Die Thesis ist eine schriftliche wissenschaftliche Arbeit. In einer wissenschaftlichen Arbeit geht es darum, möglichst 'wahres' und damit unumstößliches Wissen zu schaffen.
Dazu musst Du:
Hier noch ein paar weitere allgemeine Hinweise. Wahre Aussagen basieren auf gesicherten und prüfbaren Daten, d.h. die Aussagen können empirisch belegt werden. Wissenschaftliche Arbeiten können vielfältige Formen annehmen. Allen ist jedoch gemein, dass die Informationen in der Thesis...
In einer Thesis musst Du Dir eine wissenschaftliche Frage stellen und diese nach obigen Kriterien beantworten. Die gesamte Thesis dreht sich darum, diese Fragen wissenschaftlich zu beantworten.
Nebenbei: wie gut die Frage wissenschaftliche beantwortet wurde ist das Einzige was am Ende bewertet wird. Es wird nicht bewertet, ob ein Ergebenis signifkant oder nicht signifkant war, da ihr als WissenschaftlerInnen darauf keinen Einfluss habt (dafür ist Mutter/Vater Natur zuständig).
Bitte beachte einen wissenschaftlichen Schreibstil zu verwenden. Dieser erfüllt die Kriterien oben. Beispiele für einen solchen Schreibstil findest Du vor allen in der englischsprachigen Wissenschaftsliteratur (peer-reviewed Artikel), die Du für Deine Abschlussarbeit zu Deinem Thema ohnehin lesen und kennen solltest. Schreibstile, die oft in Abschlussarbeiten verwendet werden, aber NICHT die obigen Kriterien erfüllt, sind z.B.
Daher bitte KEINEN dieser Schreibstile von der Liste verwenden, sondern den Schreibstil, den Du in der peer-reviewten englischsprachigen Fachliteratur findest (da Englisch die Wissenschaftssprache ist und in dieser Sprache die hochqualitativen Artikel publiziert werden, finden sich in den guten englischsprachigen Fachjournalen weniger schlechte Beispiele als im Deutschen).
Hier noch einige Hinweise zum Schreibstil: 0. Behalte im Hinterkopf, dass Du sehr kritische LeserInnen überzeugen musst. Diese lassen nur Fakten und Logik als valide Argumente gelten. Die Beeinflussung dieser Leser mittels anderen mitteln (sozialer Statusargumenten, subjektiven Wertungen) wird als nicht-wissenschaftlich und damit negativ wahrgenommen. Du kannst ferner davon ausgehen, dass die LeserInnen wissenschaftlich sehr gut denken können, aber keine Experten in Deinem Gebiet sind. D.h. sie verstehen schnell neue Dinge und können mit diesen wissenschaftlich umgehen. Jedoch erfordert es das wichtige grundlegende Inhalte zu dem Ausmaß erklärt werden müssen, dass der/die LeserIn diese zum weiteren Verstädnis nutzen kann, d.h. Ekrlärungen müssen nicht bis in kleinste Detail gehen (es sei denn diese Details sind notwendig, um den weiteren Text zu verstehen), sondern nur so weit, dass der weitere Text verständlich auch für fachlich externe ist.
Da es immer wieder zu Fragen kommt, ob eine Arbeit lang genug ist und wie sich die Seitenzahl mit dem Einfügen von Bildern verhält hier die Angabe der Thesis in Wortlänge anstatt Seitenzahl. Es handelt dabei um die Angaben zu dem den reinen wissenschaftlichen Text von der Herleitung bis zum Ende der Diskussion (siehe unten). Also Verzeichnisse, Abstracts, Anhänge, etc. nicht mitgezählt.
| Studiengangstyp | Seiten | Ø Wortanzahl | Min. Wortanzahl (-10%) | Max. Wortanzahl (+10%) |
|---|---|---|---|---|
| Bachelor-Studiengänge | 40 | 15.000 | 13.500 | 16.500 |
| Master 60 ECTS | 60 | 22.500 | 20.250 | 24.750 |
| Master 90 ECTS | 60 | 22.500 | 20.250 | 24.750 |
| Master 120 ECTS | 80 | 30.000 | 27.000 | 33.000 |
| Duale Master 120 ECTS | 60 | 22.500 | 20.250 | 24.750 |
| MBA 60 ECTS | 40 | 15.000 | 13.500 | 16.500 |
| MBA 90 ECTS | 60 | 22.500 | 20.250 | 24.750 |
| MBA Clinical Research | 50 | 18.750 | 16.875 | 20.625 |
Ihr habt wahrscheinlich das Thesis Handbuch der IU gesehen. Da dies nicht dem wissenschaftlichen Schreiben in der Psychologie nicht voll entspricht möchte, gelten bei mir abweichend von dem Handbuch folgende Dinge:
Ihr könnt (ihr müsst nicht) auch APA bei den sonstigen Textformaten folgen. Hier ein Vergleich der wichtigsten Vorgabenunterschiede zwischen APA und IU:
| Merkmal | IU Vorgaben | APA 7 Standard |
|---|---|---|
| Papierformat | DIN A4 | US Letter (21,59 × 27,94 cm) |
| Seitenränder | 2 cm rundum | 2.54 cm (1 inch) rundum |
| Schriftart & Größe | Arial 11 pt (Text), Arial 12 pt (Überschriften) | Times New Roman 12 pt ODER Arial 11 pt |
| Zeilenabstand | 1,5 | Doppelt (2,0) |
| Blocksatz | Ja, mit Silbentrennung | APA linksbündig, kein Blocksatz |
| Absatzabstand | 6 pt nach Absatz | Erste Zeile eingerückt, kein zusätzlicher Abstand |
| Fußnoten | Arial 10 pt, Blocksatz | APA empfiehlt Fußnoten nur sparsam, auch kleiner Schrift |
| Überschriftenstruktur | 1. – 1.1 – 1.1.1 | Bis zu 5 Ebenen, nummerierungsfrei |
Abschlussarbeiten können auf die unterschiedlichste Art geachrieben sein. Da gibt es kein richtig oder falsch, sondern das ist eine persönliche Sache (Formatierung hängt von den wissenschaftlichen Feld ab, in dem man schreibt, da unterschieldiche Felder unterschiedliche Formatierungen verwenden).
Alle Abschlussarbeiten sollten jedoch folgende Antworten auf folgende Fragen liefern (Bitte nicht nur die einzelnen Fragen beantworten - die Antworten müssen zusammen mit anderen Information Teil eines kohärenten, wissenschaftlich ausgedürcktem und überzeugenden Fließtextes sein.):
In der Herleitung:
Wie man sehen kann, dreht sich alles in der Thesis um die Darstellung und Beantwortung einer Fragestellung. Die Antworten zu den Fragen werden oft als zusammenhängender Text in den folgenden vier Kapiteln verteilt:
Die Herleitung besteht aus zwei Elementen:
Ziel der Herleitung ist es, den für die Fragestellung aktuellen relevanten Forschungskontext (das beinhaltet Studienergebnisse und Theorien) darzustellen. Dazu wird zumeist erst einmal allgemein das Thema leichtverständlich in der Einleitung (siehe Kapitel Einleitung unten) eingeleitet. Damit wird sicher gestellt, dass alle Leser**innen grob wissen worum es in der Arbeit geht egal ob sie Expert**innen sind oder nicht. Anschliessend werden im Hauptteil die Ausführungen deutlich für ein Fachpublikum vertieft: der wissenschaftlche theoretische und Forschungskontext wird aufgezeigt, die Forschungsfrage wird in diesen Kontext eingebettet und aus dem Kontext hergeleitet. Zudem wird die konkrete Forschungsfrage dann benannt.
Wichtig ist die Herleitung der Forschungsfrage aus dem Forschungskontext: Die Darstellung sollte so erfolgen, dass klar wird, dass die eigene Forschungsfrage noch nicht beantwortet wurde (d.h. die Forschungslücke wird aufgezeigt). Zudem sollte noch die Bedeutsamkeit/Wichtigkeit der Forschungsfrage aufgezeigt werden, z.B. indem evtl. Vorteile (praktische, theoretische oder methodische), die sich aus der Beantwortung der Forschungsfrage ergeben könnten, dargestellt werden.
Es gibt unterschiedliche Wege, eine wissenschaftliche Arbeit aufzubauen und die oben genannten Dinge zu besprechen. Um den Unterschied besser zu verstehen, möchte ich euch das zunächst bildlich verdeutlichen: Stellt euch vor, ihr müsst einen Behördengang machen. In einem Szenario werdet ihr nacheinander zu verschiedenen Schaltern geschickt – beim ersten gebt ihr den Antrag ab, beim zweiten wird der Wohnsitznachweis geprüft, beim dritten zahlt ihr die Gebühr, und für das Passfoto müsst ihr noch einmal in einen Nebenraum. Das mag auf den ersten Blick etwas umständlich erscheinen, hat aber auch Vorteile: Es ist klar strukturiert, jeder Schritt ist für sich verständlich, und man kommt mit einem Plan gut durch den Prozess. Manchmal ist das Ganze sogar schneller aufgesetzt, weil man sich einfach an die vorgegebene Reihenfolge halten kann.
Viele Studierende entscheiden sich für einen solchen Weg, wenn sie den Aufbau ihrer Arbeit planen – etwa entlang der bekannten Gliederung in Theorie- und Forschungsteil, wie sie z. B. in der IU-Vorlage vorgeschlagen wird. Dieser Aufbau ist vertraut, wurde in vielen Hausarbeiten bereits erprobt und wirkt daher zunächst sicher und praktikabel. Man behandelt dabei die relevanten Konstrukte an mehreren Stellen: zunächst theoretisch, später empirisch. Das hat den Vorteil, dass man sich Schritt für Schritt mit dem Material auseinandersetzen kann. Gleichzeitig besteht die Herausforderung darin, dass man für ein und dasselbe Konstrukt an verschiedenen Stellen argumentieren muss – was es schwieriger macht, eine durchgängige Argumentationslinie zu entwickeln. Häufig kommt es auch zu inhaltlichen Überschneidungen oder Wiederholungen, weil man Lesende erneut abholen muss.
Stellt euch nun eine andere Version des Behördengangs vor: Ihr setzt euch an einen einzigen Schalter, wo alles erledigt wird – Antrag, Prüfung, Zahlung, Foto – alles fließt ineinander. Das klingt komfortabler, ist aber nur möglich, wenn im Hintergrund alles gut abgestimmt ist. Alle Beteiligten müssen Zugriff auf die nötigen Informationen haben, die Abläufe müssen ineinandergreifen, und man selbst muss wissen, was man braucht. Das Aufsetzen einer solchen Struktur benötigt daher eine intensive auseinandersetzung mit allen Dingen und benötigt daher Zeit und ein wenig Erfahrung. Genauso funktioniert der alternative Aufbau einer Arbeit nach Konstrukten. Hier wird zu jedem zentralen Begriff sowohl die Theorie als auch die relevante Forschung dargestellt – idealerweise in Verbindung zueinander, sodass auch sichtbar wird, wie Forschung zur Theoriebildung beigetragen hat oder umgekehrt. Ein solcher Aufbau wirkt wissenschaftlich oft eleganter, weil er die Kohärenz stärkt und das Lesen flüssiger macht. Gleichzeitig ist er anspruchsvoller umzusetzen, weil man im Voraus stärker planen muss, wie die einzelnen Komponenten sinnvoll zusammenpassen. Man muss die Informationen mehr intergrieren. Ein Beispiel von einem solchen Aufbau für eine Hausarbeit (bitte darauf achten, dass ihr eine empirische Arbeit schreibt und daher von der generellen Struktur hier abweichen müsst) findet sich bei der APA. Einem solchen Aufbau folgt auch jeder wissenschaftliche Artikel.
Während der erste Aufbau eher einer Schritt-für-Schritt-Abfolge gleicht, die einfach zu strukturieren ist, gleicht der zweite einer integrierten Erzählweise, die mehr konzeptionelle Arbeit am Anfang erfordert, aber dafür eine klarere und durchgehende Argumentationslinie erlaubt. Beide Wege haben ihre Berechtigung – und welcher gewählt wird, hängt auch davon ab, was für euch besser funktioniert und wie sicher ihr euch im wissenschaftlichen Schreiben bereits fühlt.
Bei quantitativen Arbeiten sollte am Ende der Herleitung, zumindest die Forschungshypothesen formuliert werden. Die Platzierung der statistischen Hypothesen ist Geschmackssache und sollte so angepasst werden, dass sie möglichst gut in den Fluss passen. Mögliche Stellen für die Erwähnung der statistischen Hypothesen sind: Am Ende der Herleitung, in der Design Sektion der Methodensektion, oder in der Ergebnissektion z.B. am Beginn einer jeden Analyse.
Eine kurzer Überblick, wie die Forschungsfrage qualitativ/quantitativ beantwortet wird, sollte am Ende der Herleitung erfolgen (ein kleiner Absatz genügt). Dies dient dazu dem Leser:In, die grundlegende methodische Beantwortungslogik mitzugeben, so dass er:sie der Ergebnisanalyse folgen kann ohne den Methodenteil zu lesen.
Generelle Struktur Allgemein anfangen und dann spezifischer werden bis hin zur genauen Forschungsfrage mit kurzem Ausblick wie diese beantwortet werden soll
Notwendige Elemente:
Die Herleitung sollte ein zusammanhängender Text sein bei dem Inhalte möglichst logisch aufeinander bezogen sind. Als Lesende können Personen angenommen werden, die mit dem Fachbereich vertraut sind, aber nicht mit der speziellen Frage. Aussagen müssen explizit formuliert sein und wenn möglich mit Quellen belegt werden. Am Ende der Herleitung sollte man nochmal die Forschungsfrage erwähnen und evtl. einen kurzen Ausblick (nicht mehr als ein paar Sätze) darauf geben, wie die Frage methodisch beantwortet werden soll (damit Personen direkt zur Eegebnissektion lesen können ohne auf das Lesen der Methodensektion angewiesen zu sein). Z.B. "Der Zusammenhang zwischen Geschlecht und Lebenszufriedenheit wurde mittels einer quantitativen Fragebogenstudie untersucht."
Noch ein Wort zur Einleitung weil diese oft missverstanden wird. Bei der Einleitung handelt es sich um die ersten 2-4 Seiten der Herleitung die meist mit Einleitung überschrieben ist. Was ist die Funktion der Einleitung?
Die Einleitung erfüllt in wissenschaftlichen Arbeiten eine zentrale kommunikative Funktion:
Die Einleitung ist nicht nur ein formaler Auftakt einer wissenschaftlichen Arbeit – sie ist der erste Schritt zur Verständigung mit der Leserschaft. Ihre zentrale Aufgabe besteht darin, einen zugänglichen, klaren und motivierenden Einstieg in das Thema zu bieten. Dabei sollte die Einleitung nicht gleich mit fachlicher Tiefe überfordern, sondern den Kontext und die Relevanz des Themas allgemeinverständlich darstellen, um Leserinnen an das Thema heranzuführen – unabhängig davon, ob sie Expertinnen auf dem Gebiet sind.
Im Kern geht es darum, das Thema motiviert vorzustellen, seine gesellschaftliche, praktische oder persönliche Relevanz für den Lesenden (nicht des Schreibenden) zu verdeutlichen und ein erstes Verständnis für die Problemstellung zu schaffen. Dieser Zugang ist oft bewusst alltagsnah oder praxisorientiert ausgelegt und soll zeigen, warum das Thema überhaupt einer wissenschaftlichen Auseinandersetzung bedarf. Erst auf dieser Grundlage wird die generelle Forschungsfrage allgemeinverständlich eingeführt zumeist formuliert als logische Reaktion auf eine beobachtbare Herausforderung oder ein bestehendes Alltagsdefizit .
Im Hauptteil dagegen findet die theoretische und systematische Fundierung der Forschungsfrage statt. Hier wird dargelegt wie sich die Forschungsfrage in die bisherige wissenschaftliche Arbeit einordnet und welche bestehende Lücke sie schliesst. Im Hauptteil wird dann die eigentlich Forschungsfrage konkret so formuliert, dass auch klar wird, was genau gemessen wird. Die Alltagsreleanz ist an dieser Stelle meist nicht mehr relevant.
Ein häufiges Fehler beim Schreiben der Einleitung besteht darin,
Beides ist jedoch falsch. Die Einleitung liefert nur allgemeine motivationale Herleitung und Einbettung der Forschungsfrage in den Alltagskontext (nicht wissenschaftlichen Kontext). Es handelt sich damit nicht um einen wissenschaftlich-theoretische Einbettung bzw. Herleitung.
Wichtig ist zu erkennen, dass Einleitungsteil und Haupteil der Herleitung ineinander greifen und keine Wiederholung darstellen. Vielmehr handelt es sich um notwendige Ergänzungen, um einen einfachen Zugang zu dem anschliessenden theoretischen "Tiefgang" herzustellen. Eine gelungene Einleitung bildet damit nicht nur den Anfang der Arbeit – sie legt das inhaltliche Fundament und schafft Orientierung für den gesamten Argumentationsverlauf.
Hier noch ein Beispiel für eine Herleitung der allgemeinen Forschungsfrage in der Einleitung:
Spätestens seit der COVID-19-Pandemie hat das Arbeiten von zu Hause – das sogenannte Homeoffice – an Bedeutung gewonnen. Für viele Beschäftigte ist es zum neuen Alltag geworden. Während einige berichten, im Homeoffice produktiver und zufriedener zu arbeiten, empfinden andere die soziale Isolation, Ablenkung oder mangelnde Struktur als belastend. Arbeitgeber wiederum stehen vor der Frage, ob und wie Homeoffice langfristig zu einer effektiven Arbeitsform gestaltet werden kann.
Vor diesem Hintergrund stellt sich die Frage, ob und unter welchen Bedingungen Homeoffice tatsächlich zu höherer oder geringerer Produktivität führt. Diese Arbeit geht dieser Frage nach und untersucht, welche individuellen und organisatorischen Faktoren im Homeoffice mit der empfundenen Arbeitsproduktivität zusammenhängen. Hier ein Beispiel für die Herleitung der konkreten Forschungsfrage am Ende des Hauptteils der Herleitung:
Produktivität im Homeoffice wurde in den letzten Jahren in verschiedenen Disziplinen untersucht. Studien zeigen, dass Faktoren wie Selbstregulation (Allen et al., 2021), soziale Unterstützung (Toscano & Zappalà, 2020) und technologische Ausstattung (Wang et al., 2021) maßgeblich zur Leistung beitragen. Gleichzeitig deuten einige Ergebnisse auf negative Effekte hin, etwa durch verminderte Kommunikation, Schwierigkeiten bei der Trennung von Berufs- und Privatleben oder durch emotionale Erschöpfung (Bailey & Kurland, 2002; Oakman et al., 2020).
Es besteht jedoch weiterhin eine Forschungslücke hinsichtlich der Frage, unter welchen individuellen und arbeitsorganisatorischen Bedingungen Homeoffice produktivitätsförderlich wirkt – insbesondere, wenn man subjektive Einschätzungen von Arbeitnehmer*innen berücksichtigt.
Die vorliegende Arbeit untersucht daher die Forschungsfrage:
„Welche individuellen und organisatorischen Faktoren beeinflussen die selbstberichtete Produktivität im Homeoffice?“Der Zweck des Methodkapitels ist es, die Untersuchung so genau zu beschreiben, das jemand anderes die Untersuchung bestenfalls ohne Nachfrage nachstellen kann. Es finden nur in Ausnahmen theoretische Erläuterungen statt.
Es gibt keine einheitliche Liste von den Dingen, die man in den Methoden erwähnen sollten. Als Richtlinie kann jedoch folgendes gelten: Alle Aspekte der Untersuchung von denen man denkt, dass sie das Untersuchungsergebnis beeinflussen sollten erwähnt werden.
Der Methodenteil besteht oft aus den folgenden Unterkapiteln:
In der Ergbnissektion wird die Forschungsfrage mittels der erhobenen Daten beantwortet. Gibt es mehrere Fragestellungen, kann es hilfreich sein ein Unterkapitel zur Beantworung jeder Teilfrage zu haben. Für jede Fragestellung sollten die Rohdaten oder deren zusammengefasste Version dargestellt und beschrieben werden. Da viele Daten graphisch besser zu erfassen/verstehen sind, sollten Graphen zur Darstellung der Daten genutzt werden, wenn dies möglich ist. Die erkennbaren Trends bezüglich der der konkreten Forschungsfrage sollten im Text beschrieben werden dann anschliessend weiter analysisert (z.B. bei quantitativen Studien mittels Inferenzstatistik). Für quantiative Studien: Quantiative Studien sollten die wie oben beschrieben die Rohdaten oder Gruppendaten zuerst graphisch zeigen. Im Text sollten, dann diese unter bezugnahme auf die Graphik die Daten beschrieben werden. Dies ist die Gelegenheit auf Ausreißer hinzuweisen (die kann man natürlich nur in der Rohdatendarstellung sehen). Trends sollten beschrieben werden, z.B.
Abb. 2 zeigt das die die Aufgabe von den verschiendenen Geschlechtern unterschiedliche schnell gelöst wurde. Dabei scheinen Frauen die schnellste Reaktionszeit....
Bitte hier v.a. erst einmal die Trends beschreiben, die wichtig für die Beantwortung der Forschungsfrage sind. Anschliessend kann man dann zur statistischen Analyse überleiten. Das statistische Verfahren sollte genannt werden und die AV und UV klar identifziert werden. Bei Unterschiedstests sollten noch die Faktor Levels genannt werden und ob die Levels/Gruppen within und between subject sind (d.h. bestehen Abhängigkeiten zwischen Daten von verschiedenen Gruppen/Levels?, z.B. weil dieselbe Person getestet wurde, oder Personen im selben Team zusammenarbeiten, etc). Beispiel:
Um zu schauen zwischen welchen Gruppen sich signifikate Unterschiede ergeben, wurde die eine mixed ANOVA mit Reaktionszeit als ahängige Variable gerechnet. Das Geschlecht der Probanden (weiblich, männlich, divers) war ein between subject Faktor und der Messzeitpunkt (1,2,3) war ein within subjekt Faktor.
Danach wird das Ergebnis der Annahmeprüfung vorgestellt des statistischen Verfahrens vorgestellt. Es sollte mindestens im Text genannt werden, welche Annahmen geprüft wurden und ob die Annahme erfüllt war oder nicht. Gerne können die genauen Statistiken oder Graphen hier gezeigt werden. Beispiel:
Der qq-plot in Abb 3 zeigt, dass nur moderate Verstöße gegen die Normalverteilung vorlagen. Der Typ I Fehler der ANOVA ist gegen diese Arten von Normalverteilungsverstößen relativ robust (Blanca et al., 2017).
Nicht alle Ergebnisse der Annahmeprüfung müssen hier mit den statistischen Kennzahlen gelistet werden. Bei Platzprobelemen kann man diese Information auch notfalls in den Anhang verschieben (nicht vergessen darauf im Text hinzuweisen). Nebenbei: aus (Box, 1953) kommt die bekannte Stelle zur Robustness der ANOVA gegen ungeleiche Varianzen.
To make the preliminary test on variances is rather like putting to sea in a rowing boat to find out whether conditions are sufficiently calm for an ocean liner to leave port. (Box, 1953, S. 22)
Wenn Annahmeverletzungen vorliegen, dann müsste normalerweise auch etwas dagegen gemacht werden. Die gewälte statistische Prozedur als Bootstrapping durchzuführen (falls diese Methode als Bootstrap existiert) ist eine gute Wahl, da Bootstrapping Annahmefrei ist (außer bei der Verletzung der Linerität - da muss mein andere Modellform wählen). Einzig ist die Normalverteilungsannahme, gegen welches zumindest ANOVA und Regression bei Variablen mit N >10 robust gegen selbst grobe Annahmeverletzungen sind. Ich empfehle hier den qq-plot zu zeigen und darzugelegen (unter Angabe der Quellen), dass die Methoden robust gegen Verleztungen der Normalverteilungsannahme bei der vorliegenden Stichprobengröße sind. Relevenate Literatur ist hier für
Wichtig: Bachelorstudierende müssen nur die Annahmebewertung durchführen und potentielle Gegenmaßnahmen nennen. Sie müssen aber keine Gegenmaßnahmen ergreifen, weil dies das Anfoderungsniveau des Bachelors übersteigt. Bitte rechnet einfach so weiter als wäre alles erfüllt. Für MA Studierende trifft dies genauso zu außer, dass sie Gegenmaßnahmen bei schweren Verletzungen der Varianzhomogenität und Normalverteilung durchführen müssen.
Erst nach alledem folgen dann die Berichte der Analysen. Hier bitte APA bei der Formatierung und Berichten befolgen. Es ist unüblich ANOVA Tabellen als Abbildung in den Text zu stellen. Stattdessen sollten die Ergebnisse der ANOVA aus der Tabelle von dem:r AutorIn für den:die LeserIn in verstädnliche Worte gefasst werden. Beispiel: Wie gibt man folgende Ergebnisse der ANOVA Tabelle (here aus R) wieder?
$ANOVA
| Zeile | Effect | DFn | DFd | SSn | SSd | F | p | p<.05 | ges |
|---|---|---|---|---|---|---|---|---|---|
| 1 | (Intercept) | 1 | 55 | 19.94572521 | 2.365336 | 463.788252 | 1.782240e-28 | * | 0.743891483 |
| 2 | Geschlechter | 1 | 55 | 0.04879538 | 2.365336 | 1.134615 | 2.914470e-01 | 0.007055688 | |
| 3 | StressLevel | 1 | 55 | 0.70212141 | 4.501620 | 8.578395 | 4.942207e-03 | * | 0.092761821 |
| 4 | Geschlechter:StressLevel | 1 | 55 | 0.26736263 | 4.501620 | 3.266589 | 7.617473e-02 | 0.037475567 |
Anmerkung zum Lesen der Spalten:
Anmerkung zum Lesen der Zeilen:
Die Ergebnisse können wie folgt berichtet werden (hier war die AV das Wahlverhalten):
Die ANOVA zeigt, dass der Haupfeffekt von Geschlecht nicht signifikant ist, F(1,55)=1.13, ges=0.007, p=0.291. Der Haupteffekt von Stress ist jedoch signfikant, F(1,55)=8.58, ges=0.09, p=0.049. Die Interaktion zwischen Stress und Geschlecht ist nicht signifikant, obwohl sie nahe dem Signifanzlevels ist, F(1,55)=3.27, ges=0.03, p=0.076. Diese Ergebnisse zeigen, dass das Wahlverhalten nur von Stress statistisch signifikant beeinflusst wurde.
A-priori Fragen sollten (Anfangsvermutungen bei Erstellung der Studie) von post-hoc Fragestellungen (Dinge, bei denen man erst im Laufe der Studie erkannt hat, dass man sie untersuchen möchte) klar getrennt werden. Die kann durch eine kurze Nennung geschehen. Beispiel:
Unabhängige post-hoc t-test wurden genutzt um den Haupteffekt des Faktors 'Geschlecht' genauer zu untersuchen und festzustellen, welche Geschlechter sich signfikant unterschieden
Bei intensiveren/ausführlicheren post-hoc Ananlysen können auch Unterkapitel in der Ergebnissektion verwendet werden. Wichtig ist auch hier die kenntlichmachung für den LeserIn, dass es sich um Post-Hoc analysen handelt. Wichtig ist dass die wichtigeste(n) Fragestellung(en) zuerst beantwortet werden (also bitte keine große deskreptive Analysen der Probandenstichprobe, wenn dies nicht notwendig zur Beantwortung der Forschungsfrage ist - Stichprobenbeschreibungen gehören in das Kapitel Methoden -> Probanden).
Die Ergebnisse sollten nur dann bezüglich der konkreten Fragestellung/Hypothese interpretiert werden. Dazu ein fiktives Beispiel einer Studie mit Lebebenzufriedenheit als AV und Einkommenklasse und Geschlecht als UV mit der Forschungsfrage "Hängt die Lebenszufriedenheit von Einkommen und Geschlecht ab?" und einer signfikaten Interaktion. Hier könnten die Ergebnisse so interpretiert werden: "Die signfikante Interaktion zwischen dem Faktor Geschlecht und Einkommensklasse zeigt an, dass die Wirkung von Einkommenklasse auf die Lebenszufriedenheit vom Geschlecht abhängt."
In a nutshell: Bei diesem Thema geht es darum, wie wir zu wirklicher (d.h. wahrer) Erkenntnis kommen können. Die Logik des Hypothesentest folgt dem Falsifikationsprinzip (von Karl Popper - den Namen kann man sich merken). Dieses besagt, dass man nur in einer Situation eine sichere und belegbare Aussage machen kann (und damit zur Erkenntnisfindung kommt): Wenn ich zeigen kann, dass eine Behauptung falsch ist (d.h. wenn ich etwas falsifiziere - daher auch der Name des Prinzips).
Das mag komisch klingen, aber ich versuche es mit dem häufig verwendeten Schwan Beispiel zu verdeutlichen. Sagen wir, wir wollen Erkenntnis über die Farbe von Schwänen erhalten. In unserem ersten Versuch gehen wir dazu wie im Alltag vor: Wir schauen uns viele Schwäne an. Dabei stellen wir fest, dass die Schwäne alle weiß sind. Wir kommen daher zur Schlussfolgerung, dass alle Schwäne weiß sind. Ist diese Schlussfolgerung richtig?
Mit etwas Nachdenken, fallen uns wahrscheinlich Gegenbeispiele ein: eine zufällige aber seltene genetische Mutation, die zu einer Farbveränderung bei Schwänen führt; oder eine besondere Schwanart von der wir noch nichts wußten (Trauerschwan), der schwarz ist. Wie das Gegenbeispiel auch gewählt wird, es zeigt eins: Man kann keine sicheren Schlussfolgerungen über die Richtigkeit einer Aussage ziehen, auch wenn diese durch eine, mehrere, oder alle unserer Beobachtungen gestützt werden (es kann ja sein, dass in der Vergangenheit oder in der Zukunft es anders sein kann).
Wie kann man aber nun sichere Schlussfolgerungen ziehen (was ja wichtig für die Wissenschaft ist)? Nehmen wir wieder das Schwanbeispiel auf. Diesmal gehen wir aber anders vor. In unserem zweiten Versuch stellen wir die Behauptung oder Hypothese auf: "Alle Schwäne sind weiß!". Jetzt begeben wir uns auf die Suche nach nicht-weißen Schwänen. Angenommen wir finden einen oder mehrere (z.B. den Trauerschwan oder einen sehr jungen Schwan), dann haben wir mindestens ein Gegebenbeispiel zur Hypothese gefunden und damit können wir mit SICHERHEIT sagen, dass die Hypothese falsch ist. Genau dass ist, was Karl Popper mit seinem Falsifikationsprinzip meint: Wir können zu sicheren Aussagen gelangen, wenn wir zeigen können, dass eine Behauptung falsch ist, d.h. wenn wir eine Hypothese falsifizieren.
Dieses Prinzip ist zentral für die Inferenzstatistik. Alle Tests folgen dieser Logik der Erkenntnisfindung. Man stellt in einer statistischen Analyse eine Hypothese auf, die man mittels Datenerhebung oder sonstiger Evidenz versucht zu verwerfen. Nur in dem Fall, dass man ein Gegenbeispiel zur Hypothese findet, kann man diese verwerfen und eine Schlussfolgerung ziehen. Diese Hypothese, die man versucht zu verwerfen, nennt man Nullhypothese. Lasst es Euch nochmal auf der "Zunge zergehen": Alles was man aus einem statistischen Test mit Sicherheit sagen kann, ist, dass die Behauptung der Nullhypothese nicht richtig ist.
Was ist aber dann richtig? Wenn wir zeigen konnten, das ein Schwan nicht weiß ist, was ist dann die Farbe der Schwäne. Tja, das können wir in der Wissenschaft leider nicht mit Sicherheit sagen. Wir können ja aufgrund des Falsifikationsprinzips nur sagen, "wenn etwas nicht richtig ist" und nicht sagen "was richtig ist". Trotzdem versuchen die Wissenschaftler den Fall des Findens eines Gegenbeispiels positiv auszudrücken: Anstatt zu sagen "es stimmt nicht, dass alle Schwäne weiß sind" formulieren sie es positiv "Nicht alle Schwäne sind weiß". Dieser Erkenntnisgewinn wird in der sogennanten Alternativhypothese formuliert.
Bei der statistischen Formulierung von Hypothesen geht man daher immer im Paar vor. Man formuliert eine Nullhypothese (H0), die man versucht zu verwerfen, und eine Alternativhypothese (H1), die genau das Gegenteil behauptet, und damit den Erkenntnisgewinn zusammenfasst. Dann versucht man mit den erhobenen Daten zu schauen, ob sie der Nullhypothese Widersprechen. Genau genommen wird die Wahrscheinlichkeit gemessen, dass der Datensatz von einer Nullhypothesenverteilung kommt (lapidar ausgedrückt: dass der Datensatz von der Nullhypothese kommt). Wenn diese Wahrscheinlichkeit gering ist, dann Schlussfolgern wir, dass er der Datensatz nicht von der Nullhypothesenverteilung kommt und wir ein Gegenbeispiel zur Hypothese gefunden haben (d.h. wir haben der Hypothese widersprochen). In diesem Fall können wir die Nullhypothese verwerfen und die Alternativhypothese annehmen.
Was passiert, wenn die Wahrscheinlichkeit, dass unser Datensatz von der Nullhypothesenverteilung kommt, groß ist. Nun in diesem Fall können wir keine Aussage machen. Erinnere Dich, dass wir im Schwanbeispiel nicht mit Sicherhait sagen konnten, dass alle Schwäne weiß sind, da wir nur weiße Schwäne beobachtet haben. Ja es ist möglich, dass tatsächlich alle Schwäne weiß sind, aber es kann auch möglich sein, dass wir uns die falschen Schwäne angeschaut haben (z.B. nicht die Trauerschwäne). In diesem Fall sagen wir einfach nur, dass wir nicht genug Belege (auch "Evidenz" genannt), um die Nullhypothese zu verwerfen und nichts weiter. Wir können in diesem Fall aber keine Schlussfolgerung ziehen oder Interpretationen des Ergebnisses anstellen, weil beides vorgibt, dass wir einen Erkenntnisgewinn hatten. Dies ist ein häufiger Fehler, dass dieses sogenannte Nullergebnis auch als Erkenntnisgewinn beschrieben wird (z.B. wird manchmal gesagt, dass die Datne zeigen, dass keinen Unterschied gibt oder dass alle Schwäne weiß sind - das kann man nicht machen). In der Statistik ist es generell schwierig bis unmöglich aufgrund des Falsifikationsprinzips die Gleichheit von zwei Dingen nachzuweisen.
Noch ein letztes Wort. Vielleicht fragen sich einige was eine "kleine Wahrscheinlichkeit" und eine "große Wahrscheinlichkeit" bedeudet? D.h. ab wann dürfen wir die Nullhypothese ablehnen? Das bringt uns zu dem Signifikanzniveau: Die Grenzwerte für die Wahrscheinlichkeit, ab der wir die Nullhypothese als falsch bezeichnen (Signifikanzniveau), wurde von einem bekannten und einflussreichen Statistiker namens Pearson (arbiträr) vorgeschlagen: 1% oder 5% (d.h. 0.01 oder 0.05). Hätte er damals 7% und 4.3% vorgeschlagen, so würden wir wahrscheinlich heute mit diesen Werten rechnen.
Trotzdem sollte man sich die Werte auch einmal auf der "Zunge zergehen lassen" und "geniessen" wir untypisch dies für unseren Alltag ist. Dazu ein Beispiel. Ab wann würdest Du behaupten, dass eine meiner Behauptungen (z.B. Ich mag Pilze) nicht stimmt.
Die meisten Studenten in meinen Veranstaltungen glauben mir nicht mehr wenn meine Behauptungen nur noch zu 70 bzw. 50% wahr sind (d.h. sie lehnen die Nullhypothese "Ich mag Pilze" ab). In der Statistik sagen wir erst ab 5%, dass die Behauptung der Nullhypothese falsch ist. Was für ein Unterschied!!! In anderen Worten: in der Statistik sind wir sehr konservativ (hier im wahrsten Sinne des Wortes: wir sind beibehaltend) beim Ablehnen der Nullhypothese und lehnen sie erst ab, wenn es sehr sehr deutlich ist, dass hier ein Fehler vorliegt. Wieso machen wir das so? Das liegt, daran dass wir uns in der Wissenschaft einem Erkenntnisgewinn sehr sicher sein wollen, bevor wir verkünden, dass wir etwas Neues herausgefunden haben. Das ist etwa so, als ob wir einen Fehlalarm (zu rufen "Hey ich hab was Tolles gefunden", wenn doch nichts gefunden wurde) vermeiden wollen. Wenn jemand jetzt kritisch darüber nachdenkt wird er/sie sagen, dass das aber einen großen Nachteil hat: Man übersieht viele kleinere Erkenntniss mit dieser sehr konservativen Methode und schränkt daher den Erkenntnisgewinn sehr ein. Dies ist richtig und einer der großen Kritikpunkte an der Inferenzstatistik. Dies ist aber ein Kapitel für ein andermal.
Die Ergebnisse haben Antworten auf die Forschungsfrage gegeben. Unklar ist was die Implikationen dieser Antworten sind. Dies und andere Dinge werden in der Diskussion betrachtet. Hierauf kann man keine letztendliche Antwort geben, sondern meistens nur verscheidene Standpunkte, Sichtweisen gegeneinander abwägen bzw. diskutieren. Daher auch der Name 'Diskussion' dieser Sektion. In dieser Sektion ist es wichtig, dass die praktischen/theoretischen Implikationen von den eigenen Daten gestützt werden. Es gilt also nicht darum darzulegen, was man praktisch ändern sollte z.B. indem man eine zusätzliche Literaturrecherche durchführt. Vielmehr sollte man sich darauf beschränken, mögliche praktische Implikationen, die sich aus der eigenen Fragestellung/Daten ergeben, aufzuzeigen. Die Diskussion bietet an auch Spekulationen basierend auf den eigenen Daten zu machen. Achtet bitte darauf, dass ihr eine Spekulation als Spekulation kenntlich macht, z.B. indem ihr den Konjunktiv verwendet.
Es empfiehlt die Diskussion nochmal mit einer kurzen Erwähnung der (übergeordneten) Fragestellung und einer kurzen Darstellung der Ergebnisse zu beginnen (für Leser die direkt zur Diskussion springen oder auch wenn Leser in der Zwischenzeit die übergordnetet Zielstellung nach dem Lesen der Ergebnisse vergessen haben). Dinge die in einer Diskussion besprochen werden können, sind:
Theortischen Impakt/Post-Hoc Erklärungen der Ergebnisse
Kritische Betrachtung des eigenen Vorgehens
Hier sollte man seine Arbeit kritisch reflektieren. In einer Forschungsarbeit hat man an vielen Stellen Entscheidungen getroffen, die man auch hätte anders treffen können. In wie weit hängen die Ergebnisse von diesen getroffenen Entscheidungen ab? Waren einige Entscheidungen im Nachhinein suboptimal und würde sie man nächstes Mal anders treffen und warum?
Praktische Relevanz
In wie weit sind die Ergebnisse von praktischer Relevanz? Bitte bleibt nahe bei Euren Daten/Fragestellung. Macht keine generelle Vorschläge wie man ein Gebiet/Praxisabläufe verbessern kann, die nicht mit Euren Daten/Fragestellung in Verbindung gebracht werden können. Das würde den Eindruck geben, als würdet ihr in der Diskussion Euer Thema wechseln.
Ausblick
Aufgrund des vorher gesagten ergeben sich viele neue Ideen, was man in der Zukunft noch machen könnte. Ihr könnt einen Ausblick innerhalb der Diskussion geben, was man in zukünftiger Forschung noch machen könnte.
Zum Schluss (kann muss aber nicht) die Take Home Message der Studie innerhalb eines Fazits/Conclusion nochmal kurz zusammenfassen.