Wissenschaftliches Arbeiten

Reliabilität = wie zuverlässig ist eine Messmethode? Wiederholung der Messung unter denselben Bedingungen und an denselben Gegenständen = gleiches Ergebnis = reliable Untersuchung.

Die Validität (Gültigkeit) ist das wichtigste Messkriterium, denn sie gibt den Grad der Genauigkeit an, mit dem eine Untersuchung das erfasst, was sie erfassen soll.

Eine Studie ist dann intern valide, wenn sich der beobachtete Effekt (AV) tatsächlich auf die vermutete Ursache (UV1) zurückführen lässt.

Eine Studie ist dann extern valide, wenn sich die Studienergebnisse, die mittels der unter-suchten Stichprobe gefunden wurden, auch für andere Stichproben generalisieren lassen.

Aussagen machen, mit deren Hilfe es gelingt, beobachtbare Phänomene -zu beschreiben („Was ist der Fall“?), -zu erklären („Wie entsteht das Phänomen?“) -&somit Vorhersagen machen zu können („Gelten die beobachteten Zusammenhänge auch für andere Situationen

Realdefinition, Nominaldefinition, Operationale Definition

Logik/Widerspruchsfreiheit = Hypothesen müssen logisch miteinander vereinbar sein, Einfachheit=keine überflüssigen Elemente, nicht kompliziert, empirische Prüfbarkeit

empirischer Bezug, Allgemeingültigkeit, Formalstruktur, Falsifizierbarkeit, Intersubjektive Prüfbarkeit, Präzisierung d. Geltungsbereichs, Verzicht auf Werturteile

Induktives und deduktives Vorgehen bilden ein eng miteinander verbundenes Gerüst wissenschaftlichen Arbeitens & stellen somit die Grundlage des wissenschaftlichen Fortschritts dar.

H₀ - beschreibt Sachverhalte, die nicht unseren Erwartungen entsprechen, die wir also falsifizieren wollen - H₁ - beschreibt Sachverhalte, die unseren Erwartungen entsprechen, die wir aber nicht direkt verifizieren können.

Versuch, einen Begriff festzulege, mit Anspruch, dass Definition ausdrücken soll, was Begriff "in Wirklichkeit" darstellt. wahr oder unwahr. Aufzählung d. relevanten Merkmale

Nominaldefinitionen sind zweckabhängige Bedeutungsbestimmungen. Eine Nominaldefinition wird somit nicht hinsichtlich ihres Wahrheitsgehaltes, sondern in Bezug auf das Ausmaß ihrer Angemessenheit beurteilt.

Unter einer operationalen Definition versteht man die Defini-tion durch die Nennung der entsprechenden Messvorschrift.

Die Hypothese, an der wir interessiert sind, lässt sich deshalb nicht direkt überprüfen, da dies voraussetzen würde, alle relevanten Untersuchungsobjekte prüfen zu können. Dies ist letztlich aus forschungsökonomischen Gründen nicht möglich.

Beginnt die wissenschaftliche Arbeit mit einem konkreten Praxis-problem, das es zu lösen gilt und für das Beobachtungen angestellt, also Daten und Fakten gesammelt werden (empirischer Teil), so werden aufgrund dieser Daten und Fakten Vermutungen über die interessierenden (Ursache-Wirkungs-)Zusammenhänge angestellt. Gelingt es, diese (Ursache-Wirkungs-)Zusammenhänge zu bestätigen, so las-sen sich diese Vermutungen zu einer Theorie verdichten, die es wiederum an neuen empirischen Sachverhalten zu prüfen gilt.

Liegen empirisch geprüfte Theorien vor, geht es hier darum, zu prüfen, ob die empirischen Beobachtungen mit den aus der Theorie abgeleiteten Hy-pothesen übereinstimmen; empirische Daten werden also mit theoretischen Annahmen verglichen. Gibt es eine Übereinstimmung, dann gilt dies als eine Bestätigung der The-orie; lässt sich keine Übereinstimmung finden, so ist dies möglicherweise ein Anlass dafür, die Theorie zu modifizieren. Kurzum: Aufgrund vorliegender theoretischer Be-funde wird versucht, eine Vorhersage für den Einzelfall vorzunehmen, diese Vorhersage kann gelingen oder scheitern.

• Empirischer Bezug
• Allgemeingültigkeit
• Formalstruktur
• Falsifizierbarkeit
• Intersubjektive Prüfbarkeit
• Präzisierung des Geltungsbereichs
• Verzicht auf Werturteile

Phase 1 – Entdeckungszusammenhang: Entdeckung eines als relevant oder „interessant“ angesehenen Phänomens; Klärung der Erkenntnis- und Verwertungsinteressen: „Wer will was für welche Zwecke wissen“?
Phase 2 – Begründungszusammenhang: Im Begründungszusammenhang werden das Problem bzw. die Forschungsfrage mit-hilfe angemessener Schritte untersucht.
Phase 3 – Verwertungszusammenhang: Hier geht es um die Frage der Verwertung der Untersuchungsergebnisse.

• Identifikation eines Problems aufgrund eigener Erfahrungen und Ziele, was sich als „Herausschneiden“ des Problems aus der empirischen Realität bezeichnen lässt.
• Zuordnung von relevanten Begriffen zu dem Problem in Abhängigkeit der Ziele der jeweiligen Akteure.
• Erste Hinweise auf die Theorierahmen, die dem jeweiligen Begriffsverständnis übergeordnet sind.

• Ursprüngliche Aussage: Die Einführung von Wissensmanagement macht uns erfolgreicher.
• Umformung 1: Präzisierung der abhängigen Variablen, z. B. in Richtung Gewinnerhöhung.
• Formulierung 1: „Die Einführung von Wissensmanagement führt bei uns zu einer Gewinnerhöhung.“
• Umformung 2: Präzisierung des zeitlichen Rahmens, z. B. in Richtung „nach einer Periode“.
• Formulierung 2: „Die Einführung von Wissensmanagement führt bei uns spätestens nach einem Jahr nach der Einführung zu einer Gewinnerhöhung.“
• Umformung 3: Generalisierung, Präzisierung der Kausalvermutung.
• Formulierung 3: „Wenn in Unternehmen Wissensmanagement eingeführt wird, dann erhöht sich der Gewinn spätestens nach einem Jahr nach der Einführung von Wissensmanagement.“
• Die Null-Hypothese H0: Wenn in Unternehmen Wissensmanagement eingeführt wird, dann lässt sich ein Jahr nach der Einführung von Wissensmanagement keine Gewinnerhöhung nachweisen.
• Die Alternativ-Hypothese H1: Wenn in Unternehmen Wissensmanagement eingeführt wird, dann erhöht sich der Ge-winn spätestens nach einem Jahr nach der Einführung von Wissensmanagement.

• Literaturrecherche
• Analyse der vorhandenen Literatur
• Präzisierung der Fragestellung/Ableitung von Hypothesen

• Bei einer Nominalskala bedeuten unterschiedliche Zahlen nichts anderes als unter-schiedliche Merkmalsausprägungen; sie stehen nicht für ein „Mehr“ oder „Weniger“, „Größer“ oder „Kleiner“. Beispiele sind: Parteipräferenz; Haarfarbe; ausgeübtes Hobby. Bei solchen Daten können z. B. weder das arithmetische Mittel noch der Median be-rechnet werden – Ergebnisse entsprechender Berechnungen sind sinnlos.
• Bei einer Ordinalskala drücken die Zahlen eine Rangfolge aus, aber sie sagen nichts über die Relationen der der Rangfolge zugrunde liegenden Eigenschaften. Beispiele sind: An-gaben darüber, welches gesellschaftliche Problem man als wichtigstes erachtet (z. B.: Arbeitslosigkeit, Kriminalität, Umweltverschmutzung – selten wird gefragt: Korruption, Unfähigkeit von Politikern, Gewalt von Männern gegen Frauen), welches am zweitwich-tigsten ist usw. Oder: Welche Person aus einer vorgegebenen Liste am sympathischsten ist, welche am zweitsympathischsten usw. Gleiche Abstände zwischen den Zahlenwer-ten bedeuten also nicht gleiche Abstände „in der Realität“. Bei solchen Daten kann z. B. der Median, aber kein arithmetisches Mittel berechnet werden.
• Bei einer Intervallskala geben die Zahlen Informationen über die Abstände zwischen den gemessenen Ausprägungen, aber es gibt keinen „echten“ Nullpunkt. Beispiele sind: Temperatur in Grad Celsius; Haushaltseinkommen, sofern auch negatives Einkom-men in Form von Schulden einbezogen wird; Kontostand (dieser kann leider auch ne-gativ sein ...). Der Abstand zwischen 0 Grad Celsius und 10 Grad Celsius ist (physikalisch gesehen!) genauso groß wie der zwischen 10 und 20 Grad Celsius. Bei intervallskalier-ten Daten ist neben dem Median u. a. auch die Berechnung des arithmetischen Mittels und der Varianz sinnvoll.
• Bei einer Verhältnis- bzw. Rationalskala ist außerdem ein sinnvoll interpretierbarer Null-punkt vorhanden. Beispiele sind: Größe; Einkommen aus Erwerbstätigkeit; Temperatur in Grad Kelvin. Daher kann man auch Verhältnisse zwischen verschiedenen Werten be-rechnen. Man kann legitimerweise sagen, dass eine Person, die 100 m in 10 Sekunden bewältigt, doppelt so schnell läuft wie eine, die dafür 20 Sekunden benötigt (während 20 Grad Celsius nicht doppelt so warm ist wie 10 Grad Celsius!).

Unter Operationalisierung versteht man einen Prozess, bei dem zu einem Begriff präzise Handlungsanweisungen für Forschungsoperationen gegeben werden, mit deren Hilfe ent-schieden werden soll, ob ein mit dem betreffenden Begriff bezeichnetes Phänomen vorliegt oder nicht.

Eine Stichprobe ist eine Auswahl von Elementen (n) aus einer Gesamtheit aller Elemente (N), die durch ein oder mehrere gleiche Merkmale gekennzeichnet sind. Der Umfang der Stichprobe bestimmt, mit welcher Genauigkeit und Zuverlässigkeit die Ergebnisse interpre-tiert und Aussagen über ihre Gültigkeit (über die Stichprobe hinausgehend) getroffen werden können.

Als Grundgesamtheit wird die gesamte Zielgruppe einer Erhebung, aus der eine Stichprobe von Versuchspersonen (Befragten) gezogen wird, bezeichnet. Die wichtigste Voraussetzung hierfür ist, dass die Grundgesamtheit bekannt ist – oder anders formuliert: Die Grundgesamtheit muss empirisch definiert werden können. Hinter dieser Forderung steht eine ganz praktische Überlegung: Es ist nur möglich, von der Stichprobe auf die Grundgesamtheit zu schließen, wenn sichergestellt ist, dass die Stichprobe ein adäquates Abbild der Grundgesamtheit ist.

Repräsentativität bezeichnet das Ausmaß, in dem eine Stichprobe die Struktur der Grundgesamtheit in bestimmter Hinsicht getreu widerspiegelt. In einzelnen Marktforschungsanwendungen werden Verfahren mit bewusster Auswahl eingesetzt, also Verfahren, die nicht sonderlich repräsentativ sind.