Was ist quantitative Forschung?
Quantitative Forschung erhebt numerische Daten und analysiert sie statistisch, um zu beschreiben, zu vergleichen, Zusammenhänge zu finden oder Ursachen zu prüfen. Sie stellt Fragen wie „wie viel“, „wie viele“ und „welche Wirkung hat“ und misst Variablen auf eine Weise, die andere wiederholen können.
Beispiele für quantitative Forschung
- Eine Umfrage unter 1.200 Studierenden zu bezahlten Arbeitsstunden und Prüfungsergebnissen.
- Eine randomisierte Studie, die zwei Leseprogramme in 40 Schulen vergleicht.
- Eine Analyse nationaler Volkszählungsdaten zu Pendelzeiten.
- Titel auf Schulniveau: „Der Zusammenhang zwischen Bildschirmzeit und Schlaf bei Schülerinnen und Schülern der Klasse 10“; „Die Wirkung von Hintergrundmusik auf Ergebnisse in Gedächtnistests“.
Arten quantitativer Forschung
- Deskriptiv: misst, wie verbreitet etwas ist (eine Umfrage zu Lesegewohnheiten).
- Korrelativ: prüft, ob Variablen sich gemeinsam bewegen, ohne Ursache zu zeigen.
- Kausal-vergleichend: vergleicht bestehende Gruppen (zum Beispiel Studierende, die ein Auslandsjahr einlegten oder nicht).
- Quasi-experimentell: prüft eine Intervention ohne zufällige Zuweisung.
- Experimentell: zufällige Zuweisung zu Bedingungen, der stärkste Test von Ursachen (siehe experimentelles Design).
Studien können außerdem Querschnitts- (ein Zeitpunkt) oder Längsschnittstudien (dieselben Personen über die Zeit) sein.
Quantitative und qualitative Forschung
Quantitative Forschung misst über viele Fälle hinweg; qualitative Forschung erkundet Bedeutung in der Tiefe mit weniger. Quantitative Arbeit ist gut in Breite und Prüfung; qualitative im Erklären des Warum und im Entdecken dessen, was zu prüfen ist.
Quantitative Daten analysieren
- Deskriptive Statistik: Mittelwerte, Prozentsätze, Standardabweichungen.
- Inferenzstatistik: t-Tests, ANOVA, Chi-Quadrat, Korrelation und Regression, berichtet mit Effektstärken und Signifikanz.
- Software: SPSS, R, Stata, Python oder Excel.
Qualität: Reliabilität, Validität und Stichprobengröße
Gute quantitative Forschung nutzt Messungen, die konsistent sind (Reliabilität) und messen, was sie zu messen vorgeben (Validität), und eine Stichprobengröße, die groß genug ist, um den interessierenden Effekt zu erkennen, idealerweise per Zufallsstichprobe gezogen.
Stärken und Grenzen
- Stärken: präzise, vergleichbar, aus guten Stichproben verallgemeinerbar und replizierbar.
- Grenzen: kann Kontext und Bedeutung übersehen und ist nur so gut wie ihre Messungen.
Anwendungsfall: KI für wissenschaftliche Arbeiten