Online-Dokumentensammlung — Digitale Aufzeichnungen als Forschungsdaten
- Eingeführt von
- Adapted from traditional document analysis; digital form emerged with widespread internet adoption
- Jahr
- 1990s–2000s (digital / web era)
- Typ
- Qualitative / mixed-methods data collection technique
- Familie
- Data collection
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Die Online-Dokumentensammlung ist der systematische Prozess des Identifizierens, Abrufens und Zusammenstellens digitaler Dokumente – einschließlich Webseiten, institutioneller Publikationen, Social-Media-Beiträge, Richtliniendokumente und digitaler Archive – als primäre oder ergänzende Forschungsdaten.
Sie erweitert die klassische Dokumentenanalyse auf internetgestützte Umgebungen und ermöglicht Forschenden den Zugriff auf große, geografisch verteilte Korpora ohne Feldforschung oder physischen Archivzugang.
Die Intuition hinter der Methode
Stellen Sie sich die Online-Dokumentensammlung als den Aufbau einer kuratierten digitalen Bibliothek für Ihre Forschungsfrage vor. Anstatt Archive persönlich zu besuchen, navigieren Sie durch Regierungsportale, Organisationswebseiten, Datenbanken und soziale Plattformen, um Texte zu sammeln, die Belege für ein Phänomen enthalten. Wie ein Bibliothekar, der Auswahlkriterien anwendet, definieren Sie, was als relevantes Dokument zählt, lokalisieren es online, laden es systematisch herunter oder kopieren es, überprüfen seine Authentizität und Relevanz und organisieren es zu einem analysierbaren Korpus. Der resultierende Datensatz ist vollständig textbasiert, kann aber sehr groß sein und sowohl Close Reading als auch computergestützte Analyse ermöglichen.
Geschichte
Die Dokumentenanalyse als Forschungsmethode hat ihre Wurzeln in der Geschichtsschreibung und Soziologie des frühen 20. Jahrhunderts, insbesondere in der Arbeit von W.I. Thomas und Florian Znaniecki (The Polish Peasant, 1918–1920) und wurde später von Gelehrten wie John Scott (1990) und Lindsay Prior (2003) systematisiert. Die Online-Variante entstand organisch in den 1990er und 2000er Jahren, als die Internetdurchdringung digitale Dokumente weithin verfügbar machte. Glenn Bowens methodologischer Artikel von 2009 im Qualitative Research Journal wurde zu einer vielzitierten Referenz, die die Dokumentenanalyse – einschließlich ihrer digitalen Formen – als rigorose qualitative Methode konsolidierte. Das Wachstum in den Digital Humanities, der Computational Social Science und den Open-Data-Bewegungen hat ihren Umfang seither erheblich erweitert.
Wann wird sie eingesetzt?
Nutzen Sie die Online-Dokumentensammlung, wenn die Forschungsfrage durch öffentlich verfügbare oder zugängliche digitale Texte beantwortet werden kann und wenn die Primärdatenerhebung (Interviews, Umfragen) unpraktisch, teuer oder ethisch sensibel ist. Sie eignet sich gut für historische oder longitudinale Studien, Politikfeldanalysen, Organisationsforschung und Studien des öffentlichen Diskurses. Sie ist eine starke ergänzende Methode zur Triangulation in Mixed-Methods-Designs. Verwenden Sie sie nicht als alleinige Methode, wenn die Forschungsfrage persönliche Erfahrungen, Einstellungen oder Verhaltensweisen betrifft, die nicht in öffentlichen Dokumenten erfasst sind; und vermeiden Sie sie, wenn die Authentizität oder Vollständigkeit von Dokumenten nicht überprüft werden kann oder wenn das interessierende Phänomen kaum oder keine dokumentarische Online-Spur hinterlässt.
Grenzen und Hinweise
- Online-Dokumente können nach der Sammlung bearbeitet, entfernt oder verschoben werden, was die Replikation oder Nachverfolgung erschwert.
- Zugangsbeschränkungen, Paywalls oder Authentifizierungsbarrieren können wichtige Quellen ausschließen und eine Selektionsverzerrung einführen.
- Die Qualität und Authentizität von Dokumenten kann schwer zu überprüfen sein, insbesondere bei nutzergenerierten oder anonymen Inhalten.
- Repräsentiert nur das, was digitalisiert und online veröffentlicht wurde – marginalisierte Stimmen und informelles Wissen sind oft unterrepräsentiert.
- Große Korpora erfordern eine Datenmanagement-Infrastruktur und möglicherweise computergestützte Fähigkeiten, die über die Ausbildung vieler Forschender hinausgehen.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Ermöglicht den Zugriff auf große, geografisch verteilte Korpora ohne Reise- oder physische Zugangsbeschränkungen.
- Dokumente sind natürlich vorkommende Daten – nicht unter Forschungsbedingungen produziert – was die Reaktivitätsverzerrung reduziert.
- Kosteneffizient: Viele Quellen sind über Open-Access-Portale, Datenbanken oder öffentliche Webseiten frei zugänglich.
- Gut geeignet für historische und longitudinale Forschung, da digitale Archive datierte Versionen von Dokumenten bewahren.
- Leicht mit anderen Methoden (Interviews, Umfragen) zur Triangulation in Mixed-Methods-Designs kombinierbar.
- Skalierbar – computergestützte Textanalyse-Tools können Tausende von Dokumenten verarbeiten, was manuelles Lesen nicht leisten könnte.
Anwendungen
- Politikfeldanalyse: Sammeln und Vergleichen von Regierungs-Whitepapers, Gesetzestexten und regulatorischen Richtlinien, die auf offiziellen Portalen veröffentlicht wurden.
- Organisationsforschung: Sammeln von Geschäftsberichten, Pressemitteilungen und Leitbildern von Unternehmen, um institutionelle Veränderungen im Zeitverlauf zu untersuchen.
- Studien des öffentlichen Diskurses: Zusammenstellen von Nachrichtenartikeln, Blogbeiträgen oder Social-Media-Threads, um die Rahmung eines sozialen Themas zu analysieren.
- Historische Forschung: Aufbau von Korpora aus digitalisierten Zeitungen, Gerichtsakten oder Organisationsarchiven für die Längsschnittanalyse.
- Gesundheitskommunikation: Sammeln von Patientenforum-Beiträgen, Richtlinien von Gesundheitsbehörden und Medienberichten, um das öffentliche Verständnis einer medizinischen Erkrankung zu untersuchen.
- Bildungsforschung: Abrufen von Lehrplänen, Schulrichtlinien und Lernressourcen, um pädagogische Ansätze zwischen Institutionen zu vergleichen.
So funktioniert es
So funktioniert es
Der Forschende formuliert explizite Ein- und Ausschlusskriterien, die festlegen, welche Arten von Online-Dokumenten relevant sind – nach Dokumententyp (z. B. politische Berichte, Nachrichtenartikel, institutionelle Stellungnahmen), Zeitfenster, Sprache, Quellendomäne sowie geografischem oder organisatorischem Umfang. Klare Kriterien verhindern eine willkürliche Akkumulation und machen den Sammlungsprozess transparent und replizierbar.
Relevante Online-Quellen werden durch systematische Suchen in Datenbanken, Suchmaschinen, institutionellen Webseiten, Regierungsportalen, digitalen Repositorien und Social-Media-Plattformen identifiziert. Boolesche Suchzeichenketten, seiten-spezifische Operatoren und Plattform-APIs werden verwendet, um eine umfassende Liste potenzieller Quellen zu erstellen, bevor der Abruf beginnt.
Dokumente werden von ihren Online-Standorten heruntergeladen, gescrapt oder gespeichert, unter Verwendung von Browser-Tools, Web-Scraping-Skripten, API-Aufrufen oder manuellem Kopieren. Metadaten – einschließlich URL, Autor, Veröffentlichungsdatum und Zugriffsdatum – werden für jedes Dokument erfasst, um eine korrekte Zitierung und Nachverfolgung der Provenienz zu unterstützen.
Jedes abgerufene Dokument wird auf Authentizität (ist dies echt und unverändert?), Glaubwürdigkeit (wer hat es zu welchem Zweck erstellt?), Repräsentativität (spiegelt das Korpus das Phänomen adäquat wider?) und Relevanz (beantwortet es die Forschungsfrage?) geprüft. Dokumente, die die Qualitätsschwellen nicht erreichen, werden ausgeschlossen und die Entfernung wird protokolliert.
Qualifizierende Dokumente werden in einem strukturierten Ablagesystem oder einer Software für qualitatives Datenmanagement (z. B. NVivo, ATLAS.ti, Zotero) gespeichert und mit Metadaten und Quellenattributen versehen. Versionskontrolle und die Protokollierung des Zugriffsdatums sind wichtig, da Online-Dokumente nach der Sammlung bearbeitet oder gelöscht werden können.
Das organisierte Korpus wird mit geeigneten Methoden – Inhaltsanalyse, thematische Analyse, Diskursanalyse oder computergestützte Textanalyse – analysiert, um Erkenntnisse zu gewinnen, die für die Forschungsfrage relevant sind. Die Analyse kann je nach Forschungsdesign qualitativ, quantitativ oder gemischt sein.
Häufige Fallstricke
- Versäumnis, Metadaten und Zugriffsdaten aufzuzeichnen: Online-Dokumente ändern sich oder verschwinden; ohne präzise Provenienzaufzeichnungen kann das Korpus nicht überprüft oder genau zitiert werden.
- Ignorieren von Selektionsverzerrungen: Das Sammeln nur leicht auffindbarer Dokumente (oberste Suchergebnisse, große Medien) schließt systematisch Minderheitenperspektiven aus und führt zu einem verzerrten Korpus.
- Alle Online-Dokumente als gleichwertig behandeln: Institutionelle Berichte, Social-Media-Beiträge und journalistische Artikel unterscheiden sich in Zweck, Zielgruppe und epistemischem Status; die Analyse muss den Dokumententyp berücksichtigen.
- Vernachlässigung ethischer Überlegungen: Auch öffentlich zugängliche Online-Inhalte – insbesondere Social-Media-Beiträge – können die Privatsphäre von Personen beeinträchtigen; Forschende sollten vor dem Sammeln und Zitieren solcher Materialien die disziplinären Ethikrichtlinien konsultieren.
- Scope Creep: Ohne strenge Einschlusskriterien kann das Korpus unüberschaubar groß werden, was Analysezeit für irrelevante Dokumente verschwendet.
Häufig gestellte Fragen
Wie unterscheidet sich die Online-Dokumentensammlung vom Web Scraping?
Web Scraping ist ein automatisierter technischer Prozess zur Extraktion von Text oder Daten von Webseiten mithilfe von Skripten oder Crawlern. Die Online-Dokumentensammlung ist eine breitere methodische Kategorie, die Scraping einschließen kann, aber auch den manuellen Abruf, Datenbank-Downloads und API-Aufrufe umfasst. Das entscheidende Merkmal der Online-Dokumentensammlung ist ihr zielgerichteter, kriterienbasierter Ansatz zum Aufbau eines Forschungskorpus; Scraping ist ein Werkzeug innerhalb dieses Prozesses.
Sind Social-Media-Beiträge legitime Forschungsdokumente?
Ja, in vielen Forschungskontexten sind sie das. Social-Media-Beiträge sind natürlich vorkommende Texte, die Meinungen, Erfahrungen und Interaktionen ausdrücken. Ihre Verwendung wirft jedoch ethische Fragen bezüglich der informierten Einwilligung und der individuellen Privatsphäre auf, selbst wenn der Inhalt öffentlich zugänglich ist. Forschende sollten die Ethikrichtlinien ihrer Institution und disziplinäre Normen befolgen, Personen gegebenenfalls anonymisieren und Transparenz bei der Sammlung und Analyse gewährleisten.
Wie gehe ich mit Dokumenten um, die nach der Sammlung verschwinden?
Notieren Sie die genaue URL und das Zugriffsdatum für jedes Dokument zum Zeitpunkt der Sammlung. Verwenden Sie Archivierungstools wie die Internet Archive Wayback Machine oder speichern Sie lokale Kopien im PDF-Format. Zotero und ähnliche Referenzmanager können Seiten-Schnappschüsse erfassen. Diese Provenienzaufzeichnung ist unerlässlich für die Zitiergenauigkeit und um auf Gutachter zu reagieren, die eine Quelle nicht finden können.
Benötige ich eine ethische Genehmigung für die Online-Dokumentensammlung?
Das hängt von der Quelle und dem Inhalt ab. Institutionelle Berichte, Regierungsdokumente und veröffentlichte Organisationstexte sind im Allgemeinen risikoarm. Das Sammeln identifizierbarer persönlicher Inhalte aus sozialen Medien oder Gesundheitsforen erfordert typischerweise eine ethische Überprüfung, insbesondere in der medizinischen oder psychologischen Forschung. Überprüfen Sie immer die Ethikrichtlinien Ihrer Institution, bevor Sie mit der Sammlung beginnen.
Wie viele Dokumente bilden ein adäquates Korpus?
Es gibt kein universelles Minimum. Die Angemessenheit wird nach Sättigung beurteilt – dem Punkt, an dem zusätzliche Dokumente keine neuen Themen oder Belege mehr liefern, die für die Forschungsfrage relevant sind – und nach der Repräsentativität der Quellenlandschaft. Eine fokussierte Politikstudie könnte mit 20–50 Schlüssel-Dokumenten gut bedient sein; eine große Diskursstudie könnte Hunderte erfordern. Definieren Sie Ihre Kriterien explizit und berichten Sie transparent über die endgültige Korpusgröße.
Verwandte Methoden
Quellen
Bowen, G. A. (2009). Document analysis as a qualitative research method. Qualitative Research Journal, 9(2), 27–40.
DOI-Referenz öffnenKopiert.Prior, L. (2003). Using Documents in Social Research. Sage Publications.
ISBN: 978-0761965497Kopiert.