Maybaygiare.org

Blog Network

Eine Einführung in die quantitative Forschung

Quantitative Forschung ist der Prozess des Sammelns und Analysierens numerischer Daten. Es kann verwendet werden, um Muster und Durchschnittswerte zu finden, Vorhersagen zu treffen, kausale Zusammenhänge zu testen und Ergebnisse für eine breitere Bevölkerung zu verallgemeinern.Quantitative Forschung ist das Gegenteil von qualitativer Forschung, bei der nicht numerische Daten (z. B. Text, Video oder Audio) gesammelt und analysiert werden.

Quantitative Forschung ist in den Natur- und Sozialwissenschaften weit verbreitet: biologie, Chemie, Psychologie, Wirtschaft, Soziologie, Marketing usw.

Beispiele für quantitative Forschungsfragen
  • Wie sieht die demografische Zusammensetzung Singapurs im Jahr 2020 aus?
  • Wie hat sich die globale Durchschnittstemperatur im letzten Jahrhundert verändert?
  • Beeinflusst die Umweltverschmutzung die Prävalenz von Honigbienen?
  • Erhöht die Arbeit von zu Hause aus die Produktivität von Menschen mit langen Arbeitswegen?

Quantitative Forschungsmethoden

Sie können quantitative Forschungsmethoden für deskriptive, korrelative oder experimentelle Forschung verwenden.

  • In der deskriptiven Forschung suchen Sie einfach eine allgemeine Zusammenfassung Ihrer Studienvariablen.
  • In der Korrelationsforschung untersuchen Sie Zusammenhänge zwischen Ihren Studienvariablen.
  • In der experimentellen Forschung untersuchen Sie systematisch, ob eine Ursache-Wirkungs-Beziehung zwischen Variablen besteht.

Korrelations- und experimentelle Forschung können beide verwendet werden, um Hypothesen oder Vorhersagen mithilfe von Statistiken formal zu testen. Die Ergebnisse können auf der Grundlage der verwendeten Stichprobenmethode auf breitere Bevölkerungsgruppen verallgemeinert werden.Um quantitative Daten zu sammeln, müssen Sie häufig operative Definitionen verwenden, die abstrakte Konzepte (z. B. Stimmung) in beobachtbare und quantifizierbare Maße (z. B. Selbsteinschätzungen von Gefühlen und Energieniveaus) übersetzen.

Quantitative Forschungsmethoden
Forschungsmethode Verwendung Beispiel
Experiment Steuern oder manipulieren Sie eine unabhängige Variable, um ihre Wirkung auf eine abhängige Variable zu messen.Um zu testen, ob eine Intervention den Aufschub bei Studenten reduzieren kann, geben Sie gleich großen Gruppen entweder einen Aufschub oder eine vergleichbare Aufgabe. Sie vergleichen die Selbstbewertungen des Verschleppungsverhaltens zwischen den Gruppen nach der Intervention.
Umfrage Stellen Sie Fragen einer Gruppe von Personen persönlich, telefonisch oder online. Sie verteilen Fragebögen mit Bewertungsskalen an internationale Studenten im ersten Studienjahr, um ihre Erfahrungen mit Kulturschock zu untersuchen.
(Systematische) Beobachtung Identifizieren Sie ein Verhalten oder ein Ereignis von Interesse und überwachen Sie es in seiner natürlichen Umgebung. Um die Teilnahme am College-Unterricht zu studieren, sitzen Sie in Klassen, um sie zu beobachten, die Prävalenz von aktivem und passivem Verhalten von Schülern mit unterschiedlichem Hintergrund zu zählen und aufzuzeichnen.
Sekundärforschung Sammeln Sie Daten, die für andere Zwecke gesammelt wurden, z. B. nationale Umfragen oder historische Aufzeichnungen. Um zu beurteilen, ob sich die Einstellungen zum Klimawandel seit den 1980er Jahren geändert haben, sammeln Sie relevante Fragebodendaten aus weit verbreiteten Längsschnittstudien.

Quantitative Datenanalyse

Sobald Daten gesammelt wurden, müssen Sie sie möglicherweise verarbeiten, bevor sie analysiert werden können. Beispielsweise müssen Umfrage- und Testdaten möglicherweise von Wörtern in Zahlen umgewandelt werden. Dann können Sie statistische Analysen verwenden, um Ihre Forschungsfragen zu beantworten.

Die deskriptive Statistik gibt Ihnen eine Zusammenfassung Ihrer Daten und enthält Durchschnittswerte und Variabilität. Sie können auch Diagramme, Streudiagramme und Häufigkeitstabellen verwenden, um Ihre Daten zu visualisieren und nach Trends oder Ausreißern zu suchen.

Mithilfe von Inferenzstatistiken können Sie Vorhersagen oder Verallgemeinerungen basierend auf Ihren Daten treffen. Sie können Ihre Hypothese testen oder Ihre Stichprobendaten verwenden, um den Populationsparameter zu schätzen.

Beispiele für beschreibende und inferentielle Statistiken
Sie nehmen an, dass College-Studenten im ersten Jahr mehr als College-Studenten im vierten Jahr zögern. Sie sammeln Daten zum Aufschub der beiden Gruppen mithilfe von 7-Punkte-Selbstbewertungsskalen.

Zunächst verwenden Sie deskriptive Statistiken, um eine Zusammenfassung der Daten zu erhalten. Sie finden den Mittelwert (Durchschnitt) und den Modus (häufigste Bewertung) des Aufschubs der beiden Gruppen und zeichnen die Daten auf, um festzustellen, ob es Ausreißer gibt.

Als nächstes führen Sie Inferenzstatistiken durch, um Ihre Hypothese zu testen. Wenn Sie einen T-Test verwenden, um die mittleren Bewertungen der beiden Gruppen zu vergleichen, finden Sie einen signifikanten Unterschied und Unterstützung für Ihre Hypothese.

Sie können auch die Zuverlässigkeit und Validität Ihrer Datenerfassungsmethoden bewerten, um anzugeben, wie konsistent und genau Ihre Methoden tatsächlich gemessen haben, was Sie wollten.

Wie hoch ist Ihre Plagiatsbewertung?

Vergleichen Sie Ihr Paper mit über 60 Milliarden Webseiten und 30 Millionen Publikationen.

  • Bester Plagiatsprüfer von 2020
  • Plagiatsbericht & Prozentsatz
  • Größte Plagiatsdatenbank

Scribbr Plagiatsprüfer

Vorteile der quantitativen Forschung

Quantitative Forschung wird häufig verwendet, um die Datenerfassung zu standardisieren und Ergebnisse zu verallgemeinern.
Zu den Stärken dieses Ansatzes gehören:

  • Replikation

Die Wiederholung der Studie ist aufgrund standardisierter Datenerfassungsprotokolle und konkreter Definitionen abstrakter Konzepte möglich.

  • Direkte Vergleiche der Ergebnisse

Die Studie kann in anderen kulturellen Umgebungen, Zeiten oder mit verschiedenen Gruppen von Teilnehmern reproduziert werden. Die Ergebnisse können statistisch verglichen werden.

  • Große Proben

Daten aus großen Proben können mit zuverlässigen und konsistenten Verfahren durch quantitative Datenanalyse verarbeitet und analysiert werden.

  • Hypothesentests

Die Verwendung formalisierter und etablierter Hypothesentestverfahren bedeutet, dass Sie Ihre Forschungsvariablen, Vorhersagen, Datenerfassungs- und Testmethoden sorgfältig prüfen und melden müssen, bevor Sie zu einem Schluss kommen.

Nachteile der quantitativen Forschung

Trotz der Vorteile der quantitativen Forschung ist es manchmal unzureichend, komplexe Forschungsthemen zu erklären. Zu den Einschränkungen gehören:

  • Oberflächlichkeit

Die Verwendung präziser und restriktiver operativer Definitionen kann komplexe Konzepte unzureichend darstellen. Zum Beispiel kann das Konzept der Stimmung in der quantitativen Forschung nur mit einer Zahl dargestellt, in der qualitativen Forschung jedoch mit Ausarbeitung erklärt werden.

  • Enger Fokus

Vorbestimmte Variablen und Messverfahren können dazu führen, dass Sie andere relevante Beobachtungen ignorieren.

  • Strukturelle Verzerrung

Trotz standardisierter Verfahren können strukturelle Verzerrungen die quantitative Forschung immer noch beeinflussen. Fehlende Daten, ungenaue Messungen oder ungeeignete Stichprobenverfahren sind Verzerrungen, die zu falschen Schlussfolgerungen führen können.

  • Mangelnder Kontext

Quantitative Forschung verwendet oft unnatürliche Einstellungen wie Laboratorien oder berücksichtigt keine historischen und kulturellen Kontexte, die sich auf die Datenerfassung und die Ergebnisse auswirken können.

Häufig gestellte Fragen zur quantitativen Forschung

Was ist der Unterschied zwischen quantitativen und qualitativen Methoden?

Quantitative Forschung beschäftigt sich mit Zahlen und Statistiken, qualitative mit Wörtern und Bedeutungen.Mit quantitativen Methoden können Sie eine Hypothese testen, indem Sie systematisch Daten sammeln und analysieren, während Sie mit qualitativen Methoden Ideen und Erfahrungen vertiefen können.

Was ist Mixed-Methods-Forschung? In der Mixed-Methods-Forschung verwenden Sie sowohl qualitative als auch quantitative Datenerhebungs- und Analysemethoden, um Ihre Forschungsfrage zu beantworten.
Was ist Datenerfassung?

Datenerfassung ist der systematische Prozess, durch den Beobachtungen oder Messungen in der Forschung gesammelt werden. Es wird in vielen verschiedenen Kontexten von Wissenschaftlern, Regierungen, Unternehmen und anderen Organisationen verwendet.

Was ist Operationalisierung?

Operationalisierung bedeutet, abstrakte konzeptionelle Ideen in messbare Beobachtungen umzuwandeln.Zum Beispiel ist das Konzept der sozialen Angst nicht direkt beobachtbar, aber es kann operativ in Bezug auf Selbstbewertungswerte, Verhaltensvermeidung von überfüllten Orten oder körperliche Angstsymptome in sozialen Situationen definiert werden.

Bevor Sie Daten sammeln, ist es wichtig zu überlegen, wie Sie die Variablen operationalisieren, die Sie messen möchten.

Was ist der Unterschied zwischen Zuverlässigkeit und Gültigkeit?

Zuverlässigkeit und Validität sind beide darüber, wie gut eine Methode etwas misst:

  • Zuverlässigkeit bezieht sich auf die Konsistenz einer Maßnahme (ob die Ergebnisse unter den gleichen Bedingungen reproduziert werden können).
  • Gültigkeit bezieht sich auf die Genauigkeit eines Maßes (ob die Ergebnisse wirklich das darstellen, was sie messen sollen).

Wenn Sie experimentelle Forschung betreiben, müssen Sie auch die interne und externe Validität Ihres Experiments berücksichtigen.

Was ist Hypothesentest?

Hypothesentests sind ein formales Verfahren, um unsere Vorstellungen von der Welt anhand von Statistiken zu untersuchen. Es wird von Wissenschaftlern verwendet, um bestimmte Vorhersagen, sogenannte Hypothesen, zu testen, indem berechnet wird, wie wahrscheinlich es ist, dass ein Muster oder eine Beziehung zwischen Variablen zufällig entstanden sein könnte.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.