Unit 10: Anwendungsorientierte Forschung Flashcards
(19 cards)
7 Kriterien zur Analyse anwendungsorientierter Forschung
Validität
Reliabilität
Effektivität
Effizienz
Realisierbarkeit
Relevanz
Genügsamkeit
Was ist eine Feldstudie?
Menschliche Verhalten in natürlichen, realen Kontexten untersuchen. Praxisnahe Erkenntnisse
▷hoher Grad an Natürlichkeit
5 Vorteile der Feldstudie
- Ökologische Validität (Alltagsnähe)
▷Natürliche Umgebung = menschliches Verhalten realistisch.
▷↑Externe Validität↑ = Ergebnisse der Feldstudie übertragbar auf Realität. - Breite
▷Inklusivität = Zielgruppen, die in Laborstudien vernachlässigt werden, werden in Feldstudie beachtet.
▷Komplexe Phänomene (Armut) nicht in Labor abgebildet werden. - Kausalität
▷Ursache-Wirkung-Zusammenhänge unter realistischen Bedingungen testen.
▷Kontextfaktoren berücksichtigen - Evaluation von Interventionen
▷Praxisnahe - Gesellschaftliche Relevanz
▷Anwendung statt Theorie
2 Herausforderungen der Feldstudie
- ↑Aufwand↑ & ↑Kosten↑
- Interne Validität
▷Interne Validität = Ist Einfluss der UV auf AV nur auf UV zurückzuführen, oder auf Störvariablen?
▷Feldstudie unkontrollierbare, externe Einflüsse
Feldstudie: Qualitative & Quantitative Methodik?
Ja
Simple Randomization (Quantitativ)
Einzelne VP werden per Zufall Experimental- o. Kontrollgruppe zugewiesen.
➜ Sicherstellen, dass keine systematischen Unterschiede zw. Gruppen bestehen
Cluster Randomization (Quantitativ)
Gruppen (z.B. Klassen, Teams, Haushalte) werden per Zufall Experimental- o. Kontrollgruppe zugewiesen.
Block Randomization (Quantitativ)
- Schritt: Stichprobe in Untergruppen („Blöcke“) einteilen (z.B. nach Geschlecht).
- Schritt: Innerhalb des Blocks Randomisierung.
➜ Sicherstellen, dass in jeder Bedingung Gleichverteilung herrscht.
Waitlist Design (Quantitativ)
Alle VP erhalten die Behandlung, aber jeder zu anderem Zeitpunkt.
Herausforderung bei Feldstudie: Spillover
Spillover = Treatment von Person 1 aus Gruppe A hat Auswirkung auf Person 2 aus Gruppe B.
➜ Verletzung der Unabhängigkeitsannahme
Lösung:
▷Cluster-Randomisierung
➡ Spillover bleibt innerhalb der Cluster, stört die Vergleichbarkeit nicht.
▷Analyse von Spillover-Mustern
➡ Messen, wie stark Spillover-Effekte räumlich (z.B. Nachbarschaft) o. zeitlich (z.B. Erinnerungen an Behandlungen) abnehmen.
Herausforderung bei Feldstudie: Attrition (Ausfall von VP)
VP brechen ab o. nicht mehr erreichbar
Lösung:
▷Kommunikation
▷Mehrere Datenquellen nutzen
▷Ausfälle statistisch korrigieren (z.B. Re-Gewichtung)
Herausforderung bei Feldstudie: Non-compliance (Nicht-Einhaltung der Behandlung)
Lösung:
▷Pilotstudien, um Compliance einzuschätzen
▷„Encouragement Design“ (VP zur Behandlung animieren)
Validität
Validitätsbedrohungen
→ Fehlannahmen in der Konzeptualisierung
→ Suggestivfragen
→ Einseitige Datenerhebung
→ Politische Einflussnahme oder bewusste Verzerrung
→ Bias
Validitätssicherung
→ Vielfältiges Forschungsteam
→ Externe Reviews
→ Datenerhebung im Team
→ Kontextsensibilität
Validität = Studie misst das, was sie vorgibt zu messen
Validitätsbedrohungen:
1. Fehlannahmen in Konzeptualisierung
→ z.B. Annahme: Alle Obdachlosen haben
keine beruflichen Fähigkeiten
→ führt zu falschen Lösungsansätzen
- Suggestivfragen
→ z.B. „Finden Sie nicht auch, dass die Stadt mit einer warmen Mahlzeit pro Woche bereits hilft?“. Statt neutral:
„Welche Unterstützung haben Sie erhalten?“ - Einseitige Datenerhebung
- Politische Einflussnahme oder bewusste Verzerrung
→ absichtliches „Frisieren“ der Ergebnisse - Bias
Validitätssicherung
1. Vielfältiges Forschungsteam: unterschiedliche Fachperspektiven = gegenseitige Korrektur von Bias
- Externe Reviews: durch neutrale Dritte
- Datenerhebung im Team
- Kontextsensibilität
Forschungsergebnisse & Lösungen nicht blind auf andere Orte o. Situationen übertragen, ohne die lokalen Bedingungen zu berücksichtigen.
z.B. Ein Programm zur Reduzierung von Obdachlosigkeit, das in USA funktioniert hat, kann nicht automatisch in einem Entwicklungsland erfolgreich sein – weil dort z.B. andere soziale Strukturen, politische Systeme oder kulturelle Normen herrschen.
Reliabilität
Reliabilität = Wenn jemand anderes dieselbe Studie durchführt, muss er zu denselben Ergebnissen kommen.
In anwendungsorientierten Forschung (z.B. Feldstudien) ist Reliabilität schwierig, weil:
▷ soziale Kontext ständigen Wandel.
▷ z.B.: Wenn du eine Studie über Jugendbeteiligung 2020 machst, und sie 2025 wiederholst, könnten neue politische Bewegungen, Krisen o. ä. die Ergebnisse verändern.
Was heißt das für angewandte Forschung?
Auch wenn exakte Wiederholbarkeit nicht möglich ist, soll Reliabilität im Geiste respektiert werden:
▷ ↑Stichproben↑
▷ Transparenz
Effektivität
Effektivität = Nicht nur analysieren, sondern Lösungen liefern.
z.B.: Wenn das Ziel war, Obdachlosigkeit in Stadt X um 20 % zu senken, reicht es nicht, nur Einflussfaktoren zu beschreiben.
→ Forschung ist nur effektiv, wenn daraus konkrete, umsetzbare Handlungsempfehlungen entstehen.
Effizienz
-> Tipps zur Effizienzsteigerung
Forschungsziel ökonomisch (zeitlich, personell, finanziell) erreichen.
Tipps zur Effizienzsteigerung:
1. Existierende Daten nutzen:
Frühere Studien, Projektberichte -> Günstiger als neue Erhebung.
- Frühzeitig mit Experten sprechen
- Primärdatenerhebung gezielt planen:
Nur relevante Fragen stellen.
Daten nur dort erheben, wo Lücken bestehen.
Realisierbarkeit
Ist Studie mit vorhandenen Mitteln (Zeit, Personal, Zugang zu Daten, Know-how) realistisch durchführbar?
▷ Forschung nicht machbar = Forschung nicht Starten.
▷ Unvollständige Forschung schlimmer als keine.
▷ Wichtig: Brauchbare Ergebnisse
Typische Probleme:
▷Optimismus-Bias
▷Zeitdruck
▷Zugang zu Infos wird überschätzt o. zu spät überprüft.
Relevanz
Nur Infos sammeln & verwenden, die direkt zur Beantwortung der Forschungsfrage beitragen.
▷Quellenarbeit = Qualität > Quantität.
▷Nicht jede gesammelte Info nutzen - auf Wesentliche beschränken.
Genügsamkeit
Man braucht genügend passende Daten, um Forschungsfrage vollständig zu beantworten.
Es reicht nicht, nur Teilinfos zu haben – z.B. Ursachen von Obdachlosigkeit zu kennen, aber keine Lösungsvorschläge zu liefern, ist unzureichend, wenn das Ziel gerade die Entwicklung von Lösungen ist.