Grounded Theory
Grounded Theory (GT) ist wahrscheinlich die bekannteste methodologische Perspektive für die Durchführung qualitativer Forschung in den Sozialwissenschaften. GT wurde ursprünglich von den Soziologen Barney Glaser und Anselm Strauss (Glaser und Strauss, 1967) eingeführt und wird häufig in der Bildung und verwandten Bereichen eingesetzt.
GT umfasst eine unverwechselbare Methodik, eine bestimmte Sicht auf wissenschaftliche Methoden und eine Reihe spezifischer Verfahren zur Analyse qualitativer Daten und zur Erstellung von Theorien aus diesen Daten. Die Methodik liefert eine Rechtfertigung dafür, qualitative Forschung als legitime – in der Tat rigorose – Form der Untersuchung zu betrachten. Die Ansicht der von GT angewandten wissenschaftlichen Methode wird allgemein als induktiv angesehen, obwohl dies umstritten ist. GT-Forscher sammeln nicht numerische Daten aus verschiedenen Quellen, einschließlich Interviews und Feldbeobachtungen. Nach der Erfassung werden die Daten mithilfe von Codierungs- und theoretischen Stichprobenverfahren analysiert. Eine Reihe von Interpretationsverfahren wird dann verwendet, um die Konstruktion der Theorie zu unterstützen, die aus den Daten hervorgeht und auf diesen basiert.
Bei dem Versuch, empirische soziale Phänomene zu identifizieren und Theorien zu konstruieren, die durch diese eingeschränkt werden In fast allen GT-Berichten werden die drei Hauptstrategien der Datencodierung, des Schreibens von Memos und der theoretischen Stichprobenerfassung angewendet.
In GT sind Datenerfassung und Datenanalyse interaktiv. Ab dem Zeitpunkt, an dem die Datenerfassung beginnt, befassen sich fundierte Theoretiker mit der Datenanalyse, was zur weiteren Datenerfassung, anschließenden Datenanalyse usw. führt.
Die erste Datenanalysephase von GT beginnt mit der Codierung der Daten . Dies wird unternommen, um die Daten zu konzipieren, indem Kategorien ermittelt werden, in die sie passen. Der Codierungsprozess besteht aus drei Phasen: offene Codierung, axiale Codierung und selektive Codierung. Bei der offenen Codierung beschreiben die Forscher die Daten, indem sie sie Zeile für Zeile betrachten. Diese Strategie, sich auf kleine Dateneinheiten und deren Interpretation zu konzentrieren, fördert die Entwicklung einer theoretischen Sensibilität für neue Ideen in Bezug auf die Daten und trägt dazu bei, das Erzwingen von Daten in bestehende Kategorien zu verhindern. Strauss (1987) behauptet, wenn eine ganze Reihe von Kategorien identifiziert worden sei, sollte man eine axiale Codierung vornehmen – wobei man die Daten auf neue Weise wieder zusammenfügt, indem man Verbindungen zwischen den zahlreichen Kategorien herstellt. Anschließend wird ein selektiver Codierungsschritt implementiert, in dem der Forscher systematisch diejenigen Kategorien identifizieren möchte, die eng mit der Kernkategorie zusammenhängen. Die Kernkategorie liegt im Zentrum der aufkommenden Theorie und ist für deren Integration von zentraler Bedeutung.
Obwohl das Schreiben von Memos in jeder Phase des Forschungsprozesses erfolgen kann, findet es häufig zwischen der Kodierung von Daten und dem Schreiben statt des ersten Entwurfs des Forschungsberichts. Memos werden geschrieben, um theoretische Ideen zu identifizieren, zu entwickeln und zu verfolgen. Wo relevant, werden sie aufgezeichnet, zurückgerufen und überarbeitet, um neue theoretische Memos zu erstellen. Das Schreiben von Memos wird systematischer, fokussierter und intensiver, wenn eine Theorie mit größerer Dichte und Kohärenz erstellt wird.
Mit in Bezug auf Datencodes und theoretische Ideen geschriebene Memos ermöglichen es dem Forscher, Lücken zu identifizieren, die die Erfassung weiterer Daten erfordern . Hierzu wird eine theoretische Probenahme durchgeführt. Bei der theoretischen Stichprobe – im Gegensatz zur herkömmlichen repräsentativen Stichprobe – werden Entscheidungen darüber, welche Daten gesammelt, codiert, analysiert und interpretiert werden sollen, vom neuen GT geleitet. Theoretisch relevante Ereignisse, Aktivitäten und Populationen werden untersucht, und die Vergleiche zwischen diesen zielen darauf ab, die konzeptionelle Dichte und die Integration der aufkommenden Theorie zu erhöhen. Um effektiv in Bezug auf Daten in theoretischen Begriffen zu denken, ist ein angemessenes Maß an theoretischer Sensibilität erforderlich. Wenn das zusätzliche Sammeln und Analysieren von Daten nicht mehr zum Verständnis eines Konzepts oder einer Kategorie beiträgt, ist ein Punkt der theoretischen Sättigung erreicht. An diesem Punkt hört man auf, Daten in Bezug auf eine Kategorie zu sammeln, und betrachtet eine andere Kategorie oder ein anderes Konzept.
In Übereinstimmung mit den pragmatistischen Einflüssen auf die GT-Methodik charakterisiert Strauss (1987) die wissenschaftliche Methode als eine Sequenz der Induktion , Deduktion und Induktion: Grundlegende Theorien ergeben sich induktiv aus den Daten, Testvorhersagen werden dann aus den Theorien abgeleitet und schließlich werden die Theorien induktiv bestätigt oder nicht bestätigt.
Trotz der beträchtlichen Aufmerksamkeit, die der Darstellung geschenkt wird Bei der Datenanalyse in GT ist es schwierig zu ergründen, wie – und in welchem Sinne – GT induktiv aus den Daten hervorgehen und auf diesen basieren soll. Dies liegt daran, dass die Art des induktiven Denkens nicht beschrieben wird.
Glaser und Strauss wurden mit der Begründung kritisiert, dass sie eine Rückkehr zu einem einfachen und inakzeptablen baconianischen Induktivismus befürworten.In dieser Interpretation wird GT als tabula rasa-Ansicht der Untersuchung dargestellt, die behauptet, dass Beobachtungen nicht theoretisch oder konzeptabhängig sind. Dies ist jedoch nicht die Position von Glaser und Strauss. In The Discovery of Grounded Theory (Glaser und Strauss, 1967) lehnen sie diese Sichtweise der Untersuchung ausdrücklich ab – und stellen fest, dass der Forscher eine theoretische Perspektive benötigt, um Daten zu sehen und von ihnen zu abstrahieren. Es ist im Interesse der Entstehung neuer Kategorien auf verschiedenen Abstraktionsebenen, dass Glaser und Strauss den Forscher einige potenziell relevante Fakten und Theorien für einige Zeit im Hintergrund halten lassen. Dies ist eindeutig eine Form der Klammerung, keine tabula rasa-Konzeption der Untersuchung.
Obwohl klar ist, dass Glaser und Strauss keine naiven Induktivisten sind, begründet die tatsächliche Natur der induktiven Beziehung – für sie – Neue Theorien in ihren Daten sind schwer zu ergründen. Für Glaser und Strauss soll GT nach der Methode des ständigen Vergleichs induktiv aus seiner Datenquelle hervorgehen. Als Entdeckungsmethode ist die konstante Vergleichsmethode eine Mischung aus systematischer Codierung, Datenanalyse und theoretischen Stichprobenverfahren, die es dem Forscher ermöglicht, einen Großteil der unterschiedlichen Muster in den Daten zu interpretieren, indem er theoretische Ideen auf einer höheren Ebene von entwickelt Abstraktion als die anfänglichen Datenbeschreibungen. Der Begriff des ständigen Vergleichs ist jedoch wenig hilfreich, um herauszufinden, ob die fragliche induktive Folgerung enumerativ, eliminativ oder in einer anderen Form vorliegt.
Angesichts des pragmatistischen Einflusses auf die GT-Methodik ist dies nicht überraschend dass Strauss (1987) in seiner kurzen Diskussion über die Induktion den Begriff der Entführung erwähnt. Leider verzichtet er jedoch darauf, dies in seine Diskussion über die induktive Erzeugung von Theorie einzubeziehen. Der amerikanische Pragmatiker Charles Sanders Peirce hat in seinem reifen Schreiben klar zwischen diesen beiden Formen der Folgerung unterschieden. Sowohl induktive als auch abduktive Argumente sind verstärkend oder inhaltssteigernd – da ihre Schlussfolgerungen mehr Informationen enthalten als in ihren Prämissen enthalten sind. Die Art der Verstärkung ist jedoch für jeden unterschiedlich. Induktive Argumente haben beschreibenden Charakter, da sie zu Schlussfolgerungen hinsichtlich derselben Art von Manifestattributen führen, die in ihren Prämissen erwähnt werden. Im Gegensatz dazu begründen abduktive Argumente von tatsächlichen Prämissen zu erklärenden Schlussfolgerungen, wie wenn wir von vermuteten Auswirkungen zu zugrunde liegenden Ursachen argumentieren.
Eine wachsende Anzahl von Autoren hat die kreative Folgerung, die mit der Erzeugung von GT verbunden ist, als abduktiv in charakterisiert Natur (z. B. Haig, 1996; Reichertz, 2007) – das heißt, anstatt einen GT als induktive Abstraktion von der Datenanalyse zu betrachten, wird er als Ergebnis einer erklärenden Folgerung auf Faktoren angesehen, die die Daten auf grundlegendere Weise überschreiten . Aus dieser Sicht kann die datenanalytische Dimension von GT vernünftigerweise als induktiv ausgelegt werden. Um die abstrahierten Datenmuster zu erklären, muss die Konstruktion von GT jedoch von Natur aus abduktiv sein.
Haig ist noch weiter gegangen und hat vorgeschlagen, dass der gesamte Prozess der theoretischen Konstruktion in GT gegossen werden kann in einem abduktiven Licht (Haig, 1996, 2005b). Seiner Ansicht nach geht die abduktive Natur von GT über die Generierung von Theorien hinaus und umfasst die Entwicklung von Theorien und die Bewertung von Theorien. Eine Strategie der analogen Modellierung wird verwendet, um GT zu entwickeln. Da die analoge Modellierung den Inhalt erklärender Theorien erhöht, wird die darin enthaltene Argumentation als analoge Abduktion bezeichnet. Diese Rekonstruktion von GT schließt auf die beste Erklärung als bevorzugten Ansatz für die Bewertung reifer Theorien. Insbesondere wird der zuvor skizzierte TEC übernommen, und der bessere konkurrierende GT wird als derjenige beurteilt, der erklärender kohärenter ist.