Qualitative Daten

Was sind qualitative Daten?

Qualitative Daten sind beschreibende Informationen, die sich auf Konzepte und Merkmale konzentrieren, statt auf Zahlen und Statistiken. Die Daten können nicht gezählt, gemessen oder numerisch ausgedrückt werden. Forscher sammeln qualitative Daten aus Texten, Bildern, Audio- und Videodateien und anderen Quellen. Nach der Datenerhebung analysieren sie diese und stellen sie mithilfe von Datenvisualisierungstools wie Wortwolken, Zeitleisten, Graphdatenbanken und Infografiken zur Verfügung.

Die qualitative Datenanalyse versucht, Fragen zu beantworten, warum Menschen sich so verhalten, wie sie es tun, und was dieses Verhalten motiviert. Die qualitative Analyse ist zeitaufwendiger als andere Arten der Analyse, da das Sammeln, Analysieren und sinnvolle Darstellen der Daten länger dauert. Jemand, der mit qualitativen Daten arbeitet, wird als qualitativer Forscher oder qualitativer Analyst bezeichnet.

Software zur qualitativen Datenanalyse wird in vielen Forschungsbereichen eingesetzt, darunter Gesundheitswesen, Bildung, Sozialwesen, Marktforschung und anderen Disziplinen. In der Statistik werden qualitative Daten als kategoriale Daten bezeichnet.

Arten qualitativer Daten

Qualitative Daten werden je nach den Bedürfnissen und Präferenzen der Forscher auf unterschiedliche Weise klassifiziert. Ein gängiger Ansatz besteht darin, die Daten entweder als nominal oder ordinal zu kategorisieren:

• Nominal. Nominale Daten sind kategoriale Daten, die nicht eingestuft oder geordnet werden können. Die Daten unterscheiden sich ausschließlich durch ihre Kennzeichnungen. Ein Datensatz kann beispielsweise eine Kategorie für Augenfarben mit Werten wie grün, grau, braun, blau, bernsteinfarben und haselnussbraun enthalten. Die Farben allein identifizieren die Datenelemente.
• Ordinal. Ordinale Daten sind kategoriale Daten, die in einer verwandten Weise eingestuft oder geordnet werden können. Die Daten bilden eine Hierarchie, die die Beziehung zwischen den Daten herstellt. Die relativen Unterschiede zwischen den Hierarchieebenen können jedoch nicht gemessen werden. Beispielsweise kann eine Kategorie von Schulnoten A, B, C, D und F umfassen, aber es gibt keine Möglichkeit zu wissen, ob D doppelt so schlecht ist wie C oder F doppelt so schlecht wie D.

Einige Ressourcen enthalten auch binäre Daten als eine Art qualitativer Daten. Binäre Daten nehmen nur zwei unterschiedliche Werte an, wie zum Beispiel ein und aus, ja und nein oder positiv und negativ. Binäre Daten sind im Wesentlichen nominale Daten, die auf die beiden Werte beschränkt sind.

Methoden zur qualitativen Datenerhebung

Qualitative Daten werden oft durch direkte oder indirekte Beobachtung oder durch offene Fragen erhoben. Zu den gängigen Methoden der Datenerhebung gehören:

• Interviews. Interviews sind eine der häufigsten Methoden zur Datenerhebung. Ein Interview kann je nach Situation informell oder strukturiert sein. Es ist oft nützlich, offene Fragen zu stellen und das Gespräch natürlich fließen zu lassen.
• Fokusgruppen. Eine kleine Gruppe von Personen (in der Regel sechs bis acht Personen) trifft sich, um ein bestimmtes Thema zu besprechen. Die Mitglieder der Gruppe haben oft etwas gemeinsam, zum Beispiel eine ähnliche Erfahrung, ein ähnliches Interesse oder eine ähnliche Fähigkeit. Ein Moderator hilft dabei, die Diskussion zu steuern und zu lenken.
• Umfragen. Eine weitere gängige Methode zur Datenerhebung ist die Umfrage, die es Forschern erlaubt, eine größere Gruppe von Personen zu erreichen als eine Fokusgruppe. Umfragen können auch Interviews oder Fokusgruppen vorzuziehen sein, da sich die Befragten durch den Prozess weniger eingeschüchtert fühlen und eher bereit sind, sich zu öffnen.
• Längsschnittstudien. Die Daten werden über einen längeren Zeitraum wiederholt von den Teilnehmern erhoben, wobei der Schwerpunkt auf einem bestimmten Merkmal oder Zustand liegt, der sich im Laufe der Zeit entwickelt. Beispielsweise können Forscher Längsschnittstudien verwenden, um zu untersuchen, wie Patienten langfristig auf eine bestimmte Behandlung reagiert haben.
• Analyse von Aufzeichnungen. Forscher verwenden zuverlässige Daten, die bereits vorhanden sind, um ein bestimmtes Thema zu untersuchen. Die Forscher verwenden Data-Mining-Techniken, um Muster und Themen aufzudecken, die dabei helfen, das Wie und Warum zu enthüllen, das sich hinter den Daten verbirgt.
• Beobachtung. Forscher beobachten die Studienteilnehmer in ihrer natürlichen Umgebung und beobachten, wie sie auf bestimmte Ereignisse reagieren. Die Forscher können auch Video- oder Audioaufnahmen machen. Durch direkte Beobachtung (manchmal auch als Schulterblick bezeichnet) können sie das Verhalten der Probanden aus erster Hand kennenlernen, ohne dass diese an Interviews teilnehmen oder Umfragen beantworten müssen.
• Fallstudien. Forscher führen eine eingehende Untersuchung eines bestimmten Phänomens durch. Die Untersuchung kann sich auf eine Einzelperson oder eine Gruppe in Bezug auf ihre Umgebung beziehen. Die Forscher lernen, wie die Probanden in dieser Umgebung agieren und sich verhalten, soweit dies für die untersuchten Phänomene von Bedeutung ist. Die Forscher können bestimmte Aktivitäten, Situationen oder andere Faktoren untersuchen, um die verschiedenen Dimensionen besser zu verstehen.

Was ist der Unterschied zwischen qualitativen und quantitativen Daten?

Quantitative Daten sind immer numerisch. Sie können in eine Datenbank eingegeben und mithilfe mathematischer und statistischer Analysemethoden analysiert werden. Aus diesem Grund sind die Daten in der Regel strukturiert. Im Vergleich dazu sind qualitative Daten beschreibend und interpretativ. Sie basieren eher auf Sprache und Konzepten als auf Zahlen und sind in der Regel unstrukturiert.

Die aus der quantitativen und qualitativen Datenanalyse gewonnenen Informationen können sich gegenseitig ergänzen. Die Ziele für die Untersuchung der einzelnen Datentypen und die zur Erreichung dieser Ziele eingesetzten Instrumente sind jedoch unterschiedlich.

Ein quantitativer Datenanalyst versucht, objektive Fragen zu einem Ereignis zu beantworten, zum Beispiel wie viele oder wie oft. Im Gegensatz dazu versucht ein qualitativer Analyst, subjektive Fragen zur Bedeutung zu beantworten, die Menschen dem Ereignis beimessen.

Ein quantitativer Forscher kann beispielsweise versuchen, das Kundenverhalten zu verstehen, indem er untersucht, welche Produkte eine Gruppe von Kunden gekauft hat, wann sie ihre Einkäufe getätigt haben, wo sie diese Einkäufe getätigt haben und wie viel sie bezahlt haben.

Im Gegensatz dazu kann ein qualitativer Forscher versuchen, das Verhalten einer Untergruppe dieser Kunden zu verstehen, indem er untersucht, wer sie im Verhältnis zur Gesamtbevölkerung sind, wie sie ihre Einkäufe recherchiert haben und warum sie sich für den Kauf einer Marke und gegen eine andere entschieden haben.

Qualitative und quantitative Daten als Ergänzung

Forscher verwenden qualitative und quantitative Ansätze oft zusammen. Sie können parallel zueinander eingesetzt werden, wobei der eine Ansatz den anderen ergänzt.

Forscher, die beispielsweise die Vertriebs- und Marketingpraktiken eines Unternehmens untersuchen, kann zunächst qualitative Daten sammeln, um die Kaufhistorie der Kunden zu betrachten. Von dort aus sammeln die Forscher quantitative Daten, indem sie die treuesten Kunden befragen, die anhand der Kaufhistorie ermittelt wurden. Die Forscher analysieren dann die Interviews, um besser zu verstehen, wie und warum diese Personen treue Kunden sind.

Aus ihrer Analyse können sie erkennen, dass die Mehrheit der Interviews das Thema hervorragender Kundenservice widerspiegelt. Aus dieser Erkenntnis heraus können die Forscher auf die Daten der Kundenserviceplattform des Unternehmens zurückgreifen und die Antwortzeiten der Kunden sowie ein Maß für ihre Markentreue ermitteln. Sie können dann in der Lage sein, schnelle Antwortzeiten mit höherer Loyalität in Verbindung zu bringen und so festzustellen, dass schnelle Antwortzeiten ein Schlüsselfaktor für die Gewinnung und Bindung treuer Kunden sind.

Vor- und Nachteile qualitativer Daten

Beobachtungs- und Inhaltsanalysemethoden unterstützen Forscher, den Hawthorne-Effekt zu vermeiden, bei dem die Studienteilnehmer ihr Verhalten ändern, weil sie an einer Studie teilnehmen. Stattdessen können Forscher Daten sammeln, die die tatsächlichen Umstände genauer widerspiegeln. Qualitative Daten verleihen einem Bericht außerdem Farbe und bereichern die Geschichte, die allein durch quantitative Daten erzählt wird, indem sie verallgemeinerte Schlussfolgerungen in eine weniger abstrakte Sichtweise bringen, mit echten Beispielen von echten Menschen.

Die Erhebung und Analyse qualitativer Daten ist jedoch zeitaufwendig. Aus diesem Grund neigen Forscher dazu, bei ihrer Analyse Datenstichproben zu verwenden, was die Erhebung und Analyse der Daten erleichtert. Leider kann es bei kleinen Stichproben schwierig sein, die Ergebnisse genau genug zu skalieren, um nützliche Muster abzuleiten. Eine quantitative Analyse ist in großem Maßstab viel einfacher durchzuführen.

Quantitative Daten können auch direkt in eine Datenbank eingegeben werden und Analysten können sie mithilfe mathematischer Formeln und numerischer Berechnungen analysieren. Im Gegensatz dazu müssen qualitative Daten anhand beschreibender Parameter wie Eigenschaften oder physischen Merkmalen kategorisiert werden, bevor sie statistisch auf Muster oder Bedeutungen untersucht werden können.

Während die quantitative Datenanalyse auch von unerfahrenen Analysten mithilfe von Software-Tools wie Tabellenkalkulationen problemlos durchgeführt werden kann, ist die qualitative Datenanalyse auf die Fähigkeiten und Erfahrungen des Forschers angewiesen, um aus einer kleinen Stichprobe Parameter zu erstellen, anhand derer größere Datensätze untersucht werden können.

Qualitative Datenanalyse

Bei der qualitativen Datenanalyse werden die Daten mithilfe von Codierung kategorisiert. Durch die Codierung können Forscher qualitative Daten auf sinnvolle Weise organisieren, indem sie Parameter verwenden, die mit ihren Forschungszielen übereinstimmen. Forscher verwenden auch einen Prozess, der als Grounding the Data bezeichnet wird, bei dem sie wiederholten Mustern Codes zuweisen und die Codes dann in einer Hierarchie gruppieren, um sie für die statistische Analyse vorzubereiten.

In vielen Fällen ist der Codierungsprozess eher rekursiv als linear. Beispielsweise können Forscher die Daten untersuchen und ein übergeordnetes Thema wie Kundenzufriedenheit identifizieren. Wenn sie sich weiter mit den Daten befassen, unterteilen sie sie in Unterthemen, wie zum Beispiel positive Kundenzufriedenheit und negative Kundenzufriedenheit.

Die Codierung ist Teil des umfassenderen qualitativen Analyseprozesses, der im Allgemeinen auf einem der folgenden beiden Ansätze basiert:

• Deduktive Analyse. Der Analyst beginnt mit einer Frage und untersucht die Daten subjektiv im Kontext der Frage. Die deduktive Analyse stützt sich auf vorgegebene Codes, die aus bestehenden Frameworks, Literaturrecherchen, theoretischen Prinzipien oder anderen Quellen stammen können. Der deduktive Ansatz entspricht der Verwendung der wissenschaftlichen Methode.
• Induktive Analyse. Bei der induktiven Analyse beginnen die Forscher mit einem unbeschriebenen Blatt und lassen die Codes organisch aus den Daten entstehen. Sie untersuchen die Daten sorgfältig und suchen nach Themen, die bei der Verarbeitung der Informationen auftauchen – zum Beispiel beim Durchlesen von Transkripten oder beim Anhören von Aufnahmen. Ein induktiver Ansatz dauert in der Regel länger als ein deduktiver. Es sind viele Durchläufe durch die Daten erforderlich, um die wichtigsten Themen zu identifizieren und zu verfeinern.

Eine häufig angewandte induktive Methode ist die sogenannte Grounded Theory. Dies bedeutet einfach, dass Forscher sich auf die Daten stützen, die sie bereits vor sich haben, anstatt sich den Daten mit einer bereits vorhandenen Theorie oder Forschungsfrage im Hinterkopf zu nähern.

Forscher verwenden bei der Durchführung qualitativer Analysen auch verschiedene Arten von Frameworks. Zwei der gängigsten Frameworks sind das Fünf-Kräfte-Modell nach Porter und die SWOT-Analyse (Stärken-Schwächen-Analyse, Chancen-Risiken-Analyse):

• Fünf-Kräfte-Modell nach Porter. Dieses Framework wurde vom Harvard-Professor Michael E. Porter entwickelt, um die SWOT-Analyse zu verbessern. Es identifiziert und analysiert die internen und externen Faktoren, die sich auf den Erfolg auswirken können.
• Die SWOT-Analyse. Forscher nutzten dieses Framework, um die internen und externen Faktoren zu identifizieren und zu analysieren, die sich auf die Durchführbarkeit eines Projekts, eines Produkts, eines Ortes oder einer Person auswirken können. Die SWOT-Analyse ist nützlich, um eine Momentaufnahme zum Verständnis der qualitativen Dynamiken zu erstellen, die den Erfolg beeinflussen.

Qualitative Analyse teilen

Schlussfolgerungen, die aus der quantitativen Datenanalyse gezogen werden, sind durch den universellen Rahmen der Mathematik leicht verständlich. Forscher, die mit qualitativen Daten arbeiten, müssen jedoch kreativer sein, wenn sie ihre Ergebnisse teilen. Zu den gängigen Ansätzen für die Weitergabe qualitativer Daten gehören:

• Wortwolken. Diese Datenvisualisierungen betonen oder schwächen die Häufigkeit verschiedener Ergebnisse in einer Datenstichprobe ab.
• Zeitleisten. Grafische Darstellungen wie Zeitleisten zeigen wichtige Ereignisse oder Meilensteine in einer Datenstichprobe im Verhältnis zur Zeit an.
• Graphdatenbanken. Hierbei handelt es sich um Datenbanken, die die Beziehungen zwischen Datenelementen grafisch darstellen. Wie bei Wortwolken können Graphdatenbanken qualitative Daten durch die Verwendung von Größe, Farbe und Platzierung zur Hervorhebung oder Abschwächung des Werts von Datenelementen innerhalb der Stichprobe verständlicher machen. Graphdatenbanken werden auch als Konzeptkarten bezeichnet.
• Infografiken. Eine Infografik verwendet Diagramme, Abbildungen und minimalen Text, um Ergebnisse visuell in einer leicht verständlichen Form darzustellen.

Traditionelle quantitative Visualisierungen wie Histogramme oder Balkendiagramme werden ebenfalls häufig verwendet, sobald die Codierung abgeschlossen ist und die Häufigkeitszahlen für die Tags oder Themen ermittelt wurden. In einigen Fällen werden qualitative Daten einbezogen, um Schlussfolgerungen aus der quantitativen Analyse zu stützen. Die qualitativen Daten können in Form eines Beispiels, Zitats, Clips, Callouts oder in einem anderen Format vorliegen.

Werkzeuge zur qualitativen Datenanalyse

Forscher verwenden in der Regel Software für die qualitative Datenanalyse, um ihre Analyse durchzuführen. Die Software unterstützt dabei, die Zeit für die Erfassung und Analyse qualitativer Daten zu verkürzen. In der Regel umfasst diese Funktionen wie die folgenden:

• robuste Datenverwaltung
• Datenkodierung und -kategorisierung
• Text- und Inhaltsanalyse
• Unterstützung für mehrere Dateitypen, einschließlich Audio und Video
• Berichterstellung und Visualisierung

Programme für die qualitative Analyse wurden erstmals Mitte der 1980er-Jahre vermarktet. Heute ist die Software für die qualitative Datenanalyse ein etablierter Markt. Zu den wichtigsten Akteuren gehören laut Experten:

• ATLAS.ti
• Dedoose
• Dovetail
• HyperResearch
• MaxQDA
• NVivo
• QDA Miner
• Quirkos
• Raven's Eye