Theoretische Stichproben | Was ist das und wie funktioniert es?

Einleitung

Theoretisches Sampling ist ein Verfahren, das in grounded theory research und anderen qualitative Studien verwendet wird, um die qualitative data collection und analysis zu steuern. Dabei werden die Datenquellen auf der Grundlage der sich im Laufe der Studie herausbildenden Konzepte und Kategorien ausgewählt. Anstatt sich zu Beginn für eine feste Stichprobe zu entscheiden, wählen die Forscher Teilnehmer, Ereignisse oder Dokumente aus, wenn sich Muster und Themen herausbilden. Mit dieser Strategie stellt der Forscher sicher, dass die gesammelten Daten zur Schärfung und Verfeinerung der entstehenden Theorie beitragen.

Außerdem ermöglicht sie Flexibilität bei der Entwicklung von Erkenntnissen aus der Analyse der entstehenden Daten, da Anpassungen vorgenommen werden können, wenn das Verständnis für das Thema wächst. Das Hauptziel besteht darin, Informationen zu sammeln, die direkt in den zu entwickelnden theoretischen Rahmen einfließen. Dieser Ansatz steht im Gegensatz zu den traditionellen Stichprobenverfahren, die sich oft auf vorher festgelegte Methoden stützen und nicht auf laufende, datengesteuerte Entscheidungen.

Was ist theoretisches Sampling in der Grounded Theory Forschung?

Theoretisches Sampling in grounded theory analysis beinhaltet die Auswahl von Datenquellen, wenn sich neue Konzepte herausbilden. Beim theoretischen Sampling trifft der Forscher seine Entscheidungen auf der Grundlage der ersten Ergebnisse. Wenn zum Beispiel interviews aufzeigt, dass eine bestimmte Bedingung einen Einfluss darauf zu haben scheint, wie Individuen auf eine Situation reagieren, könnte der nächste Schritt sein, mit mehr Teilnehmern zu sprechen, die diese Bedingung teilen. Wenn ein anderes Muster in der Mitte des Datenerhebung Prozesses auftaucht, wird die Stichprobe erneut geändert, um Informationen über dieses Muster zu sammeln. Dieser iterative Prozess wird so lange fortgesetzt, bis es keine bedeutenden neuen Beobachtungen mehr gibt, die die entstehenden Kategorien ergänzen.

Ein wesentlicher Unterschied zu den Standard-Stichprobenverfahren besteht darin, dass der Schwerpunkt auf der laufenden Verfeinerung liegt. Anstatt zu Beginn jeden Aspekt der Stichprobe zu umreißen, entwickelt sich die Studie im Laufe der Datenerfassung weiter. Jede Information weist den Weg nach vorn. Während sich die Kategorien verfestigen, zeigt der Forscher Lücken auf, die detaillierter beschrieben werden müssen. Dieser Ansatz verringert die Gefahr, dass Faktoren übersehen werden, die sich erst im Laufe der Arbeit herausstellen könnten. Sie erfordert auch die Bereitschaft, die Pläne anzupassen, wenn sich das Bild des Themas erweitert. Die Grounded Theory baut auf diesen Anpassungen auf und zielt darauf ab, die Ergebnisse direkt mit dem sich entwickelnden Rahmen zu verknüpfen.

Das theoretische Sampling findet parallel zur Kodierung und Analyse statt. Die sich herausbildenden Kategorien bilden die Grundlage für die Entscheidung, was als nächstes untersucht werden soll. Die Forscher notieren Muster, kategorisieren sie und suchen nach Zusammenhängen. Anschließend vergleichen sie neue Daten mit diesen Kategorien, um festzustellen, ob sie Bestand haben oder angepasst werden müssen. Durch diesen Vergleich wird sichergestellt, dass jede Komponente der Studie kontinuierlich getestet wird. Wenn sich der Fokus verengt, können neue Daten eine bestehende Kategorie unterstützen oder zeigen, dass eine Verfeinerung erforderlich ist. Wenn eine Kategorie keine neuen Erkenntnisse mehr hervorbringt, ist sie möglicherweise kurz davor, eine theoretische Sättigung zu erreichen.

Die Flexibilität der theoretischen Stichproben hilft dabei, mögliche blinde Flecken zu beseitigen. Sie ermöglicht einen tieferen Einblick in die Kernprozesse, die das Thema beeinflussen, ohne sich auf einen starren Stichprobenplan festzulegen, der unerwartete Ergebnisse übersehen lässt. Da eine fundierte Theorie Schritt für Schritt aus den gesammelten Informationen aufgebaut wird, unterstützt das theoretische Sampling den Prozess, indem es die Aufmerksamkeit auf Untersuchungsbereiche lenkt, die den entstehenden Rahmen klären und stärken.

Warum theoretische Stichproben?

Theoretisches Sampling trägt der sich entwickelnden Natur der grounded theory Rechnung. Es ermöglicht den Forschern, auf sich entwickelnde Ideen zu reagieren, sobald sie auftauchen, anstatt sich während des gesamten Projekts an einen einzigen Plan zu halten. Durch das Sammeln und Untersuchen von Daten als Reaktion auf die anfänglichen Muster, die sich herauskristallisieren, erhalten die Forscher eine enge Verbindung zwischen dem, was sie beobachten, und den Kategorien, die allmählich Gestalt annehmen. Der Prozess bietet eine Methode zur Verfeinerung der Fragen und zum Sammeln von Details, die für die zu entwickelnde Theorie wichtig sind. Im Folgenden werden drei Gründe genannt, warum dieser Ansatz bei der Durchführung einer Grounded Theory-Studie nützlich sein kann.

Ermöglicht eine flexible Datenerhebung

Bei herkömmlichen Stichprobenverfahren wird oft ein strikter Plan aufgestellt, bevor Daten gesammelt werden. Sobald die Datenerhebung beginnt, gibt es nur noch wenig Spielraum für Anpassungen. Theoretische Stichproben hingegen lassen Raum, um Entscheidungen im Verlauf der Arbeit zu verfeinern. Wenn frühe Ergebnisse einen unerwarteten Blickwinkel oder eine neue Kategorie nahelegen, kann der Forscher seine Aufmerksamkeit auf diesen Aspekt lenken, ohne früheres Material zu verwerfen. Diese Flexibilität trägt dazu bei, dass Untersuchungslinien aufgegriffen werden, die andernfalls übersehen werden könnten. Sie ermöglicht es dem Forscher auch, offen für Variationen in den Erfahrungen der Teilnehmer zu bleiben. Indem der Forscher von einem Datensatz zum nächsten übergeht, der auf dem basiert, was er bereits aufgedeckt hat, kann er einem Faden von Beweisen folgen, der direkt die Fragen beantwortet, die die Studie leiten.

Verknüpfung von entstehenden Kategorien mit Echtzeit-Evidenz

Die Grounded Theory beruht auf der Idee, dass sich Konzepte und Kategorien direkt aus den vorliegenden Daten entwickeln. Das theoretische Sampling unterstützt dies, indem es sicherstellt, dass die Erhebung neuer Daten durch diese sich entwickelnden Kategorien gesteuert wird. Erscheint eine Kategorie unklar oder unvollständig, kann der Forscher weitere Teilnehmer oder Quellen hinzuziehen, um ihre Eigenschaften zu klären. Wenn ein Muster gut etabliert zu sein scheint, kann das Projekt fortgesetzt werden, um einen anderen Bereich von Interesse zu untersuchen. Durch diesen schrittweisen Prozess konzentriert sich der Forscher auf das Sammeln von Informationen, die sich direkt auf die Entwicklung der Theorie auswirken. Anstatt Daten um der Daten willen zu sammeln, wird jedes neue Interview, Beobachtung oder Dokument sorgfältig ausgewählt. Dieser Ansatz kann die Belege für die einzelnen Kategorien stärken, da die gesammelten Daten zielgerichtet und nicht zufällig oder übermäßig breit gefächert sind.

Reduziert das Risiko, wichtige Faktoren zu übersehen.

Grounded-Theory-Studien zielen darauf ab, einen Rahmen zu schaffen, der die Realität des Forschungskontextes widerspiegelt. Ein fester Stichprobenplan berücksichtigt möglicherweise keine neuen Faktoren, die im Laufe der Datenerhebung auftauchen. Theoretisches Sampling verringert dieses Risiko, indem es dem Forscher erlaubt, seine Bemühungen neu auszurichten, sobald neue Punkte auftauchen. Wenn ein neues Thema auftaucht, können Zeit und Ressourcen bereitgestellt werden, um es weiter zu untersuchen. So wird verhindert, dass Einflüsse übersehen werden, die zu Beginn nicht absehbar waren. Außerdem wird so eine direktere Verbindung zwischen den Daten und dem sich entwickelnden Rahmen hergestellt. Durch die Anpassung dessen, was oder wer untersucht wird, auf der Grundlage der laufenden Ergebnisse unterstützt das theoretische Sampling einen Prozess, der offen für Informationen bleibt, die das Verständnis des Forschers für das Thema verändern können.

Beispiel für theoretisches Sampling

Eine praktische Illustration kann helfen, zu zeigen, wie theoretisches Sampling funktionieren kann, wenn analyzing qualitative data durch eine geerdete Theoriemethode. Stellen Sie sich eine Studie vor, in der untersucht werden soll, wie sich neue Krankenschwestern und -pfleger an die häufigen Änderungen von Arbeitsplatzprotokollen anpassen. Der Forscher beginnt mit einigen wenigen interviews Krankenschwestern, die noch nicht einmal ein Jahr im Beruf sind. Die ersten Ergebnisse zeigen, dass plötzliche Ankündigungen von Änderungen Verwirrung stiften, insbesondere wenn die Krankenschwestern keine klaren Anweisungen erhalten. In diesen Interviews erwähnen viele Teilnehmer, dass die Unterstützung durch die unmittelbaren Vorgesetzten einen Unterschied macht, wie schnell sie sich anpassen. Die Forscherin nimmt diese aufkommende Idee - über die Wirkung der Anleitung durch den Vorgesetzten - zur Kenntnis und beschließt, sie weiter zu untersuchen.

Von dort aus wendet sich die Forscherin an eine andere Gruppe: Krankenschwestern und -pfleger, die berichten, dass sie sehr zupackende Vorgesetzte haben. Diese Teilnehmer beschreiben, dass sie sich bei jeder Veränderung sicherer fühlen, weil ihre Vorgesetzten schrittweise Erklärungen geben. Einige dieser Teilnehmer berichten jedoch auch von Frustration, wenn die Vorgesetzten nicht konsequent sind oder wenn die Anweisungen von einem Tag auf den anderen abweichen. Dies wirft die Möglichkeit auf, dass ständige Aufsicht manchmal eher zu Abhängigkeit als zu echter Autonomie im Umgang mit Veränderungen führt. Die Forscherin erkennt eine mögliche zweite Kategorie: die Wahrnehmung von Autonomie. Es scheint, dass einige neue Krankenschwestern und -pfleger eine enge Aufsicht zu schätzen wissen, während andere das Gefühl haben, dass bestimmte Aspekte der Aufsicht sie davon abhalten, selbständig zu lernen.

Auf der Grundlage dieser Beobachtung sucht die Forscherin nach einer dritten Gruppe: Pflegekräfte, die in einem Umfeld mit minimaler direkter Aufsicht arbeiten. Einige dieser Teilnehmer beschreiben, dass sie Protokolle durch Versuch und Irrtum erlernen, sich auf schriftliche Richtlinien verlassen oder Kollegen um Hilfe bitten. Andere sagen, dass das Fehlen einer direkten Aufsicht sie dazu anspornt, schnell zu lernen, aber auch mehr Stress verursacht. Der Forscher verfeinert dann die Kategorie der Anleitung durch den Vorgesetzten und stellt fest, dass sie auf unterschiedliche Weise mit dem Konzept der Autonomie zu interagieren scheint. In diesem Stadium konzentrieren sich die Stichprobenentscheidungen auf die Ausgewogenheit jedes Teils des entstehenden Bildes. Der Forscher sammelt weitere Informationen aus Einrichtungen mit unterschiedlichen Aufsichtsniveaus, um zu sehen, wie diese Faktoren die Erfahrungen der Krankenschwestern beeinflussen.

Indem der Forscher zwischen den Daten und den sich entwickelnden Kategorien hin und her wechselt, grenzt er die Hauptthemen ein. Jede neue Gruppe von Teilnehmern wird ausgewählt, weil ihre Erfahrungen die vorläufigen Kategorien erhellen. Wenn ein weiterer Faktor auftaucht, der die Anpassung beeinflussen könnte - wie z. B. die Verfügbarkeit von Peer-Mentoring -, kann der Forscher nach Krankenschwestern suchen, die über umfangreiche Peer-Unterstützung verfügen. Durch diesen Schritt wird sichergestellt, dass sich die Kategorien aus den direktesten und relevantesten Quellen entwickeln und nicht aus einer vorgegebenen Gruppe von Teilnehmern.

Dieser iterative Forschungsprozess wird so lange fortgesetzt, bis der Forscher ein ausreichendes Verständnis und eine Erklärung für die Kategorien und ihre Zusammenhänge entwickelt hat. Mit jeder Veränderung der Stichprobe verfeinert der Forscher seine Vorstellungen darüber, wie sich Anleitung durch den Vorgesetzten, Autonomie und Unterstützung durch Gleichaltrige auf die Erfahrung der Anpassung an neue Protokolle auswirken. Durch das selektive Sammeln von Informationen, die sich auf bestimmte Muster in den Daten beziehen, bleibt das theoretische Sampling an die entstehende Struktur der Studie gebunden. Jedes neue Interview oder jede neue Beobachtung hat das Ziel, die Kategorien, die der Theorie zugrunde liegen, zu klären und zu erweitern.

Wann sollte man theoretische Stichproben verwenden?

Die Methode des theoretischen Samplings ist am effektivsten in Studien, die auf die Entwicklung einer grounded theory oder inductive model abzielen, insbesondere wenn die endgültige Form der Theorie zu Beginn nicht bekannt ist. Forscher beginnen oft mit einigen Ideen oder sensibilisierenden Konzepten, halten diese aber für Änderungen offen, wenn sich Muster herauskristallisieren.

Dieser Ansatz eignet sich für Studien, bei denen der Gegenstand nicht gründlich erfasst ist oder bei denen die bestehenden Theorien die gestellten Fragen nicht vollständig abdecken. Er eignet sich auch gut für Kontexte, in denen viele verschiedene Perspektiven oder Erfahrungen zu erwarten sind, da es dann wichtiger ist, Daten in einer Weise zu sammeln, die den ersten Erkenntnissen folgt.

Ein Indikator dafür, dass es an der Zeit ist, theoretische Stichproben zu verwenden, ist die Entdeckung einer vorläufigen Kategorie, die einer weiteren Klärung bedarf. Angenommen, ein Forscher stellt fest, dass in den ersten Interviews wiederholt auf eine bestimmte Interaktion oder ein bestimmtes Ereignis Bezug genommen wird. Dies könnte auf eine wichtige Kategorie hindeuten, die in die umfassendere Theorie einfließen könnte. Anstatt einem festen Plan zu folgen, kann der Forscher nach Teilnehmern oder Datenquellen suchen, die eng mit dieser Interaktion verbunden sind. Ziel ist es, zu verstehen, wie sie in verschiedenen Situationen auftaucht und ob sie mit anderen auftauchenden Kategorien in Verbindung steht.

Eine weitere Situation, in der sich theoretische Stichproben als nützlich erweisen, ist die Untersuchung von Prozessen, die sich im Laufe der Zeit entfalten. Beispiele hierfür sind die Anpassung von Menschen an organisatorische Veränderungen, der Umgang mit chronischen Erkrankungen oder das Aushandeln von Rollen durch Gruppenmitglieder unter wechselnden Bedingungen.

In diesen Fällen kann der Forscher mit der Befragung einer breiten Gruppe von Teilnehmern beginnen und dann feststellen, dass eine bestimmte Phase oder ein bestimmter Übergang von zentraler Bedeutung ist. In diesem Fall kann sich der Forscher auf Datenquellen konzentrieren, die am ehesten Licht auf diese Phase werfen, und die Daten bei Bedarf anpassen, wenn später neue Phasen oder Aspekte auftauchen. Diese Anpassungsfähigkeit verleiht Grounded-Theory-Studien oft einen Detaillierungsgrad, der in statischeren Designs fehlen könnte.

Theoretische Stichproben sind auch hilfreich, wenn die untersuchte Population nicht einheitlich ist und die Möglichkeit besteht, dass verschiedene Untergruppen unterschiedliche Muster aufweisen. Zu Beginn der Untersuchung weiß der Forscher möglicherweise nicht, wer all diese Untergruppen sind. Sobald eine sichtbar wird, kann sie in die Studie einbezogen werden. Wenn sich später eine andere Untergruppe als wichtig erweist, kann auch dieses neue Segment erforscht werden. Dieser Prozess wird nur dann beendet, wenn zusätzliche Stichproben keine relevanten Informationen zu den konstruierten Kategorien hinzufügen.

Einige Forschungsdesigns schränken die Datenerhebung erheblich ein, z. B. durch begrenzten Zugang zu Teilnehmern oder sensiblen Themen, die besondere Genehmigungen erfordern. Selbst innerhalb dieser Einschränkungen kann die theoretische Stichprobenziehung eine Orientierungshilfe für die Nutzung der verfügbaren Zeit und Ressourcen sein.

Anstatt eine große, vorher festgelegte Gruppe zu befragen, wählt der Forscher diejenigen aus, die am ehesten in der Lage sind, Erkenntnisse zu den sich abzeichnenden Kategorien zu liefern. Dieser Ansatz kann an Feldforschung, Interviews, Beobachtungen oder an die Archivforschung angepasst werden. Sobald sich die Muster zu stabilisieren beginnen, verlagert sich die Aufmerksamkeit des Forschers darauf, diese Muster anhand neuer Datenquellen zu überprüfen, um festzustellen, ob sie Bestand haben.

Forscher entscheiden sich in der Regel für theoretische Stichproben, wenn ihr Ziel darin besteht, eine Theorie zu entwickeln, die auf direkten Beobachtungs- oder Interviewdaten beruht. Ihr iterativer Charakter unterstützt einen Prozess, bei dem frühe Erkenntnisse die nachfolgenden Schritte prägen, so dass sich die Studie auf eine Weise entfalten kann, die der Spur der Beweise folgt.

Wie führt man theoretische Stichproben durch?

Die Durchführung von theoretischen Stichproben erfordert einen strukturierten, aber dennoch flexiblen Prozess. Ziel ist es, sich bei der Auswahl der Datenquellen von den sich abzeichnenden Kategorien leiten zu lassen, so dass jede neue Information den zu entwickelnden Rahmen verfeinert. Anstatt sich an einen einzigen Plan zu halten, folgt der Forscher den Hinweisen aus den Daten und passt sich an, wenn neue Ideen in den Vordergrund treten. Im Folgenden wird in drei Schritten beschrieben, wie dieser Ansatz in die Praxis umgesetzt werden kann.

Beginnen Sie mit offenem Kodieren und einer ersten Stichprobe

Sammeln Sie zunächst eine kleine Menge an Daten, z. B. einige wenige Interviews oder Beobachtungen, und überprüfen Sie diese anhand eines offenes Kodieren Prozesses. Weisen Sie allen Konzepten, die auffallen, Etiketten zu und notieren Sie Ähnlichkeiten oder Unterschiede zwischen Teilnehmern und Ereignissen. Suchen Sie nach allem, was für die Hauptfrage der Studie relevant erscheint.

Zu diesem Zeitpunkt kann die Stichprobe breit gefächert oder eher zufällig sein, da der Zweck darin besteht, genügend Vielfalt zu sammeln, um erste Eindrücke zu gewinnen. Das Ziel ist es, herauszufinden, welche Themen oder Fragen für Ihre Forschungsfrage relevant erscheinen. Sobald Sie vorläufige Kategorien identifiziert haben, können Sie diese nutzen, um die Richtung Ihrer nächsten Datenerhebung Aktivitäten festzulegen. Wenn ein bestimmtes Phänomen in diesen ersten Interviews wiederholt auftaucht, sollten Sie sich darauf konzentrieren, mehr Teilnehmer zu finden, die detailliert über dieses Phänomen sprechen können.

Iterieren, vergleichen und verfeinern

Wenn neue Daten eingehen, setzen Sie die Kodierung fort, vergleichen Sie sie mit den vorhandenen Kategorien und notieren Sie alle Punkte, die noch detaillierter werden müssen. Wenn bestimmte Kategorien unterentwickelt erscheinen, suchen Sie nach Datenquellen, die diese Lücken schließen. Wenn die Teilnehmer z. B. immer wieder Zeitmangel erwähnen, Sie diesen aber noch nicht vollständig erforscht haben, suchen Sie nach Einstellungen oder Personen, die zu diesem Thema Stellung nehmen können.

In dieser Phase ist es hilfreich, Notizen memos zu machen, die die Entwicklung der einzelnen Kategorien verfolgen. Diese Notizen enthalten Gedanken darüber, warum eine Kategorie wichtig ist, wie sie mit anderen zusammenhängt und welche Merkmale noch besser definiert werden müssen. Bleiben Sie offen für eine Überarbeitung oder Zusammenlegung von Kategorien, wenn die Daten darauf hindeuten, dass zwei Konzepte miteinander verbunden sind, oder wenn eine Idee eine engere Version einer anderen ist. Jede Runde der Datenerhebung und Analyse sollte dazu beitragen, den Fokus der Studie zu straffen.

Theoretische Sättigung anstreben

Fahren Sie so lange fort, bis das Sammeln weiterer Daten nicht mehr zu einer wesentlichen Überarbeitung Ihrer Kategorien führt. Diese Phase, die als theoretische Sättigung bezeichnet wird, tritt ein, wenn jede Kategorie detailliert genug ist, um zu erklären, was die Daten zeigen. Sie stellen fest, dass die Teilnehmer Ansichten äußern, die bequem in die von Ihnen bereits festgelegten Kategorien passen.

Betrachten Sie alle negativen Fälle oder Ausreißer, die die Kategorien in Frage stellen. Wenn Sie untersuchen, warum diese Fälle unterschiedlich sind, können Sie Ihre Ideen verfeinern und feststellen, ob die Kategorien stabil sind. Wenn deutlich wird, dass ein bestimmtes Thema oder Muster immer wieder auf dieselbe Weise auftaucht, kann eine weitere Stichprobe in diesem Bereich keine neuen Erkenntnisse bringen. An diesem Punkt können Stichproben in einem anderen Bereich helfen, sicherzustellen, dass der entstehende Rahmen alle wichtigen Aspekte des Themas abdeckt. Sobald Sie einen Punkt erreicht haben, an dem Ihr Modell oder Rahmen vollständig erklärt ist und Ihre Daten erfasst, ist der theoretische Sampling-Prozess abgeschlossen.