inhalt · (5) die studienmerkmale sollen in der arbeit quantitativ analysiert werden – d.h....
Post on 12-Aug-2019
215 Views
Preview:
TRANSCRIPT
Inhalt 1 Gegenstand der BA-Arbeit: Durchführung eines „strukturieren Reviews“ ............... 2
2 Inhalt und genaue Aufgaben ............................................................................................ 2
2.1 Der quantitative Review .............................................................................................. 2
2.2 Der qualitative Review ................................................................................................ 5
3 Zu erbringende Leistungen und Bewertung ................................................................... 7
4 Themenfindung ................................................................................................................. 8
5 Terminplanung .................................................................................................................. 8
6 Kolloquium und Wechsel des „BA-Arbeits-Modells“ ................................................... 8
7 Einführungsveranstaltungen und methodisches Hintergrundwissen .......................... 9
8 Die Literatur-Suche ........................................................................................................ 10
8.1 Datenbanken .............................................................................................................. 10
8.2 Integration der Suchergebnisse verschiedener Datenbanken .................................... 12
9 Literaturverwaltung ....................................................................................................... 13
10 Glossar wichtiger Definitionen ...................................................................................... 13
1 Gegenstand der BA-Arbeit: Durchführung eines „strukturieren Reviews“
Ab Wintersemester 2016/17 wird der Gegenstand von BA-Abschlusseinheiten neu
konzeptualisiert. Für neu beginnende Arbeiten wird dies ab sofort der Standard; allerdings
können auch zukünftig in Absprache mit dem Betreuer besondere Vereinbarungen (z.B.
Analyse eines bestehenden Datensatzes) getroffen werden. Studierende, die bereits mit ihrer
Abschlussarbeit begonnen haben, können auf das Neu-Konzept überwechseln, wenn sie das
möchten.
Grundlegende Neuerung ist, das Studierende keine eigene Erhebung mehr durchführen
müssen, da die damit verbundene Identifikation einer eigenen, innovativen Forschungsidee,
Entwicklung eines Fragebogen, Datenerhebung und Analyse der Daten mit multivariaten
Verfahren in der Vergangenheit häufig zur Überforderungen geführt hatte. Innerhalb des
strukturierten Reviews sind die Aufgaben und Ziele dagegen klarer definiert und die
(Teil)leistungen reliabler evaluierbar (siehe dazu Abschnitt 3).
2 Inhalt und genaue Aufgaben
Der Review soll bestehen aus einem quantitativen Review und einem qualitativen Review.
2.1 Der quantitative Review
Der quantitative Review besteht darin, über zentrale Charakteristika des Forschungsfeldes
einen Überblick zu bieten. Der Begriff „quantitativ“ bedeutet hier, dass es um die Häufigkeit
bestimmter Merkmale geht – z.B. wie häufig bestimmte Firmengruppen untersucht werden,
oder welche theoretischen Perspektiven bestehen und wie diese verteilt sind. Wie weiter unten
im Detail beschrieben ist, sind Teilaufgaben hier, a) die Quellen in eine Datenbank
einzugeben, b) grob hinsichtlich ihres wesentlichen Inhalts zu sondieren und kurz
zusammenzufassen und c) die o.g. Merkmale zu extrahieren.
Konkreter bedeutet dies:
(1) Identifikation aller zentralen Artikel zum gewählten Thema. Zu berücksichtigen sind
nur in englischsprachigen Fach-Journals publizierte Artikel. Das heißt: keine
journalistischen Zeitschriften, Berichte aus dem Internet, Websites, Artikel für Praktiker,
Wikipedia etc. und andere nicht-wissenschaftliche Quellen.
Die Anzahl der Artikel kann sich – je nach Forschungsthema – im Bereich 150-200
bewegen. Wenn die Suche deutlich weniger als 150 Artikel ergibt, kann dies ein Hinweis
sein, dass die Forschungsfrage zu eng konzipiert ist und durch eine Verbreiterung des
Themenfeldes adressiert werden. Alternativ kann der quantitative Review durch eine
Meta-Analyse angereichert werden (mehr dazu später). Dies sollte mit dem Betreuer
geklärt werden. In Ausnahmefällen kann der Review mit weniger als 150 Artikeln
durchgeführt werden. Dies muss allerdings durch eine größere Bedeutsamkeit, Ausmaß
und Gewichtung des qualitativen Reviews ausgeglichen werden.
Zusammenfassend die Optionen bei <150 Artikel:
a) Verbreiterung des Feldes
b) Quantitativer Review des begrenzten Ausschnitts plus Meta-Analyse
c) Quantitativer Review des begrenzten Ausschnitts plus umfangreicherer qualitativer
Review
Ergibt die Suche dagegen mehr als 200 Artikel, werden die meist zitierten einbezogen.
Diese „Zitationsrate“ kann man in den meisten Datenbanken einsehen. Am schnellsten
geht dies mit Google Scholar:
Wie zu sehen, ist der Artikel von Cardon et al. von 548 anderen Artikeln zitiert worden.
„Zitiert von“ ist übrigens ein link, der zu diesen Artikeln führt, was u.U. hilfreich sein
kann, um weitere Artikel zum Thema zu finden.
(2) Die identifizierten Artikel werden in einer Literaturdatenbank erfasst. Ein Beispiel ist
hier zu sehen: http://bit.ly/2bRHffo
Die Datenbank kann in Excel angelegt werden oder – wie im o.g. Beispiel – auf google drive. Letzteres hat
z.B. den Vorteil, dass Sie und Ihr Betreuer die Datenbank simultan geöffnet haben kann (z.B. um telefonisch
bestimmte Einträge zu besprechen). Ein weiterer Vorteil (gegenüber Excel) ist, dass Zeilen mit
unterschiedlicher Zeilenhöhe (die sich zwangsläufig ergeben wird) sortiert werden können, ohne dass die
Höhe verändert wird. In Excel ist die Höhe an eine bestimmte Zeilennummer geknüpft. Sortiert man das file,
wird eine hohe Zeile (in der viel Text war) zusammengedrückt, weil sie nun eine Zeilennummer hat, die
vorher eine Zeile mit geringer Höhe hatte.
In der Datenbank sehen Sie verschiedene Spalten, welche eine (subjektive)
Kategorisierung der Literatur darstellen – in diesem Fall, ob der betreffende Artikel z.B.
die Themen „female entrepreneurship“, „Geschlechtsunterschiede in Gründungsvariablen“
oder start-up Aktivitäten“ beinhaltete. Diese Kategorisierungen können eine sehr gute
Grundlage für den qualitativen Review sein. Daneben enthält die Datenbank weitere
Informationen (z.B. ob man den Artikel bereits gelesen hat, und die Zitationsrate (CR)).
Weiter rechts sehen Sie Beispiele für kodierte Studienmerkmale (siehe Punkt 3). All diese
Informationen sind lediglich Beispiele. Ihre Datenbank kann – impliziert durch das
Forschungsfeld – ganz anders aussehen.
(3) Die Artikel werden grob sondiert. Ziel ist lediglich, a) eine Zusammenfassung schreiben
zu können, die so verständlich ist, dass sie eine fremde Person verstehen kann und b)
Informationen aus dem Artikel („Studienmerkmale“) zu extrahieren, die eine
quantifizierte Analyse möglich machen.
Um eine solche Zusammenfassung schreiben zu können, genügt in der Regel a) ein
genaues Lesen des abstracts, b) Lesen der Einleitung und c) der ersten 1-2 Absätze im
Diskussionsteil. Verständnisfragen, die beim Lesen dieser 3 Elemente auftauchen, können
mit gezieltem Nachschlagen beantwortet werden. Z.B. kann die Frage, was Carter und
Kolvereid in der verlinkten Datenbank unter „life stages“ verstehen, folgendermaßen
angegangen werden: Zunächst sucht man nach der ersten Verwendung des Begriffs „life
stages; dort wird dieser meist definiert. Anschließend schaut man im Methodenteil des
Artikels, durch welche konkreten Fragen „life stages“ gemessen wurden.
Anfangs ist dieses Überfliegen anstrengend und mühsam. Mit der Übung und Kenntnis
des Feldes wird dies immer schneller passieren. Ziel sollte sein, alle Informationen in 10-
15min. extrahieren zu können.
(4) Diese Studienmerkmale werden kodiert und in die Literaturdatenbank eingeben. Diese
sind die „Daten“ für die quantitative Analyse. Beispiele könnten sein:
o Untersuchte Population: D.h. welche besonderen Gruppen wurden untersucht (z.B.
Top Manager, Call Center Mitarbeiter, deutsche mittelständige Firmen)?
o Stichprobengröße: Wieviel Personen / Firmen wurden untersucht?
o Branche
o Land
o Definitionen der Konstrukte: Jede Studie fokussiert meist auf mehrere unabhängige
und abhängige Variablen (siehe Glossar). Der Literaturüberblick sollte beinhalten,
welche zentralen Konstrukte in den Studien behandelt wurden. Darüber hinaus könnten
die zentralen Konstrukte in separaten Spalten eingetragen und definiert werden. Es ist
häufig so, dass verschiedene Studien, sich auf den gleichen Begriff beziehen (z.B.
„Arbeitszufriedenheit“), aber verschiedene Vorstellungen haben, was dieses Konstrukt
bedeutet (z.B. Spaß bei der Arbeit vs. positive Einstellung zur Arbeit).
o Benutzte Theorie: In der Regel ziehen Studien bestimmte Theorien heran, auf deren
Basis sie ein Forschungsmodell entwickeln und Hypothesen generieren. Teil des
Reviews könnte ein Überblick über die Theorien sein.
o Research implications: Teil des Diskussionsteils eines Artikels ist die Diskussion von
zukünftigen Forschungsfragen, die noch offen sind, oder aus den Schwächen der Studie
folgen. Werden diese im Rahmen des Reviews analysiert, ergibt sich ein interessantes
Portfolio of zukünftigen Forschungsfragen, die z.B. im Rahmen von Master-
Abschlussarbeiten bearbeitet werden könnten.
o Forschungsdesign (Survey mit Fragebögen, Experiment, Quasi-Experiment).
o Level of Analysis: Wurden Individuen untersucht (z.B. eine Stichprobe von 125
Unternehmensgründer) oder Firmen (Stichprobe von 400 deutschen Unternehmen)?
Dies sind nur Beispiele. Die verwendeten Merkmale hängen von betrachteten
Forschungsfeld ab.
(5) Die Studienmerkmale sollen in der Arbeit quantitativ analysiert werden – d.h. univariat
(Häufigkeiten) oder multivariat (Z.B. Kreuztabellen, Korrelationen) um zum Einen
Aufschluss darüber zu erhalten, durch welche Vorgehensweisen und Denkweisen „die
Literatur“ gekennzeichnet ist und z.B. zu analysieren, welche Merkmale miteinander
assoziiert sind. Es empfiehlt sich, hierzu das Kapitel 1.1-2.2 über Methoden der
deskriptiven Statistik in Moore et al. zu lesen (siehe Literatur).
(6) Es kann (v.a. bei eher fokussierten Forschungsfeldern, die weniger als 150 Artikel
beinhalten) eine quantitative Meta-Analyse erfolgen, was den nötigenUmfang des
qualitativen Reviews reduziert. Dies kann v.a. dann eine Option sein, wenn man sein
eigenes Vermögen, die qualitative Integrationsarbeit zu leisten, eher skeptisch einschätzt.
Bei einer Meta-Analyse wird eine Zusammenhangsmaß (meist der
Korrelationskoeffizient), der den Zusammenhang zwischen einer (zentralen)
unabhängigen und abhängigen Variablen analysiert. Diese Analyse beinhaltet drei
Aspekte:
a) den durchschnittlichen Zusammenhang (d.h. das mit der Stichprobengröße
gewichtete, durchschnittliche Zusammenhangsmaß) und
b) die Streuung dieses Zusammenhangsmaßes (d.h. Unterschiedlichkeit der
Studienergebnisse).
c) Moderatoranalysen: Hierbei wird einfach das in „a“ beschriebene, durchschnittliche
Zusammenhangsmaß in separaten Subgruppen berechnet, die durch die
Studienmerkmale impliziert sind. Beispielsweise ist es oft plausibel, dass der
Zusammenhang zwischen zwei Variablen in verschiedenen Branchen unterschiedlich
ist.
Ist die Durchführung einer Meta-Analyse beabsichtigt, muss entschieden werden, was der
Zusammenhang von Interesse sein soll (z.B. Zusammenhang zwischen Anzahl der
Gründungsmitglieder und Unternehmenserfolg). Ist dies erfolgt, muss bei der Extraktion
der Studienmerkmale der entsprechende Korrelationskoeffizient mit in die Datenbank
eingegeben werden.
(7) Sowohl die Analyse der Studienmerkmale als auch (ggfls.) die Meta-Analyse kann mit
Excel gemacht werden. Etwas sophistiziertere Programme (SPSS, R, STATA) bieten
allerdings mehr Möglichkeiten:
o R (Freeware): http://cran.r-project.org/bin/windows/base/
a. Zuur, Ieno, Meesters (2009). A beginner’s guide to R. (frei im Netz verfügbar)
b. Dalgaard (2008). Introductory Statistics with R. (frei im Netz verfügbar)
c. Kleiber & Zeileis (2008). Applied Econometrics with R. (frei im Netz verfügbar)
d. Andy Field et al. Discovering Statistics using R. (über Uni-Bibliothek verfügbar)
o Stata (kann ggf. über den Lehrstuhl erworben werden):
a. Acock, A.: A gentle introduction to Stata.
b. Kohler & Kreuter (2012): Datenanalyse mit Stata: Allgemeine Konzepte der
Datenanalyse und ihre praktische Anwendung.
c. Online Vorlesung: Introduction to Stata
(http://www.ats.ucla.edu/stat/stata/notes/default.htm ).
d. „Hilfe“ zu verschiedensten Themen rund um Stata:
http://www.ats.ucla.edu/stat/stata/
e. Mastermodul “Applied Microeconometrics using STATA” (Dr. Lück)
o SPSS (Lizenz kann gegen geringen Betrag über die Uni gekauft werden):
a. Lizenzen über IMT verfügbar: https://imt.uni-paderborn.de/software/lizenz-spss/
b. Bachelormodul „Einführung in die Multivariate Statistik mit SPSS“ (Dr. Lück)
c. Auf Nachfrage (M.Wehner/ B. Krebs): ÜK-Folien der Veranstaltung
„International Comparative Management“
2.2 Der qualitative Review
(1) Über den quantitativen Review hinaus soll ein qualitativer Review erfolgen, der über die
wichtigsten Themen, Ansätze, Denkweisen, Ergebnisse etc. einen Überblick gibt. Da
dieser Review ein genaues Lesen der betreffenden Artikel erfordert, soll er auf die 30
wichtigsten / einflussreichsten Artikel beschränkt sein. Auswahlkriterium für diese
Artikel ist die Zitationsrate.
Hier kann man eine schönen Überblick über Inhalt und Funktion eines qualitativen
Reviews erhalten. Beispiele für gute Reviews bekommt man z.B. im „Annual Review of
Psychology“, oder in dem man in den Datenbanken nach gut zitierten Reviews sucht.
(2) Die Interpretation der Literatur sollen mithilfe eines Modells (Pfaddiagramm) mit
zentralen Variablen illustriert werden. Beispiel:
Dieses Pfaddiagramm kann entweder dazu dienen, die bestehenden Ergebnisse zu
illustrieren und/oder Ihre eigenen „begründeten Spekulationen“ über zentrale Prozess im
Feld ausdrücken.
Ein qualitativer Review stellt hohe Anforderungen an Ihre Fähigkeit, verschiedene
Studien, Denkweisen, Ansätze, Theorien und Ergebnisse „themen-strukturierend“ zu
integrieren. Ein schlechter Review besteht aus einer Abfolge von
Studienzusammenfassungen – ein guter Review knüpft einen roten Faden, der die
Kreativität und das Verständnis des Schreibers ausdrückt und die gelesenen Artikel quasi
als Belege für die eigenen Standpunkte verwendet. In der Literaturdatenbank können die
bereits besprochenen Kategorisierungsspalten (z.B. „fem Ent“) dabei helfen, die Literatur
nach subjektiv sinnvollen Kategorien zu strukturieren. Dieses Kategorisierungssystem
hilft nicht nur, schnell alle Artikel zu identifizieren, die einen bestimmten Aspekt
beinhalten (mittels der Filterfunktion) sondern auch, das Themenfeld vor-zu-strukturieren
und kann so die Basis für die schriftliche Ausarbeitung sein. Dies bedeutet aber auch, dass
diese Kategorien von Tag 1 an einem fortlaufenden Überprüfungs-, Differenzierungs –
und Integrationsprozess unterliegen müssen.
(3) Zu Anfang der Arbeit sollten hier zunächst bestehende Meta-Analysen und qualitative
Reviews identifiziert und genau gelesen werden um a) einen groben Überblick über das
Feld zu bekommen (und sich ggfls. zu fokussieren) und b) sich von diesen abgrenzen zu
können. Es ist hoffentlich klar, dass ein bereits veröffentlichter Review einen erneuten
(nämlich Ihren) obsolet macht, außer es gibt Gründe (die sie darlegen müssen).
Das heißt, das Vorliegen eines Reviews muss für Ihren Review nicht das „Aus“ bedeuten;
nur sollten Sie dies offensiv angehen und sich bewusst abgrenzen. Der „add-on value“
Ihrer Arbeit muss in der Einführung ihrer Arbeit verteidigt werden.
3 Zu erbringende Leistungen und Bewertung
Im Rahmen der BA-Arbeit haben Sie folgende Teilleistungen zu erbringen:
Aufgabe Leistung Fehler
Identifikation der
relevanten Studien
Kompetent mit Suchmaschinen
umgehen
Systematisch mit den gefunden
Studien umgehen
Wichtige / häufig zitierte Studien
wird übersehen.
Fehlerhafte Verwendung
boolescher Operatoren
Schreiben der
Zusammenfassungen
Komplexe Informationen auf das
Wesentlich reduzieren
Artikel gezielt nach den
relevanten Informationen
durchsuchen
Verständlich schreiben
Unnötige Elemente werden
gelesen / zu viel Zeit verwendet
Unwichtige / nicht zentrale
Informationen werden extrahiert
Zusammenfassung ist
unverständlich für Dritte
Aufbau und Pflege
der Datenbank
Systematisch und strukturiert
arbeiten
Studienmerkmale gezielt
identifizieren können (erfordert
generisches Verständnis des
„Artikels“ als
Kommunikationsform)
Informationen fehlen oder sind
fehlerhaft
Zuviel Zeit / Aufwand für einen
Artikel
Quantitativer
Review
Quantitative Analyse auf
bescheidenem Niveau
durchführen können
Interessante Fragestellungen
identifizieren beantworten (
was hilft zum Verständnis der
Literatur?)
Die einzelnen Ergebnisse in eine
„Story“ mit rotem Faden
einbinden die zusammen mit dem
qualitativen Review ein
stimmiges Gesamtbild ergibt.
Fehler in der Durchführung der
Analyse
Es werden Analysen gerechnet,
die uninteressant und wenig
hilfreich sind.
Keine Verknüpfung der
Teilelemente; Springen von
Ergebnis zu Ergebnis
Qualitativer Review Das Forschungsfeld nach
theoretisch sinnvollen Merkmalen
kategorisieren und damit
strukturieren.
Von den einzelnen Studien
abstrahieren können auf wichtige,
relevante Prozesse und Prinzipien
Ein Gesamtbild generieren
Irrelevante Kategorien, sinnvolle
werden dagegen nicht identifiziert
Verknüpfungen zwischen
Teilabschnitten des Reviews
unklar / es gibt Brüche ohne
Überleitung
Studien werden lediglich
nacherzählt – der Grad der
Abstraktion geht nicht über die
Studien hinaus.
4 Themenfindung
Die Themenfindung kann flexibel gestaltet sein:
a) Sie kann auf Ihren eigenen Ideen / Interessen beruhen. Da die Notwendigkeit der
Identifikation einer innovativen Forschungsidee wegfällt, ist es leichter, dass Sie Ihre
eigenen Interessen verwirklichen können Natürlich sollte der Betreuer hier in
Vorbesprechungen einen Realitätscheck vornehmen und diesen kommunizieren. Bezieht
sich z.B. Ihr Interesse auf das Thema „Arbeitsmotivation“ oder „Strategie“ ist eine
dringende Fokussierung erforderlich.
b) Das Thema kann vom Betreuer vorgegeben werden. Dazu ist es sinnvoll, eine Liste mit
Themen zu kommunizieren (auf der Homepage), die einen mittleren Grad an Abstraktion
("Motivation", "Strategie") und Konkretheit ("Beziehung zwischen Talent Management
und commitment") aufweisen.
c) Die Regel dürfte eine Kombination von a und b sein.
5 Terminplanung
(1) Zukünftig soll die Zeitplanung etwas strikter sein. Das heißt, dass es einen festen
Starttermin am Anfang des Semesters geben wird, zu dem alle BA's anfangen. Für das
WS16 soll dies allerdings noch frei und flexibel gehandhabt werden
(2) Für die kommenden Semester ist der Starttermin der 01.05. und 01.11.
6 Kolloquium und Wechsel des „BA-Arbeits-Modells“
(1) Studierende müssen an einem Forschungskolloquium teilnehmen und dort Ergebnisse
ihres Reviews vorstellen. Dies geschieht etwa nach Ablauf der Hälfte der Zeit.
(2) Die Kolloquien werden als Block an 2 Terminen a 4h abgehalten. Im Wintersemester ist
die Phase mit den beiden Terminen 2 Wochen vor Weihnachten, im Sommersemester
Mitte Juni. Die Zuweisung zu einem der beiden Termine geschieht durch den Lehrstuhl.
(3) Weil für das WS16 noch kein Starttermin vorgesehen ist, und Sie ggfls. später starten,
kann dieser "Weihnachtstermin" recht früh erscheinen. Das mach aber nichts – Sie stellen
dann einfach vor, was Sie zu diesem Zeitpunkt haben.
(4) Grundsätzlich geben Sie in Ihrem Vortrag einen Überblick über ihre Herangehensweise,
Schwierigkeiten, und natürlich den gegenwärtigen Inhalt des qualitativen und
quantitativen Reviews.
(5) Sollten Sie zur Gruppe der Studierenden gehören, die schon an einigen Kolloquien
teilgenommen haben (und bislang geplant haben, eine rein empirische Studie
durchzuführen), können Sie zum „Review-Modell“ wechseln. In diesem Fall brauchen sie
am gemeinsamen (Master/Bachelor)-Kolloquium nicht mehr teilzunehmen, sondern
müssen am o.g. Block-Kolloquium teilnehmen.
7 Einführungsveranstaltungen und methodisches Hintergrundwissen
Vor der Startphase gibt es 1-2 Workshops über methodische Aspekte. Deren Inhalte beziehen
sich auf das Wissen über die Struktur von Artikeln, Tipps zur Vorgehensweise, als auch
wissenschaftsmethodische Aspekte, die Sie kennen müssen, um Artikel inhaltlich zu
verstehen. Etwas spezieller:
Aufbau und Struktur eines wissenschaftlichen Artikels (Einführung, Theorie,
Methodik, Ergebnisse, Diskussion, „5 W Fragen“, Prinzip der Absatz-Strukturierung,
Deduktiver Aufbau)
Suche von Literatur (siehe Punkt 8)
Konstrukte, Theorien und Hypothesen
Variablen (unabhängige Variablen und abhängige Variablen)
Modelle und Abbildung mit Pfaddiagrammen
Grundlagen der Regression und Verständnis von Korrelations- und
Regressionstabellen (Regressionskoeffizienten, Signifikanztests)
Moderatoren und Mediatoren.
Grundlagen der Meta-Analyse (gewichteter Mittelwert, Heterogenität, Moderatoren in
Meta-Analysen)
Dies ist nicht nur ein Überblick, sondern sollte als Checkliste von Konzepten dienen, die Sie
sich (v.a. eigenverantwortlich) aneignen müssen, um die Inhalte wissenschaftlicher Artikel zu
verstehen zu können. Die wichtigsten Konzepte sind im Glossar enthalten (s. Abschnitt 10).
Zum Nachschlagen empfehlen wir auszugsweise
(1) Saunder, Lewis, & Thornhill: Research methods for business students (allgemeiner
Überblick über den Forschungsprozess. Je nach Notwendigkeit und Interesse spezifische
Kapitel anschauen)
Ist im Netz frei verfügbar: http://bit.ly/2cemybF
(2) Moore, McCabe, & Craig: Introduction to the practice of statistics.
Empfohlen werden:
o Kap. 1.1 – 2.2 (Deskriptive Statistik),
o Kap. 6 (Inferenzstatistik und Hypothesentesten,
o Kap. 10 & 11 (Regression)
Das Buch findet man ebenfalls frei im Netz: http://bit.ly/2c6evjQ
8 Die Literatur-Suche
8.1 Datenbanken
Ziel der Suche von Artikeln ist, möglichst ein unverzerrtes Bild über die Literatur zu
bekommen.
Eine häufige Reihenfolge ist:
(1) Bereits durchgeführte Reviews und Meta-Analysen zu Rate ziehen (d.h. deren Artikel
und mögliche in diesen Artikeln zitierten weiteren Arbeiten). Dies ist auch sinnvoll, um
auf Ideen zu kommen, welche Moderatoren man kodiert.
(2) Datenbanken zu benutzen.
o Hier ein link zu allen WiWi-Datenbanken: http://rzblx10.uni-
regensburg.de/dbinfo/dbliste.php?bib_id=ub_pb&colors=31&ocolors=40&lett=f&gebie
te=16Je
Je nach Forschungsfeld bieten sich an
ABIINFORM
PsycInfo: http://rzblx10.uni-
regensburg.de/dbinfo/detail.php?bib_id=ub_pb&colors=&ocolors=&lett=fs&tid=0
&titel_id=149
EconLit
JSTOR
Web of Science
Scopus
o SSRN (Social Science Research Network): http://rzblx10.uni-
regensburg.de/dbinfo/dbliste.php?bib_id=ub_pb&colors=&ocolors=&lett=fs&Suchwort=SSRN
o PsycINFO: http://rzblx10.uni-
regensburg.de/dbinfo/detail.php?bib_id=ub_pb&colors=&ocolors=&lett=fs&tid=0&tite
l_id=149
(3) Google scholar. Hier besteht allerdings das Problem, dass GS die Suchbegriffe im
gesamten Text inkl. den Referenzen sucht. D.h., in den meisten Fällen hat der Suchbegriff
keinerlei Bezug zur Studie. Dadurch wird eine so große Anzahl von Artikeln ausgegeben,
die weder irgendwie handhabbar ist, noch sinnvoll. Man kann die Suche aber verfeinern,
in dem man sie entweder auf den Titel beschränkt oder – wenn das noch zu grob bist auf
eine Kombination von Titel und Begriffen im Text.
o Im Titel: intitle:stress
o Im Titel eine Phrase: intitle:"emotional dissonance"
o Im Titel mehrere Phrasen: allintitle:"emotional labor" "meta-analysis" (Wenn
„allintitle“ aufgeführt wird, werden automatisch alle Suchbegriffe im Titel gesucht).
o Kombination aus intitle und intext. Will man nun diesen Suchbegriffen nach
„allintitle“ einen intext-Begriff hinzufügen, kann man den nicht einfach hinzufügen:
Aber: tut man dies unter Verwendung von „allintitle“ für die Begriffe im Titel (z.B.
sample allintitle(customer aggression), dann hebelt man dadurch, dass vorher ein
Begriff „einfach so kommt“, den allintitle-Operator aus. Folglich wird der Operator
„allintitle“ als weiterer Suchbegriff verstanden und alle Begriffe werden im Text statt im
Titel gesucht (das heißt, er sucht im Text die Begriffe „sample“, „allintitle“, „customer“
und „aggression“.
Stattdessen spezifiziert man für all Phrasen/Wörter, die Titel vorkommen sollen, die
entsprechende Suche mit dem intitle-Operartor (intitle:customer intitle:aggression
sample). So findet man alle Artikel die im Titel customer und aggession haben
(zusammengeschrieben oder getrennt) und irgendwo im Artikel den Begriff „sample“.
Dies kann bei der Suche für eine Meta-Analyse nützlich sein, um die nicht-empirischen
Artikel auszuschließen (macht aber die Annahme, dass alle empirischen Artikel
irgendwo den Begriff sample haben. Alternativen könnten sein: results, …?).
o Ausschluss unpassender Artikel: Man kann die Suche einschränken, in dem man
Suchbegriffe ausschließt (sog. „Rückwärts-Suche: man fängt breiter an und schmeißt
Artikel mit unpassenden Eigenschaften raus). Dies geht auch im Titel (z.B.
allintitle:"emotional labour" -qualitative Sucht alle Artikel, die „emotional labour“
im Titel tragen aber nicht qualitative. Man sollte aber Ausschlüsse nur auf Begriffe im
Titel beziehen und nicht im Text, weil es durchaus realistisch ist, dass solche Begriffe
einfach als Quellen im Text erscheinen, ohne die Studie selbst zu betreffen. In jedem
Fall: Vorsicht, ob man das Baby nicht mit dem Badewasser ausschüttet.
Was die Kombination zweier Begriffe mit dem „or“-Operator bringt, ist mir noch nicht
100% kar. Ich hatte mal erlebt, dass die Kombination nicht zu mehr Studien führte, als
die Begriffe sample und participants alleine (sogar mal weniger).
o Umgang mit vielen Suchergebnissen in google scholar. Wenn man 50 Artikel findet,
kann man die schnell innerhalb eines Tages durchgehen. Bei 800 geht das nicht mehr.
Wenn man aber am nächsten Tag weiter machen will und die Suche wiederholt, a) weiß
man nicht mehr wo man am Tag zuvor aufgehört hat und b) ändert sich das
Suchergebnis. Als Lösung bietet sich das Programm „publish or perish“ (P&P) an, dass
auf google scholar zu greift und somit den selben Suchoutput liefert:
Das coole daran: über „Copy“ kann man sich den Output in Excel speichern mit allen
wichtigen Merkmalen (Autor, Jahr, Journal etc.) und eben auch dem Google Scholar
link. Kopiert man den in den Browser, öffnet sich eine Seite in der der Artikel als fetter
link abgebildet ist und alle Studien, die ihn zitieren. Einfach auf den fetten link klicken
und man hat den Artikel (nicht verwirren lasse, es werden zig Versionen des Artikels
angezeigt. P&P kann man hier herunterladen.
Auf diese Weise kann man die Excel-Liste Artikel für Artikel abarbeiten und für jeden
Artikel notieren, ob er gepasst hat oder nicht (und warum nicht).
Aber es wird noch besser: Man kann nun alle Versionen von Suchbegriffen
nacheinander laufen lassen und alle Ergebnisse aus P&P im Excel-file direkt
untereinander kopieren. Dann sortiert man nach dem Autor und sieht mit bloßem Auge
evtl. doppelte, dreifache, x-fache Versionen. Die kann man Löschen und hat am Ende
EIN File mit allen vorhandenen Artikel, die irgendwas mit den Suchbegriffen zu tun
hatte. Dabei kann man eine nette Funktion von Excel nutzen – nämlich doppelte
Autoren farblich markieren: Dazu Spalte markieren (es kann auch eine andere als die
Autoren-Spalte sein – gerade wenn man das Ganze ein paar Wochen / Monate später
wiederholt); dann unter Start/Bedingte Formatierung/Regeln zum Hervorheben von
Zellen/Doppelte Werte und OK. Dadurch werden alle Autoren, die mehrfach
vorkommen, farblich hervorgehoben. Für diese kann man dann überprüfen, ob die Titel
sich auf dieselben Artikel beziehen. Leider weiß ich nicht, wie man die Markierung
wieder wegbekommt….
Wenn man die gesamte Suche wiederholt und das File dann zu 90% aus exakten
Dopplungen besteht, kann man doppelte Einträge auch direkt löschen: Über
Daten/Doppelte entfernen…Dabei am besten alle im Menüfeld markierten Felder
ausgewählt lassen. Niemals nur Autoren markieren, sonst werden alle Artikel von
Autoren, die mehrere Artikel haben, entfernt.
o Alert einrichten. Die Google scholar-Ergebnisse ändern sich täglich. Um auf dem
Laufenden zu bleiben, kann man – wenn man ein Google-Konto besitzt, Alerts
einrichten. D.h. man gibt zentrale Suchbegriffe an (auch hier am besten wieder im Title)
– und, wenn eine neue Studie erscheint, die diese/n Begriffe enthält, bekommt man eine
mail.
Dazu auf „Benachrichtigungen“ klicken und „Alert erstellen“. Dort dann
„allintitle:Begriffe“ eingeben oder eben eine andere sinnvolle, der oben diskutieren
Optionen.
8.2 Integration der Suchergebnisse verschiedener Datenbanken
Oben wurden mehrere Datenbanken empfohlen. Wenn man die alle nutzt (oder mehrere),
dann werden 90% der Ergebnisse in der Regel identisch sein. Daher empfiehlt es sich, bei der
Nutzung der ersten Datenbank alle Quellen in alternativ zwei Listen (z.B. Excel) zu speichern
(nur die Quelle, also Autor, Jahr, Titel).
Ist die Quelle auf den ersten Blick (d.h. aufgrund Titel, Abstract und Keywords) eindeutig
nicht brauchbar, kommt die Quelle in eine „Blacklist“ – also die Ausschuss-Liste
Ist die Quelle geeignet oder vielleicht geeignet (worüber erst ein genauerer Blick in den
Artikel entscheiden wird), kommt sie in die Literaturliste. Stellt sich später heraus, dass sie
doch nicht passt, verschiebt man die Quelle in die Blacklist.
Dies ist zwar erst etwas mühsam, aber bereits beim Durchsuchen der zweiten (und der
weiteren) Datenbanken braucht man nur noch den Output mit beiden Listen abzugleichen und
schaut sich nur die Abstracts derjenigen Artikel an, die nicht in einer der Listen drin ist. Man
hat also nicht die dauernde Problematik, nicht zu wissen, ob man einen bestimmten Artikel
schon mal vor Augen hatte.
Dabei muss man die Quelle so gut sie nie in eine der Listen schreiben, sondern kann sie i.d.R.
kopieren. Z.B. hat Google Scholar direkt unter dem Link zum Artikel einen kleinen „cite“-
link. Klickt man auf den, öffnet sich ein Fenster woraus man die komplette Zitation kopieren
kann.
9 Literaturverwaltung
Programme: Wir empfehlen die Verwendung eines Literaturverwaltungsprogramms. Die
Universität stellt Citavi zur Verfügung (http://www.ub.uni-
paderborn.de/recherchieren/citavi/). Mendeley ist eine frei verfügbare Alternative
(http://www.mendeley.com). Mit diesen Programmen kann Literatur archiviert und
strukturiert werden. Außerdem erleichtern sie das Einfügen von Quellen in Word (
Symbolleiste) und das Erstellen des Literaturverzeichnisses (wird automatisch angelegt)
Schulungen in der Universitätsbibliothek – Einführung in die Bibliotheksnutzung,
Rechercheworkshop für WiWi-Studierende, Literaturverwaltung mit Citavi
(http://www.ub.uni-paderborn.de/schulungen/terminplan.shtml)
10 Glossar wichtiger Definitionen
Abhängige Variable: Variable, durch das Forschungsmodell erklärt werden soll
(Konsequenz, Outcome, Kriterium).
Hypothese:
o Hypothesen sind aus Theorien abgeleitete spezifische Erwartungen über einen
empirischen Zustand
o Es werden folgende Typen von Hypothesen unterschieden:
Punkthypothesen: erwartete Prävalenz eines Merkmals (z.B. 90% der deutschen
Unternehmen investieren in Weiterbildungsmaßnahmen)
Beziehungshypothesen: erwartete Assoziation zwischen zwei Konstrukten (z.B.
Fluktuationsrate positiv mit Absentismusrate assoziiert)
Unterschiedshypothesen: erwarteter Unterschied bzgl. eines Merkmals oder
Zusammenhangs zwischen zwei Populationen (z.B. Exportquote deutscher
Unternehmen höher als die US-amerikanischer)
Item:
o Als Items werden die innerhalb von Fragebogenstudien genutzten Messinstrumente
bezeichnet
o In Abgrenzung zum Begriff Skala versteht man unter einem Item eine konkrete Frage
oder Aussage in Kombination mit den vorgegebenen Antwortkategorien
Konstrukt, theoretisches oder hypothetisches: Theoretischer Begriff, der je nach
wissenschaftstheoretischem Verständnis mehr oder weniger direkt ein empirisches
Phänomen bezeichnet (z.B. Arbeitszufriedenheit, Transaktionskosten, Vertrauen,
Strategien, bis hin zu Elektronen und Gravitation oder sogar, Zeit, Raum und Kausalität.
Konstrukte sind die zentrale Elemente von Theorien
Operationalisierung: Gibt an, durch welche beobachteten/empirischen Variablen (
z.B. items) ein theoretisches Konstrukt repräsentiert werden soll (z.B. mittels einer
bestimmten Skala oder eines bestimmten experimentellen Designs).
Skala: Hier gibt es zwei Bedeutungen.
(1) Als Skala wird die „Technik“ bezeichnet, mit der latente (nicht-beobachtbare)
Konstrukte gemessen werden. Eine Skala gibt an, wie solche latenten Variablen in
numerische Werte überführt werden sollen.
Bsp. Likert-Skala: Es wird nach der Zustimmung zu einer bestimmten Aussage
gefragt, wobei das Maß der Zustimmung von „stimme zu“ bis „stimme nicht zu“
(bspw. in fünf Abstufungen) in numerische Werte überführt wird (z.B. 1-5)
(2) Eine Skala wird auch als eine Menge von Items bezeichnet, die ein Konstrukt
messen. Hintergrund ist, dass einzelne Items einen zufälligen Messfehler beinhalten
(z.B. man wählt das „falsche“ Kreuz) – dieser sich aber bei der Verwendung mehrerer
Items, die dasselbe Konstrukt messen, nivelliert.
Theorie:
o Eine Menge von Aussagen über und Erklärungen von kausale(n) Zusammenhängen
zwischen theoretischen Konstrukten, von denen mindestens eine Teilmenge empirisch
überprüfbar (und damit falsifizierbar) ist
o Einige Aussagen können axiomatischen Charakter haben, d.h. sie können praktisch
nicht oder nur unzureichend empirisch überprüft werden
o Dennoch definiert sich jede Theorie darüber, zumindest in Teilen empirisch
überprüfbare Aussagen über (kausale) Zusammenhänge zu machen -> sonst nutzlos
o Merkmale wissenschaftlicher Theorien:
o falsifizierbar (demarcation criterion, Popper)
o logisch und intern konsistent
o klar und präzise formuliert
o breit (betreffen viele Phänomene) vs. spezifisch
o einfach (Ockham´s Razor)
Unabhängige Variable: Variable, von der – basierend auf theoretischen Erwartungen –
einen Effekt auf die abhängige Variable halten sollte.
top related