Netnografie – Online-ethnografische Forschung
- Eingeführt von
- Robert V. Kozinets
- Jahr
- 1997 (coined); 2010 (first comprehensive methodology book)
- Typ
- Qualitative research method
- Familie
- Ethnography
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Netnografie ist eine qualitative Forschungsmethode, die die Prinzipien der Kulturanthropologie auf die Untersuchung von Online-Communities und Social-Media-Umgebungen überträgt.
Geprägt von Robert Kozinets im Jahr 1997 und systematisiert in seinem Handbuch von 2010, betrachtet die Netnografie digitale Räume – Foren, soziale Netzwerke, Blogs, Bewertungsseiten – als natürlich vorkommende Forschungsfelder, in denen Gemeinschaften zusammenkommen, Bedeutungen teilen und Identitäten konstruieren. Die Methode kombiniert unauffällige Beobachtung digitaler Spuren mit aktiver Teilnahme und, wo angebracht, direkter Interaktion mit den Mitgliedern.
Die Intuition hinter der Methode
Stellen Sie sich vor, Sie möchten verstehen, wie Menschen mit einer seltenen chronischen Krankheit einander unterstützen und medizinische Informationen interpretieren – aber sie in ein Labor zu rekrutieren, würde sich künstlich und unzureichend anfühlen. Online-Patientenforen, Reddit-Communities und Facebook-Gruppen enthalten bereits Tausende von authentischen Gesprächen, in denen Menschen frei ihre Erfahrungen teilen. Netnografie behandelt diese digitalen Räume so, wie ein traditioneller Ethnograf ein Dorf behandeln würde: Der Forscher taucht in die Gemeinschaft ein, liest ihre Normen und Vokabulare, bemerkt wiederkehrende Themen und Spannungen und konstruiert schrittweise eine tiefgreifende kulturelle Darstellung dessen, was Mitgliedschaft in dieser Gemeinschaft bedeutet und wie gemeinsame Bedeutungen produziert werden.
Geschichte
Robert Kozinets, ein Wissenschaftler für Marketing und Konsumforschung, prägte den Begriff Netnografie in einem Konferenzbeitrag von 1997 und formalisierte die Methode in einem Artikel im Journal of Marketing Research von 1998 über Online-Communities. Sein Artikel 'The Field Behind the Screen' von 2002 festigte weiter den methodischen Rahmen. Die erste buchmässige Behandlung, Netnography: Doing Ethnographic Research Online, erschien 2010 und etablierte ein weitgehend zitiertes Schritt-für-Schritt-Protokoll. Kozinets überarbeitete und erweiterte die Methode in der dritten Auflage (2020) erheblich, um Social-Media-Plattformen, die Integration von Big Data, ethische Komplexitäten und visuelle/multimodale Daten zu berücksichtigen.
Wann wird sie eingesetzt?
Netnografie eignet sich gut, wenn der Forschungsschwerpunkt auf den Kulturen, Praktiken, Bedeutungen oder Identitäten von Gemeinschaften liegt, die hauptsächlich oder signifikant online existieren – wie Fangemeinschaften, Patientengruppen, professionelle Netzwerke oder Konsummarkengemeinschaften. Sie ist besonders wertvoll, wenn der direkte Zugang zu Teilnehmern schwierig, kostspielig oder geografisch unpraktisch ist, da Online-Communities reichhaltige naturalistische Daten ohne aufdringliche Rekrutierung generieren. Sie ist nicht geeignet, wenn die Forschungsfrage kausale Schlussfolgerungen, Wahrscheinlichkeitsstichproben oder statistische Verallgemeinerungen erfordert, noch wenn die Zielpopulation eine minimale Online-Präsenz hat. Ethische Risiken steigen auch stark an, wenn Gemeinschaften klein, Nischen- oder sensibel sind (z. B. stigmatisierte Gesundheitszustände), und der Forscher muss abwägen, ob Mitglieder ihre Beiträge als privat betrachten würden, obwohl sie technisch öffentlich sind.
Grenzen und Hinweise
- Online-Communities repräsentieren nur digital aktive Populationen; Gruppen mit geringem Internetzugang oder geringer Internetkompetenz sind systematisch ausgeschlossen.
- Nonverbale Hinweise – Tonfall, Emotionen, Körpersprache – fehlen weitgehend, was die Interpretation von Nuancen oder Ironie in textbasierten Beiträgen erschwert.
- Plattformänderungen (Löschung von Inhalten, geschlossene Gruppen, API-Beschränkungen) können den Datenzugang stören und die Vollständigkeit des Archivs gefährden.
- Ethische Grenzen sind umstritten: Die Unterscheidung zwischen 'öffentlichem' und 'privatem' Online-Raum ist mehrdeutig und kontextabhängig, und die Standards entwickeln sich ständig weiter.
- Der Forscher kann Community-Normen ohne ausreichende Immersion falsch interpretieren, was zu oberflächlichen oder verzerrten kulturellen Darstellungen führt.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Bietet Zugang zu natürlich vorkommenden, authentischen Community-Diskursen ohne die Reaktivitätseffekte von Interviews oder Fokusgruppen.
- Kostengünstig und geografisch unbegrenzt – Gemeinschaften aus jedem Ort oder jeder Zeitzone können ohne Reisekosten untersucht werden.
- Archive historischer Beiträge ermöglichen eine Längsschnittanalyse der Entwicklung von Community-Kultur und Bedeutungen im Laufe der Zeit.
- Erfasst die Umgangssprache, Symbole und gemeinsamen Referenzen, die die Community-Kultur definieren, und liefert kulturell fundierte Einblicke.
- Skalierbares Datenvolumen: Tausende von Beiträgen können gesammelt werden, was sowohl die Erkennung breiter Muster als auch die genaue Lektüre signifikanter Interaktionen ermöglicht.
Anwendungen
- Untersuchung von Konsummarkengemeinschaften und wie Mitglieder Markenbedeutung, Loyalitätsrituale und Anti-Marken-Widerstand auf Social Media mitgestalten.
- Erforschung von Patienten- und Betreuergemeinschaften, um Krankheitserfahrungen, Informationssuchverhalten und Peer-Support-Praktiken zu verstehen.
- Analyse von Fangemeinschaften – Gaming-Communities, Fanfiction-Autoren, K-Pop-Fandoms –, um Identität, Kreativität und kollektive Teilnahme zu analysieren.
- Erforschung professioneller Online-Communities (z. B. LinkedIn-Gruppen, akademische Foren), um Wissensaustausch-Normen und die Bildung professioneller Identitäten zu verstehen.
- Untersuchung politischer oder sozialer Bewegungsgemeinschaften, um zu verfolgen, wie sich kollektive Frames, Narrative und Mobilisierungsstrategien in digitalen Räumen entwickeln.
So funktioniert es
So funktioniert es
Der Forscher definiert eine fokussierte Forschungsfrage und identifiziert geeignete Online-Communities als Forschungsfelder. Auswahlkriterien umfassen: Relevanz des Community-Themas für den Forschungsschwerpunkt, Aktivitätsniveau, Grösse, Heterogenität der Mitglieder und Reichhaltigkeit der Mitgliederinteraktionen. Der Forscher trifft ausserdem explizite ethische Entscheidungen über Offenlegung (Mitlesen vs. offene Teilnahme) und Datennutzung, wobei die Nutzungsbedingungen der Community-Plattform und die Anonymität der Teilnehmer vor dem Betreten des Feldes berücksichtigt werden.
Der Forscher tritt in die Online-Community ein und macht sich mit ihrer Kultur, ihren Normen, ihrer Sprache und ihren Schlüsselpersonen vertraut. Bei der beobachtenden (Mitleser-)Netnografie liest der Forscher ausgiebig, ohne zu posten; bei der partizipativen Netnografie gibt der Forscher seine Forschungsrolle preis und engagiert sich aktiv mit den Community-Mitgliedern. Diese Immersion – analog zum Zugang und zur Beziehungsaufbau in der traditionellen Feldarbeit – ist notwendig, bevor die systematische Datenerfassung beginnt, und ihre Dauer hängt von der Community-Aktivität und dem Forschungsumfang ab.
Daten werden über drei komplementäre Kanäle gesammelt: (1) Archivdaten – bestehende Beiträge, Threads, Bilder, Videos und andere Community-Artefakte, die zur Analyse heruntergeladen oder als Screenshots erfasst werden; (2) hervorgerufene Daten – Inhalte, die durch vom Forscher initiierte Aktivitäten wie Online-Interviews, offene Beiträge oder Mitgliederbefragungen generiert werden; und (3) Felddaten – die eigenen reflektierenden Beobachtungen, Memos und kontextuellen Interpretationen des Forschers, die während der Immersion aufgezeichnet werden. Eine gezielte Stichprobenstrategie leitet die Auswahl der Beiträge und Threads für die eingehende Analyse.
Die gesammelten Daten werden mit qualitativen Kodierungsverfahren analysiert, die aus ethnografischen Traditionen und der Grounded Theory übernommen wurden. Der Forscher liest die Daten iterativ, wendet offene Codes an, um wiederkehrende Themen und kulturelle Kategorien zu identifizieren, und organisiert dann die Codes in übergeordnete Themen, die die gemeinsamen Bedeutungen, Rituale, Hierarchien und Werte der Gemeinschaft offenlegen. Mitgliederprüfung – die Präsentation vorläufiger Ergebnisse für Feedback an die Community-Mitglieder – und Triangulation über verschiedene Datentypen hinweg stärken die interpretative Validität.
Die Rigorosität wird durch die von Lincoln und Guba entwickelten Vertrauenswürdigkeitskriterien, angepasst an digitale Kontexte, etabliert: Glaubwürdigkeit (langfristiges Engagement in der Gemeinschaft, Mitgliederprüfung), Übertragbarkeit (dichte Beschreibung, die es den Lesern ermöglicht, die Anwendbarkeit zu beurteilen), Zuverlässigkeit (ein Audit-Trail methodischer Entscheidungen) und Bestätigbarkeit (reflexive Memos, die dokumentieren, wie die Position des Forschers die Interpretation beeinflusste). Ethische Transparenz – die Offenlegung der Existenz der Studie gegenüber der Gemeinschaft, wo immer möglich – wird ebenfalls als Bestandteil der Rigorosität behandelt.
Häufige Fallstricke
- Online-Beiträge werden als einfache Inhaltsdatenbank behandelt und nicht als kulturelle Artefakte, die in Community-Normen eingebettet sind – dies führt zu oberflächlicher Kodierung, die den sozialen Kontext verpasst, der den Beiträgen ihre Bedeutung verleiht.
- Unzureichende Immersion: Wenn die Datenerfassung beginnt, bevor die Terminologie, Insider-Witze, Hierarchien und ungeschriebenen Regeln der Gemeinschaft verstanden wurden, kommt es zu Fehlinterpretationen.
- Ignorieren der Reflexivität: Der disziplinäre Hintergrund des Forschers, seine Annahmen über Online-Kultur und seine Vertrautheit mit der Plattform beeinflussen, was er bemerkt und wie er es interpretiert; undokumentierte Positionierung untergräbt die Bestätigbarkeit.
- Übersehen ethischer Verantwortlichkeiten für kleine oder sensible Gemeinschaften, bei denen einzelne Teilnehmer durch wörtliche Zitate identifiziert werden könnten, auch wenn die Plattform technisch öffentlich ist.
- Umfangserweiterung (Scope Creep): Das schiere Volumen an Online-Daten verleitet Forscher dazu, wahllos zu sammeln; ohne eine gezielte Stichprobenstrategie wird die Analyse unüberschaubar und unkonzentriert.
Häufig gestellte Fragen
Ist Netnografie dasselbe wie Inhaltsanalyse von Social Media?
Nein. Die Inhaltsanalyse wendet typischerweise ein vordefiniertes Kodierschema an, um die Häufigkeit von Kategorien in einem großen Textkorpus zu quantifizieren, wobei Beiträge als diskrete Einheiten behandelt werden. Netnografie ist interpretativ und kulturell: Der Forscher taucht in die Gemeinschaft ein, entwickelt Codes induktiv aus den Daten und zielt darauf ab, die gemeinsamen Bedeutungen und Praktiken zu verstehen, die die Gemeinschaft ausmachen. Netnografie kann inhaltsanalytische Schritte beinhalten, aber die Kernlogik ist ethnografische Immersion, nicht Häufigkeitszählung.
Muss ich meine Identität als Forscher gegenüber der Community offenlegen?
Das hängt vom Community-Typ und dem von Ihnen befolgten ethischen Rahmen ab. Kozinets unterscheidet zwischen beobachtender Netnografie (passives Mitlesen, keine Offenlegung) und partizipativer Netnografie (aktives Engagement mit Offenlegung). Die meisten institutionellen Ethikkommissionen und die Richtlinien der Association of Internet Researchers (AoIR) empfehlen die Offenlegung, wenn Community-Beiträge als privat betrachtet werden könnten oder wenn der Forscher aktiv mit Mitgliedern interagiert. Für grosse, eindeutig öffentliche Foren wird passives Mitlesen mit anonymisierten Zitaten oft als akzeptabel angesehen, aber die Entscheidung muss dokumentiert und begründet werden.
Wie bestimme ich, wann ich genug Daten habe?
Das Kriterium ist theoretische Sättigung – der Punkt, an dem neue Beiträge oder Threads keine neuen kulturellen Kategorien oder Themen mehr generieren. Da Online-Archive riesig sein können, ist eine gezielte Stichprobenziehung, die von Ihrer sich entwickelnden Analyse geleitet wird, praktikabler als eine vollständige Erfassung. Sättigung wird typischerweise durch eine Kombination aus Breite (Scannen vieler Threads zur Bestätigung der Verbreitung von Themen) und Tiefe (genaue Lektüre wichtiger Threads, die Kernkulturmuster veranschaulichen) erreicht.
Kann Netnografie mit anderen Methoden kombiniert werden?
Ja, und das wird sie oft. Häufige Kombinationen sind: Online-Interviews oder Mitgliederbefragungen, um tiefere Erklärungen für beobachtete Muster zu erhalten (Hinzufügen von hervorgerufenen Daten zu Archivdaten); Inhaltsanalyse zur Quantifizierung der Verbreitung von ethnografisch identifizierten Themen; und sequentielle Mixed-Methods-Designs, bei denen netnografische Ergebnisse die Entwicklung von Umfrageinstrumenten beeinflussen. Die Methode wird zunehmend auch mit computergestützter Textanalyse für grosse Korpora kombiniert.
Was ist, wenn die Online-Community, die ich untersuchen möchte, privat oder passwortgeschützt ist?
Private Communities erfordern eine explizite Zugangsverhandlung und in der Regel eine vollständige Offenlegung des Forschungszwecks gegenüber Gatekeepern und Mitgliedern. Passives Mitlesen in einer privaten Gruppe ohne Wissen der Mitglieder ist nach gängigen ethischen Forschungsrahmen ethisch inakzeptabel. Daten aus privaten Communities erfordern ausserdem strengere Anonymisierungsprotokolle, da die Mitglieder eine berechtigte Erwartung eines begrenzten Publikums hatten.
Verwandte Methoden
Quellen
Kozinets, R. V. (2010). Netnography: Doing Ethnographic Research Online. Sage.
ISBN: 978-1847875907Kopiert.Kozinets, R. V. (2020). Netnography: The Essential Guide to Qualitative Social Media Research (3rd ed.). Sage.
Publikationsreferenz öffnenKopiert.