Axial Coding — Entwicklung relationaler Kategorien in der qualitativen Forschung
- Eingeführt von
- Anselm Strauss and Juliet Corbin
- Jahr
- 1990
- Typ
- Qualitative research method
- Familie
- Qualitative Coding
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Axial Coding ist der zweite wesentliche analytische Schritt in der Grounded-Theory-Analyse, der nach dem Open Coding durchgeführt wird.
Eingeführt von Anselm Strauss und Juliet Corbin im Jahr 1990, beinhaltet er die systematische Neubewertung und Neuorganisation der vielen diskreten Codes, die während des Open Coding generiert wurden, indem eine zentrale (axiale) Kategorie identifiziert und die kausalen Bedingungen, kontextuellen Faktoren, intervenierenden Bedingungen, Handlungs-Interaktionsstrategien und Konsequenzen, die sie umgeben, abgebildet werden. Ziel ist es, von einer fragmentierten Liste von Codes zu einer kohärenten relationalen Struktur zu gelangen, die widerspiegelt, wie Konzepte in den Daten miteinander verbunden sind.
Die Intuition hinter der Methode
Stellen Sie sich Open Coding als das Zerlegen einer Uhr in ihre kleinsten Teile vor – Federn, Zahnräder, Zeiger, Schrauben. Axial Coding ist der Schritt, bei dem Sie herausfinden, wie diese Teile zusammenpassen: Welche Teile treiben welche anderen Teile an, welche Bedingungen müssen erfüllt sein, damit der Mechanismus funktioniert, und was passiert, wenn er funktioniert oder nicht. In Bezug auf qualitative Daten identifizieren Sie ein Schlüsselphänomen (die Achse) und fragen dann: Was verursacht es, wer ist beteiligt, unter welchen Bedingungen, wie reagieren die Menschen, und mit welchen Ergebnissen? Dies verwandelt eine Sammlung isolierter Etiketten in ein zusammenhängendes erklärendes Bild.
Geschichte
Axial Coding wurde formell von Anselm Strauss und Juliet Corbin in ihrem wegweisenden Lehrbuch Basics of Qualitative Research aus dem Jahr 1990 eingeführt, das die Grounded-Theory-Methodologie systematisierte, die Strauss ursprünglich in den 1960er Jahren mit Barney Glaser entwickelt hatte. Glaser, der einen emergenteren, weniger strukturierten Ansatz bevorzugte, kritisierte später das Strauss-Corbin Coding-Paradigma als übermäßig vorschreibend. Kathy Charmaz' konstruktivistische Grounded Theory (2006) bot eine weitere Kritik und befürwortete flexible, iterative Kodierung ohne eine feste Paradigma-Struktur. Heute bleibt Axial Coding zentral für die strauss'sche Tradition der Grounded Theory und wird in Kursen zu Forschungsmethoden der Gesundheitswissenschaften, Bildung und Sozialwissenschaften weit verbreitet gelehrt.
Wann wird sie eingesetzt?
Axial Coding ist als Teil einer Grounded-Theory-Studie geeignet, wenn der Forscher bereits einen erheblichen Korpus von Open Codes generiert hat und bereit ist, von der Beschreibung zur Erklärung überzugehen. Es eignet sich am besten für Forschungsfragen, die fragen, wie oder warum sich ein sozialer Prozess oder ein Phänomen entfaltet – nicht nur, wie es aussieht. Die Methode erfordert reiche, detaillierte qualitative Daten (typischerweise 20 oder mehr Tiefeninterviews, ergänzt durch Feldbemerkungen oder Dokumente) und ist als eigenständige Technik ungeeignet: Sie ist analytisch von einer vorhergehenden Open-Coding-Phase abhängig. Axial Coding wird nicht empfohlen, wenn das Forschungsziel rein deskriptiv ist, wenn der Datensatz klein ist oder wenn ein leichterer Ansatz wie die thematische Analyse ausreichen würde.
Grenzen und Hinweise
- Analytisch anspruchsvoll – erfordert einen Forscher, der bereits mit Open Coding, Memo-Schreiben und theoretischer Sensibilität vertraut ist, bevor Axial Coding produktiv angewendet werden kann.
- Das Strauss-Corbin Coding-Paradigma wurde kritisiert (insbesondere von Charmaz), da es eine vorbestimmte konzeptionelle Struktur auf Daten aufzwingt, anstatt Kategorien rein aus dem Material entstehen zu lassen.
- Nicht geeignet für kleine Datensätze; ohne ausreichende Datenvielfalt wird die relationale Karte unterbesetzt und spekulativ sein.
- Das Ergebnis ist ein relationales Modell, keine fertige Theorie – weitere selektive Kodierung ist erforderlich, um eine vollständige Grounded Theory zu erreichen.
- Zeitaufwendig: Die Erstellung einer verteidigungsfähigen Axial-Coding-Karte erfordert typischerweise mehrere Zyklen von Kodierung, Memo-Schreiben und Rückkehr zu den Daten.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Verschiebt die qualitative Analyse über die reine Beschreibung hinaus, indem kausale, kontextuelle und konsequentielle Beziehungen zwischen Kategorien aufgedeckt werden.
- Bietet einen systematischen und transparenten analytischen Rahmen (das Coding-Paradigma), der die Begründung für Kategorienbeziehungen überprüfbar macht.
- Erzeugt eine relationale Struktur, die in der anschließenden selektiven Kodierungsphase zu einer formalen Grounded Theory verfeinert werden kann.
- Gut geeignet für das Verständnis komplexer sozialer Prozesse, bei denen mehrere Bedingungen interagieren, um Ergebnisse zu gestalten.
- Fördert den ständigen Vergleich zwischen entstehenden Kategorien und Rohdaten, wodurch die Analyse durchweg empirisch fundiert bleibt.
Anwendungen
- Entwicklung einer Grounded Theory darüber, wie Krankenschwestern mit moralischem Leid in Intensivpflegeeinrichtungen umgehen – Abbildung von kausalen Bedingungen, Bewältigungsstrategien und Ergebnissen.
- Analyse, wie Unternehmer das Scheitern von Unternehmen interpretieren – Identifizierung von Kontextfaktoren, intervenierenden Bedingungen und der Rolle sozialer Unterstützung.
- Aufbau eines relationalen Modells der studentischen Desengagement in Online-Lernumgebungen, das unterrichtliche Bedingungen mit Verhaltensreaktionen verknüpft.
- Untersuchung, wie sich Gemeindemitglieder an Umweltvertreibung anpassen – Verfolgung der Bedingungen, Strategien und langfristigen Folgen über Interviewdaten hinweg.
- Untersuchung, wie Gesundheitsteams die Versorgung über professionelle Grenzen hinweg koordinieren – Identifizierung der Bedingungen, unter denen kollaborative Strategien erfolgreich sind oder scheitern.
- Untersuchung von Patientenerfahrungen mit diagnostischer Unsicherheit, Abbildung der Kausalkette vom Symptombeginn über Interpretationsstrategien bis hin zum gesundheitssuchenden Verhalten.
So funktioniert es
So funktioniert es
Beginnen Sie mit der Überprüfung aller Open Codes und ersten Memos, die in der Open-Coding-Phase generiert wurden. Suchen Sie nach Codes, die häufig vorkommen, ein starkes konzeptionelles Gewicht tragen oder Dreh- und Angelpunkte zu sein scheinen, um die sich andere Codes gruppieren. Gruppieren Sie eng verwandte Open Codes zu breiteren konzeptionellen Kategorien und geben Sie jeder Kategorie eine beschreibende Bezeichnung, die ihre analytische Bedeutung erfasst, anstatt einfach ein Wort aus den Daten zu wiederholen.
Wählen Sie die zentrale Kategorie aus – das Konzept, das am häufigsten vorkommt, am stärksten mit anderen Kategorien verbunden ist und die Variation in den Daten am besten erklärt. Dies ist die 'Achse' des Axial Coding. Zusätzliche Unterkategorien werden dann um diese zentrale Kategorie herum organisiert, wobei jede eine unterschiedliche Dimension oder Eigenschaft des untersuchten Phänomens darstellt.
Artikulieren Sie für jede Kategorie-Unterkategorie-Paarung die Art der Beziehung: Ist die Unterkategorie eine kausale Bedingung, die das zentrale Phänomen hervorruft, ein kontextueller Faktor, der bestimmt, wie es sich entfaltet, eine intervenierende Bedingung, die die Reaktion moduliert, oder eine Konsequenz des Phänomens? Das Aufschreiben dieser Beziehungen in propositionaler Form ('Wenn X im Kontext Y auftritt, reagieren Akteure mit Strategie Z, was zu Ergebnis W führt') macht die entstehende Theorie testbar und transparent.
Wenden Sie das von Strauss und Corbin vorgeschlagene Coding-Paradigma an – ein strukturiertes analytisches Gerüst, das die relationale Karte in sechs Felder organisiert: kausale Bedingungen, das Phänomen selbst, Kontext, intervenierende Bedingungen, Handlungs-Interaktionsstrategien und Konsequenzen. Nicht jeder Datensatz wird alle sechs Felder gleichmäßig füllen, aber die systematische Bearbeitung jedes Feldes stellt sicher, dass keine wichtige relationale Dimension übersehen wird.
Kehren Sie zu den Rohdaten zurück – Transkripte, Feldbemerkungen oder Dokumente –, um zu überprüfen, ob die vorgeschlagenen Kategorienbeziehungen in spezifischen Beweisen verankert sind. Negative Fälle (Instanzen, die nicht in die entstehende relationale Karte passen) sind besonders wichtig: Sie können die bedingten Grenzen der Kategorien aufzeigen oder eine Verfeinerung der zentralen Kategorie selbst anregen. Das Memo-Schreiben in dieser Phase erfasst die Begründung hinter jeder Beziehung.
Häufige Fallstricke
- Anwendung von Axial Coding vor Abschluss des Open Coding – eine vorzeitige Schließung um eine zentrale Kategorie zu früh in der Analyse zwingt Daten in vorbestimmte Felder und unterdrückt widersprechende Beweise.
- Behandlung des Coding-Paradigmas als starre Checkliste – nicht jeder Datensatz wird alle sechs Paradigma-Elemente gleichermaßen aufweisen; das Erzwingen der Daten in Felder, die durch die Beweise nicht gerechtfertigt sind, schwächt die Validität.
- Ignorieren von negativen oder abweichenden Fällen – Instanzen, die nicht in die entstehende relationale Karte passen, sind analytisch wertvoll; sie beiseite zu legen, anstatt sie zur Verfeinerung der Kategorien grenzen zu verwenden, ist ein häufiger und kostspieliger Fehler.
- Vermischung von Axial Coding mit thematischer Analyse – Axial Coding ist speziell dafür konzipiert, relationale Modelle sozialer Prozesse zu erstellen, nicht nur wiederkehrende Themen zu identifizieren; die Verwendung des Begriffs ohne die relationale Logik stellt die Methode falsch dar.
- Verlust der Verbindung zu den Rohdaten – da die Analyse abstrakter wird, hören Forscher manchmal auf, zu Transkripten zurückzukehren, um Beziehungsansprüche zu validieren; jede vorgeschlagene Beziehung sollte auf spezifische Datenauszüge zurückführbar sein.
Häufig gestellte Fragen
Ist Axial Coding dasselbe wie thematische Analyse?
Nein. Die thematische Analyse identifiziert wiederkehrende Muster (Themen) in einem Datensatz und ist primär deskriptiv. Axial Coding hingegen ist ein explizit relationales Verfahren: Es versucht zu erklären, wie und warum ein zentrales Phänomen auftritt, indem es kausale Bedingungen, kontextuelle Faktoren, intervenierende Bedingungen, Strategien und Konsequenzen abbildet. Axial Coding gehört zur Grounded-Theory-Tradition und ist analytisch anspruchsvoller als die thematische Analyse.
Kann ich Axial Coding ohne den Rest der Grounded Theory verwenden?
Axial Coding ist als zweite Phase der Grounded-Theory-Analyse nach dem Open Coding konzipiert. Es stützt sich auf die im ersten Schritt produzierten Open Codes und Memos. Die Verwendung des Begriffs 'Axial Coding' für eine eigenständige relationale Analyse ist technisch eine falsche Anwendung des Begriffs. Wenn Sie Beziehungen zwischen qualitativen Kategorien außerhalb eines Grounded-Theory-Rahmens abbilden möchten, sind Ansätze wie die Framework-Analyse oder System-Mapping möglicherweise besser geeignet.
Was ist der Unterschied zwischen den Ansätzen von Strauss-Corbin und Charmaz zur Kodierung?
Strauss und Corbin befürworten ein strukturiertes Coding-Paradigma mit definierten Feldern (kausale Bedingungen, Phänomen, Kontext, intervenierende Bedingungen, Strategien, Konsequenzen). Charmaz' konstruktivistische Grounded Theory lehnt dieses Paradigma als zu vorschreibend ab und bevorzugt eine offene, iterative Kodierung, die es konzeptionellen Kategorien erlaubt, freier zu entstehen. Strauss-Corbin eignet sich für Forscher, die systematische Struktur schätzen; Charmaz eignet sich für diejenigen, die interpretative Flexibilität priorisieren und Bedenken hinsichtlich der Aufzwingung von Kategorien auf Daten haben.
Woran erkenne ich, wann Axial Coding abgeschlossen ist?
Axial Coding ist ausreichend abgeschlossen, wenn jede Hauptkategorie in den Daten mit einer zentralen Kategorie in Beziehung gesetzt wurde, die Beziehungen zwischen den Kategorien durch spezifische Datenauszüge gestützt werden, negative Fälle untersucht und entweder berücksichtigt oder erklärt wurden und die relationale Karte bei wiederholten Rückkehr zu den Daten stabil ist. Der nächste Schritt ist das selektive Kodieren, das die Kategorien um eine Kernkategorie zu einer formalen Grounded-Theory-Aussage integriert.
Welche Software kann Axial Coding unterstützen?
ATLAS.ti, NVivo und MAXQDA unterstützen alle Workflows für Axial Coding: Sie ermöglichen es Forschern, hierarchische Code-Familien zu erstellen, Codes mit Beziehungsverbindern zu verknüpfen und Kategorienkarten zu visualisieren. Keine der Software führt die analytische Arbeit aus – die Zuweisung relationaler Rollen zu Kategorien und deren Validierung anhand von Datenauszügen ist die intellektuelle Aufgabe des Forschers. Software reduziert den administrativen Aufwand für die Verwaltung großer Code-Sätze und Memos.
Verwandte Methoden
Quellen
Strauss, A., & Corbin, J. (1990). Basics of Qualitative Research: Grounded Theory Procedures and Techniques. Sage.
ISBN: 978-0803932456Kopiert.Charmaz, K. (2006). Constructing Grounded Theory: A Practical Guide Through Qualitative Analysis. Sage.
Publikationsreferenz öffnenKopiert.