Doing Mixed Methods: Methodenintegrative Ansätze in der Organisationsforschung

Zentrale Gründe für die Methodenintegration finden sich bei Greene et al. 1989; Bryman 2006; Creswell und Plano Clark 2011, S. 7–11; Kelle 2008, S. 227–262; Kelle et al. 2017 sowie Newman et al. 2003.

Die Schwäche quantitativer Verfahren ist z. B. darin zu sehen, dass sie nur angewendet werden können, wenn die zentralen Strukturmerkmale des Untersuchungsgegenstands bekannt sind. Zudem können sie zwar Zusammenhänge zwischen Variablen identifizieren, aber die dahinterliegenden Prozesse, Praxen, alltagsweltlichen Beweggründe etc. lassen sich nur theoretisch ableiten bzw. eher qualitativ als quantitativ untersuchen. Die Schwäche qualitativer Verfahren liegt u. a. darin, dass sie keine Aussagen zur Verbreitung und Verteilung von entwickelten Typologien, sozialen Merkmalen, Handlungs- oder Deutungsmustern liefern bzw. Einflussgrößen nur bedingt separat betrachten können, was allerdings quantitativ möglich ist.

Diese Darstellung von MM-Designs ist nicht zwingend (Burzan 2016, S. 32), denn auch bei der formalen Darstellung spiegeln sich die Dynamiken und Heterogenitäten der MM-Community deutlich wieder. So verweist Creswell (2015) in einem neueren Einführungsband zwar noch auf die formale Notation von Morse (1991, 2003), nutzt jedoch zur Designdarstellung visuelle Varianten (Creswell und Plano Clark 2011). Generell ist die Verwendung von formalisierten oder visuellen Darstellungen hilfreich, um das Zusammenspiel der einzelnen methodischen Zugänge, ihre zeitliche Anordnung und Gewichtung im Forschungsprozess sowie die methodenintegrativen Verknüpfungen besser nachvollziehen zu können.

Mittlerweile existieren vielfältige Einführungsbücher, welche noch weitere MM-Design-Variationen thematisieren und deren Aufbau und Nutzen detailliert beschreiben. Beispielhaft seien die englischsprachigen Einführungen von Creswell (2015) sowie Creswell und Plano Clark (2011) genannt. Für den deutschsprachigen Raum erschienen Burzan (2016) und Kuckartz (2014). Darüber hinaus lassen sich MM-Designs mit üblichen Untersuchungsdesigns dahingehend spezifizieren, ob für die qualitativen oder quantitativen Forschungsstränge z. B. Quer- oder Längsschnittdesigns, Experimente, Ethnographien oder Fallstudien verwendet werden.

Beispielstudien liefern in der Organisationsforschung u. a. East et al. 2014; Valarino und Gauthier 2016; Westra et al. 2016; Faust et al. 2000, S. 36–42 sowie Kuhlmann et al. 2004, S. 48.

Je nachdem wie komplex und aufwendig die quantitativen Analysen sind, sind sie von geringerer Priorität (z. B. deskriptive Auszählungen der identifizierten Typen oder Testung bivariater Zusammenhänge) oder gleichwertiger Priorität (z. B. multivariate Regressions- oder Clusteranalysen).

Wenn die qualitative Studie vor allem der „Verdeutlichung“ der quantitativen Ergebnisse dient (z. B. mit Leitfadeninterviews), kommt ihr eher eine untergeordnete Bedeutung zu, da die qualitativen Analysemöglichkeiten durch die quantitativen Analysen vorbestimmt werden. Eine gleichwertige Rolle spielt die qualitative Studie, wenn sie zur „Ergänzung/Erweiterung“ der quantitativen Analysen eingesetzt wird und z. B. auch offenere Erhebungs- und Analysemethoden zum Einsatz kommen, die sich auf denselben Untersuchungsgegenstand beziehen, diesen jedoch viel stärker aus der Logik des Feldes und seiner Beteiligten rekonstruieren. Der Vorteil dieses Herangehensweise ist, dass sie mehr unerwartete Bezüge herstellen kann. Ihr „Nachteil“ liegt darin, dass die gemeinsame Ergebnisinterpretation häufig komplexer wird. Eine anschauliche Beispielstudie liefert Ivankova et al. (2006).

Bahnmüller und Schmidt (2009, S. 33–51) zeigen in ihrer Beispielsstudie auf, wie unter Einsatz verschiedener qualitativer und quantitativer Methoden die Perspektiven unterschiedlicher Organisationsmitglieder (Beschäftigte, Führungskräfte, Betriebsräte) erfasst werden können. Weitere Beispielstudien liefern Hertwig et al. 2015a, b; Promberger 2012 und Scott et al. 2011.

Da der Forschungsprozess qualitativer Studien flexibler ist und z. T. noch während der Datenerhebung Veränderungen beim Sampling sowie den Erhebungsinstrumenten zulässt, können Erkenntnisse der parallelen quantitativen Studien bedingt für die Weiterentwicklung des Sampling oder die Ergänzung von Erhebungsinstrumenten genutzt werden.

Durch die Zusammenführung der unterschiedlichen Ergebnisse werden häufig neue Fragen an das Datenmaterial generiert (vgl. auch Abschn. 5), die sich z. B. auf Unklarheiten, etwaige Widersprüche oder neu entdeckte Zusammenhänge beziehen und z. T. durch erneute bzw. vertiefende Analysen (Re-Analysen) der Daten aufgeklärt werden können.

Emergente Aspekte sind solche, die erst während des Forschungsprozesses aufkommen wie z. B. neue Fragen an das Datenmaterial oder weitere, vorab nicht geplante Möglichkeiten zur Verknüpfung der Analysen. Sie entstehen z. B. durch das Zusammenspiel bisheriger Erkenntnisse oder durch neue, ggf. unerwartete Einblicke in den Forschungsgegenstand (u. a. aufgrund offener Erhebungsverfahren).

Erfahrungsgemäß ist die Visualisierung bei Designs, die vielfältige Ebenen der Methodenintegration haben, von besonderer Bedeutung, da sie mit formalen Notationen nur unzureichend dargestellt werden können. Die Visualisierung des Designs dient so auch der Verdeutlichung der methodischen und inhaltlichen Komplexität.

Forschungsdesign des Teilprojektes B4 „Betriebe und Ungleichheit: Synchrone und diachrone Ungleichheitseffekte zeitweiser Entlassungen (Recalls)“ (Antragsteller: Stefan Liebig, Projektleitung: Andrea Hense), das im Rahmen des DFG geförderten Sonderforschungsbereichs 882 durchgeführt wurde.

Eine Typologie verschiedener monomethodischer und methodenintegrativer Samplingverfahren bieten Teddlie und Yu (2007). Zur Planung von MM-Samplings sind ferner zu empfehlen: Collins 2010; Teddlie und Tashakkorie 2009, S. 168–196; Kemper et al. 2003; Creswell und Plano Clark 2011, S. 171–201. Generell ist beim MM-Sampling zu entscheiden, wie die Beziehungen zwischen dem qualitativen und quantitativen Sample aufgrund des Forschungsziels sein müssen (qualitatives Subsample des quantitativen Samples; beide verschieden, aber aus derselben Grundgesamtheit; verschiedene, aber miteinander zusammenhängende Populationen etc.).

Die kommerziellen Datenbanken (z. B. Hoppenstedt) sind sehr komplex und teuer, so dass Forschende festlegen müssen, welche Merkmale sie für ihr Sample auswählen. Da jede Information die Kosten steigert, sind diese Entscheidungen in der Regel bereits bei der Kostenkalkulation des Projekts zu berücksichtigen.

Selbst wenn hierarchisch höhere Einheiten nicht Teil der Stichprobe sind, ist in vielen Fällen zu beachten, dass das Einverständnis der höheren Ebene eingeholt werden muss, um zu erlauben bzw. zu unterstützen, dass Organisation oder ihre Mitglieder an der Untersuchung teilnehmen. Gegenstandsadäquate Informationen über diese Entscheidungsstrukturen ermöglichen den Forschenden bereits zu Beginn eine angemessene Kontaktierung und Ansprache der Organisation(-seinheit). Dies ist sowohl für die Formulierung des Anschreibens als auch für die Identifikation und Kontaktierung von gatekeepern relevant.

Eine Beispielstudie für ein komplexes MM-Sample in der Organisationsforschung bieten Sharp et al. (2012). Prinzipiell ist es möglich, für die qualitative Studie auch auf Sekundärdaten zurückzugreifen (Birke und Mayer-Ahuja 2017), dies hängt jedoch von der Passfähigkeit der Studien sowie vom Auffinden entsprechender Kooperationspartnerinnen und -partner oder archivierter Sekundärdatensätze ab.

Dies setzt zum einen die Kooperation der Primärforschenden voraus, da in Sekundärdatensätzen keine Kontaktdaten enthalten sind. Zum anderen verbieten Datenschutzbestimmungen in vielen Fällen auch den Primärforschenden die (langfristige) Speicherung von Adressdaten. Datenzentren, die Längsschnittstudien (z. B. Sozio-oekonomisches Panel) oder prozessproduzierte Daten (z. B. Institut für Arbeitsmarkt- und Berufsforschung) verwalten, haben in der Regel einen längerfristigen Zugang zu Adressdaten, deren Nutzung neben der Kooperationsbereitschaft der Institute auch an weitere Datenschutzbedingungen gebunden sind.

Qualitativ Forschende, die mit Quotenstichproben arbeiten, die sie vorab definieren, müssen komplexere Samplingentscheidungen zwar bereits zu Beginn der Forschung treffen. Sie haben aber ebenfalls die Möglichkeit, den Samplingplan zu überarbeiten, wenn die Datenauswertung eine Revision nahe legt, sich also z. B. zeigt, dass ein wichtiges Differenzierungselement bislang nicht berücksichtigt wurde oder ein vorab definiertes Kriterium wenig neue Erkenntnisse bringt.

Dabei ist zu berücksichtigen, dass Institutionen, die quantitative Sekundärdaten zur Verfügung stellen, nicht mit theoretischem Sampling vertraut sind, so dass dieses Vorgehen (auch aus Kosten- und organisatorischen Gründen) mit ihnen sehr ausführlich abgesprochen werden muss. Zudem ist es häufig notwendig, weitere Feldzugänge zu nutzen, da z. B. im Falle von IAB-Daten ein sukzessives theoretisches Sampling ausgeschlossen ist und die Möglichkeiten durch die Variablen der quantitativen Datensätze eingeschränkt sind.

Beim Feldzugang über Sekundärdaten ist zu beachten, dass im Vorfeld datenschutzrechtliche Fragen zu klären und Einwilligungserklärungen zu erstellen sind, die mit allen Datenschutzbeauftragten der beteiligten Institutionen abzuklären sind. Beides ist zeitaufwendig. Überdies werden die Kontaktdaten i. d. R. erst nach der Zustimmung der zu Interviewenden weitergegeben. Sofern qualitative Studien den Zugang über Sozialdaten des IABs wählen, obliegt die Verwaltung der erhobenen Daten dem Sozialdatengeber (IAB).

Zu Erhebungen in unterschiedlichen Organisationstypen siehe: Brussig 2017; Böhm-Kasper und Gausling 2017; Krzywdzinski 2017; Siri und Faas 2017; Richter 2017; Sack 2017; Seyfried und Veit 2017; Wilkesmann 2017a, b.

Prinzipiell ist es möglich, auf qualitative Sekundärdaten zurückzugreifen, sofern die inhaltliche Übereinstimmung gegeben ist (Birke und Mayer-Ahuja 2017).

Als „Tailoring“ wird die Anpassung von standardisierten Befragung an die besonderen Eigenschaften der jeweiligen Organisation(sform) verstanden (Snijkers und Meyermann 2017, S. 7).

Beispielstudien bieten Bahnmüller und Schmidt (2009) sowie Hertwig et al. (2015a, b).

Die quantitative Methodologie folgt den Ansprüchen der Reliabilität, Validität und Objektivität (Schnell et al. 2013; Diekmann 2007, S. 247–260).

Denn die Beschäftigten werden in der Zwischenzeit nicht vom Betrieb finanziert und dieser spart aufgrund seiner Kenntnis der Arbeitskräfte auch bei der Wiedereinstellung ex-ante und ex-post Transaktionskosten, ohne die qualifizierten Arbeitskräfte langfristig zu verlieren.

Die genannten Fragen sollten dabei nicht nur bei der Ableitung von Meta-Inferenzen im Blick des Forschenden stehen, sondern bereits bei der Konzeption einbezogen und während der Umsetzung mitgedacht werden (vgl. Abschn. 2 sowie Burzan 2016, S. 103–107).

Die integrative Darstellung der Ergebnisse im Rahmen von Joint Displays sollte nicht mit der integrierenden Analyse an sich gleichgesetzt werden (Burzan 2016, S. 73–75). Vielmehr handelt es sich um ein Hilfsmittel zur Systematisierung und ggf. zur Ergebnispublikation. Während in Abschn. 2 Visualisierungen des Forschungsdesigns erörtert wurden, beziehen sich Joint Displays auf die gemeinsame Darstellung von qualitativen und quantitativen Forschungsergebnissen.

Leichter ist dies in Fällen, wo qualitative Interviewpassagen z. B. dazu dienen, statistisch ermittelte Gruppen zu charakterisieren. Denn hier lassen sich typische Interviewpassagen in einer Abbildung den unterschiedlichen Gruppen zuordnen, deren relative Häufigkeiten und statistischen Eigenschaften zusätzlich dargestellt werden können.