Mixed-Methods-Design
In diesem Beitrag
Was versteht man unter Mixed-Methods-Design?
Ein Mixed-Methods-Design ist ein Forschungsansatz, bei dem quantitative und qualitative Methoden systematisch in einer einzigen Studie kombiniert werden. Ziel ist es, durch die Verknüpfung beider Methodentraditionen ein umfassenderes und robusteres Bild des Forschungsgegenstands zu erhalten, als es eine einzelne Methode allein ermöglichen würde.
Die wichtigsten Designvarianten lassen sich danach unterscheiden, in welcher Reihenfolge und mit welchem Gewicht die Methoden eingesetzt werden:
- Sequenziell-erklärend (Explanatory Sequential): Zuerst werden quantitative Daten erhoben und ausgewertet; anschließend werden qualitative Daten genutzt, um die Ergebnisse zu erklären oder zu vertiefen.
- Sequenziell-explorativ (Exploratory Sequential): Zuerst qualitative Exploration, dann quantitative Überprüfung – etwa wenn zunächst Kategorien oder Hypothesen aus Interviews entwickelt und danach an einer größeren Stichprobe getestet werden.
- Konvergent (Convergent Parallel): Quantitative und qualitative Daten werden gleichzeitig erhoben, getrennt ausgewertet und anschließend zusammengeführt, um Übereinstimmungen oder Widersprüche zu identifizieren.
Das Konzept der Triangulation spielt dabei eine zentrale Rolle: Durch die Betrachtung eines Phänomens aus mehreren methodischen Perspektiven lassen sich Befunde wechselseitig stützen oder kritisch hinterfragen.
Warum ist Mixed-Methods-Design für statistische Analysen wichtig?
Rein quantitative Studien liefern belastbare Zahlen, können aber selten erklären, warum ein Effekt auftritt. Rein qualitative Studien beleuchten Bedeutungen und Kontexte, lassen sich aber nur eingeschränkt verallgemeinern. Ein Mixed-Methods-Design schließt diese Lücke, indem es die Stärken beider Ansätze nutzt.
Für die statistische Analyse bedeutet das konkret:
- Qualitative Befunde können helfen, überraschende quantitative Ergebnisse zu interpretieren oder Ausreißer in den Daten zu verstehen.
- Quantitative Analysen können prüfen, ob qualitativ entwickelte Kategorien oder Hypothesen auch in größeren Stichproben Bestand haben.
- Die Kombination erhöht die Validität der Studie: Wenn beide Methoden zum gleichen Schluss kommen, ist das Ergebnis besonders überzeugend.
Praxisbeispiel zu Mixed-Methods-Design
Eine Forscherin untersucht die Wirksamkeit eines neuen Online-Tutoring-Programms an einer Hochschule. Sie wählt ein sequenziell-erklärendes Design in zwei Phasen:
| Phase | Methode | Erhebung | Ziel |
|---|---|---|---|
| 1 (quantitativ) | Online-Fragebogen + Klausurergebnisse | n = 180 Studierende | Messen, ob das Programm die Prüfungsleistung verbessert |
| 2 (qualitativ) | Leitfadeninterviews | n = 12 Studierende (purposive sampling) | Erklären, warum das Programm bei manchen wirkt und bei anderen nicht |
In Phase 1 zeigt eine Regressionsanalyse, dass die Nutzungsintensität des Programms die Klausurergebnisse signifikant vorhersagt – aber nur bei einem Teil der Studierenden. Der Effekt ist bei Studierenden mit Nebenjob deutlich geringer. In Phase 2 erklären die Interviews, warum: Studierende mit Nebenjob nutzen das Programm zwar, aber unter starkem Zeitdruck und ohne die empfohlenen Übungsaufgaben zu bearbeiten. Die qualitative Analyse liefert damit eine inhaltliche Erklärung für den statistisch beobachteten Moderatoreffekt.
Durch die Integration beider Phasen entstehen konkrete Handlungsempfehlungen: Das Programm sollte kürzere, flexibel nutzbare Module anbieten, die speziell für Studierende mit begrenzten Zeitressourcen geeignet sind.
