenbanken in ein spezifisches Design. Es ist wichtig, vor Beginn einer Studie zu planen und gleichzeitig zu bedenken, dass ein Forschungsdesign möglicherweise angepasst oder verändert werden muss, um der sich entwickelnden Studie gerecht zu werden. Mixed-Methods-Designs können in drei Kerndesigns eingeteilt werden, die sich unter Forschern durchgesetzt haben.

In diesem Leitfaden werden die Designs im Detail behandelt, aber hier ist ein kurzer Überblick über die drei Kerndesigns der Mixed-Methods-Forschung:

Konvergentes Design

Beim Konvergenten Design vergleicht der Forscher die quantitative und qualitative Datenanalyse. Er sammelt und analysiert beide Arten von Daten und vergleicht die Ergebnisse, indem er die beiden Datenbanken zusammenführt oder nebeneinander stellt, um zu sehen, inwieweit die Ergebnisse ein gemeinsames Verständnis unterstützen oder inwieweit die Erkenntnisse voneinander abweichen. Manchmal beinhaltet diese Art von Design eine Datentransformation, bei der eine Art von Daten in eine andere umgewandelt wird (z. B. qualitative Daten in Punktwerte und Messgrößen).

Erläuterndes sequentielles Design

Beim Erläuternden sequentiellen Design verbindet der Forscher die beiden Datensätze, indem er eine Datenbank auf die andere aufbaut. Zunächst werden quantitative Daten erhoben und anschließend qualitative Daten, um die quantitativen Ergebnisse näher zu erläutern. Dies kann helfen, ungewöhnliche quantitative Datenpunkte zu erklären und mehr Einblick in statistische Ergebnisse zu geben.

Exploratives sequentielles Design

Beim Explorativen sequentiellen Design entwickelt die Forschung quantitative Maße oder Bewertungen, die die Kultur und das Verständnis der untersuchten Teilnehmer erfassen. Die Forscher sammeln zunächst qualitative Daten und passen die Messgrößen an die untersuchte Kultur oder Bevölkerung an. Dann wenden sie eine kultursensible quantitative Messung oder Bewertung an. Dieses Design wird in der Regel angewandt, um eine neue, kontextualisierte Umfrage zu entwickeln.

Um dem Bedürfnis der Forscher nach unterschiedlichen Ansätzen zur Kombination der Daten gerecht zu werden, haben sich weitere Designs herausgebildet. Diese wurden zunächst in Experimenten verwendet, bei denen in verschiedenen Phasen der Studie spezifische Designs benötigt wurden. Diese werden manchmal als "fortgeschrittene" Designs (Plano Clark & Ivankova, 2016), "Gerüstdesigns" oder "komplexe" Designs (Creswell & Plano Clark, 2018) bezeichnet. Hier sind vier Beispiele für komplexe Designs, die verschiedene Kerndesigns enthalten:

Embedded Design

Das Embedded Design in der Mixed-Methods-Forschung ist ein Design, bei dem eine Art von Daten (qualitativ oder quantitativ) eine unterstützende, sekundäre Rolle innerhalb eines größeren primären Forschungsrahmens spielt. Im Gegensatz zu konvergenten oder erklärenden sequentiellen Designs, bei denen sowohl qualitative als auch quantitative Daten gleichermaßen oder sequentiell zur Beantwortung der Forschungsfrage beitragen, integriert das eingebettete Design eine Methode in die andere in verschiedenen Phasen der Studie.

Experimentelle (oder Interventions-) Designs

Bei experimentellen (oder Interventions-) Designs mit gemischten Methoden integrieren die Forscher ein oder mehrere Kerndesigns in ein Experiment. Sie erreichen dies, indem sie qualitative Daten in das quantitative Experiment oder den Versuch integrieren. Sie können qualitative Daten vor, während, nach oder zu mehreren Zeitpunkten während des Versuchs hinzufügen. Durch diese Integration werden die qualitativen Daten in den quantitativen experimentellen Versuch eingebettet.

Partizipatorische Aktionsforschungsdesigns

Bei partizipativen Aktionsforschungsdesigns mit gemischten Methoden oder transformativen Designs integrieren die Forscher ein oder mehrere Kerndesigns in einen breiteren Rahmen für partizipative Aktionen oder soziale Gerechtigkeit. Quantitative und qualitative Daten sowie deren Kombination fließen in verschiedenen Phasen in den Rahmen ein, während der partizipative Ansatz im Mittelpunkt der Studie bleibt. Dieses Design konzentriert sich auf die Verbesserung des Lebens von Einzelpersonen oder Gemeinschaften, beispielsweise durch eine feministische Sichtweise der sozialen Gerechtigkeit. Die Forscher verweben Kerndesigns mit dem partizipatorischen oder sozial gerechten Rahmen, um die Datenbanken für diese Art von Studie zu bilden.

Mehrphasige Studiendesigns

Forscher verwenden gemischte Methoden, wie Mehrphasige Studiendesigns, um ein oder mehrere Kerndesigns einzubeziehen, um Fälle zu entwickeln, Beweise zu dokumentieren und fallübergreifende Analysen in mehreren Fallstudien durchzuführen. Sie testen deduktiv oder leiten induktiv Fälle ab, und die Kerndesigns unterstützen die Identifizierung oder Prüfung dieser Fälle.

Triangulation in der Forschung mit gemischten Methoden

Triangulation in der Mixed-Methods-Forschung bereichert die Tiefe einer Studie durch die Verwendung mehrerer Ansätze zur Untersuchung desselben Themas. Forscher können verschiedene Methoden, Datenquellen, Untersucher oder theoretische Perspektiven kombinieren, um Ergebnisse zu verifizieren. So können sie beispielsweise Umfrageantworten mit Interviewtranskripten vergleichen, um festzustellen, ob beide Arten von Daten ähnliche Schlussfolgerungen zulassen. Dieses Verfahren verringert unangemessene Voreingenommenheit, stärkt die Glaubwürdigkeit der Ergebnisse und ermöglicht ein umfassenderes Verständnis einer Forschungsfrage.

Es gibt mehrere Arten der Triangulation. Bei der Methodischen Triangulation werden sowohl qualitative als auch quantitative Methoden zur Untersuchung desselben Themas eingesetzt. Ein Forscher könnte Fokusgruppendiskussionen durchführen und gleichzeitig Umfragen verteilen, um die Erkenntnisse aus verschiedenen Datenerfassungstechniken zu vergleichen. Bei der Datentriangulation werden Informationen aus verschiedenen Quellen gesammelt, z. B. zu unterschiedlichen Zeitpunkten, von verschiedenen Teilnehmergruppen oder in unterschiedlichen Umgebungen. Die Triangulation von Forschern verringert die individuelle Voreingenommenheit, indem mehrere Forscher dieselben Daten analysieren und ihre Interpretationen vergleichen. Theoretische Triangulation wendet verschiedene theoretische Perspektiven auf die Daten an und hilft den Forschern, das Thema aus verschiedenen Blickwinkeln zu verstehen. Bei der analytischen Triangulation werden verschiedene analytische Ansätze oder Modelle zur Untersuchung der Daten verwendet.

Triangulation stärkt die Forschung, indem sie die Ergebnisse durch verschiedene Blickwinkel bestätigt. Wenn verschiedene Methoden oder Quellen zu ähnlichen Ergebnissen führen, werden die Schlussfolgerungen der Studie glaubwürdiger. Sie hilft auch, neue Muster und Widersprüche aufzudecken, was zu tieferen Einsichten führt. Triangulation kann jedoch eine Herausforderung darstellen, da sie eine sorgfältige Planung, zusätzliche Zeit und Fachwissen über mehrere Forschungsmethoden erfordert. Trotz dieser Herausforderungen kann die Triangulation die Gesamtqualität der Mixed-Methods-Forschung verbessern, indem sie sicherstellt, dass die Schlussfolgerungen gut untermauert und aus verschiedenen Blickwinkeln gründlich untersucht werden.

Sammlung, Analyse, Integration und Interpretation von Daten

Mixed-Methods-Forschung umfasst wichtige Phasen wie Datenerhebung, Datenanalyse, Integration und Interpretation. Jede Phase erfordert eine sorgfältige Planung, um sie mit dem Forschungsdesign abzustimmen und sicherzustellen, dass qualitative und quantitative Komponenten einander ergänzen und nicht als separate Einheiten existieren.

Datenerhebung

Die Datenerhebung in der Mixed-Methods-Forschung erfolgt je nach Studiendesign nach unterschiedlichen Ansätzen. Forscher können Daten gleichzeitig erheben (sowohl qualitative als auch quantitative Daten zur gleichen Zeit) oder sequenziell (eine Art von Daten wird zuerst erhoben, gefolgt von der anderen). Die Wahl der Datenerhebungsmethoden hängt von der Forschungsfrage, den verfügbaren Ressourcen und der Art der Studie ab.

Für quantitative Daten verwenden Forscher in der Regel strukturierte Umfragen, standardisierte Tests, Experimente oder Sekundärdatenquellen wie Regierungsberichte oder große Datensätze. Diese Methoden ermöglichen eine numerische Analyse und helfen, Muster oder Beziehungen zu erkennen. Im Gegensatz dazu können qualitative Daten mit Hilfe von Interviews, Fokusgruppen, offenen Umfragen, Beobachtungen oder Dokumentenanalysen erhoben werden, die es den Forschern ermöglichen, tiefe Einblicke, persönliche Erfahrungen und kontextbezogene Details zu erfassen.

Eine der Herausforderungen bei der Datenerhebung in der Mixed-Methods-Forschung ist die Integration, d. h. die Sicherstellung, dass beide Datentypen dieselbe Forschungsfrage behandeln und nicht als separate Studien funktionieren. Strategien wie die Einbettung qualitativer Komponenten in Erhebungen (z. B. offene Fragen in einem Fragebogen) oder die Verwendung von Interviews zur Nachbereitung quantitativer Ergebnisse helfen dabei, die Kohärenz zwischen den Datenquellen zu wahren.

Datenanalyse

Bei der Datenanalyse in der Mixed-Methods-Forschung werden die qualitativen und quantitativen Daten getrennt analysiert und die Ergebnisse anschließend integriert, um übergreifende Themen und Beziehungen zu ermitteln. Der Ansatz hängt davon ab, ob es sich um eine konvergente, erklärende sequentielle oder explorative sequentielle Studie handelt.

Bei der quantitativen Datenanalyse wenden die Forscher statistische Verfahren an, z. B. deskriptive Statistiken, Inferenzstatistiken, Regressionsanalysen und Hypothesentests, um Trends zusammenzufassen, Korrelationen zu erkennen und Beziehungen zu testen. Statistische Software wie SPSS, R oder Stata wird häufig verwendet, um große Datensätze zu verwalten und fortgeschrittene Analysen durchzuführen.

Bei der qualitativen Datenanalyse verwenden Forscher Techniken wie die thematische Analyse, die Kodierung nach der Grounded Theory, die Inhaltsanalyse und die Diskursanalyse, um wiederkehrende Themen und Muster zu ermitteln. Dieser Prozess umfasst die Kodierung qualitativer Antworten, die Gruppierung ähnlicher Themen und die Interpretation von Erzählungen. Software wie NVivo oder ATLAS.ti kann helfen, qualitative Daten systematisch zu organisieren und zu analysieren.

Die Integration von quantitativen und qualitativen Ergebnissen kann eine Herausforderung darstellen, da beide Datentypen unterschiedliche Analysemethoden verwenden. Forscher verwenden häufig gemeinsame Darstellungen (Tabellen oder visuelle Modelle), um die Ergebnisse zu vergleichen und zu zeigen, wie quantitative Trends mit qualitativen Themen übereinstimmen. Ein anderer Ansatz ist die Metainferenz, bei der Forscher durch die Kombination von Erkenntnissen aus beiden Datensätzen zu umfassenderen Schlussfolgerungen gelangen.

Integration

Das Wesen der Mixed-Methods-Forschung beruht auf der Kombination von numerischen und nicht-numerischen Daten. Mit dem Aufkommen der Mixed-Methods-Forschung und der Anerkennung der wertvollen Erkenntnisse, die damit gewonnen werden können, gewann das Konzept der Integration an Bedeutung.

Dieser Prozess ermöglicht es dem Forscher, ein umfassenderes Verständnis zu entwickeln, das über eine einzelne Datenart hinausgeht. Der Prozess variiert je nach Art des in einer Studie verwendeten Mixed-Methods-Designs und der Absicht oder Begründung des Forschers für die Integration.

Integrationsverfahren können verschiedene Formen annehmen, wie z. B. Zusammenführen, Erklären, Aufbauen und Einbetten, je nach Art des Designs. Dies lässt sich oft am besten in einer Tabelle oder "gemeinsamen Anzeige" darstellen, in der beide Arten von Daten gemeinsam präsentiert werden.

Interpretation

Nachdem die Daten entsprechend dem Forschungsziel und -design integriert wurden, ist es an der Zeit, Schlussfolgerungen zu ziehen. Dies wird als Ziehen von Meta-Schlussfolgerungen bezeichnet, bei denen der Forscher Schlussfolgerungen aus den quantitativen und qualitativen Ergebnissen sowie aus der Integrationsanalyse zieht. Daher der Begriff "Meta"-Schlussfolgerungen. Diese Ergebnisse können in einer separaten Spalte in der Join-Display-Tabelle angezeigt oder im Ergebnisteil diskutiert werden.
Diese Interpretationen stellen die Schlussfolgerungen dar, die über die Beziehung zwischen den beiden Datentypen gezogen werden, und geben Aufschluss darüber, wie sich diese Beziehungen zu bestehender Literatur, Theorien oder konzeptuellen Rahmenwerken verhalten.

Nützliche Werkzeuge in der Forschung mit gemischten Methoden

Die Forschung mit gemischten Methoden erfordert Werkzeuge, die den Forschern helfen, sowohl qualitative als auch quantitative Daten zu sammeln, zu analysieren und zu integrieren. Diese Werkzeuge reichen von Umfrageplattformen und Statistiksoftware bis hin zu qualitativen Kodierungsprogrammen und Datenvisualisierungswerkzeugen. Forscher verwenden sie, um die Datenerfassung zu rationalisieren, die Analyse zu verbessern und sicherzustellen, dass verschiedene Arten von Daten effektiv kombiniert werden. Die richtigen Tools können den Forschungsprozess verbessern, indem sie nahtlose Übergänge zwischen qualitativen und quantitativen Ansätzen ermöglichen und so die Interpretation komplexer Ergebnisse erleichtern.

Einige Tools konzentrieren sich auf spezifische Forschungsaufgaben, wie z. B. Umfragesoftware für die Erfassung numerischer Daten oder Transkriptionstools für die Umwandlung von Interviews in Text. Andere, wie ATLAS.ti und NVivo, bieten integrierte Plattformen für die Verwaltung gemischter Forschungsmethoden, die es Forschern ermöglichen, Daten an einem Ort zu kodieren, zu analysieren und zu visualisieren. Statistiksoftware wie SPSS und R unterstützt die quantitative Analyse, während qualitative Tools wie ATLAS.ti bei der Interpretation textbasierter Daten helfen, die dann in quantitative Software für weitere numerische Analysen importiert werden können. Durch die Verwendung der richtigen Kombination von Tools können Forscher große Datensätze verwalten, die Strenge aufrechterhalten und gut gestützte Schlussfolgerungen in Studien mit gemischten Methoden entwickeln.

Schlussfolgerung

Mixed-Methods-Forschung bietet einen umfassenden 360-Grad-Ansatz für eine Forschungsfrage, indem qualitative und quantitative Methoden kombiniert werden, um die Datenerfassung, -analyse und -interpretation zu verbessern. Durch die Integration dieser unterschiedlichen Paradigmen können Forscher tiefere Einblicke gewinnen und komplexe Forschungsfragen effektiver beantworten. Die strukturierten Designs, wie z. B. konvergente, erklärende sequentielle und explorative sequentielle, bieten Flexibilität, um die Forschung entsprechend den Studienzielen anzupassen.

Trotz der Herausforderungen, wie z. B. der Notwendigkeit, mehrere Methoden zu beherrschen, und des zusätzlichen Zeitaufwands ist die Forschung mit gemischten Methoden nach wie vor ein wertvoller Ansatz für die Gewinnung umfassender Erkenntnisse. Mit Hilfe technologischer Hilfsmittel und einer durchdachten Datenintegration ermöglicht dieser Ansatz den Forschern, verschiedene Perspektiven zu erfassen, Zusammenhänge zu erkennen und die Glaubwürdigkeit ihrer Schlussfolgerungen zu stärken. Wenn man die Forschung mit gemischten Methoden versteht und effektiv anwendet, kann dies zu wirkungsvolleren Studien führen, die das Wissen in verschiedenen Disziplinen erweitern.

Referenzen

1. Ivankova, N. V., & Plano Clark, V. L. (2016). Mixed Methods Research: A guide to the field. SAGE Publications.
2. Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE Publications.

Gliederung des Leitfadens für gemischte Methoden

Dieser Leitfaden zur Mixed-Methods-Forschung bietet einen umfassenden Überblick über die wichtigsten Komponenten, darunter Forschungsdesigns, das Verfassen einer Mixed-Methods-Arbeit, die Entwicklung eines Vorschlags und die besten Instrumente für die Datenerhebung und -analyse. Sie lernen verschiedene Mixed-Methods-Designs kennen, wie z. B. konvergente, erklärende, sequentielle und explorative, sequentielle Designs, und erhalten Schritt-für-Schritt-Anleitungen zur Durchführung jedes Designs. Praktische Beispiele veranschaulichen, wie Forscher diese Ansätze in verschiedenen Bereichen anwenden. Unabhängig davon, ob Sie neu im Bereich der gemischten Methoden sind oder Ihre Fähigkeiten verfeinern möchten, wird Ihnen dieser Leitfaden mit klaren Erklärungen und nützlichen Ressourcen helfen, sich im Prozess zurechtzufinden. Hier finden Sie einen kurzen Überblick über den Inhalt dieses Leitfadens:

Grundlagen der gemischten Methoden

Vorteile der Mixed Methods Forschung
Herausforderungen der Forschung mit gemischten Methoden
Häufige Fehler in der Forschung mit gemischten Methoden
Paradigmen der Forschung mit gemischten Methoden
Validität und Reliabilität bei gemischten Methoden
Ethische Überlegungen in der Forschung mit gemischten Methoden
Gemischte Methoden vs. Multiple Methoden

Mixed Methods Forschungsdesigns

Arten von Forschungsdesigns mit gemischten Methoden
Wie man das richtige Mixed Methods Design auswählt
Konvergentes paralleles Design
Erläuterndes sequentielles Design
Exploratives Sequenzielles Design
Eingebetteter Entwurf
Transformative Gestaltung
Mehrphasiger Entwurf

Durchführen von Forschung mit gemischten Methoden

Schritte zur Durchführung von Forschung mit gemischten Methoden
Stichprobenstrategien in der Forschung mit gemischten Methoden
Datenerhebungstechniken: Integration von quantitativen und qualitativen Methoden
Kombinieren von Datenquellen: Triangulation bei gemischten Methoden
Datenanalyse in der Forschung mit gemischten Methoden
Wie man quantitative und qualitative Daten integriert
Interpretation von Forschungsergebnissen mit gemischten Methoden
Software für die Datenanalyse mit gemischten Methoden

Wie man einen Mixed Methods Bericht schreibt

Wie man einen Mixed Methods Bericht schreibt
Wie man eine Forschungsarbeit mit gemischten Methoden schreibt
Berichterstattung über Ergebnisse in der Forschung mit gemischten Methoden
Beispiele für Forschung mit gemischten Methoden