NVivo und ATLAS.ti für die qualitative Analyse
- Eingeführt von
- QSR International (NVivo) and Scientific Software-Citational (ATLAS.ti)
- Jahr
- 1999
- Typ
- Tool
- Familie
- analysis-tool
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
NVivo und ATLAS.ti sind Computer-Assisted Qualitative Data Analysis Software (CAQDAS)-Programme, die das Kodieren, Organisieren und Analysieren qualitativer Daten erleichtern – einschließlich Text (Transkripte, Dokumente), Bilder, Video und Audio.
NVivo, entwickelt von QSR International, wird in der akademischen Forschung häufig eingesetzt und unterstützt Datenorganisation, Kodierung, Memo-Erstellung, Abruf und Analysevisualisierungen. ATLAS.ti, entwickelt von Scientific Software-Citational, legt Wert auf hermeneutische Interpretation und Netzwerkvirtualisierung. Beide Werkzeuge wurden Ende der 1990er Jahre eingeführt und sind in verschiedenen Disziplinen zum Standard geworden. CAQDAS ist keine Analyse an sich – der Forscher muss analytische Entscheidungen treffen –, sondern ergänzt die menschliche Analyse durch die Verwaltung großer Datenmengen, die systematische Organisation von Codes, die Verfolgung von Analyseentscheidungen und die Generierung von Visualisierungen. Diese Werkzeuge verbessern die Transparenz und Strenge in der qualitativen Forschung.
Die Intuition hinter der Methode
Qualitative Analyse ist kognitiv anspruchsvoll: Hunderte von kodierten Segmenten im Auge zu behalten, die Konsistenz der Kodierung über die Zeit und zwischen den Teammitgliedern aufrechtzuerhalten, sich daran zu erinnern, welche Codes in welchen Dokumenten vorkommen, und die Memo-Erstellung während der Kodierung zu verwalten. CAQDAS automatisiert die mechanische Arbeit und gibt den Forschern die Freiheit, sich auf die Interpretation zu konzentrieren. Für kleine Projekte (ein einzelner Analyst, 5–10 Interviews) kann die manuelle Kodierung mit Textmarkern und Karteikarten ausreichend sein. Für größere Projekte – 20+ Interviews, mehrere Analysten, mehrere Dokumenttypen – bietet CAQDAS Effizienz und Konsistenz. Sowohl NVivo als auch ATLAS.ti ermöglichen es Forschern, Daten zu kodieren, Codes miteinander zu verknüpfen, Codes in Hierarchien oder Netzwerken zu organisieren, Memos zu schreiben, die an Codes angehängt sind, kodierte Segmente zu suchen und abzurufen sowie Kodierungsmuster zu visualisieren. Die Software entscheidet nicht, welche Codes erstellt werden sollen, wie Daten zu interpretieren sind oder welche Themen wichtig sind; dies bleibt die intellektuelle Arbeit des Forschers. CAQDAS verbessert diese Arbeit, indem es eine zuverlässige Organisation und leistungsstarke Abruffunktionen bietet.
Geschichte
Frühe CAQDAS-Programme (Ethnograph, HyperRESEARCH) entstanden in den 1980er Jahren, als Personal Computer leistungsfähig genug wurden, um Text zu verwalten. NVivo (QSR International, ursprünglich als Nachfolger von N4 entwickelt, erstmals 1999 veröffentlicht) wurde in der akademischen Forschung dominant, insbesondere in Australien und im Vereinigten Königreich. ATLAS.ti (Scientific Software-Citational, gegründet 1991) betonte die hermeneutische Interpretation und Netzwerkanalyse und gewann in der europäischen qualitativen Forschung an Bedeutung. Beide Unternehmen haben ihre Software erheblich weiterentwickelt: Moderne Versionen unterstützen Video-/Audioanalysen, die Integration gemischter Methoden und Cloud-Kollaboration. Jüngste Kritiken haben das Risiko hervorgehoben, dass CAQDAS mechanische Kodierung ohne echte Interpretation hervorbringt (Lewins & Silver 2007). Zeitgemäße Best Practices betonen, dass CAQDAS ein Werkzeug zur Unterstützung, nicht zum Ersatz, der menschlichen interpretativen Arbeit ist.
Wann wird sie eingesetzt?
CAQDAS ist wertvoll für die Forschung mit moderaten bis großen Datensätzen (15+ Interviews, 5+ Fokusgruppen, 100+ Dokumente). Für kleinere Projekte kann die manuelle Analyse ebenso rigoros und schneller zu erlernen sein. CAQDAS ist unerlässlich, wenn mehrere Analysten kodieren (gewährleistet Konsistenz); wenn die Nachverfolgung komplex ist (viele Variablen, Untergruppen, Zeitpunkte); oder wenn Transparenz und Audit-Trails Priorität haben (Software dokumentiert alle Kodierungsentscheidungen). CAQDAS ist weniger vorteilhaft für rein narrative oder interpretative Analysen, die ein anhaltendes, genaues Lesen und einen Fluss erfordern; einige Forscher finden, dass Software eine Distanz zum Text schafft. Gemischte Methodenforschung kann CAQDAS für qualitative Daten nutzen, während statistische Software für quantitative Analysen verwendet wird, was die Integration ermöglicht. Eine Schulung in der Software ist erforderlich; unerfahrene Benutzer finden oft steile Lernkurven, daher sollten Zeit für das Lernen eingeplant werden.
Grenzen und Hinweise
- Lernkurve und Kosten: Software erfordert Schulung und Abonnement oder Kauf; Investition von Zeit und Geld.
- Risiko mechanischer Kodierung: Software kann die Illusion analytischer Strenge ohne echte Interpretation erzeugen; Müll rein, Müll raus.
- Schafft Distanz zum Text: Einige Forscher finden, dass die Kodierung in Software sie von der Reichhaltigkeit und Nuanciertheit des Originaltextes distanziert.
- Nicht intuitiv: Software-Workflows unterscheiden sich vom Denken des Forschers; einige empfinden sie als einschränkend statt als unterstützend.
- Software analysiert nicht: Die Software speichert und ruft Codes ab, generiert aber keine Interpretationen; die Analyse ist weiterhin menschliche intellektuelle Arbeit.
- Versionskompatibilität und Datenmigration: Software-Updates können Kompatibilitätsprobleme verursachen; Daten können schwer zu exportieren und wiederzuverwenden sein.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Verwaltet große Datenmengen und komplexe Kodierschemata effizient; reduziert den bürokratischen Aufwand der manuellen Organisation.
- Gewährleistet Konsistenz: Codes werden einheitlich angewendet; der Abruf ist umfassend (keine verpassten Segmente).
- Unterstützt Transparenz: Alle Kodierungsentscheidungen sind nachvollziehbar; die Software führt einen Audit-Trail von Änderungen.
- Ermöglicht systematische Analyse: Code-Häufigkeitsberichte, Matrizen und Netzwerkvirtualisierungen decken Muster auf, die Menschen möglicherweise übersehen.
- Erleichtert die Zusammenarbeit: Mehrere Analysten können dieselben Daten kodieren und die Software berechnet die Inter-Kodierer-Übereinstimmung.
- Integriert Daten: Kombiniert Text, Bilder, Video und Audio in einem einzigen Projekt und ermöglicht Multimedia-Analysen.
Anwendungen
- Akademische qualitative Forschung: Studenten und Fakultäten nutzen CAQDAS für Abschlussarbeiten, Dissertationen und Publikationen in allen Disziplinen.
- Gesundheits- und Sozialforschung: Analyse von Patienteninterviews, Perspektiven von Gesundheitsdienstleistern oder Implementierung von Interventionen.
- Organisations- und Unternehmensforschung: Kodierung von Interviewdaten über Organisationskultur, Mitarbeitererfahrungen oder Change Management.
- Evaluations- und Programmbewertung: Systematische Kodierung von Stakeholder-Interviews, Programmdokumenten und Beobachtungsdaten.
- Gemischte Methodenforschung: Integration von qualitativ kodierten Daten mit quantitativer Analyse zur Untersuchung von Mechanismen oder zur Validierung von Ergebnissen.
So funktioniert es
So funktioniert es
Daten in die Software importieren: Transkripte (Textdateien), Dokumente (PDF, Word), Video, Audio. Ein Projektfile erstellen, um alle Daten und analytischen Arbeiten zu organisieren. Mit der Kodierung beginnen: Textsegmente auswählen, Codes zuweisen (offene Kodierung: Codes entstehen aus den Daten; oder Verwendung eines vordefinierten Codebuchs). Codebücher erstellen: die Definition jedes Codes, Einschluss-/Ausschlusskriterien und exemplarische Zitate dokumentieren. Codes verknüpfen: Beziehungen zwischen Codes aufzeigen (hierarchisch, netzwerkbasiert). Memos schreiben: analytische Notizen, Reflexionen und aufkommende Interpretationen an Codes, Segmente oder das Projekt anhängen. Die Abruffunktionen der Software nutzen zum Suchen: 'Alle Segmente mit Code X anzeigen' oder 'Alle Segmente mit den Codes X und Y zusammen anzeigen' (Code-Schnittmenge). Code-Kookkurrenzmatrizen oder Visualisierungen erstellen, die zeigen, wie Codes zusammenhängen. Vorsichtig mit den Auto-Coding-Funktionen der Software umgehen: Die Software kann Segmente markieren, die Schlüsselwörtern entsprechen, aber eine menschliche Überprüfung ist unerlässlich. Abfragetools erstellen (z. B. 'Codes, die in Interviews mit weiblichen Teilnehmern vorkommen'), um Muster zu untersuchen.
CAQDAS zur Unterstützung systematischer Analysen verwenden. Ein Kodierprotokoll führen, das dokumentiert, wann Codes erstellt, überarbeitet oder zusammengeführt wurden. Codehäufigkeit verfolgen: Die Software zählt, wie viele Segmente mit jedem Code kodiert werden. Hierarchien erstellen: Codes in Kategorien (Elterncodes) und Untercodes organisieren, um die konzeptionelle Organisation zu zeigen. Code-Matrizen erstellen: Kodierungsmuster über Teilnehmer oder Dokumente hinweg vergleichen (z. B. Altersgruppen). Netzwerke visualisieren: Einige Software erstellt Knoten-Link-Diagramme, die Code-Beziehungen zeigen. Die Ausgabe der Software (Code-Häufigkeitsberichte, Code-Listen, Matrizen) nutzen, um Muster zu identifizieren: Welche Codes kommen am häufigsten vor? Welche treten gemeinsam auf? Qualitätsprüfungen durchführen: Ist die Kodierung über Dokumente und Zeit hinweg konsistent? Wenn mehrere Kodierer beteiligt sind, die Inter-Kodierer-Übereinstimmung mithilfe von Softwarefunktionen überprüfen. Zusammenfassungen generieren: Die Software ermöglicht den Export von kodierten Segmenten, Matrizen und Memos zur Unterstützung des Schreibens.
Häufige Fallstricke
- Übermäßige Abhängigkeit von Software: Annahme, dass systematische Kodierung durch Software automatisch strenge Analysen ohne Reflexivität und Interpretation hervorbringt.
- Erstellung zu vieler Codes: Software ermöglicht eine Verbreitung von Codes ohne Disziplin; viele Forscher erstellen 100+ Codes und kämpfen dann damit, sie zu verwalten oder zu interpretieren.
- Kodierung ohne Codebuch: Versäumnis, Code-Definitionen zu dokumentieren, was zu inkonsistenter Anwendung und Code-Drift (Bedeutungsänderungen von Codes im Laufe der Zeit) führt.
- Vernachlässigung des Lesens vollständiger Dokumente: Verweilen in Code-Segmenten, ohne vollständige Interviews oder Dokumente zu lesen; der Kontext geht verloren.
- Behandlung von Code-Häufigkeit als Äquivalent zur Wichtigkeit: Am häufigsten vorkommende Codes sind nicht unbedingt die wichtigsten oder aussagekräftigsten.
- Unzureichende Inter-Kodierer-Schulung: Wenn mehrere Analysten kodieren, führt das Überspringen einer detaillierten Entwicklung des Codebuchs und der Schulung zu Meinungsverschiedenheiten und Inkonsistenzen.
Häufig gestellte Fragen
Sollte ich NVivo oder ATLAS.ti verwenden?
Beide sind robust und liefern gleichermaßen strenge Analysen. NVivo ist weiter verbreitet (einfacher, Tutorials und Support zu finden), hat stärkere Visualisierungsfunktionen und lässt sich mit quantitativer Software integrieren. ATLAS.ti betont die Netzwerkanalyse und die hermeneutische Philosophie; einige Forscher finden seine Benutzeroberfläche intuitiver. Probieren Sie beide aus (viele bieten kostenlose Testversionen an) oder fragen Sie Kollegen, welche sie bevorzugen. Ihre Institution stellt möglicherweise Lizenzen für eine oder beide zur Verfügung, was Ihre Wahl beeinflusst.
Kann ich qualitative Analyse ohne CAQDAS durchführen?
Ja. Manuelle Kodierung (Hervorheben, Karteikarten, physische Organisation) ist vollkommen legitim und liefert ebenso strenge Analysen. CAQDAS ist effizient für große Projekte und unterstützt die Transparenz, ist aber nicht zwingend erforderlich. Wählen Sie basierend auf Projektgröße, Teamgröße und persönlichen Vorlieben. Einige Forscher kombinieren Ansätze: manuelle anfängliche Kodierung, dann Software-Organisation für spätere Phasen.
Wie viele Codes sollte ich erstellen?
Codebücher variieren: Einige Forscher verwenden 20–30 Codes (sparsam, leicht zu verwalten); andere verwenden 100+ Codes (detailliert). Es gibt keine 'richtige' Anzahl. Streben Sie ein Gleichgewicht an: Codes sollten spezifisch genug sein, um aussagekräftig und konsistent zu sein (nicht mehrdeutig), aber nicht so zahlreich, dass Sie Schwierigkeiten haben, sie zu erinnern oder zu verwalten. Beginnen Sie mit 15–30 Codes; verfeinern Sie diese, wenn Sie mehr Daten analysieren.
Woher weiß ich, ob meine Kodierung zuverlässig ist?
Für einen einzelnen Analysten: Überprüfen Sie die Konsistenz über die Zeit, indem Sie einen Teil der Daten (5–10 % der Dokumente) nach Wochen oder Monaten erneut kodieren und die Kodierung vergleichen. Für mehrere Analysten: Berechnen Sie die Inter-Kodierer-Übereinstimmung mithilfe von Softwarefunktionen oder Cohen's Kappa. Eine Übereinstimmung von 80 %+ bei einer Stichprobe von Daten deutet auf eine zuverlässige Kodierung hin. Meinungsverschiedenheiten sind nützlich: Diskutieren Sie Unterschiede, verfeinern Sie die Definitionen des Codebuchs und lösen Sie Inkonsistenzen.
Kann CAQDAS-Software meine Analyse für mich durchführen?
Nein. Die Software organisiert Daten, erleichtert die Kodierung und generiert Ausgaben (Matrizen, Visualisierungen, Abrufe), interpretiert aber nicht. Analyse – die Entscheidung, was Codes bedeuten, die Identifizierung von Themen, das Ziehen von Schlussfolgerungen – ist intellektuelle Arbeit, die Sie leisten müssen. CAQDAS ist ein Werkzeug, kein Ersatz für menschliche Interpretation und Reflexivität.
Verwandte Methoden
Quellen
Lewins, A., & Silver, C. (2007). Using Software in Qualitative Research: A Step-by-Step Guide. SAGE Publications.
ISBN: 978-1412903653Kopiert.Friese, S. (2019). Qualitative Data Analysis with ATLAS.ti (3rd ed.). SAGE Publications.
ISBN: 978-1526424944Kopiert.Bazeley, P., & Jackson, K. (2013). Qualitative Data Analysis with NVivo (2nd ed.). SAGE Publications.
ISBN: 978-1446257098Kopiert.Hoover, S. M., Polasek, D. W., & Shuart-Faris, N. (2012). Qualitative software and rigor in systematic reviews. Journal of Electronic Resources in Medical Libraries, 9(3), 194-204.
Publikationsreferenz öffnenKopiert.