Best Practice

CAQDAS für die qualitative Forschung nutzen

Dieser Artikel beschreibt den Einsatz von computergestützter Software zur qualitativen Datenanalyse (CAQDAS) und wie ATLAS.ti Ihnen bei Ihrer qualitativen Forschung helfen kann.
Lauren Stewart
Qualitative Data Analysis Expert & ATLAS.ti Professional
  1. Übersicht
  2. Herausforderungen der qualitativen Analyse
  3. Wofür wird CAQDAS verwendet?
  4. Was sollte ich bei der Auswahl eines CAQDAS-Pakets beachten?
  5. Qualitative Analyse-Werkzeuge in ATLAS.ti

Überblick

Heutzutage ist computergestützte qualitative Datenanalyse-Software (CAQDAS) ein notwendiger Bestandteil der qualitativen Forschung. Da die Datensätze immer größer und komplexer werden, helfen Softwarepakete für die qualitative Datenanalyse (QDA) den Forschern bei der Analyse der mit qualitativen Methoden erhobenen Daten. Für Forscher stellt sich nun die Frage, wie sie die beste QDA-Software für ihre Forschung auswählen. In diesem Abschnitt werden wir uns ansehen, wie sich die Forschung entwickelt hat, so dass CAQDAS notwendig wurde, die verschiedenen Anwendungen, die CAQDAS auszeichnen, und welche Faktoren Forscher bei der Auswahl eines Softwarepakets berücksichtigen sollten. Dann werden wir einige der Tools in ATLAS.ti untersuchen, die für qualitative Forscher besonders nützlich sein können.

Die Wahl der richtigen CAQDAS-Software ist entscheidend für Ihr Forschungsvorhaben. Foto von Christian Wiediger.

Herausforderungen der qualitativen Analyse

Es versteht sich von selbst, dass die Analyse qualitativer Daten Zeit und Mühe kostet. Qualitative Daten sind unstrukturiert und erfordern Organisation, bevor eine Untersuchung durchgeführt werden kann. Ohne Software für die Analyse qualitativer Daten werden viele der umfangreichen Analysen, die wir in den Disziplinen erwarten, die sich auf qualitative Methoden stützen, schwierig, wenn nicht sogar unmöglich. Betrachten wir das Thema aus zwei verschiedenen Blickwinkeln: wie die qualitative Datenanalyse vor dem Einsatz von Computern aussah und warum Computer für die Analyse notwendig geworden sind.

Traditionelle qualitative Datenanalyse

Heutzutage sind Computer und Technologie für uns selbstverständlich. Wenn wir nicht an einem Computer sitzen, haben wir ein Smartphone in der Hand. So kann es leicht passieren, dass wir den Beitrag der Technologie zum Forschungsprozess übersehen. Um die Herausforderungen zu verstehen, hilft es, sich vorzustellen, wie qualitative Forschung aussah, bevor Computer oder digitale Technologie als Analyseressourcen weithin verfügbar waren. Wer heute etwas über die Analyse qualitativer Daten lernt, hört vielleicht Anekdoten von Forschern, die Seiten mit ausgedruckten Daten an ihre Wände klebten oder Stapel von Papieren auf dem Wohnzimmerboden ausbreiteten, um einen Überblick über ihre Forschung zu erhalten, während sie einen Textmarker und Haftnotizen zur Hand nahmen, um ihre Daten zu verstehen. Die Farben repräsentierten verschiedene Themen, während die Klebezettel den Forschern Platz für Anmerkungen zu ihren Daten boten. Relevante Datenzitate konnten auch auf Karteikarten kopiert werden, um das Herausfiltern von Schlüsselsegmenten und das Ausprobieren verschiedener Kategorisierungen zu erleichtern. Wenn der Datensatz nicht zu groß war, war es für die qualitativen Forscher möglich, durch die Untersuchung von Farben, Anmerkungen und Karteikarten die Themen in ihren Daten zu erfassen und Verbindungen herzustellen, um die übergreifende Geschichte zu erzählen.

Mehr Daten, mehr Arten von Daten

Natürlich hat dieser analoge Ansatz der Datenanalyse seine Grenzen. Wie viele Blätter Papier passen überhaupt auf den Boden eines Zimmers? Mit der Ausweitung der qualitativen Forschung wachsen auch die von den Forschern gesammelten Datensätze. Forschungstranskripte können Dutzende oder Hunderte von Stunden an Interview und Fokusgruppenaufzeichnungen umfassen. Umfragedaten können Tausende von Datensätzen umfassen, die von großen Bevölkerungsgruppen gesammelt wurden. Ethnographen sammeln und analysieren Feldnotizen, Fotos, Videoaufnahmen und Dokumente, um Zusammenhänge zwischen verwandten Datensegmenten in sehr unterschiedlichen Teilen ihrer Forschungsprojekte zu ermitteln. Hinzu kommt der Bedarf an komplexeren Analysen, da die Forscher ständig neue Forschungsfragen in Angriff nehmen. Schließlich gibt es nur eine bestimmte Anzahl von Textmarkerfarben, die das menschliche Auge unterscheiden kann, bevor der Forscher überfordert ist.

Mit der Zunahme der verschiedenen Arten von Daten wird der Bedarf an CAQDAS-Programmen immer deutlicher. Foto von Mel Poole.

Wofür wird CAQDAS verwendet?

Die Fähigkeit, große Datenmengen zu verwalten, ist eine Sache. In dem Maße, wie sich die qualitative Forschung weiterentwickelt, übersteigt die Komplexität der Methoden für die qualitative Datenanalyse allmählich die Möglichkeiten der menschlichen Intuition ohne technologische Unterstützung. Schauen wir uns ein paar Beispiele an.

Inhaltsanalyse

Bei Forschungsuntersuchungen im Zusammenhang mit Diskursen sind die Forscher manchmal daran interessiert, welche Wörter und Ausdrücke in geschriebenen oder gesprochenen Texten verwendet werden. Forscher wenden sich häufig der Inhaltsanalyse zu, um diesen Bedarf zu decken. Bei vielen Formen der Inhaltsanalyse wird gezählt, wie oft ein bestimmtes Wort oder eine bestimmte Phrase in einem Satz von Textdaten vorkommt. Bei großen qualitativen Projekten ist diese Aufgabe von Hand einfach nicht durchführbar; Computerprogramme können diese Daten viel schneller und konsistenter aggregieren als das menschliche Auge es kann.

Die Analyse der Häufigkeit verschiedener Wörter oder Phrasen in einem Text ist eine Aufgabe, die häufig von Software für die qualitative Datenanalyse erfüllt wird. Foto von Annie Spratt.

Kodebücher

Eine Schlüsselfunktion der CAQDAS-Software ist es, den Überblick über Dutzende, vielleicht Hunderte von Kodes zu behalten. Stellen Sie sich vor, wie schwierig es ist, alle Ihre kodierten Daten von Hand zusammenzutragen. Wie schnell können Sie die Häufigkeiten für jeden einzelnen Kode in Ihrem Projekt bestimmen? Wie können Sie einzelne Kodes verarbeiten und sie in größere Kategorien und Themen einordnen? Eine gute CAQDAS-Plattform sollte diesen Übergang von Rohdaten zu kodierten, strukturierten Daten einfach gestalten.

Analyse von Bilddaten und Audiodateien

Software zur Analyse qualitativer Daten kann heute mehr als nur Text verarbeiten. Forscher analysieren Bilder, Audio- und Videoaufzeichnungen, um neue Erkenntnisse zu gewinnen und Phänomene aus verschiedenen Blickwinkeln zu erforschen. Schließlich kann ein zeitgemäßer Gesichtsausdruck oder eine nonverbale Äußerung, die nicht mit Worten erfasst werden kann, die Bedeutung eines entsprechenden Textes beeinflussen. Infolgedessen verlassen sich Forscher auf CAQDAS, um verschiedene Formen von textuellen und nicht-textuellen Daten für eine ganzheitlichere Forschungsuntersuchung zu organisieren oder um Forschungsfragen zu untersuchen, die durch textuelle Daten allein nicht beantwortet werden können.

Was sollte ich bei der Auswahl eines CAQDAS-Pakets beachten?

CAQDAS-Pakete sind heute dank der gemeinsamen Bemühungen von qualitativen Forschern, Softwareentwicklern und Befürwortern wie dem CAQDAS Networking Project, das gegründet wurde, um Forscher bei der Verwendung von Software für qualitative Datenanalyse zu unterstützen, ein ziemlicher Standard. Im Großen und Ganzen sollten CAQDAS-Softwarepakete es den Forschern ermöglichen, ihre Daten zu durchsuchen, Kodes zu erstellen, Verknüpfungen herzustellen und ihre Daten für umfangreiche Analysen abzufragen. Infolgedessen gibt es einen Kernsatz von Tools, die in fast jeder größeren QDA-Softwareplattform vorhanden sind.

Zusammenfassend lässt sich sagen, dass alle Forscher grundlegende Überlegungen hinsichtlich des Preises, der Benutzerfreundlichkeit und des Supports anstellen, der mit der Verwendung von Softwarepaketen einhergeht. Darüber hinaus ist es wichtig zu prüfen, ob die Fähigkeiten des CAQDAS den Anforderungen des Forschungsprojekts entsprechen. Bei der Arbeit in Teams (z. B. in einem universitären Forschungslabor oder einer gemeinnützigen Organisation) können Forscher auch die Kollaborationswerkzeuge einer Software, die Kompatibilität der Software auf verschiedenen Plattformen (z. B. Windows oder Mac) und die Funktionen zur Speicherung von Projektdaten berücksichtigen. Schließlich können die Forscher auch prüfen, wie andere Forscher verschiedene Softwarepakete bewertet haben, um festzustellen, ob der Forschungsbereich mit der Software zufrieden ist.

Qualitative Analyse-Werkzeuge in ATLAS.ti

Bei all diesen Überlegungen stehen die Fähigkeiten eines bestimmten QDA-Software an erster Stelle stehen, wenn Sie einen Vergleich anstellen. Ob Sie nun unsere Desktop-Software oder unsere webbasierte Plattform verwenden, unsere Software hilft Ihnen, Zeit bei der Organisation und Analyse Ihrer Daten zu sparen. Alle CAQDAS-Softwarepakete verfügen über Tools, die Aufgaben erfüllen können, die ein analoger Ansatz nicht leisten kann, aber ATLAS.ti verfügt über eine Reihe von Werkzeugen, die den Nutzern mehrere Vorteile bei der Durchführung von Untersuchungen bieten.

Fokusgruppen-Kodierung

Wenn Sie Transkripte von Fokusgruppen mit mehreren Teilnehmern haben, möchten Sie vielleicht nur die Antworten der Teilnehmer analysieren, ohne die Äußerungen des Interviewers oder Moderators einzubeziehen. Das Focus Group Coding Tool in ATLAS.ti kann Kodes für alle Sprecher in einem Transkript erstellen, um Namen, demographische Daten oder andere interessante Merkmale der Teilnehmer zu erfassen. Anschließend können Sie Ihren Datenfokus verfeinern, indem Sie sich die mit den Kodes versehenen Texte Ihrer Interviewteilnehmer ansehen, um schnell und einfach die wichtigsten Erkenntnisse zu gewinnen.

Focus Group Coding in ATLAS.ti ist ideal für die Verfeinerung der Daten in Interviews und Fokusgruppen.

Datenvisualisierung

In jedem Forschungsprojekt kann ein Bild mehr als tausend Worte sagen. Dies gilt insbesondere für Visualisierungen wie Wortwolken und Sankey-Diagramme, die alle in ATLAS.ti erstellt werden können. Eine aufschlussreiche Visualisierung kann in Forschungsarbeiten oder Präsentationen von großem Nutzen sein, um Ihr Publikum zu überzeugen und Ihnen zu helfen, Ihre umfangreichen qualitativen Daten zu verstehen.

Eine Tree Map ist nur eine von vielen nützlichen Visualisierungen in ATLAS.ti.

Textmining

Eine Reihe von Werkzeugen in ATLAS.ti kann Textdaten auswerten, um aussagekräftige Erkenntnisse zu gewinnen, wie z.B. Konzepte, Meinungen, Entitäten und mehr. Sentiment Analysis analysiert zum Beispiel den Text in Dokumenten, um festzustellen, ob die Sprache positiv, negativ oder neutral ist. In Verbindung mit dem Tool Focus Group Coding können Sie beispielsweise Sentiment Analysis, um herauszufinden, wie die verschiedenen Befragten über ein bestimmtes Thema oder Konzept denken.

Die Sentiment-Analyse in ATLAS.ti ist nützlich, um zu analysieren, wie Menschen über ein bestimmtes Thema oder Konzept denken.

Werkzeuge der künstlichen Intelligenz

ATLAS.ti's fortschrittliche Funktionen wie AI Coding und AI Summaries nutzen generative künstliche Intelligenz, um beliebige Textdaten zu beschreiben, die sich in qualitativer Kodierung oder in kurzen Zusammenfassungen manifestieren können, um Ihre Analyse zu erleichtern. Mit diesen KI-unterstützten Werkzeugen können Sie große Mengen an Textdaten schneller analysieren als mit analogen Methoden oder mit herkömmlicher CAQDAS-Software.

KI-gestützte Tools in ATLAS.ti können Ihnen helfen, schneller zu wichtigen Erkenntnissen zu gelangen.