Skip to main content
main-content

Über dieses Buch

Im Rahmen dieses essentials legen die Autoren das Augenmerk auf die Besonderheiten des Umgangs mit kleinen und großen Datenmengen in der Sportwissenschaft. Kurz und überblickartig wird dargestellt, welche Designs im Rahmen von Single-Case-Studies zum Einsatz gelangen können und wie solche Studien ausgewertet werden. Weiterhin wird erläutert, wie man die beste wissenschaftliche Evidenz in die (medizinische) Praxis integriert und wie im Rahmen von Forschungsprojekten die erhobenen Daten gesichert und öffentlich zugänglich gemacht werden. Darüber hinaus wird dargestellt, was alles unter dem Begriff Big Data subsumiert wird und welche Möglichkeiten und Grenzen für die Wissenschaft mit Big Data verbunden sind.

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Single-Case-Design

Zusammenfassung
Forschungsmethodologisch ist die (Einzel)-Fallstudie oder Case-Study bzw. Case-Report vom Single-Case-Design oder Single-Subject-Design zu differenzieren. Während die Fallstudie versucht, möglichst ganzheitlich, explorativ, narrativ und deskriptiv Erkenntnisse im realen Feld (z. B. Untersuchung der Auswirkung eines 21-tägigen Höhentrainingslagers auf 2700 m Höhe auf das kardiopulmonale, metabolische, hormonelle System sowie auf die subjektive Belastungsverträglichkeit) über den Untersuchungsgegenstand (z. B. kenianische Marathonläufer in der Vorbereitung auf die Olympischen Spiele) zu erlangen und eine explizite Manipulation der unabhängigen Variablen oder Kontrolle von Treatment-Effekten ausbleibt, versucht man im Single-Case-Design, die (Aus-)Wirkung einer Intervention (z. B. Training, Lernmethode) durch eine Interventions-Nachweisbeziehung zu erklären. Das heißt, die möglichst eindeutige Zuschreibung einer Wirkung (Effekt) unter standardisierten und kontrollierten Bedingungen wird angestrebt, indem alternative Erklärungen (z. B. Lern- und Testeffekte, Placeboeffekt, Spontanremission) weitgehend ausgeschlossen sein sollen und somit eine hohe interne Validität im Forschungsprozess angestrebt wird.
Michael Fröhlich, Jochen Mayerl, Andrea Pieter, Wolfgang Kemmler

Kapitel 2. Evidenzbasierte Praxis und Datenmanagement

Zusammenfassung
Evidenzbasierte Praxis (EBP) ist als „der gewissenhafte, ausdrückliche und vernünftige Gebrauch der gegenwärtig besten externen, wissenschaftlichen Evidenz für Entscheidungen in der medizinischen Versorgung individueller Patienten“ definiert (Cochrane Deutschland; siehe https://​www.​cochrane.​de/​de/​ebm).
Wolfgang Kemmler, Andrea Pieter, Jochen Mayerl, Michael Fröhlich

Kapitel 3. Big Data

Zusammenfassung
Seit ca. zehn Jahren kann man einen großen und ungebrochenen Hype um „Big Data“ beobachten, auch wenn ein erster Peak erreicht und das öffentliche Interesse, bemessen an der Häufigkeit der Eingabe in der Suchmaschine Google, wieder leicht rückläufig zu sein scheint Abb. 3.1. Eine ähnliche Entwicklung lässt sich auch an der jährlichen Anzahl an wissenschaftlichen Publikationen zum Thema „Big Data“ laut der Datenbank Google Scholar ablesen – auch hier gab es einen rasanten Anstieg in den letzten zehn Jahren (von 3860 Publikationen im Jahr 2010 hin zu 185.000 Publikationen im Jahr 2018), der in den letzten zwei bis drei Jahren seinen vorübergehenden Höhepunkt erreicht hat und wieder rückläufig ist Abb. 3.2.
Jochen Mayerl, Michael Fröhlich, Wolfgang Kemmler, Andrea Pieter

Backmatter

Weitere Informationen

Premium Partner

    Bildnachweise