Alles 1 Flashcards
(57 cards)
Was ist eine Kausalhypothese?
🔹 Eine Kausalhypothese beschreibt eine Ursache-Wirkungs-Beziehung zwischen zwei Variablen.
🔹 Sie behauptet, dass eine Veränderung der unabhängigen Variable (Ursache) eine Veränderung der abhängigen Variable (Wirkung) verursacht.
🔹 Kausalhypothesen gehen über Korrelationen hinaus, da sie einen direkten kausalen Mechanismus vermuten.
👉 Kernfrage: „Verändert sich Y, weil X verändert wurde?“
Was ist eine Nominaldefinition?
🔹 Eine Nominaldefinition legt fest, wie ein Begriff verwendet wird, ohne zu behaupten, was das Wesen der Sache ist.
🔹 Sie ist eine sprachliche Konvention, die eine eindeutige und zweckmäßige Definition eines Begriffs für eine bestimmte Untersuchung oder Theorie festlegt.
🔹 Nominaldefinitionen sind willkürlich gewählt, aber müssen klar und konsistent sein, um Missverständnisse zu vermeiden.
👉 Kernfrage: „Wie wird dieser Begriff in diesem Kontext definiert?“
✅ Künstliche Festlegung: Ein Begriff wird durch andere, bereits bekannte Begriffe erklärt.
✅ Nicht empirisch überprüfbar: Eine Nominaldefinition ist weder wahr noch falsch, sondern nur nützlich oder unklar.
✅ Ermöglicht präzise Begriffsverwendung: Wissenschaftliche Theorien und Hypothesen bauen auf Nominaldefinitionen auf, um Missverständnisse zu vermeiden.
✅ Unterscheidet sich von Realdefinitionen: Sie behauptet nicht, das „wahre Wesen“ eines Begriffs zu erfassen.
Was ist eine Realdefinition?
🔹 Eine Realdefinition versucht, das „wahre Wesen“ eines Begriffs oder einer Sache zu erfassen.
🔹 Sie geht über eine bloße sprachliche Festlegung (Nominaldefinition) hinaus und behauptet, eine objektive, unveränderliche Wahrheit über das Definierte zu beschreiben.
🔹 Realdefinitionen sind in der Philosophie, Wissenschaft und Theoriebildung umstritten, weil sie oft auf subjektiven Annahmen oder metaphysischen Konzepten beruhen.
👉 Kernfrage: „Was ist X in seinem innersten Wesen?“
✅ Behauptet, das „wahre Wesen“ eines Begriffs zu erfassen.
✅ Nicht rein sprachlich festgelegt, sondern soll inhaltlich gültig sein.
✅ Meist normativ oder philosophisch aufgeladen.
✅ Schwer überprüfbar, da keine klaren empirischen Kriterien existieren.
Vergleiche Nominal, Ordinal, Intervall und Ratioskala
🔹 Skalenniveaus beschreiben die Eigenschaften von Daten und welche mathematischen Operationen darauf angewendet werden können.
🔹 Je nach Skalenniveau sind unterschiedliche Berechnungen (z. B. Mittelwert, Differenzen, Verhältnisse) sinnvoll.
🔹 Steigende Präzision: Nominal < Ordinal < Intervall < Ratio
👉 Kernfrage: „Welche Eigenschaften haben die Daten, und welche Berechnungen sind erlaubt?“
- Nominalskala (Kategorische Skala)
🔹 Definition:
Eine Nominalskala klassifiziert Merkmale in Kategorien, ohne eine Reihenfolge oder Rangordnung.
- Ordinalskala (Rangskala)
🔹 Definition:
Eine Ordinalskala ordnet Kategorien in eine Rangfolge, aber die Abstände zwischen den Werten sind nicht gleich.
Vergleiche („mehr/weniger“) sind möglich, aber keine genauen Differenzen.
- Intervallskala (Metrische Skala ohne absoluten Nullpunkt)
🔹 Definition:
Eine Intervallskala hat eine feste Reihenfolge UND gleiche Abstände zwischen den Werten, aber keinen absoluten Nullpunkt.
Differenzen sind sinnvoll, aber Verhältnisse nicht.
- Ratioskala (Metrische Skala mit absolutem Nullpunkt)
🔹 Definition:
Eine Ratioskala hat eine Reihenfolge, gleiche Abstände UND einen absoluten Nullpunkt.
Sinnvolle Verhältnisse („doppelt so viel“) sind möglich.
Was sind analytische Kollektivmerkmale
🔹 Analytische Kollektivmerkmale beschreiben Eigenschaften von Gruppen oder Kollektiven, die aus Einzelmerkmalen ihrer Mitglieder abgeleitet werden.
🔹 Sie ergeben sich durch Aggregation oder Kombination der individuellen Merkmale und existieren nicht unabhängig von den Individuen.
🔹 Analytische Kollektivmerkmale sind mathematisch berechnet und keine direkten Beobachtungen.
👉 Kernfrage: „Wie lassen sich Eigenschaften von Gruppen aus den Eigenschaften ihrer Mitglieder ableiten?“
✅ Aggregiert aus individuellen Daten (z. B. Durchschnitt, Summe, Anteil).
✅ Mathematisch berechnet, nicht direkt beobachtbar.
✅ Veränderungen des Kollektivmerkmals entstehen durch Veränderungen in den Einzelmerkmalen.
✅ Ermöglichen quantitative Vergleiche zwischen Gruppen.
Was sind strukturelle Kollektivmerkmale?
🔹 Strukturelle Kollektivmerkmale sind Eigenschaften einer Gruppe oder eines Kollektivs, die nicht direkt aus den individuellen Merkmalen der Mitglieder abgeleitet werden können, sondern sich aus der Interaktion oder Anordnung der Mitglieder innerhalb der Gruppe ergeben.
🔹 Sie sind emergente Phänomene, das heißt, sie entstehen durch das Zusammenspiel der Individuen, haben aber eine eigene Existenz auf Gruppenebene.
👉 Kernfrage: „Welche Eigenschaften hat eine Gruppe als Ganzes – unabhängig von den Einzelmerkmalen ihrer Mitglieder?“
Beispiel 3: Gesellschaftliche Ungleichheit
Merkmale der Individuen: Einkommen einzelner Bürger.
Strukturelles Kollektivmerkmal: Verteilung der Einkommen in der Gesellschaft (z. B. hohe vs. niedrige Einkommensungleichheit).
✅ Resultieren aus der Organisation oder den Interaktionen innerhalb der Gruppe.
✅ Existieren unabhängig von den individuellen Eigenschaften der Mitglieder.
✅ Werden durch Gruppendynamik und nicht durch bloße Aggregation erzeugt.
✅ Können sich verändern, ohne dass sich individuelle Merkmale ändern.
Was sind statistische (probalistische) Hypothesen?
🔹 Statistische (probabilistische) Hypothesen sind Annahmen über Zusammenhänge oder Unterschiede zwischen Variablen, die nicht absolut gültig, sondern nur mit einer bestimmten Wahrscheinlichkeit zutreffen.
🔹 Sie beruhen auf Wahrscheinlichkeiten und werden durch statistische Tests überprüft.
🔹 Im Gegensatz zu deterministischen Hypothesen, die behaupten, dass etwas immer gilt, sagen statistische Hypothesen nur aus, dass etwas mit einer bestimmten Wahrscheinlichkeit zutrifft.
👉 Kernfrage: „Wie wahrscheinlich ist es, dass ein beobachteter Effekt nicht zufällig ist?“
Wann ist der Informationsgehalt einer Wenn-Dann Hypothese hoch und wann gering?
Je größer der Informationsgehalt der DANN Komponente und umso kleiner je größer der Informationsgehalt der WENN Komponente.
Was ist eine deduktiv nomologische Erklärung ?
Erklärung durch ein Gesetz.
✅ Logische Ableitung (Deduktion): Die Erklärung folgt einer strikten logischen Struktur.
✅ Universelle Gesetzmäßigkeit: Sie verwendet allgemeine Natur- oder Sozialgesetze.
✅ Deterministisch: Wenn die Bedingungen erfüllt sind, tritt das Ereignis zwangsläufig ein.
✅ Allgemeingültigkeit: Die Erklärung gilt unabhängig von Zeit und Ort.
✅ Falsifizierbar: Eine D-N-Erklärung kann durch Gegenbeweise widerlegt werden.
Was ist eine induktiv statistische Erklärung?
Erklärung durch Wahrscheinlichkeit:
✅ Beruht auf Wahrscheinlichkeiten, nicht auf deterministischen Gesetzen.
✅ Nutzen von statistischen Gesetzmäßigkeiten: Aussagen wie „90 % der Raucher haben ein erhöhtes Krebsrisiko“.
✅ Erklärt nicht absolute Sicherheit, sondern nur, wie wahrscheinlich ein Ereignis ist.
✅ Können durch neue Daten oder bessere statistische Modelle angepasst werden.
Was ist die Konzeptspezifikation?
🔹 Die Konzeptspezifikation ist der Prozess der präzisen Definition und Klärung theoretischer Begriffe in der wissenschaftlichen Forschung.
🔹 Sie stellt sicher, dass abstrakte theoretische Konzepte so formuliert werden, dass sie klar, messbar und in einer Untersuchung verwendbar sind.
🔹 Ohne eine präzise Konzeptspezifikation kann es zu Missverständnissen, unklaren Messungen oder widersprüchlichen Ergebnissen kommen.
👉 Kernfrage: „Wie kann ein abstrakter Begriff so spezifiziert werden, dass er messbar und operationalisierbar ist?“
✅ Vermeidung von Mehrdeutigkeiten: Viele Begriffe haben unterschiedliche Bedeutungen in verschiedenen Kontexten (z. B. „Macht“, „Gerechtigkeit“).
✅ Grundlage für die Operationalisierung: Bevor ein Begriff messbar gemacht werden kann, muss er klar definiert sein.
✅ Vergleichbarkeit von Studien: Einheitliche Begriffsdefinitionen ermöglichen bessere Vergleiche zwischen verschiedenen Forschungsarbeiten.
✅ Theoretische Klarheit: Die Konzeptspezifikation hilft, Widersprüche zu vermeiden und Konzepte logisch in eine Theorie einzubinden.
Was bedeutet Operationalisierung?
🔹 Operationalisierung ist der Prozess, abstrakte Begriffe oder theoretische Konzepte in messbare Größen zu überführen.
🔹 Sie ist der Übergang von Theorie zur Empirie und sorgt dafür, dass ein Begriff in der Forschung beobachtbar und überprüfbar wird.
🔹 Ohne Operationalisierung können keine Daten erhoben oder Hypothesen getestet werden, da wissenschaftliche Begriffe sonst zu vage bleiben.
👉 Kernfrage: „Wie kann man ein theoretisches Konzept so formulieren, dass es messbar wird?“
Was bedeutet Reliabilität?
Wann ist eine hohe Reliabilität gegeben?
🔹 Reliabilität bezeichnet die Zuverlässigkeit und Genauigkeit einer Messung.
🔹 Ein Messinstrument ist reliabel, wenn es bei wiederholter Anwendung unter gleichen Bedingungen stabile und konsistente Ergebnisse liefert.
🔹 Sie ist ein zentrales Gütekriterium in der empirischen Forschung, neben Validität (Gültigkeit) und Objektivität.
👉 Kernfrage: „Erhalte ich bei wiederholten Messungen die gleichen Ergebnisse?“
🔹 Hohe Reliabilität bedeutet:
Das Messinstrument liefert konsistente Werte.
Messfehler sind gering.
🔹 Niedrige Reliabilität bedeutet:
Die Ergebnisse sind unzuverlässig und schwanken.
Hohe Messfehler beeinflussen die Werte.
Was bedeutet Intertemporale Stabilität?
Messwerte sind über Zeiträume stabil
Was bedeutet Intersubjektive Stabilität?
Messwerte bleiben bei verschiedenen Beobachtern oder Testleitern stabil.
Was bedeutet Interinstrumentelle Stabilität?
Messwerte bleiben bei unterschiedlichen Messinstrumenten stabil.
Cronbachs Alpha Formel
Was bedeutet Validität?
🔹 Validität beschreibt, ob ein Messinstrument tatsächlich das misst, was es messen soll.
🔹 Ein Test oder eine Messung kann nur dann als gültig betrachtet werden, wenn sie das zugrunde liegende Konzept oder die Theorie korrekt erfasst.
🔹 Hohe Validität bedeutet, dass die Messergebnisse sinnvoll interpretierbar sind und auf das gewünschte Konzept angewendet werden können.
👉 Kernfrage: „Messe ich wirklich das, was ich messen will?“
✅ Vermeidung von Fehlschlüssen: Eine Messung kann reliabel sein (zuverlässig), aber trotzdem das Falsche messen.
✅ Grundlage für wissenschaftliche Aussagen: Wenn ein Test nicht valide ist, sind alle darauf basierenden Schlussfolgerungen fragwürdig.
✅ Sinnvolle Anwendung der Ergebnisse: Wenn ein Intelligenztest eigentlich nur Sprachfertigkeiten misst, ist er für nicht-sprachliche Intelligenz ungeeignet.
Was bedeutet Inhaltsvalidität?
Inhaltsvalidität (Content Validity)
🔹 Misst der Test alle relevanten Aspekte des Konstrukts?
Beispiel: Ein Mathetest sollte nicht nur Addition testen, sondern auch Geometrie und Algebra beinhalten.
Typische Überprüfung: Expertenbewertung der Testinhalte.
✅ Hohe Inhaltsvalidität: Der Test deckt alle wichtigen Bereiche eines Konzepts ab.
❌ Niedrige Inhaltsvalidität: Wichtige Aspekte fehlen oder es sind irrelevante Elemente enthalten.
Was bedeutet Kriteriumsvalidität?
Kriteriumsvalidität (Criterion Validity)
🔹 Hängt die Messung mit einem relevanten Außenkriterium zusammen?
Beispiel: Ein neuer Intelligenztest sollte ähnliche Ergebnisse wie ein etablierter IQ-Test liefern.
Typische Überprüfung: Korrelationen mit bereits validierten Tests oder realen Ergebnissen.
Arten der Kriteriumsvalidität:
✅ Übereinstimmungsvalidität (Concurrent Validity):
Das Messinstrument wird mit einem gleichzeitig existierenden Kriterium verglichen.
Beispiel: Ein neuer Burnout-Test wird mit bereits etablierten Burnout-Skalen verglichen.
✅ Prognostische Validität (Predictive Validity):
Die Messung sagt zukünftige Ergebnisse korrekt vorher.
Beispiel: Ein Einstellungstest für Bewerber sollte den späteren Berufserfolg vorhersagen können.
❌ Niedrige Kriteriumsvalidität: Die Werte eines Tests stimmen nicht mit anderen relevanten Messungen überein.
Was bedeutet Konstruktvalidität?
Konstruktvalidität (Construct Validity)
🔹 Messe ich wirklich das Konzept (Konstrukt), das ich messen will?
Beispiel: Ein Test für „soziale Intelligenz“ sollte nicht einfach nur allgemeine Intelligenz oder extrovertiertes Verhalten messen.
Methoden zur Prüfung der Konstruktvalidität:
✅ Konvergente Validität (Convergent Validity):
Der Test sollte mit anderen Tests, die dasselbe Konzept messen, hoch korrelieren.
Beispiel: Ein neuer Depressionsfragebogen sollte mit einem etablierten Depressionsfragebogen übereinstimmen.
✅ Diskriminante Validität (Discriminant Validity):
Der Test sollte nicht mit Tests für andere, nicht verwandte Konzepte korrelieren.
Beispiel: Ein Selbstbewusstseinstest sollte nicht mit einem Test für Aggressivität verwechselt werden.
❌ Niedrige Konstruktvalidität: Ein Test misst ungewollt etwas anderes als das intendierte Konzept.
Was ist ein Index?
🔹 Die Indexbildung ist ein Verfahren zur Messung komplexer theoretischer Konzepte, indem mehrere Indikatoren zu einem Gesamtwert (Index) zusammengefasst werden.
🔹 Indizes werden verwendet, wenn ein einzelner Messwert nicht ausreicht, um ein umfassendes Konzept abzubilden.
🔹 Beispiele für Indizes: Human Development Index (HDI), Demokratieindex, Konsumklimaindex
👉 Kernfrage: „Wie können verschiedene Messwerte kombiniert werden, um ein komplexes Phänomen zu erfassen?“
✅ Ermöglicht die Messung komplexer Konzepte, die nicht durch eine einzelne Variable erfasst werden können.
✅ Vereinfachung der Analyse, indem mehrere Faktoren zu einer Kennzahl zusammengefasst werden.
✅ Ermöglicht Vergleiche über Zeit oder zwischen Einheiten (Ländern, Regionen, Gruppen).
✅ Erhöht die Reliabilität und Validität der Messung, indem mehrere Indikatoren kombiniert werden.
📌 Beispiele für Konzepte, die Indizes erfordern:
Demokratiequalität (kann nicht nur durch Wahlbeteiligung gemessen werden).
Wirtschaftliche Entwicklung (benötigt mehrere Indikatoren wie Einkommen, Bildung, Lebenserwartung).
Soziale Ungleichheit (beruht auf Einkommen, Bildung, Zugang zu Gesundheitsversorgung usw.).
Was ist die additive Indexbildung?
Additive Indexbildung (Summenindex)
🔹 Definition: Die Werte aller Indikatoren werden einfach addiert.
🔹 Beispiel: Demokratieindex als Summe aus Wahlbeteiligung, Pressefreiheit und Korruptionsniveau.
✅ Vorteil: Einfach zu berechnen, leicht interpretierbar.
❌ Nachteil: Alle Indikatoren werden gleich gewichtet, auch wenn manche wichtiger sein könnten.
Was ist die multiplikative Indexbildung?
Multiplikative Indexbildung
🔹 Definition: Die Werte der Indikatoren werden miteinander multipliziert.
🔹 Beispiel: Produktivitätsindex = Arbeitsstunden × Output pro Stunde.
✅ Vorteil: Verstärkt die Wirkung einzelner Indikatoren, da ein niedriger Wert einen starken Einfluss auf das Endergebnis hat.
❌ Nachteil: Wenn ein Wert 0 ist, wird der gesamte Indexwert 0, was problematisch sein kann.
Nicht-lineare Beziehung: Ein einzelner sehr niedriger Wert kann den gesamten Index stark reduzieren.
Berücksichtigt Wechselwirkungen: Indikatoren beeinflussen sich gegenseitig und können sich verstärken oder abschwächen.
Eignet sich für Indikatoren, die sich gegenseitig bedingen oder einen Synergieeffekt haben.
