Mixed Methods (German)

Note: This is the German version of this entry. The original, English version can be found here: Mixed Methods. This entry was translated using DeepL and only adapted slightly. Any etymological discussions should be based on the English text.

Kurz und knapp: In diesem Eintrag geht es um die Kombination unterschiedlicher wissenschaftlicher Methoden und was dabei zu beachten ist.

Was sind Mixed Methods?

"Mixed Methods (...) bezeichnet im weitesten Sinne die Kombination von Elementen eines qualitativen und eines quantitativen Forschungsansatzes innerhalb einer Untersuchung oder mehrerer aufeinander bezogener Untersuchungen. Die Kombination kann sich dabei auf die zugrunde liegende wissenschaftstheoretische Position und die Fragestellung, auf die Methoden der Datenerhebung oder der -auswertung oder auch auf die Verfahren der Interpretation und der Qualitätssicherung beziehen" (Schreier & Odag, p.263, Definition in Anlehnung an Johnson, Onwuegbuzie & Turner 2007, S.123).

Mixed Methods sind fast so etwas wie eine Standardantwort auf jedes beliebige Problem geworden, das Forscher*innen als außerhalb des Bereichs der normalen Wissenschaft liegend definieren. Heutzutage sind Mixed Methods fast wie ein Mantra, ein Glaubensbekenntnis, eine Bestätigung der eigenen Offenheit und der Anerkennung von Vielfalt. Man könnte von einer Verwirrung in Bezug auf Mixed Methods sprechen, wo Forscher*innen über Ontologie (wie wir unser Wissen über die Welt deuten) sprechen, wenn sie eigentlich über Epistemologie (wie wir Wissen über die Welt erzeugen) sprechen sollten; die Rede von gemischten Methoden driftet in einen Kategorienfehler ab, der dann zu einem kategorialen Fehler wird. Mixed Methods sind die Mondfahrt der modernen Wissenschaft, sie werden proklamiert, in Aussicht gestellt und immer wieder hervorgehoben, aber die Frage ist nun: Wie kommen wir zum Mond der gemischten Methoden?

Wissensintegration - epistemologische Probleme

Die erste Reihe von Herausforderungen beim Versuch, Mixed Methods in die Realität umzusetzen, sind epistemologische Probleme. Zu den profansten, aber weitgehend ungelösten Fragen gehört die Integration unterschiedlicher Datenformate. Wir können zwar qualitative und quantitative Daten in Tabellen kodieren, aber das kann der Vielfalt des Wissens innerhalb der Wissenschaft kaum gerecht werden. Auch die Integration von Daten innerhalb von Tabellen wirft viele ungelöste Probleme auf. Zum Beispiel können unterschiedliche Methoden nicht nur ein unterschiedliches Verständnis, sondern auch divergierende Angaben zu Validität und Plausibilität haben. Während diese im Bereich quantitativer Daten, aber auch in der Logik von zentraler Bedeutung sind, können Validität und Plausibilität wiederum völlig falsche Kriterien sein, wenn es um Wissen aus qualitativen Bereichen geht, wo Kontext und Übertragbarkeit - oder deren Mangel - relevanter sind. Einige Formen des Wissens sind für Viele wichtig, während andere Formen des Wissens für Wenige wichtig sind. Dennoch sind diese Formen des Wissens wichtig, und die Wissenschaft ignoriert die bestehende Vielfalt oft stärker, als sie es sollte.

Dies ist zwar an sich eine triviale Aussage, aber sie verdeutlicht, wie unterschiedliche Formen des Diskurses und der Wissensproduktion historisch verwurzelt und mehr oder weniger in Denkschulen verfestigt sind. Es gibt eine zunehmende Tendenz in der Forschung, zu versuchen, Verbindungen zwischen verschiedenen Wissensdomänen herzustellen, was oft eine Grundlage für methodologische Innovationen ist. Dies verlangt nicht nur mehr Anstrengungen von Forscher*innen, die dies versuchen, sondern kann auch dazu führen, dass Forscher*innen von beiden Gemeinschaften abgelehnt werden, weil sie sich mit 'den Anderen' vermischen. Dies macht deutlich, wie wichtig eine 'Geschichte von Ideen' ist, innerhalb derer wir unsere epistemologische Identität verorten, sie klar benennen und darüber reflektieren können. Damit wird auch deutlich, wie wichtig es ist, Gräben zu überbrücken. Andernfalls wird die Kommunikation schwieriger, wenn nicht gar unmöglich. Wir müssen verstehen, dass alle Teile der Wissenschaft Teile des Problems betrachten, aber Emergenz ist etwas, das idealerweise auf der Integration zwischen verschiedenen Teilen der Wissenschaft aufgebaut ist.

Moderation - die Lücke zwischen dem Epistemologischen und dem Ontologischen

Um eine erfolgreiche Integration zu ermöglichen und die epistemologischen Herausforderungen mit den ontologischen Problemen zu überbrücken, wird Moderation zu einem zentralen Bestandteil der Mixed-Methods-Forschung. Dies erfordert vor allem die Bereitschaft zur kritischen Auseinandersetzung mit der eigenen Positionalität und die Reflexion über eine kritische Positionierung in der Wissenschaftsgeschichte. Andernfalls werden die Grenzen des Wissens im jeweiligen Wissenschaftsbereich oft ignoriert. Viele Konflikte zwischen verschiedenen Disziplinen und deren methodischen Erkenntnistheorien sind nichts anderes als eine unreflektierte Ablehnung des Unbekannten. Es kostet also Zeit und Mühe, sich nicht nur innerhalb des Kanons der Wissensproduktion zu verorten, sondern auch andere Wissensformen zu schätzen und zu würdigen. Eine einfache Einteilung in ein besser oder schlechter zeigt die Unzulänglichkeiten unseres Verständnisses bezüglich der Normativität von Methoden auf.

Ein Beispiel für ein greifbares Problem bei der Moderation zwischen verschiedenen Forschenden, die unterschiedliche wissenschaftliche Methoden verwenden, ist die Sprache. Missverständnisse beruhen manchmal einfach auf mangelndem Verständnis, ganz wörtlich in der Wortwahl und in der Fachsprache. Im Extremfall verwenden manche Disziplinen sogar die gleichen Methoden, ohne dies zu bemerken, weil die einzelnen methodischen Entwicklungen zu unterschiedlichen Bezeichnungen für die gleichen Details der jeweiligen Methodik geführt haben. Stellen Sie sich vor, wie diese Herausforderungen exponentiell zunehmen, wenn man überhaupt von unterschiedlichen Methodologien spricht. Das führt zum wichtigsten Punkt in der Moderation: Vertrauen. Wenn jeder jede Methode, die jeder Wissenschaftszweig anwendet, verstehen wollte, wäre dies mit einem enormen Aufwand an Ressourcen verbunden. Mangelndes Verständnis kann also alternativ durch Vertrauen überwunden werden, das oft in gemeinsamen Erfahrungen wurzelt. Gegenwärtig wird die Bedeutung von Moderation zunehmend anerkannt, doch muss dies auch die ontologischen Herausforderungen berücksichtigen, denen Wissenschaftler*innen gegenüberstehen, wenn sie versuchen, mit Mixed Methods zu forschen.

Interpretation und Überzeugungen - ontologische Probleme

Ein Großteil der aktuellen Forschung ist in bestimmte Wissenschaftstheorien eingebettet, und viele Wissenschaftler*innen sind sich nicht einmal bewusst, zu welcher Wissenschaftstheorie sie gezählt werden. Trotz zunehmender Kritik am Positivismus fällt ein Großteil der aktuellen Wissensproduktion immer noch in diese Domäne, und das schafft auch Probleme der Mixed-Methods-Forschung. Der Positivismus schafft nicht nur eine Rangordnung, in der einige Formen der Wissenschaft - zumindest indirekt - als unterschiedlich wertvoll angesehen werden. Der Positivismus erhebt auch den Anspruch, objektive Wahrheiten zu erzeugen, was - nicht überraschend - ein Problem schafft, wenn andere Bereiche der Wissenschaft ebenfalls den Anspruch erheben, objektive Wahrheiten über dieselben Mechanismen, Entitäten und Muster zu erzeugen. Die moderne Wissenschaft muss eine aktive und reflexive Wissenschaftstheorie integrieren, und einige würden argumentieren, dass dies auch eine Integration der Ethik erfordert. Wie sonst sollten wir das Wissen, das die Wissenschaft produziert, bewerten, wenn wir nicht versuchen, durch verschiedene ontologische Perspektiven zu bewerten, ob es tatsächlich Sinn macht? Es gibt eine ausgeprägte Diskrepanz zwischen der wissenschaftlichen Wissensproduktion und der Art und Weise, wie wir ihr einen Sinn geben. In jüngster Zeit wurde hervorgehoben, dass es einige Dimensionen des Wissens gibt, die sich auf die Ethik beschränken, was als Argumentation dafür gesehen werden könnte, dass wir ein aktives Wissen über Ethik brauchen, um Verantwortung für unsere Forschungsergebnisse zu übernehmen. Die empirische Forschung ist derzeit meist weit davon entfernt, ethische Verantwortung für ihre Forschungsergebnisse zu übernehmen, geschweige denn für die Folgen dieser Ergebnisse. Die Zeit wird zeigen, ob die Entkopplung zwischen dem Epistemologischen und dem Ontologischen überwunden werden kann. Hierfür kann die Mixed-Methods-Forschung eine wichtige und effektive Stütze darstellen, da sie eine Reflexion durch aktive Forschung ermöglichen kann. Indem wir die Forschung als Grenzobjekt nutzen, um verschiedene Bereiche der Wissenschaft zu überbrücken, können wir unsere Unterschiede überwinden und uns stattdessen auf unsere gemeinsamen Ziele konzentrieren. Es wird sich zeigen, wie schnell sich dies entwickeln kann.

Konkrete Design-Probleme von Mixed Methods

Neben den oben hervorgehobenen theoretischen Überlegungen erlauben die Gestaltungskriterien von Methoden eine klarere Identifizierung konkreter Herausforderungen, vor denen die Mixed-Methods-Forschung steht. Indem ich die Gestaltungskriterien Schritt für Schritt durchgehe, möchte ich einige bekannte Probleme hervorheben, muss aber auch darauf hinweisen, dass die Herausforderungen im Moment unendlich erscheinen, da die Mixed-Methods-Forschung sich erst im Entstehen befindet.

Die große Kluft zwischen quantitativer und qualitativer Forschung ist wahrscheinlich die größte Hürde für die Wissenschaft, mit einem seit langem etablierten traditionellen Misstrauen zwischen diesen beiden Bereichen in den meisten Wissenschaftszweigen. Datenformate wurden bereits als ein rein mechanisches Problem erwähnt. Aus der Perspektive der quantitativen Wissenschaft gibt es jedoch mehr Probleme. Die größeren Herausforderungen liegen in einer anderen Richtung: Wie können wir quantitatives Wissen in qualitatives Wissen übersetzen, oder zumindest die beiden miteinander verbinden? Das derzeitige Misstrauen mancher Menschen gegenüber wissenschaftlichen Ergebnissen ist ein komplexes Problem, das verdeutlicht, dass es zwar quantitatives Wissen gibt, dass aber manche Dinge wahrscheinlich am besten durch qualitatives Wissen zu verstehen sind. Kontextualisierung, Wahrnehmungen und Transformationswissen sind Herausforderungen, die wir erst beginnen zu entwirren, und konzeptionelle Grenzobjekte wie Agency oder Emergenz verdeutlichen die Schwierigkeiten, wenn wir versuchen, Phänomene und Mechanismen zu untersuchen, die wahrscheinlich eine gemischte Methodenagenda erfordern. Selbst die Analogie von Puzzleteilen, die wir betrachten, scheint unzureichend zu sein, weil sie eine materialistische Dimension impliziert, und viel Wissen, das uns fehlt, ist in der Tat vage und implizit.

Die Kluft zwischen induktivem und deduktivem Wissen ist ebenso gravierend, aber wahrscheinlich weniger anerkannt. Heutzutage verlagert sich jedoch ein Großteil der Forschung, die behauptet, deduktiv zu arbeiten, in Richtung einer eher abduktiven Agenda, während sie immer noch in Denkschulen eingebettet ist, die behaupten, deduktiv zu sein. Dies schafft einen tiefen Riss in Bezug auf die Validität von Wissen, da gerade die Positivist*innen und ihre deduktiven Ansätze die höchste Validität für das von ihnen geschaffene Wissen beanspruchen. Man könnte sogar behaupten, dass positivistisches Wissen ein starkes System der Bewertung, wenn nicht gar des Urteils, über einzelne Wissensformen beinhaltet, wobei man sich fragen könnte, was der Zweck dieser Bewertungen eigentlich ist? Trotz dieser Konflikte wird immer deutlicher, dass deduktives Wissen mit schwerwiegenden Problemen (z.B. der Reproduzierbarkeitskrise) konfrontiert ist, und darüber hinaus wird immer deutlicher, dass viele der Herausforderungen, vor denen wir stehen, nicht allein durch deduktive Wissensproduktion beantwortet werden können. Die Kluft zwischen deduktivem und induktivem Wissen wird mit der Zeit immer tiefer, doch der Brückenschlag zwischen beiden durch abduktives Wissen schafft eine Verbindung, die langsam wächst. Die Zeit wird zeigen, ob beide Domänen von ihrem hohen Ross herunterkommen und die Stärken des jeweils anderen schätzen und gleichzeitig die eigenen Schwächen anerkennen können.

Die Integration von räumlichen Skalen ist ein offensichtliches Problem in der Mixed-Methods-Forschung, und die Beispiele sind fast zu zahlreich, um überhaupt einen sinnvollen Ansatzpunkt zu finden. Globale Lieferketten können als Beispiel dienen, wo die Bedürfnisse und Wünsche von Individuen Welleneffekte auf einer lokalen Skala erzeugen, wobei Organisationen, Länder und Kooperationen Beispiele für wichtige Vermittler zwischen diesen beiden Skalen sind. Diese Dynamik schafft eine Komplexität, die sich nur langsam entfaltet, und die anhaltende Kluft zwischen Mikro- und Makroökonomie zeigt, dass viele Formen von Wissen integriert werden müssen und die Beziehungen zwischen verschiedenen Methoden noch weitgehend unklar sind. Ein weiteres prominentes Beispiel ist die Beziehung zwischen der globalen Biodiversitätskrise und lokalen Schutzmaßnahmen. Zwar gibt es eine sich abzeichnende Agenda, und auch politische Bemühungen sind im Gange, aber es ist noch ein weiter Weg von einem eingekapselten System hin zu einem aktiven Wissensaustausch über räumliche Skalen hinweg.

Das letzte hier genannte Design-Kriterium ist die Zeit. Aus vielen Gründen konzentriert sich die Wissenschaft stark auf das Wissen über die Gegenwart. Während in den letzten Jahrzehnten eine stärkere Anerkennung von Wissen über die Zukunft aufkam und es auch eine lange Tradition gibt, Wissen über die Vergangenheit zu erforschen, sind alle diese Bereiche typischerweise nicht miteinander verbunden. Dies ist - wieder - in den unterschiedlichen Wissensdomänen begründet, zeigt aber auch die Isolation bestimmter Disziplinen, die entweder die Vergangenheit, die Gegenwart oder die Zukunft erforschen. Es ist klar, dass sich Historiker*innen nicht unbedingt mit Politiker*innen zusammentun würden, dennoch scheint es angesichts der Herausforderungen, denen wir gegenüberstehen, notwendig. Es wird noch zu erarbeiten sein, wie wir diese verschiedenen Wissensbereiche und Agenden integrieren können.

Metaphern für Mixed Methods

Bokeh

Auf dem Bild rechts können wir eine Person sehr deutlich erkennen. Wir können viele Details dieser Person erkennen, wie z.B. die Kleidung, einen nicht zu billigen Regenschirm und vieles mehr. Wir können auch sehen, dass sie sich offensichtlich in einem Teil der Welt befindet, wo es regnet, wo es öffentliche Verkehrsmittel gibt (sowohl Straßenbahn als auch Busse), wir sehen hohe Gebäude, aber auch niedrige Gebäude, Verkehr, Straßenlaternen - also viele Informationen, die trotz der Unschärfe dargestellt werden können.

Eine der schönsten Metaphern für die Verknüpfung von Methoden ist das japanische Wort Bokeh. Bokeh bedeutet im Grunde 'Tiefenschärfe', was der Effekt ist, wenn man ein wirklich schönes Kameraobjektiv hat und die Blende - die Öffnung des Objektivs - sehr weit hält. Fotos, die mit dieser Einstellung gemacht werden, haben typischerweise einen laserscharfen Vordergrund und einen schön verschwommenen Hintergrund. Sie haben eine sehr scharfe Entfernungsebene, und die andere Ebene ist wie eine verwaschene Aquarellmatrix. Ein Profifotograf oder Technikfreak wird ein solches Foto mit einem "Wow, schönes Bokeh" würdigen. Designs mit gemischten Methoden können auf ähnliche Weise aufgebaut werden. Während Sie eine Methode haben, die sich auf etwas im Vordergrund konzentriert, können Sie mit anderen Methoden den Hintergrund unscharf erkennen. Das Aushandeln und Erarbeiten der Rolle jeder Methode in einem Mixed-Methods-Setting ist zentral, um zu klären, welche Methode welche Tiefe und welchen Fokus verlangt, um der Metapher der Fotografie zu folgen. Viel zu oft verlangen wir, dass jede Methode in einem Mixed-Methods-Design den gleichen Stellenwert hat. In den meisten Fällen bin ich mir nicht sicher, ob dies tatsächlich möglich oder sogar wünschenswert ist. Stattdessen würde ich vorschlagen, sich an das Bokeh-Design zu halten und das, was im Vordergrund ist, mit dem, was im Hintergrund ist, zu harmonisieren. Statistiken können Ihnen einige allgemeine Informationen über das Setting einer Fallstudie und deren Hintergrund geben, aber tiefgehende offene Interviews können den Fokus und die Tiefe ermöglichen, die notwendig sind, um die Dynamik in einer Fallstudie wirklich zu verstehen.

Ein Beispiel für eine Arbeit, in der viele Informationen analysiert wurden, die miteinander verknüpft sind, ist Hanspach et al. 2014, die Szenarien, Causal-Loop Analysis, GIS und viele weitere methodische Ansätze enthält (siehe "Weitere Informationen").

Malerei

Ein weiteres Beispiel für eine Metapher, die helfen kann, einen Mixed-Methods-Ansatz zu verstehen, ist die klassische Landschaftsmalerei. Man versucht, alle Details einer Landschaft in ein Gemälde aufzunehmen, lässt dabei unzählige Details weg und verallgemeinert einige Informationen zu etwas ganz anderem. Das Setting kann recht konstruiert sein, mit einer Leinwand, einer bestimmten Perspektive, einigen Pinseln und einer Palette von Farben. Doch schon die Betrachtung der Farbvielfalt zeigt, auf welch unterschiedliche Weise die natürlichen Farben angenähert werden können. Bevor die chemische Industrie florierte, haben Maler*innen große Anstrengungen unternommen, um bestimmte Farben zu erhalten, oft zu einem hohen Preis. Doch Analysen solcher Gemälde zeigen uns die Überlegenheit dieser Farben, und wie viele solcher Gemälde den Test der Zeit bestehen. Eine andere Sache ist die Art und Weise, wie viele Maler*innen malen, vielleicht indem sie zuerst Ideen skizzieren, Kohleskizzen anfertigen und mit Perspektiven experimentieren. Farbe wurde oft nicht nur gemischt, sondern auch in Schichten aufgetragen. Pinseltechniken waren oft ein wesentlicher Bestandteil des spezifischen Charakters eines Gemäldes. Berücksichtigen Sie nun all diese Details bei der Betrachtung der wissenschaftlichen Methoden. Genau wie die Landschaftsmalerei können wissenschaftliche Methoden eine Kombination aus einer Leinwand, einigen Pinseln und ein paar Farben sein. Doch betrachten Sie die Vielfalt der Malerei, die wir heute kennen, und vergleichen Sie diese mit der Vielfalt der Erkenntnisse, die wir gewinnen können, wenn wir eine etwas andere Methode mit einer anderen Perspektive kombinieren. Was, wenn eine bestimmte Technik zur Dokumentation von Daten zu neuen Erkenntnissen führen kann? Und wie können wir unsere Palette verändern, um eine andere Darstellung der Realität zu erhalten? Und, nicht zuletzt, wie fügt sich unser Wissen in bereits vorhandenes Wissen ein? Viele Maler*innen wurden stark von anderen Maler*innen beeinflusst, und Denkschulen lassen sich in Gemälden sehr gut nachvollziehen und stehen im Fokus diverser Forschungsformen.

Integration, Reflexion und Normativität sind Komponenten der Methodologie, die sich langsam durchsetzen. Während der Tiefenfokus wahrscheinlich die Hauptstrategie der meisten Forschenden bleiben wird, verlangen die "wicked problems", mit denen wir derzeit konfrontiert sind, nach neuen Ansätzen, um eine Transformation zu ermöglichen und die damit verbundenen Mechanismen und Strukturen zu untersuchen. Vieles ist noch unbekannt, und wir müssen die Fokussierung auf Ressourcen, die Ansprüche von Wissenschaftler*innen, das Wissen anderer Wissenschaftler*innen zu bewerten und zu beurteilen, und nicht zuletzt die tiefe Verankerung der wissenschaftlichen Disziplinen, wenn es um ihre unterschiedlichen Methoden geht, überwinden.

Um Nietzsche zu zitieren: Nie gab es eine so neue Morgenröte und einen so klaren Horizont, und ein so offenes Meer.

Weitere Informationen

• Hanspach et al. 2014. A holistic approach to studying social-ecological systems and its application to southern Transylvania. Ecology and Society 19(4): 32.

Zeigt eine Kombination verschiedener Methoden in empirischer Forschung auf, darunter Scenario Planning, GIS, Causal-Loop Diagrams.

• Schreier, M. & Odag, Ö. Mixed Methods. In: G. Mey K. Mruck (Hrsg.). Handbuch Qualitative Forschung in der Psychologie. VS Verlag für Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH 2010. 263-277.

Eine gute Einführung in das Mixed Methods-Konzept.

---

The author of this entry is Henrik von Wehrden.