Kodierungen analysieren und visualisieren

Dieses Buch beschreibt methodische Schritte für zwei Visualisierungsverfahren, hebt Potenziale und Grenzen hervor und demonstriert ihre Anwendung in MAXQDA und R Studio.

Ist der Datensatz umfangreich, das Kategoriensystem komplex und wird vermutet, dass mehr in den Daten steckt, dann bietet dieses Lehrbuch eine methodisch fundierte und anwendungsorientierte Einführung in die transformative Mixed-Methods-Datenanalyse. Ziel ist es, über qualitative Auswertungen hinauszugehen und durch Quantifizierungen sowie Visualisierungen qualitativer Kodierungen latente Strukturen systematisch sichtbar zu machen. Der Einsatz explorativer quantitativer Methoden ermöglicht es, Typen von Fällen und Zusammenhänge zwischen Kategorien zu identifizieren, die in rein qualitativen Analysen aufgrund der Informationskomplexität in großen Datensätzen oft verborgen bleiben. Gleichzeitig werden bei der Interpretation dieser Strukturen die qualitativen Daten und Analysen einbezogen, was zu einem tiefgehenden Verständnis der zu untersuchenden Phänomene beiträgt. Im Buch werden zunächst Grundlagen zu Kategorien und Kategoriensystemen erläutert sowie die Interkoder-Übereinstimmung als zentrale Qualitätsprüfung eingeführt. Zudem werden Besonderheiten bei der Transformation qualitativer Kodierungen in quantitative Daten erläutert. Im Hauptteil wird erstens eine Mixed-Methods-Typenbildung mittels Hauptkomponentenanalyse, Multidimensionaler Skalierung und Clusteranalyse schrittweise dargestellt. Ziel ist es, Fälle auf Basis ihrer Ähnlichkeiten zu gruppieren und voneinander abzugrenzen. Zweitens werden drei Arten von Netzwerkkarten vorgestellt, mit denen Beziehungen zwischen Kategorien exploriert werden können, um strukturelle Muster im Datensatz sichtbar zu machen. Anhand eines Beispieldatensatzes sowie praxisnaher Übungen mit MAXQDA und RStudio lernen Forschende, Lehrende und Studierende, die Verfahren auf eigene Projekte zu übertragen und komplexe qualitative Daten systematisch zu analysieren, zu visualisieren und datengestützt zu interpretieren. Dieser Datensatz und sämtliche im Buch verwendeten R-Skripte sind in einem begleitenden GitHub-Repository verfügbar.