Triangulierte Erhebung — Kreuzvalidiertes Studiendesign
- Eingeführt von
- Norman K. Denzin (triangulation concept); Alan Bryman (mixed-methods survey application)
- Jahr
- 1978 (Denzin); widely operationalized in survey contexts from the 1990s onward
- Typ
- Mixed-methods data collection design
- Familie
- Data collection
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Eine triangulierte Erhebung kombiniert bewusst ein strukturiertes Erhebungsinstrument mit mindestens einer zusätzlichen Datenquelle – wie Interviews, Fokusgruppen, Beobachtungen oder einer zweiten Erhebung –, sodass die Ergebnisse aus jeder Quelle gegeneinander kreuzvalidiert werden können.
Das Design, das auf Denzins Konzept der methodischen Triangulation basiert, stärkt die Glaubwürdigkeit, indem es prüft, ob unabhängige Evidenzlinien zu denselben Schlussfolgerungen konvergieren. Es ist besonders verbreitet in der angewandten Sozial-, Bildungs- und Gesundheitsforschung.
Die Intuition hinter der Methode
Stellen Sie sich vor, Sie bitten 500 Mitarbeiter, die Arbeitsplatzbelastung auf einer Likert-Skala zu bewerten, sind sich aber nicht sicher, ob die Zahlen wirklich erfassen, was Stress in diesem Umfeld bedeutet. Eine triangulierte Erhebung fügt beispielsweise ein Dutzend Folgeinterviews oder eine Beobachtungskomponente hinzu. Wenn die Befragten mit hoher Stressbewertung in den Interviews dasselbe sagen, was ihre Skalenwerte implizieren, steigt das Vertrauen sowohl in das Erhebungsinstrument als auch in die Interpretation. Wenn sie abweichen, lernen Sie etwas Wichtiges darüber, wo die Erhebung den Punkt verfehlt hat – und Sie können Ihre Schlussfolgerungen entsprechend verfeinern.
Geschichte
Das Konzept der Triangulation in der Sozialforschung wurde von Norman K. Denzin in seinem Buch 'The Research Act' von 1978 systematisiert, das Daten-, Ermittler-, Theorie- und methodische Triangulation unterschied. Die Anwendung der Triangulation speziell auf Erhebungsdesigns wurde durch die Mixed-Methods-Bewegung der 1990er und 2000er Jahre weit verbreitet, mit wichtigen Beiträgen von Alan Bryman, John Creswell und Abbas Tashakkori. Creswell und Planto Clarks konvergentes paralleles Design – ein prominentes Mixed-Methods-Framework – formalisierte die Logik der gleichzeitigen Durchführung von Erhebungs- und qualitativen Strängen und deren Zusammenführung bei der Interpretation.
Wann wird sie eingesetzt?
Verwenden Sie eine triangulierte Erhebung, wenn ein einzelnes Erhebungsinstrument das untersuchte Konstrukt möglicherweise nicht vollständig erfasst oder wenn Stakeholder eine höhere Zuversicht benötigen, als eine Methode bieten kann – üblich bei Programmevaluationen, Politikforschung und angewandten Gesundheitsstudien. Sie ist auch dann geeignet, wenn der Forscher Antwortverzerrungen oder soziale Erwünschtheitseffekte vermutet und eine qualitative Überprüfung zur Validierung des Musters erforderlich ist. Verwenden Sie sie NICHT einfach, um scheinbare Strenge hinzuzufügen: Wenn die Forschungsfrage einfach deskriptiv ist und das Instrument validiert ist, fügt die Triangulation Kosten und Komplexität ohne proportionale Gewinne hinzu. Vermeiden Sie sie, wenn Zeit oder Budget keine echte parallele Datenerhebung unterstützen können – eine nominale Triangulation, die bei der sekundären Quelle spart, ist schlechter als eine gut durchgeführte Einzelmethoden-Erhebung.
Grenzen und Hinweise
- Wesentlich ressourcenintensiver als eine eigenständige Erhebung in Bezug auf Zeit, Kosten und analytische Expertise.
- Wenn Quellen divergieren, erfordert deren Abgleich interpretative Urteilsbildung, die angefochten werden kann.
- Die Qualität der Triangulation hängt vollständig von der Qualität jeder Quelle ab; eine schlecht konzipierte sekundäre Quelle fügt Validierung statt Rauschen hinzu.
- Erfordert Kompetenz in mindestens zwei methodischen Traditionen, was eine höhere Anforderung an die Fähigkeiten des Forschungsteams stellt.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Erhöht die Glaubwürdigkeit, indem gezeigt wird, dass unabhängige Datenquellen zu derselben Schlussfolgerung konvergieren.
- Erkennt Messprobleme im Erhebungsinstrument, die bei einem Einzelmethoden-Design unsichtbar wären.
- Bringt kontextuelle Nuancen und Subgruppenvariationen ans Licht, die aggregierte Erhebungsstatistiken verdecken.
- Ermöglicht quantitative Breite (große Erhebungsstichprobe) und qualitative Tiefe (Interviews) innerhalb einer Studie.
- Besonders überzeugend für Politik- und Praxiszielgruppen, die jeder einzelnen Datenquelle misstrauen.
Anwendungen
- Programmevaluationen, die Vorher-/Nachher-Erhebungsdaten mit Teilnehmerinterviews kombinieren, um zu bewerten, ob die gemessene Veränderung die tatsächliche Erfahrung widerspiegelt.
- Gesundheitsdienstforschung, die patientenberichtete Ergebnismaße validiert, indem Skalendaten mit ausführlichen Patientenberichten gepaart werden.
- Bildungsforschung, die Klassenzimmererhebungen neben Beobachtungsprotokollen verwendet, um selbstberichtete studentische Beteiligung zu überprüfen.
- Organisationsstudien, die Mitarbeiterbefragungen mit Fokusgruppen kombinieren, um Treiber von Umfrage-identifizierten Trends zu untersuchen.
- Politikforschung, die nationale Erhebungsdaten neben qualitativen Fallstudien verwendet, um regionale oder demografische Variationen zu erklären.
- Skalenvalidierungsstudien, die zwei unabhängig formulierte Erhebungsinstrumente verwenden, die dasselbe Konstrukt messen, um die konvergente Validität zu bewerten.
So funktioniert es
So funktioniert es
Der Forscher legt die Triangulationsstrategie vor Beginn der Datenerhebung fest: Welches Erhebungsinstrument dient als primäre Quelle, welche ergänzenden Quellen (Interviews, Fokusgruppen, Sekundärdaten, Expertenbewertungen, Beobachtung) werden hinzugefügt, wie werden die Quellen verglichen und ob die Integration auf der Ebene der Datenerhebung, der Analyse oder der Interpretation stattfindet. Die Vorabregistrierung der Vergleichslogik verhindert nachträgliche Rationalisierungen.
Die Hauptuntersuchung wird mit der Zielstichprobe unter Verwendung standardmäßiger Erhebungsverfahren durchgeführt – Wahrscheinlichkeitsstichproben, wo machbar, ausreichende Stichprobengröße für die geplanten Analysen, pilotgetestete Items und Berücksichtigung von Non-Response. Die Erhebung generiert strukturierte oder semi-strukturierte Antworten, die das Rückgrat des Datensatzes bilden.
Eine oder mehrere ergänzende Datenquellen werden parallel oder sequenziell erhoben. Häufige Ergänzungen sind gezielte Interviews mit einer Teilstichprobe von Umfrageteilnehmern, Fokusgruppen, die wichtige Teilnehmergruppen repräsentieren, Verwaltungsdaten oder eine unabhängig entwickelte parallele Erhebung, die dieselben Konstrukte mit unterschiedlicher Item-Formulierung abdeckt. Die sekundäre Quelle sollte in der Lage sein, dieselbe Forschungsfrage unabhängig zu beantworten.
Die Ergebnisse der primären Erhebung und jeder ergänzenden Quelle werden nebeneinander untersucht. Konvergenz – wenn beide Quellen zur selben Schlussfolgerung führen – erhöht die Zuversicht. Divergenz – wenn sie im Widerspruch stehen – ist analytisch wertvoll: Sie signalisiert Messprobleme, kontextuelle Nuancen oder Subgruppenvariationen, die die Erhebung allein übersehen hätte. Der Forscher dokumentiert das Muster der Übereinstimmung und Nichtübereinstimmung explizit.
Der Forscher erstellt eine integrierte Interpretation, die sich auf beide Quellen stützt und erklärt, was Konvergenz oder Divergenz für die Forschungsfrage bedeutet. Die Synthese sollte klar darlegen, welche Schlussfolgerungen auf konvergenten Evidenzen beruhen, welche auf einer einzelnen Quelle, und wie etwaige Divergenzen aufgelöst oder als offene Fragen belassen wurden.
Häufige Fallstricke
- Konvergenz als automatische Bestätigung behandeln – zwei fehlerhafte Instrumente, die übereinstimmen, erzeugen konvergierende Verzerrungen, keine gültigen Ergebnisse; Konvergenz ist beruhigend nur, wenn Quellen wirklich unabhängige Fehlerstrukturen haben.
- Verwendung des qualitativen Strangs als bloße Illustration – wenn Interviewdaten selektiv zitiert werden, um Umfrageergebnisse zu stützen, anstatt unabhängig analysiert zu werden, ist die Triangulation kosmetisch statt substanziell.
- Nicht übereinstimmende Stichproben – wenn die Erhebung eine breite Population abdeckt und Interviews eine enge Convenience-Teilstichprobe abdecken, kann Divergenz Stichprobenunterschiede und nicht Messunterschiede widerspiegeln.
- Post-hoc-Triangulation – die Entscheidung, eine ergänzende Quelle hinzuzufügen, nachdem Umfrageergebnisse gesehen wurden, führt Bestätigungsverzerrungen in die Quellenauswahl und Dateninterpretation ein.
- Untererfassung der Vergleichslogik – eine triangulierte Erhebung ist nur dann replizierbar, wenn die Regeln für den Vergleich von Quellen im Methodenteil explizit angegeben sind.
Häufig gestellte Fragen
Wie unterscheidet sich eine triangulierte Erhebung von einer Mixed-Methods-Studie?
Eine triangulierte Erhebung ist ein spezifischer Fall eines Mixed-Methods-Designs, bei dem das primäre Datenerhebungswerkzeug eine Erhebung ist und mindestens eine zusätzliche Quelle zur Kreuzvalidierung hinzugefügt wird. Mixed-Methods ist die breitere Familie; die triangulierte Erhebung ist eine gängige Konfiguration darin, die durch die konvergente Vergleichslogik gekennzeichnet ist, anstatt durch ein sequenzielles erklärendes oder exploratives Design.
Garantiert Triangulation validere Ergebnisse?
Nicht automatisch. Triangulation verbessert die Validität nur, wenn jede Quelle eine unabhängige Fehlerstruktur hat und selbst rigoros implementiert wird. Zwei verzerrte Instrumente, die übereinstimmen, erzeugen konvergierende Verzerrungen, keine gültigen Ergebnisse. Entscheidend ist sicherzustellen, dass die sekundäre Quelle plausibel die Fehler erfassen kann, die die primäre Erhebung machen könnte.
Wie viele sekundäre Quellen werden benötigt?
Eine unabhängige zusätzliche Quelle ist ausreichend und üblich. Das Hinzufügen weiterer Quellen erhöht die analytische Komplexität ohne proportionale Validitätsgewinne, es sei denn, die Forschungsfrage erfordert spezifisch mehrere Perspektiven. Die Qualität und Unabhängigkeit der sekundären Quelle ist weitaus wichtiger als ihre Anzahl.
Was soll ich tun, wenn die Ergebnisse der Erhebung und der Interviews divergieren?
Divergenz ist informativ, kein Versagen. Untersuchen Sie die wahrscheinliche Ursache: Sind die Stichproben unterschiedlich? Erfasst die Interviewfrage einen anderen Aspekt des Konstrukts? Gibt es einen sozialen Erwünschtheitseffekt in einer Quelle, aber nicht in der anderen? Berichten Sie die Divergenz transparent, schlagen Sie die plausibelste Erklärung vor und erkennen Sie an, was ungelöst bleibt.
Kann eine triangulierte Erhebung in rein quantitativen Studien verwendet werden?
Ja. Triangulation erfordert keine qualitative Komponente. Ein Forscher kann triangulieren, indem er zwei unabhängig entwickelte Erhebungsinstrumente, die dasselbe Konstrukt messen, an dieselbe Stichprobe anwendet und auf Konvergenz prüft. Dies wird als Within-Method-Triangulation bezeichnet und ist in der Skalenvalidierungsforschung üblich.
Verwandte Methoden
Quellen
Denzin, N. K. (1978). The Research Act: A Theoretical Introduction to Sociological Methods (2nd ed.). McGraw-Hill.
Publikationsreferenz öffnenKopiert.Bryman, A. (2016). Social Research Methods (5th ed.). Oxford University Press.
ISBN: 9780198722236Kopiert.