Wie lassen sich quantitative und qualitative Daten integrieren? | Gemischte Methoden

Die Integration ist das zentrale Element der Mixed-Methods-Forschung und unterscheidet sie von anderen Methoden, bei denen die Kombination verschiedener Datenquellen nicht im Vordergrund steht. Die Integration erfolgt in der Phase, in der qualitative und quantitative Daten im Forschungsprozess zusammenwirken. Der folgende Artikel geht darauf ein, wie die integrative Analyse qualitativer und quantitativer Daten in verschiedenen Forschungsdesigns funktioniert.

Einführung

Bei der Analyse von Daten in der Mixed-Methods-Forschung geht man derzeit von der Integration aus, also von dem Punkt, an dem sich qualitative und quantitative Daten kreuzen.

Integration ist die Phase in einem Mixed-Methods-Forschungsprozess, in der sich die quantitativen und qualitativen Daten überschneiden. Dieser Punkt wird manchmal als Schnittstelle bezeichnet (Morse & Niehaus, 2009). Die Integration kann bedeuten, dass eine Art von Daten in der anderen aufgeht, oder die verschiedenen Datensätze können getrennt bleiben, während ihre Ergebnisse miteinander in Beziehung gesetzt werden. In einer guten Mixed-Methods-Forschungsstudie ist der Integrationsteil explizit und der Forscher geht durch und zeigt deutlich, wie die Daten integriert wurden. Dies kann durch eine Diskussion, eine Tabelle oder ein Diagramm wie eine gemeinsame Darstellung geschehen.

In einem konvergenten Design erfolgt die Integration, wenn die qualitativen und quantitativen Daten kombiniert oder zusammengeführt werden. Bei einem sequentiellen Design erfolgt die Integration zwischen der qualitativen und quantitativen Phase oder zwischen den quantitativen und qualitativen Daten.

Die Integration wird in der Literatur jedoch oft nur unzureichend beschrieben und fehlt manchmal in den Studien, da die Forscher die Durchführung von Mixed-Methods-Forschung mit dem bloßen Sammeln und Analysieren von quantitativen und qualitativen Daten gleichsetzen (Bryman, 2006). Dieser Ansatz erfasst nicht das volle Potenzial eines Mixed-Methods-Ansatzes, das in der Gewinnung zusätzlicher Erkenntnisse liegt, die über die getrennten Ergebnisse qualitativer und quantitativer Methoden hinausgehen.

In Anbetracht der zentralen Bedeutung der Integration bei der Durchführung von Mixed-Methods-Forschung ist es unerlässlich, sie gründlich zu verstehen und ihr in der Mixed-Methods-Datenanalyse Priorität einzuräumen. Die Integration variiert je nach Mixed-Methods-Design, und die neuere Literatur bietet einen besseren Rahmen für die Konzeptualisierung der Integration.

Wesentliche Elemente für Integration und Interpretation

Creswells (2016) Rahmen skizziert vier wesentliche Überlegungen, die Forscher bei der Planung und Durchführung integrativer Analysen und Interpretationen anstellen sollten: den Zweck der Integration, die für die Integration verwendeten Analyseverfahren, die Präsentation der integrierten Ergebnisse und die Interpretation dieser Ergebnisse.

Was ist der Zweck?

Der Zweck der Integration verdeutlicht, warum Forscher sich dafür entscheiden, qualitative und quantitative Daten in einer Studie zu kombinieren. Die Begründung für die Integration hängt davon ab, was der Forscher mit einem bestimmten Mixed-Methods-Ansatz erreichen will. Dieser Zweck kann explizit in einer Absichtserklärung zur Integration angegeben werden, die in der Einleitung oder im Abschnitt zur Methodik eines Dissertationsvorschlags, eines Antrags auf Fördermittel oder eines Zeitschriftenartikels zur Durchführung von Forschung mit gemischten Methoden enthalten sein kann.

Welche Analyseverfahren werden eingesetzt?

Die Analyseverfahren für die Integration umreißen die Schritte, die unternommen werden, um den Zweck der Integration zu erfüllen. Diese Verfahren beschreiben, wie der Forscher die qualitativen und quantitativen Methoden systematisch verknüpft und analysiert, und werden im Methodenteil eines Antrags oder Berichts detailliert beschrieben. Die spezifischen Verfahren, die verwendet werden, hängen vom Ansatz und Design der Studie mit gemischten Methoden ab.

Präsentation der integrierten Ergebnisse

Die Darstellung der Integrationsergebnisse bezieht sich darauf, wie die Ergebnisse der Integration in einer Studie vermittelt werden. Die integrierten Ergebnisse werden in der Regel im Abschnitt "Ergebnisse" oder "Diskussion" aufgeführt und können in Form von narrativen Beschreibungen oder visuellen Darstellungen präsentiert werden. Ein gängiges visuelles Instrument ist die gemeinsame Darstellung, die qualitative und quantitative Forschungsergebnisse auf strukturierte Weise zusammenführt und sich dem Studiendesign anpasst.

Interpretation der Ergebnisse

Die Interpretation der integrierten Ergebnisse beinhaltet das Ziehen von Schlussfolgerungen aus den kombinierten Daten und visuellen Darstellungen, um die Forschungsfrage der Mixed Methods zu beantworten. Diese Interpretationen bieten tiefere Einblicke, indem sie die integrierten Ergebnisse mit dem Gesamtziel und der Integrationsabsicht der Studie verknüpfen, und sie werden in der abschließenden Analyse der Forschung diskutiert.

Konvergenter Entwurf und Integration

Bei einem konvergenten Design erhebt der Forscher gleichzeitig quantitative und qualitative Daten, analysiert sie getrennt und integriert dann beide Datensätze zu einer umfassenden Interpretation.

Ziel der Integration in einem konvergenten Design ist es, Erkenntnisse zu gewinnen, die das Verständnis verbessern, eine vollständigere Perspektive bieten und eine Validierung durch Datenbestätigung gewährleisten. Um dies zu erreichen, führen die Forscher die Ergebnisse zusammen, um die Forschungsfrage mit gemischten Methoden zu beantworten, indem sie entweder die beiden Datensätze vergleichen oder einen Datensatz für eine kombinierte Analyse mit dem anderen Datensatz umwandeln.

Bei einem konvergenten Design sollte die Analyse direkt auf gemischte Fragestellungen antworten, wie z. B.: Inwieweit stimmen die quantitativen und qualitativen Daten überein oder unterscheiden sie sich? Tragen die transformierten qualitativen Ergebnisse sinnvoll zu den quantitativen Ergebnissen bei? Dieser Zusammenführungsprozess wird auch als gleichzeitige Integration bezeichnet (Morse & Niehaus, 2009).

Bei der Durchführung einer Mixed-Methods-Datenanalyse im Rahmen eines konvergenten Designs müssen die Forscher die am besten geeigneten Integrationsverfahren bestimmen, entscheiden, wie die zusammengeführten Ergebnisse am besten dargestellt werden können, und einen klaren Ansatz für die Interpretation der kombinierten Ergebnisse festlegen.

Integration der Primärdatenanalyse in einem konvergenten Design

Eine gängige Strategie im konvergenten Design besteht darin, die Ergebnisse der quantitativen und qualitativen Daten zu vergleichen, nachdem diese getrennt analysiert wurden. Dieser Prozess umfasst mehrere wichtige Schritte:

1. Durchführung getrennter Analysen der quantitativen und qualitativen Daten, um Ergebnisse für jeden Datensatz zu erhalten.
2. Identifizierung gemeinsamer Themen oder Konzepte in beiden Datensätzen. Dieser Schritt erfordert eine Angleichung der Datenerfassung zu ähnlichen Themen, um sinnvolle Vergleiche zu ermöglichen.
3. Erstellen Sie gemeinsame Darstellungen, z. B. Tabellen oder Diagramme, um die Ergebnisse beider Datensätze visuell zu ordnen und abzugleichen, damit Vergleiche einfacher werden.
4. Analysieren Sie die gemeinsamen Darstellungen, indem Sie untersuchen, wie die Ergebnisse übereinstimmen, voneinander abweichen oder sich ergänzen.
5. Wenn Diskrepanzen auftreten, wenden Sie zusätzliche Strategien an, um widersprüchliche Ergebnisse zu untersuchen und zu verstehen.
6. Interpretieren Sie die integrierten Ergebnisse, indem Sie beurteilen, wie die bestätigenden, widersprüchlichen oder erweiterten Belege zu einem tieferen Verständnis des Forschungsproblems beitragen.

Mit diesem Ansatz können Forscher systematisch quantitative und qualitative Forschungsergebnisse integrieren, um eine differenziertere und umfassendere Interpretation der Daten zu ermöglichen.

Datentransformation in konvergenten Designs

Die Datentransformation in der Mixed-Methods-Forschung bezieht sich auf den Prozess der Umwandlung einer Datenart (qualitativ oder quantitativ) in die andere, um die Integration und den Vergleich zu erleichtern. Dieser Ansatz ermöglicht es den Forschern, qualitative und quantitative Daten auf eine einheitliche Weise zu analysieren, wodurch es einfacher wird, aussagekräftige Schlussfolgerungen zu ziehen.

Die Datentransformation ist in der Mixed-Methods-Forschung weithin diskutiert worden, mit bemerkenswerten Beiträgen von Caracelli und Greene (1993), Onwuegbuzie und Teddlie (2003) und Sandelowski, Voils und Knafl (2009).

Zu den wichtigsten allgemeinen Schritten dieses Ansatzes gehören:

1. Durchführung getrennter Analysen der quantitativen und qualitativen Daten, um erste Erkenntnisse zu gewinnen.
2. Umwandlung eines Datensatzes in das Format des anderen (z. B. Umwandlung qualitativer Themen in numerische Variablen oder Kodierung quantitativer Ergebnisse in qualitative Kategorien).
3. Integrieren Sie die umgewandelten Daten in den entsprechenden Datensatz, indem Sie entweder zusätzliche quantitative Analysen unter Verwendung der umgewandelten qualitativen Daten durchführen oder weitere qualitative Analysen unter Verwendung der umgewandelten quantitativen Daten vornehmen.
4. Erstellen Sie gemeinsame Darstellungen wie Tabellen oder Diagramme, die die zusammengeführten Ergebnisse visuell darstellen.
5. Interpretieren Sie, wie die transformierten Daten zu einem tieferen Verständnis der Forschungsfrage beitragen.

In der Regel werden qualitative Daten in quantitative Daten umgewandelt, indem Themen oder Codes in numerische Formate wie dichotome Variablen (z. B. das Vorhandensein oder Fehlen eines Themas, das mit 1 oder 0 bewertet wird) umgewandelt werden. Onwuegbuzie und Teddlie (2003) stellten detaillierte Verfahren zur Quantifizierung qualitativer Daten vor, darunter:

• Umrechnung der Themenhäufigkeit in Prozentwerte innerhalb eines Datensatzes.
• Berechnung des Anteils der mit einem Phänomen verbundenen Gesamtthemen.
• Messung des Prozentsatzes der Teilnehmer, die mehrere Themen befürworten.
• Zählen von Verhaltensweisen, Aussagen oder Beobachtungen im Zeitverlauf.

Ein Beispiel für eine Datentransformation im konvergenten Design ist die Studie von Daley und Onwuegbuzie (2010) zur Gewaltattribution bei männlichen jugendlichen Straftätern. Sie korrelierten geschlossene Antworten mit offenen Themen, indem sie jedes qualitative Thema dichotomisierten (1 = vorhanden, 0 = nicht vorhanden) und diese Werte mit dem quantitativen Datensatz verglichen. In ähnlicher Weise wandelte Sandelowski (2003) qualitative Interviewdaten in einen statistischen Vergleich von medizinischen Entscheidungen während der Schwangerschaft um.

Es gibt weniger Studien, die die umgekehrte Umwandlung quantitativer Daten in qualitative Daten zeigen, aber es gibt Beispiele. Punch (1998) beschrieb die Umwandlung der Ergebnisse der Faktorenanalyse in Themen zum Vergleich mit bestehenden qualitativen Kategorien. Teno, Stevens, Spernak und Lynn (1998) wandelten in ihrer Studie über die Verwendung von Patientenverfügungen quantitative medizinische Aufzeichnungen und Überlebensprognosen in narrative Zusammenfassungen um.

Interpretation von integrierten Ergebnissen in konvergenten Designs

Nach der Zusammenführung der Daten durch eine narrative Diskussion oder eine gemeinsame Darstellung müssen die Forscher interpretieren, wie die kombinierten Ergebnisse die Forschungsfrage der gemischten Methoden beantworten. Diese Interpretation hängt von den gewählten Verfahren ab. Bei der Datentransformation bewerten die Forscher signifikante Beziehungen, Bedeutung und Grenzen.

Beim Vergleich von Datensätzen suchen die Forscher nach Konsistenzen, Konflikten und Widersprüchen. Die Feststellung, ob die Ergebnisse übereinstimmen oder voneinander abweichen, hilft den Forschern bei der Bewertung der Validität ihrer Studie.

Treten Diskrepanzen auf, haben die Forscher mehrere Möglichkeiten: Sie können auf methodische Einschränkungen hinweisen, zusätzliche Daten erheben oder Unstimmigkeiten als Leitfaden für künftige Forschungen nutzen. Ein kosteneffizienter Ansatz besteht darin, vorhandene Daten erneut zu prüfen. Diese Methode wurde beispielsweise bei der Harlem Mammogram Study angewandt, bei der erste Analysen keine Erklärung für Verzögerungen bei der Inanspruchnahme von medizinischer Versorgung liefern konnten. Durch die erneute Untersuchung qualitativer Themen fanden die Forscher quantitative Daten, die die Aussagen der Teilnehmer stützten, was zu tieferen Einsichten und weiterer Forschung führte.

Bei einem konvergenten Design geht es bei der Interpretation also darum, Kongruenzen und Diskrepanzen zu erkennen und sie zu nutzen, um das Verständnis des Forschungsproblems zu verfeinern.

Integration in erklärende sequenzielle Planung

Das erklärende sequentielle Design in der Mixed-Methods-Forschung umfasst mehrere Phasen der Datenerhebung und -integration. Der Prozess beginnt mit der Erhebung und Analyse quantitativer Daten, die als Grundlage für die anschließende qualitative Phase dienen. Die qualitativen Daten werden dann verwendet, um tiefere Einblicke in die quantitativen Ergebnisse zu erhalten.

Die Datenintegration in diesem Design verbindet die quantitative und die qualitative Phase, um sicherzustellen, dass die qualitativen Ergebnisse die spezifischen Ergebnisse der quantitativen Phase erklären. Dies bedeutet, dass unerwartete, verwirrende oder extreme Ergebnisse in den quantitativen Daten identifiziert und mithilfe der qualitativen Daten weiter untersucht werden. Die enge Verbindung zwischen den Phasen, z. B. die Auswahl der qualitativen Teilnehmer auf der Grundlage der quantitativen Ergebnisse, gewährleistet aussagekräftige Erklärungen.

Das erklärende sequentielle Design folgt drei Hauptphasen der Datenintegration:

1. Phase 1: Analyse der quantitativen Daten - Identifizierung der statistischen Ergebnisse, die einer weiteren Erklärung bedürfen.
2. Phase 2: Auswahl der Teilnehmer für die qualitative Phase - Gezielte Auswahl von Personen aus der quantitativen Phase zur Erläuterung der Ergebnisse.
3. Phase 3: Analyse der qualitativen Daten - Interpretieren, wie qualitative Erkenntnisse quantitative Ergebnisse verdeutlichen.

Zu den wichtigsten Schritten im Integrationsprozess gehören:

1. Analyse der quantitativen Daten, um Muster oder Anomalien zu erkennen.
2. Gezielte Auswahl der Teilnehmer für die qualitative Phase.
3. Entwicklung von Methoden der qualitativen Datenerhebung zur Beantwortung spezifischer Fragen.
4. Entwicklung gemeinsamer Darstellungen, wie z. B. Tabellen oder Diagramme, um zu veranschaulichen, wie die qualitativen Ergebnisse die quantitativen Ergebnisse ergänzen.
5. Interpretation des zusätzlichen Wertes, den qualitative Daten für das Verständnis der quantitativen Ergebnisse liefern.

Stichprobenstrategien für die Integration

Die Forscher können die Teilnehmer für die qualitative Phase auf verschiedene Weise auswählen:

Typische Fälle - Auswahl von Teilnehmern, die den Durchschnitt innerhalb verschiedener Gruppen darstellen, um Gruppenunterschiede zu verstehen.
Extremfälle - Identifizierung von Ausreißern, um zu untersuchen, warum sie von der Norm abweichen.
Gruppenvergleiche - Auswahl von Teilnehmern aus statistisch unterschiedlichen Gruppen, um die Gründe für Unterschiede zu untersuchen.
Signifikante Prädiktoren - Auswahl von Personen mit unterschiedlichen Werten bei den wichtigsten Prädiktoren, um unterschiedliche Perspektiven zu verstehen.

Darstellung der Integration

Um die Integration effektiv darzustellen, verwenden Forscher gemeinsame Darstellungen - Visualisierungen wie Tabellen oder Diagramme - um die Verbindung zwischen quantitativen und qualitativen Daten aufzuzeigen. Dies hilft zu verdeutlichen, wie qualitative Erkenntnisse das Verständnis der quantitativen Ergebnisse verbessern.

Interpretation der integrierten Ergebnisse

Die Interpretation der Ergebnisse in einem erklärenden sequentiellen Design betont, wie qualitative Daten das Verständnis der quantitativen Ergebnisse vertiefen. Anstatt die beiden Datensätze lediglich zu vergleichen, besteht das Ziel darin, die Interpretation der statistischen Ergebnisse durch qualitative Erkenntnisse zu verfeinern. Dieser Ansatz steht im Einklang mit der Absicht des erklärenden sequentiellen Designs, das darauf abzielt, spezifische Aspekte quantitativer Ergebnisse zu vertiefen, anstatt direkte Vergleiche durchzuführen.

Dieses Design stellt sicher, dass die qualitative Phase direkt durch die quantitativen Ergebnisse informiert wird und mit ihnen in Verbindung steht, was es zu einem strukturierten und zielgerichteten Ansatz für die Forschung mit gemischten Methoden macht.

Explorative sequenzielle Entwurfsintegration

Bei einem explorativen sequentiellen Design erfolgt die Integration von Daten aus gemischten Methoden an mehreren Punkten. Der Prozess beginnt mit einer qualitativen Untersuchung, gefolgt von der Entwicklung eines quantitativen Merkmals (z. B. eine Umfrage, eine Intervention oder eine Variable), das dann an einer größeren Stichprobe getestet wird.

Sinn und Zweck der Integration

Das Ziel der Integration in einem explorativen sequentiellen Design ist es, sicherzustellen, dass die quantitative Phase durch qualitative Erkenntnisse untermauert wird, damit sie kontextuell und kulturell angemessen ist. Der Integrationsprozess beinhaltet die Nutzung qualitativer Erkenntnisse zur Gestaltung des quantitativen Merkmals und stellt sicher, dass persönliche Erfahrungen und kulturelle Kontexte in das Design eingebettet werden. Dieser Ansatz ermöglicht es den Forschern, Fragen wie die folgenden zu beantworten:

Wie können qualitative Erkenntnisse die Entwicklung eines auf die Bedürfnisse der Teilnehmer zugeschnittenen Instruments beeinflussen?
Wie können qualitative Erkenntnisse Rekrutierungsstrategien oder Interventionsdesigns verbessern?

Verfahren zur Integration der Datenanalyse

Der Integrationsprozess besteht aus drei Hauptphasen:

Analyse der qualitativen Daten - Identifizierung von Themen und Codes, die die persönlichen Erfahrungen der Teilnehmer erfassen oder zum theoretischen Verständnis beitragen.
Aufbau eines quantitativen Merkmals - Entwurf einer Umfrage, einer Intervention oder einer Variablen, die auf qualitativen Erkenntnissen beruht.
Testen und Analysieren quantitativer Daten - Bewerten der Wirksamkeit und kulturellen Relevanz des entwickelten quantitativen Merkmals.

Die wichtigsten Schritte umfassen:

1. Analyse der qualitativen Daten, um relevante Themen und Typologien zu extrahieren.
2. Bestimmung des erforderlichen quantitativen Merkmals (z. B. Intervention, Umfrage oder Variable).
3. Zuordnung der qualitativen Ergebnisse zu den quantitativen Komponenten (z. B. Verwendung von Zitaten zur Gestaltung von Umfrage-Items).
4. Erstellen einer gemeinsamen Darstellung, um zu veranschaulichen, wie qualitative Erkenntnisse das quantitative Merkmal beeinflussen.
5. Pilottest und Verfeinerung des quantitativen Merkmals.
6. Durchführung eines groß angelegten Tests des quantitativen Merkmals.
7. Interpretation der Ergebnisse, um die kulturelle Sensibilität und Relevanz für die Zielgruppe zu bewerten.
8. Herstellung von Verbindungen zwischen qualitativen und quantitativen Phasen

Ein entscheidender Schritt beim explorativen sequentiellen Design ist die Gewährleistung einer engen Verbindung zwischen den qualitativen Ergebnissen und der Entwicklung des quantitativen Merkmals. Dies kann Folgendes beinhalten:

Extrahieren von Schlüsselthemen und repräsentativen Zitaten zur Gestaltung von Umfragefragen oder Interventionskomponenten.
Identifizierung von Mustern in qualitativen Antworten, die die Struktur einer Umfrage oder die Kategorien eines Instruments bestimmen.
Entwicklung von Typologien auf der Grundlage qualitativer Erkenntnisse, um die Erstellung neuer Variablen anzuleiten.

Meijer, Verloop und Beijaard (2001) führten beispielsweise eine qualitative Studie zum Wissen von Sprachlehrern durch, bevor sie einen Fragebogen entwarfen. Sie verwendeten qualitative Kategorien zur Strukturierung der Umfrageelemente und passten sie an verschiedene Unterrichtskontexte an.

Repräsentation durch gemeinsame Darstellungen

Gemeinsame Darstellungen stellen visuell dar, wie qualitative Daten in die Entwicklung und Prüfung quantitativer Merkmale einfließen. Zwei Haupttypen gemeinsamer Darstellungen im explorativen sequentiellen Design sind:

Verbindungsdarstellung - Veranschaulicht, wie qualitative Ergebnisse die Gestaltung eines quantitativen Merkmals beeinflussen (z. B. Peterson et al., 2013, nutzten qualitative Daten, um Interventionsinhalte anzupassen).

Gemeinsame Darstellung der Validierung - Zeigt, wie das getestete quantitative Merkmal mit qualitativen Themen und kulturellen Kontexten übereinstimmt (z. B. Watkins et al., 2015, ordnete qualitative Themen einer nationalen Erhebungsdatenbank zu, um eine neue Variable zu erstellen).

Interpretation der Integrationsergebnisse

Der letzte Schritt besteht darin, zu interpretieren, wie das quantitative Merkmal, das durch qualitative Erkenntnisse geformt wurde, das Verständnis des untersuchten Phänomens verbessert. Die Forscher bewerten, ob das quantitative Instrument kulturelle und kontextuelle Nuancen effektiv erfasst.

Watkins et al. (2015) analysierten beispielsweise, wie sich qualitativ abgeleitete Variablen in einer quantitativen Studie über die psychische Gesundheit afroamerikanischer kirchlich engagierter Männer auswirkten. Ihre gemeinsame Darstellung zeigte, dass die in der qualitativen Phase identifizierten Themen - wie Hilfe, Kommunikation und Nähe - eine gültige latente Variable bildeten, was die kulturelle Relevanz ihrer Ergebnisse unterstreicht.

In anderen Studien könnten die Forscher erörtern, wie die qualitative Phase die Gestaltung eines kultursensiblen Instruments, Interventionsmaßnahmen oder die Auswahl von Erhebungsinstrumenten beeinflusst hat. In der Diskussion sollte ausdrücklich hervorgehoben werden, wie die qualitativen Erkenntnisse die quantitative Komponente gestärkt und die allgemeine Erklärungskraft der Studie verbessert haben.

Schlussfolgerung

Die Integration ist das bestimmende Merkmal der Mixed-Methods-Forschung, die es ermöglicht, qualitative und quantitative Daten auf sinnvolle Weise miteinander zu verknüpfen. Durch strategisches Zusammenführen, Verbinden oder Einbetten dieser Datentypen können Forscher ein tieferes und umfassenderes Verständnis ihrer Forschungsfragen erreichen. Die Wahl der Integrationsmethode hängt vom Studiendesign ab - ob konvergent, erklärend-sequentiell oder explorativ-sequentiell -, aber in allen Fällen bleibt das Ziel dasselbe: Erkenntnisse zu gewinnen, die über das hinausgehen, was jede Methode allein erreichen könnte.

In einer gut integrierten Mixed-Methods-Studie wird ausdrücklich dargelegt, wie qualitative und quantitative Daten miteinander verknüpft werden, wobei klare Analyseverfahren und strukturierte Präsentationen wie gemeinsame Darstellungen verwendet werden. Die Interpretation der integrierten Ergebnisse stärkt die Schlussfolgerungen der Studie weiter, indem sie Bereiche der Übereinstimmung, Divergenz und Erweiterung bewertet und sicherstellt, dass jede Phase einen sinnvollen Beitrag zum allgemeinen Forschungsziel leistet.

Trotz ihrer Bedeutung ist die Integration in der Mixed-Methods-Forschung oft unterentwickelt. Die Forscher müssen bewusst vorgehen, geeignete Integrationsstrategien auswählen und für Transparenz in der Berichterstattung sorgen. Auf diese Weise verbessern sie die Strenge ihrer Studien und maximieren den Wert der Mixed-Methods-Forschung für die Beantwortung komplexer Fragen in verschiedenen Bereichen.

Referenzen

1. Bryman, A. (2006). Integration von quantitativer und qualitativer Forschung: How is it done? Qualitative Forschung, 6(1), 97-113.
2. Daley, C. E., & Onwuegbuzie, A. J. (2004). Gewaltattributionen bei männlichen jugendlichen Straftätern: Eine begleitende gemischt-methodische Analyse. Die Zeitschrift für Sozialpsychologie, 144(6), 549-570.
3. Meijer, P. C., Verloop, N., & Beijaard, D. (2001). Gemeinsamkeiten und Unterschiede im praktischen Wissen von Lehrern über das Unterrichten von Leseverstehen. The Journal of Educational Research, 94(3), 171-184.
4. Morse, J. M., & Niehaus, L. (2009). Mixed Method Design: Principles and Procedures. Left Coast Press.
5. Onwuegbuzie, A. J., & Teddlie, C. (2003). Ein Rahmen für die Datenanalyse in der Forschung mit gemischten Methoden. In A. Tashakkori & C. Teddlie (Eds.), Handbook of mixed methods in social and behavioral research (pp. 351-383). Sage Publications.
6. Kasper, K. F. (1998). Einführung in die Sozialforschung: Quantitative und qualitative Ansätze. Sage Publications.
7. Sandelowski, M. (2003). Tabellen oder Tableaus? The challenges of writing and reading mixed methods studies. In A. Tashakkori & C. Teddlie (Eds.), Handbook of mixed methods in social and behavioral research (pp. 321-350). Sage Publications.
8. Teno, J. M., Stevens, M., Spernak, S., & Lynn, J. (1998). Die Rolle von schriftlichen Patientenverfügungen bei der Entscheidungsfindung: Einblicke aus qualitativen und quantitativen Daten. Zeitschrift für Allgemeine Innere Medizin, 13(7), 439-446.
9. Watkins, D. C., Walker, R. L., & Griffith, D. M. (2015). Eine Metastudie zur psychischen Gesundheit und zum Wohlbefinden schwarzer Männer. Zeitschrift für Schwarze Psychologie, 41(4), 305-327