Open Access

Qualitative und quantitative Inhaltsanalyse: digital und automatisiert

Eine anwendungsorientierte Einführung mit empirischen Beispielen und Softwareanwendungen

Christian Schneijderberg, Oliver Wieczorek und Isabel Steinhardt
Download
Download

Diese Publikation zitieren

Christian Schneijderberg, Oliver Wieczorek, Isabel Steinhardt, Qualitative und quantitative Inhaltsanalyse: digital und automatisiert (2022), Beltz Juventa, 69469 Weinheim, ISBN: 9783779970378

30116
Accesses
197
Quotes

Beschreibung / Abstract

Das Buch bietet für Einsteiger*innen Erklärungen darüber, wie eine geeignete qualitative oder quantitative inhaltsanalytische Methode abhängig von a) Forschungsinteresse und b) Datenumfang ausgewählt wird. Teil 1 definiert Auswertungstechniken und zeigt Möglichkeiten und Grenzen sozialwissenschaftlicher Inhaltsanalysen auf. Teil 2 stellt digital unterstützte und teilautomatisierte Techniken, Teil 3 die automatisierten Techniken Korrespondenzanalyse, Sentiment Analyse und Topic Modeling vor. Alle Einführungen erfolgen mit Beispielen und Softwareanwendungen (AntConc, MAXQDA, Python, RStudio oder VosViewer).

Beschreibung

Christian Schneijderberg, Dr., ist promovierter Soziologe. Seit 2009 forscht er am International Center for Higher Education Research (INCHER) und lehrt im Fach Soziologie der Universität Kassel. Im akademischen Jahr 2020/21 hat Christian Schneijderberg die Professur »Soziologie, Methoden und Techniken der empirischen Sozialforschung« in der Soziologie der RWTH Aachen vertreten.
Oliver Wieczorek ist Doktor Designatus und seit 2022 am International Center for Higher Education Research (INCHER) in Kassel angestellt. Zuvor war er an der Zeppelin Universität Friedrichshafen und an der Universität Bamberg in mehreren Projekten in den Bereichen der Wissenschafts- und Hochschulforschung sowie kritischen Bildungsforschung gemeinsam mit Prof. Münch beteiligt.
Isabel Steinhardt, Prof. Dr., ist Professorin für Bildungssoziologie an die Universität Paderborn. Zuvor war Isabel Steinhardt wissenschaftliche Mitarbeiterin in der Soziologie und dem International Center for Higher Education Research (INCHER) der Universität Kassel.

Inhaltsverzeichnis

  • BEGINN
  • Danksagung
  • 1. Einleitung
  • 1.1 Kurzübersicht zu den Inhalten der einzelnen Kapitel
  • 1.2 Welche inhaltsanalytische Auswertungstechnik ist die geeignete Methode für Sie†Š?
  • 1.3 Copylefts und Copyrights von Software
  • 2. Inhaltsanalyse von Kommunikation
  • 2.1 Zusammenhang von Kommunikation und Inhaltsanalyse
  • 2.2 Definition von qualitativer und quantitativer Inhaltsanalyse
  • 2.3 Gütekriterien der Inhaltsanalyse
  • 3. Spezifika von Daten: Möglichkeiten und Grenzen sozialwissenschaftlicher Inhaltsanalysen
  • 3.1 Einleitung
  • 3.2 Merkmale von forschungs- und prozessproduzierten Daten
  • 3.3 Forschungsablauf und Gliederung wissenschaftlicher Ausarbeitungen
  • 3.4 Nachnutzung und Bereitstellung von Daten
  • 4. Induktiv-qualitative Inhaltsanalyse
  • 4.1 Einleitung
  • 4.2 Die Textdaten der induktiv-qualitativen Inhaltsanalyse
  • 4.3 Vorgehen der induktiv-qualitativen Inhaltsanalyse
  • 4.4 Qualitative Inhaltsanalyse: manifeste und latente Inhalte verstehen und für Dritte verständlich machen
  • 5. Deduktiv-qualitative Inhaltsanalyse
  • 5.1 Ablaufschema der deduktiv-qualitativen Inhaltsanalyse
  • 5.2 Forschungsstand und Forschungsfrage: Schritt 1
  • 5.3 Erstellung des deduktiven Kategoriensystems: Schritt 2
  • 5.4 Vertraut machen mit dem Material: Schritt 3
  • 5.5 Deduktive Kodierung: Schritt 4
  • 5.6 Erweiterung des Kategoriensystems: Schritt 5
  • 5.7 Zusammenführung der Ergebnisse: Schritt 6
  • 5.8 Vergleich der Fälle
  • 6. Induktiv-quantitative Inhaltsanalyse und Auswertungstechniken am Beispiel der Kombination von AntConc und MAXQDA
  • 6.1 Einleitung
  • 6.2 Die Textdaten
  • 6.3 Schlag- bzw. Suchworte im Korpus mit AntConc identifizieren
  • 6.4 Quantitative Analyse mit MAXQDA
  • 7. Deduktiv-quantitative Inhaltsanalyse: das Bibliometric Literature Review
  • 7.1 Einleitung
  • 7.2 Schwächen von Datenbanken und Suchmaschinen
  • 7.3 Schritt 1: Erkenntnisinteresse als Fragestellung formulieren
  • 7.4 Schritt 2: Auswahl der Datenbank und Suchfokus
  • 7.5 Schritt 3: Datenauswahl und Datenbereinigung
  • 7.6 Schritt 4: bibliometrische Analysen und Inhaltsanalyse
  • 7.7 Schritt 5: Interpretation der Ergebnisse
  • 8. Automatisierte induktiv-quantitative Inhaltsanalyse: Datenerhebung und -vorbereitung
  • 8.1 Einleitung
  • 8.2 Typen automatisierter Verfahren der quantitativen Textanalyse
  • 8.3 Aufbereitung der Daten
  • 8.4 Wo finde ich online Hilfe†Š?
  • 9. Quantitative Inhaltsanalyse mittels Korrespondenzanalyse
  • 9.1 Einleitung
  • 9.2 Einführung in RStudio
  • 9.3 Vorbereitende Schritte für die Korrespondenzanalyse in RStudio
  • 9.4 Durchführung einer Korrespondenzanalyse
  • 9.5 Auswertung der Korrespondenzanalyse
  • 9.6 Schlussworte
  • 10. Automatisierte induktiv-quantitative Inhaltsanalyse als Sentiment-Analyse
  • 10.1 Einleitung
  • 10.2 Sentiment-Analyse in R
  • 10.3 Sentiment-Analyse in Python
  • 10.4 Zusammenfassung und abschließende Worte
  • 11. Topic Modeling mit Latent Dirichlet Allocation
  • 11.1 Einleitung
  • 11.2 Topic Modeling mit Python
  • 11.3 Aufbereitung der Daten für die Analyse
  • 11.4 Durchführung einer Latent Dirichlet Allocation
  • 11.5 Auswertung der Topic Models und Interpretation der Ergebnisse
  • 11.6 Zusammenfassung und abschließende Worte
  • 12. Die Schlussworte: keine Angst vor Daten, Software und Interpretation
  • 12.1 Keine Datenanalyse ohne Interpretation
  • 12.2 Analysedreischritt: Kontext-Verstehen, Inhalte-Verstehen und dem Publikum verständlich machen
  • Literatur
  • Autor*innenvorstellung

Mehr von dieser Serie

    Ähnliche Titel

      Mehr von diesem Autor