Menü
Start
Anmelden / Registrieren
Suche
 
Start arrow Medien und Kommunikationswissenschaft arrow Methoden der empirischen kommunikationsforschung
< Zurück   INHALT   Weiter >

15.2 Einund mehrfaktorielle Untersuchungsdesigns

Von einfaktoriellen Untersuchungsanlagen spricht man, wenn eine unabhängige Variable auf zwei oder mehr Stufen variiert wird. Bei mehrfaktoriellen Designs werden die entsprechenden Stufen bzw. Ausprägungen von zwei oder mehr unabhängigen Variablen miteinander kombiniert.

15.2.1 Einfaktorielle Untersuchungsdesigns

Im einfachsten Fall, aus dem auch die bisherigen Beispiele stammen, ergeben sich bei einer einfaktoriellen Anordnung auf zwei Stufen die Ausprägungen Experimentalgruppe und Kontrollgruppe. Es sind jedoch auch einfaktorielle Designs denkbar, die mehr als zwei Stufen aufweisen. Ein Beispiel wäre die Wirkung verschiedener medialer Präsentationsformen auf die Behaltensleistung der Nutzer. Die unabhängige Variable könnte auf vier Stufen variiert werden:

• Nachricht im TV

• Nachricht im Hörfunk

• Nachricht im Printmedium

• Nachricht im Internet

Man zeigt vier Gruppen dieselbe Nachricht in der jeweiligen medialen Aufbereitungsform und befragt sie anschließend zu den Inhalten. Man kann zunächst erkennen, dass in einem solchen Fall die Unterscheidung in Experimentalund Kontrollgruppe überflüssig wird, denn alle Gruppen werden miteinander verglichen und kontrollieren sich sozusagen gegenseitig.

15.2.2 Mehroder multifaktorielle Untersuchungsdesigns

Es gibt aber auch Experimente, in denen mehr als ein Faktor variiert wird. Dies wurde schon im Experiment zur Wirkung von Gewaltfilmen auf das Aggressionsniveau angedeutet. In diesem Fall war das Untersuchungsdesign zweifaktoriell; man spricht auch von einem 2×2-Design: Zwei Faktoren werden auf jeweils zwei Stufen miteinander kombiniert, so dass insgesamt vier Gruppen untersucht werden. Würde man einen Faktor auf drei und den anderen Faktor auf zwei Stufen variieren, läge ein 3×2-Design mit sechs Versuchsgruppen vor. Einen dreifaktoriellen Untersuchungsplan mit je zwei Stufen beschreibt man als 2×2×2-Design.

Ein Vorteil solcher mehrfaktoriellen Designs ist die größere Differenziertheit der Aussagen. Wenn zwei oder mehr unabhängige Variablen gleichzeitig in ihrem Einfluss auf die abhängige Variable untersucht werden, entspricht dies eher der Komple-

Abb. 15.2 Zweifaktorielles Untersuchungsdesign

xität der sozialen Realität. In einer derartigen Untersuchungsanlage ist man vor allem in der Lage, mögliche Wechselwirkungen zwischen den Variablen zu bestimmen (Abb. 15.2).

Hätte man lediglich die Variation Naturvs. Gewaltfilm untersucht (UV1b), würde man (fälschlicherweise) schließen, dass Gewaltfilme das Aggressionsniveau nicht erhöhen (jeweils 20 Volt). Indem man jedoch eine weitere unabhängige Variable (in diesem Fall die Frustration) mit berücksichtigt, fällt das Ergebnis differenzierter aus: Gewaltfilme erhöhen das Aggressionspotenzial nur dann, wenn Rezipienten vorher frustriert wurden (40 Volt). Man kann sich leicht vorstellen, dass gerade auf diesem politisch und pädagogisch brisanten Feld solche differenzierten Aussagen zur Versachlichung der Diskussion beitragen können.

Was wir in dem vorliegenden Fall gefunden haben, ist eine sogenannte Wechselwirkung oder Interaktion. Durch das Zusammenspiel von mehr als einer Variablen entstehen Effekte, die man bei isolierter Betrachtung der unabhängigen Variablen allein nicht nachweisen könnte. Für die statistische Analyse solcher Wechselwirkungen setzt man mehrfache Varianzanalysen ein. Wechselwirkungen erlauben, wie im vorliegenden Fall, differenziertere Aussagen über Ursache-Wirkungs-Verhältnisse bzw. über die soziale Realität, als dies durch mehrere einfaktorielle Untersuchungsdesigns möglich wäre.

In der Regel fängt wissenschaftliche Forschung meist mit einfaktoriellen Designs an. Man hat eine allgemeingültige Hypothese und untersucht einen einfachen Zusammenhang. Nach und nach stößt man jedoch auf intervenierende Variablen, die den untersuchten Zusammenhang modifizieren (stärken oder auch abschwächen) und die durch mehrfaktorielle Designs überprüft werden können. Dieses Vorgehen hat natürlich seine Grenzen. Bei mehr als drei Faktoren werden die Versuchspläne ziemlich unübersichtlich, zumal nicht unbedingt alle „Zellen“ wirklich relevant sind. Zudem gehen dem Forscher in der Regel das Geld und vor allem die Versuchspersonen aus. Wenn man davon ausgeht, dass bei einem dreifaktoriellen 3×3×3-Design bereits 27 Gruppen à zwanzig bis dreißig Versuchspersonen benötigt werden, sind schnell die Grenzen der Machbarkeit erreicht. Bei der Variation von vier Faktoren wären es schon 81 Versuchsgruppen.

Abb. 15.3 Realisierung eines Untersuchungsplanes mit drei Faktoren als lateinisches Quadrat

In bestimmten Fällen kann man durch sogenannte Messwiederholungen Zellen einsparen. Während man bei einem echt faktoriellen 3×3×3-Design 27 experimentelle Gruppen untersucht, wären es beim sogenannten lateinischen Quadrat nur 3 × 3 = 9 Zellen, wenn man den dritten Faktor als Messwiederholungsfaktor konzipiert. In diesem Fall werden die gleichen Versuchspersonen nacheinander drei experimentellen Treatments (den drei Variationen des dritten Faktors) ausgesetzt. Um nicht Reihenfolgeeffekte zu erzeugen, werden die Treatments in Form lateinischer Quadrate eingesetzt, was im nachfolgenden Schema verdeutlicht wird. Dabei seien die ersten echten beiden unabhängigen Variablen (Faktoren) mit A und B bezeichnet, der Messwiederholungsfaktor mit C (Abb. 15.3).

Ein solcher Messwiederholungsfaktor könnte beispielsweise die Bebilderung eines Zeitungsbeitrags sein, die in drei Variationen vorliegt: keine Bebilderung (C1), Schwarzweiß-Bild (C2) und Farbbild (C3). Die Versuchspersonen lesen nacheinander drei Beiträge, jeder in einer anderen Bebilderungsform. Zusätzlich wurden in diesem fiktiven Element die Bedingungen „Schriftgröße“ (Faktor A) und „Quelle des Beitrags“ (Faktor B) jeweils dreifach variiert. Würde man jeder Person nur einen Beitrag zu lesen geben, bräuchte man 27 Versuchsgruppen, bei Messwiederholung nur 9.

Messwiederholungen werden auch vorgenommen, wenn man in Experimenten zu verschiedenen Messzeitpunkten die gleiche abhängige Variable erhebt. Wenn wir beispielsweise in unserem Gewaltexperiment das Aggressionsniveau sofort und eine Woche später erheben, haben wir einen Messwiederholungsfaktor gebildet, der formal den Zeitabstand zwischen Treatment und Messung bezeichnet.

Eine weitere Besonderheit faktorieller Designs kann auftreten, wenn aufgrund der Eigenschaften der unabhängigen Variablen nicht alle Zellen sinnvoll besetzt werden können. In diesem Fall spricht man von unvollständigen faktoriellen Designs (Abb. 15.4).

Wenn man untersuchen möchte, mit welcher Kombination eine Nachricht am ehesten behalten wird, ist ein 2×2-Design denkbar. Man kombiniert entsprechend und erzeugt notgedrungen eine Zelle, in der die Variation „nichts“ vorliegt, die nicht

Abb. 15.4 Unvollständiges Versuchsdesign

realisiert werden kann. Die eigentliche Stärke mehrfaktorieller Designs, nämlich Wechselwirkungen zwischen beiden Variablen darzustellen, kommt hier nicht zum Tragen. Denn was tatsächlich vorliegt, ist ein einfaktorieller Untersuchungsplan mit drei Versuchsgruppen. In der Zusammenschau kann man demnach folgende grundlegenden Designtypen unterscheiden [1]:

• einund mehrfaktorielle Designs

• vollständige und unvollständige Designs

• Designs mit und ohne Messwiederholung (Zeitfaktor)

  • [1] Experimentelle Designs können noch wesentlich komplizierter sein, es gibt auch alle möglichen Mischformen
 
Fehler gefunden? Bitte markieren Sie das Wort und drücken Sie die Umschalttaste + Eingabetaste  
< Zurück   INHALT   Weiter >
 
Fachgebiet
Betriebswirtschaft & Management
Erziehungswissenschaft & Sprachen
Geographie
Informatik
Kultur
Lebensmittelwissenschaft & Ernährung
Marketing
Maschinenbau
Medien und Kommunikationswissenschaft
Medizin
Ökonomik
Pädagogik
Philosophie
Politikwissenschaft
Psychologie
Rechtswissenschaft
Sozialwissenschaften
Statistik
Finanzen
Umweltwissenschaften